EP4457996A1 - Procédé de caractérisation de flux entre des éléments d'un réseau - Google Patents

Procédé de caractérisation de flux entre des éléments d'un réseau

Info

Publication number
EP4457996A1
EP4457996A1 EP22839857.4A EP22839857A EP4457996A1 EP 4457996 A1 EP4457996 A1 EP 4457996A1 EP 22839857 A EP22839857 A EP 22839857A EP 4457996 A1 EP4457996 A1 EP 4457996A1
Authority
EP
European Patent Office
Prior art keywords
elements
network
user
grouping
groups
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
EP22839857.4A
Other languages
German (de)
English (en)
Inventor
Paul RIVERAIN
Simon FOSSIER
Mohamed NADIF
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Gts France Sas
Universite Paris Cite
Original Assignee
Gts France Sas
Universite Paris Cite
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Gts France Sas, Universite Paris Cite filed Critical Gts France Sas
Publication of EP4457996A1 publication Critical patent/EP4457996A1/fr
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/02—Capturing of monitoring data
    • H04L43/026—Capturing of monitoring data using flow identification
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0893—Assignment of logical groups to network elements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/12—Discovery or management of network topologies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/04—Processing captured monitoring data, e.g. for logfile generation
    • H04L43/045—Processing captured monitoring data, e.g. for logfile generation for graphical visualisation of monitoring data

