JP7569072B2 - 電波伝搬推定システム、電波伝搬推定方法および生成部の製造方法 - Google Patents

Description

特許法第３０条第２項適用 坂内信允及び須藤克弥、「深層生成モデルによる電波伝搬推定手法に関する一考察」、２０２０年ソサイエティ大会講演論文集、Ｂ－１７－２０、３０６頁、電子情報通信学会、令和２年９月１日

特許法第３０条第２項適用 坂内信允及び須藤克弥、「Ｓｐａｔｉａｌ Ｅｘｔｒａｐｏｌａｔｉｏｎ ｗｉｔｈ Ｇｅｎｅｒａｔｉｖｅ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋｓ ｆｏｒ Ｒａｄｉｏ Ｍａｐ Ｃｏｎｓｔｒｕｃｔｉｏｎ」、Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ２０２０ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｅｍｅｒｇｉｎｇ Ｔｅｃｈｎｏｌｏｇｉｅｓ ｆｏｒ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ、１頁、Ｔｈｅ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｅｌｅｃｔｒｏｎｉｃｓ，Ｉｎｆｏｒｍａｔｉｏｎ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｅｎｇｉｎｅｅｒｓ、令和２年１２月２日

特許法第３０条第２項適用 坂内信允及び須藤克弥、「３次元地図を利用した深層生成モデルによる電波マップ構築手法」、電子情報通信学会技術研究報告、１２０巻、２３８号、１１４－１１９頁、電子情報通信学会、令和２年１１月１１日

本発明は、所定の送信局から送信される無線信号を所定の地域において受信する電力の分布である電波伝搬特性を補外推定するための電波伝搬推定システム、電波伝搬推定方法および生成部の製造方法に関する。

携帯端末やセンサを電波環境観測端末として利用したクラウドセンシングによる空間的な電波伝搬推定の実現が次世代の無線システムや位置推定システムで望まれている。しかしながら、携帯端末やセンサが観測できない地域や、ノイズフロア以下の受信電力値である地域における観測情報を取得できない。観測情報が全くない地域の電波伝搬を推定することを補外推定と呼称する。他方、携帯端末やセンサが部分的に存在し、観測情報が歯抜けで取得できる場合に、歯抜けの点の電波伝搬を推定することを補間推定と呼称する。

上記に関連して、特許文献１（特開２０１９－０８０１４４号公報）には、無線環境状況予測システムが開示されている。この無線環境状況予測システムは、空間内の所定の位置である第１地点の無線環境状況を予測するためのものである。この無線環境状況予測システムは、送信部と、受信部と、チャネル利用状況観測部と、チャネル状態データ取得部と、予測部と、を備える。ここで、送信部は、データに対して送信処理を実行することで無線信号を生成する。受信部は、無線信号に対して受信処理を実行することで当該無線信号により搬送されたデータを取得する。チャネル利用状況観測部は、送信部および受信部の少なくとも一方を制御することで、無線信号の通信に使用されるチャネルの利用状況を観測する。チャネル状態データ取得部は、送信部、受信部、および、チャネル利用状況観測部の少なくとも一つにより取得された信号に基づいて、第１期間において第１地点のチャネル状態に関する第１データと、第１データと相関のある第２データとを取得する。予測部は、第１データおよび第２データに基づいて、第１地点の第１データの将来のデータを予測するとともに、第１データおよび第２データに基づいて、第１地点の前記第２データの将来のデータを予測する予測処理を行う。

特許文献１では、距離減衰を推定することを目的として、送信点・受信点間の距離を特徴量とした回帰分析が検討されているが、近傍の構造物に左右され電力値が変動する短区間変動を推定することはできていない。

特開２０１９－０８０１４４号公報

所定の送信局から送信される無線信号を所定の地域において受信する電力の分布である電波伝搬特性の補外推定を、より高い精度で行うための電波伝搬推定システム、電波伝搬推定方法および生成部の製造方法を提供する。その他の課題と新規な特徴は、本明細書の記述および添付図面から明らかになるであろう。

以下に、（発明を実施するための形態）で使用される番号を用いて、課題を解決するための手段を説明する。これらの番号は、（特許請求の範囲）の記載と（発明を実施するための形態）との対応関係を明らかにするために付加されたものである。ただし、それらの番号を、（特許請求の範囲）に記載されている発明の技術的範囲の解釈に用いてはならない。

一実施の形態によれば、電波伝搬推定システム（１）は、第１推定手段（３１１、３１２、３１３）と、単回帰分析部（３１４）と、加算器（３１５）と、出力装置（５）とを備える。第１推定手段（３１１、３１２、３１３）は、所定の地域に含まれる第１地域（９）に存在する構造物の平面空間情報を表す構造物マップデータ（９０）に基づいて、所定の送信局から送信される無線信号を第１地域（９）に含まれる複数の第１地点（９２）のそれぞれで受信した受信電力の変動のうち、構造物に由来すると推定される成分を表す短区間変動マップデータ（９３）を生成する。単回帰分析部（３１４）は、所定の地域に含まれ第１地域（９）とは別の第２地域（８）に含まれる複数の第２地点で無線信号の受信電力を観測した第２地域電波マップデータ（８４）に基づいて、複数の第１地点（９２）で受信した受信電力の変動のうち、所定の送信局から複数の第１地点（９２）までの距離に由来すると推定される成分を表す距離減衰マップデータ（９６）を生成する。加算器（３１５）は、短区間変動マップデータ（９３）と、距離減衰マップデータ（９６）とに基づいて、無線信号を複数の第１地点（９２）で受信した受信電力の変動を補外推定した第１地域電波マップデータ（９７）を生成する。出力装置（５）は、第１地域電波マップデータ（９７）を外部に出力する。第１推定手段（３１１、３１２、３１３）は、第１生成部（３１２）を備える。第１生成部（３１２）は、第２地域電波マップデータ（８４）に基づく第２地域（８）の第１分割短区間変動マップデータと、第２地域（８）に存在する構造物の平面空間情報を表す第２地域構造物マップデータ（８０）に基づく第２地域（８）の第２分割短区間変動マップデータとの相関性に基づく機械学習を実施され、複数の第１地点（９２）のそれぞれの構造物マップデータ（９０）に基づいて複数の第１地点（９）のそれぞれの短区間変動マップデータを生成する。

一実施の形態によれば、電波伝搬推定方法は、所定の地域に含まれる第１地域（９）に存在する構造物の平面空間情報を表す構造物マップデータ（９０）に基づいて、所定の送信局から送信される無線信号を第１地域（９）に含まれる複数の第１地点（９２）のそれぞれで受信した受信電力の変動のうち、構造物に由来すると推定される成分を表す短区間変動マップデータ（９３）を生成すること（Ｓ１１、Ｓ１２、Ｓ１３）と、所定の地域に含まれ第１地域（９）とは別の第２地域（８）に含まれる複数の第２地点で無線信号の受信電力を観測した第２地域電波マップデータ（８４）に基づいて、複数の第１地点（９２）で受信した受信電力の変動のうち、所定の送信局から複数の第１地点（９２）までの距離に由来すると推定される成分を表す距離減衰マップデータ（９６）を生成すること（Ｓ１４）とを含む。電波伝搬推定方法は、さらに、短区間変動マップデータ（９３）と、距離減衰マップデータ（９６）とに基づいて、無線信号を複数の第１地点（９２）で受信した受信電力の変動を補外推定した第１地域電波マップデータ（９７）を生成すること（Ｓ１５）と、第１地域電波マップデータ（９７）を外部に出力すること（Ｓ１６）とを含む。短区間変動マップデータを生成すること（Ｓ１１、Ｓ１２、Ｓ１３）は、第２地域電波マップデータ（８４）に基づく第２地域（８）の第１分割短区間変動マップデータと、第２地域（８）に存在する構造物の平面空間情報を表す第２地域構造物マップデータ（８０）に基づく第２地域（８）の第２分割短区間変動マップデータとの相関性に基づく機械学習を実施された生成部（３１２）が、第１地域（９）の構造物マップデータ（９０）に基づいて第１地域（９）の短区間変動マップデータを生成すること（Ｓ１２）を含む。

一実施の形態によれば、生成部の製造方法は、所定の送信局から送信される無線信号を所定の観測地域（８）に含まれる複数の地点のそれぞれで受信した受信電力の分布を観測した電波マップデータ（８４）に基づいて、所定の送信局から所定の観測地域（８）に含まれる複数の部分領域のそれぞれまでの距離に由来する受信電力の減衰以外の受信電力の変動をそれぞれ表す複数の第１観測地域分割短区間変動マップデータを生成すること（Ｓ２１）と、第１パラメータを有する生成部（３２４）によって、所定の観測地域（８）に存在する構造物の平面空間情報を表す観測地域構造物マップデータ（８０）に基づいて、複数の部分領域に存在する構造物に由来する受信電力の変動をそれぞれ表す複数の第２観測地域分割短区間変動マップデータを生成すること（Ｓ２２）を含む。生成部の製造方法は、さらに、第２パラメータを有する判別部（３２５）によって、複数の第１観測地域分割短区間変動マップデータと複数の第２観測地域分割短区間変動マップデータの判別を行うこと（Ｓ２３）を含む。生成部の製造方法は、さらに、判別の結果を表す数値が所定の閾値に達するまで、数値が閾値に達するように第１パラメータを更新し（Ｓ２５）、更新された前記第１パラメータを用いて第２観測地域分割短区間変動マップデータを生成し（Ｓ２２）、数値が閾値に達しないように第２パラメータを更新し（Ｓ２５）、更新された第２パラメータを用いて判別を行うこと（Ｓ２３）を含む。生成部の製造方法は、さらに、判別結果が閾値に達したとき、第１パラメータを、機械学習を実施した生成部（Ｓ１２）のパラメータとして外部の推定手段（３１）で使用可能に保存すること（Ｓ２６）を含む。

前記一実施の形態によれば、所定の地域における電波伝搬特性の補外推定を、より高い精度で行うことが出来る。

図１は、一実施の形態による電波伝搬推定システムの一構成例を示すブロック回路図である。 図２は、一実施の形態による推定手段の一構成例を示すブロック回路図である。 図３は、一実施の形態による電波伝搬推定方法の一構成例を示すフローチャートである。 図４は、一実施の形態における観測地域と未観測地域の位置関係と、観測地域の電波伝搬特性との一例を示す図である。 図５は、一実施の形態による、未観測地域構造物マップデータと、観測地域構造物マップデータとの一例を示す図である。 図６Ａは、一実施の形態による、未観測地域構造物マップデータとメッシュの関係を説明するための図である。 図６Ｂは、一実施の形態による、未観測地域構造物マップデータと、メッシュと、第１の分割構造物マップデータとの関係を説明するための図である。 図６Ｃは、一実施の形態による、未観測地域構造物マップデータと、メッシュと、第２の分割構造物マップデータとの関係を説明するための図である。 図６Ｄは、一実施の形態による、未観測地域構造物マップデータと、メッシュと、第３の分割構造物マップデータとの関係を説明するための図である。 図７は、一実施の形態による生成部の一構成例を示すブロック回路図である。 図８は、一実施の形態による未観測地域短区間変動マップデータの一例を示す図である。 図９は、一実施の形態による観測地域電波マップデータの一例を示す図である。 図１０は、一実施の形態による観測地域距離マップデータと未観測地域距離マップデータの一例を示す図である。 図１１は、一実施形態による未観測地域距離減衰マップデータの一例を示す図である。 図１２は、一実施の形態による未観測地域電波マップデータの一例を示す図である。 図１３は、一実施形態による学習手段の一構成例を示すブロック回路図である。 図１４は、一実施の形態による生成部の製造方法の一構成例を示すフローチャートである。 図１５は、一実施の形態による観測地域距離減衰マップデータと未観測地域距離減衰マップデータの一例を示す図である。 図１６は、一実施の形態による観測地域短区間変動マップデータの一例を示す図である。 図１７は、一実施の形態による判別部の一構成例を示すブロック回路図である。

一実施の形態において、電波伝搬推定システムは、電波伝搬方法によって、所定の送信局から送信される無線信号を所定の地域において受信する電力の分布である電波伝搬特性を補外推定する。一実施の形態においては、その前に、電波伝搬推定システムが備える生成部を、機械学習を用いるなどして製造する。添付図面を参照して、一実施の形態による電波伝搬推定システム、電波伝搬推定方法および生成部の製造方法を実施するための形態を以下に説明する。

（実施の形態）
図１に示すように、一実施の形態による電波伝搬推定システム１は、バス２と、演算装置３と、記憶装置４と、出力装置５とを備えている。演算装置３、記憶装置４および出力装置５は、バス２を介して互いに通信可能に接続されている。電波伝搬推定システム１は、いわゆるコンピュータとして構成されていてもよい。すなわち、演算装置３は、記憶装置４に格納されているプログラムを実行することによって、電波伝搬推定システム１の機能を実現する。言い換えれば、演算装置３とプログラムとが協働することによって、電波伝搬推定システム１の機能は実現される。このプログラムは、記録媒体４０１から読み出されて記憶装置４に格納されたものであってもよい。出力装置５は、電波伝搬特性を補正した結果を外部に出力する。一例として、出力装置５は表示装置を備えていてもよい。

演算装置３は、推定手段３１と、学習手段３２とを備えている。記憶装置４は、推定プログラム４１と、学習プログラム４２とを格納している。推定手段３１は、演算装置３が推定プログラム４１を実行することで実現される、電波伝搬推定システム１の機能である。また、学習手段３２は、演算装置３が学習プログラム４２を実行することで実現される、電波伝搬推定システム１の別の機能である。すなわち、推定手段３１と、学習手段３２とは、便宜上、演算装置３の構成要素として図１に示されているが、実際には、電波伝搬推定システム１の機能を実現する手段であってもよい。

推定手段３１は、所定の送信局から送信される無線信号を所定の地域において受信する電力の分布である電波伝搬特性を補外推定する。補外推定とは、観測情報が全くない地域の電波伝搬特性を推定することであり、観測情報が部分的に歯抜けで取得できている地域において、歯抜けの部分の伝播電波特性を推定する補間推定から区別される。学習手段３２は、推定手段３１が備える生成部に機械学習を実施する。

図２に示すように、一実施の形態による推定手段３１は、データ拡張部３１１と、生成部３１２と、マップデータ統合部３１３と、単回帰分析部３１４と、加算器３１５とを備えている。データ拡張部３１１、生成部３１２、マップデータ統合部３１３、単回帰分析部３１４および加算器３１５は、演算装置３が推定プログラム４１を実行することによって実現される推定手段３１の機能である。

図３のフローチャートを参照して、一実施の形態による推定手段３１の動作について、つまり一実施の形態による電波伝搬推定方法について説明する。

ステップＳ１１において、データ拡張部３１１は、記憶装置４から未観測地域構造物マップデータを読み出し、未観測地域構造物マップデータに基づいて未観測地域の分割構造物マップデータを生成する。

未観測地域構造物マップデータは、未観測地域に存在する構造物の平面空間情報を表し、予め記憶装置４から読み出し可能に用意されている。未観測地域とは、電波伝搬特性を知りたい所望の地域のうち、電波伝搬特性の観測を部分的にも行っていない地域である。反対に、所望の地域のうち、電波伝搬特性の観測を行った地域を観測地域と記す。言い換えれば、所望の地域のうち、観測地域以外の部分を未観測地域と記す。図４に、観測地域８と未観測地域９の位置関係と、観測地域８の電波伝搬特性との一例を示す。

電波伝搬特性とは、前述のとおり、所定の送信局から送信される無線信号を所定の地域において受信する電力の分布である。一実施の形態では、所望の地域のうち、建造物が存在しない道路などの領域における電波伝搬特性の観測と推定を主に行う。

構造物の平面空間情報は、一例として、構造物の高度、構造物が存在する地点の高度、送信局から構造物が存在する受信地点までの平面的な距離、送信局から受信地点までの平均高度、送信局と受信地点の間に存在する他の構造物の最高高度、受信地点から最も近い他の構造物の高度、受信地点から最も近い他の構造物までの平面的な距離、受信地点の周囲に存在する他の構造物の平均高度、などのうち、少なくとも１つを含む。構造物の平面空間情報は、上記の情報の組み合わせをテンソルとしてまとめたものであってもよい。なお、上記の組み合わせは構造物の空間的情報の一例にすぎず、別の情報の組み合わせに変更可能である。図５は、一実施の形態による、未観測地域構造物マップデータ９０と、観測地域構造物マップデータ８０との一例を示す図である。観測地域構造物マップデータ８０は、観測地域８に存在する構造物の平面空間情報を表す。

図６Ａ、図６Ｂ、図６Ｃおよび図６Ｄを参照して、未観測地域構造物マップデータ９０と分割構造物マップデータの関係について説明する。

図６Ａに示すように、データ拡張部３１１は、まず、未観測地域構造物マップデータ９０を複数のメッシュ９１および９１Ａ～９１Ｐに分割する。複数のメッシュ９１および９１Ａ～９１Ｐを区別しないとき、これらをメッシュ９１と総称する。一例として、メッシュ９１は直交するＸ方向およびＹ方向による格子状に分割されていてもよい。また、一例として、それぞれのメッシュ９１のＸ方向およびＹ方向の長さは、同じメッシュ単位長さであってもよい。一例として、メッシュ単位長さは１０ｍ（メートル）である。

次に、データ拡張部３１１は、複数のメッシュ９１を分割構造物マップデータ９２として定義する。一例として、図６Ｂに示すように、第１の分割構造物マップデータ９２Ａは、Ｘ方向およびＹ方向の長さがメッシュ単位長さの３倍であり、メッシュ９１Ａ、９１Ｂ、９１Ｃ、９１Ｅ、９１Ｆ、９１Ｇ、９１Ｉ、９１Ｊおよび９１Ｋからなる合計９個のメッシュ９１で構成されている。

また、一例として、図６Ｃに示すように、第２の分割構造物マップデータ９２Ｂは、Ｘ方向およびＹ方向の長さがメッシュ単位長さの３倍であり、メッシュ９１Ｂ、９１Ｃ、９１Ｄ、９１Ｆ、９１Ｇ、９１Ｈ、９１Ｊ、９１Ｋおよび９１Ｌからなる合計９個のメッシュ９１で構成されている。

また、一例として、図６Ｄに示すように、第３の分割構造物マップデータ９２Ｃは、Ｘ方向およびＹ方向の長さがメッシュ単位長さの３倍であり、メッシュ９１Ｅ、９１Ｆ、９１Ｇ、９１Ｉ、９１Ｊ、９１Ｋ、９１Ｍ、９１Ｎおよび９１Ｏからなる合計９個のメッシュ９１で構成されている。

分割構造物マップデータ９２Ａ、９２Ｂ、９２Ｃを区別しないとき、これらを分割構造物マップデータ９２と総称する。

このように、データ拡張部３１１は、未観測地域構造物マップデータ９０に基づいて、同じ形状および同じ面積を有する複数の分割構造物マップデータ９２を生成する。このとき、それぞれの分割構造物マップデータ９２は複数のメッシュ９１で構成されており、それぞれのメッシュ９１は複数の分割構造物マップデータ９２に含まれる。一例として、メッシュ９１Ｂ、９１Ｃ、９１Ｆ、９１Ｇ、９１Ｊおよび９１Ｋは、Ｘ方向に配置されている第１の分割構造物マップデータ９２Ａと第２の分割構造物マップデータ９２Ｂに共有されている。また、メッシュ９１Ｅ、９１Ｆ、９１Ｇ、９１Ｉ、９１Ｊおよび９１Ｋは、Ｙ方向に配置されている第１の分割構造物マップデータ９２Ａと第３の分割構造物マップデータ９２Ｃに共有されている。データ拡張部３１１は、複数の分割構造物マップデータ９２を記憶装置４に格納してもよい。

ステップＳ１２において、生成部３１２は、未観測地域９の分割構造物マップデータ９２に基づいて、分割短区間変動マップデータを生成する。生成部３１２は、生成した分割短区間変動マップデータを記憶装置４に格納してもよい。生成部３１２は、後述するように、生成部３１２の製造方法を学習手段３２が実行することによって、予め用意されている。

短区間変動マップデータは、対応する分割構造物マップデータ９２における短区間変動を表す。短区間変動は、１つの分割構造物マップデータ９２に含まれる、未観測地域９の寸法と比較して十分に短い区間における、電波伝搬特性の空間的な変動である。言い換えれば、短区間変動は、所定の送信局から送信される無線信号を分割構造物マップデータ９２の地点で受信した受信電力の変動のうち、この分割構造物マップの領域に存在する構造物に由来すると推定される成分である。生成部３１２は、所定の送信局から送信された無線信号を所定の地域で受信した受信電力と、所定の地域に存在する構造物の平面空間情報との間にある相関性に基づく機械学習を実施されている。生成部３１２は、未観測地域９の分割構造物マップデータ９２のそれぞれについて、その分割構造物マップデータ９２に含まれる構造物に由来する電波伝搬特性の短区間変動を推定した分割短区間変動マップデータを生成する。

図７に示すように、一実施の形態による生成部３１２は、入力された分割構造物マップデータ９２に対して複数の処理を順次行ってもよい。図７の例では、生成部３１２は、畳み込み演算部６１Ａ、６１Ｂ、６１Ｃ、６１Ｄ、６１Ｅ、６１Ｆと、スペクトル正規化演算部６２Ａ、６２Ｂ、６２Ｃ、６２Ｄ、６２Ｅと、バッチ正規化演算部６３Ａ、６３Ｂ、６３Ｃ、６３Ｄ、６３Ｅと、ＲｅＬＵ（Ｒｅｃｔｉｆｉｅｄ Ｌｉｎｅａｒ Ｕｎｉｔ：正規化線形ユニット）６４Ａ、６４Ｂ、６４Ｃ、６４Ｄ、６４Ｅと、Ｔａｎｈ（ハイパボリックタンジェント）演算部６５とを備えている。

畳み込み演算部６１Ａ、６１Ｂ、６１Ｃ、６１Ｄ、６１Ｅ、６１Ｆを区別しないとき、これらを畳み込み演算部６１と総称する。スペクトル正規化演算部６２Ａ、６２Ｂ、６２Ｃ、６２Ｄ、６２Ｅを区別しないとき、これらをスペクトル正規化演算部６２と総称する。バッチ正規化演算部６３Ａ、６３Ｂ、６３Ｃ、６３Ｄ、６３Ｅを区別しないとき、これらをバッチ正規化演算部６３と総称する。ＲｅＬＵ ６４Ａ、６４Ｂ、６４Ｃ、６４Ｄ、６４Ｅを区別しないとき、これらをＲｅＬＵ ６４と総称する。

畳み込み演算部６１は、３×３のマトリックス構造を有する入力データに対して、所定のカーネルを用いた畳み込み演算を行う。ただし、上記の３×３は一例にすぎず、一実施の形態を限定しない。スペクトル正規化演算部６２は、入力データのスペクトル正規化処理を行う。バッチ正規化演算部６３は、入力データのバッチ正規化処理を行う。ＲｅＬＵ ６４は、入力データの正規化線形処理を行う。Ｔａｎｈ演算部６５は、入力データのハイパボリックタンジェント演算処理を行う。

図７の例では、一実施の形態による生成部３１２は、入力された分割構造物マップデータ９２に対して、畳み込み演算部６１による畳み込み演算と、スペクトル正規化演算部６２によるスペクトル正規化処理と、バッチ正規化演算部６３によるバッチ正規化処理と、ＲｅＬＵ ６４による正規化線形処理を順次行う処理セットを５回繰り返した後、さらに畳み込み演算部６１Ｅによる畳み込み演算と、Ｔａｎｈ演算部６５によるハイパボリックタンジェント演算処理とを行い、演算の結果を出力する。

ステップＳ１３において、マップデータ統合部３１３が、複数の分割短区間変動マップデータに基づいて未観測地域短区間変動マップデータを生成する。図８は、一実施の形態による未観測地域短区間変動マップデータ９３の一例を示す図である。未観測地域短区間変動マップデータ９３は、未観測地域９の全域における短区間変動を表し、未観測地域９に含まれる全てのメッシュ９１のそれぞれにおける短区間変動を表す。

マップデータ統合部３１３は、ステップＳ１１でデータ拡張部３１１が行った処理とは逆に、ステップＳ１２で得られた複数の分割短区間変動マップデータを結合して未観測地域短区間変動マップデータ９３を生成する。このとき、未観測地域９に含まれる複数のメッシュ９１のそれぞれについて、そのメッシュ９１を含むすべての分割構造物マップデータ９２に対応する分割短区間変動マップデータの平均値を、そのメッシュ９１における短区間変動として算出する。マップデータ統合部３１３は、このように短区間変動を算出した全てのメッシュ９１を結合することによって、未観測地域短区間変動マップデータ９３を生成する。マップデータ統合部３１３は、生成した未観測地域短区間変動マップデータ９３を記憶装置４に格納してもよい。

ステップＳ１４において、単回帰分析部３１４が、観測地域電波マップデータに基づいて、未観測地域距離減衰マップデータを生成する。図９は、一実施の形態による観測地域電波マップデータ８４の一例を示す図である。観測地域電波マップデータ８４は、観測地域８において観測した電波伝搬特性を表す。未観測地域距離減衰マップデータは、無線信号を送信する所定の送信局から未観測地域９における所定の地点までの距離に応じた、この地点で受信される無線信号の電力の減衰の推定値を表す。言い換えれば、未観測地域距離減衰マップデータは、無線信号を所定の地点で受信した受信電力の変動のうち、所定の送信局から所定の地点までの距離に由来すると推定される成分を表す。

送信点・受信点間の距離を変数とする単回帰分析部３１４は、観測地域電波マップデータ８４を観測地域距離マップデータに単回帰することによって得られる関係を、未観測地域距離マップデータに当てはめることによって、未観測地域距離減衰マップデータを生成する。観測地域距離マップデータは、所定の送信局から観測地域８における所定の地点までの距離を表す。未観測地域距離マップデータは、所定の送信局から未観測地域９における所定の地点までの距離を表す。図１０は、一実施形態による観測地域距離マップデータ８５と未観測地域距離マップデータ９５の一例を示す図である。図１１は、一実施形態による未観測地域距離減衰マップデータ９６の一例を示す図である。単回帰分析部３１４は、生成した未観測地域距離減衰マップデータ９６を記憶装置４に格納してもよい。

ステップＳ１５において、加算器３１５が、ステップＳ１３で得られた未観測地域短区間変動マップデータ９３と、ステップＳ１４で得られた未観測地域距離減衰マップデータ９６とに基づいて、未観測地域電波マップデータを生成する。未観測地域電波マップデータは、未観測地域９における電波伝搬特性の推定値を表す。図１２は、一実施の形態による未観測地域電波マップデータ９７の一例を示す図である。具体的には、加算器３１５は、未観測地域短区間変動マップデータ９３と未観測地域距離減衰マップデータ９６を加算することによって、未観測地域電波マップデータ９７を生成する。加算器３１５は、生成した未観測地域電波マップデータ９７を記憶装置４に格納してもよい。

ステップＳ１６において、出力装置５が、未観測地域電波マップデータ９７を外部に出力する。一例として、出力装置５は図示しない表示装置を備えており、出力装置５は未観測地域電波マップデータ９７を表示装置で表示する。別の一例として、出力装置５は図示しない通信装置を備えており、出力装置５は未観測地域電波マップデータ９７を通信装置で外部のコンピュータに送信してもよい。

ステップ１６が完了すると、図３のフローチャートは終了する。

このようにすることで、一実施形態による電波伝搬推定システム１の推定手段３１は、未観測地域９における電波伝搬特性を補外推定することができる。

前述のとおり、ステップＳ１２で分割短区間変動マップデータを生成する生成部３１２は、事前に、そのための機械学習を実施されている。この機械学習について、すなわち一実施の形態による生成部３１２の製造方法について説明する。

図１３に示すように、一実施形態による学習手段３２は、単回帰分析部３２１と、減算器３２２と、データ拡張部３２３と、生成部３２４と、判別部３２５と、判定部３２６とを備える。単回帰分析部３２１、減算器３２２、データ拡張部３２３、生成部３２４、判別部３２５および判定部３２６は、演算装置３が学習プログラム４２を実行することによって実現される学習手段３２の機能である。

図１４のフローチャートを参照して、一実施の形態による学習手段３２の動作について、つまり一実施の形態による生成部３１２の製造方法について説明する。

ステップＳ２１において、単回帰分析部３２１、減算器３２２およびデータ拡張部３２３が、観測地域電波マップデータ８４に基づいて、観測地域８の分割短区間変動マップデータを生成する。ここで、まず、単回帰分析部３２１が、観測地域電波マップデータ８４に基づいて、観測地域距離減衰マップデータを生成する。図１５は、一実施の形態による観測地域距離減衰マップデータ８６と未観測地域距離減衰マップデータ９６の一例を示す図である。次に、減算器３２２が、観測地域電波マップデータ８４と、観測地域距離減衰マップデータ８６とに基づいて、観測地域短区間変動マップデータを生成する。次に、データ拡張部３２３が、観測地域短区間変動マップデータに基づいて、観測地域８における複数の分割短区間変動マップデータを生成する。

ステップＳ２１における単回帰分析部３２１の動作について説明する。単回帰分析部３２１は、観測地域電波マップデータ８４を観測地域距離マップデータ８５に単回帰することによって観測地域距離減衰マップデータ８６を生成する。

ステップＳ２１における減算器３２２の動作について説明する。減算器３２２は、観測地域距離減衰マップデータ８６から観測地域電波マップデータ８４を引き算して観測地域短区間変動マップデータを生成する。図１６は、一実施の形態による観測地域短区間変動マップデータ８３の一例を示す図である。

ステップＳ２１におけるデータ拡張部３２３の動作について説明する。データ拡張部３２３は、推定手段３１のデータ拡張部３１１と同様に、観測地域短区間変動マップデータ８３を複数のメッシュに分割した上で、それぞれが複数のメッシュで構成された複数の領域における分割短区間変動マップデータを生成する。

ステップＳ２２において、データ拡張部３２３および生成部３２４が、観測地域構造物マップデータ８０に基づいて、観測地域８における複数の分割短区間変動マップデータを生成する。

ステップＳ２２におけるデータ拡張部３２３の動作について説明する。データ拡張部３２３は、推定手段３１のデータ拡張部３１１と同様に、観測地域構造物マップデータ８０を複数のメッシュに分割した上で、それぞれが複数のメッシュで構成された、観測地域８における複数の分割構造物マップデータを生成する。

ステップＳ２２における生成部３２４の動作について説明する。生成部３２４は、推定手段３１の生成部３１２と同様に、図７に示す構成を有しており、入力された分割構造物マップデータに対して、畳み込み演算部６１による畳み込み演算と、スペクトル正規化演算部６２によるスペクトル正規化処理と、バッチ正規化演算部６３によるバッチ正規化処理と、ＲｅＬＵ ６４による正規化線形処理を順次行う処理セットを５回繰り返した後、さらに畳み込み演算部６１Ｅによる畳み込み演算と、Ｔａｎｈ演算部６５によるハイパボリックタンジェント演算処理とを行い、演算の結果を出力する。

ここで、ステップＳ２１で生成される、観測地域８における複数の分割短区間変動マップデータと、ステップＳ２２で生成される、観測地域８における複数の分割短区間変動マップデータとは、異なる入力データに基づいて、かつ、異なる演算によって生成され、したがって異なるデータであることに注目されたい。便宜上、ステップＳ２１で生成される観測地域８における分割短区間変動マップデータを第１の分割短区間変動マップデータと記し、ステップＳ２２で生成される観測地域８における分割短区間変動マップデータを第２の分割短区間変動マップデータと記す。後述するように、一実施の形態では、生成部３２４が生成する第２の分割短区間変動マップデータを、電波伝搬特性の観測値に基づく第１の分割短区間変動マップデータに近づけるように、生成部３２４を調整する。

ステップＳ２３において、判別部３２５が、観測地域８における、第１の分割短区間変動マップデータと、第２の分割短区間変動マップデータとを判別する。判別部３２５は、第２の分割短区間変動マップデータのそれぞれが、対応する領域の第１の分割短区間変動マップデータに十分近づいているかどうかを判別し、その結果を表す数値を出力する。一例として、判別部３２５は、それぞれの第２の分割短区間変動マップデータについて、対応する領域の第１の分割短区間変動マップデータとの判別ができない場合には、つまり両者が十分に近い場合には、判別結果として「１」を出力する。反対に、それぞれの第２の分割短区間変動マップデータについて、対応する領域の第１の分割短区間変動マップデータとの判別ができる場合には、つまり両者が十分に近くない場合には、判別部３２５は判別結果として「－１」を出力する。

図１７に示すように、一実施の形態による判別部３２５は、入力された第２の分割短区間変動マップデータに対して複数の処理を順次行ってもよい。図１７の例では、判別部３２５は、畳み込み演算部７１Ａ、７１Ｂ、７１Ｃ、７１Ｄ、７１Ｅと、スペクトル正規化演算部７２Ａ、７２Ｂ、７２Ｃ、７２Ｄと、バッチ正規化演算部７３Ｂ、７３Ｃ、７３Ｄと、Ｌｅａｋｙ ＬｅＲＵ ７４Ａ、７４Ｂ、７４Ｃ、７４Ｄとを備えている。

畳み込み演算部７１Ａ、７１Ｂ、７１Ｃ、７１Ｄ、７１Ｅを区別しないとき、これらを畳み込み演算部７１と総称する。スペクトル正規化演算部７２Ａ、７２Ｂ、７２Ｃ、７２Ｄを区別しないとき、これらをスペクトル正規化演算部７２と総称する。バッチ正規化演算部７３Ｂ、７３Ｃ、７３Ｄを区別しないとき、これらをバッチ正規化演算部７３と総称する。Ｌｅａｋｙ ＬｅＲＵ ７４Ａ、７４Ｂ、７４Ｃ、７４Ｄを区別しないとき、これらをＬｅａｋｙ ＬｅＲＵ ７４と総称する。

畳み込み演算部７１は、図７の畳み込み演算部６１と同様に、３×３のマトリックス構造を有する入力データに対して、所定のカーネルを用いた畳み込み演算を行う。ただし、上記の３×３は一例にすぎず、一実施の形態を限定しない。スペクトル正規化演算部７２は、図７のスペクトル正規化演算部６２と同様に、入力データのスペクトル正規化処理を行う。バッチ正規化演算部７３は、図７のバッチ正規化演算部６３と同様に、入力データのバッチ正規化処理を行う。Ｌｅａｋｙ ＲｅＬＵ ７４は、入力データの正規化線形処理を行う。

図１７の例では、一実施形態による判別部３２５は、入力された第２の分割短区間変動マップデータに対して、まず、畳み込み演算と、スペクトル正規化処理と、正規化線形処理とを行う。次に、判別部３２５は、Ｌｅａｋｙ ＬｅＲＵ ７４Ａの出力に対して、畳み込み演算と、スペクトル正規化処理と、バッチ正規化処理と、正規化線形処理とを行う順次行う処理セットを３回繰り返した後、さらに畳み込み演算を行い、演算の結果を出力する。

ステップＳ２４において、判定部３２６が、判別結果が所定の閾値に達したかどうかを判定する。一例として、判別部３２５が第２の分割短区間変動マップデータの全てについて判別を行った結果を表す値の総和を、判定部３２６が算出する。判定部３２６が、この総和が所定の閾値に達していないと判定した場合（Ｎｏ）には、つまり生成部３２４が生成した複数の第２の分割短区間変動マップデータがその全体として複数の第１の分割短区間変動マップデータに十分近づいていないと判定部３２６が判定した場合には、処理はステップＳ２５に進む。反対に、判定部３２６が、この総和が所定の閾値に達したと判定した場合（Ｙｅｓ）には、つまり生成部３２４が生成した複数の第２の分割短区間変動マップデータがその全体として複数の第１の分割短区間変動マップデータに十分近づいていると判定部３２６が判定した場合には、処理はステップＳ２６に進む。

ステップＳ２５において、判定部３２６が、生成部３２４および判別部３２５のパラメータを更新する。ここで、判定部３２６は、次にステップＳ２３とステップＳ２４とが実行されるとき、判別結果が所定の閾値に達するように、生成部３２４のパラメータの更新を行う。ここで更新される生成部３２４のパラメータは、例えば、図６に示した畳み込み演算部６１の畳み込み演算に用いられるカーネルである。また、判定部３２６は、次にステップＳ２３とステップＳ２４とが実行されるとき、判別結果が所定の閾値に達しないように、判別部３２５のパラメータの更新を行う。ここで更新される判別部３２５のパラメータは、例えば、図１７に示した畳み込み演算部７１の畳み込み演算に用いられるカーネルである。ステップＳ２５の次に、処理はステップＳ２２へ進み、ステップＳ２２、ステップＳ２３およびステップＳ２４が再度実行される。

ステップＳ２６において、判定部３２６は生成部３２４を記憶装置４に保存する。より詳細には、判定部３２６は、生成部３２４に実施された機械学習の結果であるパラメータのセットを記憶装置４に保存する。こうすることによって、一実施の形態による推定手段３１は、このパラメータのセットを記憶装置４から読み出して生成部３１２に設定することができ、生成部３１２は機械学習を実施した状態でステップＳ１２の処理を行うことができる。ステップＳ２６が完了すると、図１４のフローチャートは終了する。

以上に説明したように、一実施の形態による電波伝搬推定システム１において、学習手段３２が生成部３２４の製造方法において生成部３２４に機械学習を実施し、この機械学習の結果を設定された生成部３１２を含む推定手段３１が電波伝搬推定方法を実行することによって、未観測地域９において電波伝搬特性の補外推定を、より高い精度で行うことができる。

