JP7054641B2

JP7054641B2 - 構造物特性評価システム

Info

Publication number: JP7054641B2
Application number: JP2018066944A
Authority: JP
Inventors: 隆仁齊藤; 哲平小西; 基成小林; 雅二片桐; 大造池田
Original assignee: NTT Docomo Inc
Current assignee: NTT Docomo Inc
Priority date: 2018-03-30
Filing date: 2018-03-30
Publication date: 2022-04-14
Anticipated expiration: 2038-03-30
Also published as: JP2019178894A

Description

本発明は、構造物特性評価システムに関する。

従来から、橋梁等の構造物の耐震構造等を設計する際に、対象となる構造物に係る構造物のモデルを構成し、有限要素法（ＦＥＭ）による解析を行うことが提案されている（例えば、特許文献１参照）。ＦＥＭ解析を行うことで、構造物の構造特性に関係する各種情報（構造特性パラメータ）を得ることができる。

特開２００６－１９５７１３号公報

しかしながら、構造物によっては、ＦＥＭ解析を行うための構造物に係る詳細情報等が十分になく、ＦＥＭ解析の適用が困難な場合がある。

本発明は上記を鑑みてなされたものであり、適切かつ簡易に構造物の構造特性パラメータを取得可能な構造物特性評価システムを提供することを目的とする。

上記目的を達成するため、本発明の一形態に係る構造物特性評価システムは、構造物を撮像した動画像を取得する動画像取得部と、前記動画像取得部によって取得された動画像から、前記構造物の変位に係る特徴量を取得する特徴量算出部と、前記構造物に係る力学モデルに対して前記特徴量を代入し、強化学習により前記構造物に係る構造特性パラメータを算出するパラメータ算出部と、を有する。

本発明によれば、適切かつ簡易に構造物の構造特性パラメータを取得可能な構造物特性評価システムが提供される。

本発明の実施形態に係る構造物特性評価システムの構成を示す図である。特徴量算出部の構成を示す図である。対象の構造物を写した動画像及び要素への分割の例を模式的に示す図である。構造物の振動のデータのグラフの例である。強化学習に使用するアルゴリズムの概要を説明する図である。本発明の実施形態に係る構造物特性評価システムで実行される処理を示すフローチャートである。車両通行時の変位の例を示す図である。変形例に係る特徴量算出部の構成を示す図である。本発明の実施形態に係る構造物特性評価システムに含まれるサーバのハードウェア構成を示す図である。

以下、添付図面を参照して、本発明を実施するための形態を詳細に説明する。なお、図面の説明においては同一要素には同一符号を付し、重複する説明を省略する。

図１は、本実施形態に係る構造物特性評価システム１を示す図である。また、図２は、構造物特性評価システム１に含まれる特徴量算出部を示す図である。図１に示すように構造物特性評価システム１は、カメラ１０と、サーバ２０とを含んで構成される。構造物特性評価システム１は、構造物の構造特性パラメータを算出するシステムである。判定対象となる構造物は、橋梁又は建物等である。また、構造物の構造特性パラメータとは、例えば、構造物を構成する部材に関する形状（各部の厚さ等）、材料特性（密度、ヤング率等）が挙げられるがこれらに限定されるものではない。構造物特性評価システム１では、構造物がある力学モデルに基づいて動作していると仮定した場合の各部の構造特性パラメータを推定する機能を有する。構造物特性評価システム１により算出された構造特性パラメータは、例えば、構造物の補強又は改修等の施工内容の決定に用いられる。構造物特性評価システム１では、カメラ１０で撮像された動画像を用いて、サーバ２０によって構造特性パラメータの算出が行われる。

引き続いて、構造物特性評価システム１に含まれるカメラ１０及びサーバ２０の構成を説明する。カメラ１０は、構造特性パラメータの算出対象となる構造物を撮像して、構造物の動画像を取得する撮像装置である。カメラ１０は、予め構造物を撮像できる位置に固定的に設置される。カメラ１０としては、構造物の各部の振動等を検出することが可能な程度の解像度で撮像を行うことが可能な周知のカメラを用いることができる。カメラ１０とサーバ２０とは、互いに情報の送受信を行うことができる。カメラ１０は、予め設定されたフレームレート（ｆｐｓ）で構造物を撮像して、撮像した動画像をサーバ２０に送信する。

なお、構造物特性評価システム１による構造特性パラメータの算出には、外力を受けた場合の構造物の変位に係る情報が用いられる。したがって、カメラ１０が撮像する動画像は、構造物の変位を検出するための動画像である。構造物が橋梁である場合には、例えば、カメラ１０により、風による振動、車両の通過に伴う振動等が撮像される。そして、得られた動画像をカメラ１０からサーバ２０に対して送信する。

図１に示すように、サーバ２０は、機能的には、動画像取得部２１、動画像データ保持部２２、特徴量算出部２３、初期値データ保持部２４、力学モデル保持部２５、力学モデル運用部２６、および、特性パラメータ保持部２７を含んで構成される。初期値データ保持部２４、力学モデル保持部２５および力学モデル運用部２６は、本実施形態に係る構造物特性評価システム１において、強化学習により構造物に係る構造特性パラメータを算出するパラメータ算出部として機能する。

動画像取得部２１は、構造物を撮像した動画像を取得する機能部である。動画像取得部２１は、構造物を撮像した動画像を取得する。動画像取得部２１は、取得した動画像を動画像データ保持部２２に出力する。

