最近聞くGNSS／RTK-GNSSってなに？【最新論文で学ぶ土木×ICTのBack To The Basic】：“土木×AI”で起きる建設現場のパラダイムシフト（28）（2/2 ページ）

建設DXの潮流によって、建設現場をヴァーチャル空間にも再現する“デジタルツイン”の活用が進んでいます。リアル空間をドローンやレーザースキャナーなどで3D化するときに欠かせないのが、位置情報を正確に取得する技術です。そこで今回は、Google マップやカーナビ、スマートフォンなど一般社会にも普及したGNSSと、センチ単位に精度を上げたRTK-GNSSといった「測位技術」を改めて解説します。

[阿部雅人（土木学会 AI・データサイエンス実践研究小委員会 副委員長），BUILT]

RTK-GNSSの土木分野での実践例

　GNSSの精度を高める方法として、位置の分かっている点と測位したい点の両方で衛星を観測し、双方のデータを用いて位置の計算を行うことで誤差を消去するRTK（Real Time Kinematic：リアルタイムキネマティック）方式が用いられることが増えています※5。

　文献6では、小規模土工を対象に、RTK-GNSSによる測位とスマートフォンに登載されているLiDARを組み合わせた計測を行い、下図のような点群を取得しています※6。

スマートフォンのLiDARとRTK-GNSSを併用して作成した3次元点群データ　出典：※6

※5 BUILT 建設現場を“可視化”する「センサー技術」の進化と建設テックへの道のり（2）「【第2回】高精度の衛星測位技術「RTK-GNSS」がもたらす、建設現場の自動化や省力化」

※6 「スマートフォンLiDARとネットワーク型RTK測位により作成した3次元地形モデルの小規模土工事への適用範囲の検討」渡邊祥庸,井上和真,池田隆明,志賀正崇,小林雅人,横山和佳奈／AI・データサイエンス論文集5巻1号p260-268／「科学技術情報発信・流通総合システム（J-STAGE）」／2024年

　文献7では、RTK-GNSSの高い精度を利用して、自動車の道路上での走行位置を計測しています。下図に示す積雪の無い11月と積雪が多い2月の比較からわかるように、積雪によって走行位置が変化しています。走行位置のモニタリングで、道路状況の異常や交通事故につながるヒヤリハットなどの検知が可能になると期待されています※7。

走行位置の変化：左2021年11月、右2022年2月　出典：※7

※7 「GNSSデータを用いた冬期道路環境における走行位置の可視化」林亮佑,八木雅大,高橋翔,萩原亨,松本一城／AI・データサイエンス論文集5巻1号p191-203／「科学技術情報発信・流通総合システム（J-STAGE）」／2024年

　下図は、路面下空洞を走行車両で検出するために、クラウド上で走行車両による地中レーダの計測結果をAIで解析し、RTK-GNSSの位置情報等と集約してシステム化しています※8。

路面下空洞探査車システム　出典：※8

※8 「地中レーダによる路面下空洞調査・解析のAIクラウド解析を用いた準リアルタイム化」鴨下智裕,高橋一徳,羽田智,深津卓弥／AI・データサイエンス論文集3巻J2号p168-174／「科学技術情報発信・流通総合システム（J-STAGE）」／2022年

　今回紹介した研究のように、GNSSで位置情報が付与されることで多様なデータの価値が大きく上がります。また、RTK-GNSSは測位の簡便さやその精度の高さから、紹介した事例の他にも、斜面の監視※9や橋梁のモニタリング※10などへの活用も進められています。デジタルツインやAIと融合させることで、さらなる応用展開の可能性も秘めています。

※9 「斜面管理におけるRTK-GNSSデータの変化点検知手法の改良」堤浩志,小濱健吾,小泉圭吾／AI・データサイエンス論文集1巻J1号p437-444／「科学技術情報発信・流通総合システム（J-STAGE）」／2020年

※10 BUILT “土木×AI”で起きる建設現場のパラダイムシフト（18）「人工衛星×AIを防災／インフラに活用した最新研究　地盤沈下検出や長期モニタリング【土木×AI第18回】」

著者Profile

阿部 雅人／Masato Abe

ベイシスコンサルティング 研究開発室 チーフリサーチャー。防災科学技術研究所 客員研究員。土木学会 構造工学委員会 構造工学でのAI活用に関する研究小委員会 副委員長、インフラメンテナンス国民会議 実行委員を務める。近著に、「構造物のモニタリング技術」（日本鋼構造協会編／コロナ社）がある。

★連載バックナンバー：

『“土木×AI”で起きる建設現場のパラダイムシフト』

　■【第27回】“現場DX”を実現するAI×デジタルツイン　熟練者の技能をモデル化などの最新論文

　■【第26回】河川氾濫などの災害を予測する「物理知識を取り入れたニューラルネットワーク」

　■【第25回】言語モデルはどのように言葉を学習しているのか？ 転機となった「word2vec」