JP7519619B2 - 情報処理装置、情報処理方法、及びプログラム - Google Patents

Description

本発明は、情報処理装置、情報処理方法、及びプログラムに関する。

日本国内の航空機の運航では、年間数百件の被雷が発生している。航空機の被雷が直接重大事故につながる可能性は極めて低いものの、機体外板等に発生する損傷を修理するために年間数倍、数億円規模の費用が発生していると推算されている。また、被雷を受けた機体の検査や応急処置には少なからず時間を要するため、小規模な損傷でもしばしば次便の遅延につながる。また、大規模な損傷の場合は欠航に至り、運航スケジュールに大きな影響を及ぼす。

航空機の運航は、巡航フェーズと離着陸フェーズに大別され、それぞれのフェーズに個別の気象情報支援技術が用いられる。巡航フェーズにおける雷の気象情報支援としては、気象庁が運用するＬＩＤＥＮ（LIghtning DEtection Network system）と呼ばれる雷監視システムを用いた情報が広く用いられている。また巡航中の航空機は回避行動をとりやすいことも合わさって、巡航フェーズの被雷はあまり発生していない。一方、被雷全体の９０［％］以上が離着陸フェーズにおいて発生していると推測される。

このような航空機の被雷に関連して、雷の脅威を定量的に検出する技術が知られている（例えば、特許文献１、２参照）。

特開２０１０－２４１４１２号公報 特開２０１９－４５４０３号公報

しかしながら、従来の技術では、どのように航空機の被雷件数を少なくするのか十分に検討されていなかった。また、上記の課題は、航空機に限られず、船舶や自動車といった他の移動体に対しても全般的に共通するところである。

本発明は、このような事情を考慮してなされたものであり、移動体の被雷件数を少なくすることができる情報処理装置、情報処理方法、及びプログラムを提供することを目的の一つとする。

本発明の一態様は、ある観測時刻に観測された対象空間の気象を表す気象観測データと、気象予測モデルにより予測された前記対象空間の気象を表す気象予測データとの少なくとも一方を基に導出された脅威度であって、前記観測時刻または前記観測時刻よりも将来の時刻の前記対象空間の雷の脅威度を示す脅威度情報を取得する取得部と、前記対象空間上において移動体が移動すべき複数の経路を生成する生成部と、前記取得部によって取得された前記脅威度情報に基づいて、前記生成部により生成された前記複数の経路のそれぞれを評価する評価部と、前記評価部による評価結果に基づいて、前記複数の経路の中から一つの経路を選択する選択部と、を備える情報処理装置である。

本発明の一態様によれば、移動体の被雷件数を少なくすることができる。

実施形態に係る情報処理システムの構成の一例を示す図である。 実施形態に係る第１情報処理装置の構成の一例を示す図である。 実施形態に係る第１情報処理装置の一連の処理の流れの一例を示すフローチャートである。 脅威度マップの一例を示す図である。 実施形態に係る第２情報処理装置の構成の一例を示す図である。 実施形態に係る第２情報処理装置の一連の処理の流れの一例を示すフローチャートである。 複数の飛行経路の一例を示す図である。 生成モデルの一例を示す図である。 表示部の画面の一例を示す図である。 実施形態に係る学習装置の構成の一例を示す図である。 実施形態に係る学習装置の一連の処理の流れの一例を示すフローチャートである。

以下、図面を参照し、本発明の情報処理装置、情報処理方法、及びプログラムの実施形態について説明する。

［情報処理システムの構成］
図１は、実施形態に係る情報処理システム１の構成の一例を示す図である。図示のように、情報処理システム１は、例えば、気象観測装置１０と、気象予測装置２０と、第１情報処理装置１００と、第２情報処理装置２００と、学習装置３００とを備える。これらの装置は、ネットワークＮＷに接続される。ネットワークＮＷは、例えば、ＷＡＮ（Wide Area Network）やＬＡＮ（Local Area Network）などである。

気象観測装置１０は、例えば、気象レーダやラジオゾンデといった種々のセンサを用いて観測すべき対象空間（以下、観測空間と称する）の気象を観測し、その観測結果を表すデータ（以下、気象観測データと称する）を生成する。観測空間には、移動体の移動先となる目的地やその付近の空間が含まれる。また、観測空間には、移動体が目的地に到達するまでに通過する移動経路が含まれてよい。移動体は、例えば、航空機や、船舶、ロケット、自動車、鉄道車両などである。例えば、移動体が航空機である場合、観測空間には、空港やその空港に至るまでの飛行経路が含まれてよい。以下、一例として、移動体が航空機であるものとして説明する。

気象観測装置１０は、例えば、航空機が離着陸する空港の敷地内や、その付近等に設置されてもよいし、航空機に搭載されてもよい。気象観測データには、例えば、エコー強度（降水強度）や、ドップラー速度（風速）、風向、気温、湿度といった大気の状態を表す物理量が含まれる。物理量は、観測空間を複数のグリッド（メッシュともいう）で区切ったときに、それら複数のグリッドのそれぞれに対応付けられてよい。グリッドは、例えば、５［ｋｍ］や２０［ｋｍ］間隔の正方格子状に区切られてよい。

