シドニー地下駅に学ぶ：AIで変わる大規模インフラ工事の安全管理

シドニーの新駅が示した「人力だけの限界」

シドニー・メトロの新駅「Crows Nest Station」は、ENRの2025 Global Best Projectsで鉄道・交通部門のベストプロジェクトに選ばれた駅です。

・地上の街並みに調和した意匠 ・地下の大空間コンコース（柱間隔最大25m） ・120年耐用の構造と防爆性能 ・5基のエレベーターと9基のエスカレーターによるバリアフリー

これだけ聞くと、どこにでもある「立派なプロジェクト」の話に聞こえるかもしれません。ただ、工事の中身を覗くと、いま日本の建設会社がAI導入を考えるうえで、ものすごく参考になるポイントが詰まっています。

狭い市街地で、1,000本・一体120トン級のプレキャスト部材を夜間搬入し、長スパン橋梁の設計思想を取り入れて施工する。これをほぼ人力の知恵と経験で回し切っているわけです。

ここにAIを組み込んだら、何が変わるか。 この記事では、Crows Nest Stationをケーススタディにしながら、大規模インフラ工事におけるAI活用の具体像を、安全管理と生産性向上の両面から整理していきます。

---

Crows Nest Stationプロジェクトの要点整理

まず、元になっているプロジェクトの特徴を、AI視点で見やすいように整理します。

• 都市部の極めて狭い施工ヤード
• 地下6層の構造
• 約1,000本のプレキャスト部材
  • 長さ約200m、幅25m、深さ30m、重量120トン級（記事記載を元にした構成）
  • 夜間にヤードから搬出・搬入
• 長スパン橋梁の設計原理を応用し、柱間隔最大25m
• 防爆仕様、耐用年数120年
• 住民との密接なコミュニケーション
  • 路上駐車スペースの撤去
  • 歩道閉鎖の時間帯調整
  • VRウォークスルーによる合意形成

この条件、AI抜きでマネジメントするのは相当に骨が折れます。実際、

• 工程の組み替え
• 夜間搬入車両のオペレーション
• 歩行者動線の切り替え
• 近隣クレームの未然防止

など、人間の頭脳がフル回転せざるを得ない要素が多い。

だからこそ、ここにAIを組み込むとインパクトが大きい。以下では、

1. 工程管理・ロジスティクスのAI最適化
2. 画像認識による安全監視
3. BIM × AIによる設計・施工シミュレーション
4. 住民コミュニケーションと合意形成の高度化

という4つの切り口から、日本の建設現場での応用イメージを掘り下げていきます。

---

1. 120トン級プレキャストを捌くAI工程管理

こうした大規模インフラ工事では、工程表はもはや「人間だけで最適化し切れるサイズ」ではありません。

Crows Nestでは、

• 夜間のみ大型トレーラー搬入可
• 近隣への騒音配慮
• クレーン能力と旋回範囲の制約
• 歩行者・車両動線との干渉

といった要素を、人間の施工管理者が調整しています。ここにAIを入れると、次のような運用が現実的です。

AI工程管理の具体イメージ

1. 制約条件をすべてAIに入力

   • クレーン能力、作業半径ごとの吊り荷重制限
   • 夜間作業可能時間帯
   • 近隣騒音の許容レベル
   • 道路占用許可の時間帯

2. 搬入・揚重パターンを自動生成

   • 「どの部材を・どの順番で・どの時間帯に・どのルートで搬入するか」をAIが組み合わせ探索
   • 渋滞リスクや事故リスクも統計データから考慮

3. 日次・週次の最適スケジュールを提示

   • 施工管理者は、AIが提案した案を「採用 or 修正」する立場になる

4. リアルタイムで再計算

   • 雨天・トラブルで1〜2時間ずれたら、その場で再計算し、残り作業を自動リスケ

ここで重要なのは、AIが「代わりに考えてくれる」対象は“パターン探索”であって、意思決定の責任は人に残るということです。

日本のゼネコン・サブコンでよくあるのが、

「AI工程管理」と聞くと、すべてを丸投げにするイメージを持ってしまうこと

ですが、現実的な導入ステップは、

• まず「スケジュール案の自動生成ツール」として限定利用
• 成功・失敗パターンを溜めて精度を上げる
• そのうえで、徐々に自動化範囲を拡げる

という形が安全です。

---

2. 狭い都市部で効く、AI画像認識による安全管理

Crows Nest Stationは、歩道閉鎖や路上駐車の撤去が必要なほど、周辺住民との近接度が高い現場でした。

こうした現場では、

• 歩行者がバリケード内に入り込む
• 夜間作業時に第三者が接近
• 重機周りの死角で作業員とのニアミス

といったリスクが常につきまといます。

ここで効果を発揮するのが、AI画像認識による安全監視システムです。

どんな仕組みで安全を高められるか

• CCTVやウェアラブルカメラの映像をAIが常時解析

• • ヘルメット・安全帯の未着用
  • 危険区域への立ち入り
  • 重機と作業員の距離が一定以下になる
  • バリケード外からの第三者侵入

  などのパターンを自動検知

• 異常を検知したら、

  • 現場事務所のモニターにアラート表示
  • 当該エリアの職長・作業員のスマホやウェアラブルに通知

人の目だけでは拾い切れない「ヒヤリ・ハットの手前」を可視化できるのが、画像認識AIの強みです。

日本での導入ポイント

日本の現場に導入する際に、僕が大事だと思うのは次の3点です。

1. 「監視」ではなく「見守り」として位置付ける
   現場の信頼を失わないよう、評価や人事と直結させず、あくまで安全向上目的で使うことを徹底する。

2. ルール違反を即「罰」ではなく「教育データ」にする
   典型的な違反パターンを抽出し、朝礼やKY活動の教材に使う。AIが拾った事例を、AIだけでなく人間の指導にも生かす。

1. データ所有とプライバシーの線引きを明確にする
   どこまで個人を特定するか、データをどれくらい保存するかを会社として明文化しておく。

Crows Nestのように、市街地の大型鉄道工事×第三者近接リスクという組み合わせは、日本でもこれから増えます。画像認識AIは、その「標準装備」にしてしまった方が良いと、個人的には思っています。

---

3. 長スパン構造を支える BIM × AI シミュレーション

Crows Nest Stationでは、橋梁工学の考え方を応用し、柱間隔25mの大スパン空間をプレキャストで実現しています。

こうした設計・施工では、

• 応力の伝達パス
• プレキャストの継手部ディテール
• 工事中・完成後それぞれの荷重状態

を高精度でシミュレーションする必要があります。ここに、BIMとAIを組み合わせると何ができるかを考えてみます。

AIが支援できるポイント

1. 配筋・継手ディテールの自動提案
   過去プロジェクトのBIMモデルと構造計算結果を学習させることで、「似た条件の構造では、この配筋・継手がよく使われている」というパターンをAIが推薦できます。

2. 施工ステップごとの変形・応力の予測

   • クレーン吊り時
   • 仮受け設置時
   • 本設固定前後

   といったステップをBIM上に定義し、AIが多数ケースを一括で解析。限界に近いケースをピックアップしてエンジニアに提示することも可能です。

3. 工程変更の影響シミュレーション
   たとえば、「この梁の架設順序を変えたらどうなるか？」をBIMと連動させ、構造・工程・コストの影響を同時に評価することができます。

熟練技術のデジタル継承としてのAI

長スパン構造のディテール設計や施工計画は、どうしても「ベテランの暗黙知」に頼りがちです。

僕はここに、AIの一番重要な役割があると考えています。

ベテランの頭の中にある「感覚的な安全マージン」や「やってはいけない組み合わせ」を、AIに覚えさせる

この発想でBIM・AIを使うと、

• 若手設計者・施工計画担当が、ベテラン並みの候補案を短時間で出せる
• ベテランは「案をゼロから作る人」ではなく「AI案を評価・修正する人」にシフトできる

Crows Nest Stationのような高難度構造物ほど、AIによる熟練技術のデジタル継承は効果が大きくなります。

---

4. VRから一歩進んだ、AI活用の住民コミュニケーション

Crows Nestでは、住民にVRウォークスルーを体験してもらい、

• 動線のわかりやすさ
• 明るさ・開放感
• 駅の雰囲気

などに関するフィードバックを集め、それを設計に反映しています。

これは素晴らしい取り組みですが、AIを組み合わせると、さらに一段レベルを上げられます。

AIでできること

1. 住民の意見を自動分類・可視化
   VR体験会やオンラインアンケートで得た自由記述コメントを、AIがテキストマイニング。

   • 照明
   • サイン計画
   • 騒音
   • 防犯

   などのカテゴリ別に自動集計し、「最も不安が多いテーマ」を抽出できます。

2. 複数案の比較シミュレーション
   駅サインやマテリアルのバリエーション案について、

   • どの案が高齢者にとって読みやすいか
   • 視認性・誤認リスクが低い案はどれか

   といった点を、視線トラッキングや画像解析と組み合わせて定量的に評価できます。

3. 工事中の影響予測を「見える化」

   • 騒音レベルの時間変化
   • トラック動線と横断歩道との交差回数
   • 日照への影響

   などをBIMとAIでシミュレーションし、住民説明会で動画やヒートマップとして提示することで、納得感の高い合意形成につながります。

日本でも、再開発や地下鉄延伸のたびに「説明不足」が炎上しますが、AIを使えば、説明の質そのものを底上げできるはずです。

---

これからの大型インフラ工事にAIを入れるなら

Crows Nest Stationは、AI抜きでも世界レベルの成果を出したプロジェクトです。ただ、2025年の今あらためて眺めると、

「ここにAIがあれば、もっと安全に、もっと楽に、もっと早くできた」

というポイントがいくつも見えてきます。

日本の建設会社が、同規模・同難度のプロジェクトにAIを導入するなら、

1. 工程管理AIで、夜間搬入やクレーン作業を最適化する
2. 画像認識AIで、第三者災害とヒヤリ・ハットを可視化する
3. BIM × AIで、長スパン構造や地下構造の安全マージンを“見える化”する
4. AIテキスト解析とVRで、住民合意形成のプロセスを高度化する

この4つが、最初の「現実解」だと考えています。

僕自身、多くの現場の話を聞いて感じるのは、

• AIは「魔法の杖」ではない
• ただし「人手不足」と「安全要求の高度化」が同時に進む今、もう避けて通れない

ということです。

あなたの会社が、これから大規模インフラや都市部再開発に取り組むなら、次のプロジェクトで“1つだけ”AI活用テーマを決めて試すのがよいスタートラインです。

• 工程管理なのか
• 安全監視なのか
• BIM連携なのか
• 住民対応の高度化なのか

どこから始めるか迷う場合は、

「一番ボトルネックになっている業務」

にAIを当てるのが一番効果が出ます。

建設業界のAI導入ガイドとして、このシリーズでは今後も、具体的なツール選定や現場への展開方法、安全管理との両立のコツを掘り下げていきます。Crows Nest Stationのようなプロジェクトを、“AIありき”の前提でどう設計・施工していくか、一緒に考えていきましょう。