JP2016105240A - データ近似装置およびデータ近似方法 - Google Patents
データ近似装置およびデータ近似方法 Download PDFInfo
- Publication number
- JP2016105240A JP2016105240A JP2014243104A JP2014243104A JP2016105240A JP 2016105240 A JP2016105240 A JP 2016105240A JP 2014243104 A JP2014243104 A JP 2014243104A JP 2014243104 A JP2014243104 A JP 2014243104A JP 2016105240 A JP2016105240 A JP 2016105240A
- Authority
- JP
- Japan
- Prior art keywords
- data
- series data
- time
- time series
- dynamic system
- 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.)
- Granted
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
複数の値からなる時系列データが含まれるクラスタを近似するデータとして、当該時系列データを表す線形動的システムの係数と、1つ以上の時点における基準値とを出力するデータ近似装置であって、クラスタに含まれる1つ以上の時系列データを取得するデータ取得手段と、前記時系列データを近似する線形動的システムの係数を算出する第一の算出手段と、前記線形動的システムを用いて前記時系列データを近似する際に用いられる、時刻と値とからなる1つ以上の基準値を決定する第二の算出手段と、前記線形動的システムと、前記1つ以上の基準値とを関連付けて、対象の時系列データを表現するパラメータとして出力する出力手段と、を有することを特徴とする。
報を出力する装置である。
近似対象となるクラスタは、時系列で発生するデータ(時系列データ)を一つ以上含むものであれば、どのようなものであってもよい。例えば、車両に搭載されたセンサが周期的に出力する値からなる時系列データの集合などであってもよい。
なお、対象のクラスタに時系列データが複数含まれる場合、いずれかの時系列データを近似してもよいし、当該複数の時系列データを代表する時系列データ(例えば窓内の相対時刻ごとの平均値や中央値の集合)を近似してもよい。当該複数の時系列データを代表する時系列データも、当該クラスタに含まれる時系列データとして扱うことができる。
第二の算出手段は、線形動的システムを用いて、クラスタに含まれる時系列データを近似するための基準値を決定する手段である。第一の算出手段が算出した線形動的システムは、隣接するタイムステップからの変化量を数式によって表すものである。よって、時系列データを近似するためには、基準となる値を与える必要がある。第二の算出手段が決定した基準値を、第一の算出手段が算出した線形動的システムに適用することで、時系列データの近似が可能になる。
また、mの数は、実際に近似を行った際の誤差が所定の閾値を下回る最少の数とする。これにより、近似精度とデータ量とのバランスを取ることができる。
、二乗和のうちのいずれかであることを特徴としてもよい。
度のうち少なくとも一つ以上であることを特徴としてもよい。
<システム構成>
以下、本発明の好ましい実施形態について図面を参照しながら説明する。
第一の実施形態に係る車両挙動分類システムは、車両に搭載された車載装置10と、分類装置20からなるシステムであって、車載装置から送信された情報に基づいて、車両の挙動を分類し、蓄積するシステムである。
まず、車載装置10について説明する。車載装置10は、自装置が搭載された車両の挙動についての情報を分類装置20に送信する装置である。車載装置10は、センサ情報取得部11と、通信部12から構成される。
分類装置20は、通信部21、クラスタ生成部22、近似式生成部23、記憶部24から構成される。
本実施形態に係る分類装置20が行う処理は、主に、車載装置から時系列データを収集して蓄積する処理(第一の処理)と、蓄積された時系列データをクラスタリングし、生成したクラスタを数式によって近似する処理(第二の処理)の二つに分けられる。各処理の概要について説明する。
センサ情報取得部11は、車両が有する複数のセンサ(不図示)から、所定のサンプリングレート(例えば10Hz)でセンサ値を取得する。なお、センサ値は、目標のサンプリングレートよりも高いサンプリングレートで取得したのち、フィルタによって平滑化したものであってもよい。例えば、100Hzでサンプリングを行ったのち、ガウシアンフィルタ等によって10Hzにダウンサンプルしてもよい。
なお、本例では、操舵角、速度、前後加速度の三つのセンサを用いる。すなわち、3つのセンサそれぞれについて、毎秒10個のセンサ値が得られるため、1秒あたり30個の
センサ値が時系列データとして分類装置20に送信される(符号201)。なお、送信の周期は必ずしも固定でなくてもよく、送信の単位も必ずしも固定でなくてもよい。
分類装置20は、通信部21を介して車両から時系列データを受信すると、記憶部24に逐次記憶する。本例ではセンサが3つであるため、時系列データは、3次元のベクトルとして記憶される。
