JP2021092031A

JP2021092031A - 地山予測システム

Info

Publication number: JP2021092031A
Application number: JP2019221528A
Authority: JP
Inventors: 和人若月; Kazuhito Wakatsuki; 正泰渡辺; Masayasu Watanabe
Original assignee: NEC Corp; Fukuda Corp
Current assignee: NEC Corp; Fukuda Corp
Priority date: 2019-12-06
Filing date: 2019-12-06
Publication date: 2021-06-17
Anticipated expiration: 2039-12-06
Also published as: JP6936845B2

Abstract

【課題】本発明は、従来にない非常に実用的な地山予測システムを提供することを目的とする。【解決手段】トンネル施工において撮影入手した複数の学習用切羽画像を機械学習して生成される切羽判定モデルと、施工途次のトンネルで撮影入手した切羽画像とから当該施工途次の切羽を評価する第一システムと、トンネル施工において掘削進行単位ごとに撮影入手した複数の学習用切羽画像から前記第一システムを用いて評価した各掘削進行単位ごとの学習用切羽評価結果を機械学習して生成される掘削進行判定モデルと、施工途次のトンネルで撮影入手した掘削進行単位ごとの切羽画像を前記第一システムを用いて評価した各掘削進行単位ごとの切羽評価結果とから当該施工途次の掘削進行状況を評価する第二システムとにより施工途次のトンネルの現在の切羽前方の掘削予定の地山状況を予測する。【選択図】図１

Description

本発明は、地山予測システムに関するものである。

トンネルを施工する技術者にとっては、施工方法の妥当性や対策工の必要性を検討する為、切羽前方の掘削予定の地山状況を予測したいという要求がある。

例えば山岳トンネルの掘削時、切羽観察により地山状況を評価し、その結果に応じて支保パターンや補助工法の要否を検討しなければならないからである。

従来、切羽を評価する手法としては、一般に切羽評価点法（岩片の強度、風化・変質の程度、割れ目の間隔及び性状、さらに地下水による劣化の情報などから点数評価する方法）が用いられているが、その評価には主観的な部分も多いことから、運用する現場技術者によって結果にばらつきが発生する。また、この切羽評価点法は、評価する度に地質専門の技術者が現場に立ち会わなければならず厄介である。

そこで、例えば特許文献１に開示されるように、油圧式削岩機による穿孔時の油圧データを用いて現在の切羽前方の地山の地質を予測する方法（以下、「従来法」という。）が提案されているが、この従来法により切羽前方の地質を予測する度に掘削作業が中断し、しかも、大きな経済的な負担も発生してしまうという問題がある。

特許第３３８０７９５号公報

本発明は、上述のような現状に鑑みなされたもので、従来にない非常に実用的な地山予測システムを提供する。

添付図面を参照して本発明の要旨を説明する。

トンネル施工において撮影入手した複数の学習用切羽画像を機械学習して生成される切羽判定モデルと、施工途次のトンネルで撮影入手した切羽画像とから当該施工途次の切羽を評価する第一システム、
トンネル施工において掘削進行単位ごとに撮影入手した複数の学習用切羽画像から前記第一システムを用いて評価した各掘削進行単位ごとの学習用切羽評価結果を機械学習して生成される掘削進行判定モデルと、施工途次のトンネルで撮影入手した掘削進行単位ごとの切羽画像を前記第一システムを用いて評価した各掘削進行単位ごとの切羽評価結果とから当該施工途次の掘削進行状況を評価する第二システム、
前記２つのシステムにより施工途次のトンネルの現在の切羽前方の掘削予定の地山状況を予測することを特徴とする地山予測システムに係るものである。

また、請求項１記載の地山予測システムにおいて、前記切羽判定モデルは、施工途次のトンネルで撮影入手した切羽画像を前記学習用切羽画像として随時追加機械学習可能なように構成されていることを特徴とする地山予測システムに係るものである。

また、請求項１，２いずれか１項に記載の地山予測システムにおいて、前記掘削進行判定モデルは、施工途次のトンネルで得られる前記掘削進行単位ごとの切羽評価結果を前記掘削進行単位ごとの学習用切羽評価結果として随時追加機械学習可能なように構成されていることを特徴とする地山予測システムに係るものである。

また、請求項１〜３いずれか１項に記載の地山予測システムにおいて、前記現在の切羽前方の掘削予定の地山状況を表示する地山表示手段を備えたことを特徴とする地山予測システムに係るものである。

