JP7466129B2 - 漁船活動推定装置及び漁船活動推定プログラム - Google Patents

漁船活動推定装置及び漁船活動推定プログラム Download PDF

Info

Publication number
JP7466129B2
JP7466129B2 JP2022147362A JP2022147362A JP7466129B2 JP 7466129 B2 JP7466129 B2 JP 7466129B2 JP 2022147362 A JP2022147362 A JP 2022147362A JP 2022147362 A JP2022147362 A JP 2022147362A JP 7466129 B2 JP7466129 B2 JP 7466129B2
Authority
JP
Japan
Prior art keywords
data
angular velocity
fishing
vessel
activity
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2022147362A
Other languages
English (en)
Other versions
JP2024042568A (ja
Inventor
謙太郎 小田
智博 松尾
陽介 水上
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
META SYSTEMS LABORATORIES, INC.
OCEAN SOLUTION TECHNOLOGY KABUSHIKI KAISHA
Original Assignee
META SYSTEMS LABORATORIES, INC.
OCEAN SOLUTION TECHNOLOGY KABUSHIKI KAISHA
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by META SYSTEMS LABORATORIES, INC., OCEAN SOLUTION TECHNOLOGY KABUSHIKI KAISHA filed Critical META SYSTEMS LABORATORIES, INC.
Priority to JP2022147362A priority Critical patent/JP7466129B2/ja
Priority to PCT/JP2023/032315 priority patent/WO2024057997A1/ja
Publication of JP2024042568A publication Critical patent/JP2024042568A/ja
Application granted granted Critical
Publication of JP7466129B2 publication Critical patent/JP7466129B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G3/00—Traffic control systems for marine craft

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Ocean & Marine Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Description

