JP2022089691A - シールド掘進機の方向制御方法、力点判定装置、方向制御システム、及び学習済みモデルの生成方法。 - Google Patents

Abstract

【課題】掘進時にジャッキ推力の実力点を追従させる最適な力点を自動判定するシールド掘進機の方向制御方法、力点判定装置、方向制御システム、学習済みモデルの生成方法を提供する。【解決手段】判定用制御支援情報を取得する工程、学習用制御支援情報、学習用制御支援情報に対応する最適力点の正解データとを含む教師データを用いて機械学習した学習済みモデルに、判定用制御支援情報を入力し、掘進予定区間の最適力点を出力する工程を備え、学習用制御支援情報は、所定区間のジャッキ稼働状態、位置・姿勢に関する計測情報と、後行の所定区間における掘進方向の指示情報、及びカッターディスクの回転方向情報と、後行の所定区間の掘進時におけるジャッキ推力の作用力点に推奨する推奨力点と、を含み、判定用制御支援情報は、掘進予定区間を掘進する直前のシールド掘進機の計測情報と、掘進予定区間で予定する指示情報、回転方向情報、及び推奨力点、を含む。【選択図】図１７

Description

本発明は、シールド掘進機の掘進方向を制御するための、シールド掘進機の方向制御方法、力点判定装置、方向制御システム、及び学習済みモデルの生成方法に関する。

従来よりシールド掘進機は、コンピューターを利用した掘進方向の自動制御化が実現されており、高い掘進制度をもって作業を進めるべく、様々なシステムが検討されている。例えば、特許文献１では、シールド掘進機に作用するジャッキ推力の作用力点を用いて、シールド掘進機の掘進方向を制御する、シールド掘進機の方向制御システムが開示されている。

特許文献１ではまず、シールド掘進機の正面視で、左右端に位置するシールドジャッキの伸縮量の差をストローク差、上下端方向のシールド掘進機の傾斜角度をピッチング角として設定し、所定区間だけ掘進して停止させたシールド掘進機において、現在のストローク差及びピッチング角を計測しておく。その一方で、現場職員が、次の所定区間の掘進作業に向けて、シールド掘進機を計画線形に沿って掘進させるための進行目標値を設定する。

方向制御システムは、進行目標値、現在のストローク差及びピッチング角から算出したピッチング角度差、実績に基づく回帰分析結果等に基づいて、次の掘進作業でシールド掘進機を計画線形に沿って掘進させるために適したジャッキ推力の作用力点として推奨する推奨力点を設定する。シールド掘進機のオペレーターは、この推奨力点を参照しつつシールド掘進機の性能や地盤状況を勘案し、最適な目標力点を決定し、これをシールド掘進機の制御装置に入力する。

すると、シールド掘進機の制御装置にシールドジャッキの自動制御機能が搭載されている場合、シールド掘進機は、運転中のシールド掘進機に作用するジャッキ推力の実力点が目標力点を追従するよう、運転を自動制御される。一方、自動制御機能が搭載されていない場合、オペレーターが決定した目標力点に作用力点が最も近いジャッキパターンを、方向制御システムまたはオペレーター自身が選択する。そして、オペレーターは選択されたジャッキパターンを用いて、運転中のシールド掘進機に作用するジャッキ推力の実力点が目標力点を追従するよう、シールド掘進機を運転する。

特開２０１９－８２００３号公報

シールド掘進機の方向制御に影響を及ぼす可能性がある要因として、ストローク差やピッチング角度差等のシールド掘進機のジャッキ稼働状態のほかにも、シールド掘進機のジャイロ方位や水レベル値、テールクリアランスといったシールド掘進機の位置や姿勢等、様々な要因が考えられる。しかし、これら方向制御に影響を及ぼす可能性のあるすべての項目を、推奨力点に反映させることは困難である。このため、ジャッキ推力の作用力点として推奨力点を推奨しても、推奨力点はそのまま採用されず、これを支援情報としてオペレータが決定した目標力点が採用される場合が多い。

本発明は、かかる課題に鑑みなされたものであって、その主な目的は、シールド掘進機の掘進方向をジャッキ推力の作用力点を用いて制御するにあたり、掘進時にジャッキ推力の実力点を追従させる最適な力点を、自動判定することである。

かかる目的を達成するため、本発明のシールド掘進機の方向制御方法は、掘進予定区間の掘進時に、シールド掘進機に作用させるジャッキ推力の最適力点を自動判定し、該最適力点に前記ジャッキ推力の実力点を追従させてシールド掘進機の掘進方向を制御するシールド掘進機の方向制御方法であって、判定用制御支援情報を取得する工程と、学習用制御支援情報と、該学習用制御支援情報に対応する前記最適力点の正解データとを含む教師データを用いて機械学習した学習済みモデルに、前記判定用制御支援情報を入力し、前記掘進予定区間の前記最適力点を出力する工程と、を備え、前記学習用制御支援情報は、所定区間を掘進した前記シールド掘進機のジャッキ稼働状態、位置・姿勢に関する計測情報と、後行の所定区間における掘進方向の指示情報、及びカッターディスクの回転方向情報と、前記後行の所定区間の掘進時における前記ジャッキ推力の作用力点に推奨する推奨力点と、を含み、前記判定用制御支援情報は、前記掘進予定区間を掘進する直前の前記シールド掘進機の前記計測情報と、前記掘進予定区間で予定する前記指示情報、前記回転方向情報、及び前記推奨力点、を含むことを特徴とする。

また、本発明のシールド掘進機の方向制御方法は、前記教師データを変えて機械学習した複数の前記学習済みモデルから、前記最適力点を出力する工程で用いる前記学習済みモデルを、前記掘進予定区間の前記指示情報に基づいて選定する工程を含むことを特徴とする。

本発明のシールド掘進機の力点判定装置は、掘進予定区間の掘進時に、シールド掘進機に作用させるジャッキ推力の最適力点を自動判定するシールド掘進機の力点判定装置であって、前記最適力点の自動判定に用いる判定用制御支援情報を取得する支援情報取得部と、前記最適力点を、前記判定用制御支援情報に基づいて自動判定する自動判定部と、を備えるシールド掘進機の力点判定装置であって、前記自動判定部は、学習用制御支援情報と、該学習用制御支援情報に対応する前記最適力点の正解データとを含む教師データを用いた機械学習により生成された学習済みモデルを備え、前記学習用制御支援情報は、所定区間を掘進した前記シールド掘進機のジャッキ稼働状態、位置・姿勢に関する計測情報と、後行の所定区間における掘進方向の指示情報、及びカッターディスクの回転方向情報と、前記後行の所定区間の掘進時におけるジャッキ推力の作用力点に推奨する推奨力点と、を含み、前記判定用制御支援情報は、前記掘進予定区間を掘進する直前の前記シールド掘進機の前記計測情報と、前記掘進予定区間で予定する前記指示情報、前記回転方向情報、及び前記推奨力点、を含むことを特徴とする。

また、本発明のシールド掘進機の力点判定装置は、前記教師データを変えて機械学習した複数の前記学習済みモデルから、前記掘進予定区間の前記指示情報に基づいて前記最適力点を出力する工程で用いる前記学習済みモデルを選定するモデル抽出部を備えることを特徴とする。

本発明のシールド掘進機の方向制御システムは、本発明のシールド掘進機の力点判定装置と、前記シールド掘進機の前記計測情報を取得する掘進管理／線形管理装置と、前記推奨力点を取得する方向制御装置と、を備えることを特徴とする。

本発明の学習済みモデルの生成方法は、掘進予定区間を掘進するシールド掘進機に作用させるジャッキ推力の最適力点を自動判定するために用いる学習済みモデルの生成方法であって、学習用制御支援情報と、該学習用制御支援情報に対応する前記最適力点の正解データとを含む教師データを複数取得する工程と、前記教師データを用いて、判定用制御支援情報を入力とし前記掘進予定区間の前記最適力点を出力とする学習済みモデルを生成する工程と、を備え、前記学習用制御支援情報は、所定区間を掘進した前記シールド掘進機のジャッキ稼働状態、位置・姿勢に関する計測情報と、後行の所定区間における掘進方向の指示情報、及びカッターディスクの回転方向情報と、前記後行の所定区間の掘進時における前記ジャッキ推力の作用力点に推奨する推奨力点と、を含み、前記判定用制御支援情報は、前記掘進予定区間を掘進する直前の前記シールド掘進機の前記計測情報と、前記掘進予定区間で予定する前記指示情報、前記回転方向情報、及び前記推奨力点、を含むことを特徴とする。

また、本発明の学習済みモデルの生成方法は、前記掘進予定区間の前記指示情報に基づいて、前記学習済みモデルの生成に用いる前記教師データを選択する工程を含むことを特徴とする。

本発明のシールド掘進機の方向制御方法、力点判定装置、及び方向制御システムによれば、学習済みモデルを用いて自動判定した最適力点にジャッキ推力の実力点を追従させてシールド掘進機を掘進させることができるため、シールド掘進機の掘進方向を安定した精度で制御し、計画線形に沿って掘進させることが可能となる。