一例として、一実施の形態による電波伝搬推定の結果と、関連技術による電波伝搬推定の結果とを比較した。ここで、関連技術では、未観測地域短区間変動マップデータ９３を算出せず、未観測地域距離減衰マップデータ９６を未観測地域電波マップデータ９７とする。推定値と真値の二乗平均平方根誤差が、一実施の形態では５．７７ｄＢ（デシベル）であったのに対し、関連技術では１０．８２ｄＢであった。なお、この比較は、以下の諸元を用いた観測実験によるものである。
観測エリア：九段下駅周辺
メッシュサイズ：１０ｍ×１０ｍ
観測周波数帯域：３，５００ＭＨｚ（メガヘルツ）
送信電力：２８．７ｄＢｍ
アンテナ指向性：オムニ
偏波：Ｈ偏波
送信局の高さ：１７．５ｍ
受信局の高さ：１．５ｍ

以上、発明者によってなされた発明を実施の形態に基づき具体的に説明したが、本発明は前記実施の形態に限定されるものではなく、その要旨を逸脱しない範囲で種々変更可能であることはいうまでもない。また、前記実施の形態に説明したそれぞれの特徴は、技術的に矛盾しない範囲で自由に組み合わせることが可能である。

一実施の形態の一変形例として、記録媒体４０１は、非一時的で有形な媒体（non-transitory and tangible medium）であってもよい。

一実施の形態の一変形例として、電波伝搬推定システム１は、図示しない通信装置をさらに備えていてもよく、記憶装置４に格納されているプログラムはこの通信装置を介して外部から供給されて記憶装置４に格納されたものであってもよい。

一実施の形態の一変形例として、図２に示したデータ拡張部３１１、生成部３１２およびマップデータ統合部３１３の集合を第１推定手段と呼称してもよい。また、図３のフローチャートに示したステップＳ１１、Ｓ１２およびＳ１３の集合をステップＳ１０と呼称してもよい。このとき、ステップＳ１０では、第１推定手段が、未観測地域構造物マップデータ９０に基づいて、未観測地域短区間変動マップデータ９３を生成する。

一実施の形態の一変形例として、図３のフローチャートのステップＳ１４は、ステップＳ１５より前でさえあれば、ステップＳ１３の後に実行される必要は無い。一例として、ステップＳ１４は、ステップＳ１１～Ｓ１３のいずれかより前に実行されてもよいし、ステップＳ１１～Ｓ１３の一部または全てと並行して実行されてもよい。

一実施の形態の一変形例として、学習手段３２は２つのデータ拡張部３２３を有していてもよい。つまり、図１３では、ステップＳ２２で動作するデータ拡張部３２３と、ステップＳ２１で動作するデータ拡張部３２３とが、同一のデータ拡張部３２３である構成を示しているが、これらは２つの異なるデータ拡張部３２３であってもよい。この場合、図１３に示した単回帰分析部３２１、減算器３２２およびステップＳ２１で動作するデータ拡張部３２３の集合を第１学習手段と呼称してもよい。このとき、図１４のフローチャートに示したステップＳ２１では、第１学習手段が観測地域電波マップデータ８４に基づいて観測地域８における第１の分割短区間変動マップデータを生成する。また、この場合、図１３に示したステップＳ２２で動作するデータ拡張部３２３と、生成部３２４との集合を第２学習手段と呼称してもよい。この時、図１４のフローチャートに示したステップＳ２２では、第２学習手段が観測地域構造物マップデータ８０に基づいて観測地域８における第２の分割短区間変動マップデータを生成する。

１ 電波伝搬推定システム
２ バス
３ 演算装置
３１ 推定手段
３１１ データ拡張部
３１２ 生成部
３１３ マップデータ統合部
３１４ 単回帰分析部
３１５ 加算器
３２ 学習手段
３２１ 単回帰分析部
３２２ 減算器
３２３ データ拡張部
３２４ 生成部
３２５ 判別部
３２６ 判定部
４ 記憶装置
４０１ 記録媒体
４１ 推定プログラム
４２ 学習プログラム
５ 出力装置
６１Ａ～６１Ｆ 畳み込み演算部
６２Ａ～６２Ｅ スペクトル正規化演算部
６３Ａ～６３Ｅ バッチ正規化演算部
６４Ａ～６４Ｅ ＲｅＬＵ
６５ Ｔａｎｈ演算部
７１Ａ～７１Ｅ 畳み込み演算部
７２Ａ～７２Ｄ スペクトル正規化演算部
７３Ｂ～７３Ｄ バッチ正規化演算部
７４Ａ～７４Ｄ Ｌｅａｋｙ ＬｅＲＵ
８ 観測地域
８０ 観測地域構造物マップデータ
８３ 観測地域短区間変動マップデータ
８４ 観測地域電波マップデータ
８５ 観測地域距離マップデータ
８６ 観測地域距離減衰マップデータ
９ 未観測地域
９０ 未観測地域構造物マップデータ
９１、９１Ａ～９１Ｐ メッシュ
９２、９２Ａ～９２Ｃ 分割構造物マップデータ
９３ 未観測地域短区間変動マップデータ
９５ 未観測地域距離マップデータ
９６ 未観測地域距離減衰マップデータ
９７ 未観測地域電波マップデータ

Claims (6)

1. 所定の地域に含まれる第１地域に存在する構造物の平面空間情報を表す構造物マップデータに基づいて、所定の送信局から送信される無線信号を前記第１地域に含まれる複数の第１地点のそれぞれで受信した受信電力の変動のうち、前記構造物に由来すると推定される成分を表す短区間変動マップデータを生成する第１推定手段と、
   前記所定の地域に含まれ前記第１地域とは別の第２地域に含まれる複数の第２地点で前記無線信号の受信電力を観測した第２地域電波マップデータに基づいて、前記複数の第１地点で受信した前記受信電力の変動のうち、前記所定の送信局から前記複数の第１地点までの距離に由来すると推定される成分を表す距離減衰マップデータを生成する単回帰分析部と、
   前記短区間変動マップデータと、前記距離減衰マップデータとに基づいて、前記無線信号を前記複数の第１地点で受信した前記受信電力の変動を補外推定した第１地域電波マップデータを生成する加算器と、
   前記第１地域電波マップデータを外部に出力する出力装置と
   を備え、
   前記第１推定手段は、
   前記第２地域電波マップデータに基づく前記第２地域の第１分割短区間変動マップデータと、前記第２地域に存在する構造物の平面空間情報を表す第２地域構造物マップデータに基づく前記第２地域の第２分割短区間変動マップデータとの相関性に基づく機械学習を実施され、前記複数の第１地点のそれぞれの前記構造物マップデータに基づいて前記複数の第１地点のそれぞれの前記短区間変動マップデータを生成する第１生成部
   を備える
   電波伝搬推定システム。
2. 請求項１に記載の電波伝搬推定システムにおいて、
   前記第１推定手段は、
   未観測地域構造物マップデータに基づいて前記複数の第１地点にそれぞれ対応する複数の分割構造物マップデータを生成するデータ拡張部
   をさらに備え、
   前記第１生成部は、前記複数の分割構造物マップデータに基づいて前記複数の第１地点にそれぞれ対応する複数の分割短区間変動マップデータを生成し、
   前記第１推定手段は、
   複数の分割短区間変動マップデータに基づいて未観測地域短区間変動マップデータを生成するマップデータ統合部
   をさらに備える
   電波伝搬推定システム。
3. 請求項１または２に記載の電波伝搬推定システムにおいて、
   前記第１生成部に前記機械学習を実施する学習手段
   をさらに備え、
   前記学習手段は、
   前記無線信号を前記複数の第２地点のそれぞれで受信した受信電力の分布を観測した第２地域電波マップデータに基づいて、前記所定の送信局から前記複数の第２地点のそれぞれまでの距離に由来する前記受信電力の減衰以外の前記受信電力の変動をそれぞれ表す複数の第１分割短区間変動マップデータを生成する第１学習手段と、
   前記第２地域構造物マップデータに基づいて、前記複数の第２地点に存在する前記構造物に由来する前記受信電力の変動をそれぞれ表す複数の第２分割短区間変動マップデータを、第１パラメータを用いて生成する第２学習手段と、
   前記複数の第１分割短区間変動マップデータと前記複数の第２分割短区間変動マップデータの判別を、第２パラメータを用いて行う判別部と、
   前記判別の結果を表す数値が所定の閾値に達するまで、前記数値が前記閾値に達するように前記第１パラメータを更新し、前記数値が前記閾値に達しないように前記第２パラメータを更新する判定部と
   を備え、
   前記第２学習手段は、更新された前記第１パラメータを用いて前記複数の第２分割短区間変動マップデータを生成し、
   前記判別部は、更新された前記第２パラメータを用いて前記判別を行い、
   前記判定部は、前記判別の結果が前記閾値に達したとき、前記第１パラメータを、前記第１生成部のパラメータとして使用可能に保存する
   電波伝搬推定システム。
4. 請求項１～３のいずれか一項に記載の電波伝搬推定システムにおいて、
   前記構造物マップデータが表す前記構造物の前記平面空間情報は、前記構造物の高度、前記構造物が存在する地点の高度、前記送信局から前記構造物が存在する受信地点までの平面的な距離、前記送信局から前記受信地点までの平均高度、前記送信局と前記受信地点の間に存在する他の構造物の最高高度、前記受信地点から最も近い前記他の構造物の高度、前記受信地点から最も近い前記他の構造物までの平面的な距離、および、前記受信地点の周囲に存在する前記他の構造物の平均高度のうち、少なくとも１つを含む
   電波伝搬推定システム。
5. 所定の地域に含まれる第１地域に存在する構造物の平面空間情報を表す構造物マップデータに基づいて、所定の送信局から送信される無線信号を前記第１地域に含まれる複数の第１地点のそれぞれで受信した受信電力の変動のうち、前記構造物に由来すると推定される成分を表す短区間変動マップデータを生成することと、
   前記所定の地域に含まれ前記第１地域とは別の第２地域に含まれる複数の第２地点で前記無線信号の受信電力を観測した第２地域電波マップデータに基づいて、前記複数の第１地点で受信した受信電力の変動のうち、前記所定の送信局から前記複数の第１地点までの距離に由来すると推定される成分を表す距離減衰マップデータを生成することと、
   前記短区間変動マップデータと、前記距離減衰マップデータとに基づいて、前記無線信号を前記複数の第１地点で受信した前記受信電力の変動を補外推定した第１地域電波マップデータを生成することと、
   前記第１地域電波マップデータを外部に出力することと
   を含み、
   前記短区間変動マップデータを生成することは、
   前記第２地域電波マップデータに基づく前記第２地域の第１分割短区間変動マップデータと、前記第２地域に存在する構造物の平面空間情報を表す第２地域構造物マップデータに基づく前記第２地域の第２分割短区間変動マップデータとの相関性に基づく機械学習を実施された生成部が、前記第１地域の前記構造物マップデータに基づいて前記第１地域の前記短区間変動マップデータを生成すること
   を含む
   電波伝搬推定方法。
6. 所定の送信局から送信される無線信号を所定の観測地域に含まれる複数の地点のそれぞれで受信した受信電力の分布を観測した電波マップデータに基づいて、前記所定の送信局から前記所定の観測地域に含まれる複数の部分領域のそれぞれまでの距離に由来する前記受信電力の減衰以外の前記受信電力の変動をそれぞれ表す複数の第１観測地域分割短区間変動マップデータを生成することと、
   第１パラメータを有する生成部によって、前記所定の観測地域に存在する構造物の平面空間情報を表す観測地域構造物マップデータに基づいて、前記複数の部分領域に存在する前記構造物に由来する前記受信電力の変動をそれぞれ表す複数の第２観測地域分割短区間変動マップデータを生成することと、
   第２パラメータを有する判別部によって、前記複数の第１観測地域分割短区間変動マップデータと前記複数の第２観測地域分割短区間変動マップデータの判別を行うことと、
   前記判別の結果を表す数値が所定の閾値に達するまで、前記数値が前記閾値に達するように前記第１パラメータを更新し、更新された前記第１パラメータを用いて前記複数の第２観測地域分割短区間変動マップデータを生成し、前記数値が前記閾値に達しないように前記第２パラメータを更新し、更新された前記第２パラメータを用いて前記判別を行うことと、
   前記判別の結果が前記閾値に達したとき、前記第１パラメータを、機械学習を実施した生成部のパラメータとして外部の推定手段で使用可能に保存することと
   を含む
   生成部の製造方法。
   

Images