JP7841367B2 - 避航操船支援プログラム、避航操船支援方法及び避航操船支援装置 - Google Patents

Description

本発明は、避航操船支援プログラム等に関する。

船舶における衝突危険性などのリスクを評価する技術として、航路生成装置や航行支援方法などが提案されている。例えば、航路生成装置は、ポテンシャル法にＯＺＴを組み合わせることにより、予想されるリスクに対するポテンシャルを考慮して船舶の安全に航行可能な航路を生成する。また、航行支援方法では、計画航路の全行程における他船舶の通航状況と、計画航路上における気象・海象予測情報とに基づいて計画航路の衝突リスク値を求め、衝突リスク値がリスク情報として出力される。

特開２０２１－１４６７７８号公報 特開２０１８－１７２０８７号公報

しかしながら、上記の航路生成装置や上記の航行支援方法などに代表される従来技術は、いずれも船舶が出発する前の航海計画の段階でＯＺＴが発生しにくい航路を生成するものに過ぎない。このため、運航現場でＯＺＴが発生する場合、いかにして避航操船を実現するかは現場の人員に委ねられる。このように、上記の従来技術は、そもそも運航現場におけるＯＺＴの発生時に避航経路を生成する術がないので、避航操船を支援することは困難である。さらに、たとえ上記の従来技術をＯＺＴの発生時に用いたとしても、上記の従来技術は、いずれも船舶が航行する海域が分割された区画ごとにリスクを評価してリスクが低い航路を生成するものであるので、衝突リスクの評価に関する計算量が増大する側面がある。

なお、ここでは、リスク評価を行うアルゴリズムの例として、ＯＺＴを例に挙げたが、他のリスク評価のアルゴリズムにより衝突可能性のある範囲が検出される場合にも同様の課題が生じ得る。

１つの側面では、本発明は、衝突可能性のある範囲の検出時における避航操船の経路に関するリスク評価の計算量を削減できる避航操船支援プログラム、避航操船支援方法及び避航操船支援装置を提供することを目的とする。

一態様にかかる避航操船支援プログラムは、自船舶と他船舶の衝突可能性のある範囲を検出し、前記他船舶との衝突可能性のある範囲の検出時に、前記検出時における前記自船舶の位置および前記自船舶の目的地の間で前記自船舶に経由させる経由点を設定し、前記自船舶の位置、前記経由点および前記目的地を通過する経路において他船舶との衝突可能性のある範囲が検出されるか否かを判定し、前記衝突可能性のある範囲が検出されない経路を出力する、処理をコンピュータに実行させる。

衝突可能性のある範囲の検出時における避航操船の経路に関するリスク評価の計算量を削減できる。

図１は、避航操船支援システムの構成例を示す図である。 図２は、船種と位置情報の種類の関係の一例を示す図である。 図３は、ＯＺＴの一例を示す図である。 図４は、針路予測ＡＩに用いる機械学習モデルの一例を示す図である。 図５は、ＯＺＴの表示例を示す図である。 図６は、ＯＺＴの表示例を示す図である。 図７は、針路予測ＡＩに基づくリスク評価の一例を示す図である。 図８は、避航操船の支援例を示す図である。 図９は、サーバ装置の機能構成例を示すブロック図である。 図１０は、避航操船支援処理の手順を示すフローチャートである。 図１１は、ハードウェア構成例を示す図である。

以下、添付図面を参照して本願に係る避航操船支援プログラム、避航操船支援方法及び避航操船支援装置の実施例について説明する。各実施例には、あくまで１つの例や側面を示すに過ぎず、このような例示により数値や機能の範囲、利用シーンなどは限定されない。そして、各実施例は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

＜システム構成＞
図１は、避航操船支援システムの構成例を示す図である。図１に示す避航操船支援システム１は、運航現場におけるＯＺＴ（Obstacle Zone by Target）の検出時に避航操船を支援する避航操船支援機能を提供するものである。以下、リスク評価を行うアルゴリズムのあくまで一例として、ＯＺＴを例に挙げるが、他のリスク評価のアルゴリズムにより衝突可能性のある範囲が検出されることとしてもよい。

図１に示すように、避航操船支援システム１には、サーバ装置１０と、クライアント端末３０Ａ～３０Ｎとが含まれ得る。以下、クライアント端末３０Ａ～３０Ｎのことを指して「クライアント端末３０」と記載する場合がある。

これらサーバ装置１０及びクライアント端末３０の間の通信は、インターネットやＬＡＮ（Local Area Network）などのネットワークＮＷを介して実現され得る。あくまで一例として、クライアント端末３０は、モバイル網の基地局の電波が届く沿岸部などでは基地局を介してネットワークＮＷに接続する一方で、基地局の電波が届かない外洋部などでは衛星通信網に含まれる人工衛星を介してネットワークＮＷに接続する。

サーバ装置１０は、上記の避航操船支援機能を提供するコンピュータの一例である。例えば、サーバ装置１０は、上記の避航操船支援機能をオンプレミスに提供するサーバとして実現できる。この他、サーバ装置１０は、ＰａａＳ（Platform as a Service）型、あるいはＳａａＳ（Software as a Service）型のアプリケーションとして実現することで、上記の避航操船支援機能をクラウドサービスとして提供できる。

クライアント端末３０は、上記の避航操船支援機能の提供を受けるコンピュータの一例である。例えば、クライアント端末３０は、パーソナルコンピュータを始め、スマートフォンやタブレット端末、ウェアラブル端末などの携帯端末装置により実現されてよい。

なお、図１には、サーバ装置１０が上記の避航操船支援機能をクライアント端末３０に提供するサービスとしての利用シーンを例に挙げるが、これはあくまで一例に過ぎない。例えば、クライアント端末３０上で動作するアプリケーションが上記の避航操船支援機能に対応する処理をクライアント端末３０に実行させることにより、上記の避航操船支援機能がスタンドアロンで提供されてもよい。あくまで一例として、外洋時における衛星通信はキャリア通信に比べてタイムラグが増加し、コストも増加するので、クライアント端末３０がスタンドアロンで動作してもよい。

＜ＡＩＳ搭載船の一例＞
あくまで一例として、クライアント端末３０は、船舶に搭載され得る。ここで言う「船舶」は、特定の船種や特定の積載量のものに限定されず、あらゆる船種や積載量のものが範疇とされる。

