淡江大學土木工程學系碩士班學位論文
淡江大學,正常發行
選擇卷期
- 學位論文
工程施工品質查核作業是國內三級品管制度的基礎，工程團隊若能在工程進行中如實並有效率地完成查核，不僅能成功落實工程品質管理的精神，更能詳實紀錄工程各階段的施工細節及成果，為後續的履約管理或發生爭議處理時提供重要的紀錄資訊。然實務上，卻常因查驗項目繁瑣且多樣，查核人員從準備作業、檢驗查核、拍照記錄到報告撰寫皆需要花費大量時間。尤其檢驗查核時，受紙本二維圖說及量測技術的限制，工程師如何快速根據圖說及設計規範進行查驗，並詳實比對成果確保品質卻是一大挑戰；而對業主而言，查核作業所記錄之照片能否真實反應實際成果，更是查核作業面對的挑戰。 為了解決上述的問題，本研究嘗試結合光學雷達(Light Detection and Ranging, LiDAR)與擴增實境(Augmented Reality, AR)技術來輔助施工品質查驗，設計一「行動化3D 施工品質查驗系統」，以行動裝置進行數位化查驗，將現場的施工成果以行動光學雷達(Light Detection and Ranging, LiDAR)進行掃描，建立施工成果之3D 模型，再將BIM 設計模型以AR 技術呈現給工程師，並對光學雷達技術和擴增實境技術於行動裝置端於品質查驗之適用性進行評估。而最後本研究之實測結果發現，以行動裝置進行查驗，並透果AR 與Lidar 技術，確實能使查驗人員更方便的進行查驗，也實現查驗流程數位化，有利於現場施工品質查堰管理。
- 學位論文
隨著基礎設施建設的不斷發展，建築行業的安全生產理念逐步得到推廣。近年來，基於深度學習的趨勢，使得影像識別獲得突破性的進展。因此，從監控視頻畫面中自動識別工人的行為，保障工人的安全，變得可行。但以往很少研究探討識別行人姿勢種類。因此，本研究以YOLO V4的深度學習模型識別工地環境中人員之站立（Standing person）、彎腰（Bending over person）、蹲下（Squatting person）三類姿勢。為了提升準確度，除了收集現有的工地影像數據集，為了使數據集更多元化，以及探討不同特性數據集所建構的模型的識別能力，本研究還自行建構兩種影像數據集 (1) 設計影像數據集：找來不同的人，在不同場地背景、拍攝距離、角度，以不同姿勢拍攝。(2) 自然影像數據集：在校園與工地類似的不同場地背景，包括測量實習、材料實驗室，拍攝不同群體在自然工作中的集體影像。上述三種影像數據集共890張影像，以人工標註得到行人樣本：站立2144、彎腰489、蹲下697。此外，還利用設計、自然影像數據集的樣本混合成具有等量樣本的混合數據集，以及具有二倍樣本的二倍混合數據集。以上述五種影像數據集建構Yolo V4識別模型，為了避免過度學習，訓練時，均分成80%為訓練集，20%為驗證集。各自得到最優模型(基於驗證集)，再使用工地數影像數據集做為測試集，以評估何種數據集能訓練出對工地行人姿勢有最佳識別效果的模型。最後經由 mAP(平均精度)分析得出五種影像數據集的排序：兩倍混合（70.03%）>自然（65.77%）>工地（63.34%）>混合（60.50%）>設計（29.32%）。可知 (1) 樣本最多的兩倍混合數據集表現最佳，可見樣本數量十分關鍵。(2) 由mAP自然>工地>設計可知，自然數據集表現最佳，可見校園數據集略優於工地數據集，這可能是因為工地數據集中的部分行人樣本太小，解析度太差，或遮蔽過多，因此不利於學習。