10月10日，江蘇無錫境內312國道、錫港路發生橋面側翻事故，短短五秒鐘內橋面傾斜而下。橋下三輛汽車被壓，橋上當時有五輛汽車，此次事故共造成三人死亡，兩人受傷。
規規矩矩在路上開車，誰知禍從天降，細思極恐。這場純粹的人禍引發大家思考怎樣打造更安全的城市環境，怎樣更有效開展基礎設施的管理和維護。在這方面日本這個鄰居是先行者，日本在20世紀的經濟高速增長期短時間內修建了大批基礎設施，如今這些基礎設施已經老化，引發了不少傷亡事故。
以下內容節選自《黑科技：驅動世界的100項技術》
2012年12月，連接山梨縣甲州市和大月市的中央機動車道笹子隧道路段就發生了隧道頂板掉落事故，事故地段長達100多米，共有270塊混凝土頂板發生問題。1塊頂板的重量高達一噸以上，不少隧道內行駛的汽車遭遇事故並引發了火災，9人不幸遇難。事故是由於連接頂板的錨栓老化脫落導致的。
2013年2月，濱松市「152號國道」和水窪川連接處的行人專用吊橋——第一弁天橋也發生了慘案，連接主要電纜和地基的構件斷裂，吊橋傾斜，橋上的6名高中生摔倒擦傷。幸好高中生在吊橋傾倒的瞬間抓住了扶手，這才避免了跌落橋下，如果不幸墜落到5米以下的國道或8米以下的河灘上，後果將不堪設想。
1965年竣工的橋體部件老化。雨水侵蝕橋體，導致內部嚴重腐蝕，這是斷裂的主要原因。任何設施不管事前是否進行了檢查，都是無法阻止事故發生的。為預防事故發生，需要對基礎設施定期進行檢查、診斷，在保持通車的狀態下更新、修繕設備，改變傳統的重視新建設施的技術觀念。當然作業省力、削減成本也是重要課題。
日本是善於解決問題的國家，率先採取土木、IT（信息技術）組合技術，正在緊鑼密鼓地尋找基礎設施老化對策。利用無人機和感應設備，掌握基礎設施未知的內部情況，藉助人工智慧技術全面分析，防患於未然，同時也在加快耐久新材料的研發工作。
智能設施管理
人工智慧定位修補
利用定期檢查結果、交通量等各種數據，人工智慧技術就可以預測建築的安全程度和老化情況，自動預測需要維修和加固的地方。2016年10月，首都高速公路公司（MetropolitanExpressway，以下簡稱「首都高速」）明確提出基礎設施智能管理系統——「i-DREAMs」，這將是最先進的基礎設施管理系統。
從高速公路的設計施工到維持管理，整個過程都可以高效進行數據的綜合管理、檢查和維修等。首都高速計劃在2017年年內投入使用。i-DREAMs的核心是「InfraDoctor（基礎設施醫生）」。通過GIS（地理信息系統）獲得道路管理數據和檢查信息，積累管理方——首都高速公路全線的「三維點雲數據」，最終用於設施的維護管理。InfraDoctor是首都高速的專利技術，由擅長數據轉換技術的濱松市Elysium公司和大型航空測量公司朝日航洋（AeroAsahi）共同開發。
三維點雲數據是指表示建築形狀的坐標值集合。測量車上搭載雷射映射設備「MobileMapping System（MMS）」，1秒鐘內發射100萬次，車輛邊行駛邊收集數據。三維點雲數據存儲在「InfraDoctor」系統中，在數字地圖上選擇目標建築，用戶就可以瀏覽建築信息和三維點雲數據。無需親臨現場也可以測量建築尺寸，準確掌握周圍位置關係，大幅度減少著手維修返工的時間。因為節省了測量和繪圖的時間，一天半的時間就可以完成此前8天的準備工作。
三維點雲數據除了二維、三維圖像外，還可以利用有效單元法（FiniteElement Method，FEM）半自動生成解析模型。維修和加固的設計也可以參考點雲數據。配合建築的實際尺寸、照明設備、標識等附屬物配置關係，可以得出準確的設計。
今後i-DREAMs還將搭載人工智慧。負責開發的首都高速保護企劃課課長永田佳文表示：「從檢查結果和交通量等各種數據了解橋體的損傷狀況，確定維修時間和施工方法。」i-DREAMs系統的研發已經投入1億多日元，隨著投入維持管理業務的高效化發展，「投資將在幾年內收回」。
首都高速對開發的技術普及充滿信心。計劃向國內外的道路管理者推銷InfraDoctor系統。作為重要一環，首都高速已經收到大型建設顧問公司「OrientalConsultants」、福岡北九州高速公路公司（Urban Expressway）的訂單，著手三維點雲數據的測量和分析處理。
2016年年末，首都高速在泰國首都曼谷進行了高速公路的三維點雲數據測量。測量對象是總長18.5千米，由泰國高速公路公司（EXAT）負責管理的部分路段。泰國高速公路相比首都高速的道路路況更新，所以運營者不太重視維持管理。儘管如此，首都高速還是著眼於未來，投石問路。
負責泰國項目的首都高速技術諮詢部國際企劃課川田成彥課長表示：「泰國道路維護管理的需求最快也要在十年後產生。」但是，「建築的老化是必然發生的。有了需求之後再開始行動將為時已晚，有必要從現在開始就向有關部門強調高效進行建築維護的重要性。」
