JP5046962B2

JP5046962B2 - Wake assignment device

Info

Publication number: JP5046962B2
Application number: JP2008000524A
Authority: JP
Inventors: 功青山
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 2008-01-07
Filing date: 2008-01-07
Publication date: 2012-10-10
Anticipated expiration: 2028-01-07
Also published as: JP2009162615A

Description

この発明は、組合せ最適化問題を解くメタヒューリスティックス手法を用いて航跡割当問題の一つであるＭＦＡ問題の解を高速に求める航跡割当装置に関する。 The present invention relates to a track assignment apparatus that obtains a solution of an MFA problem, which is one of the track assignment problems, at high speed by using a metaheuristic method for solving a combinational optimization problem.

レーダの観測値から、飛行中の複数の航空機の航跡を推測する航跡追尾処理を構成する一つの処理として航跡割当処理がある。一回のレーダ観測で得られた観測値の集合を観測フレームと呼び、航跡割当は、観測フレーム内の観測値を複数ある航跡のいずれか一つに割り当てる処理である(新規航跡の始点とする場合もある)。例えば、下記特許文献１では、最新の一つの観測フレーム内の観測値を航跡に割り当てるＭＨＴ法を適用した目標追尾装置が提案されている。 There is a track assignment process as one process constituting a track tracking process for estimating the tracks of a plurality of aircraft in flight from the radar observation values. A set of observation values obtained by one radar observation is called an observation frame, and track assignment is the process of assigning observation values in an observation frame to one of multiple wakes (starting from a new wake) In some cases). For example, Patent Document 1 below proposes a target tracking device to which an MHT method that assigns observation values in one latest observation frame to a wake is applied.

ＭＨＴ法のように一つの観測フレームを用いた航跡割当では十分な航跡追尾精度が得られないため、より高い精度の航跡追尾処理が望まれている。このためには連続した複数の観測フレームを用いた航跡割当処理が必要であり、これは、連続した複数の観測フレームに対して航跡割当を行うＭＦＡ(Multiple Frame Assignment)問題を解くことで実現できる。しかし、ＭＦＡ問題は、ＭＨＴ法のような一つの観測フレームの割当処理に比べて考慮する航跡候補数が爆発的に増加するため、厳密に最適な解を求めようとすると処理に長時間を要し、実用面で問題を生じる。 Since track allocation using one observation frame as in the MHT method cannot provide sufficient track tracking accuracy, a track tracking process with higher accuracy is desired. For this purpose, a track assignment process using a plurality of continuous observation frames is required, which can be realized by solving an MFA (Multiple Frame Assignment) problem in which a track assignment is performed for a plurality of continuous observation frames. . However, the MFA problem explosively increases the number of track candidates to be considered compared to the allocation processing of one observation frame as in the MHT method, so that it takes a long time to obtain a strictly optimal solution. However, there is a problem in practical use.

そこで、運用上問題ない解が求まれば必ずしも最適解でなくても良いという考えに立ち、組合せ最適化問題を高速に解くアルゴリズムの適用が提案されている。例えば非特許文献１では、ラグランジュ緩和法を適用することで解の探索空間の絞込みを行い処理の高速化を図っている。 Therefore, based on the idea that a solution that does not have a problem in operation is not necessarily an optimal solution, an application of an algorithm that solves the combinatorial optimization problem at high speed has been proposed. For example, in Non-Patent Document 1, the Lagrangian relaxation method is applied to narrow down the solution search space to increase the processing speed.

特許第３１４５８９３号明細書Japanese Patent No. 3145893 Aubrey B. Poore、”A New Multidimensional Data Association Algorithm for Multisensor-Multitarget Tracking”、Proc. of SPIE Vol. 2561、1995Aubrey B. Poore, “A New Multidimensional Data Association Algorithm for Multisensor-Multitarget Tracking”, Proc. Of SPIE Vol. 2561, 1995

しかし、ラグランジュ緩和法は対象問題の次元数(ＭＦＡ問題の場合はフレーム数)が大きくなると処理が煩雑になり、実装が難しくなるという問題がある。また、探索範囲を絞り込むための制約条件の緩和の仕方によっては効果的な絞込みが行えないという問題もある。 However, the Lagrangian relaxation method has a problem that the processing becomes complicated and the implementation becomes difficult when the number of dimensions of the target problem (the number of frames in the case of the MFA problem) increases. There is also a problem that effective narrowing down cannot be performed depending on how to relax the constraint conditions for narrowing down the search range.

ラグランジュ緩和法よりもアルゴリズムが単純で実装が容易であり、且つ、ＭＦＡ問題を高速に解くことが期待できるアルゴリズムに組合せ最適化のメタヒューリスティクス手法がある。主要なアルゴリズムとしては、遺伝的アルゴリズム、タブーサーチ、シミュレーテッド・アニーリングなどが挙げられる。組合せ最適化のメタヒューリスティックス手法を適用することでより効率良くＭＦＡ問題を解くことが期待できるが、ＭＦＡ問題の制約条件の一つであるゲート条件の存在により、効率的な探索が行えない可能性がある。 An algorithm that is simpler and easier to implement than the Lagrangian relaxation method and that can be expected to solve the MFA problem at high speed is a combinational optimization metaheuristic technique. Major algorithms include genetic algorithms, tabu search, and simulated annealing. Although it is expected that the MFA problem can be solved more efficiently by applying the meta-heuristics method of combinatorial optimization, there is a possibility that efficient search cannot be performed due to the existence of the gate condition which is one of the constraints of the MFA problem. There is.

図１２は航跡割当例を示したものである。時刻ｔ〜時刻ｔ＋３の４つの観測フレーム内の各観測点がＸ−Ｙ平面上に分布している。これら４つの観測フレームの各観測値を重複が無いように結ぶことで４本の航跡への各観測値の割当が行われる。 FIG. 12 shows an example of track assignment. The observation points in the four observation frames from time t to time t + 3 are distributed on the XY plane. By linking the observation values of these four observation frames so as not to overlap, the observation values are assigned to the four wakes.