本発明は上述のように構成したから、切羽前方の掘削予定の地山状況の予測が簡易且つ確実に行え、よって、施工を効率良く且つ安全に行うことができる従来にない非常に実用的な地山予測システムとなる。

本発明に係る地山予測システムを説明するシステムフロー図である。本発明に係る地山予測システムの説明図である。

好適と考える本発明の実施形態を、図面に基づいて本発明の作用を示して簡単に説明する。

本発明に係る地山予測システムを現場に持ち込み、第一システムにより、施工途次のトンネルにおける切羽を評価する。即ち、例えば過去のトンネル施工において撮影入手した複数の学習用切羽画像を機械学習して生成される切羽判定モデルと、施工途次のトンネルで撮影入手した切羽画像とから当該切羽を評価する。

続いて、第二システムにより、現在の掘削進行状況を評価する。即ち、例えば過去のトンネル施工において掘削進行単位ごとに撮影入手した複数の学習用切羽画像から第一システムを用いて評価した各掘削進行単位ごとの学習用切羽評価結果を機械学習して生成される掘削進行判定モデルと、施工途次のトンネルで撮影入手した掘削進行単位ごとの切羽画像を前記第一システムを用いて評価した各掘削進行単位ごとの切羽評価結果とから施工途次の掘削進行状況を評価する。

これらの２つのシステムを用いて施工途次のトンネルの現在の切羽前方の掘削予定の地山状況を予測するから、適正な予測が可能となり、効率良く安全な施工ができることになる。

本発明の具体的な実施例について図面に基づいて説明する。

本実施例は、トンネル施工において撮影入手した複数の学習用切羽画像を機械学習して生成される切羽判定モデルと、施工途次のトンネルで撮影入手した切羽画像とから当該施工途次の切羽を評価する第一システムと、トンネル施工において掘削進行単位ごとに撮影入手した複数の学習用切羽画像から前記第一システムを用いて評価した各掘削進行単位ごとの学習用切羽評価結果を機械学習して生成される掘削進行判定モデルと、施工途次のトンネルで撮影入手した掘削進行単位ごとの切羽画像を第一システムを用いて評価した各掘削進行単位ごとの切羽評価結果とから当該施工途次の掘削進行状況を評価する第二システムとにより施工途次のトンネルの現在の切羽前方の掘削予定の地山状況を予測する地山予測システムである。

尚、学習用切羽画像及び学習用切羽評価結果は、過去に実施したトンネル施工の際に取得したデータ及びそれに基づく結果データである。また、施工途次のトンネルとは、現在施工しているトンネルであって、本実施例に係る地山予測システムの実施対象となるトンネルである。

具体的には、本実施例は、人間の知的能力を実現するソフトウエア（人工知能：ＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ）を備えたコンピュータシステムであり、具体的には、多数のデータにより機械学習（深層学習：ＤｅｅｐＬｅａｒｎｉｎｇ）を行う機能を搭載し、この機械学習により生成される第一システム（切羽判定モデル）及び第二システム（掘削進行判定モデル）を備えている。

尚、本実施例では、機械学習として深層学習を採用したが、それに限られるものではない。

切羽判定モデルは、図１に図示したようにトンネル施工において撮影入手した複数の学習用切羽画像を機械学習させることで生成される。この切羽判定モデルを生成するための複数の学習用切羽画像は、過去若しくは現在のトンネル施工において撮影入手した切羽画像及び過去若しくは現在の少なくとも１つのトンネル施工において掘削進行単位ごとに出現する切羽を連続して撮影した切羽画像であり、この複数の学習用切羽画像を順に機械学習して得られる。尚、これらの切羽画像を学習用切羽画像として随時追加機械学習させるようにすると、判定精度もそれだけ向上する。

従って、この切羽判定モデルを用いて、施工途次のトンネルで掘削単位ごとに撮影入手した切羽画像から当該切羽を評価することができる。

掘削進行判定モデルは、図１に図示したようにトンネル施工において掘削進行単位ごとに撮影入手した複数の学習用切羽画像から第一システムを用いて評価した各掘削進行単位ごとの学習用切羽評価結果を機械学習して生成される。この掘削進行判定モデルを生成するための複数の掘削進行単位ごとの学習用切羽評価結果は、過去若しくは現在の少なくとも１つのトンネル施工において掘削進行単位ごとに出現する切羽を連続して撮影した切羽画像から第一システムを用いて評価した掘削進行単位ごとの切羽評価結果を順に機械学習して得られる。尚、この掘削進行単位ごとの切羽評価結果を掘削進行単位ごとの学習用切羽評価結果として随時追加機械学習させるようにすると、判定精度がそれだけ向上する。

