特許 7492357 状況認識装置、航空機客室、及び航空機客室監視方法

(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】2024-05-21

(45)【発行日】2024-05-29

(54)【発明の名称】状況認識装置、航空機客室、及び航空機客室監視方法

(51)【国際特許分類】

   B64D 45/00 20060101AFI20240522BHJP

   B64D 11/00 20060101ALI20240522BHJP

   G06N 20/00 20190101ALI20240522BHJP

【ＦＩ】

B64D45/00 A

B64D11/00

G06N20/00

【請求項の数】 11

(21)【出願番号】P 2020057443

(22)【出願日】2020-03-27

(65)【公開番号】P2020164159

(43)【公開日】2020-10-08

【審査請求日】2023-02-28

(31)【優先権主張番号】10 2019 204 359.3

(32)【優先日】2019-03-28

(33)【優先権主張国・地域又は機関】DE

(73)【特許権者】

【識別番号】311014956

【氏名又は名称】エアバス オペレーションズ ゲーエムベーハー

【氏名又は名称原語表記】Ａｉｒｂｕｓ Ｏｐｅｒａｔｉｏｎｓ ＧｍｂＨ

【住所又は居所原語表記】Ｋｒｅｅｔｓｌａｇ １０，２１１２９ Ｈａｍｂｕｒｇ，Ｇｅｒｍａｎｙ

(74)【代理人】

【識別番号】100118913

【弁理士】

【氏名又は名称】上田 邦生

(74)【代理人】

【識別番号】100142789

【弁理士】

【氏名又は名称】柳 順一郎

(74)【代理人】

【識別番号】100163050

【弁理士】

【氏名又は名称】小栗 眞由美

(74)【代理人】

【識別番号】100201466

【弁理士】

【氏名又は名称】竹内 邦彦

(72)【発明者】

【氏名】ホルガ― メールホルツ

(72)【発明者】

【氏名】ジョーン ステュブナー

【審査官】林 政道

(56)【参考文献】

【文献】特表２００６－５００２７６（ＪＰ，Ａ）

【文献】特開２０１６－１７３６８２（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｂ６４Ｄ ４５／００

Ｂ６４Ｄ １１／００

Ｇ０６Ｎ ２０／００

Ｇ０６Ｎ ５／０２５

Ｇ０６Ｖ １０／７７４

Ｇ０６Ｖ ２０／５２

(57)【特許請求の範囲】

【請求項1】

入力インタフェースと出力インタフェースを有する監視プロセッサであって、前記入力インタフェースを介して航空機客室からの視覚的及び／又は聴覚的監視信号を受信するように設計された監視プロセッサと、
ＡＩプロセッサ、自己学習アルゴリズムに基づくルールセット発生器、及び基準ルールセットメモリを含むＡＩシステムであって、前記監視プロセッサと両方向にデータ通信するＡＩシステムと、
を含む状況認識装置において、
前記ＡＩプロセッサは、前記監視プロセッサからの要求に応じて、前記受信した視覚的及び／又は聴覚的監視信号の中のデータパターンを、前記基準ルールセットメモリ内に保存された基準ルールセット内のデータパターンからの逸脱についてチェックするように設計され、
前記監視プロセッサは、前記ＡＩプロセッサにより特定された前記逸脱が１つ又は複数の事前決定可能な逸脱閾値を超えた場合に、前記出力インタフェースを介してインディケータ信号を出力するように設計される状況認識装置。

【請求項2】

前記ＡＩシステムの前記ルールセット発生器は、航空機客室内の状況とプロセスに関する時間的及び空間的に分解された観察データであって、前記監視プロセッサの前記入力インタフェースを介して受信された観察データに基づいて、前記観察データ内のパターンと規則性を検出し、前記観察データの前記検出されたパターンと規則性を前記基準ルールセットメモリ内に基準ルールセットとして保存するように設計される、請求項１に記載の状況認識装置。

【請求項3】

前記監視プロセッサに連結され、複数のインディケータ信号プリ定義を保存するように設計されたインディケータデータメモリをさらに含み、前記監視プロセッサは、前記ＡＩプロセッサにより特定された逸脱の種類に応じて、前記インディケータデータメモリから前記複数のインディケータ信号プリ定義の１つを呼び出し、それをインディケータ信号として前記出力インタフェースで出力するように設計される、請求項１または２に記載の状況認識装置。

