Development of data-driven urban monitoring technique based on spatio-temporal mutual monitoring of structures

点击翻译按钮获取中文摘要

地震災害時の緊急初動対応においては，都市域の多数の構造物がどの程度の性能変化を経験したか，迅速に評価できる必要がある．このとき，単一の観測記録のみを用いるのでは，損傷による性能変化と種々の不確定性に起因する見かけ上の変動とを分離することが難しい．そこで，ビッグデータを活用し，時間上・空間上に広く分布する構造物応答を互いに監視させながら，不確定性に対してロバストな性能評価技術を構築することが有効である．本研究ではこれを「時空間構造物相互監視」とよび，相関異常検知とよばれる機械学習手法に基づき方法論を構築することを目的とした．2020年度の研究実施内容は，①構造物の非線形性が相関異常検知に与える影響の検討．②構造物相互監視のマルチスケール化と時空間相互監視に向けた基礎的検討，の2点に要約される．①は，時空間相互監視の構築に先立ち，研究代表者がすでに提案していた既往の相互監視技術の適用限界の明確化を目的とするものである．特にここでは，構造物が地震動継続時間中において非線形化する場合を対象に，研究代表者の提案手法である拡張相関異常検知への影響を，数値実験により検討した．②は，既往の相互監視技術を空間的に拡張すること（空間的相互監視）を目的とするものである．具体的には，各棟につき多数の強震観測が得られる場合の相関異常検知の適用性を検討し，都市スケールの被害評価から部材レベルの局所的な損傷までを一貫的に扱える技術（マルチスケール構造物群監視）の構築を試みた．さらに，その際，過去に観測された複数のデータを活用することの有効性を示し，時空間相互監視の可能性に関する有用な知見を得た．