JP2016162270A - 接近検出装置及び接近検出方法 - Google Patents

Abstract

【課題】移動体に関わる状況が変化しても、移動体の不要な接近回避行動の発生及び移動体の安全性の低下を防止する。【解決手段】移動体の軌道の予測誤差分布の算出式を示す情報を格納する調整情報データベース１４と、移動体の軌道予測結果から、当該移動体の軌道の予測誤差分布の算出式を導出する算出式導出部１５と、算出式導出部１５により導出された算出式のパラメータと調整情報データベース１４に格納された該当する算出式のパラメータとに差がある場合に、当該調整情報データベース１４に格納された算出式のパラメータを調整値により調整する算出式調整部１６と、軌道予測結果と調整情報データベース１４に格納された予測誤差分布の算出式とを用いて、移動体間の接近確率を算出する接近検出部１７とを備えた。【選択図】図１

Description

この発明は、移動体（例えば、船、飛行機等）の交通を制御する際に、複数の移動体間の接近を検出する接近検出装置及び接近検出方法に関するものである。

移動体の予測軌道を示す軌道予測値を用いて、複数の移動体間の間隔が所定値以下になる時刻を検出する接近検出装置がある。しかしながら、この軌道予測値には誤差が含まれているため、軌道予測値を用いるだけでは、複数の移動体間の間隔が所定値以下になる時刻を高精度に検出することが困難である。
そこで、移動体間の間隔が所定値以下になる時刻を検出するだけでなく、軌道の予測誤差を考慮した接近確率を算出する接近検出装置が開発されている（例えば非特許文献１を参照）。

非特許文献１に開示されている接近検出装置では、各移動体の軌道の予測誤差を正規分布でモデル化し、予測誤差分布の標準偏差が予測時刻の経過に伴い一定（図１０（ａ））又は増加（図１０（ｂ））するものと定義している。なお図１０において、符号１００１は予測時刻ｔにおける移動体の予測位置を示し、符号１００２はその予測誤差分布を示している。そして、複数の移動体の軌道の予測誤差の確率分布の重なりを積分することで、複数の移動体間の接近確率を算出するようにしている。
ここで、予測誤差をモデル化する正規分布の標準偏差の算出式は、過去にレーダ装置等から取得された移動体の軌道を示す軌道観測値の集合について、予測誤差の発生状況を解析することで設定される。

Heinz Erzberger著、「Conflict Detection and Resolution In the Presence of Prediction Error」、1st USA /Europe Air Traffic Management R&D Seminar、1997

従来の接近検出装置は以上のように構成されているので、移動体の予測誤差分布の算出式を設定した後、移動体に関わる状況が変化しても（例えば、移動体の位置、速度の変化、気象の変化、交通量の変化等）、移動体の予測誤差分布の算出式を調整することがない。このため、予測誤差分布の算出結果が大き過ぎてしまう場合又は小さ過ぎてしまう場合が生じる。そして、予測誤差分布が大き過ぎてしまう場合には、移動体の不要な接近回避行動が発生し、予測誤差分布が小さ過ぎてしまう場合には、移動体の安全性の低下を招いてしまう課題があった。
なお、追尾装置から提供される予測誤差共分散を予測誤差分布の設定値として利用する方法が考えられるが、この方法では、予測誤差分布の急激な変更又は不安定な変更が発生してしまう可能性がある。

この発明は、上記のような課題を解決するためになされたもので、移動体に関わる状況が変化しても、移動体の不要な接近回避行動の発生及び移動体の安全性の低下を防止することができる接近検出装置及び接近検出方法を提供することを目的としている。

この発明に係る接近検出装置は、移動体の軌道の予測誤差分布の算出式を示す情報を格納するデータベースと、移動体の軌道予測結果から、当該移動体の軌道の予測誤差分布の算出式を導出する算出式導出部と、算出式導出部により導出された算出式のパラメータとデータベースに格納された該当する算出式のパラメータとに差がある場合に、当該データベースに格納された算出式のパラメータを調整値により調整する算出式調整部と、軌道予測結果とデータベースに格納された予測誤差分布の算出式とを用いて、移動体間の接近確率を算出する接近検出部とを備えたものである。

この発明によれば、上記のように構成したので、移動体に関わる状況が変化しても、移動体の不要な接近回避行動の発生及び移動体の安全性の低下を防止することができる。

この発明の実施の形態１に係る接近検出装置の構成を示す図である。 この発明の実施の形態１に係る接近検出装置のハードウェア構成例を示す図である。 この発明の実施の形態１に係る接近検出装置の動作を示すフローチャートである。 この発明の実施の形態１における算出式導出部による予測誤差分布の算出式の導出処理を示すフローチャートである。 この発明の実施の形態１における算出式導出部による予測誤差分布の算出式の導出方法を説明する図である。 この発明の実施の形態１における算出式調整部による予測誤差分布の算出式の調整処理を示すフローチャートである。 この発明の実施の形態１における算出式調整部による調整感度パラメータの設定処理を示すフローチャートである。 この発明の実施の形態１における算出式調整部による調整感度パラメータの設定方法を説明する図である。 この発明の実施の形態２における算出式導出部による予測誤差分布の算出式の導出処理を示すフローチャートである。 移動体の軌道の予測誤差を正規分布でモデル化したイメージを示す図であり、（ａ）予測時刻に関わらず予測誤差が一定の場合を示す図であり、（ｂ）予測時刻の経過に伴い予測誤差が増加する場合を示す図である。

