Chul‐Woo Kim 研究室
主宰者：Chul‐Woo Kim
京都大学
AI 要約（直近 5 年の研究成果）
Kim研究室は、橋や道路などの社会基盤施設の状態を診断し、安全性を維持するための方法を開発しています。主な研究対象は、走行する車両の振動やセンサー測定データから構造物の損傷を特定したり、路面や橋の形状を把握したりすることです。従来の目視検査は時間がかかり費用も多くかかるため、計測効率を大幅に改善する技術が求められています。
研究室では、複数のアプローチを採用しています。一つは、車両と橋の相互作用を利用した非破壊検査で、走行車両のセンサーデータから橋の損傷を検出する方法です。もう一つは、機械学習や神経作用素（ニューラルオペレータ）といった最新の計算技術を活用して、センサーデータから物理的な構造特性を推定するデータ駆動型の手法です。さらに、3次元画像スキャンと有限要素法を組み合わせ、構造物の正確なデジタルモデルを構築する研究も進めています。
これらの研究を通じて、Kim研究室は交通インフラの劣化を早期に発見し、維持管理の効率化と安全性向上に貢献することを目指しています。特に、計測コストを削減しながら高精度の診断を実現する技術開発が、社会的な課題解決に直結する重要な研究領域となっています。
※ AI（Claude）が、公開されている論文要旨から研究の問い・手法・主要な発見を事実情報として抽出・再構成して自動生成しています。誤りを含む可能性があるため、正確性は研究室公式情報でご確認ください。
外部リンク
関連研究室(8 件)
- 工学Ryo Natsuaki 研究室東京大学論文 181 件·共通: 都市・地盤, 土木・建築, AI・機械学習, 機械学習 +9
- 環境科学Ram Avtar 研究室北海道大学論文 103 件·共通: 都市・地盤, 土木・建築, 機械学習, 機械 +8
- 保健専門職Qi An 研究室東京大学論文 159 件·共通: AI・機械学習, 機械学習, 機械, 学習 +7
- 環境科学Taikan Oki 研究室東京大学論文 146 件·共通: AI・機械学習, 機械学習, 機械, 学習 +7
- 計算機科学Kiyoharu Aizawa 研究室東京大学論文 133 件·共通: AI・機械学習, 機械学習, 機械, 学習 +7
- 材料科学Teruyasu Mizoguchi 研究室東京大学論文 123 件·共通: AI・機械学習, 機械学習, 機械, 学習 +7
- 環境科学Yoshitaka Nishikawa 研究室Kyoto University Hospital論文 104 件·共通: AI・機械学習, 機械学習, 機械, 学習 +7
- 環境科学Sameh A. Kantoush 研究室京都大学論文 104 件·共通: AI・機械学習, 機械学習, 機械, 学習 +7
研究成果（65 件）
- DOI: https://doi.org/10.1016/j.strusafe.2026.102722
- DOI: https://doi.org/10.1016/j.strusafe.2026.102695
- DOI: https://doi.org/10.1016/j.jsv.2026.119902
- DOI: https://doi.org/10.1061/ajrua6.rueng-1771
- DOI: https://doi.org/10.1016/j.compstruc.2025.108037
- [2025] Real-time surrogate model of vehicle-bridge interaction using a multiple-input neural operatorDOI: https://doi.org/10.1016/j.autcon.2025.106576
- DOI: https://doi.org/10.1007/s13349-025-01013-w
- [2025] On the issue of global variability in long-term SHM: damage detection using SSA-KPCA-enhanced MSPCDOI: https://doi.org/10.1016/j.ymssp.2025.113188
- DOI: https://doi.org/10.1016/j.ymssp.2025.112883
- DOI: https://doi.org/10.1016/j.engstruct.2025.119884
続きを表示（残り 55 件）閉じる
- DOI: https://doi.org/10.1016/j.engstruct.2025.119755
- DOI: https://doi.org/10.1016/j.bvth.2025.100051
- DOI: https://doi.org/10.1111/mice.13405
- DOI: https://doi.org/10.2749/tokyo.2025.0364
- DOI: https://doi.org/10.2749/tokyo.2025.1227
- DOI: https://doi.org/10.2749/tokyo.2025.0972
- DOI: https://doi.org/10.2749/tokyo.2025.1252
- [2025] Two‐Dimensional Vehicle–Bridge Interaction Neural Operator for Digital Twin of Bridge StructuresDOI: https://doi.org/10.1155/stc/1031214
- [2025] Comparative Sensitivity Analysis of Virtual Axle Approaches in Bridge Weigh-in-Motion SystemsDOI: https://doi.org/10.2749/tokyo.2025.1692
- [2025] Scour depth prediction of a railway bridge pier with shallow foundation using vibration monitoringDOI: https://doi.org/10.1080/15732479.2025.2604590
- DOI: https://doi.org/10.1177/13694332241269259
- DOI: https://doi.org/10.1016/j.engstruct.2024.119366
- DOI: https://doi.org/10.1016/j.ymssp.2024.112175