例えば、図１に示す例で言えば、クライアント端末３０Ａは、タンカー３Ａに搭載される。クライアント端末３０Ｂは、タグボート３Ｂに搭載される。クライアント端末３０Ｎは、プレジャーボート３Ｎに搭載される。以下、タンカー３Ａやタグボート３Ｂ、プレジャーボート３Ｎなどの船舶全般を指して「船舶３」と記載する場合がある。

クライアント端末３０は、船舶３の位置情報をサーバ装置１０へアップロードすることができる。例えば、ＡＩＳ（Automatic Identification System）５０が搭載される船舶３である場合、ＡＩＳ５０が発信するＡＩＳデータをアップロードすることができる。また、ＡＩＳ５０が搭載されない船舶３である場合、クライアント端末３０が有するＧＰＳ（Global Positioning System）受信機により測定される位置情報をアップロードすることができる。

図２は、船種と位置情報の種類の関係の一例を示す図である。図２には、総トン数が５００ｔ以上である船舶の例として、タンカー３Ａが例示されている。このように総トン数が５００ｔ以上である船舶には、国際条約などの法的要請の側面からＡＩＳ５０を搭載する義務が課される。この他、タグボート３Ｂのように、総トン数が５００ｔ未満であってもＡＩＳ５０が搭載される船舶も存在する。

このようにＡＩＳ５０が搭載される船舶の場合、クライアント端末３０は、ＡＩＳ５０が発信するＡＩＳデータをアップロードすることができる。例えば、ＡＩＳ５０が発信するＡＩＳデータには、「船舶関連情報」や「動的情報」などが含まれ得る。このうち、「船舶関連情報」には、目的地、到着予定時刻、航海計画などが含まれ得る。また、「動的情報」には、位置情報、針路、速度、方位などが含まれ得る。

一方、総トン数が５００ｔ未満である船舶には、ＡＩＳ５０が搭載されない場合がある。例えば、漁船やプレジャーボート３Ｎなどの場合、必ずしもＡＩＳ５０が搭載されるとは限らない。このようにＡＩＳ５０が搭載されない船舶の場合、クライアント端末３０は、クライアント端末３０が有するＧＰＳ受信機により測定される位置情報をアップロードすることができる。

このように、ＡＩＳ５０を搭載する船舶だけでなく、ＡＩＳ５０を搭載しない船舶も含めて位置情報をクライアント端末３０からサーバ装置１０へアップロードさせる。これにより、総トン数が５００ｔ未満である船舶、例えば漁船やプレジャーボートなどの小型船も含めて上記の避航操船支援機能がサポートする対象を拡張できる。

このようなサポート対象の拡張は、次の点から技術的意義がある。すなわち、船舶の衝突事故の大部分、例えば８割は、航路の航行が義務付けられる大型船と、そのような義務のない小型船との衝突事故に占められる側面から、漁船やプレジャーボートなどの小型船を含めて避航操船を支援できる技術的意義は大きい。

なお、図２には、ＡＩＳ５０の搭載義務が課される船舶の例として、総トン数が５００ｔ以上であるか否かを例に挙げたが、これはあくまで一例に過ぎない。例えば、国際航海に従事する船舶の場合、あるいは国際航海に従事する旅客船などのように、総トン数が５００ｔ以上でなくともＡＩＳ５０の搭載義務が課される船舶も存在してよい。

＜リスク評価の一例＞
船舶のリスク評価には、航行妨害ゾーン、いわゆるＯＺＴが用いられる。例えば、ＯＺＴは、相手船の船速Ｖ_Ｏおよび向きφ_Ｏと、自船の船速Ｖおよび進路角度φとに基づいて検出される。これら相手船の船速Ｖ_Ｏおよび向きφ_Ｏは、相手船に搭載されたＡＩＳ５０が発信するＡＩＳデータなどから取得できる。一方、自船の船速Ｖは、現状維持とし、進路角度φは、変更可能であることとする。なお、リスク評価に用いるアルゴリズムとして、ＯＺＴを例として挙げているが、他のリスク評価用のアルゴリズムも同様である。また、以下、自船舶の一例を指して「自船」と記載する場合がある。さらに、以下、他船舶の一例を指して「他船」、あるいは「相手船」と記載する場合がある。

図３は、ＯＺＴの一例を示す図である。図３には、自船の例としてタンカー３Ａが示されると共に、他船の例としてタグボート３Ｂが示されている。図３に示すように、相手船３Ｂの向きφ_Ｏの直線上の針路には、船速Ｖ_Ｏで移動する危険判定円（ｔ）が設定される。このような危険判定円（ｔ）の集合のうち、等速Ｖおよび進路角度φで航行する自船３Ａの予測位置（ｔ，φ）が含まれる危険判定円の部分集合がＯＺＴとして検出される。例えば、図３に示す例で言えば、自船３Ａの向きφが特定の角度の範囲、例えば左右１０°の範囲で変更される場合の自船３Ａの針路が交差するハッチング付きの危険判定円の集合がＯＺＴとして検出される。このようなＯＺＴに入らない進路φを取る避航操船により、自船３Ａおよび相手船３Ｂの衝突は回避できる。

上記のＯＺＴの他、レーダ補足情報などに基づいて自船および他船の最接近距離や最接近までの所要時間などを算出する自動衝突予防援助装置、いわゆるＡＲＰＡ（Automatic Radar Plotting Aids）なども知られている。

＜ＯＺＴやＡＲＰＡの課題の一側面＞
これらＯＺＴやＡＲＰＡでは、ＡＩＳ５０、あるいはレーダで取得された時点における相手船の船速や向きが変更されずに直進する進路の下でリスクが評価されるので、相手船の針路が不正確であることが一因となってリスク評価の精度が低下する。

さらに、過去に取得された複数のＡＩＳデータの航跡から将来の航跡を類推する試みもあるが、相手船の針路は、船種や港湾設備の形状によって変わり得るので、相手船の針路を正しく予測できていない現状がある。

加えて、ＡＲＰＡによれば、繊維強化プラスチック、いわゆるＦＲＰ（Fiber Reinforced Plastics）が船体に用いられる場合、そもそも相手船をレーダで補足できないという側面がある。

＜針路予測ＡＩ＞
このことから、上記の避航操船支援機能は、相手船の針路を精度よく予測する針路予測ＡＩ（Artificial Intelligence）を用いる。このような針路予測ＡＩは、機械学習モデル、例えばリカレントニューラルネットワークの１つであるＬＳＴＭ（Long Short Term Memory）モデルにより実現されてよい。

あくまで一例として、針路予測ＡＩでは、船種ごとに機械学習モデルが構築される。図４は、針路予測ＡＩに用いる機械学習モデルの一例を示す図である。図４には、ある船種の船舶の針路を予測する機械学習モデルｍが例示されている。図４に示すように、機械学習モデルｍは、過去の履歴として得られる位置情報の時系列データを入力として将来の予測位置の時系列データを出力する。あくまで一例として、機械学習モデルｍは、最新の位置情報から遡って過去２０点の位置情報の時系列データを入力とすることができる。このような入力に応答して、機械学習モデルｍは、現時点から特定の時間後、例えば１０分後までの予測位置の時系列データを出力することができる。以下、船舶３の位置情報の時系列データのことを「航跡データ」と記載する場合がある。

このような機械学習モデルｍを訓練する訓練データＴＲは、過去数か月の航跡データから生成することができる。例えば、図４に示す例で言えば、過去数か月の航跡データは、機械学習モデルｍの入力サイズに対応する期間のセグメントと、当該セグメントに後続する正解ラベルのセグメントとに交互に区分される。このようなセグメンテーションにより、過去数か月の航跡データから訓練データＴＲおよびその正解ラベルを含むデータセットが得られる。

例えば、学習フェイズでは、訓練データを機械学習モデルｍの説明変数とし、ラベルを機械学習モデルｍの目的変数とし、任意の機械学習のアルゴリズム、例えばディープラーニングなどにしたがって機械学習モデルｍを訓練できる。これにより、訓練済みの機械学習モデルＭが得られる。

推論フェイズでは、最新のＡＩＳデータまたは最新のＧＰＳデータから遡って過去所定数のＡＩＳデータまたは過去所定数のＧＰＳデータから得られる位置情報の時系列データが航跡データ４０として機械学習モデルＭへ入力される。このように航跡データ４０が入力された機械学習モデルＭは、最新のＡＩＳデータまたは最新のＧＰＳデータが取得された現時点から特定の時間後、例えば１０分後までの予測位置の時系列データを航跡データ６０として出力する。

このように、機械学習モデルＭは、大量の航跡データの実績に基づいて生成される。このため、機械学習モデルＭは、船舶３が航行する航路や港湾設備の形状などが反映された針路の予測が可能となる。さらに、機械学習モデルＭは、船種ごとに生成される。このため、船種ごとに当該船種の特性に対応する針路の予測が可能となる。

図５及び図６は、ＯＺＴの表示例を示す図である。図５には、従来の針路予測に基づくプレジャーボート３ＮのＯＺＴの表示例が示される一方で、図６には、針路予測ＡＩによる針路予測に基づくプレジャーボート３ＮのＯＺＴの表示例が示されている。なお、図５および図６には、ＯＺＴと対比する側面から、プレジャーボート３Ｎが航行する航跡を太線の実線で示すこととする。

例えば、図５に示すように、従来の針路予測によれば、プレジャーボート３ＮのＡＩＳ５０からプレジャーボート３Ｎの位置、船速および向きが取得された時点で当該プレジャーボート３Ｎの向きの直線上の針路にＯＺＴが検出される。

このように、従来の針路予測によれば、プレジャーボート３ＮのＯＺＴは、外洋に向かう針路に設定される一方で、プレジャーボート３Ｎの実際の針路は、外洋に向かう針路ではなく、港湾の形状に沿う針路を取る。

一方、図６に示すように、針路予測ＡＩによれば、Ａ時点におけるＡＩＳデータから遡って過去２０点のＡＩＳデータから得られるプレジャーボート３Ｎの位置情報の時系列データが船種「プレジャーボート」に対応する機械学習モデルへ入力される。これにより、機械学習モデルは、Ａ時点から特定の時間後、例えば１０分後までの予測位置の時系列データを航跡データとして出力する。

このような航跡データに従ってＯＺＴが検出されることにより、Ａ時点でＢ時点における針路の変化を予測できるので、プレジャーボート３Ｎの実際の針路と同様、港湾の形状に沿う針路にプレジャーボート３ＮのＯＺＴを設定できる。

以上のように、針路予測ＡＩによれば、船種がプレジャーボートである場合、外洋への航行よりも沿岸の航行が行われる確率が高い実績を針路予測に反映できる。さらに、針路予測ＡＩによれば、沿岸の航行が行われる場合、港湾の形状に沿って航行される確率が高いという実績も針路予測に反映できる。

図７は、針路予測ＡＩに基づくリスク評価の一例を示す図である。図７には、自船の例としてタンカー３Ａが示されると共に、他船の例としてタグボート３Ｂが示されている。さらに、図７には、自船３Ａおよび相手船３Ｂの実際の航跡が太線の実線で示される一方で、針路予測ＡＩにより予測された相手船３Ｂの航跡が点線で示されている。さらに、図７には、現時点を１３時００分としたとき、そこからｔ１、ｔ２およびｔ３後の自船３Ａおよび相手船３Ｂの相対位置がプロットされている。さらに、図７には、ハッチング付きの危険判定円によりＯＺＴが示されている。なお、図７には、ｔ１、ｔ２およびｔ３の関係が「ｔ１＝１０分＜ｔ２＝２０分＜ｔ３＝３０分」である例を示すこととする。

図７に破線の矢印で示された通り、従来の針路予測によれば、自船３Ａおよび相手船３Ｂがいずれも現状の向きのままで直進して衝突するというリスク評価（誤判断）がなされてしまう。

一方、針路予測ＡＩによれば、ｔ１後の１３時１０分における針路および相対距離「２．５ｋｍ」、ｔ２後の１３時２０分における針路および相対距離「１．８ｋｍ」、ｔ３後の１３時３０分における針路および相対距離「１．０ｋｍ」が予測できる。このため、図７に点線および太線の実線で示された通り、自船３Ａおよび相手船３Ｂの実際の針路に基づいてＯＺＴを検出できる。したがって、針路予測ＡＩによれば、衝突リスクの評価精度を向上させることができる。

＜避航操船の支援への適用＞
上記の背景技術の欄で説明した通り、船舶における衝突危険性などのリスクを評価する技術として、航路生成装置や航行支援方法などが提案されている。例えば、航路生成装置は、ポテンシャル法にＯＺＴを組み合わせることにより、予想されるリスクに対するポテンシャルを考慮して船舶の安全に航行可能な航路を生成する。また、航行支援方法では、計画航路の全行程における他船舶の通航状況と、計画航路上における気象・海象予測情報とに基づいて計画航路の衝突リスク値を求め、衝突リスク値がリスク情報として出力される。

＜課題の一側面＞
しかしながら、上記の航路生成装置や上記の航行支援方法などに代表される従来技術は、いずれも船舶が出発する前の航海計画の段階でＯＺＴが発生しにくい航路を生成するものに過ぎない。このため、運航現場でＯＺＴが発生する場合、いかにして避航操船を実現するかは現場の人員に委ねられる。このように、上記の従来技術は、そもそも運航現場におけるＯＺＴの発生時に避航経路を生成する術がないので、避航操船を支援することは困難である。

さらに、たとえ上記の従来技術をＯＺＴの発生時に用いたとしても、上記の従来技術は、いずれも船舶が航行する海域が分割された区画ごとにリスクを評価してリスクが低い航路を生成するものであるので、衝突リスクの評価に関する計算量が増大する側面がある。例えば、図７に示す例で言えば、図７に示す海域が分割された区画ごとにリスクを評価していたのでは計算量が増大することは明らかである。また、リスク評価の精度を上げるため、区画を細かく設定すれば、さらに計算量が増加する。

＜課題解決アプローチの一側面＞
そこで、本実施例に係る避航操船支援機能は、ＯＺＴ検出時に自船の現在位置および目的地を経由する経由点を設定し、現在位置、経由点および目的地を通過する経路ごとにＯＺＴが検出されるか否かを判定してＯＺＴが検出されない経路を出力する。

図８は、避航操船の支援例を示す図である。図８には、図７と同様、自船の例としてタンカー３Ａが示されると共に、他船の例としてタグボート３Ｂが示されている。さらに、図８には、自船３Ａおよび相手船３Ｂの実際の航跡が太線の実線で示される一方で、針路予測ＡＩにより予測された相手船３Ｂの航跡が点線で示されている。さらに、図８には、ハッチング付きの危険判定円によりＯＺＴが示されている。

図８に示す例で言えば、上記の避航操船支援機能は、相手船３ＢのＯＺＴ検出時に、あくまで一例として、バツ印で示された６点が経由点として設定される。このように設定された６点の経由点を通過する避航操船の経路ごとに、上記の避航操船支援機能は、ＯＺＴが検出されるか否かを判定する。そして、上記の避航操船支援機能は、ＯＺＴが検出されない避航操船の経路、すなわち図７に破線で示された経路をクライアント端末３０へ出力する。このように、上記の避航操船支援機能では、衝突リスクの評価に関する計算を６つの経由点が設定された６つの経路に絞り込むことができる。

したがって、上記の避航操船支援機能によれば、衝突可能性のある範囲の検出時における避航操船の経路に関するリスク評価の計算量を削減できる。

＜サーバ装置１０の構成＞
図９は、サーバ装置１０の機能構成例を示すブロック図である。図９には、サーバ装置１０が有する避航操船支援機能に関連するブロックが模式化されている。図９に示すように、サーバ装置１０は、通信制御部１１と、記憶部１３と、制御部１５とを有する。なお、図９には、上記の避航操船支援機能に関連する機能部が抜粋して示されているに過ぎず、図示以外の機能部がサーバ装置１０に備わることとしてもよい。

通信制御部１１は、クライアント端末３０などの他の装置との間の通信を制御する機能部である。あくまで一例として、通信制御部１１は、ＬＡＮカードなどのネットワークインタフェイスカードにより実現され得る。１つの側面として、通信制御部１１は、クライアント端末３０から船舶３の位置情報を受け付けたり、あるいは避航操船の経路をクライアント端末３０へ出力したりする。

記憶部１３は、各種のデータを記憶する機能部である。あくまで一例として、記憶部１３は、サーバ装置１０の内部、外部または補助のストレージにより実現される。例えば、記憶部１３は、地図データ１３Ａおよびモデルデータ１３Ｍを記憶する。なお、地図データ１３Ａおよびモデルデータ１３Ｍの説明は、参照、生成または登録が実行される場面で併せて説明することとする。

制御部１５は、サーバ装置１０の全体制御を行う機能部である。例えば、制御部１５は、ハードウェアプロセッサにより実現され得る。この他、制御部１５は、ハードワイヤードロジックにより実現されてもよい。図９に示すように、制御部１５は、取得部１５Ａと、検出部１５Ｂと、設定部１５Ｃと、判定部１５Ｄと、算出部１５Ｅと、出力制御部１５Ｆとを有する。

これら取得部１５Ａ、検出部１５Ｂ、設定部１５Ｃ、判定部１５Ｄ、算出部１５Ｅおよび出力制御部１５Ｆに対応するプロセスは、クライアント端末３０、すなわち船舶３ごとに並列化して実行されてよい。

取得部１５Ａは、自船および他船の位置情報を取得する処理部である。あくまで一例として、取得部１５Ａは、クライアント端末３０から自船の位置情報を取得するサンプリング周期、例えば１秒間ごとに動作することができる。例えば、取得部１５Ａは、クライアント端末３０から自船の位置情報を取得すると共に、クライアント端末３０に接続された自船のＡＩＳ５０が他船のＡＩＳ５０から受信するＡＩＳデータを取得することができる。このようなＡＩＳデータには、他船の位置情報に留まらず、他船の船種も含まれ得る。なお、ここでは、自船がＡＩＳ５０搭載船である例を挙げたが、他のクライアント端末３０から取得される他船の位置情報のうち自船の位置情報から所定の範囲に位置する他船の位置情報を抽出することにより他船の位置情報を取得することもできる。

検出部１５Ｂは、他船のＯＺＴを検出する処理部である。あくまで一例として、検出部１５Ｂは、針路予測ＡＩを用いて、他船の針路を予測する。このような針路予測ＡＩの実行時には、記憶部１３に記憶されたモデルデータ１３Ｍが参照される。例えば、モデルデータ１３Ｍには、各船種に対応する機械学習モデル、例えばＬＳＴＭを形成する入力層、隠れ層及び出力層のニューロンやシナプスなどの層構造に関連するハイパーパラメータ、各層の重みやバイアスなどの目的関数に関するパラメータが含まれる。

より詳細には、検出部１５Ｂは、各船種に対応する機械学習モデルのうち、取得部１５Ａにより取得された他船の船種に対応する機械学習モデルを選択する。そして、検出部１５Ｂは、取得部１５Ａにより取得された他船の位置情報から遡って過去所定数の位置情報の時系列データを機械学習モデルＭへ入力する。これにより、取得部１５Ａにより他船の位置情報が取得された現時点から特定の時間後までの予測位置の時系列データが予測航跡データとして機械学習モデルにより出力される。その上で、検出部１５Ｂは、自船に設定された自動運航の航路に対応する予定航跡データと、針路予測ＡＩにより予測された他船の予測航跡データとに基づいて他船のＯＺＴを算出する。なお、ＯＺＴの算出には、任意のアルゴリズムが適用されてよい。

設定部１５Ｃは、経由点を設定する処理部である。あくまで一例として、設定部１５Ｃは、検出部１５Ｂにより他船のＯＺＴが検出された場合、１以上の経由点、すなわち１または複数の経由点を設定する。このような経由点の設定は、システム設定により実現されてもよいし、ユーザ設定により実現されてもよい。例えば、自船が航行する航路が定期航路である場合、沿岸部でＯＺＴが発生しやすいスポットごとにシステム管理者が経由点を定義しておくことができる。この他、ＯＺＴ発生時に経由点の設定を促す通知をクライアント端末３０に送信することにより、上記の避航操船支援機能の提供を受けるユーザからクライアント端末３０を介して経由点の指定を受け付けることもできる。

判定部１５Ｄは、現在位置、経由点および目的地を通過する避航操船の経路ごとにＯＺＴが検出されるか否かを判定する処理部である。あくまで一例として、判定部１５Ｄは、取得部１５Ａにより取得された自船の現在位置および設定部１５Ｃにより設定された経由点の区間を補間すると共に、当該経由点および自船に設定された目的地の区間を補間するスプライン曲線を設定する。これにより、現在位置、経由点および目的地を通過する避航操船の経路を設定できる。その上で、判定部１５Ｄは、自船の避航操船の経路と、他船の予測航跡データとに基づいて他船のＯＺＴが検出されるか否かを判定する。なお、ここでも、ＯＺＴの検出には、任意のアルゴリズムが適用されてよい。

算出部１５Ｅは、避航操船の経路ごとに当該経路の評価値を算出する処理部である。あくまで一例として、算出部１５Ｅは、避航操船の経路のうちＯＺＴが検出されない避航操船の経路を抽出する。そして、算出部１５Ｅは、ＯＺＴが検出されない避航操船の経路ごとに、当該経路の船舶動的特性、例えば曲率および総運航距離のうち少なくともいずれか１つに基づいて評価値、例えばコストを算出する。

ここで、評価値のあくまで一例として、コストを用いる場合を例に挙げる。例えば、算出部１５Ｅは、経路の船舶動的特性および総運航距離を説明変数に含むコスト関数に基づいて各経路のコストを算出できる。あくまで一例として、経路の曲率が大きくなるにしたがって船舶の操船時の慣性が大きくなるので、急ブレーキや急ハンドルによる制動も大きくなり、船体が不安定化しやすくなる。このため、上記のコスト関数には、経路の曲率が大きくなるにしたがって高いコストを算出すると共に、経路の曲率が小さくなるにしたがって低いコストを算出するペナルティ項を設定できる。また、経路の総運航距離が長くなるにしたがって消費燃料が増加するので、費用および環境負荷が増加する。このため、上記のコスト関数には、経路の総運航距離が長くなるにしたがって高いコストを算出すると共に、経路の総運航距離が短くなるにしたがって低いコストを算出するペナルティ項を設定できる。なお、ここでは、評価値の例としてコストを例に挙げたが、評価が良いほど得点が大きくなるスコアを算出することもできる。

出力制御部１５Ｆは、各種の出力制御を実行する処理部である。あくまで一例として、出力制御部１５Ｆは、クライアント端末３０が有する表示部（不図示）に対する表示を制御する。ここでは、出力制御部１５Ｆが制御する出力の一例として、表示出力を例に挙げるが、当然のことながら、印字出力や音声出力などの他の出力が制御されることとしてもよい。

より詳細には、出力制御部１５Ｆは、算出部１５Ｅにより経路ごとに算出された評価値に基づいて避航操船の経路を出力する。例えば、出力制御部１５Ｆは、算出部１５Ｅにより経路ごとに算出された評価値のうち、評価値が最良である経路を抽出する。そして、出力制御部１５Ｆは、記憶部１３に記憶された地図データ１３Ａのうち自船の位置情報から所定の範囲内の海域の地図を切り出し、当該海域の地図上に避航操船の経路がプロットされた表示データをクライアント端末３０へ送信する。このとき、自船が位置する海域の地図上には、自船および他船の現在位置を始め、針路予測ＡＩにより予測された他船の予測航跡データ、自船に設定された自動運航の航路に対応する予定航跡データなどの表示を含めることもできる。

その後、出力制御部１５Ｆは、クライアント端末３０から避航操船の経路の承認操作を受け付けた場合、自動運航で設定された航路を避航操船の経路に変更する。なお、ここでは、承認操作を受け付けた場合に始めて避航操船の経路へ変更する例を挙げたが、承認操作を経ずに自動運航で設定された航路を避航操船の経路へ自動的に変更することとしてもよい。

＜処理の流れ＞
図１０は、避航操船支援処理の手順を示すフローチャートである。この処理は、あくまで一例として、クライアント端末３０から自船の位置情報を取得するサンプリング周期、例えば１秒間ごとに反復して実行できる。

図１０に示すように、取得部１５Ａは、クライアント端末３０から自船の位置情報を取得すると共に、クライアント端末３０に接続された自船のＡＩＳ５０が他船のＡＩＳ５０から受信するＡＩＳデータを取得する（ステップＳ１０１）。

続いて、検出部１５Ｂは、針路予測ＡＩを用いて、他船の針路を予測する（ステップＳ１０２）。その上で、検出部１５Ｂは、自船に設定された自動運航の航路に対応する予定航跡データと、ステップＳ１０２で針路予測ＡＩにより予測された他船の予測航跡データとに基づいて他船のＯＺＴを算出する（ステップＳ１０３）。

このとき、他船のＯＺＴが検出された場合（ステップＳ１０４Ｙｅｓ）、設定部１５Ｃは、Ｋ（自然数）個の経由点を設定する（ステップＳ１０５）。

その後、判定部１５Ｄは、Ｋ個の経由点に対応する回数の分、下記のステップＳ１０６の処理を反復するループ処理１を実行する。なお、ステップＳ１０６の処理は、必ずしも反復して実行されずともよく、並列に実行できる。

すなわち、判定部１５Ｄは、現在位置、経由点ｋおよび目的地を通過する避航操船の経路と、他船の予測航跡データとに基づいて他船のＯＺＴが検出されるか否かを判定する（ステップＳ１０６）。

このようなループ処理１が反復されることにより、Ｋ個の経由点に対応する避航操船の経路ごとに他船のＯＺＴが検出されるか否かが判定される。

その後、算出部１５Ｅは、Ｋ個の避航操船の経路のうち、ステップＳ１０６で他船のＯＺＴが検出されなかった避航操船の経路を抽出する（ステップＳ１０７）。

そして、算出部１５Ｅは、他船のＯＺＴが検出されなかった避航操船の経路の個数Ｍに対応する回数の分、下記のステップＳ１０８の処理を反復するループ処理２を実行する。なお、ステップＳ１０８の処理は、必ずしも反復して実行されずともよく、並列に実行できる。

すなわち、算出部１５Ｅは、経路ｍの船舶動的特性、例えば曲率および総運航距離のうち少なくともいずれか１つに基づいて評価値Ｃを算出する（ステップＳ１０８）。

このようなループ処理２が反復されることにより、Ｍ個の避航操船の経路ごとに評価値Ｃが算出される。

その後、出力制御部１５Ｆは、Ｍ個の避航操船の経路ごとに算出された評価値Ｃのうち、最良の評価値Ｃ_ｍａｘの経路Ｒを抽出する（ステップＳ１０９）。そして、出力制御部１５Ｆは、自船の位置情報から所定の範囲内である海域の地図にステップＳ１０９で抽出された避航操船の経路Ｒがプロットされた表示データをクライアント端末３０へ送信し（ステップＳ１１０）、処理を終了する。

＜効果の一側面＞
上述してきたように、本実施例に係るサーバ装置１０は、ＯＺＴ検出時に自船の現在位置および目的地を経由する経由点を設定し、現在位置、経由点および目的地を通過する経路ごとにＯＺＴが検出されるか否かを判定してＯＺＴが検出されない経路を出力する。したがって、本実施例に係るサーバ装置１０によれば、衝突可能性のある範囲の検出時における避航操船の経路に関するリスク評価の計算量を削減できる。

さて、これまで開示の装置に関する実施例について説明したが、本発明は上述した実施例以外にも、種々の異なる形態にて実施されてよいものである。そこで、以下では、本発明に含まれる他の実施例を説明する。

＜複数のＯＺＴ検出＞
上記の実施例１では、他船のＯＺＴが１つ検出される例を挙げたが、複数のＯＺＴが検出される場合、１つの避航操船の経路につき複数の経由点を設定することができる。この場合、あくまで一例として、１つの経路につき他船のＯＺＴの検出数以下の数の経由点を設定することができる。そして、複数の経由点それぞれを通過する各経路について他船舶との衝突可能性のある範囲が検出されるか否かを判定することができる。さらに、避航操船の経路の評価値を算出する場合、曲がり回数、例えば変曲点の個数が少なくなるにしたがって良い評価を算出し、曲がり回数、例えば変曲点の個数が多くなるにしたがって悪い評価を算出することもできる。

＜分散および統合＞
また、図示した各装置の各構成要素は、必ずしも物理的に図示の如く構成されておらずともよい。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。例えば、取得部１５Ａ、検出部１５Ｂ、設定部１５Ｃ、判定部１５Ｄ、算出部１５Ｅまたは出力制御部１５Ｆをサーバ装置１０の外部装置としてネットワーク経由で接続するようにしてもよい。また、取得部１５Ａ、検出部１５Ｂ、設定部１５Ｃ、判定部１５Ｄ、算出部１５Ｅまたは出力制御部１５Ｆを別の装置がそれぞれ有し、ネットワーク接続されて協働することで、サーバ装置１０の機能を実現するようにしてもよい。

＜ハードウェア構成＞
また、上記の実施例で説明した各種の処理は、予め用意されたプログラムをパーソナルコンピュータやワークステーションなどのコンピュータで実行することによって実現することができる。そこで、以下では、図１１を用いて、実施例１及び実施例２と同様の機能を有する避航操船支援プログラムを実行するコンピュータの一例について説明する。

図１１は、ハードウェア構成例を示す図である。図１１に示すように、コンピュータ１００は、操作部１１０ａと、スピーカ１１０ｂと、カメラ１１０ｃと、ディスプレイ１２０と、通信部１３０とを有する。さらに、このコンピュータ１００は、ＣＰＵ１５０と、ＲＯＭ１６０と、ＨＤＤ１７０と、ＲＡＭ１８０とを有する。これら１１０～１８０の各部はバス１４０を介して接続される。

ＨＤＤ１７０には、図１１に示すように、上記の実施例１で示された取得部１５Ａ、検出部１５Ｂ、設定部１５Ｃ、判定部１５Ｄ、算出部１５Ｅおよび出力制御部１５Ｆと同様の機能を発揮する避航操船支援プログラム１７０ａが記憶される。この避航操船支援プログラム１７０ａは、図９に示した取得部１５Ａ、検出部１５Ｂ、設定部１５Ｃ、判定部１５Ｄ、算出部１５Ｅおよび出力制御部１５Ｆの各構成要素と同様、統合又は分離してもよい。すなわち、ＨＤＤ１７０には、必ずしも上記の実施例１で示した全てのデータが格納されずともよく、処理に用いるデータがＨＤＤ１７０に格納されればよい。

このような環境の下、ＣＰＵ１５０は、ＨＤＤ１７０から避航操船支援プログラム１７０ａを読み出した上でＲＡＭ１８０へ展開する。この結果、避航操船支援プログラム１７０ａは、図１１に示すように、避航操船支援プロセス１８０ａとして機能する。この避航操船支援プロセス１８０ａは、ＲＡＭ１８０が有する記憶領域のうち避航操船支援プロセス１８０ａに割り当てられた領域にＨＤＤ１７０から読み出した各種データを展開し、展開された各種データを用いて各種の処理を実行する。例えば、避航操船支援プロセス１８０ａが実行する処理の一例として、図１０に示す処理などが含まれ得る。なお、ＣＰＵ１５０では、必ずしも上記の実施例１で示した全ての処理部が動作せずともよく、実行対象とする処理に対応する処理部が仮想的に実現されればよい。

なお、上記の避航操船支援プログラム１７０ａは、必ずしも最初からＨＤＤ１７０やＲＯＭ１６０に記憶されておらずともかまわない。例えば、コンピュータ１００に挿入されるフレキシブルディスク、いわゆるＦＤ、ＣＤ－ＲＯＭ、ＤＶＤディスク、光磁気ディスク、ＩＣカードなどの「可搬用の物理媒体」に避航操船支援プログラム１７０ａを記憶させる。そして、コンピュータ１００がこれらの可搬用の物理媒体から避航操船支援プログラム１７０ａを取得して実行するようにしてもよい。また、公衆回線、インターネット、ＬＡＮ、ＷＡＮなどを介してコンピュータ１００に接続される他のコンピュータまたはサーバ装置などに避航操船支援プログラム１７０ａを記憶させておく。このように記憶された避航操船支援プログラム１７０ａをコンピュータ１００にダウンロードさせた上で実行させるようにしてもよい。

以上の実施例を含む実施形態に関し、さらに以下の付記を開示する。

（付記１）自船舶と他船舶の衝突可能性のある範囲を検出し、
前記他船舶との衝突可能性のある範囲の検出時に、前記検出時における前記自船舶の位置および前記自船舶の目的地の間で前記自船舶に経由させる経由点を設定し、
前記自船舶の位置、前記経由点および前記目的地を通過する経路において他船舶との衝突可能性のある範囲が検出されるか否かを判定し、
前記衝突可能性のある範囲が検出されない経路を出力する、
処理をコンピュータに実行させる避航操船支援プログラム。

（付記２）前記経由点は複数設定され、
前記判定する処理は、前記複数の経由点それぞれを通過する各経路について他船舶との衝突可能性がある範囲が検出されるか否かを判定する処理を含む、
ことを特徴とする付記１に記載の避航操船支援プログラム。

（付記３）前記衝突可能性のある範囲が検出されない経路ごとに前記経路における船舶動的特性に基づいて評価値を算出する処理を前記コンピュータにさらに実行させ、
前記出力する処理は、前記評価値が最良である経路を出力する処理を含む、
ことを特徴とする付記１に記載の避航操船支援プログラム。

（付記４）前記算出する処理は、前記経路の曲率が小さくなるにしたがって良い評価値を算出し、前記経路の曲率が大きくなるにしたがって悪い評価値を算出する処理を含む、
ことを特徴とする付記３に記載の避航操船支援プログラム。

（付記５）前記衝突可能性のある範囲が検出されない経路ごとに前記経路における総運航距離に基づいて評価値を算出する処理を前記コンピュータにさらに実行させ、
前記出力する処理は、前記評価値が最良である経路を出力する処理を含む、
ことを特徴とする付記１に記載の避航操船支援プログラム。

（付記６）前記算出する処理は、前記経路の総運航距離が短くなるにしたがって良い評価値を算出し、前記経路の総運航距離が長くなるにしたがって悪い評価値を算出する処理を含む、
ことを特徴とする付記５に記載の避航操船支援プログラム。

（付記７）前記検出する処理は、前記他船舶の位置情報の時系列データを機械学習モデルへ入力することにより前記機械学習モデルが出力する前記他船舶の予測位置の時系列データと、前記自船舶に設定された自動運航の航路に対応する位置情報の時系列データとに基づいて前記衝突可能性のある範囲を検出する処理を含む、
ことを特徴とする付記１に記載の避航操船支援プログラム。

（付記８）前記検出する処理は、複数の船種に対応する複数の機械学習モデルのうち、前記他船舶の船種に対応する機械学習モデルに前記他船舶の位置情報の時系列データを入力する処理を含む、
ことを特徴とする付記７に記載の避航操船支援プログラム。

（付記９）自船舶と他船舶の衝突可能性のある範囲を検出し、
前記他船舶との衝突可能性のある範囲の検出時に、前記検出時における前記自船舶の位置および前記自船舶の目的地の間で前記自船舶に経由させる経由点を設定し、
前記自船舶の位置、前記経由点および前記目的地を通過する経路において他船舶との衝突可能性のある範囲が検出されるか否かを判定し、
前記衝突可能性のある範囲が検出されない経路を出力する、
処理をコンピュータが実行する避航操船支援方法。

（付記１０）前記経由点は複数設定され、
前記判定する処理は、前記複数の経由点それぞれを通過する各経路について他船舶との衝突可能性がある範囲が検出されるか否かを判定する処理を含む、
ことを特徴とする付記９に記載の避航操船支援方法。

（付記１１）前記衝突可能性のある範囲が検出されない経路ごとに前記経路における船舶動的特性に基づいて評価値を算出する処理を前記コンピュータがさらに実行し、
前記出力する処理は、前記評価値が最良である経路を出力する処理を含む、
ことを特徴とする付記９に記載の避航操船支援方法。

（付記１２）前記算出する処理は、前記経路の曲率が小さくなるにしたがって良い評価値を算出し、前記経路の曲率が大きくなるにしたがって悪い評価値を算出する処理を含む、
ことを特徴とする付記１１に記載の避航操船支援方法。

（付記１３）前記衝突可能性のある範囲が検出されない経路ごとに前記経路における総運航距離に基づいて評価値を算出する処理を前記コンピュータがさらに実行し、
前記出力する処理は、前記評価値が最良である経路を出力する処理を含む、
ことを特徴とする付記９に記載の避航操船支援方法。