【請求項4】

前記ルールセット発生器は、サポートベクトル分類器、ニューラルネットワーク、ランダムフォレスト分類器、決定木分類器、モンテカルロネットワーク、又はベイズ分類器を含む、請求項１から３の何れか１項に記載の状況認識装置。

【請求項5】

前記視覚的及び／又は聴覚的監視信号は、１つ又は複数の監視カメラからのリアルタイムビデオ記録を含む、請求項１から４の何れか１項に記載の状況認識装置。

【請求項6】

前記監視プロセッサは、前記視覚的及び／又は聴覚的監視信号を前記ＡＩプロセッサによるチェックの後に消去するように設計される、請求項１から５の何れか１項に記載の状況認識装置。

【請求項7】

航空機客室において、
請求項１から６の何れか１項に記載の状況認識装置と、
前記監視プロセッサの前記入力インタフェースに連結され、視覚的及び／又は聴覚的監視信号をリアルタイムで前記監視プロセッサに送信するように設計された１つ又は複数の監視カメラと、
前記監視プロセッサの前記出力インタフェースに連結され、前記監視プロセッサから受け取ったインディケータ信号に応じて、前記航空機客室内の危険の可能性のある状況に関する警告表示をユーザに対して表示するように設計される警告装置と、
を含む航空機客室。

【請求項8】

警告信号インタフェースを含み、それを介して前記警告装置は警告信号を航空機のコックピット内に、及び／又は乗務員のコンソール上に出力できる、請求項７に記載の航空機客室。

【請求項9】

航空機客室内のプロセス及び状況の自動監視方法において、
航空機客室からの視覚的及び／又は聴覚的監視信号を監視プロセッサにより受信するステップと、
前記受信した視覚的及び／又は聴覚的監視信号を、ＡＩシステムの基準ルールセットメモリの中に保存された、ルールセット発生器により自己学習アルゴリズムに基づいて生成された基準ルールセットからの逸脱について、前記ＡＩシステムのＡＩプロセッサによりチェックするステップと、
前記ＡＩプロセッサにより特定された前記逸脱が１つ又は複数の事前決定可能な逸脱閾値を超えた場合に、前記監視プロセッサによりインディケータ信号を出力するステップと、
を含む方法。

【請求項10】

前記ルールセット発生器はサポートベクトル分類器、ニューラルネットワーク、ランダムフォレスト分類器、決定木分類器、モンテカルロネットワーク、又はベイズ分類器を含む、請求項９に記載の方法。

【請求項11】

前記監視プロセッサによりインディケータ信号を出力するステップは、前記航空機客室を含む航空機の飛行フェーズに応じて実行される、請求項９または１０に記載の方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、状況認識装置及び、プロセス及び状況の自動監視のための、特に航空機の客室におけるハザード状況の自動認識のための方法に関する。

【背景技術】

【0002】

例えば旅客機等の公共交通手段においては、規定の運行又は航行状態から逸脱した場合に乗務員がその状況にとって適切な、ほぼ即時の対応策を開始できるようにするために、機内のプロセスをモニタする必要がある。この目的のために、交通手段の内部で動的に生成される画像又は音声資料を人間の査定により評価することが知られている。詳しくは、旅客機において、異常な航行又は運航状態を素早く認識し、査定できることが望ましい。これは通常、乗務員によるモニタを必要とするが、その継続性と偏在性を継続的に確保することは、モニタすべき空間、状況、及びプロセスの多さを考えると不可能である。

【0003】

そのため、人間である乗務員に異常な航行又は運航状態の前段分類と初期査定を提供できるようにするために、監視プロセスを自動化する手法がある。それによって、実際の状況から抽出された機械生成状況インディケータを得ることが可能となり、乗務員はこれをより詳しくチェックすることができる。

【0004】

特許文献１、特許文献２、及び特許文献３は、ビデオ監視システムのためのアダプティブラーニングパターン認識装置を開示している。特許文献４は、乗客の不適正な挙動を認識するためのビデオ監視システムを開示している。特許文献５は、航空機のロワーデッキに設けられた客室を開示している。

【先行技術文献】

【特許文献】

【0005】

【文献】米国特許第７，８６８，９１２ Ｂ２号明細書

【文献】米国特許出願公開第２００８／００３１４９１ Ａ１号明細書

【文献】米国特許第９，１１１，１４８ Ｂ２号明細書

【文献】中国特許公開第１０７ ６００ ４４０ Ａ号明細書

【文献】独国特許公開第４４ １６ ５０６ Ａ１号明細書

【発明の概要】

【発明が解決しようとする課題】

【0006】

本発明の目的の１つはしたがって、例えば航空機の客室等における、航空機の人間の乗務員が異常かもしれない状況又はプロセスの発生に関する情報をより素早く、より効率的に取得できるようにする、状況又はプロセスの自動認識のための改良された解決策を提供することにある。

【課題を解決するための手段】

【0007】

上記及びその他の目的は、請求項１の特徴を有する状況認識装置によって、請求項７の特徴を有する航空機客室によって、及び請求項９の特徴を有する航空機客室内のプロセスと状況の自動監視方法によって達成される。

【0008】

本発明の第一の態様によれば、状況認識装置は、入力インタフェースと出力インタフェースを有する監視プロセッサを含み、前記監視プロセッサは、航空機客室から入力インタフェースを介して視覚的及び／又は聴覚的監視信号を受信するように設計される。状況認識装置はそれに加えて、ＡＩシステムを含み、これはＡＩプロセッサと、自己学習アルゴリズムに基づくルールセット発生器と、基準ルールセットメモリと、を含み、前記ＡＩシステムは監視プロセッサと双方向データ通信を行う。ＡＩプロセッサは、監視プロセッサからの要求に応じて、基準ルールセットメモリ内に保存された基準ルールセット内のデータパターンからの逸脱について、受信された視覚的及び／又は聴覚的監視信号内のデータパターンをチェックするように設計される。監視プロセッサは、ＡＩプロセッサにより特定された逸脱が１つ又は複数の事前決定可能な逸脱閾値を超えたときに、出力インタフェースを介してインディケータ信号を出力するように設計される。

【0009】

本発明の第二の態様によれば、航空機客室、特にロワーデッキに設けられた客室（ＬＤＣ： ｌｏｗｅｒ ｄｅｃｋ ｐａｓｓｅｎｇｅｒ ｃｏｍｐａｒｔｍｅｎｔ）は、本発明の第一の態様による状況認識装置と、監視プロセッサの入力インタフェースに連結され、視覚的及び／又は聴覚的監視信号を監視プロセッサにリアルタイムで送信するように設計された１つ又は複数の監視カメラと、監視プロセッサの出力インタフェースに連結され、監視プロセッサから受信したインディケータ信号に応じて、航空機客室内の危険である可能性のある状態に関する警告表示をユーザに対して表示するように設計された警告装置と、を含む。

【0010】

本発明の第三の態様によれば、航空機客室内のプロセスと状況の自動監視方法は、監視プロセッサによって航空機客室から視覚的及び／又は聴覚的監視信号を受信するステップと、受信した視覚的及び／又は聴覚的監視信号をＡＩシステムのＡＩプロセッサによって、ＡＩシステムの基準ルールセットメモリ内に保存され、ルールセット発生器により自己学習アルゴリズムに基づいて生成された基準ルールセットからの逸脱についてチェックするステップと、ＡＩプロセッサにより特定された逸脱が１つ又は複数の事前決定可能な逸脱閾値を超えた場合に、監視プロセッサによってインディケータ信号を出力するステップと、を含む。

【0011】

本発明の１つの重要な概念は、アルゴリズムによる機械学習を利用することにより、動的且つ恒常的に収集された情報データにおけるパターンと規則性からの逸脱の可能性について、航空機客室内の状況とプロセスに関する観察可能な情報をモニタし、査定することにある。人工知能システム（ＡＩシステム）がこの目的のために使用され、このシステムは航空機客室内の状況及びプロセスのパターンと規則性に関する対応する訓練データで初期化される。例えばビデオ又は音声記録等の収集された情報データは、ＡＩシステムにより基準ルールセットにしたがってリアルタイムで裁定（ａｒｂｉｔｒａｔｅ）される。