動画像データ保持部２２は、動画像取得部２１が取得した動画像に係るデータ（動画像データ）を保存する機能部である。保存された動画像データは、特徴量算出部２３に送られ、特徴量算出部２３による特徴量の算出に用いられる。

特徴量算出部２３は、動画像データから、構造物の変位に係る特徴量を検出する機能部である。「構造物の変位に係る特徴量」とは、例えば、構造物の複数の箇所についての振動に係る特徴量が挙げられる。ただし、構造物の複数の箇所についての振動に係る特徴量とは異なる情報を構造物に係る特徴量としてもよい。具体的には、構造物の変位に係る特徴量として構造物のたわみに係る特徴量または構造物のひずみに係る特徴量を使用することもできる。本実施形態では、特徴量算出部２３は、当該動画像から、ＰＯＣ（Phase Only Correlation）等の従来の技術によってサブピクセル単位での変位を検出して、構造物の複数の箇所についての振動を検出することで、変位に係る特徴量を算出する場合について説明する。

特徴量算出部２３は、具体的には、動画像分割部３１、動画像選択部３２、要素分割部３３、および、特徴量計算部３４を含んで構成される。

まず、動画像分割部３１は、図３に示すように、取得した動画像を、当該動画像を構成する個々のフレーム（画像）に分割する。次に、動画像選択部３２は、個々のフレームに分割された動画像データから、特徴量の算出に使用する動画像データ（当該動画像データに含まれるフレームデータ）を選択する。なお、複数の動画像データを選択してもよいし、一の動画像データから、一部の時間帯（例えば、対象の構造物に変位が発生している時間帯）の動画像データを区切って選択してもよい。要素分割部３３は、動画像選択部３２において選択された動画像データに含まれる各フレームにおいて、予め設定された位置の複数の領域の部分画像（位相画像）を抽出する（部分画像に分割する）。本実施形態では、個々の領域を要素Ｅと呼ぶ。要素Ｅのサイズは、予め設定されている。要素Ｅの位置は、動画像において構造物が写っている位置とされる。要素Ｅの位置は、例えば、予め構造物特性評価システム１のユーザによって設定され、特徴量算出部２３に記憶されている。あるいは、特徴量算出部２３が、動画像において構造物が写っている位置を検出して、検出された位置を要素Ｅの位置と設定してもよい。

次に、特徴量計算部３４は、前後のフレーム間の同一の（位置の）要素Ｅの位置ずれをサブピクセル精度で算出する。なお、前後のフレーム間の時間差Δｔは、フレームレート（ｆｐｓ）の逆数となる（Δｔ＝１／ｆｐｓ）。特徴量計算部３４は、例えば橋梁の状態を判定する場合には、動画像のｙ方向について位置ずれの算出を行う。橋梁の劣化は、縦方向（鉛直方向）の振動に応じて進むためである。特徴量計算部３４は、動画像から、各要素について前後の各フレーム間の位置ずれ（変位ｙ）を、構造物の振動に係る特徴量として算出する。特徴量計算部３４によって動画像から得られる振動に係る特徴量とは、図４に示すように要素ｉ及び時間（時刻）ｔ毎の変位ｙの値に係る関数、すなわち、ｙ（ｉ，ｔ）となる。特徴量計算部３４は、得られた振動に係る関数を、特徴量情報として力学モデル運用部２６に出力する。

初期値データ保持部２４は、構造物に対応する力学モデルにおいて使用するパラメータの初期値に係る情報を保持する機能部である。初期値データ保持部２４において保持される初期値に係る情報とは、後述の力学モデルを用いて構造特性パラメータを算出する際に、力学モデルに対して適用する初期値としての構造特性パラメータに関する情報である。したがって、当該構造物の設計時に設定された構造特性パラメータに関する情報がある場合には、その設計時の構造特性パラメータに関する情報を初期値データとして初期値データ保持部２４において保持する。また、設計時の構造特性パラメータに関する情報がない場合には、例えば、設計書等を参考にして、例えば材料の一般的な特性の情報や、ＪＩＳ等で規格設定されている部材の場合には規格で規定されている寸法情報等を初期値データとすることもできる。また、構造物特性評価システム１を用いて以前に算出された構造特性パラメータを初期値データとして保持しておくこともできる。このように、力学モデルに適用する初期値データについては、適宜変更することができる。

力学モデル保持部２５は、構造物の構造特性パラメータの算出に使用する力学モデルに係る情報を保持する機能部である。構造物の構造特性パラメータの算出に使用する力学モデルとは、構造物に係る公知の物理モデルである。例えば、構造物が橋梁である場合には、梁の支配方程式（支配微分方程式）が力学モデルとして用いられる。梁の支配方程式としては、所謂オイラー－ベルヌーイ梁、チモシェンコ梁に係る支配方程式などが公知である。例えば、オイラー－ベルヌーイ梁の場合、以下の数式（１）が支配方程式に基づく力学モデルとなる。

なお、上記の数式（１）におけるＦ（ｉ，ｔ）は外力に係る関数であり、ρ、Ａ、Ｅ、Ｉなどは、本実施形態での構造特性パラメータである（例えば、Ｅは構造物のヤング率である）。力学モデルを利用して算出可能な構造特性パラメータは、力学モデルがどのような構造特性パラメータを含んでいるかに依存する。

力学モデル保持部２５では、構造特性パラメータの算出に使用する力学モデルを保持する。使用する力学モデルは、構造物の種類（橋梁、鉄塔、等）に応じて選択することができるため、構造物の種類毎に保持する構成とすることができる。また、同一種類の構造物においても、例えば、構造（形状）等に応じて使用する力学モデルを変更する構成としてもよい。したがって、力学モデル保持部２５では、同種の構造物（例えば、橋梁）に関する複数のモデリングから得られた数式、すなわち、複数種類の力学モデルを保持していてもよい。