以下、この発明の実施の形態について図面を参照しながら詳細に説明する。
実施の形態１．
図１はこの発明の実施の形態１に係る接近検出装置１の構成を示す図である。
接近検出装置１は、図１に示すように、初期算出式データベース１１、軌道観測情報データベース１２、移動環境データベース１３、調整情報データベース１４、算出式導出部１５、算出式調整部１６及び接近検出部１７を備えている。なお、移動環境データベース１３は必須の構成ではなく省略してもよい。
また、接近検出装置１には、外部装置である軌道予測装置２が接続されている。この軌道予測装置２は、接近検出装置１から送られた移動体の軌道を示す軌道観測情報に基づいて、当該移動体の軌道予測（軌道予測値の算出）を行うものである。この軌道予測装置２は、例えば、移動体の位置、速度をカルマンフィルタ等に入力することで、一定時間後の移動体の位置、速度を予測する公知の軌道予測装置である。なお図１の例では、軌道予測装置２が接近検出装置１の外部に設けられているが、接近検出装置１の内部に設けられていてもよい。

初期算出式データベース１１は、移動体に関する分類毎に、移動体の軌道に対する初期の予測誤差分布の算出式（以下、予測誤差分布の初期算出式と称す）を示す情報を格納するものである。以下、予測誤差分布の初期算出式について説明する。

初期算出式データベース１１では、予測誤差分布の初期算出式として、例えば、予測誤差分布を正規分布でモデル化し、その予測誤差分布の主軸毎の標準偏差に関する算出式を格納する。ここで、予測誤差分布の主軸は、例えば、移動体が船の場合には横方向及び進行方向の２次元となり、移動体が航空機の場合には横方向、進行方向及び高度方向の３次元となることが考えられる。

また、予測誤差分布の標準偏差の算出式は、例えば、標準偏差が予測時刻の経過に伴いどのように増加するかを定義した式とすることが考えられる。この定義式の例として、標準偏差σ（ΔＴｐ）が予測時刻ΔＴｐの経過に伴い線形増加する場合の式（１）を示す。
σ（ΔＴｐ）＝ＡΔＴｐ＋Ｂ （１）
ここで、傾きＡ及び切片Ｂはパラメータであり、移動体に関する過去に観測された軌道情報を用いて予測誤差の発生状況を解析することで設定される。なお、Ａ＝０とした場合には、標準偏差は予測時刻に関わらず一定であることを意味する。

なお、式（１）では標準偏差が予測時刻の経過に伴い線形増加する場合を示したが、これに限るものではなく、曲線状（指数関数又は２次関数等）に増加することも考えられる。

以後、予測誤差分布を２次元の正規分布でモデル化した場合を例に説明する。この正規分布において、主軸は横方向がＸ軸、進行方向がＹ軸であるとし、標準偏差の算出式はそれぞれ下式（２），（３）であるとする。
σ_Ｘ（ΔＴｐ）＝Ａ_ＸΔＴｐ＋Ｂ_Ｘ （２）
σ_Ｙ（ΔＴｐ）＝Ａ_ＹΔＴｐ＋Ｂ_Ｙ （３）

また、予測誤差分布の初期算出式は、移動体の種別、移動フェーズ、移動環境等の移動体に関する分類に応じて、異なる算出式が設定される。
この分類の項目としては、移動体の種別については、例えば、移動体が船の場合には、大型船、小型船、高速船等が挙げられる。また、移動体が航空機の場合には、大型機、中型機、小型機等が挙げられる。
また、移動フェーズについては、例えば、移動体が船の場合には、陸地付近、遠洋等が挙げられる。また、移動体が航空機の場合には、上昇、巡航、降下等が挙げられる。
また、移動環境については、交通量に関しては、多い、少ない等が挙げられる。また、天候に関しては、晴れ、くもり、雨、霧、雨量、風速等が挙げられる。また、移動体が船の場合には、潮流、海流の速さ等が挙げられる。

また、初期算出式データベース１１では、予測誤差分布の初期算出式の設定に用いた過去に観測された軌道情報について、その軌道情報が観測された過去の移動環境情報も格納する。
この過去の移動環境情報としては、例えば、交通量に関しては、交通量の平均値等を示す情報が挙げられる。また、天候に関しては、雨量の平均値、風速の平均値等を示す情報が挙げられる。また、移動体が船の場合には、潮流、海流の流れの速さの平均値等を示す情報が挙げられる。

軌道観測情報データベース１２は、図示しないレーダ装置又は通信装置等から移動体の軌道を示す軌道観測情報を取得して格納するものである。この軌道観測情報には、例えば、移動体ＩＤ、観測時刻、位置、速度等を示す情報が含まれる。

移動環境データベース１３は、移動体の現在の移動環境に関する情報（以下、現在の移動環境情報）を格納するものである。
この現在の移動環境情報としては、例えば、交通量に関しては、特定の領域に存在する移動体の数等を示す情報が挙げられる。また、スケジュールの確定状況に関しては、交通管制官と移動体の操縦者の間で、目的地又は次の経由点への到達時刻が確定されているか否か等を示す情報が挙げられる。また、天候に関しては、晴れ、くもり、雨、霧等を示す情報が挙げられる。また、気象に関しては、雨量、風速等を示す情報が挙げられる。また、移動体が船の場合には、潮流、海流の速さ等を示す情報が挙げられる。

調整情報データベース１４は、移動体の軌道に対する予測誤差分布の算出式のパラメータを調整するための各種情報を格納するものである。この調整情報データベース１４が格納する情報には、予測誤差分布の初期算出式の分類、予測誤差分布の算出式、算出式導出部１５で導出された予測誤差分布の算出式の履歴及びその際に用いた軌道観測情報の総データ数、予測誤差分布の算出式のパラメータを調整するための調整感度パラメータ（調整値）を示す情報が含まれる。

算出式導出部１５は、移動体の軌道予測結果から、当該移動体の軌道に対する予測誤差分布の発生状況を解析し、当該移動体の軌道に対する予測誤差分布の算出式を導出するものである。この際、算出式導出部１５は、軌道観測情報データベース１２に格納された軌道観測情報を軌道予測装置２に送ることで、その軌道予測結果を受取り、予測誤差分布の算出式の導出に用いる。また、算出式導出部１５による処理は、軌道観測情報データベース１２に新たな軌道観測情報が格納される度に実施される。

