JP2018025458A - 目標物監視システムおよび目標物監視方法 - Google Patents

Abstract

【課題】監視領域を移動する目標物の位置を断続的に探知する際に、目標物の位置をより高い精度で予測する。【解決手段】目標物の存在確率分布を算出し、断続的な探知の情報をベイズの定理を用いて蓄積することによって、目標物の位置を予測する精度を高めることが出来る。【選択図】図２Ａ

Description

本発明は目標物監視システムに関し、例えば、移動する目標物の位置を断続的に探知する目標物監視システムに好適に利用できるものである。

センサを用いて広い領域を監視する必要が発生する場合が知られている。例えば、災害が発生した地域における要救助者の探索や、救難支援や、重要施設の監視などが考えられる。

監視対象となる目標物が比較的高速に移動する場合は、目標物の移動速度に対応する短い周期で探知するレーダーが、目標物を監視するセンサとして有効となり得る。このような場合には、連続する２回の探知の間における目標物の運動を、等速直線運動に近似して目標物の位置を予測する手法が知られている。

反対に、目標物が広範囲を比較的低速に移動する場合は、目標物が移動した軌跡はより複雑になり、目標物の位置を予測することがより困難になる可能性がある。さらに、監視領域がレーダーの探知範囲よりも広い場合は、レーダーを搭載した航空機や人工衛星などを目標物の付近まで移動させる必要がある。

上記に関連して、特許文献１には、同一性判定手段に係る発明が開示されている。この同一性判定手段は、目標の観測結果として入手した目標情報から、目標の同一性を判定する以下の要素を備えたことを特徴とする。この同一目標判定装置は、確率密度関数表現手段と、推移確率計算手段と、距離計算手段と、同一性判定手段とを備える。ここで、確率密度関数表現手段は、観測した目標の空間的存在を確率密度関数で表す。推移確率計算手段は、上記の観測した目標と、既に観測した既探知目標の双方の確率密度関数を推移確率を用いて時刻を合わせる。距離計算手段は、上記の時刻を合わせた双方の確率密度関数の基準位置間の距離を求める。同一性判定手段は、上記の基準位置間の距離に基づいて、目標の同一性を判定する。

また、特許文献２には、センサ統合システムに係る発明が開示されている。このセンサ統合システムは、プロセッサと、プロセッサに接続される記憶装置と、プロセッサに接続される出力装置と、を備える。ここで、記憶装置は、複数のセンサによって観測された観測データを保持する。観測データは、第１の種類の観測データと、第２の種類の観測データと、を含む。第１の種類の観測データは、一つ以上の目標物の座標値及び座標値が観測された時刻を含む。第２の種類の観測データは、一つ以上の目標物の外形を示す情報、外形を示す情報が観測された時刻、及び時刻における一つ以上の目標物の座標値を含む。記憶装置は、各座標値の確度を示す情報をさらに保持する。プロセッサは、第１の種類の観測データに含まれる一つ以上の目標物の座標値及び第２の種類の観測データに含まれる一つ以上の目標物の外形を示す情報、並びに、第２の種類の観測データに基づいて、一つ以上の目標物の移動軌跡を推定する。プロセッサは、第１の時刻より前の時刻における移動軌跡に基づいて、第１の時刻における各目標物の座標値を予測する。プロセッサは、第１の時刻における観測データに含まれる座標値のうち、予測された座標値までの距離が所定の値以内のものに基づいて、確度に基づく重み付き平均または重心を計算することによって、最も確からしい第１の時刻における各目標物の座標値を特定する。プロセッサは、特定された座標値を含むように推定された移動軌跡を修正する。出力装置は、移動軌跡を示す情報を出力する。

特許第３２０８６３４号 特許第５６１７１００号

監視対象となる目標物の位置をより高い精度で予測する。その他の課題と新規な特徴は、本明細書の記述および添付図面から明らかになるであろう。

以下に、（発明を実施するための形態）で使用される番号を用いて、課題を解決するための手段を説明する。これらの番号は、（特許請求の範囲）の記載と（発明を実施するための形態）との対応関係を明らかにするために付加されたものである。ただし、それらの番号を、（特許請求の範囲）に記載されている発明の技術的範囲の解釈に用いてはならない。

一実施の形態によれば、目標物監視システムは、記憶装置（１１０）と、演算装置（１４０）と、表示装置（１５０）とを具備する。ここで、記憶装置（１１０）は、目標物（２）の物理モデル（１１２）と、目標物（２）の非物理モデル（１１３）と、地図情報（１１４）とを記憶している。物理モデル（１１２）は、目標物（２）の物理的制約を示す。非物理モデル（１１３）は、目標物（２）の行動パターンを示す。ｎを２以上の任意の自然数とするとき、演算装置（１４０）は、外部センサ（２００Ａ）から受信するデータに基づいて、時刻ｔ_ｎにおける目標物（２）の存在確率分布Ｐ_Ｄ（ｔ_ｎ）を算出する存在確率分布算出処理を実行する。演算装置（１４０）は、時刻ｔ_ｎよりも前の時刻であるｔ_ｎ−１における目標物（２）の統合目標分布Ｐ（ｔ_ｎ−１）と、目標物（２）の物理モデル（１１２）とに基づいて、時刻ｔ_ｎにおける目標物（２）の拡散存在確率分布Ｐ_Ｍ（ｔ_ｎ）を算出する拡散存在確率分布算出処理を実行する。演算装置（１４０）は、外部センサ（２００Ａ）の種類または外部センサ（２００Ａ）の周囲の環境のうちの少なくとも一方に基づいて、存在確率分布Ｐ_Ｄ（ｔ_ｎ）の信頼度ｐ_０（ｔ_ｎ）を算出する信頼度算出処理を実行する。演算装置（１４０）は、時刻ｔ_ｎにおける目標物（２）の統合目標分布Ｐ（ｔ_ｎ）を、以下に示す数式（１）に基づいて算出する。
Ｐ（ｔ_ｎ）＝ｐ_０（ｔ_ｎ）×Ｐ_Ｄ（ｔ_ｎ）＋（１−ｐ_０（ｔ_ｎ））×Ｐ_Ｍ（ｔ_ｎ） …（１）
演算装置（１４０）は、統合目標分布Ｐ（ｔ_ｎ−１）と、統合目標分布Ｐ（ｔ_ｎ）と、目標物（２）の非物理モデル（１１３）に基づいて、目標物の航跡および予測針路確率を算出する。表示装置（１５０）は、地図情報（１１４）と、航跡および予測針路確率とを組み合わせて表示する。

前記一実施の形態によれば、目標物の存在確率分布を算出し、断続的な探知の情報をベイズの定理を用いて蓄積することによって、目標物の位置を予測する精度を高めることが出来る。

図１Ａは、監視対象の一例である海面の状態を例示する平面図である。 図１Ｂは、一実施形態による探知による目標物の存在確率分布の一例を示すグラフである。 図１Ｃは、監視対象領域を２次元メッシュ状に分割管理することを説明するための平面図である。 図１Ｄは、目標物の存在確率分布と、目標物が沿って移動している移動経路と、センサが探知した目標物の位置との関係の一例を示す図である。 図２Ａは、一実施形態による目標物監視システムの全体的な構成の一例を示す機能ブロック図の一部である。 図２Ｂは、一実施形態による目標物監視システムの全体的な構成の一例を示す機能ブロック図の残りである。 図２Ｃは、図２Ａおよび図２Ｂに示した一実施形態による目標物監視システムの全体的なハードウェア構成の一例を示すブロック回路図である。 図３は、一実施形態による目標物監視システムの全体的な動作の一例を示すフローチャートである。 図４は、一実施形態による目標行動仮説生成処理部が生成する仮説経路の一例を示す平面図である。 図５は、一実施形態によるセンサ情報入力部が受信する探知情報の一例を示す平面図である。 図６Ａは、一実施形態による航跡抽出処理部が抽出する航跡の一例を示す平面図である。 図６Ｂは、一実施形態による情報蓄積方式の原理を示す図である。 図６Ｃは、一実施形態による目標行動推定処理部が参照する、仮説経路および航跡の一例を表す平面図である。 図７は、一実施形態による目標行動推定処理部が予測する予測針路確率の一例を示すグラフである。 図８Ａは、一実施形態による拡散存在確率分布の算出方法を説明するための図である。 図８Ｂは、一実施形態による全周拡散分布の一例を示す図である。 図８Ｃは、一実施形態による所定範囲方向拡散分布の一例を示すグラフである。 図９は、一実施形態による予測針路確率の再計算の一例を示すグラフである。 図１０Ａは、一実施形態による目標行動仮説生成処理部が、探知開始後に仮説経路を修正する直前の状態について説明するための図である。 図１０Ｂは、一実施形態による目標行動仮説生成処理部が、探知開始後に仮説経路を修正する方法について説明するための別の図である。 図１０Ｃは、図１０Ｂに示した修正後の仮説経路を用いた場合の予測針路確率を示すグラフである。 図１０Ｄは、一実施形態による目標物監視システムの全体的な動作の一例を示すフローチャートである。 図１１Ａは、一実施形態による目標行動仮説生成処理部が、探知開始後に仮説経路を修正する別の方法について説明するための図である。 図１１Ｂは、図１１Ａに示した修正後の仮説経路１１Ｂ〜１５Ｂを用いた場合の予測針路確率を示すグラフである。 図１２Ａは、一実施形態による目標物監視システムの全体的な構成の一例を示す機能ブロック図の後半部分である。 図１２Ｂは、一実施形態による目標物監視システムの全体的な動作の一例を示すフローチャートである。

添付図面を参照して、本発明による目標物監視システムおよび目標物監視方法を実施するための形態を以下に説明する。

（第１の実施形態）
ここでは、監視する目標物が海上を移動する船舶である場合について説明する。図１Ａは、監視対象の一例である海面の状態を例示する平面図である。なお、監視する目標物は、その他、例えば陸上を移動する車両などであっても良い。

図１Ａは、監視領域１としての海上と、この海上を移動する目標物２としての船舶とを示している。ここで、監視領域１は平面に近似されて、この平面には直交座標（Ｏ，ｘ，ｙ）が定義されている。この直交座標（Ｏ，ｘ，ｙ）において、原点Ｏは、任意の点であり、例えば探知開始時刻ｔ_０において目標物２が探知された位置であっても良い。ｘ軸は、原点Ｏを通り、かつ、任意の方向を向いており、例えば経線に平行であっても良い。ｙ軸は、原点Ｏでｘ軸に直交しており、例えば緯線に平行であっても良い。

直交座標（Ｏ，ｘ，ｙ）において、任意の時刻ｔ_ｎにおける目標物２の位置を、座標（ｘ_ｎ，ｙ_ｎ）と表記する。さらに、目標物２の移動ベクトル３を、その針路θおよび移動速度ｕで示す。ここで、針路θは、ｘ軸と、移動ベクトル３との間の角度である。

（断続的な探知について）
海上のように面積が広い監視領域１に対して比較的小さい船舶のような目標物２の位置および移動を、有意義な精度で監視するためには、センサとして哨戒機や人工衛星などを利用することが現実的である。ただし、航空機である哨戒機は、一度に搭載可能な燃料などの制限により、目標物２の付近に留まり続けることが出来ない。したがって、哨戒機は、目標物２の付近と、飛行場などの基地との間を往復する必要がある。また、人工衛星は、その移動経路があらかじめ決定されており、かつ、途中で変更することが非常に困難である。したがって、本実施形態による目標物監視システムでは、監視領域１を移動する目標物２を、１つまたは複数のセンサを用いて、断続的に探知する。

（探知の結果を存在確率分布として扱う）
センサが目標物２の位置を探知した結果には、無視出来ない誤差が含まれていることが考えられる。そこで、本実施形態による目標物監視システムでは、探知の精度を向上するために、探知の結果を目標物２の単なる座標ではなく、誤差を勘案した存在確率分布として扱う。ここで、目標物２の存在確率分布は、二次元正規分布として以下のように算出される。
ここで、Ｆ_Ｄ（（ｘ，ｙ），ｔ_ｎ）は、座標（ｘ，ｙ）および時刻ｔ_ｎにおける目標物２の存在確率密度関数である。πは、円周率である。σ_ｍは、探知を行うセンサの観測誤差の分散である。なお、分散σ_ｍはｘ軸およびｙ軸で共通である。座標（ｘ_ｎ，ｙ_ｎ）は、時刻ｔ_ｎにおいてセンサが目標物２を探知した位置の座標である。また、上記の数式「数１」を極座標で扱う際は下記のように表現される。
ここで、ｒは二次元正規分布の中心からの距離である。

（監視領域の２次元メッシュ分割）
本実施形態では、目標物２の位置を探知した結果を存在確率分布として扱うにあたって、計算時間を短縮するために、監視領域１を２次元のメッシュ状に分割し、メッシュごとに各種のデータを管理する。図１Ｃは、監視領域１を２次元メッシュ状に分割管理することを説明するための平面図である。

図１Ｃの例では、ｘ軸を単位長さΔｘで分割し、かつ、ｙ軸を単位長さΔｙで分割することで、監視領域１を２次元のメッシュ状に分割している。

本実施形態では、時刻ｔ_ｎにおける目標物２の位置を示す座標（ｘ_ｎ，ｙ_ｎ）を、この座標を含むメッシュ（Ｘ_ｉ，Ｙ_ｊ）として管理する。図１Ｂの例では、
４Δｘ≦ｘ_ｎ＜５Δｘ、かつ、３Δｙ≦ｙ_ｎ＜４Δｙ
が成り立つので、座標（ｘ_ｎ，ｙ_ｎ）はメッシュ（５，４）に含まれるものとして管理される。

図１Ｂは、一実施形態による探知による目標物２の存在確率分布の一例を示すグラフである。図１Ｂのグラフは、二次元正規分布に従う存在確率分布４０を、ｘｙ平面の各メッシュにおける存在確率の大きさとして３次元的に示している。図１Ｂにおいて、存在確率が最大値となる頂点４０Ａは、目標物２の探知位置であり、存在確率分布４０を示すグラフの、ｘｙ平面における中心部分に位置している。反対に、目標物２の探知位置から距離が遠いほど、存在確率は減少する。任意のメッシュ（Ｘ_ｉ，Ｙ_ｊ）に目標物２が存在する確率は、前述の「数１」式と、メッシュ面積との積によって、下記のように算出される。
Ｐ_Ｄ（（Ｘ_ｉ，Ｙ_ｊ），ｔ_ｎ）＝Ｆ_Ｄ（（Ｘ_ｉ，Ｙ_ｊ），ｔ_ｎ）ΔｘΔｙ

（ベイズの定理）
本実施形態では、目標物２の位置を断続的に探知してその予測針路確率を算出するにあたって、ベイズの定理を適用する。ベイズの定理によれば、下記の恒等式を用いて条件付きの確率を算出することが出来る。
ここで、Ａは、任意の事象を表す。Ｂは、別の事象を表す。Ｐ（Ａ）は、事象Ａが生起する確率を表す。Ｐ（Ａ∩Ｂ）は、事象Ａと、事象Ｂとが両方とも生起する確率を表す。Ｐ（Ｂ｜Ａ）は、事象Ａが生起した上で事象Ｂが起こる確率を表す。このとき、Ｐ（Ａ）を事前確率と呼び、Ｐ（Ｂ｜Ａ）を事後確率と呼ぶ。

ベイズの定理を表す上記の恒等式は、ベイズの反転公式と呼ばれる下記の恒等式に書き換えることが出来る。

このことは、事象Ａの生起を知ることで、事象Ｂの事前確率Ｐ（Ｂ）が事後確率Ｐ（Ｂ｜Ａ）に変化することを意味する。言い換えれば、追加情報としての事象Ａによって、確率空間についての知識が増し、情報が追加される前に見積っていた事象Ｂの生起確率が修正されることを意味する。

このことは、事象Ｂが複数の事象Ｂ_ｉの集合であっても成立する。この場合には、上記のベイズの反転公式は下記の恒等式に書き換えられる。

さらに、事象Ａの生起が繰り返される環境においては、ある時点ｔ_ｎの事後確率は、次の時点ｔ_ｎ＋１の事前確率として考えることが出来る。この場合は、事象Ａが生起する度に事象Ｂの生起確率が更新されていき、結果としてより精度の高い事後確率の推定が期待される。

本実施形態では、ベイズの定理を以下のように適用する。すなわち、事象Ａを、センサが目標物２を探知する事象とする。事象Ｂ_ｉを、監視領域１に想定される複数の移動経路のうち、ｉ番目の移動経路に沿って目標物２が移動する事象とする。このように考えることで、センサによる探知が起こる前に「目標物２がｉ番目の移動経路に沿って移動する確率」として見積もった事前確率Ｐ（Ｂ_ｉ）が、探知事象Ａの生起によって、事後確率Ｐ（Ｂ_ｉ｜Ａ）に変化する。

したがって、本実施形態による目標物監視システムでは、探知情報を取得すると、目標物２がどの移動経路に沿って移動するのかが、確率的に算出される。ここで、Ｐ（Ａ｜Ｂ_ｉ）は、目標物２がｉ番目の移動経路に沿って移動する上で探知事象Ａが生起する確率である。Ｐ（Ａ｜Ｂ_ｉ）の算出方法について説明する。

まず、その存在確率分布が二次元正規分布に従う目標物２が、分布の中心から距離ｒの位置に存在する確率Ｐ（ｒ）は、前述の「数２」式をｒｄθで積分することによって、下記のように求められる。
ここで、θは、極座標系の角度である。

図１Ｄは、目標物２の存在確率分布４０と、目標物２が沿って移動しているｉ番目の移動経路１０と、センサが探知した目標物２の位置Ｗとの関係の一例を示す図である。図１Ｃに示した例において、目標物２は、ｉ番目の移動経路１０に沿って監視領域１を移動している。目標物２がｉ番目の移動経路１０上の地点Ｖに位置しているときに、センサは探知を行い、目標物２が地点Ｖから距離ｒ_ｄだけ離れた地点Ｗに位置しているとの結果を得る場合について考える。すると、このような探知が起こる確率は、地点Ｖから距離ｒ_ｄ離れた地点Ｗに目標物２が存在する確率である。したがって、この確率Ｐ（Ａ｜Ｂ_ｉ）は下記のように得られる。

以上により、事前確率Ｐ（Ｂ_ｉ）と、上記の「数７」式とを、前述の「数５」式に適用することで、事後確率Ｐ（Ｂ_ｉ｜Ａ）が算出される。また、探知が繰り返される環境においては、前回の探知時点ｔ_ｎ-1の事後確率を今回の探知時点ｔ_ｎの事前確率として考えることが出来るので、本実施形態における事後確率は下記のように算出される。
ここで、Ｐ_Ｅ（Ｂ_ｉ，ｔ_ｎ｜Ａ）は、今回の探知時点ｔ_ｎの事後確率である。Ｐ_Ｅ（Ｂ_ｉ，ｔ_ｎ−１）は、前回の探知時点ｔ_ｎ−１の事後確率であり、今回の探知時点ｔ_ｎの事前確率として扱っている。

本実施形態による目標物２の移動経路を推定する手順は、以下のとおりである。
（１）まず、センサによる目標物２の探知が最初に起こったら、その探知位置から、目標物２の目的地や、考えられる経由地などを示す移動経路を複数設定する。ここで、これらの移動経路において目標物２の移動速度についても併せて設定することが可能である。
（２）次に、センサによる次の探知が起こる前に、目標物２がどれくらいの確率で各移動経路に沿って移動するのか、を見積もった事前確率を設定する。
（３）センサによる次の探知が起こった時点で、前述の「数５」式を用いて事後確率を計算する。この時点における事後確率が、その先の移動経路の推定となる。
（４）以降、センサによる探知が起こるたびに上記（３）の処理を繰り返す。

以上の前提に基づいて、本実施形態による目標物監視システムについて説明する。図２Ａおよび図２Ｂは、一実施形態による目標物監視システムの全体的な構成の一例を示す機能ブロック図である。ここで、目標物監視システムのうち、一部を図２Ａに示し、残りを図２Ｂに示している。

図２Ａに示す構成要素について説明する。本実施形態による目標物監視システムは、監視サーバ１００と、センサ２００Ａ、２００Ｂとを備える。ここで、ネットワーク３００を目標物監視システムの一部として考えても良い。反対に、センサ２００Ａ、２００Ｂを、目標物監視システムに含まれない外部センサと考えても良い。この場合、監視サーバ１００は、目標物監視システムと同義と考えられる。

監視サーバ１００は、データベース１１０と、センサ情報入力部１２０と、目標行動仮説生成処理部１３０と、センサ情報処理部１４０と、出力部１５０とを備える。出力部１５０の詳細については、図２Ｂに示す。

データベース１１０は、センサモデル格納領域１１１と、目標物理モデル格納領域１１２と、目標非物理モデル格納領域１１３と、地図情報格納領域１１４とを備える。

センサ情報処理部１４０は、航跡抽出処理部１４１と、目標行動推定処理部１４２と、未来位置予測処理部１４３とを備える。

図２Ｂに示す出力部１５０は、目標情報格納領域１５１と、センサ情報格納領域１５２と、目標情報出力部１５３と、地図出力部１５４と、センサ情報出力部１５５とを備える。なお、目標情報格納領域１５１と、センサ情報格納領域１５２とのうち、その一部または全てを、出力部１５０が備えず、代わりにデータベース１１０が備えても良い。

図２Ａおよび図２Ｂの構成要素の接続関係について説明する。データベース１１０は、そのうち特にセンサモデル格納領域１１１は、センサ情報入力部１２０に接続されている。センサ２００Ａ、２００Ｂの出力は、ネットワーク３００を介して、センサ情報入力部１２０の入力に接続されている。センサ情報入力部１２０の出力は、センサ情報処理部１４０に、そのうち特に航跡抽出処理部１４１に、接続されている。センサ情報入力部１２０の出力は、さらに、センサ情報格納領域１５２にも接続されている。

データベース１１０は、そのうち特に目標物理モデル格納領域１１２および目標非物理モデル格納領域１１３は、目標行動仮説生成処理部１３０に接続されている。目標行動仮説生成処理部１３０は、センサ情報処理部１４０に、そのうち特に航跡抽出処理部１４１に、接続されている。

データベース１１０は、そのうち特に地図情報格納領域１１４は、センサ情報処理部１４０に、そのうち特に航跡抽出処理部１４１に、接続されている。

航跡抽出処理部１４１の出力は、目標行動推定処理部１４２の入力に、接続されている。目標行動推定処理部１４２の出力は、未来位置予測処理部１４３の入力に、接続されている。未来位置予測処理部１４３の出力は、航跡抽出処理部１４１の入力に、接続されている。

センサ情報処理部１４０の出力は、出力部１５０の入力に接続されている。

出力部１５０において、目標情報格納領域１５１の入力は、センサ情報処理部１４０の出力に接続されている。目標情報格納領域１５１の出力は、目標情報出力部１５３の入力に接続されている。目標情報格納領域１５１の出力は、地図出力部１５４の入力にもさらに接続されている。

センサ情報格納領域１５２の入力は、センサ情報入力部１２０の出力に接続されている。センサ情報格納領域１５２の出力は、センサ情報出力部１５５の入力に接続されている。センサ情報格納領域１５２の出力は、地図出力部１５４の入力にもさらに接続されていても良い。

本実施形態による目標物監視システムは、一般的な計算機の機能として実現することも可能である。図２Ｃは、図２Ａおよび図２Ｂに示した本実施形態による目標物監視システムの全体的なハードウェア構成の一例を示すブロック回路図である。

図２Ｃに示した構成要素について説明する。図２Ｃの目標物監視システムは、監視サーバ１００と、センサ２００Ａ、２００Ｂとを備える。ここで、ネットワーク３００も目標物監視システムに含まれると捉えても良い。

図２Ｃの監視サーバ１００は、バス１０１と、入出力インタフェース１０２と、演算装置１０３と、記憶装置１０４と、外部記憶装置１０５とを備える。

図２Ｃの構成要素の接続関係について説明する。バス１０１は、入出力インタフェース１０２と、演算装置１０３と、記憶装置１０４と、外部記憶装置１０５とに接続されている。入出力インタフェース１０２は、ネットワーク３００を介して、センサ２００Ａ、２００Ｂに接続されている。

図２Ｃに示した構成要素の動作について説明する。バス１０１は、入出力インタフェース１０２と、演算装置１０３と、記憶装置１０４と、外部記憶装置１０５との間で行われる通信を仲介する。入出力インタフェース１０２は、監視サーバ１００と、その外部との間の通信を仲介する。入出力インタフェース１０２は、例えば、センサ情報入力部１２０としての機能を実現し、ネットワーク３００を介してセンサ２００Ａ、２００Ｂとの間で通信を行っても良い。また、入出力インタフェース１０２は、目標情報出力部１５３、地図出力部１５４およびセンサ情報出力部１５５の機能の一部または全てを実現し、各種の情報を例えば電子的、視覚的または聴覚的な方法などによって出力しても良い。

外部記憶装置１０５は、外部の記録媒体１０６からプログラムやデータなどを読み込み、または外部の記録媒体１０６にプログラムやデータを書き込む。記録媒体１０６は、一度書き込んだ情報の変更または削除を出来ない非一過性の記録媒体であっても良い。

記憶装置１０４は、プログラムやデータなどを記憶する。記憶装置１０４は、例えば、データベース１１０、センサモデル格納領域１１１、目標物理モデル格納領域１１２、目標非物理モデル格納領域１１３、地図情報格納領域１１４、目標情報格納領域１５１およびセンサ情報格納領域１５２の一部または全ての機能を実現しても良い。

演算装置１０３は、プログラムを実行してデータを処理することで、監視サーバ１００の各機能を実現する。演算装置１０３は、例えば、センサ情報入力部１２０、目標行動仮説生成処理部１３０、センサ情報処理部１４０、航跡抽出処理部１４１、目標行動推定処理部１４２、未来位置予測処理部１４３、出力部１５０、目標情報出力部１５３、地図出力部１５４およびセンサ情報出力部１５５の一部または全ての機能を実現しても良い。

図２Ａおよび図２Ｂに示した本実施形態による目標物監視システムの動作、すなわち本実施形態による目標物監視方法について説明する。図３は、一実施形態による目標物監視システムの全体的な動作の一例を示すフローチャートである。

図３に示したフローチャートは、合計９のステップＳ１００〜Ｓ１０８を備える。図３のフローチャートを実行すると、まず、第０ステップＳ１００において目標物監視方法が開始される。第０ステップＳ１００の次には、第１ステップＳ１０１が実行される。

第１ステップＳ１０１において、目標行動仮説生成処理部１３０が複数の仮説経路を生成する。ここで、仮説経路について説明する。図４は、一実施形態による目標行動仮説生成処理部が生成する仮説経路の一例を示す平面図である。なお、目標行動仮説生成処理部１３０が複数の仮説経路を生成する処理を、仮説経路算出処理と呼ぶ。

図４は、合計５の仮説経路１１〜１５を示している。これらの仮説経路１１〜１５は、図１Ａおよび図１Ｂに示した直交座標（Ｏ，ｘ，ｙ）上に定義されている。ここで、仮説経路１１〜１５のそれぞれにおいて、監視を開始する時刻ｔ_０における目標物２の位置は、直交座標の原点Ｏに設定されている。また、ここでは説明を容易にするために、仮説経路１１〜１５のそれぞれは直線として設定されている。なお、これらの設定は、あくまでも一例であって、本来的にはあらゆる設定が可能である。

また、図４は、目標物２の移動速度ｕに基づいて、捜索を行う時刻ｔ_１〜ｔ_５までに目標物２が移動すると予想される距離に対応する合計５の距離線２１〜２５を示している。仮説経路１１〜１５のそれぞれと、距離線２１〜２５のそれぞれとが交わる点は、時刻ｔ_１〜ｔ_５において予想される目標物２の位置を示す。

目標行動仮説生成処理部１３０は、上記に説明したような仮説経路１１〜１５を生成するにあたって、目標物理モデル格納領域１１２から目標物理モデルを読み出す。さらに、目標行動仮説生成処理部１３０は目標非物理モデル格納領域１１３から目標非物理モデルを読み出す。そして、目標行動仮説生成処理部１３０は、読み出した目標物理モデルおよび目標非物理モデルを参照して仮説経路１１〜１５を生成する。

目標物理モデルとは、目標物２が監視領域１を移動するにあたって従わざるを得ない物理的な制約を、計算機で演算可能な形式で表した各種のデータまたはプログラムの集合である。この物理的制約には、例えば、監視領域１に分布する、潮が流れる方向および速度、風が吹く方向および速度、海面から海底までの深さ、島や岩礁などの存在、などが含まれる。

目標非物理モデルとは、目標物２が監視領域１を移動するにあたって従うと予想される非物理的な法則である行動パターンを、計算機で演算可能な形式で表した各種のデータまたはプログラムの集合である。この非物理的な法則には、例えば、目標物２としての船舶を操舵する人間の意志などが含まれる。具体例としては、目標物２としての船舶が目的地として選択し得る港や、航路として選びたくなる安全な海域や、反対に航路としては避けたくなる危険な海域などを示す情報などが、目標非物理モデルに含まれることが望ましい。また、目標物２の過去の行動パターンを分析して学習した結果を活用してもよい。

生成された仮説経路１１〜１５を示すデータは、目標行動仮説生成処理部１３０が記憶していても良いし、データベース１１０に格納されても良い。いずれの場合も、後段のセンサ情報処理部１４０が必要に応じて仮説経路１１〜１５を読み出せることが重要である。

