特許 7397814 モデル作成装置、モデル作成方法及びプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2023-12-05

(45)【発行日】2023-12-13

(54)【発明の名称】モデル作成装置、モデル作成方法及びプログラム

(51)【国際特許分類】

   H04B 17/391 20150101AFI20231206BHJP

   H04B 17/23 20150101ALI20231206BHJP

   G06N 20/00 20190101ALI20231206BHJP

【ＦＩ】

H04B17/391

H04B17/23

G06N20/00 130

【請求項の数】 9

(21)【出願番号】P 2021001444

(22)【出願日】2021-01-07

(65)【公開番号】P2022106445

(43)【公開日】2022-07-20

【審査請求日】2023-02-14

【国等の委託研究の成果に係る記載事項】（出願人による申告）令和２年度総務省「仮想空間における電波模擬システム技術の高度化に向けた研究開発」、産業技術力強化法第１７条の適用を受ける特許出願

(73)【特許権者】

【識別番号】599108264

【氏名又は名称】株式会社ＫＤＤＩ総合研究所

(74)【代理人】

【識別番号】100166006

【弁理士】

【氏名又は名称】泉 通博

(74)【代理人】

【識別番号】100154070

【弁理士】

【氏名又は名称】久恒 京範

(74)【代理人】

【識別番号】100153280

【弁理士】

【氏名又は名称】寺川 賢祐

(72)【発明者】

【氏名】伊藤 智史

(72)【発明者】

【氏名】林 高弘

(72)【発明者】

【氏名】長尾 竜也

【審査官】前田 典之

(56)【参考文献】

【文献】特開２０１９－１２２００８（ＪＰ，Ａ）

【文献】国際公開第２０２０／００７４８３（ＷＯ，Ａ１）

【文献】特開２０１９－０２９９１５（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｈ０４Ｂ １７／３９１

Ｈ０４Ｂ １７／２３

Ｇ０６Ｎ ２０／００

(57)【特許請求の範囲】

【請求項1】

電波を送信する送信機が設置された送信位置、又は前記電波を受信する受信機が設置された受信位置の少なくとも一方から視認することができる領域を示す機械学習用の可視領域画像データを取得する画像データ取得部と、
前記可視領域画像データに対応する三次元空間において前記送信機から前記受信機まで前記電波を送信した場合の時空間伝搬特性を示す機械学習用時空間伝搬特性データを取得する特性データ取得部と、
前記可視領域画像データと、前記送信位置と、前記受信位置と、前記機械学習用時空間伝搬特性データとを教師データとして機械学習し、前記可視領域画像データと、前記送信位置と、前記受信位置と、が入力されると、入力された前記送信位置から前記受信位置まで前記電波が送信された場合の時空間伝搬特性を示す時空間伝搬特性データを出力する時空間伝搬特性モデルを作成するモデル作成部と、
を有するモデル作成装置。

【請求項2】

前記モデル作成部は、前記三次元空間に含まれる構造物の表面における、前記送信機が送信した電波に基づく電力の分布を示す電力分布データが関連付けられた前記可視領域画像データを前記教師データとして用いて機械学習することにより前記時空間伝搬特性モデルを作成する、
請求項１に記載のモデル作成装置。

【請求項3】

前記モデル作成部は、前記三次元空間に含まれる構造物の表面の深度を示す深度データが関連付けられた前記可視領域画像データを前記教師データとして用いて機械学習することにより前記時空間伝搬特性モデルを作成する、
請求項１又は２に記載のモデル作成装置。

【請求項4】

前記モデル作成部は、前記三次元空間のうち、前記送信位置及び前記受信位置の両方から視認可能な領域を示す視認領域データが関連付けられた前記可視領域画像データを前記教師データとして用いて機械学習することにより前記時空間伝搬特性モデルを作成する、
請求項１から３のいずれか一項に記載のモデル作成装置。

【請求項5】

前記モデル作成部は、前記三次元空間に含まれる構造物の面の角度を示す角度データが関連付けられた前記可視領域画像データを前記教師データとして用いて機械学習することにより前記時空間伝搬特性モデルを作成する、
請求項１から４のいずれか一項に記載のモデル作成装置。

【請求項6】

前記モデル作成部は、前記可視領域画像データのうち、前記三次元空間に含まれる構造物のエッジ部分から所定の範囲内の領域に対応するデータを前記教師データとして用いて機械学習することにより前記時空間伝搬特性モデルを作成する、
請求項１から５のいずれか一項に記載のモデル作成装置。

【請求項7】

前記モデル作成部は、前記送信位置に光源を配置した場合に前記光源が発した光を視認可能な前記受信位置から視認することができる前記可視領域画像データを前記教師データとして用いて機械学習することにより前記時空間伝搬特性モデルを作成する、
請求項１から６のいずれか一項に記載のモデル作成装置。

【請求項8】

コンピュータが実行する、
電波を送信する送信機が設置された送信位置、又は前記電波を受信する受信機が設置された受信位置の少なくとも一方から視認することができる領域を示す機械学習用の可視領域画像データを取得するステップと、
前記可視領域画像データに対応する三次元空間において前記送信機から前記受信機まで前記電波を送信した場合の時空間伝搬特性を示す機械学習用時空間伝搬特性データを取得するステップと、
前記可視領域画像データと、前記送信位置と、前記受信位置と、前記機械学習用時空間伝搬特性データとを教師データとして学習し、前記可視領域画像データと、前記送信位置と、前記受信位置と、が入力されると、入力された前記送信位置から前記受信位置まで前記電波が送信された場合の時空間伝搬特性を示す時空間伝搬特性データを出力する時空間伝搬特性モデルを作成するステップと、
を有するモデル作成方法。

【請求項9】

コンピュータに、
電波を送信する送信機が設置された送信位置、又は前記電波を受信する受信機が設置された受信位置の少なくとも一方から視認することができる領域を示す機械学習用の可視領域画像データを取得するステップと、
前記可視領域画像データに対応する三次元空間において前記送信機から前記受信機まで前記電波を送信した場合の時空間伝搬特性を示す機械学習用時空間伝搬特性データを取得するステップと、
前記可視領域画像データと、前記送信位置と、前記受信位置と、前記機械学習用時空間伝搬特性データとを教師データとして学習し、前記可視領域画像データと、前記送信位置と、前記受信位置と、が入力されると、入力された前記送信位置から前記受信位置まで前記電波が送信された場合の時空間伝搬特性を示す時空間伝搬特性データを出力する時空間伝搬特性モデルを作成するステップと、
を実行させるためのプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、電波の時空間伝搬特性を特定するために用いられるモデル作成装置、モデル作成方法及びプログラムに関する。

【背景技術】

【0002】

空間内の電波の伝搬特性を推定する手法として、受信点を含む地図データにＣＮＮ（Convolutional Neural Network）を適用して都市構造パラメータを特徴量として抽出し、抽出された特徴量からＦＮＮ（Fully-connected Neural Network）により推定する手法が知られている（例えば、特許文献１を参照）。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２０１９－１２２００８号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

時空間伝搬特性には、送信点及び受信点から視認可能な構造物が大きく影響するが、従来の手法においては、時空間伝搬特性への影響が比較的小さい領域の構造物に関する情報も使用される。したがって、時空間伝搬特性の学習に長時間を要するという問題が生じていた。

【0005】

そこで、本発明はこれらの点に鑑みてなされたものであり、空間の画像データを用いて電波の時空間伝搬特性を機械学習により推定するために要する時間を短縮することを目的とする。

【課題を解決するための手段】

【0006】

本発明の第１の態様のモデル作成装置は、電波を送信する送信機が設置された送信位置、又は前記電波を受信する受信機が設置された受信位置の少なくとも一方から視認することができる領域を示す機械学習用の可視領域画像データを取得する画像データ取得部と、前記可視領域画像データに対応する三次元空間において前記送信機から前記受信機まで前記電波を送信した場合の時空間伝搬特性を示す機械学習用時空間伝搬特性データを取得する特性データ取得部と、前記可視領域画像データと、前記送信位置と、前記受信位置と、前記機械学習用時空間伝搬特性データとを教師データとして機械学習し、前記可視領域画像データと、前記送信位置と、前記受信位置と、が入力されると、入力された前記送信位置から前記受信位置まで前記電波が送信された場合の時空間伝搬特性を示す時空間伝搬特性データを出力する時空間伝搬特性モデルを作成するモデル作成部と、を有する。

【0007】

前記モデル作成部は、前記三次元空間に含まれる構造物の表面における、前記送信機が送信した電波に基づく電力の分布を示す電力分布データが関連付けられた前記可視領域画像データを前記教師データとして用いて機械学習することにより前記時空間伝搬特性モデルを作成してもよい。

【0008】

前記モデル作成部は、前記三次元空間に含まれる構造物の表面の深度を示す深度データが関連付けられた前記可視領域画像データを前記教師データとして用いて機械学習することにより前記時空間伝搬特性モデルを作成してもよい。

【0009】

前記モデル作成部は、前記三次元空間のうち、前記送信位置及び前記受信位置の両方から視認可能な領域を示す視認領域データが関連付けられた前記可視領域画像データを前記教師データとして用いて機械学習することにより前記時空間伝搬特性モデルを作成してもよい。

【0010】

前記モデル作成部は、前記三次元空間に含まれる構造物の面の角度を示す角度データが関連付けられた前記可視領域画像データを前記教師データとして用いて機械学習することにより前記時空間伝搬特性モデルを作成してもよい。

【0011】

前記モデル作成部は、前記可視領域画像データのうち、前記三次元空間に含まれる構造物のエッジ部分から所定の範囲内の領域に対応するデータを前記教師データとして用いて機械学習することにより前記時空間伝搬特性モデルを作成してもよい。

【0012】

前記モデル作成部は、前記送信位置に光源を配置した場合に前記光源が発した光を視認可能な前記受信位置から視認することができる前記可視領域画像データを前記教師データとして用いて機械学習することにより前記時空間伝搬特性モデルを作成してもよい。

【0013】

本発明の第２の態様のモデル作成方法は、コンピュータが実行する、電波を送信する送信機が設置された送信位置、又は前記電波を受信する受信機が設置された受信位置の少なくとも一方から視認することができる領域を示す機械学習用の可視領域画像データを取得するステップと、前記可視領域画像データに対応する三次元空間において前記送信機から前記受信機まで前記電波を送信した場合の時空間伝搬特性を示す機械学習用時空間伝搬特性データを取得するステップと、前記可視領域画像データと、前記送信位置と、前記受信位置と、前記機械学習用時空間伝搬特性データとを教師データとして学習し、前記可視領域画像データと、前記送信位置と、前記受信位置と、が入力されると、入力された前記送信位置から前記受信位置まで前記電波が送信された場合の時空間伝搬特性を示す時空間伝搬特性データを出力する時空間伝搬特性モデルを作成するステップと、を有する。

【0014】

本発明の第３の態様のプログラムは、コンピュータに、電波を送信する送信機が設置された送信位置、又は前記電波を受信する受信機が設置された受信位置の少なくとも一方から視認することができる領域を示す機械学習用の可視領域画像データを取得するステップと、前記可視領域画像データに対応する三次元空間において前記送信機から前記受信機まで前記電波を送信した場合の時空間伝搬特性を示す機械学習用時空間伝搬特性データを取得するステップと、前記可視領域画像データと、前記送信位置と、前記受信位置と、前記機械学習用時空間伝搬特性データとを教師データとして学習し、前記可視領域画像データと、前記送信位置と、前記受信位置と、が入力されると、入力された前記送信位置から前記受信位置まで前記電波が送信された場合の時空間伝搬特性を示す時空間伝搬特性データを出力する時空間伝搬特性モデルを作成するステップと、を実行させる。

【発明の効果】

【0015】

本発明によれば、空間の画像データを用いて電波の時空間伝搬特性の機械学習をするために要する時間を短縮することができるという効果を奏する。

【図面の簡単な説明】

【0016】

【図1】本実施形態に係るモデル作成装置の概要を説明するための図である。

【図2】モデル作成装置１の構成を示す図である。

【図3】送信位置及び受信位置から視認可能な領域の例を示す図である。

【図4】時空間伝搬特性特定装置２の構成を示す図である。

【発明を実施するための形態】

【0017】

［モデル作成装置の概要］
図１は、本実施形態に係るモデル作成装置の概要を説明するための図である。モデル作成装置は、電波の時空間伝搬特性を示す時空間伝搬特性モデルを作成するためのコンピュータである。時空間伝搬特性は、例えば遅延スプレッド、角度スプレッド、ドップラースプレッド、Ｋファクタ、又はシャドウフェージング偏差である。

【0018】

図１は、構造物が存在する領域を上方から見た状態を模式的に示している。構造物は、例えばビル、家、ホール等の建物であり、電波の時空間伝搬特性に影響を与える物体である。図１には、電波を送信する送信機Ｔと、電波を受信する受信機Ｒとが示されている。送信機Ｔが送信した電波はアンテナの指向性に対応する方向に放射されるが、図１においては、受信機Ｒに向けて放射される電波Ｗ１、構造物Ｂ１に向けて放射される電波Ｗ２１、及び構造物Ｂ２に向けて放射される電波Ｗ３１が示されている。

【0019】

図１（ａ）においては、電波Ｗ１は送信機Ｔから受信機Ｒに直接届く。電波Ｗ２１は、構造物Ｂ１の壁で反射し、反射したＷ２２が受信機Ｒに届く。しかし、構造物Ｂ２に向けて放射された電波Ｗ３１は、構造物Ｂ１で遮られて構造物Ｂ２には届かない。図１（ｂ）においては、電波Ｗ３１が構造物Ｂ２に届いて構造物Ｂ２の壁で反射するが、反射した電波Ｗ３２は構造物Ｂ１に遮られて受信機Ｒには届かない。

【0020】

以上のように、送信機Ｔから送信された電波は、構造物Ｂ２で反射して受信機Ｒに到達しないので、送信機Ｔから受信機Ｒへの電波の時空間伝搬特性に、構造物Ｂ２の存在は影響しない。従来、送信機Ｔから受信機Ｒへの電波の時空間伝搬特性を推定する際には、送信機Ｔ及び受信機Ｒの周辺の全ての構造物の影響が考慮されていた。しかし、本実施形態に係るモデル作成装置は、図１に示す構造物Ｂ２のように伝搬特性に影響しない構造物等の構造物を考慮することなく、送信機Ｔ又は受信機Ｒの少なくともいずれかから見通すことができる構造物の位置及び形状等に基づいて時空間伝搬特性を機械学習することにより、時空間伝搬特性モデルを作成するために要する時間を短縮することができる。

【0021】

以下、本実施形態に係るモデル作成装置、及びモデル作成装置が作成した時空間伝搬特性モデルに基づいて時空間伝搬特性を特定する時空間伝搬特性特定装置の構成及び動作を詳細に説明する。

【0022】

［モデル作成装置１の構成］
図２は、モデル作成装置１の構成を示す図である。モデル作成装置１は、送信位置と受信位置との間での電波の時空間伝搬特性を示すモデルを作成するための装置であり、例えばコンピュータである。モデル作成装置１は、通信部１１と、記憶部１２と、制御部１３と、を有する。制御部１３は、画像データ取得部１３１と、特性データ取得部１３２と、モデル作成部１３３と、を有する。

【0023】

通信部１１は、ネットワークを介して各種のデータを送受信するための通信インターフェースを有する。通信部１１は、モデル作成装置１がモデルを作成するために使用する画像データ及び時空間伝搬特性データを外部装置から取得する。

【0024】

画像データは、電波を送信する送信機Ｔが設置された送信位置、又は電波を受信する受信機Ｒが設置された受信位置の少なくとも一方から視認することができる領域を示す機械学習用の可視領域画像データである。可視領域画像データは、例えば三次元空間における構造物の位置及び向きの情報を含む全天球画像データであり、モデル作成部１３３が機械学習により時空間伝搬特性モデルを構築するための教師データとして使用される。可視領域画像データは、送信位置又は受信位置の少なくとも一方から視認することができる領域の画像データのみを含んでもよい。

【0025】

可視領域画像データは、例えば、三次元空間における深度を示す深度情報及び自由空間伝搬損失（ＦＳＰＬ：Free Space Path Loss）情報を含んでいる。深度は、例えば、可視領域画像の撮影方向における基準位置（例えば観測点の位置）から構造物の表面までの距離である。通信部１１は、例えば、外部のコンピュータに記憶されている三次元構造物情報データベース、点群情報データベース、又は実測全天球画像データベースにアクセスすることにより、可視領域画像データを取得する。

【0026】

時空間伝搬特性データは、可視領域画像データに対応する三次元空間において送信機Ｔから受信機Ｒまで電波を送信した場合の時空間伝搬特性を示す機械学習用時空間伝搬特性データである。時空間伝搬特性データは、送信機Ｔから受信機Ｒまで電波が伝送される間に生じる時空間伝搬特性を示す実測データであり、モデル作成部１３３が機械学習により時空間伝搬特性モデルを構築するための教師データとして使用される。

【0027】

記憶部１２は、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）及びＳＳＤ（Solid State Drive）等の記憶媒体を有する。記憶部１２は、制御部１３が実行するプログラムを記憶する。また、記憶部１２は、モデル作成部１３３により作成される時空間伝搬特性モデル１２１を記憶する。時空間伝搬特性モデル１２１は、モデル作成部１３３により作成された後に更新されてもよい。時空間伝搬特性モデル１２１は、時空間伝搬特性の推定が必要な三次元空間の可視領域情報が入力されると、当該三次元空間において指定された送信位置と受信位置との間の遅延スプレッド及び角度スプレッド等の時空間伝搬特性の推定値を出力する機械学習モデルである。

【0028】

制御部１３は、例えばＣＰＵ（Central Processing Unit）を含む。制御部１３は、記憶部１２に記憶されたプログラムを実行することにより、画像データ取得部１３１、特性データ取得部１３２及びモデル作成部１３３として機能する。

【0029】

画像データ取得部１３１は、通信部１１を介して、モデル作成部１３３が機械学習に使用する可視領域画像データを取得する。可視領域画像データは、三次元空間がカメラで撮影されることにより作成された撮像画像データであってもよく、三次元空間内の構造物の位置及び形状が実測されて作成された画像データであってもよい。画像データ取得部１３１は、取得した可視領域画像データをモデル作成部１３３に入力する。

【0030】

画像データ取得部１３１は、取得した可視領域画像データをそのままモデル作成部１３３に入力してもよいが、取得した可視領域画像データに、送信位置及び受信位置の両方から視認できない領域の画像データが含まれている場合、取得した可視領域画像データのうち、送信位置又は受信位置の少なくともいずれかから視認可能な領域の画像データのみを抽出し、抽出した可視領域画像データをモデル作成部１３３に入力してもよい。画像データ取得部１３１は、送信位置及び受信位置の両方から視認可能な領域の画像データのみを抽出し、抽出した可視領域画像データをモデル作成部１３３に入力してもよい。

【0031】

特性データ取得部１３２は、通信部１１を介して、モデル作成部１３３が機械学習に使用する時空間伝搬特性データを取得する。時空間伝搬特性データは、可視領域画像データが示す三次元空間内の２つの位置の組み合わせに関連付けられている。時空間伝搬特性データは、例えば、可視領域画像に含まれる三次元空間内の送信機Ｔの位置を示す緯度・経度情報及び受信機Ｒの位置を示す緯度・経度情報に関連付けられており、送信機Ｔから受信機Ｒに電波が送信された際の時空間伝搬特性を実測した結果に基づいて作成されている。特性データ取得部１３２は、取得した時空間伝搬特性データをモデル作成部１３３に入力する。

【0032】

モデル作成部１３３は、可視領域画像データと、送信位置と、受信位置と、機械学習用時空間伝搬特性データとを教師データとして機械学習する。モデル作成部１３３は、機械学習することにより、可視領域画像データと、送信位置と、受信位置と、が入力されると、入力された送信位置から受信位置まで電波が送信された場合の時空間伝搬特性を示す時空間伝搬特性データを出力する時空間伝搬特性モデル１２１を作成する。

【0033】

モデル作成部１３３は、三次元空間のうち、送信位置及び受信位置の両方から視認可能な領域を示す視認領域データが関連付けられた可視領域画像データを教師データとして用いて機械学習することにより時空間伝搬特性モデル１２１を作成してもよい。送信位置及び受信位置の両方から視認可能な領域を示す視認領域データは、例えば図１における構造物Ｂ１のように、送信機Ｔ及び受信機Ｒから見通すことができる構造物の位置及び形状を示すデータである。

【0034】

図１（ａ）に示した構造物Ｂ２は、送信機Ｔ及び受信機Ｒの両方から見通すことができないので、構造物Ｂ２は、送信位置及び受信位置の両方から視認可能な領域に含まれない。図１（ｂ）に示した構造物Ｂ２は、送信機Ｔから見通すことができるが、受信機Ｒから見通すことができない。このような場合にも、構造物Ｂ２は、送信位置及び受信位置の両方から視認可能な領域に含まれない。

【0035】

図３は、送信位置及び受信位置から視認可能な領域の例を示す図である。図３（ａ）と図３（ｂ）とでは、送信機Ｔの位置と受信機Ｒの位置とが異なっている。図３における白い四角形は、送信機Ｔと受信機Ｒの両方から視認可能な構造物である。図３における網点の四角形は、送信機Ｔ又は受信機Ｒのいずれか一方から視認可能な構造物である。図３における斜線の四角形は、送信機Ｔからも受信機Ｒからも視認できない構造物である。

【0036】

モデル作成部１３３は、例えば、図３における白い四角形で示される構造物の位置及び形状を示すデータを教師データとして用いて機械学習することにより時空間伝搬特性モデル１２１を作成するモデル作成部１３３が、このように、送信位置及び受信位置の両方から視認可能な領域を示す視認可能領域データが関連付けられた可視領域画像データを教師データとして用いることで、送信位置及び受信位置のいずれか一方から視認できず、時空間伝搬特性への影響が比較的小さい領域が使用されないので、推定精度を損なわずに機械学習により時空間伝搬特性モデル１２１を作成するための時間を短縮することができる。

【0037】

なお、モデル作成部１３３は、送信機Ｔ又は受信機Ｒの一方から見通すことができる領域内の構造物は、Ｔと受信機Ｒとの間の伝搬特性への影響がゼロではないことから、送信機Ｔ又は受信機Ｒの一方から見通すことができる領域内の構造物の位置及び形状を含む可視領域画像データを教師データとして用いてもよい。図３に示す例の場合、モデル作成部１３３は、網点で示す構造物の位置及び形状を示すデータを教師データとして用いてもよい。

【0038】

モデル作成部１３３は、三次元空間に含まれる構造物の表面における、送信機Ｔが送信した電波に基づく電力の分布を示す電力分布データが関連付けられた可視領域画像データを教師データとして用いて機械学習することにより時空間伝搬特性モデル１２１を作成してもよい。電力分布データは、構造物の表面における複数の位置それぞれに電波が照射されることで受ける電力の大きさを示すデータである。構造物の表面は、構造物の壁、窓ガラス、ベランダの手すり等のような部位によって異なる状態になっており、送信機Ｔが送信した電波の反射特性が異なるため、表面が受ける電力の分布が異なっている。

【0039】

そこで、モデル作成部１３３は、可視領域内の構造物の表面それぞれの電力分布の理論値を電力分布データとして算出又は取得する。モデル作成部１３３は、当該電力分布データを教師データとして用いることで、時空間伝搬特性モデル１２１の精度を向上させることができる。モデル作成部１３３は、例えばレイトレーシングの手法を用いることにより、可視領域画像データに基づいて電力分布データを作成することができる。

【0040】

モデル作成部１３３は、三次元空間に含まれる構造物の表面の深度を示す深度データが関連付けられた可視領域画像データを教師データとして用いて機械学習することにより時空間伝搬特性モデルを作成してもよい。深度データは、構造物の表面における複数の位置それぞれの基準位置（例えば可視領域画像データの撮影位置）からの距離を示すデータである。

【0041】

モデル作成部１３３は、深度データと電力分布データの両方が構造物の表面における複数の位置に関連付けられた可視領域画像データを教師データとして用いてもよい。モデル作成部１３３は、深度データが関連付けられた可視領域画像データを教師データとして用いることにより、可視領域画像データが示す領域内の構造物の三次元形状と時空間伝搬特性とを関連付けて機械学習することができるので、深度データが含まれる可視領域画像データを取得できる場合に適した時空間伝搬特性モデル１２１を作成することができる。

【0042】

モデル作成部１３３は、三次元空間に含まれる構造物の面の角度を示す角度データが関連付けられた可視領域画像データを教師データとして用いて機械学習することにより時空間伝搬特性モデル１２１を作成してもよい。構造物の面の角度は、電波が反射する向きに影響するため、モデル作成部１３３が構造物の面の角度を示す可視領域画像データを教師データとして用いることで、時空間伝搬特性モデル１２１の精度が向上する。

【0043】

なお、モデル作成部１３３は、送信位置又は受信位置の少なくともいずれかから視認できる領域に含まれる構造物については、電力分布データ、深度データ、又は角度データの少なくともいずれかが関連付けられており、他の領域に含まれる構造物については電力分布データ、深度データ、及び角度データが関連付けられていない可視領域画像データを使用してもよい。モデル作成部１３３がこのような可視領域画像データを使用することで、送信位置又は受信位置の少なくともいずれかから視認できる領域に関するデータ量が増えながらも、他の領域に関するデータ量の増加を抑えることができるので、機械学習に要する時間を抑制しつつ、作成する時空間伝搬特性モデル１２１の精度を向上させることができる。

【0044】

また、モデル作成部１３３は、可視領域画像データのうち、三次元空間に含まれる構造物のエッジ部分から所定の範囲内の領域に対応するデータを教師データとして用いて機械学習することにより時空間伝搬特性モデル１２１を作成してもよい。構造物における複数の面が接するエッジにおいては、電波の伝搬状態が、他の位置に比べて複雑である。そこで、モデル作成部１３３が、このような構造物のエッジの周辺の部分が抽出された可視領域画像データを教師データとして使用することで、モデル作成部１３３は、機械学習をする際の処理データ量を削減しつつ、時空間伝搬特性モデル１２１の精度を十分なレベルにすることができる。

【0045】

モデル作成部１３３は、送信位置に光源を配置した場合に光源が発した光を視認可能な受信位置から視認することができる可視領域画像データを教師データとして用いて機械学習することにより時空間伝搬特性モデル１２１を作成してもよい。光源が発した光を視認可能な受信位置は、光源を直接視認可能な位置であってもよく、光源が発した光が物体において反射した光又は空間内で散乱した光を視認可能な位置であってもよい。送信位置に光源を配置した場合に光源が発した光を視認可能な受信位置は、例えば、送信位置と受信位置とを結ぶ直線の間に遮蔽物がないという位置である。モデル作成部１３３が、このような可視領域画像データを教師データとして用いることで、機械学習をする際の処理データ量を削減しつつ、見通せる２地点間での時空間伝搬特性を示す時空間伝搬特性モデル１２１の精度を十分なレベルにすることができる。

【0046】

［伝搬特性特定装置２の構成］
図４は、伝搬特性特定装置２の構成を示す図である。伝搬特性特定装置２は、モデル作成装置１が作成した時空間伝搬特性モデル１２１を用いて、指定された送信位置と受信位置との間での電波の伝搬特性を特定するための装置であり、例えばコンピュータである。

【0047】

伝搬特性特定装置２は、通信部２１と、表示部２２と、操作部２３と、記憶部２４と、制御部２５と、を有する。制御部２５は、データ取得部２５１と、指定受付部２５２と、出力部２５３と、を有する。

【0048】

通信部２１は、ネットワークを介して各種のデータを送受信するための通信インターフェースを有する。通信部２１は、伝搬特性特定装置２が時空間伝搬特性を特定するために使用する可視領域画像データを外部装置から受信し、受信した可視領域画像データをデータ取得部２５１に入力する。

【0049】

表示部２２は、各種のデータを表示するためのディスプレイである。表示部２２は、例えば、出力部２５３から入力された、特定した時空間伝搬特性を示すデータを表示する。

【0050】

操作部２３は、伝搬特性特定装置２を使用するユーザの操作を受け付けるデバイスであり、例えばキーボード、マウス又はタッチパネルである。操作部２３は、ユーザにより入力された操作の内容を示す情報を指定受付部２５２に通知する。