算出式調整部１６は、算出式導出部１５により導出された予測誤差分布の算出式のパラメータと、調整情報データベース１４に格納された該当する予測誤差分布の算出式のパラメータとに差がある場合に、当該調整情報データベース１４に格納された予測誤差分布の算出式のパラメータを調整感度パラメータにより調整するものである。また、算出式調整部１６では、調整感度パラメータの設定も行う。

接近検出部１７は、移動体の軌道予測結果と、調整情報データベース１４に格納された予測誤差分布の算出式とを用いて、移動体間の接近確率を算出するものである。この際、接近検出部１７は、軌道観測情報データベース１２に格納された軌道観測情報を軌道予測装置２に送ることで、その軌道予測結果を受取り、接近確率の算出に用いる。

次に、上記のように構成された接近検出装置１を実現するためのハードウェア構成の一例を、図２を参照しながら説明する。
接近検出装置１のハードウェア構成は、例えば図２に示すように、プロセッサ５１及びメモリ５２から構成されている。

この図２において、図１に示す初期算出式データベース１１、軌道観測情報データベース１２、移動環境データベース１３及び調整情報データベース１４は、メモリ５２で実現される。また、図１に示す算出式導出部１５、算出式調整部１６及び接近検出部１７は、メモリ５２に記憶されたプログラムを実行するプロセッサ５１により実現される。また、複数のプロセッサ５１及び複数のメモリ５２が連携して上記機能を実行してもよい。

次に、上記のように構成された接近検出装置１の動作について、図３を参照しながら説明する。
接近検出装置１の動作では、図３に示すように、まず、算出式導出部１５は、軌道観測情報データベース１２に新たな軌道観測情報が格納される度に、この軌道観測情報を軌道予測装置２に送ることで移動体の軌道予測結果を受取り、当該移動体の軌道に対する予測誤差分布の発生状況を解析し、当該移動体の軌道に対する予測誤差分布の算出式を導出する（ステップＳＴ３０１、算出式導出ステップ）。

次いで、算出式調整部１６は、算出式導出部１５により導出された予測誤差分布の算出式のパラメータと、調整情報データベース１４に格納された該当する予測誤差分布の算出式のパラメータとに差がある場合に、当該調整情報データベース１４に格納された予測誤差分布の算出式のパラメータを調整感度パラメータにより調整する（ステップＳＴ３０２、算出式調整ステップ）。

次いで、接近検出部１７は、軌道観測情報データベース１２に新たに格納された軌道観測情報を軌道予測装置２に送ることで移動体の軌道予測結果を受取り、この軌道予測結果と調整情報データベース１４に格納された予測誤差分布の算出式とを用いて、移動体間の接近確率を算出する（ステップＳＴ３０３、接近検出ステップ）。この際、接近検出部１７は、例えば、移動体間の軌道の予測誤差分布の重なりを積分することで接近確率を算出する。この接近検出部１７により算出された移動体間の接近確率を示す情報は外部に出力される。

次に、算出式導出部１５による予測誤差分布の算出式の導出処理について、図４，５を参照しながら説明する。
算出式導出部１５による予測誤差分布の算出式の導出処理では、まず、軌道観測情報データベース１２に格納された新規の軌道観測情報が、新規の移動体に関する情報であるかを判断する（ステップＳＴ４０１）。すなわち、新規の軌道観測情報が、調整情報データベース１４に登録されていない移動体に関する情報であるかを判断する。

このステップＳＴ４０１において、軌道観測情報が新規の移動体に関する情報であると判断した場合には、当該新規の移動体の軌道に対する予測誤差分布の算出式及び分類を示す情報を調整情報データベース１４に格納させる（ステップＳＴ４０２）。具体的には、初期算出式データベース１１から新規の移動体に対応する分類の予測誤差分布の初期算出式を抽出し、これを予測誤差分布の算出式として分類を示す情報とともに調整情報データベース１４に格納させる。
また、算出式調整部１６に対して、この予測誤差分布の算出式に対する調整処理が不要であることを通知する（ステップＳＴ４０３）。

一方、ステップＳＴ４０１において、軌道観測情報が新規の移動体に関する情報ではないと判断した場合には、ステップＳＴ４０２，４０３の処理はスキップされてシーケンスはステップＳＴ４０４へ進む。

次いで、新規の軌道観測情報が既に調整情報データベース１４に登録された移動体に関する情報であり、且つ、軌道観測情報データベース１２に格納された軌道観測情報のデータ数が閾値Ｎ１未満であるかを判断する（ステップＳＴ４０４）。

このステップＳＴ４０４において、新規の軌道観測情報が既に調整情報データベース１４に登録された移動体に関する情報であり、且つ、軌道観測情報データベース１２に格納された軌道観測情報のデータ数が閾値Ｎ１未満であると判断した場合には、この移動体に対応する予測誤差分布の算出式に対する調整処理が不要であることを通知する（ステップＳＴ４０５）。
一方、ステップＳＴ４０４の条件を満たさない場合には、ステップＳＴ４０５の処理はスキップされてシーケンスはステップＳＴ４０６へ進む。

