安全と生産性を両立する鉄道プロジェクトとAI活用の実像

鉄道延伸工事で「無事故・遅延ゼロ」——このプロジェクトが示した現実解

36カ月の工期で30万時間を超える作業時間、しかも運行中の鉄道直下・直上での工事。それでも記録災害ゼロ・ロストタイムゼロ・運行への想定外影響ゼロ——これはポートランドのライトレール「MAX Red Line Extension and Reliability Improvements Project（通称 Better Red）」が実際に達成した数字です。

多くの日本の建設現場では、鉄道・空港・道路を止めずに大規模改良を行うことが日常になっています。その一方で、人手不足と安全要員の減少、ベテランの引退によるノウハウ喪失がじわじわ効いてきているのも事実です。

この記事では、ENRの「Project of the Year」ファイナリストであり、安全性でも高く評価されたこの鉄道プロジェクトを題材にしながら、日本の建設業がAIを使って安全と生産性を両立させるには何が必要かを整理していきます。「建設業界のAI導入ガイド：生産性向上と安全管理」シリーズの一環として、現場目線でのAI活用のヒントを具体的に落とし込んでいきます。

---

プロジェクト概要：3エリア同時施工・運行継続・149.8百万ドル

結論から言うと、このプロジェクトは**「制約だらけの中で、いかに段取りと安全管理を極限まで磨き上げるか」**がテーマでした。ここにAIを重ね合わせると、日本でもすぐ応用できるポイントが見えてきます。

MAX Red Lineプロジェクトの骨子

• 事業費：約1.498億ドル（約220億円規模）
• 目的：
  • 空港と市街地を結ぶレッドラインのボトルネック解消
  • ヒルズボロ〜空港間の「ワンシートライド」（乗り換えなし）実現
  • 全体の運行信頼性向上
• 施工エリア：地理的に離れた3セグメント
  • 空港区間（PDX）
  • Gateway Transit Center（主要ジャンクション）
  • Hillsboro Fair Complex 周辺
• 条件：ライトレールを毎日運行しながら施工（7分間隔の高頻度運行）
• 結果：
  • 工期内・予算内で完了
  • 未計画の運行影響ゼロ
  • 記録災害・ロストタイムともにゼロ

日本でも似た条件のプロジェクトは珍しくありませんが、ここまで数字を出せる現場は多くありません。この差を埋めるものとして、AIの活用はかなり有効です。

---

安全性が高く評価された理由：しくみ＋現場力＋テクノロジー

このプロジェクトが「Excellence in Safety」として評価されたポイントは、単に事故がなかったからではありません。安全を「文化」と「しくみ」に落とし込んでいたところに強さがあります。

1. 計画段階から安全を中心に置く

Gateway Transit Centerでは、「運行中の既設線をまたぐ新しい軌道橋」を作るという、典型的な高リスク工事がありました。通常なら数週間にわたる運休・大規模な軌道閉鎖が必要になるような工事です。

ここで採用されたのが、プレキャストのスプリットベント橋脚システム。100,000ポンド（約45トン）超の部材を週末の短期運休で一気に据え付け、その後の作業は「ライブトラックの外側」で進められるようにしました。

• 予定閉鎖：4週間 → 実際：週末2回のみ
• ライブトラック内での作業：最小化
• 安全リスク：大幅低減

日本でも、ここに施工計画最適化AIを組み合わせれば、

• プレキャスト化の有利・不利の定量評価
• 工事ステップごとのリスクスコアリング
• 列車運行ダイヤとの連携を含めた閉鎖パターンの自動探索

といったことが実現できます。つまり、「ベテランの頭の中のシミュレーション」をAIで何百パターンも回せるイメージです。

2. テクノロジーを絡めた安全マネジメント

現場ではHCSS Safetyというツールを使って、ヒヤリハットや危険箇所をリアルタイムで共有・是正していました。これは日本でも、以下のようなAI活用に置き換え可能です。

• スマホ・タブレットで撮影した写真を画像認識AIが自動判定
  • 転落リスクが高い開口部
  • 高所作業の未養生
  • 重機と作業員の距離違反 など
• 現場管理システムに自動で「是正指示」を起票
• ダッシュボードで現場ごとのリスク傾向を可視化

安全担当者が常に全現場を見回るのは、人手不足の今はほぼ不可能です。AIに「目」を任せて、人間は判断と指導に専念する形に切り替えた方が、結果として安全レベルは上がります。

3. 人への投資をやめていない

この現場では、作業員の配置や役割も柔軟に変えながら、経験豊富な人材を維持する工夫がされています。AIを使っても、結局最後は人が判断し、現場を動かします。

僕は、AI導入の成否は「AIで浮いた時間やコストをどこに再投資するか」で決まると思っています。安全教育やKY活動、リーダー層の育成に振り向けられるかどうか。Better Redのようなプロジェクトは、その重要性を数字で証明していると言えます。

---

鉄道・インフラ改良でAIが効く5つのポイント

ここからは、このプロジェクトの特徴をベースに、日本の鉄道・インフラ更新プロジェクトで、AIをどこに効かせるべきかを整理してみます。

1. 工程・資源計画の最適化（AIによる段取りの自動検討）

3つのエリアで同時進行しつつ、運行制約・道路規制・空港側の別工事とも調整する。このレベルになると、従来型のエクセル工程表だけでは限界です。

AIを使うと、例えばこんなことができます。

• BIMモデル＋工程情報から資機材・人員の需要曲線を自動生成
• 週末・夜間など、時間帯ごとの作業可能量をシミュレーション
• 複数班の重機・作業員を跨いで、全体最適な配置案を自動提案

「工程短縮」と「安全余裕時間の確保」は本来トレードオフですが、AIに何パターンも試させると、どこを削ってはいけないかがはっきり見えてきます。

2. 画像認識による安全監視とヒヤリハット自動検知

Better Redではテクノロジーを駆使して安全管理をしていましたが、日本ならさらに踏み込んで、以下のようなAI監視が現実的です。

• CCTV映像から
  • 作業員のヘルメット・安全帯の未装着検知
  • 重機の旋回範囲への立入検知
  • 夜間照度不足エリアの検出
• ドローン撮影画像から
  • 仮設構台・支保工の変形兆候
  • 高所足場の未設置手すり検知

AIを「監視カメラの延長」ではなく、安全パトロールを支援する副隊長くらいに位置付けると、現場にも受け入れられやすくなります。

3. 鉄道・設備の予防保全（AIによる予知保全）

このプロジェクトの目的は、レッドライン全体の信頼性向上でした。日本では、ここにAIによる予知保全を組み合わせることで、さらに価値が出ます。

• レール・まくらぎ・道床の変位データ
• 架線電流・電圧の時系列データ
• ATS/ATC、ポイントマシンのログ

これらをAIが常時学習し、

• 「このポイントマシンは、過去の故障直前と似た挙動をしている」
• 「この区間の軌道変位は、半年以内に閾値を超える可能性が高い」

といった故障予兆アラートを出せれば、夜間短時間の計画保守だけで安定運行を維持できます。Better Redのような「運行しながらの大規模改良」と、AIによる予防保全は非常に相性が良いです。

4. BIM＋AIによる施工ステップの安全検証

このプロジェクトでは、空港の下水本管や耐震性ダクタイル鉄管の布設など、地下埋設物との取り合いも多く発生しました。日本でも、空港・駅周辺はインフラが密集し、図面と実際が違うケースも珍しくありません。

ここで有効なのが、

• BIMモデル上で施工ステップを再現
• AIが
  • 仮設の干渉
  • クレーン作業時の作業半径・倒壊範囲
  • 危険エリア内の作業人数

などを自動チェックするアプローチです。

**「着工前に、危険な施工手順をAIに洗い出させる」**ことで、KY活動や施工計画会議の質が一段上がります。

5. 技能継承と教育（XR＋AIシミュレーション）

運行継続下での鉄道工事は、ベテランの「勘どころ」がものを言います。Better Redのようなプロジェクト経験をデジタル教材として残す発想も、AI時代には必須です。

• 実際の工事データ・写真・動画をもとにVR教材を作成
• AIが状況に応じて「次に取るべき安全措置」を対話形式で提示
• 若手がXR空間で「週末閉鎖2日間で橋脚を架ける」シミュレーション訓練

こうした取り組みは、ベテランの暗黙知を可視化して次世代に渡すための現実的な手段になります。

---

日本の建設会社が明日からできる一歩目

ここまで読むと、「理想論だ」「うちの規模では難しい」と感じるかもしれません。ただ、Better Redの現場もいきなり高度なことをしたわけではなく、

1. 段取りと安全を最優先に置く文化
2. 現場で使えるレベルのツール導入
3. 数字で成果を確認し、次のプロジェクトへつなぐ

という地道な積み重ねの結果です。

日本の会社がAIによる安全・生産性向上に踏み出すなら、まずは次の3つから始めるのを勧めます。

1. 「人の目」では追い切れていない領域を洗い出す
   • 例：夜間工事の安全パトロール、複数現場の進捗把握
2. その中から小さくてもインパクトの大きいテーマを1つ選ぶ
   • 例：重機と人の接近アラート、ヘルメット未着用検知
3. 3〜6カ月で効果検証できるPoCを設計する
   • 成功条件（KPI）を最初に決めておくのがポイント

Better Redのような「運行しながら・止めずに・安全に」工事をやり切るプロジェクトは、今後の日本では確実に増えます。そのときAIを**単なる省人化ツールではなく、「安全と生産性を一緒に引き上げるための相棒」**として位置付けられるかどうかが、競争力の差になっていきます。

---

これからの安全管理は「人＋AI」で設計する時代

MAX Red Line Extensionプロジェクトは、AIを前面に押し出した現場ではありません。ただし、その本質は**「制約条件の中で、安全と生産性を両立するために、知恵と技術をフル動員した」**ことにあります。

日本の建設業界が同じレベル、あるいはそれ以上を目指すなら、AIは避けて通れません。むしろ、現場を知る企業ほどAIを上手く使えるはずです。

このシリーズ「建設業界のAI導入ガイド：生産性向上と安全管理」では、今後も鉄道・道路・建築改修など、さまざまなプロジェクト事例を題材に、どこからAIを入れれば現場が楽になるのかを具体的に掘り下げていきます。

自社の現場で「ここにAIがあれば助かる」というポイントが見えてきたら、それはもう一歩目を踏み出すタイミングです。次の案件で、Better Redのような「無事故・遅延ゼロ」を現実の数字として残せるよう、AIを味方につけていきましょう。