【0051】

記憶部２４は、ＲＯＭ、ＲＡＭ及びＳＳＤ等の記憶媒体を有する。記憶部２４は、制御部２５が実行するプログラムを記憶している。また、記憶部２４は、モデル作成装置１が作成した時空間伝搬特性モデル１２１を記憶している。

【0052】

制御部２５は、例えばＣＰＵを有しており、記憶部２４に記憶されたプログラムを実行することにより、データ取得部２５１、指定受付部２５２及び出力部２５３として機能する。

【0053】

データ取得部２５１は、所定の位置から視認することができる領域を示す可視領域画像データを取得する。所定の位置は、伝搬特性特定装置２を使用するユーザが時空間伝搬特性を知りたい位置である。当該可視領域画像データは、ユーザが伝搬特性を知りたい位置で撮影されることにより作成された画像データであってもよく、ユーザが伝搬特性を知りたい位置を視認できる位置で撮影されることにより作成された画像データであってもよい。データ取得部２５１は、取得した可視領域画像データを出力部２５３に入力することにより、可視領域画像データを表示部２２に表示させる。

【0054】

指定受付部２５２は、可視領域画像データにおける、送信機Ｔの位置である送信位置、及び受信機Ｒの位置である受信位置の指定を受け付ける。指定受付部２５２は、例えば、可視領域画像データが表示部２２に表示された状態で、ユーザが操作部２３を用いて行った操作の内容を取得し、操作の内容に基づいて、可視領域画像データにおけるユーザが指定した送信位置及び受信位置の座標を特定する。

【0055】

出力部２５３は、モデル作成装置１が作成した時空間伝搬特性モデル１２１に、データ取得部２５１が取得した可視領域画像データと、指定受付部２５２が受け付けた送信位置及び受信位置とを入力し、時空間伝搬特性モデル１２１から出力される時空間伝搬特性データを取得することにより、送信位置から受信位置まで電波が伝搬した場合の時空間伝搬特性データを出力する。出力部２５３は、時空間伝搬特性データを表示部２２に表示させてもよく、プリンタに印刷させてもよい。

【0056】

なお、以上の説明においては、記憶部２４が時空間伝搬特性モデル１２１を記憶している場合を例示したが、記憶部２４が時空間伝搬特性モデル１２１を記憶していなくてもよい。この場合、出力部２５３は、通信部１１を介して、モデル作成装置１又は他のコンピュータが記憶している時空間伝搬特性モデル１２１にアクセスすることにより、時空間伝搬特性データを取得してもよい。

【0057】

［モデル作成装置１による効果］
以上説明したように、モデル作成装置１は、電波を送信する送信機が設置された送信位置、又は前記電波を受信する受信機が設置された受信位置の少なくとも一方から視認することができる領域を示す機械学習用の可視領域画像データを用いて機械学習することにより、時空間伝搬特性モデル１２１を作成する。モデル作成装置１がこのような可視領域画像データを用いることにより、送信位置及び受信位置から視認できない構造物に関するデータも含むデータを用いて機械学習をする場合に比べて、推定精度を落とすことなく時空間伝搬特性モデルを作成するために要する計算時間を短縮することができる。

【0058】

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されず、その要旨の範囲内で種々の変形及び変更が可能である。例えば、装置の全部又は一部は、任意の単位で機能的又は物理的に分散・統合して構成することができる。また、複数の実施の形態の任意の組み合わせによって生じる新たな実施の形態も、本発明の実施の形態に含まれる。組み合わせによって生じる新たな実施の形態の効果は、もとの実施の形態の効果を併せ持つ。

【符号の説明】

【0059】

１ モデル作成装置
２ 伝搬特性特定装置
１１ 通信部
１２ 記憶部
１３ 制御部
２１ 通信部
２２ 表示部
２３ 操作部
２４ 記憶部
２５ 制御部
１２１ 伝搬特性モデル
１３１ 画像データ取得部
１３２ 特性データ取得部
１３３ モデル作成部
２５１ データ取得部
２５２ 指定受付部
２５３ 出力部

【図1】

【図2】

【図3】

【図4】