メタヒューリスティックス手法を用いて最適な航跡割当の探索を行う場合、一般的には現時点で得られている最良解の一部を変更した解(新規解と呼ぶ)を複数生成し、最良解よりも評価値の良い新規解が得られれば、その新規解を最良解とするという処理を繰り返し実行することで最適な割当を求める。例えば、図１２に示した割当結果を現時点の最良解とし、最良解のフレームｔの２番の観測値からフレームｔ＋１の２番の観測値へのリンクと、フレームｔの４番の観測値からフレームｔ＋１の３番の観測値へのリンクを変更し、フレームｔの２番の観測値からフレームｔ＋１の３番の観測値へのリンクと、フレームｔの４番の観測値からフレームｔ＋１の２番の観測値へのリンクとすることで、図１３に示す新規解を生成する。このような部分的な変更による新規解を複数生成し、現時点での最良解よりも良い解の探索を行う。 When searching for the optimal track assignment using the metaheuristics method, it is common to generate multiple solutions (called new solutions) by changing some of the best solutions obtained at the present time. If a new solution with a good evaluation value is obtained, an optimal assignment is obtained by repeatedly executing the process of making the new solution the best solution. For example, the assignment result shown in FIG. 12 is the best solution at the present time, and the link from the second observation value of frame t + 1 of the best solution to the second observation value of frame t + 1 and the fourth observation value of frame t Change the link to the third observation value in frame t + 1, link the second observation value in frame t to the third observation value in frame t + 1, and change the second observation value in frame t to 2 in frame t + 1. By using a link to the observation value of No., a new solution shown in FIG. 13 is generated. A plurality of new solutions based on such partial changes are generated, and a search for a solution better than the current best solution is performed.

しかし、ＭＦＡ問題にはゲート条件と呼ばれる制約条件が存在し、上記のようなリンクの変更を行った際、ゲート条件違反が発生し、得られた解が実行不可能な解となってしまう場合がある。 However, there is a constraint condition called a gate condition in the MFA problem, and when the link is changed as described above, a violation of the gate condition occurs and the obtained solution becomes an infeasible solution. There is.

ここで、図１４および図１５を用いてゲート条件を説明する。ゲート条件とは、ある観測フレーム内の観測値から次の観測フレーム内の観測値に航跡を伸長する際に伸長可能な観測値をゲートと呼ばれる範囲内に含まれるものに限定するものであり、例えば、図１４のフレームｔ＋２の１番の観測点から伸長できる、フレームｔ＋３内の観測値は、ゲート範囲内に含まれる１番と２番となる。なお、ゲート範囲はそれまでに得られている航跡によってその範囲が異なり、図１５に示した航跡が得られている場合には、図１４と同じフレームｔ＋２の１番の観測点からのゲート範囲は図１４のものとは異なり、伸長可能なフレームｔ＋３の観測点は１番のみとなる。 Here, the gate conditions will be described with reference to FIGS. The gate condition is to limit the observation value that can be expanded when extending the wake from the observation value in one observation frame to the observation value in the next observation frame, within the range called the gate, For example, the observation values in the frame t + 3 that can be extended from the first observation point in the frame t + 2 in FIG. 14 are the first and second values included in the gate range. Note that the gate range differs depending on the track obtained so far, and when the track shown in FIG. 15 is obtained, the gate range from the first observation point in the frame t + 2 as in FIG. Is different from that in FIG. 14, and the only observation point of the extendable frame t + 3 is the first.

すなわち、最良解のリンクを一部張り替えることで航跡の構成が変更され、ゲート条件が変わってしまう。ゲート条件が変わるとゲート条件違反が発生してしまう可能性もある。ゲート条件が発生した場合はゲート条件違反を解消しなければならないが、現在の違反箇所を修正するようリンクの変更を行うと、また別の箇所でゲート条件違反が発生し、それを解消するとまた別の箇所で違反が発生するというように、ゲート条件違反の解消処理を何度も繰り返し行わなければならなくなる。 That is, by changing part of the best solution link, the configuration of the wake is changed and the gate condition is changed. If the gate condition changes, a gate condition violation may occur. If a gate condition occurs, the violation of the gate condition must be resolved.However, if the link is changed to correct the current violation, a gate condition violation occurs at another location. It is necessary to repeat the gate condition violation elimination process many times, such as a violation occurring at another location.

メタヒューリスティクス手法による最適解探索は、最良解の部分的な変更を繰り返すことに特徴があり、上記のようにゲート条件違反の解消処理が繰り返されることは最良解の部分的な変更とはならず、効率的な探索が行えないという問題がある。 The search for the optimal solution by the metaheuristics method is characterized by repeating partial changes of the best solution, and repeating the elimination of the gate condition violation as described above is not a partial change of the best solution. Therefore, there is a problem that efficient search cannot be performed.

この発明は上記のような問題点を解決するためになされたもので、ＭＦＡ問題を高速に解き、且つ、ラグランジュ緩和法に比べてアルゴリズムが単純で実装が容易である、組合せ最適化のメタヒューリスティックス手法を適用した航跡割当装置を提案することを目的としている。 The present invention has been made to solve the above-described problems. It solves the MFA problem at a high speed, and has a simpler algorithm and easier to implement than the Lagrangian relaxation method. The purpose of this study is to propose a track allocation device applying the method.

