JP6995555B2

JP6995555B2 - ケーソンの状態予測システム及びプログラム

Info

Publication number: JP6995555B2
Application number: JP2017194076A
Authority: JP
Inventors: 明夫正司; 聡亀井; 俊宏近藤; 匡浩進藤
Original assignee: Oriental Shiraishi Corp
Current assignee: Oriental Shiraishi Corp
Priority date: 2017-10-04
Filing date: 2017-10-04
Publication date: 2022-01-14
Anticipated expiration: 2037-10-04
Also published as: JP2019065639A

Description

本発明は、ニューマチックケーソン工法に使用されるケーソン躯体の次時点における各種状態を予測するケーソンの状態予測システム及びプログラムに関する。

ケーソンは、コンクリート製又は鋼製で全体が略筒状をなし、例えば、立坑等の地下構造物や橋梁基礎等の水中構造物に用いられる。ケーソンは、地下構造物として用いる場合には、地盤を掘削しながら、自重や圧入力により地中に沈設される。

ケーソンを地盤中に沈設する工法には、大きくオープンケーソン工法とニューマチックケーソン工法の二つに分けられる。オープンケーソン工法は、両端に蓋のない筒として掘削する工法であるのに対して、ニューマチックケーソン工法は、ケーソンの下部に気密にした作業室を設け、そこに圧縮空気を送り込んで地下水の浸入を防ぎ、地上と同じ状態で掘削を行う工法である。

ニューマチックケーソン工法の作業室の気圧は、原則として地盤の間隙水圧に見合った気圧にするため、一般的に周辺地盤の地下水位を下げることがなく、周辺地盤の地盤沈下や井戸涸れなどの心配がなく優れた工法と言われる。

ところで、このニューマチックケーソン工法に基づいてケーソンを地盤に掘削しつつコンクリート躯体を沈設していく過程において、特にこのコンクリート躯体を鉛直方向に向けてまっすぐに沈下させていくことが求められる。しかしながら、掘削順序やコンクリート躯体周囲の地盤に対する摩擦力、地盤特性や、コンクリート躯体の形状等の各要因に応じてケーソンの位置や姿勢が変化してしまう場合が多々あることから、その沈下方向は必ずしも鉛直方向にならず、場合によっては斜め方向に沈下させてしまう場合もある。このため、これら各要因に基づいてケーソンの位置や姿勢を微調整しながらコンクリート躯体を地盤中に沈下させる必要があるが、実際にこれを高精度に行うためには相当の熟練が必要になり、また工事にともなう労力の負担が過大になってしまうという問題点があった。このため、これらケーソン躯体を自動的に鉛直方向に向けて沈設制御を行うことが可能な技術が従来より望まれていた。

特開２０１７－１１７１４７号公報

このようなケーソン躯体の鉛直方向への自動的な沈設制御を行う上では、現時点におけるケーソン躯体の各種状態から、次時点におけるケーソン躯体の各種状態を予測することが重要となる。つまり、現時点におけるケーソン躯体の位置や姿勢等の各種状態においてある掘削方法に基づいて掘削を行った場合、次時点においてケーソン躯体がどのような位置や姿勢等の各種状態に遷移するのかを予測することができれば、逆にケーソン躯体の鉛直方向への沈設を行う上で必要な掘削方法を見出すことが可能となり、ひいてはケーソン躯体の鉛直方向への自動的な沈設制御にもつながる。

しかしながら、従来において、ニューマチックケーソン工法に使用されるケーソン躯体の次時点における各種状態を予測する技術が提案されていないため、このような自動的な沈設制御の実現への道筋を立てることができないのが現状であった。

ちなみに、特許文献１には、構造物の施工や保守、点検作業を行う上で監視確認すべき事項に関する監視確認データを用いて機械学習を行わせる技術が開示されている。しかしながら、この監視確認データは、あくまで映像データを主に用いており、トンネル壁面からの湧水の範囲や涌水量を監視確認項目としていることから、解決課題そのものが相違する。即ち、この特許文献１の開示技術では、ケーソン躯体の自動的な沈設制御を行う上で、次時点においてケーソン躯体がどのような位置や姿勢等の各種状態に遷移するのかを人工知能により自動的に予測する技術は特段開示されていない。

そこで本発明は、上述した問題点に鑑みて案出されたものであり、その目的とするところは、ニューマチックケーソン工法に使用されるケーソン躯体を鉛直方向に向けて沈下させるために、現時点におけるケーソン躯体の位置や姿勢等の各種状態においてある掘削方法に基づいて掘削を行った場合、次時点においてケーソン躯体がどのような位置や姿勢等の各種状態に遷移するのかを自動的に予測することが可能なケーソンの状態予測システム及びプログラムを提供することにある。

第１発明に係るケーソンの状態予測システムは、ニューマチックケーソン工法に使用されるケーソン躯体の次時点における各種状態を予測するケーソンの状態予測システムにおいて、実際に計測する、ある時点におけるケーソン躯体の各種状態を示す躯体現在情報と、上記ケーソン躯体による堀り残し土に基づく函内地形情報と、予測される前記躯体現在情報と前記函内地形情報とに対する次時点におけるケーソン躯体の各種状態を示す躯体将来情報との３段階以上の重み付けとしての連関度が予め記憶されているデータベースと、新たに地盤を掘削するケーソン躯体から現時点における上記躯体現在情報と上記函内地形情報を取得する情報取得手段と、上記データベースに記憶されている連関度を参照し、上記情報取得手段を介して取得された躯体現在情報及び函内地形情報が入力された場合に、当該躯体現在情報及び当該函内地形情報に対応する、上記ケーソン躯体における次時点における躯体将来情報を出力解として探索する探索手段とを備え、上記連関度は、人工知能におけるニューラルネットワークのノードで構成されることを特徴とする。

第２発明に係るケーソンの状態予測システムは、第１発明において、上記データベースには、更に上記ケーソン躯体の形態や重量を示すケーソン情報、上記ケーソン躯体による掘削対象としての地盤に関する固定的地盤情報、上記ケーソン躯体に応じて変動する相対的地盤情報、上記ケーソン躯体の函内圧力の何れか１以上に対する次時点におけるケーソン躯体の各種状態を示す躯体将来情報との３段階以上の上記連関度が予め記憶され、上記情報取得手段は、更に上記連関度を構成する上記ケーソン情報、上記固定的地盤情報、上記相対的地盤情報、上記函内圧力の何れか１以上を新たに地盤を掘削するケーソン躯体から取得することを特徴とする。

第３発明に係るケーソンの状態予測システムは、第１又は第２発明において、上記データベースには、次時点におけるケーソン躯体の各種状態を示す躯体将来情報及び次時点における予測地盤情報との３段階以上の上記連関度が予め記憶され、上記探索手段は、上記データベースに記憶されている連関度を参照し、上記情報取得手段を介して取得された情報に基づき、上記ケーソン躯体における次時点における躯体将来情報及び次時点における予測地盤情報を探索することを特徴とする。

第４発明に係るケーソンの状態予測プログラムは、ニューマチックケーソン工法に使用されるケーソン躯体の次時点における各種状態を予測するケーソンの状態予測プログラムにおいて、実際に計測する、ある時点におけるケーソン躯体の各種状態を示す躯体現在情報と、上記ケーソン躯体による堀り残し土に基づく函内地形情報と、予測される前記躯体現在情報と前記函内地形情報とに対する次時点におけるケーソン躯体の各種状態を示す躯体将来情報との３段階以上の重み付けとしての連関度を予め取得する連関度取得ステップと、新たに地盤を掘削するケーソン躯体から現時点における上記躯体現在情報と上記函内地形情報を取得する情報取得ステップと、上記連関度取得ステップにおいて取得した連関度を参照し、上記情報取得ステップにより取得した躯体現在情報及び函内地形情報が入力された場合に、当該躯体現在情報及び当該函内地形情報に対応する、上記ケーソン躯体における次時点における躯体将来情報を出力解として探索する探索ステップとをコンピュータに実行させ、上記連関度は、人工知能におけるニューラルネットワークのノードで構成されることを特徴とする。

第５発明に係るケーソンの状態予測プログラムは、第４発明において、上記連関度取得ステップでは、更に上記ケーソン躯体の形態や重量を示すケーソン情報、上記ケーソン躯体による掘削対象としての地盤に関する固定的地盤情報、上記ケーソン躯体に応じて変動する相対的地盤情報、上記ケーソン躯体の函内圧力の何れか１以上に対する次時点におけるケーソン躯体の各種状態を示す躯体将来情報との３段階以上の上記連関度を予め取得し、上記情報取得ステップでは、更に上記連関度を構成する上記ケーソン情報、上記固定的地盤情報、上記相対的地盤情報、上記函内圧力の何れか１以上を新たに地盤を掘削するケーソン躯体から取得することを特徴とする。

第６発明に係るケーソンの状態予測プログラムは、第４発明又は第５発明において、上記連関度取得ステップでは、次時点におけるケーソン躯体の各種状態を示す躯体将来情報及び次時点における相対的地盤情報との３段階以上の上記連関度を予め取得し、上記情報取得ステップでは、上記データベースに記憶されている連関度を参照し、上記情報取得手段を介して取得された情報に基づき、上記ケーソン躯体における次時点における躯体将来情報及び次時点における相対的地盤情報を探索することを特徴とする。

上述した構成からなる本発明によれば、ユーザは、出力された判別結果に基づいて、現時点におけるケーソン躯体の位置や姿勢等の各種状態においてある掘削方法に基づいて掘削を行った場合、次時点においてケーソン躯体がどのような位置や姿勢等の各種状態に遷移するのかを自動的に予測することが可能となる。その結果、ニューマチックケーソン工法に使用されるケーソン躯体を鉛直方向に向けて沈下させるために具体的にいかなる掘削を行えばよいかを容易に検討することも可能となる。

特に本発明によれば、次時点におけるケーソン躯体の躯体将来情報の把握を、特段の熟練を要することなく容易に行うことが可能となる。また本発明によれば、ケーソン躯体の躯体将来情報の把握をより高精度に行うことが可能となる。更に、上述した連関度を人工知能で構成することにより、これを学習させることでその判別精度を更に向上させることが可能となる。

本発明を適用したケーソンの状態予測システムの全体構成を示すブロック図である。判別装置の具体的な構成例を示す図である。躯体現在情報や函内地形情報からなる入力パラメータに基づいて次時点における躯体将来情報の判別結果を探索するコンセプトを説明するための図である。本発明を適用したケーソンの状態予測システムにおいて、解探索すべき躯体将来情報の、躯体現在情報に対する関係を示す図である。本発明を適用したケーソンの状態予測プログラムの処理動作を示すフローチャートである。本発明を適用したケーソンの状態予測システムによる探索を行う上で必要な連関度の例を示す図である。図６の連関度において更にケーソン情報を参照用入力パラメータに加えた例を示す図である。図６の連関度において、更に固定地盤情報地形を参照用入力パラメータに加えた例を示す図である。図６の連関度において、更に相対的地盤情報を参照用入力パラメータに加えた例を示す図である。図６の連関度において、更に函内圧力を参照用入力パラメータに加えた例を示す図である。図６の連関度において、出力解として次時点における躯体将来情報と、次時点における予測地盤情報を含めた例を示す図である。

以下、本発明を適用したなケーソンの状態予測システムついて、図面を参照しながら詳細に説明をする。

図１は、本発明を適用したケーソンの状態予測システム１の全体構成を示すブロック図である。ケーソンの状態予測システム１は、ニューマチックケーソン工法に使用されるケーソン躯体の次時点における各種状態を予測する。ケーソンの状態予測システム１は、ケーソン躯体８と、ケーソン躯体８に接続された計測装置９と、計測装置９に接続された判別装置２と、判別装置２に接続されたデータベース３とを備えている。

ケーソン躯体８は、ニューマチックケーソ工法の下で、ケーソンスラブ８３上に出入室システム８１が立設され、掘削機８６をはじめとする機器類を地上の図示しない遠隔操作室から遠隔操作することで作業室８５内を無人化とし掘削排土を繰り返す。このケーソン躯体８は、ケーソン構築重量が沈下過重に満たない時は荷重水８４を併用するなどして総沈下力と総沈下抵抗力とのバランスを取りながら沈設させていく。

計測装置９は、ケーソン躯体８の各種状態を示す躯体現在情報と、ケーソン躯体８による堀り残し土に基づく函内地形情報、ケーソン躯体８に応じて変動する相対的地盤情報、ケーソン躯体８の函内圧力等を計測する。

躯体現在情報とは、ケーソン躯体８の位置、ケーソン躯体８の速度、ケーソン躯体８の加速度、ケーソン躯体８の姿勢、ケーソン躯体８の変形量等である。ケーソン躯体８の位置は、目標となる座標とのズレを示すものであり、基準座標（x, y, z）-誤差（x, y, z）で表される。躯体姿勢は、ケーソン躯体８の傾き等を表しており、躯体の４隅のｚ座標の差分値で表示してもよいし、ｘ軸方向、ｙ軸方向、ｚ軸方向の傾き角を介して表示してもよい。

函内地形情報は、函内地形であり、例えば堀り残し土の量や位置に応じて定量化される情報である。この函内地形情報は、函内の地盤を等間隔な格子で区切った場合に、各格子点の基準面からの高さを表したデータ等で表示するようにしてもよい。

相対的地盤情報は、ケーソン躯体８の受圧面積、開口率、周辺摩擦力、周囲地盤状況、周囲構造物状態等である。受圧面積は、食込刃口面積＋未掘削面積＋仮受材面積で表示される。開口率は、掘削済面積[m²]/躯体底面積[m²]で表される。周囲構造物状態は、ケーソン躯体８の周囲にある構造物の位置や距離等の情報である。

函内圧力は、作業室８５内の圧力である。

なお、上述した躯体現在情報、函内地形情報、相対的地盤情報、函内圧力の例に限定されるものではなく、概念的にこれらに含まれるいかなるパラメータも含まれる。そして、計測装置９は、これら各種情報を検出する上で必要ないかなるセンサやデバイス等の計測手段により具現化される。計測装置９は、この検出した各種情報を判別装置２へ送信する。これら躯体現在情報、函内地形情報、相対的地盤情報、函内圧力は、常に固定的なものではなく、ケーソン躯体８による掘削の進展に応じて変動、更新される可能性のある情報である。このため、これら躯体現在情報、函内地形情報、相対的地盤情報、函内圧力は、計測装置９を介して随時取得され、更新されることになる。

データベース３は、提供すべきケーソンの状態予測に必要なデータベースが構築されている。データベース３には、公衆通信網を介して送られてきた情報、或いは本システムのユーザによって入力された情報が蓄積される。またデータベース３には、ケーソン躯体８の形態や重量を示すケーソン情報、ケーソン躯体８による掘削対象としての地盤に関する固定的地盤情報が実際にケーソン躯体８を沈設する前に予め記憶される。

ケーソン情報は、ケーソン躯体８の寸法、底面積、形状、重量等の情報が含まれる。固定的地盤情報とは、掘削対象としている地盤の地質や地下水位等の情報が含まれる。

ケーソン情報や固定的地盤情報は、ケーソン躯体８による掘削の前段階において予め決定された固定的な情報であり、ケーソン躯体８による掘削の進展に応じて変動するものではない。

データベース３は、判別装置２からの要求に基づいて、この蓄積した情報を判別装置２へと送信する。

判別装置２は、例えば、パーソナルコンピュータ（ＰＣ）等を始めとした電子機器で構成されているが、ＰＣ以外に、携帯電話、スマートフォン、タブレット型端末、ウェアラブル端末等、他のあらゆる電子機器で具現化されるものであってもよい。ユーザは、この判別装置２による探索解としての躯体将来情報を得ることにより、ケーソン躯体８の各種状態を判別することが可能となる。つまり、ケーソン躯体８の鉛直方向への自動的な沈設制御を行う上で、現時点におけるケーソン躯体８の各種状態から、次時点におけるケーソン躯体８の各種状態を予測することが重要となる。現時点におけるケーソン躯体８の位置や姿勢等の各種状態においてある掘削方法に基づいて掘削を行った場合、次時点においてケーソン躯体がどのような位置や姿勢等の各種状態に遷移するのかを予測することができる。

図２は、判別装置２の具体的な構成例を示している。この判別装置２は、判別装置２全体を制御するための制御部２４と、操作ボタンやキーボード等を介して各種制御用の指令を入力するための操作部２５と、有線通信又は無線通信を行うための通信部２６と、最適な躯体将来情報を探索する探索部２７と、ハードディスク等に代表され、実行すべき検索を行うためのプログラムを格納するための記憶部２８とが内部バス２１にそれぞれ接続されている。さらに、この内部バス２１には、実際に情報を表示するモニタとしての表示部２３が接続されている。

制御部２４は、内部バス２１を介して制御信号を送信することにより、判別装置２内に実装された各構成要素を制御するためのいわゆる中央制御ユニットである。また、この制御部２４は、操作部２５を介した操作に応じて各種制御用の指令を内部バス２１を介して伝達する。

操作部２５は、キーボードやタッチパネルにより具現化され、プログラムを実行するための実行命令がユーザから入力される。この操作部２５は、上記実行命令がユーザから入力された場合には、これを制御部２４に通知する。この通知を受けた制御部２４は、探索部２７を始め、各構成要素と協調させて所望の処理動作を実行していくこととなる。

探索部２７は、躯体将来情報を探索する。この探索部２７は、探索動作を実行するに当たり、必要な情報として記憶部２８に記憶されている各種情報や、データベース３に記憶されている各種情報を読み出す。この探索部２７は、人工知能により制御されるものであってもよい。この人工知能はいかなる周知の人工知能技術に基づくものであってもよい。

表示部２３は、制御部２４による制御に基づいて表示画像を作り出すグラフィックコントローラにより構成されている。この表示部２３は、例えば、液晶ディスプレイ（ＬＣＤ）等によって実現される。

記憶部２８は、ハードディスクで構成される場合において、制御部２４による制御に基づき、各アドレスに対して所定の情報が書き込まれるとともに、必要に応じてこれが読み出される。また、この記憶部２８には、本発明を実行するためのプログラムが格納されている。このプログラムは制御部２４により読み出されて実行されることになる。

上述した構成からなるケーソンの状態予測システム１における動作について説明をする。

ケーソンの状態予測システム１では、例えば図３に示すように、少なくとも躯体現在情報や函内地形情報からなる入力パラメータに基づいて、ケーソン躯体８における次時点における躯体将来情報の判別結果に関する出力解を探索する。躯体将来情報としては、ケーソン躯体８の位置、ケーソン躯体８の速度、ケーソン躯体８の加速度、ケーソン躯体８の姿勢、ケーソン躯体８の変形量、ケーソン躯体８内の函内温度等である。将来躯体情報を構成する各種パラメータは、躯体現在情報に対応している。

図４は、ケーソンの状態予測システム１において解探索すべき躯体将来情報の、躯体現在情報に対する関係を示している。

現時点がｔ＝０の場合、このｔ＝０の時点におけるケーソン躯体８について取得した位置、速度、加速度、姿勢、変形量等の情報は、何れも躯体現在情報となる。本発明においては、このｔ＝０の時点において取得した躯体現在情報に基づいて、ｔ＝１の時点におけるケーソン躯体８の位置、速度、加速度、姿勢、変形量等を予測する。ｔ＝１の時点について予測を試みるケーソン躯体８の位置、速度、加速度、姿勢、変形量等は、躯体将来情報となる。

また現時点がｔ＝１の時点に移行した段階においては、上述したｔ＝０の時点において予測した躯体将来情報が現実と合致しているか否かはともかく、ｔ＝２の時点における躯体将来情報を予測することになる。かかる場合も同様にｔ＝１の時点におけるケーソン躯体８について取得した位置、速度、加速度、姿勢、変形量等を躯体現在情報とする。このｔ＝１の時点において取得した躯体現在情報に基づいて、ｔ＝２の時点におけるケーソン躯体８の位置、速度、加速度、姿勢、変形量等からなる躯体将来情報となる。

入力パラメータとしては、計測装置９により計測された現時点における躯体現在情報や函内地形情報が入力される。即ち計測装置９によりこれら入力パラメータが取得された後に、実際に探索プログラムによる処理動作が実行されていくこととなる。この探索プログラムの処理動作フローを図５に示す。

ステップＳ１１において計測装置９により検出された躯体現在情報や函内地形情報について各種解析を行い、また後段の判別装置２による探索を行い易くするために各種データに加工を施す（ステップＳ１２）。

次にステップＳ１３へ移行し、ステップＳ１２において解析した躯体現在情報や函内地形情報に対して連関度を参照することで出力解を探索する。この探索を行う前において、データベース３は、参照用の入力パラメータ（以下、参照用入力パラメータという。）と、出力解としての躯体将来情報の判別結果との３段階以上の連関度を予め取得しておく。

図６は、このデータベース３において予め取得した連関度の例を示している。この図６の例では、計測装置９により検出すべき情報として躯体現在情報や函内地形情報を予め学習させることとなる。

データベース３には、参照用入力パラメータとして、躯体位置（ｘ１、ｙ１、ｚ１）、（ｘ２、ｙ２、ｚ２）、・・・、躯体姿勢として、ｘ軸に対する傾斜角θ、ｙ軸に対する傾斜角φとしたとき、（θ１、φ１）、（θ２、φ２）、・・により、躯体現在情報が形成されている場合を例に取る。つまり、躯体位置（ｘ１、ｙ１、ｚ１）と躯体姿勢（θ１、φ１）とにより、一つの躯体現在情報ｐが形成され、躯体位置（ｘ２、ｙ２、ｚ２）と（θ２、φ２）とにより、一つの躯体現在情報ｑが形成されている。また函内地形情報として、面内地形Ａ、面内地形Ｂ、・・・がそれぞれ形成されているものとする。これら躯体現在情報の何れか１以上と函内地形情報の何れか１以上との組み合わせに対する、躯体将来情報との３段階以上の連関度が設定されている。図６の例では、躯体位置（ｘ８、ｙ８、ｚ８）と、躯体姿勢（θ８、φ８）とにより、一つの躯体将来情報ｓが形成され、同様に躯体位置（ｘ９、ｙ９、ｚ９）と、躯体姿勢（θ９、φ９）とにより、一つの躯体将来情報ｔが形成されている。

かかる場合において、連関度は、図６に示すように、躯体現在情報と函内地形情報の組み合わせの集合がいわゆる隠れ層のノード６１ａ～６１ｅとして表現されることとなる。各ノード６１ａ～６１ｅは、参照用入力パラメータに対する重み付けと、出力解に対する重み付けがそれぞれ設定されている。この重み付けが３段階以上の連関度である。例えば、ノード６１ａは、躯体現在情報ｐが連関度８０％で、函内地形情報としての面内地形Ｃが連関度８０％で連関している。またノード６１ｃは、躯体現在情報ｑが連関度６０％で、函内地形情報Ｂが連関度６０％、函内地形情報Ｄが連関度４０％で連関している。

これらの連関度は、以前のある時点において各種躯体現在情報と、各種面内地形情報との組み合わせで掘削を行った結果、次時点におけるケーソン躯体８の位置や姿勢がどのように変化したかを予め調査し、これを連関度に落とし込んでデータベース３に予め蓄積しておくようにしてもよい。この連関度は、いわゆるニューラルネットワークにより構成されていてもよい。この連関度は、ある躯体現在情報と、ある面内地形情報に対する、次時点における躯体将来情報を判別する上での的確性を示すものである。即ち、連関度が高ければ高いほど、より的確な判断ということになる。

ステップＳ１３に移行後、探索プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、躯体将来情報を判別する作業を行う。この躯体将来情報を判別する上で予め取得した図６に示す連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータが、参照用入力パラメータとしての躯体現在情報ｐか又はこれに近似するものであり、かつ面内地形Ｃ又はこれに近似するものである場合には、上述した連関度を参照した場合、ノード６１ａが最も連関度が高く、更にこのノード６１ａは、躯体将来情報ｓに最も連関度が高いため、この躯体将来情報ｓを示す躯体位置（ｘ８、ｙ８、ｚ８）と、躯体姿勢（θ８、φ８）を最適解として選択する。但し、最も連関度の高いものを最適解として選択することは必須ではなく、連関度は低いものの連関性そのものは認められる躯体将来情報ｔとしての躯体位置（ｘ９、ｙ９、ｚ９）と、躯体姿勢（θ９、φ９）を最適解として選択するようにしてもよい。また、これ以外に矢印が繋がっていない出力解を選択してもよいことは勿論である。即ち、この躯体将来情報の選択は、連関度が高いものから順に選択される場合に限定されるものではなく、ケースに応じて連関度が低いものから順に選択されるものであってもよいし、その他いかなる優先順位で選択されるものであってもよい。

また、ステップＳ１２において解析した入力パラメータが、参照用入力パラメータとしての面内地形Ａにも一部類似しているが、面内地形Ｄにも一部類似し、何れに割り当ててよいか分からない場合については、例えば、画像間の特徴等に着目して判断するようにしてもよい。かかる場合には、例えば面内地形の画像情報から特徴量に基づき判断するようにしてもよく、例えばディープラーニング等を活用するようにしてもよい。ディープラーニングを通じて画像上の特徴量に基づき、何れの参照用入力パラメータに割り当てるかを判別することとなる。このようにして、ステップＳ１２において解析した入力パラメータを参照用入力パラメータに割り当てた後、当該参照用入力パラメータに設定された連関度に基づいて出力解としてのケーブルシース７１内へのグラウト充填状況を選択することになる。

なお、ステップＳ１２において解析した入力パラメータに対する出力解の選択方法は、上述した方法に限定されるものではなく、連関度を参照するものであればいかなる方法に基づいて実行するようにしてもよい。また、このステップＳ１３の探索動作では、人工知能を利用して行うようにしてもよい。

次にステップＳ１４へ移行し、選択した最適解としての躯体将来情報の判別結果を表示部２３を介して表示する。これによりユーザは、表示部２３を視認することにより、これから現在の掘削を進めると次時点においてケーソン躯体８の位置や姿勢がどのようになるかを予測することが可能となる。仮に、次時点のケーソン躯体８の位置や姿勢の予測結果においてケーソン躯体８が鉛直方向に向いていない場合には、これを鉛直方向へ沈設するために必要な掘削方法を見出すことが可能となり、ひいてはケーソン躯体８の鉛直方向への自動的な沈設制御にもつなげることができる。

図７は、連関度を構成する参照用入力パラメータとして、ケーソン情報を更に組み合わせに盛り込んだ例を示している。このケーソン情報として、例えば躯体寸法●●ｍ、躯体形状：円形からなるケーソン情報Ｅ、躯体底面積●●ｍ²、躯体重量○○ｋＮからなるケーソン情報Ｆがそれぞれノード６１に関連付けられており、連関度が規定されている。

この図７のケースにおいても同様に、連関度を形成する上で、上述した躯体現在情報、函内地形情報に加えて、更にケーソン情報との組み合わせに対する躯体将来情報との関係を予め調査しておき、これを連関度として規定しておく。そして、ステップＳ１２においては、現時点におけるケーソン躯体８の躯体現在情報、函内地形情報を取得すると共に、予めデータベース３に記憶させてあるケーソン情報を読み出し、連関度を参照しながら最適な出力解としての躯体将来情報を探索していくこととなる。

図８は、連関度を構成する参照用入力パラメータとして、固定的地盤情報を更に組み合わせに盛り込んだ例を示している。この固定的地盤情報として、例えば地質●●からなる固定地盤情報Ｇ、地下水位○○からなる固定地盤情報Ｈがそれぞれノード６１に関連付けられており、連関度が規定されている。

この図８のケースにおいても同様に、連関度を形成する上で、上述した躯体現在情報、函内地形情報に加えて、更に固定地盤情報との組み合わせに対する躯体将来情報との関係を予め調査しておき、これを連関度として規定しておく。そして、ステップＳ１２においては、現時点におけるケーソン躯体８の躯体現在情報、函内地形情報を取得すると共に、予めデータベース３に記憶させてある固定地盤情報を読み出し、連関度を参照しながら最適な出力解としての躯体将来情報を探索していくこととなる。

図９は、連関度を構成する参照用入力パラメータとして、相対的地盤情報を更に組み合わせに盛り込んだ例を示している。この相対的地盤情報として、重圧面積○○ｍ²、重圧面積△△ｍ、周辺摩擦力○○ｋＮ/ｍ²、周囲地盤状況□□、・・がそれぞれノード６１に関連付けられており、連関度が規定されている。

この図９のケースにおいても同様に、連関度を形成する上で、上述した躯体現在情報、函内地形情報に加えて、更に相対的地盤情報との組み合わせに対する躯体将来情報との関係を予め調査しておき、これを連関度として規定しておく。そして、ステップＳ１２においては、現時点におけるケーソン躯体８の躯体現在情報、函内地形情報を取得すると共に、相対的地盤情報を取得し、連関度を参照しながら最適な出力解としての躯体将来情報を探索していくこととなる。

図１０は、連関度を構成する参照用入力パラメータとして、函内圧力を更に組み合わせに盛り込んだ例を示している。この函内圧力○○ＭＰａ、函内圧力△△ＭＰａがそれぞれノード６１に関連付けられており、連関度が規定されている。

この図１０のケースにおいても同様に、連関度を形成する上で、上述した躯体現在情報、函内地形情報に加えて、更に函内圧力との組み合わせに対する躯体将来情報との関係を予め調査しておき、これを連関度として規定しておく。そして、ステップＳ１２においては、現時点におけるケーソン躯体８の躯体現在情報、函内地形情報を取得すると共に、函内圧力を取得し、連関度を参照しながら最適な出力解としての躯体将来情報を探索していくこととなる。

ケーソン情報、固定的地盤情報、相対的地盤情報、躯体将来情報を構成する各数値は、数値範囲に基づいて規定されるものであってもよいことは勿論である。

なお、上述した実施の形態においては、ケーソン情報、固定的地盤情報、相対的地盤情報、躯体将来情報の何れか一つの情報と躯体現在情報、函内地形情報との連関度を形成する場合を例にとり説明をしたが、これに限定されるものではない。ケーソン情報、固定的地盤情報、相対的地盤情報、躯体将来情報の２以上の組み合わせと、躯体現在情報、函内地形情報との連関度を形成するようにしてもよい。

何れの情報に基づいて連関度を形成する場合においても、ユーザは、出力された判別結果に基づいて、現時点におけるケーソン躯体８の位置や姿勢等の各種状態においてある掘削方法に基づいて掘削を行った場合、次時点においてケーソン躯体８がどのような位置や姿勢等の各種状態に遷移するのかを自動的に予測することが可能となる。その結果、ニューマチックケーソン工法に使用されるケーソン躯体８を鉛直方向に向けて沈下させるために具体的にいかなる掘削を行えばよいかを検討することも可能となる。

特に本発明によれば、次時点におけるケーソン躯体８の躯体将来情報の把握を、特段の熟練を要することなく容易に行うことが可能となる。また本発明によれば、ケーソン躯体８の躯体将来情報の把握をより高精度に行うことが可能となる。更に、上述した連関度を人工知能で構成することにより、これを学習させることでその判別精度を更に向上させることが可能となる。

また、本発明によれば、３段階以上に設定されている連関度を介して最適な躯体将来情報の判別結果の探索を行う点に特徴がある。連関度は、例えば０～１００％までの数値で記述することができるが、これに限定されるものではなく３段階以上の数値で記述できるものであればいかなる段階で構成されていてもよい。

このような３段階以上の数値で表される連関度に基づいて探索することで、複数の躯体将来情報の充填状況の判別結果が選ばれる状況下において、当該連関度の高い順に探索して表示することも可能となる。このように連関度の高い順にユーザに表示できれば、より高い可能性の躯体将来情報の判別結果を優先的に選択することを促すこともできる。一方、連関度の低い躯体将来情報の判別結果であってもセカンドオピニオンという意味で表示することができ、ファーストオピニオンで上手く分析ができない場合において有用性を発揮することができる。

これに加えて、本発明によれば、連関度が１％のような極めて低い躯体将来情報の判別結果も見逃すことなく判断することができる。連関度が極めて低い躯体将来情報の判別結果であっても僅かな兆候として繋がっているものであり、何十回、何百回に一度は、躯体将来情報の判別結果として役に立つ場合もあることをユーザに対して注意喚起することができる。

更に本発明によれば、このような３段階以上の連関度に基づいて探索を行うことにより、閾値の設定の仕方で、探索方針を決めることができるメリットがある。閾値を低くすれば、上述した連関度が１％のものであっても漏れなく拾うことができる反面、躯体将来情報の判別結果を好適に検出できる可能性が低く、ノイズを沢山拾ってしまう場合もある。一方、閾値を高くすれば、最適な躯体将来情報の判別結果を高確率で検出できる可能性が高い反面、通常は連関度は低くてスルーされるものの何十回、何百回に一度は出てくる好適な解を見落としてしまう場合もある。いずれに重きを置くかは、ユーザ側、システム側の考え方に基づいて決めることが可能となるが、このような重点を置くポイントを選ぶ自由度を高くすることが可能となる。

更に本発明では、上述した連関度を更新させるようにしてもよい。この更新は、例えばインターネットを始めとした公衆通信網を介して提供された情報を反映させるようにしてもよい。公衆通信網から取得可能なサイト情報や書き込み等を通じて、入力パラメータと、出力解（躯体将来情報の判別結果）との関係性について新たな知見が発見された場合には、当該知見に応じて連関度を上昇させ、或いは下降させる。これにより、いわゆる学習効果を発揮させることができる。

この第１連関度の更新は、公衆通信網から取得可能な情報に基づく場合以外に、専門家による研究データや論文、学会発表や、新聞記事、書籍等の内容に基づいてシステム側又はユーザ側が人為的に、又は自動的に更新するようにしてもよい。これらの更新処理においては人工知能を活用するようにしてもよい。

また本発明においては、ケーソン躯体８の躯体将来情報を出力解とする場合を例にとり説明をしたが、これに限定されるものではない。例えば、地盤反力や土圧等からなる予測地盤情報を出力解に含めるようにしてもよい。地盤反力は、ケーソン躯体８の刃口に負荷する荷重の大きさであり、土圧は、周囲の土砂によるケーソン躯体８への押圧力である。これら予測地盤情報を出力解に含める場合には、図１１に示すように上述した入力パラメータに対して、出力解として次時点における躯体将来情報と、次時点における予測地盤情報を含め、これらとの間で連関度を予め取得しておく。

そして、この連関度を参照し、取得された情報に基づき、ケーソン躯体８における次時点における躯体将来情報及び次時点における予測地盤情報を探索する。

これにより、次時点における躯体将来情報のみならず、次時点における予測地盤情報も同様に予測することが可能となる。

１状態予測システム
２判別装置
３データベース
８ケーソン躯体
９計測装置
２１内部バス
２３表示部
２４制御部
２５操作部
２６通信部
２７探索部
２８記憶部
６１ノード
７１ケーブルシース
８０連関度
８１出入室システム
８３ケーソンスラブ
８４荷重水
８５作業室
８６掘削機

Claims

ニューマチックケーソン工法に使用されるケーソン躯体の次時点における各種状態を予測するケーソンの状態予測システムにおいて、
実際に計測する、ある時点におけるケーソン躯体の各種状態を示す躯体現在情報と、上記ケーソン躯体による堀り残し土に基づく函内地形情報と、予測される前記躯体現在情報と前記函内地形情報とに対する次時点におけるケーソン躯体の各種状態を示す躯体将来情報との３段階以上の重み付けとしての連関度が予め記憶されているデータベースと、
新たに地盤を掘削するケーソン躯体から現時点における上記躯体現在情報と上記函内地形情報を取得する情報取得手段と、
上記データベースに記憶されている連関度を参照し、上記情報取得手段を介して取得された躯体現在情報及び函内地形情報が入力された場合に、当該躯体現在情報及び当該函内地形情報に対応する、上記ケーソン躯体における次時点における躯体将来情報を出力解として探索する探索手段とを備え、
上記連関度は、人工知能におけるニューラルネットワークのノードで構成されること
を特徴とするケーソンの状態予測システム。
上記データベースには、更に上記ケーソン躯体の形態や重量を示すケーソン情報、上記ケーソン躯体による掘削対象としての地盤に関する固定的地盤情報、上記ケーソン躯体に応じて変動する相対的地盤情報、上記ケーソン躯体の函内圧力の何れか１以上に対する次時点におけるケーソン躯体の各種状態を示す躯体将来情報との３段階以上の上記連関度が予め記憶され、
上記情報取得手段は、更に上記連関度を構成する上記ケーソン情報、上記固定的地盤情報、上記相対的地盤情報、上記函内圧力の何れか１以上を新たに地盤を掘削するケーソン躯体から取得すること
を特徴とする請求項１記載のケーソンの状態予測システム。
上記データベースには、次時点におけるケーソン躯体の各種状態を示す躯体将来情報及び次時点における予測地盤情報との３段階以上の上記連関度が予め記憶され、
上記探索手段は、上記データベースに記憶されている連関度を参照し、上記情報取得手段を介して取得された情報に基づき、上記ケーソン躯体における次時点における躯体将来情報及び次時点における予測地盤情報を探索すること
を特徴とする請求項１又は２記載のケーソンの状態予測システム。
ニューマチックケーソン工法に使用されるケーソン躯体の次時点における各種状態を予測するケーソンの状態予測プログラムにおいて、
実際に計測する、ある時点におけるケーソン躯体の各種状態を示す躯体現在情報と、上記ケーソン躯体による堀り残し土に基づく函内地形情報と、予測される前記躯体現在情報と前記函内地形情報とに対する次時点におけるケーソン躯体の各種状態を示す躯体将来情報との３段階以上の重み付けとしての連関度を予め取得する連関度取得ステップと、
新たに地盤を掘削するケーソン躯体から現時点における上記躯体現在情報と上記函内地形情報を取得する情報取得ステップと、
上記連関度取得ステップにおいて取得した連関度を参照し、上記情報取得ステップにより取得した躯体現在情報及び函内地形情報が入力された場合に、当該躯体現在情報及び当該函内地形情報に対応する、上記ケーソン躯体における次時点における躯体将来情報を出力解として探索する探索ステップとをコンピュータに実行させ、
上記連関度は、人工知能におけるニューラルネットワークのノードで構成されること
を特徴とするケーソンの状態予測プログラム。
上記連関度取得ステップでは、更に上記ケーソン躯体の形態や重量を示すケーソン情報、上記ケーソン躯体による掘削対象としての地盤に関する固定的地盤情報、上記ケーソン躯体に応じて変動する相対的地盤情報、上記ケーソン躯体の函内圧力の何れか１以上に対する次時点におけるケーソン躯体の各種状態を示す躯体将来情報との３段階以上の上記連関度を予め取得し、
上記情報取得ステップでは、更に上記連関度を構成する上記ケーソン情報、上記固定的地盤情報、上記相対的地盤情報、上記函内圧力の何れか１以上を新たに地盤を掘削するケ
ーソン躯体から取得すること
を特徴とする請求項４記載のケーソンの状態予測プログラム。
上記連関度取得ステップでは、次時点におけるケーソン躯体の各種状態を示す躯体将来情報及び次時点における相対的地盤情報との３段階以上の上記連関度を予め取得し、
上記情報取得ステップでは、上記データベースに記憶されている連関度を参照し、上記情報取得手段を介して取得された情報に基づき、上記ケーソン躯体における次時点における躯体将来情報及び次時点における相対的地盤情報を探索すること
を特徴とする請求項４又は５記載のケーソンの状態予測プログラム。