第１ステップＳ１０１の次には、第２ステップＳ１０２が実行される。

第２ステップＳ１０２において、センサ情報入力部１２０が、センサ２００Ａ、２００Ｂから探知情報を受信する。まず、センサ２００Ａ、２００Ｂのうちいずれかのセンサが目標物２を探知し、ネットワーク３００を介して探知の結果をセンサ情報入力部１２０に向けて送信する。ここで、センサが探知して送信する情報には、目標物２の探知位置の他に、目標物２の移動速度および移動方向が含まれていることが好ましい。

図５は、一実施形態によるセンサ情報入力部が受信する探知情報の一例を示す平面図である。図５Ａは、合計５の探知位置３１〜３５を示している。これらの探知位置３１〜３５は、合計５の時刻ｔ_１〜ｔ_５のそれぞれにおいてセンサ２００Ａ、２００Ｂのいずれかが目標物２を探知した位置を示している。

次に、センサ情報入力部１２０は、ネットワーク３００を介して、センサが送信した情報を受信する。ここで、センサ情報入力部１２０は、センサ２００Ａ、２００Ｂの特性に係るセンサモデル情報を、データベース１１０のセンサモデル格納領域１１１から読み取っても良い。センサモデル情報には、各センサの種類に係る情報と、各センサの周囲の環境を表す情報とのうち、少なくとも一方を含むことが好ましい。センサモデル情報には、探知精度や、一度に移動出来る航続距離や、次回の探知までに必要な時間の間隔などがさらに含まれていても良い。

第２ステップＳ１０２の次には、第３ステップＳ１０３が実行される。

第３ステップＳ１０３〜第５ステップＳ１０５にかけて、センサ情報処理部１４０が目標物２の存在確率分布の推定を行う。

まず、第３ステップＳ１０３において、航跡抽出処理部１４１が、目標物２の航跡を抽出する。ここで、航跡とは、監視領域１としての海上を目標物２としての船舶が移動した経路である。したがって、監視領域１が海上ではなく例えば陸上などであり、かつ、目標物２が船舶ではなく例えば車両などである場合には、航跡は例えば「軌跡」などに読み替えても良い。第３ステップＳ１０３の詳細については、後述する。

次に、第４ステップＳ１０４において、目標行動推定処理部１４２が、目標物２の行動を推定する。ここで、目標物２の行動は、目標物２が各仮説経路に沿って移動する確率として推定される。第４ステップＳ１０４の詳細については、後述する。

次に、第５ステップＳ１０５において、未来位置予測処理部１４３が、目標物２の未来における位置を予測する。ここで、未来とは、次回の探知時刻であることが好ましい。目標物２の未来における位置とは、次回の探知時刻における目標物２の存在確率分布であって、これは最新の探知結果に基づく目標物２の存在確率分布が次回の探知時刻までに拡散すると予測することによって算出される。第５ステップＳ１０５の詳細については、後述する。

第３ステップＳ１０３の詳細について説明する。航跡の抽出は、目標物２の統合目標分布を算出し、探知ごとの最も確からしい存在位置をプロットすることによって実行される。そのために、航跡抽出処理部１４１は、前回の探知結果に基づく目標物２の拡散存在確率分布を、未来位置予測処理部１４３から取得する。また、航跡抽出処理部１４１は、センサ２００Ａ、２００Ｂが目標物２の位置を探知した最新の結果を、センサ情報入力部１２０から取得する。そして、目標物２の前回の探知結果に基づく拡散存在確率分布と最新の探知結果に基づく存在確率分布を情報蓄積方式により合成し、統合目標分布を算出する。ここで、前回の探知における統合目標分布Ｐ（ｔ_ｎ−１）と、今回の探知における統合目標分布Ｐ（ｔ_ｎ）を参照し、存在確率が最も高い位置を線で結ぶことによって、目標物２の航跡として成立させる。センサ情報処理部１４０が統合目標分布Ｐ（ｔ_ｎ）を算出する処理を、統合目標分布算出処理と呼ぶ。情報蓄積方式および拡散存在確率分布の詳細については後述する。なお、航跡抽出処理部１４１は、さらに、地図情報をデータベース１１０の地図情報格納領域１１４から取得しても良い。

図６Ａは、一実施形態による航跡抽出処理部が抽出する航跡の一例を示す平面図である。図６Ａは、図５に示した複数の探知位置３１〜３５を示すとともに、各探知における目標物２の統合目標分布の概形と、各分布において目標物２の存在確率が最も高い位置を線で結ぶことにより成立させた航跡を示す。

図６Ｂは、一実施形態による情報蓄積方式の原理を示す図である。図６Ｂは、合計４の部分（Ａ）〜（Ｄ）を含んでいる。図６Ｂの部分（Ａ）は、前回の探知結果から得られた目標物２の統合目標分布５１の一例を示している。図６Ｂの部分（Ｂ）は、部分（Ａ）に示した前回の存在確率分布に基づく拡散存在確率分布５２の一例を示している。ここで、拡散存在確率分布５２は円弧状の形状を有している。この円弧は、角度θ_ｅの範囲によって定義されている。この角度θ_ｅの範囲は、目標物２の針路方向範囲５２Ａとして設定されている。図６Ｂの部分（Ｃ）は、今回の探知結果から得られた目標物２の存在確率分布５３の一例を示している。図６Ｂの部分（Ｄ）は、部分（Ｂ）に示した拡散存在確率分布５２と、部分（Ｃ）に示した存在確率分布５３とを合成することを示している。

この合成は、例えば、前回の存在確率分布に基づく拡散存在確率分布５２と、今回の探知結果から得られた目標物２の存在確率分布５３とのそれぞれに所定の重み付けをした上で両者を加算することで行うことが出来る。

この重み付けは、例えば、センサ２００Ａ、２００Ｂによる目標物２の位置の探知結果に対する信頼度であっても良い。ここで、信頼度とは、探知結果が真である確率である。今回の探知結果から得られた目標物２の存在確率分布５３に対する信頼度をｐ_０と置く。すると、前回の存在確率分布に基づく拡散存在確率分布５２の信頼度は、今回の探索結果が偽である確率１−ｐ_０と置くことができる。この重み付けにより存在確率分布を合成することで、今回の探知結果が真であった場合はその存在確率分布５３が重視され、今回の探知結果が偽であった場合は前回の存在確率分布に基づく拡散存在確率分布５２が重視される。そして、探知を繰り返すと、信頼度の高い情報が確率分布上に蓄積されていくことになる。

例えば下記の式で、前回の存在確率分布に基づく拡散存在確率分布５２と、今回の探知結果から得られた目標物２の存在確率分布５３との合成を、重み付けとしての信頼度ｐ_０を用いてメッシュごとに行える。
ここで、Ｐ_Ｄ（（Ｘ_ｉ，Ｙ_ｊ），ｔ_ｎ）は、今回の探知結果から得られた目標物２の存在確率分布を表す。Ｐ_Ｍ（（Ｘ_ｉ，Ｙ_ｊ），ｔ_ｎ）は、前回の探知結果から算出した、今回の探知時刻における拡散存在確率分布を表す。Ｐ（（Ｘ_ｉ，Ｙ_ｊ），ｔ_ｎ）は、合成された存在確率分布すなわち統合目標分布を表す。信頼度ｐ_０を考慮した場合には、この統合目標分布が、ある時点ｔ_ｎにおける目標物２の実質的な存在確率分布となる。

なお、信頼度ｐ_０は、任意の初期値が用いられても良いし、センサ情報処理部１４０が自動的に行う信頼度算出処理によって算出されても良いし、利用者によって手動で入力されても良い。信頼度算出処理は、センサモデル格納領域１１１から読み出されるセンサモデル情報を参照して実行されることが好ましい。信頼度算出処理は、センサ２００Ａ、２００Ｂから探知情報が受信される度に実行されても良いし、任意のタイミングで過去の信頼度ｐ_０が算出されても良い。

第３ステップＳ１０３の次に、第４ステップＳ１０４が実行される。

第４ステップＳ１０４の詳細について説明する。目標行動推定処理部１４２が目標行動を推定する。目標行動推定処理部１４２は、目標物２の行動を推定するために、目標行動仮説生成処理部１３０が事前に生成した複数の仮説経路と、航跡抽出処理部１４１が抽出した航跡を表す情報を参照し、各仮説経路に対する目標物２の予測針路確率Ｐ_Ｅ（Ｂ_ｉ，ｔ_ｎ）を算出する。

図６Ｃは、一実施形態による目標行動推定処理部が参照する、仮説経路および航跡の一例を表す平面図である。図６Ｃは、図４および図６Ａの重ね合わせに等しい。つまり、図６Ｃは図４に示した複数の仮説経路１１〜１５と、図６Ａに示した探知位置３１〜３５に基づく航跡とを示している。予測針路確率Ｐ_Ｅ（Ｂ_ｉ，ｔ_ｎ）は、前述の「数８」式と、重み付けとしての信頼度ｐ_０を用いて下記のように算出される。
信頼度ｐ_０を考慮した場合には、この予測針路確率が、ある時点ｔ_ｎにおける実質的な事後確率であり、次の時点ｔ_ｎ＋１の事前確率となる。

図７は、一実施形態による目標行動推定処理部が予測する予測針路確率の変化の一例を示すグラフである。図７のグラフは、合計６の帯グラフを含んでいる。図７のグラフの全体において、横軸は時間の経過を示し、縦軸は仮説経路１１〜１５のそれぞれに目標物２が沿って移動している予測針路確率Ｐ_Ｅ（Ｂ_ｉ，ｔ_ｎ）を示している。これらの帯グラフは、左から順に、時刻ｔ_０〜ｔ_５にそれぞれ対応する。また、それぞれの帯グラフは、合計５の領域α〜εに分割されている。これらの領域α〜εは、仮説経路１１〜１５にそれぞれ対応する。それぞれの帯グラフにおいて、目標物２が仮説経路１１〜１５のそれぞれに沿って移動している５つの予測針路確率の合計は、１すなわち１００％である。なお、図７のグラフは、図６Ｃに示した仮説経路１１〜１５および探知位置３１〜３５の例に対応している。

