(1) 画像処理による路面状態の判別システムでは, 取込んだ画像を判別に適した画像に補正するロジック ( 画像補正ロジック ), 地点別に各メッシュ領域をフーリエ変換することによって算出される周波数で構成されるデータをクラスター分析するロジックと,R G B 濃度値, グレイ輝度値, エントロピー値

Size: px

Start display at page:

Download "(1) 画像処理による路面状態の判別システムでは, 取込んだ画像を判別に適した画像に補正するロジック ( 画像補正ロジック ), 地点別に各メッシュ領域をフーリエ変換することによって算出される周波数で構成されるデータをクラスター分析するロジックと,R G B 濃度値, グレイ輝度値, エントロピー値"

つねたけしばもと
5 years ago
Views:

CCTV 画像を活用した冬期路面判別システムについて村上和久 1 高田英和 1 大橋由紀子 1 1 富山河川国道事務所調査第二課 ( 930-8537 富山県富山市奥田新町 2 番 1 号 ) 富山河川国道事務所では CCTV 画像を利用した冬期路面判別システムの運用を行っている.

はじめに当事務所では, 道路管理用に設けられている CCTV の画像を利用した冬期路面判別システム ( 以下システムという.) を冬期道路管理の高度化効率化及び円滑な冬期道路交通の確保を図るための運用を 2009 年度より検討してきた.

国道 41 号と富山 IC の合流部では, 国道 41 号の渋滞により合流が出来ず ( 写真 -1 参照 ) オフランプから北陸自動車道本線まで渋滞が続くこともある ( 写真 -2 参照 ).

1 CCTV 画像を活用した冬期路面判別システムについて村上和久 1 高田英和 1 大橋由紀子 1 1 富山河川国道事務所調査第二課 ( 富山県富山市奥田新町 2 番 1 号 ) 富山河川国道事務所では CCTV 画像を利用した冬期路面判別システムの運用を行っている. 今回, 渋滞による車両停滞箇所でのシステム運用を行った. また, システムの判別結果による路面情報を道路利用者へ試験配信した. 本稿は, システムの判別結果及び情報配信の結果について報告するものである. キーワード冬期道路管理,CCTV, 路面情報, 渋滞 1. はじめに当事務所では, 道路管理用に設けられている CCTV の画像を利用した冬期路面判別システム ( 以下システムという.) を冬期道路管理の高度化効率化及び円滑な冬期道路交通の確保を図るための運用を 2009 年度より検討してきた.2012 年度は, 国道 41 号富山 IC 付近の C CTV を用いて, システムの改良及び運用を行い, 判別情報の試験メール配信を実施した. 国道 41 号の富山市街地の区間は, 事務所管内でも交通量が多く, 朝夕の通勤時間帯には一年を通じて渋滞が発生している. 国道 41 号と富山 IC の合流部では, 国道 41 号の渋滞により合流が出来ず ( 写真 -1 参照 ) オフランプから北陸自動車道本線まで渋滞が続くこともある ( 写真 -2 参照 ). また, 北陸自動車道本線の渋滞状況 ( 図 -1) を確認すると, ほとんどが冬期に発生しており, 冬期渋滞の原因に, 路面状態が考えられることから, 当該地点でシステム運用を行い, 渋滞と路面状態との関連を分析するための基礎資料とすることとした. 写真 -1 北陸道富山 IC から国道 41 号への合流部の渋滞状況 1) 写真 -2 富山 IC( 下り ) オフランプの渋滞状況 2. 路面判別システムの概要本システムは, 道路管理で広く使用されている CCT V 画像を活用し, 冬期路面の性状である乾燥湿潤凍結積雪シャーベットの自動判別を行うものである. 本システムを道路管理に導入することにより, 冬期路面管理の支援等が期待できる. 1) 図 -1 北陸自動車道の渋滞状況

(1) 画像処理による路面状態の判別システムでは, 取込んだ画像を判別に適した画像に補正するロジック ( 画像補正ロジック ), 地点別に各メッシュ領域をフーリエ変換することによって算出される周波数で構成されるデータをクラスター分析するロジックと,R G B 濃度値, グレイ輝度値, エントロピー値の 5 つで構成されるデータをクラスター分析するロジック ( 合わせてクラスター分析ロジック )

算出された各値を用いてクラスター分析を行うと, 図 -2 にあるようにそれぞれの群が作成される.

2 (1) 画像処理による路面状態の判別システムでは, 取込んだ画像を判別に適した画像に補正するロジック ( 画像補正ロジック ), 地点別に各メッシュ領域をフーリエ変換することによって算出される周波数で構成されるデータをクラスター分析するロジックと,R G B 濃度値, グレイ輝度値, エントロピー値の 5 つで構成されるデータをクラスター分析するロジック ( 合わせてクラスター分析ロジック ) により, 各メッシュにおいて路面状況の判別を行う. a) 画像補正ロジック輝度補正時刻や天気により違いが発生する明るさの平均値を一定に補正する. コントラストストレッチ処理明るさの幅を一定に補正する. b) クラスター分析ロジッククラスター分析とは, 互いに似たものの集落 ( クラスター ) を作り, 対象を分類しようとする手法の総称 ( 数値分類法 ) である. 算出された各値を用いてクラスター分析を行うと, 図 -2 にあるようにそれぞれの群が作成される. RGB 各濃度値, グレイ輝度値, エントロピー値の算出 R G B 各濃度値, グレイ輝度値は,CCTV 画像を R( 赤成分 ),G( 緑成分 ),B( 青成分 ) の輝度濃度と輝度に分離することで求めることができ, エントロピー値は, グレイ値に関するヒストグラムを数値化することで求める. それぞれの値は, メッシュ毎の平均値を用いる. フーリエ変換による周波数特性の算出画像の輝度濃度の並びは, 複数の周波数成分の重ねあわせとして表現でき, 複数周波数成分の和が各画素の輝度濃度となる. c) 路面状態の判別路面状態は, 判別したいメッシュデータがどこの群に属するかを求めることで判定される. なお, どの群に属するかはマハラノビス ( 汎 ) 距離法を用いて最も近くに位置する群に属するとして判別した. 湿潤の群凍結の群乾燥の群積雪の群シャーベットの群図 -2 クラスター分析による路面判別イメージ 3. システムの運用 (1) システムの設定 a) 画像内の判別エリアの設定 CCTV は赤田 ( 国道 41 号 ) とし, ピクセルの画像サイズをピクセルの 1,344 メッシュに分割し, 空や地点名文字などの路面が映っていない箇所を除外し 448 メッシュの道路範囲を設定した. 更に路面上の白線部などを除外し,172 メッシュにて判別エリアを設定した.( 図 -3) 図 -3 画像内の判別エリアの設定 ( 部 ) b) 事前知識データの初期設定事前知識データとは,5 つの路面状態乾燥湿潤凍結積雪シャーベットの画像を, 判別の基礎データとして, システムに事前に記憶させるデータのことである. 過年度の事前知識データを用いて, 赤田 ( 国道 41 号 ) での判別を想定し, 事前知識データの初期設定を行った. (2) 画像平均化処理方法の改善 a) 改善方法の検討過年度までは, 一定枚数の画像を平均化することによって, 通過する車両や降雪等のノイズを除去していた. しかし, 当該地点のように渋滞発生が多い地点では, 通常の画像平均化処理だけでは車両が長時間滞留している場合に除去しきれず, 滞留している車両の映像が画像内に残ってしまい, 車両の下の路面状態を正確に判別することが困難になることが予想された. そのため, 車両滞留領域の除去機能を開発して組み込むことによって対処することとした. この機能は, 新たな時刻における CCTV 画像を入手する直前までの情報に基づいて, 新たな時刻での背景画像を予測するものである. この予測された背景画像を, 新たに入手した CCTV 画像によって補正することにより, 新たな時刻における推定された背景画像が得られる. 新たな時刻で入手した CCTV 画像と推定された背景画像から, 前景と見なされる画像を切り出す. 切り出され

た前景画像には, 通過あるいは滞留している車両及びそれらの車両に伴う照明や影,CCTV カメラハウジングへ付着した一過性の水滴等のノイズが含まれている. 図 -4 に示すとおり, これらの処理を新たな CCTV 画像を入手するたびに繰り返すことによって, より確度の高い背景画像を得ることができる.

平均化を行う際に 30 枚以上に前景画像が映し込まれているメッシュは, 判定不能として緑色表示することにより解析対象メッシュから除外している ( 図 -6) 直前までの情報による次時刻での背景画像予測新たな画像の入手背景画像の補正前景画像の切り出し図 -4 車両滞留領域の除去機能 (3) 事前知識データの追加運用開始後, システム判別精度を向上させるため,

メール配信に際し, 道路利用者にとってわかりやすく有効な配信仕様を検討し, 以下のように決定した. a) 配信仕様提供手段 : メール及び Web( 画像 ) メール本文は携帯電話への提供を前提にテキストベースで簡潔なものとする.

3 た前景画像には, 通過あるいは滞留している車両及びそれらの車両に伴う照明や影,CCTV カメラハウジングへ付着した一過性の水滴等のノイズが含まれている. 図 -4 に示すとおり, これらの処理を新たな CCTV 画像を入手するたびに繰り返すことによって, より確度の高い背景画像を得ることができる. 図 -5 において, 上は入手した CCTV 画像, 下は車両等の特徴を加味して補正された前景画像を示す. この機能により, 一定時間における前景画像の合計面積の大きさによって, 渋滞の状況をある程度正確に推測することも可能となる. b) 判定不能メッシュの除外本システムでは 0.5 秒ごとに得られた 60 枚の背景画像を平均化して降雪などのノイズを除去している. 平均化を行う際に 30 枚以上に前景画像が映し込まれているメッシュは, 判定不能として緑色表示することにより解析対象メッシュから除外している ( 図 -6) 直前までの情報による次時刻での背景画像予測新たな画像の入手背景画像の補正前景画像の切り出し図 -4 車両滞留領域の除去機能 (3) 事前知識データの追加運用開始後, システム判別精度を向上させるため, 現地調査を実施して路面観測を行い, その結果を事前知識データに追加し, より地点特性を反映した事前知識データとした. 4. 路面情報メールの配信本システムでの判別結果に基づいた情報を, 試行的にメールにて提供した. 試行ということで, 事務所職員等の協力を得た. (1) 情報提供の仕様情報提供にあたっては, すぐに確認できるという観点で, 携帯電話へのメール配信とした. メール配信に際し, 道路利用者にとってわかりやすく有効な配信仕様を検討し, 以下のように決定した. a) 配信仕様提供手段 : メール及び Web( 画像 ) メール本文は携帯電話への提供を前提にテキストベースで簡潔なものとする. 文字情報と, 必要に応じて CCTV 画像等を確認できるように, 配信時点の生画像 ( ライブ画像 ) の URL と, 平均化画像の URL を付加する ( 図 -7 参照 ). 提供路面状態区分 : 積雪 ( シャーベット含む ) のみ乾燥, 湿潤の路面状態のときは情報提供しない. 地点名 CCTV 地点名の代わりに近隣の目標物 ( 公共施設や大型商業施設等 ) を地点情報とすることにより, 直感的に箇所を認識しやすい情報とする. 今回は, 国道 41 号富山 IC 付近 ( 赤田交差点付近 ) とした. 図 -5 車両滞留領域の除去機能の適用図 -6 判定不能メッシュの除外判定不能メッシュ領域

b) 配信メール種別と配信タイミング配信メールは路面状態の変化に応じて以下の 3 種類とした ( 図 -8 参照 ). また, 指定時刻に積雪状態の場合にのみメール配信を行う時刻指定も可能となるように設定した. 配信は毎正時を基本にした.

( 圧雪 ) とシャーベットの合計面積割合が 1/2 未満となる状態が 15 分以上続いた場合 (2) メール配信配信仕様に基づき,1 月 25 日 ~3 月 11 日の期間路面情報メールの配信を行った. なお, 配信対象者へは, 事前に判別精度などについて周知を図っている.

その後も 2 月 7 日 22 時から 8 日 15 時の 17 時間,2 月 20 日 19 時から 21 日 10 時の 15 時間など, 長時間にわたり積雪状態となるケースもあった. 積雪状態が数時間のケースも数多く発生した. CCTV 路面判別システムから積雪発生情報をお知らせします.

CCTV 路面判別システムから積雪発生をお知らせします. 国道 41 号富山 IC 付近 ( 赤田交差点付近 ) は, 日時に積雪雪状態になりました. 第二報タイトル : 積雪継続をお知らせします. CCTV 路面判別システムから積雪継続をお知らせします.

生続消メールライブ画像 CCTV 路面判別システムから積雪発生をお知らせします発2013/2/12( 火 ) 23:07 国道 41 号富山 IC 付近 ( 赤田交差点付近 ) は 12 日 23 時に積雪状態になりました 12 日 22 時発表の気温は 0.1 路温は 0.

4 b) 配信メール種別と配信タイミング配信メールは路面状態の変化に応じて以下の 3 種類とした ( 図 -8 参照 ). また, 指定時刻に積雪状態の場合にのみメール配信を行う時刻指定も可能となるように設定した. 配信は毎正時を基本にした. 第一報 ( 積雪発生 ) 積雪 ( 圧雪 ) とシャーベットの合計面積割合が 1/2 以上となる状態が 15 分以上続いた場合第二報 ( 積雪継続 ) 積雪 ( 圧雪 ) とシャーベットの合計面積割合が 1/2 以上となる状態が継続した場合,1 時間ごとにメール送信第三報 ( 積雪解消 ) 第一報または第二報を送信した後, 積雪 ( 圧雪 ) とシャーベットの合計面積割合が 1/2 未満となる状態が 15 分以上続いた場合 (2) メール配信配信仕様に基づき,1 月 25 日 ~3 月 11 日の期間路面情報メールの配信を行った. なお, 配信対象者へは, 事前に判別精度などについて周知を図っている. メール配信は 150 回配信し, 図 -9 の通り, 路面状態に応じて順調にメール配信を実施した. メール配信の運用を開始した 1 月 25 日 15 時から降雪に伴って路面は積雪状態となり,27 日 11 時に解消するまで約 44 時間にわたって路面に雪がある状態が続いた. その後も 2 月 7 日 22 時から 8 日 15 時の 17 時間,2 月 20 日 19 時から 21 日 10 時の 15 時間など, 長時間にわたり積雪状態となるケースもあった. 積雪状態が数時間のケースも数多く発生した. CCTV 路面判別システムから積雪発生情報をお知らせします. 国道 41 号富山 IC 付近 ( 赤田交差点付近 ) は, 日時に積雪状態になりました. 日時発表の気温は -9.9, 路温は -9.9 です. 現在のライブ画像現在の平均画像第一報タイトル : 積雪発生をお知らせします. CCTV 路面判別システムから積雪発生をお知らせします. 国道 41 号富山 IC 付近 ( 赤田交差点付近 ) は, 日時に積雪雪状態になりました. 第二報タイトル : 積雪継続をお知らせします. CCTV 路面判別システムから積雪継続をお知らせします. 国道 41 号富山 IC 付近 ( 赤田交差点付近 ) は, 日時より連続して積雪状態になっています. 第三報タイトル : 積雪解消をお知らせします. CCTV 路面判別システムから積雪解消をお知らせします. 国道 41 号富山 IC 付近 ( 赤田交差点付近 ) は, 日時から積雪状態でしたが現在は解消しました. 生続消メールライブ画像 CCTV 路面判別システムから積雪発生をお知らせします発2013/2/12( 火 ) 23:07 国道 41 号富山 IC 付近 ( 赤田交差点付近 ) は 12 日 23 時に積雪状態になりました 12 日 22 時発表の気温は 0.1 路温は 0.9 です CCTV 路面判別システムから積雪継続をお知らせします 2013/2/13( 水 ) 00:01 継国道 41 号富山 IC 付近 ( 赤田交差点付近 ) は 12 日 23 時より現在まで連続して積雪状態になっています 12 日 22 時発表の気温は 0.1 路温は 0.9 です CCTV 路面判別システムから積雪解消をお知らせします 2013/2/13( 水 ) 05:01 解国道 41 号富山 IC 付近 ( 赤田交差点付近 ) は 12 日 23 時から積雪状態でしたが現在は解消しました 13 日 4 時発表の気温は 1.8 路温は 1.3 です図 -8 配信メール種別図 -9 メール配信内容例図 -7 メール本文への画像公開用 URL の付加

(3) アンケート調査メール配信の運用終了後, 道路利用者の立場におけるシステムの有効性, 活用方法について把握する目的で, メール配信の試行者を対象にアンケート調査を実施した. 図 -10 に主な質問に対する回答をグラフで示す.

( メール配信サービスについて ) メール配信サービスについては, が役に立ったどちらかと言えば役に立ったと回答し, 役立った情報として, 積雪発生情報ライブ画像の回答がそれぞれ 38%,34% であった. その他追加したい情報として, 規制情報, 渋滞状況 ( 時間, 長さ ) 等の希望が挙がった.

( 自由意見 ) システムによる情報は, 道路利用者にとっては有効との意見があったが, 配信情報の内容形態については, 煩雑な表現を避けた分かりやすい情報が求められた. 配信条件に該当したときに, 確実に情報が配信される信頼性も求められた ( 精度の向上により配信の信頼性も向上する ). 5.

左表は, 行が真値 ( 観測値 ) で, 列がシステムの判別結果で, 右表はとりまとめたものである. 全体の判別精度は 68.9%, 積雪とシャーベットをまとめた場合の精度は 74.6% となった. 前年度運用した 2 地点 ( 国道 8 号四十八ヶ瀬大橋, 茅蜩橋 ) の平均 77% を下回る結果となった.

朝凍結積雪 3 17 11 31 シャーヘット 6 4 39 49 乾燥 2 2 4 湿潤 3 1556 3 65 775 2402 昼凍結積雪 11 36 15 62 シャーヘット 15 10 91 116 乾燥 1 1 湿潤 205 3 8 216 夕凍結積雪 2 1 2 5 シャーヘット 6

5 (3) アンケート調査メール配信の運用終了後, 道路利用者の立場におけるシステムの有効性, 活用方法について把握する目的で, メール配信の試行者を対象にアンケート調査を実施した. 図 -10 に主な質問に対する回答をグラフで示す. ( 冬期道路利用について ) 冬期道路を利用する上では, 路面状態にもっとも留意しており ( 約 ), 大半が, 路面状態と渋滞発生の関連性を認識しており, 渋滞に影響する路面状態として, 凍結, 圧雪, 積雪を挙げていた. ( メール配信サービスについて ) メール配信サービスについては, が役に立ったどちらかと言えば役に立ったと回答し, 役立った情報として, 積雪発生情報ライブ画像の回答がそれぞれ 38%,34% であった. その他追加したい情報として, 規制情報, 渋滞状況 ( 時間, 長さ ) 等の希望が挙がった. ( 路面判別システムについて ) メール送信内容と実際の状況については, 以上がが良く一致していた概ね一致していたと回答した. 判別精度が必要な路面状態としては, 凍結, 積雪との意見が多く, 以上の高い精度が求められた. 全体としても以上の判別精度の必要性が求められた. ( 自由意見 ) システムによる情報は, 道路利用者にとっては有効との意見があったが, 配信情報の内容形態については, 煩雑な表現を避けた分かりやすい情報が求められた. 配信条件に該当したときに, 確実に情報が配信される信頼性も求められた ( 精度の向上により配信の信頼性も向上する ). 5. 考察及びまとめ (1) システム判別精度の検証路面判別精度については, 現地観測により収集した真値とシステムの判別結果により算出した. システムの正答回数精度 100 % 真値の個数表 -1 に, システムの正答回数と真値の結果をまとめた. 左表は, 行が真値 ( 観測値 ) で, 列がシステムの判別結果で, 右表はとりまとめたものである. 全体の判別精度は 68.9%, 積雪とシャーベットをまとめた場合の精度は 74.6% となった. 前年度運用した 2 地点 ( 国道 8 号四十八ヶ瀬大橋, 茅蜩橋 ) の平均 77% を下回る結果となった. 図 -10 主な道路利用者向けアンケートの回答表 -1 システム判別精度乾燥湿潤凍結積雪シャーヘット合計乾燥 1 1 湿潤夜凍結積雪シャーヘット乾燥湿潤朝凍結積雪シャーヘット乾燥湿潤昼凍結積雪シャーヘット乾燥 1 1 湿潤夕凍結積雪シャーヘット母数的中精度夜全体朝全体 % 昼全体 % 夕全体 % 全体 % 母数的中精度乾燥全体 % 湿潤全体 % 凍結全体積雪全体 % シャーヘット全体 % 全体 % 母数的中精度乾燥全体 % 湿潤全体 % 凍結全体雪シャーシャー雪 % 全体 %

今回, 初めて排水性舗装における運用であり, 母数が多い湿潤の判別精度が低かったことが影響していると考えられる. (2) 道路利用者への情報提供今回は, 一般の道路利用者に情報提供するものではなく, 関係者 ( 道路管理者 ) を対象とした試行的な取り組みであったが, 対象者からは概ね良い評価が得られた一方, 精度の確保や情報の簡潔化などの課題も明らかになった.

また, 今回可能性が見えた渋滞発生と路面状態との関連分析をさらに進めるために, 路面判別結果と走行速度データ ( 民間プローブデータ ) との相関関係などを分析することにより, 路面状況と渋滞の関係性を明らかにし, 道路利用者に対してより効果的な情報提供ができることや, 道路管理者として効率的に凍結防止剤を散布するなど, 円滑な冬期道路交通の確保に向けて検討を進めたい.

6 今回, 初めて排水性舗装における運用であり, 母数が多い湿潤の判別精度が低かったことが影響していると考えられる. (2) 道路利用者への情報提供今回は, 一般の道路利用者に情報提供するものではなく, 関係者 ( 道路管理者 ) を対象とした試行的な取り組みであったが, 対象者からは概ね良い評価が得られた一方, 精度の確保や情報の簡潔化などの課題も明らかになった. 一般の道路利用者へ情報提供する際の留意事項等を再度反映し, 今後の情報提供実施に活用していきたい. また, 今回可能性が見えた渋滞発生と路面状態との関連分析をさらに進めるために, 路面判別結果と走行速度データ ( 民間プローブデータ ) との相関関係などを分析することにより, 路面状況と渋滞の関係性を明らかにし, 道路利用者に対してより効果的な情報提供ができることや, 道路管理者として効率的に凍結防止剤を散布するなど, 円滑な冬期道路交通の確保に向けて検討を進めたい. 出典 1) 中日本高速道路株式会社金沢支社 ( 無断転用不可 ) (3) 路面状態と渋滞発生に関する分析システムで判別した路面状態と車両の滞留により路面判別が不可能だったメッシュ数の割合から判断した渋滞発生との関係分析を行った. a) 渋滞時の車両滞留メッシュ割合ライブ画像から渋滞が発生していると判断できる時間帯の車両滞留メッシュ割合を分析した結果, しきい値としてが得られた. 図 -12 に示した 1 月 25 日 18:20 の車両滞留メッシュ割合は約である. b) 渋滞時刻の推定と路面状態の関係車両滞留メッシュ割合が多いものを渋滞発生と考え, 1 月 22 日と 25 日の路面状態割合時系列グラフに重ねて図 -13 に示した. 渋滞が連続している時の路面状態には, 積雪やシャーベットの割合が多い. また, これは, 積雪やシャーベットの路面状態により走行速度が低下して車両滞留が引き起こされるものと推測される. 車両滞留メッシュ数を解析することによって, 路面状態と渋滞の関連を分析できる可能性が確認された. 6. あとがき一般の道路利用者へ冬期路面情報をいち早く提供することで, 通勤時間を早めるなどの行動に結びつき, 円滑な冬期道路交通の確保の一助になることを期待する. そのためには, 事前知識データの充実が精度向上に不可欠である. 今後は, 道路パトロールや除雪作業時に現地データを収集蓄積する手順を検討し, 事前知識データとしてシステムへ反映させることで, 判別精度の向上を目指したい. 図月 25 日 18:20 のライブ画像平均化画像乾燥湿潤凍結積雪シャーベット車輛滞留 2013/1/22 0: /1/22 1: /1/22 2: /1/22 3: /1/22 4: /1/22 5: /1/22 6: /1/22 7: /1/22 8: /1/22 9: /1/22 10: /1/22 11: /1/22 12: /1/22 13: /1/22 14: /1/22 15: /1/22 16: /1/22 17: /1/22 18: /1/22 19: /1/22 20: /1/22 21: /1/22 22: /1/22 23:00 乾燥湿潤凍結積雪シャーベット車輛滞留判定不能メッシュ領域 2013/1/25 0: /1/25 1: /1/25 2: /1/25 3: /1/25 4: /1/25 5: /1/25 6: /1/25 7: /1/25 8: /1/25 9: /1/25 10: /1/25 11: /1/25 12: /1/25 13: /1/25 14: /1/25 15: /1/25 16: /1/25 17: /1/25 18: /1/25 19: /1/25 20: /1/25 21: /1/25 22: /1/25 23:00 図月 22 日,25 日の路面状態割合と渋滞

交通模擬車両路温計測 ( 熱電対 ) 氷膜路面 t =.5 ~ 1.mm 無散布 g/m 2 g/m 2 g/m 2 g/m 2 g/m 2 1m 5m KP=.5 KP=. KP=.4 KP=.55 KP=.7 KP=.85 図 -1 試験コースレイアウト 2 曲線区間約 1

交通模擬車両路温計測 ( 熱電対 ) 氷膜路面 t =.5 ~ 1.mm 無散布 g/m 2 g/m 2 g/m 2 g/m 2 g/m 2 1m 5m KP=.5 KP=. KP=.4 KP=.55 KP=.7 KP=.85 図 -1 試験コースレイアウト 2 曲線区間約 1 平成 23 年度凍結防止剤散布の効果に関する試験研究 ( 独 ) 土木研究所寒地土木研究所寒地交通チーム川端優一 ( 独 ) 土木研究所寒地土木研究所寒地交通チーム髙田哲哉 ( 独 ) 土木研究所寒地土木研究所寒地交通チーム徳永ロベルト積雪寒冷地の道路管理者は凍結防止剤散布を主とした凍結路面対策を実施しているしかし今般の道路管理に係わる予算制約のためより効果的効率的な凍結防止剤の散布が求められている