この発明は、測定して蓄積された移動体の航跡に関する観測データに基づき、予め定められた制約条件に違反しない複数の航跡候補を割当パターン群として生成し、この生成された割当パターン群を構成する各割当パターンに対し、航跡の始点に基づくグループに分類し、各グループの各割当パターンに対して一意の番号を付与する航跡候補群生成手段と、各割当パターンに付与された番号に基づき、組合せ最適化を図るメタヒューリスティックス手法によって観測値を航跡に割り当てる航跡割当処理を行う航跡割当処理手段とを有することを特徴とする航跡割当装置にある。 The present invention generates a plurality of wake candidates that do not violate a predetermined constraint condition as an allocation pattern group based on observation data related to the track of a moving object that is measured and accumulated, and configures the generated allocation pattern group For each allocation pattern to be classified into a group based on the starting point of the wake, and a wake candidate group generating means for assigning a unique number to each allocation pattern of each group, based on the number assigned to each allocation pattern, The track assignment apparatus includes a track assignment processing unit for performing a track assignment process for assigning an observation value to a track by a metaheuristic technique for performing combinatorial optimization.

この発明では、組合せ最適化問題を解くメタヒューリスティックス手法を用いて航跡割当問題の一つであるＭＦＡ問題の解を高速に求める航跡割当装置を提供することができる。 According to the present invention, it is possible to provide a track assignment apparatus that obtains a solution of the MFA problem, which is one of the track assignment problems, at high speed by using a metaheuristic method for solving the combination optimization problem.

実施の形態１．
図１は、この発明の実施の形態１における航跡割当装置の構成を示すブロック図であり、例えばコンピュータとメモリにより構成される。図１において、観測データ収集部１は、レーダ等により観測された飛行物体等の移動体の観測値のデータを収集する装置である。観測データ蓄積部２は、観測データ収集部１により収集された観測値を観測データとして蓄積する装置である。航跡候補群生成部３は、観測データ蓄積部２に蓄積された観測値データ、および航跡平滑値格納部１０に格納される平滑値情報より、ゲート条件と呼ばれる制約条件に違反しない航跡候補を全て生成し(航跡候補を割当パターンと呼ぶ場合もある)、航跡候補群を構成する航跡候補を、始点が同じものでグループ化する装置である。航跡候補群格納部４は、航跡候補群生成部３において生成された航跡候補群を格納する装置である。 Embodiment 1 FIG.
FIG. 1 is a block diagram showing a configuration of a track assignment apparatus according to Embodiment 1 of the present invention, which is constituted by, for example, a computer and a memory. In FIG. 1, an observation data collection unit 1 is a device that collects observation value data of a moving object such as a flying object observed by a radar or the like. The observation data accumulating unit 2 is an apparatus that accumulates observation values collected by the observation data collecting unit 1 as observation data. The wake candidate group generation unit 3 determines all wake candidates that do not violate a constraint condition called a gate condition from the observation value data stored in the observation data storage unit 2 and the smooth value information stored in the wake smooth value storage unit 10. This is a device that generates (in some cases, wake candidates are called allocation patterns) and groups the wake candidates constituting the wake candidate group with the same starting point. The wake candidate group storage unit 4 is a device that stores the wake candidate group generated by the wake candidate group generation unit 3.

初期解生成部５は、航跡候補群格納部４に格納された航跡候補群の中から航跡グループ毎に一つずつ航跡候補を選択し、最適な航跡候補の組合せ(以降、航跡候補の組合せ「解」と呼ぶ)を探索するための初期解を生成する装置である。初期解格納部６は、初期解生成部５で生成された初期解を格納する装置である。 The initial solution generation unit 5 selects a wake candidate for each wake group from the wake candidate group stored in the wake candidate group storage unit 4 and selects an optimum wake candidate combination (hereinafter referred to as a wake candidate combination “ This is an apparatus for generating an initial solution for searching for a “solution”. The initial solution storage unit 6 is a device that stores the initial solution generated by the initial solution generation unit 5.

最適解探索部７は、初期解格納部６に格納された初期解を最初の最良解とし、最良解の一部分を変更した複数の解を新たに生成する「新規解生成」と、現時点の最良解よりも評価値が良い新規解が存在する場合、評価値が最も良い新規解を新たな最良解とする「解更新」の２つの処理を、解の更新がされなくなるまで交互に繰り返すことで最適解の探索を行う装置である。最良解格納部８は、最適解探索部７における処理で最終的に得られた解を格納する装置である。航跡平滑化処理部９は、最良解格納部８に格納された解に示される航跡割当結果を用いて航跡平滑値を更新する装置である。航跡平滑値格納部１０は、航跡平滑化処理部９の処理結果を格納する装置である。 The optimal solution search unit 7 sets the initial solution stored in the initial solution storage unit 6 as the first best solution, and generates a plurality of new solutions in which a part of the best solution is changed. When there is a new solution with a better evaluation value than the solution, the two processes of “solution update” with the new solution with the best evaluation value as the new best solution are alternately repeated until the solution is no longer updated. It is a device that searches for an optimal solution. The best solution storage unit 8 is a device that stores the solution finally obtained by the processing in the optimum solution search unit 7. The wake smoothing processing unit 9 is a device that updates the wake smoothing value using the wake assignment result indicated in the solution stored in the best solution storage unit 8. The wake smoothing value storage unit 10 is a device that stores the processing result of the wake smoothing processing unit 9.

なお、観測データ収集部１と観測データ蓄積部２が観測データ収集手段を構成する。また、航跡候補群生成部３と航跡候補群格納部４が航跡候補群生成手段を構成する。一方、初期解生成部５と初期解格納部６が初期解生成手段を構成し、最適解探索部７と最良解格納部８が最適解探索手段を構成し、航跡平滑化処理部９と航跡平滑値格納部１０が航跡平滑化処理手段を構成する。そして上記初期解生成手段、最適解探索手段及び航跡平滑化処理手段が航跡割当処理手段を構成する。 The observation data collection unit 1 and the observation data storage unit 2 constitute observation data collection means. Further, the wake candidate group generation unit 3 and the wake candidate group storage unit 4 constitute a wake candidate group generation unit. On the other hand, the initial solution generation unit 5 and the initial solution storage unit 6 constitute initial solution generation means, the optimum solution search unit 7 and the best solution storage unit 8 constitute optimum solution search means, and the wake smoothing processing unit 9 and the wake track. The smooth value storage unit 10 constitutes a wake smoothing processing means. The initial solution generating means, optimum solution searching means, and wake smoothing processing means constitute a wake assignment processing means.

次に図１の構成を有する航跡割当装置の一連の動作について説明する。まず、航跡割当装置は、例えばレーダ(図示省略)により観測された飛翔体、例えば航空機の航跡に関する観測値を観測データとして観測データ収集部１により収集し、観測データ蓄積部２に蓄積する。観測データは、観測時刻毎にまとめられ、一時刻分の観測データの集合を観測フレームと呼ぶ(以降、単にフレームと記述する場合もある)。図２は、観測フレームの例を示した図で、時刻ｔ〜時刻ｔ＋３の間に観測された観測値を二次元平面上に表示したものである。フレームｔの破線枠で囲まれているものは時刻ｔの観測フレームに含まれる観測値であり、フレームｔ＋１〜ｔ＋３も同様である。なお、各フレーム内の観測値には１〜４の番号が振られているが、これは単に識別のために付けた番号であり、各フレームの同じ番号の観測値が同じ航跡に含まれるという意味ではない。観測データ収集部１では、図２に示したような観測データをフレーム単位に観測データ蓄積部２に蓄積する。なお、各観測値には、例えば、飛行物体の飛行速度、進行方向、位置などの情報が含まれる。 Next, a series of operations of the track assignment apparatus having the configuration of FIG. 1 will be described. First, the wake allocation apparatus collects observation values relating to the flight of a flying object, such as an aircraft observed by a radar (not shown), for example, as observation data by the observation data collection unit 1 and accumulates the observation data in the observation data accumulation unit 2. The observation data is collected for each observation time, and a set of observation data for one time is called an observation frame (hereinafter, sometimes simply referred to as a frame). FIG. 2 is a diagram showing an example of an observation frame, in which observation values observed between time t and time t + 3 are displayed on a two-dimensional plane. What is surrounded by a broken line frame of frame t is an observation value included in the observation frame at time t, and the same applies to frames t + 1 to t + 3. Note that the observation values in each frame are numbered 1 to 4, but this is simply a number assigned for identification, and the observations with the same number in each frame are included in the same wake. It doesn't mean. The observation data collection unit 1 accumulates observation data as shown in FIG. 2 in the observation data accumulation unit 2 in units of frames. Each observation value includes, for example, information such as the flying speed, traveling direction, and position of the flying object.

次に、航跡候補群生成部３が、以下に示す手順に従って航跡候補群を生成し、航跡候補群格納部４に格納する。なお、航跡候補群とは、観測データを基に生成した、ゲート条件を満たす航跡候補(割当パターンとも呼ぶ)の集合である。 Next, the wake candidate group generation unit 3 generates a wake candidate group according to the following procedure and stores it in the wake candidate group storage unit 4. The wake candidate group is a set of wake candidates (also referred to as allocation patterns) that satisfy the gate condition and are generated based on observation data.

以下に、航跡候補群生成の手順を示す。
＜航跡候補群生成手順＞
Ｓｔｅｐ１．航跡候補群生成部３は、観測データ蓄積部２から最新のＮフレーム分(Ｎは正の整数で、Ｎの値は問題設定により変わる)のデータを取得し、さらに航跡平滑値格納部１０より、前回の航跡割当処理後の航跡平滑値を取得する。航跡平滑値は、航跡毎に、割当が確定された部分(以降の処理で割当変更を行わない部分)を構成する複数の観測値の情報を平滑化し一つの観測値としてまとめたものである(以降、航跡平滑値は単に平滑値と呼ぶ)。図３は、時刻ｔ〜ｔ＋３の４つの観測フレームに対して航跡割当を行う場合の取得データ例を示したものであり、最初に平滑値データ、以降に観測時刻順にフレームが並んでいる。
Ｓｔｅｐ２．航跡候補群生成部３は、Ｓｔｅｐ１において取得した観測データより、各平滑値を始点とする、ゲート条件に違反しない、割当パターンを全て生成する。生成された割当パターンの集合を航跡候補群と呼ぶ。図４に割当パターンの例を示す。図３に示した取得データにおいて、図４の航跡１１がゲート条件に違反しない航跡候補の一つであるとすると、この航跡候補１１に対して、割当パターン１２を生成する。割当パターン１２における数字は各フレームにおける航跡候補１１を構成する観測値の番号であり、先頭は平滑値、２番目以降は観測時刻の早いフレーム順の並びとなっている。
Ｓｔｅｐ３．Ｓｔｅｐ２において抽出した航跡候補群を、始点を同じとする割当パターン同士をグルーピングする。図５に、図３に示した取得データに対する航跡候補群のグルーピング例を示す。先頭の数字が同じ割当パターンを同じグループとしている。
Ｓｔｅｐ４．Ｓｔｅｐ３においてグルーピングした航跡候補群に対して、グループ内の割当パターンが一意に識別できるように各割当パターンに番号を付与する。この番号を割当パターン番号と呼ぶ。図６に割当パターン番号付与の例を示す。図６では、各航跡グループ内の割当パターンに対して、１から順に番号を付与している。
Ｓｔｅｐ５．Ｓｔｅｐ４で割当パターン番号を付与した航跡候補群を、航跡候補群格納部４に格納する。 The procedure for generating a wake candidate group is shown below.
<Wake candidate group generation procedure>
Step1. The wake candidate group generation unit 3 acquires data for the latest N frames (N is a positive integer and the value of N varies depending on the problem setting) from the observation data storage unit 2, and further from the wake smoothing value storage unit 10. The track smooth value after the previous track allocation process is acquired. The wake smooth value is obtained by smoothing the information of a plurality of observation values constituting a portion for which the assignment is determined (a portion in which the assignment is not changed in the subsequent processing) for each wake and collecting them as one observation value ( Hereinafter, the wake smooth value is simply referred to as a smooth value). FIG. 3 shows an example of acquired data in the case where track allocation is performed for four observation frames from time t to t + 3, and the frames are arranged in order of smoothing value data first and then observation time.
Step2. The wake candidate group generation unit 3 generates all allocation patterns starting from each smooth value and not violating the gate condition from the observation data acquired in Step 1. A set of generated allocation patterns is called a wake candidate group. FIG. 4 shows an example of an allocation pattern. In the acquired data shown in FIG. 3, if the wake 11 in FIG. 4 is one of the wake candidates that do not violate the gate condition, an allocation pattern 12 is generated for the wake candidate 11. The numbers in the allocation pattern 12 are the numbers of observation values constituting the track candidate 11 in each frame, and the top is a smooth value, and the second and subsequent are arranged in the order of frames with the earliest observation time.
Step3. The wake candidate groups extracted in Step 2 are grouped with allocation patterns having the same starting point. FIG. 5 shows an example of grouping of wake candidate groups for the acquired data shown in FIG. Allocation patterns with the same first digit are grouped together.
Step4. A number is assigned to each allocation pattern so that the allocation patterns in the group can be uniquely identified for the track candidate groups grouped in Step 3. This number is called an allocation pattern number. FIG. 6 shows an example of assignment pattern number assignment. In FIG. 6, numbers are assigned in order from 1 to the allocation patterns in each track group.
Step5. The wake candidate group to which the assigned pattern number is assigned in Step 4 is stored in the wake candidate group storage unit 4.