與工地環境相似但不相同的校園數據集反而因拍攝的解析度較高，利於學習。(3) 自然、工地數據集均遠高於設計數據集。仔細分析發現，設計數據集在訓練集、驗證集的表現極佳，因此設計數據集出現了嚴重的過度學習現象。原因可能是它的影像中通常只有少數一兩人，影像較大，無遮蔽，因此容易學習，故在訓練集、驗證集的表現極佳，但遇到差異大(解析度小、遮蔽嚴重)的工地樣本，表現很差。(4) 混合數據集的mAP介於自然、設計數據集，顯示這兩種數據集不具有互補的綜效。總之，自然數據集是最理想的訓練素材。
- 學位論文
如今的資料數據量龐大，同時資料的複雜性也激增，對於處理資料時經常耗時過長的問題，近年來逐漸興起的機器學習技術成為了主流的解決方式，同樣，在土木工程領域，使用機器學習，也就是人工智慧化的方式來對資料進行分析處理，是未來的必經之路。 本研究目的為利用循環神經網路(RNN)中可預測時間序列及長短期記憶(LSTM)模型具有長期記憶的特性，將之應用在颱風領域上，以模擬一個颱風生成後的移動路徑。 本研究以颱風聯合警報中心（JTWC）觀測之颱風資料為時間序資料來源，首先對所有資料標準化處理，然後以循環神經網路來訓練學習所有資料，找出他們的特徵與關聯性，以此來預測颱風移動路徑中時間步上颱風移動速度、方位角、氣壓差的變化，最後以 RMSE 與 loss 值作為模型準確程度的判斷依據，進而建立一套可以在颱風領域應用的模擬模型。 本模型主要由輸入層、3 層 LSTM 層、全連接層（Dense 層）、融合層（Merge 層）及輸出層所構成，原始颱風資料經過標準化處理後進入輸入層，接著進入 LSTM 層，通多 LSTM 的輸入閥、遺忘閥、輸出閥的運算後，即得到了 LSTM 層的輸出值以及記憶在 LSTM 層中的長短期記憶矩陣，這個長短期記憶矩陣會持續的影響後面的 LSTM 層，一直到最後的一層 LSTM 輸出到全連接層，重新擬合後輸出到融合層，最後到輸出層，完成模擬。 本模型在透過 RMSE 比較後，得出以 RNN 模型預測單個颱風移動路徑數據中，模擬方位角與模擬颱風移動速度的結果都較為優秀，而颱風氣壓差數據較差。對於完全模擬颱風移動速度與方位角有優秀的結果，颱風氣壓差的結果則比較差。綜上所述，本模型在颱風模擬領域具有一定的潛力，可用於西太平洋生成的颱風之路徑模擬、對於台灣耐風規範研究起到助力。
- 學位論文
無論是公共工程或是大型建築，透過行人檢測觀察工地行人的行為，能獲得很多重要資訊，從而有效提升施工效率或安全。但由於施工現場環境複雜，常常出現遮掩物、光暗變化以及行人姿勢變化，傳統的機器學習對此不能有效檢測。此外，過去很少探討識別行人姿勢種類的文獻。因此，本研究以YOLOv4深度學習演算法來識別三種姿勢的工地行人 (站姿、彎腰及蹲姿)，並透過優化卷積神經網絡參數及架構，以提高行人檢測的準確性。優化參數及架構包括 (1) 五種資料擴充技術(Data augmentation)、(2) 激活函數(Activation function)，(3) 調整遷移學習(Transfer learning)分界點 (4) 學習速率，及 (5) 最大權重更新次數，一共九個因子。並利用二水準部分因子實驗設計，有效、合理地安排出16組實驗數據，最後透過效果分析出一組最佳因子水準組合。效果分析顯示除了以下因子，其餘因子並不顯著。(1) 拼貼法 (2) 傅立葉混合 (3) 遷移學習分界點 (4) 權重更新次數。最佳因子水準組合在80張工地圖像(325個工人)中，精準度、召回率、mAP分別為67.0%, 85.0%, 83.7%。平均每張圖像處理速度0.038 sec。結果表明，通過優化卷積神經網絡參數及架構，可以提高辨識各種姿勢的工地行人的準確性。