気象予測装置２０は、例えば、気象予測モデル（数値予報モデルともいう）に基づいて、気象観測装置１０によって生成された気象観測データから、観測空間の将来の気象を予測し、その予測結果を表すデータ（以下、気象予測データと称する）を生成する。気象予測データには、例えば、降水強度や、風速、風向、気温、湿度といったように、気象観測データに含まれる物理量と同種の物理量が含まれてよい。気象予測データにおける物理量は、気象観測データと同様に、観測空間を区切った複数のグリッドのそれぞれに対応付けられてよい。

第１情報処理装置１００は、例えば、空港の敷地内に設置される。第１情報処理装置１００は、ネットワークＮＷを介して、気象観測装置１０から気象観測データを取得するとともに、気象予測装置２０から気象予測データを取得する。そして、第１情報処理装置１００は、取得した気象観測データ及び気象予測データのいずれか一方または双方に基づいて、観測空間の雷の脅威を定量的に解析する。

第２情報処理装置２００は、例えば、航空機内に設置される。第２情報処理装置２００は、ネットワークＮＷを介して、第１情報処理装置１００から解析結果を取得する。そして、第２情報処理装置２００は、取得した解析結果に基づいて、航空機のパイロットや乗務員等に種々の情報を提供したり、航空機を制御したりする。

学習装置３００は、生成モデルＭＤＬを学習（訓練）する装置である。詳細については後述する。

［第１情報処理装置の構成］
以下、第１情報処理装置１００の構成について説明する。第１情報処理装置１００は、単一の装置であってもよいし、ネットワークＮＷを介して接続された複数の装置が互いに協働して動作するシステムであってもよい。すなわち、第１情報処理装置１００は、分散コンピューティングやクラウドコンピューティングを利用したシステムに含まれる複数のコンピュータ（プロセッサ）によって実装されてもよい。

図２は、実施形態に係る第１情報処理装置１００の構成の一例を示す図である。図示のように、第１情報処理装置１００は、例えば、通信部１０２と、表示部１０４と、制御部１１０と、記憶部１３０とを備える。

通信部１０２は、例えば、ＮＩＣ（Network Interface Card）や、受信機及び送信機を含む無線通信モジュールなどを含む。通信部１０２は、ネットワークＮＷを介して、気象観測装置１０や気象予測装置２０、第２情報処理装置２００、学習装置３００等と通信する。

表示部１０４は、各種の情報を表示するユーザインターフェースである。例えば、表示部１０４は、制御部１１０によって生成された画像を表示する。また、表示部１０４は、ユーザ（例えば空港局員など）からの各種の入力操作を受け付けるためのＧＵＩ（Graphical User Interface）を表示してもよい。例えば、表示部１０４は、ＬＣＤ（Liquid Crystal Display）や有機ＥＬ（Electroluminescence）ディスプレイなどである。

制御部１１０は、例えば、取得部１１２と、導出部１１４と、予測部１１６と、マップ生成部１１８と、出力制御部１２０とを備える。

制御部１１０の構成要素は、例えば、ＣＰＵ（Central Processing Unit）やＧＰＵ（Graphics Processing Unit）などのプロセッサが記憶部１３０に格納されたプログラムを実行することにより実現される。また、制御部１１０の構成要素の一部または全部は、ＬＳＩ（Large Scale Integration）、ＡＳＩＣ（Application Specific Integrated Circuit）、またはＦＰＧＡ（Field-Programmable Gate Array）などのハードウェアにより実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。

記憶部１３０は、例えば、ＨＤＤ（Hard Disc Drive）、フラッシュメモリ、ＥＥＰＲＯＭ（Electrically Erasable Programmable Read Only Memory）、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）などにより実現される。記憶部１３０には、ファームウェアやアプリケーションプログラムなどの各種プログラムが格納される。また、記憶部１３０には、プロセッサに参照されるプログラムに加えて、脅威度マップＤ１などが格納される。脅威度マップＤ１については後述する。

［第１情報処理装置の処理フロー］
以下、フローチャートに即して第１情報処理装置１００の一連の処理の流れを説明する。図３は、実施形態に係る第１情報処理装置１００の一連の処理の流れの一例を示すフローチャートである。本フローチャートの処理は、例えば、所定の周期で繰り返し行われてよい。また、第１情報処理装置１００が、分散コンピューティングやクラウドコンピューティングを利用したシステムに含まれる複数のコンピュータによって実装される場合、本フローチャートの処理の一部または全部は、複数のコンピュータによって並列処理されてよい。

まず、取得部１１２は、通信部１０２を介して、気象観測装置１０から気象観測データを取得するとともに、気象予測装置２０から気象予測データを取得する（ステップＳ１００）。取得部１１２は、気象観測データ及び気象予測データのいずれか一方のみを取得してもよい。

次に、導出部１１４は、取得部１１２によって取得された気象観測データ及び気象予測データのうち一方または双方に基づいて、観測時刻における観測空間（例えば空港近辺や飛行経路）の雷の脅威の程度を示す指標値（以下、脅威度と称する）を導出する（ステップＳ１０２）。観測時刻とは、気象観測装置１０が観測空間の気象を観測した時刻であってもよいし、気象予測装置２０が気象観測データから観測空間の気象を予測した将来の時刻であってもよい。

脅威度は、例えば、「低い値（０．００～０．３３）」、「中程度の値（０．３３～０．６６）」、「高い値（０．６６～１．００）」のように、離散的な数値であってよい。脅威度の最大値は１に限られず任意の値であってよい。

