JP2016218032A - データ解析装置及びデータ解析方法 - Google Patents
データ解析装置及びデータ解析方法 Download PDFInfo
- Publication number
- JP2016218032A JP2016218032A JP2015175833A JP2015175833A JP2016218032A JP 2016218032 A JP2016218032 A JP 2016218032A JP 2015175833 A JP2015175833 A JP 2015175833A JP 2015175833 A JP2015175833 A JP 2015175833A JP 2016218032 A JP2016218032 A JP 2016218032A
- Authority
- JP
- Japan
- Prior art keywords
- segment
- segments
- data
- frequency
- unit
- 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
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Auxiliary Drives, Propulsion Controls, And Safety Devices (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Traffic Control Systems (AREA)
Abstract
【解決手段】本発明に係るデータ解析装置は、少なくとも1つの周波数成分を有する数値データである複数のセグメントについて、セグメント相互間の類似度を表す指標を、セグメントの有する周波数成分を含む周波数スペクトルを用いて算出する指標化部323と、指標に基づき、セグメントをマップ上にプロットするマップ作成部324と、を備える。
【選択図】図1
Description
少なくとも1つの周波数成分を有する数値データである複数のセグメントについて、前記セグメント相互間の類似度を表す指標を、前記セグメントの有する周波数成分を含む周波数スペクトルを用いて算出する指標化部と、
前記指標に基づき、前記セグメントを面上にプロットするマップ作成部と、
を備える。
前記指標化部は、前記複数のセグメントとは異なる新たなセグメントについて、当該新たなセグメントと前記複数のセグメントとの類似度を表す新たな指標を、前記新たなセグメント及び前記複数のセグメントの有する周波数成分を含む周波数スペクトルを用いて算出し、
前記新たな指標に基づき、前記複数のセグメントのうちの前記新たなセグメントと類似するセグメントの近傍に、前記新たなセグメントをプロットするプロット部をさらに備えていてもよい。
少なくとも1つの周波数成分を有する数値データである複数のセグメントについて、前記セグメント相互間の類似度を表す指標を、前記セグメントの有する周波数成分を含む周波数スペクトルを用いて算出する指標化手順と、
前記指標に基づき、前記セグメントを面上にプロットするマップ作成手順と、
をデータ解析装置が実行する。
図1に、本実施形態に係るデータ解析装置の一例を示す。本実施形態に係るデータ解析装置30は、記憶部31及び情報処理部32を備える。
図1に、本実施形態に係るデータ解析装置の一例を示す。本実施形態に係るデータ解析装置は、情報処理部32が分割部321を備える。また本実施形態に係るデータ解析方法は、指標化手順の前に、情報処理部32が、分割手順を実行する。
セグメント密度の高い領域は、複数存在する場合が一般的であるが、それぞれに「特徴的なスペクトル」(以下特徴スペクトルと呼ぶ)を有する。また、それぞれの領域で各セグメントデータの「近さ」に寄与する周波数成分をそれぞれの領域の「特徴周波数」と呼ぶ。
図1に、本実施形態に係るデータ解析装置の一例を示す。本実施形態に係るデータ解析装置30は、情報処理部32がプロット部328を備える。また本実施形態に係るデータ解析方法は、情報処理部32が、マップ作成手順の後に、指標化手順及びプロット手順を実行する。
図3に、本実施形態に係る振動分析システムの一般的な例を示す。本実施形態に係る振動分析システムは、振動分析装置10と、振動検出装置20と、通信ネットワーク100と、を備える。振動検出装置20は、車両に搭載され、振動を検出する。通信ネットワーク100は、振動検出装置20の検出した振動データを振動分析装置10に転送する。
A(t)=ΣAi(t)、 (i=1、2、3、・・・・、N−1、N)
となる。ここでNはセグメントの総数である。
ここでは、本データ解析装置の具体的な実施例を示す。
本実施形態に係る振動分析装置10は、自動車の走行する道路の状態を分析する。本実施形態では、振動検出装置20が鉛直方向における自動車の振動を検出し、セグメントが自動車の走行した道路の地理的な区間である。
本実施形態に係る振動分析装置10は、自動車を運転する運転者の運転状態を分析する。本実施形態では、振動検出装置20がY軸方向における自動車の振動を検出し、セグメントが自動車の走行した時間的な区間である。
本実施形態に係る振動分析装置10は、列車の走行する線路の状態を分析する。本実施形態では、振動データがZ軸方向及びY軸方向における列車の振動を検出したデータであり、セグメントが列車の走行した線路の地理的な区間である。
以下に、数値データが生体の少なくとも一部の振動周波数成分を有する振動データである場合の実施形態を説明する。