時刻ｔ_０に対応する第１の帯グラフでは、合計５の領域α〜εのそれぞれが全体の０．２ずつを占めている。このことは、センサ２００Ａ、２００Ｂによる目標物２の探知が開始する前の時刻ｔ_０においては、目標物２が仮説経路１１〜１５のそれぞれに沿って移動する５つの予測針路確率が等しいと考えられていることを示している。

時刻ｔ_１に対応する第２の帯グラフでは、時刻ｔ_０に対応する第１の帯グラフと比較して、領域γ、δおよびεが縮小し、領域αおよびβが増大している。このことは、センサ２００Ａ、２００Ｂによる目標物２の探知が開始した結果、時刻ｔ_１に対応する探知位置３１が、仮説経路１１および１２の間に位置していることに対応している。言い換えれば、探知位置３１が、仮説経路１１および１２には近く、仮説経路１３、１４および１５から離れていることに対応している。

時刻ｔ_２に対応する第３の帯グラフでは、時刻ｔ_１に対応する第２の帯グラフと比較して、領域α、δおよびεが減少し、領域βおよびγが増大している。ここで、時刻ｔ_２に対応する探知位置３２が、仮説経路１２および１３の間に位置しているので、目標物２が、仮説経路１２に沿って移動している予測針路確率と、仮説経路１３に沿って移動している予測針路確率とが、増大している。

その後の時刻ｔ_３〜ｔ_５にそれぞれ対応する第４〜第６の帯グラフでは、領域γが増大し続けて、領域α、β、δおよびεは減少し続けている。言い換えれば、目標物２が時刻ｔ_３〜ｔ_５に渡って仮説経路１３に沿って移動する予測針路確率が増大し続けている。

図７の例では、監視の前半では目標物２が仮説経路１１または１２を通る予測針路確率が高かったが、探知を重ねることで、最終的には目標物２が仮説経路１３を通る予測針路確率が高いと推測することが可能となった。

第４ステップＳ１０４の次に、第５ステップＳ１０５が実行される。

第５ステップＳ１０５の詳細について説明する。未来位置予測処理部１４３が、目標物２の未来位置を予測する。前述のとおり、ここで予測される目標物２の未来位置とは、最新の探知結果に基づく目標物２の存在確率分布が、次回の探知時刻までに拡散する、という予測によって算出される存在確率分布である。このように算出される目標物２の存在確率分布を、区別のために、目標物２の拡散存在確率分布Ｐ_Ｍと呼ぶ。

図８Ａは、一実施形態による拡散存在確率分布の算出方法を説明するための図である。図８Ａは、監視領域１を示している。この監視領域１には、原点Ｏと、ｘ軸と、ｙ軸とによって定義される直交座標（Ｏ，ｘ，ｙ）が定義されている。この直交座標（Ｏ，ｘ，ｙ）において、原点Ｏは、探知開始時刻ｔ_０において目標物２が探知された位置である。点Ａは、任意の探知時刻ｔ_ｎにおける目標物２の探知位置である。距離ｕｔは、目標物２が、時間ｔが経過する間に移動速度ｕで移動する距離である。時間ｔは、任意の探知時刻ｔ_ｎと、前回の探知時刻ｔ_ｎ−１との間に経過する時間である。円Ｑは、その中心が点Ａであり、その半径はｕｔであり、すなわち目標物２が前回の探知時刻ｔ_ｎ−１にいた可能性がある位置の集合である。点Ｂは、円Ｑ上の任意の点である。

前回の探知時刻ｔ_ｎ−１において、目標物２が点Ｂに位置していた場合について考える。この場合、目標物２は、点Ａに向かって移動するために、角度θ_ｅの針路を取ったことになる。以降、計算を簡略化するために、目標物２の位置を基準とする角度θ_ｅの代わりに、相対針路φを用いる。相対針路φは、原点Ｏおよび点Ａを結ぶ直線と、点Ａおよび点Ｂを結ぶ直線との間の角度として定義される。

前回の探知時刻ｔ_ｎ−１において、点Ｂにおける目標物２の存在確率分布は、前述の「数１」式から、Ｆ（ｚ，ｔ_ｎ−１）で表すことが出来る。ここで、ｚは、原点Ｏから点Ｂまでの距離を表す。点Ｂに位置する目標物２が、点Ａに向かう相対針路φを選択する確率は、ｄφ／２πで表し、移動速度ｕを選択する確率をｇ（ｕ）ｄｕで表す。すると、前回の探知時刻ｔ_ｎ−１において点Ｂに位置する目標物２が、相対針路φおよび移動速度ｕを選択し、時間ｔが経過した後に点Ａに位置する確率は、Ｆ（ｚ，ｔ_ｎ−１）ｇ（ｕ）ｄｕｄφ／２πで表される。ここで、余剰定理ｚ^２＝ｒ^２＋（ｕｔ）^２−２ｒｕｔ・ｃｏｓφを代入し、相対針路φについて範囲［０〜２π］で積分し、移動速度ｕについて速度分布範囲［ｕ_ｌ〜ｕ_ｈ］で積分すると、時間ｔが経過した後の目標物２の存在確率密度関数Ｆ_ＭＡ（ｒ，ｔ）が下記のように求められる。
ここで、ｒは、原点Ｏから点Ａまでの距離を表す。

点Ａの座標を（ｘ，ｙ）と置くと、ｒ^２＝ｘ^２＋ｙ^２となり、前述の「数１１」式は下記のように書き換えられる。

任意のメッシュ（Ｘ_ｉ，Ｙ_ｊ）に目標物２が存在する確率は、上記の「数１２」式と、メッシュ面積との積によって、下記のように算出される。
Ｐ_ＭＡ（（Ｘ_ｉ，Ｙ_ｊ），ｔ_ｎ）＝Ｆ_ＭＡ（（Ｘ_ｉ，Ｙ_ｊ），ｔ）ΔｘΔｙ
ここで、ｔは前回の探知時刻ｔ_ｎ―１から今回の探知時刻ｔ_ｎまでの経過時間である。上記のＰ_ＭＡ（（Ｘ_ｉ，Ｙ_ｊ），ｔ_ｎ）では、角度θ_ｅの積分範囲を［０〜２π］としているので、これを全周拡散分布と呼ぶ。図８Ｂは、全周拡散分布４１の一例を示す図である。

ここまで、目標物２が角度θ_ｅを範囲［０〜２π］の一様分布から決定する場合に拡散存在確率分布Ｐ_Ｍを算出する方法について説明した。しかし、実際の目標物２は、所定の目的地に向かって移動する船舶などであるので、次のことが考えられる。
・目標物２としての船舶は、帰投などの明確な意思変更が無い限り、針路を直前とは逆の方向へ変更する可能性は低い。
・監視領域１としての海上を航行する、目標物２としての船舶が、短時間で大幅な針路変更をすることは物理的に難しい。
これらのことから、角度θ_ｅの積分範囲を、［０〜２π］の全周に固定せず、任意の範囲に指定することも可能である。そこで、目標物２が角度θ_ｅを、任意の範囲［θ_ｌ〜θ_ｈ］の一様分布から選択する場合の、拡散存在確率分布Ｐ_Ｍの算出方法について説明する。

角度θｅの積分範囲を［θ_ｌ〜θ_ｈ］とすると、対応する相対針路φの範囲は［（ω−θ_ｌ）〜（ω−θ_ｈ）］となる。ここで、ωは、ｘ軸と、原点および点Ａを結ぶ直線との間の角度である。この相対針路φの範囲を、前述の「数１２」式に適用すると、下記の式が得られる。
ただし、ここで、
である。

任意のメッシュ（Ｘ_ｉ，Ｙ_ｊ）に目標物２が存在する確率は、上記の「数１３」式と、メッシュ面積との積によって、下記のように算出される。
Ｐ_Ｍ（（Ｘ_ｉ，Ｙ_ｊ），ｔ_ｎ）＝Ｆ_Ｍ（（Ｘ_ｉ，Ｙ_ｊ），ｔ）ΔｘΔｙ
ここで、ｔは前回の探知時刻ｔ_ｎ―１から今回の探知時刻ｔ_ｎまでの経過時間である。上記のＰ_Ｍ（（Ｘ_ｉ，Ｙ_ｊ），ｔ_ｎ）では、角度θ_ｅの積分範囲を［θ_ｌ〜θ_ｈ］としているので、これを所定範囲方向拡散分布と呼ぶ。図８Ｃは、所定範囲方向拡散分布４２の一例を示す図である。図８Ｃの場合、ｘ軸を中心に［−π／６〜π／６］（ラジアン）の範囲で算出している。このように算出される所定範囲方向拡散分布は、その中心に対して非点対称となる。未来位置予測処理部１４３が所定範囲方向拡散分布を算出する処理を、拡散存在確率分布算出処理と呼ぶ。

角度θ_ｅの範囲は、目標物２の針路方向範囲５２Ａとして設定される。角度θ_ｅの範囲は、任意の初期値が用いられても良いし、目標行動推定処理部１４２が推定した目標行動に基づいて自動的に設定されても良いし、利用者の推定に基づいて手動で入力されても良い。

速度分布関数ｇ（ｕ）について説明する。速度分布関数ｇ（ｕ）の設定方法は、大きく分けて以下の２種類が考えられる。
・センサ２００Ａ、２００Ｂから受信した探知情報に、目標物２の移動速度ｕに係る情報が含まれている場合
・センサ２００Ａ、２００Ｂから受信した探知情報に、目標物２の移動速度ｕに係る情報が含まれていない場合

