JP2020084419A - 劣化評価プログラム、劣化評価装置および劣化評価方法 - Google Patents

Abstract

【課題】橋梁の床版の劣化状況を、温度による影響を除外して、評価する。
【解決手段】劣化評価装置１は、劣化を評価する評価対象の床版の上面および下面の温度情報と、評価対象の桁と床版に設置された傾斜センサによる傾斜情報とを含む観測データを、上面の温度および下面の温度との関係が変化するような期間分取得する。劣化評価装置１は、観測データから、床版の単体の傾斜角、並びに、床版の上面の温度および下面の温度の関係に関する予測モデルを構築する。劣化評価装置１は、予測モデルを用いて、床版の劣化を評価する。
【選択図】図１

Description

本発明は、劣化評価プログラムなどに関する。

橋梁の床版の劣化を評価する手法には、季節や環境による温度の影響を考慮した手法が知られている（例えば、特許文献１−５を参照）。

例えば、特許文献１では、橋梁の下部工の健全性を評価する手法の技術が開示されている。ここでいう下部工とは、基礎と、基礎上に構築される橋脚と、橋脚の上に設けられ橋梁または高架橋を指示する支承とを備えるものである。なお、床版は上部工に該当する。かかる技術では、橋脚上に温度センサと傾斜センサを配置し、所定時間ごとに、温度センサにより温度情報を取得するとともに、傾斜センサによって、橋脚の橋軸方向の傾斜情報を取得する。そして、一定期間内の、温度情報の変化量に対する傾斜情報の変化量である橋脚傾斜変化率を求め、橋脚傾斜変化率の大きさによって下部工の健全性を判断する。

特開２０１５−７８５５３号公報 特開２０１１−２２０２９号公報 特開２０１７−９０１６０号公報 特開２０１６−３４７５号公報 特開２０１０−１０７２４６号公報

土木学会第71回年次学術講演会概要集CS7-036、2016年9月

しかしながら、従来の技術では、橋梁の床版の劣化状況を、温度による影響を除外して、評価することが難しいという問題がある。すなわち、橋梁の床版は老朽化すると、床版の傾斜角が増加する。一方、橋梁の床版は上面と下面との間の温度差に応じて伸縮するため、季節の変化や日時の変化で、床版の傾斜角が変化する。したがって、床版の傾斜角の変化は、単純に、温度に起因したものか、床版の劣化に起因したものか判別するのが難しい。つまり、橋梁の床版の劣化状況を、温度による影響を除外して、評価することが難しい。

例えば、特許文献１では、橋脚上の温度情報を取得して、温度情報の変化量に対する橋脚傾斜変化率を求め、橋脚傾斜変化率の大きさによって橋脚の床版の健全性を判断する。しかしながら、橋脚傾斜は床版の上面と下面との間の温度差から起きたものか、床版の劣化から起きたものか判別できない。つまり、橋梁の床版の劣化状況を、温度による影響を除外して、評価することが難しい。

本発明は、１つの側面では、橋梁の床版の劣化状況を、温度による影響を除外して、評価することを目的とする。

１つの態様では、劣化評価プログラムは、コンピュータに、劣化を評価する評価対象の床版の上面および下面の温度情報と、前記評価対象の桁と床版に設置された傾斜センサによる傾斜情報とを含む観測データを、前記上面の温度および前記下面の温度との関係が変化するような期間分取得し、前記観測データから、前記床版の単体の傾斜角、並びに、前記床版の前記上面の温度および前記下面の温度の関係に関する予測モデルを構築し、前記予測モデルを用いて、前記床版の劣化を評価する、処理を実行させる。

１実施態様によれば、橋梁の床版の劣化状況を、温度による影響を除外して、評価することができる。

図１は、実施例に係る劣化評価装置を含む劣化評価システムの構成を示す機能ブロック図である。 図２は、温度差と床版の伸縮を説明する図である。 図３は、温度センサおよび傾斜センサの設置位置の一例を示す図である。 図４は、床版の上下面温度データの一例を示す図である。 図５は、床版単体の傾斜角データの一例を示す図である。 図６は、実施例に係る劣化評価の一例を示す図である。 図７は、下面温度のみで評価関数を構築した場合の劣化評価の参考例を示す図である。 図８は、夏季のみで評価関数を構築した場合の劣化評価の参考例を示す図である。 図９は、冬季のみで評価関数を構築した場合の劣化評価の参考例を示す図である。 図１０は、実施例に係るデータ取得処理のフローチャートの一例を示す図である。 図１１は、実施例に係る評価関数構築処理のフローチャートの一例を示す図である。 図１２は、実施例に係る評価処理のフローチャートの一例を示す図である。 図１３は、劣化評価プログラムを実行するコンピュータの一例を示す図である。

以下に、本願の開示する劣化評価プログラム、劣化評価装置および劣化評価方法の実施例を図面に基づいて詳細に説明する。なお、本発明は、実施例により限定されるものではない。

［実施例に係る劣化評価装置を含む劣化評価システムの構成］
図１は、実施例に係る劣化評価装置を含む劣化評価システムの構成を示す機能ブロック図である。図１に示す劣化評価装置１は、橋梁（橋）の床版の傾斜角と、床版の上下の温度とを用いた床版の劣化に関する予測モデルを構築し、当該予測モデルを用いて、床版の劣化を温度による影響を除外して評価する。ここでいう床版とは、車両の荷重が直接かかる床にあたる箇所のことをいう。

ここで、床版の傾斜角だけでは、床版の劣化状況を適切に評価することができないことについて、図２を参照して説明する。図２は、温度差と床版の伸縮を説明する図である。図２のグラフに示すように、床版の上面と下面の温度変化は、季節により異なる。

図２左図に示すように、夏季において、昼間では、床版の上面の温度が６０℃前後まで上昇し、夜間でも、コンクリートの蓄熱の影響で、外気温より高くなる。すると、床版の上部が伸び、下部が縮む。温度が上昇すれば、床版の撓みが大きくなり、傾斜角も大きくなるが、前記現象により、床版の傾斜角が外気温や床版の平均温度の傾斜角より小さくなる。

また、図２右図に示すように、冬季において、夜間では、床版の上面の温度が、放射冷却の影響で、路面凍結が起こるように、下面の温度よりも低くなる。すると、床版の上部が縮み、下部が伸びる。温度が低下すれば、床版の撓みが小さくなり、傾斜角も小さくなるが、前記現象により、床版の傾斜角が外気温や床版の平均温度の傾斜角より大きくなる。

したがって、劣化評価装置１は、床版の傾斜角を単純に温度補正するだけでは、床版の劣化を適切に評価することができない。そこで、以降では、床版の傾斜角のみならず、床版の上下の温度を用いた評価モデルを構築し、構築した評価モデルを用いて、床版の劣化を評価する劣化評価装置１について説明する。

図１に戻って、劣化評価システム９は、劣化評価装置１、温度センサ２および傾斜センサ３を有する。劣化評価装置１は、温度センサ２および傾斜センサ３を、それぞれネットワーク４を介して接続する。

温度センサ２は、床版の上下の表面温度を検出する。床版の上面の温度は、床版の日照部分の表面温度を検出するためである。床版の下面の温度は、床版の日照部分でない箇所の表面温度を検出するためである。なお、温度センサ２は、床版の上面の温度および床版の下面の温度を検出可能な位置に設置される。

傾斜センサ３は、床版単体の傾斜角を算出するために、床版の上面の水平方向に対する傾斜角を検出するとともに、桁の水平方向に対する傾斜角を検出する。傾斜センサ３は、例えば、加速度センサであるが、これに限定されず、傾斜角センサ、角速度センサなどの傾斜を測定できるセンサであれば良い。なお、傾斜センサ３は、床版の傾斜角および桁の傾斜角を検出可能な位置に設置される。

ここで、温度センサ２および傾斜センサ３の設置位置の一例を、図３を参照して説明する。図３は、温度センサおよび傾斜センサの設置位置の一例を示す図である。図３に示すように、橋梁Ｂ０が示されている。橋梁Ｂ０は、床版Ｂ１と、桁Ｂ２と、橋脚Ｂ３とを含む。床版Ｂ１は、例えば、橋の上を通る車両の重みを桁Ｂ２や橋脚Ｂ３に伝えるための床板のことをいう。桁Ｂ２は、例えば、床版Ｂ１を支える材のことをいう。橋脚Ｂ３は、橋を支える構造物のことであり、橋台であっても良い。

温度センサ２−１は、床版Ｂ１の上面に設置される。また、温度センサ２−２は、床版Ｂ１の下面に設置される。これにより、劣化評価装置１は、床版Ｂ１の上下面の温度を取得することが可能となる。

傾斜センサ３−１は、桁Ｂ２の下面に、傾斜センサ３−２は、床版Ｂ１の下面に、それぞれ設置され、且つ、前記２センサの位置関係は、桁Ｂ２の長手方向と直行する方向に設置される。これにより、劣化評価装置１は、床版Ｂ１の傾斜角とともに桁Ｂ２の傾斜角を取得することが可能となる。床版Ｂ１の傾斜角のみならず桁Ｂ２の傾斜角を取得するのは、床版Ｂ１単体の傾斜角を算出するためである。すなわち、桁Ｂ２は、床版Ｂ１を支えているので、桁Ｂ２が傾斜すると、桁Ｂ２の傾斜角が床版Ｂ１の傾斜角に加算される。したがって、劣化評価装置１は、床版Ｂ１の傾斜角のみならず桁Ｂ２の傾斜角も取得する。この結果、劣化評価装置１は、床版Ｂ１の傾斜角と、桁Ｂ２の傾斜角とにより、床版Ｂ１単体の傾斜角を算出することが可能となる。なお、床版Ｂ１単体の傾斜角は、床版Ｂ１の傾斜角から桁Ｂ２の傾斜角を差し引けば良い。

図１に戻って、劣化評価装置１は、制御部１０および記憶部２０を有する。

制御部１０は、ＣＰＵ（Central Processing Unit）などの電子回路に対応する。そして、制御部１０は、各種の処理手順を規定したプログラムや制御データを格納するための内部メモリを有し、これらによって種々の処理を実行する。制御部１０は、データ取得部１１、評価関数構築部１２および評価部１３を有する。なお、データ取得部１１は、取得部の一例である。評価関数構築部１２は、構築部の一例である。評価部１３は、評価部の一例である。

記憶部２０は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）などの半導体メモリ素子、または、ハードディスク、光ディスクなどの記憶装置である。記憶部２０は、上面温度データ２１、下面温度データ２２、桁傾斜角データ２３、床版傾斜角データ２４、床版単体傾斜角データ２５および評価モデル２６を有する。

上面温度データ２１は、予測モデルを構築するための学習用の温度データであり、床版Ｂ１の上面の温度データである。上面温度データ２１は、床版Ｂ１における上面の温度および下面の温度との関係が変化するような期間分を学習期間とする上面の温度データである。かかる期間は、例えば、夏季から冬季までの期間、または冬季から夏季までの期間である。なお、かかる期間は、これに限定されず、夏季および冬季を含む期間であれば良く、１年であっても良いし、仮に床版Ｂ１に劣化があっても無視できる期間であれば良い。上面温度データ２１は、例えば、データ取得部１１によって記憶される。

下面温度データ２２は、予測モデルを構築するための学習用の温度データであり、床版Ｂ１の下面の温度データである。下面温度データ２２は、上面温度データ２１と同じ期間分の床版Ｂ１の下面の温度データである。なお、下面温度データ２２は、例えば、データ取得部１１によって記憶される。

桁傾斜角データ２３は、予測モデルを構築するための学習用の傾斜データであり、桁Ｂ２の傾斜角データである。桁傾斜角データ２３は、上面温度データ２１や下面温度データ２２と同じ期間分の桁Ｂ２の傾斜角データである。なお、桁傾斜角データ２３は、例えば、データ取得部１１によって記憶される。

床版傾斜角データ２４は、予測モデルを構築するための学習用の傾斜データであり、床版Ｂ１の傾斜角データである。床版傾斜角データ２４は、上面温度データ２１、下面温度データ２２や桁傾斜角データ２３と同じ期間分の床版Ｂ１の傾斜角データである。なお、床版傾斜角データ２４は、例えば、データ取得部１１によって記憶される。

床版単体傾斜角データ２５は、予測モデルを構築するための学習用の傾斜データであり、床版Ｂ１単体の傾斜角データである。床版単体傾斜角データ２５は、上面温度データ２１、下面温度データ２２や、桁傾斜角データ２３や床版傾斜角データ２４と同じ期間分の床版Ｂ１単体の傾斜角データである。床版単体傾斜角データ２５は、同じ観測点ごとに、床版Ｂ１の傾斜角から桁Ｂ２の傾斜角を差し引いたデータである。なお、床版単体傾斜角データ２５は、評価関数構築部１２によって記憶される。

評価モデル２６は、床版の劣化を評価するために用いられる学習モデルである。評価モデル２６は、床版単体の傾斜角、床版の上面温度および床版の下面温度の関係に関する評価関数により表わされる。なお、評価モデル２６は、評価関数構築部１２によって構築される。

データ取得部１１は、床版Ｂ１の上面および下面の温度情報と、桁Ｂ２と床版Ｂ１に設置された傾斜センサ３による傾斜情報とを含む学習用のデータ（以降、学習用データ）を、床版Ｂ１の上面の温度および下面の温度との関係が変化するような期間分取得する。

例えば、データ取得部１１は、経時的に、傾斜センサ３−１から桁Ｂ２の傾斜角データを取得する。データ取得部１１は、経時的に、傾斜センサ３−２から床版Ｂ１の傾斜角データを取得する。データ取得部１１は、経時的に取得した、桁Ｂ２の傾斜角データおよび床版Ｂ１の傾斜角データを用いて、車両が走行していない期間を抽出する。一例として、データ取得部１１は、経時的に取得した、桁Ｂ２の傾斜角データおよび床版Ｂ１の傾斜角データの変動が基準値未満である場合には、車両が走行していないと判断する。そして、データ取得部１１は、車両が走行していない期間の桁Ｂ２傾斜角データおよび床版Ｂ１の傾斜角データを取得する。

そして、データ取得部１１は、車両が走行していない期間に、温度センサ２−１から床版Ｂ１の上面の温度データを取得する。データ取得部１１は、車両が走行していない期間に、温度センサ２−２から床版Ｂ１の下面の温度データを取得する。

そして、データ取得部１１は、車両が走行していない期間に取得された、床版Ｂ１の上面の温度データ、床版Ｂ１の下面の温度データを学習用温度データとして記憶部２０の上面温度データ２１および下面温度データ２２に格納する。データ取得部１１は、車両が走行していない期間に取得された、桁Ｂ２の傾斜角データおよび床版Ｂ１の傾斜角データを学習用傾斜データとして記憶部２０の桁傾斜角データ２３および床版傾斜角データ２４に格納する。

評価関数構築部１２は、床版Ｂ１単体の傾斜角、並びに、床版Ｂ１の上面の温度および下面の温度の関係に関する予測モデル（評価関数）を構築するために、学習用データ（学習用温度データ、学習用傾斜データ）を加工する。

例えば、評価関数構築部１２は、学習用傾斜データに含まれる桁傾斜角データ２３および床版傾斜角データ２４を用いて、同じ観測点ごとに、床版Ｂ１単体の傾斜角を算出する。すなわち、評価関数構築部１２は、同じ観測点の床版Ｂ１の傾斜角から桁Ｂ２の傾斜角を差し引いた値をこの観測点の床版Ｂ１単体の傾斜角として算出する。そして、評価関数構築部１２は、床版Ｂ１単体の傾斜角データを学習用傾斜データとして記憶部２０の床版単体傾斜角データ２５に格納する。

そして、評価関数構築部１２は、学習用温度データに含まれる上面温度データ２１について、日ごとの平均温度を算出し、上面温度データ２１に追加する。評価関数構築部１２は、学習用温度データに含まれる下面温度データ２２についてについて、日ごとの平均温度を算出し、下面温度データ２２に追加する。評価関数構築部１２は、学習用傾斜データに含まれる床版単体傾斜角データ２５について、日ごとの平均傾斜角を算出し、床版単体傾斜角データ２５に追加する。

ここで、上面温度データ２１、下面温度データ２２、桁傾斜角データ２３、床版傾斜角データ２４および床版単体傾斜角データ２５の一例を、図４および図５を参照して説明する。なお、図４および図５では、上面の温度および下面の温度との関係が変化するような期間を、夏季から冬季までの期間とする。

図４は、床版の上下面温度データの一例を示す図である。

図４左図には、Ｘ軸を日とし、Ｙ軸を温度とした、床版Ｂ１の上面温度データ２１が示されている。ここでは、０日を夏季の所定の日として、０日から日ごとの床版Ｂ１の上面温度が示されている。この上面温度データ２１から、例えば最小二乗法により、上面温度の一次関数ｙ＝−０．１８４８ｘ＋３９．５０６が算出される。

図４右図には、Ｘ軸を日とし、Ｙ軸を温度とした、床版Ｂ１の下面温度データ２２が示されている。ここでは、０日を上面温度データ２１の０日と同日として、０日から日ごとの床版Ｂ１の下面温度が示されている。この下面温度データ２２から、例えば最小二乗法により、下面温度の一次関数ｙ＝−０．１４６２ｘ＋２９．８７８が算出される。

図５は、床版単体の傾斜角データの一例を示す図である。

図５上左図には、Ｘ軸を日とし、Ｙ軸を角度として、桁Ｂ２の桁傾斜角データ２３が示されている。ここでは、０日を上面温度データ２１や下面温度データ２２の０日と同日として、０日から日ごとの桁Ｂ２の傾斜角が示されている。

図５上右図には、Ｘ軸を日とし、Ｙ軸を角度として、床版Ｂ１の床版傾斜角データ２４が示されている。ここでは、０日を上面温度データ２１、下面温度データ２２や桁Ｂ２の桁傾斜角データ２３の０日と同日として、０日から日ごとの床版Ｂ１の傾斜角が示されている。

図５下図には、Ｘ軸を日とし、Ｙ軸を角度差として、床版単体傾斜角データ２５が示されている。ここでは、０日を上面温度データ２１、下面温度データ２２、桁Ｂ２の桁傾斜角データ２３や床版Ｂ１の床版傾斜角データ２４の０日と同日として、０日から日ごとの床版Ｂ１単体の傾斜角が示されている。すなわち、データ取得部１１は、日ごとに、床版Ｂ１の傾斜角から桁Ｂ２の傾斜角を差し引いた角度差を、床版単体傾斜角データ２５に追加する。この床版単体傾斜角データ２５から、例えば最小二乗法により、床版Ｂ１単体の傾斜角の一次関数ｙ＝−０．００２７ｘ＋０．６６９３が算出される。

図１に戻って、評価関数構築部１２は、加工後の学習用データから、床版Ｂ１単体の傾斜角、並びに、床版Ｂ１の上面の温度および下面の温度の関係に関する予測モデル（評価関数）を構築する。

例えば、評価関数構築部１２は、加工後の学習用データを用いて、式（１）のように、床版Ｂ１の上面の温度Ｔ２および下面の温度Ｔ１への重み付けを行って、床版Ｂ１単体傾斜角θに加算した評価関数ｆを構築する。学習用データは、床版Ｂ１の上面の温度および下面の温度との関係が変化するような期間（学習期間）のデータを用いる。なお、式（１）のθ，Ｔ１，Ｔ２は、それぞれ床版Ｂ１単体の傾斜角，床版Ｂ１の下面の温度，床版Ｂ１の上面の温度である。また、ｗ１、ｗ２は、それぞれ下面の温度への重み、上面の温度への重みである。
ｆ（θ，Ｔ１，Ｔ２）＝θ−ｗ１×Ｔ１−ｗ２×Ｔ２・・・式（１）

すなわち、評価関数構築部１２は、床版Ｂ１単体の傾斜角θ、並びに、床版Ｂ１の上面の温度Ｔ２および下面の温度Ｔ１をパラメータとする評価関数ｆを構築するために、学習期間の学習用データを用いて重みｗ１，ｗ２を決定する。

一例として、学習期間が、夏季から冬季までの期間であるとする。すると、学習期間において、床版Ｂ１の上面の温度、床版Ｂ１の下面の温度および床版Ｂ１単体の傾斜角については、いずれも低下し、それぞれ一次結合で表すことができる。すなわち、評価関数構築部１２は、学習期間の床版単体傾斜角データ２５を用いて、床版Ｂ１単体の傾斜角の一次結合（線形近似）を算出する。評価関数構築部１２は、学習期間の下面温度データ２２を用いて、床版Ｂ１の下面の温度の一次結合（線形近似）を算出する。評価関数構築部１２は、学習期間の上面温度データ２１を用いて、床版Ｂ１の上面の温度の一次結合(線形近似)を算出する。ここで、床版Ｂ１単体の傾斜角を、時間ｔを変数とする一次結合α_０ｔ＋β_０で表わすとする。床版Ｂ１の下面の温度を、時間ｔを変数とする一次結合α_１ｔ＋β_１で表わすとする。床版Ｂ１の上面の温度を、時間ｔを変数とする一次結合α_２ｔ＋β_２で表わすとする。

そして、学習期間が、夏季から冬季までの期間であれば、仮に床版Ｂ１に劣化があっても無視できる期間であると推定される。したがって、評価関数構築部１２は、式（１）の評価関数が一定となるように、重みｗ１，ｗ２を決定する。すなわち、評価関数構築部１２は、式（１）のθに一次結合α_０ｔ＋β_０を代入し、式（１）のＴ１に一次結合α_１ｔ＋β_１を代入し、式（１）のＴ２に一次結合α_２ｔ＋β_２を代入して、式（２）で示されるｇ（ｔ｜ｗ１，ｗ２）の重みｗ１，ｗ２を算出する。なお、式（２）のconstは、定数であることを示す。
ｇ（ｔ｜ｗ１，ｗ２）＝α₀ｔ+β₀−ｗ₁×（α₁ｔ+β₁）−ｗ₂×（α₂ｔ+β₂）＝const・・・式（２）

式（２）を解くためには、以下に示す式（３）の制約条件が出される。式（３）の制約条件の意味は、式（２）が定数（const）となるためには、変数ｔがいかなる値であっても０になる必要があるということである。

加えて、式（２）を解くためには、以下に示す式（４）の制約条件が出される。式（４）の制約条件の意味は、尤度として示されるｗ１，ｗ２を求めるために、ｆとｇとの差の２乗を最小二乗法により最小化するということである。なお、式（４）について、ｉは、学習用データの中の各サンプルの観測点を表し、ｎは、サンプルの最大数を表す。一例として、上面温度データ２１、下面温度データ２２および床版単体傾斜角データ２５では、日を表し、ｎは最大日数を表す。

式（３）により、重みｗ２が、式（５）と算出される。

そして、重みｗ２を式（４）に代入したうえで、式（６）のように、重みｗ１に対して偏微分した結果を０とする。これは、重みｗ１に対して偏微分した結果が０となるとき、ｆとｇとの差の２乗が最小となるからである。

式（６）により、重みｗ１が、式（７）と算出される。

一例として、学習用データが、図４の上面温度データ２１、図４の下面温度データ２２、図５の床版単体傾斜角データ２５である場合には、重みｗ１は、０．０４６９と算出され、重みｗ２は、−０．０２２４と算出される。

また、評価関数構築部１２は、評価関数の閾値を計算する。例えば、評価関数構築部１２は、予め定められた、対策が必要な区分（要対策区分）の残留変形角を利用して、評価関数の閾値を計算する。要対策区分の残留変形角を利用するのは、健全な床版の傾斜角であるか否かの限界角とするためである。一例として、評価関数構築部１２は、評価関数ｆについて、床版の要対策区分の残留変形角を単体傾斜角θとして、学習期間の中で最低の下面温度を下面温度Ｔ１として、下面温度Ｔ１の観測点の上面温度を上面温度Ｔ２として、評価関数ｆの閾値ＴＨを算出する。学習期間の中で最低の下面温度の観測点を利用するのは、下面温度が最低のときが、床版の傾斜角への温度による影響が顕著となると推測されるからである。言い換えれば、床版が実際の撓みより一番激しい撓みとなると推測されるからである。

また、評価関数構築部１２は、構築された評価関数および閾値を評価モデルとして、記憶部２０の評価モデル２６に格納する。

評価部１３は、評価関数構築部１２によって構築された予測モデル（評価関数）を用いて、床版の劣化を評価する。例えば、評価部１３は、評価用の床版単体傾斜角のデータ、評価用の床版の上面温度のデータおよび評価用の床版の下面温度のデータを受け取る。評価部１３は、受け取ったデータを評価関数ｆに代入し、評価値を算出する。評価部１３は、評価値が閾値ＴＨより大きいか否かを判定する。評価部１３は、評価値が閾値ＴＨより大きいと判定した場合には、評価結果を異常と評価する。すなわち、評価部１３は、床版が劣化していると評価する。評価部１３は、評価値が閾値ＴＨ以下であると判定した場合には、評価結果を正常と評価する。すなわち、評価部１３は、床版が劣化していないと評価する。これにより、評価部１３は、床版の劣化状況を、温度による影響を除外して、評価することができる。なお、評価部１３は、評価値を用いて床版がどれだけ劣化しているかを評価するようにしても良い。

［実施例に係る劣化評価の一例］
次に、実施例に係る劣化評価の一例を、図６を参照して説明する。図６は、実施例に係る劣化評価の一例を示す図である。なお、図６では、図４の上面温度データ２１および下面温度データ２２、図５の床版単体傾斜角データ２５を用いて構築された評価関数ｆを利用して、床版の劣化評価を行った場合である。すなわち、評価関数ｆの重みｗ１は、０．０４６９であり、重みｗ２は、−０．０２２４である。

図６の上図には、評価関数構築部１２によって算出された評価関数スコア（閾値）が表わされている。例えば、評価関数構築部１２は、評価関数ｆについて、以下のデータを用いて、評価関数ｆの評価関数スコア（閾値）を算出する。評価関数ｆについて、床版単体傾斜角θを床版の要対策区分の残留変形角（tanθ）１／４００である０．１４ｄｅｇｒｅｅとし、下面温度Ｔ１を学習期間の中で最低の下面温度１．３℃とし、上面温度Ｔ２を下面温度Ｔ１の観測点の上面温度４．５５℃とする。この結果、評価関数スコア（閾値）ＴＨは、０．１８と算出される。

まず、＜１＞の健全な床版（対策区分判定：Ａ）の場合について、評価関数ｆおよび閾値ＴＨを適用する。かかる床版の観測された床版単体傾斜角は、０．５５ｄｅｇｒｅｅ、床版の下面温度は、２５℃、床版の上面温度は、３５℃である。すると、評価部１３は、評価関数ｆについて、０．５５（ｄｅｇｒｅｅ）をθに代入し、２５（℃）をＴ１に代入し、３５（℃）をＴ２に代入し、評価関数スコアを算出する。ここでは、評価関数スコアは、０．１６と算出される。

そして、評価部１３は、評価関数スコアが閾値ＴＨより大きいか否かを判定する。ここでは、評価関数スコア０．１６が閾値０．１８より小さいので、評価部１３は、評価結果を「正常」と評価する。すなわち、評価部１３は、床版が劣化していないと評価する。したがって、評価関数ｆによって評価された評価結果は、実際の結果（健全床版）と同一の結果となる。かかる場合では、温度が全体的に上昇すると、床版が撓むため、床版単体の傾斜角が大きくなったとしても、評価結果が正常と判定される。

次に、＜２＞の不健全な床版（対策区分判定：Ｂ）である場合について、評価関数ｆおよび閾値ＴＨを適用する。かかる床版の観測された床版単体傾斜角は、０．６５ｄｅｇｒｅｅ、床版の下面温度は、３０℃、床版の上面温度は、４３℃である。すると、評価部１３は、評価関数ｆについて、０．６５（ｄｅｇｒｅｅ）をθに代入し、３０（℃）をＴ１に代入し、４３（℃）をＴ２に代入し、評価関数スコアを算出する。ここでは、評価関数スコアは、０．２１と算出される。

そして、評価部１３は、評価関数スコアが閾値ＴＨより大きいか否かを判定する。ここでは、評価関数スコア０．２１が閾値０．１８より大きいので、評価部１３は、評価結果を「異常」と評価する。すなわち、評価部１３は、床版が劣化していると評価する。したがって、評価関数ｆによって評価された評価結果は、実際の結果（不健全床版）と同一の結果となる。かかる場合では、上面温度が上昇すると、上部が伸び、下部が縮み、床版の傾斜角が実際より小さくなる。言い換えると、上面温度が上昇すると、床版が撓みにくくなる。本来床版が劣化していなければ、傾斜角（撓み）は小さくなるはずであるが、傾斜角が０．６５ｄｅｇと大きいのは、床版が劣化しているからであり、評価結果が異常と判定される。

なお、以降では、上面温度を使わないで下面温度のみで評価関数を構築した場合の劣化評価の参考例、学習期間を上面温度および下面温度との関係が変化しないような期間とした場合の劣化評価の参考例について説明する。

［下面温度のみで評価関数を構築した場合の劣化評価］
図７は、下面温度のみで評価関数を構築した場合の劣化評価の参考例を示す図である。評価関数ｆの重みｗ１は、０．０１８６であり、重みｗ２は、０である。

図７の上図には、評価関数構築部１２によって算出された場合の評価関数スコア（閾値）が表わされている。例えば、評価関数構築部１２は、評価関数ｆについて、図６上図で示したデータを用いて、評価関数ｆの評価関数スコア（閾値）を算出する。すなわち、評価関数ｆについて、単体傾斜角θを床版の要対策区分の残留変形角１／４００ラジアン（ｒａｄ）である０．１４ｄｅｇｒｅｅとし、下面温度Ｔ１を学習期間の中で最低の下面温度１．３℃とし、上面温度Ｔ２を下面温度Ｔ１の観測点の上面温度４．５５℃とする。この結果、評価関数スコア（閾値）ＴＨは、０．１２と算出される。

図６で示した＜１＞の健全な床版（対策区分判定：Ａ）と同じ床版について、評価関数ｆおよび閾値ＴＨを適用する。すなわち、かかる床版の観測された床版単体傾斜角は、０．５５ｄｅｇｒｅｅ、床版の下面温度は、２５℃、床版の上面温度は、３５℃である。すると、評価部１３は、評価関数ｆについて、０．５５（ｄｅｇｒｅｅ）をθに代入し、２５（℃）をＴ１に代入し、３５（℃）をＴ２に代入し、評価関数スコアを算出する。ここでは、評価関数スコアは、０．０８５と算出される。

そして、評価部１３は、評価関数スコアが閾値ＴＨより大きいか否かを判定する。ここでは、評価関数スコア０．０８５が閾値０．１２より小さいので、評価部１３は、評価結果を「正常」と評価する。すなわち、評価部１３は、床版が劣化していないと評価する。したがって、評価関数ｆによって評価された評価結果は、実際の結果（健全床版）と同一の結果となる。

次に、図６で示した＜２＞の不健全な床版（対策区分判定：Ｂ）と同じ床版について、評価関数ｆおよび閾値ＴＨを適用する。すなわち、床版単体傾斜角は、０．６５ｄｅｇｒｅｅ、床版の下面温度は、３０℃、床版の上面温度は、４３℃である。すると、評価部１３は、評価関数ｆについて、０．６５（ｄｅｇｒｅｅ）をθに代入し、３０（℃）をＴ１に代入し、４３（℃）をＴ２に代入し、評価関数スコアを算出する。ここでは、評価関数スコアは、０．０９と算出される。

そして、評価部１３は、評価関数スコアが閾値ＴＨより大きいか否かを判定する。ここでは、評価関数スコア０．０９が閾値０．１２より小さいので、評価部１３は、評価結果を「正常」と評価する。すなわち、評価部１３は、床版が劣化していないと評価する。ところが、評価関数ｆによって評価された評価結果は、実際の結果（不健全床版）と矛盾した結果となる。下面温度のみで評価関数を構築した場合では、上面温度が上昇すると、矛盾した結果となりやすい。

［夏季のみで評価関数を構築した場合の劣化評価］
図８は、夏季のみで評価関数を構築した場合の劣化評価の参考例を示す図である。評価関数ｆの重みｗ１は、−０．００７８であり、重みｗ２は、０．０１２である。

図８の上図には、評価関数構築部１２によって算出された場合の評価関数スコア（閾値）が表わされている。例えば、評価関数構築部１２は、評価関数ｆについて、以下のデータを用いて、評価関数ｆの評価関数スコア（閾値）を算出する。評価関数ｆについて、単体傾斜角θを床版の要対策区分の残留変形角（tanθ）１／４００である０．１４ｄｅｇｒｅｅとし、下面温度Ｔ１を夏季の学習期間の中で最低の下面温度２２．６℃とし、上面温度Ｔ２を下面温度Ｔ１の観測点の上面温度２９．４℃とする。この結果、評価関数スコア（閾値）ＴＨは、−０．０４４と算出される。これは、学習用データの床版単体傾斜角に、高温域の影響（床版が撓んだ状態）が多く含まれてしまい、評価関数スコア（閾値）が負の値となったものである。

図６で示した＜１＞の健全な床版（対策区分判定：Ａ）と同じ床版について、評価関数ｆおよび閾値ＴＨを適用する。すなわち、かかる床版の観測された床版単体傾斜角は、０．５５ｄｅｇｒｅｅ、床版の下面温度は、２５℃、床版の上面温度は、３５℃である。すると、評価部１３は、評価関数ｆについて、０．５５（ｄｅｇｒｅｅ）をθに代入し、２５（℃）をＴ１に代入し、３５（℃）をＴ２に代入し、評価関数スコアを算出する。ここでは、評価関数スコアは、０．０３２と算出される。

そして、評価部１３は、評価関数スコアが閾値ＴＨより大きいか否かを判定する。ここでは、評価関数スコア０．０３２が閾値−０．０４４より大きいので、評価部１３は、評価結果を「異常」と評価する。すなわち、評価部１３は、床版が劣化していると評価する。ところが、評価関数ｆによって評価された評価結果は、実際の結果（健全床版）と矛盾した結果となる。夏季のみで評価関数を構築した場合では、正常な橋梁も異常評価となってしまう。

［冬季のみで評価関数を構築した場合の劣化評価］
図９は、冬季のみで評価関数を構築した場合の劣化評価の参考例を示す図である。評価関数ｆの重みｗ１は、０．００７８であり、重みｗ２は、−０．００１６である。

図９の上図には、評価関数構築部１２によって算出された場合の評価関数スコア（閾値）が表わされている。例えば、評価関数構築部１２は、評価関数ｆについて、図６上図で示したデータを用いて、評価関数ｆの評価関数スコア（閾値）を算出する。すなわち、評価関数ｆについて、単体傾斜角θを床版の要対策区分の残留変形角１／４００ラジアン（ｒａｄ）である０．１４ｄｅｇｒｅｅとし、下面温度Ｔ１を学習期間の中で最低の下面温度１．３℃とし、上面温度Ｔ２を下面温度Ｔ１の観測点の上面温度４．５５℃とする。この結果、評価関数スコア（閾値）ＴＨは、０．１４と算出される。

＜３＞の健全な床版（対策区分判定：Ａ）である場合について、評価関数ｆおよび閾値ＴＨを適用する。かかる床版の観測された床版単体傾斜角は、０．１３ｄｅｇｒｅｅ、床版の下面温度は、８．８℃、床版の上面温度は、１１℃である。すると、評価部１３は、評価関数ｆについて、０．１３（ｄｅｇｒｅｅ）をθに代入し、８．８（℃）をＴ１に代入し、１１（℃）をＴ２に代入し、評価関数スコアを算出する。ここでは、評価関数スコアは、０．０７９と算出される。

そして、評価部１３は、評価関数スコアが閾値ＴＨより大きいか否かを判定する。ここでは、評価関数スコア０．０７８が閾値０．１４より小さいので、評価部１３は、評価結果を「正常」と評価する。すなわち、評価部１３は、床版が劣化していないと評価する。したがって、評価関数ｆによって評価された評価結果は、実際の結果（健全床版）と同一の結果となる。

次に、図６で示した＜１＞の健全な床版（対策区分判定：Ａ）と同じ床版について、評価関数ｆおよび閾値ＴＨを適用する。すなわち、かかる床版の観測された床版単体傾斜角は、０．５５ｄｅｇｒｅｅ、床版の下面温度は、２５℃、床版の上面温度は、３５℃である。すると、評価部１３は、評価関数ｆについて、０．５５（ｄｅｇｒｅｅ）をθに代入し、２５（℃）をＴ１に代入し、３５（℃）をＴ２に代入し、評価関数スコアを算出する。ここでは、評価関数スコアは、０．４１と算出される。

そして、評価部１３は、評価関数スコアが閾値ＴＨより大きいか否かを判定する。ここでは、評価関数スコア０．４１が閾値０．１４より大きいので、評価部１３は、評価結果を「異常」と評価する。すなわち、評価部１３は、床版が劣化していると評価する。したがって、評価関数ｆによって評価された評価結果は、実際の結果（健全床版）と矛盾した結果となる。

冬季のみで評価関数を構築した場合では、冬季では、正常な評価が行えるが、夏季の温度が考慮されていないため、夏季では、正常な評価が行えない。

したがって、評価関数構築部１２は、床版Ｂ１の上面温度および下面温度との関係が変化するような学習期間の上面温度、下面温度および床版単体傾斜角を用いて、評価関数ｆを構築することが必要である。

［データ取得処理のフローチャート］
次に、実施例に係るデータ取得処理のフローチャートを、図１０を参照して説明する。図１０は、実施例に係るデータ取得処理のフローチャートの一例を示す図である。なお、傾斜センサ３−１は、桁Ｂ２に設置され、傾斜センサ３−２は、床版Ｂ１の下面に設置されている。温度センサ２−１は、床版Ｂ１の上面に設置され、温度センサ２−２は、床版Ｂ１の下面に設置されている。

図１０に示すように、データ取得部１１は、傾斜センサ３−１，３−２をモニタリングする（ステップＳ１１）。データ取得部１１は、モニタリングしている傾斜角データを用いて、車両が無走行であるか否かを判定する（ステップＳ１２）。車両が無走行でないと判定した場合には（ステップＳ１２；Ｎｏ）、データ取得部１１は、車両が無走行となるまで、判定処理を繰り返す。

一方、車両が無走行であると判定した場合には（ステップＳ１２；Ｙｅｓ）、データ取得部１１は、桁Ｂ２に設置された傾斜センサ３−１および床版Ｂ１の下面に設置された傾斜センサ３−２からそれぞれ傾斜角データを取得する（ステップＳ１３）。そして、データ取得部１１は、床版Ｂ１について、上面に設置された温度センサ２−１および下面に設置された温度センサ２−２からそれぞれ温度データを取得する（ステップＳ１４）。

そして、データ取得部１１は、例えば制御部１０から日時データを取得する（ステップＳ１５）。そして、データ取得部１１は、日時データと対応付けて、取得した傾斜角データおよび温度データを学習用データとして記憶部２０に保存する（ステップＳ１６）。すなわち、データ取得部１１は、上面温度を上面温度データ２１に保存し、下面温度を下面温度データ２２に保存する。データ取得部１１は、桁Ｂ２に設置された傾斜センサ３−１から取得した傾斜角データを桁傾斜角データ２３に保存し、床版Ｂ１の上面に設置された傾斜センサ３−２から取得した傾斜角データを床版傾斜角データ２４に保存する。

そして、データ取得部１１は、傾斜センサ３−１，３−２のモニタリングを停止したか否かを判定する（ステップＳ１７）。モニタリングを停止していないと判定した場合には（ステップＳ１７；Ｎｏ）、データ取得部１１は、モニタリングをすべく、ステップＳ１１に移行する。

一方、モニタリングを停止したと判定した場合には（ステップＳ１７；Ｙｅｓ）、データ取得部１１は、データ取得処理を終了する。

［評価関数構築処理のフローチャート］
次に、実施例に係る評価関数構築処理のフローチャートを、図１１を参照して説明する。図１１は、実施例に係る評価関数構築処理のフローチャートの一例を示す図である。なお、学習用傾斜データおよび学習用温度データが、床版Ｂ１の上面の温度および下面の温度との関係が変化するような期間分、床版傾斜角データ２４、桁傾斜角データ２３、下面温度データ２２および上面温度データ２１に保存されているとする。

評価関数構築部１２は、学習用傾斜データを桁傾斜角データ２３および床版傾斜角データ２４から読み込む（ステップＳ２１）。評価関数構築部１２は、学習用温度データを上面温度データ２１および下面温度データ２２から読み込む（ステップＳ２２）。

そして、評価関数構築部１２は、読み込んだ学習用傾斜データを用いて、同じ観測点ごとに、床版単体傾斜θを算出する（ステップＳ２３）。例えば、評価関数構築部１２は、同じ観測点の床版Ｂ１の傾斜角から桁Ｂ２の傾斜角を差し引いた値を、この観測点の床版Ｂ１単体の傾斜角θとして算出する。そして、評価関数構築部１２は、床版Ｂ１単体の傾斜角θを学習用傾斜データとして床版単体傾斜角データ２５に格納する。

そして、評価関数構築部１２は、学習用温度データおよび学習用傾斜データの全データの日平均を算出する（ステップＳ２４）。

続いて、評価関数構築部１２は、学習用傾斜データを用いて、床版単体傾斜角の線形近似を算出する（ステップＳ２５）。例えば、評価関数構築部１２は、床版単体傾斜角データ２５の日平均を用いて、時間ｔを変数とする一次結合α_０ｔ＋β_０のα_０，β_０を算出する。

そして、評価関数構築部１２は、学習用温度データを用いて、上面温度および下面温度の線形近似を算出する（ステップＳ２６）。例えば、評価関数構築部１２は、下面温度データ２２の日平均を用いて、時間ｔを変数とする一次結合α_１ｔ＋β_１のα_１，β_１を算出する。評価関数構築部１２は、上面温度データ２１の日平均を用いて、時間ｔを変数とする一次結合α_２ｔ＋β_２のα_２，β_２を算出する。

そして、評価関数構築部１２は、制約条件から式（１）で表わされる評価関数の重みｗ１およびｗ２を決定する（ステップＳ２７）。例えば、評価関数構築部１２は、式（１）のθに一次結合α_０ｔ＋β_０を代入し、式（１）のＴ１に一次結合α_１ｔ＋β_１を代入し、式（１）のＴ２に一次結合α_２ｔ＋β_２を代入して、式（２）を出力する。評価関数構築部１２は、式（２）を解くために、式（３）の制約条件を出力する。加えて、評価関数構築部１２は、式（２）を解くために、式（４）の制約条件を出力する。そして、評価関数構築部１２は、式（３）の制約条件および式（４）の制約条件からｗ１，ｗ２を算出する。

そして、評価関数構築部１２は、式（１）で表わされる評価関数の閾値ＴＨを定義する（ステップＳ２８）。例えば、評価関数構築部１２は、評価関数について、床版要対策区分の残留変形角を単体傾斜角θに代入し、観測区間（学習期間）の最低の下面温度をＴ１に代入し、Ｔ１の観測点の上面温度をＴ２に代入して、評価関数の閾値ＴＨを算出する。なお、床版要対策区分の残留変形角は、例えば０．１４である。

そして、評価関数構築部１２は、評価関数構築処理を終了する。

［評価処理のフローチャート］
次に、実施例に係る評価処理のフローチャートを、図１２を参照して説明する。図１２は、実施例に係る評価処理のフローチャートの一例を示す図である。なお、式（１）で表わされる評価関数ｆ（θ，Ｔ１，Ｔ２）は、構築されたものとする。また、評価関数ｆの閾値ＴＨは、定義されたものとする。

評価部１３は、評価用の傾斜データθを読み込む（ステップＳ３１）。ここでいう傾斜データは、床版単体傾斜角である。評価部１３は、評価用の温度データＴ１，Ｔ２を読み込む（ステップＳ３２）。ここでいう温度データＴ１は、床版の下面温度であり、温度データＴ２は、床版の上面温度である。

そして、評価部１３は、評価用の傾斜データθおよび評価用の温度データＴ１，Ｔ２を式（１）で表わされる評価関数ｆ（θ，Ｔ１，Ｔ２）に代入して、評価値を算出する（ステップＳ３３）。

そして、評価部１３は、ｆ（θ，Ｔ１，Ｔ２）の計算結果である評価値が閾値ＴＨより大きいか否かを判定する（ステップＳ３４）。ｆ（θ，Ｔ１，Ｔ２）の計算結果である評価値が閾値ＴＨ以下であると判定した場合には（ステップＳ３４；Ｎｏ）、評価部１３は、評価結果を正常と評価する（ステップＳ３５）。すなわち、評価部１３は、床版が劣化していないと評価する。

一方、ｆ（θ，Ｔ１，Ｔ２）の計算結果である評価値が閾値ＴＨより大きいと判定した場合には（ステップＳ３４；Ｙｅｓ）、評価部１３は、評価結果を異常と評価する（ステップＳ３６）。すなわち、評価部１３は、床版が劣化していると評価する。

そして、評価部１３は、評価処理を終了する。

［実施例の効果］
上記実施例によれば、劣化評価装置１は、劣化を評価する評価対象の床版の上面および下面の温度情報と、評価対象の桁と床版に設置された傾斜センサによる傾斜情報とを含む観測データを、上面の温度および下面の温度との関係が変化するような期間分取得する。劣化評価装置１は、観測データから、床版の単体の傾斜角、並びに、床版の上面の温度および下面の温度の関係に関する予測モデルを構築する。劣化評価装置１は、予測モデルを用いて、床版の劣化を評価する。かかる構成によれば、劣化評価装置１は、例えば橋梁の床版の劣化状況を、温度による影響を除外して、評価することができる。

また、上記実施例によれば、劣化評価装置１は、観測データの中の温度情報を、１日の平均温度の温度情報に加工し、加工した温度情報を用いて、予測モデルを構築する。かかる構成によれば、劣化評価装置１は、予測モデルを構築する際に、温度情報を１日の平均温度の温度情報に加工して用いることで、効率的に予測モデルを構築することができる。

また、上記実施例によれば、観測データを取得する期間は、夏の期間および冬の期間を含む期間である。かかる構成によれば、劣化評価装置１は、夏でも冬でも汎用的な予測モデルを構築することができる。

また、上記実施例によれば、劣化評価装置１は、評価対象が橋梁である場合、橋梁を車両が通過していない状態で、観測データを取得する。かかる構成によれば、劣化評価装置１は、精度の良い予測モデルを構築することができる。

［その他］
なお、実施例では、劣化評価装置１は、橋梁の床版の傾斜角と、床版の上下の温度とを用いた床版の劣化に関する予測モデルを構築し、当該予測モデルを用いて、橋梁の床版の劣化を評価する。しかしながら、劣化評価装置１は、評価対象を橋梁の床版に限定されず、高架橋の床版や歩道橋の床版を評価対象として、床版の上下の温度とを用いた床版の劣化に関する予測モデルを構築し、当該予測モデルを用いて、該当する床版の劣化を評価しても良い。また、劣化評価装置１は、家屋の床版を評価対象としても良い。

また、図示した劣化評価装置１の各構成要素は、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、劣化評価装置１の分散・統合の具体的態様は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。例えば、データ取得部１１と評価関数構築部１２とを１つの部として統合しても良い。また、評価関数構築部１２を、学習用データを加工する加工部と、加工後の学習用データから予測モデル（評価関数）を構築する構築部とに分離しても良い。また、記憶部２０を劣化評価装置１の外部装置としてネットワーク経由で接続するようにしても良い。

また、上記実施例で説明した各種の処理は、予め用意されたプログラムをパーソナルコンピュータやワークステーションなどのコンピュータで実行することによって実現することができる。そこで、以下では、図１に示した劣化評価装置１と同様の機能を実現する劣化評価プログラムを実行するコンピュータの一例を説明する。図１３は、劣化評価プログラムを実行するコンピュータの一例を示す図である。

図１３に示すように、コンピュータ２００は、各種演算処理を実行するＣＰＵ２０３と、ユーザからのデータの入力を受け付ける入力装置２１５と、表示装置２０９を制御する表示制御部２０７とを有する。また、コンピュータ２００は、記憶媒体からプログラムなどを読取るドライブ装置２１３と、ネットワークを介して他のコンピュータとの間でデータの授受を行う通信制御部２１７とを有する。また、コンピュータ２００は、各種情報を一時記憶するメモリ２０１と、ＨＤＤ（Hard Disk Drive）２０５を有する。そして、メモリ２０１、ＣＰＵ２０３、ＨＤＤ２０５、表示制御部２０７、ドライブ装置２１３、入力装置２１５、通信制御部２１７は、バス２１９で接続されている。

ドライブ装置２１３は、例えばリムーバブルディスク２１０用の装置である。ＨＤＤ２０５は、劣化評価プログラム２０５ａおよび劣化評価処理関連情報２０５ｂを記憶する。

ＣＰＵ２０３は、劣化評価プログラム２０５ａを読み出して、メモリ２０１に展開し、プロセスとして実行する。かかるプロセスは、劣化評価装置１の各機能部に対応する。劣化評価処理関連情報２０５ｂは、上面温度データ２１、下面温度データ２２、桁傾斜角データ２３、床版傾斜角データ２４、床版単体傾斜角データ２５および評価モデル２６に対応する。そして、例えばリムーバブルディスク２１０が、劣化評価プログラム２０５ａなどの各情報を記憶する。

なお、劣化評価プログラム２０５ａについては、必ずしも最初からＨＤＤ２０５に記憶させておかなくても良い。例えば、コンピュータ２００に挿入されるフレキシブルディスク（ＦＤ）、ＣＤ−ＲＯＭ（Compact Disk Read Only Memory）、ＤＶＤ（Digital Versatile Disk）、光磁気ディスク、ＩＣ（Integrated Circuit）カードなどの「可搬用の物理媒体」に当該プログラムを記憶させておく。そして、コンピュータ２００がこれらから劣化評価プログラム２０５ａを読み出して実行するようにしても良い。

１ 劣化評価装置
１０ 制御部
１１ データ取得部
１２ 評価関数構築部
１３ 評価部
２０ 記憶部
２１ 上面温度データ
２２ 下面温度データ
２３ 桁傾斜角データ
２４ 床版傾斜角データ
２５ 床版単体傾斜角データ
２６ 評価モデル

Claims (6)

1. コンピュータに、
   劣化を評価する評価対象の床版の上面および下面の温度情報と、前記評価対象の桁と床版に設置された傾斜センサによる傾斜情報とを含む観測データを、前記上面の温度および前記下面の温度との関係が変化するような期間分取得し、
   前記観測データから、前記床版の単体の傾斜角、並びに、前記床版の前記上面の温度および前記下面の温度の関係に関する予測モデルを構築し、
   前記予測モデルを用いて、前記床版の劣化を評価する
   処理を実行させる劣化評価プログラム。
2. 該構築する処理は、前記観測データの中の前記温度情報を、１日の平均温度の温度情報に加工し、加工した前記温度情報を用いて、前記予測モデルを構築する
   ことを特徴とする請求項１に記載の劣化評価プログラム。
3. 前記期間は、夏の期間および冬の期間を含む期間である
   ことを特徴とする請求項１に記載の劣化評価プログラム。
4. 該取得する処理は、前記評価対象が橋梁である場合、前記橋梁を車両が通過していない状態で、前記観測データを取得する
   ことを特徴とする請求項１に記載の劣化評価プログラム。
5. 劣化を評価する評価対象の床版の上面および下面の温度情報と、前記評価対象の桁と床版に設置された傾斜センサによる傾斜情報とを含む観測データを、前記上面の温度および前記下面の温度との関係が変化するような期間分取得する取得部と、
   前記取得部によって取得された前記観測データから、前記床版の単体の傾斜角、並びに、前記床版の前記上面の温度および前記下面の温度の関係に関する予測モデルを構築する構築部と、
   前記構築部によって構築された前記予測モデルを用いて、前記床版の劣化を評価する評価部と、
   を有することを特徴とする劣化評価装置。
6. 劣化を評価する評価対象の床版の上面および下面の温度情報と、前記評価対象の桁と床版に設置された傾斜センサによる傾斜情報とを含む観測データを、前記上面の温度および前記下面の温度との関係が変化するような期間分取得し、
   前記観測データから、前記床版の単体の傾斜角、並びに、前記床版の前記上面の温度および前記下面の温度の関係に関する予測モデルを構築し、
   前記予測モデルを用いて、前記床版の劣化を評価する
   処理をコンピュータが実行する劣化評価方法。

Images