次に、初期解生成部５が、メタヒューリスティックス手法による航跡割当処理のための初期解を生成し、初期解格納部６に生成した初期解を格納する。ＭＦＡ問題の解は、航跡候補群の中から、航跡グループ毎に一つずつ割当パターンを選択することで構成されるが、この発明における航跡割当装置では、さらに前述の割当パターン番号を利用してＭＦＡ問題の解を間接的に表現することを特徴とする。図７に、航跡候補群からのＭＦＡ問題の解の構成と、メタヒューリスティックス手法を適用するための解表現の例を示す。図７の航跡候補群１３は、航跡候補群生成部３により生成された航跡候補群である。ＭＦＡ問題の解は、航跡候補群１３から、航跡グループ毎に一つずつ割当パターンを選択した物となり、図７のＭＦＡの解１４が一つの解の例を示している。このＭＦＡの解１４は、横一列が一つの航跡を構成する各観測フレームの観測値を表している。なお、ＭＦＡの解１４の右端にある丸で囲まれた数字は、割当パターン番号である。 Next, the initial solution generation unit 5 generates an initial solution for the track assignment process by the metaheuristics method, and stores the generated initial solution in the initial solution storage unit 6. The solution to the MFA problem is configured by selecting an allocation pattern for each wake group from the wake candidate group. In the wake allocation apparatus according to the present invention, the allocation pattern number is further used. It is characterized by expressing the solution of the MFA problem indirectly. FIG. 7 shows an example of the structure of the solution of the MFA problem from the wake candidate group and the solution expression for applying the metaheuristic method. The wake candidate group 13 in FIG. 7 is a wake candidate group generated by the wake candidate group generation unit 3. The solution of the MFA problem is obtained by selecting one allocation pattern for each track group from the track candidate group 13, and the MFA solution 14 in FIG. 7 shows an example of one solution. In the MFA solution 14, the horizontal row represents the observation value of each observation frame constituting one wake. Note that a circled number at the right end of the MFA solution 14 is an allocation pattern number.

ＭＦＡの解１４は直接的な表現であり、２次元の配列となっている。これを、よりメタヒューリスティックス手法が適用しやすい形の間接的な表現にしたものが、メタヒューリスティックスにおける解表現１５である。メタヒューリスティックスにおける解表現１５では、ＭＦＡの解１４を構成する割当パターンの割当パターン番号の並びでＭＦＡ問題の解を表現する。 The solution 14 of MFA is a direct expression and is a two-dimensional array. A solution expression 15 in metaheuristics is an indirect expression in a form that can be more easily applied by the metaheuristic technique. In the solution expression 15 in the metaheuristics, the solution of the MFA problem is expressed by a sequence of allocation pattern numbers of the allocation patterns constituting the MFA solution 14.

初期解の生成方法には複数の方式が考えられるが、以下にＧＲＡＳＰ(Greedy Randoized Adaptive Search Procedure)手法の初期解生成を応用した手順を示す。
＜初期解生成手順＞
Ｓｔｅｐ１．航跡候補群に含まれる割当パターンの最大コストＣ_ｍａｘと最小コストＣ_ｍｉｎを求める。
Ｓｔｅｐ２．航跡候補群に含まれるｉ番目の割当パターンのコストをＣ_ｉとし、式(１)を満たす割当パターンを全て選択候補リストに加える。
Ｃ_ｍｉｎ≦Ｃ_ｉ≦Ｃ_ｍｉｎ＋α(Ｃ_ｍａｘ−Ｃ_ｍｉｎ) (１)
Ｓｔｅｐ３．選択候補リストの中からランダムに一つ割当パターンを選択し、解の構成要素とする。解が完成したら終了し、そうでなければＳｔｅｐ４に進む。
Ｓｔｅｐ４．選択候補リストを空にし、解の構成要素となっている割当パターンおよびそれらと同じ航跡グループに属する割当パターン、更に解の構成要素となっている割当パターンと航跡を構成する観測値が重複する割当パターンを航跡候補群から除外し(航跡候補群の更新)、Ｓｔｅｐ１に戻る。 There are a plurality of methods for generating the initial solution, and the procedure applying the initial solution generation of the GRASP (Greedy Randoized Adaptive Search Procedure) method is shown below.
<Initial solution generation procedure>
Step1. The maximum cost C _max and the minimum cost C _min of the allocation pattern included in the wake candidate group are obtained.
Step2. The cost of the i-th allocation pattern included in the wake candidate group is C _i, and all allocation patterns satisfying equation (1) are added to the selection candidate list.
C _min ≦ C _i ≦ C _min + α (C _max −C _min ) (1)
Step3. One allocation pattern is selected at random from the selection candidate list and is used as a component of the solution. If the solution is completed, the process ends. If not, the process proceeds to Step 4.
Step4. The assignment candidate list is emptied, the assignment pattern that is a component of the solution, the assignment pattern that belongs to the same wake group, and the assignment pattern that is the component of the solution and the assignment that overlaps the observation values that make up the track The pattern is excluded from the wake candidate group (update of the wake candidate group), and the process returns to Step 1.

