WO2023238374A1 - 基準移動計画策定装置、基準移動計画策定システム、及び、基準移動計画策定方法 - Google Patents

基準移動計画策定装置、基準移動計画策定システム、及び、基準移動計画策定方法 Download PDF

Info

Publication number
WO2023238374A1
WO2023238374A1 PCT/JP2022/023433 JP2022023433W WO2023238374A1 WO 2023238374 A1 WO2023238374 A1 WO 2023238374A1 JP 2022023433 W JP2022023433 W JP 2022023433W WO 2023238374 A1 WO2023238374 A1 WO 2023238374A1
Authority
WO
WIPO (PCT)
Prior art keywords
performance
movement
cluster
data
route
Prior art date
Application number
PCT/JP2022/023433
Other languages
English (en)
French (fr)
Inventor
聡子 坂上
浩 田口
Original Assignee
三菱電機株式会社
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 三菱電機株式会社 filed Critical 三菱電機株式会社
Priority to PCT/JP2022/023433 priority Critical patent/WO2023238374A1/ja
Priority to JP2024526192A priority patent/JPWO2023238374A1/ja
Publication of WO2023238374A1 publication Critical patent/WO2023238374A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]

Definitions

  • the present disclosure relates to a reference movement plan formulation device, a reference movement plan formulation system, and a reference movement plan formulation method.
  • a standard flight plan route is set by air traffic control, and route information showing that route is published in the air route magazine.
  • routes that deviate from the standard route may be used due to congestion or flight restrictions, so in air traffic control systems, standard routes are set as commonly used flight routes in addition to the standard route. There is.
  • Patent Document 1 proposes a technique of generating a profile defining a reference movement plan for each operation classification from flight results as a method of setting a reference route that reflects flight results.
  • the route and speed to the destination are determined based on aircraft operation classification criteria such as aircraft type, time (e.g., year, month, day of the week, time of day), and weather (e.g., wind direction, wind speed, visibility, weather).
  • aircraft operation classification criteria such as aircraft type, time (e.g., year, month, day of the week, time of day), and weather (e.g., wind direction, wind speed, visibility, weather).
  • a profile which is a reference movement plan indicating the following, is defined and stored in advance. Then, for the aircraft to be planned during operation or before operation, a profile with the same classification standard as the operation of the aircraft is selected, and the selected profile is used to create an individual movement plan that shows the individual route and speed to the destination. will be formulated.
  • the accuracy of the profile will decrease. For example, if the classification is excessive, the profile will be segmented into meaningless parts, and there will be a problem that a sufficient number of samples will not be obtained to generate an appropriate profile. Conversely, if there is insufficient classification, that is, if profiles that originally need to be divided are integrated, there is a problem that a profile containing incorrect samples will be generated because results from different flight situations will be mixed. .
  • the present disclosure has been made in view of the above-mentioned problems, and aims to provide a technique that can appropriately classify movement record data.
  • a reference movement plan formulation device includes a performance data receiving unit that acquires movement performance data of a moving object, and a classification standard definition unit that defines one or more classification criteria that are a basis for classifying the movement performance data. , a performance data classification unit that classifies the movement performance data for each performance cluster in which the movement performance data is reflected based on the classification criteria; a representative route creation unit that creates a representative route representing a performance cluster for each of the performance clusters; a reference route creation unit that creates a reference route based on feature points of the representative route; and a reference route creation unit that transmits the reference route. and a reference route transmitter.
  • the movement performance data is classified for each performance cluster in which the movement performance data is reflected based on the classification criteria, the movement performance data can be appropriately classified.
  • FIG. 1 is a diagram showing a configuration example of a mobile object control support system according to Embodiment 1.
  • FIG. 1 is a block diagram showing a configuration example of a reference movement plan formulation device according to Embodiment 1.
  • FIG. It is a figure showing an example of track data. It is a figure which shows an example of situation data.
  • FIG. 3 is a diagram showing an example of classification criteria. It is a figure showing an example of distance between track data. It is a figure showing an example of the area between track data.
  • 3 is a flowchart showing the operation of the reference movement plan formulation device according to the first embodiment.
  • 3 is a flowchart showing the operation of the reference movement plan formulation device according to the first embodiment.
  • FIG. 3 is a diagram for explaining the operation of the reference movement plan formulation device according to the first embodiment.
  • FIG. 3 is a diagram for explaining the operation of the reference movement plan formulation device according to the first embodiment.
  • FIG. 3 is a diagram for explaining the operation of the reference movement plan formulation device according to the first embodiment.
  • FIG. 3 is a diagram for explaining the operation of the reference movement plan formulation device according to the first embodiment.
  • 3 is a flowchart showing the operation of the reference movement plan formulation device according to the first embodiment.
  • FIG. 3 is a diagram for explaining the operation of the reference movement plan formulation device according to the first embodiment.
  • 1 is a diagram showing an example of a monitoring device according to Embodiment 1.
  • FIG. 3 is a flowchart showing the operation of the reference movement plan formulation device according to the first embodiment.
  • FIG. 2 is a block diagram illustrating a configuration example of a reference movement plan formulation device according to a second embodiment.
  • FIG. 7 is a diagram for explaining the operation of the reference movement plan formulation device according to the second embodiment.
  • FIG. 7 is a diagram for explaining the operation of the reference movement plan formulation device according to the second embodiment.
  • FIG. 7 is a block diagram showing a configuration example of a reference movement plan formulation device according to Embodiment 3.
  • FIG. FIG. 7 is a diagram for explaining the operation of the reference movement plan formulation device according to the third embodiment.
  • FIG. 7 is a diagram for explaining the operation of the reference movement plan formulation device according to the third embodiment.
  • FIG. 7 is a diagram for explaining the operation of the reference movement plan formulation device according to the third embodiment.
  • FIG. 7 is a diagram for explaining the operation of the reference movement plan formulation device according to the third embodiment.
  • FIG. 7 is a diagram for explaining the operation of the reference movement plan formulation device according to the third embodiment.
  • FIG. 7 is a diagram for explaining the operation of the reference movement plan formulation device according to the third embodiment. It is a block diagram showing the hardware configuration of a standard movement plan formulation device concerning a modification. It is a block diagram showing the hardware configuration of a standard movement plan formulation device concerning a modification.
  • the moving object may be a moving object of other transportation, such as a ship in marine transportation, a vehicle on a road, or a train in a railway.
  • FIG. 1 is a diagram showing a configuration example of a mobile object control support system including a reference movement plan formulation device 11 and a mobile object control system 13 according to the first embodiment.
  • the standard movement plan formulation device 11 formulates a standard movement plan that is a standard movement plan for a mobile object.
  • the mobile object control system 13 presents the standard movement plan formulated by the standard movement plan formulation device 11 and the operation status of the mobile object.
  • a controller of the moving object uses the moving object control system 13 to check the operating status of the moving object and controls the moving object based on the reference movement plan.
  • the reference movement plan formulation device 11 and the mobile object control system 13 are separate servers and are connected through the network 12, the present invention is not limited to this.
  • the reference movement planning device 11 and the mobile object control system 13 may be implemented on the same server via a database or memory.
  • FIG. 2 is a block diagram showing a configuration example of the reference movement plan formulation device 11 according to the first embodiment.
  • the reference movement plan formulation device 11 in FIG. 2 includes a performance data receiving section 21, a classification standard definition section 22, a performance data classification section 23, a representative route creation section 24, a reference route creation section 25, and a reference route transmission section. 26.
  • the performance data receiving unit 21 in FIG. 2 acquires movement performance data that is movement history data of a mobile object.
  • the movement record data includes track data representing the movement history of the moving object.
  • FIG. 3 is a diagram showing an example of track data.
  • the track data is, for example, time-series data obtained by a sensor such as a radar of the mobile object control system 13.
  • the track data in FIG. 3 includes the date 31 and time 32 when the moving object was observed, the moving object ID 33 such as a flight number for identifying the moving object, and the latitude 34 and longitude indicating the two-dimensional position of the moving object. 35, the speed 36 and altitude 37 of the moving object, and a type 38 representing the type of the moving object.
  • the travel record data may include not only track data but also situation data representing the travel environment at the time of operation.
  • FIG. 4 is a diagram showing an example of situation data.
  • the situation data is, for example, observation data such as weather that influences the flight path of an aircraft and the runway used for takeoff and landing.
  • the situation data in FIG. 4 includes date 41 and time 42 when the aircraft was observed, latitude 43 and longitude 44 representing the observation point, weather 45, wind direction 46, wind speed 47, and visibility 48 at the observation point.
  • the date 41, time 42, latitude 43, and longitude 44 in FIG. 4 have a corresponding relationship with the date 31, time 32, latitude 34, and longitude 35 in FIG.
  • the classification standard definition unit 22 in FIG. 2 defines one or more classification standards that serve as standards for classifying the track data of the movement record data. Note that, as described later, the classification criteria defined by the classification criteria definition unit 22 are used by the performance data classification unit 23.
  • FIG. 5 is a diagram showing an example of classification criteria.
  • the classification standard in FIG. 5 includes a classification number 51, a classification standard name 52, the number of classifications 53, classification contents 54, and a validity flag 55.
  • the classification criteria include at least one of the similarity between the routes traveled by the aircraft, an indicator of the aircraft's movement history, the type, date and time, and an indicator of the surrounding situation of the aircraft. include.
  • the classification content 54 defines the classification method and classification category of the classification standard. For example, "No. 0002" in FIG. 5 defines that the track data is classified into 12 classifications using the value extracted by the calculation formula "Mid(DateTime(),5,2)".
  • the calculation formula "Mid(DateTime(),5,2)" extracts two characters toward the right from the fifth character from the left of DateTime(), which indicates the year, month, and day using 8-digit numbers. For example, when DateTime() on March 1, 2022 is expressed as "20220301", the calculation formula "Mid(DateTime(),5,2)” is the 5th and 6th character from the left of "20220301". The character “03”, ie, "March” is extracted.
  • the calculation formula "Mid(DateTime(),5,2)" extracts any one of "01" to "12", so the track data is classified into 12 classifications.
  • the classification content 54 is not limited to a calculation formula, and may be defined by classification divisions such as thresholds such as "No. 0003" to "No. 0009.”
  • the classification content 54 of "No. 0001" indicates that the track data is classified by the K-means method based on the degree of similarity corresponding to the distance or area between the track data.
  • FIG. 6 is a diagram showing an example of the distance between the track data
  • FIG. 7 is a diagram showing an example of the area between the track data.
  • these figures show two-dimensional images expressed by latitude and longitude, a three-dimensional image may be shown by adding altitude information.
  • the degree of similarity corresponding to the distance between the track data in FIG. 6 will be mainly explained, but the degree of similarity corresponding to the area between the track data in FIG. 7 is also generally the same as described below.
  • the starting points of the two track data 61a, 61b match, and the ending points of the two track data 61a, 61b match.
  • the starting point is the first observation data entering the airspace
  • the ending point is the last observation data or the end of the runway before leaving the airspace
  • the distance and the number of observation points between two pieces of track data are often different. In these cases, the distance between time series data of different lengths can be calculated using dynamic time warping (DTW).
  • DTW dynamic time warping
  • the distance between the track data 61a and the track data 61b is calculated by DTW.
  • the track data 61a includes data A having passing points a0, a1,..., am
  • the track data 61b includes data B having passing points b0, b1,..., bn
  • the difference between the track data 61a and the track data 61b is The distance D(A, B) between them can be calculated using equation (1).
  • the area between the track data 71a and 71b in FIG. 7 corresponds to the distance between the track data 61a and 61b in which the number of passing points in FIG. 6 is set to infinity, and the smaller the area, the greater the degree of similarity.
  • the degree of similarity and the distance in FIG. 6 or the area in FIG. 7 have a corresponding relationship in which their magnitudes are opposite.
  • a passing point obtained by dividing the distance between the starting point and the ending point of the track data into N equal parts according to distance or time, or a passing point closest to the N equal parts may be calculated. Then, Euclidean distances are calculated for the calculated passing points a1, a2, ..., aN and the calculated passing points b1, b2, ..., bN, and the sum or average of N distances is the distance between the track data. It may be calculated as Furthermore, in calculating this distance, weighting may be performed on the first to Nth passing points. For example, if it is a landing aircraft, it will fly towards the airport (runway), so passing points closer to the airport are more important in calculating the similarity between track data than passing points far from the airport. It is also possible to increase the weight of passing points that are close to .
  • the performance data classification unit 23 in FIG. 2 classifies the movement performance data into performance clusters in which the movement performance data is dynamically reflected, based on one or more classification criteria defined by the classification standard definition unit 22. do. For example, if the classification standard is defined by a classification classification such as a threshold value of the classification content 54, such as "No. 0002" to "No. 0009” in FIG. Classify the corresponding track data according to the classification category. For example, if the classification standard is defined as "No. 0001" in FIG. The movement performance data is classified into 10 performance clusters using the method. Unsupervised learning means that the learning device learns the characteristics of the learning data by giving the learning data that does not include results (labels) to the learning device. An example of such learning will be described below.
  • FIG. 8 is a flowchart showing the operation of the performance data classification unit 23 to classify the track data according to the K-means method based on the degree of similarity between the track data.
  • step S1 the performance data classification unit 23 randomly assigns each track data to a performance cluster c (c is 1 to 10). For example, when performing step S1 for the first time, the default performance cluster is used as the performance cluster for step S1, and when performing step S1 for the second time or later, the performance cluster for step S1 is the performance cluster obtained during the previous processing. The actual performance cluster is used.
  • step S2 the performance data classification unit 23 finds the center means(c) of each performance cluster.
  • the center mean(c) of the performance cluster is one track data among the plurality of track data that has the maximum total similarity with other track data except for one track data.
  • the degree of similarity is expressed by distance or area as shown in FIGS. 6 and 7, the degree of similarity and the distance or area have a corresponding relationship in which their magnitudes are opposite, as described above. If it is preferable that the degree of similarity be the same as the distance or area, the reciprocal of the distance or area may be defined as the degree of similarity, for example.
  • FIG. 9 is a flowchart showing the operation of step S2 in FIG. 8.
  • step S11 the performance data classification unit 23 obtains a list of track data classified into performance cluster c.
  • step S12 the performance data classification unit 23 initializes the maximum similarity value maxS and the center means by setting them to 0 and null.
  • the performance data classification unit 23 obtains one track data t1 from the list of track data.
  • the performance data classification unit 23 initializes S(t1) representing the degree of similarity regarding one track data t1.
  • the performance data classification unit 23 obtains another track data t2, which is not the first track data t1, and is classified into the same track record c as the first track data t1, from the list of track data.
  • the track record data classification unit 23 calculates the degree of similarity s(t1, t2) corresponding to the distance or area between one track data t1 and another track data t2.
  • the performance data classification unit 23 adds s(t1, t2) to S(t1).
  • the performance data classification unit 23 repeatedly performs the above steps S14 and S15 while changing another track data t2. This repetition is performed until another track data t2 is set for all track data classified into performance cluster c except for one track data t1.
  • step S16 the performance data classification unit 23 determines whether S(t1) is larger than maxS. If S(t1) is greater than maxS, the process proceeds to step S17, and if S(t1) is less than or equal to maxS, step S17 is skipped.
  • the performance data classification unit 23 repeatedly performs the above steps S13 to S17 while changing one track data t1. This repetition is performed until one track data t1 is set for all track data classified into performance cluster c. Through the above processing shown in FIG. 9, the center means(c) of the performance cluster c is obtained.
  • step S3 of FIG. 8 the performance data classification unit 23 determines whether the center of the performance cluster has changed. If it is determined that the center of the performance cluster has changed, the operation in FIG. 8 ends, and if it is not determined that the center of the performance cluster has changed, the process proceeds to step S4.
  • the performance data classification unit 23 acquires one track data from all the track data trace. In step S4, the performance data classification unit 23 calculates the degree of similarity between one piece of track data and the center of each performance cluster. In step S5, the performance data classification unit 23 reassigns one piece of track data to the performance cluster with the highest degree of similarity.
  • the performance data classification unit 23 repeatedly performs the above steps S4 and S5 while changing one track data.
  • the performance data classification unit 23 changes one piece of track data until one piece of track data t1 is set in all the track data.
  • step S6 the track record data classification unit 23 determines whether there are no more assignment changes to the track record cluster. If it is determined that there is no more allocation change to the performance cluster, the operation in FIG. 8 ends, and if it is not determined that there is no more allocation change to the performance cluster, the process returns to step S2.
  • the performance data receiving unit 21 acquires movement performance data including first track data and second track data as learning data. Based on the learning data, the track record data classification unit 23 generates a learning model for inferring the feature amount of the track record cluster from the first track data and the second track data. Note that the performance cluster and the classification standard can be treated equally, and the feature amount of the performance cluster corresponds to, for example, the type and threshold of the classification standard.
  • the performance data receiving unit 21 acquires movement performance data including the third track data. Then, the performance data classification unit 23 classifies the third track data acquired by the performance data receiving unit 21 into performance clusters using a learning model for inferring the feature amount of the performance cluster from the track data.
  • the performance data receiving unit 21 performed non-hierarchical clustering using the K-means method, which is an example of unsupervised learning, but it may also perform hierarchical clustering such as the shortest distance method. Furthermore, in the above explanation, the performance data receiving unit 21 performs unsupervised learning, but for example, supervised learning using representative routes as training data, reinforcement learning using the degree of separation between performance clusters as a reward, or half-time learning is performed. Supervised learning or the like may also be performed.
  • the performance data receiving unit 21 has learned about the track data of the movement track record data, but it may also learn about the track data and situation data of the movement track record data. Note that the first performance cluster and second performance cluster described below are included in the above performance cluster.
  • the representative route creation unit 24 in FIG. 2 creates a representative route, which is a route representing the performance cluster, for each performance cluster, based on the movement performance data classified into the performance clusters.
  • 10, 11, and 12 are diagrams for explaining examples of creation of a representative route by the representative route creation unit 24.
  • the representative route creation unit 24 divides each of the track data 101a, 101b, 101c, and 101d in one performance cluster into N (four in FIG. 10) passing points. Then, the representative route creating unit 24 creates, as the representative route 102, a route that passes through the average passing point obtained by averaging the corresponding passing points of the track data 101a, 101b, 101c, and 101d.
  • the representative route creation unit 24 calculates the first average passing point p1 by averaging the passing points a1 to d1 of the track data 101a to 101d, and averages the passing points a2 to d2 of the track data 101a to 101d. By doing this, the second average passing point p2 is determined. The representative route creation unit 24 performs this calculation until the Nth average passing point pN is determined. Then, the representative route creation unit 24 creates a route passing through the first, second, . . . , Nth average passing points p1, p2, . . . , pN as the representative route 102. In this way, in the example of FIG. 10, the representative route creation unit 24 creates a route obtained by averaging a plurality of routes indicated by a plurality of movement record data with respect to at least one of latitude and longitude, speed, and altitude. is set as the representative route of one performance cluster.
  • the representative route creation unit 24 divides each of the track data 111a, 111b, 111c, and 111d within one track record cluster into N passing points.
  • N 4 will be explained below as an example.
  • the representative route creation unit 24 calculates the sum of the distance between the passing point a1 and the passing point b1, the distance between the passing point a1 and the passing point c1, and the distance between the passing point a1 and the passing point d1. , is calculated as the total distance of passing point a1.
  • the representative route creation unit 24 calculates the total distance of passing point a2, passing point a3, and passing point a4, and calculates the sum of the total distance of passing point a1 to passing point a4. , is calculated as a value corresponding to the similarity of the track data 111a.
  • the representative route creation unit 24 calculates a value corresponding to the similarity of the track data 111b, the track data 111c, and the track data 111d. Then, the representative route creation unit 24 creates the track data with the minimum value corresponding to the degree of similarity, that is, the track data with the maximum degree of similarity, as the representative route of one performance cluster. In this way, in the example of FIG. 11, the representative route creation unit 24 creates the route of the one track data that has the maximum similarity with other track data excluding the one track data as the representative route of the one track record cluster. do. Note that this representative route is substantially the same as the center of the performance cluster created by the K-means method described above.
  • the representative route creation unit 24 uses the distance between the track data 111a to 111d as a value corresponding to the degree of similarity.
  • the representative route creation unit 24 uses the area between the track data 121a to 121d as a value corresponding to the degree of similarity.
  • the area of the hatched portion in FIG. 12 represents a value corresponding to the degree of similarity between the track data 121a and the track data 121c.
  • the example shown in FIG. 12 is substantially the same as setting the number of passing points for dividing the track data to infinity in FIG. 11.
  • the starting points of multiple pieces of track data match and the ending points of multiple pieces of track data match, but if at least one of the starting points and ending points does not match, the starting point If the end points and end points are treated in the same way as passing points, a representative route can be created as described above.
  • the reference route creation unit 25 in FIG. 2 extracts feature points from the representative route, and creates a reference route made up of the feature points based on the extracted feature points.
  • FIG. 13 is a diagram for explaining an example of creating a reference route 141 expressed in latitude and longitude from a representative route 131 expressed in latitude and longitude.
  • FIG. 14 is a flowchart showing the operation of the reference route creation unit 25 to create the reference route 141.
  • the reference route creation unit 25 sets the track record cluster f to 0 and obtains the representative route 131 of the track record cluster f.
  • the reference route creation unit 25 divides the acquired representative route 131 into predetermined sections t.
  • the criterion for dividing the sections may be distance or time. Dividing a plurality of sections from the representative route 131 corresponds to extracting a point group from the representative route 131.
  • step S22 the reference route creation unit 25 calculates the nose orientation v(0) of the aircraft at the starting point based on the representative route 131.
  • step S24 the reference route creation unit 25 determines whether the difference (absolute value) between v(t) and v(t-1) is greater than or equal to a threshold value. If it is determined that the difference is greater than or equal to the threshold, the process proceeds to step S25, and if it is not determined that the difference is greater than or equal to the threshold, step S25 is skipped.
  • step S25 the reference route creation unit 25 determines that the orientation of the aircraft's nose has changed, that is, the direction of travel of the aircraft has changed due to the control instructions from the air traffic controller. Then, the reference route creation unit 25 stores positions representing the position p(t) of the section t and the position p(t-1) of the section t-1 as feature points.
  • the position p(t) is stored as a representative position (that is, a feature point), but it is not limited to this.
  • the position p(t-1) may be stored, or the position The midpoint between p(t) and position p(t-1) may be stored.
  • the reference route creation unit 25 repeatedly performs the above steps S23 to S25 while changing the section t by increments.
  • step S26 the reference route creation unit 25 creates the reference route 141 of the performance cluster f by connecting the stored feature points.
  • a solid line reference route 141 created by spline interpolation and a dashed-dot line reference route 141 created by linear interpolation are illustrated.
  • the reference route creation unit 25 repeatedly performs the above steps S21 to S26 while changing the performance cluster f by increments. As a result, the reference route 141 is created for the representative route 131 of all performance clusters.
  • the reference route creation unit 25 extracts points where the orientation of the representative route 131 changes by more than a threshold value as feature points, and creates the reference route 141 based on the feature points. It's not a thing.
  • the reference route creation unit 25 may extract points where the altitude or speed of the representative route 131 changes by more than a threshold value as feature points, and create the reference route 141 based on the feature points.
  • FIG. 15 is a diagram for explaining an example in which a reference route expressed in latitude and longitude is created.
  • the reference route creation unit 25 divides the representative route 151 into sections of unit time and determines the change in altitude of the aircraft in two consecutive sections. Then, when the difference in altitude change is greater than or equal to the threshold, the reference route creation unit 25 determines that there is an altitude change instruction as a control instruction by the air traffic controller in the two sections, and the section representing the two sections. are extracted as feature points.
  • the reference route creation unit 25 determines the point 153a as a feature point, and the difference between the altitude difference 152c and the altitude difference 152b must be greater than or equal to the threshold. For example, point 153b is not determined to be a feature point.
  • Feature points may also be found for speed in the same way as for altitude.
  • the reference route creation unit 25 divides the representative route 151 into sections of unit time, and calculates the speed difference between the aircraft in two consecutive sections. Then, when the speed difference is equal to or greater than the threshold, the reference route creation unit 25 determines that there is a speed change instruction as a control instruction by the air traffic controller in the two sections, and characterizes the section representative of the two sections. Extract as a point.
  • the reference route creation unit 25 selects one of the two points or a midpoint between the two points as a feature. It may also be extracted as a point. Further, when the time difference between two points of the point group extracted as feature points is less than or equal to a threshold value, the reference route creation unit 25 selects one of the two points or an intermediate point between the two points as a feature point. It may also be extracted as a point.
  • the reference route creation unit 25 obtains control instructions to the aircraft from the air traffic controller's voice or keyboard, rather than the movement history of the aircraft, and extracts feature points based on the point or time at which the control instruction was issued. It's okay.
  • the reference route creation unit 25 estimates the aircraft that is the target of air traffic control instructions (hereinafter also referred to as "control target aircraft") based on the aircraft monitoring performed by air traffic controllers using monitoring equipment. Good too.
  • control target aircraft the reference route creation unit 25 may estimate the controlled aircraft based on the gaze position on the control screen that the air traffic controller is monitoring. A method for estimating the controlled aircraft will be described below.
  • FIG. 16 is a diagram showing an example of a monitoring device for an air traffic controller to monitor an aircraft.
  • the air traffic controller 161 performs air traffic control operations using the control screen 162 of the monitoring device
  • the gaze position of the air traffic controller 161 is measured by the line-of-sight measuring device 163 provided on the control screen 162.
  • the reference route creation unit 25 estimates the aircraft being watched as a control target aircraft based on the gaze position and the position of the aircraft displayed on the screen.
  • FIG. 17 is a flowchart showing the operation of the reference route creation unit 25 to estimate the controlled aircraft based on the line of sight information of the air traffic controller.
  • step S31 the reference route creation unit 25 obtains a plurality of air traffic control instructions from an air traffic controller.
  • the reference route creation unit 25 obtains one control instruction g from a plurality of control instructions.
  • the reference route creation unit 25 acquires the line-of-sight coordinate corresponding to the line-of-sight position on the line-of-sight measurement device 163, based on the line-of-sight position of the air traffic controller at time t when one air traffic control instruction is issued.
  • step S33 the reference route creation unit 25 converts the line-of-sight coordinates into latitude and longitude p(g, t) based on the airspace information displayed on the control screen 162 at time t.
  • step S34 the reference route creation unit 25 initializes the latitude and longitude p(g, t) and the minimum distance D from the aircraft displayed on the control screen 162.
  • the minimum distance D is initialized by setting the maximum value Dmax that is allowable as the minimum distance D as the minimum distance D.
  • the reference route creation unit 25 acquires one aircraft h from the plurality of aircraft displayed on the control screen 162 at time t. In step S35, the reference route creation unit 25 obtains the latitude and longitude p(h, t) of the aircraft h. In step S36, the reference route creation unit 25 determines the distance between the latitude and longitude p(g,t) of the line-of-sight coordinates of the air traffic controller 161 at time t and the latitude and longitude p(g,t) of the aircraft h. Calculate the distance d.
  • step S37 the reference route creation unit 25 determines whether the distance d is smaller than the minimum distance D. If it is determined that the distance d is smaller than the minimum distance D, the process proceeds to step S38, and if it is not determined that the distance d is smaller than the minimum distance D, steps S38 and S39 are skipped.
  • step S38 the reference route creation unit 25 updates the minimum distance D to the distance d.
  • step S39 the reference route creation unit 25 estimates and stores that the aircraft targeted by the control instruction g is the aircraft h.
  • the reference route creation unit 25 repeatedly performs the above steps S35 to S39 while changing the aircraft h by increments. As a result, among the plurality of aircraft displayed on the control screen 162 at time t, the aircraft whose latitude and longitude are closest to the line-of-sight coordinates is estimated as the aircraft to which the control instruction g is directed. The reference route creation unit 25 repeatedly performs the above steps S32 to S39 while changing the control instruction g by increments. As a result, for each of all air traffic control instructions, the aircraft targeted by the air traffic control instruction is estimated.
  • the reference route transmitter 26 in FIG. 2 transmits the reference route created by the reference route creator 25.
  • the reference route formulated by the reference movement plan formulation device 11 is presented, for example, by the mobile object control system 13 in FIG. 1.
  • the performance data classification unit 23 classifies the movement performance data for each performance cluster in which movement performance data is reflected, based on the classification standard. to classify. Therefore, the movement performance of the mobile body, such as the operational status, weather conditions, and flight restrictions, is reflected in the performance clusters for classifying the movement performance data, so that the movement performance data can be appropriately classified.
  • the track record data classification unit 23 classifies the track data into track data clusters based on the similarity of the track data. With this configuration, it is possible to meaningfully classify the track data, so it is not only possible to efficiently create a standard route with reduced excesses and deficiencies, but also to check flight restrictions and airspace congestion recorded in travel history. It is possible to create a standard route that takes into account flight conditions that may not be present.
  • the classification criteria are at least one of the following: similarity between routes traveled by moving objects, an indicator of the movement history of moving objects, type, date and time, and an indicator of the surrounding situation of moving objects. Contains one. According to such a configuration, the main factors that influence the travel route of the mobile object can be set as the classification criteria, so the movement record data can be appropriately classified.
  • the representative route creation unit 24 averages the plurality of routes indicated by the plurality of movement record data with respect to at least one of latitude and longitude, speed, and altitude. Create a representative route for the performance cluster.
  • the representative route creation unit 24 selects a route of one piece of movement record data that has the maximum degree of similarity with other movement record data excluding one piece of movement record data from among a plurality of pieces of movement record data. Set as a representative route. According to such a configuration, the representative route used for creating the reference route can be appropriately created, so the reference route can be appropriately created.
  • the reference route creation unit 25 extracts feature points for creating a reference route based on the point or time at which the air traffic controller issues a control instruction to the mobile object.
  • the air traffic controller can be presented with a guideline for issuing air traffic control instructions, which reduces the burden on the air traffic controller of having to continuously monitor the flight status in order to issue air traffic control instructions. can be reduced.
  • the reference route creation unit 25 calculates the distance between two points of the point group extracted as feature points, or the distance between two points of the point group extracted as feature points. Based on the time difference between the two points, a point representing the two points is extracted as a feature point.
  • FIG. 18 is a block diagram showing a configuration example of the reference movement plan formulation device 11 according to the second embodiment.
  • constituent elements according to the second embodiment constituent elements that are the same or similar to the above-mentioned constituent elements will be given the same or similar reference numerals, and different constituent elements will be mainly explained.
  • the configuration in FIG. 18 is similar to the configuration in FIG. 2 with the addition of a performance data cleansing section 181.
  • the performance data cleansing unit 181 removes unique movement performance data from movement performance data classified into any performance cluster. Whether or not it is unique may be determined based on various distributions such as the distribution of situation data values, the similarity of track data, and the distribution of flight performance values.
  • the representative route creation unit 24 creates a representative route based on the movement record data that has not been excluded by the record data cleansing unit 181.
  • FIG. 19 is a diagram showing the frequency distribution of visibility when "0 to 8,000", which is defined as one classification category, is classified in more detail in the visibility of "No. 0007" in FIG. 5. . “0 to 8,000” in FIG. 19 is an example of a numerical value of visibility, and numerical values other than those shown in FIG. 19 may be used as the numerical value of visibility.
  • the determination as to whether there is almost no movement record data is made based on whether or not the value is less than any one of 1% to 5% of the total movement record data. For example, if the number of samples with a visibility of less than 4,000 m is less than 5% of the samples with a visibility of "0 to 8,000", the actual data cleansing unit 181 determines that the visibility is less than 4,000 m. It is determined that there is almost no movement record data that is less than .
  • the performance data cleansing unit 181 determines that there is a high possibility that the tendency of movement data with a visibility of less than 4,000 m is different, and selects movement data with a visibility of "0 to 8,000". Exclude movement record data with visibility less than 4,000 m from the data.
  • FIG. 20 is a diagram showing the frequency distribution of flight times in a specific section. “0 to 1200” in FIG. 20 is an example of a numerical value of the flight time, and numerical values other than those shown in FIG. 20 may be used as the numerical value of the flight time.
  • the specific section includes, for example, the section from entry to landing in the case of a landing aircraft.
  • each of the movement record data whose flight time is less than 300 seconds or whose flight time is 900 seconds or more is less than 5% of the movement record data whose flight time is "0 to 1200".
  • the performance data cleansing unit 181 determines that there is almost no movement performance data in which the flight time is less than 300 seconds or more than 900 seconds. Then, the performance data cleansing unit 181 removes movement performance data whose flight time is less than 300 seconds and flight time of 900 seconds or more from the movement performance data whose flight time is "0 to 1200".
  • the representative route creation unit 24 determines which routes account for 5% to 95% of the travel record data that has not been excluded by the record data cleansing unit 181, that is, the travel record data whose flight times are “0 to 1200”. Create a representative route based on actual data.
  • movement performance data that is less than 5% on each side of the distribution is excluded here, the data is not limited to this.
  • movement performance data may be excluded from only one side of the distribution.
  • a threshold value can be set between one side of the distribution and the other side, such as excluding less than 5% of the travel record data for those with shorter flight times, and excluding less than 1% of travel record data for those with longer flight times. may be different.
  • the exclusion of peculiar movement record data by the record data cleansing unit 181, and even the exclusion of peculiar track data, is not limited to the above.
  • the performance data cleansing unit 181 may calculate the degree of similarity between one track data classified into one performance cluster and a representative route of the one performance cluster. Then, the performance data cleansing unit 181 may exclude the one track data from the one performance cluster when the similarity is less than or equal to a threshold value. For example, the similarity described in FIGS. 6 and 7 may be used as the similarity here. Note that the performance data cleansing unit 181 may repeatedly calculate the degree of similarity, exclude the track data, and create the representative route until the degree of similarity becomes greater than a threshold value.
  • the performance data cleansing unit 181 calculates the similarity Sa between one track data classified into the first performance cluster Ca and the representative route Ra of the first performance cluster Ca. Good too. Then, the performance data cleansing unit 181 may calculate the degree of similarity Sb between the one track data and the representative route Rb of the second performance cluster Cb, which is different from the first performance cluster Ca. Then, if the similarity degree Sa is lower than the similarity degree Sb, the performance data cleansing unit 181 determines that the one track data should not belong to the first performance cluster Ca, and converts the one track data into the first track data. 1 may be excluded from the performance cluster Ca. In this case, the performance data cleansing unit 181 may add the one track data to the second performance cluster Cb.
  • the performance data cleansing unit 181 excludes unique movement performance data from movement performance data classified into any performance cluster. . According to such a configuration, an appropriate classification standard can be obtained, so a highly accurate representative route can be created.
  • FIG. 21 is a block diagram showing a configuration example of the reference movement plan formulation device 11 according to the third embodiment.
  • the same or similar components as those described above will be given the same or similar reference numerals, and different components will be mainly explained.
  • the configuration in FIG. 21 is similar to the configuration in FIG. 2 with the addition of a performance cluster evaluation section 211.
  • the performance cluster evaluation unit 211 changes the classification criteria based on the classification results of the movement performance data by the performance data classification unit 23. For example, the performance cluster evaluation unit 211 creates a distribution of movement performance data classified into one performance cluster with respect to attributes that are not used for classification of movement performance data, and sets the attributes as classification criteria based on the distribution. do.
  • FIGS. 22 and 23 are diagrams showing an example of the frequency distribution regarding time zones of track data classified into a certain performance cluster. This frequency distribution can be obtained, for example, by creating actual clusters based on the similarity of the track data of “No. 0001” without using the time period “No. 0003” in Fig. 5 for classifying the actual clusters. It will be done.
  • the performance cluster evaluation unit 211 determines whether the frequency distribution is biased or dispersed based on a statistical test and a predetermined threshold value (for example, "occupies 80% of the entire data"). judge. Then, when the performance cluster evaluation unit 211 determines that the frequency distribution is biased, the performance cluster evaluation unit 211 sets the biased attribute as a classification criterion.
  • a predetermined threshold value for example, "occupies 80% of the entire data”
  • the performance cluster evaluation unit 211 determines that the frequency distribution in FIG. 22 is biased towards late night and early morning, determines that there is a performance cluster representing late night and early morning, and adds late night and early morning to the classification criteria. Conversely, the performance cluster evaluation unit 211 determines that the frequency distribution in FIG. 23 is dispersed, determines that there is no performance cluster representing any of the time periods, and does not add the time period to the classification criteria.
  • the above distribution is a distribution of occurrence frequency (number of samples), but it is not limited to this, for example, what percentage of all track data from 12:00 to 15:00 is classified into the relevant performance cluster. It may also be a distribution of proportions representing the
  • an appropriate classification standard for characterizing the performance cluster can be set. be able to.
  • FIG. 24 is a diagram showing an example of the frequency distribution regarding the wind direction of the track data classified into a certain performance cluster.
  • Wind directions include N (north), NE (northeast), E (east), SE (southeast), S (south), SW (southwest), W (west), and NW (northwest).
  • N and NW are in opposite directions.
  • the track record cluster evaluation unit 211 may separate the classification criteria by separating the attributes of the track record clusters.
  • TF-IDF Term Frequency-Inverse Document Frequency
  • TF-IDF Term Frequency-Inverse Document Frequency
  • the performance cluster evaluation unit 211 determines that the appearance frequency of the first movement performance data classified into the first performance cluster is equal to or higher than the first threshold value with respect to attributes that are not used for classification of movement performance data. In addition, it may be determined whether the appearance frequency of the second movement performance data classified into a second performance cluster different from the first performance cluster is less than or equal to a second threshold value. Then, when the performance cluster evaluation unit 211 determines that the appearance frequency of the first movement performance data is equal to or higher than the first threshold value, and the appearance frequency of the second movement performance data is equal to or lower than the second threshold value, the performance cluster evaluation unit 211 determines that the above-mentioned attribute may be set as the classification standard.
  • FIG. 25 is a diagram showing an example of the frequency distribution regarding the wind direction of actual clusters a, b, and c
  • FIG. 26 is a diagram showing the numerical values.
  • td-idf of attribute j of performance cluster i is calculated by equation (2).
  • f(i, j) is the number of occurrences of attribute j in performance cluster i
  • df(i) is the number of performance clusters in which attribute j appears
  • I is the number of clusters (here, the number of clusters that appear 30 or more times)
  • J is the number of attribute classifications.
  • tf-idf (b, 4) becomes smaller than tf-idf (a, 0), and the wind direction N, which is an attribute with a high tf-idf, is set as the classification criterion for the performance cluster.
  • the frequency of appearance of performance cluster a regarding wind direction N is greater than or equal to the first threshold, and the frequency of appearance of performance clusters b and c regarding wind direction N is less than or equal to the second threshold.
  • the appearance frequency of the performance cluster b regarding the wind direction S becomes equal to or higher than the first threshold value, and the appearance frequency of the performance clusters a and c regarding the wind direction S becomes greater than the second threshold value, so that the wind direction S is not set as a classification criterion for the performance cluster. correspond to that.
  • the performance cluster evaluation unit 211 may integrate two performance clusters when the representative routes of the two performance clusters are similar. That is, the performance cluster evaluation unit 211 calculates the degree of similarity between the representative route of the first performance cluster and the representative route of the second performance cluster, and if the similarity is greater than or equal to the threshold value, the performance cluster evaluation unit 211 calculates the degree of similarity between the representative route of the first performance cluster and the representative route of the second performance cluster. It may also be integrated with the performance cluster.
  • Aircraft flying on the same route can be controlled at their own flight speeds, so air traffic controllers who keep a close eye on the distance between aircraft to ensure safe flight can predict the future distance between these aircraft. It's easy to do. However, since aircraft flying on different routes must be predicted by taking into account many more factors such as heading, altitude, and speed, the control operations of air traffic controllers become more complex. On the other hand, according to the above configuration, the number of representative routes can be appropriately reduced as described above, and therefore the number of aircraft flying different routes can be reduced. As a result, the monitoring work of air traffic controllers can be simplified, and the load on air traffic controllers can be reduced.
  • the performance cluster evaluation unit 211 may create a representative route for the third performance cluster obtained by provisionally integrating the first performance cluster and the second performance cluster. Then, the performance cluster evaluation unit 211 calculates the degree of similarity between the representative route of the third performance cluster and the representative route of the first performance cluster, and compares the representative route of the third performance cluster with the representative route of the second performance cluster. You may calculate the similarity of .
  • the track record cluster evaluation unit 211 may integrate the first track record cluster and the second track record cluster when both similarities are equal to or greater than a threshold value.
  • the representative route does not change significantly even if the first performance cluster and the second performance cluster are provisionally integrated means that there is little significance in separating the first performance cluster and the second performance cluster. Therefore, by integrating the first performance cluster and the second performance cluster, the number of representative routes can be reduced, and therefore the number of aircraft flying different routes can be reduced. As a result, the monitoring work of air traffic controllers can be simplified, and the load on air traffic controllers can be reduced. Furthermore, since the number of samples of track data constituting one performance cluster increases, the quality of the performance data can be improved, and the representative route can be more precisely determined.
  • the performance cluster evaluation unit 211 changes the classification standard based on the classification result of movement performance data by the performance data classification unit 23. According to such a configuration, an appropriate classification standard can be obtained, so a highly accurate representative route can be created.
  • the performance data receiving section 21 and the like are realized by a processing circuit 81 shown in FIG.
  • the processing circuit 81 includes a performance data receiving unit 21 that acquires movement performance data of a moving object, a classification standard definition unit 22 that defines one or more classification criteria that serve as a basis for classifying the movement performance data, A performance data classification unit 23 that classifies the movement performance data for each performance cluster in which the movement performance data is reflected based on the movement performance data, and a performance data classification unit 23 that classifies the movement performance data into each performance cluster in which the movement performance data is reflected, and a route representative of the performance cluster based on the movement performance data classified into the performance clusters.
  • DSP Digital Signal Processor
  • the processing circuit 81 is dedicated hardware, the processing circuit 81 is, for example, a single circuit, a composite circuit, a programmed processor, a parallel programmed processor, an ASIC (Application Specific Integrated Circuit), an FPGA (Field Programmable Gate Array), or a combination of these.
  • the functions of each section such as the performance data receiving section 21 may be realized by a circuit in which processing circuits are distributed, or the functions of each section may be realized by a single processing circuit.
  • the processing circuit 81 When the processing circuit 81 is a processor, the functions of the performance data receiving section 21 and the like are realized in combination with software and the like. Note that software and the like correspond to, for example, software, firmware, or software and firmware. Software etc. are written as programs and stored in memory. As shown in FIG. 28, a processor 82 applied to a processing circuit 81 realizes the functions of each part by reading and executing a program stored in a memory 83. That is, when executed by the processing circuit 81, the reference movement plan formulation device 11 defines a step of acquiring movement record data of a moving body and one or more classification criteria that serve as a basis for classifying the movement record data.
  • the following steps are executed as a result: creating a representative route for each performance cluster, creating a reference route based on the feature points of the point cloud of the representative route, and transmitting the reference route.
  • a memory 83 is provided for storing different programs. In other words, this program can be said to cause the computer to execute the procedures and methods of the performance data receiving section 21 and the like.
  • the memory 83 is a non-volatile or Volatile semiconductor memory, HDD (Hard Disk Drive), magnetic disk, flexible disk, optical disk, compact disk, mini disk, DVD (Digital Versatile Disc), their drive devices, or any storage media that will be used in the future. It's okay.
  • HDD Hard Disk Drive
  • magnetic disk flexible disk
  • optical disk compact disk
  • mini disk mini disk
  • DVD Digital Versatile Disc
  • each function of the performance data receiving section 21 and the like is realized by either hardware or software.
  • the present invention is not limited to this, and a configuration may be adopted in which part of the performance data receiving section 21 and the like is implemented by dedicated hardware, and another part is implemented by software or the like.
  • the function of the performance data receiving unit 21 is realized by a processing circuit 81 as dedicated hardware, an acquisition circuitry such as an interface, etc., and for other parts, the processing circuit 81 as a processor 82 is stored in the memory 83.
  • the function can be realized by reading and executing the program.
  • the processing circuit 81 can implement the above-mentioned functions using hardware, software, etc., or a combination thereof.
  • the reference movement plan formulation device described above also includes a processing device, a communication terminal including a mobile terminal such as a mobile phone, a smartphone, and a tablet, and the functions of an application installed in at least one of the processing device and the communication terminal.
  • the present invention can also be applied to a reference movement plan formulation system constructed as a system by appropriately combining , and servers.
  • each function or each component of the standard movement plan formulation device explained above may be distributed and arranged in each device constructing the system, or may be arranged centrally in one of the devices. Good too.

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Traffic Control Systems (AREA)

Abstract

移動実績データを適切に分類可能な技術を提供することを目的とする。基準移動計画策定装置は、１つ以上の分類基準を定義する分類基準定義部と、分類基準に基づいて、移動実績データが反映された実績クラスタごとに、当該移動実績データを分類する実績データ分類部と、分類された移動実績データに基づいて代表経路を実績クラスタごとに作成する代表経路作成部と、代表経路の特徴点に基づいて基準経路を作成する基準経路作成部と、基準経路をユーザなどに送信する基準経路送信部とを備える。

Description

基準移動計画策定装置、基準移動計画策定システム、及び、基準移動計画策定方法
　本開示は、基準移動計画策定装置、基準移動計画策定システム、及び、基準移動計画策定方法に関する。
　航空管制では標準的な飛行計画経路が設定されており、航空路誌にはその経路を示す経路情報が掲載されている。実運用上、混雑状況や飛行制限のために標準経路から外れた経路を用いることがあるため、航空管制システムでは標準経路とは別に、一般的に使用される飛行経路として基準経路が設定されている。
　従来から、基準経路に基づいて目的地の処理容量を満たすように個別の航空機の移動計画を作成する航空管制システムが提案されている。例えば特許文献１には、飛行実績を反映した基準経路を設定する手法として、飛行実績から運航の分類ごとに基準移動計画を定義したプロファイルを生成する技術が提案されている。
特開２０１７－２１２０１２号公報
　従来技術では、機種、時（例えば、年、月、曜日、時間帯）、気象（例えば、風向、風速、視程、天気）などの航空機の運航の分類基準ごとに、目的地までの経路及び速度などを示す基準移動計画であるプロファイルが予め規定されて記憶されている。そして、運航中または運航前の計画対象の航空機について、当該航空機の運航と同じ分類基準のプロファイルを選択し、選択されたプロファイルを利用して目的地までの個別の経路及び速度を示す個別移動計画が策定される。
　しかしながら、運航の分類が適切でない場合、プロファイルの精度が低下する。例えば、分類が過剰である場合、プロファイルが無意味に細分化され、適切なプロファイルを生成するための十分なサンプル数が得られないという問題がある。また逆に、分類が不足する場合、すなわち、本来、分割が必要なプロファイルを統合してしまうと、異なる飛行状況の実績が混在するため、誤ったサンプルを含むプロファイルが生成されるという問題がある。
　そこで、本開示は、上記のような問題点に鑑みてなされたものであり、移動実績データを適切に分類可能な技術を提供することを目的とする。
　本開示に係る基準移動計画策定装置は、移動体の移動実績データを取得する実績データ受信部と、前記移動実績データを分類する基準となる１つ以上の分類基準を定義する分類基準定義部と、前記分類基準に基づいて、前記移動実績データが反映された実績クラスタごとに、当該移動実績データを分類する実績データ分類部と、前記実績クラスタに分類された前記移動実績データに基づいて、前記実績クラスタを代表する経路である代表経路を、前記実績クラスタごとに作成する代表経路作成部と、前記代表経路の特徴点に基づいて基準経路を作成する基準経路作成部と、前記基準経路を送信する基準経路送信部とを備える。
　本開示によれば、分類基準に基づいて、移動実績データが反映された実績クラスタごとに、当該移動実績データを分類するので、移動実績データを適切に分類することができる。
　本開示の目的、特徴、局面及び利点は、以下の詳細な説明と添付図面とによって、より明白となる。
実施の形態１に係る移動体管制支援システムの構成例を示す図である。 実施の形態１に係る基準移動計画策定装置の構成例を示すブロック図である。 航跡データの一例を示す図である。 状況データの一例を示す図である。 分類基準の一例を示す図である。 航跡データ間の距離の一例を示す図である。 航跡データ間の面積の一例を示す図である。 実施の形態１に係る基準移動計画策定装置の動作を示すフローチャートである。 実施の形態１に係る基準移動計画策定装置の動作を示すフローチャートである。 実施の形態１に係る基準移動計画策定装置の動作を説明するための図である。 実施の形態１に係る基準移動計画策定装置の動作を説明するための図である。 実施の形態１に係る基準移動計画策定装置の動作を説明するための図である。 実施の形態１に係る基準移動計画策定装置の動作を説明するための図である。 実施の形態１に係る基準移動計画策定装置の動作を示すフローチャートである。 実施の形態１に係る基準移動計画策定装置の動作を説明するための図である。 実施の形態１に係る監視装置の一例を示す図である。 実施の形態１に係る基準移動計画策定装置の動作を示すフローチャートである。 実施の形態２に係る基準移動計画策定装置の構成例を示すブロック図である。 実施の形態２に係る基準移動計画策定装置の動作を説明するための図である。 実施の形態２に係る基準移動計画策定装置の動作を説明するための図である。 実施の形態３に係る基準移動計画策定装置の構成例を示すブロック図である。 実施の形態３に係る基準移動計画策定装置の動作を説明するための図である。 実施の形態３に係る基準移動計画策定装置の動作を説明するための図である。 実施の形態３に係る基準移動計画策定装置の動作を説明するための図である。 実施の形態３に係る基準移動計画策定装置の動作を説明するための図である。 実施の形態３に係る基準移動計画策定装置の動作を説明するための図である。 変形例に係る基準移動計画策定装置のハードウェア構成を示すブロック図である。 変形例に係る基準移動計画策定装置のハードウェア構成を示すブロック図である。
　＜実施の形態１＞
　以下の説明では、移動体が、航空管制によって監視及び誘導される航空機である場合を説明するが、これに限ったものではない。移動体は、例えば、海上交通における船舶、道路における車両、鉄道における列車など、他の交通の移動体であってもよい。
　図１は、本実施の形態１に係る基準移動計画策定装置１１と、移動体管制システム１３とを備える移動体管制支援システムの構成例を示す図である。
　基準移動計画策定装置１１は、移動体の標準的な移動計画である基準移動計画を策定する。移動体管制システム１３は、基準移動計画策定装置１１で策定された基準移動計画と、移動体の運行状況とを提示する。移動体の管制員は、移動体管制システム１３を利用して移動体の運行状況を確認し、基準移動計画に基づいて移動体の管制を行う。ここでは基準移動計画策定装置１１と移動体管制システム１３とを別サーバとして、これらがネットワーク１２で接続される構成を示したが、これに限ったものではない。例えば、基準移動計画策定装置１１と移動体管制システム１３とは、同じサーバ上でデータベースやメモリを介して実現してもよい。
　図２は、本実施の形態１に係る基準移動計画策定装置１１の構成例を示すブロック図である。図２の基準移動計画策定装置１１は、実績データ受信部２１と、分類基準定義部２２と、実績データ分類部２３と、代表経路作成部２４と、基準経路作成部２５と、基準経路送信部２６とを備える。
　図２の実績データ受信部２１は、移動体の移動履歴データである移動実績データを取得する。移動実績データは、移動体の移動履歴を表す航跡データを含む。図３は、航跡データの一例を示す図である。航跡データは、例えば移動体管制システム１３のレーダー等のセンサで得られた時系列のデータである。図３の航跡データは、移動体が観測された日付３１及び時刻３２と、移動体を識別するための便名などの移動体ＩＤ３３と、移動体の二次元での位置を示す緯度３４及び経度３５と、移動体の速度３６及び高度３７と、移動体の種類を表す型式３８とを含む。
　なお、移動実績データは、航跡データだけでなく、運航時点の移動環境を表す状況データを含んでもよい。図４は、状況データの一例を示す図である。状況データは、例えば航空機の飛行経路及び離着陸に使用する滑走路を左右する気象などの観測データである。図４の状況データは、航空機が観測された日付４１及び時刻４２と、観測地点を表す緯度４３及び経度４４と、観測地点の天気４５、風向４６、風速４７及び視程４８とを含む。図４の日付４１、時刻４２、緯度４３及び経度４４は、図３の日付３１、時刻３２、緯度３４及び経度３５とは対応関係を有する。
　図２の分類基準定義部２２は、移動実績データの航跡データを分類する基準となる１つ以上の分類基準を定義する。なお後述するように、分類基準定義部２２で定義された分類基準は、実績データ分類部２３によって用いられる。
　図５は、分類基準の一例を示す図である。図５の分類基準は、分類番号５１と、分類基準の名称５２と、分類数５３と、分類内容５４と、有効フラグ５５とを含む。つまり本実施の形態１では、分類基準は、航空機が移動した経路同士の間の類似度、航空機の移動実績の指標、種類、日時、及び、航空機の周辺状況の指標の少なくともいずれか１つを含む。
　分類内容５４は、分類基準の分類方法及び分類区分などを定義する。例えば、図５の「Ｎｏ．０００２」には、計算式「Ｍｉｄ（ＤａｔｅＴｉｍｅ（）,５,２）」で抽出される値で航跡データを１２の分類数で分類することが定義されている。計算式「Ｍｉｄ（ＤａｔｅＴｉｍｅ（）,５,２）」は、年月日を８桁の数字で示すＤａｔｅＴｉｍｅ（）の左から５文字目を基準にして右側に向かって２文字を抽出する。例えば、２０２２年３月１日のＤａｔｅＴｉｍｅ（）が「２０２２０３０１」と表される場合に、計算式「Ｍｉｄ（ＤａｔｅＴｉｍｅ（）,５,２）」は、「２０２２０３０１」の左から５文字目及び６文字目である「０３」、すなわち「３月」を抽出する。この場合、計算式「Ｍｉｄ（ＤａｔｅＴｉｍｅ（）,５,２）」は、「０１」～「１２」のいずれか１つを抽出するので、航跡データは１２の分類数で分類される。なお、分類内容５４は、計算式に限らず、「Ｎｏ．０００３」～「Ｎｏ．０００９」のように閾値などの分類区分で定義されてもよい。
　「Ｎｏ．０００１」の分類内容５４には、航跡データ間の距離または面積に対応する類似度に基づいて航跡データをＫ－ｍｅａｎｓ法で分類することが表されている。図６は、航跡データ間の距離の一例を示す図であり、図７は、航跡データ間の面積の一例を示す図である。これらの図では、緯度及び経度で表される２次元のイメージが示されているが、これに高度情報を加えて３次元のイメージが示されてもよい。以下、図６の航跡データ間の距離に対応する類似度について主に説明するが、図７の航跡データ間の面積に対応する類似度も概ね以下と同様である。
　図６の例では２つの航跡データ６１ａ，６１ｂの始点が一致し、２つの航跡データ６１ａ，６１ｂの終点が一致している。しかしながら、始点は当該空域に入った最初の観測データであり、終点は当該空域を出る前の最後の観測データまたは滑走路端であるので、実際には、２つの航跡データの始点のそれぞれと終点のそれぞれとは一致していない場合が多い。また、２つの航跡データの距離及び観測地点の数も異なる場合が多い。これらの場合、長さの異なる時系列データ間の距離は、動的時間伸縮法（ＤＴＷ：Ｄｙｎａｍｉｃ　Ｔｉｍｅ　Ｗａｒｐｉｎｇ）を用いて算出することができる。
　図６の例において、航跡データ６１ａと航跡データ６１ｂとの間の距離は、ＤＴＷによって算出される。航跡データ６１ａが通過点ａ０、ａ１、…、ａｍを有するデータＡを含み、航跡データ６１ｂが通過点ｂ０、ｂ１、…、ｂｎを有するデータＢを含む場合、航跡データ６１ａと航跡データ６１ｂとの間の距離Ｄ（Ａ，Ｂ）は、式（１）で算出することができる。
Figure JPOXMLDOC01-appb-M000001
　この距離が小さいほど、類似度が大きくなる。図７の航跡データ７１ａ，７１ｂ間の面積は、図６の通過点の数を無限大にした航跡データ６１ａ，６１ｂ間の距離に対応し、面積が小さいほど、類似度が大きくなる。以上のように、類似度と、図６の距離または図７の面積とは、それらの大小が逆となる対応関係を有する。
　なお、航跡データの始点と終点との間を距離または時間によってＮ等分した通過点またはＮ等分した点に最も近い通過点が算出されてもよい。そして、算出された通過点ａ１、ａ２、…、ａＮと、算出された通過点ｂ１、ｂ２、…、ｂＮとについてユークリッド距離を算出し、Ｎ個の距離の合計または平均が航跡データ間の距離として算出されてもよい。さらに、この距離の算出において、１番目からＮ番目の通過点に対して重みづけが行われてもよい。例えば、着陸機であれば、空港（滑走路）を目指して飛行するため、空港から遠い通過点よりも空港から近い通過点が航跡データ間の類似度を算出する上で重要であるとして、空港から近い通過点の重みを大きくしてもよい。
　図２の実績データ分類部２３は、分類基準定義部２２で定義された１つ以上の分類基準に基づいて、移動実績データが動的に反映された実績クラスタごとに、当該移動実績データを分類する。例えば分類基準が、図５の「Ｎｏ．０００２」から「Ｎｏ．０００９」のように分類内容５４の閾値などの分類区分で定義されている場合には、実績データ分類部２３は、定義された分類区分によって該当する航跡データを分類する。また例えば分類基準が、図５の「Ｎｏ．０００１」のように定義されている場合には、実績データ分類部２３は、航跡データ間の類似度に基づいて、教師なし学習であるＫ－ｍｅａｎｓ法により移動実績データを１０個の実績クラスタに分類する。教師なし学習とは、結果（ラベル）を含まない学習用データを学習装置に与えることによって、学習装置が、学習用データの特徴を学習することをいう。以下、このような学習の一例について説明する。
　図８は、実績データ分類部２３が、航跡データ間の類似度に基づいて、Ｋ－ｍｅａｎｓ法に従って航跡データを分類する動作を示すフローチャートである。
　まずステップＳ１にて、実績データ分類部２３は、各航跡データをランダムに実績クラスタｃ（ｃは１～１０）に割り当てる。例えば、初めてステップＳ１を行う場合には、ステップＳ１の実績クラスタにはデフォルトの実績クラスタが用いられ、２回目以降にステップＳ１を行う場合には、ステップＳ１の実績クラスタには前回処理時に求められた実績クラスタが用いられる。
　ステップＳ２にて、実績データ分類部２３は、各実績クラスタの中心ｍｅａｎｓ（ｃ）を求める。以下、複数の航跡データが、一の実績クラスタに割り当てられている場合を適宜例にして説明する。実績クラスタの中心ｍｅａｎｓ（ｃ）は、複数の航跡データのうち、一の航跡データを除く他の航跡データと類似度の合計が最大となる一の航跡データである。
　なお図６及び図７のように、類似度が距離または面積で表されている場合、上述したように類似度と、距離または面積とは、それらの大小が逆となる対応関係を有する。類似度と、距離または面積との大小を揃えることが好ましい場合には、例えば距離または面積の逆数を類似度と定義すればよい。
　図９は、図８のステップＳ２の動作を示すフローチャートである。
　まずステップＳ１１にて、実績データ分類部２３は、実績クラスタｃに分類された航跡データのリストを取得する。ステップＳ１２にて、実績データ分類部２３は、類似度の最大値ｍａｘＳ及び中心ｍｅａｎｓに、０及びｎｕｌｌを設定することにより、これらを初期化する。
　ステップＳ１３の前に、実績データ分類部２３は、航跡データのリストから一の航跡データｔ１を取得する。ステップＳ１３にて、実績データ分類部２３は、一の航跡データｔ１に関する類似度を表すＳ（ｔ１）を初期化する。
　ステップＳ１４の前に、実績データ分類部２３は、航跡データのリストから、一の航跡データｔ１と同じ実績クラスタｃに分類された、一の航跡データｔ１でない別の航跡データｔ２を取得する。ステップＳ１４にて、実績データ分類部２３は、一の航跡データｔ１と別の航跡データｔ２との間の距離または面積に対応する類似度ｓ（ｔ１，ｔ２）を算出する。ステップＳ１５にて、実績データ分類部２３は、Ｓ（ｔ１）にｓ（ｔ１，ｔ２）を加算する。
　実績データ分類部２３は、以上のステップＳ１４及びステップＳ１５を、別の航跡データｔ２を変更しながら繰り返し行う。この繰り返しは、別の航跡データｔ２が、一の航跡データｔ１を除く、実績クラスタｃに分類された全ての航跡データに設定されるまで行われる。
　ステップＳ１６にて、実績データ分類部２３は、Ｓ（ｔ１）がｍａｘＳよりも大きいか否かを判定する。Ｓ（ｔ１）がｍａｘＳよりも大きい場合には処理がステップＳ１７に進み、Ｓ（ｔ１）がｍａｘＳ以下である場合にはステップＳ１７がスキップされる。
　ステップＳ１７にて、実績データ分類部２３は、ｍａｘＳ＝Ｓ（ｔ１）とし、一の航跡データｔ１を、実績クラスタｃの中心ｍｅａｎｓ（ｃ）として保持する。
　実績データ分類部２３は、以上のステップＳ１３～ステップＳ１７を、一の航跡データｔ１を変更しながら繰り返し行う。この繰り返しは、一の航跡データｔ１が、実績クラスタｃに分類された全ての航跡データに設定されるまで行われる。以上の図９の処理によって、実績クラスタｃの中心ｍｅａｎｓ（ｃ）が求められる。
　図８のステップＳ３にて、実績データ分類部２３は、実績クラスタの中心が変化したか否かを判定する。実績クラスタの中心が変化したと判定された場合には図８の動作が終了し、実績クラスタの中心が変化したと判定されなかった場合には処理がステップＳ４に進む。
　ステップＳ４の前に、実績データ分類部２３は、全ての航跡データｔｒａｃｅから一の航跡データを取得する。ステップＳ４にて、実績データ分類部２３は、一の航跡データと、各実績クラスタの中心との類似度を求める。ステップＳ５にて、実績データ分類部２３は、一の航跡データを、類似度が最大である実績クラスタに割り当て直す。
　実績データ分類部２３は、以上のステップＳ４及びステップＳ５を、一の航跡データを変更しながら繰り返し行う。実績データ分類部２３は、一の航跡データｔ１が、全ての航跡データに設定されるまで、一の航跡データを変更する。
　ステップＳ６にて、実績データ分類部２３は、実績クラスタへの割当変更がなくなったか否かを判定する。実績クラスタへの割当変更がなくなったと判定された場合には図８の動作が終了し、実績クラスタへの割当変更がなくなったと判定されなかった場合には、処理がステップＳ２に戻る。
　以上をまとめると、実績データ受信部２１は、第１航跡データと第２航跡データとを含む移動実績データを、学習用データとして取得する。そして、実績データ分類部２３は、学習用データに基づいて、第１航跡データ及び第２航跡データから実績クラスタの特徴量を推論するための学習モデルを生成する。なお、実績クラスタと分類基準とは同等に扱うことができ、実績クラスタの特徴量は、例えば分類基準の種類及び閾値に対応する。
　また、実績データ受信部２１は、第３航跡データを含む移動実績データを取得する。そして、実績データ分類部２３は、航跡データから実績クラスタの特徴量を推論するための学習モデルを用いて、実績データ受信部２１で取得した第３航跡データを実績クラスタに分類する。
　このような構成によれば、飛行経路のパターンの抽出における過不足を低減することができる。なお以上の説明では、実績データ受信部２１は、教師なし学習の一例であるＫ－ｍｅａｎｓ法による非階層型クラスタリングを行ったが、例えば最短距離法などの階層型クラスタリングを行ってもよい。また以上の説明では、実績データ受信部２１は、教師なし学習を行ったが、例えば代表的な経路を教師データとした教師あり学習、実績クラスタ間の分離度を報酬とした強化学習、または半教師あり学習等を行ってもよい。また以上の説明では、実績データ受信部２１は、移動実績データの航跡データについて学習を行ったが、移動実績データの航跡データ及び状況データについて学習を行ってもよい。なお、以下で説明する第１実績クラスタ及び第２実績クラスタは、上記実績クラスタに含まれる。
　図２の代表経路作成部２４は、実績クラスタに分類された移動実績データに基づいて、実績クラスタを代表する経路である代表経路を、実績クラスタごとに作成する。
　図１０、図１１及び図１２は、代表経路作成部２４による代表経路の作成例を説明するための図である。
　図１０の例では、代表経路作成部２４は、一の実績クラスタ内の航跡データ１０１ａ，１０１ｂ，１０１ｃ，１０１ｄのそれぞれをＮ個（図１０では４個）の通過点に分割する。そして、代表経路作成部２４は、航跡データ１０１ａ，１０１ｂ，１０１ｃ，１０１ｄの対応する通過点を平均して得られる平均通過点を通る経路を代表経路１０２として作成する。
　例えば、代表経路作成部２４は、航跡データ１０１ａ～１０１ｄの通過点ａ１～ｄ１を平均することによって、１番目の平均通過点ｐ１を求め、航跡データ１０１ａ～１０１ｄの通過点ａ２～ｄ２を平均することによって、２番目の平均通過点ｐ２を求める。代表経路作成部２４は、Ｎ番目の平均通過点ｐＮが求まるまで、この算出を行う。そして、代表経路作成部２４は、１番目、２番目、…、Ｎ番目の平均通過点ｐ１，ｐ２，…，ｐＮを通る経路を代表経路１０２として作成する。このように図１０の例では、代表経路作成部２４は、複数の移動実績データが示す複数の経路を、緯度経度と、速度と、高度との少なくともいずれか１つに関して平均して得られる経路を、一の実績クラスタの代表経路として設定する。
　図１１の例では、代表経路作成部２４は、一の実績クラスタ内の航跡データ１１１ａ，１１１ｂ，１１１ｃ，１１１ｄのそれぞれをＮ個の通過点に分割する。以下、Ｎが４である場合を例にして説明する。代表経路作成部２４は、通過点ａ１と通過点ｂ１との間の距離、通過点ａ１と通過点ｃ１との間の距離、及び、通過点ａ１と通過点ｄ１との間の距離の合計を、通過点ａ１の合計距離として算出する。代表経路作成部２４は、通過点ａ１の合計距離と同様に、通過点ａ２、通過点ａ３、通過点ａ４の合計距離を算出し、通過点ａ１～通過点ａ４の合計距離を合計した値を、航跡データ１１１ａの類似度に対応する値として算出する。
　代表経路作成部２４は、航跡データ１１１ａの類似度に対応する値と同様に、航跡データ１１１ｂ、航跡データ１１１ｃ、航跡データ１１１ｄの類似度に対応する値を算出する。そして、代表経路作成部２４は、類似度に対応する値が最小となる航跡データ、つまり類似度が最大となる航跡データを、一の実績クラスタの代表経路として作成する。このように図１１の例では、代表経路作成部２４は、一の航跡データを除く他の航跡データと類似度が最大となる一の航跡データの経路を、一の実績クラスタの代表経路として作成する。なお、この代表経路は、上述したＫ－ｍｅａｎｓ法により作成された実績クラスタの中心と実質的に同じである。
　図１１の例では、代表経路作成部２４は、航跡データ１１１ａ～１１１ｄ同士の間の距離を、類似度に対応する値として用いた。これに対して、図１２の例では、代表経路作成部２４は、航跡データ１２１ａ～１２１ｄ同士の間の面積を、類似度に対応する値として用いる。図１２のハッチング部分の面積は、航跡データ１２１ａと航跡データ１２１ｃとの類似度に対応する値を表す。この図１２の例は、すなわち図１１で航跡データを分割する通過点の数を無限大にするのと実質的に同じである。
　なお、図１０～図１２の例では、複数の航跡データの始点が一致し、複数の航跡データの終点が一致しているが、始点及び終点の少なくともいずれかが一致していない場合は、始点及び終点を通過点と同様に扱えば、上記によって代表経路を作成することができる。
　図２の基準経路作成部２５は、代表経路から特徴点を抽出し、抽出された特徴点に基づいて、当該特徴点で構成される基準経路を作成する。
　図１３は、緯度経度で表される代表経路１３１からの、緯度経度で表される基準経路１４１の作成例を説明するための図である。図１４は、基準経路作成部２５が基準経路１４１を作成する動作を示すフローチャートである。
　まずステップＳ２１の前に、基準経路作成部２５は、実績クラスタｆを０に設定し、実績クラスタｆの代表経路１３１を取得する。ステップＳ２１にて、基準経路作成部２５は、取得された代表経路１３１を一定の区間ｔごとに区切る。区間を区切る基準は距離であってもよいし、時間であってもよい。代表経路１３１から複数の区間を区切ることは、代表経路１３１から点群を抽出することに対応する。
　ステップＳ２２にて、基準経路作成部２５は、代表経路１３１に基づいて、始点の航空機の機首の向きｖ（０）を算出する。向きは例えば真北を０°（＝３６０°）、真東を９０°、真南を１８０°、真西を２７０°とするような数値で表す。
　ステップＳ２３の前に、基準経路作成部２５は、区間ｔを１に設定する。なお、ｔ＝０の区間ｔは、始点に対応する。ステップＳ２３にて、基準経路作成部２５は、代表経路１３１に基づいて、区間ｔの航空機の機首の向きｖ（ｔ）を算出する。
　ステップＳ２４にて、基準経路作成部２５は、ｖ（ｔ）とｖ（ｔ－１）との差（絶対値）が閾値以上であるか否かを判定する。差が閾値以上であると判定された場合には処理がステップＳ２５に進み、差が閾値以上であると判定されなかった場合にはステップＳ２５がスキップされる。
　ステップＳ２５にて、基準経路作成部２５は、機首の向きが変化した、すなわち管制員である航空管制官の管制指示により航空機の進行方向が変化したと判定する。そして基準経路作成部２５は、区間ｔの位置ｐ（ｔ）及び区間ｔ－１の位置ｐ（ｔ－１）を代表する位置を特徴点として記憶する。ここでは、代表する位置（つまり特徴点）として、位置ｐ（ｔ）が記憶されるが、これに限ったものではなく、例えば、位置ｐ（ｔ－１）が記憶されてもよいし、位置ｐ（ｔ）と位置ｐ（ｔ－１）との中間点が記憶されてもよい。
　基準経路作成部２５は、以上のステップＳ２３～ステップＳ２５を、区間ｔをインクリメントして変更しながら繰り返し行う。ステップＳ２６にて、基準経路作成部２５は、記憶された特徴点を連結して実績クラスタｆの基準経路１４１を作成する。図１３では、その例として、スプライン補間によって作成された実線の基準経路１４１と、線形補間によって作成された一点鎖線の基準経路１４１とが図示されている。
　基準経路作成部２５は、以上のステップＳ２１～ステップＳ２６を、実績クラスタｆをインクリメントして変更しながら繰り返し行う。これにより、全ての実績クラスタの代表経路１３１について基準経路１４１が作成される。
　以上では、基準経路作成部２５が、代表経路１３１の方位が閾値以上変化した地点を特徴点として抽出し、当該特徴点に基づいて基準経路１４１を作成する場合について説明したが、これに限ったものではない。例えば、基準経路作成部２５は、方位と同様に、代表経路１３１の高度または速度が閾値以上変化した地点を特徴点として抽出し、当該特徴点に基づいて基準経路１４１を作成してもよい。
　図１５は、緯度経度で表される基準経路が作成される例を説明するための図である。基準経路作成部２５は、代表経路１５１を単位時間の区間ごとに区切り、連続する２つの区間の航空機の高度変化を求める。そして、基準経路作成部２５は、高度変化の差が閾値以上である場合に、当該２つの区間において航空管制官による管制指示として高度変更指示があったと判定し、当該２つの区間を代表する区間を特徴点として抽出する。例えば、基準経路作成部２５は、高度差１５２ｂと高度差１５２ａとの差が閾値以上であれば、地点１５３ａを特徴点と判定し、高度差１５２ｃと高度差１５２ｂとの差が閾値以上でなければ、地点１５３ｂを特徴点と判定しない。
　速度についても高度と同様に特徴点が求められてもよい。基準経路作成部２５は、代表経路１５１を単位時間の区間ごとに区切り、連続する２つの区間の航空機の速度差を求める。そして、基準経路作成部２５は、速度差が閾値以上である場合に、当該２つの区間において航空管制官による管制指示として速度変更指示があったと判定し、当該２つの区間を代表する区間を特徴点として抽出する。
　また、基準経路作成部２５は、特徴点として抽出された点群のうちの２点の間の距離が閾値以下である場合に、２点のいずれか一方、または、２点の中間点を特徴点として抽出してもよい。また、基準経路作成部２５は、特徴点として抽出された点群のうちの２点の間の時間差が閾値以下である場合に、２点のいずれか一方、または、２点の中間点を特徴点として抽出してもよい。
　以上のような処理を行うことにより、航空管制官が管制指示を発出する目安となる少数の特徴点を抽出することができるので、基準経路の複雑化を抑制することができ、航空管制官の管制負荷を軽減することができる。
　なお、基準経路作成部２５は、航空機の移動履歴ではなく、航空管制官の音声またはキーボードなどから航空機への管制指示を取得し、管制指示を発出した地点または時刻に基づいて特徴点を抽出してもよい。また基準経路作成部２５は、航空管制官によって監視装置を用いて行われる航空機の監視に基づいて、管制指示の対象となる航空機（以下「管制対象航空機」と記すこともある）を推定してもよい。具体的には、基準経路作成部２５は、航空管制官が監視している管制画面における注視位置に基づいて、管制対象航空機を推定してもよい。以下、管制対象航空機を推定する方法について説明する。
　図１６は、航空管制官が航空機の監視を行うための監視装置の一例を示す図である。航空管制官１６１が、監視装置の管制画面１６２を用いて航空管制業務を行う際、管制画面１６２に設けられた視線計測装置１６３によって航空管制官１６１の注視位置を計測する。基準経路作成部２５は、注視位置と、画面に表示された航空機の位置とに基づいて、注視している航空機を、管制対象航空機として推定する。
　図１７は、基準経路作成部２５が航空管制官の視線情報に基づいて管制対象航空機を推定する動作を示すフローチャートである。
　まずステップＳ３１にて、基準経路作成部２５は、航空管制官から複数の管制指示を取得する。
　ステップＳ３２の前に、基準経路作成部２５は、複数の管制指示から一の管制指示ｇを取得する。ステップＳ３２にて、基準経路作成部２５は、一の管制指示が発出された時刻ｔにおける航空管制官の視線位置に基づいて、視線計測装置１６３上の視線位置に対応する視線座標を取得する。
　ステップＳ３３にて、基準経路作成部２５は、時刻ｔに管制画面１６２に表示されていた空域情報に基づいて、視線座標を緯度及び経度ｐ（ｇ，ｔ）に変換する。ステップＳ３４にて、基準経路作成部２５は、緯度及び経度ｐ（ｇ，ｔ）と、管制画面１６２に表示されていた航空機との最小距離Ｄを初期化する。ここでは、最小距離Ｄとして許容できる最大値Ｄｍａｘを最小距離Ｄに設定することによって、最小距離Ｄを初期化する。
　ステップＳ３５の前に、基準経路作成部２５は、時刻ｔに管制画面１６２に表示されていた複数の航空機から一の航空機ｈを取得する。ステップＳ３５にて、基準経路作成部２５は、航空機ｈの緯度及び経度ｐ（ｈ，ｔ）を取得する。ステップＳ３６にて、基準経路作成部２５は、時刻ｔの航空管制官１６１の視線座標の緯度及び経度ｐ（ｇ，ｔ）と、航空機ｈの緯度及び経度ｐ（ｇ，ｔ）との間の距離ｄを算出する。
　ステップＳ３７にて、基準経路作成部２５は、距離ｄが最小距離Ｄよりも小さいか否かを判定する。距離ｄが最小距離Ｄよりも小さいと判定された場合には処理がステップＳ３８に進み、距離ｄが最小距離Ｄよりも小さいと判定されなかった場合にはステップＳ３８及びステップＳ３９がスキップされる。
　ステップＳ３８にて、基準経路作成部２５は、最小距離Ｄを距離ｄに更新する。ステップＳ３９にて、基準経路作成部２５は、管制指示ｇの対象となる航空機は航空機ｈであると推定して記憶する。
　基準経路作成部２５は、以上のステップＳ３５～ステップＳ３９を、航空機ｈをインクリメントして変更しながら繰り返し行う。これにより、時刻ｔに管制画面１６２に表示されていた複数の航空機のうち、緯度及び経度が視線座標に最も近い航空機が、管制指示ｇの対象となる航空機として推定される。基準経路作成部２５は、以上のステップＳ３２～ステップＳ３９を、管制指示ｇをインクリメントして変更しながら繰り返し行う。これにより、全ての管制指示のそれぞれについて、管制指示の対象となる航空機が推定される。
　図２の基準経路送信部２６は、基準経路作成部２５で作成された基準経路を送信する。基準移動計画策定装置１１で策定された基準経路は、例えば図１の移動体管制システム１３で提示される。
　＜実施の形態１のまとめ＞
　以上のような本実施の形態１に係る基準移動計画策定装置１１によれば、実績データ分類部２３が、分類基準に基づいて、移動実績データが反映された実績クラスタごとに、当該移動実績データを分類する。このため、移動実績データを分類するための実績クラスタに、運航状況や気象状況、飛行制限など移動体の移動実績が反映されるため、移動実績データを適切に分類することができる。
　また本実施の形態１では、実績データ分類部２３が、航跡データの類似度に基づいて、航跡データを実績クラスタに分類する。このような構成によれば、航跡データについて有意な分類ができるので、過不足が低減された基準経路を効率的に作成できるだけでなく、飛行制限及び空域の混雑状況などの移動実績に記録されていない運航状況を考慮した基準経路を作成できる。
　また本実施の形態１では、分類基準は、移動体が移動した経路同士の間の類似度、移動体の移動実績の指標、種類、日時、及び、移動体の周辺状況の指標の少なくともいずれか１つを含む。このような構成によれば、移動体の運行経路を左右する主要な要因を分類基準として設定することができるので、移動実績データを適切に分類することができる。
　また本実施の形態１では、代表経路作成部２４は、複数の移動実績データが示す複数の経路を、緯度経度と、速度と、高度との少なくともいずれか１つに関して平均することによって、一の実績クラスタの代表経路を作成する。または、代表経路作成部２４は、複数の移動実績データのうち、一の移動実績データを除く他の移動実績データと類似度が最大となる一の移動実績データの経路を、一の実績クラスタの代表経路として設定する。このような構成によれば、基準経路の作成に用いられる代表経路を適切に作成することができるので、基準経路を適切に作成することができる。
　また本実施の形態１では、基準経路作成部２５は、航空管制官から移動体へ管制指示を発出した地点または時刻に基づいて、基準経路を作成するための特徴点を抽出する。このような構成によれば、航空管制官が管制指示を発出する目安となる箇所を提示することができるので、航空管制官が管制指示を発出するために運航状況を監視し続けなければならない負荷を軽減することができる。
　また本実施の形態１では、基準経路作成部２５は、特徴点として抽出された点群のうちの２点の間の距離、または、特徴点として抽出された点群のうちの２点の間の時間差に基づいて、２点を代表する点を特徴点として抽出する。このような構成によれば、航空管制官から移動体へ管制指示を発出した可能性が高い点を効率的に抽出することができ、航空管制官が管制指示を発出するために運航状況を監視する負荷をさらに軽減することができる。
　＜実施の形態２＞
　図１８は、本実施の形態２に係る基準移動計画策定装置１１の構成例を示すブロック図である。以下、本実施の形態２に係る構成要素のうち、上述の構成要素と同じまたは類似する構成要素については同じまたは類似する参照符号を付し、異なる構成要素について主に説明する。
　図１８の構成は、図２の構成に実績データクレンジング部１８１が追加された構成と同様である。実績データクレンジング部１８１は、いずれかの実績クラスタに分類された移動実績データから、特異な移動実績データを除外する。特異であるかどうかは、例えば、状況データの値の分布、航跡データの類似度、飛行実績の値の分布などの各種分布に基づいて判定すればよい。代表経路作成部２４は、実績データクレンジング部１８１で除外されなかった移動実績データに基づいて代表経路を作成する。
　以下、視程（状況データの一つ）の値の分布に基づいて実績データクレンジングを行う例について説明する。図１９は、図５の「Ｎｏ．０００７」の視程において、１つの分類区分として規定されている「０～８，０００」をより詳細に分類したときの、視程の度数分布を示す図である。図１９の「０～８，０００」は、視程の数値の一例であり、視程の数値には、図１９以外の数値が用いられてもよい。
　図１９の例では、視程が４，０００ｍ未満である移動実績データはほとんど存在しないので、視程４，０００ｍ未満の移動実績データと、視程４，０００ｍ以上の移動実績データとは傾向が異なる可能性が高い。ここで、移動実績データがほとんど存在しないか否かの判定は、全移動実績データの１％～５％のいずれかの値以下であるか否かに基づいて行う。例えば、視程が４，０００ｍ未満であるサンプル数が、視程が「０～８，０００」であるサンプルのうちの５％未満である場合には、実績データクレンジング部１８１は、視程が４，０００ｍ未満の移動実績データはほとんど存在しないと判定する。
　実績データクレンジング部１８１は、このように判定した場合に、視程４，０００ｍ未満の移動実績データは傾向が異なる可能性が高いと判定して、視程が「０～８，０００」である移動実績データから、視程が４，０００ｍ未満の移動実績データを除外する。
　次に、飛行実績（状況データの一つ）の値の分布に基づく実績データクレンジングを説明する。図２０は、特定区間の飛行時間の度数分布を示す図である。図２０の「０～１２００」は、飛行時間の数値の一例であり、飛行時間の数値には、図２０以外の数値が用いられてもよい。なお、特定区間は、例えば着陸機の場合の入域から着陸までの区間を含む。
　図２０の例において、飛行時間が３００秒未満、または、飛行時間が９００秒以上である移動実績データのそれぞれが、飛行時間が「０～１２００」である移動実績データのうちの５％未満である場合を想定する。この場合には、実績データクレンジング部１８１は、飛行時間が３００秒未満、または、飛行時間が９００秒以上である移動実績データはほとんど存在しないと判定する。そして、実績データクレンジング部１８１は、飛行時間が「０～１２００」である移動実績データから、飛行時間が３００秒未満、及び、飛行時間が９００秒以上である移動実績データを除外する。この結果、代表経路作成部２４は、実績データクレンジング部１８１で除外されていない移動実績データ、つまり、飛行時間が「０～１２００」である移動実績データのうちの５％～９５％を占める移動実績データに基づいて代表経路を作成する。
　なお、ここでは分布の両側のそれぞれに対して５％未満である移動実績データを除外したが、これに限ったものではない。例えば、分布の片側だけ移動実績データを除外してもよい。また例えば、飛行時間の短い方は５％未満の移動実績データを除外し、飛行時間の長い方は１％未満の移動実績データを除外するというように、分布の一方側と他方側との閾値が異なってもよい。
　実績データクレンジング部１８１による特異な移動実績データの除外、ひいては特異な航跡データの除外は、以上に限ったものではない。例えば、実績データクレンジング部１８１は、一の実績クラスタに分類された一の航跡データと、当該一の実績クラスタの代表経路との類似度を算出してもよい。そして、実績データクレンジング部１８１は、類似度が閾値以下である場合に、上記一の航跡データを上記一の実績クラスタから除外してもよい。ここでいう類似度には、例えば図６及び図７で説明した類似度を用いればよい。なお、実績データクレンジング部１８１は、類似度が閾値よりも大きくなるまで、類似度の算出と、航跡データの除外と、代表経路の作成とを繰り返し行ってもよい。
　類似度を用いる別の例として、実績データクレンジング部１８１は、第１実績クラスタＣａに分類された一の航跡データと、当該第１実績クラスタＣａの代表経路Ｒａとの類似度Ｓａを算出してもよい。そして、実績データクレンジング部１８１は、当該一の航跡データと、第１実績クラスタＣａとは別の第２実績クラスタＣｂの代表経路Ｒｂとの類似度Ｓｂを算出してもよい。それから、実績データクレンジング部１８１は、類似度Ｓａが類似度Ｓｂよりも低い場合に、当該一の航跡データは第１実績クラスタＣａに属するべきではないと判定して、当該一の航跡データを第１実績クラスタＣａから除外してもよい。この場合に、実績データクレンジング部１８１は、当該一の航跡データを第２実績クラスタＣｂに追加してもよい。
　＜実施の形態２のまとめ＞
　以上のような本実施の形態２に係る基準移動計画策定装置１１によれば、実績データクレンジング部１８１は、いずれかの実績クラスタに分類された移動実績データから、特異な移動実績データを除外する。このような構成によれば、適切な分類基準が得られるので、精度の高い代表経路を作成することができる。
　＜実施の形態３＞
　図２１は、本実施の形態３に係る基準移動計画策定装置１１の構成例を示すブロック図である。以下、本実施の形態３に係る構成要素のうち、上述の構成要素と同じまたは類似する構成要素については同じまたは類似する参照符号を付し、異なる構成要素について主に説明する。
　図２１の構成は、図２の構成に実績クラスタ評価部２１１が追加された構成と同様である。実績クラスタ評価部２１１は、実績データ分類部２３による移動実績データの分類結果に基づいて、分類基準を変更する。例えば、実績クラスタ評価部２１１は、移動実績データの分類に使用されていない属性に関して、一の実績クラスタに分類された移動実績データの分布を作成し、当該分布に基づいて属性を分類基準として設定する。
　図２２及び図２３は、ある実績クラスタに分類された航跡データの時間帯に関する度数分布の一例を示す図である。この度数分布は、例えば図５の「Ｎｏ．０００３」の時間帯を実績クラスタの分類に使用せずに、「Ｎｏ．０００１」の航跡データの類似度に基づいて実績クラスタを作成した場合に得られる。
　実績クラスタ評価部２１１は、統計学的な検定、及び、予め定められた閾値（例えば「全体のデータの８割が占めること」など）に基づいて、度数分布が偏っているか分散しているかを判定する。そして、実績クラスタ評価部２１１は、度数分布が偏っていると判定した場合に、偏っている属性を分類基準として設定する。
　例えば、実績クラスタ評価部２１１は、図２２の度数分布は深夜及び早朝に偏っていると判定し、深夜及び早朝を表す実績クラスタが存在すると判定して、深夜及び早朝を分類基準に追加する。逆に、実績クラスタ評価部２１１は、図２３の度数分布は分散していると判定し、時間帯のいずれかを表す実績クラスタは存在しないと判定して、時間帯を分類基準に追加しない。なお、上述した分布は、発生頻度（サンプル数）の分布であったが、これに限ったものではなく、例えば１２～１５時の全航跡データのうちの何％が当該実績クラスタに分類されるかを表す割合の分布であってもよい。
　以上のように、実績クラスタについて、分布の小さい属性（つまり共通する属性）及び分布の大きい属性（つまりばらつきが大きい属性）を抽出することで、当該実績クラスタを特徴づける適切な分類基準を設定することができる。
　なお、発生頻度の高い属性が複数ある場合、または、属性の値が大きく異なる場合には、傾向が異なる属性が混在している可能性がある。以下この例について説明する。
　図２４は、ある実績クラスタに分類された航跡データの風向に関する度数分布の一例を示す図である。風向は、Ｎ（北）、ＮＥ（北東）、Ｅ（東）、ＳＥ（南東）、Ｓ（南）、ＳＷ（南西）、Ｗ（西）、ＮＷ（北西）を含む。図２４の例では、Ｎ周辺（Ｎ及びＮＷ）とＳ周辺（ＳＥ，Ｓ及びＳＷ）とにおいて発生頻度が高く、Ｅ及びＷにおいて発生頻度が低い。また、ＮとＳは正反対の方角である。この場合、Ｎ周辺とＳ周辺との傾向が異なる可能性がある。このような場合に、実績クラスタ評価部２１１は、実績クラスタの属性を分離することによって、分類基準を分離してもよい。
　ここで、自然言語処理の分野において、文書の内容を特徴づけるキーワードを抽出する手法として「ＴＦ－ＩＤＦ（Ｔｅｒｍ　Ｆｒｅｑｕｅｎｃｙ－Ｉｎｖｅｒｓｅ　Ｄｏｃｕｍｅｎｔ　Ｆｒｅｑｕｅｎｃｙ」が知られている。ＴＦ－ＩＤＦは、ある文書で高頻度に出現し、かつ他文書での出現頻度が低い単語を当該文書のキーワードとして抽出する手法である。具体的には、ＴＦ－ＩＤＦでは、文書内でのある単語の出現頻度を表すｔｆ（ＴＦ）と、全文書の中である単語が含まれる文書の割合の逆数を表すｉｄｆ（ＩＤＦ）との積が算出され、その積の値が高いキーワードが抽出される。換言すれば、ＴＦ－ＩＤＦでは、文書内でのある単語の出現頻度が高く、かつ、全文書の中である単語が含まれる文書の割合が低いキーワードが抽出される。
　このことに鑑みて、実績クラスタ評価部２１１は、移動実績データの分類に使用されていない属性に関して、第１実績クラスタに分類された第１移動実績データの出現頻度が第１閾値以上であり、かつ、第１実績クラスタとは別の第２実績クラスタに分類された第２移動実績データの出現頻度が第２閾値以下であるかを判定してもよい。そして、実績クラスタ評価部２１１は、第１移動実績データの出現頻度が第１閾値以上であり、かつ、第２移動実績データの出現頻度が第２閾値以下であると判定した場合に、上記属性を分類基準として設定してもよい。
　図２５は、実績クラスタａ，ｂ，ｃの風向に関する度数分布の一例を示す図であり、図２６は、その数値を示す図である。
　実績クラスタｉの属性ｊのｔｄ－ｉｄｆは、式（２）により算出される。ｆ（ｉ，ｊ）は実績クラスタｉ内の属性ｊの出現回数、ｄｆ（ｉ）は属性ｊが出現する実績クラスタ数、Ｉはクラスタ数（ここでは３０回以上出現するクラスタ数とする）、Ｊは属性の分類数である。
Figure JPOXMLDOC01-appb-M000002
　図２５及び図２６の例では、風向Ｎ（ｊ＝０）に関する実績クラスタａのｔｆ－ｉｄｆ（ａ，０）と、風向Ｓ（ｊ＝４）に関する実績クラスタｂのｔｆ－ｉｄｆ（ｂ，４）とは、式（３）のように算出される。
Figure JPOXMLDOC01-appb-M000003
　風向Ｎに関する実績クラスタａの出現頻度と、風向Ｓに関する実績クラスタｂの出現頻度とはほぼ同じであるため、ｔｆ（ａ，０）とｔｆ（ｂ，４）とはほぼ同じ値になる。一方、風向Ｓは、実績クラスタｂだけでなく実績クラスタｃでも多く出現するため、風向Ｓに関する実績クラスタｂのｉｄｆ（ｂ，４）は、実績クラスタａの風向Ｎのｉｄｆ（ａ，０）よりも小さくなる。この結果、ｔｆ－ｉｄｆ（ｂ，４）は、ｔｆ－ｉｄｆ（ａ，０）よりも小さくなり、ｔｆ－ｉｄｆが高い属性である風向Ｎが、実績クラスタの分類基準として設定される。
　このことは、風向Ｎに関する実績クラスタａの出現頻度が第１閾値以上となり、風向Ｎに関する実績クラスタｂ，ｃの出現頻度が第２閾値以下となることにより、風向Ｎが実績クラスタの分類基準として設定されることに対応する。そして、風向Ｓに関する実績クラスタｂの出現頻度が第１閾値以上となり、風向Ｓに関する実績クラスタａ，ｃの出現頻度が第２閾値より大きくなることにより、風向Ｓが実績クラスタの分類基準として設定されないことに対応する。
　実績クラスタ評価部２１１は、２つの実績クラスタの代表経路同士が類似する場合に、２つの実績クラスタを統合してもよい。すなわち、実績クラスタ評価部２１１は、第１実績クラスタの代表経路と、第２実績クラスタの代表経路との類似度を算出し、類似度が閾値以上である場合に、第１実績クラスタと第２実績クラスタとを統合してもよい。
　ここで、同じ経路を飛行する航空機同士は、それぞれの飛行速度でコントロールできるため、航空機が安全に飛行するために航空機間の間隔を注視する航空管制官には、それら航空機の将来の間隔を予測しやすい。しかしながら、異なる経路を飛行する航空機同士は方位、高度、速度などより多くの要素を考慮して予測しなければならないため、航空管制官の管制業務が複雑になる。これに対して以上のような構成によれば、上記のように代表経路を適切に削減することができるので、異なる経路を飛行する航空機の数を減らすことができる。この結果、航空管制官の監視業務を簡素化することができ、航空管制官の負荷を削減できる。
　また、実績クラスタ評価部２１１は、第１実績クラスタと第２実績クラスタとを暫定的に統合して得られる第３実績クラスタの代表経路を作成してもよい。そして、実績クラスタ評価部２１１は、第３実績クラスタの代表経路と、第１実績クラスタの代表経路との類似度を算出し、第３実績クラスタの代表経路と、第２実績クラスタの代表経路との類似度を算出してもよい。実績クラスタ評価部２１１は、両方の類似度が閾値以上である場合に、第１実績クラスタと第２実績クラスタとを統合してもよい。
　第１実績クラスタ及び第２実績クラスタを暫定的に統合しても代表経路が大きく変化しないということは、第１実績クラスタ及び第２実績クラスタを分離する意義が少ないことを意味する。このため、第１実績クラスタ及び第２実績クラスタを統合することで、代表経路の数を削減できるので、異なる経路を飛行する航空機の数を減らすことができる。この結果、航空管制官の監視業務を簡素化することができ、航空管制官の負荷を削減できる。また、一つの実績クラスタを構成する航跡データのサンプル数が増加するため、実績データの質を高めることができ、代表経路をより高精度化することができる。
　＜実施の形態３のまとめ＞
　以上のような本実施の形態３に係る基準移動計画策定装置１１によれば、実績クラスタ評価部２１１は、実績データ分類部２３による移動実績データの分類結果に基づいて、分類基準を変更する。このような構成によれば、適切な分類基準が得られるので、精度の高い代表経路を作成することができる。
　＜変形例＞
　上述した図２の実績データ受信部２１、分類基準定義部２２、実績データ分類部２３、代表経路作成部２４、基準経路作成部２５、及び、基準経路送信部２６を、以下「実績データ受信部２１等」と記す。実績データ受信部２１等は、図２７に示す処理回路８１により実現される。すなわち、処理回路８１は、移動体の移動実績データを取得する実績データ受信部２１と、移動実績データを分類する基準となる１つ以上の分類基準を定義する分類基準定義部２２と、分類基準に基づいて、移動実績データが反映された実績クラスタごとに、当該移動実績データを分類する実績データ分類部２３と、実績クラスタに分類された移動実績データに基づいて、実績クラスタを代表する経路である代表経路を、実績クラスタごとに作成する代表経路作成部２４と、代表経路の特徴点に基づいて基準経路を作成する基準経路作成部２５と、基準経路を送信する基準経路送信部２６と、を備える。処理回路８１には、専用のハードウェアが適用されてもよいし、メモリに格納されるプログラムを実行するプロセッサが適用されてもよい。プロセッサには、例えば、中央処理装置、処理装置、演算装置、マイクロプロセッサ、マイクロコンピュータ、ＤＳＰ（Digital Signal Processor）などが該当する。
　処理回路８１が専用のハードウェアである場合、処理回路８１は、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field Programmable Gate Array）、またはこれらを組み合わせたものが該当する。実績データ受信部２１等の各部の機能それぞれは、処理回路を分散させた回路で実現されてもよいし、各部の機能をまとめて一つの処理回路で実現されてもよい。
　処理回路８１がプロセッサである場合、実績データ受信部２１等の機能は、ソフトウェア等との組み合わせにより実現される。なお、ソフトウェア等には、例えば、ソフトウェア、ファームウェア、または、ソフトウェア及びファームウェアが該当する。ソフトウェア等はプログラムとして記述され、メモリに格納される。図２８に示すように、処理回路８１に適用されるプロセッサ８２は、メモリ８３に記憶されたプログラムを読み出して実行することにより、各部の機能を実現する。すなわち、基準移動計画策定装置１１は、処理回路８１により実行されるときに、移動体の移動実績データを取得するステップと、移動実績データを分類する基準となる１つ以上の分類基準を定義するステップと、分類基準に基づいて、移動実績データが反映された実績クラスタごとに、当該移動実績データを分類するステップと、実績クラスタに分類された移動実績データに基づいて、実績クラスタを代表する経路である代表経路を、実績クラスタごとに作成するステップと、代表経路の点群のうちの特徴点に基づいて基準経路を作成するステップと、基準経路を送信するステップと、が結果的に実行されることになるプログラムを格納するためのメモリ８３を備える。換言すれば、このプログラムは、実績データ受信部２１等の手順や方法をコンピュータに実行させるものであるともいえる。ここで、メモリ８３は、例えば、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、フラッシュメモリ、ＥＰＲＯＭ（Erasable Programmable Read Only Memory）、ＥＥＰＲＯＭ（Electrically Erasable Programmable Read Only Memory）などの、不揮発性または揮発性の半導体メモリ、ＨＤＤ（Hard Disk Drive）、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ミニディスク、ＤＶＤ（Digital Versatile Disc）、それらのドライブ装置、または、今後使用されるあらゆる記憶媒体であってもよい。
　以上、実績データ受信部２１等の各機能が、ハードウェア及びソフトウェア等のいずれか一方で実現される構成について説明した。しかしこれに限ったものではなく、実績データ受信部２１等の一部を専用のハードウェアで実現し、別の一部をソフトウェア等で実現する構成であってもよい。例えば、実績データ受信部２１については専用のハードウェアとしての処理回路８１、インターフェースなどの取得サーキットリーなどでその機能を実現し、それ以外についてはプロセッサ８２としての処理回路８１がメモリ８３に格納されたプログラムを読み出して実行することによってその機能を実現することが可能である。
　以上のように、処理回路８１は、ハードウェア、ソフトウェア等、またはこれらの組み合わせによって、上述の各機能を実現することができる。
　また、以上で説明した基準移動計画策定装置は、処理装置と、携帯電話、スマートフォン及びタブレットなどの携帯端末を含む通信端末と、処理装置及び通信端末の少なくとも１つにインストールされるアプリケーションの機能と、サーバとを適宜に組み合わせてシステムとして構築される基準移動計画策定システムにも適用することができる。この場合、以上で説明した基準移動計画策定装置の各機能あるいは各構成要素は、前記システムを構築する各機器に分散して配置されてもよいし、いずれかの機器に集中して配置されてもよい。
　なお、各実施の形態及び各変形例を自由に組み合わせたり、各実施の形態及び各変形例を適宜、変形、省略したりすることが可能である。
　上記した説明は、すべての局面において、例示であって、限定的なものではない。例示されていない無数の変形例が、想定され得るものと解される。
　１１　基準移動計画策定装置、２１　実績データ受信部、２２　分類基準定義部、２３　実績データ分類部、２４　代表経路作成部、２５　基準経路作成部、２６　基準経路送信部、１８１　実績データクレンジング部、２１１　実績クラスタ評価部。

