投稿

記事を共有する:

地下埋設物は“掘って確認”から“AIで事前推定”へ：GPR・点群・台帳データが変える施工リスク管理

都市部の工事では、地上よりも地下の方が分かりにくいリスクを抱えています。道路の下には、水道管、下水道管、ガス管、通信ケーブル、電力管路、信号・照明用のケーブル、古い管路、使われなくなった埋設物、図面に残っていない構造物が複雑に入り組んでいます。

道路工事、都市再開発、上下水道更新、共同溝工事、電線共同溝、駅前広場整備、橋梁下部工、プラント更新工事では、掘削前に地下埋設物を把握できるかどうかが、安全、工程、コストを大きく左右します。埋設物を損傷すれば、断水、ガス漏れ、通信障害、停電、交通規制、復旧費、工程遅延、近隣対応につながります。

従来は、既存台帳を確認し、関係事業者へ照会し、必要に応じて試掘し、目視で確認する流れが中心でした。もちろん、この基本は今後も重要です。しかし、都市部では台帳と現況が一致しないこともあり、試掘だけでは時間とコストがかかります。そこで注目されているのが、GPR、つまり地中レーダーとAIを組み合わせた地下埋設物マッピングです。

2026年のGround-Penetrating Radar for Subsurface Utility Detectionレビューでは、都市部の地下ユーティリティマッピングにおいて、埋設管、ケーブル、管路を正確に検出することが、掘削安全とインフラ管理に重要であると整理されています。さらに、GPR画像の解釈では、レーダー反射と実際の埋設物の対応付け、合成データと現場データの差などが大きな課題として挙げられています。

なぜ地下埋設物は施工リスクになるのか

地下埋設物のリスクは、「何かが埋まっているかもしれない」という曖昧な不安ではありません。施工計画、重機選定、掘削方法、山留め、杭施工、薬液注入、推進工、切削、舗装撤去、試掘、交通規制まで、実務判断に直結するリスクです。

国土交通省中部地方整備局の地下埋設物の事故防止マニュアルでは、設計段階で占用許可状況一覧表、占用台帳、道路付属物台帳などを事前調査し、施工段階でも埋設物管理者の協力を得て確認し、必要に応じて試掘を行う流れが整理されています。同マニュアルでは、台帳や設計図面を照らし合わせたうえで、試掘等により埋設物の種類、位置、深さ、規格、構造を原則として目視確認することが示されています。

工事種別	地下埋設物リスク
道路工事	既設管路、占用物、信号・照明ケーブルの損傷
上下水道更新	既設管との干渉、古い管路、台帳不一致
都市再開発	複数事業者の管路、撤去済み・未撤去管の混在
共同溝工事	電力・通信・水道・ガスの近接、移設調整
駅前・中心市街地工事	高密度な埋設物、交通規制、夜間施工
杭・地盤改良	杭・削孔が埋設管に接触するリスク
プラント改修	古い配管、使用中・休止中の配管混在

地下リスクは、掘削してから初めて分かると手遅れになりやすいものです。だからこそ、掘る前に「どこに、何が、どの深さに、どの確からしさで存在するか」を推定することが重要になります。

GPRは“掘らずに見る”ための基本技術

GPRは、地表から電磁波を照射し、地下の物体や地層境界から返ってくる反射を解析する非破壊探査技術です。埋設管、ケーブル、空洞、舗装下の異常、コンクリート内部、地下構造物の把握に使われます。

GPRの強みは、掘削せずに地下の異常候補を把握できることです。都市部では、すべてを試掘で確認するには時間も交通規制もコストもかかります。GPRで事前に異常候補を絞り込めば、試掘位置を合理的に決めやすくなります。

Springerの地下ユーティリティ検出に関するGPRレビューでは、都市の地下環境は埋設物と地質条件が複雑に絡む迷路のような環境であり、直接調査は正確である一方、時間がかかり侵襲的であるため、混雑した都市空間では適用に限界があると説明されています。そのうえで、GPRのような非破壊地球物理探査が地下ユーティリティ検出や地下特性把握に重要になっていると整理されています。