次に、分類装置20が行う第二の処理について説明する。第二の処理は、時系列データをクラスタリングする処理と、クラスタごとに線形動的システムを生成する処理に分けられる。まず、クラスタ生成部22が行うクラスタリング処理について、図3を参照しながら説明する。
ことができる。また、時系列データを入力として、分類結果を得ることができれば、他の手法を用いて分類を行ってもよい。また、分類とクラスタリングの組み合わせを用いてもよい。例えば、サポートベクタマシン(SVM)で処理した余りをK-meansによって処理
するようにしてもよい。
生成されたクラスタについての情報は、記憶部24に一時的に記憶される。
次に、生成されたクラスタに対応する線形動的システムを生成する処理について説明する。図4は、クラスタ生成部22によって生成されたあるクラスタに属する、複数の時系列データを表す図である。本例では、単位時間が5秒であり、センサ値のサンプリングレートが10Hzであるため、各時系列データには、それぞれ50個のセンサ値が含まれる。
ここでは、符号401〜403によって表された3つの時系列データが、当該クラスタに分類されたものとする。なお、時系列データは、複数の次元を持つベクトルであるが、図4では、説明を簡単にするために一つの次元のみを示している。
るシステムの状態(すなわち、センサ値の集合を表す多次元ベクトル)であり、xt-1は
時刻t−1におけるシステムの状態である。また、Aおよびbは、時刻の経過に伴う状態
変化を表すパラメータである。また、vtはノイズに起因する誤差を表す項である。パラ
メータAおよびbは行列で表され、多次元ベクトルに対する演算を行うことができる。
具体的には、対象の時系列データが持つ値と、近似値との差の二乗和が最小となるように、線形動的システムのパラメータAおよびbを決定する。
パラメータAおよびbを求める具体的な方法について説明する。
まず、対象の時系列データに基づいて、入力ベクトルおよび出力ベクトルをタイムステップ(センサ値の取得間隔。本実施形態では0.1秒)ごとに生成する。入力ベクトルとは、時刻t−1におけるセンサ値を表すベクトルであり、出力ベクトルとは、時刻tにおけるセンサ値を表すベクトルである。式(2)が入力ベクトルであり、式(3)が出力ベクトルである。なお、nは次元数である。センサが3種類である場合、n=3となる。
基準値の具体的な選択方法は、後述するフローチャートにて説明する。
符号501は、近似対象の時系列データであり、符号502は、線形動的システムによって近似した時系列データ(以下、近似データ)である。また、図中の黒丸は基準となるセンサ値、すなわち基準値である。
なお、実際の基準値の数は図示したものよりも多いが、説明を簡単にするため、ここでは基準値が一つおよび二つであるものとして説明する。
図5(B)は、基準値が二つである場合の例である。本例の場合、二つ目の基準値によって近似値を補正することができる。このように、基準値が複数個ある場合、値を適宜補正することができるため、同一の線形動的システムを用いた場合であっても、近似精度を高めることができる。
次に、基準値の個数および配置位置を決定する方法について、第二の処理のフローチャートである図6を参照しながら説明する。なお、第一の処理は、時系列データを車載装置から周期的に受信して記憶部24に蓄積する処理であるため、説明は省略する。
図6に示した処理は、記憶部24に時系列データが蓄積されている状態において、任意のタイミングで実行される。なお、ステップS11〜S12が、クラスタ生成部22が行
う処理であり、ステップS13以降が、近似式生成部23が行う処理である。
次に、ステップS12で、取得した時系列データを単位時間に分割し、特徴量ベクトルに変換したうえでクラスタリングを行う。
ステップS13では、全てのクラスタに対して処理が完了しているかを判定し、完了していない場合、処理をステップS14へ遷移させる。
ステップS15では、変数(Nおよびεの二種類)に初期値を設定する。なお、Nは、処理対象のクラスタに関連付ける基準値の個数を表す変数であり、初期値は1である。また、εは、誤差を表す変数であり、初期値は十分に大きな自然数である。
ステップS18では、未検討の基準値の組み合わせを仮に選択し、ステップS14で求めた線形動的システムを、仮に選択した基準値に適用して、近似データを得る。そして、当該近似データと、時系列データとの誤差の平均値ε1を求める。ここで求めたε1は、例えば、図5(B)における、実線と点線との乖離量の平均値である。ここで、ε1がεよりも小さい場合、ステップS19でεを更新し、処理をステップS17へ遷移させる。
なお、誤差を求める際は、値の正規化を行ってもよい。また、誤差の平均ではなく、誤差の合計や二乗和などを用いてもよい。
第二の実施形態は、生成したクラスタのうち、類似するクラスタ同士を結合することで、データの圧縮率をさらに向上させる実施形態である。
図7は、第二の実施形態に係る分類装置30のシステム構成図である。第二の実施形態に係る分類装置30は、クラスタ結合部35を有しているという点において、第一の実施形態と相違する。その他の手段については第一の実施形態と同様であるため、説明は省略する。また、分類装置30と通信を行う車載装置10についても、第一の実施形態と同様であるため、説明は省略する。
図8は、クラスタ結合部35が行う第三の処理のフローチャートである。当該処理は、図6に示した処理が完了した後で実行される。
なお、最も類似するクラスタは、例えば、クラスタリングに階層的手法を用いている場合、階層に基づいて決定してもよいし、分割最適化手法を用いている場合、クラスタ間の距離に基づいて決定してもよい。また、その他の手法を用いて決定してもよい。また、類似度に閾値を設定し、ある程度類似したクラスタ同士に対してのみ処理を行ってもよい。
以上の処理は、全てのクラスタについて処理が完了するまで繰り返し実行される(ステップS35)。
上記の実施形態はあくまでも一例であって、本発明はその要旨を逸脱しない範囲内で適宜変更して実施しうる。
11 センサ情報取得部
12 通信部
20 分類装置
21 通信部
22 クラスタ生成部
23 近似式生成部
24 記憶部
Claims (13)
- 複数の値からなる時系列データが含まれるクラスタを近似するデータとして、当該時系列データを表す線形動的システムの係数と、1つ以上の時点における基準値とを出力するデータ近似装置であって、
クラスタに含まれる1つ以上の時系列データを取得するデータ取得手段と、
前記時系列データを近似する線形動的システムの係数を算出する第一の算出手段と、
前記線形動的システムを用いて前記時系列データを近似する際に用いられる、時刻と値とからなる1つ以上の基準値を決定する第二の算出手段と、
前記線形動的システムと、前記1つ以上の基準値とを関連付けて、対象の時系列データを表現するパラメータとして出力する出力手段と、
を有する、データ近似装置。 - 前記第二の算出手段は、
仮に決定した1つ以上の基準値を始点として対象の線形動的システムを適用し、前記時系列データを近似する近似データを生成する手段と、
前記近似データの、前記時系列データに対する近似誤差を取得し、当該近似誤差に基づいて、前記仮に決定した基準値を、出力する基準値として決定する手段と、からなる、
請求項1に記載のデータ近似装置。 - 前記時系列データは、n個のタイムステップからなり、
前記第二の算出手段は、前記時系列データが有する前記n個のタイムステップの中から、時刻と値の組み合わせを仮にm個選択し、前記近似誤差が最小となる組み合わせを探索することで、出力する基準値を決定し、かつ、前記mは、前記近似誤差が所定の閾値を下回る最小値である、
請求項2に記載のデータ近似装置。 - 前記近似誤差は、前記時系列データが有する値と、前記近似データが有する値との差を、1つ以上の時点において取得した場合における、当該差の絶対値の、合計、平均、二乗和のうちのいずれかである、
請求項3に記載のデータ近似装置。 - 前記時系列データを構成する複数の値は、それぞれ複数次元のベクトルである、
請求項1から4のいずれかに記載のデータ近似装置。 - 前記データ取得手段が取得した複数の時系列データをクラスタリングするクラスタリング手段をさらに有し、
前記第一および第二の算出手段は、同じクラスタに分類された複数の時系列データに対して処理を行い、
前記線形動的システムおよび前記基準値は、それぞれ対応するクラスタに関連付けられる、
請求項1から5のいずれかに記載のデータ近似装置。 - クラスタリングによって生成された複数のクラスタのうち、類似するクラスタ同士を結合する結合手段をさらに有する、
請求項6に記載のデータ近似装置。 - 前記結合手段がクラスタを結合した際に、
前記第一の算出手段は、結合後のクラスタに属する時系列データを用いて線形動的システムを再算出し、
前記出力手段は、再算出された線形動的システムと、結合前の各クラスタにそれぞれ対応する基準値とを関連付けて出力する、
請求項7に記載のデータ近似装置。 - 前記第一の算出手段は、対象の時系列データが有する値と、線形動的システムによって表された近似値との誤差の二乗和が最小となるように、前記線形動的システムの係数を決定する、
請求項1から8のいずれかに記載のデータ近似装置。 - 前記時系列データは、車両の速度、前後加速度、操舵角、ヨーレート、左右加速度のうち少なくとも一つ以上である、
請求項1から9のいずれかに記載のデータ近似装置。 - 複数のセンサを有し、取得したセンサ情報を時系列データとして送信する車両と、
請求項1から10のいずれかに記載のデータ近似装置と、
からなる、車両挙動分類システム。 - 複数の値からなる時系列データが含まれるクラスタを近似するデータとして、当該時系列データを表す線形動的システムの係数と、1つ以上の時点における基準値とを出力するデータ近似装置が行うデータ近似方法であって、
クラスタに含まれる1つ以上の時系列データを取得するデータ取得ステップと、
前記時系列データを近似する線形動的システムの係数を算出する第一の算出ステップと、
前記線形動的システムを用いて前記時系列データを近似する際に用いられる、時刻と値とからなる1つ以上の基準値を決定する第二の算出ステップと、
前記線形動的システムと、前記1つ以上の基準値を関連付けて、対象の時系列データを表現するパラメータとして出力する出力ステップと、
を含む、データ近似方法。 - 複数の値からなる時系列データが含まれるクラスタを近似するデータとして、当該時系列データを表す線形動的システムの係数と、1つ以上の時点における基準値とを出力するデータ近似装置であって、
クラスタに含まれる1つ以上の時系列データを取得するデータ取得手段と、
前記時系列データを近似する線形動的システムの係数を算出する第一の算出手段と、
前記線形動的システムを用いて前記時系列データを近似する際に用いられる、時刻と値とからなる1つ以上の基準値を決定する第二の算出手段と、
前記線形動的システムと、前記1つ以上の基準値とを関連付けて、対象の時系列データを表現するパラメータとして出力する出力手段と、
を有し、
前記第二の算出手段は、
仮に決定した1つ以上の基準値を始点として対象の線形動的システムを適用し、前記時系列データを近似する近似データを生成したうえで、前記近似データの、前記時系列データに対する近似誤差を取得する手段と、
前記基準値の個数mを増加させながら、前記時系列データが有するn個のタイムステップの中から、前記近似誤差が最小となる時刻と値の組み合わせをm個探索し、かつ、前記近似誤差が所定の閾値を下回った場合に、探索処理を終了し、前記m個の基準値を出力する手段と、からなる、
データ近似装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014243104A JP6390388B2 (ja) | 2014-12-01 | 2014-12-01 | データ近似装置およびデータ近似方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014243104A JP6390388B2 (ja) | 2014-12-01 | 2014-12-01 | データ近似装置およびデータ近似方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016105240A true JP2016105240A (ja) | 2016-06-09 |
JP6390388B2 JP6390388B2 (ja) | 2018-09-19 |
Family
ID=56102491
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014243104A Active JP6390388B2 (ja) | 2014-12-01 | 2014-12-01 | データ近似装置およびデータ近似方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6390388B2 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018036726A (ja) * | 2016-08-29 | 2018-03-08 | 公立大学法人大阪府立大学 | データ解析装置、制御装置、データ解析装置の制御方法、制御プログラム、および記録媒体 |
JP2019046023A (ja) * | 2017-08-31 | 2019-03-22 | 富士通株式会社 | 情報処理装置、情報処理方法及びプログラム |
EP3923158A1 (en) | 2020-06-08 | 2021-12-15 | Fujitsu Limited | Program, time-series analysis method, and information processing apparatus |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010221962A (ja) * | 2009-03-25 | 2010-10-07 | Denso Corp | 運転行動推定装置 |
JP2013246729A (ja) * | 2012-05-28 | 2013-12-09 | Nec Corp | 類似時系列データ検索システム |
-
2014
- 2014-12-01 JP JP2014243104A patent/JP6390388B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010221962A (ja) * | 2009-03-25 | 2010-10-07 | Denso Corp | 運転行動推定装置 |
JP2013246729A (ja) * | 2012-05-28 | 2013-12-09 | Nec Corp | 類似時系列データ検索システム |
Non-Patent Citations (1)
Title |
---|
堤 公孝: "区間線形動的システムによる時系列イベントの学習と識別", 情報処理学会研究報告, vol. Vol.2004 No.40, JPN6017049146, 7 May 2004 (2004-05-07), JP, pages 41−48ページ * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018036726A (ja) * | 2016-08-29 | 2018-03-08 | 公立大学法人大阪府立大学 | データ解析装置、制御装置、データ解析装置の制御方法、制御プログラム、および記録媒体 |
JP2019046023A (ja) * | 2017-08-31 | 2019-03-22 | 富士通株式会社 | 情報処理装置、情報処理方法及びプログラム |
JP7013732B2 (ja) | 2017-08-31 | 2022-02-01 | 富士通株式会社 | 情報処理装置、情報処理方法及びプログラム |
EP3923158A1 (en) | 2020-06-08 | 2021-12-15 | Fujitsu Limited | Program, time-series analysis method, and information processing apparatus |
US11615106B2 (en) | 2020-06-08 | 2023-03-28 | Fujitsu Limited | Non-transitory computer-readable storage medium storing program for performing time-series analysis by calculating approximation calculation application degree, time-series analysis method for performing time-series analysis by calculating approximation calculation application degree, and information processing apparatus for performing time-series analysis by calculating approximation calculation application degree |
Also Published As
Publication number | Publication date |
---|---|
JP6390388B2 (ja) | 2018-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107451524B (zh) | 行为识别装置、学习装置、行为识别方法、学习方法及计算机可读的记录介质 | |
CN112285676B (zh) | 激光雷达与imu外参标定方法及装置 | |
JP2017194915A (ja) | 周辺情報収集システム及び周辺情報取得装置 | |
CN108780313B (zh) | 为装配线执行目标参数分析的方法、系统和计算机可读介质 | |
JP6390388B2 (ja) | データ近似装置およびデータ近似方法 | |
CN113052966B (zh) | 自动驾驶众包高精度地图更新方法、系统及介质 | |
JP2015158421A (ja) | 補正値生成装置、故障診断装置、補正値生成プログラム、および故障診断プログラム | |
CN104216936A (zh) | 利用kd-fern 的快速最近邻居搜索 | |
CN104392247A (zh) | 一种用于数据聚类的相似性网络融合快速方法 | |
JP6347190B2 (ja) | 情報処理装置、プログラム及び方法 | |
CN104573331B (zh) | 一种基于MapReduce的K近邻数据预测方法 | |
CN111967616B (zh) | 自动时间序列回归方法和装置 | |
CN104933411A (zh) | 指纹识别处理方法及系统 | |
JP2019191836A (ja) | 異常検知システムおよびプログラム | |
JP2021051688A (ja) | 運転技量評価装置 | |
JPWO2018168695A1 (ja) | 分散機械学習装置、分散機械学習方法および分散機械学習プログラム | |
JP7031625B2 (ja) | グラフ構造推定装置、slam装置、グラフ構造推定方法、コンピュータプログラム、および記憶媒体 | |
CN109783844B (zh) | 一种基于跟踪精度和能量消耗指标下的多传感器管理方法 | |
CN110928916A (zh) | 基于流形空间的数据监测方法、装置及存储介质 | |
US20210064941A1 (en) | Method for adaptive context length control for on-line edge learning | |
JP7048896B2 (ja) | 学習データ生成装置、学習データ生成方法およびプログラム | |
JP2020035042A (ja) | データ判定装置、方法、及びプログラム | |
CN117289337B (zh) | 瑞雷面波反演方法、装置、电子设备及存储介质 | |
WO2022064575A1 (ja) | モデル生成装置及びモデル生成方法 | |
US20230367993A1 (en) | Dnn contraction device and onboard computation device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170306 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20171215 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180109 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180213 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20180724 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180806 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6390388 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |