特開 2025-9911 誘導システム、推定システム、誘導方法、推定方法、およびプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2025009911

(43)【公開日】2025-01-20

(54)【発明の名称】誘導システム、推定システム、誘導方法、推定方法、およびプログラム

(51)【国際特許分類】

   A01M 29/00 20110101AFI20250109BHJP

【ＦＩ】

A01M29/00

【審査請求】未請求

【請求項の数】13

【出願形態】ＯＬ

(21)【出願番号】P 2024096053

(22)【出願日】2024-06-13

(31)【優先権主張番号】P 2023106864

(32)【優先日】2023-06-29

(33)【優先権主張国・地域又は機関】JP

(71)【出願人】

【識別番号】501273886

【氏名又は名称】国立研究開発法人国立環境研究所

(71)【出願人】

【識別番号】504171134

【氏名又は名称】国立大学法人 筑波大学

(74)【代理人】

【識別番号】100149548

【弁理士】

【氏名又は名称】松沼 泰史

(74)【代理人】

【識別番号】100181722

【弁理士】

【氏名又は名称】春田 洋孝

(74)【代理人】

【識別番号】100178847

【弁理士】

【氏名又は名称】服部 映美

(72)【発明者】

【氏名】岡本 遼太郎

(72)【発明者】

【氏名】小熊 宏之

(72)【発明者】

【氏名】徳永 幸彦

【テーマコード（参考）】

2B121

【Ｆターム（参考）】

2B121AA02

2B121AA07

2B121DA17

2B121DA33

2B121DA51

2B121DA62

2B121DA63

2B121EA21

2B121FA13

2B121FA16

(57)【要約】

【課題】鳥獣害を防ぎたい場所から鳥獣を追い出し、鳥獣が生息可能な場所へ鳥獣を誘導すること。
【解決手段】誘導システムは、複数の威嚇／誘引動作部と、複数の検出部と、取得部と、決定部と、動作／誘引制御部とを備える。複数の威嚇／誘引動作部は、複数のエリアにそれぞれ配置され、各エリアで鳥獣を威嚇／誘引する。複数の検出部は、前記複数のエリアにそれぞれ配置され、各エリアで鳥獣を検出する。取得部は、前記複数の検出部のうち一の検出部によって鳥獣が検出された場合、当該鳥獣の位置を示す位置情報を取得する。決定部は、前記位置情報に基づいて、前記複数の威嚇／誘引動作部をそれぞれ動作させる誘導パターンのうち一の誘導パターンを決定する。動作制御部は、前記一の誘導パターンに基づく威嚇／誘引態様で、前記複数の威嚇／誘引動作部をそれぞれ動作させる。
【選択図】図６

【特許請求の範囲】

【請求項1】

複数のエリアにそれぞれ配置され、各エリアで鳥獣を威嚇／誘引する複数の威嚇／誘引動作部と、
前記複数のエリアにそれぞれ配置され、各エリアで鳥獣を検出する複数の検出部と、
前記複数の検出部のうち一の検出部によって鳥獣が検出された場合、当該鳥獣の位置を示す位置情報を取得する取得部と、
前記位置情報に基づいて、前記複数の威嚇／誘引動作部をそれぞれ動作させる誘導パターンのうち一の誘導パターンを決定する決定部と、
前記一の誘導パターンに基づく威嚇／誘引態様で、前記複数の威嚇／誘引動作部をそれぞれ動作させる動作制御部と、
を備える誘導システム。

【請求項2】

前記位置情報から特定されるエリアについて、威嚇／誘引態様に応じた鳥獣の移動方向を推定する方向推定部を備え、
前記決定部は、前記方向推定部によって推定された前記移動方向に基づいて、前記一の誘導パターンを決定する、
請求項１に記載の誘導システム。

【請求項3】

前記方向推定部は、前記位置情報と、前記特定されるエリアへの鳥獣の侵入方向を示す情報と、威嚇／誘引態様を示す情報とに基づいて、前記移動方向を推定する、
請求項２に記載の誘導システム。

【請求項4】

威嚇／誘引による効果が異なる複数種類の威嚇／誘引態様のうち、威嚇／誘引の効果が高い威嚇／誘引態様を推定する威嚇／誘引態様推定部を備え、
前記動作制御部は、前記威嚇／誘引態様推定部によって推定された威嚇／誘引の効果が高い威嚇／誘引態様で、前記複数の威嚇／誘引動作部をそれぞれ動作させる、
請求項１～３のいずれか一項に記載の誘導システム。

【請求項5】

実際に威嚇／誘引の効果が認められた複数の威嚇／誘引態様に基づいて、前記複数の威嚇／誘引態様の特徴を有する新たな威嚇／誘引態様を生成する威嚇／誘引態様生成部を備え、
前記動作制御部は、前記威嚇／誘引態様生成部によって生成された新たな威嚇／誘引態様に変更して前記複数の威嚇／誘引動作部をそれぞれ動作させる、
請求項１～３のいずれか一項に記載の誘導システム。

【請求項6】

複数のエリアにそれぞれ配置され、各エリアで鳥獣を威嚇／誘引する複数の威嚇／誘引動作部と、
前記複数のエリアにそれぞれ配置され、各エリアで鳥獣を検出する複数の検出部と、
に接続する管理装置が、
前記複数の検出部のうち一の検出部によって鳥獣が検出された場合、当該鳥獣の位置を示す位置情報を取得する取得工程と、
前記位置情報に基づいて、前記複数の威嚇／誘引動作部をそれぞれ動作させる誘導パターンのうち一の誘導パターンを決定する決定工程と、
前記一の誘導パターンに基づく威嚇／誘引態様で、前記複数の威嚇／誘引動作部をそれぞれ動作させる動作制御工程と、
を含む処理を実行する誘導方法。

【請求項7】

複数のエリアにそれぞれ配置され、各エリアで鳥獣を威嚇／誘引する複数の威嚇／誘引動作部と、
前記複数のエリアにそれぞれ配置され、各エリアで鳥獣を検出する複数の検出部と、
に接続する管理装置のコンピュータを、
前記複数の検出部のうち一の検出部によって鳥獣が検出された場合、当該鳥獣の位置を示す位置情報を取得する取得部、
前記位置情報に基づいて、前記複数の威嚇／誘引動作部をそれぞれ動作させる誘導パターンのうち一の誘導パターンを決定する決定部、
前記一の誘導パターンに基づく威嚇／誘引態様で、前記複数の威嚇／誘引動作部をそれぞれ動作させる動作制御部、
として機能させるプログラム。

【請求項8】

各種の動物が生息する複数のエリアにそれぞれ配置され、各エリアで対象種を検出する複数の検出部と、
前記複数の検出部のうち一の検出部によって前記対象種が検出された場合、当該対象種の位置を示す位置情報を取得する取得部と、
前記取得部によって取得された前記位置情報に基づいて、前記対象種の移動経路を推定する推定部と、
を備える推定システム。

【請求項9】

前記複数の検出部は、それぞれ前記対象種の挙動を検出し、
前記取得部は、前記対象種の挙動を含む検出結果を取得し、
前記推定部は、前記位置情報と前記検出結果とに基づいて、前記対象種の移動経路を推定する、
請求項８に記載の推定システム。

【請求項10】

前記複数の検出部は、それぞれ、前記動物を検出する第１検出器と、前記対象種の挙動を検出する第２検出器と、を含み、
前記第１検出器によって検出された前記動物が前記対象種である場合に、前記第２検出器を起動させる、
を含む請求項９に記載の推定システム。

【請求項11】

前記複数の検出部は、それぞれ複数種類の検出器を含み、前記複数種類の検出器によって検出された複数の前記検出結果に基づいて、前記対象種の検出と、前記対象種の挙動の検出とを行い、
前記取得部は、前記複数の前記検出結果を取得し、
前記推定部は、前記位置情報と前記複数の前記検出結果とに基づいて、前記対象種の移動経路を推定する、
請求項９に記載の推定システム。

【請求項12】

各種の動物が生息する複数のエリアにそれぞれ配置され、各エリアで対象種を検出する複数の検出部に接続する管理装置が、
前記複数の検出部のうち一の検出部によって前記対象種が検出された場合、当該対象種の位置を示す位置情報を取得する取得工程と、
前記取得工程において取得された前記位置情報に基づいて、前記対象種の移動経路を推定する推定工程と、
を含む処理を実行する推定方法。

【請求項13】

各種の動物が生息する複数のエリアにそれぞれ配置され、各エリアで対象種を検出する複数の検出部に接続する管理装置のコンピュータを、
前記複数の検出部のうち一の検出部によって前記対象種が検出された場合、当該対象種の位置を示す位置情報を取得する取得部、
前記取得部によって取得された前記位置情報に基づいて、前記対象種の移動経路を推定する推定部、
として機能させるプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、誘導システム、推定システム、誘導方法、推定方法、およびプログラムに関する。

【背景技術】

【0002】

従来から、鳥獣による農林水産業等への被害が生じている。鳥獣による被害は、農林水産業への被害のみならず、自然生態系への悪影響も含まれる。自然生態系への悪影響には、例えば、希少植物が生息する国立公園等に鳥獣が侵入し、当該鳥獣によって希少植物が食べられてしまうといったことを含む。さらに、今後見込まれる人口減少や、里山の衰退等により、野生動物と人間との軋轢が深刻化することが懸念される。例えば、野生動物が人間の生活圏に侵入することによって、人獣共通感染症のリスクなども懸念される。

【0003】

鳥獣に対する対策として、監視カメラが鳥獣を撮影すると、鳥獣の種別と撮像の開始日時と終了日時とに応じた追い払いパターン情報に基づいて、威嚇をおこなうシステムが開示されている（例えば、特許文献１参照。）。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２０１７－２０５０３３号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

しかしながら、従来技術では、鳥獣害を防ぎたい場所から鳥獣を追い出して、鳥獣が生息可能な場所へ誘導することができない、という問題があった。また、むやみ追い払うだけでは、持続的な追い払い効果が期待できない、という問題があった。

【0006】

本発明は、このような事情に鑑みてなされたもので、その目的は、鳥獣害を防ぎたい場所から鳥獣を追い出し、鳥獣が生息可能な場所へ誘導することができるとともに、持続的な追い払い効果を得ることができる技術を提供することにある。

【課題を解決するための手段】

【0007】

上述した課題を解決するために、本発明に係る誘導システムは、複数のエリアにそれぞれ配置され、各エリアで鳥獣を威嚇／誘引する複数の威嚇／誘引動作部と、前記複数のエリアにそれぞれ配置され、各エリアで鳥獣を検出する複数の検出部と、前記複数の検出部のうち一の検出部によって鳥獣が検出された場合、当該鳥獣の位置を示す位置情報を取得する取得部と、前記位置情報に基づいて、前記複数の威嚇／誘引動作部をそれぞれ動作させる誘導パターンのうち一の誘導パターンを決定する決定部と、前記一の誘導パターンに基づく威嚇／誘引態様で、前記複数の威嚇／誘引動作部をそれぞれ動作させる動作制御部と、を備える誘導システムである。

【0008】

上述した課題を解決するために、本発明に係る誘導方法は、複数のエリアにそれぞれ配置され、各エリアで鳥獣を威嚇／誘引する複数の威嚇／誘引動作部と、前記複数のエリアにそれぞれ配置され、各エリアで鳥獣を検出する複数の検出部と、に接続する管理装置が、前記複数の検出部のうち一の検出部によって鳥獣が検出された場合、当該鳥獣の位置を示す位置情報を取得する取得工程と、前記位置情報に基づいて、前記複数の威嚇／誘引動作部をそれぞれ動作させる誘導パターンのうち一の誘導パターンを決定する決定工程と、前記一の誘導パターンに基づく威嚇／誘引態様で、前記複数の威嚇／誘引動作部をそれぞれ動作させる動作制御工程と、を含む処理を実行する誘導方法である。

【0009】

上述した課題を解決するために、本発明に係るプログラムは、複数のエリアにそれぞれ配置され、各エリアで鳥獣を威嚇／誘引する複数の威嚇／誘引動作部と、前記複数のエリアにそれぞれ配置され、各エリアで鳥獣を検出する複数の検出部と、に接続する管理装置のコンピュータを、前記複数の検出部のうち一の検出部によって鳥獣が検出された場合、当該鳥獣の位置を示す位置情報を取得する取得部、前記位置情報に基づいて、前記複数の威嚇／誘引動作部をそれぞれ動作させる誘導パターンのうち一の誘導パターンを決定する決定部、前記一の誘導パターンに基づく威嚇／誘引態様で、前記複数の威嚇／誘引動作部をそれぞれ動作させる動作制御部、として機能させるプログラムである。

【0010】

上述した課題を解決するために、本発明に係る推定システムは、各種の動物が生息する複数のエリアにそれぞれ配置され、各エリアで対象種を検出する複数の検出部と、前記複数の検出部のうち一の検出部によって前記対象種が検出された場合、当該対象種の位置を示す位置情報を取得する取得部と、前記取得部によって取得された前記位置情報に基づいて、前記対象種の移動経路を推定する推定部と、を備える推定システムである。
上記の動物は、鳥獣害を及ぼす生き物や、絶滅危惧種を含み、さらに、例えば、カエルなどの両生類、ヘビなどの爬虫類、チョウなどの昆虫類、ブラックバスなどの魚類などを含む。

【0011】

上述した課題を解決するために、本発明に係る推定方法は、各種の動物が生息する複数のエリアにそれぞれ配置され、各エリアで対象種を検出する複数の検出部に接続する管理装置が、前記複数の検出部のうち一の検出部によって前記対象種が検出された場合、当該対象種の位置を示す位置情報を取得する取得工程と、前記取得工程において取得された前記位置情報に基づいて、前記対象種の移動経路を推定する推定工程と、を含む処理を実行する推定方法である。

【0012】

上述した課題を解決するために、本発明に係るプログラムは、各種の動物が生息する複数のエリアにそれぞれ配置され、各エリアで対象種を検出する複数の検出部に接続する管理装置のコンピュータを、前記複数の検出部のうち一の検出部によって前記対象種が検出された場合、当該対象種の位置を示す位置情報を取得する取得部、前記取得部によって取得された前記位置情報に基づいて、前記対象種の移動経路を推定する推定部、として機能させるプログラムである。

【発明の効果】

【0013】

本発明によれば、鳥獣害を防ぎたい場所から鳥獣を追い出し、鳥獣が生息可能な場所へ誘導することができるとともに、持続的な追い払い効果を得ることができる。

【図面の簡単な説明】

【0014】

【図1】本発明の第１実施形態に係る誘導システムのネットワーク構成を示す説明図である。

【図2】誘導装置のハードウェア構成の一例を示す図である。

【図3】管理装置のハードウェア構成の一例を示す図である。

【図4】管理装置の機能的構成の一例を示すブロック図である。

【図5】誘導システムにおける動作を示すシーケンス図である。

【図6】鳥獣が威嚇ゾーンに侵入してから、誘引ゾーンへ誘導する際の動作を示す図である。

【図7】第１学習済モデルの一例を示す説明図である。

【図8】第２学習済モデルの一例を示す説明図である。

【図9】行動モデルの一例を示す説明図である。

【図10】行動モデルを用いた管理装置の動作を示すフローチャートである。

【図11】管理装置による価値関数の学習処理を示すフローチャートである。

【図12】変形例１に係る誘導システムのネットワーク構成を示す説明図である。

【図13】第２実施形態に係る推定システムの機能的構成の一例を示すブロック図である。

【図14】第２実施形態に係る検出装置のハードウェア構成の一例を示す図である。

【図15】第２実施形態の動物推定システムにおける動作を示すシーケンス図である。

【図16】対象種の推定に係る第３学習済モデルの一例を示す説明図である。

【図17】対象種の推定に係る第４学習済モデルの一例を示す説明図である。

【図18】管理装置２０が行う移動経路の推定に係る第５学習済モデルの一例を示す説明図である。

【図19】利用エリアの推定結果の一例を示す図である。

【図20】対象種の推定に係る第６学習済モデルの一例を示す説明図である。

【図21】移動経路の推定に係る第７学習済モデルの一例を示す説明図である。

【図22】移動経路の推定に係る第８学習済モデルの一例を示す説明図である。

【発明を実施するための形態】

【0015】

（実施形態）
（誘導システム１のネットワーク構成）
図１は、本発明の第１実施形態に係る誘導システム１のネットワーク構成を示す説明図である。誘導システム１は、例えば、田畑、国立公園、里山など、鳥獣による被害が懸念される場所に導入される。誘導システム１が導入される場所は、威嚇ゾーン３０ａと、誘引ゾーン３０ｂとを含む。威嚇ゾーン３０ａは、鳥獣を存在させないようにする領域であり、例えば、人間が生活する領域や、特定の国立公園などである。鳥獣は、例えば、鳥獣害を及ぼす生き物であり、例えば、シカ、サル、イノシシ、クマなどの動物や、カラス、スズメ、カモなどの鳥を含む。なお、鳥獣は、これらに限らない。例えば、鳥獣害を防ぐ目的以外に、保護対象の鳥獣を保護区内に誘導する目的で本誘導システム１を用いる場合には、鳥獣は、トキやコウノトリといった絶滅危惧種を含む。威嚇ゾーン３０ａは、複数の威嚇エリア４０ａ～４０ｉを含む。

【0016】

誘引ゾーン３０ｂは、威嚇ゾーン３０ａから鳥獣を誘引する領域である。誘引ゾーン３０ｂは、鳥獣の存在が許容され、かつ鳥獣が棲みつきやすい領域である。例えば、誘引ゾーン３０ｂは、人間活動が少なく、餌資源が豊富な森林である。誘引ゾーン３０ｂは、複数の誘引エリア４０ｊ～４０ｏを含む。

【0017】

なお、図示では、威嚇ゾーン３０ａおよび誘引ゾーン３０ｂは、説明の便宜上、特定の鳥獣（例えばシカ）を対象とした領域を示している。なお、威嚇ゾーン３０ａおよび誘引ゾーン３０ｂは、鳥獣の種類に応じて、それぞれ異なる（可変となる）領域とすることが可能である。すなわち、シカに対して威嚇ゾーン３０ａとする場所でも、他の鳥獣に対しては威嚇ゾーン３０ａとはならないこともある。また、シカに対して誘引ゾーン３０ｂとする場所でも、他の鳥獣に対しては誘引ゾーン３０ｂとはならないこともある。

【0018】

誘導システム１は、複数の誘導装置１０と、管理装置２０とを備える。各装置は、ＬＡＮ（Local Area Network）やＷＡＮ（Wide Area Network）などのネットワーク５０を介して、有線または無線により接続されている。各装置は、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、通信部などを備えたコンピュータ装置である。

【0019】

複数の誘導装置１０は、威嚇ゾーン３０ａおよび誘引ゾーン３０ｂの各エリア４０にそれぞれ配置される。威嚇ゾーン３０ａに配置される誘導装置１０は、鳥獣を威嚇して、自装置が配置されるエリア４０から他のエリア４０へ鳥獣を追い出す。一方、誘引ゾーン３０ｂに配置される誘導装置１０は、鳥獣を誘引するようにし、自装置が配置されるエリア４０に鳥獣を留めさせる。

【0020】

誘導装置１０は、検出部１１と、威嚇／誘引動作部１２とを備える。検出部１１は、自装置が配置されるエリア４０内を撮像するカメラを備え、カメラによって撮像された撮像データに基づいて、エリア４０内に侵入した鳥獣を検出する。なお、検出部１１は、カメラを用いて鳥獣を検出することに代えて又は加えて、マイクロフォン、マイクロフォンアレイを用いて鳴き声等を検出してもよいし、LiDAR（Light Detection And Ranging）、ミリ波レーダー、赤外線センサー、サーマルカメラを用いて鳥獣を検出してもよい。検出部１１によって鳥獣が検出されると、誘導装置１０は、鳥獣が侵入した旨の通知（鳥獣侵入通知）を管理装置２０へ送信する。

【0021】

威嚇ゾーン３０ａに配置される威嚇／誘引動作部１２は、鳥獣を威嚇することによって、自装置が配置されるエリア４０から他のエリア４０へ鳥獣を追い出す。威嚇は、鳥獣ごとに異なる威嚇態様で行われる。威嚇は、例えば、音と光の組み合わせによって行われる。具体的には、威嚇態様は、音の周波数、音の出力間隔、光の色、光の出力間隔などのほか、指向性スピーカを用いた音の出力方向や、レーザー光を用いた照射方向を含む。すなわち、威嚇態様は、所定の音の態様と、所定の発光態様とを組み合わせたものである。また、威嚇態様は、音や光を出力しない態様を含む。

【0022】

なお、威嚇は、音や光に限らず、振動（例えば木や水の振動）、映像の表示、物体の投てき、放水などであってもよいし、これら各種の組み合わせてとしてもよいし、これらのうちの一種類としてもよい。すなわち、威嚇は、例えば、音のみとしてもよいし、光のみとしてもよい。

【0023】

誘引ゾーン３０ｂに配置される威嚇／誘引動作部１２は、鳥獣を誘引する誘引態様（鳥獣を引き寄せるような態様）で音や光を出力する。例えば、誘引態様は、餌の存在を知らせる自種の鳴き声などである。また、誘引態様は、音や光を出力しない態様を含む。なお、誘引は、音や光に限らず、振動（例えば木や水の振動）、映像の表示、物体（例えば餌）の投てき、放水などであってもよいし、これら各種の組み合わせてとしてもよいし、これらのうちの一種類としてもよい。すなわち、誘引は、例えば、音のみとしてもよいし、光のみとしてもよい。

【0024】

管理装置２０は、パソコン（personal computer）やサーバなどのコンピュータ装置である。管理装置２０は、威嚇ゾーン３０ａの誘導装置１０によってエリア４０内に鳥獣が検出されると、鳥獣の位置および鳥獣の種類に基づいて、誘導パターンを決定し、決定した誘導パターンを複数の誘導装置１０へ送信する。複数の誘導装置１０は、誘導パターンを受信すると、当該誘導パターンに基づいて、それぞれ協調して威嚇または誘引を行う。これにより、威嚇ゾーン３０ａ内の鳥獣を誘引ゾーン３０ｂへ誘導する。

【0025】

（誘導装置１０の構成例）
図２は、誘導装置１０のハードウェア構成の一例を示す図である。誘導装置１０は、ＣＰＵ１０１と、メモリ１０２と、通信部１０３と、音声制御部１０４と、発光制御部１０５と、検出部１１とを備える。各部は、バス１１０を介して相互に通信可能に接続されている。

【0026】

ＣＰＵ１０１は、中央演算処理装置であり、メモリ１０２に記憶されている各種プログラムを読み出して実行することにより、誘導装置１０の動作を制御する。各種プログラムは、第１実施形態に係る誘導動作プログラムを含む。誘導動作プログラムは、鳥獣の種別を判別するプログラムや、威嚇／誘引動作部１２に所定の誘導態様（威嚇／誘引態様：威嚇態様または誘引態様）で動作を行わせるプログラムを含む。
メモリ１０２は、ＲＯＭ、ＲＡＭ、ハードディスクなどの記憶部である。メモリ１０２は、各種プログラムをはじめとしてＣＰＵ１０１が実行する各種の情報を記憶する。また、メモリ１０２は、検出部１１によって撮像された撮像結果（例えば、動画および音声）を記憶（録画）してもよい。
通信部１０３は、他の装置（例えば、管理装置２０）と情報を送受信するインターフェースである。

【0027】

音声制御部１０４は、威嚇／誘引動作部１２に含まれる。音声制御部１０４は、音声出力部から音を出力させる。音声制御部１０４は、威嚇態様として、鳥獣が忌避する音を出力させることが可能であるとともに、誘引態様として、鳥獣を誘引する音を出力させることが可能である。また、音声制御部１０４は、音の出力のみならず、音を出力させる方向についても制御することも可能である。

【0028】

発光制御部１０５は、威嚇／誘引動作部１２に含まれる。発光制御部１０５は、例えば、レーザー光の照射、フラッシュ、ＬＥＤ（Light Emitting Diode）の点灯によって、威嚇態様として、鳥獣が忌避する発光態様で発光部を発光させることが可能であるとともに、誘引態様として、鳥獣が好む発光態様で発光部を発光させることが可能である。また、発光制御部１０５は、発光部の発光態様のみならず、発光させる方向についても制御することも可能である。なお、音声出力部および発光部は、自装置が配置されるエリア４０に複数台配置されていてもよい。

【0029】

検出部１１は、ＣＣＤ（charge coupled device）カメラや、ＣＭＯＳ（Complementary Metal Oxide Semiconductor）カメラを備える。なお、検出部１１は、誘導装置１０に具備されることに限らず、誘導装置１０とは別に設けられていてもよい。また、検出部１１は、自装置が配置されるエリア４０に複数台配置されていてもよい。また、検出部１１として、マイクやマイクロフォンアレイ等のカメラ以外を用いる場合には、これらについても、自装置が配置されるエリア４０に複数台配置されていてもよい。

【0030】

（管理装置２０の構成例）
図３は、管理装置２０のハードウェア構成の一例を示す図である。管理装置２０は、ＣＰＵ２０１と、メモリ２０２と、通信部２０３と、入力デバイス２０４と、出力デバイス２０５とを備える。各部は、バス２１０を介して相互に通信可能に接続されている。

【0031】

ＣＰＵ２０１は、中央演算処理装置であり、メモリ２０２に記憶されている各種プログラムを読み出して実行することにより、管理装置２０の動作を制御する。各種プログラムは、第１実施形態に係る鳥獣誘導プログラムを含む。鳥獣誘導プログラムは、後述する各種モデルを用いて、威嚇ゾーン３０ａ内の鳥獣を誘引ゾーン３０ｂに誘導するための最適な誘導パターンを決定するプログラムを含む。
メモリ２０２は、ＲＯＭ、ＲＡＭ、ハードディスクなどである。メモリ２０２は、各種プログラムをはじめとしてＣＰＵ２０１が実行する各種の情報を記憶する。

【0032】

通信部２０３は、他の装置（例えば、誘導装置１０）と情報を送受信するインターフェースである。
入力デバイス２０４は、例えば、キーボード、マウス、マイクなどを含み、各種情報を入力する。
出力デバイス２０５は、ディスプレイ、スピーカなどを含み、各種情報を出力する。
なお、管理装置２０がサーバ装置によって実現される場合、管理装置２０は、入力デバイス２０４および出力デバイス２０５を備えなくてもよい。

【0033】

（管理装置２０の機能的構成）
図４は、管理装置２０の機能的構成の一例を示すブロック図である。図４に示すように、管理装置２０は、取得部４０１と、方向推定部４０２と、決定部４０３と、動作制御部４０４と、威嚇／誘引態様推定部４０５と、威嚇／誘引態様生成部４０６との各機能部を備える。各機能部は、ＣＰＵ２０１によって実現される。すなわち、ＣＰＵ２０１が鳥獣誘導プログラムを実行することにより、各機能部を実現する。

【0034】

以下では、図５および図６を参照しつつ、図４に示す各機能部を説明する。
図５は、誘導システム１における動作を示すシーケンス図である。図５に示す各装置の各処理は、各装置の制御周期で行われる。
図６は、鳥獣が威嚇ゾーン３０ａに侵入してから、誘引ゾーン３０ｂへ誘導する際の動作を示す図である。なお、以下では、説明を簡略化するため、特定の種別の鳥獣（例えばシカ）一頭について、鳥獣を誘引ゾーン３０ｂへ誘導する例について説明する。また、威嚇ゾーン３０ａ内の誘導装置１０をそれぞれ同じ威嚇態様で動作させるものとし、誘引ゾーン３０ｂ内の誘導装置１０をそれぞれ同じ誘引態様（例えば、シカを誘引する音など）として説明する。

【0035】

ステップＳ５０１：威嚇ゾーン３０ａ内の誘導装置１０は、カメラの撮像データに基づいて鳥獣の威嚇ゾーン３０ａへの侵入を検出したか否かを判断する。鳥獣の侵入を検出しない場合（ステップＳ５０１：ＮＯ）、誘導装置１０は、ステップＳ５０６に進む。

【0036】

ステップＳ５０２：鳥獣の侵入を検出した場合（ステップＳ５０１：ＹＥＳ）、誘導装置１０は、鳥獣の侵入を示す鳥獣侵入通知を管理装置２０へ送信する。例えば、図６に示すように、威嚇エリア４０ｆに配置される誘導装置１０が鳥獣６００を検出したとする。威嚇エリア４０ｆの誘導装置１０は、鳥獣侵入通知を管理装置２０へ送信する。鳥獣侵入通知は、鳥獣６００の種類を示す情報（例えば、シカを示す情報）や、鳥獣６００の位置情報や、鳥獣６００が侵入してきた方向（侵入方向）を含む。鳥獣６００の位置情報は、例えば、鳥獣６００を検出した誘導装置１０の位置情報である。誘導装置１０の位置情報は、予め誘導装置１０に記憶されているものとする。このように、誘導装置１０は、鳥獣６００の侵入を検出する機能、および鳥獣の種別を判別する機能を有する。

【0037】

なお、ステップＳ５０１における鳥獣６００の検出および種別の判別に係る機能は、管理装置２０に具備されていてもよい。具体的には、管理装置２０は、誘導装置１０から撮像データおよび誘導装置１０の位置情報を受信するようにし、受信した撮像データを画像解析することによって、鳥獣６００の侵入や鳥獣の種類を特定するようにしてもよい。

【0038】

ステップＳ５０３：管理装置２０は、誘導装置１０から鳥獣侵入通知を受信したか否かを判断する。誘導装置１０から鳥獣侵入通知を受信しない場合（ステップＳ５０３：ＮＯ）、管理装置２０は、ステップＳ５１０に進む。

【0039】

ステップＳ５０４ａ：管理装置２０は、鳥獣侵入通知が示す鳥獣の種類に応じた各ゾーン３０（威嚇ゾーン３０ａおよび誘引ゾーン３０ｂ）を決定する。すなわち、あるエリア４０について、ある鳥獣６００については威嚇ゾーン３０ａに含まれることとなる場合があり、一方で、別の鳥獣６００については誘引ゾーン３０ｂに含まれることとなる場合がある。例えば、エリア４０を市街地とすると、当該エリア４０は、カラスについては存在してもよいことから誘引ゾーン３０ｂに含まれることになり、一方で、イノシシについては存在してはならないことから威嚇ゾーン３０ａに含まれることになる。各ゾーン３０の決定方法は、例えば、ユーザが管理装置２０に設定した鳥獣６００の種別ごとのエリア境界を用いて決定する方法や、検出部１１のカメラを用いることによって農作物の収穫状況を管理装置２０が自動判別して決定する方法などが挙げられる。

【0040】

ステップＳ５０４ｂ：管理装置２０は、威嚇エリア４０ａ～４０ｉおよび誘引エリア４０ｊ～４０ｏごとに、過去に威嚇ゾーン３０ａに侵入した鳥獣６００が、どのように進んでいったかといった履歴や、各エリアの地理情報（地形や土地被覆）に基づいて、威嚇／誘引態様および誘導パターンに応じて鳥獣６００がどの方向へ移動していくかを予測する。具体的に説明すると、管理装置２０がいずれかの誘導装置１０から鳥獣侵入通知を受信することにより（ステップＳ５０３：ＹＥＳ）、取得部４０１は、鳥獣６００の種類を示す情報や、鳥獣６００の位置を示す情報や、鳥獣６００の侵入方向を示す情報を取得する。そして、決定部４０３は、鳥獣６００ごとに、鳥獣６００の位置情報と、方向推定部４０２によって推定される移動方向とに基づいて、複数の威嚇／誘引動作部１２をそれぞれ動作させる誘導パターンのうち一の誘導パターンを決定する。具体的には、決定部４０３は、後述する価値関数を用いて、一の誘導パターンを決定する。誘導パターンは、複数の威嚇／誘引動作部１２について、それぞれの動作の有無や、それぞれの威嚇／誘引態様を含む。図６に示す誘導パターンは、例えば、エリア４０ｅ、４０ｄに配置される威嚇／誘引動作部１２に威嚇を行わせないようにし、それ以外の威嚇／誘引動作部１２に威嚇／誘引を行わせようにするパターンを示している。

【0041】

なお、鳥獣６００がエリア４０ｅへ移動したとすると、決定部４０３は、例えば、エリア４０ｅに配置される誘導装置１０についても威嚇態様で動作をさせる誘導パターンを決定する。これにより、当該誘導装置１０は、エリア４０ｆから侵入してきた鳥獣６００を、エリア４０ｅからエリア４０ｄへ追い出すことができる。さらに、鳥獣６００がエリア４０ｄに移動したとすると、決定部４０３は、例えば、エリア４０ｄに配置される誘導装置１０についても威嚇態様で動作をさせる誘導パターンを決定する。これにより、当該誘導装置１０は、エリア４０ｅから侵入してきた鳥獣６００を、エリア４０ｄからエリア４０ｍ（誘引ゾーン３０ｂ）へ追い出すことができる。

【0042】

なお、後述する価値関数の学習において、方向推定部４０２は、取得部４０１によって取得された位置情報からエリア４０を特定する。そして、方向推定部４０２は、特定したエリア４０について、鳥獣６００の侵入方向および威嚇／誘引態様（音と光の態様）に応じた鳥獣６００の移動方向を推定する。具体的には、方向推定部４０２は、後述する第２学習済モデル８００（図８）を用いて、鳥獣６００の移動方向を推定する。例えば、方向推定部４０２は、図６に示すように、鳥獣６００がエリア４０ｆからエリア４０ｅへ移動することを推定する。また、移動方向の推定に用いられる威嚇／誘引態様は、威嚇／誘引態様推定部４０５によって推定された威嚇／誘引の効果（誘導の効果）の高い態様である。なお、威嚇／誘引態様推定部４０５は、後述する第１学習済モデル７００（図７）を用いて、誘導の効果の高い威嚇／誘引態様を推定する。

【0043】

ステップＳ５０５：動作制御部４０４は、決定した誘導パターンに基づいて、各誘導装置１０へ誘導指示を送信する。なお、鳥獣６００がエリア４０ｆからエリア４０ｅに侵入すると、エリア４０ｅに配置される誘導装置１０は、鳥獣６００を検出して、鳥獣侵入通知を管理装置２０へ送信する。そして、管理装置２０は、当該鳥獣侵入通知を受信すると、ステップＳ５０４ａ、Ｓ５０４ｂ、Ｓ５０５の処理を行う。すなわち、管理装置２０は、鳥獣６００がそれぞれエリア４０で検出されるたびに（鳥獣侵入通知を受信するたびに）、ステップＳ５０４ａ、Ｓ５０４ｂ、Ｓ５０５の処理を行うことになる。なお、この場合、誘導対象の種別に対して、既にステップＳ５０４ａにおいて各ゾーン３０を決定済みである場合には、ステップＳ５０４ａの処理をスキップしてもよい。

【0044】

なお、ステップＳ５０４ｂの処理は、鳥獣侵入通知を受信したタイミングで行われることに限らない。これらの処理は、例えば、威嚇ゾーン３０ａ内のいずれかの誘導装置１０で鳥獣６００が検出されている期間に所定周期（例えば１０秒など）で行われてもよい。

【0045】

ステップＳ５０６：誘導装置１０は、管理装置２０から誘導指示を受信したか否かを判断する。誘導指示を受信しない場合（ステップＳ５０６：ＮＯ）、誘導装置１０は、ステップＳ５０８に進む。

【0046】

ステップＳ５０７：管理装置２０から誘導指示を受信した場合（ステップＳ５０６：ＹＥＳ）、誘導装置１０は、誘導指示に応じた動作態様（威嚇態様または誘引態様）で誘導動作（威嚇動作および誘引動作）を行う。これにより、各誘導装置１０は、協調して誘導動作することになる。

【0047】

ステップＳ５０８：誘導装置１０は、誘導結果の送信タイミングであるか否かを判断する。誘導結果は、誘導動作（威嚇動作または誘引動作）によって誘導の効果があったか否か（誘導できたか否か）、また、誘導の結果、鳥獣６００が移動した方向を示す。このために、誘導装置１０は、検出部１１を用いて鳥獣６００の移動方向を推定するようにしている。誘導結果の送信タイミングは、予め設定されたタイミングであり、例えば、誘導動作の開始から所定時間の経過としてもよいし、自装置が配置されるエリアから鳥獣６００がいなくなった（追い出した）タイミングとしてもよい。また、所定時間が経過した際に、依然として鳥獣６００を検出している場合（追い出せなかった場合）、誘導装置１０は、誘導できなかったことを示す誘導結果を送信する。誘導結果の送信タイミングとなるまで、誘導装置１０は、待機する（ステップＳ５０８：ＮＯ）。

【0048】

ステップＳ５０９：誘導結果の送信タイミングである場合（ステップＳ５０８：ＹＥＳＮＯ）、誘導装置１０は、誘導結果を管理装置２０へ送信する。

【0049】

ステップＳ５１０：管理装置２０は、誘導装置１０から誘導結果を受信したか否かを判断する。誘導結果を受信しない場合（ステップＳ５１０：ＮＯ）、誘導装置１０は、そのまま処理を終え、次の処理の開始まで待機する。

【0050】

ステップＳ５１１：誘導結果を受信した場合（ステップＳ５１０：ＹＥＳ）、管理装置２０は、誘導結果が効果ありを示すか否かを判断する。誘導結果が効果ありを示す場合（ステップＳ５１１：ＹＥＳ）、ステップＳ５１４に進み、各種データを管理する。

【0051】

ステップＳ５１２：誘導結果が効果なしを示す場合（ステップＳ５１１：ＹＥＳ）、すなわち、鳥獣６００が現状の威嚇／誘引態様に慣れてしまい、鳥獣６００を誘導できない場合、管理装置２０は、誘導パターンを変更する。なお、変更する誘導パターンは、威嚇／誘引態様推定部４０５によって推定された誘導の効果が高い別の威嚇／誘引態様である。また、ステップＳ５１２では、威嚇態様の変更や誘引態様の変更の結果、鳥獣６００が移動した経路に応じて、誘導パターンを変更してもよい。具体的には、例えば、管理装置２０は、変更した威嚇／誘引態様に応じた鳥獣６００の移動方向を方向推定部４０２に推定させるようにし、当該移動方向に基づいて一の誘導パターンを決定部４０３に決定させるようにしてもよい。また、管理装置２０は、誘導装置１０の地理的配置の変更をユーザに提案するようにしてもよい。

【0052】

ステップＳ５１３：動作制御部４０４は、各誘導装置１０へ変更指示を送信する。
ステップＳ５１４：管理装置２０は、各種データを管理して、そのまま処理を終え、次の処理の開始まで待機する。各種データは、威嚇／誘引を行った威嚇／誘引態様を示す情報、各誘導装置１０の威嚇／誘引態様に加えて誘導パターンを示す情報、鳥獣６００の位置情報、侵入方向を示す情報、実際に移動（撤退）した方向を示す情報、誘導結果などの各種情報を含む。各種データの管理は、データの蓄積のほか、行動モデル９００における報酬の付与や、第１学習済モデル７００および第２学習済モデル８００のパラメータの更新などを含む。

【0053】

ステップＳ５１５：誘導装置１０は、管理装置２０から変更指示を受信したか否かを判断する。変更指示を受信しない場合（ステップＳ５１５：ＮＯ）、誘導装置１０は、そのまま処理を終え、次の処理の開始まで待機する。

【0054】

ステップＳ５１６：変更指示を受信した場合（ステップＳ５１５：ＹＥＳ）、誘導装置１０は、変更指示に応じた動作態様に誘導動作を変更し、そのまま処理を終え、次の処理の開始まで待機する。

【0055】

このようにして、誘導システム１は、例えば、図６に示すエリア４０ｆに侵入した鳥獣６００を、エリア４０ｅ→４０ｄ→４０ｍの順で効率よく誘導させることができる。

【0056】

なお、誘引ゾーン３０ｂへの鳥獣６００の誘導が完了すると、誘導装置１０は、誘導動作を終了する。具体的には、誘引ゾーン３０ｂの誘導装置１０は、検出部１１によって鳥獣６００の誘引ゾーン３０ｂへの侵入が検出されると、鳥獣６００の誘導が完了した旨を示す完了通知を管理装置２０へ送信する。管理装置２０は、完了通知を受信すると、各誘導装置１０に終了指示を送信する。各誘導装置１０は、終了指示を受信すると、誘導動作を終了する。

【0057】

また、上述した説明では、鳥獣６００を一個体とした場合について説明したが、実際は、検出部１１によって、複数の個体が同時に検出されることがある。このため、個体間の識別および整合を行う必要がある。個体間の識別および整合は、誘導装置１０による画像認識等によって行われてもよいし、検出された鳥獣の時空間的な分布に基づいて管理装置２０によって推定されてもよい。

【0058】

（第１学習済モデル７００の一例について）
図７は、第１学習済モデル７００の一例を示す説明図である。第１学習済モデル７００は、鳥獣の種別ごとに生成される。図７に示すように、第１学習済モデル７００は、例えば、ニューラルネットワークを用いて表されるモデルである。ただし、第１学習済モデル７００および後述する第２学習済モデル８００は、例えば、ＤＮＮ（Deep Neural Network）、サポートベクトルマシン、ランダムフォレストなどであってもよい。学習済パラメータは、例えば、ニューラルネットワークの層数と、各層におけるニューロンの個数と、ニューロン同士の結合関係と、各ニューロン間の結合の重み（結合荷重）と、各ニューロンの閾値とを含む。

【0059】

第１学習済モデル７００は、入力層７０１と、１以上の中間層７０２（隠れ層）と、出力層７０３とを含む。各層７０１～７０３は、１以上のニューロンを備えている。中間層７０２の層数や、各層におけるニューロンの個数等は、学習済パラメータによって設定されている。

【0060】

入力層７０１には、入力サンプルとして、威嚇態様／誘引態様を示す情報が入力される。威嚇態様／誘引態様を示す情報は、音の情報と光の情報との組み合わせである。音の情報は、例えば、周波数、出力間隔、持続時間、音量、音の向きのそれぞれを示す情報を含む。光の情報は、色、出力間隔、持続時間、光の強さ、および光の向きのそれぞれを示す情報を含む。