以上の手順のＳｔｅｐ２〜Ｓｔｅｐ４の概要を図８に示す。まず、初期解生成手順を実行する前に航跡候補群生成部３において生成された航跡候補群が航跡候補群１３である。この航跡候補群１３の中から、Ｓｔｅｐ２の処理により求めたコストが式(１)を満たす割当パターンの集合が選択候補リスト１６である。なお、選択候補リスト１６の右端のＧ１やＧ２などの表記は、その割当パターンが属する航跡グループを示している。 An outline of Step 2 to Step 4 of the above procedure is shown in FIG. First, the wake candidate group generated in the wake candidate group generating unit 3 before executing the initial solution generation procedure is the wake candidate group 13. Among the wake candidate groups 13, a set of allocation patterns whose cost obtained by the processing of Step 2 satisfies the formula (1) is the selection candidate list 16. Note that the notation such as G1 and G2 at the right end of the selection candidate list 16 indicates a track group to which the allocation pattern belongs.

Ｓｔｅｐ３では、この選択候補リスト１６の中からランダムに一つ割当パターンを選択する。図８では、選択候補リスト１６の上から３番目の航跡グループ２の割当パターン番号１の割当パターンが選択された場合を示している。従って、同じＳｔｅｐ３の処理において、メタヒューリスティックスにおける解表現１７には、航跡グループ２に対応する左から２番目の位置に割当パターン番号１が追加される。 In Step 3, one allocation pattern is selected at random from the selection candidate list 16. FIG. 8 shows a case where the allocation pattern of allocation pattern number 1 of the third track group 2 from the selection candidate list 16 is selected. Accordingly, in the same Step 3 process, the allocation pattern number 1 is added to the solution expression 17 in the metaheuristics at the second position from the left corresponding to the wake group 2.

Ｓｔｅｐ４では、Ｓｔｅｐ３で選択された航跡グループ２の割当パターン番号１の割当パターンが選択されているので、航跡グループ２の全ての割当パターンを航跡候補群から除外する。さらに、初期解を構成する割当パターンと、同じ観測フレームの観測値が重複する割当パターンを航跡候補群から除外し、航跡候補群１８を生成する。 In Step 4, since the assignment pattern of the assignment pattern number 1 of the wake group 2 selected in Step 3 is selected, all assignment patterns of the wake group 2 are excluded from the wake candidate group. Furthermore, the assignment pattern that overlaps the observation value of the same observation frame with the assignment pattern constituting the initial solution is excluded from the wake candidate group, and the wake candidate group 18 is generated.

初期解生成の手順では、このような、選択候補リストの生成、割当パターンの選択・解の要素追加、航跡候補群の更新を、全ての解の要素が追加されるまで繰り返し行う。 In the initial solution generation procedure, generation of a selection candidate list, selection of an allocation pattern / addition of solution elements, and update of a track candidate group are repeated until all solution elements are added.

次に、最適解探索部７の動作について説明する。最適解探索部７は、初期解格納部６に格納された初期解を探索の開始点として、新規解の生成(最良解の一部を変更して新規解を複数生成すること)と、解の更新(現時点で得られている最良解を含めて最も評価値の良い解を新たな最良解とすること)を繰り返し実行することで最適解探索を実行する。探索終了後、最適解探索部７は、得られた最良解を最良解格納部８に格納する。 Next, the operation of the optimum solution search unit 7 will be described. The optimal solution search unit 7 generates a new solution (changes a part of the best solution to generate a plurality of new solutions) using the initial solution stored in the initial solution storage unit 6 as a search starting point, The optimal solution search is executed by repeatedly executing the update (making the solution with the best evaluation value including the best solution obtained at the present time as the new best solution). After the search is completed, the optimum solution search unit 7 stores the obtained best solution in the best solution storage unit 8.

図９および図１０を用いて、最適解探索部７の動作例を説明する。図９は、タブーサーチや遺伝的アルゴリズムの突然変異処理等に代表される局所探索の例を示している。以下にｎ回目の探索処理後の最良解１９が得られた状態における処理手順を示す。
＜最適解探索部７の動作手順１＞
Ｓｔｅｐ１．ｎ回目の探索処理後に得られた最良解１９の変更点２０を選択する。変更点２０の選択方法は、例えば、ランダムでも良いし、対応する割当パターンのコストに比例した(コストが悪いものほど選択されやすくなる)選択確率を与えても良い。
Ｓｔｅｐ２．変更点を選択したら、その変更点を、取り得る値全てに置き換えた場合の解を新規解として生成し、新規解集合２１を構成する。図９では、解の、左から５番目の要素が変更点として選択されている。
Ｓｔｅｐ３．新規解集合２１およびｎ回目の探索処理に得られた最良解１９を併せた中から最も評価値の良い解をｎ＋１回目の探索処理後の最良解２２とする。図９では、新規解集合２１の下から２番目の解がｎ＋１回目の探索処理後の最良解となっている。
最適解探索部７の動作手順１のＳｔｅｐ１〜Ｓｔｅｐ３の処理は、最良解が一定回数連続して変化しなくなるまで繰り返される。 An operation example of the optimum solution search unit 7 will be described with reference to FIGS. 9 and 10. FIG. 9 shows an example of local search typified by tabu search or genetic algorithm mutation processing. The processing procedure in the state where the best solution 19 after the n-th search processing is obtained is shown below.
<Operation Procedure 1 of Optimal Solution Search Unit 7>
Step1. The change point 20 of the best solution 19 obtained after the n-th search process is selected. The selection method of the change point 20 may be, for example, random or may give a selection probability that is proportional to the cost of the corresponding allocation pattern (the one with a lower cost is more easily selected).
Step2. When a change point is selected, a solution in which the change point is replaced with all possible values is generated as a new solution, and a new solution set 21 is configured. In FIG. 9, the fifth element from the left of the solution is selected as the change point.
Step3. The solution with the best evaluation value among the new solution set 21 and the best solution 19 obtained in the n-th search process is defined as the best solution 22 after the (n + 1) -th search process. In FIG. 9, the second solution from the bottom of the new solution set 21 is the best solution after the (n + 1) th search process.
The processing of Step 1 to Step 3 of the operation procedure 1 of the optimum solution searching unit 7 is repeated until the best solution does not change continuously for a certain number of times.

探索アルゴリズムとして遺伝的アルゴリズムを適用した場合、交叉という処理による探索が行われる。図１０を用いて、遺伝的アルゴリズムの交叉処理の手順を示す。なお、遺伝的アルゴリズムでは最良解を含む複数の解を保持している。
＜最適解探索部７の動作手順２＞
Ｓｔｅｐ１．ｎ回目の探索処理後に得られた最良解を含む解の集合であるｎ回目の探索後の最良解集合２３の中から２つの解を選択する。図１０では、ｎ回目の探索後の最良解集合２３の中の、上から２番目と下から２番目の解が選択されている。
Ｓｔｅｐ２．Ｓｔｅｐ１で選択された２つの解に対して交叉処理２４を行う。この交叉処理では、選択された２つの解をそれぞれ同じ位置で２つに分割して繋ぎかえることで新規解を２つ生成する。図１０では、新規解集合２５が交叉により生成された新規解である。
Ｓｔｅｐ３．ｎ回目の探索後の最良解集合２３および新規解集合２５を併せた中から、解の評価値の良い順に一定個数選択し、ｎ＋１回目の探索後の最良解集合２６を生成する。図１０では、ｎ回目の探索後の最良解集合２３の上から１番目〜４番目までの４つの解と、新規解集合２５の上の解をｎ＋１回目の探索後の最良解集合２６としている。
最適解探索部７の動作手順２のＳｔｅｐ１〜Ｓｔｅｐ３の処理は、最良解が一定回数連続して変化しなくなるまで繰り返される。 When a genetic algorithm is applied as a search algorithm, a search is performed by a process called crossover. The procedure of the crossover process of the genetic algorithm is shown using FIG. The genetic algorithm holds a plurality of solutions including the best solution.
<Operation Procedure 2 of Optimal Solution Searching Unit 7>
Step1. Two solutions are selected from the best solution set 23 after the n-th search, which is a set of solutions including the best solution obtained after the n-th search process. In FIG. 10, the second solution from the top and the second solution from the bottom in the best solution set 23 after the n-th search are selected.
Step2. Crossover processing 24 is performed on the two solutions selected in Step 1. In this crossover process, two new solutions are generated by dividing the two selected solutions into two at the same position and connecting them. In FIG. 10, a new solution set 25 is a new solution generated by crossover.
Step3. From a combination of the best solution set 23 after the n-th search and the new solution set 25, a certain number is selected in the order from the best evaluation value of the solution, and the best solution set 26 after the (n + 1) -th search is generated. In FIG. 10, the four solutions from the first to fourth from the top of the best solution set 23 after the n-th search and the solution above the new solution set 25 are set as the best solution set 26 after the (n + 1) -th search. .
The processing of Step 1 to Step 3 of the operation procedure 2 of the optimum solution searching unit 7 is repeated until the best solution does not change continuously a certain number of times.

最適解探索部７の動作手順１と最適解探索部７の動作手順２は、常に両方が実行されるわけではなく、適用するアルゴリズムによって、どちらか一方、あるいは、両方が実行される。 Both the operation procedure 1 of the optimal solution search unit 7 and the operation procedure 2 of the optimal solution search unit 7 are not always executed, and either one or both are executed depending on the algorithm to be applied.

次に、図１１を用いて航跡平滑化処理部９の動作について説明する。図１１は、観測フレームｔ〜ｔ＋３に対する航跡割当処理が確定した後の航跡平滑化処理について示している。航跡平滑化処理部９は、観測フレームｔ〜ｔ＋３の航跡割当確定後に、航跡平滑値と最も古い時刻の観測フレームであるフレームｔの間の航跡割当結果と、航跡平滑値と、フレームｔの観測値から新規の航跡平滑値を求め、航跡平滑値格納部１０に格納する。 Next, the operation of the wake smoothing processing unit 9 will be described with reference to FIG. FIG. 11 shows the wake smoothing process after the wake assignment process for the observation frames t to t + 3 is confirmed. The wake smoothing processing unit 9 determines the wake assignment result between the wake smooth value and the frame t which is the observation frame at the oldest time, the wake smooth value, and the observation of the frame t after the wake assignment is determined for the observation frames t to t + 3. A new wake smooth value is obtained from the value and stored in the wake smooth value storage unit 10.

フレームｔ〜フレームｔ＋３の航跡割当処理を終え、新規航跡平滑値が求まると、航跡割当処理は、新規航跡平滑値とフレームｔ＋１〜フレームｔ＋４の各観測値を用いて、フレームｔ＋１〜ｔ＋４の航跡割当処理を実行する。
また、航跡平滑化処理部９は航跡割当処理結果等を外部に出力する、又は例えば表示部(図示省略)に表示することができる。 When the track assignment process of frame t to frame t + 3 is finished and a new track smooth value is obtained, the track assignment process uses the new track smooth value and the observed values of frames t + 1 to t + 4 to assign the track assignments of frames t + 1 to t + 4. Execute the process.
Further, the wake smoothing processing unit 9 can output the wake assignment processing result or the like to the outside or display it on a display unit (not shown), for example.

