混合効果ランダムフォレストとミツバチコロニー最適化を用いた高盛土の安全率予測

道路盛土の安定性が重要な理由

盛り土上に造られた高速道路を走行する際、私たちはその人工の丘が突然崩れないことを前提としています。これらの高い道路盛土の安全性は「安全率」と呼ばれる数値で評価され、土を保持する力と滑動を引き起こす力とを比較します。従来、技術者は手計算や大規模な数値解析に頼ってこの安全率を推定してきました。本研究は、現代の機械学習を用いることでその予測をより迅速かつ信頼性高く行え、人的被害や財産、交通網を脅かす壊滅的な斜面崩壊のリスクを低減する可能性を示しています。

数千の仮想盛土モデルを構築

モデルの学習と検証のために、研究者らは実際の事例数件に依存するのではなく、高度な数値シミュレーションで大規模かつ現実的なデータセットをまず作成しました。高さ6〜30メートルの道路盛土を、多様な斜面形状（安定性向上のために水平の段差であるバームを設けた段差状の設計も含む）でモデル化しました。土の単位体積重量・含水比・剛性・内部摩擦角・粘着力などの主要な土質パラメータや、盛土下の基盤地盤の強さを変化させました。合計1,176のシナリオについて、有限要素プログラムが安全率を算出し、最もあり得る滑り面を探索して、機械学習の予測を評価するための信頼できる「真値」を提供しました。

従来モデルからより賢いフォレストへ

次に研究チームは三種類のデータ駆動モデルを比較しました。第一は多数の決定木を組み合わせて頑健な予測を行うよく知られたランダムフォレスト法です。第二は混合効果ランダムフォレスト（Mixed Effects Random Forest）で、群化（クラスター化）されたデータを明示的に扱えるように拡張されたものです。これは現場・土質・施工段階など同一グループからの一連の測定が存在する地盤工学の状況に適しています。最後に、研究者らは新しいハイブリッド手法を導入しました：人工ミツバチコロニー最適化を組み合わせた混合効果ランダムフォレスト（ABC‑MERF）。ここでは、ミツバチの餌探索に着想を得た群知能的最適化アルゴリズムが、混合効果フォレストの多数のハイパーパラメータを自動調整し、技術者の試行錯誤に頼らず性能を引き出します。

データの整備と予測の検証

モデル訓練前に研究者らはデータを注意深く前処理しました。標準的な箱ひげ図法で極端な外れ値を検出し、学習過程を歪めないよう妥当な範囲で打ち切りました。すべての入力は0〜1の範囲にスケーリングされ、ミツバチベースの最適化器に適し、変数間の比較を容易にしました。データは訓練用と検証用に分割され、厳密な評価プロトコルで、シミュレーションによる安全率との一致度やモデルがデータ変動のどれだけを説明できるかといった複数の誤差指標が用いられました。残差プロットや統計検定などの追加検査により、モデルが単に訓練データを丸暗記しているのではなく、基礎にあるパターンを実際に学習していることが確認されました。

土と斜面についてモデルが学んだこと

三手法はいずれも印象的な性能を示しましたが、ABC‑MERFモデルが最も優れていました。安全率の変動を99パーセント超説明し、典型的な予測誤差は安全率範囲の約2パーセントに抑えられました。さらに重要なのは、モデルの挙動が物理的に妥当であった点です。特徴量重要度解析や応答曲線の解析は、盛土材料の内部摩擦角と盛土高さが最も影響力の大きい因子であることを示し、次いで斜面の勾配、粘着力、バームの有無が続きました。高い摩擦角や大きな粘着力は安定性を高め、より高い盛土高さや急な斜面は安定性を低下させる—これは基礎的な土質力学の予測と一致します。データ駆動の結果と工学理論とのこの一致は、安全性が重要な設計で機械学習を信頼して使うために不可欠です。

研究ツールから設計支援へ

研究の結論は、混合効果ランダムフォレストとミツバチに着想を得た最適化を慎重に組み合わせたハイブリッドが、高い道路盛土の安全率を高精度かつ物理的に解釈可能な形で予測できるということです。一般読者にとっての要点は、技術者が詳細な仮想試験と高度な機械学習を組み合わせることで、多数の設計案を素早く検討し、着工前に危険な構成を浮き彫りにできるようになったということです。もちろん、このようなモデルが専門家の判断や地盤の現地調査、特に地震や豪雨下での評価に取って代わるものではありませんが、盛土を長期にわたって安定かつ安全に保つための有力な意思決定支援ツールを提供します。

引用: Boufarh, R., Boursas, F., Bakri, M. et al. Factor of safety prediction for high road embankments using mixed effects random forest and bee colony optimization. Sci Rep 16, 6003 (2026). https://doi.org/10.1038/s41598-026-35431-7

キーワード: 盛り土の安定性, 道路盛土, 安全率, 機械学習, 地盤工学