GPRで見たいもの	現場での意味
埋設管	水道、下水、ガス、排水、工業用配管の位置推定
ケーブル	通信、電力、信号、照明、制御線のリスク把握
空洞	路面陥没、地中空洞、埋戻し不良の兆候
古い構造物	旧基礎、旧管路、撤去残置物の確認
舗装下異常	路盤の緩み、沈下、空隙、埋戻し不良
管路周辺異常	管周辺の空隙、洗掘、劣化の可能性

ただし、GPRは万能ではありません。土質、含水率、深さ、埋設物の材質、周辺ノイズ、鉄筋や金属、地表条件によって見え方が変わります。そのため、GPR結果は台帳、試掘、電磁誘導、地上点群、現地確認と組み合わせて判断する必要があります。

AIはGPR波形の“読みにくさ”を補助する

GPR調査では、地下の物体がレーダー画像上で双曲線状の反射として現れることがあります。しかし、都市部の地下は複雑です。複数の管路、異なる材質、舗装層、埋戻し土、地中障害物、鉄筋、ノイズが重なり、熟練技術者でも解釈が難しい場合があります。

AIの役割は、GPR画像やBスキャンから、埋設物らしい反射パターンを検出し、位置・深さ・方向の候補を提示することです。これにより、技術者の判読時間を短縮し、見落としや主観ばらつきを減らすことが期待されます。

2025年のDeep Learning and Geometric Modeling for 3D Reconstruction of Buried Linear Utilitiesでは、高解像度GPR Bスキャンから埋設線状物を3D再構成するパイプラインが提案されています。同研究では、YOLOv8、YOLOv11、Mask R-CNNを使って双曲線反射の検出を行い、検出点を3Dクラスタリングして埋設物の空間軌跡を推定する方法が検証されています。

AI処理	できること
双曲線検出	GPR画像上の埋設物候補を抽出
深さ推定	反射パターンから埋設深さ候補を推定
方向推定	複数測線から管路の向きを推定
3D再構成	埋設物候補を空間的な線として復元
ノイズ分類	反射ノイズと埋設物候補を分離
台帳照合	台帳上の管路とGPR候補を比較
不一致検出	台帳にない埋設物や位置ズレを抽出

AIは、GPR技術者を置き換えるものではありません。AIが候補を出し、技術者が土質、埋設物台帳、現場条件、試掘結果を踏まえて判断する形が現実的です。

台帳データは“正解”ではなく“仮説”として扱う

地下埋設物調査では、既存台帳が重要です。道路台帳、占用台帳、上下水道台帳、ガス・電力・通信の設備図、工事竣工図、過去の試掘記録は、事前調査の出発点になります。

ただし、台帳は必ずしも現況と一致するとは限りません。古い工事の記録が不十分だったり、補修・移設・撤去・仮設配管の履歴が反映されていなかったり、座標精度が低かったりすることがあります。東京都下水道局の下水道台帳情報サービスでも、提供図面は現地を正確かつ詳細に測量したものではなく、設計・工事等に利用する際は下水道管の位置などを現地で調査・確認するよう注意が示されています。

台帳データの課題	AIマッピングでの扱い
位置精度が粗い	GPR・試掘・測量結果で補正
深さ情報が不足	GPR推定深度や試掘結果で補完
更新が遅れる	現場調査結果を台帳更新候補として記録
古い埋設物が残る	GPR異常反射と照合し未知物として管理
複数事業者で形式が違う	共通座標・共通属性へ変換
図面が2D中心	地上点群・地下GPRと重ねて3D化

AI地下埋設物マッピングでは、台帳を“正解”として扱うのではなく、“地下に何がありそうかを示す仮説”として扱います。その仮説をGPR、試掘、地上点群、現場写真で検証し、確からしさを更新していくことが重要です。

地上＋地下の3Dリスクモデルという考え方

APEX向けに特に使いやすい切り口が、「地上＋地下の3Dリスクモデル」です。地下埋設物だけを2D図面で見るのではなく、地上の点群、SLAM、UAV測量、道路・構造物BIM/CIM、地下のGPR、埋設物台帳、試掘結果を同じ座標系で重ねる考え方です。

地上には、道路幅員、縁石、マンホール、電柱、標識、既設構造物、仮設ヤード、交通規制、重機動線があります。地下には、水道、ガス、電力、通信、下水、共同溝、旧構造物、空洞があります。実際の施工リスクは、この地上条件と地下条件の重なりで発生します。

データ	地上＋地下3Dリスクモデルでの役割
地上点群	道路、構造物、マンホール、縁石、障害物を3D化
SLAM計測	狭い路地、地下空間、屋内外接続部を記録
UAV測量	広域の地形、道路、ヤード、周辺環境を把握
BIM/CIM	計画構造物、掘削範囲、杭位置、山留めを重ねる
GPR	地下の埋設物候補、空洞、旧構造物を推定
埋設物台帳	管種、所有者、既知ルート、深さ情報を参照
試掘結果	AI推定と台帳の検証データとして反映
施工計画	掘削範囲、重機動線、支障移設、仮設計画を評価

このモデルがあれば、「掘削予定範囲の直下に台帳外の反射候補がある」「杭位置と既設管が近接している」「重機動線上にマンホールと浅い管路がある」「試掘すべき箇所はどこか」を事前に検討できます。

施工前調査は“点”から“面・3D”へ変わる

従来の試掘は、点の確認です。特定の場所を掘り、そこに埋設物があるかを目視で確認します。試掘は非常に重要ですが、点で確認した結果を周辺全体へ広げるには限界があります。

GPRとAIを使うと、施工前調査を面や3Dで捉えられます。複数の測線を走査し、AIで反射候補を抽出し、台帳と照合し、3D上で埋設物候補を可視化します。これにより、試掘位置をより合理的に選べます。

調査方法	特徴	役割
台帳調査	既存情報を確認	初期仮説を作る
GPR調査	非破壊で面状に地下を探査	試掘候補と不明箇所を抽出
試掘	直接目視で確認	重要箇所の確定情報を得る
地上点群	地表条件と施工範囲を把握	地下情報との位置合わせ
AI解析	GPR反射・台帳不一致を抽出	技術者の判読を支援
3Dモデル	地上・地下・施工計画を統合	リスク説明と施工判断に使う

これにより、試掘は“とりあえず掘る”から、“AIとGPRで絞り込んだ重要箇所を確認する”へ変わります。

道路工事・都市再開発での使い方

AI地下埋設物マッピングが効果を出しやすいのは、地下が混雑している都市部です。道路工事、都市再開発、駅前整備、上下水道更新、共同溝工事では、複数の管理者の埋設物が重なります。

対象工事	使い方
道路改良	掘削範囲と既設管路の干渉を事前確認
上下水道更新	既設管、分岐、旧管路、他企業管との近接を把握
電線共同溝	電力・通信・道路付属物のルート調整
都市再開発	既設インフラの移設計画と仮設配管を管理
駅前広場整備	多数の埋設物と交通規制を同時に調整
共同溝工事	既設埋設物、予定ルート、支障移設を3Dで確認
プラント改修	使用中・休止中配管の混在を整理

都市部では、試掘や交通規制の調整にも時間がかかります。AI地下埋設物マッピングにより、試掘位置、調整優先度、支障移設の対象を早めに整理できれば、設計変更や施工中断を減らせます。

KPIは“調査したか”ではなく“リスクを減らせたか”