例えば、導出部１１４は、特許文献２に記載された方法で、観測空間に着陸或いは通過する航空機が被雷する確率や、被雷によって生じる時間的損失（例えば運航の遅延時間等）や経済的損失（例えば機体の損傷度、復旧費用、及び運航遅延時間等）を、脅威度として導出する。より具体的には、導出部１１４は、ある関数ｆ（ｘ）を用いて、被雷の生起確率や時間的損失、経済的損失などを雷の脅威度として導出する。雷の脅威度は、航空機が被雷したときに人間の経済活動に及ぼす影響度と読み替えてもよい。

関数ｆ（ｘ）は、気象観測データや気象予測データに含まれる各物理量が説明変数ｘとして入力されると、雷の脅威度（被雷の生起確率、時間的損失、経済的損失等）を目的変数として出力する関数であり、例えば、ｆ（ｘ）＝ａ１ｘ１＋ａ２ｘ２＋…のような線形関数であってよい。ａ１やａ２は重み係数である。また、関数ｆ（ｘ）には、バイアス成分が含まれていてもよい。重み係数やバイアス成分は、例えば、航空機が実際に被雷したときに観測された気象観測データや気象予測データと、その被雷によって生じた時間的損失や経済的損失とに基づいて、最小二乗法等によって決定されてよい。また、関数ｆ（ｘ）は、特許文献２に記載されるようにニューラルネットワークによって実装されてもよい。

このように、導出部１１４は、関数ｆ（ｘ）に対して、気象観測データや気象予測データに含まれる各物理量を要素とする多次元のベクトル或いはテンソルを説明変数ｘとして入力し、その関数ｆ（ｘ）が出力した値を雷の脅威度として導出する。導出部１１４は、観測空間が複数のグリッドで区切られている場合、それら複数のグリッドの其々に対応付けられた物理量から、各グリッドの雷の脅威度を導出する。

次に、予測部１１６は、外挿法などを利用して、導出部１１４によって導出された雷の脅威度から、将来の時刻における観測空間の雷の脅威度を予測する（ステップＳ１０４）。観測空間が複数のグリッドで区切られている場合、予測部１１６は、グリッドごとに将来の雷の脅威度を予測してよい。

次に、マップ生成部１１８は、導出部１１４によって導出された雷の脅威度と、予測部１１６によって予測された雷の脅威度とのうち一方または双方に基づいて、グリッドごとに雷の脅威度が対応付けられたデータを、脅威度マップＤ１として生成する（ステップＳ１０６）。マップ生成部１１８は、生成した脅威度マップＤ１を記憶部１３０に記憶させる。脅威度マップＤ１は「脅威度情報」の一例である。

図４は、脅威度マップＤ１の一例を示す図である。図示のように、脅威度マップＤ１は、各グリッドの雷の脅威度が、輝度や彩度、色相といった画素値に置き換えられた画像データであってよい。このような脅威度マップＤ１は、観測時刻ごとに存在してよい。

図３のフローチャートの説明に戻る。次に、出力制御部１２０は、マップ生成部１１８によって生成された脅威度マップＤ１を、通信部１０２を介して第２情報処理装置２００に送信したり、表示部１０４に表示させたりする（ステップＳ１０８）。これによって、本フローチャートの処理が終了する。

［第２情報処理装置の構成］
以下、第２情報処理装置２００の構成について説明する。図５は、実施形態に係る第２情報処理装置２００の構成の一例を示す図である。図示のように、第２情報処理装置２００は、例えば、通信部２０２と、表示部２０４と、制御部２１０と、記憶部２３０とを備える。

通信部２０２は、例えば、ＮＩＣや、受信機及び送信機を含む無線通信モジュールなどを含む。通信部２０２は、ネットワークＮＷを介して、第１情報処理装置１００や学習装置３００等と通信する。

表示部２０４は、各種の情報を表示するユーザインターフェースである。例えば、表示部２０４は、制御部２１０によって生成された画像を表示する。また、表示部２０４は、例えば、航空機のパイロット等からの各種の入力操作を受け付けるためのＧＵＩを表示してもよい。例えば、表示部２０４は、ＬＣＤや有機ＥＬディスプレイなどである。表示部２０４は「出力部」の一例である。

制御部２１０は、例えば、取得部２１２と、経路生成部２１４と、経路評価部２１６と、経路調整部２１８と、経路選択部２２０と、出力制御部２２２と、飛行制御部２２４とを備える。飛行制御部２２４は「移動制御部」の一例である。

制御部２１０の構成要素は、例えば、ＣＰＵやＧＰＵなどのプロセッサが記憶部２３０に格納されたプログラムを実行することにより実現される。また、制御部２１０の構成要素の一部または全部は、ＬＳＩ、ＡＳＩＣ、またはＦＰＧＡなどのハードウェアにより実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。

記憶部２３０は、例えば、ＨＤＤ、フラッシュメモリ、ＥＥＰＲＯＭ、ＲＯＭ、ＲＡＭなどにより実現される。記憶部２３０には、ファームウェアやアプリケーションプログラムなどの各種プログラムが格納される。また、記憶部２３０には、プロセッサによって参照されるプログラムに加えて、上述した脅威度マップＤ１や、生成モデルデータＤ２などが格納される。生成モデルデータＤ２は、後述する生成モデルＭＤＬを定義した情報（プログラムまたはデータ構造）である。この生成モデルデータＤ２は、例えば、ネットワークＮＷを介して学習装置３００から記憶部２３０にインストールされてよい。また、生成モデルデータＤ２が格納された可搬型の記憶媒体が、第２情報処理装置２００のドライブ装置に接続された場合、生成モデルデータＤ２は、その可搬型の記憶媒体から記憶部２３０にインストールされてもよい。

