JP2021110987A - 情報処理装置、情報処理方法及びコンピュータプログラム - Google Patents
情報処理装置、情報処理方法及びコンピュータプログラム Download PDFInfo
- Publication number
- JP2021110987A JP2021110987A JP2020000550A JP2020000550A JP2021110987A JP 2021110987 A JP2021110987 A JP 2021110987A JP 2020000550 A JP2020000550 A JP 2020000550A JP 2020000550 A JP2020000550 A JP 2020000550A JP 2021110987 A JP2021110987 A JP 2021110987A
- Authority
- JP
- Japan
- Prior art keywords
- time
- information processing
- observation target
- series data
- data
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Rehabilitation Tools (AREA)
- Biomedical Technology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
Abstract
Description
図1は、本実施形態に係る情報処理装置のブロック図である。図1の情報処理装置101は、観測対象から得られた時系列データを解析し、任意の時刻における観測対象の状態を推定する装置である。観測対象の状態の例として、人間又は移動体等の動き(動作)、電力需要量等の需要量の動き(変化)等がある。本実施形態では、観測対象(人間又は移動体等)の動作における任意の時刻の状態を推定する場合を想定する。状態を推定する例として、任意の時刻における状態のクラスを判定する。クラスの例として、任意の時刻における動作の軌跡が正しい第1クラス(正解のクラス)、任意の時刻における動作の軌跡が誤っている第2クラス(不正解のクラス)がある。本実施形態では2つのクラスを扱うが、クラスの数は3以上でもよい。状態のクラスを判定することは、状態を推定する一例にすぎない。状態を推定することは、状態のクラスを判定することに限られない。例えば、状態を推定することは、状態の複数の候補の中から、該当する候補を選択することでもかまわない。ニューラルネットワーク等のモデルを用いて状態を予測することでもかまわない。
P秒目未満に対応する葉ノードに、識別率の低い分類モデルf1が対応付けられている。
P秒目以上Q秒目未満に対応する葉ノードには、識別率の高い分類モデルf2が対応付けられている。
Q秒目以上R秒目未満に対応する葉ノードに、識別率の低い分類モデルf3が対応付けられている。
R秒目以上S秒目未満に対応する葉ノードに、識別率の高い分類モデルf4が対応付けられている。
S秒目以上に対応する葉ノードに、識別率の低い分類モデルf5が対応付けられている。
評価対象となる時系列データのP秒目以上Q秒目未満の時間区間では、分類モデルf2を用いた判定を行う。この場合、分類モデルf2に基づく正誤判定の結果を出力する。
評価対象となる時系列データのQ秒目以上R秒目未満の時間区間では正誤判定を行わない。つまり、分類モデルf3を用いた判定を行わない。この場合、例えば、“正しい”(正解)又は“未判定”の判定結果を出力する。
評価対象となる時系列データのR秒目以上S秒目未満の時間区間では、分類モデルf4を用いた判定を行う。この場合、分類モデルf4に基づく正誤判定の結果を出力する。
評価対象となる時系列データのS秒目以上の時間区間では正誤判定を行わない。つまり、分類モデルf5を用いた判定を行わない。この場合、例えば、“正しい”(正解)又は“未判定”の判定結果を出力する。
本説明におけるレコードとは学習テーブルにおけるある動作のある時刻におけるデータを示す(すなわち、学習テーブルの1行に該当する)。
図18に、本実施形態に係る情報処理装置101のハードウェア構成を示す。本実施形態に係る情報処理装置101は、コンピュータ装置170により構成される。コンピュータ装置170は、CPU151と、入力インタフェース152と、表示装置153と、通信装置154と、主記憶装置155と、外部記憶装置156とを備え、これらはバス157により相互に接続されている。
第2実施形態では、観測対象が無人搬送車(AGV)である。但し、本実施形態の観測対象は、定期的に同一又はほぼ同一のルートを走行するよう計画される移動体であれば、ドローンやバスのような移動体でもよい。本実施形態の観測対象の動作は、移動体の移動である。
図21は、第3実施形態に係る情報処理システムである分類システム60のブロック図である。分類システム60は、人間であるリハビリ実施者の動作の正誤判定を行う。分類システム60は、時系列データ取得部11、学習部66、動作判定部67、データ記憶部65を備えている。学習部66は、図1のラベル設定部13及びモデル生成部14の機能を含む。動作判定部67は、図1の動作判定部15及び通知部17の機能を備える。データ記憶部65は、図1の時系列データDB_12及びモデルDB_16の機能を備えている。
家庭や工場等における電力の需要量は、条件が共通の場合、類似した時系列データが得られやすい。条件としては、曜日や時間帯などの時刻条件、都市部や過疎部などの位置条件、気温などの気象条件がある。そこで、このような条件に基づいて、決定木又はクラスタリング手法により、類似している時系列データにグループ化し、グループごとに、電力需要予測を行う方法がある。電力需要予測は、過去の需要量から将来の需要量を予測する。グループごとに予測を行うことで、予測の精度を高めることができる。
図23及び図24は、第5実施形態に係るモデル木の更新のフローを示す。第5実施形態では、第1実施形態で生成されたモデル木を、新たな取得される時系列データによって更新する。更新により、モデル木の階層が深くなる方向に内部ノードが追加される。モデル木の既に存在する内部ノードの分岐条件は維持される。時系列データはストリーム型式で受け取る場合を想定する。時刻ごとに本フローの処理を行う。本フローの説明で使用する用語を以下の数式又は記号で定義する。
1〜M:センサ部
11:時系列データ取得部
12:時系列データDB
13:ラベル設定部
14:モデル生成部
15:動作判定部(決定部)
16:モデルDB
17:通知部
51:分岐条件テーブル
52:モデルパラメータテーブル
53:演算部
50:AGV
57:コンピュータ
60:分類システム
61:入力端末
62:出力端末
63:リハビリ実施者
64:観察者
66:学習部
67:動作判定部
65:データ記憶部
151:プロセッサ(CPU)
152:入力インタフェース
153:表示装置
154:通信装置
155:主記憶装置
156:外部記憶装置
157:バス
170:コンピュータ装置
Claims (25)
- 観測対象から得られた時系列データに含まれる第1時刻のデータに基づいて、前記第1時刻の前記観測対象の状態を推定する推定部
を備えた情報処理装置。 - 前記時系列データは、前記観測対象の動きの時系列データである
請求項1に記載の情報処理装置。 - 前記推定部は、前記時系列データにおける前記第1時刻を含む時間区間に基づいて、前記観測対象の状態を推定する
請求項1又は2に記載の情報処理装置。 - 前記推定部は、前記第1時刻を含む前記時間区間に対応づけられた分類モデルを用いて前記観測対象の状態を推定する
請求項3に記載の情報処理装置。 - 前記分類モデルは、前記観測対象から得られたデータが割り当てられる変数と、前記観測対象の状態を表す値とを対応づけており、
前記推定部は、前記分類モデルと、前記第1時刻の前記データとに基づいて前記観測対象の状態を推定する
請求項4に記載の情報処理装置。 - 前記推定部は、前記第1時刻の状態のクラスを判定する
請求項4又は5に記載の情報処理装置。 - 前記クラスは、前記第1時刻の状態が正しい第1クラス又は前記第1時刻の状態が誤っている第2クラスである
請求項6に記載の情報処理装置。 - 前記時系列データは、少なくとも1つの第1時間区間と、少なくとも1つの第2時間区間とを含み、
前記推定部は、前記第1時刻が前記第1時間区間に含まれる場合に前記観測対象の状態の推定を行う
請求項6又は7に記載の情報処理装置。 - 前記推定部は、前記第1時刻が前記第2時間区間に含まれる場合に前記観測対象の状態の推定を行わない
請求項8に記載の情報処理装置。 - 前記時系列データは、複数の前記第1時間区間を含み、
複数の前記第1時間区間に、複数の前記分類モデルが対応づいており、
前記推定部は、前記第1時刻を含む前記第1時間区間に対応する前記分類モデルを用いて、前記観測対象の状態の推定を行う
請求項8又は9に記載の情報処理装置。 - 前記第2時間区間に、前記分類モデルが対応づいており、
前記第1時間区間は、前記分類モデルの識別性能が高い時間区間であり、
前記第2時間区間は、前記分類モデルの識別性能が低い時間区間である
請求項10に記載の情報処理装置。 - 複数の時系列データと、前記複数の時系列データに割り当てられた複数のクラスとに基づいて、前記第1時間区間の推定と、前記分類モデルの生成とを行う
請求項8〜11のいずれか一項に記載の情報処理装置。 - 複数のノードと、時刻に関する分岐条件と、前記複数のノードのうち複数の末端ノードに対応づいた複数の前記分類モデルと、を含むモデル木を備え、
前記推定部は、前記第1時刻と前記モデル木を用いて、前記観測対象の状態の推定に用いる前記分類モデルを推定する
請求項10又は11のいずれか一項に記載の情報処理装置。 - 複数の時系列データと、前記複数の時系列データに割り当てられた複数のクラスとに基づいて、前記モデル木を生成又は更新する
請求項13に記載の情報処理装置。 - 前記時系列データを取得するデータ取得部
を備えた請求項1〜14のいずれか一項に記載の情報処理装置。 - 前記観測対象の状態は、前記観測対象の動きである
請求項2〜14のいずれか一項に記載の情報処理装置。 - 前記観測対象の動きは、人間のリハビリテーション動作である
請求項16に記載の情報処理装置。 - 前記観測対象の動きは、移動体の移動である
請求項16に記載の情報処理装置。 - 前記時系列データは、前記観測対象の動きの軌跡データである
請求項1〜18のいずれか一項に記載の情報処理装置。 - 前記観測対象は、需要量である
請求項1〜16のいずれか一項に記載の情報処理装置。 - 前記観測対象に設置されたセンサ部から前記時系列データを取得するデータ取得部
を備えた請求項1〜20のいずれか一項に記載の情報処理装置。 - 前記観測対象の状態を推定することは、前記観測対象の状態を正誤判定することである
請求項1〜21のいずれか一項に記載の情報処理装置。 - コンピュータが
観測対象から得られた時系列データに含まれる第1時刻のデータに基づいて、前記第1時刻の前記観測対象の状態を推定する、
情報処理方法。 - 観測対象から得られた時系列データに含まれる第1時刻のデータに基づいて、前記第1時刻の前記観測対象の状態を推定するステップ
をコンピュータに実行させるためのコンピュータプログラム。 - 観測対象から得られた時系列データに含まれる第1時刻のデータに基づいて推定した、前記第1時刻の前記観測対象の状態を表示する情報処理装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020000550A JP7244443B2 (ja) | 2020-01-06 | 2020-01-06 | 情報処理装置、情報処理方法及びコンピュータプログラム |
US17/015,279 US11874854B2 (en) | 2020-01-06 | 2020-09-09 | Information processing apparatus, information processing method, and computer program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020000550A JP7244443B2 (ja) | 2020-01-06 | 2020-01-06 | 情報処理装置、情報処理方法及びコンピュータプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021110987A true JP2021110987A (ja) | 2021-08-02 |
JP7244443B2 JP7244443B2 (ja) | 2023-03-22 |
Family
ID=76654353