速度情報が含まれている場合は、速度分布関数ｇ（ｕ）は、例えばディラックのデルタ関数δ（ｘ）を用いて次のように表すことが出来る。
ｇ（ｕ）＝δ（ｕ−ｕ_０）
ここで、ｕ_０は、探知情報に含まれる目標物２の速度である。また、デルタ関数δ（ｘ）は、
ｘ≠０のとき、δ（ｘ）＝０、かつ、
と定義される。

速度情報が含まれていない場合は、例えば、目標物２は最低速度ｕ_ｌ乃至最大速度ｕ_ｈの間の一様分布から速度を選択する、と考えて、速度分布関数ｇ（ｕ）を次のように表すことが出来る。
ｕ_ｌ≦ｕ≦ｕ_ｈの場合は、
ｇ（ｕ）＝１／（ｕ_ｈ−ｕ_ｌ）
その他の場合は、
ｇ（ｕ）＝０

以上により、情報蓄積方式を活用して目標物２の存在確率分布を算出する方法が構築される。メッシュごとに算出された所定範囲方向拡散分布４２は、次の探知時刻の第３ステップＳ１０３において拡散存在確率分布として参照される。したがって、第５ステップＳ１０５で算出された所定範囲方向拡散分布４２は、少なくとも次の探知時刻の第３ステップＳ１０３で参照されるまで、未来位置予測処理部１４３によって記憶されていても良いし、センサ情報処理部１４０の図示しない記憶装置に記憶されていても良いし、データベース１１０に格納されていても良い。より好ましくは、算出された所定範囲方向拡散分布４２は、監視の完了までいずれかの記憶領域に記憶される。

第５ステップＳ１０５の次には、第６ステップＳ１０６が実行される。

第６ステップＳ１０６において、出力部１５０のうち、特に目標情報出力部１５３が、目標情報を出力する。ここで、出力される目標情報には、第４ステップＳ１０４で推定された目標行動、すなわち、仮説経路１１〜１５のそれぞれに対応する予測針路確率が含まれる。なお、出力される目標情報には、第３ステップＳ１０３で抽出された航跡の情報、すなわち、合成された存在確率がさらに含まれても良い。また、出力される目標情報には、第５ステップＳ１０５で予測された未来位置、すなわち、拡散存在確率分布がさらに含まれても良い。

なお、出力される目標情報は、目標情報出力部１５３によって出力される前に、目標情報格納領域１５１に格納されることが好ましい。

第６ステップＳ１０６において、出力部１５０のセンサ情報出力部１５５が、センサ情報を出力しても良い。ここで、出力されるセンサ情報は、センサ情報入力部１２０で受信された探知情報を含む。

なお、出力されるセンサ情報は、センサ情報出力部１５５によって出力される前に、センサ情報格納領域１５２に格納されることが好ましい。

第６ステップＳ１０６において、出力部１５０の地図出力部１５４が地図情報をさらに出力しても良い。ここで、出力される地図情報は、監視領域１の地理情報と、抽出された航跡と、仮説経路１１〜１５のそれぞれに対応する予測針路確率とを合成した情報を含む。

出力部１５０は、出力する各種の情報を、例えばディスプレイなどによって可視化して出力しても良いし、外部の電子機器に対して電子的に出力しても良いし、スピーカなどによって聴覚的に出力しても良い。

第６ステップＳ１０６の次には、第７ステップＳ１０７が実行される。

第７ステップＳ１０７において、センサ情報処理部１４０が監視を継続するかどうかを判定する。判定の結果、監視を継続する場合（ＹＥＳ）は、第２ステップＳ１０２を実行する。反対に、監視を継続しない場合（ＮＯ）は、第８ステップＳ１０８を実行して本実施形態による目標物監視方法を終了する。

以上に説明したように、本実施形態の目標物監視システムおよび目標物監視方法によれば、面積が比較的広大な監視領域１を移動する目標物２の位置を、探知範囲が比較的狭いセンサを用いて断続的に探知するにあたって、ベイズの定理を適用することで予測精度を向上し、情報蓄積方式を用いることで探知精度を向上することが出来る。また、目標物２が移動する上で従わざるを得ない物理的な制約に加えて、目標物２が従うと予想される非物理的な法則を、探知前に生成する仮説経路を用いることで考慮することが可能となり、探知精度のさらなる向上が期待される。

（第２実施形態）
第１実施形態において、図３のフローチャートに示した第３ステップＳ１０３として、探知の信頼度ｐ_０について説明した。本実施形態では、第１実施形態の変更例として、探知の信頼度ｐ_０がそれ以降の探知で変更された場合の対処法について説明する。

探知を繰り返す中で、過去に受信した探知情報が、虚探知だったことが判明する場合がある。ここで、虚探知とは、例えば目標物２とは異なる物体を目標物２と誤認した場合などに発生し得る。そのような場合には、虚探知と判明した探知情報の信頼度を、例えば「０」に修正した上で統合目標分布Ｐを修正し、以降の予測針路確率を再計算する。このような再計算を可能とするために、全ての探知情報はデータベース１１０などに記録しておくことが好ましい。なお、修正された統合目標分布Ｐを修正後統合目標分布Ｐ_Ｃと呼ぶ。

図９は、一実施形態による予測針路確率の再計算の一例を示すグラフである。図９の例では、探知時刻ｔ_３の探知情報が虚探知だと判明した場合を想定している。つまり図９は、探知時刻ｔ_３の探知情報の信頼度を「０」に修正した上で、探知時刻ｔ_３以降の針路確率を再計算した場合の帯グラフである。その結果、探知時刻ｔ_３に対応する帯グラフは、探知時刻ｔ_２の帯グラフと同じである。その後の針路確率は、その後の探知結果が同じであるため、最終的には図７に示した例に近づいているが、図９の例では目標物２が仮説経路１１または１２を通っている確率が図７の例よりも多く残っていることが分かる。

本実施形態のその他の構成および動作については、第１実施形態の場合と同様であるので、さらなる詳細な説明を省略する。

（第３実施形態）
第１実施形態では、ベイズの定理を適用するために、仮説経路１１〜１５を先に生成し、目標物２の探知をその後に行うと説明した。しかし、実際には、探知を繰り返す中で、仮説経路１１〜１５を修正する必要性が生じる場合がある。本実施形態では、第１実施形態の変更例として、探知開始後に仮説経路を変更し、かつ、ベイズの定理を適用する方法について説明する。

図１０Ａは、一実施形態による目標行動仮説生成処理部が、探知開始後に仮説経路を修正する直前の状態について説明するための図である。図１０Ａの例では、図６Ａの場合と同様に、仮説経路１１〜１５を生成した後、探知を開始し、探知時刻ｔ_１およびｔ_２にそれぞれ対応する探知位置３１および３２が取得されている。図７を参照すると、探知時刻ｔ_２の時点で、予測針路確率は仮説経路１２および１３が最も高い。そこで、探知精度を高めるために、目標物２の目的地が仮説経路１２または１３の延長線上にあると予測して、仮説経路の密度をこの方向に高めるような修正が検討され得る。

図１０Ｂは、一実施形態による目標行動仮説生成処理部が、探知開始後に仮説経路を修正する方法について説明するための別の図である。図１０Ｂの例では、探知時刻ｔ_２の時点で仮説経路１１〜１５が仮説経路１１Ａ〜１５Ａに修正されている。修正後の仮説経路１１Ａ〜１５Ａのうち、時刻ｔ_３以降に対応する部分については、一例として、修正前の仮説経路１３に平行であるが、この修正は本実施形態を限定しない。

ただし、修正後の仮説経路１１Ａ〜１５Ａのうち、探知時刻ｔ_０〜ｔ_２に対応する部分については、修正前の仮説経路１１〜１５と同じである。これは、仮説経路の修正後も探知時刻ｔ_２以前の探知情報にベイズの定理を適用するために必要な制限である。このため、仮説経路を修正する自由度は小さくなるものの、修正する以前に得られた予測針路確率の知見を継続活用することが出来る。

図１０Ｃは、図１０Ｂに示した修正後の仮説経路１１Ａ〜１５Ａを用いた場合の予測針路確率を示すグラフである。図１０Ｃに示した、仮説経路を修正した探知時刻ｔ_２までの予測針路確率は、仮説経路を修正しない図７の場合と同じである。図１０Ｃに示した、仮説経路を修正した後の、探知時刻ｔ_３以降の予測針路確率は、図７の場合と異なっている。仮説経路１１Ａ〜１５Ａのうち、探知時刻ｔ_３以降に対応する部分は、仮説経路１１Ａ〜１５Ａ同士の密度が高いので、結果的に予測針路確率の精度の向上が期待される。

探知開始後に仮説経路を修正するかどうかの判定は、監視サーバ１００の利用者が手動で行っても良いし、センサ情報処理部１４０が自動的に行っても良い。この判定を行うタイミングは、例えば、第１実施形態の図３に示したフローチャートにおける第７ステップＳ１０７において、目標物２の監視を継続するかどうかを判定した直後に行っても良い。

本実施形態による目標物監視システムの動作、すなわち、本実施形態による目標物監視方法について説明する。図１０Ｄは、本実施形態による目標物監視システムの全体的な動作の一例を示すフローチャートである。図１０Ｄのフローチャートは、合計１１のステップＳ２００〜Ｓ２１０を備える。第０ステップＳ２００〜第７ステップＳ２０７については、図３に示した第０ステップＳ１００〜第７ステップＳ１０７とそれぞれ同様であるので、さらなる詳細な説明を省略する。

第７ステップＳ２０７において、監視を継続する場合（ＹＥＳ）は、その次に第８ステップＳ２０８が実行される。反対に、監視を継続しない場合（ＮＯ）は、その次に第１０ステップＳ２１０が実行される。

第８ステップ２０８において、仮説経路の修正を行うかどうかを判定する。修正を行う場合（ＹＥＳ）は、その次に第９ステップＳ２０９が実行される。反対に、修正を行わない場合（ＮＯ）は、その次に第２ステップＳ２０２が実行される。