【0061】

出力層７０３からは、誘導の効果（威嚇／誘引の効果）として、「効果あり」を示す出力値と、「効果なし」を示す出力値（それぞれの確度）とが出力される。誘導の効果は、例えば、所定時間、対象の威嚇態様で威嚇／誘引動作を行い、鳥獣を誘導することができた場合に「効果あり」とし、鳥獣を誘導することができなかった場合に「効果なし」とする。なお、誘導の効果は、効果あり、効果なし、とすること限らず、例えば、誘導に要した時間に応じた複数のランクとすることも可能である。具体的には、複数のランクは、例えば、所定時間で誘導できればランク１、所定時間以上を要して誘導できた場合にランク２、誘導できなかった場合にランク３などとすることも可能である。なお、モデルの出力を追い出しにかかる秒数として回帰し、最も少ない秒数が最も効果が高いとみなしてもよい。

【0062】

第１学習済モデル７００は、入力サンプルを入力層７０１に入力して、出力層７０３から得られるそれぞれの出力値と、出力サンプルのそれぞれとの差が少なくなるように、パラメータが更新されて、生成されたモデルである。入力サンプルは、学習モデルの訓練時に入力層７０１に入力される威嚇／誘引態様を示す情報（音の情報および光の情報）である。出力サンプルは、学習モデルの訓練時に出力層７０３からの出力値と比較するための正解となる情報（正解ラベル）であり、具体的には、「効果あり」または「効果なし」を示す。なお、正解ラベルは、「効果あり」、「効果なし」に代えて又は加えて、追い出しまでに要した動作秒数としてもよい。

【0063】

入力サンプルおよび出力サンプルは、予め実験等によって得られた実証済みのデータである。威嚇／誘引態様を示す情報は、ユーザによって生成されたものでもよいし、管理装置２０等によってランダムに生成されたものでもよい。例えば、第１学習済モデル７００の生成において、管理装置２０は、鳥獣が検出された各誘導装置１０に、所定の威嚇／誘引態様で威嚇／誘引動作させ、各誘導装置１０から誘導の効果を取得する。管理装置２０は、入力サンプルを威嚇／誘引態様とし、出力サンプルを誘導の効果として、学習モデルを訓練させて第１学習済モデル７００を生成する。第１実施形態に係る誘導システム１は、複数の威嚇／誘引動作部１２を備えることから、鳥獣を検出する機会を増やすことができるため、迅速に学習を行うことができる。

【0064】

そして、第１学習済モデル７００が生成された後に、威嚇／誘引態様推定部４０５は、例えば、生成した複数種類の威嚇／誘引態様をそれぞれ第１学習済モデル７００に入力し、各威嚇／誘引態様について誘導の効果（効果あり、効果なし）を推定する。そして、管理装置２０は、「効果あり」と推定された威嚇態様のうち、確度の高い威嚇／誘引態様を選択して、誘導装置１０を威嚇／誘引動作させる。これにより、これまでに使用したことのない威嚇／誘引態様で実際に威嚇／誘引動作させなくても、誘導の効果の高い威嚇／誘引態様を得ることができる。

【0065】

ここで、鳥獣が威嚇／誘引態様に慣れた場合、これまでと類似の威嚇／誘引態様であれば、誘導の効果が期待できないことがある。そこで、威嚇／誘引態様生成部４０６（図４）は、実際に誘導の効果が認められた複数の威嚇／誘引態様に基づいて、複数の威嚇／誘引態様の特徴を有する新たな威嚇／誘引態様を生成する。例えば、威嚇／誘引態様生成部４０６は、威嚇／誘引態様の生成に際して、予め誘導の効果が認められる変数のデータセットを用意しておく。変数のデータセットは、例えば、過去の試行データに基づいて、誘導の効果のあるものをサンプリングすることによって得られる。具体的には、変数のデータセットは、例えば、音または光に含まれる情報のうち、誘導の効果が認められる一部の情報（例えば、周波数、出力間隔、持続時間、音量を示す情報）に基づくデータである。威嚇／誘引態様生成部４０６は、変数のデータセットに基づいて、威嚇／誘引態様を生成する。例えば、過去に効果のあった複数のサンプルから、周波数、出力間隔、持続時間、音量のそれぞれをランダムに抽出して、これらのパラメータを組み合わせて作られる音を、新規な威嚇／誘引態様のデータとして生成する。これにより、誘導の効果があり、かつ、新規な威嚇態様を生成することができる。

【0066】

なお、新規な威嚇／誘引態様の生成は、このような手法に限らず、別途用意した威嚇／誘引態様のデータセットから機械学習された生成モデル（変分オートエンコーダや敵対的生成モデルなど）によって、乱数を用いて誘導の効果があると推定される新規な威嚇／誘引態様を生成する手法とすることも可能である。

【0067】

また、威嚇／誘引態様推定部４０５は、例えば、威嚇／誘引態様生成部４０６によって生成された新たな威嚇／誘引態様を第１学習済モデル７００に入力し、誘導の効果（効果あり、効果なし）を推定すればよい。動作制御部４０４は、誘導の効果が低下すると、新たな威嚇／誘引態様に変更して、複数の威嚇／誘引動作部１２をそれぞれ動作させる。これにより、威嚇／誘引動作部１２は、鳥獣の慣れに対して、効果的な威嚇／誘引態様で誘導を行うことができる。

【0068】

（第２学習済モデル８００の一例について）
図８は、第２学習済モデル８００の一例を示す説明図である。第２学習済モデル８００は、鳥獣の種別ごとに生成される。第２学習済モデル８００は、入力層８０１と、１以上の中間層８０２と、出力層８０３とを含む。入力層８０１には、入力サンプルとして、鳥獣の位置情報と、鳥獣の方向情報と、威嚇／誘引態様とが入力される。

【0069】

位置情報は、例えば、鳥獣を検出した誘導装置１０の位置情報である。なお、位置情報は、これに限らず、鳥獣が位置する地図データ上の座標としてもよい。
侵入方向情報は、例えば、鳥獣がエリア４０に侵入してきた方向（例えば、東西南北等）を示す情報である。なお、侵入方向情報は、これに限らず、鳥獣が向いている方向（頭の向き）を示す情報としてもよい。
威嚇／誘引態様を示す情報は、威嚇／誘引態様推定部４０５によって推定された誘導の効果の高い威嚇／誘引態様を示す情報（音の情報および光の情報）である。
なお、入力サンプルは、上記の情報のほかに、地形を示す情報を含めてもよい。地形を示す情報は、例えば、傾斜の有無や角度や、草木の有無や規模、道路の有無や幅などをそれぞれ示す情報である。
出力層８０３からは、鳥獣が現在のエリア４０から他のエリア４０へ移動する方角（例えば、東西南北等）および移動速度のそれぞれ示す出力値（それぞれの確度）が出力される。

【0070】

第２学習済モデル８００は、入力サンプルを入力層８０１に入力して、出力層８０３から得られるそれぞれの出力値と、出力サンプルのそれぞれとの差が少なくなるように、パラメータが更新されて、生成されたモデルである。入力サンプルおよび出力サンプルは、誘導装置１０によって観測された過去の観測結果に基づくデータである。入力サンプルは、学習モデルの訓練時に入力層７０１に入力されるデータ（位置情報、侵入方向情報、威嚇／誘引態様を示す情報）である。出力サンプルは、学習モデルの訓練時に出力層８０３からの出力値と比較するための正解となるデータ（正解ラベル）であり、例えば、「移動方向１」、「移動方向２」、…「移動方向Ｎ」のうちいずれか一つを示す。

【0071】

方向推定部４０２は、鳥獣の位置情報と、鳥獣の侵入方向情報と、威嚇／誘引態様とを示す各情報とを第２学習済モデル８００に入力することにより、エリア４０内の鳥獣の移動方向を推定する。

【0072】

（行動モデルについて）
図９は、行動モデル９００の一例を示す説明図である。行動モデル９００は、鳥獣の種別ごとに生成される、鳥獣の行動を予測するための抽象モデルである。図９に示すように、行動モデル９００は、エージェント９０１と、環境９０２とを備える。エージェント９０１は、強化学習を利用して学習を行うものである。強化学習では、ある環境９０２内におけるエージェント９０１が、現在の状態９０３を観測し、取るべき行動９０４を決定する。強化学習は一連の行動９０４を通じて最終的な報酬９０５が最も多く得られるような方策を学習する手法である。

【0073】

具体的には、エージェント９０１は、環境９０２の状態９０３に基づいて、行動９０４を実行する。環境９０２は、エージェント９０１の行動９０４に応じて状態９０３を更新し、行動９０４の結果として報酬９０５をエージェント９０１に返す。エージェント９０１は、総報酬がなるべく多くなる行動９０４の選び方を模索する。エージェント９０１は、例えば、状態価値関数および行動価値関数に基づいて、報酬９０５の期待値を算出し、行動９０４を決定する。

【0074】

第１実施形態において、エージェント９０１は、誘導装置１０である。環境９０２は、鳥獣の位置（鳥獣が存在する威嚇エリア４０）と、鳥獣の侵入方向とによって表される。状態９０３は、鳥獣が現在のエリア４０から他のエリア４０へ移動した移動方向である。行動９０４は、誘導パターンである。報酬９０５は、例えば、威嚇ゾーン３０ａに存在する鳥獣の位置と誘引ゾーン３０ｂまでの距離が短いほど高い値が付与される。

【0075】

図１０は、行動モデル９００を用いた管理装置２０の動作を示すフローチャートである。管理装置２０は、図５のステップＳ５０４ｂによる誘導パターンの決定に係る処理を実行すると、以下の処理を実行する。まず、管理装置２０は、現在の環境を取得し、取得した環境をメモリ２０２に記憶する（ステップＳ１００１）。次に、管理装置２０は、ステップＳ１００１で取得した環境と、メモリ２０２が記憶する前回の制御タイミングにおける行動（誘導パターン）とに基づいて、前回の行動の報酬を算出する（ステップＳ１００２）。

【0076】

次に、管理装置２０は、次の制御タイミングにおける複数の行動の候補（誘導パターン）を生成する（ステップＳ１００３）。複数の行動の候補は、複数の誘導装置１０を協調（連動）させた誘導パターンの候補である。管理装置２０は、ステップＳ１００３で生成した複数の行動の候補を１つずつ選択し、各候補について、ステップＳ１００５の処理を実行する（ステップＳ１００４）。管理装置２０は、メモリ２０２が記憶する価値関数に、予め用意されたシミュレーションデータと、ステップＳ１００４で選択した行動の候補を入力することで、当該候補について価値を算出する（ステップＳ１００５）。

【0077】

そして、管理装置２０は、複数の行動の候補のうち、例えば最も価値の高いものを、制御対象に施す行動（誘導パターン）に決定する（ステップＳ１００６）。管理装置２０は、ステップＳ１００６において決定した行動を誘導装置１０に出力する（ステップＳ１００７）。

【0078】

（価値関数の学習）
管理装置２０は、図１０の処理を行う前に、予め行動モデル９００における価値関数のパラメータを学習する。この第１実施形態では、鳥獣に対する威嚇と移動のシミュレーションによって価値関数を学習する。シミュレーションでは、所定のステップ数（Ｐステップ）での鳥獣の移動を模擬する。
図１１は、管理装置２０による価値関数の学習処理を示すフローチャートである。管理装置２０は、仮想空間にランダムに鳥獣を配置する（ステップＳ１１０１）そして、管理装置２０は、次の制御タイミングにおける行動候補を生成する（ステップＳ１１０２）。さらに、管理装置２０（方向推定部４０２）は、生成した行動候補を、第２学習済モデル８００に代入して、鳥獣の移動方向を推定することにより、次の制御タイミングにおける鳥獣の位置と侵入方向を予測する（ステップＳ１１０３）。そして、管理装置２０は、移動後の鳥獣の位置に基づいて、報酬を計算する（ステップＳ１１０４）。報酬は、例えば鳥獣の位置から誘引ゾーン３０ｂまでの距離が近いほど高い値である。

【0079】

管理装置２０は、ステップＳ１１０２で生成した行動候補が、Ｐステップ後の制御タイミングに係る行動候補であるか否かを判定する（ステップＳ１１０５）。生成した行動候補がＰステップより前の制御タイミングに係る行動候補ではない場合（ステップＳ１１０５：ＮＯ）、管理装置２０は、ステップＳ１１０２に処理を戻し、さらに次の制御タイミングについて状態と報酬とを予測する。

【0080】

ステップＳ１１０２で生成した行動候補がＰステップ後の制御タイミングに係る行動候補である場合（ステップＳ１１０５：ＹＥＳ）、管理装置２０は、Ｐステップにおける報酬の総和を算出する（ステップＳ１１０６）。次に、管理装置２０は、Ｐステップ分の行動候補の生成の試行回数がＱ（Ｑは、自然数）回以上であるか否かを判定する（ステップＳ１１０７）。Ｐステップ分の行動候補の生成の試行回数がＱ回未満である場合（ステップＳ１１０７：ＮＯ）、ステップＳ１１０１に処理を戻し、再度Ｐステップ分の行動候補を生成し、報酬を予測する。Ｐステップ分の行動候補の生成の試行回数がＱ回以上である場合（ステップＳ１１０７：ＹＥＳ）、ステップＳ１１０５でＱ回算出された報酬の総和のうち最大のものを特定する（ステップＳ１１０８）。報酬の総和が最大となる行動候補のパターンは、試行した中で最も効率的に鳥獣を誘引ゾーン３０ｂへ誘導することができるパターンであるといえる。

【0081】

管理装置２０は、ステップＳ１１０１で生成した鳥獣の配置と、ステップＳ１１０２で生成した行動候補を入力サンプルとし、ステップＳ１１０８で特定した報酬の総和を出力サンプルとして、価値関数のパラメータを学習する（ステップＳ１１０９）。管理装置２０は、価値関数の学習の終了条件を満たしたか否かを判定する（ステップＳ１１１０）。学習の終了条件は、例えばパラメータの変化率が閾値未満となることや、試行回数が所定回数を超えることなどが挙げられる。価値関数の学習の終了条件を満たしていない場合（ステップＳ１１１０：ＮＯ）、ステップＳ１１０１に処理を戻し、パラメータの更新を繰り返し実行する。他方、価値関数の学習の終了条件を満たした場合（ステップＳ１１１０：ＹＥＳ）、管理装置２０は、学習済みの価値関数をメモリ２０２に記憶し、処理を終了する。

【0082】

なお、上述した処理では、方向推定部４０２による鳥獣の威嚇に対応する移動シミュレーション結果を用いて価値関数を学習させ、この価値関数を用いて行動を決定する例について説明したが、これに限られない。例えば、学習された価値関数を用いずに、毎回、方向推定部４０２による鳥獣の威嚇に対応する移動シミュレーションを実行し、最も報酬の総和が高くなるパターンを求めるようにすることも可能である。

【0083】

なお、上述した説明では、説明を簡略化するため、特定の種別の一頭の鳥獣（例えばシカ）について、威嚇／誘引態様する例について説明した。ただし、本誘導システム１は、種別の異なる複数の鳥獣が複数の威嚇エリア４０にそれぞれ侵入する場合でも、ゾーン３０ごとまたはエリア４０ごとに最適な威嚇／誘引態様となる誘導パターンを決定して、誘導を行うことができる。例えば、あるエリア４０内にシカと、サルとが侵入した場合に、シカに対して有効な威嚇／誘引態様で所定時間威嚇／誘引を行い、その後にサルに対して有効な威嚇／誘引態様で威嚇／誘引を行うことが可能である。

【0084】

また、上述した説明では、複数の誘導装置１０でそれぞれゾーン３０ごとに同じ威嚇／誘引態様とする例について説明したが、これに限らず、複数の誘導装置１０でそれぞれ異なる威嚇／誘引態様とすることもできる。具体的には、例えば、管理装置２０は、誘導の効果の高い異なる３種類の威嚇／誘引態様を用いて、行動モデル９００における価値関数のパラメータを学習させるようにすればよい。これにより、管理装置２０は、複数の誘導装置１０でそれぞれ異なる威嚇／誘引態様とする誘導パターンを決定することも可能である。

【0085】

以上説明したように、第１実施形態に係る誘導システム１は、複数の誘導装置１０のうち一の誘導装置１０によって鳥獣が検出された場合、当該鳥獣の位置情報に基づいて、一の誘導パターンを決定し、当該誘導パターンで複数の威嚇／誘引動作部１２をそれぞれ動作させる。これにより、鳥獣を威嚇ゾーン３０ａから誘引ゾーン３０ｂへの誘導を効果的に行うことができる。したがって、鳥獣が再び威嚇ゾーン３０ａに戻ってきてしまうことを抑えることができるため、威嚇ゾーン３０ａから鳥獣を好適に追い出すことができる。これにより、鳥獣害を抑えることができるとともに、トキやコウノトリなどの保護対象の鳥獣を好適に保護区内に留めることができるため、鳥獣の保護に利用することもできる。よって、本誘導システム１を用いることにより、鳥獣を人間活動にとって害のない区域に誘導して留めておくゾーニングが可能になる。このため、鳥獣の生息を可能にした状態で鳥獣害を軽減することができ、よって、鳥獣と人間との共存を支援することができる。

【0086】

また、第１実施形態において、誘導システム１は、鳥獣の位置情報から特定されるエリアについて、威嚇／誘引態様に応じた鳥獣の移動方向を推定するようにし、推定した移動方向に基づいて一の誘導パターンを決定する。これにより、鳥獣の誘導をより効果的に行うことができるため、威嚇ゾーン３０ａの各エリア４０からより好適に鳥獣を追い出すことができる。

【0087】

また、第１実施形態において、誘導システム１は、鳥獣の位置情報と、鳥獣の侵入方向を示す情報と、威嚇態様を示す情報とに基づいて、鳥獣の移動方向を推定する。これにより、鳥獣の移動方向の推定精度を向上させることができるため、威嚇ゾーン３０ａの各エリア４０からより好適に鳥獣を追い出すことができる。

【0088】

また、第１実施形態において、誘導システム１は、威嚇の効果が異なる複数種類の威嚇態様のうち、威嚇の効果が高い威嚇態様を推定し、推定した威嚇の効果が高い威嚇態様で、威嚇／誘引動作部１２をそれぞれ動作させる。これにより、威嚇の効果の高い別の威嚇態様で威嚇動作を行うことができる。このため、威嚇ゾーン３０ａの各エリア４０から鳥獣を好適に追い出すことができる。

【0089】

また、第１実施形態において、誘導システム１は、実際に威嚇の効果が認められた複数の威嚇態様に基づいて、当該複数の威嚇態様の特徴を有する新たな威嚇態様を生成し、威嚇態様を変更して、複数の威嚇／誘引動作部１２をそれぞれ動作させる。これにより、鳥獣が威嚇に慣れてしまったとしても、威嚇の効果の高い別の威嚇態様で威嚇動作を行うことができる。このため、威嚇ゾーン３０ａの各エリア４０から鳥獣をより好適に追い出すことができる。

【0090】

また、第１実施形態において、誘導システム１は、鳥獣を誘引する威嚇／誘引動作部１２を備え、決定した一の誘導パターンに基づいて、威嚇／誘引動作部１２を誘引動作させる。これにより、威嚇ゾーン３０ａから誘引ゾーン３０ｂへ鳥獣をより好適に誘導することができるとともに、鳥獣を誘引ゾーン３０ｂに留まらせることができる。したがって、鳥獣が再び威嚇ゾーン３０ａに戻ってきてしまうことを抑えることができる。よって、威嚇ゾーン３０ａから誘引ゾーン３０ｂへ鳥獣をより好適に誘導することができる。

【0091】

また、第１実施形態において、誘導システム１は、鳥獣の位置情報と、鳥獣の侵入方向を示す情報と、威嚇態様を示す情報とに基づいて、鳥獣の移動方向を推定する。これにより、鳥獣の移動方向の推定精度を向上させることができるため、より好適に鳥獣を誘引ゾーン３０ｂへ誘導することができるとともに、鳥獣を誘引ゾーン３０ｂに留まらせることができる。

【0092】

また、第１実施形態において、誘導システム１は、誘引の効果が異なる複数種類の誘引態様のうち、誘引の効果が高い誘引態様を推定し、推定した誘引の効果が高い誘引態様で、威嚇／誘引動作部１２をそれぞれ動作させる。これにより、誘引の効果の高い別の誘引態様で誘引動作を行うことができる。このため、威嚇ゾーン３０ａから誘引ゾーン３０ｂへ鳥獣を好適に誘導することができるとともに、鳥獣を誘引ゾーン３０ｂに留まらせることができる。

【0093】

また、第１実施形態において、誘導システム１は、実際に誘引の効果が認められた複数の誘引態様に基づいて、当該複数の誘引態様の特徴を有する新たな誘引態様を生成し、誘引態様を変更して、複数の威嚇／誘引動作部１２をそれぞれ動作させる。これにより、鳥獣が誘引に慣れてしまったとしても、誘引の効果の高い別の誘引態様で誘引動作を行うことができる。このため、より好適に鳥獣を誘引ゾーン３０ｂに留まらせることができる。

【0094】

（第１実施形態の変形例）
次に、第１実施形態の変形例について説明する。なお、以下の各変形例では、上述した第１実施形態で説明した内容については、適宜説明を省略する。また、以下の各変形例、および上述した第１実施形態をそれぞれ組み合わせることも可能である。

【0095】

（変形例１）
まず、第１実施形態の変形例１について説明する。変形例１では、蓮田に誘導システム１を適用した例について説明する。蓮田１２００内には複数の領域が存在し、それぞれの領域について、モザイク状にレンコンが収穫される。すなわち、収穫後の領域と収穫前の領域とがモザイク状に混在することとなる。収穫前の領域は、カモなどの鳥獣６００によって食害の発生するおそれのある領域である。一方で、収穫後の領域は、商品には至らなかった小さなレンコンが残存する領域であり、残存するレンコンを鳥獣６００の餌としても問題のない領域である。

【0096】

図１２は、変形例１に係る誘導システム１のネットワーク構成を示す説明図である。変形例１において、蓮田１２００は、威嚇ゾーン３０ａと、誘引ゾーン３０ｂとを含む。威嚇ゾーン３０ａは、収穫前のレンコンが植えられている領域である。誘引ゾーン３０ｂは、レンコンが収穫された後の領域であり、食害が生じない領域である。

【0097】

威嚇ゾーン３０ａおよび誘引ゾーン３０ｂには、それぞれ誘導装置１０が配置される。威嚇ゾーン３０ａに配置される誘導装置１０は、鳥獣６００を威嚇して、鳥獣６００を誘引ゾーン３０ｂへ追いだす。一方、誘引ゾーン３０ｂに配置される誘導装置１０は、鳥獣６００を誘引するための音や光を発するようにし、鳥獣６００を留めさせる。

【0098】

変形例１において、威嚇ゾーン３０ａに配置される威嚇／誘引動作部１２による威嚇／誘引態様は、例えば、レーザー光の照射である。具体的には、威嚇ゾーン３０ａに配置される威嚇／誘引動作部１２は、鳥獣６００に向けて所定の色および点滅態様で、レーザー光を照射する。一方で、誘引ゾーン３０ｂに配置される威嚇／誘引動作部１２は、レーザー光の照射をせず、例えば、鳥獣が周囲の鳥獣６００に餌の存在を知らせる鳴き声を出力する。また、威嚇ゾーン３０ａおよび誘引ゾーン３０ｂは、それぞれ、ユーザによって設定されてもよいし、農作物の収穫状況の検出結果に基づいて自動で設定されてもよい。

【0099】

威嚇ゾーン３０ａの誘導装置１０は、鳥獣６００を検出すると、鳥獣６００侵入通知を管理装置２０へ送信する。管理装置２０は、当該誘導装置１０の位置情報に基づいて、誘導パターンを決定し、各誘導装置１０へ送信する。これにより、複数の誘導装置１０は、当該誘導パターンに基づいて、それぞれ協調して威嚇および誘引を行う。具体的には、威嚇ゾーン３０ａの誘導装置１０は、それぞれ所定の威嚇態様で威嚇を行う。また、誘引ゾーン３０ｂの誘導装置１０は、それぞれ所定の誘引態様で誘引を行う。

【0100】

変形例１によれば、威嚇ゾーン３０ａから、鳥獣６００の餌も存在する誘引ゾーン３０ｂへ鳥獣６００を誘導することができる。したがって、鳥獣６００が再び威嚇ゾーン３０ａに戻ってきてしまうことを抑えることができる。よって、威嚇ゾーン３０ａから鳥獣６００を好適に追い出すことができる。また、駆除等による鳥獣害対策と異なり、鳥獣６００を適切に保護することができる。

【0101】

（変形例２）
次に、第１実施形態の変形例２について説明する。変形例２では、管理装置２０は、誘導の効果の高いことが実証済みの威嚇／誘引態様を用意しておき、鳥獣の慣れが生じるまで、当該威嚇／誘引態様で威嚇／誘引動作させる例について説明する。変形例２において、実証済みの威嚇／誘引態様は、実験等により、実際に誘導の効果が得られた威嚇／誘引態様である。管理装置２０は、鳥獣の慣れが生じるまで、当該威嚇／誘引態様で誘導装置１０に威嚇／誘引させる。鳥獣の慣れが生じると、管理装置２０は、第１学習済モデル７００によって推定される誘導の高い威嚇／誘引態様で誘導装置１０に威嚇／誘引させるようにする。このようにしても、最適な威嚇／誘引を行うことができ、よって、最適な誘導を行うことができる。

【0102】

（変形例３）
次に、第１実施形態の変形例３について説明する。上述した第１実施形態では、各種モデル（図７～９）を用いた例について説明した。変形例３では、各種モデルを用いずに、誘導パターンを決定する例について説明する。変形例３において、誘導システム１は、鳥獣の位置情報と誘導パターンとを対応付けた誘導データを記憶する。誘導データは、管理装置２０に記憶されていてもよいし、外部の記憶装置に記憶されていてもよい。誘導データは、実験結果や過去の履歴などから得られた、予め用意されたデータである。

【0103】

管理装置２０は、誘導装置１０から鳥獣侵入通知を受信すると、当該通知に含まれる鳥獣の位置情報に基づいて誘導パターンを決定し、決定した誘導パターンで各誘導装置１０を威嚇／誘引動作させる。このようにしても、威嚇ゾーン３０ａから誘引ゾーン３０ｂへ鳥獣を好適に誘導することができる。

【0104】

また、誘導データは、鳥獣の位置情報と、侵入方向情報と、誘導パターンとが対応付けられたデータであってもよい。この場合、管理装置２０は、誘導装置１０から鳥獣侵入通知を受信すると、当該通知に含まれる鳥獣の位置情報と侵入方向情報とに基づいて誘導パターンを決定し、決定した誘導パターンで各誘導装置１０を威嚇／誘引動作させればよい。このようにすれば、威嚇ゾーン３０ａから誘引ゾーン３０ｂへ鳥獣を、より好適に誘導することができる。

【0105】

（第２実施形態）
次に、第２実施形態について説明する。なお、以下の第２実施形態では、上述した第１実施形態、および第１実施形態に係る変形例で説明した内容については、適宜説明を省略する。

【0106】

多くの動物は、一定の場所にとどまっているのではなく、採餌や休憩、移動といった用途に合わせて様々な場所（以下「利用エリア」という。）を利用する。ところで、従来技術では、各種動物ごとに利用エリアの利用実態を効率よく把握することができないことがあった。このため、各種動物に対して、利用エリアに応じた最適な追い払いや誘引を効果的に行うことができないことがあった。そこで、第２実施形態では、各種動物の利用エリアの利用実態を効率よく把握できるようにしている。

【0107】

なお、上述した第１実施形態において、「鳥獣」は、鳥獣害を及ぼす生き物や、絶滅危惧種であるものとして説明したが、このほかにも、他の動物を含む。他の動物は、例えば、カエルなどの両生類、ヘビなどの爬虫類、チョウなどの昆虫類、ブラックバスなどの魚類などを含む。以下に説明する第２実施形態において対象とする動物は、上記の鳥獣や他の動物を含む。なお、以下では、動物を「鳥獣」として説明する。

【0108】

（第２実施形態に係る推定システム１３００の機能的構成）
第２実施形態では、音声によってエリア４０内の鳥獣を検出した後に、カメラを起動させて鳥獣の挙動を検出する例について説明する。
図１３は、第２実施形態に係る推定システム１３００の機能的構成の一例を示すブロック図である。図１３に示すように、推定システム１３００は、管理装置２０と、検出装置１３１０とを備える。管理装置２０は、取得部４０１と、推定部１３０１との各機能部を備える。各機能部は、ＣＰＵ２０１（図３）によって実現される。すなわち、ＣＰＵ２０１が推定プログラムを実行することにより、各機能部を実現する。

【0109】

第２実施形態において、推定システム１は、第１実施形態の誘導装置１０に代えて、検出装置１３１０を備える。検出装置１３１０は、威嚇／誘引動作部１２を備えない点で、誘導装置１０とは異なる。検出装置１３１０は、各種の鳥獣（動物）が生息する複数のエリア４０にそれぞれ配置される。検出装置１３１０は、検出部１１を備える。検出部１１は、各エリアで鳥獣を検出する。なお、検出部１１は、検出器（例えば、図１４に示すマイクロフォンアレイ１４０４およびカメラ１４０５）の検出結果に基づいて、鳥獣を検出する。

【0110】

（検出装置１３１０の構成例）
図１４は、第２実施形態に係る検出装置１３１０のハードウェア構成の一例を示す図である。検出装置１３１０は、ＣＰＵ１４０１と、メモリ１４０２と、通信部１４０３と、マイクロフォンアレイ１４０４と、カメラ１４０５とを備える。各部は、バス１４１０を介して相互に通信可能に接続されている。

【0111】

ＣＰＵ１４０１は、中央演算処理装置であり、メモリ１４０２に記憶されている各種プログラムを読み出して実行することにより、検出装置１３１０の動作を制御する。各種プログラムは、第２実施形態に係る検出プログラムを含む。検出プログラムは、エリア４０内の鳥獣の出現を検出するプログラムや、当該鳥獣の種別を判別するプログラムや、当該鳥獣の挙動を検出するプログラムを含む。

【0112】

メモリ１４０２は、ＲＯＭ、ＲＡＭ、ハードディスクなどの記憶部である。メモリ１４０２は、各種プログラムをはじめとしてＣＰＵ１４０１が実行する各種の情報を記憶する。また、メモリ１４０２は、マイクロフォンアレイ１４０４やカメラ１４０５の検出結果（例えば、音の情報や画像情報）を記憶してもよい。
通信部１４０３は、他の装置（例えば、管理装置２０）と情報を送受信するインターフェースである。

【0113】

マイクロフォンアレイ１４０４は、エリア４０内の鳥獣の存在を検出する検出器である。マイクロフォンアレイ１４０４は、第１検出器の一例である。マイクロフォンアレイ１４０４は、音を検出する。また、マイクロフォンアレイ１４０４は、音源の方向を検出する。具体的には、マイクロフォンアレイ１４０４は、各マイクロフォンに到達する信号の時間差を利用して、特定の方向から到来する信号を強調あるいは抑圧することにより、音源の到来方向を推定するとともに、到来方向ごとに音源を分離することができる。なお、第１検出器は、マイクロフォンとしてもよい。

【0114】

鳥獣の存在を検出するための検出器は、マイクロフォンアレイ１４０４に限らない。詳細については変形例で後述するが、例えば、鳥獣の存在を検出するための検出器には、これらに代えて又は加えて、マイクロフォン、カメラ１４０５、LiDAR、サーマルセンサー（サーマルカメラ）、赤外線センサー（赤外線カメラ）、モーションセンサー（モーションカメラ）、ミリ波レーダーを用いることも可能である。

【0115】

カメラ１４０５は、対象種の挙動を検出する検出器（第２検出器）の一例である。カメラ１４０５は、例えば、ＣＣＤやＣＭＯＳカメラであり、動画または静止画を撮像する。カメラ１４０５の撮像範囲は、例えば、自装置が配置されるエリア４０の範囲である。

【0116】

検出対象となる対象種の挙動は、以下のいずれか又は全部を含む。
・エリア４０内における鳥獣の位置。
・鳥獣までの距離。
・鳥獣が侵入してきた方向（侵入方向）。
・鳥獣が撤退した方向（撤退方向）。
・鳥獣の移動速度。

【0117】

また、第２実施形態において、第２検出器（対象種の挙動を検出する検出器）は、マイクロフォンアレイ１４０４を含む。すなわち、マイクロフォンアレイ１４０４は、エリア４０内の鳥獣の存在を検出することに加えて、対象種の挙動を検出することが可能である。なお、挙動の検出精度について、検出部１１は、マイク１４０に比べて、マイクロフォンアレイ１４０４の方が高い検出精度を得ることが可能である。

【0118】

対象種の挙動を検出するための検出器は、マイクロフォンアレイ１４０４およびカメラ１４０５に限らない。詳細については変形例で後述するが、例えば、対象種の挙動を検出するための検出器には、これらに代えて又は加えて、マイクロフォン、LiDAR、サーマルセンサー（サーマルカメラ）、赤外線センサー（赤外線カメラ）、モーションセンサー（モーションカメラ）、ミリ波レーダーを用いることも可能である。

【0119】

検出装置１３１０には、例えば、複数（例えば４つ）のカメラ１４０５が具備される。各カメラ１４０５は、それぞれ異なる４方向（例えば、東西南北）を向けて配置される。なお、検出装置１３１０は、単一のカメラ１４０５を備えるようにしてもよい。また、検出装置１３１０は、カメラ１４０５を回転可能にする機構を備えるようにしてもよい。また、カメラ１４０５は、光源（フラッシュ）を備える。光源は、夜間に起動する。

【0120】

以下では、図１５を参照しつつ、図１３に示す各機能部を説明する。
図１５は、第２実施形態の動物推定システム１における動作を示すシーケンス図である。図１５に示す各装置の各処理は、各装置の制御周期で行われる。

【0121】

（検出装置１３１０の処理）
ステップＳ１５０１：複数のエリア４０にそれぞれ配置されるいずれかの検出装置１３１０（検出部１１）は、マイクロフォンアレイ１４０４によって音（鳥獣の鳴き声）が検出されたか否かを判断する。検出装置１３１０は、音を検出しない場合（ステップＳ１５０１：ＮＯ）、そのまま処理を終え、次の処理の開始まで待機する。

【0122】

ステップＳ１５０２：検出装置１３１０は、音を検出すると（ステップＳ１５０１：ＹＥＳ）、マイクロフォンアレイ１４０４を用いて、複数の方向について音源の推定、分離を行い、分離した各音について、音源の方向を推定する。

【0123】

ステップＳ１５０３：特定した方向の音に基づいて、当該音を発した鳥獣の種別を推定する。具体的には、検出装置１３１０は、音の情報（鳴き声）と、後述する第３学習済モデル１６００（図１６）とに基づいて、鳥獣の種別を推定する。

【0124】

ステップＳ１５０４：そして、検出装置１３１０は、鳥獣の種別が対象種であるか否かを判断する。対象種は、予め設定される追跡対象の鳥獣である。また、対象種は、一種類（例えば、シカのみ）であってもよいし、複数種類（例えば、シカとサル）であってもよい。推定した鳥獣が対象種ではない場合（ステップＳ１５０４：ＮＯ）、検出装置１３１０は、そのまま処理を終え、次の処理の開始まで待機する。

【0125】

ステップＳ１５０５：一方、推定した鳥獣が対象種である場合（ステップＳ１５０４：ＹＥＳ）、検出装置１３１０は、ステップＳ１５０４において推定した方向に向けられているカメラ１４０５に対して起動指示を行い、カメラ１４０５を起動する。なお、カメラ１４０５を回転可能にする機構を備える場合、検出装置１３１０は、当該機構を制御して、ステップＳ１５０４において推定した方向に、カメラ１４０５を向けさせるようにすればよい。また、検出装置１３１０が単一のカメラ１４０５を備え、回転可能する機構を備えない場合、当該対象種が存在する方向の特定（ステップＳ１５０２の処理）を行わずに、当該単一のカメラ１４０５に起動指示を行うようにしてもよい。

【0126】

ステップＳ１５０６：検出装置１３１０は、夜間であるか否かを判断する。検出装置１３１０は、夜間であるか否かの判断として、時計から得られる時間情報に基づいて、予め設定された特定の時間帯（夜間時間帯）であるか否かを判断してもよい。時計は、例えば、検出装置１３１０に具備される内部時計としてもよいし、ＧＰＳ電波時計としてもよい。また、検出装置１３１０が光センサー（周囲の暗さ（明るさ）を検出するセンサー）を備える場合には、検出装置１３１０は、当該光センサーの検出結果に基づいて、夜間であるか否かを判断としてもよい。ステップＳ１５０６において、夜間ではない場合（ステップＳ１５０６：ＮＯ）、検出装置１３１０は、ステップＳ１５０８に進む。

【0127】

ステップＳ１５０７：一方、夜間である場合（ステップＳ１５０６：ＹＥＳ）、検出装置１３１０は、カメラ１４０５が備える光源をＯＮにする。このように、日中は、光源の電源をＯＦＦにした状態が保持されることになる。これにより、光源の使用に係る電力の消費を抑えることができる。なお、カメラ１４０５を日中にのみ起動させる場合には、すなわち、夜間にはカメラ１４０５を使用しない場合には、光源の電源を常時ＯＦＦにしてもよい。この場合、検出装置１３１０は、ステップＳ１５０６およびステップＳ１５０７の処理を行わないようにしてもよい。

【0128】

ステップＳ１５０８：検出装置１３１０は、カメラ１４０５を起動すると、マイクロフォンアレイ１４０４による音の情報と、カメラ１４０５による画像の情報とを含む検出結果（以下、「挙動検出結果」という場合がある。）を得る。そして、検出装置１３１０は、挙動検出結果と、後述する第４学習済モデル１７００（図１７）とに基づいて、鳥獣の種別を推定する。

【0129】

なお、ステップＳ１５０８における種別の推定は、音の情報に加えて画像の情報が用いられていることから、ステップＳ１５０３における種別の推定よりも高精度な推定される場合がある。また、対象種によっては、ステップＳ１５０８における種別の推定よりも、音の情報による推定（ステップＳ１５０３の推定）の方が正確に推定される場合もある。このため、仮に、ステップＳ１５０８における種別の推定と、ステップＳ１５０３における種別の推定とで推定結果が異なったとする。この場合、ステップＳ１５０３において推定した種別、およびステップＳ１５０８において推定した種別のうちいずれかを、対象種に応じて優先して、推定結果としてもよい。また、ステップＳ１５０３において推定した種別、およびステップＳ１５０８において推定した種別のうち、いずれを推定結果とするかを、対象種に応じて切り替えるようにしてもよい。なお、ステップＳ１５０８における推定結果が対象種ではない場合、検出装置１３１０は、そのまま処理を終えるようにしてもよい。

【0130】

ステップＳ１５０９：次に、検出装置１３１０は、対象種の位置情報と、挙動検出結果との送信タイミングとなったか否かを判断する。対象種の位置情報は、対象種を検出した検出装置１３１０の位置情報である。検出装置１３１０は、予め位置情報を記憶しているものとする。

【0131】

当該送信タイミングは、例えば、カメラ１４０５の撮像範囲から、当該対象種がいなくなったタイミングである。ただし、送信タイミングは、これに限らず、カメラ１４０５の起動開始から所定時間の経過としてもよい。検出装置１３１０は、当該送信タイミングとなるまで待機する（ステップＳ１５０７：ＮＯ）。

【0132】

ステップＳ１５１０：当該送信タイミングになると（ステップＳ１５０７：ＹＥＳ）、検出装置１３１０は、対象種の位置情報と、挙動検出結果とを管理装置２０へ送信する。また、送信タイミングになると、検出装置１３１０は、カメラ１４０５の電源をオフにする。

【0133】

なお、ステップＳ１５０３に示した機能（対象種であるか否かの判別機能）は、検出装置１３１０に具備されることに限らず、管理装置２０に具備されていてもよい。具体的には、管理装置２０は、検出装置１３１０から音の情報を受信するようにし、受信した音の情報に基づいて、鳥獣の種別を検出するようにしてもよい。管理装置２０は、対象種を検出した場合、当該エリア４０の所定方向に向けられるカメラ１４０５に対して、起動指示を行う。すなわち、この場合、カメラ１４０５は、管理装置２０からの起動指示に基づいて起動することになる。

【0134】

（管理装置２０の処理）
ステップＳ１５１１：管理装置２０（取得部４０１）は、検出装置１３１０から位置情報と挙動検出結果とが送信されることにより、これらを取得したか否かを判断する。これらを取得しない場合（ステップＳ１５１１：ＮＯ）、管理装置２０は、そのまま処理を終え、次の処理の開始まで待機する。

【0135】

ステップＳ１５１２：取得部４０１によって位置情報と挙動検出結果とが取得されると、推定部１３０１は、位置情報と、挙動検出結果と、後述する第５学習済モデル１８００（図１８）とに基づいて、当該対象種の移動経路を推定する。移動経路は、対象種が検出されたエリア４０から、当該対象種が最終的に到達するエリア４０までを含む経路である。

【0136】

ステップＳ１５１３：推定部１３０１は、推定した移動経路に基づいて、各対象種がそれぞれ最も多く生息する利用エリアを推定する。利用エリアの推定には、例えば、各種推定方法を用いることが可能である。一例として、当該推定には、ベイズ統計による手法が用いられる。ベイズ統計では、事前データから得られる事前確率と、新規データ（移動経路の情報）によって更新される尤度とを組み合わせて算出される、生息領域の事後確率に基づいて、利用エリアを推定することが可能である。

【0137】

このように、利用エリアを推定することにより、管理装置２０は、各種動物が生息するエリア４０内において、対象種がどのエリア４０に、どの程度分布しているかを定量化することができる。具体的には、管理装置２０は、対象種の個体密度の推定を行ったり、対象種が時間帯や時期などに応じて存在する可能性の高いエリア４０をマップ化したりすることができる。

【0138】

（ユーザ端末への表示）
移動経路の推定結果や、利用エリアの推定結果は、所定の端末（以下「ユーザ端末」という）に表示することが可能である。具体的には、管理装置２０は、自装置にアクセス可能なユーザ端末からの送信要求に応じて、移動経路の推定結果や利用エリアの推定結果を、要求元のユーザ端末へ送信する。ユーザ端末は、管理装置２０から当該推定結果を受信すると、当該推定結果を表示する。これにより、ユーザは、移動経路の推定結果や利用エリアの推定結果を把握することができる。

【0139】

（学習済モデルの一例について）
次に、図１６～１８を用いて、学習済モデルについて説明する。なお、以下に説明する各学習済モデルは、ニューラルネットワークを用いて表されるモデルを示す。各学習済モデルにおいて、学習済パラメータは、例えば、ニューラルネットワークの層数と、各層におけるニューロンの個数と、ニューロン同士の結合関係と、各ニューロン間の結合の重み（結合荷重）と、各ニューロンの閾値とを含む。また、各学習済モデルは、入力層と、１以上の中間層（隠れ層）と、出力層とを含む。各層は、１以上のニューロンを備えている。中間層の層数や、各層におけるニューロンの個数等は、学習済パラメータによって設定されている。なお、学習済モデルは、ＤＮＮ（Deep Neural Network）、サポートベクトルマシン、ランダムフォレストなどであってもよい。

【0140】

（第３学習済モデル：音の情報に基づく種別の推定（カメラ起動用））
図１６は、第２実施形態の対象種の推定に係る第３学習済モデル１６００の一例を示す説明図である。図１６に示すように、第３学習済モデル１６００は、入力層１６０１と、１以上の中間層１６０２（隠れ層）と、出力層１６０３とを含む。

【0141】

入力層１６０１には、入力サンプルとして、音の情報が入力される。図１６に示す音の情報は、カメラ１４０５を起動させるための情報である。音の情報は、例えば、周波数、出力間隔、持続時間、音量のそれぞれを示す情報を含む。なお、入力サンプルとしての音の情報は、複数の音が重なった際の情報や、背景音のみで検出対象種の音が含まれない場合の情報を含む。

【0142】

出力層１６０３からは、鳥獣の種別を示す出力値（それぞれの確度）が出力される。第３学習済モデル１６００は、入力サンプルを入力層１６０１に入力して、出力層１６０３から得られるそれぞれの出力値と、出力サンプルのそれぞれとの差が少なくなるように、パラメータが更新されて、生成されたモデルである。入力サンプルは、学習モデルの訓練時に入力層１６０１に入力される音の情報である。出力サンプルは、学習モデルの訓練時に出力層１６０３からの出力値と比較するための正解となる情報（正解ラベル）である。具体的には、出力サンプルは、例えば、「種別１（シカ）」、「種別２（サル）」、…「種別Ｎ（カラス）」のうち、いずれか一つの種別または複数の種別を示し、または、いずれの種別も含まれないことを示す。なお、当該括弧内は、例示である。

【0143】

検出装置１３１０は、マイクロフォンアレイ１４０４によって音が検出されると、検出された音の情報を第３学習済モデル１６００に入力する。これにより、検出装置１３１０は、自装置が配置されるエリア４０内に存在する鳥獣の種別を推定する。

【0144】

（第４学習済モデル：挙動検出結果に基づく種別の推定）
図１７は、対象種の推定に係る第４学習済モデル１７００の一例を示す説明図である。図１７に示すように、第４学習済モデル１７００は、入力層１７０１と、１以上の中間層１７０２（隠れ層）と、出力層１７０３とを含む。

【0145】

入力層１７０１には、入力サンプルとして、挙動検出結果としての音の情報と画像の情報とが入力される。音の情報は、各種鳥獣の鳴き声を示す情報である。音の情報は、例えば、周波数、出力間隔、持続時間、音量のそれぞれを示す情報を含む。画像の情報は、例えば画素データである。なお、入力サンプルとしての画像の情報は、複数種が一度にカメラに映った際の情報を含む。

【0146】

出力層１７０３からは、対象種の種別を示す出力値（それぞれの確度）が出力される。第４学習済モデル１７００は、入力サンプルを入力層１７０１に入力して、出力層１７０３から得られるそれぞれの出力値と、出力サンプルのそれぞれとの差が少なくなるように、パラメータが更新されて、生成されたモデルである。入力サンプルは、学習モデルの訓練時に入力層１７０１に入力される音の情報と画像の情報とである。出力サンプルは、学習モデルの訓練時に出力層１７０３からの出力値と比較するための正解となる情報（正解ラベル）である。具体的には、出力サンプルは、例えば、「種別１（シカ）」、「種別２（サル）」、…「種別Ｎ（カラス）」のうちいずれか一つの種別または複数の種別を示し、または、いずれの種別も含まれないことを示す。なお、当該括弧内は、例示である。

【0147】

検出装置１３１０は、カメラ１４０５を起動させると、マイクロフォンアレイ１４０４によって検出された音の情報と、カメラ１４０５によって検出された画像の情報とを第４学習済モデル１７００に入力する。これにより、検出装置１３１０は、自装置が配置されるエリア４０内に存在する鳥獣の種別を、より精度よく推定する。

【0148】

（第５学習済モデル：位置情報、音の情報および画像の情報に基づく移動経路の推定）
図１８は、管理装置２０が行う移動経路の推定に係る第５学習済モデル１８００の一例を示す説明図である。第５学習済モデル１８００は、鳥獣の種別ごとに生成される。図１８に示すように、第５学習済モデル１８００は、入力層１８０１と、１以上の中間層１８０２（隠れ層）と、出力層１８０３とを含む。

【0149】

入力層１８０１には、入力サンプルとして、位置情報と、挙動検出結果としての音の情報と、挙動検出結果としての画像の情報とが入力される。位置情報は、対象種を検出した検出装置１３１０の位置情報である。

【0150】

出力層１８０３からは、対象種の移動経路を示す出力値（それぞれの確度）が出力される。第５学習済モデル１８００は、入力サンプルを入力層１８０１に入力して、出力層１８０３から得られるそれぞれの出力値と、出力サンプルのそれぞれとの差が少なくなるように、パラメータが更新されて、生成されたモデルである。入力サンプルは、学習モデルの訓練時に入力層１８０１に入力される位置情報と、音の情報と、画像の情報と、である。出力サンプルは、学習モデルの訓練時に出力層１８０３からの出力値と比較するための正解となる情報（正解ラベル）である。具体的には、出力サンプルは、例えば、「移動経路１（東方向）」、「移動経路２（西方向）」、…「移動経路Ｎ（北方向）」のうちいずれか一つを示す。なお、当該括弧内は、例示である。

【0151】

管理装置２０は、取得部４０１によって位置情報と、音の情報と、画像の情報と、が取得されると、これらを第５学習済モデル１８００に入力する。これにより、管理装置２０は、対象種の移動経路を推定する。

【0152】

（利用エリアの推定結果の一例）
図１９は、利用エリアの推定結果の一例を示す図である。図１９において、推定結果１９００は、「種別」と、「利用エリア」と、「期間」、「個体密度」とを含む。

【0153】

「種別」は、鳥獣の種類を示す。
「利用エリア」は、各種の鳥獣が最終的に到達するエリア４０を示す。
「期間」は、例えば、１時間ごとの時間帯を示す。ただし、「期間」は、季節ごと、月単位などとしてもよい。
「個体密度」は、利用エリアごとの密度（所定面積当たりの個体数）を示す。

【0154】

このように、管理装置２０は、期間ごとに、各種別の利用エリアや各種別の活動を定量化することができる。なお、推定結果１９００は、表として表されることに限らない。例えば、推定結果１９００に基づいて、地図上の各エリア４０に対応する位置に、個体密度を図示化して表示することも可能である。当該図示化は、例えば、個体密度に応じた色に表示したり、個体密度を示すグラフを表示したりすることである。また、当該図示化した推定結果を、時系列に応じて遷移する動画として表示するようにしてもよい。このように推定結果１９００を図示化することにより、各種別の利用エリアや各種別の活動を可視化できる。したがって、各種別の利用エリアや各種別の活動を、より把握しやすくすることができる。

【0155】

以上説明したように、第２実施形態に係る推定システム１３００は、複数の検出部１１のうち一の検出部１１によって対象種が検出された場合、当該対象種の位置を示す位置情報に基づいて、対象種の移動経路を推定する。これにより、対象種が検出されたエリア４０から、最終的に到達するエリア４０までの経路を精度よく推定することができる。したがって、対象種が最も多く生息する利用エリアを精度よく推定することができる。このため、ユーザは、対象種の移動経路の利用実態や利用エリアの利用実態を効率よく把握することができる。これにより、追い払いや誘引に際し、各対象種の利用エリアを誘引ゾーン３０ｂに設定することができる。よって、対象種ごとに、より最適な追い払いや誘引を行うことができる。

【0156】

また、第２実施形態に係る推定システム１３００は、対象種の挙動を検出するようにし、位置情報に加えて、挙動検出結果に基づいて、対象種の移動経路を推定する。これにより、対象種が検出されたエリア４０から、最終的に到達するエリア４０までの経路を、より精度よく推定することができる。

【0157】

また、第２実施形態に係る推定システム１３００は、マイクロフォンアレイ１４０４（第１検出器）の検出結果に基づいて対象種を検出し、カメラ１４０５（第２検出器）の検出結果に基づいて対象種の挙動を検出する。これにより、動物の検出に適した第１検出器と、挙動の検出に適した第２検出器とを用いることができる。

【0158】

例えば、消費電力の少ない装置を第１検出器に用い、消費電力の高い装置を第２検出器に用いることができる。より具体的には、鳥獣の検出には、マイクロフォンアレイ１４０４など、常時電源がＯＮでも消費電力の少ないものを用いることができる。そして、検出装置１３１０は、マイクロフォンアレイ１４０４の検出結果に基づいて対象種を検出した場合に、カメラ１４０５を起動させる。これにより、カメラ１４０５を常時ＯＮにしなくてもよいため、カメラ１４０５（バッテリー）の消費電力を抑えることができる。よって、推定システム１３００において、各検出器に最適なものを適用することができる。

【0159】

（第２実施形態に係る変形例）
次に、第２実施形態の変形例について説明する。なお、以下の各変形例の番号は、上述した第１実施形態の変形例１～３に続く番号（変形例４～）として説明する。以下の各変形例のそれぞれと、上述した第１実施形態と、第１実施形態に係る変形例のそれぞれと、上述した第２実施形態と、のうちいずれかを組み合わせることも可能である。

【0160】

（変形例４）
第２実施形態では、カメラ１４０５を起動し、対象種がいなくなると、カメラ１４０５の電源をオフにする例について説明した。変形例４では、カメラ１４０５の電源を常時ＯＮにする例について説明する。例えば、電源を直接得ることができる場合や、バッテリー容量が大きい場合など、電源環境が整っている場合、カメラ１４０５の電源のＯＮ／ＯＦＦを切り替えないようにし、常時ＯＮにしてもよい。

【0161】

変形例４に係る検出装置１３１０は、図１５のステップＳ１５０２～ステップＳ１５０７の処理を不要としてもよい。より具体的には、検出装置１３１０は、マイクロフォンアレイ１４０４による音を検出すると（ステップＳ１５０１：ＹＥＳ）、または、カメラ１４０５によって動物を検出すると、マイクロフォンアレイ１４０４およびカメラ１４０５の検出結果に基づいて、鳥獣の種別を推定すればよい（ステップＳ１５０８）。推定した種別が対象種である場合には、送信タイミングになると（ステップＳ１５０９：ＹＥＳ）、位置情報と挙動検出結果とを管理装置２０へ送信すればよい。

【0162】

変形例４によれば、カメラ１４０５を常時ＯＮにするため、カメラ１４０５の起動に係る検出や制御を不要にすることができる。したがって、変形例４によれば、簡単な制御で対象種の挙動を検出することができる。

【0163】

（変形例５）
次に、変形例５について説明する。第２実施形態では、エリア４０内の鳥獣の存在、および対象種の挙動を検出する検出器として、マイクロフォンアレイ１４０４と、カメラ１４０５とを用いて行う例について説明した。変形例５では、鳥獣の存在および対象種の挙動を検出する検出器として、これらに代えて又は加えて、他の検出器を用いる例について説明する。なお、以下では、変形例５に係る検出器を「挙動検出器」という。

【0164】

変形例５に係る挙動検出器は、例えば、マイクロフォンアレイ１４０４、マイクロフォン、カメラ１４０５、LiDAR、赤外線センサー、赤外線カメラ、モーションセンサー（モーションカメラ）、ミリ波レーダーなどの複数種類のうち、一種類または複数（Ｌ種類）である。なお、対象種の推定精度や、移動経路の推定精度を向上させるという観点からすると、使用する挙動検出器の種類数を多くすることが望ましい。変形例５において、Ｌは複数とする。

【0165】

複数種類の挙動検出器は、いずれも対象種の挙動を検出することが可能である。また、複数種類の検出器は、いずれも、エリア４０内の鳥獣の存在を検出することが可能である。

【0166】

また、変形例５において、いずれかの検出器（常時ＯＮの検出器）で鳥獣の存在を検出するようにし、当該存在が検出されることに応じて、他の検出器（ＯＮ／ＯＦＦの切替えが可能な検出器）を起動させるようにしてもよい。常時ＯＮの検出器と、ＯＮ／ＯＦＦの切替えが可能な検出器とは、それぞれ、消費電力に応じて設定すればよい。具体的には、常時ＯＮの検出器は、消費電力の少ない検出器（例えば、マイクロフォンアレイ１４０４や、赤外線センサー）とすればよい。また、ＯＮ／ＯＦＦの切替えが可能な検出器は、消費電力の高い検出器（例えば、カメラ１４０５や、LiDAR）とすればよい。

【0167】

（第６学習済モデル：位置情報と複数の挙動検出結果とに基づく種別の推定）
図２０は、対象種の推定に係る第６学習済モデル２０００の一例を示す説明図である（変形例５）。図２０に示すように、第６学習済モデル２０００は、入力層２００１と、１以上の中間層２００２（隠れ層）と、出力層２００３とを含む。

【0168】

入力層２００１には、入力サンプルとして、位置情報と、挙動検出結果１～Ｌとが入力される。位置情報は、対象種を検出した検出装置１３１０の位置情報である。Ｌは、挙動検出器の種類数である。挙動検出結果１～Ｌは、複数種類（Ｌ種類）の挙動検出器のそれぞれによって検出される。

【0169】

出力層２００３からは、対象種の種別を示す出力値（それぞれの確度）が出力される。第６学習済モデル２０００は、入力サンプルを入力層２００１に入力して、出力層２００３から得られるそれぞれの出力値と、出力サンプルのそれぞれとの差が少なくなるように、パラメータが更新されて、生成されたモデルである。入力サンプルは、学習モデルの訓練時に入力層２００１に入力される位置情報と挙動検出結果とである。出力サンプルは、学習モデルの訓練時に出力層２００３からの出力値と比較するための正解となる情報（正解ラベル）である。具体的には、出力サンプルは、例えば、「種別１（シカ）」、「種別２（サル）」、…「種別Ｎ（カラス）」のうちいずれか一つの種別または複数の種別を示し、または、いずれの種別も含まれないことを示す。

【0170】

検出装置１３１０は、対象種を検出すると、位置情報と、複数種類の挙動検出器によって検出された挙動検出結果とを、第６学習済モデル２０００に入力する。これにより、検出装置１３１０は、自装置が配置されるエリア４０内に存在する鳥獣の種別を推定する。

【0171】

（第７学習済モデル：位置情報と複数の挙動検出結果とに基づく移動経路の推定）
図２１は、移動経路の推定に係る第７学習済モデル２１００の一例を示す説明図である。第７学習済モデル２１００は、鳥獣の種別ごとに生成される。図２１に示すように、第７学習済モデル２１００は、入力層２１０１と、１以上の中間層２１０２（隠れ層）と、出力層２１０３とを含む。

【0172】

入力層２１０１には、入力サンプルとして、位置情報と、挙動検出結果１～Ｌとが入力される。位置情報は、対象種を検出した検出装置１３１０の位置情報である。Ｌは、挙動検出器の種類数である。挙動検出結果１～Ｌは、複数種類（Ｌ種類）の挙動検出器のそれぞれによって検出される。

【0173】

出力層２１０３からは、対象種の移動経路を示す出力値（それぞれの確度）が出力される。第７学習済モデル２１００は、入力サンプルを入力層２１０１に入力して、出力層２１０３から得られるそれぞれの出力値と、出力サンプルのそれぞれとの差が少なくなるように、パラメータが更新されて、生成されたモデルである。入力サンプルは、学習モデルの訓練時に入力層２１０１に入力される位置情報と挙動検出結果とである。出力サンプルは、学習モデルの訓練時に出力層２１０３からの出力値と比較するための正解となる情報（正解ラベル）である。具体的には、出力サンプルは、例えば、「移動経路１（東方向）」、「移動経路２（西方向）」、…「移動経路Ｎ（北方向）」のうちいずれか一つを示す。

【0174】

管理装置２０は、取得部４０１によって位置情報と挙動検出結果とが取得されると、位置情報と挙動検出結果とを第７学習済モデル２１００に入力する。これにより、管理装置２０は、対象種の移動経路を推定する。

【0175】

変形例５によれば、複数種類の挙動検出器の検出結果に基づいて、鳥獣の存在、種別の判別、および対象種の挙動を検出するため、検出精度を向上させることができる。したがって、対象種が検出されたエリア４０から、最終的に到達するエリア４０までの経路を、より精度よく推定することができる。

【0176】

（変形例６）
次に、変形例６について説明する。変形例６では、実際の運用において想定される挙動検出器の仕様変更（追加、削除、バージョンアップなど）を行う例について説明する。変形例６において、推定システム１３００は、挙動検出器の仕様変更があると、仕様変更に応じた他の学習済モデル（第６学習済モデル２０００に対応する学習済モデルや、第７学習済モデル２１００に対応する学習済モデル）を用いて、各種推定を行う。他の学習済モデルは、別途生成された学習済みモデルである。例えば、カメラ１４０５を削除して、LiDARを追加する場合、他の学習済モデルは、入力サンプルとして、カメラ１４０５の挙動検出結果を除き、LiDARの挙動検出結果を入力して生成された学習済モデルである。挙動検出器の仕様変更があると、検出装置１３１０に他の学習済モデルがインストールされる。

【0177】

具体的には、検出装置１３１０は、挙動検出器の仕様変更があると、変更された挙動検出器に応じた学習済モデルを取得（インストール）する。より具体的には、検出装置１３１０は、挙動検出器の仕様変更があると、仕様変更された挙動検出器の種別（例えば、カメラ１４０５、ＬｉＤＡＲ）の組合せを示す情報を取得し、当該組合せに対応する学習済モデルの送信要求を管理装置２０に対して行う。

【0178】

当該送信は、ＵＳＢ（Universal Serial Bus）接続される無線ＬＡＮなどの回線を介して行われてもよい。検出装置１３１０は、管理装置２０から学習済モデルを受信することにより、変更後の挙動検出器の組合せに応じた適切な学習済モデルをインストールすることができる。なお、当該インストールは、通信によって行われることに限らず、例えば、ＵＳＢフラッシュメモリなどの記憶媒体からの読取りによって行われてもよい。

【0179】

また、仕様変更された挙動検出器の分解能やレンジは、学習済モデルの生成において使用した挙動検出器の分解能やレンジとは異なることがある。具体的には、例えば、挙動検出器がカメラ１４０５であれば、仕様変更されたカメラ１４０５によって検出される画像データの画素数と、入力サンプルに用いられた画像データの画素数とが異なることがある。

【0180】

そこで、検出装置１３１０は、使用する挙動検出器によって検出されるデータ（例えば、画像データ）を、入力サンプルと同様の指標となるように補正を行うようにする。具体的には、検出装置１３１０は、撮像画像を所定の画素数に拡大縮小したり、トリミングしたりするなど、入力サンプルと同様の画像データに補正して、学習済モデルに入力すればよい。これにより、仕様変更された挙動検出器の分解能やレンジは、学習済モデルの生成において使用した挙動検出器の分解能やレンジとは異なる場合でも、鳥獣の種別の推定や移動経路の推定を適切に行うことができる。

【0181】

なお、使用が想定される全種類の挙動検出器を用いた学習済モデルを予め生成しおくようにしてもよい。例えば、仕様変更によって特定の挙動検出器（例えば、LiDAR）が使用されなくなる場合には、当該学習済モデルにおいて、LiDARによって検出される挙動検出結果の入力をなしとして、各種推定を行うようにしてもよい。

【0182】

変形例６によれば、推定システム１３００の挙動検出器に仕様変更が生じた場合でも、当該仕様変更に対応して、各種（種別や移動経路）の推定を行うことができる。

【0183】

（変形例７）
次に、変形例７について説明する。変形例７では、検出装置１３１０に、威嚇／誘引動作部１２を後付けする例について説明する。変形例７において、複数の検出装置１３１０には、それぞれに対応して、威嚇／誘引動作部１２が後付けされる。また、威嚇／誘引動作部１２を後付けする場合、検出装置１３１０は、第１実施形態に示した誘導動作プログラムをインストールする。当該インストールは、通信によって行われてもよいし、ＵＳＢフラッシュメモリなどの記憶媒体からの読取りによって行われてもよい。

【0184】

対象種の誘引に際し、第２実施形態に示した移動経路の推定結果から得られる利用エリアが、対象種の存在が許容されるエリアであれば、当該利用エリアを誘引ゾーン３０ｂに設定することが可能である。これにより、管理装置２０は、エリア４０内に対象種が検出された場合、当該対象種の位置情報に基づいて、利用エリア（誘引ゾーン３０ｂ）までの最適な誘導パターンを決定することができる。したがって、利用エリアまでの効果的な誘引および追い払いを行うことができる。

【0185】

（変形例８）
次に、変形例８について説明する。変形例８では、第１実施形態に示した誘導装置１０が備える威嚇／誘引動作部１２の機能について、ＯＮ／ＯＦＦの切替えを可能にする例について説明する。変形例８において、誘導装置１０は、威嚇／誘引動作部１２の機能をＯＦＦにすると、検出部１１のみの機能を備えることになり、すなわち、検出装置１３１０が備える機能と同様となる。言い換えれば、変形例８において、誘導装置１０は、威嚇／誘引動作部１２の機能をＯＦＦにすることにより、検出装置１３１０として利用することが可能である。一方で、威嚇／誘引動作部１２の機能をＯＮにすることにより、対象種に対する威嚇／誘引を行うことが可能にある。

【0186】

このような構成によれば、誘導装置１０は、例えば、鳥獣の利用エリアが明らかになっていない場合には、威嚇／誘引動作部１２の機能をＯＦＦにして利用エリアの推測を行うことができる。そして、対象種の利用エリアの推定が完了すると、誘導装置１０は、利用エリアを誘引ゾーン３０ｂに設定することにより、利用エリアまでの効果的な誘引および追い払いを行うことができる。

【0187】

また、定期的に威嚇／誘引動作部１２の機能をＯＦＦにしてもよい。これにより、定期的に、季節や時間帯に応じた各種動物の利用エリアを把握することができるとともに、威嚇／誘引の効果を確認することが可能である。

【0188】

（変形例９）
次に、変形例９について説明する。上述した第２実施形態では、管理装置２０は、位置情報と挙動検出結果とに基づいて、対象種の移動経路を推定する例について説明した。変形例９では、挙動検出結果を用いずに、位置情報に基づいて、対象種の移動経路を推定する例について説明する。

【0189】

変形例９において、検出部１１は、検出器の検出結果に基づいて、自装置が配置されるエリア４０内の対象種を検出する。検出器は、鳥獣の種別の判別に用いられる検出結果を得ることが可能な装置であればよい。検出器は、例えば、マイクロフォンアレイ１４０４、マイクロフォン、カメラ１４０５、LiDAR、サーマルセンサー、赤外線センサー、モーションセンサー、ミリ波レーダーなどのうち、一または複数である。

【0190】

変形例９において、検出装置１３１０は、検出器によってエリア４０内に鳥獣が検出されると、検出器の検出結果に基づいて、鳥獣の種別を推定する（図１５のステップＳ１５０８）。推定した種別が対象種である場合、送信タイミングになると（ステップＳ１５０９：ＹＥＳ）、検出装置１３１０は、自装置が配置されるエリア４０の位置情報を管理装置２０へ送信する（ステップＳ１５１０）。

【0191】

言い換えれば、変形例９に係る検出装置１３１０は、ステップＳ１５０２～ステップＳ１５０７の処理を行わないようにしてもよい。管理装置２０は、位置情報を取得すると（ステップＳ１５１１：ＹＥＳ）、位置情報と、後述する第８学習済モデル２２００（図２２）とに基づいて、対象種の移動経路を推定する（ステップＳ１５１２）。

【0192】

（第８学習済モデル：位置情報に基づく移動経路の推定）
図２２は、移動経路の推定に係る第８学習済モデル２２００の一例を示す説明図である。第８学習済モデル２２００は、鳥獣の種別ごとに生成される。図２２に示すように、第８学習済モデル２２００は、入力層２２０１と、１以上の中間層２２０２（隠れ層）と、出力層２２０３とを含む。

【0193】

入力層２２０１には、入力サンプルとして、位置情報が入力される。位置情報は、対象種を検出した検出装置１３１０の位置情報である。

【0194】

出力層２２０３からは、対象種の移動経路を示す出力値（それぞれの確度）が出力される。第８学習済モデル２２００は、入力サンプルを入力層２２０１に入力して、出力層２２０３から得られるそれぞれの出力値と、出力サンプルのそれぞれとの差が少なくなるように、パラメータが更新されて、生成されたモデルである。入力サンプルは、学習モデルの訓練時に入力層２２０１に入力される位置情報である。出力サンプルは、学習モデルの訓練時に出力層２２０３からの出力値と比較するための正解となる情報（正解ラベル）である。具体的には、出力サンプルは、例えば、「移動経路１（東方向）」、「移動経路２（西方向）」、…「移動経路Ｎ（北方向）」のうちいずれか一つを示す。

【0195】

管理装置２０は、取得部４０１によって位置情報が取得されると、位置情報を第８学習済モデル２２００に入力する。これにより、管理装置２０は、対象種の移動経路を推定する。なお、変形例９において、入力層２２０１に入力情報は、位置情報に加えて、対象種の出現回数や当該エリア４０の滞在時間などを含めるようにしてもよい。このようにすれば、より精度よく移動経路を推定できる。

【0196】

変形例９によれば、挙動検出結果に基づかずに、対象種が検出されたエリア４０の位置情報に基づいて、当該対象種が最終的に到達するエリア４０までの移動経路を推定する。これにより、簡単な構成および簡単な制御で、移動経路を推定することができる。

【0197】

なお、以上に説明した誘導システム１、誘導装置１０および管理装置２０を実現するためのプログラムを、コンピュータ読み取り可能な記録媒体に記録し、そのプログラムをコンピュータシステムに読み込ませて実行するようにしてもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、ＵＳＢ（Universal Serial Bus）フラッシュメモリ、ＳＳＤ（Solid State Drive）、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（ＲＡＭ）のように、一定時間プログラムを保持しているものも含むものとする。また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。また、上記プログラムは、前述した機能の一部を実現するためのものであってもよい。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。

【符号の説明】

【0198】

１…誘導システム、１０…誘導装置、１１…検出部、１２…誘引動作部、２０…管理装置、３０ａ…威嚇ゾーン、３０ｂ…誘引ゾーン、４０…エリア、４０１…取得部、４０２…方向推定部、４０３…決定部、４０４…動作制御部、４０５…威嚇／誘引態様推定部、４０６…威嚇／誘引態様生成部、６００…鳥獣、１３００…推定システム、１３０１…推定部、１３１０…検出装置

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】

【図17】

【図18】

【図19】

【図20】

【図21】

【図22】