【AIはひびを見逃さないか】高架橋と下水道を測る“見えないメンテナンス”——老朽インフラ点検DXの現在地

橋の裏側、鉄道高架橋の床版、下水道管の奥。都市を支える重要な場所ほど、人の目が届きにくい。いま、その見えない場所にAIとドローンが入り始めている。東急建設の鉄道高架橋点検では、画像解析AIがコンクリートのひびを拾い出し、旭テクノロジーとニュージェックは下水道管路内を飛ぶドローンとLiDARで劣化を測る研究を進める。派手なスマートシティではない。だが、都市の寿命を左右するのは、こうした“見えないメンテナンス”なのだ。

鉄道高架橋のひびをAIが読む。「0.05mm」から拾うクラック調査

鉄道高架橋の点検は、都市の安全を支える裏方仕事だ。人が毎日通勤し、列車が何本も走り、雨や風や振動にさらされる。その足元で、コンクリートは少しずつ劣化する。ひびわれは小さいうちは見過ごされやすい。だが、放置すれば水が入り、鉄筋腐食や剥離、落下リスクにつながる。
NTT e-Drone Technologyの「eドローンAI」は、コンクリート構造物の表面画像をAIで解析し、ひびわれや劣化損傷を検出する点検支援サービスだ。国土交通省の点検支援技術性能カタログにも登録されている。今回、東急建設の鉄道高架橋点検で、床版、主桁、横桁といったコンクリート部材を対象に活用された。
方法は明快だ。一眼高解像度カメラで対象範囲を網羅的に撮影し、その画像をAIで解析する。一部の部材ではオルソ画像を生成し、損傷箇所を面として把握する。AIが検出する主な項目は、ひびわれの幅と長さ、剥離、鉄筋露出、漏水、遊離石灰。さらに、クラック損傷図をCAD出力することで、補修計画や見積にも使える。
点検は、見つけるだけでは終わらない。記録し、整理し、図面化し、補修数量を出し、次の工事につなげる必要がある。現場で撮った画像が、AI解析を経てCADデータに変わる。この流れが定着すれば、点検は“経験者の目”だけに頼る作業から、“データで引き継げる仕事”へ変わる。

作業半減の意味。省力化は人を減らす話ではない

今回の実証では、「eドローンAI」の活用により、クラック調査に要する作業の半減、見落としリスクの低減、点検品質の向上、報告資料作成の効率化が効果として示された。ひびわれ幅は0.05mmから抽出可能とされている。
ここで重要なのは、省力化を単なる人員削減と見ないことだ。インフラ点検の現場は、人が余っているのではない。むしろ逆である。熟練点検員は限られ、高所や狭隘部での作業は危険を伴い、撮影後の画像整理や報告書作成には膨大な時間がかかる。
AIが担うべきは、人間の代替ではなく、人間の視野を広げることだ。膨大な画像から候補箇所を抽出し、幅や長さを数値化し、損傷図作成の手間を減らす。そのうえで、最終判断や補修方針は技術者が担う。こうした役割分担ができれば、人は“探す作業”から“判断する作業”へ移れる。
AIは疲れない。画像を何千枚見ても集中力が落ちない。だが、現場の文脈は知らない。過去の補修履歴、交通条件、構造物の重要度、周辺環境まで含めた判断は、人間の仕事として残る。点検DXの本質は、人を現場から消すことではなく、人が判断すべき領域を明確にすることにある。

下水道の劣化をドローンで測る。暗く、狭く、危険な場所のDX

もう一つの現場は、地下だ。旭テクノロジーは、国土交通省の令和8年度応用研究（下水道）において、「管路内自己位置推定と連動した劣化定量計測・経年変化追跡技術の開発」が採択されたと発表した。ニュージェックとの共同研究体として実施する。
下水道管路は、人目に触れない。しかし、都市生活の生命線である。高度経済成長期に整備された管路は全国で老朽化が進み、道路陥没などの事故を防ぐため、点検と修繕が急務になっている。だが、下水道点検の現場には、硫化水素などの有毒ガス、酸欠、腐食環境といった危険がある。人力による目視点検は高コストで、評価のばらつきも生じやすい。さらに少子高齢化による作業者不足が重なる。
そこで使われるのが、ドローンとLiDARである。研究では、管路内を飛行するドローンが取得するカメラ映像と、LiDARによる点群データを統合解析し、クラック幅の定量計測と自己位置推定を目指す。LiDARはレーザー光で対象物までの距離や形状を高精度に測る技術だ。暗い管路の中で、画像だけでは分かりにくい凹凸や変形も、点群として捉えられる可能性がある。
下水道点検の難しさは、「どこが、どれだけ悪いか」を正確に記録し続けることにある。単発の写真ではなく、位置情報と結びついた劣化データを蓄積できれば、次回点検時に変化を比較できる。ひびが広がったのか。変形が進んだのか。腐食が深刻化したのか。経年変化を追える点検は、修繕の優先順位を変える。

“見えないメンテナンス”が都市を守る。橋、管路、トンネルへ広がる技術

鉄道高架橋と下水道は、場所も構造も違う。だが、課題は似ている。見えにくい。危険がある。人手が足りない。判断にばらつきが出る。記録が属人化しやすい。
AIによる画像解析と、ドローン・LiDARによる計測は、この課題に共通して効く。高架橋では、撮影画像からひびわれを抽出し、補修数量の把握につなげる。下水道では、管路内の映像と点群を組み合わせ、自己位置推定と劣化の定量化を進める。どちらも、インフラの状態を“感覚”から“データ”へ移す技術だ。
旭テクノロジーの研究は、将来的に下水道だけでなく、トンネルや橋梁など他のインフラ分野への展開も視野に入れている。 これは自然な流れだろう。インフラごとに形は違っても、老朽化を測り、位置を記録し、変化を追跡するという基本動作は共通する。
都市は、目立つ新築だけでできていない。むしろ、地下の管、橋の裏側、高架橋のコンクリート、トンネルの覆工といった見えない部分が都市を支えている。そこをどう測るか。どう記録するか。どう直すか。これが、次の都市経営の中心課題になる。

老朽インフラ時代のキーワード、“予防”

インフラ事故は、起きてから直すと高くつく。道路陥没、コンクリート片の落下、漏水、構造物の損傷。どれも市民生活に直結し、交通や経済活動を止める。だからこそ、点検はコストではなく、社会の保険である。
ただし、従来型の点検をそのまま増やすだけでは追いつかない。対象施設は膨大で、担い手は減っている。そこで必要になるのが、優先順位をつけるためのデータだ。どの構造物が危ないのか。どの損傷が進行しているのか。どこを先に補修すべきか。AIやLiDARは、判断の材料を増やす。
Maintainableでも、人工衛星とAIを活用した水道漏水対策の記事で、自治体の水道管網を区画ごとに評価し、漏水リスクの高いエリアを特定する技術を紹介したことがある。水道、下水道、橋梁、高架橋。対象は違っても、共通するのは「壊れてから探す」から「壊れる前に絞り込む」への転換だ。
点検DXは、単なるデジタル化ではない。予防保全への移行なのだ。

AIは本当に見逃さないのか——過信せず、使いこなす設計へ

ここで避けて通れない問いがある。AIは本当にひびを見逃さないのか。
答えは単純ではない。AIは画像の条件に左右される。撮影角度、照明、解像度、汚れ、影、濡れ、表面の凹凸。下水道であれば暗さ、湿気、流れ、障害物、通信環境も影響する。だから、AI点検を成立させるには、撮影品質、解析条件、確認手順、技術者によるレビューを含む運用設計が必要だ。
今回の高架橋点検では、高解像度カメラによる網羅的撮影、AI解析、オルソ画像化、CAD出力という流れが組まれている。これは重要だ。AIだけを導入しても、入力データが粗ければ結果は信頼できない。現場取得、データ処理、解析、図面化、補修判断までを一体で設計して初めて効果が出る。
下水道の研究でも、ドローン映像とLiDAR点群を統合し、自己位置推定と連動させることが狙いになっている。これも同じだ。単に映像を撮るだけではなく、「管路のどこで起きている劣化なのか」を特定できるようにする。位置の分からない損傷データは、修繕計画に使いにくい。
AIを過信しない。だが、使わない理由にもならない。人とAIの二重チェック、定期的な精度検証、現場条件別のデータ蓄積が、点検DXの信頼をつくる。

点検データを“都市の健康診断”に変える

鉄道高架橋のクラック調査AIと、下水道のドローン×LiDAR研究を、点の実証で終わらせてはいけない。広げ方は三つある。
第一に、データ形式の標準化。ひびわれ幅、長さ、位置、部材名、撮影条件、点群データ、補修履歴を、自治体や事業者をまたいで扱いやすい形式にする。点検データは、蓄積されて初めて価値を持つ。
第二に、経年変化の可視化。今回の下水道研究が掲げる「経年変化追跡」は、インフラ管理の核心だ。1回の点検で終わらず、数年単位で変化を比べる。進行が速い箇所から補修する。予算配分の合理性も高まる。
第三に、点検から補修までの接続。AIがひびを検出し、LiDARが変形を測っても、補修計画に落ちないなら意味がない。CAD出力、数量算出、工事見積、修繕優先順位、住民説明までつながる仕組みが必要だ。
都市のインフラは、人体に似ている。定期的な健康診断があり、数値の変化を見て、必要なら治療する。これからの点検DXは、都市の健康診断をつくる仕事になる。

この記事の要約——AI・ドローン・LiDARはインフラ点検をどう変えるか

鉄道高架橋では、NTT e-Drone Technologyの「eドローンAI」が東急建設の点検で活用され、画像解析によりひびわれや剥離、鉄筋露出、漏水、遊離石灰などを検出した。クラック調査作業の半減、0.05mm幅からのひびわれ抽出、CAD出力による報告資料作成の効率化が示されている。一方、旭テクノロジーとニュージェックは、国土交通省の下水道応用研究に採択され、管路内を飛行するドローンの映像とLiDAR点群を統合し、クラック幅計測、自己位置推定、経年変化追跡を目指す。両者に共通するのは、老朽インフラ点検を人の経験だけに頼る作業から、データに基づく予防保全へ移す動きである。

FAQ

Q1. 鉄道高架橋の点検に使われたAI技術は何か。
NTT e-Drone Technologyの損傷検出AIサービス「eドローンAI」だ。コンクリート構造物の表面画像をAIで解析し、ひびわれや劣化損傷を検出する。東急建設の鉄道高架橋点検で活用された。

Q2. eドローンAIは何を検出できるのか。
ひびわれの幅と長さ、剥離、鉄筋露出、漏水、遊離石灰などを検出する。ひびわれ幅は0.05mmから抽出可能とされる。

Q3. 導入効果は何か。
クラック調査作業の半減、見落としリスクの低減、点検品質の向上、補修見積への活用、CAD出力による報告資料作成の効率化が示されている。

Q4. 下水道点検の研究は何を目指すのか。
旭テクノロジーとニュージェックが、ドローン映像とLiDAR点群データを統合し、下水道管路内のクラック幅計測、自己位置推定、経年変化追跡を行う技術基盤の構築を目指す。

Q5. なぜ下水道点検にドローンが必要なのか。
下水道管路は有毒ガスや酸欠など危険な環境があり、人力目視では高コストで評価のばらつきも生じやすい。ドローンを使えば、人の立ち入りを減らし、安全性と省力化を高められる可能性がある。

Q6. AIやドローンは点検員を不要にするのか。
不要にするのではなく、点検員の作業を支援する技術だ。AIは損傷候補を抽出し、ドローンやLiDARは危険箇所のデータ取得を担う。最終判断、補修方針、優先順位づけは、人間の技術者が担う必要がある。

あわせて読みたい記事