穴ぼこ、ひび割れ、マンホールを含む実世界の道路損傷データセット

なぜでこぼこ道が重要か

穴を避けるためにハンドルを切ったり、ひびを越えたときにクルマがガタッと揺れる経験がある人は、道路の損傷が単なる迷惑以上のものであることを知っています。安全性、修理費用、都市の運営に影響を与えます。しかし全ての道路を手作業で点検するのは遅く、費用がかかり、場合によっては危険です。本研究は、コンピュータが自動で穴ぼこ、ひび割れ、マンホールを見つけられるようにするための、実際の路側写真の新しいコレクションを提示します。これにより、道路管理者は都市部と地方の両方で迅速かつ公正に修理を計画できます。

損傷した道路をより詳しく見る

著者らは、摩耗した道路でよく見られる三つの特徴、穴ぼこ、ひび割れ、マンホールに着目しています。穴ぼこはタイヤやサスペンションを損なう可能性のある鉢状の穴です。ひび割れは薄い割れ目で、広がって大きな欠陥になることがあります。マンホールは地下の配管やケーブルにつながる丸い蓋で、損傷ではないものの写真では穴ぼこと見分けがつきにくいことがあります。従来の道路画像コレクションはマンホールを無視したり、損傷と混同してしまうことが多く、有害な欠陥と通常のインフラを区別するのを難しくしていました。

画像の収集方法

日常の道路をより現実的に捉えるために、チームはイタリアのローマ市内と近郊のサクロファーノ町の周辺で画像を手動で収集しました。多くの自治体が導入可能な低コストの機器を二種類使用しました。車のフロントガラスに取り付けた GoPro カメラと、停車時に使ったシンプルな Samsung スマートフォンです。控えめな速度で走行しながら、さまざまな照明や天候条件下で道路を撮影し、道路損傷が明瞭に見える静止画を抽出しました。全ての画像は実用的な解像度にリサイズされ、顔やナンバープレートをぼかす、極端に低品質なフレームを除外する、ラベリングが信頼できなくなるほど暗い・まぶしい・豪雨のシーンを避ける、といった厳密なチェックを受けています。

道路シーンを利用可能なデータに変える

画像を精査した後、研究者らは2009枚の写真を手作業で確認し、見えるすべての穴ぼこ、ひび割れ、マンホールにマーキングを行いました。専用のアノテーションソフトを用い、各対象に矩形を描き三つのカテゴリのいずれかを割り当てています。合計で1261件の穴ぼこ、2519件のひび割れ、957件のマンホールをラベル付けしました。ファイルは広く使われる AI ツールと直接互換のある形式で保存されているため、他の研究グループも画像とラベルを容易に読み込めます。データセットは都市部と地方の道路、湿った路面と乾いた路面、さまざまな視点角を含み、移動する車両や路肩に立つ人から見たときに損傷がどのように見えるかをコンピュータにより豊かに伝えます。

新しいデータセットでスマート検知器を試す

このコレクションが実用にどれほど役立つかを評価するため、著者らは複数の現代的な物体検出システムを訓練しました。小型コンピュータでの動作を念頭に置いた YOLO 系列の最近のコンパクト版も含まれます。データセットは複数のフォールドに分割され、一部の画像で訓練し残りで検査することを回転させて行い、結果の一貫性をチェックしました。モデルは、損傷をどれだけ正確に検出するか、見つけた真の欠陥の割合、予測が実際の位置にどれだけ一致するかで評価されました。最良のコンパクトモデルは三クラスすべてで高い精度を示し、特にマンホールで良好な結果を出しました。これにより、計算資源が限られていても画像とラベルが正確な学習を支えることが示されました。また、従来型の手法と比べ、最新の軽量ネットワークが高解像度で動作した場合に明確に優れていることも確認されました。

今後の道路維持管理への意味

専門家でない人向けに要点をまとめると、本研究は実際の街路画像の実用的で公開されたセットを提供し、道路問題を発見するスマートシステムの訓練と比較を容易にします。写真は一般的なカメラで撮影され、都市部と地方の道路を含み、マンホールのような見かけの似た対象も含んでいるため、バスやサービス車両、あるいはスマートフォンに搭載するツールの現実的な試験場をエンジニアに提供します。データセットは現時点ではイタリアの道路を反映しており、損傷の時間的な進行は追跡していませんが、信頼できるコンピュータビジョンに導かれたより安全でタイムリー、かつ費用対効果の高い道路保守のための堅実な基盤を築いています。

引用: Giordani, E., Arcioni, L., Gil-Martín, M. et al. Real-world road damage dataset with potholes, cracks, and maintenance holes. Sci Rep 16, 15318 (2026). https://doi.org/10.1038/s41598-026-46679-4

キーワード: 道路損傷, 穴ぼこ, コンピュータビジョン, 物体検出, 自動運転