地下埋設物調査の成果は、調査を実施したかどうかではなく、施工リスクをどれだけ減らせたかで評価すべきです。

KPI	意味	改善アクション
試掘回数	施工前に実施した試掘の回数	GPRとAIで試掘位置を絞り込む
埋設物不明箇所数	台帳・GPR・試掘でも確定できない箇所	追加探査、関係事業者確認、施工方法変更
施工前リスク抽出数	掘削前に抽出できた干渉・近接・不一致リスク	台帳照合と3Dリスクモデルを強化
埋設物破損件数	施工中に発生した埋設物損傷	施工前確認、手掘り範囲、立会ルールを改善
調査時間	台帳確認、GPR、試掘、報告にかかった時間	AI判読と自動帳票で短縮
台帳と現況の不一致検出率	台帳とGPR・試掘結果のズレを検出できた割合	台帳更新、現場データの蓄積
リスク共有時間	調査結果を施工班へ共有するまでの時間	3Dモデル、現場アプリ、図面連携を活用

特に重要なのは、台帳と現況の不一致検出率です。古い台帳を信じて施工するのではなく、GPRや試掘で得た現況データを反映し、設計・施工・維持管理へ戻すことが必要です。

AI判定を過信しないための運用ルール

AI地下埋設物マッピングは有効ですが、AIが示した結果をそのまま“確定位置”として扱うのは危険です。GPRの反射は、埋設管だけでなく、石、空洞、舗装層、鉄筋、地層変化、ノイズでも発生する可能性があります。

AIは、あくまで「候補」と「確からしさ」を提示する役割です。高リスク箇所では、関係事業者の確認、追加探査、試掘、手掘り、立会、施工方法変更が必要になります。

AI結果	現場での扱い
高確度の管路候補	台帳照合・管理者確認・必要に応じて試掘
台帳にない反射候補	未知埋設物としてリスク登録
台帳位置とGPR位置がズレる	不一致箇所として追加確認
反射が弱い候補	土質や深さを考慮し、施工方法を慎重化
空洞候補	路面陥没や埋戻し不良リスクとして評価
確認不能エリア	探査限界として施工班へ明示

AIの価値は、最終判断を自動化することではありません。現場が危険を見落とさないように、判断材料を早く、広く、分かりやすく提示することです。

導入時に失敗しやすいポイント

AI地下埋設物マッピングは有望ですが、導入すればすぐに地下リスクがゼロになるわけではありません。失敗しやすいのは、GPRを単独で使い、台帳や施工計画とつながっていないケースです。

よくある失敗は次の通りです。

GPR結果が2D画像のままで、施工図やBIM/CIMに重ならない
台帳座標と現地座標が合っていない
地上点群やマンホール位置と地下情報が連携していない
AIが出した候補の確からしさが現場に伝わらない
試掘結果が台帳や3Dモデルに反映されない
埋設物管理者との確認・立会フローが変わっていない
調査結果が施工班の手元まで届かない
地下リスクを工程・コスト・安全計画に反映していない

特に重要なのは、調査結果を施工に使える形にすることです。GPR画像を専門家だけが見ても、現場の作業員が掘削時に注意できなければ意味がありません。3Dリスクモデル、平面図、断面図、現場アプリ、マーキング、施工手順へ落とし込む必要があります。

現場実装のおすすめステップ

AI地下埋設物マッピングは、いきなり全エリアを高精度3D化する必要はありません。まずは、掘削リスクが高い範囲から始めるのが現実的です。

フェーズ	実施内容	目的
初期調査	台帳、竣工図、道路台帳、マンホール位置を整理	地下リスクの初期仮説を作る
地上計測	SLAM、点群、UAV測量で地上条件を取得	掘削範囲と地上障害物を把握
GPR調査	掘削予定範囲と近接範囲を走査	埋設物候補と空洞候補を抽出
AI解析	GPR反射、台帳不一致、未知物候補を検出	技術者判読の効率化
3D統合	地上点群、地下候補、台帳、施工計画を重ねる	地上＋地下の3Dリスクモデルを作る
試掘確認	高リスク箇所を絞って確認	不確実性を下げる
施工連携	施工計画、手掘り範囲、立会、注意箇所へ反映	埋設物破損を防ぐ
更新・蓄積	試掘結果と施工中発見物をモデルへ反映	次回工事・維持管理に使う