建設技術者向けNEWS

　清水建設は、最新技術を活用した次世代型トンネル構築システムの一環として、名古屋工業大と共同でＡＩ（人工知能）を活用してシールド工事のトンネル掘進計画を最適化する「シールド掘進計画支援システム」を開発した。システムは、ＡＩが試行錯誤しながら自己学習することで、最適解を導く強化学習手法により、トンネル線形に応じたシールド機操作の計画値、セグメントの配置計画を導き出す。福岡市内で施工中のシールド現場「唐の原第１雨水幹線築造工事」にシステムを適用し、計画作成に活用する予定だ。　シールド工事は、実際の施工に先立ち、曲線を含む計画線形に対するシールド機の運転方法と、形状の異なる複数のセグメントの割り付け方法について事前にシミュレーションし、これらの計画値を設定する。特に曲線部については、曲線半径に応じたシールド機の運転制御方法を入念に計画しておくことが重要となる。

ＡＩによるシールド掘進シミュレーションのイメージ

　これらの計画値は従来、シールド機の形状やトンネルの曲線半径などに基づき、三角関数を使った理論計算で算出していた。一方、今回のシステムは、ＡＩが自己シミュレーションを繰り返しながら、自ら設定した計画値を改善していく。システム開発に当たっては、同社のシールド工事のノウハウと、名古屋工業大大学院工学研究科の加藤昇平教授のＡＩプログラミングのノウハウを融合し、シールド掘進をゲームに見立てたＡＩシミュレーションプログラムを設計した。

　“掘進ゲーム”は、与えられた計画線形に対して、ＡＩが自ら設定した曲線部でのシールド機の運転制御方法、セグメントの割り付けといった試行条件に基づき模擬掘進を行い、その結果をトンネル線形に対する掘進軌跡の誤差やシールド機とセグメント・掘削地山との干渉度合いなどを評価指標として得点化する。

　試行中に掘進誤差の許容値を上回った場合やシールド機とセグメントが干渉する可能性が出てきた場合には、その時点で試行終了となり、試行条件を再設定して新たなシミュレーションを実行する。

　ＡＩは膨大な試行を重ねる中で、どのような条件を選択すれば高得点が獲得できるかを自己学習していき、最終的にそれ以上は上積みができない最高得点にたどり着く。この段階の試行条件を最適解とし、掘進計画に活用する。

　システムは、トンネル掘進開始前の計画段階だけでなく、掘進開始後の日々の掘進指示書の作成にも活用できる。ＡＩに直近の掘進状況を踏まえた計画修正シミュレーションを実施させることで、現場技術者の労働時間削減が期待できるとしている。