第９ステップ２０９において、仮説経路の修正が行われる。第９ステップＳ２０９の次には、第２ステップＳ２０２が実行される。

第１０ステップ２１０において、本実施形態による目標物監視システムの動作が終了する。

本実施形態のその他の構成および動作については、第１実施形態の場合と同様であるので、さらなる詳細な説明を省略する。

（第４実施形態）
第３実施形態では、仮説経路を修正した後も、仮説経路を修正する前の予測針路確率の知見を活用するために、探知時刻ｔ２以前の予測針路確率については修正を行わない。しかし、実際には、修正前の知見を捨ててでも、より抜本的な針路修正の必要性が生じる場合がある。本実施形態では、第１実施形態または第３実施形態の変更例として、探知開始後に仮説経路を変更する別の方法について説明する。

本実施形態でも、第３実施形態の説明と同様に、第１実施形態の図７に示した例を用いる。すなわち、探知時刻ｔ_２までの、仮説経路を修正する直前の状態は、第３実施形態の図１０Ａに示した状態と同じである。ただし、探知時刻ｔ_２以降の、仮説経路を修正した後の状態は、第１実施形態とも、第３実施形態とも異なる。図１１Ａは、本実施形態による目標行動仮説生成処理部が、探知開始後に仮説経路を修正する別の方法について説明するための図である。

図１１Ａに示したように、探知時刻ｔ_１〜ｔ_５にそれぞれ対応する探知位置３１〜３５は、第１実施形態の図７や、第３実施形態の図１０Ａの場合と同じである。その一方で、図１１Ａに示した修正後の仮説経路１１Ｂ〜１５Ｂは、修正前の仮説経路１１〜１５を部分的にも継承していない。このように、本実施形態では、探知開始後に仮説経路を修正する自由度が高い。ただし、探知時刻ｔ_２までに得られた目標物２の存在確率分布に係る知見を、仮説経路の修正後に継続活用することは出来ない。また、修正後の仮説経路１１Ｂ〜１５Ｂは、いずれも、時刻ｔ_２に対応する探知位置３２から開始する。

言い換えれば、本実施形態による探知開始後の仮説経路の修正は、修正する時刻を開始時刻として新たな監視に切り替えることに等しい。

図１１Ｂは、図１１Ａに示した修正後の仮説経路１１Ｂ〜１５Ｂを用いた場合の予測針路確率を示すグラフである。図１１Ｂのグラフは、第１実施形態の図７や、第３実施形態の図１０Ｃと同様に、合計６の帯グラフを含んでいる。また、図１１Ｂの帯グラフは、左から順に、探知時刻ｔ_０〜ｔ_５にそれぞれ対応する。探知開始時刻ｔ_０および探知時刻ｔ_１に対応する帯グラフは、それぞれ、合計５の領域α〜εに分割されている。この分割は、図７と同じである。ただし、探知時刻ｔ_２以降の帯グラフは、合計５の領域α’〜ε’に分割されている。これらの領域α’〜ε’は、それぞれ、修正後の仮説経路１１Ｂ〜１５Ｂに対応している。

仮説経路の修正を行った探知時刻ｔ_２において、合計５の領域α’〜ε’のそれぞれが全体の０．２ずつを占めている。このことは、修正前の探知開始時刻ｔ_０の場合と同様に、探知時刻ｔ_２においては、目標物２が仮説経路１１Ｂ〜１５Ｂに沿って移動する確率が等しいと考えられていることを示している。

探知時刻ｔ_３〜ｔ_５においては、対応する探知位置３３〜３５が、修正後の仮説経路１４Ｂ、１３Ｂおよび１２Ｂにそれぞれ接近している。探知時刻ｔ_３〜ｔ_５のそれぞれにおける領域α’〜ε’の分布は、このことを示している。

本実施形態による目標物監視システムのその他の構成および動作は、第３実施形態の場合と同様であるので、さらなる詳細な説明を省略する。

（第５実施形態）
本実施形態では、監視領域１を移動する目標物２の位置をより精度よく探知するために、監視サーバ１００が探知計画を立案または更新し、センサ２００Ａ、２００Ｂがこの探知計画を実行する。

図１２Ａは、本実施形態による目標物監視システムの全体的な構成の一例を示す機能ブロック図の後半部分である。図１２Ａは、第１実施形態の図２Ｂと、以下の点で異なる。すなわち、本実施形態による目標物監視システムの出力部１５０は、第１実施形態による目標物監視システムの構成要素に加えて、監視計画生成処理部１５６と、監視計画格納領域１５７と、監視計画出力部１５８とをさらに含む。本実施形態による目標物監視システムのその他の構成要素については、図２Ａおよび図２Ｂに示した第１実施形態の場合と同様であるので、さらなる詳細な説明を省略する。

図１２Ａに示した監視計画生成処理部と、監視計画記憶部と、監視計画出力部と係る接続関係について説明する。監視計画生成処理部１５６の入力には、センサ情報処理部１４０の出力と、センサ情報格納領域１５２の出力とが接続されている。監視計画生成処理部１５６の出力には、監視計画格納領域１５７の入力が接続されている。監視計画格納領域１５７の出力には、監視計画出力部１５８の入力が接続されている。監視計画出力部１５８の出力は、ネットワーク３００を介してセンサ２００Ａ、２００Ｂに接続されている。

本実施形態による目標物監視システムの動作、すなわち、本実施形態による目標物監視方法について説明する。図１２Ｂは、本実施形態による目標物監視システムの全体的な動作の一例を示すフローチャートである。図１２Ｂのフローチャートは、合計１１のステップＳ３００〜Ｓ３１０を備える。第０ステップＳ３００〜第７ステップＳ３０７については、図３に示した第１実施形態の第０ステップＳ１００〜第７ステップＳ１０７と同様であるので、さらなる詳細な説明を省略する。

第７ステップＳ３０７において、監視を継続する場合（ＹＥＳ）は、その次に第８ステップＳ３０８が実行される。反対に、監視を継続しない場合（ＮＯ）は、その次に第１０ステップＳ３１０が実行される。

第８ステップＳ３０８において、監視計画を更新するかどうかを判定する。この判定は、監視サーバ１００の利用者が手動で行っても良いし、センサ情報処理部１４０が自動的に行っても良い。更新を行う場合（ＹＥＳ）は、その次に第９ステップＳ３０９が実行される。反対に、更新を行わない場合（ＮＯ）は、その次に第２ステップＳ３０２が実行される。

第９ステップＳ３０９において、監視計画の更新が行われる。新たな監視計画は、監視計画生成処理部１５６が生成する。生成された監視計画を表す監視計画情報は、監視計画格納領域１５７に記憶される。監視計画出力部１５８は、記憶された監視計画情報を、ネットワーク３００を介してセンサ２００Ａ、２００Ｂに向けて送信する。センサ２００Ａ、２００Ｂは、送信された監視計画情報を受信して実行する。具体的には、センサ２００Ａ、２００Ｂが目標物２を探知するために監視領域１を移動する時刻、タイミングまたは頻度や、経路などが、新たな監視計画情報にしたがって更新されても良い。第９ステップＳ３０９の次には、第２ステップＳ３０２が実行される。

第１０ステップＳ３１０において、本実施形態による目標物監視システムの動作が終了する。

本実施形態のその他の構成および動作については、第１実施形態の場合と同様であるので、さらなる詳細な説明を省略する。

以上、発明者によってなされた発明を実施の形態に基づき具体的に説明したが、本発明は前記実施の形態に限定されるものではなく、その要旨を逸脱しない範囲で種々変更可能であることはいうまでもない。また、前記実施の形態に説明したそれぞれの特徴は、技術的に矛盾しない範囲で自由に組み合わせることが可能である。

１：監視領域
２：目標物
３：移動ベクトル
４：メッシュ
１０：移動経路
１１〜１５：仮説経路
１１Ａ〜１５Ａ：仮説経路
１１Ｂ〜１５Ｂ：仮説経路
２０〜２５：時刻
３１〜３５：探知位置
４０：存在確率分布
４０Ａ：頂点
４１：全周拡散分布
４２：所定範囲方向拡散分布
５１：前回得られた目標物の統合目標分布
５２：前回の存在確率分布に基づく拡散存在確率分布
５２Ａ：目標物の針路方向範囲
５３：今回得られた目標物の存在確率分布
１００：監視サーバ
１０１：バス
１０２：入出力インタフェース
１０３：演算装置
１０４：記憶装置
１０５：外部記憶装置
１０６：記録媒体
１１０：データベース
１１１：センサモデル格納領域
１１２：目標物理モデル格納領域
１１３：目標非物理モデル格納領域
１１４：地図情報格納領域
１２０：センサ情報入力部
１３０：目標行動仮説生成処理部
１４０：センサ情報処理部
１４１：航跡抽出処理部
１４２：目標行動推定処理部
１４３：未来位置予測処理部
１５０：出力部
２００Ａ、２００Ｂ：センサ
３００：ネットワーク

例えば下記の式で、前回の存在確率分布に基づく拡散存在確率分布５２と、今回の探知結果から得られた目標物２の存在確率分布５３との合成を、重み付けとしての信頼度ｐ_０を用いてメッシュごとに行える。
ここで、Ｐ_Ｄ（（Ｘ_ｉ，Ｙ_ｊ），ｔ_ｎ）は、今回の探知結果から得られた目標物２の存在確率分布を表す。Ｐ_Ｍ（（Ｘ_ｉ，Ｙ_ｊ），ｔ_ｎ）は、前回の探知結果から算出した、今回の探知時刻における拡散存在確率分布を表す。Ｐ（（Ｘ_ｉ，Ｙ_ｊ），ｔ_ｎ）は、合成された存在確率分布すなわち統合目標分布を表す。信頼度ｐ_０を考慮した場合には、この統合目標分布が、ある時点ｔ_ｎにおける目標物２の実質的な存在確率分布となる。

Claims (11)

1. 記憶装置と、
   演算装置と、
   表示装置と
   を具備し、
   前記記憶装置は、目標物の物理モデルと、前記目標物の非物理モデルと、地図情報とを記憶しており、
   前記物理モデルは、前記目標物の物理的制約を示し、
   前記非物理モデルは、前記目標物の行動パターンを示し、
   ｎを２以上の任意の自然数とするとき、前記演算装置は、外部センサから受信するデータに基づいて、時刻ｔ_ｎにおける前記目標物の存在確率分布Ｐ_Ｄを算出する存在確率分布算出処理を実行し、
   前記演算装置は、前記時刻ｔ_ｎよりも前の時刻であるｔ_ｎ−１における前記目標物の統合目標分布Ｐ（ｔ_ｎ−１）と、前記目標物の前記物理モデルとに基づいて、前記時刻ｔ_ｎにおける前記目標物の拡散存在確率分布Ｐ_Ｍ（ｔ_ｎ）を算出する拡散存在確率分布算出処理を実行し、
   前記演算装置は、前記外部センサの種類または前記外部センサの周囲の環境のうちの少なくとも一方に基づいて、前記存在確率分布Ｐ_Ｄ（ｔ_ｎ）の信頼度ｐ_０（ｔ_ｎ）を算出する信頼度算出処理を実行し、
   前記演算装置は、前記時刻ｔ_ｎにおける前記目標物の統合目標分布Ｐ（ｔ_ｎ）を、以下に示す数式（１）に基づいて算出し、
   
   Ｐ（ｔ_ｎ）＝ｐ_０（ｔ_ｎ）×Ｐ_Ｄ（ｔ_ｎ）＋（１−ｐ_０（ｔ_ｎ））×Ｐ_Ｍ（ｔ_ｎ） …（１）
   
   前記演算装置は、前記統合目標分布Ｐ（ｔ_ｎ−１）と、前記統合目標分布Ｐ（ｔ_ｎ）と、前記目標物の前記非物理モデルとに基づいて、前記目標物の航跡および予測針路確率を算出し、
   前記表示装置は、前記地図情報と、前記航跡および前記予測針路確率とを組み合わせて表示する
   目標物監視システム。
2. 請求項１に記載の目標物監視システムにおいて、
   前記演算装置は、前記統合目標分布Ｐ（ｔ_ｎ−１）および前記物理モデルに加え、前記目標物の前記非物理モデルに基づいて、前記拡散存在確率分布Ｐ_Ｍ（ｔ_ｎ）を算出する
   目標物監視システム。
3. 請求項２に記載の目標物監視システムにおいて、
   前記存在確率分布Ｐ_Ｄ（ｔ_ｎ）は、前記外部センサから受信するデータに基づいて算出される前記目標物の探知位置からの距離が遠いほど存在確率が減少する分布である
   目標物監視システム。
4. 請求項３に記載の目標物監視システムにおいて、
   前記拡散存在確率分布Ｐ_Ｍ（ｔ_ｎ）は、前記存在確率分布Ｐ_Ｄ（ｔ_ｎ）の中心に対して、非点対称の分布である
   目標物監視システム。
5. 請求項２乃至４のいずれか一項に記載の目標物監視システムにおいて、
   前記演算装置は、前記物理モデルと、前記非物理モデルと、前記時刻ｔ_ｎ以前の複数の時点での前記目標物の探知位置とに基づいて、前記目標物の複数の仮説経路を算出する仮説経路算出処理を実行し、
   前記表示装置は、前記複数の仮説経路を、前記航跡および前記予測針路確率とともに表示する
   目標物監視システム。
6. 請求項２乃至４のいずれか一項に記載の目標物監視システムにおいて、
   前記演算装置は、前記物理モデルと、前記非物理モデルと、前記時刻ｔ_ｎ以前の複数の時点での前記目標物の探知位置とに基づいて、前記目標物の複数の仮説経路を算出する仮説経路算出処理を実行し、
   前記演算装置は、前記複数の仮説経路に基づいて、前記拡散存在確率分布Ｐ_Ｍ（ｔ_ｎ）を算出する
   目標物監視システム。
7. 請求項１乃至６のいずれか一項に記載の目標物監視システムにおいて、
   前記演算装置は、前記時刻ｔ_ｎよりも後の時刻であるｔ_ｎ＋１における前記目標物の存在確率分布Ｐ_Ｄ（ｔ_ｎ＋１）と、前記時刻ｔ_ｎ＋１における前記目標物の存在確率分布Ｐ_Ｄ（ｔ_ｎ＋１）の信頼度ｐ_０（ｔ_ｎ＋１）とに基づいて、前記統合目標分布Ｐ（ｔ_ｎ）を修正することにより、修正後統合目標分布Ｐ_Ｃ（ｔ_ｎ）を算出し、
   前記演算装置は、前記修正後統合目標分布Ｐ_Ｃ（ｔ_ｎ）に基づいて、前記航跡を修正し、
   前記表示装置は、修正後の航跡を表示する
   目標物監視システム。
8. 請求項７に記載の目標物監視システムにおいて、
   前記演算装置は、前記存在確率分布算出処理を実行することにより、前記存在確率分布Ｐ_Ｄ（ｔ_ｎ＋１）を算出し、
   前記演算装置は、前記信頼度算出処理を実行することにより、前記信頼度ｐ_０（ｔ_ｎ＋１）を算出し、
   前記演算装置は、前記存在確率分布Ｐ_Ｄ（ｔ_ｎ＋１）と、前記信頼度ｐ_０（ｔ_ｎ＋１）とに基づいて、前記統合目標分布Ｐ（ｔ_ｎ）を修正することにより、前記修正後統合目標分布Ｐ_Ｃ（ｔ_ｎ）を算出し、
   前記演算装置は、前記修正後統合目標分布Ｐ_Ｃ（ｔ_ｎ）と、前記目標物の前記物理モデルとに基づいて、前記時刻ｔ_ｎ＋１における前記目標物の拡散存在確率分布Ｐ_Ｍ（ｔ_ｎ＋１）を算出し、
   前記演算装置は、前記時刻ｔ_ｎ＋１における前記目標物の統合目標分布Ｐ（ｔ_ｎ＋１）を、以下に示す数式に基づいて算出し、
   
   Ｐ（ｔ_ｎ＋１）＝ｐ_０（ｔ_ｎ＋１）×Ｐ_Ｄ（ｔ_ｎ＋１）＋（１−ｐ_０（ｔ_ｎ＋１））×Ｐ_Ｍ（ｔ_ｎ＋１） …（２）
   
   前記演算装置は、前記修正後統合目標分布Ｐ_Ｃ（ｔ_ｎ）と、前記統合目標分布Ｐ（ｔ_ｎ＋１）とに基づいて、前記航跡を修正するとともに、前記予測針路確率を更新し、
   前記表示装置は、前記地図情報と、前記修正後の航跡と、更新後の予測針路確率とを組み合わせて表示する
   目標物監視システム。
9. 請求項７または８に記載の目標物監視システムにおいて、
   前記外部センサと、前記外部センサとは異なる第２外部センサとをさらに備え、
   前記演算装置は、前記第２外部センサから受信するデータに基づいて、前記時刻ｔ_ｎ＋１における前記目標物の存在確率分布Ｐ_Ｄ（ｔ_ｎ＋１）を算出する前記存在確率分布算出処理を実行する
   目標物監視システム。
10. 外部センサを用いて目標物を探知することと、
    ｎを２以上の任意の自然数とするとき、演算装置を用いて、前記外部センサから受信するデータに基づいて、時刻ｔ_ｎにおける前記目標物の存在確率分布Ｐ_Ｄ（ｔ_ｎ）を算出することと、
    前記演算装置を用いて、前記時刻ｔ_ｎよりも前の時刻であるｔ_ｎ−１における前記目標物の統合目標分布Ｐ（ｔ_ｎ−１）と、前記目標物の物理的制約を示す物理モデルとに基づいて、前記時刻ｔ_ｎにおける前記目標物の拡散存在確率分布Ｐ_Ｍ（ｔ_ｎ）を算出することと、
    前記演算装置を用いて、前記外部センサの種類または前記外部センサの周囲の環境のうちの少なくとも一方に基づいて、前記存在確率分布Ｐ_Ｄ（ｔ_ｎ）の信頼度ｐ_０（ｔ_ｎ）を算出することと、
    前記演算装置は、前記時刻ｔ_ｎにおける前記目標物の存在確率分布Ｐ（ｔ_ｎ）を、以下に示す数式（１）に基づいて算出することと、
    
    Ｐ（ｔ_ｎ）＝ｐ_０（ｔ_ｎ）×Ｐ_Ｄ（ｔ_ｎ）＋（１−ｐ_０（ｔ_ｎ））×Ｐ_Ｍ（ｔ_ｎ） …（１）
    
    前記演算装置を用いて、前記統合目標分布Ｐ（ｔ_ｎ−１）と、前記統合目標分布Ｐ（ｔ_ｎ）と、前記目標物の行動パターンを示す非物理モデルとに基づいて、前記目標物の航跡および予測針路確率を算出することと、
    表示装置に、地図情報と、前記航跡および前記予測針路確率とを組み合わせて表示することと
    を具備する
    目標物監視方法。
11. 前記請求項１０に記載の目標物監視方法において、
    前記演算装置を用いて、前記統合目標分布Ｐ（ｔ_ｎ）と、前記予測針路確率とに基づいて、前記時刻ｔ_ｎよりも後の時刻である時刻ｔ_ｎ＋１における前記目標物の拡散存在確率分布Ｐ_Ｍ（ｔ_ｎ＋１）を算出することと、
    前記演算装置を用いて、前記拡散存在確率分布Ｐ_Ｍ（ｔ_ｎ＋１）に基づいて、前記目標物の存在確率が高い領域を特定することと、
    前記外部センサまたは前記外部センサとは異なる第２外部センサを用いて、前記目標物の存在確率が高い領域を探知することと、
    前記統合目標分布Ｐ（ｔ_ｎ）に基づいて、前記目標物の航跡および予測針路確率を算出することと、
    表示装置に、地図情報と、前記航跡および前記予測針路確率とを組み合わせて表示することと
    を具備する
    目標物監視方法。