力学モデル運用部２６は、力学モデル保持部２５において保持された力学モデルと、初期値データ保持部２４において保持された初期値に係る情報と、特徴量算出部２３において得られた特徴量とを組み合わせて、構造特性パラメータの算出を行う機能を有する。

構造特性パラメータの算出については、カメラ１０の動画像から得られた構造物の振動に係る特徴量を、初期値に係る情報が適用された力学モデルに対して当てはめた上で、機械学習の一種である強化学習（Reinforcement Learning）を用いて構造特性パラメータを算出する。

本実施形態に係る構造特性パラメータの算出に用いることができる強化学習のアルゴリズムとしては、例えば、Actor-Critic、Ｑ学習、Deep-Q-Network等が挙げられる。本実施形態では、上記で挙げた強化学習のアルゴリズムのうちActor-Criticアルゴリズムを適用する場合について、概略を説明する。ただし、これらの強化学習の方法に限定されるものではなく、力学モデル、構造特性パラメータの種類等に応じて適宜変更することができる。

一般的に強化学習では、エージェント、環境、行動、報酬が与えられた場合に、報酬を最大化するように学習を行う（方策）を行うという作業が行われる。また、強化学習の一般的な手法の一つとして、ＴＤ誤差学習（Temporal Difference Learning）が知られている。ＴＤ誤差学習の学習方法とは、自分自身の評価を行い、評価値を更新することである。評価値の更新には、見積もりの評価値と実際に行動したときに得られる評価値との誤差（ＴＤ誤差）を０に近付けていくという作業が行われる。

Actor-Criticアルゴリズムとは、ＴＤ誤差学習の一手法であり、エージェントがActorとCriticとから構成されるという特徴を有する。Actor-Criticの演算プロセスの例を図５に示す。

図５に示すように、Actorはまず環境から状態Ｓ_ｔを認識する。そして、エージェントは、Actorに与えられている確率密度関数に基づいて、方策を決定し行動ａ_ｔをとる。これにより状態はＳ_ｔからＳ_ｔ＋１へ移行する。この結果、Criticは、状態の変化に応じて報酬ｒ_ｔ＋１を受け取る。

このとき、Criticは、見積もり値と報酬との比較を行い、ＴＤ誤差を算出する。時刻ｔにおける評価値を状態価値関数Ｖ（Ｓ_ｔ）とすると、時刻ｔ＋１におけるＴＤ誤差δ_ｔは以下の数式（２）で算出することができる。

そして、Criticは、評価値のＴＤ誤差が０に近付くように、状態価値関数を更新する。更新は以下の数式（３）に基づいて行われる。

なお、数式（２）、（３）において、γは割引率（未知の状態評価関数であるために発生する割引を示す）であり、αは学習率（次の状態へのＴＤ誤差の反映率を示す）である。

また、Actorでは、ＴＤ誤差を参照して、当該ＴＤ誤差が０となるように、方策を変更し、行動する（ａ_ｔ＋１）これを繰り返すことで、ＴＤ誤差がより小さくなるような状況に到達することができる。

上記のActor-Criticアルゴリズムを本実施形態に係る力学モデルおよび構造特性パラメータに適用する。まず、Actor-Criticにおける状態Ｓｔには、構造特性パラメータの算出に使用する力学モデル（支配方程式）の左辺を当てはめる。また、行動ａ_ｔは、力学モデルに含まれる構造特性パラメータの更新（数値変更）に該当する。また、方策に対応する確率密度関数は、関数π_Φ（ａ_ｔ｜ｓ_ｔ）で表し、状態ｓ_ｔのときに行動ａ_ｔをとる確率密度関数である。Φは方策パラメータであり、構造特性パラメータの初期値と確率密度関数の形状を指定するパラメータに応じた集合を意味する。

上記の方策に対応する確率密度関数は、例えば、力学モデルに含まれる構造特性パラメータが互いに独立であると仮定する場合には、各パラメータが正規分布であると仮定して、以下の数式（４）のように表現することができる。なお、数式（４）においてＺは正規化定数である。また、数式（４）に含まれる平均値μおよび分散σはそれぞれ以下の数式（５）、（６）のように更新することができる。

なお、上記は一例である。構造特性パラメータが互いに影響し合うと改定して、多変量正規分布を利用して確率密度関数を記述してもよい。

報酬ｒ_ｔとしては、行動ａ_ｔを行った結果の状態ｓ_ｔにおける誤差に対応した報酬を設定する。誤差とは、行動ａ_ｔを行った結果の力学モデルｓ_ｔを算出した支配方程式（数式（１））において、振動に寄与する荷重がなくなった後の自由減衰振動を想定したときに、状態ｓ_ｔの自由減衰振動に対する誤差を算出したものである上記の誤差が所定の閾値εまたはそれ以下の場合には、その値に応じて正の報酬を与え、所定の閾値εよりも大きい場合には、その値に応じて負の報酬を与えることとする。このような構成とすることで、誤差が小さいほうが好ましいというように報酬を設定することができる。

力学モデル運用部２６では、上記のように、ＴＤ誤差が小さくなるようにActorの方策を変更し、Criticの状態価値関数を更新することを、動画像データから得られた特徴量の分だけ繰り返す。繰り返しが終了した後に、Actorの方策に基づいて、構造特性パラメータを決定する。この結果、強化学習後の構造特性パラメータが得られる。