首都高速的目標是逐漸向高速公路建設、維護、管理之外的方向發展。2017年3月，首都高速正式宣布將道路建築的三維點雲數據應用到汽車的無人駕駛輔助系統，同時表示將與無人駕駛專用地圖數據開發商「DynamicMaps Platform（DMP）」聯手開發。三菱電機和5家地圖公司、9家汽車公司，合計15家公司共同出資，在2016年6月成立了DMP公司，從事無人駕駛的三維地圖研發與銷售業務。日本國內約3萬公里的高速道路全線納入範疇，DMP公司計劃在2018年正式上市產品。
無人駕駛的三維地圖數據需要詳細標註道路邊石、標線、信號、標識等信息。DMP公司從毫米單位精度的首都高速點雲數據中抽取有用信息，詳細反饋在地圖產品中。對無人駕駛地圖產品來說，道路更新區間、新開通區間信息的及時更新系統必不可少。DMP公司和首都高速的合作必將提高地圖數據、結構的可信度。
內部缺陷可視化技術
避免破壞損傷，提早發現缺陷
提早發現橋面混凝土板材隱藏的老化問題，這種不破壞建築結構、利用可視化手段發現內部缺陷的技術發展迅速。
富士通（Fujitsu）和富士通研究所（FUJITSULABORATORIES）是這項數據分析技術的聯合發開發者，在橋板下面安裝傳感器，測量行車振動情況以推測板材的損傷程度和老化狀態，目標是2018年前後投入使用。
富士通研究所開發了高精度判定時間序列數據的深度學習技術。從傳感器測量的振動數據中抽取瞬間、滯後0.01秒、滯後0.02秒的三個數據。將三個時間點的加速度與三維圖表的各軸對應，最終對應於一個坐標。改變時間，用同樣的方式得出時間序列各個點的集合，繪製成三維圖形。
得出圖形後，利用拓撲數據分析方法，用數字表達圖形特點。通過這種方式區分複雜的振動數據之間差異，用「異常度」表示和正常數值之間的差，準確把握狀態急劇變動的「變化度」。富士通負責人介紹說：「測算一塊板材的振動數據，至少可以掌握周邊數米範圍的板材損傷程度。而且可以了解損傷初期內部的變形情況，便於提早應對。」今後利用橋體的實際振動數據，還可以進行驗證、擴大適用範圍。
通過振動數據推斷板材損傷情況的技術雖然之前就已經存在，但是準確把握內部狀態卻十分困難。振動傳感器獲得的數據因為時間序列的數值波動較大，難以判斷異常程度。
人工智慧檢測混凝土錘擊實驗有無異常
產總研與首都高技術、東日本高速道路會社（East Nippon Expressway）、Techny聯手，利用人工智慧（AI）技術，檢測混凝土錘擊實驗對象有無異常和異常程度，自動繪製「AI錘擊檢測系統」異常程度地圖。
首先錘擊明顯正常的地方約10秒左右，建立混凝土檢測對象的正常打音模型。根據建築對象的材質、形狀、類別不同，即使人工智慧判斷是否異常的數據並不充分，技術人員可以開始檢查。
AI錘擊檢測系統由三部分組成，分別是由接觸式音響傳感器和測定錘擊位置的傳感器組成的檢測單元、搭載了人工智慧的平板電腦，以及向檢測員發出警報的可攜式終端。各部分通過無線連接。
首先用音響感應器接觸混凝土表面，垂直立於檢測對象上方。接著檢測員用錘子擊打正常部位，人口智能技術構築正常錘擊的打音模型。然後繼續採用上一步的錘擊方法，用錘子打擊混凝土表面。
人工智慧根據打音的頻率、時間變化檢測有無脫離正常模型的聲音。設定未偏離模型範圍的聲音是正常聲音，逐步更新聲音模型。如果檢測出雜音，檢查人員的便攜設備會自動亮燈並報警。產業技術綜合研究所介紹，利用這項技術可以辨別混凝土表面深度4—6厘米以下的空洞，遠遠超出手動檢測水平。
另一方面，利用中子透視混凝土板材、掌握建築老化狀況的技術也進入人們的視線。技術的開發者是理化學研究所（Riken）和土木研究所（PublicWorks Research）。在中子發射源和板材之間安裝中子檢測設備。發射中子，通過中子發射時間和反射量的多少了解建築內部的空隙和水分情況。
現有技術水平已經可以檢測混凝土表面以下10厘米深、5毫米厚處的異常情況。以前像X光一樣，需要把對象夾在中子源和檢測器之間。人們也希望新技術可以繼續擴大適用範圍。
川崎地質公司研發出了檢測路面到3米深處之間有無空洞的「牽引式空洞探測車」。搭載多個名為「線性調頻雷達」的脈衝壓縮雷達，相同解析度下，可以探測的深度深了2倍以上。探測範圍也不再局限於路面垂直下方，單次檢測行駛，連下水道污水管周圍的空洞都可以一目了然。
檢查空洞時，以每小時40—50千米的速度牽引探測車，探測每隔5厘米的地下狀況。一次可以調查相當於一車道寬度，也就是2米左右的範圍。川崎地質和富士通還攜手開發了人工智慧讀取雷達圖像、自動檢測空洞的技術。從數量龐大的畫像中篩選出可能有空洞的地方，新技術大幅提高了作業效率。
因為建築物老化等原因產生的地下空洞可能導致道路塌陷，日本政府和自治體使用空洞勘探測業務的數量日益增加。據川崎地質統計，每年的訂單規模可達20億日元。