［第２情報処理装置の処理フロー］
以下、フローチャートに即して第２情報処理装置２００の一連の処理の流れを説明する。図６は、実施形態に係る第２情報処理装置２００の一連の処理の流れの一例を示すフローチャートである。本フローチャートの処理は、例えば、所定の周期で繰り返し行われてよい。

まず、取得部２１２は、通信部２０２を介して、第１情報処理装置１００から脅威度マップＤ１を取得する（ステップＳ２００）。

次に、経路生成部２１４は、第２情報処理装置２００が搭載された航空機（すなわち自機）の複数の飛行経路を生成する（ステップＳ２０２）。

図７は、複数の飛行経路の一例を示す図である。図中Ｇｘは、航空機の目的地である空港が存在するグリッドを表している。例えば、経路生成部２１４は、予め決められた一つの標準的な飛行経路として、現在の航空機の位置から目的地である空港までを繋ぐ一つの飛行経路Ｒ１を生成する。次に、経路生成部２１４は、乱数などを用いて、飛行経路Ｒ１から無作為に飛行経路Ｒ２、Ｒ３といった複数の飛行経路を生成する。なお、経路生成部２１４は、飛行経路Ｒ２やＲ３を生成せずに、単一の飛行経路Ｒ１のみを生成してもよい。

また、経路生成部２１４は、生成モデルデータＤ２によって定義された生成モデルＭＤＬを用いて、航空機の飛行経路を生成してもよい。

図８は、生成モデルＭＤＬの一例を示す図である。図示の例のように、生成モデルＭＤＬは、ある時刻ｔｘにおける観測空間の雷の脅威度を表す脅威度マップＤ１が入力されると、同その時刻ｔｘにおける観測空間上において、航空機が移動すべき飛行経路を出力するように学習されたモデルである。

例えば、経路生成部２１４は、取得部２１２によって取得された脅威度マップＤ１を、学習済み（訓練済み）の生成モデルＭＤＬに入力し、その生成モデルＭＤＬが出力した飛行経路を、現在の観測時刻において航空機が移動すべき移動経路とする。

生成モデルＭＤＬは、脅威度マップＤ１に加えて、他の種類のデータが入力されると、航空機の飛行経路を出力するように学習されてもよい。他の種類のデータは、例えば、雷の発生の有無や雷の発生回数を表すデータであってよい。他の種類のデータは、例えば、機体の損傷度や復旧費用といった被雷した航空機の被害の度合いを表すデータであってもよい。

このような生成モデルＭＤＬは、例えば、ニューラルネットワークやサポートベクターマシン、正則化回帰、ランダムフォレスト、ガウス過程回帰といった様々なモデルによって実装されてよい。以下、一例として、生成モデルＭＤＬがニューラルネットワークによって実装されるものとして説明する。

生成モデルＭＤＬがニューラルネットワークによって実装される場合、生成モデルデータＤ２には、例えば、ニューラルネットワークを構成する複数の層のそれぞれに含まれるユニットが互いにどのように結合されるのかという結合情報や、結合されたユニット間で入出力されるデータに付与される結合係数などの各種情報が含まれる。

結合情報とは、例えば、各層に含まれるユニット数や、各ユニットの結合先のユニットの種類を指定する情報、各ユニットの活性化関数、隠れ層のユニット間に設けられたゲートなどの情報を含む。活性化関数は、例えば、正規化線形関数（ＲｅＬＵ関数）であってもよいし、シグモイド関数や、ステップ関数、その他の関数などであってもよい。ゲートは、例えば、活性化関数によって返される値（例えば１または０）に応じて、ユニット間で伝達されるデータを選択的に通過させたり、重み付けたりする。結合係数は、例えば、ニューラルネットワークの隠れ層において、ある層のユニットから、より深い層のユニットにデータが出力される際に、出力データに対して付与される重みを含む。また、結合係数は、各層の固有のバイアス成分などを含んでもよい。

図６のフローチャートの説明に戻る。次に、経路評価部２１６は、取得部２１２によって取得された脅威度マップＤ１に基づいて、経路生成部２１４によって生成された複数の飛行経路のそれぞれを評価する（ステップＳ２０４）。

例えば、経路評価部２１６は、ある評価関数に基づいて各飛行経路を評価する。評価関数は、例えば、雷の脅威度と、航空機の運用効率とを説明変数とする関数である。航空機の運用効率には、例えば、経路生成部２１４によって生成された飛行経路に沿って航空機が飛行したときに要する移動時間や、経路生成部２１４によって生成された飛行経路に沿って航空機が飛行したときに消費するエネルギー量（燃料の消費量）などが含まれる。つまり、評価関数は、雷の脅威度、移動時間、消費エネルギー量等を説明変数とする関数であってよい。