【0012】

ＡＩシステムが、情報データに表されている状況とプロセスが基準ルールセット内で事前に決定された基準状況及び基準プロセスから逸脱し、これらの逸脱が事前決定可能な逸脱閾値を超えているとの結論に達すると、ＡＩシステムは自動査定を実行して、推定される危険状態に関するインディケータを、航空機客室の安全を担当する実体に出力することができる。このようなインディケータに基づいて、下流のシステムによって自動的に、又は人間のユーザによる査定後に個別に対応措置を開始できる。

【0013】

本発明による解決策の１つの特定の利点は、危険状態をより容易に、より高い信頼性で、より素早くそれとして認識でき、情報データの永久保存を必要としないことである。情報データをむやみに保存することは、観察された状況やプロセスが予告されていないものであったとの理由で、観察された人物の人権を侵しかねないが、本発明による解決策では、有利な点として、危険状態が存在するとの推定に関するインディケータであって、実際に記録された情報材料から抽出されたインディケータだけを保存すればよいため、このことが回避される。

【0014】

これによって、有利な点として、乗客のプライバシーの保護と、飛行の安全を保持するために必要な監視手段との間のバランスを取ることができる。本発明による解決策では、問題となり得る様々な状況を、航空機客室内の予定通りの、又は問題とならない状況から迅速に区別できる。例えば、空けておくべき領域内の人物又は物、非常口を塞いでいる物、その性質により飛行の安全を危険にさらす物、支援を必要とする人物、不適正な行動をする人物、又は犯意を持って行動する人物を自動的に認識し、乗務員に対応策を開始させるように知らせることができる。

【0015】

有利な構成と発展形は、また別の従属項から、及び図面に関する説明から明らかである。

【0016】

状況認識装置の幾つかの実施形態によれば、ＡＩシステムのルールセット生成器は、航空機客室内の状況とプロセスに関する時間的及び空間的に分解された観察データ（前記観察データは監視プロセッサの入力インタフェースを介して受信される）に基づいて、観察データの中のパターンと規則性を検出し、観察データの中で検出されたパターンと規則性を基準ルールセットメモリの中に基準ルールセットとして保存するように設計できる。その結果、基準ルールセットは、有利な点として、ＡＩシステムの訓練により、航空機客室のそれぞれの環境に合わせて適応させることができる。

【0017】

状況認識装置の幾つかの他の実施形態によれば、状況認識装置は、インディケータデータメモリを含むことができ、これは監視プロセッサに連結され、複数のインディケータ信号のプリ定義を保存するように設計され、監視プロセッサは、ＡＩプロセッサにより特定された逸脱の種類に応じて、複数のインディケータ信号プリ定義のうちの１つをインディケータデータメモリから呼び出し、それを出力インタフェースでインディケータ信号として出力するように設計される。その結果、状況認識装置の出力データは、検出された視覚的及び／又は聴覚的監視信号から抽出でき、それによって航空機客室内にいる人物の人権を侵す可能性のある秘密データを出力せずに済む。その代わりに、危険状態をインディケータ信号に基づいて評価できる。

【0018】

状況認識装置の幾つかの他の実施形態によれば、ルールセット発生器は、サポートベクトル分類器、ニューラルネットワーク、ランダムフォレスト分類器、決定木分類器、モンテカルロネットワーク、又はベイズ分類器を含むことができる。

【0019】

状況認識装置の幾つかの他の実施形態によれば、視覚的及び／又は聴覚的監視信号は、１つ又は複数の監視カメラからのリアルタイムビデオ記録を含むことができる。

【0020】

状況認識装置の幾つかの他の実施形態によれば、監視プロセッサは、視覚的及び／又は聴覚的監視信号をＡＩプロセッサによるチェックの後に消去するように設計できる。これによって、有利な点として、航空機客室の監視を、航空機の乗客のデータを必要以上にむやみに長期間保管せずに実行することが可能となる。特に、記録された視覚的及び／又は聴覚的監視信号は、ＡＩシステムによる自動状況認識のためにのみ使用され、無許可の第三者に渡すことはできない。