（付記１４）前記算出する処理は、前記経路の総運航距離が短くなるにしたがって良い評価値を算出し、前記経路の総運航距離が長くなるにしたがって悪い評価値を算出する処理を含む、
ことを特徴とする付記１３に記載の避航操船支援方法。

（付記１５）前記検出する処理は、前記他船舶の位置情報の時系列データを機械学習モデルへ入力することにより前記機械学習モデルが出力する前記他船舶の予測位置の時系列データと、前記自船舶に設定された自動運航の航路に対応する位置情報の時系列データとに基づいて前記衝突可能性のある範囲を検出する処理を含む、
ことを特徴とする付記９に記載の避航操船支援方法。

（付記１６）前記検出する処理は、複数の船種に対応する複数の機械学習モデルのうち、前記他船舶の船種に対応する機械学習モデルに前記他船舶の位置情報の時系列データを入力する処理を含む、
ことを特徴とする付記１５に記載の避航操船支援方法。

（付記１７）自船舶と他船舶の衝突可能性のある範囲を検出し、
前記他船舶との衝突可能性のある範囲の検出時に、前記検出時における前記自船舶の位置および前記自船舶の目的地の間で前記自船舶に経由させる経由点を設定し、
前記自船舶の位置、前記経由点および前記目的地を通過する経路において他船舶との衝突可能性のある範囲が検出されるか否かを判定し、
前記衝突可能性のある範囲が検出されない経路を出力する、
処理を実行する制御部を含む避航操船支援装置。

（付記１８）前記経由点は複数設定され、
前記判定する処理は、前記複数の経由点それぞれを通過する各経路について他船舶との衝突可能性がある範囲が検出されるか否かを判定する処理を含む、
ことを特徴とする付記１７に記載の避航操船支援装置。

（付記１９）前記衝突可能性のある範囲が検出されない経路ごとに前記経路における船舶動的特性に基づいて評価値を算出する処理を前記制御部がさらに実行し、
前記出力する処理は、前記評価値が最良である経路を出力する処理を含む、
ことを特徴とする付記１７に記載の避航操船支援装置。

（付記２０）前記算出する処理は、前記経路の曲率が小さくなるにしたがって良い評価値を算出し、前記経路の曲率が大きくなるにしたがって悪い評価値を算出する処理を含む、
ことを特徴とする付記１９に記載の避航操船支援装置。

１ 避航操船支援システム
３ 船舶
１０ サーバ装置
１１ 通信制御部
１３ 記憶部
１３Ａ 地図データ
１３Ｍ モデルデータ
１５ 制御部
１５Ａ 取得部
１５Ｂ 検出部
１５Ｃ 設定部
１５Ｄ 判定部
１５Ｅ 算出部
１５Ｆ 出力制御部
３０ クライアント端末
５０ ＡＩＳ

Claims (6)

1. 自船舶と他船舶の衝突可能性のある範囲を検出し、
   前記他船舶との衝突可能性のある範囲の検出時に、前記検出時における前記自船舶の位置および前記自船舶の目的地の間で前記自船舶に経由させる経由点を設定し、
   前記自船舶の位置、前記経由点および前記目的地を通過する経路において他船舶との衝突可能性のある範囲が検出されるか否かを判定し、
   前記衝突可能性のある範囲が検出されない経路を出力する、
   処理をコンピュータに実行させ、
   前記検出する処理は、前記他船舶の位置情報の時系列データを機械学習モデルへ入力することにより前記機械学習モデルが出力する前記他船舶の予測位置の時系列データと、前記自船舶に設定された自動運航の航路に対応する位置情報の時系列データとに基づいて前記衝突可能性のある範囲を検出する処理を含む、
   ことを特徴とする避航操船支援プログラム。
2. 前記経由点は複数設定され、
   前記判定する処理は、前記複数の経由点それぞれを通過する各経路について他船舶との衝突可能性がある範囲が検出されるか否かを判定する処理を含む、
   ことを特徴とする請求項１に記載の避航操船支援プログラム。
3. 前記衝突可能性のある範囲が検出されない経路ごとに前記経路における船舶動的特性に基づいて評価値を算出する処理を前記コンピュータにさらに実行させ、
   前記出力する処理は、前記評価値が最良である経路を出力する処理を含む、
   ことを特徴とする請求項１または２に記載の避航操船支援プログラム。
4. 前記衝突可能性のある範囲が検出されない経路ごとに前記経路における総運航距離に基づいて評価値を算出する処理を前記コンピュータにさらに実行させ、
   前記出力する処理は、前記評価値が最良である経路を出力する処理を含む、
   ことを特徴とする請求項１または２に記載の避航操船支援プログラム。
5. 自船舶と他船舶の衝突可能性のある範囲を検出し、
   前記他船舶との衝突可能性のある範囲の検出時に、前記検出時における前記自船舶の位置および前記自船舶の目的地の間で前記自船舶に経由させる経由点を設定し、
   前記自船舶の位置、前記経由点および前記目的地を通過する経路において他船舶との衝突可能性のある範囲が検出されるか否かを判定し、
   前記衝突可能性のある範囲が検出されない経路を出力する、
   処理をコンピュータが実行し、
   前記検出する処理は、前記他船舶の位置情報の時系列データを機械学習モデルへ入力することにより前記機械学習モデルが出力する前記他船舶の予測位置の時系列データと、前記自船舶に設定された自動運航の航路に対応する位置情報の時系列データとに基づいて前記衝突可能性のある範囲を検出する処理を含む、
   ことを特徴とする避航操船支援方法。
6. 自船舶と他船舶の衝突可能性のある範囲を検出し、
   前記他船舶との衝突可能性のある範囲の検出時に、前記検出時における前記自船舶の位置および前記自船舶の目的地の間で前記自船舶に経由させる経由点を設定し、
   前記自船舶の位置、前記経由点および前記目的地を通過する経路において他船舶との衝突可能性のある範囲が検出されるか否かを判定し、
   前記衝突可能性のある範囲が検出されない経路を出力する、
   処理を実行する制御部を含み、
   前記検出する処理は、前記他船舶の位置情報の時系列データを機械学習モデルへ入力することにより前記機械学習モデルが出力する前記他船舶の予測位置の時系列データと、前記自船舶に設定された自動運航の航路に対応する位置情報の時系列データとに基づいて前記衝突可能性のある範囲を検出する処理を含む、
   ことを特徴とする避航操船支援装置。