- 學位論文
隨著深度學習的快速發展，行人識別技術已經相當成熟。另一方面，攝影測量也已經相當成熟，利用雙像定位，可以對影像中的共同點進行3D定位。因此如果能結合行人識別技術與攝影測量，就可能對工地中的工人進行自動化的3D定位。這種含3D座標的行人識別技術可用來管理與監控施工現場，對於提高生產效率和現場安全具有重大價值。然而目前這方面的文獻很少，主要的原因是利用雙像定位必須先找出兩張影像中的共同點，也就是必須對左右雙像中的工人作匹配，因此不只要識別行人，還要識別其身分，因此相當困難。為了免除必須對左右雙像中的工人作匹配的困擾，本文採用單像進行3D定位。本研究的主要目的有二：(1)單像攝影測量進行物方座標的三維定位。(2) 識別工地現場用來做為攝影測量後方交會法已知點的標記，並對其進行像平面座標二維定位。採用的研究方法如下： (1)利用附加條件，例如行人站立點的高程，將雙像定位轉化為單像定位。(2)利用深度學習實現已知點標記的自動識別和二維定位。研究結果顯示 (1)傳統的雙像攝影測量、單像之高程已知法、身高已知法、距離已知法的行人定位誤差平均值分別為0.28 m、0.45 m、0.24 m、0.14 m。單像法可以達到雙像法的精度。(2) 敏感性分析顯示，單像之高程已知法、身高已知法、距離已知法的假設高程、身高、距離各有10公分的誤差大約會造成20公分的3D定位誤差。(3) 深度學習的結果顯示，三種標記識別模型的識別精準度、召回率、mAP、二維定位誤差(像素)分別為單標示單分類法(94%、 37%、 45%,、 6.99)、多標示單分類法(84%、63%、 55%、 3.44)、多標示多分類法(97%、 64%、 58%、3.76)。結果表明，深度學習可以精確識別與定位標記。
- 學位論文
洪名和(2020) 曾以有限差分法程式 WEAPR-S2分析樁筏基礎之行為，但有限差分法不易看到筏基、土壤、基椿彼此之間互制的影響，對於基椿反力和等效彈簧勁度的觀察會有盲點，故本研究使用三維有限元素法進行分析希望能了解樁筏結構系統受力的機制。本研究以有限元素分析程式 MIDAS/GTS NX進行分析，選擇實體元素建構模型，以觀察樁群之間的應力分布狀況，並考慮均佈載重、網格密度、邊界條件、初始應力條件、分布加載過程的影響，以模擬樁筏基礎受垂直均佈力反應和基樁的反力分析。
- 學位論文
本研究以WERAFT之筏基變形差分程式為基礎，代入各學者所建議之土壤彈簧參數進行受力基礎沉陷量分析，並與三維有限元素分析軟體Midas-GTX-NX分析結果驗證，以了解各種彈簧之優缺點與適用條件。本研究考慮的彈簧模式除Lysmer類比模式和修正Lysmer類比模式外，尚包括雙區域土壤彈簧模式以及以Pasternak地基模型類型為主的土壤彈簧模式，Pasternak地基模型除垂直向受壓的地盤反力係數K_s外，尚以地盤剪切彈簧勁度K_s描敘基礎向外側傳遞的剪力作用。由於本研究所採用的WERAFT分析邊界條件與Pasternak地基模型有區別，為消弭誤差，本研究將K_g進行折減並納入面積比進行修正。 