従って、この掘削進行判定モデルを用いて、施工途次のトンネルで撮影入手した掘削進行単位ごとの切羽画像を第一システムを用いて評価した各掘削進行単位ごとの切羽評価結果から当該施工途次の掘削進行状況を評価することができる。

また、本実施例では、得られた切羽前方の地山状況を表示する地山表示手段を備えている。

この地山表示手段は、例えば切羽前方における地山不良部の分布領域が切羽進行方向に推移する分布形状を表示する。

尚、本実施例に係る地山予測システム（第一システム及び第二システム）は、トンネル毎の地質分布に応じて複数種類用意される。

以上の構成から成る地山予測システムの使用方法について説明する。

施工途次（トンネル掘削期間）のトンネルにおいて、現在切羽位置（Ｌｎ）よりも後方の１０〜２０ｍ程度区間における掘削進行単位（Ｌｎ−１，Ｌｎ−２，Ｌｎ−３・・・Ｌｎ−ｍ）ごとに撮影入手した各掘削進行単位ごとの切羽画像（切羽画像データ）を撮影入手し、この各掘削進行単位ごとの切羽画像を切羽判定モデルで評価し、この切羽判定モデルを用いて評価した各掘削進行単位ごとの切羽評価結果（時系列群）を掘削進行判定モデルで評価（図１中のＡルート）し、当該切羽前方の予測位置（Ｌｎ＋１）の地山状況（例えば地質分布の特徴量）を評価する。

一方、切羽判定モデルを用いて、施工途次の当該位置における切羽を評価して当該地山判定を随時行う（図１中のＢルート）。このＢルートにおいて得られる評価結果は、前記掘削進行判定モデルにおける掘削単位ごとの学習用切羽評価結果としても用いられる。

これらの評価結果に基づき、予測される切羽前方の掘削予定の地山状況は表示手段により表示され、作業者はこの表示を見て今後の施工計画を検討する。

本実施例は上述のように構成したから、切羽前方の掘削予定の地山状況の予測が簡易且つ確実に行えることになる。

また、本実施例は、切羽判定モデルは、施工途次のトンネルで撮影入手した切羽画像を学習用切羽画像として随時追加機械学習可能なように構成されているから、より高精度な判定が行われることになる。

また、本実施例は、掘削進行判定モデルは、施工途次のトンネルで得られる切羽評価結果を学習用切羽評価結果として随時追加機械学習可能なように構成されているから、より高精度な判定が行われることになる。

また、本実施例は、現在の切羽前方の掘削予定の地山状況を表示する地山表示手段を備えたから、本システムにより得られる現在の切羽前方の地山状況をイメージし易く十分に把握することができる。

尚、本発明は、本実施例に限られるものではなく、各構成要件の具体的構成は適宜設計し得るものである。

Claims

トンネル施工において撮影入手した複数の学習用切羽画像を機械学習して生成される切羽判定モデルと、施工途次のトンネルで撮影入手した切羽画像とから当該施工途次の切羽を評価する第一システム、
トンネル施工において掘削進行単位ごとに撮影入手した複数の学習用切羽画像から前記第一システムを用いて評価した各掘削進行単位ごとの学習用切羽評価結果を機械学習して生成される掘削進行判定モデルと、施工途次のトンネルで撮影入手した掘削進行単位ごとの切羽画像を前記第一システムを用いて評価した各掘削進行単位ごとの切羽評価結果とから当該施工途次の掘削進行状況を評価する第二システム、
前記２つのシステムにより施工途次のトンネルの現在の切羽前方の掘削予定の地山状況を予測することを特徴とする地山予測システム。
請求項１記載の地山予測システムにおいて、前記切羽判定モデルは、施工途次のトンネルで撮影入手した切羽画像を前記学習用切羽画像として随時追加機械学習可能なように構成されていることを特徴とする地山予測システム。
請求項１，２いずれか１項に記載の地山予測システムにおいて、前記掘削進行判定モデルは、施工途次のトンネルで得られる前記掘削進行単位ごとの切羽評価結果を前記掘削進行単位ごとの学習用切羽評価結果として随時追加機械学習可能なように構成されていることを特徴とする地山予測システム。
請求項１〜３いずれか１項に記載の地山予測システムにおいて、前記現在の切羽前方の掘削予定の地山状況を表示する地山表示手段を備えたことを特徴とする地山予測システム。