本発明は、漁船活動推定装置及び漁船活動推定プログラムに関する。
特許文献１に開示されているように、漁労の成果を表す報告書データの作成を支援するシステムが知られている。このシステムによれば、航行中の漁船の位置を表す時系列データを用いて、操業が行われた場所が特定される。報告書データには、操業が行われた場所を表すデータも含まれる。
なお、本明細書において“操業”とは、漁船において、漁網、釣り竿等の漁具を用いて水産資源を捕獲する作業を行うことを指す。
特開２０２１－１５７７２２号公報
漁船は、航行の過程で、漁場での操業と、次の漁場への移動とを繰り返し行う。特許文献１に係るシステムは、漁船が航行した期間を、操業が行われた期間と、漁船が移動した期間とに細かく分類する機能を有するものではない。このため、特許文献１に係るシステムでは、漁獲の能率、具体的には、操業を行った単位時間あたりの漁獲量を把握することはできない。
一方、水産資源を保護する目的で、漁獲の能率を把握したい場合がある。漁獲の能率が低下していることは、漁獲が過剰であるため水産資源が減っていることを意味する。そこで、漁獲の能率が低下する傾向がみられた場合、漁獲を控える対策をとることで、水産資源の枯渇を未然に防止できる。
漁獲の能率を容易に把握するためには、漁船が移動中であるか操業中であるかの判別結果を時系列で表した活動判別結果データがあれば便利である。活動判別結果データによれば、漁船が航行した期間のうち、実際に操業に費やされた期間の正味の長さ（以下、正味操業期間長と記す。）を特定できるからである。即ち、正味操業時間長で漁獲量を割り算することにより漁獲の能率が求まる。
以上、活動判別結果データの用途の一例として、漁獲の能率を把握することを例示的に述べたが、活動判別結果データの用途はこれらに限られない。活動判別結果データは、漁船の活動を細かく把握すること等にも利用されうる。本発明は、以上説明した課題に鑑みてなされたものである。
本発明の目的は、漁船が移動中であるか操業中であるかの判別結果を時系列で表した活動判別結果データを得ることができる漁船活動推定装置及び漁船活動推定プログラムを提供することである。
本発明の第１の観点に係る漁船活動推定装置は、
漁場での操業と目的地への移動とを行う漁船の速度の時系列を表す船速データと、前記漁船の速度のばらつきの時系列を表す船速ばらつきデータであって、予め定められた時間幅における前記漁船の速度のばらつきを表す船速ばらつき度を、時間軸に沿って並べたデータである前記船速ばらつきデータとを含む船速特徴ベクトルデータを取得する船速特徴ベクトルデータ取得部と、
前記船速特徴ベクトルデータを用いて、前記漁船が移動中であるか操業中であるかを判別する活動判別処理を行い、前記活動判別処理の結果を時系列で表した活動判別結果データを出力する活動推定部と、
を備える。
本発明の第２の観点に係る漁船活動推定装置は、
漁場での操業と目的地への移動とを行う漁船の、航行中における揺れの角速度の時系列を表す角速度データと、前記角速度のばらつきの時系列を表す角速度ばらつきデータであって、予め定められた時間幅における前記角速度のばらつきを表す角速度ばらつき度を、時間軸に沿って並べたデータである前記角速度ばらつきデータとを含む角速度特徴ベクトルデータを取得する角速度特徴ベクトルデータ取得部と、
前記角速度特徴ベクトルデータを用いて、前記漁船が移動中であるか操業中であるかを判別する活動判別処理を行い、前記活動判別処理の結果を時系列で表した活動判別結果データを出力する活動推定部と、
を備える。
本発明の第３の観点に係る漁船活動推定装置は、
漁場での操業と目的地への移動とを行う漁船の加速度の時系列を表す加速度データと、前記漁船の加速度のばらつきの時系列を表す加速度ばらつきデータであって、予め定められた時間幅における前記漁船の加速度のばらつきを表す加速度ばらつき度を、時間軸に沿って並べたデータである前記加速度ばらつきデータとを含む加速度特徴ベクトルデータを取得する加速度特徴ベクトルデータ取得部と、
前記加速度特徴ベクトルデータを用いて、前記漁船が移動中であるか操業中であるかを判別する活動判別処理を行い、前記活動判別処理の結果を時系列で表した活動判別結果データを出力する活動推定部と、
を備える。
本発明の第４の観点に係る漁船活動推定装置は、
漁場での操業と目的地への移動とを行う漁船の速度の時系列を表す船速データと、前記漁船の速度のばらつきの時系列を表す船速ばらつきデータであって、予め定められた時間幅における前記漁船の速度のばらつきを表す船速ばらつき度を、時間軸に沿って並べたデータである前記船速ばらつきデータとを含む船速特徴ベクトルデータを取得する船速特徴ベクトルデータ取得部と、
航行中における前記漁船の揺れの角速度の時系列を表す角速度データと、前記角速度のばらつきの時系列を表す角速度ばらつきデータであって、予め定められた時間幅における前記角速度のばらつきを表す角速度ばらつき度を、時間軸に沿って並べたデータである前記角速度ばらつきデータとを含む角速度特徴ベクトルデータを取得する角速度特徴ベクトルデータ取得部と、
前記船速特徴ベクトルデータ及び前記角速度特徴ベクトルデータを用いて、前記漁船が移動中であるか操業中であるかを判別する活動判別処理を行い、前記活動判別処理の結果を時系列で表した活動判別結果データを出力する活動推定部と、
を備える。
前記活動推定部が、前記船速特徴ベクトルデータ及び前記角速度特徴ベクトルデータのみならず、前記船速特徴ベクトルデータの時間微分を表す微分船速特徴ベクトルデータ、及び前記角速度特徴ベクトルデータの時間微分を表す微分角速度特徴ベクトルデータも用いて、前記活動判別処理を行ってもよい。
前記活動推定部が、
前記船速特徴ベクトルデータ、前記角速度特徴ベクトルデータ、前記微分船速特徴ベクトルデータ、及び前記微分角速度特徴ベクトルデータを用いて、前記漁船が移動中であるか操業中であるかを判別するための機械学習を行った学習済モデル、
を含んでもよい。
前記船速特徴ベクトルデータには、前記漁船の速度の変化率の時系列を表す船速変化率データが含まれ、
前記角速度特徴ベクトルデータには、前記角速度の変化率の時系列を表す角速度変化率データが含まれてもよい。
前記船速データには、前記漁船の速度の検出値の時系列を表す船速検出値データと、前記船速検出値データに移動平均処理を施した平滑化船速データとが含まれ、
前記角速度データには、前記角速度の検出値の時系列を表す角速度検出値データと、前記角速度検出値データに移動平均処理を施した平滑化角速度データとが含まれてもよい。
前記漁船の航行の軌跡を表す軌跡画像データを取得する軌跡画像データ取得部、
をさらに備え、
前記活動推定部が、前記活動判別処理で前記漁船が操業中であると判別した場合、前記軌跡画像データを用いて該操業の内容を推定する操業内容推定処理をさらに行ってもよい。
前記漁船の航行中の位置を表す位置データを取得する位置データ取得部と、
前記位置データと、地図を表す地図データとを用いて、前記漁船が陸地に近い沿岸領域に位置するか、又は前記沿岸領域よりも前記陸地から遠い沖合領域に位置するかを判別する位置判別処理を行う位置判別部と、
をさらに備え、
前記位置判別処理で前記漁船が前記沖合領域に位置すると判別された場合に、前記活動判別処理が行われ、前記位置判別処理で前記漁船が前記沿岸領域に位置すると判別された場合には、前記活動判別処理が停止されてもよい。
前記活動推定部によって出力された前記活動判別結果データに対して、前記漁船が移動中である旨の判別結果のうち、予め定められた最短移動期間長よりも時間幅が短いものを前記漁船が操業中である旨の判別結果へと修正し、かつ前記漁船が操業中である旨の判別結果のうち、予め定められた最短操業期間長よりも時間幅が短いものを、前記漁船が移動中である旨の判別結果へと修正する平滑化処理を施す平滑化処理部、
をさらに備えてもよい。
出港から帰港までの間における前記漁船の操業によって得られた漁獲量を表す漁獲量データを取得する漁獲量データ取得部と、
前記漁獲量データが表す前記漁獲量と、前記活動判別結果データに含まれる、前記漁船が操業中である旨の判別結果の時間幅の合計である正味操業期間長とを用いて、漁獲の能率を表す漁獲能率指数を算出する漁獲能率指数算出部と、
をさらに備えてもよい。
本発明の第５の観点に係る漁船活動推定プログラムは、
コンピュータを、
漁場での操業と目的地への移動とを行う漁船の速度の時系列を表す船速データと、前記漁船の速度のばらつきの時系列を表す船速ばらつきデータであって、予め定められた時間幅における前記漁船の速度のばらつきを表す船速ばらつき度を、時間軸に沿って並べたデータである前記船速ばらつきデータとを含む船速特徴ベクトルデータを取得する船速特徴ベクトルデータ取得部、
航行中における前記漁船の揺れの角速度の時系列を表す角速度データと、前記角速度のばらつきの時系列を表す角速度ばらつきデータであって、予め定められた時間幅における前記角速度のばらつきを表す角速度ばらつき度を、時間軸に沿って並べたデータである前記角速度ばらつきデータとを含む角速度特徴ベクトルデータを取得する角速度特徴ベクトルデータ取得部、
前記船速特徴ベクトルデータ及び前記角速度特徴ベクトルデータを用いて、前記漁船が移動中であるか操業中であるかを判別する活動判別処理を行い、前記活動判別処理の結果を時系列で表した活動判別結果データを出力する活動推定部、
として機能させる。
本発明によれば、漁船が移動中であるか操業中であるかの判別結果を時系列で表した活動判別結果データを得ることができる。
第１実施形態に係る漁船活動推定システムの構成を示す概念図。 第１実施形態に係る漁船活動推定装置の構成を示す概念図。 第１実施形態に係る漁船活動推定装置の機能の一部を示す概念図。 第１実施形態に係る位置判別部が位置判別処理で行う動作の一例を説明するための概念図。 第１実施形態に係る位置判別部が位置判別処理で行う動作の他の例を説明するための概念図。 第１実施形態に係る漁船活動推定装置の機能の残部を示す概念図。 第１実施形態に係る学習済モデル生成装置の構成を示す概念図。 第１実施形態に係る活動判別結果データ及び平滑化活動判別結果データを示すグラフ。 第１実施形態に係る漁獲能率指数算出処理のフローチャート。 第２実施形態に係る漁船活動推定装置の機能の一部を示す概念図。 第２実施形態に係る軌跡画像データの一例を示す概念図。 第２実施形態に係る軌跡画像データの他の例を示す概念図。 第２実施形態に係る学習済モデル生成装置の構成を示す概念図。 第２実施形態に係る活動判別処理のフローチャート。 第３実施形態に係る漁船活動推定装置の機能の一部を示す概念図。 第４実施形態に係る漁船活動推定装置の機能の一部を示す概念図。 第５実施形態に係る漁船活動推定装置の機能の一部を示す概念図。
以下、図面を参照し、実施形態に係る漁船活動推定システムついて説明する。図中、同一又は対応する部分に同一の符号を付している。
［第１実施形態］
図１に示すように、本実施形態に係る漁船活動推定システム３００は、漁船ＦＳに設置される。まず、漁船ＦＳの活動のパターンについて説明する。漁船ＦＳは、航行の過程で、漁場での操業と目的地への移動とを行う。ここで“目的地”とは、例えば、漁場、港、停泊する場所等を指す。
具体的には、漁船ＦＳは、出港から帰港までの間に、漁場での操業と、次の漁場への移動とを繰り返し行う。また、漁船ＦＳは、移動及び操業を行った後、帰港の前にいったん停泊し、再び移動及び操業を行うこともある。
漁船活動推定システム３００は、漁船ＦＳの活動の推定、具体的には、漁船ＦＳが移動中であるか操業中であるかの推定を、単位時間ごとに繰り返し行う。その推定の結果は、操業に費やされた期間の正味の長さである正味操業期間長の特定、及び漁獲の能率の特定に用いられる。
以下、漁船活動推定システム３００の構成を具体的に説明する。
漁船活動推定システム３００は、漁船ＦＳの速度を検出する船速検出器１１０と、漁船ＦＳの揺れの角速度を検出する角速度検出器１２０と、漁船ＦＳの位置を検出する位置検出器１３０と、それら船速検出器１１０、角速度検出器１２０、及び位置検出器１３０の検出結果を用いて漁船ＦＳの活動を推定する漁船活動推定装置２００とを備える。
船速検出器１１０は、漁船ＦＳの速度を繰り返し検出し、漁船ＦＳの速度の検出値の時系列を表す船速検出値データＳＶを漁船活動推定装置２００に出力する。
角速度検出器１２０は、漁船ＦＳの船首の、鉛直な仮想軸まわりの揺れ、即ちヨーイングの角速度を繰り返し検出し、その角速度の検出値の時系列を表す角速度検出値データＳＡを漁船活動推定装置２００に出力する。
位置検出器１３０は、漁船ＦＳの航行中の位置を検出し、その位置の検出値の時系列を表す位置データＳＰを漁船活動推定装置２００に出力する。ここで“位置の検出値”とは、具体的には位置を表す座標値を意味する。
なお、船速検出器１１０及び位置検出器１３０は、例えば、ＧＮＳＳ（Global Navigation Satellite System）衛星からの信号に基づいて船速、位置等を検出するＧＮＳＳ受信器によって構成されている。また、角速度検出器１２０は、ジャイロスコープによって構成されている。
以下、漁船活動推定装置２００の構成を具体的に説明する。
図２に示すように、漁船活動推定装置２００は、通信装置２００ｂを備える。通信装置２００ｂは、船速検出器１１０から船速検出値データＳＶを受信する役割、角速度検出器１２０から角速度検出値データＳＡを受信する役割、及び位置検出器１３０から位置データＳＰを受信する役割を果たす。
また、漁船活動推定装置２００は、記憶装置２００ｃを備える。記憶装置２００ｃには、漁船ＦＳの活動を推定する手順を規定した漁船活動推定プログラム２００ｄが格納されている。また、記憶装置２００ｃには、漁船ＦＳの活動の推定に用いられる学習済モデル２００ｅ、並びに海洋及び陸地を表す地図データ２００ｆも記憶されている。
また、漁船活動推定装置２００は、漁船活動推定プログラム２００ｄを実行するプロセッサ２００ａを備える。以下、プロセッサ２００ａが漁船活動推定プログラム２００ｄを実行することにより実現される機能について説明する。
図３に示すように、漁船活動推定装置２００は、漁船ＦＳの活動の推定、具体的には、漁船ＦＳが移動中であるか操業中であるかの推定を行う活動推定部２４１を備える。
ところで、例えば漁船ＦＳが停泊中の期間は、漁船ＦＳの活動を推定する必要がない。漁船ＦＳの活動の推定は、漁船ＦＳが航行している期間に行えばよい。そこで、漁船活動推定装置２００は、漁船ＦＳが停泊中でないことを把握するための構成を備える。その構成について、以下説明する。
漁船活動推定装置２００は、漁船ＦＳの航行中の位置を表す位置データＳＰを取得する位置データ取得部２１１を備える。位置データ取得部２１１は、図１に示した位置検出器１３０から位置データＳＰを取得する。
また、漁船活動推定装置２００は、位置データ取得部２１１で取得された位置データＳＰと、地図を表す地図データ２００ｆとを用いて、位置判別処理を行う位置判別部２１２を備える。なお、地図データ２００ｆは、図２に示す記憶装置２００ｃから取得される。
ここで“位置判別処理”とは、漁船ＦＳが陸地に近い沿岸領域に位置するか、又は沿岸領域よりも陸地から遠い沖合領域に位置するかを判別する処理である。
漁船ＦＳが沿岸領域に位置することは、漁船ＦＳが停泊中であること、又は出港直後の状態もしくは帰港直前の状態にあることを意味する。従って、漁船ＦＳが沿岸領域に位置する場合は、漁船ＦＳの活動を推定する必要がない。
一方、漁船ＦＳが沖合領域に位置することは、漁船ＦＳが航行中であることを意味する。つまり、漁船ＦＳが沖合領域に位置する場合は、漁船ＦＳは、操業中であるか移動中であるかのいずれかの状態にあると考えられる。
そこで、活動推定部２４１は、位置判別部２１２による位置判別処理で、漁船ＦＳが沖合領域に位置すると判別された場合に、漁船ＦＳの活動の推定を行う。一方、活動推定部２４１は、位置判別部２１２による位置判別処理で、漁船ＦＳが沿岸領域に位置すると判別された場合には、漁船ＦＳの活動の推定を停止する。
以下、図４及び図５を参照し、位置判別部２１２が位置判別処理で行う動作について具体的に説明する。
図４は、位置判別部２１２が位置判別処理で行う動作の一例を説明するための概念図である。まず、位置判別部２１２は、既述の位置データＳＰを用いて、地図上における漁船ＦＳの位置を特定する。また、位置判別部２１２は、既述の地図データ２００ｆを用いて、漁船ＦＳに面している海岸線を特定する。
次に、位置判別部２１２は、漁船ＦＳに面している海岸線上に、複数の基準点を設定する。そして、漁船ＦＳの位置から各々の基準点までの距離のうち、最短となる距離を探索により特定する。このようにして、位置判別部２１２は、漁船ＦＳから海岸線までの最短の距離を特定する。
次に、位置判別部２１２は、漁船ＦＳから海岸線までの最短の距離と、沿岸領域のサイズを表すものとして予め定められた距離閾値とを比較する。位置判別部２１２は、漁船ＦＳから海岸線までの最短の距離が距離閾値以下であれば、漁船ＦＳが沿岸領域に位置すると判別する。一方、位置判別部２１２は、漁船ＦＳから海岸線までの最短の距離が距離閾値を超える場合は、漁船ＦＳが沖合領域に位置すると判別する。
図５は、位置判別部２１２が位置判別処理で行う動作の他の例を説明するための概念図である。まず、位置判別部２１２は、位置データＳＰを用いて、地図上における漁船ＦＳの位置を特定し、かつ地図データ２００ｆを用いて、漁船ＦＳに面している海岸線を画定している陸地を特定する。
次に、位置判別部２１２は、漁船ＦＳの位置を中心とする仮想図形を地図上に設定する。仮想図形の形状及び面積は、予め定められた固定のものとする。図５では、仮想図形として、漁船ＦＳの位置を中心とする仮想円を例示している。仮想円の半径は、予め定められた一定の値とする。
次に、位置判別部２１２は、仮想図形と陸地とが重なった領域（以下、重複領域と記す。）の面積を求める。図５では、重複領域に斜線を付している。次に、位置判別部２１２は、重複領域の面積、又は仮想図形に対する重複領域の面積の比（以下、面積比と記す。）と、漁船ＦＳが沿岸領域に位置するものとして予め定められた面積閾値とを比較する。
位置判別部２１２は、重複領域の面積又は面積比が面積閾値以下であれば、漁船ＦＳが沿岸領域に位置すると判別する。一方、位置判別部２１２は、重複領域の面積又は面積比が面積閾値を超える場合は、漁船ＦＳが沖合領域に位置すると判別する。
次に、図６を参照し、漁船活動推定装置２００の他の機能について説明する。
図６に示すように、漁船活動推定装置２００は、船速検出値データＳＶを取得する船速検出値データ取得部２２１を備える。船速検出値データ取得部２２１は、図１に示す船速検出器１１０から船速検出値データＳＶを取得する。
また、漁船活動推定装置２００は、船速検出値データＳＶを用いて、船速検出値データＳＶに移動平均処理を施した平滑化船速データＳＶａを生成する船速移動平均処理部２２２を備える。
なお、移動平均処理で船速の平均をとる区間（以下、船速移動平均処理区間と記す。）は、例えば、船速検出値データＳＶのサンプリング周期の５倍以上、２０倍以下である。具体的には、船速検出値データＳＶのサンプリング周期は３０秒であり、船速移動平均処理区間の時間長は３００秒である。
また、漁船活動推定装置２００は、船速検出値データＳＶを用いて、漁船ＦＳの速度のばらつきの時系列を表す船速ばらつきデータＳＶｂを生成する船速ばらつき算出部２２３を備える。
船速ばらつき算出部２２３は、船速検出値データＳＶにおける予め定められた船速ばらつき算出区間ごとに、船速のばらつきを表す船速ばらつき度を算出する。また、船速ばらつき算出部２２３は、移動平均処理と同じ要領で、船速ばらつき算出区間を時間軸に沿って、船速検出値データＳＶのサンプリング周期ごとにずらしながら、船速ばらつき度を繰り返し算出する。即ち、船速ばらつきデータＳＶｂは、船速ばらつき度の時系列を表す。
なお、船速ばらつき算出区間は、移動平均処理の時間幅と同じく、例えば、船速検出値データＳＶのサンプリング周期の５倍以上、２０倍以下である。本実施形態では、船速ばらつき算出区間の時間長は、船速移動平均処理区間の時間長と同じである。
船速ばらつき度としては、例えば、標準偏差、分散、変動係数、全区間での平均値からの差の総和、全区間での平均値に対する比の総和等が例示される。本実施形態では、船速ばらつき度として標準偏差を用いる。
また、漁船活動推定装置２００は、船速検出値データＳＶを用いて、漁船ＦＳの速度の変化率の時系列を表す船速変化率データＳＶｃを生成する船速変化率算出部２２４を備える。
船速変化率算出部２２４は、船速検出値データＳＶにおける予め定められた船速変化率算出区間ごとに、船速の変化率を算出する。また、船速変化率算出部２２４は、移動平均処理と同じ要領で、船速変化率算出区間を時間軸に沿って、船速検出値データＳＶのサンプリング周期ごとにずらしながら、船速の変化率を繰り返し算出する。即ち、船速変化率データＳＶｃは、船速の変化率の時系列を表す。
なお、船速変化率算出区間は、移動平均処理の時間幅と同じく、例えば、船速検出値データＳＶのサンプリング周期の５倍以上、２０倍以下である。本実施形態では、船速変化率算出区間の時間長は、船速移動平均処理区間の時間長と同じである。
本実施形態では、船速の変化率として、船速検出値データＳＶの船速変化率算出区間における変動を最小２乗法で直線近似した場合の、その直線の傾きを用いる。但し、船速の変化率として、時間軸上で隣り合う検出値の差分の、船速変化率算出区間における平均値等を用いてもよい。
以下では、船速検出値データＳＶ、平滑化船速データＳＶａ、船速ばらつきデータＳＶｂ、及び船速変化率データＳＶｃの集合を、船速特徴ベクトルデータＳＶＦと総称する。共通の時刻についての、船速検出値データＳＶ、平滑化船速データＳＶａ、船速ばらつきデータＳＶｂ、及び船速変化率データＳＶｃの合計４つのデータ値が、その時刻における船速特徴ベクトルデータＳＶＦの成分である。このような成分の時系列が船速特徴ベクトルデータＳＶＦを構成する。
また、漁船活動推定装置２００は、船速検出値データ取得部２２１、船速移動平均処理部２２２、船速ばらつき算出部２２３、及び船速変化率算出部２２４から船速特徴ベクトルデータＳＶＦを取得する船速特徴ベクトルデータ取得部２２５を備える。
また、漁船活動推定装置２００は、船速特徴ベクトルデータＳＶＦに時間微分を施することにより、船速特徴ベクトルデータＳＶＦの時間微分を表す微分船速特徴ベクトルデータＤＳＶＦを生成する船速特徴ベクトルデータ微分部２２６を備える。
なお、本明細書において、時系列データの時間微分とは、その時系列データにおける時間的に隣り合うデータ値どうしの差分、又はその差分に比例する値の時系列を意味する。
船速特徴ベクトルデータ微分部２２６は、船速特徴ベクトルデータＳＶＦを構成する船速検出値データＳＶ、平滑化船速データＳＶａ、船速ばらつきデータＳＶｂ、及び船速変化率データＳＶｃの各々の時間微分を算出する。
即ち、微分船速特徴ベクトルデータＤＳＶＦには、船速検出値データＳＶの時間微分、平滑化船速データＳＶａの時間微分、船速ばらつきデータＳＶｂの時間微分、及び船速変化率データＳＶｃの時間微分が含まれる。共通の時刻についての４種類の差分値の時系列が微分船速特徴ベクトルデータＤＳＶＦを構成する。
また、漁船活動推定装置２００は、角速度検出値データＳＡを取得する角速度検出値データ取得部２３１を備える。角速度検出値データ取得部２３１は、図１に示す角速度検出器１２０から角速度検出値データＳＡを取得する。
また、漁船活動推定装置２００は、角速度検出値データＳＡを用いて、角速度検出値データＳＡに移動平均処理を施した平滑化角速度データＳＡａを生成する角速度移動平均処理部２３２を備える。
なお、移動平均処理で角速度の平均をとる区間（以下、角速度移動平均処理区間と記す。）は、例えば、角速度検出値データＳＡのサンプリング周期の５倍以上、２０倍以下である。具体的には、角速度検出値データＳＡのサンプリング周期は３０秒であり、角速度移動平均処理区間の時間長は３００秒である。
また、漁船活動推定装置２００は、角速度検出値データＳＡを用いて、角速度のばらつきの時系列を表す角速度ばらつきデータＳＡｂを生成する角速度ばらつき算出部２３３を備える。
角速度ばらつき算出部２３３は、角速度検出値データＳＡにおける予め定められた角速度ばらつき算出区間ごとに、角速度のばらつきを表す角速度ばらつき度を算出する。また、角速度ばらつき算出部２３３は、移動平均処理と同じ要領で、角速度ばらつき算出区間を時間軸に沿って、角速度検出値データＳＡのサンプリング周期ごとにずらしながら、角速度ばらつき度を繰り返し算出する。即ち、角速度ばらつきデータＳＡｂは、角速度ばらつき度の時系列を表す。
なお、角速度ばらつき算出区間は、移動平均処理の時間幅と同じく、例えば、角速度検出値データＳＡのサンプリング周期の５倍以上、２０倍以下である。本実施形態では、角速度ばらつき算出区間の時間長は、角速度移動平均処理区間の時間長と同じである。
角速度ばらつき度としては、例えば、標準偏差、分散、変動係数、全区間での平均値からの差の総和、全区間での平均値に対する比の総和等が例示される。本実施形態では、角速度ばらつき度として標準偏差を用いる。
また、漁船活動推定装置２００は、角速度検出値データＳＡを用いて、角速度の変化率の時系列を表す角速度変化率データＳＡｃを生成する角速度変化率算出部２３４を備える。
角速度変化率算出部２３４は、角速度検出値データＳＡにおける予め定められた角速度変化率算出区間ごとに、角速度の変化率を算出する。また、角速度変化率算出部２３４は、移動平均処理と同じ要領で、角速度変化率算出区間を時間軸に沿って、角速度検出値データＳＡのサンプリング周期ごとにずらしながら、角速度の変化率を繰り返し算出する。即ち、角速度変化率データＳＡｃは、角速度の変化率の時系列を表す。
なお、角速度変化率算出区間は、移動平均処理の時間幅と同じく、例えば、角速度検出値データＳＡのサンプリング周期の５倍以上、２０倍以下である。本実施形態では、角速度変化率算出区間の時間長は、角速度移動平均処理区間の時間長と同じである。
本実施形態では、角速度の変化率として、角速度検出値データＳＡの角速度変化率算出区間における変動を最小２乗法で直線近似した場合の、その直線の傾きを用いる。但し、角速度の変化率として、時間軸上で隣り合う検出値の差分の、角速度変化率算出区間における平均値等を用いてもよい。
以下では、角速度検出値データＳＡ、平滑化角速度データＳＡａ、角速度ばらつきデータＳＡｂ、及び角速度変化率データＳＡｃの集合を、角速度特徴ベクトルデータＳＡＦと総称する。共通の時刻についての、角速度検出値データＳＡ、平滑化角速度データＳＡａ、角速度ばらつきデータＳＡｂ、及び角速度変化率データＳＡｃの合計４つのデータ値が、その時刻における角速度特徴ベクトルデータＳＡＦの成分である。このような成分の時系列が角速度特徴ベクトルデータＳＡＦを構成する。
また、漁船活動推定装置２００は、角速度検出値データ取得部２３１、角速度移動平均処理部２３２、角速度ばらつき算出部２３３、及び角速度変化率算出部２３４から角速度特徴ベクトルデータＳＡＦを取得する角速度特徴ベクトルデータ取得部２３５を備える。
また、漁船活動推定装置２００は、角速度特徴ベクトルデータＳＡＦに時間微分を施することにより、角速度特徴ベクトルデータＳＡＦの時間微分を表す微分角速度特徴ベクトルデータＤＳＡＦを生成する角速度特徴ベクトルデータ微分部２３６を備える。
角速度特徴ベクトルデータ微分部２３６は、角速度特徴ベクトルデータＳＡＦを構成する角速度検出値データＳＡ、平滑化角速度データＳＡａ、角速度ばらつきデータＳＡｂ、及び角速度変化率データＳＡｃの各々の時間微分を算出する。
即ち、微分角速度特徴ベクトルデータＤＳＡＦには、角速度検出値データＳＡの時間微分、平滑化角速度データＳＡａの時間微分、角速度ばらつきデータＳＡｂの時間微分、及び角速度変化率データＳＡｃの時間微分が含まれる。共通の時刻についての４種類の差分値の時系列が微分角速度特徴ベクトルデータＤＳＡＦを構成する。