【0021】

方法の幾つかの実施形態によれば、ルールセット発生器は、サポートベクトル分類器、ニューラルネットワーク、ランダムフォレスト分類器、決定木分類器、モンテカルロネットワーク、又はベイズ分類器を含むことができる。方法の幾つかの実施形態において、監視プロセッサによりインディケータ信号を出力するステップは、航空機客室を含む航空機の瞬間的飛行フェーズに応じて実行できる。

【0022】

航空機客室の幾つかの実施形態によれば、航空機客室は、警告信号インタフェースをさらに含むことができ、それを介して警告装置は警告信号を航空機のコックピット内に、及び／又は乗務員のコンソール上に出力できる。これにより、有利な点として、客室乗務員又はその他の乗務員は、航空機の中の、より離れた作業区域内のものを含め、航空機客室内の危険である可能性のある状態に関する知らせを受けることが可能となる。特に、乗務員が比較的長い距離を移動しなければ行けないロワーデッキに設けられた客室にとって、ＡＩに基づく自動監視は飛行の安全をモニタするための支援ツールとして有益であり得る。

【0023】

上記の構成と発展形は、現実的であるかぎり、所望のあらゆる方法で相互に組み合わせることができる。本発明の他の考え得る構成、発展形、及び実施例はまた、上述の、又は例示的な実施形態に関する後述の本発明の特徴の明示されていない組合せも含む。特に、この場合、当業者であれば、本発明のそれぞれの基本形態に改良や補足として個々の態様も追加するであろう。

【0024】

本発明は、下記のような概略図において示される例示的な実施形態に基づいて以下により詳しく説明されている。

【図面の簡単な説明】

【0025】

【図1】本発明の１つの実施形態による航空機客室内の状況認識装置の概略ブロック図を示す。

【図2】本発明の他の実施形態による交通移動の監視方法のフロー図を示す。

【図3】本発明の他の実施形態による客室と状況認識装置を含む航空機の概略図を示す。

【発明を実施するための形態】

【0026】

添付の図面は、本発明の実施形態をさらに理解できるようにするためのものである。これらは実施形態を示しており、説明文と共に、本発明の原理と概念を説明する役割を果たす。その他の実施形態や記載されている利点の多くは、図面を参照すれば明らかである。図中の要素は必ずしも相互に関して正確な縮尺で示されているとはかぎらない。例えば「上」、「下」、「左」、「右」、「上方」、「下方」、「水平」、「垂直」、「前」、「後」、及びこれらに類する指示語等の方向を示す用語は説明を目的としてのみ使用されており、一般性を図に示されている具体的な構成に限定しようとしていない。

【0027】

図面の図中、同じ、機能的に同じ、及び同じに動作する要素、特徴及び構成部品には、特に別段の説明がないかぎり、それぞれの場合に同じ参照符号が付与されている。

【0028】

以下の説明は、人工知能のシステム（ＡＩシステム）で使用される自己学習アルゴリズムに関する。一般的に、自己学習アルゴリズムは、人間の判断により人間の認識能力に与えられる認識機能をまねている。この場合、新しい訓練情報が追加される結果として、自己学習アルゴリズムは古い訓練情報からそれまでに得ていた知識を変化した状況に動的に適応させて、訓練情報全体の中のパターンと規則性を認識し、推定することができる。

【0029】

本発明の意味における自己学習アルゴリズムでは、人間の知識獲得を形成するあらゆる種類の訓練を使用することが可能であり、これは例えば教師あり学習、半教師あり学習、生成、非生成、又は深層敵対的ネットワーク（ＡＮ：ａｄｖｅｒｓａｒｉａｌ ｎｅｔｗｏｒｋｓ）に基づく独立学習、強化学習、又はアクティブラーニングである。この場合、それぞれの場合で特徴に基づく学習（「表現学習（ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ｌｅａｒｎｉｎｇ）」）を使用できる。本発明の意味における自己学習アルゴリズムは、特に、フィードバック解析によって、学習すべきパラメータと特徴の繰返し適応を行うことができる。

【0030】

本発明の意味における自己学習アルゴリズムは、サポートベクトル分類器（ＳＶＮ）、例えば畳込みニューラルネットワーク（ＣＮＮ）等のニューラルネットワーク、コホネンネットワーク、再帰型ニューラルネットワーク、時間遅延ニューラルネットワーク（ＴＤＮＮ）若しくは振動子ニューラルネットワーク（ＯＮＮ）、ランダムフォレスト分類器、決定木分類器、モンテカルロネットワーク、又はベイズ分類器に基づくことができる。この場合、本発明の意味における自己学習アルゴリズムは、プロパティ－遺伝的アルゴリズム、例えばロイド若しくはマックイーンアルゴリズム等のｋ－ｍｅａｎｓアルゴリズム、又は例えばＳＡＲＳＡ若しくはＱ－ラーニング等のＴＤ学習アルゴリズムを使用できる。

【0031】

本発明の意味における航空機客室は、特に、航空機での旅程中の旅客の運搬とその機内滞在用に設計されたモジュール型の構成によるあらゆる客室内設備を含むことができる。このような航空機客室は、例えばロワーデッキに設けられる客室として設計できる。このようなロワーデッキに設けられた客室の例は、本発明を限定するものではないが、インターネットのｈｔｔｐｓ：／／ｗｗｗ．ｓａｆｒａｎ－ｃａｂｉｎ．ｃｏｍ／ｐｒｉｎｔｐｄｆ／ｍｅｄｉａ／ａｉｒｂｕｓ－ａｎｄ－ｚｏｄｉａｃ－ａｅｒｏｓｐａｃｅ－ｅｎｔｅｒ－ｐａｒｔｎｅｒｓｈｉｐ－ｎｅｗ－ｌｏｗｅｒ－ｄｅｃｋ－ｓｌｅｅｐｉｎｇ－ｆａｃｉｌｉｔｉｅｓ－２０１８０４１０において開示されている。

【0032】

図１は、状況認識装置１０の例示的な図を示す。状況認識装置１０は、入力インタフェース７と出力インタフェース８を有する監視プロセッサ１を含む。まず、航空機客室２０からの視覚的及び／又は聴覚的監視信号Ｅを入力インタフェース７で、例えば、例えば航空機客室２０の戦略的監視地点に取り付けられた監視カメラ２１等の監視装置から受信できる。次に、航空機客室２０内の状況とプロセスに関する、時間的及び空間的に分解された観察データを、入力インタフェース７を介して監視プロセッサ１に送信でき、このデータからパターンと規則性を導き出すことができる。前記時間的及び空間的に分解された観察データは例えば、同様に、航空機客室２０の実際の動作中に監視カメラにより記録されたデータ又は、接続された別のシステムによるコンピュータ生成訓練データとして監視プロセッサ１に送信されたデータとすることができる。

【0033】

状況認識装置１０はそれに加えて、ＡＩシステム３を含む。ＡＩシステム３は、ＡＩプロセッサ４と、自己学習アルゴリズムに基づくルールセット発生器５と、基準ルールセットメモリ６と、を含む。ＡＩシステム３は、ＡＩプロセッサ４を介して監視プロセッサ１と両方向データ通信する。監視プロセッサ１は、まず、航空機客室２０内の状況とプロセスに関する複数の履歴及び／又は現在観察データをＡＩシステム３に通信できる。前記観察データは、ルールセット発生器５による、あり得る状況及びプロセスに関するパターン及び規則性の検出のための根拠としての役割を果たすことができる。ルールセット発生器５は、例えば、サポートベクトル分類器、ニューラルネットワーク、ランダムフォレスト分類器、決定木分類器、モンテカルロネットワーク、又はベイズ分類器を含むことができる。

【0034】

状況及びプロセスの中で検出されたパターンと規則性はまず、訓練ルールセットＴに繰り返し保存され、これは動的且つ恒常的に更新される。ルールセット発生器５により動作的基準ルールセットＲが訓練ルールセットＴから形成され、基準ルールセットメモリ６の中に保存される。すると、ＡＩプロセッサ４が受け取った視覚的及び／又は聴覚的監視信号Ｅの中のデータパターンを、予定通りの、危機的状況ではないと分類されるデータパターンからの逸脱の点でチェックするようにとの要求Ｑを監視プロセッサ１から受け取った場合、ＡＩプロセッサ４は、基準として基準ルールセットメモリ６の中に保存された基準ルールセットＲを参照できる。この基準に関して、ＡＩプロセッサ４は、予定通りの、又は正常とみなされるべきである状況又はプロセスからの逸脱が航空機客室２０の監視対象領域内で発生したか否かをチェックする。ルールセット発生器５は、基準ルールセットメモリ６に保存された基準ルールセットＲを新たに追加された観察データに基づいて、又は新たな外的プリ定義に基づいて定期的間隔で更新できる。

【0035】

逸脱分析の結果は、監視プロセッサ１にフィードバックされ、これはすると、ＡＩプロセッサ４により特定された逸脱が１つ又は複数の事前決定可能な逸脱閾値を超えているか否かのインディケータ信号Ａを、出力インタフェース８を介して出力するように設計されている。

【0036】

インディケータデータメモリ２を監視プロセッサ１に連結できる。前記インディケータデータメモリ２は、複数のインディケータ信号プリ定義Ｌを一時的又は永久的に保存する役割を果たし、監視プロセッサ１はこれにアクセスして、ＡＩプロセッサ４により特定された逸脱の種類に応じて、複数のインディケータ信号プリ定義Ｌのうちの１つをインディケータデータメモリ２から呼び出し、それをインディケータ信号Ａとして出力インタフェース８で出力することができる。

【0037】

警告装置２２が出力インタフェース８に接続される。前記警告装置２２は、受け取った監視プロセッサ１のインディケータ信号Ａに応じて、航空機客室２０内の危険である可能性のある状況に関する警告表示をユーザに対して表示するために使用でき、航空機客室２０からの実際の画像又は音声記録は示されなくてよい。これは、モニタ対象の客室２０内の航空機の乗客のプライバシーを保護するのに寄与できる。

【0038】

図３に例として示されているように、状況認識装置１０は、旅客機Ａの航空機客室２０の中に取り付けることができる。この目的のために、航空機客室２０内の１つ又は複数の監視カメラ２１を監視プロセッサ１の入力インタフェース７に連結して、視覚的及び／又は聴覚的監視信号Ｅを監視プロセッサ１にリアルタイムで送信できる。航空機客室２０はそれに加えて、警告信号インタフェース２４を有することができ、それを介して警告装置２２は警告信号Ｃを航空機Ａのコックピットに、及び／又は乗務員のコンソール３０に出力できる。

【0039】

有利な点として、状況認識装置１０の全ての構成部品及び、警告装置２２もまた航空機客室２０に取り付けることができる。しかしながら、個々の構成部品又はシステム構成要素を航空機客室２０の外に取り付けることも可能であるかもしれない。

【0040】

図２は、航空機客室内のプロセスと状況の自動監視のための方法Ｍを示す。方法Ｍは例えば、例として図１に示されるような状況認識装置１０内で実行でき、例えば、例として図３に示され、説明されているような旅客機Ａの中の、例として図１に示されているような航空機客室２０の監視のために使用できる。

【0041】

方法Ｍは、第一のステップＭ１として、監視プロセッサ１により航空機客室２０から視覚的及び／又は聴覚的監視信号Ｅを受信するステップを含む。この場合、状況認識装置１０は例えば電子データ処理システムの一部とすることができ、その中では交通移動に関する観察データが記録され、処理され、一時的にのみ保存される。第二のステップＭ２において、受信した視覚的及び／又は聴覚的監視信号Ｅは、ＡＩシステム３のＡＩプロセッサ４により、ＡＩシステム３の基準ルールセットメモリ６に保存され、ルールセット発生器５により自己学習アルゴリズムに基づいて生成された基準ルールセットＲとの逸脱についてチェックされる。これは、自己学習アルゴリズムに基づくＡＩシステム３のルールセット発生器５により行われる。このようなルールセット発生器５は例えば、サポートベクトル分類器、ニューラルネットワーク、ランダムフォレスト分類器、決定木分類器、モンテカルロネットワーク、又はベイズ分類器を含むことができる。