以上のように、この発明では、航跡割当問題の一つであるＭＦＡ問題の解の表現方法を、図７のメタヒューリスティックスにおける解表現１５のような形で定義することにより、ＭＦＡ問題に対して、最適解探索部７の動作説明に示したような、組合せ最適化問題を解く様々なメタヒューリスティックス手法による最適解探索手順を容易に実現でき、これによりＭＦＡ問題の解を高速に求める航跡割当装置を実現できるという効果がある。 As described above, in the present invention, the MFA problem solution method, which is one of the track assignment problems, is defined in the form of the solution expression 15 in the metaheuristics of FIG. As shown in the explanation of the operation of the optimal solution search unit 7, a track allocation device that can easily realize the optimal solution search procedure by various metaheuristics methods for solving the combinatorial optimization problem and thereby obtain the solution of the MFA problem at high speed. There is an effect that can be realized.

この発明の実施の形態１における航跡割当装置の構成を示すブロック図である。It is a block diagram which shows the structure of the track allocation apparatus in Embodiment 1 of this invention. この発明における観測フレームの例を示した図である。It is the figure which showed the example of the observation frame in this invention. この発明における航跡候補群生成部の動作を説明するための図である。It is a figure for demonstrating operation | movement of the wake candidate group production | generation part in this invention. この発明における航跡候補群生成部の動作を説明するための図である。It is a figure for demonstrating operation | movement of the wake candidate group production | generation part in this invention. この発明における航跡候補群生成部の動作を説明するための図である。It is a figure for demonstrating operation | movement of the wake candidate group production | generation part in this invention. この発明における航跡候補群生成部の動作を説明するための図である。It is a figure for demonstrating operation | movement of the wake candidate group production | generation part in this invention. この発明における初期解生成部の動作を説明するための図である。It is a figure for demonstrating operation | movement of the initial solution production | generation part in this invention. この発明における初期解生成部の動作を説明するための図である。It is a figure for demonstrating operation | movement of the initial solution production | generation part in this invention. この発明における最適解探索部の動作を説明するための図である。It is a figure for demonstrating operation | movement of the optimal solution search part in this invention. この発明における最適解探索部の動作を説明するための図である。It is a figure for demonstrating operation | movement of the optimal solution search part in this invention. この発明における航跡平滑化処理部の動作を説明するための図である。It is a figure for demonstrating operation | movement of the wake smoothing process part in this invention. 一般的な航跡割当を説明するための図である。It is a figure for demonstrating general wake allocation. 一般的な航跡割当を説明するための図である。It is a figure for demonstrating general wake allocation. 一般的な航跡割当を説明するための図である。It is a figure for demonstrating general wake allocation. 一般的な航跡割当を説明するための図である。It is a figure for demonstrating general wake allocation.

Explanation of symbols

１観測データ収集部、２観測データ蓄積部、３航跡候補群生成部、４航跡候補群格納部、５初期解生成部、６初期解格納部、７最適解探索部、８最良解格納部、９航跡平滑化処理部、１０航跡平滑値格納部、１１航跡(候補)、１２割当パターン、１３航跡候補群、１４解、１５解表現、１６選択候補リスト、１７解表現、１８航跡候補群、１９最良解、２０変更点、２１新規解集合、２２最良解、２３最良解集合、２４交叉処理、２５新規解集合、２６最良解集合。 1 observation data collection unit, 2 observation data storage unit, 3 track candidate group generation unit, 4 track candidate group storage unit, 5 initial solution generation unit, 6 initial solution storage unit, 7 optimal solution search unit, 8 best solution storage unit, 9 Track smoothing processing unit, 10 Track smoothing value storage unit, 11 Track (candidate), 12 Allocation pattern, 13 Track candidate group, 14 solution, 15 solution expression, 16 selection candidate list, 17 solution expression, 18 track candidate group, 19 Best Solution, 20 Changes, 21 New Solution Set, 22 Best Solution, 23 Best Solution Set, 24 Crossover Processing, 25 New Solution Set, 26 Best Solution Set.

Claims

Based on the observation data related to the track of a moving object that has been measured and accumulated, a plurality of wake candidates that do not violate a predetermined constraint condition are generated as an allocation pattern group, and each allocation pattern that constitutes the generated allocation pattern group On the other hand, categorized into groups based on the starting point of the wake, wake candidate group generation means for assigning a unique number to each allocation pattern of each group, and combination optimization based on the number assigned to each allocation pattern A track assignment apparatus comprising: track assignment processing means for performing track assignment processing for assigning an observation value to a track by a metaheuristic method.

The wake allocation processing means includes an initial solution generating means, an optimum solution searching means, a wake smoothing processing means,
The wake candidate group generation means generates all wake candidates that do not violate the constraint conditions as the assigned pattern group from the accumulated observation data and the wake smoothing value obtained and stored by the wake smoothing processing means, and further generates The assigned pattern constituting the assigned pattern group is classified into the same starting point group, and a unique number is assigned to each assigned pattern for each group and stored.
The initial solution generation means expresses a track assignment result from the assignment pattern groups stored in the track candidate group generation means by a number assigned to each assignment pattern, and assigns one to each of the assignment pattern groups. Select the assignment pattern one by one, generate and store the initial solution for searching for the optimal combination of wake candidates,
The optimal solution searching means uses the initial solution stored in the initial solution generating means as the first best solution and newly generates a plurality of solutions obtained by changing a part of the best solution, and the current best solution If there is a new solution with a good evaluation value, search for the optimal solution by repeating the two processes of updating the solution with the new solution with the best evaluation value as the new best solution until the solution is no longer updated. Store the optimal solution finally obtained,
The wake smoothing processing means updates and stores a wake smoothing value based on a wake assignment result indicated in the optimum solution stored in the optimum solution searching means;
The wake allocation apparatus according to claim 1, wherein: