特許ウォッチ

公開番号2025152864
公報種別公開特許公報(A)
公開日2025-10-10
出願番号2024055025
出願日2024-03-28
発明の名称進路予測装置、進路予測方法および進路予測プログラム
出願人株式会社奥村組
代理人弁理士法人翔和国際特許事務所
主分類G06N 20/00 20190101AFI20251002BHJP(計算;計数)
要約【課題】より精度高くシールド掘進機の進路を予測する。
【解決手段】進路予測装置は、シールド掘進機の到達位置を予測する基本モデルと、基本モデルを用いたシールド掘進機の到達予測位置およびシールド掘進機の実際の到達位置の差分を機械学習して生成された第1差分予測モデルと、の第1複合モデルを用いて、シールド掘進機の進路を予測する進路予測部と、第1複合モデルを用いてシールド掘進機を掘進させている間、第1差分予測モデルの再学習区間を設け、再学習区間において、シールド掘進機の到達予測位置とシールド掘進機の実際の到達位置との差分を機械学習して第2差分予測モデルを生成する差分予測モデル生成部と、第2差分予測モデルを第1差分予測モデルに上書きして、第2複合モデルを生成する複合モデル生成部と、を備え、進路予測部は、再学習区間よりも後の区間において、第2複合モデルを用いて、シールド掘進機の進路を予測する。
【選択図】図2
特許請求の範囲【請求項１】
シールド掘進機の到達位置を予測させるために、少なくとも回転モーメントと中折れ角から進路を算出する基本モデルと、前記基本モデルを用いた前記シールド掘進機の到達予測位置および前記シールド掘進機の実際の到達位置の差分を人工知能に機械学習させて生成された学習済みの第１差分予測モデルと、の第１複合モデルを用いて、前記シールド掘進機の進路を予測する進路予測部と、
前記第１複合モデルを用いて前記シールド掘進機の進路を予測させている間、前記第１差分予測モデルの再学習区間を設け、前記再学習区間において、前記シールド掘進機の前記基本モデルによる到達予測位置と前記シールド掘進機の実際の到達位置との差分を人工知能に機械学習させて学習済みの第２差分予測モデルを生成する差分予測モデル生成部と、
生成された前記第２差分予測モデルを前記第１複合モデルの前記第１差分予測モデルに上書きして、第２複合モデルを生成する複合モデル生成部と、
を備え、
前記進路予測部は、前記再学習区間よりも後の区間において、前記第２複合モデルを用いて、前記シールド掘進機の進路を予測する進路予測装置。
続きを表示（約 1,100 文字）【請求項２】
前記差分予測モデル生成部は、前記再学習区間において、前記シールド掘進機の進路を予測させるために入力されるパラメータのそれぞれについての重み付け係数をさらに人工知能に機械学習させて、前記第２差分予測モデルを生成する請求項１に記載の進路予測装置。
【請求項３】
シールド掘進機の到達位置を予測させるために、少なくとも回転モーメントと中折れ角から進路を算出する基本モデルと、前記基本モデルを用いた前記シールド掘進機の到達予測位置および前記シールド掘進機の目標到達位置の差分を人工知能に機械学習させて生成された学習済みの第１差分予測モデルと、の第１複合モデルを用いて、前記シールド掘進機の進路を予測する進路予測ステップと、
前記第１複合モデルを用いて前記シールド掘進機の進路を予測させている間、前記第１差分予測モデルの再学習区間を設け、前記再学習区間において、前記シールド掘進機の前記基本モデルによる到達予測位置と前記シールド掘進機の実際の到達位置との差分を人工知能に機械学習させて学習済みの第２差分予測モデルを生成する差分予測モデル生成ステップと、
生成された前記第２差分予測モデルを前記第１複合モデルの前記第１差分予測モデルに上書きして、第２複合モデルを生成する複合モデル生成ステップと、
を含み、
前記進路予測ステップにおいて、前記再学習区間よりも後の区間において、前記第２複合モデルを用いて、前記シールド掘進機の進路を予測する進路予測方法。
【請求項４】
シールド掘進機の到達位置を予測させるために、少なくとも回転モーメントと中折れ角から進路を算出する基本モデルと、前記基本モデルを用いた前記シールド掘進機の到達予測位置および前記シールド掘進機の目標到達位置の差分を人工知能に機械学習させて生成された学習済みの第１差分予測モデルと、の第１複合モデルを用いて、前記シールド掘進機の進路を予測する進路予測ステップと、
前記第１複合モデルを用いて前記シールド掘進機の進路を予測させている間、前記第１差分予測モデルの再学習区間を設け、前記再学習区間において、前記シールド掘進機の前記基本モデルによる到達予測位置と前記シールド掘進機の実際の到達位置との差分を人工知能に機械学習させて学習済みの第２差分予測モデルを生成する差分予測モデル生成ステップと、
生成された前記第２差分予測モデルを前記第１複合モデルの前記第１差分予測モデルに上書きして、第２複合モデルを生成する複合モデル生成ステップと、
をコンピュータに実行させ、
前記進路予測ステップにおいて、前記再学習区間よりも後の区間において、前記第２複合モデルを用いて、前記シールド掘進機の進路を予測する進路予測プログラム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、進路予測装置、進路予測方法および進路予測プログラムに関する。
続きを表示（約 2,500 文字）【背景技術】
【０００２】
