日本のような地震が多発する地域における都市開発では、地盤の安定性を正確に予測し、地震発生時の液状化リスクを軽減することが重要となる。
こうした中、芝浦工業大学 工学部・稲積真哉教授の地盤工学研究室は、人工ニューラルネットワーク（以下、ANN）や、複数のモデルからの予測結果を組み合わせるバギング法を組み合わせたAI技術を活用し、機械学習モデルによる地盤強度予測システムを開発した。
今回の研究では、標準貫入試験とミニラムサウンディング試験という、土の密度と基礎の必要条件を評価する2つの方法を用いて、東京都世田谷区内の433地点の地盤データを収集した。
これに緯経度や標高などの地理的データを組み合わせ、支持層の厚さと深度を予測。集計したデータを10箇所の支持層深度を予測するANNに学習させ、実際の現場測定値と照らし合わせることで予測精度を評価した。
さらに、上記手法にバギング法を適用することで、地盤の安定性や地震時の液状化のリスクを示す重要な指標である支持層の深さの予測精度が、従来よりも20％向上した。
そして、この予測値を基に、世田谷区内の4カ所を中心に半径1km以内の支持層の分布を示す3次元マップを作成した。（トップ画3次元マップの作成例）
このマップは、地盤の安定した土地を特定するための視覚的補助として機能し、液状化のリスクが高い地域をピンポイントで特定できるため、より適切なリスク評価が可能となる。
今後も研究グループは、こうした予測モデルの改善を続け、AIモデルを地盤解析に組み込むことで、災害レジリエンスの高いスマートシティ実現を目指すとしている。
また、地下水の影響を考慮して地盤条件を追加するほか、沿岸部と非沿岸部に特化したモデルを開発したりするなど、さらなる精度向上を目指す計画だ。