図３にも示した活動推定部２４１は、船速特徴ベクトルデータ取得部２２５によって取得された船速特徴ベクトルデータＳＶＦと、船速特徴ベクトルデータ微分部２２６によって生成された微分船速特徴ベクトルデータＤＳＶＦと、角速度特徴ベクトルデータ取得部２３５によって取得された角速度特徴ベクトルデータＳＡＦと、角速度特徴ベクトルデータ微分部２３６によって生成された微分角速度特徴ベクトルデータＤＳＡＦとを用いて、漁船ＦＳが移動中であるか操業中であるかを判別する活動判別処理を行う。
活動推定部２４１は、船速特徴ベクトルデータＳＶＦ、微分船速特徴ベクトルデータＤＳＶＦ、角速度特徴ベクトルデータＳＡＦ、及び微分角速度特徴ベクトルデータＤＳＡＦのサンプリング周期と同じ繰り返し周期で、活動判別処理を繰り返し行う。
なお、本実施形態では、船速特徴ベクトルデータＳＶＦ、微分船速特徴ベクトルデータＤＳＶＦ、角速度特徴ベクトルデータＳＡＦ、及び微分角速度特徴ベクトルデータＤＳＡＦのサンプリング周期は、船速検出値データＳＶ及び角速度検出値データＳＡのサンプリング周期と同じである。
そして、活動推定部２４１は、活動判別処理の結果、即ち、漁船ＦＳが移動中であるか操業中であるかを時系列で表した活動判別結果データＡＤを出力する。
図８の上段に、活動判別結果データＡＤを可視化したグラフを示す。横軸は、時間を表す。縦軸は、活動判別処理の結果を、移動中である旨の結果を例えば０、操業中である旨の結果を例えば１として２値で表す。活動推定部２４１は、図８に示すように、活動判別結果データＡＤとして、２値の階段関数を出力する。
以上説明した活動推定部２４１の機能は、人工知能を用いたプログラムモジュール、具体的には、図２に示した学習済モデル２００ｅによって実現することができる。これは、船速特徴ベクトルデータＳＶＦ、微分船速特徴ベクトルデータＤＳＶＦ、角速度特徴ベクトルデータＳＡＦ、及び微分角速度特徴ベクトルデータＤＳＡＦの各々と、漁船ＦＳの活動とに相関があるためである。
例えば、漁船ＦＳの活動が移動中から操業中に変化するとき、船速の値、船速の移動平均の値、及び船速の変化率の値が低下する傾向がある。また、操業中は移動中に比べて、漁船ＦＳの推進のためのエンジンの出力が抑えられ、場合によっては、操業中はエンジンを停止することもある。このため、操業中は移動中に比べて、船速のばらつき及び角速度のばらつきが大きい傾向が認められる。
こういった事情で、船速特徴ベクトルデータＳＶＦ、微分船速特徴ベクトルデータＤＳＶＦ、角速度特徴ベクトルデータＳＡＦ、及び微分角速度特徴ベクトルデータＤＳＡＦの各々は、漁船ＦＳの活動と相関する。そこで、その相関を利用して、機械学習により、活動推定部２４１としての学習済モデル２００ｅを生成することができる。
つまり、学習済モデル２００ｅは、船速特徴ベクトルデータＳＶＦ、微分船速特徴ベクトルデータＤＳＶＦ、角速度特徴ベクトルデータＳＡＦ、及び微分角速度特徴ベクトルデータＤＳＡＦを用いて、漁船ＦＳが移動中であるか操業中であるかを判別するための機械学習を行ったものである。
以下、学習済モデル２００ｅを生成するための学習済モデル生成装置について説明する。
図７に示すように、学習済モデル生成装置４００には、学習用船速特徴ベクトルデータ４１１、学習用微分船速特徴ベクトルデータ４１２、学習用角速度特徴ベクトルデータ４１３、学習用微分角速度特徴ベクトルデータ４１４、及び学習用活動判別結果データ４１５が予め準備されている。
学習用船速特徴ベクトルデータ４１１は、図６に示す船速特徴ベクトルデータＳＶＦに対応する教師データであり、船速特徴ベクトルデータＳＶＦのサンプルであってもよい。学習用微分船速特徴ベクトルデータ４１２は、図６に示す微分船速特徴ベクトルデータＤＳＶＦに対応する教師データであり、微分船速特徴ベクトルデータＤＳＶＦのサンプルであってもよい。学習用角速度特徴ベクトルデータ４１３は、図６に示す角速度特徴ベクトルデータＳＡＦに対応する教師データであり、角速度特徴ベクトルデータＳＡＦのサンプルであってもよい。学習用微分角速度特徴ベクトルデータ４１４は、図６に示す微分角速度特徴ベクトルデータＤＳＡＦに対応する教師データであり、微分角速度特徴ベクトルデータＤＳＡＦのサンプルであってもよい。
学習用活動判別結果データ４１５は、図６に示す活動判別結果データＡＤに対応する教師データである。学習用活動判別結果データ４１５は、学習用船速特徴ベクトルデータ４１１、学習用微分船速特徴ベクトルデータ４１２、学習用角速度特徴ベクトルデータ４１３、及び学習用微分角速度特徴ベクトルデータ４１４が得られる場合の、漁船ＦＳの実際の活動内容が時間ごとに正しく特定されたデータである。学習用活動判別結果データ４１５は、例えば人手、具体的には、漁船ＦＳに搭乗する船員により作成される。
また、学習済モデル生成装置４００は、学習用船速特徴ベクトルデータ４１１、学習用微分船速特徴ベクトルデータ４１２、学習用角速度特徴ベクトルデータ４１３、学習用微分角速度特徴ベクトルデータ４１４、及び学習用活動判別結果データ４１５を用いて学習済モデル２００ｅを生成する生成部４２０を有する。
生成部４２０は、学習用船速特徴ベクトルデータ４１１、学習用微分船速特徴ベクトルデータ４１２、学習用角速度特徴ベクトルデータ４１３、学習用微分角速度特徴ベクトルデータ４１４から、学習用活動判別結果データ４１５を推定する方針を学習する。このような機械学習により、学習済モデル２００ｅが生成される。
図６に戻り、説明を続ける。以上説明したように、活動推定部２４１は、学習済モデル２００ｅによって実現される。漁船活動推定装置２００は、活動推定部２４１としての学習済モデル２００ｅによって出力された活動判別結果データＡＤに対して、平滑化処理を施す平滑化処理部２４２も備える。
平滑化処理部２４２は、活動判別結果データＡＤに対して平滑化処理を施すことにより得られる平滑化活動判別結果データＳＡＤを出力する。
図８の下段に、平滑化活動判別結果データＳＡＤを可視化したグラフを示す。平滑化処理部２４２は、平滑化処理において、活動判別結果データＡＤにおける、漁船ＦＳが移動中である旨の判別結果のうち、予め定められた最短移動期間長よりも時間幅が短いもの（以下、第１誤判定結果と記す。）ＥＳａを、漁船ＦＳが操業中である旨の判別結果へと修正する。
ここで“移動中である旨の判別結果の時間幅”とは、移動中である旨の判別結果が連続して時間軸上に並んでいる矩形状の部分の、時間軸の方向の幅を意味する。また、“最短移動期間長”とは、漁船ＦＳが移動する期間長として想定される最も短い期間長を指す。
本実施形態では、最短移動期間長は、３分に設定される。即ち、３分未満の移動はあり得ないため、時間幅が３分よりも短い第１誤判定結果ＥＳａは、誤判定であると言える。そこで、平滑化処理部２４２は、第１誤判定結果ＥＳａを、漁船ＦＳが操業中である旨の判別結果へと修正する。
また、平滑化処理部２４２は、平滑化処理において、活動判別結果データＡＤにおける、漁船ＦＳが操業中である旨の判別結果のうち、予め定められた最短操業期間長よりも時間幅が短いもの（以下、第２誤判定結果と記す。）ＥＳｂを、漁船ＦＳが移動中である旨の判別結果へと修正する。
ここで“操業中である旨の判別結果の時間幅”とは、操業中である旨の判別結果が連続して時間軸上に並んでいる矩形状の部分の、時間軸の方向の幅を意味する。また、“最短操業期間長”とは、漁船ＦＳが操業する期間長として想定される最も短い期間長を指す。
本実施形態では、最短操業期間長は、５分に設定される。即ち、５分未満の操業はあり得ないため、時間幅が５分よりも短い第２誤判定結果ＥＳｂは、誤判定であると言える。そこで、平滑化処理部２４２は、第２誤判定結果ＥＳｂを、漁船ＦＳが移動中である旨の判別結果へと修正する。
図６に戻り、説明を続ける。漁船活動推定装置２００は、出港から帰港までの間における漁船ＦＳの操業によって得られた漁獲量を表す漁獲量データＦＣＤを外部から取得する漁獲量データ取得部２５１も備える。
また、漁船活動推定装置２００は、漁獲量データＦＣＤと、平滑化活動判別結果データＳＡＤとを用いて、漁獲の能率を表す漁獲能率指数を算出する漁獲能率指数算出部２５２と、漁獲能率指数算出部２５２によって算出された漁獲能率指数を外部に出力する出力部２６１とを備える。
具体的には、漁獲能率指数算出部２５２は、まず、平滑化活動判別結果データＳＡＤに含まれる、漁船ＦＳが操業中である旨の判別結果の時間幅の合計である正味操業期間長を求める。
なお、正味操業期間長を求めることは、図８の下段に示す平滑化活動判別結果データＳＡＤにおいて、着色した領域の面積を求めることに相当する。正味操業期間長は、漁船ＦＳが出港から帰港までの間に操業した期間の長さの合計値である。
次に、漁獲能率指数算出部２５２は、漁獲量データＦＣＤが表す漁獲量を正味操業期間長で割り算する。これにより、漁船ＦＳが操業した単位時間あたりの漁獲量である漁獲能率指数が求まる。
以下、図９を参照し、漁獲能率指数の算出に至るまでの漁船活動推定装置２００の動作についてまとめる。図９は、漁獲能率指数を算出する漁獲能率指数算出処理のフローチャートである。
図９に示すように、まず、漁船ＦＳの出港に伴い、位置データ取得部２１１による位置データＳＰの取得、船速検出値データ取得部２２１による船速検出値データＳＶの取得、及び角速度検出値データ取得部２３１による角速度検出値データＳＡの取得が開始される（ステップＳ１１）。
なお、位置データＳＰ、船速検出値データＳＶ、及び角速度検出値データＳＡはいずれも、時刻と、その時刻における検出値とが対応付けられた時系列データである。
次に、位置判別部２１２が、位置データＳＰを用いて、漁船ＦＳが陸地から充分に離れたか否か、即ち、漁船ＦＳが陸地から遠い沖合領域に位置するか否かを判別する位置判別処理を行う（ステップＳ１２）。漁船ＦＳがまだ陸地に近い沿岸領域に位置する場合は（ステップＳ１２；ＮＯ）、活動判別処理を開始する必要がないので、処理はステップＳ１２に戻る。
一方、漁船ＦＳが沖合領域に位置する場合は（ステップＳ１２；ＹＥＳ）、活動推定部２４１による活動判別処理が開始される（ステップＳ１３）。これにより、活動判別結果データＡＤの生成が開始される。
なお、このときも位置判別部２１２による位置判別処理が、活動推定部２４１による活動判別処理と並行して継続されている。活動推定部２４１による活動判別処理で、漁船ＦＳが陸地から遠い沖合領域に位置すると判定されている場合（ステップＳ１４；ＮＯ）、処理はステップＳ１３に戻る。このようにして、漁船ＦＳが沖合領域に位置する期間に、活動判別処理が繰り返される。
活動判別処理は、船速検出値データＳＶ及び角速度検出値データＳＡのサンプリング周期、具体的には３０秒ごとに、繰り返される。活動判別結果データＡＤは、船速検出値データＳＶ及び角速度検出値データＳＡを構成する検出値が得られた時刻ごとに、その時刻における漁船ＦＳの活動についての活動判別処理の結果を対応付けたデータ構造を有する。
一方、活動推定部２４１による活動判別処理で、漁船ＦＳが陸地に充分近づいたと判定された場合（ステップＳ１４；ＹＥＳ）、即ち、漁船ＦＳが沿岸領域に位置すると判定された場合、活動推定部２４１は、活動判別処理を停止した後（ステップＳ１５）、漁船ＦＳの航行が終了したか否かを判定する（ステップＳ１６）。
なお、漁船ＦＳの航行の終了に伴って、船速検出値データＳＶ及び角速度検出値データＳＡの取得も終了する。このため、活動推定部２４１は、船速検出値データＳＶ及び角速度検出値データＳＡの取得の終了をもって、漁船ＦＳの航行が終了したことを検出できる。船速検出値データＳＶ及び角速度検出値データＳＡの取得が継続している期間は、漁船ＦＳが航行中であると判定される。
漁船ＦＳの航行がまだ終了していない場合（ステップＳ１６；ＮＯ）、処理はステップＳ１２に戻る。このようにして、漁船ＦＳが移動及び操業を行った後、帰港の前にいったん停泊する場合でも、その停泊の期間に活動判別処理を停止させることができる。
一方、漁船ＦＳの航行が終了した場合は（ステップＳ１６；ＹＥＳ）、平滑化処理部２４２が、これまでに生成された活動判別結果データＡＤに対し、図８を参照して説明した要領で平滑化処理を施す（ステップＳ１７）。これにより、平滑化活動判別結果データＳＡＤが得られる。
なお、本実施形態では、一旦、すべての活動判別結果データＡＤが得られた後に、ステップＳ１７で平滑化処理を行うこととしたが、ステップＳ１３で、生成された活動判別結果データＡＤに対して逐次に平滑化処理を行ってもよい。
次に、漁獲量データ取得部２５１が、ステップＳ１１からステップＳ１６でＹＥＳと判定されるまでの航行で得られた漁獲量を表す漁獲量データＦＣＤを外部から取得する。そして、漁獲能率指数算出部２５２が、その漁獲量データＦＣＤと平滑化活動判別結果データＳＡＤとを用いて、漁獲の能率を表す漁獲能率指数を算出し、出力部２６１が漁獲能率指数を外部に出力する（ステップＳ１８）。
以上説明したように、本実施形態によれば、ステップＳ１３で活動判別結果データＡＤを得ることができる。活動判別結果データＡＤは、漁船ＦＳが移動中であるか操業中であるかの判別結果を時系列で表したものである。
このため、活動判別結果データＡＤ又はそれを平滑化した平滑化活動判別結果データＳＡＤによれば、漁船ＦＳが航行した期間のうち、実際に操業に費やされた期間の正味の長さである正味操業期間長を正確に特定することができる。従って、漁獲量を正味操業期間長で割り算した漁獲能率指数も正確に特定できる。
漁獲能率指数は、漁労の成果を表す報告書データに含められて図示せぬデータベースに記録される。これにより、漁獲能率指数の変動の傾向を把握することができる。漁獲能率指数の変動の傾向を把握することは、水産資源の保護に資する。即ち、漁獲の能率が低下する傾向がみられた場合、漁獲を控える対策をとることで、水産資源の枯渇を未然に防止できる。
［第２実施形態］
上記第１実施形態では、活動判別処理において、漁船ＦＳが操業中であるか移動中であるかということだけを判定することとした。漁船ＦＳが操業中であると判定された場合には、さらに操業の内容を推定してもよい。以下、その具体例を述べる。