また、方向制御に影響を及ぼす可能性のある数多くの項目を含む学習用制御支援情報を用いて機械学習した学習済みモデルにより自動判定した最適力点は、熟練したオペレータがシールド掘進機の性能や地盤状況を勘案しつつ決定していた目標力点に代えて用いることができ、シールド掘進機の自動運転化の実現に寄与することが可能となる。

さらに、教師データを変えて機械学習した複数の学習済みモデルから、最適力点を出力する工程で用いる学習済みモデルを、掘進予定区間の指示情報に基づいて抽出する。これにより、各々で掘進条件の異なる掘進予定区間に見合った学習済みモデルを採用することができ、より高い精度でシールド掘進機の掘進方向を制御することが可能となる。

本発明の学習済みモデルの生成方法によれば、教師データに用いる学習用制御支援情報として、シールド掘進機のジャッキ稼働状態、位置・姿勢に関する計測情報及び後行の所定区間における掘進方向の指示情報だけでなく、後行の所定区間の掘進時におけるジャッキ推力の作用力点に推奨する推奨力点、及びカッターディスクの回転方向情報を採用する。このように、シールド掘進機の方向制御に影響を及ぼす可能性のある数多くの項目を教師データに用いて機械学習を行うため、学習済みモデルを用いて自動判定した最適力点に、高い信頼性をもたらすことが可能となる。

また、掘進予定区間の指示情報に基づいて、前記学習済みモデルの生成に用いる前記教師データを選択すると、掘進条件が異なる掘進予定区間ごとに学習済みモデルを生成することができ、掘進予定区間ごとにより信頼性の高い最適力点を自動判定することが可能となる。

本発明によれば、シールド掘進機の掘進方向をジャッキ推力の作用力点を用いて制御する際、方向制御に影響を及ぼす可能性のある数多くの項目を反映させて自動判定した、信頼性の高い最適力点を採用して、シールド掘進機の掘進方向を制御することが可能となる。

本発明の実施の形態におけるシールド掘進機の方向制御システムを示す図である。 本発明の実施の形態における掘進予定範囲、掘進方向区間、計測点を示す図である。 本発明の実施の形態におけるシールド制御装置の操作盤上の力点を示す図である。 本発明の実施の形態におけるシールド掘進機の計画線形に対する逸脱量を示す図である。 本発明の実施の形態における方向制御装置の構成を示す図である。 本発明の実施の形態における推奨力点を算定する手順のフローである。 本発明の実施の形態における力点判定装置の構成を示す図である。 本発明の実施の形態における制御支援情報（学習用・判定用）を示す図である。 本発明の実施の形態における制御支援情報（学習用・判定用）で用いる理想値の概念を示す図である。 本発明の実施の形態における学習済みモデルの生成方法、及び最適力点の自動判定方法を示す図である。 本発明の実施の形態における学習用制御支援情報を取得する手順のフローである。 本発明の実施の形態における学習済みモデルの評価方法を示す図である。 本発明の実施の形態における学習済みモデルの評価方法で用いる「勝ち数」の考え方を示す図である。 本発明の実施の形態における学習済みモデルの評価結果（水平方向）を示す図である。 本発明の実施の形態における学習済みモデルの評価結果（垂直方向）を示す図である。 本発明の実施の形態における教師データに推奨力点を用いることの評価結果を示す図である。 本発明の実施の形態における学習済みモデルを用いたシールド掘進機の方向制御方法を示す図である。

以下に、シールド掘進機の方向制御方法、力点判定装置、方向制御システム、及び学習済みモデルの生成方法について、その詳細を図１～１７を参照しながら説明する。これに先立ち、以下に図１～図３を参照しつつ、シールド掘進機１０、ジャッキ推力の作用力点Ｐ、実力点Ｅ、推奨力点Ｒ、目標力点Ｇ、進行目標値（掘進指示書）、最適力点Ｍの自動判定の概略について、その概略を説明する。

≪≪シールド掘進機≫≫
シールド掘進機１０は、図１（ａ）の側面図及び図１（ｂ）の正面図で示すように、先端面にカッターディスク２５を備えた筒状の外殻体１１と、外殻体１１の内周面に沿って周方向に設けられる複数のシールドジャッキ１４と、外殻体１１の内部に装備されたコンピュータからなりシールド掘進機１０の駆動制御を実行するシールド制御装置１５と、を備えている。

シールドジャッキ１４は、左右対称に配置され、外殻体１１の内部でセグメント１３を組み立て形成したトンネル１２の内壁面を覆う覆工体から掘進用の反力を得る。これにより、シールド掘進機１０は、カッターディスク２５を回転させつつ、覆工体を構成するセグメント１３を掘進反力にしてシールドジャッキ１４を伸張させる動作を繰り返すことで、地盤中を順次掘進していく。また、シールド掘進機１０は、これら複数のシールドジャッキ１４によってシールド掘進機１０に作用するジャッキ推力の作用力点Ｐの位置により、その掘進方向が制御される。

≪≪ジャッキ推力の作用力点Ｐ≫≫
図１（ｂ）で示すような作用力点Ｐは、複数のシールドジャッキ１４のうち、シールド掘進機１０の掘進に寄与するべく高圧なジャッキ圧が設定されるものと、掘進に寄与しない同調圧が設定されるものとの配置（ジャッキパターン）によりおおよその位置が決定される。したがって、これらの配置を適宜組み合わせることにより、シールド掘進機１０に作用するジャッキ推力の作用力点Ｐにおける配置位置を変化させ、シールド掘進機１０を所望の掘進方向に向けて掘進させる。

上述する構造のシールド掘進機１０を用いてトンネル施工を実施する際には、まず、図２で示すように、現場職員が例えば片番（昼勤、夜勤）ごとに、次の勤務時間内に実施する掘進予定範囲Ｌ１の掘進作業に向けて、施工計画に基づく計画線形Ｌに沿ってシールド掘進機１０を掘進させるよう、進行目標値を設定した掘進指示書を作成する。

≪≪進行目標値（指示値）≫≫
進行目標値は、図２で示すように、掘進予定範囲Ｌ１を複数の掘進方向区間Ｌ２に区分けし、この区分けされた掘進方向区間Ｌ２ごと設定される、ストローク差とピッチング角度差の目標値（指示値）である。また、進行目標値には、ジャイロ方位、水レベル値、及びコピーカッターの位置・伸び量についても目標値（指示値）が設定されている。

なお、ストローク差は、図１（ｂ）で示すようなシールド掘進機１０において、左右端に位置するシールドジャッキ１４の伸縮量（シールドジャッキストローク）の差であり、ピッチング角度差は、掘進進方向区間Ｌ２を１区画分掘進した前後のピッチング角（上下端方向のシールド掘進機の傾斜角度）の差である。また、進行目標値が設定される掘進方向区間Ｌ２の距離はいずれでもよく、掘進方向区間Ｌ２で掘進予定範囲Ｌ１を区分けする際の区間数も、なんら限定されるものではない。

例えば、図２では、掘進方向区間Ｌ２をセグメント１３の１リング分の幅に対応させ、掘進予定範囲Ｌ１を掘進方向区間Ｌ２にして３区画分、つまり３リング分に区分けした事例を示している。したがって、図２では、進行目標値が、セグメント１３の１リング分の幅に相当する距離ごとに設定されることとなる。シールド掘進機１０のオペレーターは、この進行目標値を満足するようシールド掘進機１０の掘進方向を方向制御システム１００を用いて制御することにより、地盤中を計画線形Ｌに沿って掘進させる。

≪≪推奨力点Ｒ≫≫
シールド掘進機１０が計画線形Ｌに沿って掘進するよう制御するにあたっては、図３で示すように、シールド掘進機１０に作用するジャッキ推力の作用力点Ｐとして推奨する推奨力点Ｒを、方向制御システム１００を用いて算出する。推奨力点Ｒの算定方法について、詳細は後述するが、シールド掘進機１０で地盤を掘進方向区間Ｌ２の１区画分だけ掘進するごとに取得した実績ストローク差、実績ピッチング角度差、実績水平力点、実績垂直力点を用いて算定する。また、算定には、後行の掘進方向区間Ｌ２で予定するカッターディスク２５の回転方向を加味することができる。

なお、実績ストローク差と実績水平力点は、掘進方向区間Ｌ２の１区画分（セグメント１３の１リング分の幅の距離）を掘進した後の、ストローク差と水平力点である。そして、水平力点は、シールド掘進機１０に作用した複数のシールドジャッキ１４各々の、ジャッキ推力の合力に基づいて算出したシールド掘進機の軸線Ｏを通る水平方向線上の作用点である。

また、実績ピッチング角度差と実績垂直力点は、掘進方向区間Ｌ２の１区画分（セグメント１３の１リング分）を掘進した後の、ピッチング角度差と垂直力点である。そして、垂直力点は、シールド掘進機１０に作用した複数のシールドジャッキ１４各々の、ジャッキ推力の合力に基づいて算出した、シールド掘進機１０の軸線Ｏを通る水平方向線と直交する垂直方向線上の作用点である。

≪≪目標力点Ｇ及び実力点Ｅ≫≫
上記のとおり、推奨力点Ｒは、実績ストローク差や実績ピッチング角度差等を利用して算出しているが、シールド掘進機１０の姿勢やテールクリアランス（シールド掘進機１０とセグメント１３のすき間）、余掘り量等の計測値は、利用していない。つまり、推奨力点Ｒは、シールド掘進機１０の方向制御に影響を及ぼすことが想定されるすべての要因を、反映した力点とはいえない。

このため、シールド掘進機１０のオペレーターは、図３で示すように、この推奨力点Ｒを参照しつつ、シールド掘進機１０の性能や地盤状況もしくは過去の経験等を勘案したうえで、シールド掘進機１０に作用させるジャッキ推力の目標力点Ｇを決定する。そして、この目標力点Ｇを、シールド制御装置１５に入力すると、例えば、シールド制御装置１５にシールドジャッキ１４の自動制御機能が搭載されている場合には、運転中のシールド掘進機１０に作用するジャッキ推力の実力点Ｅが、目標力点Ｇを追従するよう自動制御される。

≪≪最適力点Ｍの自動判定≫≫
このようにして、シールド掘進機１０は、その掘進方向が制御され、掘進指示書を満足するよう地盤中を掘進する。しかし、目標力点Ｇはオペレーターが決定するため、その掘進精度はオペレータの熟練度に影響を受けやすい。そこで、図１（ａ）で示すように、方向制御システム１００にシールド掘進機１０の力点判定装置４０を設け、この力点判定装置４０で、図３で示すように、オペレーターが決定する目標力点Ｇに代わり、運転中のシールド掘進機１０に作用するジャッキ推力の実力点Ｅを追従させる最適力点Ｍを自動判定することとした。

以下に、図１、図４～７を参照しつつ、力点判定装置４０を具備した方向制御システム１００、及び力点判定装置４０について説明する。

≪≪シールド掘進機の方向制御システム≫≫
方向制御システム１００は、図１（ａ）で示すように、掘進管理／線形管理装置２０と、方向制御装置３０と、力点判定装置４０を備える。これらは、相互にデータ通信が可能なように有線もしくは無線で接続されている。また、多重伝送装置親局２１及び多重伝送装置子局２２を介して、シールド掘進機１０の内部に装備されているシールド制御装置１５と接続されている。

≪≪掘進管理／線形管理装置≫≫
掘進管理／線形管理装置２０は、シールド掘進機１０に装備された計測機器から得た掘進作業中の各種データの収集・計算・記録・蓄積を行うとともに、シールド掘進機１０の稼働状況を監視するものである。また、シールド掘進機１０の位置・姿勢、及び図４（ａ）（ｂ）で示すような、施工計画に基づく計画線形Ｌに対する水平方向の逸脱量Ｄｈ及び垂直方向の逸脱量Ｄｐ等を把握し、シールド掘進機１０の線形管理を行う。

シールド掘進機１０に装備された計測機器として、シールド掘進機１０に自動測量機能が備えられている場合には、図１（ａ）で示すように、少なくともレーザー発振機１６、光波距離計１７、及びレーザーターゲット１８が装備されている。また、自動測量機能が備えられていない場合は、水平方向はジャイロとストローク計により、垂直方向は水レベル計とピッチング計により、シールド掘進機１０の位置や姿勢の演算を実施する。

また、少なくとも、シールド掘進機１０のストローク差やピッチング角度差の現在値等、シールドジャッキ１４の稼働状態に係るデータを算出するともに、シールド掘進機１０に作用したシールドジャッキ１４のジャッキ推力から水平力点及び垂直力点を算出する。

≪≪方向制御装置≫≫
方向制御装置３０は、前述した推奨力点Ｒを算定可能な装置であり、図５で示すように、入力装置３１、出力装置３２、中央演算処理装置３３、ファイル装置３４、及びメインメモリ３５とを備えている。なお、推奨力点Ｒは、推奨水平力点Ｒｈと推奨垂直力点Ｒｖを合成したものである。

入力装置３１は、例えばキーボード、スキャナー、スイッチ等であり、出力装置３２は、ディスプレイやプリンター等が挙げられる。中央演算処理装置３３は、ＣＰＵ、ＧＰＵ、ＲＯＭ、ＲＡＭ及びハードウェアインタフェース等を有するコンピュータである。ファイル装置３４は、半導体メモリ又はハードディスクドライブ等からなる記憶装置であり、詳細は後述するが、少なくともデータファイル３４１、回帰分析情報ファイル３４２、推奨力点設定用ファイル３４３、ジャッキパターンファイル３４４、作用力点格納ファイル３４５等が格納されている。

また、メインメモリ３５は、中央演算処理装置３３によって実行可能なプログラムやデータを一時的に格納するものであり、少なくも実目標値算出部３５１、回帰分析部３５２、回転情報取得部３５３、回帰式選択部３５４、推奨力点算出部３５５、及びパターン抽出部３５６が備えられている。

≪≪推奨力点の算定方法≫≫
以下に、上記の方向制御装置３０を用いて推奨力点Ｒを算定する手順を、図６のフローに沿って説明する。ここでは、掘進時に予定するカッターディスク２５の回転方向を加味して推奨力点Ｒを算定する手順の概略を示すこととし、詳細は、特願２０２０―１１６９５０号に譲る。

＜事前準備＞
図２で示すように、シールド掘進機１０により地盤を掘進方向区間Ｌ２の１区間分を掘進したのち、掘進作業を一時停止して、前述の計測機器を用いてシールド掘進機１０の位置を計測する。また、計測結果に基づいて、シールド掘進機１０のストローク差及びピッチング角度差の現在値を算出するとともに、シールド掘進機１０に作用したシールドジャッキ１４のジャッキ推力から、水平力点及び垂直力点を算出する。

さらに、１区間分を掘進した際のカッターディスク２５の回転方向（右方向もしくは左方向）を検出し、これを上記の計測結果及び算出結果と併せて、掘進方向区間Ｌ２の区間番号もしくはセグメント１３のリング番号とともに、掘進管理／線形管理装置２０に記録する。このようなストローク差及びピッチング角度差、これらに対応する水平力点及び垂直力点、及びデータ取得時のカッターディスク２５の回転方向情報は、掘進方向区間Ｌ２の１区間分を掘進するごとに算出される。

したがって、これらを実績データ（実績ストローク差、実績ピッチング角度差、実績水平力点、実績垂直力点、実績回転方向）とし、掘進管理／線形管理装置２０から方向制御装置３０に送信し、ファイル装置３４のデータファイル３４１に格納し蓄積する。

＜ＳＴＥＰ１－１、１－２＞
データファイル３４１に、実績データが回帰分析に必要な数量以上蓄積されると、方向制御装置３０は、掘進方向区間Ｌ２の１区間分を掘進するごとに、次の作業を実施する。中央演算処理装置３３がメインメモリ３５に格納されている実目標値算出部３５１の指令を受け、ファイル装置３４のデータファイル３４１に格納されているストローク差の現在値（実績ストローク差の最新値）を取得する。同様に、ピッチング角度差の現在値（実績ピッチング角度差の最新値）を取得する。

また、掘進指示書で設定された次の掘進方向区間Ｌ２を掘進するための進行目標値（ストローク差の目標値、及びピッチング角度差の目標値）を取得する。進行目標値は、進行目標値が設定されるごとに、入力装置３１を介して方向制御装置３０に入力されるとともに、ファイル装置３４のデータファイル３４１に格納される。

＜ＳＴＥＰ１－２＞
こののち、ストローク差の現在地と進行目標値（ストローク差の目標値）との差から、ストローク差の実目標値を算出する。同様に、ピッチング角度差の現在値と進行目標値（ピッチング角度差の目標値）との差から、ピッチング角度差の実目標値を算出する。こうして算出したストローク差の実目標値及びピッチング角度差の実目標値は、ファイル装置３４の推奨力点設定用ファイル３４３に格納する。

＜ＳＴＥＰ１－３＞
その一方で、実績データを利用して、カッターディスクの回転方向を加味した回帰分析を行い、推奨水平力点Ｒｈ及び推奨垂直力点Ｒｖを算出可能な回帰式を、それぞれ３種類（回転方向を加味した場合（右回転、左回転）、回転を加味しない場合）取得しておく。

具体的には、中央演算処理装置３３がメインメモリ３５に格納されている回帰分析部３５２の指令を受け、ファイル装置３４に格納されているデータファイル３４１に記録された実績データのうち、カッターディスク２５の右回転時に取得した、実績ストローク差とこれに対応する実績水平力点を、回帰分析に必要なデータ数だけ抽出する。これら右回転時のみの実績データを利用して、実績ストローク差と実績水平力点の関係を求める回帰分析を行い、右回転時の実績データを用いた回帰式を取得する。同様の手順で、カッターディスク２５が左回転時の実績データを用いた回帰式と、右回転及び左回転の両者を含む実績データを用いた回帰式（回転方向を加味しない場合に相当）を取得する。これらは、推奨水平力点Ｒｈを算出可能な回帰式であり、回帰分析情報ファイル３４２に格納する。

さらに、実績ピッチング角度差と実績垂直力点の関係を求める回帰分析も同様に、右回転時のみの実績データ、左回転時のみの実績データ、右回転時と左回転時の両者を含む実績データを利用して、それぞれ回帰分析を行い、回帰式を取得する。これらは、推奨垂直力点Ｒｖを算出可能な回帰式であり、回帰分析情報ファイル３４２に格納する。

＜ＳＴＥＰ１－４＞
方向制御装置３０に、次の掘進方向区間Ｌ２で予定するカッターディスク２５の回転方向情報が入力されると、中央演算処理装置３３が回転情報取得部３５３の指令を受け、回転方向に対応する回帰式（右回転用もしくは左回転用）と、回転方向を加味しない回帰式の２種類の回帰式を、回帰分析情報ファイル３４２から抽出し、回帰式選択部３５４に供給する。すると、中央演算処理装置３３が回帰式選択部３５４の指令を受け、２種類の回帰式のうち、いずれかを好適な回帰式を、任意の手段で選択する。回帰式の選択は、推奨水平力点Ｒｈを算出可能な回帰式及び推奨水垂直点Ｒｖを算出可能な回帰式の各々で実施される。

＜ＳＴＥＰ１－５＞
選択した回帰式が推奨力点設定用ファイル３４３に格納されると、中央演算処理装置３３が推奨力点算出部３５５の指令を受け、推奨水平力点Ｒｈを算出するべく選択した回帰式（Ｓｔｅｐ１－４で選択）に、推奨力点設定用ファイル３４３に格納されたストローク差の実目標値（ＳＴＥＰ１－２で算定）を説明変数として入力する。これにより、回帰式の目的変数として推奨水平力点Ｒｈが出力される。また、推奨垂直力点Ｒｖも同様の手順で選択した回帰式に、ピッチング角度差の実目標値（ＳＴＥＰ１－２で算定）を説明変数として入力することにより出力される。

こうして、推奨力点算出部３５５にて算出された推奨力点Ｒは、ファイル装置３４の推奨力点設定用ファイル３４３に格納される。また、多重伝送装置親局２１を介してシールド制御装置１５に入力し、図３で示すように、シールド制御装置１５の操作盤上の選択画面１５１に表示させてもよい。

≪≪力点判定装置≫≫
力点判定装置４０は、前述したように、運転中のシールド掘進機１０に作用するジャッキ推力の実力点Ｅを追従させる最適力点Ｍを自動判定する装置であり、また、自動判定に用いる学習済みモデルＴを生成する装置である。なお、最適力点Ｍは、最適水平力点Ｍｈと最適垂直力点Ｍｖを合成したものである。

図７で示すように、力点判定装置４０は、入力部４１、出力部４２、中央演算処理装置４３、ファイル装置４４、及びメインメモリ４５とを備えている。入力部４１は、掘進管理／線形管理装置２０及び方向制御装置３０に加え、キーボードやマウス等の入力装置から入力される情報を、力点判定装置４０に供給する。また、出力部１２０は、入力部４１から供給された情報やファイル装置４４に格納された情報等を、シールド制御装置１５や出力装置（例えば、ディスプレー及びプリンタ等）に出力する。

中央演算処理装置４３は、ＣＰＵ、ＧＰＵ、ＲＯＭ、ＲＡＭ及びハードウェアインタフェース等を有するコンピュータである。また、ファイル装置４４には、半導体メモリ又はハードディスクドライブ等からなる記憶装置であり、詳細は後述するが、少なくとも支援情報データファイル４４１、学習済みモデルファイル４４２、最適力点判定用ファイル４４３等が格納されている。メインメモリ４５は、中央演算処理装置４３によって実行可能なプログラムやデータを一時的に格納するものであり、少なくも、支援情報取得部４５１、自動判定部４５２、モデル抽出部４５３、学習済みモデル生成部４５４が備えられている。そして、学習済みモデル生成部４５４は、訓練データ取得部４５４１と、教師データ作成部４５４２と、機械学習部４５４３とを備える。

以下に、力点判定装置４０を用いた最適力点Ｍを自動判定する手順と学習済みモデルＴの生成する手順を説明するが、これに先立ち、最適力点Ｍを自動判定に用いる判定用制御支援情報と、学習済みモデルＴの生成に用いる学習用制御支援情報について、図８で示す制御支援情報（判定用・学習用）を参照しつつ、その概略を説明する。

≪≪制御支援情報（学習用・判定用）≫≫
制御支援情報（判定用・学習用）は、計測情報（Ｈ０１～Ｈ１７、Ｖ０１～Ｖ１７）、指示情報（Ｈ１８～Ｈ２３、Ｖ１８～Ｖ２３）、カッターディスク２５の回転方向情報（Ｈ２４、Ｖ２４）、前述した推奨力点Ｒに関する推奨力点情報（Ｈ２５、Ｖ２５）の４種類の情報を備える。

＜計測情報（Ｈ０１～Ｈ１７、Ｖ０１～Ｖ１７）＞
計測情報は、前述のシールド掘進機１０に装備された計測機器にて計測される計測値、及び掘進管理／線形管理装置２０もしくはその他の機器を用いて算出される算出値である。これらは、図２で示す掘進方向区間Ｌ２ごとに取得してもよいし、掘進方向区間Ｌ２の途中に設けられた複数の計測点Ｐに到達するごとに取得してもよい。

計測情報のうち、計測値に該当する説明変数（水平方向、垂直方向）は、実ストローク差（ストローク差の現在値）、実ピッチング角度差（ピッチング角度差の現在値）、シールドジャッキストローク（右、左）、シールドジャッキ速度（右、左）、ジャイロ方位、水レベル値、ローリング角、コピーカッタ位置（実値）、コピーカッタストローク（実値）、カッタモータ総トルク及び中折角度（水平、垂直）である。そして、これら以外の計測情報に含まれる説明変数（水平方向、垂直方向）が、計測値を用いて算出される算出値である。

＜「理想値」を用いた説明変数の算定方法＞
ここで、図８をみると上記の計測値を用いて算出される算出値には、「理想値」を用いた説明変数（Ｈ０２、Ｖ０２、Ｈ０８、Ｖ０８）が含まれている。これらは、計測点Ｐに到達するごとに計測情報を取得する場合に追加する項目である、以下に、説明変数Ｈ０２の「実績ストローク差（理想値）―実績ストローク差」を事例に挙げ、その算出方法を以下に説明する。なお、計測情報を掘進方向区間Ｌ２ごとに算出する場合は、「理想値」を用いた説明変数（Ｈ０２、Ｖ０２、Ｈ０８、Ｖ０８）が不要となる

図９（ａ）には、横軸に掘進方向距離、縦軸にストローク差を取ったグラフ上に、実ストローク差、ストローク差（指示値）及びストローク差（理想値）が表示されている。このうち、実ストローク差は、上述のとおり、掘進方向区間Ｌ２及び複数の計測点Ｐに到達するごとに取得される。一方、ストローク差（指示値）は、掘進指示書に設定された進行目標値の１つであるから、掘進方向区間Ｌ２ごとに設定される。ここで、実ストローク差は、シールド掘進機１０を掘進させる際、計測点Ｐを通過するごとに段階的にストローク差（指示値）に近づき、掘進方向区間Ｌ２を掘進し終えた時点でストローク差（指示値）を満足することが理想である。

そこで、図９（ａ）において、掘進方向区間Ｌ２の始点に掘進直前の実ストローク差をプロットするととに、終点にストローク差（指示値）をプロットし、これらを結ぶ理想直線を描く。そして、シールド掘進機１０が計測点Ｐを通過するごとに、実ストローク差の計測値と理想直線状上の実績ストローク差（理想値）との差を算定し、これを説明変数Ｈ０２とした。なお、図示は省略するが、説明変数Ｖ０２の「実績ピッチング角度差（理想値）―実績ピッチング角度差」も同様の考え方に基づいて算定する。

また、図９（ｂ）で示すよう、説明変数Ｈ０８「ジャイロ方位（理想値）―ジャイロ方位」も同様の考え方を採用している。横軸に掘進方向距離、縦軸にジャイロ方位を取ったグラフ上で、掘進方向区間Ｌ２の始点に掘進直前のジャイロ方位をプロットするとともに、終点にジャイロ方位（指示値）をプロットし、これらを結ぶ理想直線を描く。そして、シールド掘進機１０が計測点Ｐを通過するごとに、ジャイロ方位の計測値と理想直線状上のジャイロ方位（理想値）との差を算定し、これを説明変数Ｈ０８とした。なお、図示は省略するが、説明変数Ｖ０８「水レベル値（理想値）―水レベル値」も同様の考え方に基づいて算定する。

＜指示情報（Ｈ１８～Ｈ２３、Ｖ１８～Ｖ２３）＞
指示情報は、前述の掘進指示書に設定された進行目標値、及び進行目標値を用いて算出される算出値であり、図２で示すような掘進方向区間Ｌ２ごとに取得される。指示情報のうち、進行目標値に該当する説明変数（水平方向、垂直方向）は、ストローク差（指示値）、ジャイロ方位（指示値）、水レベル値（指示値）、コピーカッターの位置及び伸び量（指示値）である。そして、これら以外の指示情報に含まれる説明変数（水平方向、垂直方向）が、進行目標値を利用して算出される算出値である。

上記の制御支援情報（判定用・学習用）において、判定用制御支援情報は、最適力点Ｍを自動判定しようとする掘進予定区間に関する情報であって、計測情報は、掘進予定区間を掘進する直前の情報であり、指示情報、回転方向情報及び推奨力点情報は、掘進予定区間で予定する情報である。また、学習用制御支援情報は、過去のシールド工事で蓄積した情報であって、計測情報は、所定区間を掘進した時点の情報であり、指示情報、回転情報及び推奨力点は、後行の所定区間を掘進する際に用いる情報である。

≪≪学習済みモデルＴ及び教師データＬ≫≫
学習済みモデルＴは、最適水平力点Ｍｈの自動判定に用いる学習済みモデルＴｈと、最適垂直力点Ｍｖの自動判定に用いる学習済みモデルＴｖを含み、例えば、ランダムフォレスト（Random Forest）、ディープラーニング（Deep Learning）や、ニューラルネットワーク（Neural Network）、サポートベクターマシン（Support Vector Machine：ＳＶＭ）等の各種のアルゴリズムを用いた学習により得られた学習結果である。本実施の形態では、機械学習の手法に、ランダムフォレスト（Random Forest）を採用している。

教師データＬは、学習済みモデルＴの機械学習に用いられるデータであり、教師データＬｈ及び教師データＬｖを含む。教師データＬｈは、上記の学習用制御支援情報の説明変数（水平方向）とこれに対応する最適水平力点Ｍｈの正解データとを含む。また、教師データＬｖは、上記の学習用制御支援情報の説明変数（垂直方向）とこれに対応する最適垂直力点Ｍｖの正解データとを含む。そして、教師データＬｈの正解データ及び教師データＬｖの正解データは、目標水平力点Ｇｈ及び目標垂直力点Ｇｖを採用する。目標水平力点Ｇｈ及び目標垂直力点Ｇｖは、学習用制御支援情報に含まれる推奨水平力点Ｒを参照しつつ、オペレータが決定した目標力点Ｇの分力である。

≪≪訓練データ及び訓練データの取得方法≫≫
上記の教師データＬは、図１０で示すように、あらかじめ必要なデータクレンジングを適宜実施した訓練データから作成する。訓練データは、学習用制御支援情報と目標力点Ｇと含む蓄積データがすでに存在する場合には、これを用いればよい。一方、あらためて訓練データを取得する場合には、図１１のフローに従って、以下の手順によりデータを蓄積すればよい。

＜所定の掘進方向区間Ｌ２ごとに訓練データを取得する場合＞
＜ＳＴＥＰ２－１～２－２＞
まず、シールド掘進機１０が、図２で示すような所定の掘進方向区間Ｌ２を掘進したのち一旦掘進作業を停止し、前述の計測機器を用いてシールド掘進機１０の位置を計測して、計測情報を取得する。計測情報は、掘進管理／線形管理装置２０により取得してもよいし、他の設備を利用して取得してもよい。次に、後行の掘進方向区間Ｌ２で予定する指示情報と、カッターディスク２５の回転方向情報とを取得するとともに、これらの情報を用いて上述した手順により推奨力点Ｒを算定する。これにより、学習用制御支援情報が取得される。

＜ＳＴＥＰ２－３＞
次に、オペレータが、後行の掘進方向区間Ｌ２を掘進する際に用いる目標力点Ｇを、上記の推奨力点Ｒに基づいて決定する。これにより、学習用制御支援情報と、これに対応する目標力点Ｇとを含む訓練データを取得することができる。

＜ＳＴＥＰ２－４、２－５＞
こののち、この目標力点Ｇを利用して後行の掘進方向区間Ｌ２を掘進する。このような、訓練データを取得する作業とシールド掘進機１０による掘進作業とを、シールド掘進機１０が目標地点に到達するまで繰り返す。これにより、訓練データを、掘進方向区間Ｌ２における掘進した区間数に相当する数量だけ、蓄積することができる。

＜計測点Ｐごとに訓練データを取得する場合＞
上述する方法では、訓練データを図２で示すような掘進方向区間Ｌ２ごとに取得した。しかし、この方法に限定されるものではなく、掘進方向区間Ｌ２の途中に設けられた複数の計測点Ｐに到達するごとに取得してもよい。この場合、学習用制御支援情報のうち、計測情報はシールド掘進機１０が計測点Ｐを通過するごとに取得することができる。しかし、指示情報、カッターディスク２５の回転方向情報、推奨力点Ｒ、及び目標力点Ｇは、掘進方向区間Ｌ２ごとに設定されるから、所定の掘進方向区間Ｌ２の途中に設けられた複数の計測点Ｐでは、これらはすべて同一の情報となる。

なお、計測点Ｐで計測情報を取得した際、シールド掘進機１０の追従性に問題がある場合には、その時点で進行目標値を変更したり、カッターディスク２５の回転方向を変更することもありうる。このような場合には、推奨力点Ｒ及び目標力点Ｇも併せて修正変更することとなるから、これらを採用して計測点Ｐごとに、学習用制御支援情報及びこれに対応する目標力点Ｇを、訓練データとして蓄積すればよい。このような、進行目標値に対する追従性の確認及び進行目標値を調整する方法は、いずれの手段を採用してもよいが、例えば、特願２０１９－１６５４０５号に開示されている、シールド掘進機の掘進方向調整方法を用いると良い。

なお、訓練データは、シールド掘進機１０の掘進作業とともに取得するため、シールド掘進機１０の掘進方向に連続する一連の連続データとして蓄積することができる。したがって、訓練データに対してデータクレンジングを行う際、例えば、学習用制御支援情報のテールクリアランス（Ｈ１４～Ｈ１７、Ｖ１４～Ｖ１７）に欠損が生じている場合には、その前後の訓練データの学習用制御支援情報を利用して、欠損部分のデータを線形補完することができる。また、教師データＬは、図１０の訓練データ収集時の部分（ａ）で示すように、掘進方向区間Ｌ２をセグメントリングにして１リング分の幅とした場合に、少なくとも１０～１００リング分程度蓄積しておくとよい。

≪教師データＬの作成及び学習済みモデルＴの生成≫
上記の訓練データから教師データＬを作成する手順、及び学習済みモデルＴを生成する手順を、図７及び図１０を参照しつつ以下に説明する。なお、掘進方向区間Ｌ２が、セグメントリングにして１リング分の幅に相当する場合を事例に挙げる。

＜教師データＬｈ、Ｌｖの作成＞
訓練データが、力点判定装置４０の入力部４１を介して、ファイル装置４４の支援情報データファイル４４１に格納されると、中央演算処理装置４３が訓練データ取得部４５４１の指令を受け、訓練データを教師データ作成部４５４２に供給する。すると、図１０（ａ）で示すように、学習用制御支援情報の説明変数（水平方向）とこれに対応する目標水平力点Ｇｈを組み合わせて、訓練データから教師データＬｈを作成する（図１０における（１）の流れ）。また、学習用制御支援情報の説明変数（垂直方向）とこれに対応する目標垂直力点Ｇｖに設定した教師データＬｖを作成する。そして、この教師データＬｈ、Ｌｖをそれぞれ、機械学習部４５４３に供給する。

これにより、訓練データを掘進方向区間Ｌ２ごとに収集した場合、教師データＬを、掘進方向区間Ｌ２の区間数（リング数）に相当する数量だけ取得することができる。一方、訓練データを計測点Ｐごとに取得した場合、教師データＬを、掘進方向区間Ｌ２に設けた計測点Ｐの数量と掘進方向区間Ｌ２の区間数（リング数）の積に相当する数量だけ取得することができる。

＜学習済みモデルＴｈ、Ｔｖの生成＞
機械学習部４５４３に教師データＬが供給されると、中央演算処理装置４３は機械学習部４５４３の指令を受け、機械学習の手法（アルゴリズム）のいずれかを採用して教師データＬｈを用いた機械学習を行い、その結果として最適水平力点Ｍｈの算出に用いる学習済みモデルＴｈを生成する。同様に、教師データＬｖを用いた機械学習を行い、その結果として、最適垂直力点Ｍｖの算出に用いる学習済みモデルＴｖを生成する。本実施の形態では、機械学習の手法にランダムフォレスト（Random Forest）を採用している。また、このようにして生成された学習済みモデルＴｈ、Ｔｖを、学習済みモデルファイル４４２に格納する。

≪≪学習済みモデルＴの精度検証≫≫
上記の手順で生成した学習済みモデルＴｈ、Ｔｖについて精度検証を行った。以下に、精度検証の手順を、最適水平力点Ｍｈの自動判定に用いる学習済みモデルＴｈの精度検証を事例に挙げて説明する。

まず、事前準備として図１２で示すように、訓練データを取得した複数の掘進方向区間Ｌ２のうち、任意に抽出した１区間（１リング分）を評価対象区間に設定し、評価対象区間で取得した訓練データ（評価対象区間に設定された複数の計測点Ｐ各々から取得）を評価用データとして取り扱うこととする。次に、計測点Ｐ各々で取得した評価用データの目標水平力点Ｇｈについて平均値を算定する。同様に、評価用データの推奨水平力点Ｒｈについて平均値を算定する。図１３に、計測点Ｐ各々で取得した評価用データの目標水平力点Ｇｈをプロットするとともに、目標水平力点Ｇｈの平均値、及び推奨水平力点Ｒｈの平均値を表示する。なお、図１３は、縦軸に水平力点を取るとともに横軸に掘進方向距離を取ったグラフである。

その一方で、最適水平力点Ｍｈの自動判定に用いる学習済みモデルＴｈを生成する。学習済みモデルＴｈは、図１２で示すように、まず、評価対象区間の直近１０区間（１０リング分）から訓練データを取得し、これら訓練データから教師データＬｈを作成する。次に、作成した教師データＬｈを用いた機械学習により、学習済みモデルＴｈ生成する。そして、評価対象区間に設定された複数の計測点Ｐ各々で、生成した学習済みモデルＴｈに説明変数として評価用データに含まれる学習用制御支援情報を入力し、目標変数として最適水平力点Ｍｈを出力させる。この作業により複数の計測点Ｐごとに取得した最適水平力点Ｍｈの平均値を算出し、図１３のグラフに表示する。

上記の事前準備が済んだところで、力点位置０と目標水平力点Ｇｈの平均値で囲まれた面積、力点位置０と推奨水平力点Ｒｈの平均値で囲まれた面積、力点位置０と最適水平力点Ｍｈで囲まれた面積を各々算定する。算定した結果、最適水平力点Ｍｈの面積が推奨水平力点Ｒｈより目標水平力点Ｇｈの面積に近い場合を、「勝ち数１」とする。評価対象区間として３４２区間を任意に選択し、上記の作業を各々で実施して、勝ち数を合計を算出した。したがって、勝ち数の最大値は３４２となる。

図１４（ａ）のグラフとみると、直近１０区間（１０リング分）から作成した教師データＬｈでは、最適水平力点Ｍｈの勝ち数が１８６となっている様子がわかる。このような勝ち数の算定を、図１２で示すように、教師データＬｈの数量を適宜変更して機械学習した１０パターンの学習済みモデルＴｈ各々で実施する。なお、１０パターンの学習済みモデルＴｈ各々の教師データＬｈは、その数量を直近１０区間分（１０リング分）から１０区間単位で追加し、直近１００区間分（１００リング分）までの１０パターンを作成した。

＜説明変数に推奨力点Ｒを含む場合と含まない場合の比較＞
図１４（ａ）をみると、評価対象区間の直近１００区画分（１００リング分）の訓練データから作成した教師データＬｈを用いて機械学習した学習済みモデルＴｈにより最適水平力点Ｍｈを算定した場合に、最大の勝ち数２１２を獲得している様子がわかる。また、同様の作業を実施して最適垂直力点Ｍｖを算定した結果を、図１５（ａ）に示す。これをみると、評価対象区間の直近１０区画（１０リング分）から作成した教師データＬｖを用いて機械学習した学習済みモデルＴｖにより最適垂直力点Ｍｖを出力した場合に、最大の勝ち数２３１を獲得している様子がわかる。

図１４（ａ）及び図１５（ａ）で示した最適力点Ｍはいずれも、学習用制御支援情報の説明変数（水平方向、垂直方向）に推奨力点Ｒが含まれている場合である。そこで、説明変数（水平方向、垂直方向）から推奨力点Ｒを削除して上記と同様の算定を行った結果を、図１４（ｂ）及び図１５（ｂ）で示す。

図１４（ｂ）をみると、説明変数（水平方向）に推奨水平力点Ｒｈを含まない場合、評価対象区間の直近８０区画（８０リング分）及び直近１００区画（１００リング分）の訓練データから作成した教師データＬｈを用いて機械学習した学習済みモデルＴｈにより最適水平力点Ｍｈを出力した場合に、最大の勝ち数２００を獲得している様子がわかる。これは、説明変数（水平方向）に推奨水平力点Ｒｈを含む場合の勝ち数２１２を下回る。

また、図１５（ｂ）をみると、説明変数（垂直方向）に推奨垂直力点Ｒｖを含まない場合、評価対象区間の直近１０区画（１０リング分）から作成した教師データＬｖを用いて機械学習した学習済みモデルＴｖにより最適垂直力点Ｍｖを出力した場合に、最大の勝ち数２２５を獲得している様子がわかる。これも、説明変数（垂直方向）に推奨垂直力点Ｒｖを含む場合の勝ち数２３１より下回る。以上より、学習用制御支援情報の説明変数（水平方向、垂直方向）のいずれについても、推奨力点Ｒを含めた場合の最適垂直力点Ｍｖの勝ち数が、含めない場合より上回っている様子がわかる。

また、図１６（ａ）に、学習用制御支援情報の説明変数（水平方向、垂直方向）に推奨力点Ｒを含む場合について、評価対象区画当たりの、推奨水平力点Ｒｈと目標水平力点Ｒｈの面積絶対差分（推奨面積絶対差分）、及び最適水平力点Ｍｈと目標水平力点Ｒｈの面積絶対差分（予測面積絶対差分）を算定した結果を示す。また、評価対象区画当たりの、推奨垂直力点Ｒｖと目標垂直力点Ｒｖの面積絶対差分（推奨面積絶対差分）、及び最適垂直力点Ｍｖと目標垂直力点Ｒｖの面積絶対差分（予測面積絶対差分）を算定した結果を示す。

さらに、図１６（ｂ）に、学習用制御支援情報の説明変数（水平方向、垂直方向）に推奨力点Ｒを含まない場合について、同様の４種類の算定結果を示す。なお、いずれの面積絶対差分も、図１４及び図１５のグラフで示す最適水平力点Ｍｈ及び最適水平力点Ｍｖが最大勝ち数を獲得した際の学習済みモデルを採用して算定している。

図１６（ａ）（ｂ）をみると、学習用制御支援情報の説明変数（水平方向、垂直方向）のいずれについても、推奨力点Ｒを含める場合の予測面積絶対差分（水平＝８９，１８９、垂直＝１１５，１４２）が、含めない場合（水平＝９９，２０８、垂直＝１２０，９３２）より減少（面積誤差が減少）している。したがって、説明変数（水平方向、垂直方向）に推奨力点Ｒを含めた学習済みモデルＴは、オペレータが決定した目標力点Ｇに近似した最適適力点Ｍを目的変数として出力していることがわかる。

≪≪方向制御システム１００を用いたシールド掘進機１０の方向制御方法≫≫
上記の力点判定装置４０を備えた方向制御システム１００を用いて、シールド掘進機１０の掘進方向を制御するシールド掘進機１０の方向制御方法を最適力点Ｍの自動判定方法と併せて、図１７のフローに沿って以下に説明する。

本実施の形態では、掘進方向区間Ｌ２を掘進するごとに、次の掘進方向区間Ｌ２を掘進予定区間として最適力点Ｍを自動判定する場合を事例に挙げる。また、本実施の形態では力点判定装置４０が、教師データＬを変えて生成した複数の学習済みモデルＴを格納しており、その中から掘進予定区間に好適な学習済みモデルを抽出し、最適力点Ｍの自動判定を行う場合を事例に挙げる。

＜ＳＴＥＰ３－１＞
シールド掘進機１０が、所定の掘進方向区間Ｌ２を掘進したのち一旦掘進作業を停止し、前述の計測機器を用いてシールド掘進機１０の位置を計測して、計測情報を取得する。計測情報は、掘進管理／線形管理装置２０により取得してもよいし、他の設備を利用して取得してもよい。次に、掘進予定区間で予定する指示情報とカッターディスク２５の回転方向情報を取得するとともに、これらの情報を用いて前述した手順により推奨力点Ｒを算定する。こうして、掘進予定区間に対応する判定用制御支援情報が取得される。

判定用制御支援情報が、図７で示す力点判定装置４０に入力部４１を介してに入力されると、中央演算処理装置４３がメインメモリ４５に格納されている支援情報取得部４５１の指令を受け、判定用制御支援情報をファイル装置４４の最適力点判定用ファイル４４３に格納する。

＜Ｓｔｅｐ３－２＞
最適力点判定用ファイル４４３に判定用制御支援情報が格納されると、中央演算処理装置４３がモデル抽出部４５３の指令を受け、判定用制御支援情報に含まれる指示情報（掘進予定区間に対して設定された指示情報）に基づいて、学習済みモデルファイル４４２に格納されている複数種類の学習済みモデルＴの中から、掘進予定区画の条件に見合う好適なモデルを抽出し、自動判定部４５２に供給する。

≪≪複数種類の学習済みモデルＴの生成方法及び好適な学習済みモデルＴの抽出方法≫≫
＜例１：教師データＬの数量を変化させて複数の学習済みモデルＴを生成（図１０（１）の流れ）＞
図１０（ａ）で示すように、連続する掘進方向区間Ｌ２の区画数（リング数）を変えた複数パターンで訓練データを取得する。例えば、１０種類の学習済みモデルＴを生成したい場合には、連続する掘進方向区間Ｌ２の区画数（リング数）を１０リング単位で変更した訓練データ群を１０パターン取得する。そして、１０パターンの訓練データ群各々で教師データＬを作成する。なお、上記の手順に限定する連続する掘進方向区間Ｌ２よりなる訓練データ群は、例えば、地盤が変状するごとに形成してもよい。

こうして作成した数量の異なる１０パターンの教師データＬの群各々で機械学習を行い、その結果として１０種類の学習済みモデルＴを生成する。なお、訓練データから教師データＬを作成し、教師データＬを用いて学習済みモデルＴを生成する方法は、前述した「学習済みモデルの生成方法」と同様である。生成した１０種類の学習済みモデルＴは、学習済みモデルファイル４４２に格納する。学習済みモデルＴの抽出方法はいずれでもよいが、例えば、掘進予定区間に対して設定された指示情報と類似する指示情報を有する訓練データを選定し、これをテストデータとして取り扱う。

最適水平力点Ｍｈの自動判定に用いる学習済みモデルＴｈを事例に挙げると、このテストデータが有する学習用制御支援情報の説明変数（水平方向）を、１０種類の学習済みモデルＴｈ各々に入力する。その結果、目的変数として出力された最適水平力点Ｍｈと、テストデータが有する目標水平力点Ｇｈとを比較し、目的水平力点Ｇｈに最も近似する最適水平力点Ｍｈを出力した学習済みモデルＴｈを抽出する。同様の作業を、最適垂直力点Ｍｖを自動判定する学習済みモデルＴｖについても実施する。これにより、掘進予定区画に好適な学習済みモデルＴｈ、Ｔｖが抽出される。

＜例２：複数のクラスタごとに学習済みモデルＴを生成（図１０（２）の流れ）＞
まず、連続する複数の掘進方向区間Ｌ２各々から訓練データを取得する。次に、これら訓練データを、任意の手法を用いて各々が有する指示情報の類似する複数のクラスタに分類する。こののち、クラスタごとに訓練データから教師データＬを作成し、教師データＬを用いて学習済みモデルＴを生成する。こうすると、クラスタの数だけ学習済みモデルＴが作成される。

複数のクラスタを作成方法はいずれでもよいが、例えば、最適水平力点Ｍｈの自動判定に用いる学習済みモデルＴｈを複数生成する場合、まず、図１０（ａ）で示すように複数の訓練データを連続して取得したのち、図１０（ｂ）で示すような横軸にストローク差（指示値）を取るとともに縦軸にジャイロ方向（指示値）を取ったグラフにこれらをプロットし、散布図を作成する。こののち、これら散布図上の訓練データを、ｋ平均法（k-means法）等のアルゴリズムを用いた教師なし学習によりクラスタリングし、ストローク差（指示値）及びジャイロ方向（指示値）が類似する、複数のクラスタを形成する。

ここでは、５つのクラスタ（Ｇ１～Ｇ５）が形成されているから、５つのクラスタごとに訓練データから教師データＬを作成し、教師データＬを用いて５種類の学習済みモデルＴｈを生成する。生成した５種類の学習済みモデルＴｈは、学習済みモデルファイル４４２に格納する。そして、好適な学習済みモデルＴｈを抽出する方法としては、図１０（ｂ）で示すグラフの５つのクラスタ（Ｇ１～Ｇ５）の中から、掘進予定区間に設定された指示情報のストローク差（指示値）とジャイロ方向（指示値）が含まれるクラスタ、もしくは近似するクラスタを特定する。この特定したクラスタに対して生成された学習済みモデルＴｈを抽出する。

最適垂直力点Ｍｖの自動判定に用いる学習済みモデルＴｖも、同様の方法を採用できるが、この場合には、指示情報のうち、水レベル値（指示値）とピッチング角度差（指示値）を採用して実施すると良い。

＜Ｓｔｅｐ３－３＞
学習済みモデルＴｈ、Ｔｖが抽出されると、中央演算処理装置４３が自動判定部４５２の指令を受け、抽出した学習済みモデルＴｈ、Ｔｖ各々に、説明変数として最適力点判定用ファイル４４３に格納されている判定用制御支援情報の説明変数（水平方向、垂直方向）を入力する。これにより、目的変数として最適水平力点Ｍｈ及び最適垂直力点Ｍｖが出力されるとともに、これらの合力である最適力点Ｍが自動判定される。最適水平力点Ｍｈ及び最適垂直力点Ｍｖと、その合力最適力点Ｍは、最適力点判定用ファイル４４３に格納されるとともに、図１（ａ）で示すような多重伝送装置親局２１を介してシールド制御装置１５に入力される。

＜Ｓｔｅｐ３－４＞
最適力点Ｍが、図１（ａ）で示すようなシールド制御装置１５に入力されると、シールド制御装置１５にシールドジャッキ１４の自動制御機能が搭載されている場合には、シールド掘進機１０の掘進作業を再開するのみで、運転中のシールド掘進機１０に作用するジャッキ推力の実力点Ｅが、最適力点Ｍを追従するよう自動制御される。また、シールドジャッキの自動制御機能が搭載されていない場合は、自動判定した最適力点Ｍに作用力点Ｐが最も近い、シールドジャッキ１４のジャッキパターンを選択する機能を、図５で示すような方向制御装置３０に追加しておく。

方向制御装置３０に設けるシールドジャッキ１４のジャッキパターンを選択する機能について、その概略を以下に説明するが、詳細は、特願２０１９-１６５４０４号に譲る。

事前準備として、シールド掘進機１０の掘進に寄与する(高圧なジャッキ圧が作用する)シールドジャッキ１４と寄与しない（同調圧が作用する）シールドジャッキとの配置を任意に組み合わせた複数のジャッキパターンを作成する。また、ジャッキパターンごとで、過去に掘進した際のジャッキ圧及び同調圧を引用して運転中のシールド掘進機１０に作用するジャッキ推力の作用力点を算定する。ジャッキパターンは、図５で示すように、方向制御装置３０のファイル装置３４に備えたジャッキパターンファイル３４４に格納し、作用力点は、ジャッキパターンとの紐づけを行って、作用力点格納ファイル３４５に格納しておく。さらに、方向制御装置３０のメインメモリ３５に、パターン抽出部３５６を設けておく。

力点判定装置４０で自動判定した最適力点Ｍが、入力装置３１を介して方向制御装置３０に入力されると、中央演算処理装置３３がパターン抽出部３５６の指令を受け、作用力点格納ファイル３４５に格納された作用力点Ｐと最適力点Ｍとを比較する。そして、最適力点Ｍに作用力点Ｐが近似するジャッキパターンを検出し、ジャッキパターンファイル３４４から多重伝送装置親局２１および多重伝送装置子局２２を介して、図６で示すような、シールド制御装置１５の操作盤上の選択画面１５１に表示させる。

選択画面１５１にジャッキパターンが複数表示された場合には、自動判定した最適力点Ｍに最も近い作用力点を有するジャッキパターンを選択すると、方向制御システム１００が、シールド制御装置１５に制御信号として出力する。これにより、シールド掘進機１０を稼働させると、選択されたジャッキパターンに対応するジャッキ圧もしくは同調圧が、複数のシールドジャッキ１４各々に設定されて、シールド掘進機１０は、運転中のシールド掘進機１０に作用するジャッキ推力の実力点Ｅが、自動判定した最適力点Ｍを追従するようシールド制御装置１５によって制御されつつ、掘削予定区間を掘進する。

上記の手順により、掘進予定区間を掘進するシールド掘進機１０の方向制御は、図２（ａ）で示すような、掘進方向区間Ｌ２にして１区画分（１リング分の幅に相当する距離）を掘進するごとに繰り返される。

本発明によれば、学習済みモデルＴを用いて自動判定した最適力点Ｍにジャッキ推力の実力点Ｅを追従させてシールド掘進機１０を掘進させることができるため、シールド掘進機１０の掘進方向を安定した精度で制御し、計画線形Ｌに沿って掘進させることが可能となる。また、方向制御に影響を及ぼす可能性のある数多くの項目を含む制御支援情報（判定用・学習用）を用いて自動判定した最適力点Ｍは、熟練したオペレータがシールド掘進機１０の性能や地盤状況を勘案しつつ決定していた目標力点Ｇに代えて用いることができ、シールド掘進機１０の自動運転化の実現に寄与することが可能となる。

さらに、教師データＬを変えて機械学習した複数の学習済みモデルＴから、最適力点Ｍの自動判定に好適なモデルを、掘進予定区間の指示情報に基づいて選定するため、各々で掘進条件の異なる掘進予定区間に見合った学習済みモデルＴを採用することができ、より高い精度でシールド掘進機１０の掘進方向を制御することが可能となる。

本発明のシールド掘進機の方向制御システム１００は、上記実施形態に限定されるものではなく、本発明の趣旨を逸脱しない範囲で種々の変更が可能である。

本実施の形態では、所定の掘進方向区間Ｌ２を掘進するごとに、次の掘進方向区間Ｌ２を掘進予定区間として最適力点Ｍを自動判定する場合を事例に挙げ、シールド掘進機１０の方向制御方法を説明した。しかし、掘進予定区間はこれに限定されるものではなく、例えば、図２で示した計測点Ｒごとに実施してもよい。

また、本実施の形態では、力点判定装置４０の学習済みモデルファイル４４２に、数量や取得方法を適宜変更して作成した複数の教師データＬを用いて生成した複数種類の学習済みモデルＴを格納しておく場合を事例に挙げたが。しかし、必ずしもこれに限定するものではなく、学習済みモデルファイル４４２に、学習済みモデルＴｈ、Ｔｖをそれぞれ１つずつ格納してもよい。

≪≪掘進予定区画ごとに学習済みモデルＴを生成する方法≫≫
さらに、本実施の形態では、学習済みモデルファイル４４２にあらかじめ格納した複数の学習済みモデルＴの中から、掘進予定区間に好適なモデルを抽出し、抽出した学習済みモデルＴを用いて最適力点Ｍを自動判定する場合を例示した。しかし、必ずしもこれに限定されるものではなく、掘進予定区間ごとに好適な学習モデルＴを生成してもよい。

この場合には、あらかじめ、図１０（ａ）で示すように連続して取得した複数の訓練データを、図１０（ｂ）で示すようなグラフにプロットし、散布図を作成し、散布図上の訓練データを教師なし学習によりクラスタリングし、複数のクラスタを形成しておく。ここまでの作業は、前述した複数種類の学習済みモデルＴの生成方法における＜例２＞と同様である。

そのうえで、図１７で示すフローにおけるＳｔｅｐ３－１で、掘進予定区間の判定用制御支援情報を取得した際、これと併せて、図１０（ｂ）で示すグラフの５つのクラスタ（Ｇ１～Ｇ５）の中から、掘進予定区間に設定された指示情報のストローク差（指示値）とジャイロ方向（指示値）が含まれるクラスタ、もしくは近似するクラスタを特定する。そして、特定したクラスタのみ、訓練データから教師データＬを作成し、教師データＬを用いて学習済みモデルＴを生成する。こうして生成した学習済みモデルＴにより最適力点Ｍの自動判定を行う。こうすると、掘進予定区間ごとに好適な学習済みモデルＴを生成することができる。

１０ シールド掘進機
１１ 外殻体
１２ トンネル
１３ セグメント
１４ シールドジャッキ
１５ シールド制御装置
１５１ 選択画面
１６ レーザー発振機
１７ 光波距離計
１８ レーザーターゲット
２０ 掘進管理／線形管理装置
２１ 多重伝送装置親局
２２ 多重伝送装置子局
２５ カッターディスク
３０ 方向制御装置
３１ 入力装置
３２ 出力装置
３３ 中央演算処理装置
３４ ファイル装置
３４１ データファイル
３４２ 回帰分析情報ファイル
３４３ 推奨力点設定用ファイル
３４４ ジャッキパターンファイル
３４５ 作用力点格納ファイル
３５ メインメモリ
３５１ 実目標値算出部
３５２ 回帰分析部
３５３ 回転情報取得部
３５４ 回帰式選択部
３５５ 推奨力点算出部
３５６ パターン抽出部
４０ 力点判定装置
４１ 入力部
４２ 出力部
４３ 中央演算処理装置
４４ ファイル装置
４４１ 支援情報データファイル
４４２ 学習済みモデルファイル
４４３ 最適力点判定用ファイル
４５ メインメモリ
４５１ 支援情報取得部
４５２ 自動判定部
４５３ モデル抽出部
４５４ 学習済みモデル生成部
４５４１ 訓練データ取得部
４５４２ 教師データ作成部
４５４３ 機械学習部
１００ 方向制御システム
Ｐ 作用力点
Ｒ 推奨力点
Ｇ 目標力点
Ｅ 実力点
Ｍ 最適力点

Ｌ 計画線形
Ｌ１ 掘進予定範囲
Ｌ２ 掘進方向区間

Claims (7)

1. 掘進予定区間の掘進時に、シールド掘進機に作用させるジャッキ推力の最適力点を自動判定し、該最適力点に前記ジャッキ推力の実力点を追従させてシールド掘進機の掘進方向を制御するシールド掘進機の方向制御方法であって、
   判定用制御支援情報を取得する工程と、
   学習用制御支援情報と、該学習用制御支援情報に対応する前記最適力点の正解データとを含む教師データを用いて機械学習した学習済みモデルに、前記判定用制御支援情報を入力し、前記掘進予定区間の前記最適力点を出力する工程と、を備え、
   前記学習用制御支援情報は、
   所定区間を掘進した前記シールド掘進機のジャッキ稼働状態、位置・姿勢に関する計測情報と、
   後行の所定区間における掘進方向の指示情報、及びカッターディスクの回転方向情報と、
   前記後行の所定区間の掘進時における前記ジャッキ推力の作用力点に推奨する推奨力点と、
   を含み、
   前記判定用制御支援情報は、
   前記掘進予定区間を掘進する直前の前記シールド掘進機の前記計測情報と、
   前記掘進予定区間で予定する前記指示情報、前記回転方向情報、及び前記推奨力点、を含むことを特徴とするシールド掘進機の方向制御方法。
2. 請求項１に記載のシールド掘進機の方向制御方法において、
   前記教師データを変えて機械学習した複数の前記学習済みモデルから、前記最適力点を出力する工程で用いる前記学習済みモデルを、前記掘進予定区間の前記指示情報に基づいて選定する工程を含むことを特徴とするシールド掘進機の方向制御方法。
3. 掘進予定区間の掘進時に、シールド掘進機に作用させるジャッキ推力の最適力点を自動判定するシールド掘進機の力点判定装置であって、
   前記最適力点の自動判定に用いる判定用制御支援情報を取得する支援情報取得部と、
   前記最適力点を、前記判定用制御支援情報に基づいて自動判定する自動判定部と、
   を備えるシールド掘進機の力点判定装置であって、
   前記自動判定部は、学習用制御支援情報と、該学習用制御支援情報に対応する前記最適力点の正解データとを含む教師データを用いた機械学習により生成された学習済みモデルを備え、
   前記学習用制御支援情報は、
   所定区間を掘進した前記シールド掘進機のジャッキ稼働状態、位置・姿勢に関する計測情報と、
   後行の所定区間における掘進方向の指示情報、及びカッターディスクの回転方向情報と、
   前記後行の所定区間の掘進時におけるジャッキ推力の作用力点に推奨する推奨力点と、
   を含み、
   前記判定用制御支援情報は、
   前記掘進予定区間を掘進する直前の前記シールド掘進機の前記計測情報と、
   前記掘進予定区間で予定する前記指示情報、前記回転方向情報、及び前記推奨力点、を含むことを特徴とするシールド掘進機の力点判定装置。
4. 請求項３に記載のシールド掘進機の力点判定装置において、
   前記教師データを変えて機械学習した複数の前記学習済みモデルから、前記掘進予定区間の前記指示情報に基づいて前記最適力点を出力する工程で用いる前記学習済みモデルを選定するモデル抽出部を備えることを特徴とするシールド掘進機の力点判定装置。
5. 請求項３または４に記載のシールド掘進機の力点判定装置と、
   前記シールド掘進機の前記計測情報を取得する掘進管理／線形管理装置と、
   前記推奨力点を取得する方向制御装置と、
   を備えることを特徴とするシールド掘進機の方向制御システム。
6. 掘進予定区間を掘進するシールド掘進機に作用させるジャッキ推力の最適力点を自動判定するために用いる学習済みモデルの生成方法であって、
   学習用制御支援情報と、該学習用制御支援情報に対応する前記最適力点の正解データとを含む教師データを複数取得する工程と、
   前記教師データを用いて、判定用制御支援情報を入力とし前記掘進予定区間の前記最適力点を出力とする学習済みモデルを生成する工程と、を備え、
   前記学習用制御支援情報は、
   所定区間を掘進した前記シールド掘進機のジャッキ稼働状態、位置・姿勢に関する計測情報と、
   後行の所定区間における掘進方向の指示情報、及びカッターディスクの回転方向情報と、
   前記後行の所定区間の掘進時における前記ジャッキ推力の作用力点に推奨する推奨力点と、
   を含み、
   前記判定用制御支援情報は、
   前記掘進予定区間を掘進する直前の前記シールド掘進機の前記計測情報と、
   前記掘進予定区間で予定する前記指示情報、前記回転方向情報、及び前記推奨力点、を含むことを特徴とする学習済みモデルの生成方法。
7. 請求項６に記載の学習済みモデルの生成方法において、
   前記掘進予定区間の前記指示情報に基づいて、前記学習済みモデルの生成に用いる前記教師データを選択する工程を含むことを特徴とする学習済みモデルの生成方法。

Images