JP7497538B1 - ケーソン管理システム及びプログラム - Google Patents

Abstract

【課題】利用者の質問に対して柔軟に回答することができるケーソン管理システム及びプログラムを提供する。【解決手段】本発明に係るケーソン管理システムは、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各種状態を示す躯体情報と、質問を示す質問情報とを取得する取得手段と、躯体情報とニューマチックケーソン工法の作業履歴を示す履歴情報とを紐づけて記憶するデータベースを参照し、前記取得手段により取得された躯体情報に基づいて、前記履歴情報と前記躯体情報とを含む類似躯体情報を抽出する抽出手段と、前記取得手段により取得された質問情報を基盤モデルに入力し、前記抽出手段により抽出された類似躯体情報に基づいて、質問に対するニューマチックケーソン工法に関する回答を示す回答情報を出力する出力手段とを備えることを特徴とする。【選択図】図５

Description

本発明は、ケーソン管理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と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等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いる。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。

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（例えば、特許文献１参照）。

特許文献１では、ケーソンを用いた施工において、ケーソンの躯体に設けられたセンサ装置が取得したセンサ情報に基づき、掘削後の地盤の形状を示す掘削形状情報を取得する掘削形状情報取得部と、センサ情報に基づき、地盤の掘削によって沈下後の前記ケーソンの沈設状態に関する情報を示す沈設状態情報を取得する沈設状態情報取得部と、地盤の掘削とケーソンの沈下の関係を学習した予測モデルを用いて、取得された掘削形状情報及び沈設状態情報から次の掘削における地盤の掘削形状を予測する予測部と、を備える掘削形状予測装置が開示されている。

特開２０２３－７０２９４号公報

ここで、地盤を掘削することによるケーソンの沈下状態は、ケーソン躯体の形状や寸法、現場の地質、さらには掘削の深さや方法等の様々な要因により、多様に変化する。このため、ケーソンを沈下させる利用者は、例えば「掘削後に特定の位置が何分後に沈下するか？」等の疑問や質問が出てくるケースが多い。

一方、特許文献１に開示されている掘削形状予測装置は、利用者に次に掘削すべき情報を予測することを前提としており、利用者の質問に回答することを想定していない。このため、特許文献１に開示されている掘削形状予測装置では、利用者のケーソンに関する質問に対して柔軟に回答することができないという問題点があった。

そこで本発明は、上述した問題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、利用者の質問に対して柔軟に回答することができるケーソン管理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管理システムは、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各種状態を示す躯体情報と、ニューマチックケーソン工法に関する質問を示す質問情報とを取得する取得手段と、躯体情報とニューマチックケーソン工法の作業履歴を示す履歴情報とを紐づけて記憶するデータベースから、前記取得手段により取得された躯体情報に類似する躯体情報と、当該躯体情報に紐づく前記履歴情報と、を含む類似躯体情報を抽出する抽出手段と、前記取得手段により取得された質問情報を、前記抽出手段により抽出された類似躯体情報に基づいて質問情報と回答情報との連関度を学習させた基盤モデルに入力し、質問に対するニューマチックケーソン工法に関する回答を示す回答情報を出力する出力手段とを備えることを特徴とする。

第２発明に係るケーソン管理システムは、第１発明において、前記出力手段は、前記取得手段により取得された質問情報と前記抽出手段により抽出された類似躯体情報とに基づいて、質問情報と類似躯体情報との関係性を示す関係情報を出力し、出力した前記関係情報と前記類似躯体情報とに基づいて前記連関度を学習させた前記基盤モデルに、前記取得手段により取得された質問情報を入力し、前記回答情報を出力することを特徴とする。

第３発明に係るケーソン管理システムは、第１発明において、前記抽出手段は、前記取得手段により取得された躯体情報と前記データベースに記憶された躯体情報との類似度を示す類似度情報を抽出し、前記出力手段は、前記取得手段により取得された質問情報を、前記抽出手段により抽出された類似躯体情報と類似度情報とに基づいて前記連関度を学習させた前記基盤モデルに、前記回答情報を出力することを特徴とする。

第４発明に係るケーソン管理システムは、第１発明において、前記取得手段は、前記ケーソン躯体の作業室内の地盤標高を示す地盤画像情報を含む前記躯体情報を取得することを特徴とする。

第５発明に係るケーソン管理システムは、第１発明において、前記取得手段は、時点と前記ケーソン躯体の各種状態とが紐づけられた時系列情報を含む前記躯体情報を取得することを特徴とする。

第６発明に係るケーソン管理システムは、第１発明において、前記出力手段は、前記取得手段により取得された質問情報を前記抽出手段により抽出された類似躯体情報に基づいて前記連関度を学習させた大規模言語モデル（ＬＬＭ：ＬａｒｇｅＬａｎｇｕａｇｅＭｏｄｅｌ）に入力し、前記抽出手段により抽出された類似躯体情報に基づいて、回答情報を出力することを特徴とする。

第７発明に係るケーソン管理プログラムは、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各種状態を示す躯体情報と、ニューマチックケーソン工法に関する質問を示す質問情報とを取得する取得ステップと、躯体情報とニューマチックケーソン工法の作業履歴を示す履歴情報とを紐づけて記憶するデータベースから、前記取得ステップにより取得された躯体情報に類似する躯体情報と、当該躯体情報に紐づく前記履歴情報と、を含む類似躯体情報を抽出する抽出ステップと、前記取得ステップにより取得された質問情報を、前記抽出ステップにより抽出された類似躯体情報に基づいて質問情報と回答情報との連関度を学習させた基盤モデルに入力し、質問に対するニューマチックケーソン工法に関する回答を示す回答情報を出力する出力ステップとをコンピュータに実行させることを特徴とする。

第１発明から第７発明によれば、本発明のケーソン管理システム及びプログラムは、質問情報を基盤モデルに入力し、類似躯体情報に基づいて、回答情報を出力する。これにより、類似躯体情報に基づいて、単語間の生成確率等を設定することにより、利用者の質問に対して、適切な履歴情報を考慮し、柔軟に回答することが可能となる。

特に、第２発明によれば、本発明のケーソン管理システムは、関係情報と質問情報と履歴情報とに基づいて、回答情報を出力する。これにより、質問に対して関係性の高い履歴情報を考慮することができる。このため、より高精度に質問に対して回答することが可能となる。

特に、第３発明によれば、本発明のケーソン管理システムは、質問情報、履歴情報及び類似度情報に基づいて、回答情報を出力する。これにより、例えば施工現場のケーソン躯体の状態と類似する躯体情報に紐づく履歴情報に基づいて回答することが可能となる。このため、より高精度に質問に対して回答することが可能となる。

特に、第４発明によれば、本発明のケーソン管理システムは、画像情報を含む躯体情報を取得する。これにより、コンター図等の画像情報を考慮して、回答情報を出力することが可能となる。このため、より柔軟に質問に対して回答することが可能となる。

特に、第５発明によれば、本発明のケーソン管理システムは、時系列情報を含む躯体情報を取得する。これにより、時系列的な躯体情報の変化等を考慮して、回答情報を出力することが可能となる。このため、より柔軟に質問に対して回答することが可能となる。

特に、第６発明によれば、本発明のケーソン管理システムは、大規模言語モデルを用いる。これにより、膨大なデータからモデルを学習することが可能となる。このため、より柔軟に質問に対して回答することが可能となる。

図１は、ニューマチックケーソン工法の主要設備を示す縦断面図である。 図２は、刃口部を示す縦断面図である。 図３は、本発明に係る作業機の一例である掘削機の側面図である。 図４は、掘削機における制御系統を示すブロック図である。 図５は、本実施形態を適用したケーソン管理システムの構成を示すブロック図である。 図６は、本実施形態を適用したケーソン管理システムの動作についてのフローチャートである。 図７は、ケーソンの傾きを示す図である。 図８は、基盤モデルの連関性を示す図である。

図１は、本発明に係るケーソン管理システムが用いられるニューマチックケーソン工法の主要設備の一例を示す図である。図１では、ケーソン１の構築途中の状態が示されている。詳しくは、ケーソン１のうちの大半が地盤８内に沈下して静止している状態が示されている。ニューマチックケーソン工法は、掘削設備Ｅ１、艤装設備Ｅ２、排土設備Ｅ３、送気設備Ｅ４及び予備・安全設備Ｅ５を用いて、鉄筋コンクリート製のケーソン１を地中に沈下させていくことにより、地下構造物を構築するように構成されている。

掘削設備Ｅ１は、例えば、掘削機１００（以下、ケーソンショベル１００という）と、土砂自動積込装置１１と、地上遠隔操作室１３とを備える。ケーソンショベル１００は、ケーソン１の底部に設けられた刃口部７の内側に設けられる作業室２内に設置される。土砂自動積込装置１１は、ケーソンショベル１００により掘削された土砂を円筒状のアースバケット３１に積み込む。地上遠隔操作室１３は、ケーソンショベル１００の作動を地上から遠隔操作する遠隔操作装置１２を備える。

艤装設備Ｅ２は、例えば、マンシャフト２１と、マンロック２２（エアロック）と、マテリアルシャフト２３と、マテリアルロック２４（エアロック）とを備える。マンシャフト２１は、作業者が作業室２へ出入りするために地上と作業室２とを繋ぐ円筒状の通路であり、例えば、螺旋階段２５が設けられている。マンロック２２は、マンシャフト２１に設けられ地上の大気圧と作業室２内の圧力差を調節する二重扉構造の気密扉である。マテリアルシャフト２３は、土砂自動積込装置１１により土砂が積み込まれたアースバケット３１を地上に運び出すために地上と作業室２とを繋ぐ円筒状の通路である。マテリアルロック２４は、マテリアルシャフト２３と、材料等を搬出入するためのマテリアルシャフト２３に設けられた地上の大気圧と作業室２内の圧力差を調節する二重扉構造の気密扉である。マンロック２２およびマテリアルロック２４は、作業室２内の気圧が変化することを抑えて作業者やアースバケット３１を作業室２へ出入りさせることが可能になるように構成されている。

排土設備Ｅ３は、例えば、アースバケット３１と、キャリア装置３２と、土砂ホッパー３３とを備える。アースバケット３１は、ケーソンショベル１００により掘削された土砂が積み込まれる有底円筒状の筒容器である。キャリア装置３２は、アースバケット３１を、マテリアルシャフト２３を介して地上まで引き上げて運び出す装置である。土砂ホッパー３３は、アースバケット３１及びキャリア装置３２により地上に運び出された土砂を一時的に貯めておく設備である。

送気設備Ｅ４は、例えば、空気圧縮機４２と、空気清浄装置４３と、送気圧力調整装置４４と、自動減圧装置４５とを備える。空気圧縮機４２は、送気管４１及びケーソン１に形成された送気路３を介して作業室２内に圧縮空気を送る装置である。空気清浄装置４３は、空気圧縮機４２により送り込む圧縮空気を浄化する装置である。送気圧力調整装置４４は、作業室２内の気圧が地下水圧と等しくなるように空気圧縮機４２から作業室２内へ送る圧縮空気の量（圧力）を調整する装置である。自動減圧装置４５は、マンロック２２内の気圧を減圧する装置である。

予備・安全設備Ｅ５は、例えば、非常用空気圧縮機５１と、ホスピタルロック５３とを備える。非常用空気圧縮機５１は、空気圧縮機４２の故障又は点検などの時に空気圧縮機４２に代わって作業室２内に圧縮空気を送ることが可能な装置である。ホスピタルロック５３は、作業室２内で作業を行った作業者が入り、当該作業者の身体を徐々に大気圧に慣らしていくための減圧室である。

次に、本発明における刃口部７について、図２を用いて説明する。刃口部７は、ケーソン１の下端部に備えられるものである。刃口部７は、図２に示すように、ケーソン沈下時に地盤８に貫入する部位であり、概ね円筒状に形成されている。刃口部７の内周面７１は、刃口部先端７２から上方に向かうほどケーソン１の中心側に近づくように傾斜したテーパー状に形成されている。詳しくは、刃口部７の最下端部における内周面７１の傾斜角は、その上側の内周面７１における上述した傾斜角よりも大きくなるように設定されている。

ここで、ケーソン沈設施工の際に、刃口部７は、図２に示すように、掘り残し土８０に貫入する。掘り残し土８０は、刃口部７に掛かる地盤反力を弱めてケーソン１の沈降を制限する目的で刃口部７近傍に設ける土砂の掘り残しである。掘り残し土８０が内周面７１に達しているときには内周面７１が地盤反力を受けるため、ケーソン１の沈降を抑えることができる。特に軟弱地盤においては、掘り残し土８０を大きくすることにより刃口部７が受ける地盤反力を低減させることにより、ケーソン１の沈降を抑えることができる。また、刃口境界部７０は、刃口部７の内周面７１のうちの作業室２に露出している部分と内周面７１のうちの掘り残し土８０内に貫入している部分との境界である。刃口境界部７０を判定することにより、掘り残し土幅８１の算出が可能となる。また、刃口境界部７０から、刃口部先端７２までの高さＨが刃口深度となる。

次に、本発明に係るケーソンショベル１００について図３～図４を用いて説明する。ケーソンショベル１００は、図３に示すように、例えば、走行体１１０と、ブーム１３０と、バケットアタッチメント１５０とを備える。走行体１１０は、作業室２の天井部に設けられた左右一対の走行レール４に取り付けられ、左右の走行レール４に懸下された状態で走行レール４に沿って走行移動する。ブーム１３０は、走行体１１０の旋回フレーム１２１に上下方向に揺動可能に枢結される。バケットアタッチメント１５０は、ブーム１３０の先端部に取り付けられる。

走行体１１０は、走行フレーム１１１と、旋回フレーム１２１と、走行ローラ１１３とを備える。旋回フレーム１２１は、走行フレーム１１１の下面側に旋回自在に設けられる。走行ローラ１１３は、走行フレーム１１１の上面側前後に、設けられている前後左右の４個のローラである。走行体１１０は、前後左右の走行ローラ１１３を回転駆動させて左右の走行レール４に沿って走行移動するように構成されている。

ブーム１３０は、例えば、基端ブーム１３１と、先端ブーム１３２と、伸縮シリンダ１３３と、起伏シリンダ１３４とを備える。基端ブーム１３１は、旋回フレーム１２１に起伏自在又は上下方向に揺動自在に取り付けられる。先端ブーム１３２は、基端ブーム１３１に入れ子式に組み合わされ、構成される。伸縮シリンダ１３３は、基端ブーム１３１内に設けられている。起伏シリンダ１３４は、基端ブーム１３１の左右に２個設けられている。ブーム１３０は、伸縮シリンダ１３３を伸縮させると、基端ブーム１３１に対して先端ブーム１３２が長手方向に移動し、これによりブーム１３０が伸縮するように構成されている。２個の起伏シリンダ１３４の基端部は基端ブーム１３１の左右側部にそれぞれ回動自在に取り付けられている。

バケットアタッチメント１５０は、ベース部材１５１と、バケット１５２と、バケットシリンダ１５３とを備える。ベース部材１５１は、先端ブーム１３２に取り付けられる。バケット１５２は、ベース部材１５１の先端部に上下揺動自在に取り付けられる。バケットシリンダ１５３は、ベース部材１５１に対してバケット１５２を上下揺動させるように構成される。

コントロールユニット１６５は、図４に示すように、メインコントローラ１６５ａと、走行体用コントローラ１６５ｂと、ブーム・バケット用コントローラ１６５ｃとを備える。また、コントロールユニット１６５は、ケーソンショベル１００と、遠隔操作装置１２と接続されていてもよい。コントロールユニット１６５は、遠隔操作装置１２に内蔵されていてもよい。メインコントローラ１６５ａは、走行体用コントローラ１６５ｂと、ブーム・バケット用コントローラ１６５ｃとに接続され、遠隔操作装置１２からの操作信号を受けて、その操作信号に応じた駆動制御信号を走行体用コントローラ１６５ｂと、ブーム・バケット用コントローラ１６５ｃとに出力する。走行体用コントローラ１６５ｂは、メインコントローラ１６５ａから出力された駆動制御信号に応じて、走行体１１０を駆動させるように構成されている。メインコントローラ１６５ａおよび走行体用コントローラ１６５ｂは、走行体１１０の旋回フレーム１２１に配設されている。ブーム・バケット用コントローラ１６５ｃは、メインコントローラ１６５ａから出力された駆動制御信号に応じて、ブーム１３０及びバケットアタッチメント１５０を駆動させるように構成されている。ブーム・バケット用コントローラ１６５ｃは、ブーム１３０の基端ブーム１３１の側部に配設されている。

ケーソンショベル１００は、図４に示すように、走行体位置センサ２０１と、旋回角度センサ２０２と、ブーム起伏角度センサ２０３と、ブーム伸長量センサ２０４と、バケット揺動角度センサ２０５と、外界センサ２０６とを備える。走行体位置センサ２０１は、走行体１１０が走行レール４の何処の位置に位置しているかを検出する。旋回角度センサ２０２は、走行フレーム１１１に対する旋回フレーム１２１の旋回角度を検出する。ブーム起伏角度センサ２０３は、旋回フレーム１２１に対するブーム１３０の起伏角度を検出する。ブーム伸長量センサ２０４は、ブーム１３０の伸長量を検出する。バケット揺動角度センサ２０５は、ブーム１３０又はバケットアタッチメント１５０のベース部材１５１に対するバケット１５２の揺動角度を検出する。外界センサ２０６は、走行体１１０に設けられて作業室２内の掘削地面までの距離、地面の形状などの情報を取得する。また、ケーソンショベル１００は、遠隔操作装置１２と、コントロールユニット１６５と通信を行い、各センサ２０１～２０６で得たデータを、遠隔操作装置１２と、コントロールユニット１６５とに送信してもよい。

走行体位置センサ２０１は、例えば、走行体１１０の走行フレーム１１１に配設されたレーザセンサによって構成される。走行体位置センサ２０１は、レーザ光を走行レール４の端部又は作業室２の壁部に向けて照射して走行レール４の端部又は作業室２の壁部において反射して戻ってくるまでの時間を測定する。走行体位置センサ２０１は、この時間に基づいて走行レール４の端部又は作業室２の壁部から走行体１１０までの距離を検出する。旋回角度センサ２０２は、例えば、走行体１１０の旋回フレーム１２１に配設された光学式のロータリーエンコーダによって構成される。旋回角度センサ２０２は、走行フレーム１１１に対する旋回フレーム１２１の旋回量を電気信号に変換する。旋回角度センサ２０２は、その信号を演算処理して旋回フレーム１２１の旋回方向及び位置を含める旋回角度を検出する。なお、走行体位置センサ２０１及び旋回角度センサ２０２は一例を説明したもので、走行体１１０の二次元的な位置を検出する他のセンサ、旋回フレーム１２１の旋回角度を検出する他のセンサをそれぞれ用いてもよい。

ブーム起伏角度センサ２０３は、例えば、起伏シリンダ１３４のシリンダボトムの側部に配設されたレーザセンサによって構成される。ブーム起伏角度センサ２０３は、レーザ光を旋回フレーム１２１に向けて照射して旋回フレーム１２１において反射して戻ってくるまでの時間を測定する。ブーム起伏角度センサ２０３は、この時間に基づいて起伏シリンダ１３４の伸長量を検出し、その起伏シリンダ１３４の伸長量に基づいて旋回フレーム１２１に対するブーム１３０の起伏角度又は起伏位置を検出する。ブーム起伏角度センサ２０３も一例を説明したものであり、光学式ロータリーエンコーダ、ポテンショメータなどによりブーム１３０の起伏角を直接検出する他のセンサを用いてもよい。

ブーム伸長量センサ２０４は、例えば、ブーム１３０の基端ブーム１３１に配設されたレーザセンサによって構成される。ブーム伸長量センサ２０４は、レーザ光を先端ブーム１３２の先端部に取り付けられたバケットアタッチメント１５０のベース部材１５１に向けて照射してベース部材１５１において反射して戻ってくるまでの時間を測定する。ブーム伸長量センサ２０４は、この時間に基づいて、ブーム１３０の伸長量として基端ブーム１３１に対する先端ブーム１３２の伸長量を検出する。ブーム伸長量センサ２０４も一例を説明したものであり、ブーム伸縮と共に伸縮するケーブルの伸長量を直接測定する他のセンサを用いてもよい。

バケット揺動角度センサ２０５は、例えば、バケットシリンダ１５３の油路に配設された流量センサによって構成される。バケット揺動角度センサ２０５は、バケットシリンダ１５３に供給される作動油の流量を検出し、その流量の積分値を算出する。バケット揺動角度センサ２０５は、この流量積分値に基づいてバケットシリンダ１５３のピストンロッドの伸長量を求め、そのバケットシリンダ１５３の伸長量に基づいて、バケットアタッチメント１５０のベース部材１５１又はブーム１３０に対するバケット１５２の揺動角度又は揺動位置を検出する。バケット揺動角度センサ２０５も一例を説明したものであり、光学式ロータリーエンコーダ、ポテンショメータなどによりバケット１５２の揺動角度を直接検出他のセンサや、レーザセンサによりバケットシリンダ１５３の伸長量を求める他のセンサを用いてもよい。

外界センサ２０６は、例えば、走行体１１０の旋回フレーム１２１に配設されたＲＧＢ－Ｄセンサによって構成される。外界センサ２０６は、掘削地面のＲＧＢ画像又はカラー画像、及び距離画像又は点群データを取得し、それらの画像に基づいて掘削地面までの距離情報、掘削地面の形状情報を取得する。外界センサ２０６は、ＲＧＢ－Ｄセンサの他の例として、ステレオカメラや超音波距離計、レーザセンサなどを用いてもよい。

走行体位置センサ２０１、旋回角度センサ２０２、ブーム起伏角度センサ２０３、ブーム伸長量センサ２０４、バケット揺動角度センサ２０５及び外界センサ２０６により検出されたそれぞれの情報は、コントロールユニット１６５のメインコントローラ１６５ａに送信される。メインコントローラ１６５ａは、走行体位置測定部２１１と、バケット位置測定部２１２と、地盤形状測定部２１３とを備える。

走行体位置測定部２１１は、走行体位置センサ２０１により検出された走行レール４の端部又は作業室２の壁部から走行体１１０までの距離情報と、当該走行レール４が作業室２内の何処の位置に設けられた走行レールであるかという情報とを用いて、走行体１１０が作業室２内のどこに位置しているかを算出する。また、走行レール４が作業室２内の何処の位置に設けられた走行レールであるかという情報は、走行体１１０が取り付けられた走行レール４の情報であり、走行体１１０が取り付けられたときに走行体位置測定部２１１に設定されてもよい。また、走行体位置センサ２０１による距離情報の検出を周囲複数箇所に対して検出することにより、走行体１１０の天井内における二次元的な位置又は走行体１１０の向きを含む位置を検出してもよい。

バケット位置測定部２１２は、旋回角度センサ２０２により検出された走行フレーム１１１に対する旋回フレーム１２１の旋回方向及び位置を含める旋回角度と、ブーム起伏角度センサ２０３により検出された旋回フレーム１２１に対するブーム１３０の起伏角度又は起伏位置と、ブーム伸長量センサ２０４により検出されたブーム１３０の伸長量と、バケット揺動角度センサ２０５により検出されたブーム１３０に対するバケット１５２の揺動角度又は揺動位置とを用いて、走行体１１０の走行フレーム１１１に対するバケット１５２の位置を算出する。

地盤形状測定部２１３は、走行体位置測定部２１１により求められた作業室２内における走行体１１０の位置と、旋回角度センサ２０２により検出された走行フレーム１１１に対する旋回フレーム１２１の旋回方向および位置を含める旋回角度とを用いて、旋回フレーム１２１に設けられた外界センサ２０６の位置と、外界センサ２０６により距離情報を取得する方向と、外界センサ２０６により取得した距離情報を用いて、掘削地面の位置とを算出する。また、地盤形状測定部２１３は、掘り残し土８０の形状を算出してもよい。掘り残し土８０の形状とは、掘り残し土法面８２と形状と、掘り残し土８０が内周面７１に接する面の水平面での形状との両方を含む。

また、ケーソン１は、ケーソン１の各種状態を示す躯体情報を計測する計測装置９を備える。

以下、本発明の第１実施形態について図面を参照しながら説明する。図５は、本発明の実施形態を適用したケーソン管理システム６の全体構成を示すブロック図である。ケーソン管理システム６は、ケーソン管理システム６の利用者の質問に対する回答を行う。ケーソン管理システム６は、上述した計測装置９と、計測装置９に接続された遠隔操作装置１２とを備えている。

計測装置９は、ケーソン１に設けられた各種センサ等により測定された躯体情報を取得する。計測装置９は、躯体情報を遠隔操作装置１２に送信する。

遠隔操作装置１２は、取得した情報から各種処理を行う。遠隔操作装置１２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。遠隔操作装置１２は、ケーソン１に有線で接続されるように設けられてもよいが、これに限らず、無線通信等を用いて、情報を取得し、処理を行ってもよい。

遠隔操作装置１２は、計測装置９から躯体情報を取得する取得部１４と、取得部１４に接続される抽出部１５と、抽出部１５と取得部１４とに接続される出力部１６を備える。また、遠隔操作装置１２は、取得部１４と抽出部１５と出力部１６とに接続される記憶部１７及び提示部１８とを備える。

取得部１４は、各種情報を取得する。取得部１４は、例えば計測装置９から躯体情報を取得する。また、取得部１４は、例えば図示しないキーボードやマイクを介して、利用者から入力された、質問を含む質問情報や躯体情報を取得してもよい。取得部１４は、取得した情報を抽出部１５及び出力部１６等に出力する。

抽出部１５は、取得部１４から出力された躯体情報に基づいて、ニューマチックケーソン工法の作業履歴を示す履歴情報と躯体情報とを含む類似躯体情報を抽出する。抽出部１５は、例えば躯体情報と履歴情報とを紐づけた類似躯体情報が記憶される記憶部１７のデータベースを参照し、躯体情報に基づいて、類似躯体情報を抽出する。

出力部１６は、取得部１４により取得された質問情報を基盤モデルに入力し、抽出部１５により抽出された履歴情報に基づいて、質問に対するニューマチックケーソン工法に関する回答を示す回答情報を出力する。

記憶部１７は、躯体情報、質問情報、類似躯体情報、基盤モデル等の各種情報が記憶される。記憶部１７は、例えばＨＤＤ（Hard Disk Drive）の他、ＳＳＤ（Solid State Drive）やＳＤカード、ｍｉｎｉＳＤカード等のデータ保存装置が用いられる。

提示部１８は、記憶部１７に記憶された躯体情報等の各種情報、又は遠隔操作装置１２の処理状況等を出力する。提示部１８として、例えばディスプレイが用いられ、例えばタッチパネル式でもよい。提示部１８は、例えばスピーカ等が用いられてもよい。

次に、本発明の本実施形態を適用したケーソン管理システム６の動作について説明をする。図６は、本実施形態を適用したケーソン管理システム６の動作についてのフローチャートである。図６に示すように、ステップＳ１において、取得部１４は、各種情報を取得する。取得部１４は、例えば、計測装置９から送信された実際の現場で計測された躯体情報を取得する。取得部１４は、例えば、利用者から入力された質問情報又は躯体情報を取得する。取得部１４は、取得した躯体情報を抽出部１５に出力し、質問情報を出力部１６に出力する。

質問情報は、質問を示す情報であり、テキスト又は音声形式の情報であってもよい。また、質問情報は、ニューマチックケーソン工法に関する質問であってよい。質問情報は、例えばケーソン１の施工に対する質問を含む情報であり、例えばテキストベースの情報であってもよいがこの限りではなく、音声の情報であってもよい。質問情報は、質問又は指示を示す情報であり、テキスト又は音声、画像形式の情報であってもよい。また、質問情報は、プロンプトであってもよい。質問情報は、例えば「ケーソン１のＡ点を沈下させるにはどうしたらいいか」、又は「ケーソン１のＡ点を○○メートル掘削したらどうなるか」等の質問を示す情報である。また、質問情報は、質問を形態素解析した情報であってもよい。取得部１４は、取得した質問情報が音声又は画像形式である場合、音声認識又は画像認識を用いて、質問情報をテキスト形式に変換してもよい。取得部１４は、取得した質問情報が画像形式である場合、Ｒ－ＣＮＮ（Region Based Convolutional Neural Networks）、ＹＯＬＯ（You Only Look Once）、ＳＳＤ（Single Shot MultiBox Detector）等を用いて、質問情報の画像から特徴量を算出して、この特徴量に基づく物体や場所等の名称等のテキスト形式に変換してもよい。

躯体情報は、ケーソン１の位置、ケーソン１の速度、ケーソン１の加速度、ケーソン１の姿勢、ケーソン１の変形量等である。ケーソン１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、図７のようにケーソン１の傾きθ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。また、躯体情報には、刃口深度、函内地形情報、相対的地盤情報、ケーソン情報、固定的地盤情報及び函内圧力が含まれてもよい。また、躯体情報は、ケーソンショベル１００の台数の情報であってもよい。また、躯体情報は、ケーソン１の画像の情報でもよく、例えば地盤８のコンター図等でもよい。躯体情報は、ケーソン１の３次元画像であってもよい。かかる場合、躯体情報は、例えば公知のフォトグラメトリー等の技術を用いて複数の２次元画像から生成された３次元画像であってもよい。また、躯体情報は、センサ等により実際に測定された情報に限らず、シミュレーション等により擬似的に算出された情報であってもよい。

函内地形情報は、函内地形であり、例えば掘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。また、函内地形情報は、地盤８の地質の情報であってもよい。地質の情報は、例えば地盤８に含まれる水分量、構成物質等の情報である。函内地形情報は、ケーソン躯体の作業室内の地盤標高を示す地盤画像情報を含む。

相対的地盤情報は、ケーソン１の受圧面積、開口率、周辺摩擦力、刃口反力、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。また、受圧面積に基づいて刃口部７が、接している地面から受ける刃口反力を算出してもよい。周囲構造物状態は、ケーソン１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２内の圧力である。ケーソン情報は、ケーソン１の寸法、ケーソン１の形状、底面積、形状、重量等の情報が含まれる。固定的地盤情報は、掘削対象としている地盤８の地質や地下水位等の情報が含まれる。

なお、上述した躯体情報は、函内地形情報、相対的地盤情報、函内圧力、ケーソン情報、固定的地盤情報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。躯体情報は、例えばケーソン１に加えられた圧力、水の荷重等の情報であってもよい。また、躯体情報は、これらのパラメータの時間的な変化量及び変化の傾向を示す情報であってもよい。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任意のセンサやデバイス等の計測手段により具現化される。躯体情報は、常に固定的なものではなく、ケーソン１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、これら躯体情報は、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。計測装置９は、計測した躯体情報を遠隔操作装置１２に出力する。

次に、ステップＳ２において、抽出部１５は、類似躯体情報を抽出する。類似躯体情報は、履歴情報及び躯体情報を含む情報である。履歴情報は、ニューマチックケーソン工法の作業履歴を示す情報である。履歴情報は、過去のニューマチックケーソン工法の作業の現場で行われた作業の内容と、作業により起こった事象の内容とを含む情報である。履歴情報は、例えば、ケーソンショベル１００が掘削した位置、掘削量、時間、動作量等の作業の内容の情報と、ケーソン１の沈下量、沈下時間、又は開口率及び掘り残し幅の時間変化等の事象の内容の情報とを含む。

ステップＳ２において、抽出部１５は、例えば躯体情報と履歴情報とを紐づけた類似躯体情報が記憶されるデータベースを参照し、取得部１４により取得された躯体情報に基づいて、類似躯体情報を抽出する。かかる場合、抽出部１５は、例えば記憶部１７に記憶されているデータベースから、取得部１４により取得された躯体情報に基づいて、検索を行い、取得部１４により取得された躯体情報と類似するデータベースに記憶されている躯体情報を検索し、検索した躯体情報に紐づいて記憶されている履歴情報を含む類似躯体情報を抽出する。また、抽出部１５は、例えば記憶部１７に記憶されているデータベースから、取得部１４により取得された躯体情報に基づいて、検索を行い、取得部１４により取得された躯体情報との類似度が基準値よりも高い、データベースに記憶されている躯体情報を２以上検索し、検索した２以上の躯体情報に紐づいて記憶されている２以上の履歴情報を含む類似躯体情報を抽出する。かかる場合、抽出部１５は、取得部１４により取得された躯体情報とデータベースに記憶されている躯体情報との類似度を示す類似度情報も取得してよい。また、抽出部１５は、例えば記憶部１７に記憶されているデータベースから、取得部１４により取得された躯体情報に基づいて、検索を行い、取得部１４により取得された躯体情報との類似度が高い上位Ｋ個の躯体情報を検索し、検索したＫ個の躯体情報に紐づいて記憶されているＫ個の履歴情報を含む類似躯体情報を抽出してもよい。抽出部１５は、各種情報を出力部１６に出力する。

また、ステップＳ２において、抽出部１５は、例えば最大内積検索（ＭＩＰＳ；maximum inner-product search）を用いて、取得部１４により取得された躯体情報と類似するデータベースに記憶されている躯体情報を検索し、検索した躯体情報に紐づいて記憶されている履歴情報を含む類似躯体情報を抽出してもよい。

また、ステップＳ２において、抽出部１５は、記憶部１７に記憶されているデータベースに限らず、公共通信網を用いて、通信可能なサーバ等に記憶されているデータベースを参照し、検索を行ってもよい。

また、ステップＳ２において、抽出部１５は、躯体情報に含まれる各種情報毎に設定された優先度に基づいて、取得部１４により取得された躯体情報とデータベースに記憶されている躯体情報との類似度を取得してもよい。かかる場合、抽出部１５は、例えば躯体情報に含まれる刃口深度、函内地形情報、相対的地盤情報、ケーソン情報、固定的地盤情報及び函内圧力等の各種情報毎に優先度を設定し、優先度が高く設定された種類の情報が類似又は一致する場合、類似度が高くなるように設定してもよい。

次に、ステップＳ３において、出力部１６は、取得部１４により取得された質問情報を基盤モデルに入力し、抽出部１５により抽出された類似躯体情報に基づいて、回答情報を出力する。回答情報は、質問情報に含まれる質問に対するニューマチックケーソン工法に関する回答を示す情報である。回答情報は、例えば「ケーソン１のＡ点を沈下させるにはどうしたらいいか」という質問に対する「Ａ点の開口率をＸ％減らすとＹｍｍ沈下するでしょう」等のニューマチックケーソン工法に関する回答を示す情報である。また、回答情報は、回答の根拠を示す情報が含まれてもよい。回答の根拠を示す情報は、例えば道路橋示方書、コンクリート標準示方書等の示方書、及び道路橋定期点検要領 国道交通省又は道路局が発行している要領、各県の橋梁長寿命化修繕計画等、論文、特許公文の記載事項等であってもよい。

基盤モデルの生成方法として、例えばニューラルネットワークをモデルとした機械学習を用いて、基盤モデルを生成してもよい。基盤モデルは、例えばＡＩニューラルネットワークである。基盤モデルは、例えばＣＮＮ（Convolution Neural Network）等のニューラルネットワークをモデルとした機械学習を用いて学習されるほか、任意のモデルが用いられてもよい。また、基盤モデルの生成方法として、例えば検索拡張生成（ＲＡＧ：Retrieval-Augmented Generation）、ｓｅｑ２ｓｅｑ（Sequence To Sequence）線形判別、サポートベクターマシン、ｋ－近傍法、ランダムフォレスト、ディープラーニング等を用いて、基盤モデルを生成してもよい。

かかる場合、基盤モデルには、例えば図８のように、入力データである質問情報と出力データである回答情報との間における重みを有する連関性が記憶される。また、かかる場合、質問情報に含まれる形態素又は単語等を入力データとし、回答情報に含まれる形態素又は単語等を出力データとしてもよい。重みは、入力データと出力データとの繋がりの度合いを示しており、例えば重みが高いほど各データの繋がりが強いと判断することができる。重みは、例えば百分率等の３値以上又は３段階以上で示されるほか、２値又は２段階で示されてもよい。また、重みの学習に用いられる質問情報及び回答情報は、例えば予め取得した学習データに用いるための質問情報及び回答情報であるがこれに限らず、任意のタイミングで取得した情報を用いてもよい。

例えば連関性は、複数の入力データ、対、複数の出力データの間における繋がりの度合いにより構築される。連関性は、機械学習の過程で適宜更新され、例えば複数の入力データ、及び複数の出力データに基づいて最適化された関数を用いた分類器を示す。なお、連関性は、例えば各データの間における繋がりの度合いを示す複数の重みを有してもよい。重みは、例えばデータベースがニューラルネットワークで構築される場合、重み変数に対応させることができる。連関性は、例えば図８に示すように、複数の入力データと、複数の出力データとの間における繋がりの度合いを示してもよい。この場合、連関性を用いることで、図８の「質問情報Ａ」～「質問情報Ｃ」のそれぞれの入力データに対し、「回答情報Ａ」～「回答情報Ｃ」の複数の出力データとの関係の度合いを紐づけて記憶させることができる。このため、例えば連関性を介して、１つの出力データに対して、複数の入力データを紐づけることができる。これにより、入力データに対して多角的な出力データの選択を実現することができる。また、入力データ及び出力データは、これに限らず、任意の種類の情報がさらに用いられてもよい。また、入力データは、例えば質問情報に含まれるテキスト情報及び／又は画像情報であってもよい。

連関性は、例えば各入力データと、各出力データとをそれぞれ紐づける複数の重みを有する。重みは、例えば百分率、１０段階、又は５段階等の３段階以上で示され、例えば線の特徴（例えば太さ等）で示される。例えば、入力データに含まれる「質問情報Ａ」は、出力データに含まれる「回答情報Ａ」との間の重みＡＡ「７３％」を示し、出力データに含まれる「回答情報Ｂ」との間の重みＡＢ「１２％」を示す。すなわち、「重み」は、各データ間における繋がりの度合いを示しており、例えば重みが高いほど、各データの繋がりが強いことを示す。

このような図８に示す３段階以上の重みを予め取得しておく。つまり実際の解の判別を行う上で、入力データと、出力データとの何れが採用、評価されたか、過去のデータセットを蓄積しておき、これらを分析、解析することで図８に示す重みを作り上げておく。

例えば、過去において「質問情報Ｂ」という入力データに対して、「回答情報Ｂ」が最も適合性が高いと判断され、評価されたものとする。このようなデータセットを集めて分析することにより、入力データと出力データとの重みが強くなる。

この分析、解析は人工知能により行うようにしてもよい。かかる場合には、例え「質問情報Ｂ」という入力データに対して、「回答情報Ｂ」が推定される事例が多い場合には、この「質問情報Ｂ」と「回答情報Ｂ」とにつながる重みをより高く設定する。

また、この重みは、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ものであってもよい。即ち、このニューラルネットワークのノードが出力に対する重み付け係数が、上述した重みに対応することとなる。またニューラルネットワークに限らず、人工知能を構成するあらゆる意思決定因子で構成されるものであってもよい。

また、基盤モデルは、入力データと出力データとの間に少なくとも１以上の隠れ層が設けられ、機械学習させるようにしてもよい。入力データ又は隠れ層データの何れか一方又は両方において上述した重みが設定され、これが各データの重み付けとなり、これに基づいて出力の選択が行われる。そして、この重みがある閾値を超えた場合に、その出力を選択するようにしてもよい。

このような重みが、人工知能でいうところの学習データとなる。このような学習データを予め学習し、実際にステップＳ３において、出力部１６は、新たに質問情報を基盤モデルに入力し、回答情報の出力を行うこととなる。出力の際には、例えば予め取得した図８に示す重みを参照する。例えば、新たに取得した質問情報が「質問情報Ａ」と同一かこれに類似するものである場合には、重みを介して「回答情報Ａ」との間の重みＡＡ「７３％」、「回答情報Ｂ」との間の重みＡＢ「１２％」で関連付けられている。この場合には、重みの最も高い「質問情報Ａ」を最適解として選択する。但し、最も重み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、重みは低いものの連関性そのものは認められる「回答情報Ｂ」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り、重みに基づくものであれば、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。

このような重みを参照することにより、質問情報が、入力データと同一又は類似である場合のほか、非類似である場合においても、入力データに適した出力データを定量的に選択することができる。

ステップＳ３において、出力部１６は、類似躯体情報に基づいて、例えば基盤モデルの質問情報と回答情報との重みを再設定してもよい。かかる場合、類似躯体情報に含まれる単語又は類似する単語を含む質問情報と回答情報との重みが高くなるように設定してもよい。

また、基盤モデルは、自然言語モデルであってもよい。基盤モデルは、教師なし学習により生成されたモデルであってもよい。また、基盤モデルは生成ＡＩであってもよい。自然言語モデルは、質問情報に含まれる指示文の受け付けと、回答情報に含まれる応答文の生成とを交互に行う対話型、いわばチャット型または会話形のモデルであってよい。自然言語モデルは、大量のテキストデータで学習した大規模言語モデル（ＬＬＭ：ＬａｒｇｅＬａｎｇｕａｇｅＭｏｄｅｌ）、又は当該大規模言語モデルを転移学習したモデルであってよい。

大規模言語モデルは、人間の話す言葉をその出現確率でモデル化した言語モデルと呼ばれるものを、膨大なデータから事前学習する深層学習モデルである。即ち、大規模言語モデルは、大量のテキストデータを使ってトレーニングされた自然言語処理のモデルのことであり、質問情報として文章を入力とし、回答情報として文章を出力する。質疑応答を行うシステムに大規模言語モデルを適用した場合、質問情報として、質問文を大規模言語モデルに入力すると、回答情報として、ＬＬＭから回答文が出力される。

ステップＳ３において、出力部１６は、質問情報としてテキストデータ（プロンプト）を受信すると、大規模言語モデルを用いて、受信されたプロンプトに含まれる文章から次の単語の生成確率を統計的に推定し、推定結果に基づく回答情報を出力する。大規模言語モデルとしては、例えば、インターネットサイトとして、「https://chatgpt-lab.com/n/n418d3aa56f0b」や、「https://agirobots.com/chatgpt-mechanism-and-problem/」等に記載されている公知の技術を採用することができる。また、大規模言語モデルとして、例えば、米国ＯｐｅｎＡＩ社が提供するＧＰＴ－４を用いてもよい。

また、基盤モデルとして、大規模言語モデルを扱う場合、ステップＳ３において、出力部１６は、類似躯体情報に基づいて、受信されたプロンプトに含まれる文章から次の単語を生成する生成確率を設定してもよい。かかる場合、ステップＳ３において、出力部１６は、類似躯体情報に含まれる単語又は類似する単語の基盤モデルの生成確率が高くなるように設定してもよい。

また、ステップＳ３において、出力部１６は、ステップＳ１により取得された質問情報とステップＳ２により抽出された類似躯体情報とに基づいて、質問情報と類似躯体情報との関係性を示す関係情報を出力し、出力した関係情報と類似躯体情報とに基づいて、ステップＳ１により取得された質問情報を基盤モデルに入力し、回答情報を出力してもよい。関係情報は、例えば質問情報と類似躯体情報との重みを示す情報である。かかる場合、出力部１６は、例えば質問情報に含まれる質問を示すテキスト情報を形態素解析し、形態素解析した質問情報と合致又は類似する情報が類似躯体情報に含まれているかを判定し、判定結果に応じて、質問情報と類似躯体情報との重みを決定してもよい。出力部１６は、出力した関係情報と類似躯体情報とに基づいて、基盤モデルの質問情報と回答情報との重みを決定してもよい。また、出力部１６は、例えば質問情報と関係情報とを入力データとし、回答情報を出力データとする学習データを用いて学習された基盤モデルを参照し、ステップＳ１により取得された質問情報と、ステップＳ２により抽出された類似躯体情報と、出力した関係情報とに基づいて、回答情報を出力してもよい。これにより、質問に対して関係性の高い類似躯体情報を考慮することができる。このため、より高精度に質問に対して回答することが可能となる。

また、ステップＳ３において、出力部１６は、ステップＳ１により取得された質問情報を基盤モデルに入力し、ステップＳ２により抽出された履歴情報と類似度情報とに基づいて、回答情報を出力してもよい。また、出力部１６は、抽出した類似度情報に基づいて、基盤モデルの質問情報と回答情報との重みを決定してもよい。これにより、例えば施工現場のケーソン躯体の状態と類似する躯体情報に紐づく履歴情報に基づいて回答することが可能となる。このため、より高精度に質問に対して回答することが可能となる。

また、任意のタイミングで、出力部１６により回答情報を出力してもよい。

これにより、本実施形態におけるケーソン管理システム６の動作が終了する。これにより、利用者の質問に対して、適切な履歴情報を考慮し、柔軟に回答することが可能となる。

本発明の実施形態を説明したが、この実施形態は例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１ ケーソン
２ 作業室
３ 送気路
４ 走行レール
６ ケーソン管理システム
７ 刃口部
８ 地盤
９ 計測装置
１１ 土砂自動積込装置
１２ 遠隔操作装置
１３ 地上遠隔操作室
１４ 取得部
１５ 抽出部
１６ 出力部
１７ 記憶部
１８ 提示部
２１ マンシャフト
２２ マンロック
２３ マテリアルシャフト
２４ マテリアルロック
２５ 螺旋階段
３１ アースバケット
３２ キャリア装置
３３ 土砂ホッパー
４１ 送気管
４２ 空気圧縮機
４３ 空気清浄装置
４４ 送気圧力調整装置
４５ 自動減圧装置
５１ 非常用空気圧縮機
５３ ホスピタルロック
７０ 刃口境界部
７１ 内周面
７２ 刃口部先端
８０ 掘り残し土
８１ 掘り残し土幅
８２ 掘り残し土法面
１００ ケーソンショベル
１１０ 走行体
１１１ 走行フレーム
１１３ 走行ローラ
１２１ 旋回フレーム
１３０ ブーム
１３１ 基端ブーム
１３２ 先端ブーム
１３３ 伸縮シリンダ
１３４ 起伏シリンダ
１５０ バケットアタッチメント
１５１ ベース部材
１５２ バケット
１５３ バケットシリンダ
１６５ コントロールユニット
１６５ａ メインコントローラ
１６５ｂ 走行体用コントローラ
１６５ｃ ブーム・バケット用コントローラ
２０１ 走行体位置センサ
２０２ 旋回角度センサ
２０３ ブーム起伏角度センサ
２０４ ブーム伸長量センサ
２０５ バケット揺動角度センサ
２０６ 外界センサ
２１１ 走行体位置測定部
２１２ バケット位置測定部
２１３ 地盤形状測定部

Claims (7)

1. 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各種状態を示す躯体情報と、ニューマチックケーソン工法に関する質問を示す質問情報とを取得する取得手段と、
   躯体情報とニューマチックケーソン工法の作業履歴を示す履歴情報とを紐づけて記憶するデータベースから、前記取得手段により取得された躯体情報に類似する躯体情報と、当該躯体情報に紐づく前記履歴情報と、を含む類似躯体情報を抽出する抽出手段と、
   前記取得手段により取得された質問情報を、前記抽出手段により抽出された類似躯体情報に基づいて質問情報と回答情報との連関度を学習させた基盤モデルに入力し、質問に対するニューマチックケーソン工法に関する回答を示す回答情報を出力する出力手段とを備えること
   を特徴とするケーソン管理システム。
2. 前記出力手段は、前記取得手段により取得された質問情報と前記抽出手段により抽出された類似躯体情報とに基づいて、質問情報と類似躯体情報との関係性を示す関係情報を出力し、出力した前記関係情報と前記類似躯体情報とに基づいて前記連関度を学習させた前記基盤モデルに、前記取得手段により取得された質問情報を入力し、前記回答情報を出力すること
   を特徴とする請求項１に記載のケーソン管理システム。
3. 前記抽出手段は、前記取得手段により取得された躯体情報と前記データベースに記憶された躯体情報との類似度を示す類似度情報を抽出し、
   前記出力手段は、前記取得手段により取得された質問情報を、前記抽出手段により抽出された類似躯体情報と類似度情報とに基づいて前記連関度を学習させた前記基盤モデルに、前記回答情報を出力すること
   を特徴とする請求項１に記載のケーソン管理システム。
4. 前記取得手段は、前記ケーソン躯体の作業室内の地盤標高を示す地盤画像情報を含む前記躯体情報を取得すること
   を特徴とする請求項１に記載のケーソン管理システム。
5. 前記取得手段は、時点と前記ケーソン躯体の各種状態とが紐づけられた時系列情報を含む前記躯体情報を取得すること
   を特徴とする請求項１に記載のケーソン管理システム。
6. 前記出力手段は、前記取得手段により取得された質問情報を前記抽出手段により抽出された類似躯体情報に基づいて前記連関度を学習させた大規模言語モデル（ＬａｒｇｅＬａｎｇｕａｇｅＭｏｄｅｌ）に入力し、回答情報を出力すること
   を特徴とする請求項１に記載のケーソン管理システム。
7. 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各種状態を示す躯体情報と、ニューマチックケーソン工法に関する質問を示す質問情報とを取得する取得ステップと、
   躯体情報とニューマチックケーソン工法の作業履歴を示す履歴情報とを紐づけて記憶するデータベースから、前記取得ステップにより取得された躯体情報に類似する躯体情報と、当該躯体情報に紐づく前記履歴情報と、を含む類似躯体情報を抽出する抽出ステップと、
   前記取得ステップにより取得された質問情報を、前記抽出ステップにより抽出された類似躯体情報に基づいて質問情報と回答情報との連関度を学習させた基盤モデルに入力し、質問に対するニューマチックケーソン工法に関する回答を示す回答情報を出力する出力ステップとをコンピュータに実行させること
   を特徴とするケーソン管理プログラム。

Images