講演情報
[P003A]トンネル発破における余掘り予測AIの精度向上に向けた割れ目角度抽出手法の確立
○中根 光太郎1[修士課程]、中澤 雄奈1、キョ ユリン1、後藤 佳子2、黒木 宏忠2、川村 洋平1、大友 陽子1、岡田 夏男1 (1. 北海道大学大学院、2. 青木あすなろ建設株式会社)
キーワード：
トンネル発破工法、発破設計、人工ニューラルネットワーク、割れ目角度
トンネルの発破工法は、経済性と効率性から広く用いられている。一方で、設計以上に採掘される「余掘り」は、施工コストの増大や安全性の低下を招く問題として認識されている。余掘りの発生要因には地質条件、爆薬量、穿孔状態など複数の要因が関与するが、明確な因果関係は解明されていない。このため、トンネル採掘現場での余掘りの低減と発破デザインの最適化が求められている。
近年では、地質条件と余掘りの関係を定量的に評価する指標としてOverbreak Resistance Factor（ORF）を提言し、Artificial Neural Network（ANN）によって余掘り量の予測と地質データの影響度把握を目指したモデルの開発を進めている。しかし、ORFにおいて重要な要因の一つとされる割れ目の角度は、国内トンネルでのデータ収集に困難を伴う。そのため、従来研究では断面画像から概算で角度を評価する手法が取られてきた。これにより、データのばらつきやANNモデルの学習精度への影響が課題となっている。
本研究では、余掘り予測モデルの汎用性および実用性の向上を目的として、Structure from Motion（SfM）により作成した3Dモデルの点群データから割れ目を抽出する手法を提案する。これにより、安定した地質データの収集が可能となり、ANNモデルの学習精度向上が期待される。
近年では、地質条件と余掘りの関係を定量的に評価する指標としてOverbreak Resistance Factor（ORF）を提言し、Artificial Neural Network（ANN）によって余掘り量の予測と地質データの影響度把握を目指したモデルの開発を進めている。しかし、ORFにおいて重要な要因の一つとされる割れ目の角度は、国内トンネルでのデータ収集に困難を伴う。そのため、従来研究では断面画像から概算で角度を評価する手法が取られてきた。これにより、データのばらつきやANNモデルの学習精度への影響が課題となっている。
本研究では、余掘り予測モデルの汎用性および実用性の向上を目的として、Structure from Motion（SfM）により作成した3Dモデルの点群データから割れ目を抽出する手法を提案する。これにより、安定した地質データの収集が可能となり、ANNモデルの学習精度向上が期待される。