研究成果顯示:1. WERAFT-S1分析採Lysmer彈簧時，採用面積比n=3對均佈載重下基礎沉陷預測能力佳，在筏基尺寸增大時誤差將增加，且不適合用於集中載重條件。2. WERAFT-S2分析採改良Lysmer土壤彈簧對均佈荷重基礎沉陷的準確度優異，大尺寸筏基亦適用，惟囿於土壤彈簧條件，不適用於集中載重。3. Adhikary雙區域彈簧所得沉陷量在基礎邊緣過低，且差異沉陷較大，可進一步改良。4. Kerr and Rhines彈簧過於簡單，以致預測能力不佳。5. Vlasov彈簧有較大的調整彈性，但其參數變化大不易掌握，使用時須特別注意參數η和H的選定問題。6. Worku彈簧在筏基尺寸較小與土壤勁度較低時預測頗佳，均佈載重與集中載重均可得到合理結果；惟當筏基尺寸過大或土壤強度過高時，需藉由限制整體結構剛度值K_r以及深度影響修正因子χ進行改善。
- 學位論文
在國際處置高放射性廢棄物的方式，是將核廢料罐深埋在300~1000m高應力環境的地下坑道中，藉由障壁組成有效圍阻遲滯核種的外釋，使輻射強度到達生物圈之前已衰減至可忽略的程度。目前國內台電公司預擬的深層處置場坑道配置與尺寸之設計，採用KBS-3V設計，其處置設計概念係先開挖處置隧道(deposition tunnel)，再在其隧道地面上垂直向下逐一鑽挖深度8m的一系列處置孔(deposition hole)。而深層地質處置設施的力學穩定安全性是由應力在主控(stress-dominated)，其穩定性或破壞與否之關鍵因子是在現地應力(in-situ stress)之大小與方位以及岩石之破壞強度。受高應力作用下，所造成應力釋放與應力調整係屬相互影響，故本研究目的為擬以FLAC2D程式模擬，探討其應力分佈之變化與破裂損傷程度，並針對台灣本土現地應力條件作進一步研究。 本文主要獲致結論如下: (1)以FLAC分析處置坑道周圍岩體應力分布行為，獲知其關鍵因子為現地應力比K與深度Z，隨著參數K及Z值愈大其應力變化愈顯著。K值主控處置坑道周圍應力等高線分布區之形狀，深度Z則主控開挖平衡後岩體整體應力值之範圍。其中K值主要控制處置坑道發生破壞處，深度Z則控制處置坑道是否破壞以及其破壞範圍；(2)處置坑道開挖分為兩階段開挖，第一階段先挖處置隧道後，在較大現地應力方向之開挖面處附近會呈現低壓力區或張力區，因此當圍岩承受之環境壓力愈大時，愈容易在此處形成損傷破壞區；開挖處置孔後，會因應力重新分配轉移過程，釋放原來應力集中於處置隧道底部之現象，且第一階段開挖時原本在仰拱的破壞會因為第二階段開挖的解壓以及網格移除而消失；(3)坑道破壞型態分為兩種:張力破壞與剪切破壞，張力破壞由張力強度主控，多發生於處置隧道、處置孔的側壁與底面；剪切破壞主要發生在高壓應力集中區，如處置隧道轉角處；(4)影響變形量的最大因素為母岩之楊氏模數E，第一階段處置隧道開挖，最大變形量位置常發生在隧道頂拱處沉陷；第二階段處置孔開挖，最大變形發生在處置孔上段2公尺處，由其詳細數值結果可得，最大位移量與E值呈現反比關係；(5)在較淺的低應力條件下，岩體為彈性的穩定狀態，處置隧道形狀對處置孔影響甚微。但在較深的高應力條件下，可由坑道之破壞判別各形狀之優劣:(a)在方形處置隧道下的處置孔之張力破壞範圍分布最廣，坑道轉角處容易發生剪切破壞 (b)在棚形或拱形處置隧道下的處置孔之張力破壞區域相似，然因棚形之坑道轉角亦易形成剪切破壞，由此判斷拱形處置隧道為處置坑道最佳的選擇。
- 學位論文
擬利用顆粒流PFC程式來模擬岩石裂隙(fissures)間的破裂連結問題：旨在利用PFC具備分辨顆粒鍵結間之張力斷裂或剪力破裂等AE紀錄的特色，首先 (1)針對不同傾角下單一條裂隙岩石之破裂發展順序與 (張裂或剪裂) 初始破裂(crack initiation)、損傷應力(damage stress)等力學特性；(2)再安排多道不同幾何排列(共線或平行排列)條件下，探討多道裂隙間岩橋(rock bridge)之微觀破裂行為的相互影響及其連結(coalescence)發展串連行為之間破裂連接差異性問題。 本文主要獲致結論如下：(1) 由PFC數值模擬利用AE訊號抓取破裂初始應力(σ_ci)，獲知σ_ci約落在0.63UCS，與一般岩石之初始破裂應力範圍(0.35 ~ 0.6UCS) 接近，可知於PFC數值模擬中可藉由AE訊號抓取之初始破裂應力(σ_ci)。(2) 從模擬含單一裂隙岩石之張裂與剪裂的AE發展順序，可知岩石之張裂破裂比剪裂破裂發展速度快，且張力裂縫的延伸是影響整體岩石之破裂行為。因此，初始張裂機制在花崗岩的破壞過程中較初始剪裂機制重要。(3) 由PFC模擬花崗岩含雙裂隙岩石之斷鍵紀錄，可觀測到於共線狀態下顯示岩橋間微觀鍵結斷鍵是由張力斷鍵與剪力斷鍵一同形成之混合式破壞。(4) 於共線、裂隙傾角(α)為45度及岩橋角(β)為45度的狀況下得知，模擬含雙裂之單軸壓縮試驗，發現岩橋長度(2b)會影響破裂順序，並可將岩橋間破裂連結順序分成三種破壞模式，分別為LTM模式(2b/2a < 0.2)、TLM模式(0.2 < 2b/2a < 0.52)及TML模式(2b/2a >0.52)。(5) 於非共線狀態下、裂隙傾角(α)為45度，當岩橋長度小於或等於裂隙長度(即2b≦2a)，並改變岩橋角(β)時，可獲知：(i) 當β< 90°時，岩橋破裂連結為張裂與剪裂的混合破裂模式(mixed shear crack & tensile crack)為主控；(ii) 當β= 90°時，岩橋由裂隙內部尖端(inner crack tips)先出現剪力破裂，再產生張力破裂形成岩橋間的破裂連結；(iii) 當β> 90°時，岩橋之破裂連接為張力破裂形成主控。
- 學位論文
本研究主要以三維數值分析方法分別建立傳統灌漿釘、螺桿釘與節瘤釘拉出數值模型，與實驗室拉出試驗結果進行比較，並探究土釘於拉出期間周圍土壤所發展的漸進式破壞機制與應力影響範圍。 分析結果得知：(1)傳統灌漿釘數值模擬拉出力與實驗室拉出結果十分貼近，傳統灌漿釘不同釘徑其周圍土壤發展之漸進式破壞行為相似，由釘尾處的土壤開始產生解壓破壞，之後是土釘兩側之釘土界面與土壤發生剪力破壞，接下來釘土界面破壞逐漸發展到土釘頂部以及底部；當土釘拉出力達到尖峰值，緊鄰土釘頂部以及底部的土壤元素發生剪力破壞，破壞的趨勢由釘尾往釘頭發展，釘尾處的破壞區域約為0.5倍的灌漿釘直徑（2）螺桿釘周圍土壤破壞機制，是由釘尾和緊鄰釘身幾處的土壤開始產生破壞，之後再由釘身週圍慢慢擴大破壞區，最後相連完成破壞。當拉出力達尖峰值時，釘尾處的破壞區域約為2倍螺桿釘直徑。（3）節瘤直徑80 mm之節瘤釘周圍土壤的破壞過程為，尾端土壤元素開始產生解壓破壞，之後沿著節瘤表面逐漸向外擴張形成球狀剪力帶，隨拉出位移增加，節瘤前方土壤剪力破壞區域分別往前與往外漸增約1.7倍節瘤直徑。（4）雙節瘤間距240 mm之土釘拉出力會比節瘤間距80 mm來的大，拉出位移10 mm時，節瘤間距240 mm之土釘相較於節瘤間距80 mm，拉出力提升了12%。