- DOI: https://doi.org/10.1061/jbenf2.beeng-6848
- DOI: https://doi.org/10.1016/j.engstruct.2024.118974
- [2024] Multicase structural damage classification based on semisupervised generative adversarial networkDOI: https://doi.org/10.1177/14759217241258785
- DOI: https://doi.org/10.1111/mice.13292
- DOI: https://doi.org/10.58286/29760
- DOI: https://doi.org/10.1016/j.engstruct.2024.118466
- DOI: https://doi.org/10.1016/j.compstruc.2024.107429
- DOI: https://doi.org/10.1016/j.ymssp.2024.111533
- DOI: https://doi.org/10.1016/j.parkreldis.2024.106888
- DOI: https://doi.org/10.1177/14759217241247130
- [2024] Special Section: Modeling and Analysis of Inspection Uncertainties in Structural Health MonitoringDOI: https://doi.org/10.1115/1.4065325
- DOI: https://doi.org/10.3390/s24051684
- [2024] A data-driven methodology for bridge indirect health monitoring using unsupervised computer visionDOI: https://doi.org/10.1016/j.ymssp.2024.111109
- DOI: https://doi.org/10.2208/jscejj.23-00213
- DOI: https://doi.org/10.1007/s13349-023-00742-0
- DOI: https://doi.org/10.1061/jbenf2.beeng-6422
- DOI: https://doi.org/10.1111/mice.13105
- DOI: https://doi.org/10.1142/s0219455423400357
- DOI: https://doi.org/10.12783/shm2023/36763
- DOI: https://doi.org/10.12783/shm2023/37012
- DOI: https://doi.org/10.23919/eusipco58844.2023.10289878
- DOI: https://doi.org/10.1155/2023/7986061
- DOI: https://doi.org/10.1016/j.atherosclerosis.2023.06.174
- DOI: https://doi.org/10.1016/j.atherosclerosis.2023.06.175
- DOI: https://doi.org/10.1016/j.cma.2023.116184
- DOI: https://doi.org/10.1117/12.2657819
- DOI: https://doi.org/10.1016/j.jsv.2023.117598
- DOI: https://doi.org/10.1061/jbenf2.beeng-5979
- DOI: https://doi.org/10.2139/ssrn.4467572
- DOI: https://doi.org/10.7712/150123.9832.450726
- DOI: https://doi.org/10.3390/rs14133106
- [2022] A drive-by bridge inspection framework using non-parametric clusters over projected data manifoldsDOI: https://doi.org/10.1016/j.ymssp.2022.109401
- DOI: https://doi.org/10.1061/(asce)be.1943-5592.0001872
- DOI: https://doi.org/10.1016/j.engstruct.2022.114226
- [2022] Dynamic responses of a vehicle–bridge–soil interaction system subjected to stochastic-type ice loadsDOI: https://doi.org/10.1080/15732479.2021.2023586
- DOI: https://doi.org/10.1061/ajrua6.0001203
- [2021] Vibration-Based Damage Detection for a Prestressed Concrete Box Girder by Means of Subspace AnalysisDOI: https://doi.org/10.1061/ajrua6.0001185
- DOI: https://doi.org/10.1016/j.engstruct.2021.112485
- [2021] Ambient and Vehicle-Induced Vibration Data of a Steel Truss Bridge Subject to Artificial DamageDOI: https://doi.org/10.1061/(asce)be.1943-5592.0001730
- [2021] Laboratory investigation of a bridge scour monitoring method using decentralized modal analysisDOI: https://doi.org/10.1177/1475921720985122
科研費（0 件）
まだデータがありません（KAKEN 取り込み後に表示）。
所属学会・役職（0 件）
まだデータがありません（学会データ連携後に表示）。