レール点群で軌道の歪み診断: スマホRTKが支える新時代の保守管理

鉄道の安全運行を支える線路（レール）は、常に列車荷重や気象条件にさらされており、時間とともに「ゆがみ」や変形が蓄積していきます。軌道のわずかな歪みも放置すれば乗り心地の悪化や騒音・振動の増大、さらには脱線リスクにつながるため、定期的な検査と補修が欠かせません。しかし、従来の軌道検測（トラックの歪み検査）は専門機材や熟練の技術を要し、データ取得も煩雑でした。

そこで近年注目されているのが、レール点群による歪み診断です。スマートフォンと高精度GNSS（RTK）を組み合わせることで、誰でも手軽にレールの3D点群データを取得できるようになり、軌道保守管理の現場に新風を吹き込んでいます。本記事では、レール点群とは何か、その歪み診断への活用方法とメリットについて、現場目線で詳しく解説します。

レール点群とは何か？歪み診断に使われる理由と基本概念

レール点群とは、鉄道レールおよび軌道まわりを3次元的にスキャンして取得した大量の点の集合データのことです。各点にはXYZの座標が含まれ、レールの形状や位置をデジタルな「点の雲」として詳細に表現します。従来の軌道検査では、定規や水準器を使って点的・線的に測定していたレール位置を、この点群データなら面で捉えられるため、軌道の歪みを精密かつ網羅的に把握できる点が大きな利点です。

では軌道の歪みとは具体的に何を指すのでしょうか。線路の歪み（軌道狂い）にはいくつかの種類があります。主なものとしては次のような基本概念があります。

• 通り（とおり）：レールの横方向（平面方向）の乱れを指し、軌道の横方向のゆがみや蛇行を表します。熟練の保線技術者はレール側面に目を沿わせて遠方を眺め、レールが真っ直ぐ通っているか（通りが出ているか）を確認します。従来は約10メートルの紐をレール側面に張り、その中央部分のレールとの隙間を測ることで通りの狂いを数値化していました。通りが悪い（狂いが大きい）と列車が左右に揺さぶられる原因となり、安全性・快適性を損ないます。

• 縦断（たてだん）：レールの縦方向（高さ方向）の乱れを指します。レールの上下方向の凹凸（高低狂い）があると、列車走行時に上下動や衝撃が発生します。こちらも一般には10mのチョード（弦）をレール頭頂部に渡し、その中央の隙間で縦の狂い量を測定します。縦断方向の歪み（高低狂い）が大きいと乗り心地の悪化だけでなく、繰り返し衝撃により軌道材料の消耗や道床沈下を招く恐れがあります。

• 横ずれ：レールや軌道全体が本来あるべき位置から横方向にずれて移動してしまう現象です。通り狂いがレールの細かな蛇行であるのに対し、横ずれは線路自体が片側に移動してしまったような大きな変位を指す場合が多いです。例えば地盤の緩みや列車通過振動の累積、あるいは地震動などによって軌道が徐々に片側にシフトしてしまうことがあります。横ずれが進行すると、曲線部では軌間拡大（ゲージ拡大）を引き起こしたり、最悪の場合レールが座屈する（いわゆる軌道の蛇行動）リスクも高まります。

• 波状摩耗（はじょうまもう）：レール踏面に生じる周期的な波状の摩耗です。レール表面が波打つように磨耗する現象で、軌道の歪みというよりレールそのものの表面状態ですが、これも重要な診断項目です。波状摩耗が進むと、列車走行時に「ゴーッ」という独特の騒音や振動が発生し、放置すれば車輪やレールの損傷につながります。波状摩耗は短い波長（数cm〜数十cm）の不規則な凹凸であり、目視や定規では検知しにくいため、専用測定器や点群計測による詳細な表面プロファイル解析が有効です。

このように軌道の歪みには多様な種類があり、それぞれ列車の走行安定性や設備寿命に影響を与えます。従来、軌道の通りや高低といった狂いは職人的な目視検査や簡易な計測器で確認され、波状摩耗は走行音や専用装置で検出されてきました。しかし、これらの方法では点在する測定値や経験則に頼る部分も多く、線路全体を俯瞰した詳細分析は困難でした。ここにレール点群が活躍する理由があります。点群データを用いれば、レールの位置・形状を高速かつ面的に取得でき、上記の通り・縦断方向の歪みや横ずれ、果てはレール表面の微細な波状まで、統合的にデジタル記録できるのです。次章から、その現状手法との比較と具体的な利活用について見ていきましょう。

現行の軌道検測の課題：煩雑なデータ取得と定点管理の限界

鉄道の軌道変位を測る手段としては、これまで大きく分けて二つの方法が主流でした。一つは軌道検測車（新幹線検測車などの専用測定車両）による計測、もう一つは手作業による検査です。

軌道検測車による測定は、車両に搭載したセンサーで走行しながらレールの狂いを自動検出する方法です。高速かつ連続的にデータを取得でき、詳細な軌道状態を把握できますが、大掛かりな機材とコストが必要です。検測車の運行には運休や夜間作業の計画も必要になり、地方の中小私鉄や専用線では頻繁に使えるものではありません。また、専用車両の走行が難しい線路（例えば工事用仮設軌道など）では適用できません。

一方、手作業による検査は、保線員が目視や簡易測定器具を用いてポイントごとに狂いを測る方法です。例えば、通りを見るために目視でレールの蛇行を確認したり、ゲージ（軌間）を測定するための軌間尺、レール高さを比較する水準器（レール水準器）などを用いて、人力で測定していきます。この方法は特別な車両が不要で細かな異常も見逃しにくい一方で、作業に膨大な手間がかかります。熟練者でなければ精度にばらつきが出やすく、記録も紙や表計算ソフトに手入力するなど属人的になりがちです。

加えて、大半の手作業検査は定点管理といって、あらかじめ定めた一定間隔（例えば50mごとや重要地点）での計測に限られます。軌道の歪みは滑らかに蓄積するとは限らず、二つの測点間で急激に悪化しているケースもありえます。定点間は測れていないため、こうした局所的な変状を見落とすリスクがあります。また、記録データが点の集まりであるため、線路全体の変位傾向を直感的に把握するのが難しく、過去データとの比較も手作業で行う必要がありました。

このように、現行の軌道検測には「装置頼みで柔軟性に欠ける」または「人手頼みで効率・網羅性に欠ける」といった課題があります。保線現場では夜間の短い作業時間内に長大な区間を検査しなければならないことも多く、より簡便で総合的な計測方法が求められていました。そのニーズに応えるソリューションの一つが、次に述べるスマートフォンRTKとLiDARを活用したレール点群計測なのです。

スマホRTKとLiDARで実現する手軽な点群取得

近年の技術革新により、スマートフォンが高精度な3Dスキャナーとして活用できるようになってきました。キーとなるのは二つの技術要素、LiDAR搭載スマホとRTK-GNSSです。

まず、LiDAR（ライダー）とはレーザー光を用いた測距センサーで、iPhoneなど一部の最新スマートフォンにはこのLiDARが搭載されています。スマホのカメラアプリを拡張する形でLiDARを起動し、端末をかざして周囲を歩くことで、壁や床、レールなど周囲の物体までの距離を高速に測定し、点群データを生成できます。例えばレール上をスマホを持って歩けば、レールや枕木、周囲の道床の位置が何百万という点の集合として記録されていきます。これがレール点群データの取得プロセスです。

しかし、スマホ単体のLiDAR計測には弱点もあります。それは位置精度と歪みの問題です。通常のスマホ内蔵GPSでは誤差が数メートルあるため、取得した点群全体がどの地点なのか正確に位置づけられません。また、歩きながらスキャンする際、スマホのわずかなブレやセンサーの誤差蓄積によって、点群自体に歪み（ねじれや縮み）が生じてしまうこともあります。こうした問題を解決するのが、RTK（Real Time Kinematic）方式による高精度測位です。

スマホRTKとは、スマートフォンに外付けする超小型のRTK-GNSS受信機を用いて、スマホの位置をリアルタイムにセンチメートル級の精度で測位する仕組みです。具体的には、スマホの充電ポート等に接続する小型GNSSモジュール（例: LRTKデバイス）を用い、衛星からの測位信号に加えて国土地理院の電子基準点網や準天頂衛星システム「みちびき」から配信される補正情報をリアルタイムに受信します。これによりスマホは常に数cm以内という高い絶対精度で自己位置を把握できるようになります。

スマホRTKで高精度位置を得ながらLiDARスキャンを行うと、取得される点群データの一つ一つの点に対して、その地点のグローバル座標（緯度経度・標高など）がリアルタイム付与されます。結果として、スマホを手に持って歩き回りながらでも点群全体が正しい実空間座標系に歪みなくマッピングされるのです。難しい後処理での位置合わせは不要で、現場で得られる点群がそのまま地図上の座標と合致するという画期的な状態になります。

このスマホRTK+LiDARによるレール点群取得の手軽さは、現場の働き方を大きく変える潜在力を秘めています。まず機材の簡便さが挙げられます。RTK受信機は手のひらサイズでポケットに収まり、スマホに装着しても軽量です。現場員が日常的に持ち歩けるため、異常を感じたらすぐに取り出してその場でスキャン・測位ができます。従来のように測量班の到着や重機の手配を待つ必要がありません。

またリアルタイム性もメリットです。スマホ画面上にLiDARで取得中の点群が逐次表示され、同時に現在の測位状態（固定解かフロート解か、誤差推定値など）も確認できます。狙ったエリアをスキャンし終えたら、すぐにスマホ上で断面を確認したり任意の2点間距離を測ることも可能です。たとえばレール間隔（軌間）の実測値や、高さの不陸量を現場で即座に数字として確認できます。リアルタイムで使える3D測量機としてスマホが機能するわけです。

このように、スマホRTKとLiDARを組み合わせた点群計測なら、広範囲の軌道を低コスト・短時間で連続的にデータ取得でき、なおかつ地図座標に直結した精度の高い情報が得られます。では、その取得した点群データから具体的にどのように歪みを読み取り、保守に活用していくのかを見てみましょう。

点群データから読み解く歪み傾向・変状検知の手法

スマホRTKで取得したレール点群データを解析することで、従来は断片的だった軌道状態を立体的かつ連続的に評価できるようになります。具体的には、以下のような手法で歪み傾向や変状を検知・可視化します。

• レール位置のプロファイル解析：点群データからレールの軌跡を抽出し、縦断・平面それぞれのプロファイル（軌道線形）を解析します。例えば、ある一定長（10mなど）の移動平均曲線と比較して、各ポイントの偏差を算出すれば通り狂い（平面方向の乱れ）や高低狂い（縦方向の乱れ）の量を連続曲線として表現できます。従来は測点ごとの数値でしかなかった「狂い量」を、線路に沿った連続グラフで表示できるため、どこで歪みが突出しているか一目瞭然です。もちろん左右レール間の軌間変化や、レール高の差（水準狂い）も同時に算出可能で、これらを総合して軌道のねじれ（平面性）具合も評価できます。

• カラーによるヒートマップ可視化：点群上の各点に対して歪み量や高さの差を色で表現するヒートマップを作成することも有効です。例えば、縦方向の高さ偏差を色分布で示せば、沈下が大きい箇所が赤く強調表示されるといった具合です。これにより、線路延長に沿ってどの地点でどれだけ沈下や隆起が起きているかが直感的に把握できます。同様に通り（横方向変位）についても、設計中心線からの偏移量を色分け表示すれば、線形の乱れ具合を視覚的に示すことができます。ヒートマップはクラウド上のWEBビューなどで共有すれば、専門知識がない関係者でも異常箇所を一目で理解できるメリットがあります。

• 断面切り出し解析：取得した点群データから任意の場所で横断面・縦断面を切り出すことも容易にできます。例えば、特定の位置で線路を横切る平面でスライスすれば、レール左右の高さ差やバラスト肩の形状まで含めた横断面図が得られます。これを時系列で比較すれば、「○○キロポスト付近で左レールが〇年前より◯mm沈下している」等、断面形状の変化を定量的に掴めます。また、縦断面（線路方向の縦切り）を表示すれば、長いスパンで見たときの起伏や勾配変化、凸凹の傾向が分かります。点群データ上でこうした仮想的な切断を何度でも試せるため、現場で水準測量を繰り返すより圧倒的に効率的です。

• 過去データとの差分検出：クラウドに蓄積した過去の点群と最新の点群を重ね合わせ、差分を計算することで、変位や変化量を高精度に検出できます。例えば、前回スキャン時からどれだけ軌道位置が動いたか、沈下が進行したかを、点単位で差分計算して数値や色で表現できます。これにより、歪みの進行傾向を定量的にモニタリングし、「次回補修のタイミング」や「要注目箇所の優先度付け」に役立てることができます。差分が大きくなってきた箇所には早めの補修を計画するといった予防保全にもつながります。

• レール表面状態の詳細解析：高密度に取得した点群を用いれば、レール表面の微小な凹凸まで分析可能です。波状摩耗のように数cm間隔で起こる周期的な磨耗も、点群データ上でレール頭頂面の高さプロファイルを抽出すれば検出できます。波長や波高を算出し、閾値を超える摩耗が一定長以上続く場合は要レール削正（研削）と判断するといった基準に落とし込むこともできます。従来は専用装置や音響検知で推測していた波状摩耗も、点群計測によって客観的な数値として記録・管理できるようになります。

以上のように、レール点群データを処理することで空間的に密な計測点から軌道のあらゆる歪み指標を導き出せます。単なる数値測定にとどまらず、グラフィカルな可視化によって現場の直感とも結びつけやすくなるのも利点です。特に複合的な要因が絡む軌道異常（例えば軌間の拡大と通り狂いが同時に進行している箇所など）も、点群ならその全貌を一度に把握できます。こうして抽出・可視化されたデータを基に、次に述べるようなクラウド連携や現場支援に繋げていきます。

点群データとクラウドの連携による保守履歴・異常管理

レール点群データは取得して終わりではなく、クラウドサービスと連携させることで真価を発揮します。スマホRTKで集めた大量の3Dデータも、クラウド上にアップロードして蓄積すれば、時間と場所を超えて価値ある資産となります。

クラウドに保存された点群データは、日時や測定箇所のメタデータとともに一元管理されます。これにより、現場ごとに散逸しがちだった保守履歴をデジタルに蓄積し、関係者全員で共有できます。例えば、「◯年◯月にこの地点でこれだけ沈下が見られ、◯年後の再計測でさらに○mm沈んでいた」等、時系列の変化を誰もが追跡可能です。紙の台帳や従来の表計算ファイルでは困難だった履歴管理も、クラウドならフィルタ検索やグラフ表示で簡単に実現できます。

また、異常が検知された際のアラート機能や対応状況の管理にもクラウドは有効です。点群解析で閾値超えの歪みが発見された場合、システム上で自動的に該当箇所にフラグを立て、管理者へ通知することもできます。そしてその箇所に対して「調査予定」「補修済み」などステータスを付与して管理すれば、組織全体で異常対応の進捗をリアルタイムに把握できます。これにより、異常の見逃し防止と対応漏れの防止につながります。

クラウド上の点群データは多目的に活用できます。例えば、本社やオフィスにいる技術者が現場の点群をもとに詳細なCAD図面やシミュレーションを行い、その結果をフィードバックして現地補修に反映する、といったリモートコラボレーションが可能です。さらに、クラウドデータは必要に応じて他システムとも連携できます。BIM/CIMの3DモデルやGIS地理情報システムにインポートし、線路資産データベースの更新や長期計画策定に役立てるといった展開も期待できます。

こうしてクラウドに蓄積されたデータは、将来的なAI解析や予測保全にも資するでしょう。長期的な歪み進行パターンを機械学習で分析し、どの箇所が将来危険水域に達しそうかを予測する、といったことも現実味を帯びてきます。まずは現場の軌道状態を網羅的にデータ化することがDX（デジタルトランスフォーメーション）の第一歩であり、それを促進する基盤としてクラウド活用は欠かせません。

保守作業への応用：ARによる現場支援・点検ルート最適化・即時記録

点群データとその解析結果は、実際の保守作業においても様々な形で活用できます。最新技術とデジタルデータを組み合わせることで、現場作業の効率と正確さが飛躍的に向上します。

まず期待されるのがAR（拡張現実）による現場支援です。スマホやタブレットの画面を通してカメラ映像に点群由来の情報を重ねて表示することで、現地での状況把握が容易になります。例えば、事前に解析したヒートマップを現地の線路上にAR表示すれば、作業員はどの枕木付近がどれだけ沈下しているかを直感的に把握できます。通りの乱れが大きい箇所では、理想的なレール位置と現在のレール位置をAR上で比較表示し、修正すべき方向と量を視覚的に示すこともできます。熟練者の勘に頼っていた「どちらにどの程度つく（軌道を修正する）」という判断も、データに基づきながら進められるようになるのです。

次に点検ルートの最適化も点群データ活用の利点です。従来、線路巡回は距離等間隔で満遍なく行うのが一般的でした。しかし点群データ解析により、明らかに異常傾向の強いエリアと安定しているエリアが判別できるため、重点巡回箇所を絞り込むことができます。例えば「◯km〜◯kmの間は沈下速度が速いので毎月点検、他区間は3ヶ月ごとで良い」といった具合に、データに応じた巡検頻度の調整が可能になります。これにより限られた人員・工数を本当に必要な箇所に集中投入でき、全体の保守品質を底上げできます。

また現場での即時記録・共有も見逃せません。スマホ点群計測なら現場で状況をデータ化できるため、検査結果や処置内容をその場でデータベースに記録できます。例えば、ある箇所で軌道盛替（道床つきあげによる高低調整）を実施したら、その直後にもう一度スマホでスキャンし、補修後の軌道状態を点群で記録します。補修前後のデータはクラウドで自動的に紐付けられ、効果を定量的に検証できます。紙の記録や事後報告を待つことなく、現場から即座に「完了データ」を上げられるため、管理者もリアルタイムで状況を把握可能です。

スマホRTKを使った測位写真の活用も有益です。点群スキャンほど大掛かりでなくとも、スマホで撮影した現場写真に位置座標と方位をタグ付けしてクラウドに共有できます。これにより「どの場所のどの向きから撮った写真か」が地図上で一覧でき、点検結果の報告資料としても説得力が増します。ARによる追体験と合わせ、オフィスにいながら現場を仮想的に再現できる時代が近づいています。

このように、点群データを起点として現場⇔クラウド⇔オフィスがシームレスに繋がることで、軌道保守作業そのものが高度化・効率化します。従来は分断されがちだった「測る・記録する・分析する・判断する・施工する」のサイクルがデジタルデータにより一体化し、PDCAを高速に回せるようになるのです。

LRTKによるスマホRTK＋点群計測の実例と新時代の展望

実際に、スマホRTKと点群計測を組み合わせた先進的な取り組みは現場で始まっています。その一つがLRTKと呼ばれるソリューションで、スマートフォンに装着可能な小型RTK-GNSS受信機と専用アプリから構成されています。LRTKを導入すれば、前述したようにスマホでの高精度測位とLiDARスキャンが可能となり、鉄道分野でも軌道点検への応用が進んでいます。

例えば、ある鉄道事業者ではレールの通り検査にLRTK搭載スマホを活用しました。保線員が線路沿いを歩きながらスマホをかざすだけで、左右のレール位置を連続的に測位・記録でき、レールの通り（横方向変位）のデジタルな見える化を実現したのです。これまでベテランの勘と目視に頼って「なんとなく曲がっている」と判断していた箇所も、LRTKなら数センチ単位で客観的な通り狂い量のプロファイルとして把握できます。実際にその結果をもとに軌道修正を行ったところ、列車の左右動揺が減少し乗り心地改善につながったという報告もあります。

また、別のケースではトンネル内の構造チェックにスマホ点群が活用されました。LRTK対応スマホでトンネル内部を歩きながらスキャンしたところ、天井や側壁のクラック（ひび割れ）の位置や変位量を3Dデータ上で正確に記録できました。従来は人力でクラック図を起こしていた作業が、点群データによって漏れなく正確にかつ短時間で完了し、そのデータをクラウド共有して本社で詳細解析を行う、といったスピーディなワークフローが実現しています。

このように、LRTKに代表されるスマホRTK＋点群計測技術は、鉄道の軌道保守管理に新たな扉を開きつつあります。専用車両や多数の人員を動員せずとも、必要なときに誰でもデータを取得できるという民主化は、現場の経験知とデジタル技術を融合させる土壌となります。もちろん、取得データを正しく解析し活用する仕組みづくりも重要ですが、その点でもLRTKのクラウドサービスは現場とオフィスを繋ぐハブとして機能していました。

今後、スマホRTKをはじめとするモバイル測位技術と点群データの活用は、鉄道のみならず土木インフラ全般の維持管理で標準となっていくでしょう。線路というインフラの「今の姿」をありのままデジタルに切り取り、蓄積し、解析して活かす——そのサイクルを現場に定着させることが、安全性向上とコスト抑制の両立に直結します。レール点群で軌道の歪みを診断するこの手法は、まさにスマホRTKが支える新時代の保守管理と言えます。従来の常識にとらわれない柔軟な発想でテクノロジーを取り入れ、未来志向の鉄道保線DXを進めていきましょう。