人工智能，亦称机器智能，是指由人制造出来的机器所表现出来的智能。通常人工智能是指通过普通计算机程序实现的类人智能技术。在我国隧道工程界，目前的主要还是依靠经验和少量的数值分析进行隧道施工，这极易造成施工中的不确定性，要么会造成工程浪费，要么会造成工程缺乏安全性。人工智能在隧道施工中的使用主要体现在处理大量监测数据和分析数据带来的环境信息，从而及时调整施工方案，规避施工风险。因此将人工智能引入隧道工程并促进其在国内的发展具有重要意义。

目前同济大学团队已研发一套智能化盾构施工系统，运用深度学习算法和人工智能实现如下功能。

1.数据采集

盾构施工过程中，首先要采集、传输、存储信息，有价值的数据主要包含影响沉降控制的PLC掘进参数、同步注浆量数据、出土量数据以及地表沉降的监测数据等，为后续大数据预测模型和智能预警方法提供数据支持。盾构机PLC掘进参数的传输架构设计如图14-30所示，分为现场层、数据处理与传输层以及客户端层三个层次。

图14-30　盾构机PLC数据实时传输架构

2.数据处理预测

基于深度学习建立盾构掘进参数预测模型，以盾构开挖面的稳定性为输出的研究对象，考虑土层参数与瞬时PLC参数为模型的输入参数，建立基于深度循环神经网络的盾构掘进参数预测模型，根据采集到的数据适时调整盾构参数，实现智能化安全盾构。模型的使用流程如图14-31所示。

图14-31　LSTM掘进参数预测模型的建模流程

3.实时交互平台

采用即时通信工具实现施工信息的实时交互和工程参与人员之间的协同管理，可以保障隧道施工中的安全。以隧道沉降监测实时交互平台为例，当盾构机穿越既有建(构)筑物时，沉降控制成为施工安全的重要指标。为了实现微扰动施工控制，及时的监测信息反馈、合适的掘进参数调整成为重中之重。决定反馈控制成败的是全体工程参与人员之间的实时信息交流。平台提供盾构施工过程中沉降控制方案主要包括3个步骤，即建立初步掘进计划、监测周边响应、及时预警并出具专家建议(图14-32)。

4.手机客户端开发(www.daowen.com)

为了使智能盾构的研究成果更好地为工程实践服务，开发了智能盾构手机App。智能盾构手机App的设计是为所有工程参与人员提供一种简便、易用和快捷的方法来实时获取盾构掘进过程中的重要信息。通过智能盾构手机App，工程参与人员能够实时了解盾构机在平面图的位置、盾构当前掘进的土层、当前时刻的PLC掘进参数和临近建构筑物的变形发展趋势。该系统可以对平纵断面数据、土层信息、PLC参数和变形自动化监测数据进行实时采集和展示。

图14-32　盾构施工过程中沉降控制方案

【案例14-1】 上海轨交13号线北蔡站—下南路站区间线路出北蔡站后沿成山路向西穿行，经大寨河(小腰泾)、博华路、严茂塘，下穿锦绣路后到达下南路站，区间隧道两侧主要为商场、学校、居民小区等，线路纵断面大体呈“V”字形，上、下行线盾构均从北蔡站向下南路站推进。区间最小平面曲率半径为600 m，最大坡度为21.373‰，区间长952 m(约793环)。主要施工控制点为小腰泾桥拆桥拔桩、严茂塘桥拆桥拔桩以及上穿世博电力管线(图14-33、图14-34)。

图14-33　区间隧道穿越世博电力隧道平面图

图14-34　区间隧道穿越世博电力隧道剖面示意图

图14-35展示了智能盾构App在13号线下南路—北蔡站区间的应用情况。图14-35(a)是剖面图，图中用不同颜色区分已完成的管片和未掘进的管片，同时也能查看盾构隧道与世博电力隧道的纵断面位置关系。PLC数据通过列表展示，盾构PLC参数界面分为参数概要、参数详情和参数分析。在参数概要界面[图14-35(b)]，可以看到盾构掘进最重要的PLC数据，包括进度信息、压力、掘进速度、刀盘转速、扭矩、推力以及注浆量等数据。在参数详情界面[图14-35(b)]，通过子表的形式展示不同分类的掘进参数详情，例如各类土仓压力参数、刀盘掘进参数等。通过点击参数分析，可以选择不同的参数来分析其在历史掘进过程中的变化。图14-35(d)是自动化监测的测点界面，通过选择其中某个监测仪器，可以查看本测点的沉降曲线[图14-35(e)]所示。

图14-35　智能盾构App在13号线的应用

在穿越世博电力隧道的施工过程中，施工方、业主、监理方、施工监测单位、第三方监测单位、自动化监测单位、上海电力检修公司等部门都有负责人加入施工管理交流群，在盾构推进的过程中，该监控系统每隔两小时自动发布一次监测简报，包含沉降最大点的沉降变化曲线和当前的施工信息。施工单位的相关人员接收到信息后，根据实际施工情况和专家意见对盾构掘进参数进行调整，最终实现工程穿越既有电力隧道隆起7.2 mm的控制效果，完成了既定目标。