次いで、異なる予測開始時刻において、所定時間ΔＴ分の軌道予測結果をそれぞれ取得する（ステップＳＴ４０６）。この際、まず、軌道観測情報データベース１２から、所定時間ΔＴ分の軌道観測情報を抽出する（図５の上段参照）。ここで、抽出した軌道観測情報に含まれる観測位置Ｄ_Ｒは下式（４）で表すことができる。
Ｄ_Ｒ＝{Ｄ_Ｒｉ＝（Ｘ_Ｒｉ，Ｙ_Ｒｉ）；ｉ＝１，２，...，ＮＤ} （４）
なお、ＮＤは軌道観測情報のデータ数である。
そして、外部装置である軌道予測装置２に観測位置Ｄ_Ｒを与え、所定時間帯ΔＴ分の移動体の軌道予測結果を取得する。ここで、取得した軌道予測結果Ｄ_Ｐは下式（５）で表すことができる。
Ｄ_Ｐ＝{Ｄ_Ｐｉ＝（Ｘ_Ｐｉ，Ｙ_Ｐｉ）；ｉ＝１，２，...，ＮＤ} （５）

次いで、取得した軌道予測結果Ｄ_Ｐから、移動体の軌道に対する予測誤差の集合を算出し、予測時刻毎の予測誤差を抽出する（ステップＳＴ４０７）。ここで、予測誤差の集合Ｅ_Ｐは下式（６）で表すことができる。
Ｅ_Ｐ＝{Ｅ_Ｐｉ＝（Ｅ_Ｐｉ＿Ｘ＝Ｘ_Ｒｉ−Ｘ_Ｐｉ，Ｅ_Ｐｉ＿Ｙ＝Ｙ_Ｒｉ−Ｙ_Ｐｉ）；ｉ＝１，２，...，ＮＰ} （６）
なお、Ｅ_Ｐｉは予測時刻毎の予測誤差である。

次いで、図５の下段に示すように、各予測時刻の予測誤差Ｅ_Ｐｉの集合について、標準偏差σ_Ｅｐｉ＝（σ_{Ｅｐｉ＿Ｘ}，σ_{Ｅｐｉ＿Ｙ}）を算出する（ステップＳＴ４０８）。

次いで、算出した標準偏差σ_{Ｅｐ１＿Ｘ}，σ_{Ｅｐ２＿Ｘ}，・・・，σ_{ＥｐＮＤ＿Ｘ}について近似直線を求め、傾きＡ_ＥＰ＿Ｘ及び切片Ｂ_ＥＰ＿Ｘを算出する（ステップＳＴ４０９）。この際、傾きＡ_ＥＰ＿Ｘ及び切片Ｂ_ＥＰ＿Ｘは０以上とする。また、近似直線は、例えば最小二乗法等により求める。そして、これにより得られた近似直線の算出式を予測誤差分布の算出式とする。ここで、近似直線の算出式（予測誤差分布の算出式）は、下式（７），（８）で表すことができる。
σ_ＥＰ＿Ｘ（ΔＴｐ）＝Ａ_ＥＰ＿ＸΔＴｐ＋Ｂ_ＥＰ＿Ｘ （７）
σ_ＥＰ＿Ｙ（ΔＴｐ）＝Ａ_ＥＰ＿ＹΔＴｐ＋Ｂ_ＥＰ＿Ｙ （８）

次いで、導出した予測誤差分布の算出式と、その算出式の導出に用いた軌道観測情報の総データ数ＮＰとを示す情報を、調整情報データベース１４に格納させる（ステップＳＴ４１０）。なお、上記軌道観測情報の総データ数ＮＰは、所定時間ΔＴ分の軌道予測結果を取得するのに用いる軌道観測情報のデータ数ＮＤに、所定時間ΔＴ分の軌道予測結果の算出数を加えた値として算出する。

次に、算出式調整部１６による予測誤差分布の算出式の調整処理について、図６を参照しながら説明する。
算出式調整部１６による予測誤差分布の算出式の調整処理では、図６に示すように、まず、算出式導出部１５から調整処理が不要であることが通知されたかを判断する（ステップＳＴ６０１）。このステップＳＴ６０１において、調整処理が不要であることが通知されたと判断した場合には、シーケンスは終了する。

一方、ステップＳＴ６０１において、調整処理が不要であることが通知されていないと判断した場合には、算出式導出部１５により導出された予測誤差分布の算出式のパラメータと、調整情報データベース１４に格納された該当する予測誤差分布の算出式のパラメータとの差を算出する（ステップＳＴ６０２）。すなわち、下式（９）〜（１２）を算出する。
ΔＡ_Ｘ＝Ａ_Ｃ＿Ｘ−Ａ_ＥＰ＿Ｘ （９）
ΔＢ_Ｘ＝Ｂ_Ｃ＿Ｘ−Ｂ_ＥＰ＿Ｘ （１０）
ΔＡ_Ｙ＝Ａ_Ｃ＿Ｙ−Ａ_ＥＰ＿Ｙ （１１）
ΔＢ_Ｙ＝Ｂ_Ｃ＿Ｙ−Ｂ_ＥＰ＿Ｙ （１２）
なお、傾きＡ_Ｃ＿Ｘ及び切片Ｂ_Ｃ＿Ｘは調整情報データベース１４に格納された予測誤差分布の算出式のパラメータ（横方向）であり、傾きＡ_Ｃ＿Ｙ及び切片Ｂ_Ｃ＿Ｙは調整情報データベース１４に格納された予測誤差分布の算出式のパラメータ（進行方向）である。

次いで、算出式のパラメータに差がある場合に、調整情報データベース１４に格納された算出式のパラメータを調整感度パラメータにより調整する（ステップＳＴ６０３）。ここで、傾きＡ_Ｃ＿Ｘの調整については、ΔＡ_Ｘ＞０の場合にはＡ_Ｃ＿Ｘ＝Ａ_Ｃ＿Ｘ−α_Ｘとし、ΔＡ_Ｘ＜０の場合にはＡ_Ｃ＿Ｘ＝Ａ_Ｃ＿Ｘ＋α_Ｘとする。また、切片Ｂ_Ｃ＿Ｘの調整については、ΔＢ_Ｘ＞０の場合にはＢ_Ｃ＿Ｘ＝Ｂ_Ｃ＿Ｘ−β_Ｘとし、ΔＢ_Ｘ＜０の場合にはＢ_Ｃ＿Ｘ＝Ｂ_Ｃ＿Ｘ＋β_Ｘとする。同様に、傾きＡ_Ｃ＿Ｙの調整については、ΔＡ_Ｙ＞０の場合にはＡ_Ｃ＿Ｙ＝Ａ_Ｃ＿Ｙ−α_Ｙとし、ΔＡ_Ｙ＜０の場合にはＡ_Ｃ＿Ｙ＝Ａ_Ｃ＿Ｙ＋α_Ｙとする。また、切片Ｂ_Ｃ＿Ｙの調整については、ΔＢ_Ｙ＞０の場合にはＢ_Ｃ＿Ｙ＝Ｂ_Ｃ＿Ｙ−β_Ｙとし、ΔＢ_Ｙ＜０の場合はＢ_Ｃ＿Ｙ＝Ｂ_Ｃ＿Ｙ＋β_Ｙとする。

なお、α_Ｘは予測誤差分布の算出式の傾きＡ_Ｃ＿Ｘに対する調整感度パラメータ（横方向用）であり、β_Ｘは予測誤差分布の算出式の切片Ｂ_Ｃ＿Ｘに対する調整感度パラメータ（横方向用）である。同様に、α_Ｙは予測誤差分布の算出式の傾きＡ_Ｃ＿Ｙに対する調整感度パラメータ（進行方向用）であり、β_Ｙは予測誤差分布の算出式の切片Ｂ_Ｃ＿Ｙに対する調整感度パラメータ（進行方向用）である。
そして、本願発明では、予測誤差分布の算出式の調整処理において、不安定な調整又は急激な調整とならないように、新規の軌道観測情報が得られる度に、調整感度パラメータずつ徐々に予測誤差分布の算出式のパラメータの値を変更する。

この調整感度パラメータは、算出式調整部１６により、算出式導出部１５で導出された予測誤差分布の算出式のパラメータ（Ａ_ＥＰ＿Ｘ，Ｂ_ＥＰ＿Ｘ，Ａ_ＥＰ＿Ｙ，Ｂ_ＥＰ＿Ｙ）の安定性と、移動環境情報に応じて設定される。
ここで、算出式調整部１６は、算出式導出部１５で導出された予測誤差分布の算出式のパラメータが不安定であると判断した場合には、調整感度パラメータの値を小さく設定する。
一方、算出式調整部１６は、算出式導出部１５で導出された予測誤差分布の算出式のパラメータが安定していると判断した場合には、不安定である場合よりも調整感度パラメータの値を大きく設定する。またこの際、予測誤差分布の算出式の調整方向が移動環境情報と一致している場合には、さらに調整感度パラメータの値を大きく設定する。

以下、算出式調整部１６での調整感度パラメータの設定方法について、図７，８を参照しながら説明する。以下では、切片Ｂ_Ｃ＿Ｘの調整感度パラメータβ_Ｘの設定方法を例に説明する。

算出式調整部１６による調整感度パラメータの設定処理では、図７に示すように、まず、調整情報データベース１４を参照して、算出式導出部１５で予測誤差分布の算出式を導出する際に用いられた軌道観測情報の総データ数ＮＰが閾値Ｎ２未満であるかを判断する（ステップＳＴ７０１）。なお、閾値Ｎ２＞閾値Ｎ１とする。

また、調整情報データベース１４に格納された予測誤差分布の算出式の切片Ｂ_ＥＰ＿Ｘの履歴の集合の分散が大きいかを判断する（ステップＳＴ７０２）。この際、例えば、過去所定回数分の算出式の切片Ｂ_ＥＰ＿Ｘのうちの最小値又は最大値を、最新の切片Ｂ_ＥＰ＿Ｘが更新する場合に、分散が大きいと判断してもよい（判断条件１０１−１）。また、過去所定回数分の算出式の切片Ｂ_ＥＰ＿Ｘの集合の分散よりも、過去所定回数分の算出式の切片Ｂ_ＥＰ＿Ｘと最新の切片Ｂ_ＥＰ＿Ｘとの集合による分散が大きい場合に、分散が大きいと判断してもよい（判断条件１０１−２）。また、過去所定回数分の算出式の切片Ｂ_ＥＰ＿Ｘと最新の切片Ｂ_ＥＰ＿Ｘとの集合による分散が閾値σ_Ｔｈよりも大きい場合に、分散が大きいと判断してもよい（判断条件１０１−３）。また、上記判断条件１０１−１〜１０１−３を複数組み合わせて判断してもよい。

ここで、ステップＳＴ７０１において総データ数ＮＰが閾値Ｎ２未満であると判断した場合、又は、ステップＳＴ７０２において予測誤差分布の算出式の切片Ｂ_ＥＰ＿Ｘの履歴の集合の分散が大きいと判断した場合には、予測誤差分布の算出式の切片Ｂ_ＥＰ＿Ｘが不安定であると判断し、調整感度パラメータβ_Ｘの値を小さく設定する（ステップＳＴ７０３）。この際、図８の上段に示すように、例えばβ_Ｘ＝|ΔＢ_Ｘ|×Ｃ_１とする（０＜Ｃ_１＜１）。

一方、ステップＳＴ７０１，７０２において総データ数ＮＰが閾値Ｎ２以上であり、且つ、予測誤差分布の算出式の切片Ｂ_ＥＰ＿Ｘの履歴の集合の分散が大きくないと判断した場合には、予測誤差分布の算出式の切片Ｂ_ＥＰ＿Ｘは安定していると判断し、シーケンスはステップＳＴ７０４へ進む。

次いで、予測誤差分布の算出式の調整方向が移動環境情報と一致しているかを判断する（ステップＳＴ７０４）。この際、例えば、移動環境の天候が悪く、且つ、予測誤差分布の算出式の調整方向が切片Ｂ_Ｃ＿Ｘを大きくする方向である場合に、上記調整方向と移動環境情報が一致していると判断してもよい（判断条件１０２−１）。ここで、天候が悪いかどうかの判断は、例えば、移動環境データベース１３に格納された現在の移動環境情報（雨量及び風速）の方が、初期算出式データベース１１に格納された過去の移動環境情報（雨量及び風速の平均値）よりも閾値ＷＴｈ１以上大きい場合に天候が悪いと判断する。

また、移動環境の天候が良く、交通量が少なく、且つ、予測誤差分布の算出式の調整方向が切片Ｂ_Ｃ＿Ｘを小さくする方向である場合に、上記調整方向と移動環境情報が一致していると判断してもよい（判断条件１０２−２）。ここで、交通量が少ないか否かの判断は、例えば、移動環境データベース１３に格納された現在の移動環境情報（交通量）の方が、初期算出式データベース１１に格納された過去の移動環境情報（交通量の平均値）よりも閾値ＴＴｈ以上少ない場合に交通量が少ないと判断する。また、天候が良いかどうかの判断は、例えば、移動環境データベース１３に格納された現在の移動環境情報（雨量及び風速）の方が、初期算出式データベース１１に格納された過去の移動環境情報（雨量及び風速の平均値）よりも閾値ＷＴｈ２以上小さい場合に天候が良いと判断する。

また、移動環境データベース１３に格納された現在の移動環境情報に含まれるスケジュールの確定状況が確定であり、且つ、予測誤差分布の算出式の調整方向が切片Ｂ_Ｃ＿Ｘを小さく方向である場合に、上記調整方向と移動環境情報が一致していると判断してもよい（判断条件１０２−３）。

このステップＳＴ７０４において、予測誤差分布の算出式の調整方向が移動環境情報と一致していないと判断した場合には、調整感度パラメータβ_ＸをステップＳＴ７０３の場合よりも大きく設定する（ステップＳＴ７０５）。この際、図８の中段に示すように、例えばβ_Ｘ＝Ｃ_２β_Ｘとして設定する（１＜Ｃ_２）。なお、β_Ｘが|ΔＢ_Ｘ|よりも大きくなった場合は、β_Ｘ＝|ΔＢ_Ｘ|として設定する。

一方、ステップＳＴ７０４において、予測誤差分布の算出式の調整方向が移動環境情報と一致したと判断した場合には、調整感度パラメータβ_ＸをステップＳＴ７０５の場合よりも大きく設定する（ステップＳＴ７０６）。この際、図８の下段に示すように、β_Ｘ＝Ｃ_３β_Ｘとする（Ｃ_２＜Ｃ_３）。なお、β_Ｘが|ΔＢ_Ｘ|よりも大きくなった場合は、β_Ｘ＝|ΔＢ_Ｘ|として設定する。

一方、傾きＡ_Ｃ＿Ｘの調整感度パラメータα_Ｘの設定方法は、調整感度パラメータβ_Ｘと同じ設定方法が利用可能である。しかしながら、傾きＡ_Ｃ＿Ｘは時間ΔＴｐの係数であり、接近検出部１７での算出結果に与える影響が大きい。そこで、切片Ｂ_Ｃ＿Ｘよりも傾きＡ_Ｃ＿Ｘの方がその値が変更され難くするように調整感度パラメータα_Ｘを設定してもよい。これにより、より慎重に調整を行うことができる。

この際、例えば、調整感度パラメータα_Ｘの場合には、調整感度パラメータβ_Ｘの場合よりも、Ｃ１，Ｃ２，Ｃ３を小さい値に設定してもよい（設定方法１０３−１）。

また、調整感度パラメータα_Ｘの場合には、調整感度パラメータβ_Ｘの場合よりも、予測誤差分布の算出式のパラメータの安定性の判断条件を厳しい条件に設定してもよい（設定方法１０３−２）。

例えば、調整感度パラメータβ_Ｘの場合には、上記判断条件１０１−１〜１０１−３のうちのいずれかの条件又は複数の条件を組み合わせて用いるものとした。それに対し、調整感度パラメータα_Ｘの場合には、上記判断条件１０１−１〜１０１−３の全てを用いるものとし、全ての条件を満たした場合にのみ予測誤差分布の算出式のパラメータ（傾き）が安定していると判断してもよい（設定方法１０３−２−１）。
また、調整感度パラメータα_Ｘの場合には、調整感度パラメータβ_Ｘの場合よりも、閾値σ_Ｔｈを大きい値に設定してもよい（設定方法１０３−２−２）。
また、上記設定方法１０３−２−１，１０３−２−２の両方を用いて調整感度パラメータα_Ｘを設定してもよい。

また、調整感度パラメータα_Ｘの場合には、調整感度パラメータβ_Ｘの場合よりも、予測誤差分布の算出式の調整方向と移動環境情報との一致性の判断条件を厳しい条件に設定してもよい（設定方法１０３−３）。

例えば、調整感度パラメータα_Ｘの場合には、調整感度パラメータβ_Ｘの場合よりも、判断条件１０２−１の閾値ＷＴｈ１の値を大きく設定してもよい（設定方法１０３−３−１）。また、調整感度パラメータα_Ｘの場合には、実データが過去データよりも閾値ＷＴｈ１以上大きく、且つ、今後も天候の悪さが増大する場合に、天候が悪いと判断してもよい（設定方法１０３−３−２）。
また、調整感度パラメータα_Ｘの場合には、調整感度パラメータβ_Ｘの場合よりも、判断条件１０２−２の閾値ＴＴｈの値を大きく設定してもよい（設定方法１０３−３−３）。また、調整感度パラメータα_Ｘの場合には、実データが過去データよりも閾値ＴＴｈ以上少なく、且つ、今後も交通量が減少する場合に、交通量が少ないと判断してもよい（設定方法１０３−３−４）。
また、調整感度パラメータα_Ｘの場合には、調整感度パラメータβ_Ｘの場合よりも、判断条件１０２−２の閾値ＷＴｈ２の値を大きく設定してもよい（設定方法１０３−３−５）。また、調整感度パラメータα_Ｘの場合には、実データが過去データよりも閾値ＷＴｈ２以上小さく、且つ、今後も天候の良さが増大する場合に、天候が良いと判断してもよい（設定方法１０３−３−６）。
また、上記設定方法１０３−３−１〜１０３−３−６のうちの複数の方法を用いて調整感度パラメータα_Ｘを設定してもよい。

また、上記設定方法１０３−１〜１０３−３のうちの複数の方法を用いて調整感度パラメータα_Ｘを設定してもよい。

なお、進行方向用の調整感度パラメータα_Ｙ，β_Ｙの設定方法は、横方向用の調整感度パラメータα_Ｘ，β_Ｘの設定方法と同じであるため、その説明を省略する。

以上のように、この実施の形態１では、算出式調整部１６にて、算出式導出部１５により導出された予測誤差分布の算出式のパラメータと調整情報データベース１４に格納された該当する予測誤差分布の算出式のパラメータとに差がある場合に、当該調整情報データベース１４に格納された算出式のパラメータを調整感度パラメータにより調整するように構成したので、移動体に関わる状況が変化しても、予測誤差分布を大きく算出してしまうことによる移動体の不要な接近回避行動の発生、及び、予測誤差分布を小さく算出してしまうことによる移動体の安全性の低下を防止することができる。また、急激な変更及び不安定な変更とならないようにゆっくり調整を行うことができる。

また、調整を行う予測誤差分布の算出式のパラメータのうち、予測時刻の係数となっているパラメータ（傾きＡ）に関する調整は、予測時刻の係数となっていないパラメータ（切片Ｂ）と比べ、予測誤差分布の算出結果に与える影響が大きいため、その値を変更され難くしている。これにより、急激な変更及び不安定な変更となることをより防ぐことができる。

実施の形態２．
実施の形態２では、算出式導出部１５における予測誤差分布の算出式の導出処理において、予測誤差と予測時刻との相関関係が低い場合には、予測誤差を予測時刻に関わらず一定とする場合について説明する。
なお、実施の形態２に係る接近検出装置１の構成は、図１に示す実施の形態１に係る接近検出装置１の構成と同様であるため、その説明を省略する。

次に、算出式導出部１５による予測誤差分布の算出式の導出処理について、図９を参照しながら説明する。図９に示す実施の形態２における算出式導出部１５の処理のうち、図４に示す実施の形態１における算出式導出部１５と同様の処理についてはその説明を省略する。

実施の形態２における算出式導出部１５による予測誤差分布の算出式の導出処理では、図９に示すように、ステップＳＴ４０８における処理が完了した後、算出式導出部１５は、ステップＳＴ４０８で算出した標準偏差σ_{Ｅｐ１＿Ｘ}，σ_{Ｅｐ２＿Ｘ}，・・・，σ_{ＥｐＮＤ＿Ｘ}の相関係数を算出する（ステップＳＴ９０１）。これにより、予測誤差と予測時刻との相関関係を求める。

次いで、算出した相関係数が閾値ＣＴｈ未満であるかを判断する（ステップＳＴ９０２）。
このステップＳＴ９０２において、相関係数が閾値ＣＴｈ未満であると判断した場合には、傾きＡ_ＥＰ＿Ｘを０に設定する（ステップＳＴ９０３）。また、切片Ｂ_ＥＰ＿Ｘについては、異なる予測開始時刻における所定時間ΔＴ分の軌道予測結果のそれぞれの予測誤差の集合Ｅ_Ｐから、横方向に関する全予測時刻の予測誤差Ｅ_ｐｉ＿Ｘを抽出し、それらの標準偏差σ_{Ｅｐ＿Ｘ＿Ａll}を設定する。その後、シーケンスはステップＳＴ４１０へ進む。

一方、ステップＳＴ９０２において、相関係数が閾値ＣＴｈ以上であると判断した場合には、シーケンスはステップＳＴ４０９へ進む。
なお、進行方向のパラメータ（ＡＥＰ＿Ｙ，ＢＥＰ＿Ｙ）の算出方法は、横方向のパラメータ（ＡＥＰ＿Ｘ，ＢＥＰ＿Ｘ）の算出方法と同じであるため、その説明を省略する。

以上のように、この実施の形態２によれば、予測誤差と予測時刻との相関係数の値が小さい場合は、予測誤差を予測時刻の経過に関わらず一定とするように構成したので、実施の形態１における効果に加え、予測誤差と予測時刻の相関係数の値が小さい状態で無理に近似直線の算出式を導出し、算出式調整部１６でこの式を用いることによる不適切な調整が発生することを防ぐことができる。

実施の形態３．
実施の形態３として、算出式調整部１６において、算出式導出部１５により導出された算出式のパラメータと調整情報データベース１４に格納された該当する算出式のパラメータとの差が閾値以下の場合には、調整情報データベース１４に格納された算出式のパラメータの調整は行わないようにしてもよい。これによって、予測誤差分布の算出式の不要な調整を回避し、計算量を削減することができる。

実施の形態４．
実施の形態４として、調整対象の移動体と条件が同様である移動体において算出式が調整済の場合には、調整対象の移動体に関する算出式として、この調整済の算出式を用いるようにしてもよい。すなわち、算出式調整部１６は、調整対象の移動体と分類が同じ且つ当該移動体の規定範囲内に位置する他の移動体が存在し、当該他の移動体に関する予測誤差分布の算出式の調整が済んでいる場合には、当該調整対象の移動体に関する予測誤差分布の算出式の調整は行わない。そして、接近検出部１７は、上記調整対象の移動体に関する予測誤差分布の算出式として、上記他の移動体に関する予測誤差分布の算出式を用いる。これによって、予測誤差分布の算出式の不要な調整を回避し、計算量を削減することができる。

実施の形態５．
実施の形態５として、算出式導出部１５において、予測誤差分布の発生状況を簡易解析し、予測時刻の経過に伴う移動体の軌道の予測誤差の増加率が閾値以下であるかを判断する。そして、この増加率が閾値以下の場合に、予測時刻のステップ幅を大きく設定するようにしてもよい。なお、簡易解析では、例えば、算出式導出部１５における軌道予測結果の算出数より小さい数で図４のステップＳＴ４０６〜４０９の処理を実行する。そして、その結果得られた算出式の傾きを予測誤差の増幅率として用いることが考えられる。これによって、計算量を削減することができる。

なお、本願発明はその発明の範囲内において、各実施の形態の自由な組み合わせ、あるいは各実施の形態の任意の構成要素の変形、もしくは各実施の形態において任意の構成要素の省略が可能である。

１ 接近検出装置、２ 軌道予測装置、１１ 初期算出式データベース、１２ 軌道観測情報データベース、１３ 移動環境データベース、１４ 調整情報データベース、１５ 算出式導出部、１６ 算出式調整部、１７ 接近検出部。

Claims (10)

1. 移動体の軌道の予測誤差分布の算出式を示す情報を格納するデータベースと、
   前記移動体の軌道予測結果から、当該移動体の軌道の予測誤差分布の算出式を導出する算出式導出部と、
   前記算出式導出部により導出された算出式のパラメータと前記データベースに格納された該当する算出式のパラメータとに差がある場合に、当該データベースに格納された算出式のパラメータを調整値により調整する算出式調整部と、
   前記軌道予測結果と前記データベースに格納された予測誤差分布の算出式とを用いて、前記移動体間の接近確率を算出する接近検出部と
   を備えた接近検出装置。
2. 前記データベースは、予測時刻の経過に伴う前記移動体の軌道の予測誤差の増加を示す式を、初期の前記予測誤差分布の算出式として格納し、
   前記算出式導出部は、予測時刻の経過に伴う前記移動体の軌道の予測誤差の増加を示す式を、前記予測誤差分布の算出式として導出する
   ことを特徴とする請求項１記載の接近検出装置。
3. 前記算出式調整部は、前記データベースに格納された予測誤差分布の算出式のパラメータのうち、前記接近検出部での算出結果に与える影響が大きいパラメータについては、前記調整値の値を小さく設定する
   ことを特徴とする請求項１又は請求項２記載の接近検出装置。
4. 前記データベースは、初期の前記予測誤差分布の算出式の設定に用いた前記移動体に関する過去の移動環境情報、及び前記算出式導出部により導出された予測誤差分布の算出式の履歴を示す情報を格納し、
   前記算出式調整部は、前記算出式導出部により導出された予測誤差分布の算出式のパラメータが安定している場合、又は前記データベースに格納された過去の移動環境情報と前記移動体に関する現在の移動環境情報とから前記予測誤差分布の算出式の調整方向が適切である場合に、前記調整値の値を大きく設定する
   ことを特徴とする請求項１から請求項３のうちのいずれか１項記載の接近検出装置。
5. 前記算出式調整部は、前記データベースに格納された予測誤差分布の算出式のパラメータのうち、前記接近検出部での算出結果に与える影響が大きいパラメータについては、前記予測誤差分布の算出式のパラメータの安定性の判断基準及び前記予測誤差分布の算出式の調整方向の適切性の判断基準を高く設定する
   ことを特徴とする請求項４記載の接近検出装置。
6. 前記算出式導出部は、予測誤差分布における予測誤差と予測時刻との相関が閾値以下の場合には、当該予測誤差が当該予測時刻の経過に伴い変化しないものとして前記予測誤差分布の算出式を導出する
   ことを特徴とする請求項２記載の接近検出装置。
7. 前記算出式調整部は、前記算出式導出部により導出された算出式のパラメータと前記データベースに格納された該当する算出式のパラメータとの差が閾値以下の場合には、当該データベースに格納された算出式のパラメータの調整は行わない
   ことを特徴とする請求項１から請求項６のうちのいずれか１項記載の接近検出装置。
8. 前記算出式調整部は、調整対象の前記移動体と分類が同じ且つ当該移動体の規定範囲内に位置する他の移動体が存在し、当該他の移動体に関する前記予測誤差分布の算出式の調整が済んでいる場合には、当該調整対象の前記移動体に関する前記予測誤差分布の算出式の調整は行わず、
   前記接近検出部は、前記調整対象の前記移動体に関する前記予測誤差分布の算出式として、前記他の移動体に関する前記予測誤差分布の算出式を用いる
   ことを特徴とする請求項１から請求項７のうちのいずれか１項記載の接近検出装置。
9. 前記算出式導出部は、予測時刻の経過に伴う前記移動体の軌道の予測誤差の増加率が閾値以下の場合に、当該予測時刻のステップ幅を大きく設定する
   ことを特徴とする請求項２記載の接近検出装置。
10. 算出式導出部が、前記移動体の軌道予測結果から、当該移動体の軌道の予測誤差分布の算出式を導出する算出式導出ステップと、
    算出式調整部が、前記算出式導出部により導出された算出式のパラメータと、移動体の軌道の予測誤差分布の算出式を示す情報を格納するデータベースに格納された該当する算出式のパラメータとに差がある場合に、当該データベースに格納された算出式のパラメータを調整値により調整する算出式調整ステップと、
    接近検出部が、前記軌道予測結果と前記データベースに格納された予測誤差分布の算出式とを用いて、前記移動体間の接近確率を算出する接近検出ステップと
    を有する接近検出方法。

Images