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020000550A Active JP7244443B2 (ja) | 2020-01-06 | 2020-01-06 | 情報処理装置、情報処理方法及びコンピュータプログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US11874854B2 (ja) |
JP (1) | JP7244443B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021116899A1 (en) * | 2019-12-13 | 2021-06-17 | Marvell Asia Pte Ltd. | Automotive data processing system with efficient generation and exporting of metadata |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019066989A (ja) * | 2017-09-29 | 2019-04-25 | 三菱重工業株式会社 | 評価システム、評価方法及びプログラム |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011036809A1 (ja) | 2009-09-28 | 2011-03-31 | 株式会社 東芝 | 異常判定システムおよびその方法 |
CN103429150B (zh) | 2011-03-11 | 2016-03-16 | 皇家飞利浦有限公司 | 用于监测生理信号的监测装置 |
JP6181360B2 (ja) | 2012-08-30 | 2017-08-16 | アクセンチュア グローバル サービシズ リミテッド | マーケティング装置、マーケティング方法、プログラム、及び記録媒体 |
US10136249B2 (en) | 2015-07-24 | 2018-11-20 | Hitachi, Ltd. | Information distribution apparatus and method |
JP2017055913A (ja) | 2015-09-15 | 2017-03-23 | 株式会社東芝 | 動作フォーム判定装置、判定方法、判定プログラム、判定システム |
US11093819B1 (en) * | 2016-12-16 | 2021-08-17 | Waymo Llc | Classifying objects using recurrent neural network and classifier neural network subsystems |
JP6875179B2 (ja) * | 2017-04-07 | 2021-05-19 | 株式会社日立製作所 | システム分析装置、及びシステム分析方法 |
US11386274B2 (en) * | 2017-05-10 | 2022-07-12 | Oracle International Corporation | Using communicative discourse trees to detect distributed incompetence |
CN111247565B (zh) * | 2017-09-06 | 2022-06-03 | 瑞士再保险有限公司 | 用于移动远程信息处理装置的电子日志记录和跟踪检测系统及其对应方法 |
US20190042956A1 (en) * | 2018-02-09 | 2019-02-07 | Intel Corporation | Automatic configurable sequence similarity inference system |
US10965562B2 (en) * | 2018-05-07 | 2021-03-30 | Cisco Technology, Inc. | Dynamically adjusting prediction ranges in a network assurance system |
US20200166909A1 (en) * | 2018-11-20 | 2020-05-28 | Relativity Space, Inc. | Real-time adaptive control of manufacturing processes using machine learning |
US11635764B2 (en) * | 2019-02-22 | 2023-04-25 | Uatc, Llc. | Motion prediction for autonomous devices |
US11548533B2 (en) * | 2019-03-23 | 2023-01-10 | Uatc, Llc | Perception and motion prediction for autonomous devices |
US20200342968A1 (en) * | 2019-04-24 | 2020-10-29 | GE Precision Healthcare LLC | Visualization of medical device event processing |
US11714658B2 (en) * | 2019-08-30 | 2023-08-01 | Microstrategy Incorporated | Automated idle environment shutdown |
US10998101B1 (en) * | 2019-12-15 | 2021-05-04 | Bao Tran | Health management |
-
2020
- 2020-01-06 JP JP2020000550A patent/JP7244443B2/ja active Active
- 2020-09-09 US US17/015,279 patent/US11874854B2/en active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019066989A (ja) * | 2017-09-29 | 2019-04-25 | 三菱重工業株式会社 | 評価システム、評価方法及びプログラム |
Non-Patent Citations (1)
Title |
---|
高 明淑 ほか: "「決定木に基づく在宅リハビリ実施支援システムの提案 −サンディング動作を対象とした検討−」", 電気学会論文誌C 電子・情報・システム部門誌, vol. 第139巻, 第7号, JPN6022035148, 1 July 2019 (2019-07-01), pages 766 - 773, ISSN: 0004854087 * |
Also Published As
Publication number | Publication date |
---|---|
US11874854B2 (en) | 2024-01-16 |
US20210209132A1 (en) | 2021-07-08 |
JP7244443B2 (ja) | 2023-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11403526B2 (en) | Decision making for autonomous vehicle motion control | |
EP3035314B1 (en) | A traffic data fusion system and the related method for providing a traffic state for a network of roads | |
Gillani et al. | Unpacking the “Black Box” of AI in education | |
WO2021130926A1 (ja) | 人流予測装置、人流予測方法、及び人流予測プログラム | |
Liu et al. | Understanding sequential decisions via inverse reinforcement learning | |
ChikkaKrishna et al. | Short-term traffic prediction using fb-prophet and neural-prophet | |
CN113253709B (zh) | 一种适用于轨道交通车辆健康诊断方法及装置 | |
JP7244443B2 (ja) | 情報処理装置、情報処理方法及びコンピュータプログラム | |
Al-Tameemi et al. | Predictive learning analytics in higher education: Factors, methods and challenges | |
CN114495486B (zh) | 一种基于层次强化学习的微观交通流预测系统及方法 | |
Mathibela et al. | Can priors be trusted? learning to anticipate roadworks | |
Papathanasopoulou et al. | Flexible car-following models incorporating information from adjacent lanes | |
JP7214672B2 (ja) | 情報処理装置、情報処理方法及びコンピュータプログラム | |
Mazurenko et al. | Development of intelligent traffic control system project | |
JP2022026378A (ja) | 車両事故予測システム、車両事故予測方法、車両事故予測プログラム、及び、学習済みモデル生成システム | |
WO2023032251A1 (ja) | 情報処理装置、情報処理方法、プログラムおよび移動体 | |
CN117476250B (zh) | 基于多目标跟踪的流行病调查预测方法、装置及可读介质 | |
CN118071040B (zh) | 一种公路施工的安全检查评价方法及系统 | |
Lyubchenko et al. | Any Logic-Based Analysis of Maintenance Efficiency of Aging Railway Telecommunication Equipment | |
Williams | A Framework for Real-Time Bus Travel Time Prediction with Reliability Sensitivity | |
Anderson | Interpretable and Realtime Predictions of Social Interactions for Autonomous Vehicles | |
Shapouri | UNDERSTANDING AND MODELING DRIVERS’EN-ROUTE DIVERSION BEHAVIOR DURING CONGESTION | |
Ye | Vision-Guided Policy Learning for Complex Tasks | |
Motamedidehkordi | Data-driven Modeling of Lane Changing on Freeways: Application for Automated Vehicles in Mixed-traffic | |
Li | Uncertainty Quantification and Predictability Analysis for Traffic Forecasting at Multiple Scales |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210910 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220729 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220823 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221019 |
|
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: 20230210 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230309 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7244443 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |