安藤ハザマ（本社：東京都港区、社長：福富正人）は、保有技術のトンネル切羽安定度予測システム「TFS-learning（Tunnel Face Stability calculate system by machine learning）」に新たに切羽前方の切羽評価点（注1）を予測する機能を追加するとともに、切羽面にカラーコンター図をマッピングする機能を追加することでTFS-learningの高度化を図りました。
1．開発の背景
2016年に当社が開発したTFS-learningは、発破孔の削孔データ（注2）（削孔速度、フィード圧、打撃圧、回転圧）をもとに、発破後に露出する切羽の安定度を予測するシステムです。切羽安定度の評価指標には切羽評価点を用いているため、定量的で精度の高い予測が可能です。また、切羽の安定度をカラーコンター図で表示させ、不安定箇所を暖色、安定箇所を寒色で表現することで、安全性の可視化を行っており、切羽作業の安全性を確認する技術として、現在まで発破掘削方式の現場に多く適用してきました。
しかし、長尺鏡ボルトや削孔検層などの長尺削孔データを用いた切羽前方探査には対応しておらず、その適用は発破掘削方式の現場での安全対策に限定されていました。
また、切羽評価点の予測結果として出力されるカラーコンター図は、パソコン画面のみでの閲覧が可能であり、予測結果の確認者が限定されていました。
2．本システムの構成
今回の改良により、TFS-learningは新たに以下の機能を有します。
（1）長尺削孔モード機能
長尺鏡ボルトや削孔検層などの長尺削孔データ（図1）を用いて、切羽前方（10～30m）の切羽評価点を予測し、地山等級を判定します（図2）。
また、長尺削孔データの解析はRPA（Robotic Process Automation）（注3）の採用により完全自動化で行います。
（2）フェイスマッピング機能
TFS-learningの予測結果として出力されるカラーコンター図を、10,000ルーメン以上の明るさを有するプロジェクターにより切羽面へ投影します（図3）。切羽に直接、カラーコンター図を投影することで、全ての切羽作業員が切羽の不安定箇所を確認します。
3．本システムの効果
本システムによる効果は、以下の通りです。
- 掘削前に切羽前方の切羽評価点を把握できるため、今後掘削する箇所の最適な支保パターンや補助工法の選定に活用できます。
- 全ての切羽作業員が次に掘削する切羽の不安定箇所をリアルタイムに把握できるため、切羽作業の安全性が向上します。
4．今後の展開
本システムは、国土交通省北陸地方整備局発注の国道8号柏崎トンネル（山岳部）工事（注4）において適用中であり、長尺鏡ボルトの削孔データから切羽前方の切羽評価点を予測し、地山等級の判定に活用しています。
また、実現場でフェイスマッピング機能の基礎実験を行い、山岳トンネル現場への実用化に目途をつけました。今後は、本システムを当社が施工する山岳トンネル現場へ展開していきます。
-
切羽評価点
支保パターンを選定する根拠である地山等級を判定するために、定められた評価区分に従い切羽を目視観察して点数付けを行ったもの。 -
削孔データ
油圧削岩機により岩盤を削孔する際に得られる機械データである。本技術では、機械学習に用いる削孔データは、削孔速度、フィード圧、打撃圧、回転圧の4つとしている。 -
RPA
パソコン画面上のアプリケーションやシステム画面を識別し、事前に設定された実行手順に従って、人間と同じように操作を行うことができるソフトウェアロボットである。 -
国道8号柏崎トンネル（山岳部）工事
当該工事は、新潟県柏崎市に位置する延長1,128mの機械掘削方式で施工する山岳トンネルである。
図1: 長尺鏡ボルト 削孔データの一例
図2：TFS-learningのシステム画面
基礎実験用のコンター図を用いています。
図3：トンネル切羽におけるフェイスマッピング基礎実験状況