Definitions

  • TITLE Flow characterization process between elements of a network
  • the present invention relates to a method for characterizing flows between elements of a network.
  • the present invention also relates to an associated electronic characterization device.
  • the subject of the invention is a method for characterizing flows between elements of a network, the method being implemented by an electronic characterization device and comprising a configuration phase comprising the following steps: a. the reception of data relating to flows between the elements of the network, called flow data, b. displaying, via a user interface, a representation of the stream data, c. receiving, via the user interface, at least one user constraint relating to the grouping of the elements of the network, each user constraint being chosen by a user according to the displayed representation of the flow data, and d.
  • the method comprises one or more of the following characteristics, taken in isolation or in all technically possible combinations:
  • the configuration phase includes, after the grouping step, a display step, via the user interface, of a representation of the groups of elements obtained;
  • the method comprises a dynamic tracking phase comprising the following steps for each instant: a. the reception of the stream data of the current instant, b. the display, via a user interface, of a representation of the flow data of the current instant, c. the possible update, via the user interface, of the user constraints so that the user constraints of the current instant are the updated user constraints or the user constraints of the previous instant otherwise, and d. the possible modification, by the grouping tool, of the groups of elements of the previous moment according to the flow data of the current moment and the user constraints of the current moment;
  • the dynamic monitoring phase also includes for each instant a step of displaying, via the user interface, a representation of the groups of elements obtained for the current instant;
  • an indicator is also displayed relating to the consideration of user constraints in the groupings carried out;
  • the dynamic monitoring phase includes a step for generating an alert and/or implementing an action when the groups of elements of the current instant are different from the groups of elements of the previous instant;
  • the or each user constraint is chosen from: a. a constraint relating to an imposed grouping between elements of the network, and b. a constraint relating to prohibited grouping between elements of the network; - the grouping tool implements an expectation-maximization type algorithm.
  • the present invention also relates to an electronic device for characterizing flows between elements of a network, the device being able to implement a method as described above and comprising: a. a user interface, b. a grouping tool, and c. a tool for receiving flow data and communicating a representation of the flow data, on the one hand, to the user interface and, on the other hand, to the grouping tool.
  • FIG 1 a schematic representation of an electronic device for characterizing flows between elements of a network
  • FIG 2 figure 2, a flowchart of an example implementation of a flow characterization method between elements of a network
  • FIG 3 figure 3, a schematic representation of user constraints communicated via a user interface on which elements of a network are represented.
  • FIG. 10 An electronic device 10 for characterizing flows between elements E of a network R is illustrated in FIG.
  • the network R groups together all the elements E capable of exchanging flows between them.
  • the E elements are physical entities (objects, installations, etc.) or individuals or animals.
  • the network R is a transport network and the elements E are stations of the network R.
  • the flows are in this case the movements of the transport considered between the stations.
  • the transport network is, for example, a rail network (train), a road network (car, bus, bicycle) or even an urban network (pedestrians, scooters).
  • the stations are self-service rental stations (bicycles, cars, scooters), for which the objective of the operator is to restock the stations according to the traffic, or to detect abnormalities in the profiles of rental, for example in the event of a breakdown.
  • the network R is a communication network or a social network.
  • the elements E are then the users of the network R and the flows between the elements E are for example the number of interactions between pairs of users over a given time interval.
  • the device 10 is configured to implement a flow characterization method between the elements E of a network R, which will be described later in the description.
  • the device 10 comprises a user interface 12, a grouping tool 14, and a tool 16 for receiving stream data.
  • the user interface 12 is suitable for displaying information transmitted by the grouping tool 14 and by the reception tool 16.
  • the user interface 12 is also suitable for receiving information from the user for transmission at least to the grouping tool 14.
  • User interface 12 is a man-machine interface.
  • the user interface 12 includes, for example, a display such as a touch screen or not, and possibly a keyboard and/or a mouse.
  • the grouping tool 14 is suitable for determining groupings of the elements E of the network R, as will be described later in the description.
  • the reception tool 16 is suitable for receiving and communicating a representation of the stream data, on the one hand, to the user interface 12 and, on the other hand, to the grouping tool 14, as will be described in the following description.
  • the grouping tool 14 and the reception tool 16 are, for example, software modules, such as computer program products comprising program instructions for driving the respective operation of the grouping tool 14 and the reception tool 16 when such computer programs are executed by a computer.
  • the user interface 12, the grouping tool 14 and the reception tool 16 are integrated into the same computer.
  • the computer programs are for example stored in memories of the computer.
  • each of the grouping tool 14 and of the reception tool 16 are integrated into a computer which is specific to it, and thus form two separate entities.
  • the computer program products corresponding to the grouping tool 14 and to the reception tool 16 are stored on the same information carrier or specific information carriers.
  • the or each readable information medium is a medium suitable for storing electronic instructions and capable of being coupled to a bus of a computer system.
  • the or each information medium is a USB key, a floppy disk or floppy disk (from the English name "Floppy say"), an optical disk, a CD-ROM, a magneto-optical disk, a ROM memory, RAM memory, EPROM memory, EEPROM memory, magnetic card or optical card.
  • a flow characterization method between the elements E of a network R implemented by the device 10 will now be described with reference to the flowchart of FIG. 2 and the examples of FIGS. 3 and 4 which illustrate certain steps of the method. .
  • the characterization method includes a configuration phase 100 and, optionally, a dynamic tracking phase 200.
  • the configuration phase 100 corresponds to the first reception of user constraints as will be described below.
  • the configuration phase 100 thus corresponds to a single instant.
  • the configuration phase 100 alone corresponds to a flow characterization at a given instant.
  • the dynamic tracking phase 200 follows the configuration phase 100 and includes steps repeated over time.
  • the dynamic tracking phase 200 is thus implemented in real time.
  • the configuration phase 100 comprises a step 110 of receiving data relating to flows between the elements E of the network R, referred to as flow data.
  • Step 110 is, for example, implemented by the reception tool 16.
  • the flow data are, for example, derived from measurements carried out on the network R by sensors.
  • the flow data are, for example, a count of interactions or movements between the elements E of the network R.
  • the stream data received is optionally processed and communicated, if necessary in the form of an adapted representation, to each of the user interface 12 and of the grouping tool 14.
  • the representation communicated to the user interface 12 has been adapted to be understandable by a user (see FIG. 3 for example) while the grouping tool 14 receives the raw stream data.
  • the configuration phase 100 includes a step 120 of displaying, via the user interface 12, a representation of the stream data.
  • the displayed representation is thus suitable for viewing by a user of the device 10.
  • the configuration phase 100 comprises a step 130 of receiving, via the user interface 12, at least one user constraint relating to the grouping of the elements E of the network R. Each user constraint is chosen by a user according to the representation displayed flow data. Each user constraint is communicated to the grouping tool 14.
  • the or each user constraint relates to similarities or dissimilarities between the elements E of the network R.
  • the or each user constraint is chosen from:
  • the user constraints are chosen by the user according to his own knowledge of the operation of the R network, but also according to available external knowledge, such as incident reports, particular events which would lead to saturations or closures of certain nodes of the R network.
  • user constraints are already predefined, and the user adapts these constraints (for example via a slider) specifically for the considered R network.
  • FIG. 3 An example of user constraints for a transport network R (metro) is illustrated in FIG. 3.
  • the user interface 12 allows the user to visually indicate the grouping constraints intended for the algorithm.
  • the operator can easily propose groupings of stations with identical behavior (stations circled in solid lines), or on the contrary indicate a desire for separation (stations circled in dotted lines).
  • the configuration phase 100 includes a step 140 of grouping, by the grouping tool 14, of the elements E of the network R into groups according to the flow data and the user constraints.
  • the groups of elements E obtained make it possible to characterize the flows between the elements E of the network R.
  • the elements E are assimilated, for the grouping, to the nodes of a graph and the flows between the elements E to the edges of the graph.
  • the graph is dynamic, i.e. its edges evolve over time, based on the evolution of the flow data.
  • Such a graph is also discretized in time, to be able to aggregate the individual transactions in the form of a count per interval.
  • Such a graph is potentially bipartite, in the case where the nodes of the network R are divided into two differentiated groups (for example, a group of entry stations, and a group of exit stations).
  • this discretized dynamic graph is represented in the form of a sequence of weighted adjacency matrices.
  • An adjacency matrix for a finite n-vertex graph is an nxn-dimensional matrix whose non-diagonal element ay is the number of edges linking vertex i to vertex j.
  • the diagonal element an is the number of loops at vertex i (for simple graphs, this number is therefore equal to 0 or 1).
  • the inputs of the grouping tool 14 are adjacency matrices and the outputs of the grouping tool 14 are rearranged matrices whose rows and columns have been permuted with respect to the matrices of input adjacency so that groups appear.
  • the nodes of the dynamic graph are the nodes of the network R, and the edges of the dynamic graph at each instant correspond to an aggregation of the interactions between two nodes over a given period of time.
  • the nodes of the dynamic graph are the stations of the network R and the edges at a given instant correspond to the number of journeys made between two given stations over a fixed period of time.
  • the grouping tool 14 implements a parametric mathematical model describing the way in which the flows are generated in the R network as well as an associated learning algorithm. These parameters (e.g.: distributions of levels, connectivities, dynamics of transitions, etc.) are learned by the algorithm from the data.
  • the grouping tool 14 implements an expectation-maximization type algorithm, which allows user constraints to be taken into account.
  • An expectation-maximization algorithm (often abbreviated as EM) is an iterative algorithm that finds the maximum likelihood parameters of a probabilistic model when the latter depends on unobservable latent variables.
  • an importance indicator is assigned to user constraints. User constraints are then taken into account for grouping according to the importance indicator. For example, the grouping tool 14 will ensure that a constraint with a strong importance indicator is more respected than a constraint with a weak importance indicator.
  • the configuration phase 100 includes a step 150 of displaying, via the user interface 12, a representation of the groups of elements E obtained.
  • the displayed representation is thus suitable for being viewed by a user of the device 10.
  • the displayed representation makes it possible in particular to assist in the management of flows between the elements E, for example to detect abnormal situations.
  • an indicator relating to the consideration of user constraints in the groupings performed is also displayed. Thus, if the constraint(s) are not respected, this makes it possible to indicate possible anomalies in the flow data.
  • the user has two sources of information:
  • the real flows synthesized in the form of a real-time view of the R network
  • the summary elements E resulting from the automatic analysis the partition of the nodes of the network R at each instant of the study period of the graph and, if necessary, the parameters of the model estimated by the algorithm on the data.
  • the dynamic tracking phase 200 comprises various steps repeated for each instant (preferably real time).
  • the dynamic tracking phase 200 includes a step 210 of receiving stream data from the current time.
  • the receiving step 210 is, for example, implemented similarly to the receiving step 110.
  • the dynamic tracking phase 200 includes a step 220 of displaying, via the user interface 12, a representation of the flow data of the current instant.
  • the display step 220 is, for example, implemented similarly to the display step 210.
  • the dynamic tracking phase 200 includes a step 230 of possible updating, via the user interface 12, of the user constraints so that the user constraints of the current instant are the updated user constraints or the user constraints of the previous instant otherwise.
  • the update step 230 is, for example, implemented similarly to the receive step 130.
  • the update is, for example, due to changes in the R network brought to the user's attention or is related to the grouping of entities carried out at the previous moment.
  • the dynamic tracking phase 200 includes a step 240 of possible modification, by the grouping tool 14, of the groups of elements E of the previous instant according to the flow data of the current instant and the user constraints of the current moment.
  • the modification step 240 is, for example, implemented similarly to the grouping step 140.
  • the changes are, for example, due to changes in the data flow and/or changes in user constraints.
  • the dynamic tracking phase 200 includes a step 250 of displaying, via the user interface 12, a representation of the groups of elements E obtained for the current moment.
  • the display step 250 is, for example, implemented similarly to the display step 150.
  • an indicator relating to the consideration of user constraints in the groupings performed is also displayed.
  • any modifications of the groups of elements E are highlighted on the displayed representation so as to facilitate the management of the flows between the elements E of the network R.
  • the dynamic monitoring phase 200 includes a step 260 of generating an alert and/or implementing an action when the groups of elements E of the current instant are different from the groups of elements E of the previous moment.
  • Step 260 is, for example, implemented by the user or by the device 10.
  • the present method implements an interaction loop between a human-centered system (user interface) and an automated analysis system (grouping tool), each contributing to the analysis of the other through a common way of representing knowledge, all in a dynamic way.
  • grouping tool 14 thus makes it possible to facilitate the characterization of flows on an R network.
  • the automated analysis subsystem makes it possible to synthesize the flows on the R network, and if necessary their evolution over time.
  • This synthesis consists partly of a partitioning (clustering) of the nodes of the graph, based on a mathematical modeling of the way in which the flows are generated, as well as on knowledge presented by the operator aiming to make certain partitions of the nodes of the graph less likely than others.
  • the partitioning being dynamic, the groups sought do not necessarily consist of the same nodes over time and an interest of the analysis is to grasp the dynamics of these groups over time.
  • the grouping tool 14 then transmits to the user interface 12 a summary of these results.
  • the part centered on the operator performs an expert analysis from a graphical representation of the flows synthesized by the automated analysis subsystem, possible at different granularities.
  • the dynamic changes in the composition of the groups are the main clues that can be used by the operator to trigger actions, raise alerts or simply make reports. For example, it may be desirable to raise an alert when a large number of nodes in the network R change groups between two successive times, indicating a significant change in the flow structure at a given time. This phenomenon should however be analyzed with regard to the previously observed evolution dynamics of the nodes in the groups.
  • results provided by the automatic system to the operator are therefore a sequence of partitions of the nodes of the graph for each instant of the dynamic graph as well as the parameters learned by the model, describing in a synthetic way the way in which the groups of nodes interact and evolve. over time. These parameters allow a better understanding of the results for the operator.
  • the expert extracts from his analysis indications on the current behaviors, and can, if necessary, transmit them in turn to the automaton in the form of possible modifications of the user constraints.
  • the user constraints describe, for example, spatial, structural or situational similarities between nodes of the R network and are likely to change over time depending on the operational situation.
  • this coupling between the grouping tool 14 and the user via the user interface 12 allows: a reduction in the biases of the actors (cognitive for the operator, learning for the automaton), and rapid convergence towards a satisfactory common analysis; a reinforcement of the bond of trust of the human towards the automatic analysis; greater independence from operating conditions and priors than for a supervised analysis (from a database of examples).

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

Procédé de caractérisation de flux entre des éléments d'un réseau La présente invention concerne un procédé de caractérisation de flux entre des éléments d'un réseau, le procédé comprenant : a. la réception de données relatives à des flux entre les éléments du réseau, dites données de flux, b. l'affichage d'une représentation des données de flux, c. la réception d'au moins une contrainte utilisateur relative au regroupement des éléments du réseau, chaque contrainte utilisateur étant choisie par un utilisateur en fonction de la représentation affichée des données de flux, et d. le regroupement des éléments du réseau dans des groupes en fonction des données de flux et des contraintes utilisateur, les groupes d'éléments obtenus permettant de caractériser les flux entre les éléments du réseau, les éléments étant assimilés, pour le regroupement, à des nœuds d'un graphe et les flux entre les éléments à des arêtes du graphe.

Description

DESCRIPTION
TITRE : Procédé de caractérisation de flux entre des éléments d’un réseau
La présente invention concerne un procédé de caractérisation de flux entre des éléments d’un réseau. La présente invention concerne aussi un dispositif électronique de caractérisation associé.
Face à une situation évoluant dynamiquement dans le temps, les opérateurs en charge du contrôle des flux sur un réseau ont un rôle de supervision et d’analyse des phénomènes inhabituels. De tels phénomènes inhabituels sont notamment l’augmentation de la demande ou la saturation pour un trajet donné, la baisse de la demande en transport pour une station ou pour un trajet donné, les défaillances ou accidents des supports de mobilité (trains, métros, bus, vélos, ...) ou encore les accidents ou incidents de passagers. Ce rôle implique la prise en compte de données massives et évolutives/dynamiques, ainsi que leur analyse en regard de connaissances métier sur la structure du réseau, l’historique du comportement des agents (utilisateurs) dans ce réseau, de connaissances extérieures sur les phénomènes influençant le réseau (localisation, attributs, événements ponctuels...), ainsi que la prise en compte des moyens d’action possibles pour résoudre ou optimiser la situation.
Cette tâche opérationnelle est difficilement gérable à partir de simples enregistrements de flux passagers, qui sont beaucoup trop massifs pour pouvoir être analysés tels quels par les opérateurs. Aussi, des outils ont été développés pour réduire la charge cognitive des opérateurs, en synthétisant la masse d’informations grâce à des outils analytiques (c’est-à-dire, qui prennent en compte les données et les traitent) et synthétiques (c’est-à-dire, qui résument les données et les résultats de l’analyse).
Pour pouvoir être exploitables, ces outils sont en grande partie automatisés au niveau de la récupération des données et de leur traitement. La plupart des systèmes proposés fonctionnent en mode unidirectionnel : des données sont regroupées, analysées, puis une décision est prise ou fournie sous forme de synthèse à un opérateur. Les systèmes sont donc configurés entièrement en amont, ou ont une capacité d’apprentissage très élevée, ce qui est difficile à réaliser en pratique, en particulier dans le cas d’événements disruptifs (discontinuités), ou rares (pas d’exemples historiques).
Il est connu de l’état de la technique des systèmes experts, conçus à partir de l’expertise humaine formalisée en amont du fonctionnement du système. Néanmoins, le mode de conception de tels systèmes pose des questions d’évolutivité lors des changements de comportements, de disponibilité de l’expert et d’effort de conception, mais aussi la question du biais introduit par l’expert, dans la mesure où le système ne fait que répliquer ce qui lui est décrit.
D’autres approches supervisées classiques reposent sur un apprentissage à partir d’une base d’apprentissage. Si ces systèmes peuvent être performants pour reconnaître des situations d’intérêt déjà observées dans l’histoire du réseau, et donc “filtrer” les événements pour réduire la charge de l’opérateur, elles présentent toutefois le besoin de disposer d’une base d’apprentissage historique, mais aussi de références de normalité ou d’anormalité pour apprendre (labellisation, étiquetage). On retrouve ainsi le problème de gestion de l’évolution du système lors de changements de fond des comportements du réseau (par exemple, comment gérer une nouvelle station créée sur le réseau), mais aussi de la capacité de gérer des situations imprévues ou jamais observées.
Il existe donc un besoin pour un moyen permettant de faciliter la caractérisation des flux sur un réseau.
A cet effet, l’invention a pour objet un procédé de caractérisation de flux entre des éléments d’un réseau, le procédé étant mis en œuvre par un dispositif électronique de caractérisation et comprenant une phase de configuration comprenant les étapes suivantes : a. la réception de données relatives à des flux entre les éléments du réseau, dites données de flux, b. l’affichage, via une interface utilisateur, d’une représentation des données de flux, c. la réception, via l’interface utilisateur, d’au moins une contrainte utilisateur relative au regroupement des éléments du réseau, chaque contrainte utilisateur étant choisie par un utilisateur en fonction de la représentation affichée des données de flux, et d. le regroupement, par un outil de regroupement, des éléments du réseau dans des groupes en fonction des données de flux et des contraintes utilisateur, les groupes d’éléments obtenus permettant de caractériser les flux entre les éléments du réseau, les éléments étant assimilés, pour le regroupement, à des nœuds d’un graphe et les flux entre les éléments à des arêtes du graphe, chaque groupe étant tel que les nœuds correspondants aux éléments du groupe se connectent entre eux de façon similaire et se connectent de façon dissimilaire aux nœuds correspondants aux éléments des autres groupes. Suivant des modes de mise en œuvre particuliers, le procédé comprend une ou plusieurs des caractéristiques suivantes, prise(s) isolément ou suivant toutes les combinaisons techniquement possibles :
- la phase de configuration comprend, après l’étape de regroupement, une étape d’affichage, via l’interface utilisateur, d’une représentation des groupes d’éléments obtenus ;
- le procédé comprend une phase de suivi dynamique comprenant les étapes suivantes pour chaque instant : a. la réception des données de flux de l’instant courant, b. l’affichage, via une interface utilisateur, d’une représentation des données de flux de l’instant courant, c. la mise à jour éventuelle, via l’interface utilisateur, des contraintes utilisateur de sorte que les contraintes utilisateur de l’instant courant sont les contraintes utilisateur mises à jour ou les contraintes utilisateur de l’instant précédent sinon, et d. la modification éventuelle, par l’outil de regroupement, des groupes d’éléments de l’instant précédent en fonction des données de flux de l’instant courant et des contraintes utilisateur de l’instant courant ;
- la phase de suivi dynamique comprend aussi pour chaque instant une étape d’affichage, via l’interface utilisateur, d’une représentation des groupes d’éléments obtenus pour l’instant courant ;
- lors de chaque étape d’affichage d’une représentation des groupes d’éléments obtenus, il est aussi affiché un indicateur relatif à la prise en compte des contraintes utilisateur dans les regroupements effectués ;
- lors de l’étape d’affichage d’une représentation des groupes d’éléments obtenus pour l’instant courant, les éventuelles modifications des groupes d’éléments sont mises en évidence sur la représentation affichée de sorte à faciliter la gestion des flux entre les éléments du réseau ;
- la phase de suivi dynamique comprend une étape de génération d’une alerte et/ou de mise en œuvre d’une action lorsque les groupes d’éléments de l’instant courant sont différents des groupes d’éléments de l’instant précédent ;
- la ou chaque contrainte utilisateur est choisie parmi : a. une contrainte relative à un regroupement imposé entre des éléments du réseau, et b. une contrainte relative à un regroupement interdit entre des éléments du réseau ; - l’outil de regroupement met en œuvre un algorithme de type espérance- maximisation.
La présente invention concerne aussi un dispositif électronique de caractérisation de flux entre des éléments d’un réseau, le dispositif étant propre à mettre en œuvre un procédé tel que décrit précédemment et comprenant : a. une interface utilisateur, b. un outil de regroupement, et c. un outil de réception des données de flux et de communication d’une représentation des données de flux, d’une part, à l’interface utilisateur et, d’autre part, à l’outil de regroupement.
D’autres caractéristiques et avantages de l’invention apparaîtront à la lecture de la description qui suit de modes de réalisation de l’invention, donnés à titre d’exemple uniquement et en référence aux dessins qui sont :
[Fig 1 ], Figure 1 , une représentation schématique d’un dispositif électronique de caractérisation de flux entre des éléments d’un réseau,
[Fig 2] figure 2, un organigramme d’un exemple de mise en œuvre d’un procédé de caractérisation de flux entre des éléments d’un réseau, et
[Fig 3] figure 3, une représentation schématique de contraintes utilisateurs communiquées via une interface utilisateur sur laquelle des éléments d’un réseau sont représentés.
Un dispositif électronique 10 de caractérisation de flux entre des éléments E d’un réseau R est illustré par la figure 1 .
Le réseau R regroupe l’ensemble des éléments E propres à échanger des flux entre eux. Les éléments E sont des entités physiques (objets, installations...) ou des individus ou animaux.
Par exemple, le réseau R est un réseau de transport et les éléments E sont des stations du réseau R. Les flux sont dans ce cas les déplacements des transports considérés entre les stations. Le réseau de transport est, par exemple, un réseau ferroviaire (train), un réseau routier (voiture, bus, vélo) ou encore un réseau urbain (piétons, trottinettes). Dans un exemple, les stations sont des stations de location libre-service (vélos, voitures, trottinettes), pour lequel l’objectif de l’opérateur est de réapprovisionner les stations en fonction du trafic, ou de détecter des anormalités dans les profils de location, par exemple en cas de panne.
Dans un autre exemple, le réseau R est un réseau de communication ou un réseau social. Les éléments E sont alors les utilisateurs du réseau R et les flux entre les éléments E sont par exemple le nombre d’interactions entre des couples d’utilisateurs sur un intervalle de temps donné.
Le dispositif 10 est configuré pour mettre en œuvre un procédé de caractérisation de flux entre les éléments E d’un réseau R, qui sera décrit dans la suite de la description.
Comme illustré par la figure 1 , le dispositif 10 comprend une interface utilisateur 12, un outil de regroupement 14, et un outil 16 de réception des données de flux.
L’interface utilisateur 12 est propre à afficher des informations transmises par l’outil de regroupement 14 et par l’outil de réception 16. L’interface utilisateur 12 est également propre à recevoir des informations en provenance de l’utilisateur pour transmission au moins à l’outil de regroupement 14.
L’interface utilisateur 12 est une interface homme-machine. L’interface utilisateur 12 comprend, par exemple, un afficheur tel qu’un écran tactile ou non, et éventuellement un clavier et/ou une souris.
L’outil de regroupement 14 est propre à déterminer des regroupements des éléments E du réseau R, comme cela sera décrit dans la suite de la description.
L’outil de réception 16 est propre à recevoir et à communiquer une représentation des données de flux, d’une part, à l’interface utilisateur 12 et, d’autre part, à l’outil de regroupement 14, comme cela sera décrit dans la suite de la description.
L’outil de regroupement 14 et l’outil de réception 16 sont, par exemple, des modules logiciels, tels que des produits programme d’ordinateur comprenant des instructions de programme pour entraîner le fonctionnement respectif de l’outil de regroupement 14 et de l’outil de réception 16 lorsque de tels programmes d’ordinateur sont exécutés par un calculateur.
Par exemple, l’interface utilisateur 12, l’outil de regroupement 14 et l’outil de réception 16 sont intégrés dans un même calculateur. Dans ce cas, les programmes d’ordinateur sont par exemple mémorisés dans des mémoires du calculateur.
En variante, chacun de l’outil de regroupement 14 et de l’outil de réception 16 sont intégrés dans un calculateur qui lui est propre, et forment ainsi deux entités distinctes.
Encore en variante, les produits programmes d’ordinateur correspondant à l’outil de regroupement 14 et à l’outil de réception 16 sont mémorisés sur un même support d’informations ou des supports d’informations propres. Le ou chaque support lisible d’informations est un médium adapté à mémoriser des instructions électroniques et capable d’être couplé à un bus d’un système informatique. A titre d’exemple, le ou chaque support d’informations est une clé USB, une disquette ou disque souple (de la dénomination anglaise « Floppy dise »), un disque optique, un CD-ROM, un disque magnéto-optique, une mémoire ROM, une mémoire RAM, une mémoire EPROM, une mémoire EEPROM, une carte magnétique ou une carte optique.
Un procédé de caractérisation de flux entre les éléments E d’un réseau R mis en œuvre par le dispositif 10 va maintenant être décrit en référence à l’organigramme de la figure 2 et aux exemples des figures 3 et 4 qui illustrent certaines étapes du procédé.
Le procédé de caractérisation comprend une phase de configuration 100 et, optionnellement, une phase de suivi dynamique 200.
La phase de configuration 100 correspond à la première réception de contraintes utilisateur comme cela sera décrit dans ce qui suit. La phase de configuration 100 correspond, ainsi, à un seul instant. La phase de configuration 100 seule correspond à une caractérisation de flux à un instant donné.
Lorsqu’elle est mise en œuvre, la phase de suivi dynamique 200 suit la phase de configuration 100 et comprend des étapes répétées au cours du temps. La phase de suivi dynamique 200 est, ainsi, mise en œuvre en temps réel.
La phase de configuration 100 comprend une étape 1 10 de réception de données relatives à des flux entre les éléments E du réseau R, dites données de flux. L’étape 110 est, par exemple, mise en œuvre par l’outil de réception 16.
Les données de flux sont, par exemple, issues de mesures effectuées sur le réseau R par des capteurs. Les données de flux sont, par exemple un décompte d’interactions ou de déplacement entre les éléments E du réseau R.
Lors de l’étape 110, les données de flux reçus sont éventuellement traitées et communiquées, le cas échéant sous la forme d’une représentation adaptée, à chacun de l’interface utilisateur 12 et de l’outil de regroupement 14. Par exemple, la représentation communiquée à l’interface utilisateur 12 a été adaptée pour être compréhensible par un utilisateur (voir figure 3 par exemple) alors que l’outil de regroupement 14 reçoit les données de flux brutes.
La phase de configuration 100 comprend une étape 120 d’affichage, via l’interface utilisateur 12, d’une représentation des données de flux. La représentation affichée est, ainsi, propre à être visualisée par un utilisateur du dispositif 10.
La phase de configuration 100 comprend une étape 130 de réception, via l’interface utilisateur 12, d’au moins une contrainte utilisateur relative au regroupement des éléments E du réseau R. Chaque contrainte utilisateur est choisie par un utilisateur en fonction de la représentation affichée des données de flux. Chaque contrainte utilisateur est communiquée à l’outil de regroupement 14.
De préférence, la ou chaque contrainte utilisateur est relative à des similarités ou des dissimilarités entre les éléments E du réseau R. De préférence, la ou chaque contrainte utilisateur est choisie parmi :
- une contrainte relative à un regroupement imposé entre des éléments E du réseau R, et
- une contrainte relative à un regroupement interdit entre des éléments E du réseau R.
De préférence, les contraintes utilisateur sont choisies par l’utilisateur en fonction de ses propres connaissances sur le fonctionnement du réseau R, mais aussi en fonction de connaissances externes disponibles, telles que des rapports d’incidents, des événements particuliers qui conduiraient à des saturations ou fermetures de certains nœuds du réseau R.
Dans un exemple de mise en œuvre, des contraintes utilisateurs sont déjà prédéfinies, et l’utilisateur vient adapter ces contraintes (par exemple via un curseur) de façon spécifique pour le réseau R considéré.
Un exemple de contraintes utilisateur pour un réseau de transport R (métro) est illustré par la figure 3. Dans cet exemple, l’interface utilisateur 12 permet à l’utilisateur d’indiquer visuellement les contraintes de regroupement à destination de l’algorithme. Dans cet exemple, l’opérateur peut facilement proposer des groupements de stations de comportement identique (stations entourées en traits pleins), ou à l’opposé indiquer un souhait de séparation (stations entourées en pointillés).
La phase de configuration 100 comprend une étape 140 de regroupement, par l’outil de regroupement 14, des éléments E du réseau R dans des groupes en fonction des données de flux et des contraintes utilisateur. Les groupes d’éléments E obtenus permettent de caractériser les flux entre les éléments E du réseau R.
En particulier, les éléments E sont assimilés, pour le regroupement, à des nœuds d’un graphe et les flux entre les éléments E à des arêtes du graphe. Le graphe est dynamique, c’est-à-dire que ses arêtes évoluent en fonction du temps, à partir de l’évolution des données de flux. Un tel graphe est aussi discrétisé dans le temps, pour pouvoir agréger les transactions individuelles sous forme d’un comptage par intervalle. Un tel graphe est potentiellement bipartite, dans le cas où les nœuds du réseau R sont répartis en deux groupes différentiés (par exemple, un groupe de stations d’entrée, et un groupe de stations de sortie).
Chaque groupe est tel que les nœuds correspondants aux éléments E du groupe se connectent entre eux de façon similaire et se connectent de façon dissimilaire aux nœuds correspondants aux éléments E des autres groupes. Par le terme « similaire », il est entendu que les connexions sont proches mais pas forcément rigoureusement identiques. Dans un exemple de mise en œuvre, ce graphe dynamique discrétisé est représenté sous la forme d’une suite de matrices d’adjacence pondérées. Une matrice d’adjacence pour un graphe fini à n sommets est une matrice de dimension n x n dont l'élément non diagonal ay est le nombre d'arêtes liant le sommet i au sommet j. L'élément diagonal an est le nombre de boucles au sommet i (pour des graphes simples, ce nombre est donc égal à 0 ou 1 ). Ainsi, dans cet exemple, les entrées de l’outil de regroupement 14 sont des matrices d’adjacence et les sorties de l’outil de regroupement 14 sont des matrices réorganisées dont les lignes et les colonnes ont été permutées par rapport aux matrices d’adjacence d’entrée de sorte à faire apparaître des groupes.
Dans cet exemple, les nœuds du graphe dynamique sont les nœuds du réseau R, et les arêtes du graphe dynamique à chaque instant correspondent à une agrégation des interactions entre deux nœuds sur une période de temps donnée. Dans un réseau R de transport, par exemple, les nœuds du graphe dynamique sont les stations du réseau R et les arêtes à un instant donné correspondent au nombre de trajets effectué entre deux stations données sur une période de temps fixée.
Par exemple, l’outil de regroupement 14 met en œuvre un modèle mathématique paramétrique décrivant la façon dont sont générés les flux dans le réseau R ainsi qu’un algorithme d’apprentissage associé. Ces paramètres (par ex. : distributions des niveaux, connectivités, dynamique des transitions, ...) sont appris par l’algorithme à partir des données.
Par exemple, l’outil de regroupement 14 met en œuvre un algorithme de type espérance-maximisation, ce qui permet la prise en compte des contraintes utilisateur. Un algorithme espérance-maximisation (en anglais expectation-maximization algorithm, souvent abrégé EM) est un algorithme itératif qui permet de trouver les paramètres du maximum de vraisemblance d'un modèle probabiliste lorsque ce dernier dépend de variables latentes non observables.
Dans un exemple, il est attribué un indicateur d’importance aux contraintes utilisateurs. Les contraintes utilisateurs sont alors prises en compte pour le regroupement selon l’indicateur d’importance. Par exemple, l’outil de regroupement 14 fera en sorte de plus respecter une contrainte avec un indicateur d’importance fort qu’une contrainte avec un indicateur d’importance faible.
De préférence, la phase de configuration 100 comprend une étape 150 d’affichage, via l’interface utilisateur 12, d’une représentation des groupes d’éléments E obtenus. La représentation affichée est, ainsi, propre à être visualisée par un utilisateur du dispositif 10. La représentation affichée permet notamment d’aider à la gestion des flux entre les éléments E, par exemple de détecter des situations anormales. De préférence, lors de chaque étape d’affichage 150, il est aussi affiché un indicateur relatif à la prise en compte des contraintes utilisateur dans les regroupements effectués. Ainsi, si les ou des contraintes ne sont pas respectées, cela permet d’indiquer des éventuelles anomalies dans les données de flux.
Ainsi, l’utilisateur dispose de deux sources d’information :
Les flux réels, synthétisés sous forme d’une vue temps-réel du réseau R, et
Les éléments E de synthèse issus de l’analyse automatique : la partition des nœuds du réseau R à chaque instant de la période d’étude du graphe et le cas échéant des paramètres du modèle estimés par l'algorithme sur les données.
Comme indiqué précédemment, la phase de suivi dynamique 200 comprend différentes étapes répétées pour chaque instant (temps réel de préférence).
La phase de suivi dynamique 200 comprend une étape 210 de réception des données de flux de l’instant courant. L’étape de réception 210 est, par exemple, mise en œuvre de manière similaire à l’étape de réception 110.
La phase de suivi dynamique 200 comprend une étape 220 d’affichage, via l’interface utilisateur 12, d’une représentation des données de flux de l’instant courant. L’étape d’affichage 220 est, par exemple, mise en œuvre de manière similaire à l’étape d’affichage 210.
La phase de suivi dynamique 200 comprend une étape 230 de mise à jour éventuelle, via l’interface utilisateur 12, des contraintes utilisateur de sorte que les contraintes utilisateur de l’instant courant sont les contraintes utilisateur mises à jour ou les contraintes utilisateur de l’instant précédent sinon. L’étape de mise à jour 230 est, par exemple, mise en œuvre de manière similaire à l’étape de réception 130.
La mise à jour est, par exemple, due à des évolutions dans le réseau R portées à la connaissance de l’utilisateur ou est en lien avec le regroupement des entités effectué à l’instant précédent.
La phase de suivi dynamique 200 comprend une étape 240 de modification éventuelle, par l’outil de regroupement 14, des groupes d’éléments E de l’instant précédent en fonction des données de flux de l’instant courant et des contraintes utilisateur de l’instant courant. L’étape de modification 240 est, par exemple, mise en œuvre de manière similaire à l’étape de regroupement 140.
Les modifications sont, par exemple, dues à des modifications dans le flux de données et/ou à des modifications de contraintes utilisateur.
La phase de suivi dynamique 200 comprend une étape 250 d’affichage, via l’interface utilisateur 12, d’une représentation des groupes d’éléments E obtenus pour l’instant courant. L’étape d’affichage 250 est, par exemple, mise en œuvre de manière similaire à l’étape d’affichage 150.
Ainsi, de préférence, lors de chaque étape d’affichage 250, il est aussi affiché un indicateur relatif à la prise en compte des contraintes utilisateur dans les regroupements effectués.
De préférence, lors de l’étape d’affichage 250, les éventuelles modifications des groupes d’éléments E sont mises en évidence sur la représentation affichée de sorte à faciliter la gestion des flux entre les éléments E du réseau R.
Optionnellement, la phase de suivi dynamique 200 comprend une étape 260 de génération d’une alerte et/ou de mise en œuvre d’une action lorsque les groupes d’éléments E de l’instant courant sont différents des groupes d’éléments E de l’instant précédent. L’étape 260 est, par exemple, mise en œuvre par l’utilisateur ou par le dispositif 10.
Ainsi, le présent procédé met en œuvre une boucle d’interaction entre un système centré sur l’humain (interface utilisateur) et un système d’analyse automatisé (outil de regroupement), chacun contribuant à l’analyse de l’autre à travers un mode de représentation des connaissances commun, le tout de façon dynamique. La prise en compte de contraintes utilisateur par l’outil de regroupement 14 permet, ainsi, de faciliter la caractérisation des flux sur un réseau R.
En particulier, le sous-système d’analyse automatisée permet de synthétiser les flux sur le réseau R, et le cas échéant leur évolution dans le temps. Cette synthèse consiste en partie en un partitionnement (clustering) des nœuds du graphe, reposant sur une modélisation mathématique de la façon dont sont générés les flux, ainsi que sur des connaissances présentées par l’opérateur visant à rendre certaines partitions des nœuds du graphe moins probables que d’autres. Le partitionnement étant dynamique, les groupes recherchés ne se composent pas nécessairement des mêmes nœuds au cours du temps et un intérêt de l’analyse est de saisir la dynamique de ces groupes au cours du temps. L’outil de regroupement 14 transmet ensuite à l’interface utilisateur 12 une synthèse de ces résultats.
De façon symétrique, la partie centrée sur l’opérateur effectue une analyse experte à partir d’une représentation graphique des flux synthétisés par le sous-système d’analyse automatisée, possible à différentes granularités. En particulier, les changements dynamiques dans la composition des groupes sont les indices principaux pouvant être utilisés par l’opérateur pour déclencher des actions, lever des alertes ou simplement effectuer des rapports. Par exemple, il peut être souhaitable de lever une alerte lorsqu’un nombre important de nœuds du réseau R change de groupe entre deux instants successifs, indiquant un changement important de la structure des flux à un instant donné. Ce phénomène est cependant à analyser en regard de la dynamique d’évolution précédemment observée des nœuds dans les groupes. Les résultats fournis par le système automatique à l’opérateur sont donc une suite de partitions des nœuds du graphe pour chaque instant du graphe dynamique ainsi que les paramètres appris par le modèle, décrivant de manière synthétique la façon dont les groupes de nœuds interagissent et évoluent au cours du temps. Ces paramètres permettent une meilleure compréhension des résultats pour l’opérateur.
Ainsi, l’expert extrait de son analyse des indications sur les comportements courants, et peut, le cas échéant, les transmettre à son tour à l’automate sous la forme d’éventuelles modifications des contraintes utilisateurs. En particulier, les contraintes utilisateurs décrivent, par exemple, des similarités spatiales, structurelles ou conjoncturelles entre des nœuds du réseau R et sont susceptibles d’évoluer dans le temps en fonction de la situation opérationnelle.
Ainsi, ce couplage entre l’outil de regroupement 14 et l’utilisateur via l’interface utilisateur 12, permet : une diminution des biais des acteurs (cognitifs pour l’opérateur, d’apprentissage pour l’automate), et une convergence rapide vers une analyse commune satisfaisante ; un renforcement du lien de confiance de l’humain envers l’analyse automatique ; une plus forte indépendance aux conditions d’opération et aux a priori que pour une analyse supervisée (à partir d’une base d’exemples).
L’homme du métier comprendra que bien que l’invention ait été décrite notamment dans le contexte des réseaux de transport, elle s’applique à n’importe quelle structure de graphe évoluant dans le temps, représentable par exemple par une suite de matrices d’adjacence, pour lequel l’objectif est de tracer des changements de comportements des nœuds (et relations entre nœuds) au cours du temps.
L’homme du métier comprendra que les modes de réalisation et variantes précédemment décrits peuvent être combinés pourvu qu’ils soient compatibles techniquement.

Claims

REVENDICATIONS rocédé de caractérisation de flux entre des éléments (E) d’un réseau (R), le procédé étant mis en œuvre par un dispositif électronique (10) de caractérisation et comprenant une phase de configuration comprenant les étapes suivantes : a. la réception de données relatives à des flux entre les éléments (E) du réseau (R), dites données de flux, b. l’affichage, via une interface utilisateur (12), d’une représentation des données de flux, c. la réception, via l’interface utilisateur (12), d’au moins une contrainte utilisateur relative au regroupement des éléments (E) du réseau (R), chaque contrainte utilisateur étant choisie par un utilisateur en fonction de la représentation affichée des données de flux, et d. le regroupement, par un outil de regroupement (14), des éléments (E) du réseau (R) dans des groupes en fonction des données de flux et des contraintes utilisateur, les groupes d’éléments (E) obtenus permettant de caractériser les flux entre les éléments (E) du réseau (R), les éléments (E) étant assimilés, pour le regroupement, à des nœuds d’un graphe et les flux entre les éléments (E) à des arêtes du graphe, chaque groupe étant tel que les nœuds correspondants aux éléments (E) du groupe se connectent entre eux de façon similaire et se connectent de façon dissimilaire aux nœuds correspondants aux éléments (E) des autres groupes. rocédé selon la revendication 1 , dans lequel la phase de configuration comprend, après l’étape de regroupement, une étape d’affichage, via l’interface utilisateur (12), d’une représentation des groupes d’éléments (E) obtenus. rocédé selon la revendication 1 ou 2, dans lequel le procédé comprend une phase de suivi dynamique comprenant les étapes suivantes pour chaque instant : a. la réception des données de flux de l’instant courant, b. l’affichage, via une interface utilisateur (12), d’une représentation des données de flux de l’instant courant, c. la mise à jour éventuelle, via l’interface utilisateur (12), des contraintes utilisateur de sorte que les contraintes utilisateur de l’instant courant sont les contraintes utilisateur mises à jour ou les contraintes utilisateur de l’instant précédent sinon, et d. la modification éventuelle, par l’outil de regroupement (14), des groupes d’éléments (E) de l’instant précédent en fonction des données de flux de l’instant courant et des contraintes utilisateur de l’instant courant.
4. Procédé selon la revendication 3, dans lequel la phase de suivi dynamique comprend aussi pour chaque instant une étape d’affichage, via l’interface utilisateur (12), d’une représentation des groupes d’éléments (E) obtenus pour l’instant courant.
5. Procédé selon la revendication 2 ou 4, dans lequel lors de chaque étape d’affichage d’une représentation des groupes d’éléments (E) obtenus, il est aussi affiché un indicateur relatif à la prise en compte des contraintes utilisateur dans les regroupements effectués.
6. Procédé selon la revendication 4 ou la revendication 5 dans sa dépendance avec la revendication 4, dans lequel lors de l’étape d’affichage d’une représentation des groupes d’éléments (E) obtenus pour l’instant courant, les éventuelles modifications des groupes d’éléments (E) sont mises en évidence sur la représentation affichée de sorte à faciliter la gestion des flux entre les éléments (E) du réseau (R).
7. Procédé selon l’une quelconque des revendications 1 à 6, dans lequel la phase de suivi dynamique comprend une étape de génération d’une alerte et/ou de mise en œuvre d’une action lorsque les groupes d’éléments (E) de l’instant courant sont différents des groupes d’éléments (E) de l’instant précédent.
8. Procédé selon l’une quelconque des revendications 1 à 7, dans lequel la ou chaque contrainte utilisateur est choisie parmi : a. une contrainte relative à un regroupement imposé entre des éléments (E) du réseau (R), et b. une contrainte relative à un regroupement interdit entre des éléments (E) du réseau (R).
9. Procédé selon l’une quelconque des revendications 1 à 8, dans lequel l’outil de regroupement (14) met en œuvre un algorithme de type espérance-maximisation. 14 Dispositif électronique (10) de caractérisation de flux entre des éléments (E) d’un réseau (R), le dispositif (10) étant propre à mettre en œuvre un procédé selon l’une quelconque des revendications 1 à 9 et comprenant : a. une interface utilisateur (12), b. un outil de regroupement (14), et c. un outil (16) de réception des données de flux et de communication d’une représentation des données de flux, d’une part, à l’interface utilisateur (12) et, d’autre part, à l’outil de regroupement (14).
EP22839857.4A 2021-12-29 2022-12-28 Procédé de caractérisation de flux entre des éléments d'un réseau Pending EP4457996A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR2114636A FR3131488B1 (fr) 2021-12-29 2021-12-29 Procédé de caractérisation de flux entre des éléments d'un réseau
PCT/EP2022/087974 WO2023126453A1 (fr) 2021-12-29 2022-12-28 Procédé de caractérisation de flux entre des éléments d'un réseau

Publications (1)

Publication Number Publication Date
EP4457996A1 true EP4457996A1 (fr) 2024-11-06

Family

ID=81851662

Family Applications (1)

Application Number Title Priority Date Filing Date
EP22839857.4A Pending EP4457996A1 (fr) 2021-12-29 2022-12-28 Procédé de caractérisation de flux entre des éléments d'un réseau

Country Status (3)

Country Link
EP (1) EP4457996A1 (fr)
FR (1) FR3131488B1 (fr)
WO (1) WO2023126453A1 (fr)

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9979594B2 (en) * 2012-09-13 2018-05-22 Nec Corporation Methods, apparatuses, and systems for controlling communication networks
US10848402B1 (en) * 2018-10-24 2020-11-24 Thousandeyes, Inc. Application aware device monitoring correlation and visualization

Also Published As

Publication number Publication date
FR3131488B1 (fr) 2024-05-10
FR3131488A1 (fr) 2023-06-30
WO2023126453A1 (fr) 2023-07-06

Similar Documents

Publication Publication Date Title
US12450959B2 (en) Systems and methods for managing vehicle data
CN110458214B (zh) 驾驶员更换识别方法和装置
US10572847B2 (en) Dynamic space-time diagram for visualization of transportation schedule adherence
IL284771B1 (en) System and method for identifying and quantifying irregular traffic congestion
Barabino et al. Rethinking bus punctuality by integrating Automatic Vehicle Location data and passenger patterns
KR102546540B1 (ko) Lstm 기반 교통 혼잡도 예측 방법 및 장치
CN111144938A (zh) 适用于汽车行业的销售线索评级的方法和系统
WO2021180441A1 (fr) Mises a jour de bases de donnees de navigation
CN111651646B (zh) 业务处理方法及装置
CN117985026A (zh) 一种驾驶风格分析方法、装置及车辆
EP4499418A1 (fr) Procede et systeme d'estimation de duree de vie residuelle des pneumatiques des vehicules de transport sur la base des donnees telematiques
Ma et al. Public transportation big data mining and analysis
Zhao et al. Individual driver crash risk classification based on IoV data and offline consumer behavior data
WO2019049141A1 (fr) Système et procédé d'utilisation de connaissances collectées par un véhicule
EP4457996A1 (fr) Procédé de caractérisation de flux entre des éléments d'un réseau
EP3836047B1 (fr) Diagnostique assisté de réseau électrique
CN114312930A (zh) 基于日志数据的列车运行异常诊断方法和装置
Lyan et al. Impact of data cleansing for urban bus commercial speed prediction
Ziakopoulos et al. Key artificial intelligence and digitalization solutions towards vision zero in road safety
CN119049277A (zh) 一种应用于交通行业的基于大模型的交通调度方法及装置
CN117789475A (zh) 一种交通大数据自动处理分析方法及智能设备
EP4361920B1 (fr) Procédé pour ordonner les véhicules d'une flotte de véhicules selon un besoin de maintenance ; programme d'ordinateur et système informatique associés
Zaeimi Design of a synthetic data generation and simulation framework for mobility on demand applications
Jafari Traffic safety measures using multiple streams real time data
Glauser et al. Early Digital Market Insights on Autonomous Vehicles (AVs)

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20240711

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC ME MK MT NL NO PL PT RO RS SE SI SK SM TR

REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40113861

Country of ref document: HK

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)