社会インフラの台帳整備・巡視巡回ソリューション（Audin AI）
このページに関するお問い合わせはこちら
背景
高度成長期に集中的に整備された社会インフラは、今後20年で建設後50年以上経過する施設の割合が加速度的に高くなります。適時適切な修繕による予防保全型管理の必要性が高まる中、広範囲な社会インフラの点検、診断に必要な労働力の減少やコストが大きな課題となっています。
-
-
インフラの老朽化は2033年にかけて一気に進行し、社会にあたえる影響が大きくなることが見込まれます。
社会全体として、このままの体制で社会インフラを維持していく事が難しくなりつつあります。
NTT西日本グループの通信ネットワークを支える通信インフラ設備も同様に、1960年代から1980年代が建築のピークであり、20年後には建築後50年以上経過する設備が85％となり、設備の老朽化は年々深刻化していきます。さらには、生産年齢人口の減少により、保守人員も急激に減少していくため、設備メンテナンスの効率化、高度なスキルやノウハウを必要としない維持メンテナンス手法の確立が急務となっています。
-
NTT西日本グループでは「効率的な事業運営」と「新たな価値創造」の実現に向けて様々な「デジタルトランスフォーメーション(DX)」に取り組んでおり、そこで培ったAI技術やデータ等のアセットを他のインフラ事業者の方と相互にシェアリングすることにより、更なる社会課題の解決に貢献できると考えます。
-
概要
Audin AIは、ドライブレコーダーのデータと設備識別・劣化診断技術を組み合わせ、社会インフラの台帳整備とAIによる点検精度を均質化して設備の劣化判断を行うクラウドサービスになります。
設備情報のデジタル化による設備管理業務の効率化、またAIを活用した診断により点検品質の維持、向上等が期待できます。
課題解決
|
想定されるお困りごと （主に自治体や警察の職員の皆さま） |
Audin AIで解決 |
|---|---|
|
|
ご提供イメージ
ドライブレコーダーにて取得した社会インフラの画像データと劣化診断AIを組み合わせ、社会インフラに係る設備台帳のデジタルデータ化、並びに劣化診断結果についてポータルサイト上でのレポートをご提供いたします。
AI分析
社会インフラの画像データをAIにより分析し、道路構造物の特定及び劣化診断を行うことで、一目でどこに劣化があるか、確認することが出来ます。
対象設備
| 項番 | 設備種別 | 対象設備 | ①設備台帳の作成 | ②設備の劣化診断 | 劣化診断項目 | |
|---|---|---|---|---|---|---|
| 1 | 道路構造物 | 1-1 | 道路標識 | ○ | ○ | 錆 |
| 1-2 | カーブミラー | ○ | ○ | 錆 | ||
| 1-3 | ガードレール | ○ | ○ | 錆 | ||
| 2 | 路面塗装 | 2-1 | 道路標示（記号,文字） | ○ | ○ | 剥離 |
| 2-2 | 横断歩道 | ○ | ○ | 剥離 | ||
| 2-3 | 白線（中央,側道） | ○ | ○ | 剥離 | ||
| 3 | 路面 | ー | ○ | ひび,ポットホール | ||
事例
導入事例① カーブミラー、ガードレール等の台帳整備 【広島県府中市】
広島県府中市さまでは、カーブミラー、ガードレール等の台帳整備にAudin AIをご利用いただきました
導入事例② 路面塗装のランク判定
Audin AIのレポートを基に白線の剥離度合いを三段階に分類しました。
- ※ 自動運転車両は概ね80%の剥離率まで認識可能とされている為、ランク判定基準として設定し、ランク3のものを優先的に修繕するよう運用を実施
| ランク | 判断ポイント | 判定基準 | 塗装剥離のランクイメージ |
|---|---|---|---|
| ランク1 | 正常 | 塗装剥離10%以内 |  |
| ランク2 | 塗装剥離度 中 | 塗装剥離11%～79%以内 |  |
| ランク3 | 塗装剝離度 高 | 80%以上剥離 |  |
導入事例③ 道路標識台帳の現行化
道路標識台帳の現行化のためにAudin AIをご利用いただきました 管理台帳上漏れていた標識を台帳に反映できただけで無く、標識が撤去されている事の検出も合わせて確認できました。
| 管理台帳 | Audin AIでの解析結果（現在） |
|---|---|
| ー |
|
|
|