図１０に示すように、本実施形態に係る漁船活動推定装置２００は、漁船ＦＳの航行中の位置の時系列を表す位置データＳＰを用いて、漁船ＦＳの航行の軌跡を表す軌跡画像データＴＤを作成する軌跡画像データ作成部２７１と、軌跡画像データ作成部２７１から軌跡画像データＴＤを取得する軌跡画像データ取得部２７２とをさらに備える。
即ち、本実施形態では、位置データＳＰは、既述の位置判別処理に利用されるだけでなく、軌跡画像データＴＤの作成にも利用される。
活動推定部２４１には、既述の船速特徴ベクトルデータＳＶＦ、微分船速特徴ベクトルデータＤＳＶＦ、角速度特徴ベクトルデータＳＡＦ、及び微分角速度特徴ベクトルデータＤＳＡＦ（以下、これらのデータを漁船挙動データと総称する。）のみならず、軌跡画像データ取得部２７２によって取得された軌跡画像データＴＤも入力される。
活動推定部２４１は、活動判別処理で漁船ＦＳが操業中であると判別した場合、軌跡画像データＴＤ及び上記漁船挙動データを用いて、その操業の内容を推定する操業内容推定処理をさらに行う。
なお、本実施形態では、“操業の内容”とはどのような水産物を獲ったのかということまで特定される意味とする。即ち、活動推定部２４１によれば、漁船ＦＳの操業の内容として、どのような水産物を獲ったのかということが推定可能である。
軌跡画像データＴＤ及び上記漁船挙動データと、漁船ＦＳの操業の内容とには、相関が認められる。このため、軌跡画像データＴＤ及び上記漁船挙動データを用いて、漁船ＦＳの操業の内容を推定することが原理的に可能である。
以下、軌跡画像データＴＤ及び上記漁船挙動データと、漁船ＦＳの操業の内容との相関について、例示的に述べる。
図１１に、軌跡画像データＴＤの一例を示す。軌跡画像データＴＤが表す漁船ＦＳの軌跡ＴＡは、漁船ＦＳの位置を表す座標値を２次元座標平面上にプロットし、かつプロット間を線分で結ぶことにより得られる。
なお、図１１では、船速を分かりやすくするために、軌跡ＴＡ上に、等時間間隔で、漁船ＦＳの進行方向を表す矢印を付した。矢印の間隔が狭いほど、船速が遅いことを意味する。船速等は上記漁船挙動データで特定できるため、実際の軌跡画像データＴＤには、矢印は無くてもよい。
軌跡ＴＡのうち、極端に船速が遅い部分（以下、極低速部分と記す。）ＴＡ１は、漁船ＦＳが潮に流されていることを表す。このような極低速部分ＴＡ１は、潮に流されながら行うイカ釣り漁において典型的にみられる。
従って、軌跡画像データＴＤが表す、極低速部分ＴＡ１を有する軌跡ＴＡの形状のパターンと、上記漁船挙動データで特定される、極低速部分ＴＡ１における船速等とによって、操業の内容として、イカ釣り漁が行われたことを特定できる。
図１２は、軌跡画像データＴＤの他の例を示す。この例では、軌跡ＴＢは、直線的に航行したことを表す往路部分ＴＢ１と、その往路部分ＴＢ１に沿って蛇行しながら戻ったことを表す復路部分ＴＢ２との組み合わせを含む。
このような、往路部分ＴＢ１と復路部分ＴＢ２との組み合わせは、ブリの延縄漁において典型的にみられる。つまり、往路部分ＴＢ１は、延縄を仕掛けていることを表し、復路部分ＴＢ２は、延縄を回収していることを表す。
従って、軌跡画像データＴＤが表す、往路部分ＴＢ１及び復路部分ＴＢ２を有する軌跡ＴＢの形状のパターンと、上記漁船挙動データで特定される、往路部分ＴＢ１の船速及び角速度のばらつきの少なさと、上記漁船挙動データで特定される、復路部分ＴＢ２の角速度の周期的変動等とによって、操業の内容として、ブリの延縄漁が行われたことを特定できる。
以上説明したように、軌跡画像データＴＤ及び上記漁船挙動データと、漁船ＦＳの操業の内容とには相関がある。図１１、図１２では、漁船ＦＳの操業の内容として、イカ釣り漁、ブリの延縄漁を例示したが、他の水産物の漁についても同様に、軌跡画像データＴＤ及び上記漁船挙動データを用いて同定できることは当業者に理解できるであろう。
そこで、上述した相関を使用して、図１０に示した活動推定部２４１の機能を機械学習によって実現することができる。つまり、本実施形態に係る活動推定部２４１としての学習済モデル２００ｅは、船速特徴ベクトルデータＳＶＦ、微分船速特徴ベクトルデータＤＳＶＦ、角速度特徴ベクトルデータＳＡＦ、及び微分角速度特徴ベクトルデータＤＳＡＦを用いて、漁船ＦＳが移動中であるか操業中であるかを判別し、かつ操業中であると判別した場合に、その操業の内容を、軌跡画像データＴＤを用いて推定するための機械学習を行ったものである。
以下、本実施形態に係る学習済モデル２００ｅを生成する学習済モデル生成装置４００について説明する。
図１３に示すように、本実施形態に係る学習済モデル生成装置４００には、学習用軌跡画像データ４１６も予め準備されている。学習用軌跡画像データ４１６は、図１０に示す軌跡画像データＴＤに対応する教師データであり、軌跡画像データＴＤのサンプルであってもよい。
学習用軌跡画像データ４１６は、軌跡画像データＴＤと同様、漁船ＦＳの軌跡を表す画像データの時系列で構成されている。その時系列の時刻は、学習用船速特徴ベクトルデータ４１１、学習用微分船速特徴ベクトルデータ４１２、学習用角速度特徴ベクトルデータ４１３、学習用微分角速度特徴ベクトルデータ４１４、及び学習用活動判別結果データ４１５が表す時刻と対応している。
学習用活動判別結果データ４１５は、図１０に示す活動判別結果データＡＤに対応する教師データである。学習用活動判別結果データ４１５は、学習用船速特徴ベクトルデータ４１１、学習用微分船速特徴ベクトルデータ４１２、学習用角速度特徴ベクトルデータ４１３、学習用微分角速度特徴ベクトルデータ４１４、及び習用軌跡画像データ４１６が得られる場合の、漁船ＦＳの実際の活動内容が時間ごとに正しく特定されたデータである。学習用活動判別結果データ４１５は、例えば人手、具体的には、漁船ＦＳに搭乗する船員により作成される。
生成部４２０は、学習用船速特徴ベクトルデータ４１１、学習用微分船速特徴ベクトルデータ４１２、学習用角速度特徴ベクトルデータ４１３、学習用微分角速度特徴ベクトルデータ４１４、及び習用軌跡画像データ４１６から、学習用活動判別結果データ４１５を推定する方針を学習する。このような機械学習により、学習済モデル２００ｅが生成される。
以下、図１４を参照し、本実施形態に係る活動判別処理（図９のステップＳ１３）について説明する。
図１４に示すように、まず、活動推定部２４１は、船速特徴ベクトルデータＳＶＦ、微分船速特徴ベクトルデータＤＳＶＦ、角速度特徴ベクトルデータＳＡＦ、及び微分角速度特徴ベクトルデータＤＳＡＦを用いて、漁船ＦＳが操業中であるか否かを判定する（ステップＳ１３１）。
活動推定部２４１は、漁船ＦＳが操業中ではなく移動中であると判定した場合（ステップＳ１３１；ＮＯ）、活動判別結果データＡＤを構成する時系列の１つとして、移動中である旨の判別結果を出力する（ステップＳ１３３）。
一方、活動推定部２４１は、漁船ＦＳが操業中であると判定した場合（ステップＳ１３１；ＹＥＳ）、船速特徴ベクトルデータＳＶＦ、微分船速特徴ベクトルデータＤＳＶＦ、角速度特徴ベクトルデータＳＡＦ、及び微分角速度特徴ベクトルデータＤＳＡＦと、軌跡画像データＴＤとを用いて、その操業の内容を推定する操業内容推定処理をさらに行う。そして、活動推定部２４１は、操業内容推定処理で推定した結果を、活動判別結果データＡＤを構成する時系列の１つとして出力する（ステップＳ１３２）。
なお、操業内容推定処理の結果として想定される操業の内容ごとに、異なる数値を割り当てておけば、活動判別結果データＡＤ及び平滑化活動判別結果データＳＡＤは、３つ以上の値をとるステップ関数として表すことができる。
一例として、操業内容推定処理の結果として、イカ釣り漁又はブリの延縄漁が想定される場合、イカ釣り漁に１を割り当て、ブリの延縄漁に２を割り当てる。また、図８を参照して説明したように、移動中という判別結果には０を割り当てる。この場合、活動判別結果データＡＤ及び平滑化活動判別結果データＳＡＤは、３つの値をとるステップ関数として表すことができる。
以上説明した本実施形態によれば、活動判別結果データＡＤ又は平滑化活動判別結果データＳＡＤを用いて、既述の正味操業期間長を特定できるのは勿論のこと、操業内容推定処理の結果としての操業の内容ごとに、それに費やされた正味の時間長を特定できる。また、本実施形態では、図６に示す漁獲量データＦＣＤは、捕獲した水産物別に、その水産物の漁獲量を対応付けたデータ構造を有するものとする。
具体的には、上述した一例に関して言えば、活動判別結果データＡＤ又は平滑化活動判別結果データＳＡＤを用いて、出港から帰港までの間にイカ釣り漁に費やされた正味の時間長、及びブリの延縄漁に費やされた正味の時間長をそれぞれ特定できる。また、漁獲量データＦＣＤによれば、イカの捕獲量とブリの漁獲量とをそれぞれ特定できる。
従って、本実施形態によれば、図６に示す漁獲能率指数算出部２５２は、漁船ＦＳで捕獲する水産物別に、その水産物の漁の能率を表す漁獲能率指数を算出することができる。このため、どの水産物の漁が過剰であるかといったことをきめ細かく把握することが可能である。この結果、水産資源の保護をより一層適切に行えるようになる。
［第３実施形態］
図６には、漁船活動推定装置２００が、船速特徴ベクトルデータ取得部２２５と角速度特徴ベクトルデータ取得部２３５との両方を備える構成を例示した。船速特徴ベクトルデータＳＶＦと角速度特徴ベクトルデータＳＡＦとの各々が漁船ＦＳの活動に相関するので、第１及び第２実施形態において、漁船活動推定装置２００は、船速特徴ベクトルデータ取得部２２５と角速度特徴ベクトルデータ取得部２３５とのうちの一方のみを備えてもよい。以下、その具体例を述べる。
図１５に示すように、本実施形態に係る活動推定部２４１は、船速特徴ベクトルデータＳＶＦと微分船速特徴ベクトルデータＤＳＶＦとを用いて、既述の活動判別処理を行い、漁船ＦＳが移動中であるか操業中であるかを時系列で表した活動判別結果データＡＤを出力する。
船速特徴ベクトルデータＳＶＦ及び微分船速特徴ベクトルデータＤＳＶＦは、漁船ＦＳが移動中であるか操業中であるかということと相関する。従って、原理的には、図１０に示した角速度特徴ベクトルデータＳＡＦ及び微分角速度特徴ベクトルデータＤＳＡＦを使用せずとも、活動判別処理の遂行が可能である。
また、本実施形態に係る活動推定部２４１は、船速特徴ベクトルデータＳＶＦ及び微分船速特徴ベクトルデータＤＳＶＦと、図１０に示した軌跡画像データＴＤとを用いて、既述の操業内容推定処理を行う。
船速特徴ベクトルデータＳＶＦ及び微分船速特徴ベクトルデータＤＳＶＦは、漁船ＦＳの操業の内容に相関する。従って、原理的には、図１０に示した角速度特徴ベクトルデータＳＡＦ及び微分角速度特徴ベクトルデータＤＳＡＦを使用せずとも、操業内容推定処理の遂行が可能である。
なお、本実施形態では、活動推定部２４１を実現する学習済モデルの形成において、図１３に示した教師データとしての、学習用角速度特徴ベクトルデータ４１３及び学習用微分角速度特徴ベクトルデータ４１４は省略される。他の構成及び動作は、第１及び第２実施形態の場合と同様である。
［第４実施形態］
図１６に示すように、本実施形態に係る活動推定部２４１は、角速度特徴ベクトルデータＳＡＦと微分角速度特徴ベクトルデータＤＳＡＦとを用いて、既述の活動判別処理を行い、漁船ＦＳが移動中であるか操業中であるかを時系列で表した活動判別結果データＡＤを出力する。
角速度特徴ベクトルデータＳＡＦ及び微分角速度特徴ベクトルデータＤＳＡＦは、漁船ＦＳが移動中であるか操業中であるかということと相関する。従って、原理的には、図１０に示した船速特徴ベクトルデータＳＶＦ及び微分船速特徴ベクトルデータＤＳＶＦを使用せずとも、活動判別処理の遂行が可能である。
また、本実施形態に係る活動推定部２４１は、角速度特徴ベクトルデータＳＡＦ及び微分角速度特徴ベクトルデータＤＳＡＦと、図１０に示した軌跡画像データＴＤとを用いて、既述の操業内容推定処理を行う。
角速度特徴ベクトルデータＳＡＦ及び微分角速度特徴ベクトルデータＤＳＡＦは、漁船ＦＳの操業の内容に相関する。従って、原理的には、図１０に示した船速特徴ベクトルデータＳＶＦ及び微分船速特徴ベクトルデータＤＳＶＦを使用せずとも、操業内容推定処理の遂行が可能である。
なお、本実施形態では、活動推定部２４１を実現する学習済モデルの形成において、図１３に示した教師データとしての、学習用船速特徴ベクトルデータ４１１及び学習用微分船速特徴ベクトルデータ４１２は省略される。他の構成及び動作は、第１及び第２実施形態の場合と同様である。
［第５実施形態］
第２実施形態では、活動判別処理及び操業内容推定処理に、角速度検出値データＳＡ及び船速検出値データＳＶを用いたが、これらに代えて、漁船ＦＳの加速度の時系列を表すデータを用いてもよい。漁船ＦＳの加速度の時系列を表すデータも、角速度検出値データＳＡ及び船速検出値データＳＶと同様、漁船ＦＳが移動中であるか操業中であるかということと、漁船ＦＳの操業の内容とに相関するからである。
図１７に示すように、本実施形態に係る漁船活動推定装置２００は、加速度検出値データＳＣを取得する加速度検出値データ取得部２８１を備える。加速度検出値データＳＣは、漁船ＦＳの加速度の検出値の時系列を表す。なお、加速度検出値データ取得部２８１は、漁船ＦＳに設置される、図示せぬ加速度検出器から加速度検出値データＳＣを取得する。
また、漁船活動推定装置２００は、加速度検出値データＳＣを用いて、加速度検出値データＳＣに移動平均処理を施した平滑化加速度データＳＣａを生成する加速度移動平均処理部２８２を備える。
なお、移動平均処理で加速度の平均をとる区間（以下、加速度移動平均処理区間と記す。）は、例えば、加速度検出値データＳＣのサンプリング周期の５倍以上、２０倍以下である。具体的には、加速度検出値データＳＣのサンプリング周期は３０秒であり、加速度移動平均処理区間の時間長は３００秒である。
また、漁船活動推定装置２００は、加速度検出値データＳＣを用いて、漁船ＦＳの加速度のばらつきの時系列を表す加速度ばらつきデータＳＣｂを生成する加速度ばらつき算出部２８３を備える。
加速度ばらつき算出部２８３は、加速度検出値データＳＣにおける予め定められた加速度ばらつき算出区間ごとに、加速度のばらつきを表す加速度ばらつき度を算出する。また、加速度ばらつき算出部２８３は、移動平均処理と同じ要領で、加速度ばらつき算出区間を時間軸に沿って、加速度検出値データＳＣのサンプリング周期ごとにずらしながら、加速度ばらつき度を繰り返し算出する。即ち、加速度ばらつきデータＳＣｂは、加速度ばらつき度の時系列を表す。
なお、加速度ばらつき算出区間は、移動平均処理の時間幅と同じく、例えば、加速度検出値データＳＣのサンプリング周期の５倍以上、２０倍以下である。本実施形態では、加速度ばらつき算出区間の時間長は、加速度移動平均処理区間の時間長と同じである。
加速度ばらつき度としては、例えば、標準偏差、分散、変動係数、全区間での平均値からの差の総和、全区間での平均値に対する比の総和等が例示される。本実施形態では、加速度ばらつき度として標準偏差を用いる。
また、漁船活動推定装置２００は、加速度検出値データＳＣを用いて、漁船ＦＳの加速度の変化率の時系列を表す加速度変化率データＳＣｃを生成する加速度変化率算出部２８４を備える。
加速度変化率算出部２８４は、加速度検出値データＳＣにおける予め定められた加速度変化率算出区間ごとに、加速度の変化率を算出する。また、加速度変化率算出部２８４は、移動平均処理と同じ要領で、加速度変化率算出区間を時間軸に沿って、加速度検出値データＳＣのサンプリング周期ごとにずらしながら、加速度の変化率を繰り返し算出する。即ち、加速度変化率データＳＣｃは、加速度の変化率の時系列を表す。
なお、加速度変化率算出区間は、移動平均処理の時間幅と同じく、例えば、加速度検出値データＳＣのサンプリング周期の５倍以上、２０倍以下である。本実施形態では、加速度変化率算出区間の時間長は、加速度移動平均処理区間の時間長と同じである。
本実施形態では、加速度の変化率として、加速度検出値データＳＣの加速度変化率算出区間における変動を最小２乗法で直線近似した場合の、その直線の傾きを用いる。但し、加速度の変化率として、時間軸上で隣り合う検出値の差分の、加速度変化率算出区間における平均値等を用いてもよい。
以下では、加速度検出値データＳＣ、平滑化加速度データＳＣａ、加速度ばらつきデータＳＣｂ、及び加速度変化率データＳＣｃの集合を、加速度特徴ベクトルデータＳＣＦと総称する。共通の時刻についての、加速度検出値データＳＣ、平滑化加速度データＳＣａ、加速度ばらつきデータＳＣｂ、及び加速度変化率データＳＣｃの合計４つのデータ値が、その時刻における加速度特徴ベクトルデータＳＣＦの成分である。このような成分の時系列が加速度特徴ベクトルデータＳＣＦを構成する。
また、漁船活動推定装置２００は、加速度検出値データ取得部２８１、加速度移動平均処理部２８２、加速度ばらつき算出部２８３、及び加速度変化率算出部２８４から加速度特徴ベクトルデータＳＣＦを取得する加速度特徴ベクトルデータ取得部２８５を備える。
また、漁船活動推定装置２００は、加速度特徴ベクトルデータＳＣＦに時間積分を施すことにより、加速度特徴ベクトルデータＳＣＦの時間積分を表す積分加速度特徴ベクトルデータＩＳＣＦを生成する加速度特徴ベクトルデータ積分部２８６を備える。
なお、本明細書において、時系列データの時間積分とは、その時系列データにおける時間的に隣り合うデータ値どうしの和、又はその和に比例する値の時系列を意味する。
加速度特徴ベクトルデータ積分部２８６は、加速度特徴ベクトルデータＳＣＦを構成する加速度検出値データＳＣ、平滑化加速度データＳＣａ、加速度ばらつきデータＳＣｂ、及び加速度変化率データＳＣｃの各々の時間積分を算出する。
即ち、積分加速度特徴ベクトルデータＩＳＣＦには、加速度検出値データＳＣの時間積分、平滑化加速度データＳＣａの時間積分、加速度ばらつきデータＳＣｂの時間積分、及び加速度変化率データＳＣｃの時間積分が含まれる。共通の時刻についての４種類の積分値の時系列が積分加速度特徴ベクトルデータＩＳＣＦを構成する。
本実施形態に係る活動推定部２４１は、加速度特徴ベクトルデータＳＣＦと積分加速度特徴ベクトルデータＩＳＣＦとを用いて、既述の活動判別処理を行い、漁船ＦＳが移動中であるか操業中であるかを時系列で表した活動判別結果データＡＤを出力する。
加速度特徴ベクトルデータＳＣＦ及び積分加速度特徴ベクトルデータＩＳＣＦは、漁船ＦＳが移動中であるか操業中であるかということと相関する。原理的には、図１０に示した船速特徴ベクトルデータＳＶＦ及び微分船速特徴ベクトルデータＤＳＶＦに代えて、加速度特徴ベクトルデータＳＣＦ及び積分加速度特徴ベクトルデータＩＳＣＦを用いても、活動判別処理の遂行が可能である。
また、本実施形態に係る活動推定部２４１は、加速度特徴ベクトルデータＳＣＦ及び積分加速度特徴ベクトルデータＩＳＣＦと、図１０に示した軌跡画像データＴＤとを用いて、既述の操業内容推定処理を行う。
加速度特徴ベクトルデータＳＣＦ及び積分加速度特徴ベクトルデータＩＳＣＦは、漁船ＦＳの操業の内容に相関する。原理的には、図１０に示した船速特徴ベクトルデータＳＶＦ及び微分船速特徴ベクトルデータＤＳＶＦに代えて、加速度特徴ベクトルデータＳＣＦ及び積分加速度特徴ベクトルデータＩＳＣＦを用いても、操業内容推定処理の遂行が可能である。
なお、本実施形態では、活動推定部２４１を実現する学習済モデルの形成において、図１３に示した教師データとしての、学習用船速特徴ベクトルデータ４１１、学習用微分船速特徴ベクトルデータ４１２、学習用角速度特徴ベクトルデータ４１３、及び学習用微分角速度特徴ベクトルデータ４１４に代えて、学習用加速度特徴ベクトルデータと、学習用積分加速度特徴ベクトルデータが用いられる。
学習用加速度特徴ベクトルデータは、加速度特徴ベクトルデータＳＣＦに対応する教師データであり、加速度特徴ベクトルデータＳＣＦのサンプルであってもよい。学習用積分加速度特徴ベクトルデータは、積分加速度特徴ベクトルデータＩＳＣＦに対応する教師データであり、積分加速度特徴ベクトルデータＩＳＣＦのサンプルであってもよい。他の構成及び動作は、第３実施形態の場合と同様である。
以上、第１－第５実施形態について説明した。以下に述べる変形も可能である。
図６には、活動推定部２４１が、船速特徴ベクトルデータＳＶＦ、角速度特徴ベクトルデータＳＡＦ、微分船速特徴ベクトルデータＤＳＶＦ、及び微分角速度特徴ベクトルデータＤＳＡＦを用いて、活動判別処理及び操業内容推定処理を行う構成を例示した。活動推定部２４１は、微分船速特徴ベクトルデータＤＳＶＦ及び微分角速度特徴ベクトルデータＤＳＡＦは用いずに、船速特徴ベクトルデータＳＶＦ及び角速度特徴ベクトルデータＳＡＦを用いて活動判別処理及び操業内容推定処理を行うこともできる。
活動判別処理に微分船速特徴ベクトルデータＤＳＶＦ及び微分角速度特徴ベクトルデータＤＳＡＦを用いない場合、図７に示す構成において、学習用微分船速特徴ベクトルデータ４１２及び学習用微分角速度特徴ベクトルデータ４１４は不要である。但し、図７に示すように、学習用微分船速特徴ベクトルデータ４１２及び学習用微分角速度特徴ベクトルデータ４１４も教師データとして用いる機械学習を行い、図６に示すように、微分船速特徴ベクトルデータＤＳＶＦ及び微分角速度特徴ベクトルデータＤＳＡＦも用いて活動判別処理を行った方が、活動判別処理の判別の正確性を高めことができる。
図１７には、活動推定部２４１が、加速度特徴ベクトルデータＳＣＦ及び積分加速度特徴ベクトルデータＩＳＣＦを用いて、活動判別処理及び操業内容推定処理を行う構成を例示した。活動推定部２４１は、積分加速度特徴ベクトルデータＩＳＣＦは用いずに、加速度特徴ベクトルデータＳＣＦを用いて活動判別処理及び操業内容推定処理を行うこともできる。
図６には、船速特徴ベクトルデータＳＶＦに船速変化率データＳＶｃが含まれる構成を例示したが、船速特徴ベクトルデータＳＶＦに船速変化率データＳＶｃが含まれていなくてもよい。また、図６には、角速度特徴ベクトルデータＳＡＦに角速度変化率データＳＡｃが含まれる構成を例示したが、角速度特徴ベクトルデータＳＡＦに角速度変化率データＳＡｃが含まれていなくてもよい。また、図１７には、加速度特徴ベクトルデータＳＣＦに加速度変化率データＳＣｃが含まれる構成を例示したが、加速度特徴ベクトルデータＳＣＦに加速度変化率データＳＣｃが含まれていなくてもよい。
図６には、船速を表す船速データの一例として、船速検出値データＳＶ及び平滑化船速データＳＶａを例示した。船速データとしては、船速検出値データＳＶと平滑化船速データＳＶａの一方のみを用いてもよい。つまり、船速特徴ベクトルデータＳＶＦを構成するデータから、船速検出値データＳＶ又は平滑化船速データＳＶａを省略してもよい。
図６には、角速度を表す角速度データの一例として、角速度検出値データＳＡ及び平滑化角速度データＳＡａを例示した。角速度データとしては、角速度検出値データＳＡと平滑化角速度データＳＡａの一方のみを用いてもよい。つまり、角速度特徴ベクトルデータＳＡＦを構成するデータから、角速度検出値データＳＡ又は平滑化角速度データＳＡａを省略してもよい。
図１７には、加速度を表す加速度データの一例として、加速度検出値データＳＣ及び平滑化加速度データＳＣａを例示した。加速度データとしては、加速度検出値データＳＣと平滑化加速度データＳＣａの一方のみを用いてもよい。つまり、加速度特徴ベクトルデータＳＣＦを構成するデータから、加速度検出値データＳＣ又は平滑化加速度データＳＣａを省略してもよい。
図１には、漁船活動推定装置２００が漁船ＦＳに搭載された構成を例示した。この場合、漁船活動推定装置２００は、漁船ＦＳの活動をリアルタイムに推定することができる。具体的には、漁船活動推定装置２００は、図９のステップＳ１１からステップＳ１７までの処理をリアルタイムに行える。但し、漁船活動推定装置２００は、必ずしも漁船ＦＳに搭載されていなくてもよい。
例えば、漁船活動推定装置２００は、陸地に固定的に設置されたものであってもよい。そして、漁船ＦＳから漁船活動推定装置２００に、船速検出値データＳＶ、角速度検出値データＳＡ、及び位置データＳＰをリアルタイムに送信してもよい。この場合、漁船活動推定装置２００は、既述の位置判別処理及び活動判別処理をリアルタイムに行い得る。
あるいは、漁船ＦＳで逐次に検出される船速検出値データＳＶ、角速度検出値データＳＡ、及び位置データＳＰを蓄積可能なメモリを漁船ＦＳに備えておき、そのメモリに蓄積された船速検出値データＳＶ、角速度検出値データＳＡ、及び位置データＳＰを、漁船ＦＳの航行の後に、漁船活動推定装置２００に与えてもよい。この場合、漁船活動推定装置２００は、事後的に、即ち漁船ＦＳの航行の後に、既述の位置判別処理及び活動判別処理を行うこととなる。
図２に示した漁船活動推定プログラム２００ｄを、既存のスマーフォン、タブレット、その他のコンピュータにインストールすることで、そのコンピュータに漁船活動推定装置２００の機能を実現させることもできる。漁船活動推定プログラム２００ｄは通信ネットワークを介して配布してもよいし、コンピュータ読み取り可能な非一時的な記録媒体に格納して配布してもよい。
１１０…船速検出器、
１２０…角速度検出器、
１３０…位置検出器、
２００…漁船活動推定装置、
２００ａ…プロセッサ、
２００ｂ…通信装置、
２００ｃ…記憶装置、
２００ｄ…漁船活動推定プログラム、
２００ｅ…学習済モデル、
２００ｆ…地図データ、
２１１…位置データ取得部、
２１２…位置判別部、
２２１…船速検出値データ取得部、
２２２…船速移動平均処理部、
２２３…船速ばらつき算出部、
２２４…船速変化率算出部、
２２５…船速特徴ベクトルデータ取得部、
２２６…船速特徴ベクトルデータ微分部、
２３１…角速度検出値データ取得部、
２３２…角速度移動平均処理部、
２３３…角速度ばらつき算出部、
２３４…角速度変化率算出部、
２３５…角速度特徴ベクトルデータ取得部、
２３６…角速度特徴ベクトルデータ微分部、
２４１…活動推定部、
２４２…平滑化処理部、
２５１…漁獲量データ取得部、
２５２…漁獲能率指数算出部、
２６１…出力部、
２７１…軌跡画像データ作成部、
２７２…軌跡画像データ取得部、
２８１…加速度検出値データ取得部、
２８２…加速度移動平均処理部、
２８３…加速度ばらつき算出部、
２８４…加速度変化率算出部、
２８５…加速度特徴ベクトルデータ取得部、
２８６…加速度特徴ベクトルデータ積分部、
３００…漁船活動推定システム、
４００…学習済モデル生成装置、
４１１…学習用船速特徴ベクトルデータ、
４１２…学習用微分船速特徴ベクトルデータ、
４１３…学習用角速度特徴ベクトルデータ、
４１４…学習用微分角速度特徴ベクトルデータ、
４１５…学習用活動判別結果データ、
４１６…学習用軌跡画像データ、
４２０…生成部、
ＡＤ…活動判別結果データ、
ＳＡＤ…平滑化活動判別結果データ、
ＥＳａ…第１誤判定結果、
ＥＳｂ…第２誤判定結果、
ＦＣＤ…漁獲量データ、
ＦＳ…漁船、
ＳＡ…角速度検出値データ（角速度データ）、
ＳＡａ…平滑化角速度データ（角速度データ）、
ＳＡｂ…角速度ばらつきデータ、
ＳＡｃ…角速度変化率データ、
ＳＡＦ…角速度特徴ベクトルデータ、
ＤＳＡＦ…微分角速度特徴ベクトルデータ、
ＳＣ…加速度検出値データ（加速度データ）、
ＳＣａ…平滑化加速度データ（加速度データ）、
ＳＣｂ…加速度ばらつきデータ、
ＳＣｃ…加速度変化率データ、
ＳＣＦ…加速度特徴ベクトルデータ、
ＩＳＣＦ…積分加速度特徴ベクトルデータ、
ＳＶ…船速検出値データ（船速データ）、
ＳＶａ…平滑化船速データ（船速データ）、
ＳＶｂ…船速ばらつきデータ、
ＳＶｃ…船速変化率データ、
ＳＶＦ…船速特徴ベクトルデータ、
ＤＳＶＦ…微分船速特徴ベクトルデータ、
ＳＰ…位置データ、
ＴＡ，ＴＢ…軌跡、
ＴＡ１…極低速部分、
ＴＢ１…往路部分、
ＴＢ２…復路部分、
ＴＤ…軌跡画像データ。