特性パラメータ保持部２７は、力学モデル運用部２６において算出された構造特性パラメータを保持する機能部である。特性パラメータ保持部２７において保持される構造特性パラメータは、必要に応じてサーバ２０から外部装置等へ出力される。

なお、動画像選択部３２によって選択した動画像から算出した構造特性パラメータは、ある条件下における構造物の特性であるため、過学習している可能性がある。そのため、初期値を、前回算出した構造物特性パラメータとし、異なる動画像を用いて再度学習を繰り返していくことで、あらゆる状況に対して最適と考えられる構造物パラメータを算出することが可能となる。したがって、力学モデル運用部２６において算出された構造特性パラメータは、特性パラメータ保持部２７において保持されることに加えて、初期値データ保持部２４においても保持し、適宜力学モデル運用部２６において使用される。

次に、図６に示すフローチャートを参照しながら、本実施形態に係る構造物特性評価システム１で実行される処理（構造物特性評価システム１が行う動作方法）を説明する。

まず、カメラ１０により、構造物（構造物）の動画像を撮影する。撮影した動画像データは、カメラ１０からサーバ２０へ送られ、サーバ２０の動画像取得部２１において取得する（Ｓ０１）。動画像取得部２１において取得された動画像データは、動画像データ保持部２２において保持される。

次に、動画像選択部３２において、構造物に係る特徴量の算出に使用する動画像データを選択する。次に、要素分割部３３において、動画像データを参照して、同一の構造物に係るフレームが複数あるか否かを判定する（Ｓ０２）。同一の構造物を撮像したフレームが複数ない場合（Ｓ０２－ＮＯ）には、振動に係る情報が得られないため、再度動画像の取得（Ｓ０１）から繰り返すか、もしくは、動画像選択部３２における動画像データの選択から繰り返す。一方、同一の構造物を撮像したフレームが複数ある場合（Ｓ０２－ＹＥＳ）には、当該フレームを利用して、特徴量の算出を行う。まず、要素分割部３３において、各動画像（フレーム）に含まれる構造物を複数の要素に分割する（Ｓ０３）。次に、特徴量計算部３４において、分割した要素ごとに、時系列で他のフレームと比較し、各要素について前後の各フレーム間の微小な移動量である位置ずれ（変位ｙ）を、構造物の振動に係る特徴量として算出する（Ｓ０４）。なお、変位ｙに係る関数ｙ（ｉ，ｔ）を、時空間関数としている。このようにして得られた振動に係る特徴量は、特徴量算出部２３から力学モデル運用部２６へ送られる。

次に、力学モデル運用部２６では、力学モデル保持部２５において保持される力学モデルから、構造特性パラメータの算出に用いる力学モデルを選択する。そして、特徴量算出部２３から送られた振動に係る特徴量である関数ｙ（ｉ，ｔ）（時空間関数）に基づいて、力学モデルに必要となる微分係数を算出し、算出結果を力学モデルに代入する（Ｓ０５）。上記の数式で例示したように、力学モデルには振動に係る関数ｙの微分係数が含まれる場合がある。力学モデル運用部２６では、力学モデルに使用される微分係数がある場合には、特徴量となる関数から微分係数を算出し、これを力学モデルに適用する。

次に、力学モデル運用部２６では、力学モデルに含まれる構造特性パラメータを強化学習によって更新する（Ｓ０６）。構造特性パラメータの初期値は、初期値データ保持部２４に保持される値を利用する。また、前回と同じ力学モデルを使用する際には、上述したように、前回の強化学習により更新された構造特性パラメータを使用することができる。また、強化学習は、例えば、Actor-Criticアルゴリズム等を用いることができる。強化学習を行うことで、構造特性パラメータが更新される。その後、強化学習により得られた構造特性パラメータを出力する（Ｓ０７）。

なお、力学モデル運用部２６による構造特性パラメータの算出に係る処理には適宜変更を加えることができる。以下、いくつか変形例について説明する。

上述したように、同一の構造物は複数の要素に分割され、要素毎に特徴量が算出される場合がある。この場合、特徴量毎に、強化学習によって構造特性パラメータが算出される。すなわち、同一の構造物を撮像した動画像データから、複数の特徴量が得られることで、同一項目の構造特性パラメータに関して、（動画像において得られた要素毎に）複数の算出結果が得られる場合がある。その場合、同一項目に係る複数の構造特性パラメータに基づいて、「動画像データから得られた構造特性パラメータ」として出力する「一の構造特性パラメータ」を決定する構成としてもよい。同一項目に係る複数の構造特性パラメータが得られた場合に、どのように「一の構造特性パラメータ」を決定するかは、適宜変更することができる。例えば、同一項目に関して得られた複数のパラメータの平均値を「一の構造特性パラメータ」としてもよい。また、構造特性パラメータの項目の特徴に応じて、例えば、同一項目に関して得られた複数のパラメータのうちの最小値を「一の構造特性パラメータ」としてもよい。

また、力学モデル運用部２６では、力学モデルに含まれる構造特性パラメータの強化学習による更新（Ｓ０６）の際に、算出結果を評価し、その評価結果に基づいて必要であれば再計算を行う仕組みとしてもよい。例えば、強化学習の結果算出された構造特性パラメータの分散が所定の閾値よりも大きい場合には、予め定められた条件に基づいて力学モデルの一部を変更して、再計算を行う構成としてもよい。

また、力学モデル保持部２５において、構造特性パラメータの算出の際の境界条件（各パラメータの限界値等）の設定を変更した力学モデルを予め複数保持しておき、力学モデル運用部２６では、構造特性パラメータの算出の条件等に基づいて適切なものを選択して計算を行う構成としてもよい。また、構造物の周辺環境の変動（例えば、季節変動）に応じて、構造特性パラメータの算出に用いる力学モデルの方策に用いられる確率密度関数の分散を変更する構成としてもよい。

また、力学モデル運用部２６による力学モデルを利用した強化学習の際には、各構造特性パラメータが取り得る値に予め制限を加えておき、強化学習により誤った値が算出されることを防ぐ構成としてもよい。例えば、実質的に正の値しか取らないパラメータに対しては、強化学習の途中において０以下の値が選ばれた時点で再計算を行うこととすることができる。

以上の処理により、カメラ１０で撮像した動画像データから、構造物に係る構造特性パラメータが算出され、出力される。

なお、上記の力学モデルを利用した構造特性パラメータの算出は、構造物において発生する種々の振動（変位）が含まれた動画像を用いて行われることが好ましい。このような構成とすることで、特定の外力を受けた場合の特定の振動のみを反映した構造特性パラメータが算出されることを防ぐことができる。

一方、構造物が橋梁の場合には、橋梁上を車両が通行した際の振動に係る動画像のみを用いて構造特性パラメータを算出する構成とすることができる。

橋梁上の車両の通行により発生する振動は、図７に示すように、時間ｔが進むにつれて、車両通行による強制加振から自由減衰変動へ変化する、という理想的な振動が発生すると想定することができる。したがって、橋梁がこの図７に示す波形で振動すると仮定をして、特徴量を算出することができる。

なお、車両通行時の動画像から特徴量を算出する場合、特徴量算出部２３には、図８に示すように、動画像において構造物に対して加振を行う荷重（車両）の位置および移動等を評価する荷重状況認識部３５が設けられる。荷重状況認識部３５が、動画像データから荷重となる車両の位置および移動に係る情報を取得し、これを動画像選択部３２に対して送ることで、動画像選択部３２では荷重となる車両の移動を考慮した動画像の選択ができる。また、特徴量計算部３４では、車両の通行による振動を考慮して特徴量を算出することができる。また、荷重状況認識部３５が、力学モデル運用部２６に対して荷重に係る情報を提供することで、力学モデル（例えば、数式（１）におけるＦ（ｉ，ｔ））に対して車両に対応する重量等を反映する構成としてもよい。

このように、特徴量の算出に係る具体的な手順についても、動画像データの特徴等を考慮して適宜変更することができる。

以上のように、本実施形態に係る構造物特性評価システム１は、構造物を撮像した動画像を取得する動画像取得部２１と、動画像取得部２１によって取得された動画像から、構造物の変位に係る特徴量を取得する特徴量算出部２３と、構造物に係る力学モデルに対して特徴量を代入し、強化学習により構造物に係る構造特性パラメータを算出するパラメータ算出部（初期値データ保持部２４、力学モデル保持部２５、力学モデル運用部２６）と、を有する。このような構成を有することで、適切かつ簡易に構造物の構造特性パラメータを取得可能となる。

従来は、橋梁等の構造物の耐震構造等を設計する際には、対象となる構造物に係る構造物のモデルを構成し、ＦＥＭ解析を用いることで構造特性パラメータ等を得ることが一般的であった。しかしながら、ＦＥＭ解析を行うための構造物のモデルの作成には詳細な設計図面等が必要である。したがって、既存の構造物に関しては、ＦＥＭ解析を行うための詳細な情報を入手することが困難な場合があった。また、設計図面等が得られた場合であっても、構造物によっては設計図面とは異なる状態で建築されたものもあり、設計図面だけでは正確な評価をしづらい場合がある。

また、ＦＥＭ解析から構造特性パラメータを算出する場合、従来は、構造物に対して加速度センサ等のセンサを設置することで得られたセンサ情報に基づいてＦＥＭ解析に利用する構造物のモデルのパラメータを調整することが必要であった。センサ情報を得るためには、実際に構造物に対してセンサ等を取付ける必要があるため、センサ情報の取得に係る作業コストが発生する。また、センサ情報に基づく構造物のモデルのパラメータの調整に関しても、作業コストが発生するだけでなく、パラメータの調整に係る技術を習得した特定の技術者が対応する必要があるといった課題があった。

これに対して、本実施形態に係る構造物特性評価システム１では、構造特性パラメータの算出に必要な情報としては、動画像から得られる構造物の変位に係る特徴量となる。また、構造物特性評価システム１では、この特徴量を力学モデル運用部２６において力学モデルに適用し、強化学習を行うことで、構造特性パラメータを算出することができる。したがって、従来用いられていたセンサ情報に対応する情報である特徴量に係る情報の取得に関しては作業コストを大幅に低減することができる。また、従来のＦＥＭ解析およびパラメータの調整に代えて、強化学習により構造特性パラメータを算出することができるため、特定の技術者の対応等も不要となり、作業コストも低減することができる。このように、適切かつ簡易に構造物の構造特性パラメータを取得可能となる。

また、上記の構造物特性評価システム１は、力学モデルは、梁の支配方程式である構成としている。

構造物が橋梁である場合、従来は橋梁に関する複雑な構造モデルを用いてＦＥＭ解析を行っていたが、これに対して構造物特性評価システム１では、一般的な梁の支配方程式を使用して構造特性パラメータを算出している。このような構成とすることで、特に橋梁に係る構造特性パラメータの算出の際に、より簡易に算出が可能な構成を実現している。なお、構造物が橋梁ではない場合であっても、力学モデルとして梁の支配方程式が使用できる場合、従来と比較して簡単な構造モデルを使用して構造特性パラメータの算出を行うことができる。