【0042】

反復的な動的適応型学習プロセスでは、訓練ルールセットＴをルールセット発生器５の中で生成できる。前記訓練ルールセットＴは、１回生成することも、又は連続的に、特に航空機客室２０内の状況とプロセスに関する現在観察データの継続的な受信の過程で更新することもできる。ルールセット発生器５は、訓練ルールセットＴから基準ルールセットＲを生成することができ、前記基準ルールセットは、ルールセット発生器５により検出されたパターンと規則性に基づく。基準ルールセットＲは、ルールセット発生器５によりＡＩシステム３の基準ルールセットメモリ６の中に保存される。前記基準ルールセットＲは動作的ルールセットを構成し、これを利用して、受信された視覚的及び／又は聴覚的監視信号Ｅの中のデータパターンが、予定通りの、危険でないと分類されるデータパターンからの逸脱についてチェックされる。この目的のために、ＡＩプロセッサ４は、基準として、基準ルールセットメモリ６の中に保存された基準ルールセットＲを参照できる。前記基準に関して、ＡＩプロセッサ４は、予定通りの、通常とみなされるべき状況又はプロセスからの逸脱が航空機客室２０のモニタ対象領域内で発生したか否かをチェックする。

【0043】

方法Ｍの第三のステップＭ３で、最後に、ＡＩプロセッサ４により特定された逸脱が１つ又は複数の事前決定可能な逸脱閾値を超えるか否かのインディケータ信号Ａが監視プロセッサ１により出力される。前記インディケータ信号Ａは、人間のユーザに、航空機客室２０内に異常とみなされるべき状況又はプロセスの存在を知らせる役割を果たす。すると、異常と分類された状況又はプロセスは、フライトの安全に対する危険の可能性の発生に早い段階で対応できるようにするために、適切な対応策が開始されるように自動的又は半自動的にシステム内に供給できる。特に、飛行フェーズに応じてインディケータ信号Ａを出力することが可能であるかもしれない。例えば、航空機の離陸又は着陸プロセス中、非常口等の特定の領域では、例えば巡航中又は航空機が地上にいる間には一時的にそこに置くことが許される鞄やスーツケース等の物をどける必要があるかもしれない。したがって、監視プロセッサ１は、航空機ネットワークに接続して航空機の動作状態信号を取得することができ、これを、インディケータ信号Ａを出力すべきか否かに関する監視プロセッサ１による判断に含めることができる。

【0044】

上述の詳細な説明の中で、各種の特徴を１つ又は複数の例にまとめて、説明をより正確にしようとした。しかしながら、ここで明確にすべきことは、上記の説明は単に例示に過ぎず、限定的な性格のものではないという点である。これは、各種の特徴と例示的な実施形態のあらゆる代替、改良、及び均等物をカバーするものである。その他の多くの例は、当業者にとって、その技術的知見をもとに上記の説明に鑑みれば、すぐに容易に明らかとなるであろう。

【0045】

例示的な実施形態は、本発明の基本原理とその現実的な応用の可能性をできるだけうまく提示できるように選択され、説明されている。その結果、当業者であれば、本発明及びその様々な例示的実施形態を所期の用途に関して最適に改良し、利用することができる。特許請求の範囲及び説明文の中で、「～を含む（ｉｎｃｌｕｄｉｎｇ）」及び「～を有する」という用語は、「～を含む（ｃｏｍｐｒｉｓｉｎｇ）」という対応する用語の中間的な文言として表現される用語として使用されている。さらに、「ある」及び「ひとつの」（ａ、ａｎ、ｏｎｅ）という用語の使用は、基本的に、このように記載された特徴及び構成要素が複数あることを排除しないものとする。

【符号の説明】

【0046】

１ 監視プロセッサ
３ ＡＩシステム
４ ＡＩプロセッサ
５ ルールセット発生器
６ 基準ルールセットメモリ
７ 入力インタフェース
８ 出力インタフェース
１０ 状況認識装置
２０ 航空機客室
２１ 監視カメラ
２２ 警告装置
２４ 警告信号インタフェース
Ａ インディケータ信号
Ａ 航空機
Ｃ 警告信号
Ｅ 視覚的及び／又は聴覚的監視信号
Ｌ インディケータ信号プリ定義
Ｒ 基準ルールセット
Ｑ 要求

【図1】

【図2】

【図3】