Claims (13)

  1. 漁場での操業と目的地への移動とを行う漁船の速度の時系列を表す船速データと、前記漁船の速度のばらつきの時系列を表す船速ばらつきデータであって、予め定められた時間幅における前記漁船の速度のばらつきを表す船速ばらつき度を、時間軸に沿って並べたデータである前記船速ばらつきデータとを含む船速特徴ベクトルデータを取得する船速特徴ベクトルデータ取得部と、
    前記船速特徴ベクトルデータを用いて、前記漁船が移動中であるか操業中であるかを判別する活動判別処理を行い、前記活動判別処理の結果を時系列で表した活動判別結果データを出力する活動推定部と、
    を備える、漁船活動推定装置。
  2. 漁場での操業と目的地への移動とを行う漁船の、航行中における揺れの角速度の時系列を表す角速度データと、前記角速度のばらつきの時系列を表す角速度ばらつきデータであって、予め定められた時間幅における前記角速度のばらつきを表す角速度ばらつき度を、時間軸に沿って並べたデータである前記角速度ばらつきデータとを含む角速度特徴ベクトルデータを取得する角速度特徴ベクトルデータ取得部と、
    前記角速度特徴ベクトルデータを用いて、前記漁船が移動中であるか操業中であるかを判別する活動判別処理を行い、前記活動判別処理の結果を時系列で表した活動判別結果データを出力する活動推定部と、
    を備える、漁船活動推定装置。
  3. 漁場での操業と目的地への移動とを行う漁船の加速度の時系列を表す加速度データと、前記漁船の加速度のばらつきの時系列を表す加速度ばらつきデータであって、予め定められた時間幅における前記漁船の加速度のばらつきを表す加速度ばらつき度を、時間軸に沿って並べたデータである前記加速度ばらつきデータとを含む加速度特徴ベクトルデータを取得する加速度特徴ベクトルデータ取得部と、
    前記加速度特徴ベクトルデータを用いて、前記漁船が移動中であるか操業中であるかを判別する活動判別処理を行い、前記活動判別処理の結果を時系列で表した活動判別結果データを出力する活動推定部と、
    を備える、漁船活動推定装置。
  4. 漁場での操業と目的地への移動とを行う漁船の速度の時系列を表す船速データと、前記漁船の速度のばらつきの時系列を表す船速ばらつきデータであって、予め定められた時間幅における前記漁船の速度のばらつきを表す船速ばらつき度を、時間軸に沿って並べたデータである前記船速ばらつきデータとを含む船速特徴ベクトルデータを取得する船速特徴ベクトルデータ取得部と、
    航行中における前記漁船の揺れの角速度の時系列を表す角速度データと、前記角速度のばらつきの時系列を表す角速度ばらつきデータであって、予め定められた時間幅における前記角速度のばらつきを表す角速度ばらつき度を、時間軸に沿って並べたデータである前記角速度ばらつきデータとを含む角速度特徴ベクトルデータを取得する角速度特徴ベクトルデータ取得部と、
    前記船速特徴ベクトルデータ及び前記角速度特徴ベクトルデータを用いて、前記漁船が移動中であるか操業中であるかを判別する活動判別処理を行い、前記活動判別処理の結果を時系列で表した活動判別結果データを出力する活動推定部と、
    を備える、漁船活動推定装置。
  5. 前記活動推定部が、前記船速特徴ベクトルデータ及び前記角速度特徴ベクトルデータのみならず、前記船速特徴ベクトルデータの時間微分を表す微分船速特徴ベクトルデータ、及び前記角速度特徴ベクトルデータの時間微分を表す微分角速度特徴ベクトルデータも用いて、前記活動判別処理を行う、
    請求項４に記載の漁船活動推定装置。
  6. 前記活動推定部が、
    前記船速特徴ベクトルデータ、前記角速度特徴ベクトルデータ、前記微分船速特徴ベクトルデータ、及び前記微分角速度特徴ベクトルデータを用いて、前記漁船が移動中であるか操業中であるかを判別するための機械学習を行った学習済モデル、
    を含む、請求項５に記載の漁船活動推定装置。
  7. 前記船速特徴ベクトルデータには、前記漁船の速度の変化率の時系列を表す船速変化率データが含まれ、
    前記角速度特徴ベクトルデータには、前記角速度の変化率の時系列を表す角速度変化率データが含まれる、
    請求項４から６のいずれか１項に記載の漁船活動推定装置。
  8. 前記船速データには、前記漁船の速度の検出値の時系列を表す船速検出値データと、前記船速検出値データに移動平均処理を施した平滑化船速データとが含まれ、
    前記角速度データには、前記角速度の検出値の時系列を表す角速度検出値データと、前記角速度検出値データに移動平均処理を施した平滑化角速度データとが含まれる、
    請求項４から６のいずれか１項に記載の漁船活動推定装置。
  9. 前記漁船の航行の軌跡を表す軌跡画像データを取得する軌跡画像データ取得部、
    をさらに備え、
    前記活動推定部が、前記活動判別処理で前記漁船が操業中であると判別した場合、前記軌跡画像データを用いて該操業の内容を推定する操業内容推定処理をさらに行う、
    請求項１から４のいずれか１項に記載の漁船活動推定装置。
  10. 前記漁船の航行中の位置を表す位置データを取得する位置データ取得部と、
    前記位置データと、地図を表す地図データとを用いて、前記漁船が陸地に近い沿岸領域に位置するか、又は前記沿岸領域よりも前記陸地から遠い沖合領域に位置するかを判別する位置判別処理を行う位置判別部と、
    をさらに備え、
    前記位置判別処理で前記漁船が前記沖合領域に位置すると判別された場合に、前記活動判別処理が行われ、前記位置判別処理で前記漁船が前記沿岸領域に位置すると判別された場合には、前記活動判別処理が停止される、
    請求項１から４のいずれか１項に記載の漁船活動推定装置。
  11. 前記活動推定部によって出力された前記活動判別結果データに対して、前記漁船が移動中である旨の判別結果のうち、予め定められた最短移動期間長よりも時間幅が短いものを前記漁船が操業中である旨の判別結果へと修正し、かつ前記漁船が操業中である旨の判別結果のうち、予め定められた最短操業期間長よりも時間幅が短いものを、前記漁船が移動中である旨の判別結果へと修正する平滑化処理を施す平滑化処理部、
    をさらに備える、請求項１から４のいずれか１項に記載の漁船活動推定装置。
  12. 出港から帰港までの間における前記漁船の操業によって得られた漁獲量を表す漁獲量データを取得する漁獲量データ取得部と、
    前記漁獲量データが表す前記漁獲量と、前記活動判別結果データに含まれる、前記漁船が操業中である旨の判別結果の時間幅の合計である正味操業期間長とを用いて、漁獲の能率を表す漁獲能率指数を算出する漁獲能率指数算出部と、
    をさらに備える、請求項１から４のいずれか１項に記載の漁船活動推定装置。
  13. コンピュータを、
    漁場での操業と目的地への移動とを行う漁船の速度の時系列を表す船速データと、前記漁船の速度のばらつきの時系列を表す船速ばらつきデータであって、予め定められた時間幅における前記漁船の速度のばらつきを表す船速ばらつき度を、時間軸に沿って並べたデータである前記船速ばらつきデータとを含む船速特徴ベクトルデータを取得する船速特徴ベクトルデータ取得部、
    航行中における前記漁船の揺れの角速度の時系列を表す角速度データと、前記角速度のばらつきの時系列を表す角速度ばらつきデータであって、予め定められた時間幅における前記角速度のばらつきを表す角速度ばらつき度を、時間軸に沿って並べたデータである前記角速度ばらつきデータとを含む角速度特徴ベクトルデータを取得する角速度特徴ベクトルデータ取得部、
    前記船速特徴ベクトルデータ及び前記角速度特徴ベクトルデータを用いて、前記漁船が移動中であるか操業中であるかを判別する活動判別処理を行い、前記活動判別処理の結果を時系列で表した活動判別結果データを出力する活動推定部、
    として機能させる、漁船活動推定プログラム。
JP2022147362A 2022-09-15 2022-09-15 漁船活動推定装置及び漁船活動推定プログラム Active JP7466129B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2022147362A JP7466129B2 (ja) 2022-09-15 2022-09-15 漁船活動推定装置及び漁船活動推定プログラム
PCT/JP2023/032315 WO2024057997A1 (ja) 2022-09-15 2023-09-05 漁船活動推定装置及び漁船活動推定プログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2022147362A JP7466129B2 (ja) 2022-09-15 2022-09-15 漁船活動推定装置及び漁船活動推定プログラム

Publications (2)

Publication Number Publication Date
JP2024042568A JP2024042568A (ja) 2024-03-28
JP7466129B2 true JP7466129B2 (ja) 2024-04-12

Family

ID=90274823

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022147362A Active JP7466129B2 (ja) 2022-09-15 2022-09-15 漁船活動推定装置及び漁船活動推定プログラム

Country Status (2)

Country Link
JP (1) JP7466129B2 (ja)
WO (1) WO2024057997A1 (ja)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012021896A (ja) 2010-07-15 2012-02-02 Hokuyo Automatic Co 信号処理装置、及び走査式測距装置
JP2018055269A (ja) 2016-09-27 2018-04-05 大日本印刷株式会社 情報処理装置及びプログラム
CN109840358A (zh) 2019-01-09 2019-06-04 上海海洋大学 一种基于航迹时域差分的航迹分段方法
US10769440B1 (en) 2016-08-29 2020-09-08 Trifo, Inc. Visual-inertial positional awareness for autonomous and non-autonomous tracking
CN114139608A (zh) 2021-11-11 2022-03-04 杭州电子科技大学 一种基于ais轨迹数据的多步聚类的渔船行为识别方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102401337B1 (ko) * 2020-08-24 2022-05-23 제주대학교 산학협력단 항적 데이타를 이용한 어선 조업 판별 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012021896A (ja) 2010-07-15 2012-02-02 Hokuyo Automatic Co 信号処理装置、及び走査式測距装置
US10769440B1 (en) 2016-08-29 2020-09-08 Trifo, Inc. Visual-inertial positional awareness for autonomous and non-autonomous tracking
JP2018055269A (ja) 2016-09-27 2018-04-05 大日本印刷株式会社 情報処理装置及びプログラム
CN109840358A (zh) 2019-01-09 2019-06-04 上海海洋大学 一种基于航迹时域差分的航迹分段方法
CN114139608A (zh) 2021-11-11 2022-03-04 杭州电子科技大学 一种基于ais轨迹数据的多步聚类的渔船行为识别方法

Also Published As

Publication number Publication date
JP2024042568A (ja) 2024-03-28
WO2024057997A1 (ja) 2024-03-21

Similar Documents

Publication Publication Date Title
CN110208816B (zh) 用于海上无人艇的自动障碍物识别系统及识别方法
US9207348B2 (en) Collision avoidance for instrumented probes deployed from a seismic vessel
CN107422736B (zh) 一种无人船自主返航控制方法
Yoerger et al. Fine-scale seafloor survey in rugged deep-ocean terrain with an autonomous robot
BRPI0918941B1 (pt) método automatizado para navegação autônoma de uma plataforma manobrável e sistema de navegação autônoma para manobrar uma plataforma manobrável
CN106643723B (zh) 一种无人艇安全航行船位推算方法
McPhail et al. Low-altitude terrain following and collision avoidance in a flight-class autonomous underwater vehicle
JP6779356B2 (ja) 海洋船舶のための近接感知システム及び方法
Salavasidis et al. Terrain‐aided navigation for long‐range AUVs in dynamic under‐mapped environments
Mizythras et al. A novel decision support methodology for oceangoing vessel collision avoidance
JP7466129B2 (ja) 漁船活動推定装置及び漁船活動推定プログラム
CN111412918A (zh) 无人艇全局安全路径规划方法
Aulinas et al. Selective submap joining for underwater large scale 6-DOF SLAM
Matsuda et al. Landing method of autonomous underwater vehicles for seafloor surveying
Medagoda et al. Water column current aided localisation for significant horizontal trajectories with Autonomous Underwater Vehicles
Cardaillac et al. Application of maneuvering based control for autonomous inspection of aquaculture net pens
Medagoda et al. Water column current profile aided localisation combined with view-based SLAM for autonomous underwater vehicle navigation
Schillai et al. Experimental analysis of low‐altitude terrain following for hover‐capable flight‐style autonomous underwater vehicles
Pentzer et al. Measurement of magnetic field using collaborative AUVs
CN108761467A (zh) 一种基于前视声纳的三维水下地图构建方法
Ruscio et al. Autonomous boundary inspection of Posidonia oceanica meadows using an underwater robot
Collins et al. Using vessel-based drones to aid commercial fishing operations
WO2022208617A1 (ja) 地図データ構造、記憶装置、情報処理装置、制御方法、プログラム及び記憶媒体
Ferri et al. Sampling on-demand with fleets of underwater gliders
JP2020026208A (ja) 操船支援装置

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230714

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20231121

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240117

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20240312

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240322

R150 Certificate of patent or registration of utility model

Ref document number: 7466129

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150