山岳トンネル工事の切羽(掘削面)評価にディープラーニングを適用

AI技術を活用した高精度の切羽評価システムを開発し、工事の安全性・経済性の向上をめざします

プレスリリース

株式会社大林組(本社:東京都港区、社長:白石達)は、山岳トンネルにおける切羽の評価にAI技術の一つであるディープラーニング(※1)を適用しました。

日本の山岳トンネル工事においては、NATM(New Austrian Tunneling Method)が標準工法となっています。本工法では、吹付けコンクリートとロックボルトを主要な支保工材料とし、岩盤自体が有する変形抵抗力を有効に利用して掘削後の空間を適切に確保します。支保工の規模については事前の地質調査に基づいて計画しますが、事前調査の結果だけでは限界があるため、実際に切羽の強度、風化変質、割目間隔、割目状態、走向傾斜、湧水量および劣化度合の7項目によって評価し、その結果に応じて適切に計画を見直します。

大林組は、1990年代前半から山岳トンネル分野において画像処理やエキスパートシステム(※2)などの革新的なIT技術を活用し、切羽の挙動計測作業の省力化や解析作業の高度化を進めてきました。しかしながら、実際の工事現場では、これらの技術を活用しても地質学の専門家でなければ総合的に評価することが難しい場合があり、別途社内の専門部署による判断が必要となるなど評価に時間と労力を要することが課題でした。

そこで、大林組ではディープラーニングを活用し、地質学の専門家と同等の評価を可能にする切羽評価システムの開発を進めています。本システムは、切羽の画像と専門家の評価結果の学習を通じて、地質状況を早く、高精度に評価することを可能とし、支保工をより適切に設置するなど必要な手当てを行うことで工事の安全性、経済性を向上させます。

現時点では、7つの評価項目のうち風化変質、割目間隔および割目状態の3項目について、70ヵ所の工事現場の評価を基にしたディープラーニングの学習データを作成しています。なお、本システムはMathWorks Japan(マスワークス合同会社)の協力のもと開発しています。

開発する本システムの特長は以下のとおりです。

  1. 即座に細部まで切羽を評価することにより工事の安全性と経済性が向上

    従来は切羽の画像を上方、左右の3領域に分割して平均的な評価をしていましたが、本システムでは画像の領域が227×227ピクセルごとに細分化され、切羽を個別の領域ごとに評価することが可能です。撮影時の画素数によりますが、500万画素の場合には約70領域、1000万画素の場合には約130領域に細分化して評価するため、切羽の変状や崩落に対応するための局所的な手当てを行うことができます。

    人間が同様に切羽を細分化して評価する場合には、結果を出すまでに多くの時間を要しますが、本システムではディープラーニングを用いて即座に細部まで評価できることから、工事の安全性と経済性が向上します。

    切羽の評価領域の違い

  2. 地質学の専門家の評価結果を学習することにより評価精度が向上

    7つの評価項目のうち、風化変質、割目間隔および割目状態の3項目について、2147枚の切羽の画像と専門家の評価結果をディープラーニングで学習させました。ディープラーニングのモデルには、信頼性の高い画像識別モデルであるAlexNet(※3)を利用しています。当該モデルで切羽の画像を評価させると、専門家が判断した評価結果との的中率は、風化変質(4分類)で87%、割目間隔(5分類)で69%、割目状態(5分類)で89%となりました。

今後、工事現場での現行モデルの試行を通じて、評価結果の的中率向上に向けた学習データの改良などを進めるとともに、2017年度内には7つの評価項目を基にした新システムを設計し、その後の実証などを経て2018年度にさらに精度を高めた切羽評価システムを完成させる予定です。大林組は、AIやICT技術を積極的に活用し、少子高齢化に伴う技術者不足問題の解決や工事の安全性、経済性の向上に寄与すべく、技術開発を進めていきます。

  • ※1 ディープラーニング(深層学習)
    システムがデータの特徴を学習して事象の認識や分類を行う「機械学習」の技術。ニューラルネットワークと呼ばれる、人間の複雑な脳の構造を模した数学モデルを多層化することで、システムが多量のデータから特徴や類似性を学習し、新たなデータを分類・判定する
  • ※2 エキスパートシステム
    専門技術者が有する知識や経験をコンピュータに取り込み、複雑な専門的問題をコンピュータで解決させる技術。ディープラーニングとは異なり、人間が知識や経験を定式化する必要がある
  • ※3 AlexNet
    トロント大学で画像の識別を目的として開発された多層型ニューラルネットワーク。2012年のLSVRC(International Large Scale Visual Recognition Challenge)のコンペティションで優勝したことから、その後の深層学習が脚光を浴びるきっかけとなった

以上

この件に関するお問い合わせ先
大林組 CSR室広報部広報第一課
お問い合わせフォーム

プレスリリースに記載している情報は、発表時のものです。