• Search Research Projects
  • Search Researchers
  • How to Use
  1. Back to project page

2021 Fiscal Year Research-status Report

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

Research Project

Project/Area Number 21K04515
Research InstitutionTokyo University of Marine Science and Technology

Principal Investigator

西崎 ちひろ  東京海洋大学, 学術研究院, 准教授 (70570993)

Project Period (FY) 2021-04-01 – 2024-03-31
KeywordsSituation 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
Outline of Annual Research Achievements

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.

Current Status of Research Progress
Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

令和3年度に計画していた水先人の状況認識及び操船特徴の分析を実施し,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することができた.一方,コロナ禍において,操船実務経験者を被験者とした操船シミュレータ実験の準備に着手できなかったため,一部計画を変更し,当初令和4年度から実施する予定だった,機械学習による船舶交通流予測手法の構築に着手した.令和3年度は研究項目に取り組む順番について変更行ったが,全体的な研究の進捗はおおむね計画通りであると考える.

Strategy for Future Research Activity

コロナの影響が残る中,令和4年度も操船実務経験者を被験者とした操船シミュレータ実験の実施時期が遅延する可能性がある.そのため,操船シミュレータ実験シナリオの作成や計測項目の整理等,令和4年度の前半に実験に必要な準備を整え,臨機応変に実験時期の調整を行う予定である.状況に応じて令和3年度と同様,船舶運航データを入力とした機械学習による船舶交通流予測精度の向上等,被験者を必要としない研究内容を前倒しして取り組み,令和5年度にかけて被験者を伴う実験を行うことも想定している.
また令和4年度は,令和3年度に得られた水先人の水先人の状況認識及び操船特徴や,機械学習による船舶交通流の予測手法について,国際会議への投稿を予定している.

Causes of Carryover

半導体不足の影響で,当初購入を予定していたグラフィックボードの購入が困難となり,機械学習用の計算機は令和4年度に最新のスペックにて購入することとした.そのため,令和3年度支払請求分の大半を占める物品購入費を使用しなかった.令和4年度は,この機械学習用の計算機の購入を行うと共に,被験者が必要となる操船シミュレータの実施時期に合わせて,人件費の調整を行う予定である.

URL: 

Published: 2022-12-28  

Information User Guide FAQ News Terms of Use Attribution of KAKENHI

Powered by NII kakenhi