上記技術分野において、非特許文献１には、曲線を含む計画線形に対するシールド機の運転方法と、形状の異なる複数のセグメントの割り付け方法について、事前シミュレーションを行って、これらの計画値を設定することが開示されている。
【先行技術文献】
【非特許文献】
【０００３】
ＡＩを活用したシールド掘進計画支援システムを開発／企業情報／清水建設、２０１８年５月２５日、〔２０２３年１２月１７日検索〕、インターネット（ＵＲＬ：ｈｔｔｐｓ：//ｗｗｗ.ｓｈｉｍｚ.ｃｏ.ｊｐ/ｃｏｍｐａｎｙ/ａｂｏｕｔ/ｎｅｗｓ－ｒｅｌｅａｓｅ／２０１８／２０１８００５／ｈｔｍｌ）
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、上記非特許文献１に記載の技術では、より精度高くシールド掘進機の進路を予測することができなかった。
【課題を解決するための手段】
【０００５】
上記目的を達成するため、本発明に係る進路予測装置は、
シールド掘進機の到達位置を予測させるために、少なくとも回転モーメントと中折れ角から進路を算出する基本モデルと、前記基本モデルを用いた前記シールド掘進機の到達予測位置および前記シールド掘進機の実際の到達位置の差分を人工知能に機械学習させて生成された学習済みの第１差分予測モデルと、の第１複合モデルを用いて、前記シールド掘進機の進路を予測する進路予測部と、
前記第１複合モデルを用いて前記シールド掘進機の進路を予測させている間、前記第１差分予測モデルの再学習区間を設け、前記再学習区間において、前記シールド掘進機の前記基本モデルによる到達予測位置と前記シールド掘進機の実際の到達位置との差分を人工知能に機械学習させて学習済みの第２差分予測モデルを生成する差分予測モデル生成部と、
生成された前記第２差分予測モデルを前記第１複合モデルの前記第１差分予測モデルに上書きして、第２複合モデルを生成する複合モデル生成部と、
を備え、
前記進路予測部は、前記再学習区間よりも後の区間において、前記第２複合モデルを用いて、前記シールド掘進機の進路を予測する。
【０００６】
また、上記目的を達成するため、本発明に係る進路予測方法は、
シールド掘進機の到達位置を予測させるために、少なくとも回転モーメントと中折れ角から進路を算出する基本モデルと、前記基本モデルを用いた前記シールド掘進機の到達予測位置および前記シールド掘進機の実際の到達位置の差分を人工知能に機械学習させて生成された学習済みの第１差分予測モデルと、の第１複合モデルを用いて、前記シールド掘進機の進路を予測する進路予測ステップと、
前記第１複合モデルを用いて前記シールド掘進機の進路を予測させている間、前記第１差分予測モデルの再学習区間を設け、前記再学習区間において、前記シールド掘進機の前記基本モデルによる到達予測位置と前記シールド掘進機の実際の到達位置との差分を人工知能に機械学習させて学習済みの第２差分予測モデルを生成する差分予測モデル生成ステップと、
生成された前記第２差分予測モデルを前記第１複合モデルの前記第１差分予測モデルに上書きして、第２複合モデルを生成する複合モデル生成ステップと、
を含み、
前記進路予測ステップにおいて、前記再学習区間よりも後の区間において、前記第２複合モデルを用いて、前記シールド掘進機の進路を予測する。
【０００７】
さらに、上記目的を達成するため、本発明に係る進路予測プログラムは、
シールド掘進機の到達位置を予測させるために、少なくとも回転モーメントと中折れ角から進路を算出する基本モデルと、前記基本モデルを用いた前記シールド掘進機の到達予測位置および前記シールド掘進機の実際の到達位置の差分を人工知能に機械学習させて生成された学習済みの第１差分予測モデルと、の第１複合モデルを用いて、前記シールド掘進機の進路を予測する進路予測ステップと、
前記第１複合モデルを用いて前記シールド掘進機の進路を予測させている間、前記第１差分予測モデルの再学習区間を設け、前記再学習区間において、前記シールド掘進機の前記基本モデルによる到達予測位置と前記シールド掘進機の実際の到達位置との差分を人工知能に機械学習させて学習済みの第２差分予測モデルを生成する差分予測モデル生成ステップと、
生成された前記第２差分予測モデルを前記第１複合モデルの前記第１差分予測モデルに上書きして、第２複合モデルを生成する複合モデル生成ステップと、
をコンピュータに実行させ、
前記進路予測ステップにおいて、前記再学習区間よりも後の区間において、前記第２複合モデルを用いて、前記シールド掘進機の進路を予測する。
【発明の効果】
【０００８】
本発明によれば、より精度高くシールド掘進機の進路を予測することができる。
【図面の簡単な説明】
【０００９】
本発明の好ましい実施形態に係る進路予測装置の動作の概要を説明するための図である。
本発明の好ましい実施形態に係る進路予測装置の構成を説明するためのブロック図である。
本発明の好ましい実施形態に係る進路予測装置のハードウェア構成を説明するための図である。
本発明の好ましい実施形態に係る進路予測装置の処理手順を説明するためのフローチャートである。
【発明を実施するための形態】
【００１０】
以下に、本発明を実施するための形態について、図面を参照して、例示的に詳しく説明する。ただし、以下の実施形態に記載されている、構成、数値、処理の流れ、機能要素などは一例に過ぎず、その変形や変更は自由であって、本発明の技術範囲を以下の記載に限定する趣旨のものではない。
（【００１１】以降は省略されています）

関連特許