呼吸に伴う身体の一定の変動(例えば呼吸音や体の一部の物理的な変動)を、一定時間単位(例えば20秒単位。以降セグメントと呼ぶ)に分割し、セグメント内の変動を周波数スペクトルに変換する。多くの正常者と患者の膨大な睡眠時呼吸データをセグメント化し、周波数スペクトルの類似度に基づきマップを作成することが可能である。正常異常を含むいろいろな呼吸状態とマップの各領域の対応付けを行うことで、逆にマップ上のどの位置にプロットされているかで、呼吸の状態を判定することができる。このマップを「標準マップ」として、判定したい個人の呼吸データをセグメントに分割して、それぞれのセグメントを標準マップ上の類似したセグメントの近傍にプロットすると、個人の呼吸のセグメントを標準マップ上にプロットすることができる。その分布から、個人の睡眠時呼吸の健全性を判定でき、あるいは問題がある場合はその原因を推定できる。
心電図を、一定時間単位(例えば1分単位。以降セグメントと呼ぶ)に分割し、セグメント内の変動を周波数スペクトルに変換する。これにより、個人の「心臓の異常」の判定ができる可能性があるばかりでなく、患者のセグメントを標準マップ上にプロットすることで、どの異常パターンに属するのか判定できる可能性がある。
食道、胃、腸、肺の動き測定結果から、「異常」を判別し、異常の原因を推測できる可能性がある。具体的な測定方法としては、圧電素子を使った圧力の変化測定や、エコーを使った映像による動き測定が例示できる。
一定の歩行条件で、歩行時の靴や膝などの動き波形を測定する。測定波形を、一定時間単位(例えば1分単位。以降セグメントと呼ぶ)に分割し、セグメント内の変動を周波数スペクトルに変換する。多くの対象者の歩行測定結果から得られる多数のセグメント間の類似性を、周波数スペクトルから指標化できる。
歩行傾向は様々な身体的精神的要因から生じ、要因毎に歩行の特徴が異なってくると考えられる。多くの患者のセグメントデータから標準マップを作成する。標準マップでは、歩行のパターンにより、領域が分かれてくる。この標準マップ上に、新たな患者のセグメントをプロットすると、標準マップ上のどの領域にプロットされるかで、その患者の歩行傾向に影響をもたらしている身体的精神的要因を判別できる可能性がある。
以上から、個人の「歩行異常」の判定ができる可能性があるばかりでなく、患者のセグメントデータを標準マップ上にプロットすることで、歩行異常の原因を判定できる可能性がある。
コールセンターなどでは、往々にしてオペレータの対応などに対して顧客が感情的になりトラブルになる場合も多い。そこで、顧客の感情を常に把握できれば、必要な場合には対応しているオペレータを経験豊富なオペレータや上司に早めに交代させ、トラブルが大きくならないようにすることが可能となる。顧客の感情はその言葉遣いからだけでは正確に把握できないことも多いため、声から感情を把握する方法が有効である。
付記に係る振動分析装置及び振動分析方法は、各区間の周波数スペクトル相互間の類似度を表す指標に基づき地理的又は時間的な区間毎に平面上にプロットすると、区間の状態によって類似した区間プロットが平面上でクラスタを形成する。各区間がその状態によりクラスタに自動的に分類される結果、異常区間を含め、特定の状態にある区間を判定することができる。
車両の振動データを予め定められた地理的又は時間的な区間であるセグメントごとに分割する分割部と、
前記セグメントごとに、振動データを周波数スペクトルに変換する周波数変換部と、
前記セグメントの周波数スペクトルの類似度を用いて、前記セグメント相互間の類似度を表す指標を算出する指標化部と、
前記指標に基づき、前記セグメントをマップ上にプロットするマップ作成部と、
前記マップ上の前記セグメントが形成するクラスタのうち、前記車両又は前記車両の経路の異常に対応したクラスタを判別し、当該クラスタに含まれるか否かに基づいて各セグメントにおける前記異常の有無を判定する状態判定部と、
を備える。
前記振動データは、鉛直方向における自動車の振動を検出したデータであり、
前記セグメントは、前記自動車が走行した道路の地理的な区間であり、
前記状態判定部は、前記マップ上の前記セグメントが形成するクラスタのうち、前記自動車が走行した地理的な各区間における道路の異常に対応したクラスタを判別してもよい。
前記振動データは、鉛直方向及び前記車両の進行方向に垂直な方向における自動車の振動を検出したデータであり、
前記セグメントは、前記自動車が走行した時間的な区間であり、
前記状態判定部は、前記マップ上の前記セグメントが形成するクラスタのうち、前記自動車が走行した時間的な各区間における運転者の異常に対応したクラスタを判別してもよい。
前記振動データは、前記車両の進行方向及び鉛直方向に垂直な方向並びに鉛直方向における列車の振動を検出したデータであり、
前記セグメントは、前記列車が走行した線路の地理的な区間であり、
前記状態判定部は、前記マップ上の前記セグメントが形成するクラスタのうち、前記列車が走行した地理的な各区間における線路の異常に対応したクラスタを判別してもよい。
車両に搭載され、振動を検出する振動検出装置と、
前記振動検出装置の検出する振動データを転送する通信ネットワークと、
前記通信ネットワークの転送した振動データを用いて前記車両又は前記車両の経路の異常の有無を判定する振動分析装置と、
を備える。
車両の振動データを予め定められた地理的又は時間的な区間であるセグメントごとに分割する分割手順と、
前記セグメントごとに、振動データを周波数スペクトルに変換する周波数変換手順と、
前記セグメントの周波数スペクトルの類似度を用いて、前記セグメント相互間の類似度を表す指標を算出する指標化手順と、
前記指標に基づき、前記セグメントをマップ上にプロットするマップ作成手順と、
前記マップ上の前記セグメントが形成するクラスタのうち、前記車両又は前記車両の経路の異常に対応したクラスタを判別し、当該クラスタに含まれるか否かに基づいて各セグメントに前記異常の有無を判定する状態判定手順と、
を順に有する。
分割部が、車両の振動データを予め定められた地理的又は時間的な区間であるセグメントごとに分割する分割手順と、
周波数変換部が、前記セグメントごとに、振動データを周波数スペクトルに変換する周波数変換手順と、
指標化部が、前記セグメントの周波数スペクトルの類似度を用いて、前記セグメント相互間の類似度を表す指標を算出する指標化手順と、
マップ作成部が、前記指標に基づき、前記セグメントをマップ上にプロットするマップ作成手順と、
状態判定部が、前記マップ上の前記セグメントが形成するクラスタのうち、前記車両又は前記車両の経路の異常に対応したクラスタを判別し、当該クラスタに含まれるか否かに基づいて各セグメントに前記異常の有無を判定する状態判定手順と、
を順にコンピュータに実行させるためのプログラムである。
11、31:記憶部
12、32:情報処理部
13:通信部
20:振動検出装置
121、321:分割部
122:周波数変換部
123、323:指標化部
124、324:マップ作成部
125:状態判定部
30:データ解析装置
326:領域選択部
327:特徴スペクトル抽出部
328:プロット部
Claims (8)
- 少なくとも1つの周波数成分を有する数値データである複数のセグメントについて、前記セグメント相互間の類似度を表す指標を、前記セグメントの有する周波数成分を含む周波数スペクトルを用いて算出する指標化部と、
前記指標に基づき、前記セグメントを面上にプロットするマップ作成部と、
を備えるデータ解析装置。 - 前記マップ上に前記セグメントが分布する一定の領域を選択する領域選択部をさらに備える、
請求項1に記載のデータ解析装置。 - 前記領域選択部の選択した領域に特徴的な周波数スペクトル又は特徴周波数を抽出する特徴スペクトル抽出部をさらに備える、
請求項2に記載のデータ解析装置。 - 前記数値データは、車両の振動周波数成分を有し、
前記一定の領域は、前記車両又は前記車両の走行経路の劣化又は状態、又は前記車両の運転の状態に対応する、
請求項2又は3に記載のデータ解析装置。 - 前記数値データは、生体の少なくとも一部の振動周波数成分を有し、
前記一定の領域は、前記生体の前記一部又は全体の状態に対応する、
請求項2又は3に記載のデータ解析装置。 - 前記指標化部は、前記複数のセグメントとは異なる新たなセグメントについて、当該新たなセグメントと前記複数のセグメントとの類似度を表す新たな指標を、前記新たなセグメント及び前記複数のセグメントの有する周波数成分を含む周波数スペクトルを用いて算出し、
前記新たな指標に基づき、前記複数のセグメントのうちの前記新たなセグメントと類似するセグメントの近傍に、前記新たなセグメントをプロットするプロット部をさらに備える、
請求項1に記載のデータ解析装置。 - 前記数値データを空間的又は時間的な区間に分割して前記セグメントを作成する分割部をさらに備える請求項1から6のいずれかに記載のデータ解析装置。
- 少なくとも1つの周波数成分を有する数値データである複数のセグメントについて、前記セグメント相互間の類似度を表す指標を、前記セグメントの有する周波数成分を含む周波数スペクトルを用いて算出する指標化手順と、
前記指標に基づき、前記セグメントを面上にプロットするマップ作成手順と、
をデータ解析装置が実行するデータ解析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/871,606 US20160109355A1 (en) | 2014-10-15 | 2015-09-30 | Data analysis apparatus and data analysis method |
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014210671 | 2014-10-15 | ||
JP2014210671 | 2014-10-15 | ||
JP2015115600 | 2015-06-08 | ||
JP2015115600 | 2015-06-08 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016218032A true JP2016218032A (ja) | 2016-12-22 |
JP6563749B2 JP6563749B2 (ja) | 2019-08-21 |
Family
ID=57580873
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015175833A Active JP6563749B2 (ja) | 2014-10-15 | 2015-09-07 | データ解析装置及びデータ解析方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6563749B2 (ja) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101922176B1 (ko) * | 2017-03-02 | 2018-11-26 | 인천대학교 산학협력단 | 브릿지 구조의 성능을 측정하는 방법 |
JP2019125091A (ja) * | 2018-01-15 | 2019-07-25 | スズキ株式会社 | 路面状態分析装置 |
WO2020075236A1 (ja) * | 2018-10-10 | 2020-04-16 | 株式会社toor | 分析装置、分析システム及び分析方法 |
WO2020179241A1 (ja) * | 2019-03-05 | 2020-09-10 | 日本電気株式会社 | 構造物診断装置、構造物診断方法、及びコンピュータ読み取り可能な記録媒体 |
JPWO2020230323A1 (ja) * | 2019-05-16 | 2020-11-19 | ||
JP2020191050A (ja) * | 2019-05-24 | 2020-11-26 | Kyb株式会社 | 異常検知装置及び異常検知方法 |
JP7306659B1 (ja) | 2022-03-18 | 2023-07-11 | 株式会社トクヤマ | 監視システム、監視方法、監視プログラム |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007256153A (ja) * | 2006-03-24 | 2007-10-04 | Hitachi Ltd | 鉄道車両台車異常検知システム |
JP2012058171A (ja) * | 2010-09-13 | 2012-03-22 | Hitachi Ltd | 移動体異常検知システムおよび移動体 |
JP2012230703A (ja) * | 2012-07-19 | 2012-11-22 | Hitachi Ltd | 異常検知方法及びシステム |
-
2015
- 2015-09-07 JP JP2015175833A patent/JP6563749B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007256153A (ja) * | 2006-03-24 | 2007-10-04 | Hitachi Ltd | 鉄道車両台車異常検知システム |
JP2012058171A (ja) * | 2010-09-13 | 2012-03-22 | Hitachi Ltd | 移動体異常検知システムおよび移動体 |
JP2012230703A (ja) * | 2012-07-19 | 2012-11-22 | Hitachi Ltd | 異常検知方法及びシステム |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101922176B1 (ko) * | 2017-03-02 | 2018-11-26 | 인천대학교 산학협력단 | 브릿지 구조의 성능을 측정하는 방법 |
JP2019125091A (ja) * | 2018-01-15 | 2019-07-25 | スズキ株式会社 | 路面状態分析装置 |
JP7073731B2 (ja) | 2018-01-15 | 2022-05-24 | スズキ株式会社 | 路面状態分析装置 |
WO2020075236A1 (ja) * | 2018-10-10 | 2020-04-16 | 株式会社toor | 分析装置、分析システム及び分析方法 |
JPWO2020179241A1 (ja) * | 2019-03-05 | 2021-12-16 | 日本電気株式会社 | 構造物診断装置、構造物診断方法、及びプログラム |
WO2020179241A1 (ja) * | 2019-03-05 | 2020-09-10 | 日本電気株式会社 | 構造物診断装置、構造物診断方法、及びコンピュータ読み取り可能な記録媒体 |
JP7160190B2 (ja) | 2019-05-16 | 2022-10-25 | 日本電信電話株式会社 | 異常検出装置、方法、システム及びプログラム |
WO2020230323A1 (ja) * | 2019-05-16 | 2020-11-19 | 日本電信電話株式会社 | 異常検出装置、方法、システム及びプログラム |
JPWO2020230323A1 (ja) * | 2019-05-16 | 2020-11-19 | ||
JP2020191050A (ja) * | 2019-05-24 | 2020-11-26 | Kyb株式会社 | 異常検知装置及び異常検知方法 |
JP7218867B2 (ja) | 2019-05-24 | 2023-02-07 | Kyb株式会社 | 異常検知装置及び異常検知方法 |
JP7306659B1 (ja) | 2022-03-18 | 2023-07-11 | 株式会社トクヤマ | 監視システム、監視方法、監視プログラム |
JP2023137439A (ja) * | 2022-03-18 | 2023-09-29 | 株式会社トクヤマ | 監視システム、監視方法、監視プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP6563749B2 (ja) | 2019-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6563749B2 (ja) | データ解析装置及びデータ解析方法 | |
KR101892176B1 (ko) | 심전도 디스플레이 방법 및 이를 위한 사용자 인터페이스 장치 | |
CN102973266B (zh) | 用于自动痉挛监测的方法、设备和计算机程序产品 | |
KR20160007512A (ko) | 호흡 운동 측정 장치 | |
WO2019015017A1 (zh) | 一种心电动力学数据量化分析方法 | |
CN106037720A (zh) | 混合连续信息分析技术在医学上的应用方法 | |
CN106361325B (zh) | 一种便携式心电仪所测单导联心电图的筛查识别系统 | |
Costa et al. | The association between reconstructed phase space and Artificial Neural Networks for vectorcardiographic recognition of myocardial infarction | |
CN107428245A (zh) | 用于预测机动车辆驾驶员的警觉水平的设备和方法 | |
Ponnan et al. | Driver monitoring and passenger interaction system using wearable device in intelligent vehicle | |
Sharma et al. | Cognitive performance detection using entropy-based features and lead-specific approach | |
KR20190142618A (ko) | 태아의 심박동을 모니터링하는 방법 및 그 장치 | |
US20160109355A1 (en) | Data analysis apparatus and data analysis method | |
US20200390389A1 (en) | Method and system for motor function rehabilitation and monitoring a patient's recovery | |
Chandra et al. | Machine learning methodologies for predicting neurological disease using behavioral activity mining in health care | |
JP7216408B2 (ja) | 睡眠時無呼吸症候群判定装置、睡眠時無呼吸症候群判定方法および睡眠時無呼吸症候群判定プログラム | |
JP6537003B1 (ja) | 乗り物酔いの評価方法および乗り物酔いの評価装置 | |
CN106859625A (zh) | 一种hrv测量方法以及装置 | |
Mustafa et al. | A review on the diabetic retinopathy assessment based on retinal vascular tortuosity | |
Turior et al. | Curvature-based tortuosity evaluation for infant retinal images | |
Kao et al. | Using Bootstrap AdaBoost with KNN for ECG-based automated obstructive sleep apnea detection | |
Bashir et al. | Nested Ensemble Technique for Excellence Real Time Cardiac Health Monitoring. | |
RU2497451C1 (ru) | Способ диагностики функциональных нарушений опорно-двигательного аппарата | |
WO2017057022A1 (ja) | 生体状態推定装置、生体状態推定方法及びコンピュータプログラム | |
Visentin et al. | An innovative approach to understand overuse injuries: biomechanical modeling as a platform to integrate information obtained from various analytic tools |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180323 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20181225 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190108 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190308 |
|
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: 20190702 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190725 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6563749 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |