横浜航路アプローチ操船における操船者の状況認識支援システムの開発

为横滨航线进场船舶操纵期间的船舶运营商开发态势感知支持系统

• 批准号: 21K04515
• 负责人: 西崎 ちひろ
• 金额: $ 2.75万
• 依托单位: Tokyo University of Marine Science and Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K04515/
• 关键词: Situation Awareness; 操船者の見張り支援; SAGAT; 船舶運航データ; レーダ画像; 機械学習

本研究は，人間の状況認識を直接計測できる手法（Situation Awareness Global Assessment Technique：SAGAT）を用いた操船シミュレータ実験で計測した操船者の状況認識と，水先人の操船データを組み合わせることで，横浜航路へのアプローチ操船に限定した操船者の状況認識のモデル化と，機械学習による船舶交通流予測を組み込んだ操船者の状況認識支援システムの構築を目的としている．令和3年度の主な実施内容は，以下の2点である．①水先人による横浜航路アプローチ操船の分析操船者の状況認識支援システムは，安全かつ効率的なアプローチ操船を提案する必要がある．そこでまず，水先人教育インストラクターテキスト（紙媒体）の中で定義されている最も安全な状況認識の事例データを数値化した．次に横浜航路アプローチ操船の経験が豊富で熟練の操船者でもある水先人の状況認識及び操船結果（時系列データ）から，複数の水先人に共通して着目する船舶とその船舶の物理的な特徴（距離や見合い関係等の物理的な指標）を抽出し，安全かつ効率的な横浜航路アプローチ操船の基本モデルを作成した．②機械学習による船舶交通流予測手法の構築レーダ画像を入力データとして船舶の動静を予測する機械学習モデルを構築した．具体的には，画像処理で加工したレーダエコーの時系列画像を複数毎入力し，教師あり学習により将来の他船のレーダエコーを予測するモデルであり，学習モデルは畳み込みオートエンコーダを用いて構築した．その結果，レーダ画像におけるノイズ除去及び小型船舶映像の識別が可能となり，船舶の針路予測精度は90.97%となった．しかし，この船舶針路予測精度はテストデータの種類が少なかったことが影響していることが想定され，令和4年度以降に十分な検証が必要である．

这项研究旨在模拟对船舶操作机操作员在船舶操纵模拟器实验中测量的船舶操作员的情境意识，该方法直接衡量人类状况的意识（SAGAT）和飞行员操纵数据，以模拟用于乘坐Yokohama路线的船舶运营商的情境认识，并为Yokohama途径提供了用于Yokohama路线，并为造船系统构建了船上的机器学习机器的流量流量。 2021财政年度的主要实施细节是以下两点。 1。对飞行员对横滨路线进近操作的分析。运营商的情境意识支持系统需要提出安全有效的方法操作。首先，我们量化了先锋教育教练教科书（Paper Medive）中定义的最安全案例数据。接下来，我们提取了飞行员的情境意识和操作结果（时间序列数据），这些飞行员​​在横滨路线方面具有丰富的经验，并且也是熟练的操作员，并创建了多个飞行员的基本模型，多个飞行员专注于他们的船只（距离和匹配关系）的物理指示器（例如距离和匹配关系），并创建了一个安全的基本模型，并建立了一种Yokohama Maneuver的基本模型。 2）构建了使用机器学习的船舶交通流量预测方法的构建机器学习模型，该模型可预测使用雷达图像作为输入数据的船舶移动。具体而言，这是一个模型，使用使用图像处理处理的雷达回波的多个时间序列图像，并通过监督学习预测其他容器的未来雷达回声，并且使用卷积自动编码器构建了学习模型。结果，可以确定雷达图像和小容器图像中的噪声去除，从而准确地预测了该血管途径为90.97％。但是，假定该船舶路线预测的准确性受测试数据数量少的影响，并且需要在2022年之后进行足够的验证。