また、上記のパラメータ算出部（初期値データ保持部２４、力学モデル保持部２５、力学モデル運用部２６）は、強化学習により算出する構造特性パラメータの初期値として、構造物に係る設計書に記載された情報を適用する。このように、設計書に記載された情報を反映した上で強化学習を行う構成とすることで、初期値として構造物に関係ない値を適用した場合と比較して、強化学習による構造特性パラメータの算出をより素早くかつ正確に行うことができる。

なお、上記実施形態では、構造物特性評価システム１を橋梁に対して適用する場合について説明したが、橋梁以外の構造物（建築物）についても、風または交通振動等により変位が発生する構造物であれば、橋梁と同様に構造特性パラメータを算出することができる。

例えば、対象となる構造物が電柱または鉄塔である場合でも、本実施形態に係る構造物特性評価システム１を適用できる。構造物が電柱である場合には、片持ち梁と考えて、橋梁と同様にオイラー－ベルヌーイの支配方程式を適用することができる。また、構造物が鉄塔である場合には、鉄塔を構成する各部材についての特徴量を動画像データから算出し、各部材の構成に応じて個別に力学モデルを適用することで、橋梁と同様に構造特性パラメータを算出することができる。このように、対象となる構造物の形状等に応じて力学モデルを適切に選択し設定することで、構造物に係る構造特性パラメータを算出することができる。

なお、本発明に係る構造物特性評価システムは、動画像が取得できればよいので、構造物特性評価システム以外から動画像を取得できる構成となっていてもよい。例えば、本実施形態に係るサーバ２０は、（構造物特性評価システム以外の）カメラ１０から動画像を取得できる構成となっていれば、サーバ２０のみで構造物特性評価システムが構成されていてもよい。

（その他）
上記実施の形態の説明に用いたブロック図は、機能単位のブロックを示している。これらの機能ブロック（構成部）は、ハードウェア及び／又はソフトウェアの任意の組み合わせによって実現される。また、各機能ブロックの実現手段は特に限定されない。すなわち、各機能ブロックは、物理的及び／又は論理的に結合した１つの装置により実現されてもよいし、物理的及び／又は論理的に分離した２つ以上の装置を直接的及び／又は間接的に(例えば、有線及び／又は無線)で接続し、これら複数の装置により実現されてもよい。

例えば、本発明の一実施の形態におけるサーバ２０は、本実施形態のサーバ２０の処理を行うコンピュータとして機能してもよい。図９は、本実施形態に係るサーバ２０のハードウェア構成の一例を示す図である。上述のサーバ２０は、物理的には、プロセッサ１００１、メモリ１００２、ストレージ１００３、通信装置１００４、入力装置１００５、出力装置１００６、バス１００７などを含むコンピュータ装置として構成されてもよい。

なお、以下の説明では、「装置」という文言は、回路、デバイス、ユニットなどに読み替えることができる。サーバ２０のハードウェア構成は、図に示した各装置を１つ又は複数含むように構成されてもよいし、一部の装置を含まずに構成されてもよい。

サーバ２０における各機能は、プロセッサ１００１、メモリ１００２などのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることで、プロセッサ１００１が演算を行い、通信装置１００４による通信や、メモリ１００２及びストレージ１００３におけるデータの読み出し及び／又は書き込みを制御することで実現される。

プロセッサ１００１は、例えば、オペレーティングシステムを動作させてコンピュータ全体を制御する。プロセッサ１００１は、周辺装置とのインターフェース、制御装置、演算装置、レジスタなどを含む中央処理装置（ＣＰＵ：Central Processing Unit）で構成されてもよい。例えば、サーバ２０の各機能は、プロセッサ１００１で実現されてもよい。

また、プロセッサ１００１は、プログラム（プログラムコード）、ソフトウェアモジュールやデータを、ストレージ１００３及び／又は通信装置１００４からメモリ１００２に読み出し、これらに従って各種の処理を実行する。プログラムとしては、上述の実施の形態で説明した動作の少なくとも一部をコンピュータに実行させるプログラムが用いられる。例えば、サーバ２０の各機能は、メモリ１００２に格納され、プロセッサ１００１で動作する制御プログラムによって実現されてもよい。上述の各種処理は、１つのプロセッサ１００１で実行される旨を説明してきたが、２以上のプロセッサ１００１により同時又は逐次に実行されてもよい。プロセッサ１００１は、１以上のチップで実装されてもよい。なお、プログラムは、電気通信回線を介してネットワークから送信されても良い。

メモリ１００２は、コンピュータ読み取り可能な記録媒体であり、例えば、ＲＯＭ（Read Only Memory）、ＥＰＲＯＭ（Erasable Programmable ＲＯＭ）、ＥＥＰＲＯＭ（ElectricallyErasable Programmable ＲＯＭ）、ＲＡＭ（Random Access Memory）などの少なくとも１つで構成されてもよい。メモリ１００２は、レジスタ、キャッシュ、メインメモリ（主記憶装置）などと呼ばれてもよい。メモリ１００２は、本発明の一実施の形態に係る方法を実施するために実行可能なプログラム（プログラムコード）、ソフトウェアモジュールなどを保存することができる。

ストレージ１００３は、コンピュータ読み取り可能な記録媒体であり、例えば、ＣＤ－ＲＯＭ（Compact Disc ＲＯＭ）などの光ディスク、ハードディスクドライブ、フレキシブルディスク、光磁気ディスク(例えば、コンパクトディスク、デジタル多用途ディスク、Ｂｌｕ－ｒａｙ（登録商標）ディスク)、スマートカード、フラッシュメモリ(例えば、カード、スティック、キードライブ)、フロッピー（登録商標）ディスク、磁気ストリップなどの少なくとも１つで構成されてもよい。ストレージ１００３は、補助記憶装置と呼ばれてもよい。上述の記憶媒体は、例えば、メモリ１００２及び／又はストレージ１００３を含むデータベース、サーバその他の適切な媒体であってもよい。

通信装置１００４は、有線及び／又は無線ネットワークを介してコンピュータ間の通信を行うためのハードウェア（送受信デバイス）であり、例えばネットワークデバイス、ネットワークコントローラ、ネットワークカード、通信モジュールなどともいう。例えば、サーバ２０の各機能は、通信装置１００４で実現されてもよい。

入力装置１００５は、外部からの入力を受け付ける入力デバイス（例えば、キーボード、マウス、マイクロフォン、スイッチ、ボタン、センサなど）である。出力装置１００６は、外部への出力を実施する出力デバイス（例えば、ディスプレイ、スピーカー、LEDランプなど）である。なお、入力装置１００５及び出力装置１００６は、一体となった構成（例えば、タッチパネル）であってもよい。

また、プロセッサ１００１やメモリ１００２などの各装置は、情報を通信するためのバス１００７で接続される。バス１００７は、単一のバスで構成されてもよいし、装置間で異なるバスで構成されてもよい。

また、サーバ２０は、マイクロプロセッサ、デジタル信号プロセッサ（ＤＳＰ：Digital Signal Processor）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＰＬＤ（Programmable Logic Device）、ＦＰＧＡ（Field Programmable Gate Array）などのハードウェアを含んで構成されてもよく、当該ハードウェアにより、各機能ブロックの一部又は全てが実現されてもよい。例えば、プロセッサ１００１は、これらのハードウェアの少なくとも１つで実装されてもよい。

以上、本実施形態について詳細に説明したが、当業者にとっては、本実施形態が本明細書中に説明した実施形態に限定されるものではないということは明らかである。本実施形態は、特許請求の範囲の記載により定まる本発明の趣旨及び範囲を逸脱することなく修正及び変更態様として実施することができる。したがって、本明細書の記載は、例示説明を目的とするものであり、本実施形態に対して何ら制限的な意味を有するものではない。

情報の通知は、本明細書で説明した態様／実施形態に限られず、他の方法で行われてもよい。例えば、情報の通知は、物理レイヤシグナリング（例えば、ＤＣＩ（Downlink Control Information）、ＵＣＩ（Uplink Control Information））、上位レイヤシグナリング（例えば、ＲＲＣ（Radio Resource Control）シグナリング、ＭＡＣ（Medium Access Control）シグナリング、報知情報（ＭＩＢ（Master Information Block）、ＳＩＢ（System Information Block）））、その他の信号又はこれらの組み合わせによって実施されてもよい。また、ＲＲＣシグナリングは、ＲＲＣメッセージと呼ばれてもよく、例えば、ＲＲＣ接続セットアップ（RRC Connection Setup）メッセージ、ＲＲＣ接続再構成（RRCConnection Reconfiguration）メッセージなどであってもよい。

本明細書で説明した各態様／実施形態の処理手順、シーケンス、フローチャートなどは、矛盾の無い限り、順序を入れ替えてもよい。例えば、本明細書で説明した方法については、例示的な順序で様々なステップの要素を提示しており、提示した特定の順序に限定されない。

入出力された情報等は特定の場所(例えば、メモリ)に保存されてもよいし、管理テーブルで管理してもよい。入出力される情報等は、上書き、更新、または追記され得る。出力された情報等は削除されてもよい。入力された情報等は他の装置へ送信されてもよい。

判定は、１ビットで表される値（０か１か）によって行われてもよいし、真偽値（Boolean：trueまたはfalse）によって行われてもよいし、数値の比較（例えば、所定の値との比較）によって行われてもよい。

本明細書で説明した各態様／実施形態は単独で用いてもよいし、組み合わせて用いてもよいし、実行に伴って切り替えて用いてもよい。また、所定の情報の通知（例えば、「Ｘであること」の通知）は、明示的に行うものに限られず、暗黙的（例えば、当該所定の情報の通知を行わない）ことによって行われてもよい。

ソフトウェアは、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語と呼ばれるか、他の名称で呼ばれるかを問わず、命令、命令セット、コード、コードセグメント、プログラムコード、プログラム、サブプログラム、ソフトウェアモジュール、アプリケーション、ソフトウェアアプリケーション、ソフトウェアパッケージ、ルーチン、サブルーチン、オブジェクト、実行可能ファイル、実行スレッド、手順、機能などを意味するよう広く解釈されるべきである。

また、ソフトウェア、命令などは、伝送媒体を介して送受信されてもよい。例えば、ソフトウェアが、同軸ケーブル、光ファイバケーブル、ツイストペア及びデジタル加入者回線（ＤＳＬ）などの有線技術及び／又は赤外線、無線及びマイクロ波などの無線技術を使用してウェブサイト、サーバ、又は他のリモートソースから送信される場合、これらの有線技術及び／又は無線技術は、伝送媒体の定義内に含まれる。

本明細書で説明した情報、信号などは、様々な異なる技術のいずれかを使用して表されてもよい。例えば、上記の説明全体に渡って言及され得るデータ、命令、コマンド、情報、信号、ビット、シンボル、チップなどは、電圧、電流、電磁波、磁界若しくは磁性粒子、光場若しくは光子、又はこれらの任意の組み合わせによって表されてもよい。

なお、本明細書で説明した用語及び／又は本明細書の理解に必要な用語については、同一の又は類似する意味を有する用語と置き換えてもよい。

本明細書で使用する「システム」および「ネットワーク」という用語は、互換的に使用される。

また、本明細書で説明した情報、パラメータなどは、絶対値で表されてもよいし、所定の値からの相対値で表されてもよいし、対応する別の情報で表されてもよい。

上述したパラメータに使用する名称はいかなる点においても限定的なものではない。さらに、これらのパラメータを使用する数式等は、本明細書で明示的に開示したものと異なる場合もある。

本明細書で使用する「判断(determining)」、「決定(determining)」という用語は、多種多様な動作を包含する場合がある。「判断」、「決定」は、例えば、判定(judging)、計算(calculating)、算出(computing)、処理(processing)、導出(deriving)、調査(investigating)、探索(looking up)（例えば、テーブル、データベースまたは別のデータ構造での探索）、確認(ascertaining)した事を「判断」「決定」したとみなす事などを含み得る。また、「判断」、「決定」は、受信(receiving)（例えば、情報を受信すること）、送信(transmitting)(例えば、情報を送信すること)、入力(input)、出力(output)、アクセス(accessing)（例えば、メモリ中のデータにアクセスすること）した事を「判断」「決定」したとみなす事などを含み得る。また、「判断」、「決定」は、解決(resolving)、選択(selecting)、選定(choosing)、確立(establishing)、比較(comparing)などした事を「判断」「決定」したとみなす事を含み得る。つまり、「判断」「決定」は、何らかの動作を「判断」「決定」したとみなす事を含み得る。

「接続された(connected)」、「結合された(coupled)」という用語、又はこれらのあらゆる変形は、２又はそれ以上の要素間の直接的又は間接的なあらゆる接続又は結合を意味し、互いに「接続」又は「結合」された２つの要素間に１又はそれ以上の中間要素が存在することを含むことができる。要素間の結合又は接続は、物理的なものであっても、論理的なものであっても、或いはこれらの組み合わせであってもよい。本明細書で使用する場合、２つの要素は、１又はそれ以上の電線、ケーブル及び／又はプリント電気接続を使用することにより、並びにいくつかの非限定的かつ非包括的な例として、無線周波数領域、マイクロ波領域及び光（可視及び不可視の両方）領域の波長を有する電磁エネルギーなどの電磁エネルギーを使用することにより、互いに「接続」又は「結合」されると考えることができる。

本明細書で使用する「に基づいて」という記載は、別段に明記されていない限り、「のみに基づいて」を意味しない。言い換えれば、「に基づいて」という記載は、「のみに基づいて」と「に少なくとも基づいて」の両方を意味する。

本明細書で「第１の」、「第２の」などの呼称を使用した場合においては、その要素へのいかなる参照も、それらの要素の量または順序を全般的に限定するものではない。これらの呼称は、２つ以上の要素間を区別する便利な方法として本明細書で使用され得る。したがって、第１および第２の要素への参照は、２つの要素のみがそこで採用され得ること、または何らかの形で第１の要素が第２の要素に先行しなければならないことを意味しない。

「含む（include）」、「含んでいる（including）」、およびそれらの変形が、本明細書あるいは特許請求の範囲で使用されている限り、これら用語は、用語「備える(comprising)」と同様に、包括的であることが意図される。さらに、本明細書あるいは特許請求の範囲において使用されている用語「または（or）」は、排他的論理和ではないことが意図される。

本明細書において、文脈または技術的に明らかに1つのみしか存在しない装置である場合以外は、複数の装置をも含むものとする。本開示の全体において、文脈から明らかに単数を示したものではなければ、複数のものを含むものとする。

１…構造物特性評価システム、１０…カメラ、２０…サーバ、２１…動画像取得部、２２…動画像データ保持部、２３…特徴量算出部、２４…初期値データ保持部、２５…力学モデル保持部、２６…力学モデル運用部、２７…特性パラメータ保持部。

Claims

構造物を撮像した動画像を取得する動画像取得部と、
前記動画像取得部によって取得された動画像から、前記構造物の変位に係る特徴量を取得する特徴量算出部と、
前記構造物に係る力学モデルに対して前記特徴量を代入し、強化学習により前記構造物に係る構造特性パラメータを算出するパラメータ算出部と、
を有し、
前記構造物の変位に係る特徴量は、前記構造物の振動に係る特徴量であって、
前記特徴量算出部は、前記動画像を構成する個々のフレームに分割することと、前記個々のフレームに分割された動画像データから、特徴量の算出に使用するフレームデータを選択することと、当該選択されたフレームデータに含まれる各フレームデータを複数の部分画像に分割することと、前後の各フレーム間での前記部分画像の縦方向の位置ずれを、構造物の振動に係る特徴量として算出することと、を実行する、構造物特性評価システム。
前記力学モデルは、梁の支配方程式である、請求項１に記載の構造物特性評価システム。
前記パラメータ算出部は、強化学習により算出する構造特性パラメータの初期値として、前記構造物に係る設計書に記載された情報を適用する、請求項１または２に記載の構造物特性評価システム。