例えば、評価関数は、飛行経路上に存在するグリッドの雷の脅威度が大きいほど、より小さい評価値を出力したり、航空機の運用効率が低いほど（飛行時間が長いほど、或いはエネルギー消費量が多いほど）、より小さい評価値を出力したりする。反対に、評価関数は、飛行経路上に存在するグリッドの雷の脅威度が小さいほど、より大きい評価値を出力したり、航空機の運用効率が高いほど（飛行時間が短いほど、或いはエネルギー消費量が少ないほど）、より大きい評価値を出力したりする。

例えば、経路評価部２１６は、経路生成部２１４によって生成された複数の飛行経路のうち、評価関数によって返される評価値が大きい飛行経路ほど高く評価し、評価関数によって返される評価値が小さい飛行経路ほど低く評価する。

また、経路評価部２１６は、安全性やコストといった観点から、更に細かく飛行経路を評価してもよい。例えば、経路評価部２１６は、雷の脅威度が低いことで大きな評価値となった飛行経路については、安全性が高い飛行経路であると評価してよい。また、経路評価部２１６は、飛行時間が短かったり、エネルギー消費量が少なかったりすることで大きな評価値となった飛行経路については、コストが低い飛行経路であると評価してよい。

なお、経路生成部２１４が生成モデルＭＤＬを利用して航空機の飛行経路を生成した場合、Ｓ２０４の処理は省略されてもよい。例えば、不特定多数の航空機の過去の飛行履歴データから、被雷しなかった或いは被雷したもののその時間的損失や経済的損失が小さかった飛行履歴データを抽出し、その抽出した飛行履歴データを使用して生成モデルＭＤＬを事前に学習しておくことが考えられる。このような場合、既に生成モデルＭＤＬが評価関数を学習していることが期待される。すなわち、生成モデルＭＤＬが、評価の高い飛行経路のみを生成し得る。そのため、経路評価部２１６は、生成モデルＭＤＬを利用して航空機の飛行経路が生成された場合、飛行経路の評価を省略してもよい。

次に、経路調整部２１８は、経路評価部２１６によって評価された複数の飛行経路のうち最も評価の高い飛行経路を、更に評価関数の評価値が向上するように調整する（ステップＳ２０６）。また、経路調整部２１８は、最も評価の高い飛行経路だけに限られず、経路評価部２１６によって評価された他の飛行経路についても、評価関数の評価値が向上するように調整してもよい。

例えば、経路調整部２１８は、最適化アルゴリズムを利用して、飛行経路の緯度や経度、高度などを調整してよい。最適化アルゴリズムは、例えば、勾配法や遺伝的アルゴリズムなどである。勾配法は、例えば、最急降下法や確率的勾配降下法などであってよい

次に、経路選択部２２０は、経路評価部２１６によって評価された複数の飛行経路（経路調整部２１８によって調整された飛行経路も含む）の評価結果に基づいて、それら複数の飛行経路の中から、最適な飛行経路を選択する（ステップＳ２０８）。例えば、経路選択部２２０は、複数の飛行経路の中で最も評価関数の評価値が大きい飛行経路を、最適な飛行経路として選択してよい。

次に、出力制御部２２２は、経路選択部２２０によって選択された最適な飛行経路を表す情報を、表示部２０４に画像として表示させたり、スピーカ（不図示）に音声として出力させたりする（ステップＳ２１０）。

また、出力制御部２２２は、通信部２０２を介して、空港の第１情報処理装置１００に最適な飛行経路を表す情報を送信してもよい。第１情報処理装置１００の出力制御部１２０は、通信部１０２によって最適な飛行経路を表す情報が受信されると、その情報を表示部１０４に表示されてよい。これによって、空港の管制官などに最適な飛行経路を知らせることができる。

また、出力制御部２２２は、経路選択部２２０の選択対象である複数の飛行経路のそれぞれを表す情報を、表示部２０４に画像として表示させたり、スピーカに音声として出力させたりしてもよい。この際、出力制御部２２２は、各飛行経路に対する経路評価部２１６の評価結果を併せて出力してよい。スピーカは「出力部」の他の例である。

図９は、表示部２０４の画面の一例を示す図である。図示の例のように、出力制御部２２２は、飛行経路Ｒ１、Ｒ２、Ｒ３のそれぞれに対して評価結果を対応付けた画像を表示部２０４に表示させてよい。図示の例では、目的地（グリッドＧｘ）に至るまでに最も飛行距離が長い飛行経路Ｒ１の評価結果は、安全性が中程度のランクであり、コストが高いランクであることを表している。また、飛行経路Ｒ１よりも飛行距離が短い飛行経路Ｒ２の評価結果は、安全性が高いランクであり、コストが中程度のランクであることを表している。また、最も飛行距離が短い飛行経路Ｒ３の評価結果は、安全性が中程度のランクであり、コストが低いランクであることを表している。このように、複数の飛行経路は、安全性やコストといった観点からランキングされてよい。

例えば、図９に例示するような画面が表示部２０４に表示された場合、航空機のパイロットなどが、評価結果を参照するとともに、経験や目視で確認した上空の気象状態などを踏まえて、複数の飛行経路の中から一つの飛行経路を選択する場合がある。つまり、入力部２０６には、飛行経路を選択する操作が入力される場合がある。この場合、経路選択部２２０は、経路評価部２１６の評価結果よりも入力部２０６に対する入力操作を優先的に参照して、複数の飛行経路の中から一つの飛行経路を選択してもよい。

例えば、飛行経路Ｒ１、Ｒ２、Ｒ３の中で最も評価値が高い飛行経路がＲ２であるときに、パイロットが飛行経路Ｒ２ではなく飛行経路Ｒ３を選択したとする。この場合、経路選択部２２０は、最も評価値が高い飛行経路Ｒ２を最適な飛行経路として選択する代わりに、パイロットが選択した飛行経路Ｒ３を最適な飛行経路として選択する。このように、経路選択部２２０は、インタラクティブに最適な飛行経路を選択してもよい。このような操作は、その場の周辺状況から、予め決められた評価関数とは異なる基準で経路選択すべきだと判断できる場合に特に有用である。その場の周辺状況とは、例えば、予め想定していない別の大きなリスクが発生している状況等である。

図６のフローチャートの説明に戻る。次に、飛行制御部２２４は、経路選択部２２０によって選択された最適な飛行経路に基づいて、航空機をオートノマス或いはオートパイロットで飛行させる（ステップＳ２１２）。オートノマスとは、パイロットの操作が介入せずに自動的に航空機を飛行させるモードである。オートパイロットは、パイロットの一部操作を介入しながら自動的に航空機を飛行させるモードである。これによって、本フローチャートの処理が終了する。

［学習装置の構成］
以下、学習装置３００の構成について説明する。学習装置３００は、第１情報処理装置１００と同様に、単一の装置であってもよいし、ネットワークＮＷを介して接続された複数の装置が互いに協働して動作するシステムであってもよい。すなわち、学習装置３００は、分散コンピューティングやクラウドコンピューティングを利用したシステムに含まれる複数のコンピュータ（プロセッサ）によって実装されてもよい。

図１０は、実施形態に係る学習装置３００の構成の一例を示す図である。図示のように、学習装置３００は、例えば、通信部３０２と、制御部３１０と、記憶部３３０とを備える。

通信部３０２は、例えば、ＮＩＣや、受信機及び送信機を含む無線通信モジュールなどを含む。通信部３０２は、ネットワークＮＷを介して、第１情報処理装置１００や第２情報処理装置２００等と通信する。

制御部３１０は、例えば、取得部３１２と、学習部３１４とを備える。制御部３１０の構成要素は、例えば、ＣＰＵやＧＰＵなどのプロセッサが記憶部３３０に格納されたプログラムを実行することにより実現される。また、制御部３１０の構成要素の一部または全部は、ＬＳＩ、ＡＳＩＣ、またはＦＰＧＡなどのハードウェアにより実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。

記憶部３３０は、例えば、ＨＤＤ、フラッシュメモリ、ＥＥＰＲＯＭ、ＲＯＭ、ＲＡＭなどにより実現される。記憶部３３０には、ファームウェアやアプリケーションプログラムなどの各種プログラムが格納される。また、記憶部３３０には、プロセッサによって参照されるプログラムに加えて、上述した生成モデルデータＤ２や教師データＤ３などが格納される。

教師データＤ３は、生成モデルＭＤＬを学習（訓練）するためのデータである。例えば、教師データＤ３は、ある時刻ｔｘにおける観測空間の雷の脅威度を表す脅威度マップＤ１に対して、同じ時刻ｔｘにおける観測空間上において航空機が被雷しなかった飛行経路が教師ラベル（ターゲットともいう）として対応付けられたデータセットである。また、教師データＤ３は、脅威度マップＤ１と、他の種類のデータとの組み合わせに対して、航空機が被雷しなかった飛行経路が教師ラベルとして対応付けられたデータセットであってもよい。他の種類のデータは、上述したように、雷の発生の有無や発生回数、被雷した航空機の被害の度合い等を表すデータである。このような教師データＤ３は、不特定多数の航空機の過去の飛行履歴データから抽出されてよい。

［学習装置の処理フロー］
以下、フローチャートに即して学習装置３００の一連の処理の流れを説明する。図１１は、実施形態に係る学習装置３００の一連の処理の流れの一例を示すフローチャートである。本フローチャートの処理は、例えば、所定の周期で繰り返し行われてよい。また、学習装置３００が、分散コンピューティングやクラウドコンピューティングを利用したシステムに含まれる複数のコンピュータによって実装される場合、本フローチャートの処理の一部または全部は、複数のコンピュータによって並列処理されてよい。

まず、取得部３１２は、記憶部３３０に格納された教師データＤ３から、入力データである脅威度マップＤ１を取得する（ステップＳ３００）。

次に、学習部３１４は、取得部３１２によって取得された脅威度マップＤ１を、未学習の生成モデルＭＤＬに入力する（ステップＳ３０２）。

次に、学習部３１４は、生成モデルＭＤＬによって出力された飛行経路を、生成モデルＭＤＬから取得する（ステップＳ３０４）。

次に、学習部３１４は、生成モデルＭＤＬから取得した飛行経路と、生成モデルＭＤＬに入力した脅威度マップＤ１に教師ラベルとして対応付けられていた飛行経路との差分（損失ともいう）を算出する（ステップＳ３０６）。

次に、学習部３１４は、算出した差分が小さくなるように生成モデルＭＤＬを学習する（ステップＳ３０８）。例えば、学習部３１４は、差分が小さくなるように、生成モデルＭＤＬのパラメータである重み係数やバイアス成分などを確率的勾配降下法などを用いて決定（更新）してよい。

学習部３１４は、学習した生成モデルＭＤＬを記憶部２３０に生成モデルデータＤ２として記憶させる。

このように、学習部３１４は、Ｓ３００からＳ３０８の処理を繰り返し行い（イタレーションを行い）、生成モデルＭＤＬを学習する。そして、学習部３１４は、十分に学習した学習済みの生成モデルＭＤＬを定義した生成モデルデータＤ２を、例えば、通信部３０２を介して第２情報処理装置２００に送信する。これによって本フローチャートの処理が終了する。

以上説明した実施形態によれば、第２情報処理装置２００が、ある観測時刻における観測空間の気象観測データ及び気象予測データの少なくとも一方を基に生成された脅威度マップＤ１を取得する。第２情報処理装置２００は、観測空間上において航空機が飛行すべき複数の飛行経路を生成する。第２情報処理装置２００は、取得した脅威度マップＤ１に基づいて、生成した複数の飛行経路のそれぞれを評価する。第２情報処理装置２００は、複数の飛行経路のそれぞれの評価結果に基づいて、複数の飛行経路の中から最適な飛行経路を選択する。更に、第２情報処理装置２００は、選択した最適な飛行経路を表す情報を、航空機のパイロットや空港の管制官等に提供したり、最適な飛行経路を基に航空機を制御したりする。これによって、航空機の被雷件数を少なくすることができる。この結果、被雷による航空機の時間的損失や経済的損失を低減することができる。

以上、本発明を実施するための形態について実施形態を用いて説明したが、本発明はこうした実施形態に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。

１…情報処理システム、１０…気象観測装置、２０…気象予測装置、１００…第１情報処理装置、１０２…通信部、１０４…表示部、１１０…制御部、１１２…取得部、１１４…導出部、１１６…予測部、１１８…マップ生成部、１２０…出力制御部、１３０…記憶部、２００…第２情報処理装置、２０２…通信部、２０４…表示部、２０６…入力部、２１０…制御部、２１２…取得部、２１４…経路生成部、２１６…経路評価部、２１８…経路調整部、２２０…経路選択部、２２２…出力制御部、２２４…飛行制御部、３００…学習装置、３０２…通信部、３１０…制御部、３１２…取得部、３１４…学習部、３３０…記憶部

Claims (11)

1. ある観測時刻に観測された対象空間の気象を表す気象観測データと、気象予測モデルにより前記観測時刻の前記気象観測データから予測された前記観測時刻よりも将来の時刻の前記対象空間の気象を表す気象予測データとの少なくとも一方を基に導出された脅威度であって、前記観測時刻または前記観測時刻よりも将来の時刻の前記対象空間の雷の脅威度を示す脅威度情報を取得する取得部と、
   前記対象空間上において移動体が移動すべき複数の経路を生成する生成部と、
   前記取得部によって取得された前記脅威度情報に基づいて、前記生成部により生成された前記複数の経路のそれぞれを評価する評価部と、
   前記評価部による評価結果に基づいて、前記複数の経路の中から一つの経路を選択する選択部と、を備え、
   前記生成部は、ある対象時刻における前記対象空間の雷の脅威度を示す脅威度情報に対して、前記対象時刻における前記対象空間上において前記移動体が移動すべき経路が対応付けられた教師データに基づいて学習された機械学習モデルである学習済みモデルに、前記取得部によって取得された前記脅威度情報を入力し、前記脅威度情報が入力された前記学習済みモデルの出力結果に基づいて、前記観測時刻の前記対象空間上において前記移動体が移動すべき複数の経路を生成し、
   前記対象空間は、複数のグリッドによって区切られており、
   前記脅威度情報は、前記複数のグリッドのそれぞれに対応付けられた雷の脅威度が所定の画素値に置き換えられた画像データである脅威度マップであり、
   前記教師データは、少なくとも前記対象時刻における前記脅威度マップに対して、前記対象時刻における前記対象空間上において前記移動体が被雷しなかった経路が対応付けられたデータセットである、
   情報処理装置。
2. 前記評価部は、前記脅威度と、前記移動体の運用効率とのそれぞれを説明変数とする評価関数に基づいて、前記複数の経路のそれぞれを評価する、
   請求項１に記載の情報処理装置。
3. 前記評価関数は、前記脅威度が大きいほど、又は前記移動体の運用効率が低いほど、前記経路を低く評価し、前記脅威度が小さいほど、又は前記移動体の運用効率が高いほど、前記経路を高く評価する関数である、
   請求項２に記載の情報処理装置。
4. 前記移動体の運用効率には、前記経路に沿って前記移動体が移動したときに要する移動時間と、前記経路に沿って前記移動体が移動したときに消費するエネルギー量とが含まれる、
   請求項２又は３に記載の情報処理装置。
5. 前記選択部によって選択された前記経路に基づいて、前記移動体の移動を制御する移動制御部を更に備える、
   請求項１から４のうちいずれか一項に記載の情報処理装置。
6. 情報を出力する出力部と、
   前記選択部によって選択された前記経路を表す情報を、前記出力部に出力させる出力制御部と、を更に備える、
   請求項１から５のうちいずれか一項に記載の情報処理装置。
7. ユーザの入力操作が入力される入力部を更に備え、
   前記出力制御部は、前記評価部によって評価された前記複数の経路のそれぞれを表す情報を、前記出力部に出力させ、
   前記選択部は、前記出力部によって前記複数の経路のそれぞれを表す情報が出力された後に、前記入力部に対して、前記複数の経路のうちいずれか一つを選択する操作が入力された場合、前記評価部の評価結果よりも前記入力部に対する入力操作を優先的に参照して、前記複数の経路の中から一つの経路を選択する、
   請求項６に記載の情報処理装置。
8. 前記出力制御部は、各経路に対して前記評価部の評価結果が対応付けられた情報を、前記出力部に出力させる、
   請求項７に記載の情報処理装置。
9. ある観測時刻に観測された対象空間の気象を表す気象観測データと、気象予測モデルにより前記観測時刻の前記気象観測データから予測された前記観測時刻よりも将来の時刻の前記対象空間の気象を表す気象予測データとの少なくとも一方を基に導出された脅威度であって、前記観測時刻または前記観測時刻よりも将来の時刻の前記対象空間の雷の脅威度を示す脅威度情報を取得する取得部と、
   ある対象時刻における前記対象空間の雷の脅威度を示す脅威度情報に対して、前記対象時刻における前記対象空間上において移動体が移動すべき経路が対応付けられた教師データに基づいて学習された機械学習モデルである学習済みモデルに、前記取得部によって取得された前記脅威度情報を入力し、前記脅威度情報が入力された前記学習済みモデルの出力結果に基づいて、前記観測時刻の前記対象空間上において前記移動体が移動すべき経路を生成する生成部と、を備え、
   前記対象空間は、複数のグリッドによって区切られており、
   前記脅威度情報は、前記複数のグリッドのそれぞれに対応付けられた雷の脅威度が所定の画素値に置き換えられた画像データである脅威度マップであり、
   前記教師データは、少なくとも前記対象時刻における前記脅威度マップに対して、前記対象時刻における前記対象空間上において前記移動体が被雷しなかった経路が対応付けられたデータセットである、
   情報処理装置。
10. コンピュータが、
    ある観測時刻に観測された対象空間の気象を表す気象観測データと、気象予測モデルにより前記観測時刻の前記気象観測データから予測された前記観測時刻よりも将来の時刻の前記対象空間の気象を表す気象予測データとの少なくとも一方を基に導出された脅威度であって、前記観測時刻または前記観測時刻よりも将来の時刻の前記対象空間の雷の脅威度を示す脅威度情報を取得し、
    前記対象空間上において移動体が移動すべき複数の経路を生成し、
    取得した前記脅威度情報に基づいて、生成した前記複数の経路のそれぞれを評価し、
    前記複数の経路のそれぞれの評価結果に基づいて、前記複数の経路の中から一つの経路を選択し、
    ある対象時刻における前記対象空間の雷の脅威度を示す脅威度情報に対して、前記対象時刻における前記対象空間上において前記移動体が移動すべき経路が対応付けられた教師データに基づいて学習された機械学習モデルである学習済みモデルに、取得した前記脅威度情報を入力し、
    前記脅威度情報が入力された前記学習済みモデルの出力結果に基づいて、前記観測時刻の前記対象空間上において前記移動体が移動すべき複数の経路を生成し、
    前記対象空間は、複数のグリッドによって区切られており、
    前記脅威度情報は、前記複数のグリッドのそれぞれに対応付けられた雷の脅威度が所定の画素値に置き換えられた画像データである脅威度マップであり、
    前記教師データは、少なくとも前記対象時刻における前記脅威度マップに対して、前記対象時刻における前記対象空間上において前記移動体が被雷しなかった経路が対応付けられたデータセットである、
    情報処理方法。
11. コンピュータに実行させるためのプログラムであって、
    ある観測時刻に観測された対象空間の気象を表す気象観測データと、気象予測モデルにより前記観測時刻の前記気象観測データから予測された前記観測時刻よりも将来の時刻の前記対象空間の気象を表す気象予測データとの少なくとも一方を基に導出された脅威度であって、前記観測時刻または前記観測時刻よりも将来の時刻の前記対象空間の雷の脅威度を示す脅威度情報を取得すること、
    前記対象空間上において移動体が移動すべき複数の経路を生成すること、
    取得した前記脅威度情報に基づいて、生成した前記複数の経路のそれぞれを評価すること、
    前記複数の経路のそれぞれの評価結果に基づいて、前記複数の経路の中から一つの経路を選択すること、
    ある対象時刻における前記対象空間の雷の脅威度を示す脅威度情報に対して、前記対象時刻における前記対象空間上において前記移動体が移動すべき経路が対応付けられた教師データに基づいて学習された機械学習モデルである学習済みモデルに、取得した前記脅威度情報を入力すること、
    前記脅威度情報が入力された前記学習済みモデルの出力結果に基づいて、前記観測時刻の前記対象空間上において前記移動体が移動すべき複数の経路を生成すること、を含み、
    前記対象空間は、複数のグリッドによって区切られており、
    前記脅威度情報は、前記複数のグリッドのそれぞれに対応付けられた雷の脅威度が所定の画素値に置き換えられた画像データである脅威度マップであり、
    前記教師データは、少なくとも前記対象時刻における前記脅威度マップに対して、前記対象時刻における前記対象空間上において前記移動体が被雷しなかった経路が対応付けられたデータセットである、
    プログラム。

Images