知財求人 - 知財ポータルサイト「IP Force」
特開2024-146216損傷度予測装置、損傷度予測方法、学習済モデルの生成方法、及び学習済モデル
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2024146216
(43)【公開日】2024-10-15
(54)【発明の名称】損傷度予測装置、損傷度予測方法、学習済モデルの生成方法、及び学習済モデル
(51)【国際特許分類】
G06N 20/00 20190101AFI20241004BHJP
E01D 22/00 20060101ALI20241004BHJP
G06N 3/045 20230101ALI20241004BHJP
【ＦＩ】
G06N20/00 130
E01D22/00 A
G06N3/045
【審査請求】未請求
【請求項の数】18
【出願形態】ＯＬ
(21)【出願番号】P 2023058993
(22)【出願日】2023-03-31
(71)【出願人】
【識別番号】000166627
【氏名又は名称】五洋建設株式会社
(74)【代理人】
【識別番号】110000752
【氏名又は名称】弁理士法人朝日特許事務所
(72)【発明者】
【氏名】宇野 州彦
【テーマコード（参考）】
2D059
【Ｆターム（参考）】
2D059AA05
2D059GG39
(57)【要約】
【課題】入力データとして画像データを与えても適切な予測結果を出力することができる技術を提供する。
【解決手段】損傷度予測装置１は、梁構造における梁とその周辺にある複数の周辺梁の劣化度を表す画像データ、各々の梁の位置データ、外力条件、梁の数値データ等を説明変数とし、構造解析によって得られた梁の損傷状態データを目的変数とする教師データを用いた機械学習により生成された、学習済モデルＭ１を記憶する記憶手段１１と、損傷度予測対象梁の劣化度とその周辺にある複数の周辺梁の劣化度を表す画像データと、各々の梁の位置データとを学習済モデルＭ１の画像ＡＩ４１に入力する第１の入力手段２１と、損傷度予測対象梁の梁構造に関するデータと、外力条件と、損傷度予測対象梁の数値データと、学習済モデルＭ１のデータＡＩ４２に入力する第２の入力手段２２とを備える。
【選択図】図１
【解決手段】損傷度予測装置１は、梁構造における梁とその周辺にある複数の周辺梁の劣化度を表す画像データ、各々の梁の位置データ、外力条件、梁の数値データ等を説明変数とし、構造解析によって得られた梁の損傷状態データを目的変数とする教師データを用いた機械学習により生成された、学習済モデルＭ１を記憶する記憶手段１１と、損傷度予測対象梁の劣化度とその周辺にある複数の周辺梁の劣化度を表す画像データと、各々の梁の位置データとを学習済モデルＭ１の画像ＡＩ４１に入力する第１の入力手段２１と、損傷度予測対象梁の梁構造に関するデータと、外力条件と、損傷度予測対象梁の数値データと、学習済モデルＭ１のデータＡＩ４２に入力する第２の入力手段２２とを備える。
【選択図】図１
【特許請求の範囲】
【請求項1】
桟橋又は橋梁の梁構造における１の梁の劣化度を表す画像データ及び当該１の梁の周辺にある複数の周辺梁の劣化度を表す画像データと、当該１の梁と当該複数の周辺梁の各々の当該桟橋又は橋梁における位置を表す位置データと、前記梁構造に関するデータと、前記１の梁を含む桟橋又は橋梁に及ぼす外力条件と、当該梁構造における前記１の梁の数値データとを説明変数とし、構造解析によって得られた前記１の梁の損傷状態データを目的変数とする教師データを用いた機械学習により生成された、学習済モデルを記憶する記憶手段と、
桟橋又は橋梁の梁構造における損傷度予測対象梁の劣化度を表す画像データ及び当該損傷度予測対象梁の周辺にある複数の周辺梁の劣化度を表す画像データと、当該損傷度予測対象梁と当該損傷度予測対象梁の周辺にある当該複数の周辺梁の各々の当該桟橋又は橋梁における位置を表す位置データとを、前記学習済モデルに入力する第１の入力手段と、
前記損傷度予測対象梁の梁構造に関するデータと、前記損傷度予測対象梁を含む桟橋又は橋梁に及ぼす外力条件と、前記損傷度予測対象梁の数値データとを、前記学習済モデルに入力する第２の入力手段と、
前記学習済モデルから得られる前記損傷度予測対象梁の損傷状態に応じた第２の損傷状態データを出力する出力手段とを備え、
前記学習済モデルは、
前記第１の入力手段による入力に応じて得られた前記損傷度予測対象梁の損傷状態に応じた第１の損傷状態データを出力する画像ＡＩと、
前記第１の損傷状態データを入力し、当該第１の損傷状態データと前記第２の入力手段による入力とに応じて得られた前記第２の損傷状態データを前記出力手段に出力するデータＡＩとを備える
損傷度予測装置。
桟橋又は橋梁の梁構造における損傷度予測対象梁の劣化度を表す画像データ及び当該損傷度予測対象梁の周辺にある複数の周辺梁の劣化度を表す画像データと、当該損傷度予測対象梁と当該損傷度予測対象梁の周辺にある当該複数の周辺梁の各々の当該桟橋又は橋梁における位置を表す位置データとを、前記学習済モデルに入力する第１の入力手段と、
前記損傷度予測対象梁の梁構造に関するデータと、前記損傷度予測対象梁を含む桟橋又は橋梁に及ぼす外力条件と、前記損傷度予測対象梁の数値データとを、前記学習済モデルに入力する第２の入力手段と、
前記学習済モデルから得られる前記損傷度予測対象梁の損傷状態に応じた第２の損傷状態データを出力する出力手段とを備え、
前記学習済モデルは、
前記第１の入力手段による入力に応じて得られた前記損傷度予測対象梁の損傷状態に応じた第１の損傷状態データを出力する画像ＡＩと、
前記第１の損傷状態データを入力し、当該第１の損傷状態データと前記第２の入力手段による入力とに応じて得られた前記第２の損傷状態データを前記出力手段に出力するデータＡＩとを備える
損傷度予測装置。
【請求項2】
桟橋又は橋梁の梁構造における１の梁の劣化度を表す画像データ及び当該１の梁の周辺にある複数の周辺梁の劣化度を表す画像データと、当該１の梁と当該複数の周辺梁の各々の当該梁構造における位置を表す位置データと、当該１の梁を含む桟橋又は橋梁に及ぼす外力条件を表す画像データとを説明変数とし、当該１の梁の損傷状態を目的変数とする教師データを用いた機械学習により生成された、学習済モデルを記憶する記憶手段と、
桟橋又は橋梁の梁構造における損傷度予測対象梁の劣化度を表す画像データ及び当該損傷度予測対象梁の周辺にある複数の周辺梁の劣化度を表す画像データと、当該損傷度予測対象梁と当該損傷度予測対象梁の周辺にある当該複数の周辺梁の各々の当該梁構造における位置を表す位置データと、当該桟橋又は橋梁に及ぼす外力条件を表す画像データとを、前記学習済モデルに入力する入力手段と、
前記入力手段による入力に応じて得られた前記損傷度予測対象梁の損傷状態に応じた損傷状態データを出力する出力手段と
を備える損傷度予測装置。
桟橋又は橋梁の梁構造における損傷度予測対象梁の劣化度を表す画像データ及び当該損傷度予測対象梁の周辺にある複数の周辺梁の劣化度を表す画像データと、当該損傷度予測対象梁と当該損傷度予測対象梁の周辺にある当該複数の周辺梁の各々の当該梁構造における位置を表す位置データと、当該桟橋又は橋梁に及ぼす外力条件を表す画像データとを、前記学習済モデルに入力する入力手段と、
前記入力手段による入力に応じて得られた前記損傷度予測対象梁の損傷状態に応じた損傷状態データを出力する出力手段と
を備える損傷度予測装置。
【請求項3】
桟橋又は橋梁の梁構造における１の梁の劣化度を表す画像データ及び当該１の梁の周辺にある複数の周辺梁の劣化度を表す画像データと、当該１の梁と当該複数の周辺梁の各々の当該桟橋又は橋梁における位置を表す位置データと、前記梁構造に関するデータと、前記１の梁を含む桟橋又は橋梁に及ぼす外力条件と、当該梁構造における前記１の梁の数値データとを説明変数とし、構造解析によって得られた前記１の梁の損傷状態データを目的変数とする教師データを用いた機械学習により生成された、学習済モデルを記憶する記憶手段と、
前記桟橋又は橋梁における損傷度予測対象梁の劣化度を表す画像データと、当該損傷度予測対象梁の周辺にある複数の周辺梁の劣化度を表す画像データと、当該損傷度予測対象梁と当該損傷度予測対象梁の周辺にある当該複数の周辺梁の各々の当該桟橋又は橋梁における位置を表す位置データと、前記損傷度予測対象梁の梁構造に関するデータと、前記損傷度予測対象梁を含む桟橋又は橋梁に及ぼす外力条件と、前記損傷度予測対象梁の数値データとを前記学習済モデルに入力する入力手段と、
前記入力手段により入力されたデータに応じて得られた前記損傷度予測対象梁の損傷状態データを出力する出力手段と
を備える損傷度予測装置。
前記桟橋又は橋梁における損傷度予測対象梁の劣化度を表す画像データと、当該損傷度予測対象梁の周辺にある複数の周辺梁の劣化度を表す画像データと、当該損傷度予測対象梁と当該損傷度予測対象梁の周辺にある当該複数の周辺梁の各々の当該桟橋又は橋梁における位置を表す位置データと、前記損傷度予測対象梁の梁構造に関するデータと、前記損傷度予測対象梁を含む桟橋又は橋梁に及ぼす外力条件と、前記損傷度予測対象梁の数値データとを前記学習済モデルに入力する入力手段と、
前記入力手段により入力されたデータに応じて得られた前記損傷度予測対象梁の損傷状態データを出力する出力手段と
を備える損傷度予測装置。
【請求項4】
前記位置データは、前記梁構造における各梁の座標値、前記梁構造における各梁につけられた通し番号、又は、前記梁構造における各梁の画像データを所定の順番で取得したときの前記梁構造における各梁の相関位置のいずれかである
請求項１～３のいずれか１項に記載の損傷度予測装置。
請求項１～３のいずれか１項に記載の損傷度予測装置。
【請求項5】
前記数値データは、当該梁の寸法、当該梁の両端部における杭の有無、当該梁を支持する杭の長さ若しくは突出長、又は当該杭の特性値のうち少なくともいずれか１つを含むことを特徴とする請求項１～３のいずれか１項に記載の損傷度予測装置。
【請求項6】
前記梁構造に関するデータは、前記桟橋又は橋梁を構成する梁の列数を含む
ことを特徴とする請求項１～３のいずれか１項に記載の損傷度予測装置。
ことを特徴とする請求項１～３のいずれか１項に記載の損傷度予測装置。
【請求項7】
前記外力条件は、地震、動的な荷重、静的な荷重を含む
請求項１又は３に記載の損傷度予測装置。
請求項１又は３に記載の損傷度予測装置。
【請求項8】
前記損傷状態データは、少なくとも、梁の損傷の度合い、損傷の面積又は損傷の面積割合のいずれかを表すデータである
請求項１～３のいずれか１項に記載の損傷度予測装置。
請求項１～３のいずれか１項に記載の損傷度予測装置。
【請求項9】
前記複数の周辺梁は、前記学習済モデルの学習結果から説明変数の対象であると判断された範囲に含まれる梁である
請求項１～３のいずれか１項に記載の損傷度予測装置。
請求項１～３のいずれか１項に記載の損傷度予測装置。
【請求項10】
前記出力手段は、前記第２の損傷状態データとして、前記梁構造における損傷区分に基づく損傷度分布を、梁構造を示す図上にマッピングして出力する
請求項１に記載の損傷度予測装置。
請求項１に記載の損傷度予測装置。
【請求項11】
前記出力手段は、前記損傷度予測対象梁の損傷状態データとして、前記梁構造における損傷区分に基づく損傷度分布を、梁構造を示す図上にマッピングして出力する
請求項２又は３に記載の損傷度予測装置。
請求項２又は３に記載の損傷度予測装置。
【請求項12】
確率モデルに従い各々の前記損傷度予測対象梁の将来の時点における劣化度を予測する将来予測手段を有し、
前記出力手段は、予測された将来の劣化度に応じた劣化度データを前記学習済モデルに入力して得られた損傷状態に関する損傷状態データを前記第２の損傷状態データとして出力する
請求項１に記載の損傷度予測装置。
前記出力手段は、予測された将来の劣化度に応じた劣化度データを前記学習済モデルに入力して得られた損傷状態に関する損傷状態データを前記第２の損傷状態データとして出力する
請求項１に記載の損傷度予測装置。
【請求項13】
確率モデルに従い各々の前記損傷度予測対象梁の将来の時点における劣化度を予測する将来予測手段を有し、
前記出力手段は、予測された将来の劣化度に応じた劣化度データを前記学習済モデルに入力して得られた損傷状態に関する損傷状態データを前記損傷度予測対象梁の損傷状態データとして出力する
出力する
請求項２又は３に記載の損傷度予測装置。
前記出力手段は、予測された将来の劣化度に応じた劣化度データを前記学習済モデルに入力して得られた損傷状態に関する損傷状態データを前記損傷度予測対象梁の損傷状態データとして出力する
出力する
請求項２又は３に記載の損傷度予測装置。
【請求項14】
前記梁構造が、n層構造の橋梁の梁構造であり、
前記教師データが、前記説明変数として、前記梁構造が何層目かを示す情報、及び隣接する他の層との距離を示す情報を含み、
前記入力手段が、前記梁構造において前記梁構造が何層目かを示す情報、及び隣接する他の層との距離を示す情報を入力する
請求項１～３のいずれか１項に記載の損傷度予測装置。
前記教師データが、前記説明変数として、前記梁構造が何層目かを示す情報、及び隣接する他の層との距離を示す情報を含み、
前記入力手段が、前記梁構造において前記梁構造が何層目かを示す情報、及び隣接する他の層との距離を示す情報を入力する
請求項１～３のいずれか１項に記載の損傷度予測装置。
【請求項15】
請求項１～１４のいずれか１項に記載の損傷度予測装置を用いて実施される損傷度予測方法。
【請求項16】
桟橋又は橋梁の梁構造における１の梁の劣化度を表す画像データ及び当該１の梁の周辺にある複数の周辺梁の劣化度を表す画像データと、当該１の梁と当該複数の周辺梁の各々の当該桟橋又は橋梁における位置を表す位置データと、当該１の梁を含む桟橋又は橋梁に及ぼす外力条件を表す画像データとを説明変数とし、当該１の梁の損傷状態を目的変数とする教師データを用いた機械学習により、学習済モデルを生成する生成方法。
【請求項17】
桟橋又は橋梁の梁構造における１の梁の劣化度を表す画像データ及び当該１の梁の周辺にある複数の周辺梁の劣化度を表す画像データと、当該１の梁と当該複数の周辺梁の各々の当該桟橋又は橋梁における位置を表す位置データと、前記梁構造に関するデータと、前記１の梁を含む桟橋又は橋梁に及ぼす外力条件と、当該梁構造における前記１の梁の数値データとを説明変数とし、構造解析によって得られた前記１の梁の損傷状態データを目的変数とする教師データを用いた機械学習により、学習済モデルを生成する生成方法。
【請求項18】
請求項１６又は１７に記載の生成方法により生成された学習済モデル。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、桟橋又は橋梁の梁構造における損傷を予測する技術に関する。
【背景技術】
【0002】
構造物の施工又は保守点検のための技術が知られている。一般に、桟橋の梁構造に対し外力が与えられたときの損傷を予測又は評価するためには、非特許文献１に記載された詳細定期点検診断を実施し、その結果に基づいた構造解析が行われる。しかしながら、詳細定期点検結果を用いて残存耐力評価を得るまでには時間を要すため、評価中に評価対象構造物が大きな外力を受ける可能性が高くなり、評価結果を得る前に大きな外力を受けてしまうと、評価結果自体の価値はなくなってしまう。また、時間や費用の面から、詳細点検自体を実施しない、又は詳細定期点検診断を実施しても対象構造物の残存耐力を評価しないこともあり、その場合には現状の保有耐力を把握できないことから、原形復旧を前提とした補修に留まらざるを得ず、合理的な補修にならない。以上のことから詳細定期点検診断及びその結果に基づいた構造解析にはコストや時間がかかるため、一般点検診断から得られる劣化度判定結果から比較的簡易に残存耐力を評価する手法が提案されている（非特許文献２）。
【0003】
また、本発明者らは先に特許文献１において、桟橋又は橋梁の損傷度予測装置として、桟橋又は橋梁の梁構造における劣化度分布又は健全性判定分布のマップ、当該梁構造の平面形状、及び前記梁構造に与えられる外力を入力データとし、前記梁構造に前記外力が与えられたときの構造解析結果から得られる前記梁構造の損傷状態を示す情報を出力データとする教師データを与えて機械学習をさせた学習済モデルを用いる装置を提案した。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特開２０２１－１４３５７５号公報
【非特許文献】
【0005】
【非特許文献1】国土交通省港湾局監修、「港湾の施設の維持管理技術マニュアル（改訂版）」一般財団法人沿岸技術研究センター、２０１８年７月、ｐ．２９６、ｐ．３１７
【非特許文献2】宇野州彦・岩波光保“劣化度判定結果を活用した残存耐力評価手法の実桟橋への適用”土木学会論文集Ｂ３（海洋開発），第７４巻第２号、ｐｐ．Ｉ＿５５－Ｉ＿６０、２０１８．
【発明の概要】
【発明が解決しようとする課題】
【0006】
しかしながら、特許文献１に記載の技術においては、入力データとして劣化度分布又は健全性判定分布のマップ、梁構造の平面形状を画像データとして与える場合、本願発明者らの研究によれば、未知の形状（すなわち学習したことのない形状）の桟橋又は橋梁に対して予測を行うときに、例えば過去に学習した桟橋又は橋梁の形状の中から近い形状のものを出力するなど、桟橋又は橋梁の形状を誤認識してしまうことがある。
【0007】
これに対し本発明は、入力データとして画像データを与えても適切な予測結果を出力することができる技術を提供するものである。
【課題を解決するための手段】
【0008】
本発明は、桟橋又は橋梁の梁構造における１の梁の劣化度を表す画像データ及び当該１の梁の周辺にある複数の周辺梁の劣化度を表す画像データと、当該１の梁と当該複数の周辺梁の各々の当該桟橋又は橋梁における位置を表す位置データと、前記梁構造に関するデータと、前記１の梁を含む桟橋又は橋梁に及ぼす外力条件と、当該梁構造における前記１の梁の数値データとを説明変数とし、構造解析によって得られた前記１の梁の損傷状態データを目的変数とする教師データを用いた機械学習により生成された、学習済モデルを記憶する記憶手段と、桟橋又は橋梁の梁構造における損傷度予測対象梁の劣化度を表す画像データ及び当該損傷度予測対象梁の周辺にある複数の周辺梁の劣化度を表す画像データと、当該損傷度予測対象梁と当該損傷度予測対象梁の周辺にある当該複数の周辺梁の各々の当該桟橋又は橋梁における位置を表す位置データとを、前記学習済モデルに入力する第１の入力手段と、前記損傷度予測対象梁の梁構造に関するデータと、前記損傷度予測対象梁を含む桟橋又は橋梁に及ぼす外力条件と、前記損傷度予測対象梁の数値データとを、前記学習済モデルに入力する第２の入力手段と、前記学習済モデルから得られる前記損傷度予測対象梁の損傷状態に応じた第２の損傷状態データを出力する出力手段とを備え、前記学習済モデルは、前記第１の入力手段による入力に応じて得られた前記損傷度予測対象梁の損傷状態に応じた第１の損傷状態データを出力する画像ＡＩと、前記第１の損傷状態データを入力し、当該第１の損傷状態データと前記第２の入力手段による入力とに応じて得られた前記第２の損傷状態データを前記出力手段に出力するデータＡＩとを備える損傷度予測装置を提供する。
【0009】
また、本発明は、桟橋又は橋梁の梁構造における１の梁の劣化度を表す画像データ及び当該１の梁の周辺にある複数の周辺梁の劣化度を表す画像データと、当該１の梁と当該複数の周辺梁の各々の当該梁構造における位置を表す位置データと、当該１の梁を含む桟橋又は橋梁に及ぼす外力条件を表す画像データとを説明変数とし、当該１の梁の損傷状態を目的変数とする教師データを用いた機械学習により生成された、学習済モデルを記憶する記憶手段と、桟橋又は橋梁の梁構造における損傷度予測対象梁の劣化度を表す画像データ及び当該損傷度予測対象梁の周辺にある複数の周辺梁の劣化度を表す画像データと、当該損傷度予測対象梁と当該損傷度予測対象梁の周辺にある当該複数の周辺梁の各々の当該梁構造における位置を表す位置データと、当該桟橋又は橋梁に及ぼす外力条件を表す画像データとを、前記学習済モデルに入力する入力手段と、前記入力手段による入力に応じて得られた前記損傷度予測対象梁の損傷状態に応じた損傷状態データを出力する出力手段とを備える損傷度予測装置を提供する。
【0010】
また、本発明は、桟橋又は橋梁の梁構造における１の梁の劣化度を表す画像データ及び当該１の梁の周辺にある複数の周辺梁の劣化度を表す画像データと、当該１の梁と当該複数の周辺梁の各々の当該桟橋又は橋梁における位置を表す位置データと、前記梁構造に関するデータと、前記１の梁を含む桟橋又は橋梁に及ぼす外力条件と、当該梁構造における前記１の梁の数値データとを説明変数とし、構造解析によって得られた前記１の梁の損傷状態データを目的変数とする教師データを用いた機械学習により生成された、学習済モデルを記憶する記憶手段と、前記桟橋又は橋梁における損傷度予測対象梁の劣化度を表す画像データと、当該損傷度予測対象梁の周辺にある複数の周辺梁の劣化度を表す画像データと、当該損傷度予測対象梁と当該損傷度予測対象梁の周辺にある当該複数の周辺梁の各々の当該桟橋又は橋梁における位置を表す位置データと、前記損傷度予測対象梁の梁構造に関するデータと、前記損傷度予測対象梁を含む桟橋又は橋梁に及ぼす外力条件と、前記損傷度予測対象梁の数値データとを前記学習済モデルに入力する入力手段と、前記入力手段により入力されたデータに応じて得られた前記損傷度予測対象梁の損傷状態データを出力する出力手段とを備える損傷度予測装置を提供する。
【0011】
前記位置データは、前記梁構造における各梁の座標値、前記梁構造における各梁につけられた通し番号、又は、前記梁構造における各梁の画像データを所定の順番で取得したときの前記梁構造における各梁の相関位置のいずれかであってもよい。
【0012】
前記数値データは、当該梁の寸法、当該梁の両端部における杭の有無、当該梁を支持する杭の長さ若しくは突出長、又は当該杭の特性値のうち少なくともいずれか１つを含んでもよい。
【0013】
前記梁構造に関するデータは、前記桟橋又は橋梁を構成する梁の列数を含んでもよい。
【0014】
前記外力条件は、地震、動的な荷重、静的な荷重を含んでもよい。
【0015】
前記損傷状態データは、少なくとも、梁の損傷の度合い、損傷の面積又は損傷の面積割合のいずれかを表すデータであってもよい。
【0016】
前記複数の周辺梁は、前記学習済モデルの学習結果から説明変数の対象であると判断された範囲に含まれる梁であってもよい。
【0017】
前記出力手段は、前記第２の損傷状態データとして、前記梁構造における損傷区分に基づく損傷度分布を、梁構造を示す図上にマッピングして出力してもよい。
【0018】
前記出力手段は、前記損傷度予測対象梁の損傷状態データとして、前記梁構造における損傷区分に基づく損傷度分布を、梁構造を示す図上にマッピングして出力してもよい。
【0019】
確率モデルに従い各々の前記損傷度予測対象梁の将来の時点における劣化度を予測する将来予測手段を有し、前記出力手段は、予測された将来の劣化度に応じた劣化度データを前記学習済モデルに入力して得られた損傷状態に関する損傷状態データを前記第２の損傷状態データとして出力してもよい。
【0020】
確率モデルに従い各々の前記損傷度予測対象梁の将来の時点における劣化度を予測する将来予測手段を有し、前記出力手段は、予測された将来の劣化度に応じた劣化度データを前記学習済モデルに入力して得られた損傷状態に関する損傷状態データを前記損傷度予測対象梁の損傷状態データとして出力してもよい。
【0021】
前記梁構造が、n層構造の橋梁の梁構造であり、前記教師データが、前記説明変数として、前記梁構造が何層目かを示す情報、及び隣接する他の層との距離を示す情報を含み、前記入力手段が、前記梁構造において前記梁構造が何層目かを示す情報、及び隣接する他の層との距離を示す情報を入力してもよい。
【0022】
また、本発明は、上述の損傷度予測装置を用いて実施される損傷度予測方法を提供する。
【0023】
また、本発明は、桟橋又は橋梁の梁構造における１の梁の劣化度を表す画像データ及び当該１の梁の周辺にある複数の周辺梁の劣化度を表す画像データと、当該１の梁と当該複数の周辺梁の各々の当該桟橋又は橋梁における位置を表す位置データと、当該１の梁を含む桟橋又は橋梁に及ぼす外力条件を表す画像データとを説明変数とし、当該１の梁の損傷状態を目的変数とする教師データを用いた機械学習により、学習済モデルを生成する生成方法を提供する。
【0024】
また本発明は、桟橋又は橋梁の梁構造における１の梁の劣化度を表す画像データ及び当該１の梁の周辺にある複数の周辺梁の劣化度を表す画像データと、当該１の梁と当該複数の周辺梁の各々の当該桟橋又は橋梁における位置を表す位置データと、前記梁構造に関するデータと、前記１の梁を含む桟橋又は橋梁に及ぼす外力条件と、当該梁構造における前記１の梁の数値データとを説明変数とし、構造解析によって得られた前記１の梁の損傷状態データを目的変数とする教師データを用いた機械学習により、学習済モデルを生成する生成方法を提供する。
【0025】
また、本発明は、上述の生成方法により生成された学習済モデルを提供する。
【発明の効果】
【0026】
本発明によれば、入力データとして画像データを与えても適切な出力データを出力することができるため、数値情報に変換する必要がなく、予測結果を迅速に得ることができる。
【図面の簡単な説明】
【0027】
【図1】一実施形態に係る損傷度予測装置の機能構成を例示するブロック図。
【図2】一実施形態に係る損傷度予測装置のハードウェア構成を例示するブロック図。
【図3】一実施形態に係る損傷度予測装置に用いる機械学習モデルの構造を例示する図。
【図4】一実施形態に係る損傷度予測装置に用いる教師データを準備するための、学習装置５１における処理を例示するフローチャート。
【図5】桟橋劣化度の判定基準を例示する図。
【図6】橋梁健全性の判定基準を例示する図。
【図7】一実施形態における梁構造の取り扱いを説明するための図。
【図8】一実施形態における１つの梁とその周辺梁とによる機械学習を説明するための図。
【図9】梁構造の平面形状を示す情報を例示する図。
【図10】桟橋における外力条件を例示する図。
【図11】一実施形態における構造解析の結果を例示する図。
【図12】一実施形態における機械学習モデルの学習処理を例示するフローチャート。
【図13】一実施形態における損傷度の予測処理を例示するシーケンスチャート。
【図14】一実施形態における予測される損傷状態を示す情報を例示する図。
【図15】一実施形態における損傷度予測装置の効果を説明するための図。
【図16】変形例に係る損傷度予測装置の機能構成を例示するブロック図。
【図17】変形例に係る損傷度予測装置に用いる教師データを準備するための、学習装置５２における処理を例示するフローチャート。
【図18】変形例における機械学習、予測で用いる外力条件を表す画像データを例示する図。
【図19】変形例における損傷度の予測処理を例示するシーケンスチャート。
【図20】変形例に係る損傷度予測装置の機能構成を例示するブロック図。
【図21】変形例に係る損傷度予測装置の機能構成を例示するブロック図。
【図22】変形例に係る損傷度予測装置の機能構成を例示するブロック図。
【図23】変形例における梁の位置を示す無次元距離を例示する図。
【図24】変形例における複数層の梁構造において各梁に付与される識別情報を例示する図。
【図25】不規則な梁構造を例示する図。
【発明を実施するための形態】
【0028】
１．構成
図１は、一実施形態に係る損傷度予測装置１の機能構成を例示する図である。損傷度予測装置１は、対象となる構造物に対し外力が与えられたときの損傷を予測するシステムである。対象となる構造物は、桟橋又は橋梁の梁構造体である。ここで、「梁」とは桟橋においては上部工のうち２本の杭（又は支柱）の間に渡される棒状構造体、又は構造体のどちらかの端部が1本の杭（又は支柱）により支持される構造体をいい、桁と言われることもある。損傷度予測装置１は、対象となる構造物の損傷を、その構造物の構造解析によらずに機械学習により生成された学習済モデルを用いて予測する。
図１は、一実施形態に係る損傷度予測装置１の機能構成を例示する図である。損傷度予測装置１は、対象となる構造物に対し外力が与えられたときの損傷を予測するシステムである。対象となる構造物は、桟橋又は橋梁の梁構造体である。ここで、「梁」とは桟橋においては上部工のうち２本の杭（又は支柱）の間に渡される棒状構造体、又は構造体のどちらかの端部が1本の杭（又は支柱）により支持される構造体をいい、桁と言われることもある。損傷度予測装置１は、対象となる構造物の損傷を、その構造物の構造解析によらずに機械学習により生成された学習済モデルを用いて予測する。
【0029】
損傷度予測装置１は、ユーザから指示又はデータの入力を受け付け、入力された指示又はデータに応じた情報を出力するクライアント装置又はユーザ端末である。損傷度予測装置１は、記憶手段１１、第１の入力手段２１、第２の入力手段２２、出力手段３１を有する。
【0030】
記憶手段１１は、種々のデータ及びプログラムを記憶する。本実施形態においては、記憶手段１１に記憶されるデータには学習済モデルＭ１が含まれる。学習済モデルＭ１は、教師データを与えて機械学習をさせた機械学習モデルである。学習済モデルＭ１は、例えば、ニューラルネットワーク、ランダムフォレスト、決定木、サポートベクターマシン、又は深層学習を用いて学習し構築されたモデルである。
【0031】
学習済モデルＭ１の構築に際して、教師データは、説明変数として（１）桟橋又は橋梁の梁構造におけるある１つの梁（以下、「１の梁」とも言う）の劣化度を表す画像データ、（２）当該１の梁の周辺に位置する複数の周辺梁の劣化度を表す画像データ、及び（３）当該１の梁と当該複数の周辺梁の各々の当該桟橋又は橋梁における位置を表す位置データ、（４）当該１の梁の梁構造に関するデータ、（５）当該１の梁を含む構造物である桟橋又は橋梁に及ぼす外力条件、及び（６）当該１つの梁の数値データを少なくとも含む。
【0032】
また、この教師データは、目的変数としてその梁構造の構造解析によって得られた当該１の梁の損傷状態を示す損傷状態データを少なくとも含む。これらの教師データは、少なくとも１つの桟橋又は橋梁に関するデータである。学習済モデルＭ１は、学習装置５１により生成される。
【0033】
学習装置５１は各々、教師データを用いて機械学習をさせ、学習済モデルＭ１を得る。学習装置５１は、記憶手段及び学習手段を有する。記憶手段は、教師データ及び学習済モデル（又は学習前のモデル）を記憶する。学習手段は、教師データを用いて機械学習をさせ、学習済モデルを得る。学習装置５１は、生成した学習済モデルである学習済モデルＭ１を損傷度予測装置１に出力する。
【0034】
図１において、第１の入力手段２１、第２の入力手段２２は、学習済モデルＭ１に入力するための入力データの入力を受け付ける。記憶手段１１は、第１の入力手段２１、第２の入力手段２２を介して入力された入力データを学習済モデルＭ１に与え、対応する出力結果を得る。
【0035】
学習済モデルＭ１は、画像ＡＩ４１とデータＡＩ４２とを備える。画像ＡＩ４１は、画像データの入力に応じた結果を出力するＡＩ（人工知能）である。データＡＩ４２は、数値データの入力に応じた結果を出力するＡＩ（人工知能）である。
【0036】
第１の入力手段２１は、学習済モデルＭ１の画像ＡＩ４１に入力するための入力データの入力を受け付ける。学習済モデルＭ１の画像ＡＩ４１に入力される入力データは、（ａ）対象となる構造物の点検結果から得られた桟橋又は橋梁の梁構造における損傷度予測対象梁の劣化度を表す画像データ、（ｂ）当該損傷度予測対象梁の周辺の複数の周辺梁の劣化度を表す画像データ、及び（ｃ）当該損傷度予測対象梁と当該損傷度予測対象梁の周辺にある当該複数の周辺梁の各々の桟橋又は橋梁における位置を表す位置データを少なくとも含む。これらの入力データに対し画像ＡＩ４１から得られる出力結果（すなわち予測の結果）は、当該損傷度予測対象梁の損傷状態に応じた第１の損傷状態データを少なくとも含む。画像ＡＩ４１は、上述の入力データに応じて得られた損傷度予測対象梁の損傷状態に応じた第１の損傷状態データを出力する。
【0037】
第２の入力手段２２は、学習済モデルＭ１のデータＡＩ４２に入力するための入力データの入力を受け付ける。学習済モデルＭ１のデータＡＩ４２に入力される入力データは、（ａ）画像ＡＩ４１から出力された損傷度予測対象梁の第１の損傷状態データ、（ｂ）損傷度予測対象梁の梁構造に関するデータ、（ｃ）損傷度予測対象梁を含む桟橋又は橋梁に及ぼす外力条件、及び（ｄ）損傷度予測対象梁の数値データを少なくとも含む。これらの入力データに対しデータＡＩ４２から得られる出力結果（すなわち予測の結果）は、当該損傷度予測対象梁の損傷状態に応じた第２の損傷状態データを少なくとも含む。出力手段３１は、記憶手段１１が得た、損傷度予測対象梁の第２の損傷状態データを出力する。
【0038】
図２は、損傷度予測装置１のハードウェア構成を例示する図である。損傷度予測装置１は、ＣＰＵ（Central Processing Unit）１０１、メモリ１０２、ストレージ１０３、入力装置１０４、表示装置１０５を有するコンピュータ装置、例えば、パーソナルコンピュータである。ＣＰＵ１０１は、プログラムを実行して各種演算を行い、損傷度予測装置１における他のハードウェア要素を制御する制御装置である。メモリ１０２は、ＣＰＵ１０１がプログラムを実行する際にワークエリアとして機能する主記憶装置であり、例えばＲＡＭを含む。ストレージ１０３は、各種プログラム及びデータを記録する不揮発性の記憶装置であり、例えばＳＳＤ（Solid State Drive）又はＨＤＤ（Hard Disk Drive）を含む。入力装置１０４は、ユーザが損傷度予測装置１に対し指示又はデータを入力するための装置であり、例えば、タッチスクリーン、キーボード、及びマイクロフォンのうち少なくとも一種を含む。表示装置１０５は、ユーザに対し情報を提示する装置であり、例えば、ＯＬＥＤ（Organic Light Emitting Diode）ディスプレイ又はＬＣＤ（Liquid Crystal Display）を含む。
【0039】
この例において、ストレージ１０３に記憶されるプログラムには、コンピュータ装置を損傷度予測装置１として機能させるためのプログラム（以下「クライアントプログラム」という）が記憶される。ＣＰＵ１０１がクライアントプログラムを実行することにより、コンピュータ装置に損傷度予測装置１としての機能が実装される。ＣＰＵ１０１がクライアントプログラムを実行している状態において、メモリ１０２及びストレージ１０３の少なくとも一方が記憶手段１１の一例である。入力装置１０４が第１の入力手段２１、第２の入力手段２２の一例である。表示装置１０５が出力手段３１の一例である。
【0040】
本実施形態においては、損傷度予測装置１は、機能構成として複数の入力手段（第１の入力手段２１、第２の入力手段２２）を備えるが、入力手段として機能させるための入力装置１０４が複数必要というわけではなく、１つの入力装置１０４を、複数の入力手段（第１の入力手段２１、第２の入力手段２２）として機能させることができる。
【0041】
学習装置５１のハードウェア構成については図示を省略するが、損傷度予測装置１と同様のハードウェア構成を有するコンピュータ装置である。なお、学習装置５１は、損傷度予測装置１と同一のコンピュータ装置に実装されてもよいし、損傷度予測装置１とは別のコンピュータ装置、例えばネットワーク上のサーバ装置に実装されてもよい。
【0042】
２．動作
損傷度予測装置１の動作説明に先立ち、本実施形態において用いられる機械学習モデルの概要を説明する。
損傷度予測装置１の動作説明に先立ち、本実施形態において用いられる機械学習モデルの概要を説明する。
【0043】
図３は、一実施形態に係る機械学習モデルの構造を例示する図であり、ニューラルネットワークを例示している。この例において、機械学習モデル９０は、入力層９１、中間層９２、及び出力層９３を有する。この例において、学習済モデルＭ１を生成する場合には、入力層９１には、（１）桟橋又は橋梁の梁構造における１の梁の劣化度を表す画像データ、（２）当該１の梁の周辺に位置する複数の周辺梁の劣化度を表す画像データ、（３）当該梁構造における各々の梁の位置データ、（４）梁構造に関するデータ、（５）当該１の梁を含む構造物に及ぼす外力条件、及び（６）当該１の梁の数値データが入力される。出力層９３には、その梁構造の構造解析結果から得られる当該１の梁の損傷状態を示す損傷状態データ（第１の損傷状態データ）が出力される。
【0044】
損傷状態データは、損傷の範囲、損傷の度合い、及び損傷の割合の少なくとも一つ以上の情報を含む。より詳細には、損傷状態を示す情報は、例えば損傷度分布のマップを含む。
【0045】
中間層９２は、入力層９１と出力層９３との間に位置する層であり、入力層９１を介して入力されたデータから出力層９３を介して出力するデータを得るためのパラメータを含む。学習済モデルＭ１を生成する場合には、上述のような入力層９１に入力される入力データと、その梁構造の各梁の損傷状態を示すデータを出力データとする教師データを用いて、そのパラメータが学習される。なお、この例において「損傷状態」は損傷度合い、損傷分布及び損傷面積率の少なくとも一種を含むものとする。
【0046】
以下、損傷度予測装置１及び学習装置５１の動作を説明する。損傷度予測装置１及び学習装置５１の動作は、概ね、教師データの準備、学習済モデルＭ１の生成（すなわち学習）、及び学習済モデルＭ１を用いた予測の三段階に分けられる。以下、教師データの準備、学習、及び予測のそれぞれの処理を説明する。以下において、各装置、各手段等の機能要素を処理の主体として記載することがあるが、これは、ＣＰＵ１０１等のハードウェア要素がプログラムに従って他のハードウェア要素と協働して処理を実行することを意味する。また、以下では対象となる構造物として桟橋を例として説明する。
【0047】
２－１．教師データの準備
学習装置５１における機械学習の際には、様々なサイズの桟橋又は橋梁を対象として、その各々に複数の解析条件（例えば、劣化度分布及び外力に関する条件）を与えて構造解析が実施される。構造解析には既知の構造解析ソフトウェア（例えば、株式会社フォーラムエイト製の「Engineer's Studio」など）が用いられる。構造解析の結果である損傷状態として損傷分布、損傷の度合い、及び桟橋又は橋梁上部工の総面積に対する損傷の面積割合である損傷面積率のデータが得られる。これらのデータが教師データとして用いられる。
学習装置５１における機械学習の際には、様々なサイズの桟橋又は橋梁を対象として、その各々に複数の解析条件（例えば、劣化度分布及び外力に関する条件）を与えて構造解析が実施される。構造解析には既知の構造解析ソフトウェア（例えば、株式会社フォーラムエイト製の「Engineer's Studio」など）が用いられる。構造解析の結果である損傷状態として損傷分布、損傷の度合い、及び桟橋又は橋梁上部工の総面積に対する損傷の面積割合である損傷面積率のデータが得られる。これらのデータが教師データとして用いられる。
【0048】
図４は、学習装置５１において教師データを準備する処理を例示するフローチャートである。まず、学習装置５１は、桟橋又は橋梁の梁構造における１の梁の劣化度を表す画像データ及び当該１の梁の周辺にある複数の梁（周辺梁）の劣化度を表す画像データを取得する（ステップＳ１０１）。これらの梁の劣化度を表す画像データは、桟橋又は橋梁の現場で実際の梁構造を人が観察することにより劣化度を判定した結果に基づいて作成されたものである。また、これらの梁の劣化度を表す画像データは、現場で撮影した梁の画像に基づいて劣化度を判定した結果に基づいて作成されてもよい。
【0049】
図５は、桟橋劣化度の判定基準を例示する図である（非特許文献１より引用）。この例においては、梁の側面部及び下面部のそれぞれについて基準が設けられている。側面部及び下面部のいずれについても、劣化度としてはａ、ｂ、ｃ、及びｄの四区分が定義される。劣化度ａが一番劣化の程度が重い（又は劣化の程度が高い）状態であり、劣化度ｄが一番劣化の程度が軽い又は劣化がない（又は劣化の程度が低い）状態である。梁構造は複数の梁に区分され、各梁について劣化度が判定される。判定をする人は、梁構造のうち対象となる梁の画像の下面部及び側面部を観察し、判定基準と照らし合わせてその梁の劣化度を判定する。この例において、判定をする人は、その梁の下面部の劣化度及び側面部の劣化度をそれぞれ判定し、より程度が重い劣化度を、その梁の劣化度として採用する。例えば、下面の劣化度がｃであり、２つある側面のうち一方の劣化度がｂ、他方がｄであった場合、その梁の劣化度はｂである。
【0050】
なお対象となる構造物が桟橋ではなく橋梁（例えば道路橋）であった場合、劣化度に代わり健全性という指標が用いられる。
【0051】
図６は、橋梁構造物の健全性の判定基準を例示する図である（道路橋定期点検要領「国土交通省 道路局２０１９．２」より引用）。この例において、道路橋の健全性としては、区分Ｉ、ＩＩ、ＩＩＩ、及びＩＶの四区分が定義される。区分Ｉが最も健全（又は劣化の程度が軽い）状態であり、区分ＩＶが最も劣化の程度が重い状態である。判定する人は、梁構造のうち対象となる梁を観察し、判定基準と照らし合わせてその梁の健全性を判定する。なお、図５及び図６において例示した劣化度及び健全性の判定基準はあくまで例示であり、これ以外の基準が用いられてもよい。劣化度及び健全性の区分は４つに限られず、５つ以上又は３つ以下に区分されてもよい。
【0052】
図４に戻って説明すると、劣化度を判定する人は上述のような判定基準に基づいて、梁の劣化度を判定し、それらの判定に基づいて、梁の劣化度を表す画像データが作成される。そして、ステップＳ１０１において、学習装置５１は、作成された梁の劣化度を表す画像データを取得する。
【0053】
続いて、学習装置５１は、１の梁と複数の周辺梁の各々の桟橋又は橋梁における位置を表す位置データを取得する（ステップＳ１０２）。各梁の位置データは、梁構造における各梁の座標値、梁構造における各梁につけられた通し番号、又は、梁構造における各梁の画像データを所定の順番で取得したときの前記梁構造における各梁の相関位置のいずれかである。
梁構造における各梁の座標値と各梁の相関位置について以下に説明する。各梁につけられた通し番号については後述する。
梁構造における各梁の座標値と各梁の相関位置について以下に説明する。各梁につけられた通し番号については後述する。
【0054】
以下、学習装置５１が取得する画像データについて説明する。
図７は、梁構造の取り扱いを説明する図である。図７（Ａ）は、梁構造を例示する図である。この図において、グレーの長方形が梁（又は桁）を、黒い正方形が杭を、白い長方形が床板を、それぞれ表している。実際の梁構造において梁、杭、及び床板はそれぞれ異なったサイズを有しているが、ここではデータとしての取り扱いを容易にする又は図示を容易にする目的で、これらをすべて同一サイズの正方形に規格化する。
図７は、梁構造の取り扱いを説明する図である。図７（Ａ）は、梁構造を例示する図である。この図において、グレーの長方形が梁（又は桁）を、黒い正方形が杭を、白い長方形が床板を、それぞれ表している。実際の梁構造において梁、杭、及び床板はそれぞれ異なったサイズを有しているが、ここではデータとしての取り扱いを容易にする又は図示を容易にする目的で、これらをすべて同一サイズの正方形に規格化する。
【0055】
図７（Ｂ）は、規格化された梁構造を示す。この梁構造において、図の左上の白色のマスを原点とし、紙面（あるいは表示面）上の左右方向にｘ軸、上下方向にｙ軸を設定し、紙面（あるいは表示面）上の右へ向かう方向をｘ方向、下へ向かう方向をｙ方向とする。以下、他の図におけるｘ方向、ｙ方向も本記載と同様として記載するものとし、例えば左から３番目かつ上から２番目に位置している梁を［３，２］と表す。図７（Ａ）にも、図７（Ｂ）におけるｘ方向、ｙ方向に対応する方向を示す矢印を記載している。なお、図７中において矢印で示すｘ方向、ｙ方向は、ｘ軸、ｙ軸の方向を示しているが、２本の矢印が交差する位置が座標軸の原点を示すわけではない。
【0056】
以上のように、学習装置５１は、図４のステップＳ１０２での梁の位置データを、図７（Ａ）に示すようなｘ軸、ｙ軸における［３，２］のような座標値として取得することができる。
また、学習装置５１が取得する梁の位置データは、図４のステップＳ１０１において各梁の劣化度を表す画像データを所定の順番で取得したときの、図７に示すような梁構造における各梁の相関位置であってもよい。すなわち、例えば、学習装置５１への梁の劣化度を表す画像データの入力が、図７における座標軸に沿って、座標値が［１，１］～［１，ｍ］、［２，１］～［２，ｍ］、・・・、［ｎ，１］～［ｎ，ｍ］の順に行われる場合（ｍ、ｎは自然数であり、ｍはｘ軸方向の最大値、ｎはｙ軸方向の最大値）、入力順と座標値との間の相関関係が特定できるので、入力された順番が位置データとして機能する。
また、学習装置５１が取得する梁の位置データは、図４のステップＳ１０１において各梁の劣化度を表す画像データを所定の順番で取得したときの、図７に示すような梁構造における各梁の相関位置であってもよい。すなわち、例えば、学習装置５１への梁の劣化度を表す画像データの入力が、図７における座標軸に沿って、座標値が［１，１］～［１，ｍ］、［２，１］～［２，ｍ］、・・・、［ｎ，１］～［ｎ，ｍ］の順に行われる場合（ｍ、ｎは自然数であり、ｍはｘ軸方向の最大値、ｎはｙ軸方向の最大値）、入力順と座標値との間の相関関係が特定できるので、入力された順番が位置データとして機能する。
【0057】
図８は、図７に示したような梁構造における劣化度の判定結果を例示する図であり、１つの梁とその周辺梁とによる機械学習を説明するための図である。図８（Ａ）は、図７（Ｂ）のように規格化された梁構造の各々の梁に対して、劣化度の判定結果をマッピングした図である。すなわち、図８（Ａ）は、桟橋又は橋梁の現場で各梁の劣化度を判定した結果に基づいて作成された、各梁の劣化度を表す画像データである。
以下、図７（Ｂ）に示すような、梁、杭、床板を示す規格化された正方形の各々の領域をピクセルという。図８に示す梁、杭、床板を示す正方形の各々の領域もピクセルである。
以下、図７（Ｂ）に示すような、梁、杭、床板を示す規格化された正方形の各々の領域をピクセルという。図８に示す梁、杭、床板を示す正方形の各々の領域もピクセルである。
【0058】
本実施形態において、機械学習及び予測において梁の損傷結果を出力するための手法をＮ近傍法と呼ぶ。ここで、Ｎは、ある対象ピクセルの学習及び予測のために採用する、対象ピクセルの周辺に位置するピクセルの数をいう。学習装置５１は、機械学習を行う際に、１つの梁（構造解析の対象となる梁）の周囲の２４個の梁（周辺梁）までを考慮するように設定する。
図８（Ａ）に示す領域Ｒは、中央の構造解析対象の梁と周辺梁を含んだ２４ピクセルを含む５×５の計２５ピクセルの領域を示している。すなわち、この場合、上述のＮは２４である。２５ピクセルの領域Ｒには、中央の１ピクセルの梁とその周囲にある１２ピクセルの周辺梁が含まれている。
図８（Ａ）に示す領域Ｒは、中央の構造解析対象の梁と周辺梁を含んだ２４ピクセルを含む５×５の計２５ピクセルの領域を示している。すなわち、この場合、上述のＮは２４である。２５ピクセルの領域Ｒには、中央の１ピクセルの梁とその周囲にある１２ピクセルの周辺梁が含まれている。
【0059】
図８（Ａ）に示す画像データにおいて、梁に対応する各ピクセルには、劣化度を示すａ～ｄの文字が表示されている。学習装置５１を使用するユーザは、図８（Ａ）に示す画像データの複数の位置より、領域Ｒに相当する２５ピクセルの領域を示す画像データを抽出する。
【0060】
図８（Ｂ）は、抽出された領域Ｒの画像データを示している。学習装置５１は、図８（Ｂ）に示す領域Ｒの画像データを説明変数として取得する。すなわち、図８（Ｂ）は、図４のステップＳ１０１で学習装置５１が取得する、１の梁の劣化度を表す画像データ及び当該１の梁の周辺にある複数の梁（周辺梁）の劣化度を表す画像データの例を示している。学習装置５１は、領域Ｒ内の中央の梁と周辺梁の劣化度（ａ～ｄ）を説明変数として取得する。
【0061】
図８（Ｂ）に示す領域Ｒの画像データは、１の梁と当該１の梁の周辺にある複数の周辺梁の各々の梁構造における位置を表す位置データとしても機能する。すなわち、学習装置５１は、図８（Ｂ）に示す領域Ｒの画像データを取得することにより、領域Ｒ内の中央の梁と周辺梁との位置関係を認識することができる。
【0062】
取得した領域Ｒの梁構造全体の中での位置は、図７の説明において述べたように、入力順と座標値との間の相関関係により特定できる。すなわち、学習装置５１に複数の領域Ｒの画像データが入力される際の入力された順番が、各々の領域Ｒの梁構造全体の中での位置を表す位置データとして機能する。
【0063】
また、学習装置５１は、図８（Ａ）に示す梁構造全体を示す画像データを説明変数として取得してもよい。この場合、学習装置５１は、取得した図８（Ａ）に示す画像データより、順次複数の領域Ｒの画像データを抽出していく。学習装置５１は、抽出した各々の画像データが示す領域Ｒの梁構造内での位置を、梁構造全体を示す画像データのどの位置から抽出したかによって認識できる。また、学習装置５１は、各々の領域Ｒの画像データにおいて、領域Ｒ内の中央の梁と周辺梁との位置関係を認識することができ、かつ、各々の領域Ｒ内の中央の梁と周辺梁の劣化度（ａ～ｄ）を取得することができる。
【0064】
以上のように、図８（Ａ）あるいは（Ｂ）に示す画像データは、１の梁の劣化度を表す画像データ及び当該１の梁の周辺にある複数の周辺梁の劣化度を表す画像データとして機能し、かつ、１の梁と当該１の梁の周辺にある複数の周辺梁の各々の桟橋又は橋梁における位置を表す位置データとして機能する。
【0065】
なお、上述のようにして、１の梁とその周辺梁の劣化度を表す画像データと、当該１の梁とその周辺梁の位置を表す位置データとは関連付けがなされている。このように、１の梁とその周辺梁の劣化度を表す画像データと、当該１の梁とその周辺梁の位置を表す位置データとは、何らかの手法により必ず関連付けがなされていなければならないものとする。
【0066】
図４に戻って説明すると、学習装置５１は、当該１に梁の梁構造に関するデータを取得する（ステップＳ１０３）。梁構造に関するデータとしては、桟橋又は橋梁を構成する梁の列数を含む。梁の列数とは、例えば、桟橋又は橋梁の法線方向に設けられている梁の列数を示す。なお、ステップＳ１０３の処理は実行しなくてもよく、梁構造に関するデータは、必ずしも学習装置５１における機械学習に必要ではない。
【0067】
続いて、学習装置５１は、当該１の梁の数値データを取得する（ステップＳ１０４）。梁の数値データとしては、当該１の梁の寸法、当該１の梁の両端部における杭の有無、当該１の梁を支持する杭の長さ若しくは突出長、又は当該杭の特性値のうち少なくとも１つを含む。なお、ステップＳ１０４の処理は実行しなくてもよく、梁の数値データは、必ずしも学習装置５１における機械学習に必要ではない。
【0068】
【0069】
【0070】
図９（Ａ）において、紙面（あるいは表示面）の左右方向にｘ軸、上下方向にｙ軸、紙面（あるいは表示面）に対しての垂直方向にｚ軸を設定し、紙面（あるいは表示面）上の右へ向かう方向をｘ方向、下へ向かう方向をｙ方向、紙面（あるいは表示面）に対して垂直上方へ向かう方向をｚ方向とする。なお、これらの方向は、左へ向かう方向をｘ方向としてもよいし、上へ向かう方向をｙ方向としてもよいし、垂直下方へ向かう方向をｚ方向としてもよい。また、図９（Ａ）中、ｚ方向を示す「○」の中に「・」が記載されたものは紙面（あるいは表示面）の裏から表に向かう矢印を意味している。なお、図９（Ａ）中において矢印で示すｘ方向、ｙ方向、ｚ方向は、ｘ軸、ｙ軸、ｚ軸の方向を示しているが、矢印が交差する位置が座標軸の原点を示すわけではない。
【0071】
図９（Ｂ）の表は、対象となる梁構造のサイズ（縦横それぞれの梁の数）を示す情報、及び各梁の寸法を示す情報を含む。この梁構造はｘ方向に７本、ｙ方向に５本の梁から構成される。例えば、梁番号１０１の梁は、ｘ方向の長さが４．４０ｍ、ｙ方向の長さが０．５０ｍ、ｚ方向の高さが０．５０ｍである。これらの数値は、梁の数値データを示している。なお、梁の数値データとして、ｘ方向の長さ、ｙ方向の長さの他に、ｚ方向（紙面あるいは表示面に対して垂直方向）の長さ（梁の高さ）を示す情報を加えてもよい。
【0072】
図４に戻って説明すると、学習装置５１は、対象となる梁構造に与える外力条件を取得する（ステップＳ１０５）。
【0073】
図１０は、桟橋における外力条件を例示する図である。なお、橋梁における外力条件はこれとは別に定義されてもよい（例示は省略する）。また、外力の種類についてはここに示す限りではない。この表の行は外力条件を、列は説明変数を示す。この例では、説明変数として、静的（海←陸）、静的（海→陸）、Ｌ１、Ｌ２－１、及びＬ２－２の５種が用いられる。「静的（海←陸）」は、例えば所定の船舶の牽引力を表す。「静的（海→陸）」は、例えば所定の船舶の接岸力を示す。「Ｌ１」はレベル１地震動、すなわち供用期間中に発生する確率が高い地震を示す。「Ｌ２」はレベル２地震動、すなわち供用期間中に発生する確率が低いが、大きなエネルギーを放出する地震を示し、Ｌ２－１は、タイプＩ：プレート境界型のレベル２地震動（例えば東北地方太平洋沖地震など）を示す。Ｌ２－２は、タイプＩＩ：内陸直下型のレベル２地震動（例えば兵庫県南部地震など）を示す。なお、外力条件として記載している静的（海←陸）、静的（海→陸）、については、所定の船舶の牽引力・接岸力としてだけではなく、静的な設計荷重としても作用させることで、健全な桟橋では発生するはずのない損傷が発生するかどうかを確認することが可能である。なお、外力条件のＬ１、Ｌ２に関しても、設計対象桟橋の重要度によっては設計荷重として用いられる。
【0074】
図１０の表において、各セルの値は「０」又は「１」のいずれかである。値「０」は、その外力が与えられないことを、値「１」はその外力が与えられることを、それぞれ示す。例えば、外力条件「静的（海←陸）」は、対象となる梁構造に例えば船舶の牽引力のみが与えられ、他の外力は与えられないことを示す。なおこの例では単一の種類の外力が与えられる外力条件のみが示されているが、複数種類の外力が与えられる外力条件が用いられてもよい。具体的には、例えば静的（海←陸）外力とレベル１地震動とが同時に与えられる外力条件が用いられてもよい。
【0075】
図４に戻って説明すると、学習装置５１は、ステップＳ１０１～Ｓ１０４において取得したデータが示す梁及び梁構造に対し、ステップＳ１０５において取得した外力条件により示される外力が与えられたと仮定した場合の構造解析結果を取得する。構造解析は、学習装置５１自身により行われてもよいし、学習装置５１以外の他の装置により行われてもよい。
【0076】
図８に戻って説明すると、学習装置５１は、領域Ｒ内の中央の梁の解析結果である損傷状態データを目的変数として取得する。このような目的変数を取得して機械学習することにより、周辺の梁を含めた解析対象の梁の劣化度に対する損傷結果という組み合わせで機械学習が可能である。領域Ｒの位置を順次ｘ軸方向あるいはｙ軸方向に移動させていくことにより、逐次梁構造全域にわたって梁の劣化度と解析対象の梁の損傷状態のデータを取得する。
【0077】
図８（Ｃ）は、構造解析による各梁の解析結果を例示する図である。図８（Ｃ）において、梁に対応する各ピクセルには、解析結果である損傷状態を示す１～４の文字が記載されている。「１」は終局、「２」は降伏、「３」はひび割れ、「４」は損傷なし、の各状態であることを示す。図８（Ｄ）は、領域Ｒ内の各梁と各々の損傷状態を示している。学習装置５１は、解析対象の梁である領域Ｒの中央の梁の損傷状態（図８（Ｃ）（Ｄ）では、「２」の降伏状態）を目的変数として取得する。なお、本実施形態では、損傷状態を上述の「１」～「４」の４段階に分類しているが、分類の数や内容は、これらに限定する必要はなく、適宜設定すればよい。
【0078】
学習装置５１における機械学習の方法については、例えばＣＮＮ（畳み込みニューラルネットワーク）等の手法により学習させることができる。以上により、損傷予測モデルである学習済モデルＭ１を生成することができる。
【0079】
なお、図８においては、解析対象梁とその周辺梁の領域Ｒを、５×５の計２５ピクセル（ｘ軸方向に５列、ｙ軸方向に５行）としたが、これに限定されず、３×３、７×７等であってもよい。列方向、行方向の数は、解析対象梁が領域Ｒの中央に位置するように、奇数であることが好ましい。列方向、行方向の数は、必ずしも同じ数である必要はなく、５×７等であってもよい。
【0080】
図１１は、構造解析の結果を例示する図であり、梁構造を示した画像上に構造解析の結果をマッピングした状態を示している。この例においては、構造解析の結果の損傷状態データとして、損傷の度合い、損傷度の分布、及び損傷の面積又は損傷の面積割合のデータが得られる。また、構造解析の結果は、図８（Ｃ）に示されるように、規格化された梁構造の画像上にマッピングされてもよい。このマップにおいて、全ての梁は共通のサイズを有し、梁構造の実際のサイズを示す情報を含んでいなくてもよいし、各梁が実際のサイズに応じた縮尺サイズで表示されてもよい。
【0081】
なお、損傷の面積割合とは、対象となる梁構造が有する梁の数のうち損傷を受けている梁の数の割合（あるいは損傷を受けている梁と受けていない梁の割合）、又は、対象となる梁構造が有する梁のうち、所定の損傷を有する梁全体の面積のうちの面積の割合をいう。あるいは、損傷の面積割合とは、対象となる梁構造が有する梁のうち、桟橋上部工全体の面積のうちの面積の割合をいうこととしてもよい。
【0082】
このマップにおいて、各梁の損傷の度合いは、色、ハッチング又は文字情報など、損傷の種類が分かる形態で、所定の損傷区分に基づいて表示される。図１１では色を表現できないので代わりにハッチングで区別している。例えば、ひび割れ損傷は黄色で、降伏損傷は赤で、終局損傷は黒で表される。これらの損傷が梁構造のマップ上に表示されているので、この図は損傷の範囲及び度合いを示していると言える。
【0083】
このマップが、梁の識別情報と損傷度との組を含む情報に変換される。あるいは、構造解析の結果として、図１１のマップに加えて又は代えて、梁の識別情報と損傷度との組を含む情報が出力される。
【0084】
学習装置５１は、様々な形状及びサイズを有する複数の桟橋の各々について、さらに各々の桟橋を構成する梁について、図４のステップＳ１０１～Ｓ１０６の処理を繰り返し行い、データを蓄積する。こうして蓄積されたデータが、以下で説明する学習処理において教師データとして用いられる。
【0085】
学習装置５１による学習処理では、上述の教師データにおいて、図４のステップＳ１０１で取得した梁の劣化度を表す画像データ、ステップＳ１０２で取得した位置データ、ステップＳ１０３で取得した梁構造に関するデータ、ステップＳ１０４で取得した梁の数値データ、ステップＳ１０５で取得した外力条件が説明変数であり、ステップＳ１０６において得られた構造解析結果が目的変数である。学習装置５１は、これらの教師データを自装置内あるいは外部の記憶手段に記憶する。
【0086】
２－２．学習
図１２は、機械学習モデルの学習処理を例示するフローチャートである。図１２のフローは、例えば、損傷度予測装置１の管理者又はユーザから学習の指示が与えられたことを契機として開始される。あるいは、図１２のフローは、所定量の教師データが蓄積されたことを契機として開始されてもよい。
図１２は、機械学習モデルの学習処理を例示するフローチャートである。図１２のフローは、例えば、損傷度予測装置１の管理者又はユーザから学習の指示が与えられたことを契機として開始される。あるいは、図１２のフローは、所定量の教師データが蓄積されたことを契機として開始されてもよい。
【0087】
まず、学習装置５１は、学習に用いる教師データを取得する（ステップＳ３０１）。この例において、学習装置５１は、損傷度予測装置１とは別の外部装置において準備された教師データを取得する。
【0088】
続いて、学習装置５１は、機械学習モデルに対し、教師データを与えて機械学習をさせる（ステップＳ３０２）。この教師データは、上述の入力データ及び出力データを含む。続いて、学習装置５１は、機械学習により中間層９２のパラメータが学習された機械学習モデルを、学習済モデルＭ１として記憶手段に記憶する（ステップＳ３０３）。
【0089】
そして、学習装置５１は、生成した学習済モデルＭ１を損傷度予測装置１に出力する。損傷度予測装置１は、学習済モデルＭ１を記憶手段１１に記憶する。こうして、損傷度予測装置１は学習済モデルＭ１を得る。
【0090】
２－３．予測
図１３は、損傷度予測装置１による損傷状態の予測処理を例示するシーケンスチャートである。損傷状態の予測は、ユーザからの要求に応じて行われる。
図１３は、損傷度予測装置１による損傷状態の予測処理を例示するシーケンスチャートである。損傷状態の予測は、ユーザからの要求に応じて行われる。
【0091】
図１３において、ユーザは、損傷度予測装置１において損傷度の予測を指示する。具体的には、ユーザは、対象となる構造物の梁構造について、入力データを入力する。第１の入力手段２１は、入力データとして、損傷度予測の対象となる梁（損傷度予測対象梁）の劣化度を表す画像データ、当該損傷度予測対象梁の周辺にある複数の周辺梁の劣化度を表す画像データ、当該損傷度予測対象梁と当該損傷度予測対象梁の周辺にある当該複数の周辺梁の各々の桟橋又は橋梁における位置を表す位置データの入力を受け付ける（ステップＳ４０１）。
【0092】
一例において、構造物の点検結果を入力するためのユーザインターフェースを損傷度予測装置１自身が提供する。ユーザは、構造物の各々の梁の劣化度の判定結果を参照することにより、図８（Ｂ）に示したような、各々の梁の劣化度を表した画像データを作成し、それらの画像データを損傷度予測装置１に入力する。それらの画像データは、損傷度予測対象梁の劣化度を表す画像データと、損傷度予測対象梁の周辺にある複数の周辺梁の劣化度を表す画像データとを含む。
【0093】
損傷度予測装置１は、入力される梁の劣化度を表す画像データのうち、中心にある梁を損傷度予測対象梁として取り扱い、損傷度予測対象梁の周辺にある複数の梁を周辺梁として取り扱う。すなわち、学習装置５１による学習処理（学習済モデルＭ１の生成）の際に、説明変数の対象とされた範囲と同様の範囲（例えば、図８（Ｂ）に示すような５×５の範囲のピクセル）のうち、中心の１つの梁を損傷度予測対象の梁とし、その周辺の２４個の梁を周辺梁と判断して画像データを取り扱う。
【0094】
損傷度予測対象梁と損傷度予測対象梁の周辺にある複数の周辺梁の各々の桟橋又は橋梁における位置を表す位置データは、学習装置５１による学習処理において説明した内容と同様に、梁構造における各梁の座標値、梁構造における各梁につけられた通し番号、又は、梁構造における各領域の梁の劣化度を表す画像データを所定の順番で取得したときの前記梁構造における各領域の相関位置のいずれかとすればよい。
【0095】
あるいは、損傷度予測装置１は、図８（Ａ）に示すような梁構造全体を示す画像データを入力してもよい。この場合、損傷度予測装置１の第１の入力手段２１は、取得した図８（Ａ）に示す画像データより、順次複数の領域Ｒの画像データを抽出していく。第１の入力手段２１は、抽出した各々の画像データが示す領域Ｒの梁構造内での位置を、梁構造全体を示す画像データのどの位置から抽出したかによって認識できる。また、第１の入力手段２１は、各々の領域Ｒの画像データにおいて、領域Ｒ内の中央の梁と周辺梁との位置関係を認識することができ、かつ、各々の領域Ｒ内の中央の梁と周辺梁の劣化度（ａ～ｄ）を取得することができる。
【0096】
以上のように、図８（Ａ）あるいは（Ｂ）に示す画像データは、損傷度予測対象梁の劣化度を表す画像データ及び当該損傷度予測対象梁の周辺にある複数の周辺梁の劣化度を表す画像データとして機能し、かつ、損傷度予測対象梁と当該損傷度予測対象梁の周辺にある複数の周辺梁の各々の桟橋又は橋梁における位置を表す位置データとして機能する。
【0097】
なお、上述のようにして、損傷度予測対象梁とその周辺梁の劣化度を表す画像データと、当該損傷度予測対象梁とその周辺梁の位置を表す位置データとは関連付けがなされている。このように、損傷度予測対象梁とその周辺梁の劣化度を表す画像データと、当該損傷度予測対象梁とその周辺梁の位置を表す位置データとは、何らかの手法により必ず関連付けがなされていなければならないものとする。
【0098】
続いて、第１の入力手段２１は、損傷度予測対象梁の損傷状態を示す第１の損傷状態データを出力する要求を生成する（ステップＳ４０２）。この要求は、ステップＳ４０１において入力、取得、又は指定された入力データを含む。続いて、第１の入力手段２１は、記憶手段１１に対して損傷度予測対象梁の損傷状態データを要求する（ステップＳ４０３）。なお、この例において、第１の入力手段２１は、入力を受け付けた入力データを実質的に学習済モデルＭ１の画像ＡＩ４１に入力していると言える。
【0099】
続いて、記憶手段１１は、損傷度予測対象梁の損傷状態データを出力する要求を受け付ける（ステップＳ４０４）。記憶手段１１は、受け付けた要求に含まれる入力データを学習済モデルＭ１の画像ＡＩ４１に入力する（ステップＳ４０５）。画像ＡＩ４１は、入力された入力データに応じた処理を行い、損傷度予測対象梁の損傷状態データ（第１の損傷状態データ）を出力する（ステップＳ４０６）。損傷度予測対象梁の第１の損傷状態データは、図８（Ｃ）あるいは図１１で例示した、教師データとして用いられた、梁構造の画像上にマッピングされた損傷分布のマップと同じ形式のデータである。
【0100】
続いて、第２の入力手段２２は、入力データとして、損傷度予測対象梁の梁構造に関するデータ、損傷度予測対象梁の数値データ、損傷度予測対象梁を含む桟橋又は橋梁に及ぼす外力条件の入力を受け付ける（ステップＳ４０７）。これらの入力データは、ユーザによって入力される。これらの入力は、ステップＳ４０１での入力データの入力とともにまとめて入力されてもよい。
【0101】
続いて、第２の入力手段２２は、損傷度予測対象梁の損傷状態を示す第２の損傷状態データを出力する要求を生成する（ステップＳ４０８）。この要求は、ステップＳ４０７において入力された入力データを含む。続いて、第２の入力手段２２は、記憶手段１１に対して損傷度予測対象梁の損傷状態データを要求する（ステップＳ４０９）。なお、この例において、第２の入力手段２２は、入力を受け付けた入力データを実質的に学習済モデルＭ１のデータＡＩ４２に入力していると言える。
【0102】
続いて、記憶手段１１は、損傷度予測対象梁の損傷状態データを出力する要求を受け付ける（ステップＳ４１０）。記憶手段１１は、受け付けた要求に含まれる入力データと、ステップＳ４０６の処理により画像ＡＩ４１から出力された損傷状態データ（第１の損傷状態データ）とを学習済モデルＭ１のデータＡＩ４２に入力する（ステップＳ４１１）。データＡＩ４２は、入力された入力データ（データＡＩ４２からの出力を含む）に応じた処理を行い、出力結果すなわち損傷度予測対象梁の損傷状態データ（第２の損傷状態データ）を出力する（ステップＳ４１２）。損傷度予測対象梁の第２の損傷状態データは、図８（Ｃ）あるいは図１１で例示した、教師データとして用いられた、梁構造の画像上にマッピングされた損傷分布のマップと同じ形式のデータである。
【0103】
続いて、記憶手段１１は、データＡＩ４２から出力された出力結果である第２の損傷状態データを取得し、出力手段３１に出力する（ステップＳ４１３）。出力手段３１は、出力結果である第２の損傷状態データを入力し、入力した出力結果に応じて、予測される損傷状態を示す情報を出力する（ステップＳ４１４）。出力手段３１は、学習済モデルＭ１のデータＡＩ４２から出力された情報をそのままユーザ（要求の送信元の装置）に対し出力してもよいし、データＡＩ４２から出力された情報に対し何らかの加工がされた後で出力してもよい。
【0104】
図１４は、出力手段３１から出力される、予測される損傷状態を示す情報を例示する図である。この例では、各梁の損傷度（すなわち損傷の度合い）が複数に区分（すなわち損傷区分）され、各区分が視覚的に（例えば異なる色で）表現される。ここで用いられる区分は図１１において例示されたものと共通であり、例えば、ひび割れ損傷は黄色で、降伏損傷は赤で、終局損傷は黒で表される。また、図５において表示した劣化度や図６において表示した健全性に応じた色別表示としてもよい。
【0105】
また、出力手段３１から出力される情報には、損傷の面積又は損傷の面積割合が含まれる。ここで損傷の面積割合とは、対象となる梁構造が有する梁の数のうち損傷を受けている梁の数の割合（あるいは損傷を受けている梁と受けていない梁の割合）、又は、対象となる梁構造が有する梁のうち、所定の損傷を有する梁全体の面積のうちの面積の割合をいう。後者の場合、例えば対象となる梁構造における梁の総面積が５，０００ｍ２である場合において、少なくとも一部にひび割れ損傷がある梁の総面積が３，０００ｍ２であったときは、ひび割れ面積率は６０％である。
なお、損傷の面積割合とは、対象となる梁構造が有する梁のうち、桟橋上部工全体の面積のうちの面積の割合をいうこととしてもよい。
なお、損傷の面積割合とは、対象となる梁構造が有する梁のうち、桟橋上部工全体の面積のうちの面積の割合をいうこととしてもよい。
【0106】
なお、予測される損傷状態を示す情報の形式は図１４の例に限定されない。損傷状態を示す情報は、損傷の範囲、損傷の度合い、及び損傷の割合の少なくとも一つ以上の情報を含んでいればよい。例えば、出力手段３１は、損傷の区分を区別せず、損傷の有無を２値（すなわち損傷あり／損傷無し）で表してもよい。あるいは、出力手段３１は、損傷状態をマップで出力せず、損傷の割合のみを出力してもよい。
【0107】
以上のように、本実施形態の損傷度予測装置１によれば、入力データとして梁の劣化度を表す画像データを与えても適切な出力結果を出力することができるため、梁の劣化状態を数値データに変換して入力する必要がなく、入力処理を迅速に行うことができる。従って、予測結果を迅速に得ることができる。
【0108】
また、損傷度予測装置１によれば、構造解析を用いて生成した学習済モデルを記憶しておくことにより、予測時は、劣化度判定結果（ａ～ｄ）と梁の位置情報とから、構造解析を実施することなく、学習済モデルを用いて梁の損傷状態を予測（あるいは評価）することができ、予測結果を迅速に得ることができる。
また、Ｎ近傍法により、解析対象梁の劣化情報のみならず周辺梁の劣化状況も含んだ特徴量として取り扱うため、予測精度の高い損傷結果を空間的に定量的に得ることができる。
また、Ｎ近傍法により、解析対象梁の劣化情報のみならず周辺梁の劣化状況も含んだ特徴量として取り扱うため、予測精度の高い損傷結果を空間的に定量的に得ることができる。
【0109】
また、梁の劣化度情報を画像データとして取り込むことができるため、空間的な梁の位置情報の条件を付与する必要がない。
また、損傷度予測装置１によれば、複数の桟橋の損傷状態を取得して、損傷状態の把握をしようとした場合には，よりその労力と時間を大幅に短縮することができる。例えば、損傷度予測装置１により、複数の桟橋の残存耐力を評価した後，損傷の著しいものだけより詳細な構造解析を実施して具体的な損傷箇所を把握するというような運用をすることにより、損傷度予測装置１を一次スクリーニング機能として活用することも可能である。
また、損傷度予測装置１によれば、複数の桟橋の損傷状態を取得して、損傷状態の把握をしようとした場合には，よりその労力と時間を大幅に短縮することができる。例えば、損傷度予測装置１により、複数の桟橋の残存耐力を評価した後，損傷の著しいものだけより詳細な構造解析を実施して具体的な損傷箇所を把握するというような運用をすることにより、損傷度予測装置１を一次スクリーニング機能として活用することも可能である。
【0110】
また、損傷度予測装置１によれば、様々な外力（クレーン作業荷重、接岸力、牽引力、レベル１地震動、レベル２地震動等）に応じた出力を得ることが可能である．
また、損傷度予測装置１によれば、桟橋だけでなく橋梁においても、例えば道路橋健全性判定区分を利用することで損傷状態を予測することが可能である。
また、損傷度予測装置１によれば、桟橋だけでなく橋梁においても、例えば道路橋健全性判定区分を利用することで損傷状態を予測することが可能である。
【0111】
また、損傷度予測装置１によれば、以下に説明するような上述の特許文献１に記載の技術（以下、「先行技術」という）の問題点を解決することができる。
図１５は、先行技術の問題点を説明するための図である。この先行技術は、桟橋の形状および劣化度の判定結果と、構造解析で得られた損傷結果を画像情報として学習し、未知の桟橋の劣化度判定結果から損傷結果を予測できる技術である。
図１５は、先行技術の問題点を説明するための図である。この先行技術は、桟橋の形状および劣化度の判定結果と、構造解析で得られた損傷結果を画像情報として学習し、未知の桟橋の劣化度判定結果から損傷結果を予測できる技術である。
【0112】
しかしながら、未知の桟橋の形状（学習したことのない桟橋形状）に対して予測を行う場合、桟橋の形状を誤認識してしまうことがある。
図１５（Ａ）は、予測対象である桟橋の実際の形状（すなわち、正しい形状）を示した図であり、桟橋全体の形状に構造解析の結果による損傷結果の情報を記している。このような桟橋の形状が学習済モデルにとって未知である場合、図１５（Ａ）に示す形状の図を学習済モデルに入力して予測をさせると、学習済の桟橋形状の中から梁の列数等の近いものを誤って出力してしまう可能性がある。
図１５（Ａ）は、予測対象である桟橋の実際の形状（すなわち、正しい形状）を示した図であり、桟橋全体の形状に構造解析の結果による損傷結果の情報を記している。このような桟橋の形状が学習済モデルにとって未知である場合、図１５（Ａ）に示す形状の図を学習済モデルに入力して予測をさせると、学習済の桟橋形状の中から梁の列数等の近いものを誤って出力してしまう可能性がある。
【0113】
例えば、図１５（Ｂ）は、学習済モデルによって出力された予測結果を示している。図１５（Ａ）とは、形状の異なる桟橋のデータを出力した結果となっている。形状が誤っているため、損傷の予測も誤ったものとなってしまうことになる。
【0114】
本実施形態の損傷度予測装置１によれば、桟橋形状の全体を示す図を機械学習の説明変数及び予測時の入力データとして取り込むのではなく、全体の形状の画像から一部を切り取った画像を順次取り込むので、予測において、桟橋の形状を誤認識することはない。
【0115】
３．変形例
本発明は上述の実施形態に限定されるものではなく、種々の変形実施が可能である。以下、変形例をいくつか説明する。以下の変形例に記載された事項のうち２つ以上のものが組み合わせて用いられてもよい。
本発明は上述の実施形態に限定されるものではなく、種々の変形実施が可能である。以下、変形例をいくつか説明する。以下の変形例に記載された事項のうち２つ以上のものが組み合わせて用いられてもよい。
【0116】
３－１．梁の劣化度を表す画像データ、梁の位置データ、外力条件のみによる損傷度の予測を行う損傷度予測装置
上述の実施形態においては、学習装置５１による機械学習の際の説明変数は、（１）桟橋又は橋梁の梁構造における１の梁の劣化度を表す画像データ、（２）当該１の梁の周辺に位置する複数の周辺梁の劣化度を表す画像データ、（３）当該１の梁と当該複数の周辺梁の各々の当該桟橋又は橋梁の梁構造における位置を表す位置データ、（４）梁構造に関するデータ、（５）当該１の梁を含む構造物に及ぼす外力条件、及び（６）当該１の梁の数値データ、としたが、これに限定されず、例えば、上述の（１）（２）（３）（５）のみを説明変数としてもよい。そして、損傷度予測時の入力データを、桟橋又は橋梁の梁構造における損傷度予測対象梁の劣化度を表す画像データ及び当該損傷度予測対象梁の周辺にある複数の周辺梁の劣化度を表す画像データと、当該損傷度予測対象梁と当該損傷度予測対象梁の周辺にある当該複数の周辺梁の各々の当該梁構造における位置を表す位置データと、当該桟橋又は橋梁に及ぼす外力条件を表す画像データとしてもよい。
上述の実施形態においては、学習装置５１による機械学習の際の説明変数は、（１）桟橋又は橋梁の梁構造における１の梁の劣化度を表す画像データ、（２）当該１の梁の周辺に位置する複数の周辺梁の劣化度を表す画像データ、（３）当該１の梁と当該複数の周辺梁の各々の当該桟橋又は橋梁の梁構造における位置を表す位置データ、（４）梁構造に関するデータ、（５）当該１の梁を含む構造物に及ぼす外力条件、及び（６）当該１の梁の数値データ、としたが、これに限定されず、例えば、上述の（１）（２）（３）（５）のみを説明変数としてもよい。そして、損傷度予測時の入力データを、桟橋又は橋梁の梁構造における損傷度予測対象梁の劣化度を表す画像データ及び当該損傷度予測対象梁の周辺にある複数の周辺梁の劣化度を表す画像データと、当該損傷度予測対象梁と当該損傷度予測対象梁の周辺にある当該複数の周辺梁の各々の当該梁構造における位置を表す位置データと、当該桟橋又は橋梁に及ぼす外力条件を表す画像データとしてもよい。
【0117】
図１６は、変形例に係る損傷度予測装置１Ａの機能構成を例示するブロック図である。損傷度予測装置１Ａは、記憶手段１２、入力手段２３、出力手段３２を備えている。記憶手段１２は、上述の実施形態の記憶手段１１と同等の機能を有しており、学習済モデルＭ２が記憶される。
【0118】
学習済モデルＭ２の構築に際して、教師データは、説明変数として、上述の（１）（２）（３）（５）を含み、目的変数として、梁構造の構造解析によって得られた当該１の梁の損傷状態を示す損傷状態データを含む。学習済モデルＭ２は、学習装置５２により生成される。
【0119】
損傷度予測装置１Ａのハードウェア構成は、図２の例示した損傷度予測装置１のハードウェア構成と同様である。ＣＰＵ１０１がクライアントプログラムを実行している状態において、メモリ１０２及びストレージ１０３の少なくとも一方が記憶手段１２の一例であり、入力装置１０４が入力手段２３の一例であり、表示装置１０５が出力手段３２の一例である。
【0120】
記憶手段１２は、種々のデータ及びプログラムを記憶し、記憶されるデータには学習済モデルＭ２が含まれる。学習済モデルＭ２は、上述の実施形態の学習済モデルＭ１と同様に、教師データを与えて機械学習をさせた機械学習モデルである。
【0121】
図１７は、学習装置５２において教師データを準備する処理を例示するフローチャートである。まず、学習装置５２は、桟橋又は橋梁の梁構造における１の梁の劣化度を表す画像データ及び当該１の梁の周辺にある複数の梁（周辺梁）の劣化度を表す画像データを取得する（ステップＳ５０１）。この処理は、上述の実施形態における図４のステップＳ１０１の処理と同様である。続いて、学習装置５２は、１の梁と複数の周辺梁の各々の桟橋又は橋梁における位置を表す各梁の位置データを取得する（ステップＳ５０２）。この処理は、上述の実施形態における図４のステップＳ１０２の処理と同様である。
【0122】
続いて、学習装置５２は、対象となる梁構造に与える外力条件を表す画像データを取得する（ステップＳ５０３）。外力条件のデータを取得するのは、上述の実施形態における図４のステップＳ１０５と同様であるが、上述の実施形態では、外力条件のデータを文字あるいは数値の形式のデータとして取得したのに対して、本変形例では、画像データとして取得する点が異なる。
【0123】
図１８は、本変形例で学習装置５２が取得する外力条件を表す画像データを例示する図である。外力条件を表す画像データとしては、図１０で例示した外力の種別毎に、種別を識別できるような画像を作成すればよい。そして、作成した画像の画像データを学習装置５２に読み込ませればよい。
【0124】
図１８（Ａ）は、レベル１地震動の外力条件を表す画像の一例であり、「Ｌ１」という文字を描いた画像を示している。図１８（Ｂ）は、レベル２地震動のタイプＩの外力条件を表す画像の一例であり、「Ｌ２－１」という文字を描いた画像を示している。例えば、これらの画像を示す画像データを学習装置５２に読み込ませることにより、学習装置５２は、取得した画像データに基づいて外力条件を認識することができる。桟橋又は橋梁の梁構造における１の梁の劣化度を表す画像データ及び当該１の梁の周辺にある複数の梁（周辺梁）の劣化度を表す画像データの中に、外力条件を表す画像を直接組み込んでもよい。
【0125】
なお、図１８に示した画像は一例であり、画像の形式はこれらに限定されることはなく、外力の種別を認識できるのであれば、どのような形式、内容の画像であってもよい。例えば、文字ではなく、図形を描くことにより外力の種別を認識可能としてもよいし、色彩によって外力の種別を認識可能としてもよい。
【0126】
続いて、学習装置５２は、構造解析による梁の解析結果である梁の損傷状態データを目的変数として取得する処理を行う（ステップＳ５０４）。すなわち、上述の実施形態と異なり、本変形例では、図４のステップＳ１０３、Ｓ１０４の説明変数の取得処理は行わない。
【0127】
図４のステップＳ１０６と同様に、取得する目的変数である構造解析による梁の解析結果である梁の損傷状態データは、上述の実施形態と同様に、例えば、図８（Ｃ）あるいは図１１で例示した、梁構造の画像上にマッピングされた損傷分布のマップのデータである。
以上のような教師データを取得することにより、学習装置５２は、学習済モデルＭ２を生成することができる。
以上のような教師データを取得することにより、学習装置５２は、学習済モデルＭ２を生成することができる。
【0128】
次に、損傷度予測装置１Ａによる損傷状態の予測処理について説明する。図１９は、本変形例の損傷度予測装置１Ａによる損傷状態の予測処理を例示するシーケンスチャートである。損傷状態の予測は、ユーザからの要求に応じて行われる。
【0129】
図１９において、ユーザは、損傷度予測装置１Ａにおいて損傷度の予測を指示する。具体的には、ユーザは、入力データ（損傷度予測対象梁の劣化度を表す画像データ、当該損傷度予測対象梁の周辺にある複数の周辺梁の劣化度を表す画像データ、当該損傷度予測対象梁と当該損傷度予測対象梁の周辺にある当該複数の周辺梁の各々の当該梁構造における位置を表す位置データ、当該桟橋又は橋梁に及ぼす外力条件を表す画像データ）を入力することにより損傷度の予測を指示する（ステップＳ６０１）。
【0130】
続いて、入力手段２３は、損傷度予測対象梁の損傷状態を示す損傷状態データを出力する要求を生成する（ステップＳ６０２）。この要求は、ステップＳ６０１における入力データを含む。続いて、入力手段２３は、記憶手段１２に対して損傷度予測対象梁の損傷状態データを要求する（ステップＳ６０３）。なお、この例において、入力手段２３は、入力を受け付けた入力データを実質的に学習済モデルＭ２に入力していると言える。
【0131】
続いて、記憶手段１２は、損傷度予測対象梁の損傷状態データを出力する要求を受け付ける（ステップＳ６０４）。記憶手段１２は、受け付けた要求に含まれる入力データを学習済モデルＭ２に入力する（ステップＳ６０５）。学習済モデルＭ２は、入力された入力データに応じた処理を行い、損傷度予測対象梁の損傷状態データを出力する（ステップＳ６０６）。損傷度予測対象梁の損傷状態データは、図８（Ｃ）あるいは図１１で例示した、教師データとして用いられた、梁構造の画像上にマッピングされた損傷分布のマップと同じ形式のデータである。
【0132】
続いて、記憶手段１２は、学習済モデルＭ２から出力された出力結果である損傷状態データを取得し、出力手段３２に出力する（ステップＳ６０７）。出力手段３２は、出力結果である損傷状態データを入力し、入力した出力結果に応じて、予測される損傷状態を示す情報を出力する（ステップＳ６０８）。出力手段３２は、学習済モデルＭ２から出力された情報をそのままユーザ（要求の送信元の装置）に対し出力してもよいし、学習済モデルＭ２から出力された情報に対し何らかの加工がされた後で出力してもよい。出力手段３２から出力される情報は、上述の実施形態と同様に、例えば、図１４に示されるような情報である。
【0133】
３－２．学習済モデルによる処理を画像ＡＩとデータＡＩとに分けない損傷予測装置
上述の実施形態においては、損傷度予測装置１で用いる学習済モデルＭ１は、画像ＡＩ４１とデータＡＩ４２とを用いて損傷度予測の処理を行うものとしたが、このように複数のＡＩに分けて処理を行う学習済モデルを用いることに限定されない。
図２０は、変形例に係る損傷度予測装置１Ｂの機能構成を例示するブロック図である。図２０において、損傷度予測装置１Ｂは、記憶手段１３、入力手段２４、出力手段３３を有する。
上述の実施形態においては、損傷度予測装置１で用いる学習済モデルＭ１は、画像ＡＩ４１とデータＡＩ４２とを用いて損傷度予測の処理を行うものとしたが、このように複数のＡＩに分けて処理を行う学習済モデルを用いることに限定されない。
図２０は、変形例に係る損傷度予測装置１Ｂの機能構成を例示するブロック図である。図２０において、損傷度予測装置１Ｂは、記憶手段１３、入力手段２４、出力手段３３を有する。
【0134】
損傷度予測装置１Ｂのハードウェア構成は、図２の例示した損傷度予測装置１のハードウェア構成と同様である。ＣＰＵ１０１がクライアントプログラムを実行している状態において、メモリ１０２及びストレージ１０３の少なくとも一方が記憶手段１３の一例であり、入力装置１０４が入力手段２４の一例であり、表示装置１０５が出力手段３３の一例である。
【0135】
記憶手段１３は、種々のデータ及びプログラムを記憶し、記憶されるデータには学習済モデルＭ３が含まれる。学習済モデルＭ３は、上述の実施形態の学習済モデルＭ１と同様に、教師データを与えて機械学習をさせた機械学習モデルである。
【0136】
学習済モデルＭ３に与える教師データは、説明変数として（１）桟橋又は橋梁の梁構造における１の梁の劣化度を表す画像データ、（２）当該１の梁の周辺に位置する複数の周辺梁の劣化度を表す画像データ、（３）当該１の梁と当該複数の周辺梁の各々の当該桟橋又は橋梁における位置を表す位置データ、（４）当該梁構造に関するデータ、（５）当該１の梁を含む桟橋又は橋梁に及ぼす外力条件、及び（６）当該梁構造における当該１の梁の数値データを少なくとも含む。また、この教師データは、目的変数として当該梁構造の構造解析結果から得られた当該１の梁の損傷状態を示すデータを少なくとも含む。この教師データは、少なくとも１つの桟橋又は橋梁に関するデータである。学習済モデルＭ３は、学習装置５３により生成される。
【0137】
学習装置５３は、上述の実施形態の学習装置５１と同様にして、上述の（１）～（６）及び梁の損傷状態を示すデータを教師データとして取得して機械学習を行い、学習済モデルＭ３を生成する。ここでの機械学習は、上述の実施形態において、学習装置５１において教師データを準備する処理は、図４のフローチャートと同様であり、図８で示した方法と同様な方法で学習を行う。すなわち、梁の損傷状態を、周辺梁を含めた領域内での各々の梁の劣化度に対する損傷結果という組み合わせで機械学習を行う。さらに、梁構造に関するデータ、梁の数値データ、桟橋又は橋梁に及ぼす外力条件と、損傷結果という組み合わせで機械学習を行う。
【0138】
損傷度予測装置１Ｂによる損傷状態の予測処理は、ユーザからの要求に応じて以下のように行われる。予測処理のフローは、上述の変形例における図１９の入力手段２３を入力手段２４に、記憶手段１２を記憶手段１３に、出力手段３２を出力手段３３に置き換えると図１９と類似するので、図１９を参照しながら説明する。
ユーザは、損傷度予測装置１Ｂにおいて損傷度の予測を指示する（図１９のステップＳ６０１）。具体的には、ユーザは、対象となる構造物の梁構造について、入力データを入力する。入力手段２４は、入力データとして、損傷度予測対象梁の劣化度を表す画像データ、当該損傷度予測対象梁の周辺にある複数の周辺梁の劣化度を表す画像データ、当該損傷度予測対象梁と当該損傷度予測対象梁の周辺にある当該複数の周辺梁の各々の当該梁構造における位置を表す位置データ、当該損傷度予測対象梁の梁構造に関するデータ、損傷度予測対象梁の数値データ、損傷度予測対象梁を含む桟橋又は橋梁に及ぼす外力条件の入力を受け付ける。入力データは、上述の実施形態における第１の入力手段２１、第２の入力手段２２で入力するデータと同様である。
ユーザは、損傷度予測装置１Ｂにおいて損傷度の予測を指示する（図１９のステップＳ６０１）。具体的には、ユーザは、対象となる構造物の梁構造について、入力データを入力する。入力手段２４は、入力データとして、損傷度予測対象梁の劣化度を表す画像データ、当該損傷度予測対象梁の周辺にある複数の周辺梁の劣化度を表す画像データ、当該損傷度予測対象梁と当該損傷度予測対象梁の周辺にある当該複数の周辺梁の各々の当該梁構造における位置を表す位置データ、当該損傷度予測対象梁の梁構造に関するデータ、損傷度予測対象梁の数値データ、損傷度予測対象梁を含む桟橋又は橋梁に及ぼす外力条件の入力を受け付ける。入力データは、上述の実施形態における第１の入力手段２１、第２の入力手段２２で入力するデータと同様である。
【0139】
続いて、入力手段２４は、損傷度予測対象梁の損傷状態を示す損傷状態データを出力する要求を生成し（図１９のステップＳ６０２）、記憶手段１３に対して要求（入力した入力データを含む）を出力する（図１９のステップＳ６０３）。記憶手段１３は、要求を受け付け（図１９のステップＳ６０４）、要求とともに入力した入力データを学習済モデルＭ３に入力する（図１９のステップＳ６０５）。
【0140】
学習済モデルＭ３は、入力された入力データに応じた処理を行い、損傷度予測対象梁の損傷状態データを出力する（図１９のステップＳ６０６）。損傷度予測対象梁の損傷状態データは、図８（Ｃ）、図１１で例示した、教師データとして用いられた、梁構造の画像上にマッピングされた損傷分布のマップと同じ形式のデータである。続いて、記憶手段１３は、学習済モデルＭ３から出力された出力結果である損傷状態データを取得し、取得した出力結果を出力手段３３に出力する（図１９のステップＳ６０７）。出力手段３３は、出力結果である損傷状態データを入力し、入力した損傷状態データに応じて、予測される損傷状態を示す情報を出力する（図１９のステップＳ６０８）。出力手段３３から出力される、予測される損傷状態を示す情報は、上述の実施形態の図１４で例示した内容と同様のものである。
【0141】
３－３．確率モデルを用いた損傷予測装置
上述の実施形態において、損傷予測装置は、所定の確率モデルを用いて将来の劣化度又は健全性を予測する将来予測手段を備えるものとしてもよい。
上述の実施形態において、損傷予測装置は、所定の確率モデルを用いて将来の劣化度又は健全性を予測する将来予測手段を備えるものとしてもよい。
【0142】
図２１は、変形例に係る損傷度予測装置の機能構成を例示するブロック図であり、図１に例示した実施形態のブロック図に、将来予測手段６１を付加した構成の損傷度予測装置１Ｃを示している。図２１において、記憶手段１１、第１の入力手段２１、第２の入力手段２２、出力手段３１、学習装置５１は、図１に示したものと同様のものである。ただし、第１の入力手段２１には、上述の実施形態での入力データ以外に、時刻データが入力される。時刻データは、現在時刻及び予測の対象となる将来時刻のデータである。
【0143】
将来予測手段６１は、確率モデルＭ４を有しており、確率モデルＭ４に従い、梁の将来の時点における劣化度を予測する。確率モデルＭ４は、過去の状態推移に基づく確率により将来の状態推移を推定するモデルであり、一例としてはマルコフ連鎖モデルである。予測は、学習済モデルＭ１と確率モデルＭ４とを組み合わせて行われる。
【0144】
第１の入力手段２１、第２の入力手段２２は、図１の損傷度予測装置１の場合と同様の入力データを入力する。第１の入力手段２１は、さらに、ユーザにより入力される現在時刻及び予測の対象となる将来時刻のデータである時刻データを入力する。
【0145】
将来予測手段６１は、第１の入力手段２１、第２の入力手段２２により入力されたデータを受け付け、時刻データが示す将来時刻における損傷度予測対象梁の劣化度を予測し、予測された将来の劣化度に応じた劣化度データを記憶手段１１の学習済モデルＭ１に出力する。予測された将来の劣化度に応じた劣化度データは、学習済モデルＭ１の画像ＡＩ４１に入力され、画像ＡＩ４１は、将来予測手段６１からの劣化度データと第１の入力手段２１から記憶手段１１が入力した入力データに応じて、出力結果である損傷度予測対象梁の損傷状態に関する損傷状態データ（第１の損傷状態データ）を出力する。
【0146】
そして、その第１の損傷状態データがデータＡＩ４２に入力される。学習済モデルＭ１のデータＡＩ４２は、第２の入力手段２２から入力した記憶手段１１が入力データと画像ＡＩ４１から入力される第１の損傷状態データに応じた処理を行い、出力結果すなわち損傷度予測対象梁の損傷状態データ（第２の損傷状態データ）を出力する。損傷度予測対象梁の第２の損傷状態データは、図８（Ｃ）あるいは図１１で例示した、教師データとして用いられた、梁構造の画像上にマッピングされた損傷分布のマップと同じ形式のデータであり、入力された将来時刻における損傷状態を示すものとなる。
【0147】
なお、図２１では、時刻データは、第１の入力手段２１に入力するものとしているが、第２の入力手段２２に入力するものとしてもよい。この場合、時刻データは、第２の入力手段２２を介して将来予測手段６１に入力される。
【0148】
また、図２１では、将来予測手段６１から出力される予測された将来の劣化度に応じた劣化度データは、記憶手段１１の画像ＡＩ４１に入力されるものとしたが、データＡＩ４２に入力されるものとしてもよい。また、将来予測手段６１により予測された将来の劣化度に応じた劣化度データを、記憶手段１１の画像ＡＩ４１、データＡＩ４２の両方に入力するものとしてもよい。
【0149】
３－４．確率モデルを用い、かつ、梁の劣化度を表す画像データ、梁の位置データ、外力条件のみによる損傷度の予測を行う損傷予測装置
上述の図２０で例示した変形例において、損傷予測装置は、所定の確率モデルを用いて将来の劣化度又は健全性を予測する将来予測手段を備えるものとしてもよい。
上述の図２０で例示した変形例において、損傷予測装置は、所定の確率モデルを用いて将来の劣化度又は健全性を予測する将来予測手段を備えるものとしてもよい。
【0150】
図２２は、変形例に係る損傷度予測装置の機能構成を例示するブロック図であり、図２０に例示した変形例のブロック図に、将来予測手段６１を付加した構成の損傷度予測装置１Ｄを示している。図２２において、記憶手段１３、出力手段３３、学習装置５３は、図２０に示したものと同様のものである。
【0151】
将来予測手段６１は、図２１の例示した変形例に示したものと同様のものであり、確率モデルＭ４を有しており、確率モデルＭ４に従い、梁の将来の時点における劣化度を予測する。確率モデルＭ４は、過去の状態推移に基づく確率により将来の状態推移を推定するモデルであり、一例としてはマルコフ連鎖モデルである。予測は、学習済モデルＭ３と確率モデルＭ４とを組み合わせて行われる。
【0152】
入力手段２４は、図２０に示したものと同様の入力データを入力するとともに、さらに、ユーザにより入力される現在時刻及び予測の対象となる将来時刻のデータである時刻データを入力する。将来予測手段６１は、入力手段２４により入力されたデータを受け付け、将来時刻における損傷度予測対象梁の劣化度を予測し、予測された将来の劣化度に応じた劣化度データを記憶手段１３の学習済モデルＭ３に出力する。学習済モデルＭ３は、将来予測手段６１からの劣化度データと入力手段２５から記憶手段１３が入力した入力データに応じて、出力結果である損傷度予測対象梁の損傷状態に関する損傷状態データを出力する。損傷状態データは、出力手段３３から出力される。損傷状態データは、図８（Ｃ）あるいは図１１で例示した、梁構造の画像上にマッピングされた損傷分布のマップと同じ形式のデータであり、入力された将来時刻における損傷状態を示すものとなる。
【0153】
３－５．説明変数
学習における教師データである説明変数又は予測における入力データは実施形態において例示したものに限定されない。説明変数又は入力データは、例えば、以下の（ア）～（カ）のうち少なくとも１種を含んでもよい。
（ア）桟橋の法線に直交する梁の列の数。
（イ）杭の特性値β［ｍ－１］。
なお、特性値βは、例えば以下の式（１）（「(公社)日本港湾協会：港湾の施設の技術上の基準・同解説（中巻）、pp.704-705、平成30年」から引用）、又は式（２）（「(公社)日本道路協会：道路橋示方書・同解説 IV下部構造編、pp.259-260、平成29年」から引用）で定義される。
ここで、Ｂは杭幅［ｍ］、ＫＣＨは横方向地盤反力係数［ｋＮｍ－３］、ＥＩは杭の曲げ剛性［ｋＮｍ-２］である。
ここで、Ｄは杭の直径［ｍ］、ｋＨは水平方向地盤反力係数［ｋＮｍ－３］、ＥＩは杭の曲げ剛性［ｋＮｍ-２］である。
（ウ）その梁が端部に位置するという情報。
（エ）端部の梁の接合（片接合か両接合か）という情報。
（オ）梁の位置を示す無次元距離。
（カ）杭の突出長又は長さ。
なお、上述の各変数、係数の単位は一例であって、これらに限定されるものではない。
学習における教師データである説明変数又は予測における入力データは実施形態において例示したものに限定されない。説明変数又は入力データは、例えば、以下の（ア）～（カ）のうち少なくとも１種を含んでもよい。
（ア）桟橋の法線に直交する梁の列の数。
（イ）杭の特性値β［ｍ－１］。
なお、特性値βは、例えば以下の式（１）（「(公社)日本港湾協会：港湾の施設の技術上の基準・同解説（中巻）、pp.704-705、平成30年」から引用）、又は式（２）（「(公社)日本道路協会：道路橋示方書・同解説 IV下部構造編、pp.259-260、平成29年」から引用）で定義される。
【数1】
【数2】
（ウ）その梁が端部に位置するという情報。
（エ）端部の梁の接合（片接合か両接合か）という情報。
（オ）梁の位置を示す無次元距離。
（カ）杭の突出長又は長さ。
なお、上述の各変数、係数の単位は一例であって、これらに限定されるものではない。
【0154】
（ア）に関し、梁の総数が同じでも桟橋の法線に直交する梁の列の数に応じて外力から受ける影響の大小が変わると考えられるので、これを説明変数として用いることには意義がある。（イ）に関し、杭の特性値（例えば１／β）に応じて外力から受ける影響の大小が変わると考えられるので、これを説明変数として用いることには意義がある。（ウ）に関し、梁構造において端部に位置する梁は外力に対する挙動が端部以外の位置の梁とは異なる可能性があるので、その梁が端部に位置するか否かという情報を説明変数に追加することで予測精度が向上する可能性がある。（エ）に関し、端部に位置する梁の接合には片接合及び両接合の２つの態様が考えられるところ、片接合と両接合とでは外力に対する挙動が異なる可能性があるので、その梁が端部に位置する場合において片接合であるか両接合であるかという情報を説明変数に追加することで予測精度が向上する可能性がある。なお、両接合とはその梁の両端が杭により支持される接合構造をいい、片接合とはその梁の一端のみが杭により支持される接合構造をいう。
【0155】
（オ）に関し、図２３は、梁の位置を示す無次元距離を例示する図である。この図は、ｘ方向の距離を示している。この例の距離は、規格化された梁構造において基準位置（左上端）からの距離を最大値（この例では１３）で除し、１０倍して小数部分を切り上げた数値を示す。このように無次元距離を用いることで、様々なサイズの梁構造に対して統一された距離を用いることができる。なお、無次元距離の具体的な算出方法はこれに限定されず、整数とするかどうか、何桁の数値とするか（図の例では２桁）はいずれも任意である。
【0156】
（カ）に関し、梁構造だけでなく杭の突出長又は杭の長さに応じて外力に対する挙動が異なる可能性があるので、その梁構造を支持する杭に関する情報を説明変数に追加することで予測精度が向上する可能性がある。
【0157】
杭の突出長又は杭の長さを説明変数に加える場合、後述する「３－６．梁の長さ」と同様に、実数値を用いるほかに，最大値比率を用いてもよい。また２クラス分類や３クラス分類等も考えられ，例えば２クラス分類であれば，当該杭が桟橋内の杭の突出長（又は長さ）の平均値以下であれば０、平均値を超えていれば１等としてもよい。
【0158】
３－６．梁の長さ
損傷度予測装置１は、梁の長さを説明変数として用いてもよいが、説明変数として用いられる長さは、実数値が用いられてもよく、実数値を最大値比率としての基準値（例えばその梁構造における梁の長さの最大値）で規格化した値が用いられてもよい。あるいは、損傷度予測装置１は、梁の長さを数値として扱うのではなく、分類されたクラスとして扱ってもよい。一例として２クラス分類する場合には、その梁構造に含まれる全ての梁の長さの平均値以下の長さを有する梁については長さとして「ゼロ」を、平均値を超える長さを有する梁については長さとして「１」を用いる。また、梁のｘ方向、ｙ方向それぞれについて分類するようにしてもよい。なお、梁だけではなく、上述の杭についても同様である。
損傷度予測装置１は、梁の長さを説明変数として用いてもよいが、説明変数として用いられる長さは、実数値が用いられてもよく、実数値を最大値比率としての基準値（例えばその梁構造における梁の長さの最大値）で規格化した値が用いられてもよい。あるいは、損傷度予測装置１は、梁の長さを数値として扱うのではなく、分類されたクラスとして扱ってもよい。一例として２クラス分類する場合には、その梁構造に含まれる全ての梁の長さの平均値以下の長さを有する梁については長さとして「ゼロ」を、平均値を超える長さを有する梁については長さとして「１」を用いる。また、梁のｘ方向、ｙ方向それぞれについて分類するようにしてもよい。なお、梁だけではなく、上述の杭についても同様である。
【0159】
３－７．複数層構造
対象となる梁構造が橋梁の梁構造であって、複数層（ｎ層）のデッキ構造である場合も、損傷度予測装置１の予測の対象とすることができる。複数層のデッキ構造の一例としては、道路橋と鉄道橋とのダブルデッキ構造、又は２つの道路橋（例えば上り線及び下り線）のダブルデッキ構造がある。複数層のデッキ構造は、鉛直方向に複数の上部工（例えば道路面）を有する。この例においては各層で単層の場合と同様に他の梁との距離を考慮するが、鉛直方向の距離は考慮しない。しかし、複数層の相関を考慮しないと、本来は上層に位置する梁構造ほど地震時に揺れやすい、といった事情があるものの、その区別無く学習又は予測してしまうという問題がある。そこで、この例では、劣化度の情報に、その梁構造が第何層目であるかを示す情報、及び隣接する他の層との距離を示す情報を含めることにより、複数層のデッキ構造を考慮する。
対象となる梁構造が橋梁の梁構造であって、複数層（ｎ層）のデッキ構造である場合も、損傷度予測装置１の予測の対象とすることができる。複数層のデッキ構造の一例としては、道路橋と鉄道橋とのダブルデッキ構造、又は２つの道路橋（例えば上り線及び下り線）のダブルデッキ構造がある。複数層のデッキ構造は、鉛直方向に複数の上部工（例えば道路面）を有する。この例においては各層で単層の場合と同様に他の梁との距離を考慮するが、鉛直方向の距離は考慮しない。しかし、複数層の相関を考慮しないと、本来は上層に位置する梁構造ほど地震時に揺れやすい、といった事情があるものの、その区別無く学習又は予測してしまうという問題がある。そこで、この例では、劣化度の情報に、その梁構造が第何層目であるかを示す情報、及び隣接する他の層との距離を示す情報を含めることにより、複数層のデッキ構造を考慮する。
【0160】
すなわち、層構造の橋梁の梁構造である場合、教師データが、説明変数として、梁構造が何層目かを示す情報、及び隣接する他の層との距離を示す情報を含み、第２の入力手段が、前記梁構造において前記梁構造が何層目かを示す情報、及び隣接する他の層との距離を示す情報を入力するものとすればよい。また、橋脚全体の長さ、各層間の橋脚の長さ、または対象橋梁の基礎構造形式が杭基礎であれば、さらに説明変数（カ）杭の突出長又は杭の長さとしての情報に含めるようにしてもよい。
【0161】
図２４は、複数層の梁構造において各梁に付与される識別情報を例示する図である。図には各層に「第ｋ層」といった表示があるが、この情報も併せて説明変数として用いられる。なお、複数層構造用の機械学習モデルは、単層構造の機械学習モデルとは別の（多層構造の橋梁の）教師データを用いて学習されたものであることが好ましい。
【0162】
３－８．不規則な梁構造
図２５は、不規則な梁構造を例示する図である。対象となる梁構造は規則的な格子状（方格状）であるものに限定されず、この図のように不規則なものである可能性もある。このような不規則な梁構造への対処方法として、長い梁の間にダミーの杭頭部を設け、梁を分割し、規則的な格子状に設定することが考えられる。しかしながら、上述の実施形態においては、ダミーの杭頭部や梁を設けて規則的な格子状とする必要はなく、取得した画像データの通りの情報として読み込めばよい。なお、上述の実施形態においては、ダミーの杭頭部や梁を設けて規則的な格子状とする必要はないが、ダミーの杭頭部や梁を設けて規則的な格子状としてもよい。
図２５は、不規則な梁構造を例示する図である。対象となる梁構造は規則的な格子状（方格状）であるものに限定されず、この図のように不規則なものである可能性もある。このような不規則な梁構造への対処方法として、長い梁の間にダミーの杭頭部を設け、梁を分割し、規則的な格子状に設定することが考えられる。しかしながら、上述の実施形態においては、ダミーの杭頭部や梁を設けて規則的な格子状とする必要はなく、取得した画像データの通りの情報として読み込めばよい。なお、上述の実施形態においては、ダミーの杭頭部や梁を設けて規則的な格子状とする必要はないが、ダミーの杭頭部や梁を設けて規則的な格子状としてもよい。
【0163】
３－９．その他
対象となる梁構造物が複数層の梁構造を有している場合、予測の対象となる梁構造はどれか単一の層に限定されない。複数の層に対して学習及び予測の処理が適用されてもよい。
対象となる梁構造物が複数層の梁構造を有している場合、予測の対象となる梁構造はどれか単一の層に限定されない。複数の層に対して学習及び予測の処理が適用されてもよい。
【0164】
【0165】
損傷度予測装置１のハードウェア構成は実施形態において例示されたものに限定されない。要求される機能を実装できるものであれば、損傷度予測装置１はどのようなハードウェア構成を有してもよい。例えば、損傷度予測装置１の機能の一部、一例としては記憶手段１１及び学習済モデルＭ１の一部又は全部をサーバ装置等の外部装置に実装してもよい。この場合、第１の入力手段２１、第２の入力手段２２及び出力手段３１を有するコンピュータ装置がこの外部装置と協働し、全体として実施形態に係る損傷度予測装置１として機能する。このサーバ装置は現実のサーバであってもよいし仮想サーバであってもよい。
【0166】
プログラム及び学習済モデル等のソフトウェア要素は、ＣＤ－ＲＯＭ（Compact Disc Read only memory）等のコンピュータ読み取り可能な記録媒体に記録された状態で提供されてもよいし、インターネット等の通信網を介してダウンロードされてもよい。
【符号の説明】
【0167】
１、１Ａ、１Ｂ、１Ｃ、１Ｄ…損傷度予測装置、１１、１２、１３…記憶手段、２１…第１の入力手段、２２…第２の入力手段、２３、２４…入力手段、３１、３２、３３…出力手段、４１…画像ＡＩ、４２…データＡＩ、５１、５２、５３…学習装置、６１…将来予測手段、９０…機械学習モデル、９１…入力層、９２…中間層、９３…出力層、１０１…ＣＰＵ、１０２…メモリ、１０３…ストレージ、１０４…入力装置、１０５…表示装置、Ｍ１、Ｍ２、Ｍ３…学習済モデル、Ｍ４…確率モデル。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】
【図21】
【図22】
【図23】
【図24】
【図25】