Claims (20)

  1. 　移動体の移動実績データを取得する実績データ受信部と、
    　前記移動実績データを分類する基準となる１つ以上の分類基準を定義する分類基準定義部と、
    　前記分類基準に基づいて、前記移動実績データが反映された実績クラスタごとに、当該移動実績データを分類する実績データ分類部と、
    　前記実績クラスタに分類された前記移動実績データに基づいて、前記実績クラスタを代表する経路である代表経路を、前記実績クラスタごとに作成する代表経路作成部と、
    　前記代表経路の特徴点に基づいて基準経路を作成する基準経路作成部と、
    　前記基準経路を送信する基準経路送信部と
    を備える、基準移動計画策定装置。
  2. 　請求項１に記載の基準移動計画策定装置であって、
    　いずれかの前記実績クラスタに分類された前記移動実績データから、特異な前記移動実績データを除外する実績データクレンジング部をさらに備える、基準移動計画策定装置。
  3. 　請求項１に記載の基準移動計画策定装置であって、
    　前記移動実績データの分類結果に基づいて、前記分類基準を変更する実績クラスタ評価部をさらに備える、基準移動計画策定装置。
  4. 　請求項１から請求項３のうちのいずれか１項に記載の基準移動計画策定装置であって、
    　前記基準経路作成部は、
    　管制員から前記移動体へ管制指示を発出した地点または時刻に基づいて、前記特徴点を抽出する、基準移動計画策定装置。
  5. 　請求項１から請求項３のうちのいずれか１項に記載の基準移動計画策定装置であって、
    　前記基準経路作成部は、
    　前記特徴点として抽出された点群のうちの２点の間の距離、または、前記特徴点として抽出された点群のうちの２点の間の時間差に基づいて、前記２点を代表する点を前記特徴点として抽出する、基準移動計画策定装置。
  6. 　請求項１から請求項３のうちのいずれか１項に記載の基準移動計画策定装置であって、
    　前記分類基準は、前記移動体が移動した経路同士の間の類似度、前記移動体の移動実績の指標、種類、日時、及び、前記移動体の周辺状況の指標の少なくともいずれか１つを含む、基準移動計画策定装置。
  7. 　請求項３に記載の基準移動計画策定装置であって、
    　前記実績クラスタ評価部は、
    　前記移動実績データの分類に使用されていない属性に関して、一の前記実績クラスタに分類された前記移動実績データの分布を作成し、当該分布に基づいて前記属性を前記分類基準として設定する、基準移動計画策定装置。
  8. 　請求項３に記載の基準移動計画策定装置であって、
    　前記実績クラスタは、第１実績クラスタ及び第２実績クラスタを含み、
    　前記実績クラスタ評価部は、
    　前記移動実績データの分類に使用されていない属性に関して、前記第１実績クラスタに分類された前記移動実績データの出現頻度が第１閾値以上であり、かつ、前記第２実績クラスタに分類された前記移動実績データの出現頻度が第２閾値以下である場合に、前記属性を前記分類基準として設定する、基準移動計画策定装置。
  9. 　請求項３に記載の基準移動計画策定装置であって、
    　前記実績クラスタは、第１実績クラスタ及び第２実績クラスタを含み、
    　前記実績クラスタ評価部は、
    　前記第１実績クラスタの前記代表経路と、前記第２実績クラスタの前記代表経路とが類似する場合に、前記第１実績クラスタと前記第２実績クラスタとを統合する、基準移動計画策定装置。
  10. 　請求項３に記載の基準移動計画策定装置であって、
    　前記実績クラスタは、第１実績クラスタ及び第２実績クラスタを含み、
    　前記実績クラスタ評価部は、
    　前記第１実績クラスタと前記第２実績クラスタとを暫定的に統合して得られる第３実績クラスタの前記代表経路が、前記第１実績クラスタの前記代表経路、及び、前記第２実績クラスタの前記代表経路のそれぞれと類似する場合に、前記第１実績クラスタと前記第２実績クラスタとを統合する、基準移動計画策定装置。
  11. 　請求項１から請求項３のうちのいずれか１項に記載の基準移動計画策定装置であって、
    　前記代表経路作成部は、
    　一の前記実績クラスタに分類された複数の前記移動実績データが示す複数の経路を、緯度経度と、速度と、高度との少なくともいずれか１つに関して平均して得られる経路を、前記一の実績クラスタの前記代表経路として設定する、基準移動計画策定装置。
  12. 　請求項１から請求項３のうちのいずれか１項に記載の基準移動計画策定装置であって、
    　前記代表経路作成部は、
    　一の前記実績クラスタに分類された複数の前記移動実績データのうち、一の移動実績データを除く他の移動実績データと類似度が最大となる前記一の移動実績データの経路を、前記一の実績クラスタの前記代表経路として設定する、基準移動計画策定装置。
  13. 　請求項２に記載の基準移動計画策定装置であって、
    　前記実績データクレンジング部は、
    　一の前記実績クラスタに分類された一の前記移動実績データと、前記一の実績クラスタの前記代表経路との類似度が閾値以下である場合に、前記一の移動実績データを前記一の実績クラスタから除外する、基準移動計画策定装置。
  14. 　請求項２に記載の基準移動計画策定装置であって、
    　前記実績データクレンジング部は、
    　前記実績クラスタは、第１実績クラスタ及び第２実績クラスタを含み、
    　前記第１実績クラスタに分類された一の前記移動実績データと、前記第１実績クラスタの前記代表経路との類似度が、前記一の移動実績データと、前記第２実績クラスタの前記代表経路との類似度よりも低い場合に、前記一の移動実績データを前記第１実績クラスタから除外する、基準移動計画策定装置。
  15. 　請求項４に記載の基準移動計画策定装置であって、
    　前記基準経路作成部は、
    　前記管制員によって監視装置を用いて行われる前記移動体の監視に基づいて、前記管制指示の対象となる前記移動体を推定する、基準移動計画策定装置。
  16. 　請求項１から請求項３のうちのいずれか１項に記載の基準移動計画策定装置であって、
    　前記基準経路作成部は、
    　前記代表経路において前記移動体の方位、速度、高度のいずれか１つが閾値以上変化した地点を前記特徴点として抽出する、基準移動計画策定装置。
  17. 　請求項１に記載の基準移動計画策定装置であって、
    　前記実績データ受信部は、
    　第１航跡データと第２航跡データとを含む前記移動実績データを、学習用データとして取得し、
    　前記実績データ分類部は、
    　前記学習用データに基づいて、前記第１航跡データ及び前記第２航跡データから前記実績クラスタの特徴量を推論するための学習モデルを生成する、基準移動計画策定装置。
  18. 　請求項１に記載の基準移動計画策定装置であって、
    　前記実績データ受信部は、
    　第１航跡データを含む前記移動実績データを取得し、
    　前記実績データ分類部は、
    　航跡データから前記実績クラスタの特徴量を推論するための学習モデルを用いて、前記実績データ受信部で取得した前記第１航跡データを前記実績クラスタに分類する、基準移動計画策定装置。
  19. 　移動体の移動実績データを取得する実績データ受信部と、
    　前記移動実績データを分類する基準となる１つ以上の分類基準を定義する分類基準定義部と、
    　前記分類基準に基づいて、前記移動実績データが反映された実績クラスタごとに、当該移動実績データを分類する実績データ分類部と、
    　前記実績クラスタに分類された前記移動実績データに基づいて、前記実績クラスタを代表する経路である代表経路を、前記実績クラスタごとに作成する代表経路作成部と、
    　前記代表経路の点群のうちの特徴点に基づいて基準経路を作成する基準経路作成部と、
    　前記基準経路を送信する基準経路送信部と
    を備える、基準移動計画策定システム。
  20. 　移動体の移動実績データを取得し、
    　前記移動実績データを分類する基準となる１つ以上の分類基準を定義し、
    　前記分類基準に基づいて、前記移動実績データが反映された実績クラスタごとに、当該移動実績データを分類し、
    　前記実績クラスタに分類された前記移動実績データに基づいて、前記実績クラスタを代表する経路である代表経路を、前記実績クラスタごとに作成し、
    　前記代表経路の点群のうちの特徴点に基づいて基準経路を作成し、
    　前記基準経路を送信する、基準移動計画策定方法。
PCT/JP2022/023433 2022-06-10 2022-06-10 基準移動計画策定装置、基準移動計画策定システム、及び、基準移動計画策定方法 WO2023238374A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PCT/JP2022/023433 WO2023238374A1 (ja) 2022-06-10 2022-06-10 基準移動計画策定装置、基準移動計画策定システム、及び、基準移動計画策定方法
JP2024526192A JPWO2023238374A1 (ja) 2022-06-10 2022-06-10

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2022/023433 WO2023238374A1 (ja) 2022-06-10 2022-06-10 基準移動計画策定装置、基準移動計画策定システム、及び、基準移動計画策定方法

Publications (1)

Publication Number Publication Date
WO2023238374A1 true WO2023238374A1 (ja) 2023-12-14

Family

ID=89117832

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/023433 WO2023238374A1 (ja) 2022-06-10 2022-06-10 基準移動計画策定装置、基準移動計画策定システム、及び、基準移動計画策定方法

Country Status (2)

Country Link
JP (1) JPWO2023238374A1 (ja)
WO (1) WO2023238374A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04204482A (ja) * 1990-11-29 1992-07-24 Mitsubishi Electric Corp 車両用経路案内装置
JP2021032655A (ja) * 2019-08-22 2021-03-01 株式会社日立製作所 交通需要マネジメント装置、および、交通需要マネジメントシステム
JP2021140702A (ja) * 2020-03-09 2021-09-16 株式会社豊田中央研究所 管制装置、及び管制システム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04204482A (ja) * 1990-11-29 1992-07-24 Mitsubishi Electric Corp 車両用経路案内装置
JP2021032655A (ja) * 2019-08-22 2021-03-01 株式会社日立製作所 交通需要マネジメント装置、および、交通需要マネジメントシステム
JP2021140702A (ja) * 2020-03-09 2021-09-16 株式会社豊田中央研究所 管制装置、及び管制システム

Also Published As

Publication number Publication date
JPWO2023238374A1 (ja) 2023-12-14

Similar Documents

Publication Publication Date Title
Shi et al. 4-D flight trajectory prediction with constrained LSTM network
US20210383706A1 (en) System and methods for improving aircraft flight planning
US10540899B2 (en) Flight plan segmentation for en route diversion destinations
US10096253B2 (en) Methods and systems for presenting diversion destinations
US9959508B2 (en) Systems and methods for providing information for predicting desired information and taking actions related to user needs in a mobile device
US10795380B1 (en) System and method for event-based vehicle operation
Wang et al. Study on evolution characteristics of air traffic situation complexity based on complex network theory
JPWO2008117787A1 (ja) マップマッチングシステム、マップマッチング方法およびプログラム
JP5881197B2 (ja) グラフ描画装置及びグラフ描画方法
Low et al. Commercial vehicle activity prediction with imbalanced class distribution using a hybrid sampling and gradient boosting approach
Alonso-Ayuso et al. On modeling the air traffic control coordination in the collision avoidance problem by mixed integer linear optimization
Lin et al. Approach for 4-d trajectory management based on HMM and trajectory similarity
US12067867B2 (en) Systems and methods for improved traffic conditions visualization
CN113284369A (zh) 一种基于ads-b实测航路数据的预测方法
US11055932B2 (en) Usage-based maintenance service system
WO2023238374A1 (ja) 基準移動計画策定装置、基準移動計画策定システム、及び、基準移動計画策定方法
Wong et al. CDAS: A cognitive decision-making architecture for dynamic airspace sectorization for efficient operations
Standfuss et al. Applicability of Current Complexity Metrics in ATM Performance Benchmarking and Potential Benefits of Considering Weather Conditions
US10699588B2 (en) Aircraft taxi routing
JP2021526696A (ja) オンライン・オンデマンドサービス・プラットフォームからのデータを処理するためのシステムおよび方法
Gerber et al. Impact of road grade on the risk profile of driver behavior
JP2014067434A (ja) 画面出力システム及び画面出力方法及びプログラム
Bettinger et al. Horizontal curvature estimation of tram tracks using OpenStreetMap
JP7539738B1 (ja) プログラム、方法、情報処理装置、システム
Ademola et al. Improving Real-Time Intelligent Transportation Systems in Predicting Road Accident

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22945873

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2024526192

Country of ref document: JP

Kind code of ref document: A