JP5791563B2 - Data processing apparatus and program - Google Patents

Data processing apparatus and program Download PDF

Info

Publication number
JP5791563B2
JP5791563B2 JP2012111497A JP2012111497A JP5791563B2 JP 5791563 B2 JP5791563 B2 JP 5791563B2 JP 2012111497 A JP2012111497 A JP 2012111497A JP 2012111497 A JP2012111497 A JP 2012111497A JP 5791563 B2 JP5791563 B2 JP 5791563B2
Authority
JP
Japan
Prior art keywords
time
data
series data
time series
interpolation
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.)
Active
Application number
JP2012111497A
Other languages
Japanese (ja)
Other versions
JP2013239013A (en
Inventor
米山　純一
純一 米山
北上　眞二
眞二 北上
誠 今村
誠 今村
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.)
Mitsubishi Electric Corp
Mitsubishi Electric Building Techno-Service Co Ltd
Original Assignee
Mitsubishi Electric Corp
Mitsubishi Electric Building Techno-Service Co Ltd
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 Mitsubishi Electric Corp, Mitsubishi Electric Building Techno-Service Co Ltd filed Critical Mitsubishi Electric Corp
Priority to JP2012111497A priority Critical patent/JP5791563B2/en
Publication of JP2013239013A publication Critical patent/JP2013239013A/en
Application granted granted Critical
Publication of JP5791563B2 publication Critical patent/JP5791563B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Testing And Monitoring For Control Systems (AREA)
  • Complex Calculations (AREA)

Description

本発明は、センサ等によって取得されたデータを処理するデータ処理装置及びプログラムに関する。   The present invention relates to a data processing apparatus and a program for processing data acquired by a sensor or the like.

例えばビルやプラント等の建物に各種センサを設置して時系列に沿ったデータを取得し、当該時系列に沿ったデータを用いることで設備の診断や省エネに向けた分析等を行っている。例えば、複数のデータの和や差や積等を求めたり、複数のデータを比較したりすることが考えられる。ところが、サンプリング周期がそれぞれ異なる複数のデータについては、和や差や比較等の演算を行うことができないため、そのような演算を行う前に、複数のデータのサンプリング周期を一致させて同じタイミングにおける値を補間処理によって求める必要がある。   For example, various sensors are installed in a building such as a building or a plant to acquire data along a time series, and use the data along the time series to perform diagnosis of equipment or analysis for energy saving. For example, it is conceivable to obtain the sum, difference, product, etc. of a plurality of data, or to compare a plurality of data. However, operations such as sum, difference, and comparison cannot be performed for a plurality of pieces of data with different sampling periods. Therefore, before performing such calculations, the sampling periods of the plurality of data are made to coincide with each other at the same timing. The value needs to be obtained by interpolation processing.

例えば下記の特許文献１には、あるサンプリング周期で得られた信号について、任意の時刻での信号値を補間処理によって推定するインターポーレータが開示されている。また、下記の特許文献２には、入力サンプル列を非同期の出力サンプル列に変換するためのサンプリング周波数変換器が開示されている。また、下記の特許文献３には、動きベクトル推定のために必要な情報を入力ストリームから取り出し、フレーム補間処理を行う動画像復号装置が開示されている。   For example, Patent Document 1 below discloses an interpolator that estimates a signal value at an arbitrary time by interpolation processing for a signal obtained at a certain sampling period. Patent Document 2 below discloses a sampling frequency converter for converting an input sample sequence into an asynchronous output sample sequence. Patent Document 3 below discloses a moving picture decoding apparatus that extracts information necessary for motion vector estimation from an input stream and performs frame interpolation processing.

特許第４２４９４２５号Japanese Patent No. 4249425 特開平５−２３５６９８号公報JP-A-5-235698 特開２００６−２７９９１７号公報JP 2006-279917 A

ところで、ビルやプラント等の建物では様々な種類のデータが取得されるため、そのデータの種別に適した補間処理を行う必要がある。例えば、ビルやプラント等の建物に設置されているセンサには、温度センサや湿度センサ等のように瞬間的な値を計測するセンサもあれば、各種のイベントの発生回数を計測するセンサや電力量計等のように、ある時間幅における値の総和を計測するセンサもある。このように、ビルやプラント等の建物には様々な種類のセンサが設置されており、データの種別によってデータの意味する内容が異なるため、データの種別に適した補間処理を行う必要がある。しかしながら、上述した従来技術においては、データの種別を考慮に入れて補間処理を行っているわけではないため、和や差や比較等の演算に適した値が補間処理によって得られるとは限らない。   By the way, since various types of data are acquired in buildings such as buildings and plants, it is necessary to perform an interpolation process suitable for the type of the data. For example, some sensors installed in buildings such as buildings and plants include sensors that measure instantaneous values, such as temperature sensors and humidity sensors, and sensors and power that measure the number of occurrences of various events. Some sensors, such as a quantity meter, measure the sum of values in a certain time width. As described above, various types of sensors are installed in buildings such as buildings and plants, and the meaning of the data differs depending on the type of data. Therefore, it is necessary to perform an interpolation process suitable for the type of data. However, in the above-described conventional technology, interpolation processing is not performed in consideration of the type of data, and therefore, values suitable for calculations such as sum, difference, and comparison are not always obtained by interpolation processing. .

本発明の目的は、データの種別に適した補間処理を時系列に沿ったデータに施すことで、時系列に沿ったデータから任意の時間におけるデータを求めることが可能なデータ処理装置及びプログラムを提供することである。   An object of the present invention is to provide a data processing apparatus and program capable of obtaining data at an arbitrary time from data along a time series by performing interpolation processing suitable for the type of data on the data along the time series. Is to provide.

請求項１に係る発明は、センサによって時系列に沿って取得された時系列データを受け、前記時系列データのサンプリング時間間隔を取得する時間間隔取得手段と、各サンプリング区間の平均値が変わらないような補間処理をして前記時系列データから任意の時間におけるデータを求める第１の補間処理、又は、各サンプリング区間の総和が変わらないような補間処理をして前記時系列データから任意の時間におけるデータを求める第２の補間処理のいずれかを、前記時系列データの種別に応じて選択して前記時系列データに施すことで、前記時系列データから任意の時間におけるデータを求める補間処理手段と、を有することを特徴とするデータ処理装置である。 The invention according to claim 1 is the time interval acquisition means for receiving the time series data acquired along the time series by the sensor and acquiring the sampling time interval of the time series data, and the average value of each sampling section does not change. The first interpolation process for obtaining data at an arbitrary time from the time series data by performing such an interpolation process , or the interpolation process such that the total sum of each sampling interval does not change and the arbitrary time from the time series data Interpolation processing means for obtaining data at an arbitrary time from the time series data by selecting any one of the second interpolation processes for obtaining the data in accordance with the type of the time series data and applying it to the time series data And a data processing device characterized by comprising:

請求項２に係る発明は、請求項１に係るデータ処理装置であって、前記補間処理手段は、前記時系列データが瞬間的なタイミングごとに前記センサによって取得された値である場合、前記時系列データに前記第１の補間処理を施すことで前記時系列データから任意の時間におけるデータを求める、ことを特徴とする。   The invention according to claim 2 is the data processing device according to claim 1, wherein the interpolation processing means is configured to perform the time when the time-series data is a value acquired by the sensor at each instantaneous timing. Data at an arbitrary time is obtained from the time series data by performing the first interpolation processing on the series data.

請求項３に係る発明は、請求項１又は請求項２に係るデータ処理装置であって、前記第１の補間処理は、線形補間処理、高次関数を用いた補間処理又は周期関数を用いた補間処理のいずれかである、ことを特徴とする。   The invention according to claim 3 is the data processing apparatus according to claim 1 or claim 2, wherein the first interpolation process uses a linear interpolation process, an interpolation process using a higher-order function, or a periodic function. It is one of interpolation processes.

請求項４に係る発明は、請求項１から請求項３のいずれか一項に係るデータ処理装置であって、前記補間処理手段は、前記時系列データが、ある時間帯に前記センサによって取得された値の総和である場合、前記時系列データに前記第２の補間処理を施すことで前記時系列データから前記時間帯内の任意の時間におけるデータを求める、ことを特徴とする。   The invention according to claim 4 is the data processing device according to any one of claims 1 to 3, wherein the interpolation processing means acquires the time-series data by the sensor in a certain time zone. In the case of the total sum of the values, data at an arbitrary time within the time zone is obtained from the time series data by performing the second interpolation processing on the time series data.

請求項５に係る発明は、請求項４に係るデータ処理装置であって、前記補間処理手段は、前記第２の補間処理として、前記時系列データの総和が変わらないように前記時系列データの値を前記時間帯に分配することで、前記時間帯内の任意の時間におけるデータを求める、ことを特徴とする。   The invention according to claim 5 is the data processing device according to claim 4, wherein the interpolation processing means performs the second series of interpolation so that the sum of the time series data does not change as the second interpolation processing. By distributing the value to the time zone, data at an arbitrary time within the time zone is obtained.

請求項６に係る発明は、請求項５に係るデータ処理装置であって、前記補間処理手段は、前記時系列データの総和が変わらないように前記時間帯の長さに応じた割合で前記時系列データの値を前記時間帯に分配することで、前記時間帯内の任意の時間におけるデータを求める、ことを特徴とする。   The invention according to claim 6 is the data processing device according to claim 5, wherein the interpolation processing means performs the time at a rate corresponding to the length of the time period so that the sum of the time series data does not change. By distributing the value of the series data to the time zone, data at an arbitrary time within the time zone is obtained.

請求項７に係る発明は、請求項１から請求項６のいずれか一項に係るデータ処理装置であって、前記時間間隔取得手段は、サンプリング時間間隔が互いに異なる複数の時系列データを受け、前記複数の時系列データのそれぞれのサンプリング時間間隔を取得し、前記補間処理手段は、前記複数の時系列データのそれぞれに前記第１の補間処理又は前記第２の補間処理を施すことで、前記複数の時系列データのそれぞれのサンプリング時間間隔を一致させて前記複数の時系列データのそれぞれから同じ時間におけるデータを求める、ことを特徴とする。   The invention according to claim 7 is the data processing device according to any one of claims 1 to 6, wherein the time interval acquisition means receives a plurality of time-series data having different sampling time intervals, The sampling time interval of each of the plurality of time series data is acquired, and the interpolation processing means performs the first interpolation processing or the second interpolation processing on each of the plurality of time series data, Data at the same time is obtained from each of the plurality of time series data by matching the sampling time intervals of the plurality of time series data.

請求項８に係る発明は、コンピュータに、センサによって時系列に沿って取得された時系列データを受け、前記時系列データのサンプリング時間間隔を取得する第１のステップと、各サンプリング区間の平均値が変わらないような補間処理をして前記時系列データから任意の時間におけるデータを求める第１の補間処理、又は、各サンプリング区間の総和が変わらないような補間処理をして前記時系列データから任意の時間におけるデータを求める第２の補間処理のいずれかを、前記時系列データの種別に応じて選択して前記時系列データに施すことで、前記時系列データから任意の時間におけるデータを求める第２のステップと、を実行させることを特徴とするプログラムである。 The invention according to claim 8 is a first step of receiving time series data obtained along a time series by a sensor and obtaining a sampling time interval of the time series data, and an average value of each sampling section. From the time series data, the first interpolation process for obtaining data at an arbitrary time from the time series data by performing an interpolation process that does not change , or the interpolation process that does not change the total sum of each sampling interval Any one of the second interpolation processes for obtaining data at an arbitrary time is selected according to the type of the time series data and applied to the time series data, thereby obtaining data at an arbitrary time from the time series data. A program characterized in that the second step is executed.

本発明によると、時系列データの種別に応じた補間処理を時系列データに施すことで、時系列データの種別に適した補間処理によって、時系列データから任意の時間におけるデータを求めることが可能となる。   According to the present invention, by performing interpolation processing according to the type of time-series data on the time-series data, it is possible to obtain data at an arbitrary time from the time-series data by interpolation processing suitable for the type of time-series data It becomes.

本発明の実施形態に係るデータ処理装置を示すブロック図である。It is a block diagram which shows the data processor which concerns on embodiment of this invention. データ種別と補間方式との対応関係を示す表である。It is a table | surface which shows the correspondence of a data classification and an interpolation method. 本実施形態に係るデータ処理装置の動作例１を説明するための表である。It is a table | surface for demonstrating the operation example 1 of the data processor which concerns on this embodiment. サンプリング時間間隔を示す図である。It is a figure which shows a sampling time interval. 平均保存補間処理を説明するためのグラフである。It is a graph for demonstrating an average preservation | save interpolation process. 本実施形態に係るデータ処理装置の動作例２を説明するための表である。It is a table | surface for demonstrating the operation example 2 of the data processor which concerns on this embodiment. 和保存補間処理を説明するためのグラフである。It is a graph for demonstrating sum preservation | save interpolation processing. 本実施形態に係るデータ処理装置の動作例３を説明するための表である。It is a table | surface for demonstrating the operation example 3 of the data processor which concerns on this embodiment. 和保存補間処理を説明するためのグラフである。It is a graph for demonstrating sum preservation | save interpolation processing.

図１を参照して、本発明の実施形態に係るデータ処理装置について説明する。本実施形態に係るデータ処理装置１は、例えばビルやプラント等の建物に設置されたセンサ１０によって時系列に沿って取得されたデータを受け、時系列に沿ったデータ（以下、「時系列データ」と称する）に補間処理を施すことで、任意の時間におけるデータを求める。データ処理装置１は、時間間隔取得部２と、補間処理部３と、対応情報記憶部４と、補間ライブラリ５とを備えている。   A data processing apparatus according to an embodiment of the present invention will be described with reference to FIG. The data processing apparatus 1 according to the present embodiment receives data acquired in time series by a sensor 10 installed in a building such as a building or a plant, for example, and receives data in time series (hereinafter referred to as “time series data”). The data at an arbitrary time is obtained by performing an interpolation process. The data processing device 1 includes a time interval acquisition unit 2, an interpolation processing unit 3, a correspondence information storage unit 4, and an interpolation library 5.

センサ１０は、瞬間的な値を計測するセンサであってもよいし、ある時間幅（時間帯）における値の総和を計測するセンサであってもよい。センサ１０は、一例として、ビルやプラント等の建物にて消費された電力量を計測する電力量計、室内又は室外の温度を計測する温度センサ、室内又は室外の湿度を計測する湿度センサ、電圧センサ、電流センサ、建物の内部や外部にて発生したイベントを検出して信号を出力するセンサ、売り上げの総和を求める機器等が該当する。例えば、イベントを検出するセンサは、警報スイッチが押されたことを検出して検出信号を出力したり、建物内やエレベータ内での異常を検出して検出信号を出力したり、アラームを検出してアラームの発生回数を示す検出信号を出力したりする。温度センサ、湿度センサ、電圧センサ及び電流センサが、瞬間的な値を計測するセンサの一例に該当する。また、電力量計、イベントの発生回数を計測するセンサ及び売り上げの総和を求める機器等が、ある時間幅における値の総和を計測するセンサの一例に該当する。なお、上述したセンサ１０は一例であり、上述したセンサ１０以外のセンサを用いてデータを取得してもよい。センサ１０は、例えば一定のサンプリング周期に従ってデータを取得し、時系列に沿ったデータを出力してもよいし、イベントが発生するたびに当該イベントが発生したことを示すデータを出力してもよい。一例として、温度センサとしてのセンサ１０は、一定のサンプリング周期に従って温度を検出してデータを出力する。また、電力量計としてのセンサ１０は、消費された電力量の総和を一定のサンプリング周期に従って検出してデータを出力してもよいし、消費された電力量が所定の値になる度に信号を出力してもよい。センサ１０は、データが取得された時間（例えば日時や時刻等）を示す時間情報とデータの種別を示す種別情報（例えばＩＤ）とをデータに付帯させ、時間情報と種別情報とが付帯されたデータを出力する。なお、データの種別を示す種別情報は、当該データを取得したセンサ１０を識別するための機器情報（例えば機器ＩＤ）であってもよい。   The sensor 10 may be a sensor that measures instantaneous values, or may be a sensor that measures the sum of values in a certain time width (time zone). As an example, the sensor 10 includes a watt-hour meter that measures the amount of power consumed in a building such as a building or a plant, a temperature sensor that measures indoor or outdoor temperature, a humidity sensor that measures indoor or outdoor humidity, and a voltage. Sensors, current sensors, sensors that detect events that occur inside or outside the building and output signals, and devices that calculate the sum of sales. For example, a sensor that detects an event detects that an alarm switch has been pressed and outputs a detection signal, detects an abnormality in a building or an elevator, outputs a detection signal, or detects an alarm. Output a detection signal indicating the number of occurrences of the alarm. A temperature sensor, a humidity sensor, a voltage sensor, and a current sensor correspond to examples of sensors that measure instantaneous values. An watt-hour meter, a sensor that measures the number of occurrences of an event, and a device that calculates the sum of sales correspond to an example of a sensor that measures the sum of values in a certain time width. The sensor 10 described above is an example, and data may be acquired using a sensor other than the sensor 10 described above. For example, the sensor 10 may acquire data according to a certain sampling cycle, and may output data in time series, or may output data indicating that the event has occurred every time an event occurs. . As an example, the sensor 10 as a temperature sensor detects temperature according to a certain sampling period and outputs data. The sensor 10 as an watt-hour meter may output data by detecting the sum of consumed power according to a certain sampling cycle, or a signal every time the consumed power reaches a predetermined value. May be output. The sensor 10 attaches to the data time information indicating the time when the data was acquired (for example, date and time) and type information (for example, ID) indicating the type of the data, and the time information and the type information are attached. Output data. Note that the type information indicating the type of data may be device information (for example, device ID) for identifying the sensor 10 that acquired the data.

例えば、センサ１０によって取得された時系列データは図示しないデータベース（記憶装置）に格納され、和や差や比較等の演算を行う場合に、当該データベースから時系列データが取得されて演算部６に出力される。時系列データをデータベースに格納する前に、データ処理装置１がセンサ１０から時系列データを受けて処理を行い、処理後の時系列データをデータベースに格納するようにしてもよいし、センサ１０によって取得された時系列データをデータベースに格納し、データ処理装置１がデータベースから時系列データを取得して処理を行い、処理後の時系列データを演算部６に出力するようにしてもよい。または、センサ１０によって取得された時系列データをデータベースに格納せずに、データ処理装置１がセンサ１０から時系列データを受けて処理を行い、処理後の時系列データを演算部６に出力するようにしてもよい。   For example, the time-series data acquired by the sensor 10 is stored in a database (storage device) (not shown), and when performing calculations such as sum, difference, and comparison, the time-series data is acquired from the database and sent to the calculation unit 6. Is output. Before the time series data is stored in the database, the data processing device 1 may receive and process the time series data from the sensor 10 and store the processed time series data in the database. The acquired time-series data may be stored in a database, and the data processing apparatus 1 may acquire the time-series data from the database, perform the processing, and output the processed time-series data to the calculation unit 6. Alternatively, without storing the time series data acquired by the sensor 10 in the database, the data processing device 1 receives the time series data from the sensor 10 and performs processing, and outputs the processed time series data to the calculation unit 6. You may do it.

時間間隔取得部２は、センサ１０によって取得された時系列データを受け、当該時系列データのサンプリング時間間隔を取得し、サンプリング時間間隔を示す時間間隔情報が付帯された時系列データを出力する。一例として、時間間隔取得部２は、時系列データＡ，Ｂを受け、時系列データＡ，Ｂのそれぞれのサンプリング時間間隔を取得し、サンプリング時間間隔を示す時間間隔情報を時系列データＡ，Ｂのそれぞれに付帯させ、時間間隔情報が付帯された時系列データＡ、Ｂを出力する。なお、サンプリング時間間隔は一定であってもよいし、一定でなくてもよい。すなわち、本実施形態に係るデータ処理装置１が対象とする時系列データは、一定のサンプリング周期で取得されたデータであってもよいし、サンプリングの時間間隔が一定とならないデータであってもよい。   The time interval acquisition unit 2 receives the time series data acquired by the sensor 10, acquires a sampling time interval of the time series data, and outputs time series data with time interval information indicating the sampling time interval. As an example, the time interval acquisition unit 2 receives the time series data A and B, acquires the sampling time intervals of the time series data A and B, and sets time interval information indicating the sampling time intervals as the time series data A and B. And time-series data A and B with time interval information attached are output. Note that the sampling time interval may be constant or may not be constant. That is, the time-series data targeted by the data processing apparatus 1 according to the present embodiment may be data acquired at a constant sampling period, or data that does not have a constant sampling time interval. .

補間処理部３は、時系列データの種別に応じた補間方式に従って当該時系列データに補間処理を施すことで、任意の時間におけるデータを求める。例えば、補間処理部３は、複数の時系列データのそれぞれに補間処理を施すことで、複数の時系列データのそれぞれのサンプリング時間間隔を一致させ、複数の時系列データのそれぞれから同じ時間におけるデータを求める。そして、補間処理部３は、複数の時系列データを含む合成データを生成し、当該合成データを出力する。図１に示す例では、補間処理部３は、時系列データＡ，Ｂのそれぞれに補間処理を施すことで、時系列データＡ，Ｂのそれぞれのサンプリングの時間間隔を一致させ、時系列データＡ，Ｂのそれぞれから同じ時間におけるデータを求める。そして、補間処理部３は、時系列データＡ，Ｂを含む合成データを生成し、当該合成データを出力する。   The interpolation processing unit 3 obtains data at an arbitrary time by performing interpolation processing on the time series data according to an interpolation method corresponding to the type of time series data. For example, the interpolation processing unit 3 performs interpolation processing on each of the plurality of time-series data, thereby matching the sampling time intervals of the plurality of time-series data, and data at the same time from each of the plurality of time-series data. Ask for. And the interpolation process part 3 produces | generates the synthetic | combination data containing several time series data, and outputs the said synthetic | combination data. In the example illustrated in FIG. 1, the interpolation processing unit 3 performs interpolation processing on each of the time series data A and B so that the sampling time intervals of the time series data A and B coincide with each other. , B, the data at the same time is obtained. And the interpolation process part 3 produces | generates the synthetic data containing the time series data A and B, and outputs the said synthetic data.

対応情報記憶部４は、データの種別と補間方式との対応関係を示す情報を記憶する。例えば図２に示す表のように、データの種別と補間方式とが対応付けられている。一例として、温度、湿度及び電圧値等のように瞬間的な値を示すデータには平均保存補間処理が対応付けられ、イベント回数や売上高等のようにある時間幅における値の総和を示すデータには和保存補間処理が対応付けられている。平均保存補間処理は、時系列データの平均値が変化しないようにサンプリング時間間隔を調整して時系列データから任意の時間におけるデータを求める処理である。和保存補間処理は、時系列データの総和が変化しないようにサンプリング時間間隔を調整して時系列データから任意の時間におけるデータを求める処理である。   The correspondence information storage unit 4 stores information indicating the correspondence between the data type and the interpolation method. For example, as shown in the table of FIG. 2, the data type and the interpolation method are associated with each other. As an example, data indicating instantaneous values such as temperature, humidity, and voltage values are associated with average storage interpolation processing, and data indicating the sum of values in a certain time width such as the number of events, sales, etc. Is associated with sum-preserving interpolation processing. The average storage interpolation process is a process for obtaining data at an arbitrary time from the time series data by adjusting the sampling time interval so that the average value of the time series data does not change. The sum-preserving interpolation process is a process for obtaining data at an arbitrary time from the time series data by adjusting the sampling time interval so that the total sum of the time series data does not change.

補間ライブラリ５は、補間処理を実行するための補間処理プログラムを記憶する記憶装置である。例えば図１に示すように、補間ライブラリ５は、平均保存補間処理を実行するための平均保存補間プログラムと、和保存補間処理を実行するための和保存補間プログラムとを記憶する。平均保存補間処理には、一例として、多項式を用いた補間処理と三角関数等の周期関数を用いた補間処理とが含まれ、多項式を用いた補間処理を実行するための多項式補間プログラムと、周期関数を用いた補間処理を実行するための周期関数補間プログラムとが、補間ライブラリ５に記憶されている。なお、多項式を用いた補間処理の一例として、線形補間処理や高次関数を用いた補間処理等が挙げられる。また、和保存補間処理には、一例として、等分配補間処理と中央補間処理とが含まれ、等分配補間処理を実行するための等分配補間プログラムと中央補間プログラムとが補間ライブラリ５に記憶されている。   The interpolation library 5 is a storage device that stores an interpolation processing program for executing the interpolation processing. For example, as illustrated in FIG. 1, the interpolation library 5 stores an average storage interpolation program for executing the average storage interpolation process and a sum storage interpolation program for executing the sum storage interpolation process. For example, the average storage interpolation process includes an interpolation process using a polynomial and an interpolation process using a periodic function such as a trigonometric function, and a polynomial interpolation program for executing the interpolation process using a polynomial, A periodic function interpolation program for executing an interpolation process using a function is stored in the interpolation library 5. Examples of interpolation processing using polynomials include linear interpolation processing and interpolation processing using higher order functions. Further, the sum storage interpolation process includes, for example, an equal distribution interpolation process and a central interpolation process, and an equal distribution interpolation program and a central interpolation program for executing the equal distribution interpolation process are stored in the interpolation library 5. ing.

補間処理部３は、時間間隔情報が付帯された時系列データを受け、データ種別と補間方式との対応関係を示す情報（例えば図２に示す表）を参照することで、当該時系列データに付帯されている種別情報が示すデータ種別に対応する補間方式を特定し、特定した補間方式の補間処理プログラムを選択して補間ライブラリ５から取得する。そして、補間処理部３は、補間ライブラリ５から取得した補間処理プログラムを実行することで、データの補間を行う。   The interpolation processing unit 3 receives the time series data with the time interval information attached thereto, and refers to information indicating the correspondence between the data type and the interpolation method (for example, the table shown in FIG. 2). An interpolation method corresponding to the data type indicated by the accompanying type information is specified, and an interpolation processing program of the specified interpolation method is selected and acquired from the interpolation library 5. The interpolation processing unit 3 performs data interpolation by executing the interpolation processing program acquired from the interpolation library 5.

例えば、時系列データＡ，Ｂが温度を示すデータである場合、補間処理部３は、平均保存補間処理を実行するための平均保存補間処理プログラムを選択して補間ライブラリ５から取得する。なお、補間処理部３は、平均保存補間処理に含まれる多項式補間処理及び周期間数補間処理のうち予め選択された補間処理を実行してもよいし、いずれか一方をデータ種別に応じて選択して実行するようにしてもよい。また、時系列データＡ，Ｂがイベント回数を示すデータである場合、補間処理部３は、和保存補間処理を実行するための和保存補間処理プログラムを選択して補間ライブラリ５から取得する。なお、補間処理部３は、和保存補間処理に含まれる等分配補間処理及び中央補間処理のうち予め選択された補間処理を実行してもよいし、いずれか一方をデータ種別に応じて選択して実行するようにしてもよい。なお、平均保存補間処理が第１の補間処理の一例に相当し、和保存補間処理が第２の補間処理の一例に相当する。   For example, when the time series data A and B are data indicating temperature, the interpolation processing unit 3 selects an average storage interpolation processing program for executing the average storage interpolation processing and acquires the average storage interpolation processing program from the interpolation library 5. The interpolation processing unit 3 may execute a pre-selected interpolation process among the polynomial interpolation process and the inter-cycle number interpolation process included in the average storage interpolation process, or select either one according to the data type. May be executed. When the time-series data A and B are data indicating the number of events, the interpolation processing unit 3 selects a sum storage interpolation processing program for executing the sum storage interpolation processing and acquires it from the interpolation library 5. The interpolation processing unit 3 may execute a preselected interpolation process among the equal distribution interpolation process and the central interpolation process included in the sum-preserving interpolation process, or select either one according to the data type. May be executed. The average storage interpolation process corresponds to an example of the first interpolation process, and the sum storage interpolation process corresponds to an example of the second interpolation process.

演算部６は合成データを受け、当該合成データに含まれる複数の時系列データを用いて和や差や積や比較等の演算を行い、演算結果を出力する。なお、演算部６はデータ処理装置１に含まれていてもよいし、データ処理装置１とは異なる装置に含まれていてもよい。   The arithmetic unit 6 receives the composite data, performs arithmetic operations such as sum, difference, product, and comparison using a plurality of time-series data included in the composite data, and outputs the operation result. Note that the arithmetic unit 6 may be included in the data processing device 1 or may be included in a device different from the data processing device 1.

（動作例１）
次に、図３から図５を参照して、データ処理装置１の動作例１について説明する。動作例１では、時系列データＡ，Ｂは温度を示すデータであり、時系列データＡ，Ｂはそれぞれ異なるサンプリング周期で取得されたデータである場合について説明する。図３の表１００に時系列データＡ（温度Ａ）を示し、表１１０に時系列データＢ（温度Ｂ）を示す。図３の表１００及び図４の時間間隔Ａに示すように、温度Ａは３分ごとに取得されたデータである。また、図３の表１１０及び図４の時間間隔Ｂに示すように、温度Ｂは２分ごとに取得されたデータである。このように、時系列データＡのサンプリング周期は３分であり、時系列データＢのサンプリング周期は２分である。 (Operation example 1)
Next, an operation example 1 of the data processing apparatus 1 will be described with reference to FIGS. In the operation example 1, the case where the time series data A and B are data indicating temperature and the time series data A and B are data acquired at different sampling periods will be described. 3 shows time series data A (temperature A), and table 110 shows time series data B (temperature B). As shown in the table 100 of FIG. 3 and the time interval A of FIG. 4, the temperature A is data acquired every 3 minutes. Further, as shown in the table 110 of FIG. 3 and the time interval B of FIG. 4, the temperature B is data acquired every two minutes. Thus, the sampling period of the time series data A is 3 minutes, and the sampling period of the time series data B is 2 minutes.

時間間隔取得部２は、時系列データＡのサンプリング周期を取得し、サンプリング周期を示す時間間隔情報が付帯された時系列データＡを出力する。同様に、時間間隔取得部２は、時系列データＢのサンプリング周期を取得し、サンプリング周期を示す時間間隔情報が付帯された時系列データＢを出力する。図３の表１２０に、サンプリング周期（３分）を示す時間間隔情報が付帯された時系列データＡの一例を示し、表１３０に、サンプリング周期（２分）を示す時間時間間隔が付帯された時系列データＢの一例を示す。   The time interval acquisition unit 2 acquires a sampling period of the time series data A, and outputs time series data A to which time interval information indicating the sampling period is attached. Similarly, the time interval acquisition unit 2 acquires the sampling period of the time series data B, and outputs the time series data B to which time interval information indicating the sampling period is attached. Table 120 in FIG. 3 shows an example of time-series data A to which time interval information indicating a sampling period (3 minutes) is attached, and Table 130 is attached to a time time interval indicating a sampling period (2 minutes). An example of time-series data B is shown.

補間処理部３は、データ種別と補間方式との対応関係を示す情報（例えば図２に示す表）を参照することで、時系列データＡ，Ｂに付帯されている種別情報が示すデータ種別に対応する補間方式を特定し、特定した補間方式の補間処理プログラムを選択して補間ライブラリ５から取得する。図３に示す例では、時系列データＡ，Ｂは温度を示すデータであるため、補間処理部３は、平均保存補間処理を実行するための平均補間処理プログラムを選択して補間ライブラリ５から取得する。そして、補間処理部３は、時系列データＡ，Ｂのそれぞれに平均保存補間処理を施すことで、時系列データＡ，Ｂのそれぞれのサンプリング時間間隔を一致させ、時系列データＡ，Ｂのそれぞれから同じ時間におけるデータを求める。例えば図４の時間間隔Ｃに示すように、時系列データＡが取得された時間と時系列データＢが取得された時間とを含む時間のうち、データが取得されていない時間における時系列データＡ，Ｂを補間処理によって求める。一例として、補間処理部３は、時間［００：００：００］、［００：０２：００］、［００：０３：００］、［００：０４：００］、［００：０６：００］、［００：０８：００］及び［００：０９：００］のうち、データが取得されていない時間における時系列データＡ，Ｂを補間によって求める。例えば、補間処理部３は、時間［００：０２：００］、［００：０４：００］及び［００：０８：００］における時系列データＡを補間処理によって求め、時間［００：０３：００］における時系列データＢを補間処理によって求める。なお、時系列データＡ，Ｂのそれぞれが取得された時間以外の任意の時間における時系列データＡ，Ｂを補間処理によって求めてもよい。例えば、時間［００：０５：００］等のように、時系列データＡ，Ｂのいずれもが取得されていない任意の時間における時系列データＡ，Ｂを補間処理によって求めてもよい。   The interpolation processing unit 3 refers to information (for example, the table shown in FIG. 2) indicating the correspondence between the data type and the interpolation method, so that the data type indicated by the type information attached to the time series data A and B is changed. A corresponding interpolation method is specified, and an interpolation processing program of the specified interpolation method is selected and acquired from the interpolation library 5. In the example shown in FIG. 3, since the time series data A and B are data indicating temperature, the interpolation processing unit 3 selects an average interpolation processing program for executing the average storage interpolation processing and acquires it from the interpolation library 5. To do. Then, the interpolation processing unit 3 applies the average storage interpolation processing to each of the time series data A and B, thereby matching the sampling time intervals of the time series data A and B, and thereby each of the time series data A and B. To obtain data at the same time. For example, as shown in a time interval C in FIG. 4, time-series data A at a time when data is not acquired out of the time including the time when the time-series data A is acquired and the time when the time-series data B is acquired. , B are obtained by interpolation processing. As an example, the interpolation processing unit 3 has the time [00:00:00], [00:02:00], [00:03:00], [00:04:00], [00:06:00], Of [00:08:00] and [00:09:00], time series data A and B at times when data is not acquired are obtained by interpolation. For example, the interpolation processing unit 3 obtains the time series data A at times [00:02:00], [00:04:00], and [00:08:00] by interpolation processing, and calculates the time [00:03:00]. ] Is obtained by interpolation processing. In addition, you may obtain | require the time series data A and B in arbitrary time other than the time when each of the time series data A and B was acquired by the interpolation process. For example, time series data A and B at an arbitrary time when neither of the time series data A and B is acquired, such as time [00:05:00], may be obtained by interpolation processing.

ここで、図５を参照して、平均保存補間処理のうち多項式補間処理の具体的な処理内容を説明する。図５（ａ）には時系列データＡのグラフが示されており、図５（ｂ）には時系列データＢのグラフが示されている。図５中、黒丸は各時間で実際に取得された温度を示している。多項式補間処理では、式［ｙ＝ａ０＋ａ１ｘ＋ａ２ｘ２＋・・・］に従って、任意の時間におけるデータを求める。例えば、０次関数を用いる場合、補間処理部３は、図５（ａ），（ｂ）において破線で示すように、補間対象の時間の直前の時間に取得されたデータを、補間対象の時間におけるデータとして用いる。例えば、補間処理部３は、時間［００：００：００］における時系列データＡの値（１．０）を、時間［００：０２：００］における値（図５（ａ）中の白い四角で示す値）として用いる。また、補間処理部３は、時間［００：０３：００］における時系列データＡの値（２．０）を、時間［００：０４：００］における値として用いる。また、補間処理部３は、時間［００：０６：００］における時系列データＡの値（３．０）を、時間［００：０８：００］における値として用いる。同様に、補間処理部３は、時間［００：０２：００］における時系列データＢの値（１１．００）を、時間［００：０３：００］における時系列データＢの値（図５（ｂ）中の白い四角で示す値）として用いる。このように、補間処理部３は、時系列データＡ，Ｂのそれぞれについて同じ時間におけるデータを補間処理によって求め、時系列データＡ，Ｂを含む合成データを生成する。図３の表１４０に、０次関数を用いた補間処理後の合成データを示す。図３の表１４０及び図４の時間間隔Ｃに示すように、温度Ａ，Ｂ（時系列データＡ，Ｂ）ともに、センサ１０によって取得されなかった時間におけるデータが補間処理によって求められている。すなわち、時系列データＡ，Ｂのそれぞれのサンプリング時間間隔が調整されて同じサンプリング時間間隔となり、同じサンプリング時間間隔におけるデータが求められている。 Here, with reference to FIG. 5, specific processing contents of the polynomial interpolation processing in the average storage interpolation processing will be described. FIG. 5A shows a graph of time-series data A, and FIG. 5B shows a graph of time-series data B. In FIG. 5, black circles indicate the temperatures actually acquired at each time. In the polynomial interpolation process, data at an arbitrary time is obtained according to the equation [y = a 0 + a 1 x + a 2 x 2 +...]. For example, when a zero-order function is used, the interpolation processing unit 3 uses the data acquired at the time immediately before the interpolation target time as shown by the broken lines in FIGS. 5A and 5B. Used as data in For example, the interpolation processing unit 3 changes the value (1.0) of the time series data A at time [00:00:00] to the value at time [00:02:00] (white square in FIG. 5A). Value). The interpolation processing unit 3 uses the value (2.0) of the time series data A at time [00:03:00] as the value at time [00:04:00]. The interpolation processing unit 3 uses the value (3.0) of the time series data A at time [00:06:00] as the value at time [00:08:00]. Similarly, the interpolation processing unit 3 converts the value of time series data B (11.00) at time [00:02:00] to the value of time series data B at time [00:03:00] (FIG. 5 ( b) The value indicated by the white square in the figure). In this manner, the interpolation processing unit 3 obtains data at the same time for each of the time series data A and B by the interpolation process, and generates synthesized data including the time series data A and B. Table 140 in FIG. 3 shows composite data after interpolation processing using a zero-order function. As shown in the table 140 of FIG. 3 and the time interval C of FIG. 4, the data at times not acquired by the sensor 10 are obtained by interpolation processing for both the temperatures A and B (time series data A and B). That is, the sampling time intervals of the time series data A and B are adjusted to be the same sampling time interval, and data at the same sampling time interval is obtained.

また、多項式補間処理において１次関数を用いる場合、補間処理部３は、線形補間を行うことでデータを補間する。補間処理部３は、図５（ａ），（ｂ）において実線で示すように、実際に取得された２つのデータ間を線形補間することで、当該２つのデータの間の任意の時間におけるデータを求める。例えば、補間処理部３は、時間［００：００：００］における時系列データＡの値（１．０）と時間［００：０３：００］における時系列データＡの値（２．０）との間を線形補間することで、時間［００：０２：００］における値（１．６６）（図５（ａ）中の黒い四角で示す値）を求める。また、補間処理部３は、時間［００：０３：００］における時系列データＡの値（２．０）と時間［００：０６：００］における時系列データＡの値（３．０）との間を線形補間することで、時間［００：０４：００］における値（２．３３）を求める。また、補間処理部３は、時間［００：０６：００］における時系列データＡの値（３．０）と時間［００：０９：００］における時系列データＡの値（４．０）との間を線形補間することで、時間［００：０８：００］における値（３．６６）を求める。同様に、補間処理部３は、時間［００：０２：００］における時系列データＢの値（１１．０）と時間［００：０４：００］における時系列データＢの値（１２．０）との間を線形補間することで、時間［００：０３：００］における値（１１．５０）（図５（ｂ）中の黒い四角で示す値）を求める。図５の表１４０の括弧内に、１次関数を用いた補間処理後のデータを示す。例えば時間［００：０２：００］における時系列データＡ（温度Ａ）は１．６６となり、時間［００：０４：００］における時系列データＡは２．３３となり、時間［００：０８：００］における時系列データＡは３．６６となる。また、時間［００：０３：００］における時系列データＢ（温度Ｂ）は１１．５０となる。このように、時系列データＡ，Ｂのそれぞれのサンプリング時間間隔が調整されて同じサンプリング時間間隔となり、同じサンプリング時間間隔におけるデータが求められる。   When a linear function is used in the polynomial interpolation process, the interpolation processing unit 3 interpolates data by performing linear interpolation. As shown by the solid line in FIGS. 5A and 5B, the interpolation processing unit 3 linearly interpolates between two pieces of actually acquired data, so that data at an arbitrary time between the two pieces of data is obtained. Ask for. For example, the interpolation processing unit 3 calculates the value (1.0) of the time series data A at time [00:00:00] and the value (2.0) of the time series data A at time [00:03:00]. The value (1.66) at time [00:02:00] (value indicated by the black square in FIG. 5A) is obtained by linear interpolation between the two. Further, the interpolation processing unit 3 calculates the time series data A value (2.0) at time [00:03:00] and the time series data A value (3.0) at time [00:06:00]. The value (2.33) at time [00:04:00] is obtained by linear interpolation between the two. In addition, the interpolation processing unit 3 calculates the value (3.0) of the time series data A at time [00:06:00] and the value (4.0) of the time series data A at time [00: 09: 0]. A value (3.66) at time [00:08:00] is obtained by linear interpolation between the two. Similarly, the interpolation processing unit 3 calculates the value (11.0) of the time series data B at time [00:02:00] and the value (12.0) of the time series data B at time [00:04:00]. The value (11.50) at time [00:03:00] (value indicated by a black square in FIG. 5B) is obtained by linear interpolation between the two. The data after interpolation processing using a linear function is shown in parentheses in Table 140 of FIG. For example, time series data A (temperature A) at time [00:02:00] is 1.66, time series data A at time [00:04:00] is 2.33, and time [00:08:00]. ] Is time series data A of 3.66. Further, the time series data B (temperature B) at time [00:03:00] is 11.50. In this way, the sampling time intervals of the time series data A and B are adjusted to be the same sampling time interval, and data at the same sampling time interval is obtained.

なお、温度以外の湿度、電圧値又は電流値等についても、補間処理部３は、平均保存補間処理によってデータを補間すればよい。   For the humidity, voltage value, current value, etc. other than temperature, the interpolation processing unit 3 may interpolate the data by the average storage interpolation process.

以上のように、瞬間的な値を示す時系列データに対して平均保存補間処理を施すことで、瞬間的な値を示すデータの特性に適した補間処理が行われ、任意の時間におけるデータを求めることができる。例えば、瞬間的な値を示す時系列データＡ，Ｂに対して平均保存補間処理を施すことで、瞬間的な値を示すデータの特性に適した補間処理が行われるとともに、時系列データＡ，Ｂのそれぞれのサンプリング時間間隔を一致させて、同じ時間におけるデータを求めることができる。このように、時系列データＡ，Ｂのそれぞれのサンプリング時間間隔を一致させることで、時系列データＡ，Ｂの和や差や比較等の演算を行うことができる。   As described above, by performing average storage interpolation processing on time-series data indicating instantaneous values, interpolation processing suitable for the characteristics of data indicating instantaneous values is performed, and data at an arbitrary time can be obtained. Can be sought. For example, by performing average storage interpolation processing on the time series data A and B indicating instantaneous values, the interpolation processing suitable for the characteristics of the data indicating instantaneous values is performed, and the time series data A, B By matching the sampling time intervals of B, data at the same time can be obtained. As described above, by making the sampling time intervals of the time series data A and B coincide with each other, it is possible to perform operations such as sum, difference and comparison of the time series data A and B.

なお、図３から図５に示す例では、０次関数又は１次関数を用いた補間処理について説明したが、２次関数以上の高次関数又は三角関数等の周期関数を用いて補間処理を行ってもよい。例えば、演算部６によって行われる演算の内容に応じて補間用の関数を選択して補間を行ってもよい。   In the examples shown in FIGS. 3 to 5, the interpolation process using a zero-order function or a linear function has been described. You may go. For example, interpolation may be performed by selecting a function for interpolation according to the content of the calculation performed by the calculation unit 6.

（動作例２）
次に、図６及び図７を参照して、データ処理装置１の動作例２について説明する。動作例２では、時系列データＡ，Ｂはイベントの発生回数を示すデータであり、時系列データＡ，Ｂはそれぞれ異なるサンプリング周期で取得されたデータである。図６の表２００に時系列データＡ（イベント回数Ａ）を示し、表２１０に時系列データＢ（イベント回数Ｂ）を示す。表２００に示すように、イベント回数Ａは３分ごとに取得されたデータである。また、表２１０に示すように、イベント回数Ｂは２分ごとに取得されたデータである。このように、時系列データＡのサンプリング周期は３分であり、時系列データＢのサンプリング周期は２分である。 (Operation example 2)
Next, an operation example 2 of the data processing apparatus 1 will be described with reference to FIGS. 6 and 7. In the operation example 2, the time series data A and B are data indicating the number of occurrences of events, and the time series data A and B are data acquired at different sampling periods. 6 shows time-series data A (event number A), and table 210 shows time-series data B (event number B). As shown in the table 200, the event count A is data acquired every 3 minutes. As shown in Table 210, the event count B is data acquired every 2 minutes. Thus, the sampling period of the time series data A is 3 minutes, and the sampling period of the time series data B is 2 minutes.

ここで、時系列データＡ（イベント回数Ａ）の意味を以下に示す。
時間［００：００：００］におけるイベント回数Ａ（１回）は、時間［００：００：００］〜［００：０３：００］の間に検出されたイベントの回数である。
時間［００：０３：００］におけるイベント回数Ａ（２回）は、時間［００：０３：００］〜［００：０６：００］の間に検出されたイベントの回数である。
時間［００：０６：００］におけるイベント回数Ａ（３回）は、時間［００：０６：００］〜［００：０９：００］の間に検出されたイベントの回数である。
時間［００：０９：００］におけるイベント回数Ａ（４回）は、時間［００：０９：００］〜［００：１２：００］の間に検出されたイベントの回数である。 Here, the meaning of the time-series data A (event count A) is shown below.
The number of events A (one time) at time [00:00:00] is the number of events detected during the time [00:00:00] to [00:03:00].
The number of events A (twice) at time [00:03:00] is the number of events detected between times [00:03:00] and [00:06:00].
The number of events A (three times) at time [00:06:00] is the number of events detected between times [00:06:00] and [00:09:00].
The number of events A (four times) at time [00: 09: 0] is the number of events detected between times [00:09:00] and [00:12:00].

また、時系列データＢ（イベント回数Ｂ）の意味を以下に示す。
時間［００：００：００］におけるイベント回数Ｂ（１０回）は、時間［００：００：００］〜［００：０２：００］の間に検出されたイベントの回数である。
時間［００：０２：００］におけるイベント回数Ｂ（２０回）は、時間［００：０２：００］〜［００：０４：００］の間に検出されたイベントの回数である。
時間［００：０４：００］におけるイベント回数Ｂ（３０回）は、時間［００：０４：００］〜［００：０６：００］の間に検出されたイベントの回数である。
時間［００：０６：００］におけるイベント回数Ｂ（４０回）は、時間［００：０６：００］〜［００：０８：００］の間に検出されたイベントの回数である。 The meaning of time series data B (event count B) is shown below.
The number of events B (10 times) at time [00:00:00] is the number of events detected between times [00:00:00] and [00:02:00].
The number of events B (20 times) at time [00:02:00] is the number of events detected between times [00:02:00] and [00:04:00].
The number of events B (30 times) at time [00:04:00] is the number of events detected between times [00:04:00] and [00:06:00].
The number of events B (40 times) at time [00:06:00] is the number of events detected between times [00:06:00] and [00:08:00].

以上のように、動作例２においては、時系列データＡ，Ｂにおける各時間の回数は、各時間から次の時間（次にデータが取得される時間）までの間に発生したイベントの回数を示している。   As described above, in the operation example 2, the number of times in the time series data A and B is the number of events that occurred between each time and the next time (the time when data is next acquired). Show.

時間間隔取得部２は、時系列データＡのサンプリング周期を取得し、サンプリング周期を示す時間間隔情報が付帯された時系列データＡを出力する。同様に、時間間隔取得部２は、時系列データＢのサンプリング周期を取得し、サンプリング周期を示す時間間隔情報が付帯された時系列データＢを出力する。   The time interval acquisition unit 2 acquires a sampling period of the time series data A, and outputs time series data A to which time interval information indicating the sampling period is attached. Similarly, the time interval acquisition unit 2 acquires the sampling period of the time series data B, and outputs the time series data B to which time interval information indicating the sampling period is attached.

補間処理部３は、データ種別と補間方式との対応関係を示す情報（例えば図２に示す表）を参照することで、時系列データＡ，Ｂに付帯されている種別情報が示すデータ種別に対応する補間方式を特定し、特定した補間方式の補間処理プログラムを選択して補間ライブラリ５から取得する。図６に示す例では、時系列データＡ，Ｂはイベント回数を示すデータであるため、補間処理部３は、和保存補間処理を実行するための和保存補間処理プログラムを選択して補間ライブラリ５から取得する。そして、補間処理部３は、時系列データＡ，Ｂのそれぞれに和保存補間処理を施すことで、時系列データＡ，Ｂのそれぞれのサンプリング時間間隔を一致させ、時系列データＡ，Ｂのそれぞれから同じ時間におけるデータを求める。例えば、補間処理部３は、時系列データＡが取得された時間と時系列データＢが取得された時間とを含む時間における時系列データＡ，Ｂを補間処理によって求める。   The interpolation processing unit 3 refers to information (for example, the table shown in FIG. 2) indicating the correspondence between the data type and the interpolation method, so that the data type indicated by the type information attached to the time series data A and B is changed. A corresponding interpolation method is specified, and an interpolation processing program of the specified interpolation method is selected and acquired from the interpolation library 5. In the example shown in FIG. 6, since the time series data A and B are data indicating the number of events, the interpolation processing unit 3 selects the sum storage interpolation processing program for executing the sum storage interpolation processing and selects the interpolation library 5. Get from. Then, the interpolation processing unit 3 performs sum-preserving interpolation processing on each of the time series data A and B so that the sampling time intervals of the time series data A and B coincide with each other. To obtain data at the same time. For example, the interpolation processing unit 3 obtains time series data A and B at a time including a time when the time series data A is acquired and a time when the time series data B is acquired by interpolation processing.

例えば、補間処理部３は、時系列データＡの総和が変わらないように、時系列データＡの値を当該値が計測された時間帯の長さに応じた割合で当該時間帯に分配することで、その時間帯内の任意の時間におけるデータ（イベント回数Ａ）を推定する。補間処理部３は、時系列データＢについても同様に時系列データＡの総和が変わらないようにデータを分配することで、任意の時間におけるデータ（イベント回数Ｂ）を推定する。   For example, the interpolation processing unit 3 distributes the value of the time series data A to the time zone at a rate corresponding to the length of the time zone in which the value is measured so that the sum of the time series data A does not change. Thus, the data (event count A) at an arbitrary time within the time zone is estimated. The interpolation processing unit 3 similarly estimates the data (number of events B) at an arbitrary time by distributing the data so that the sum of the time series data A does not change.

ここで、図７を参照して、和保存補間処理のうちの等分配補間処理の具体的な処理内容を説明する。図７には時系列データＡを示す棒グラフが示されている。この棒グラフには、時間［００：００：００］における値（１回）、時間［００：０３：００］における値（２回）及び時間［００：０６：００］における値（３回）が示されている。等分配補間処理では、時系列データＡの値（イベント回数Ａ）を、当該値（イベント回数Ａ）が計測された時間帯に分配することで、その時間帯内の任意の時間におけるデータ（イベント回数Ａ）を求める。例えば、補間処理部３は、図７に示すように、時間［００：００：００］における値（１回）を、時間［００：００：００］と次にデータが取得される時間［００：０３：００］との間の時間帯に等分配する。例えば、時間［００：００：００］〜［００：０３：００］の間の時間帯を３等分し、値（１回）を３等分して分配する。具体的には、時間［００：００：００］〜［００：０３：００］の間にイベントが１回発生しているため、時間［００：００：００］〜［００：０１：００］の間で１／３回のイベントが発生し、時間［００：０１：００］〜［００：０２：００］の間で１／３回のイベントが発生し、時間［００：０２：００］〜［００：０３：００］の間で１／３回のイベントが発生したと仮定して、時間［００：００：００］における値（１回）を、時間［００：００：００］〜［００：０３：００］の間の時間帯に等分配する（３等分して分配する）。   Here, with reference to FIG. 7, the specific processing content of the equal distribution interpolation process of the sum preservation | save interpolation processes is demonstrated. FIG. 7 shows a bar graph showing the time series data A. In this bar graph, a value at time [00:00:00] (once), a value at time [00:03:00] (2 times), and a value at time [00:06:00] (3 times) are shown. It is shown. In the equal distribution interpolation processing, the value (event number A) of time series data A is distributed to the time zone in which the value (event number A) is measured, so that the data (event The number of times A) is obtained. For example, as illustrated in FIG. 7, the interpolation processing unit 3 sets the value (once) at the time [00:00:00] to the time [00:00:00] and the time when data is acquired next [00:00:00]. : 03:00] is equally distributed. For example, the time zone between time [00:00:00] and [00:03:00] is divided into three equal parts, and the value (once) is divided into three equal parts. Specifically, since an event occurs once between time [00:00:00] and [00:03:00], time [00:00:00] to [00:01:00] 1/3 times of the event occurred, and 1/3 times of the event occurred during the time [00:01:00] to [00:02:00], and the time [00:02:00] Assuming that 1/3 of the events have occurred between [00:03:00], the value (once) at time [00:00:00] is set to the time [00:00:00] Divide equally in the time period between [00:03:00] (divide into three equal parts).

同様に、時間［００：０３：００］における値（２回）を、時間［００：０３：００］と次にデータが取得される時間［００：０６：００］との間の時間帯に等分配する。つまり、時間［００：０３：００］〜［００：０６：００］の間にイベントが２回発生しているため、時間［００：０３：００］〜［００：０４：００］の間で２／３回のイベントが発生し、時間［００：０４：００］〜［００：０５：００］の間で２／３回のイベントが発生し、時間［００：０５：００］〜［００：０６：００］の間で２／３回のイベントが発生したとして仮定して、時間［００：０３：００］における値（２回）を、時間［００：０３：００］〜［００：０６：００］の間の時間帯に等分配する（３等分して分配する）。   Similarly, the value (twice) at the time [00:03:00] is set to a time zone between the time [00:03:00] and the time [00:06:00] when data is next acquired. Distribute equally. That is, since the event occurs twice between the time [00:03:00] and [00:06:00], the time is between [00:03:00] and [00:04:00]. 2/3 event occurs, 2/3 event occurs between time [00:04:00] and [00:05:00], and time [00:05:00] to [00 : 06:00], assuming that 2/3 events have occurred, the value (2 times) at time [00:03:00] is changed from time [00:03:00] to [00: 06:00] is equally distributed (divided into three equal parts).

同様に、時間［００：０６：００］における値（３回）を、時間［００：０６：００］と次にデータが取得される時間［００：０９：００］との間の時間帯に等分配する。つまり、時間［００：０６：００］〜［００：０９：００］の間にイベントが３回発生しているため、時間［００：０６：００］〜［００：０７：００］の間で３／３回のイベントが発生し、時間［００：０７：００］〜［００：０８：００］の間で３／３回のイベントが発生し、時間［００：０８：００］〜［００：０９：００］の間で３／３回のイベントが発生したとして仮定して、時間［００：０６：００］における値（３回）を、時間［００：０６：００］〜［００：０９：００］の間の時間帯に等分配する（３等分して分配する）。   Similarly, the value (3 times) at time [00:06:00] is set to a time zone between time [00:06:00] and time [00:09:00] when data is acquired next. Distribute equally. That is, since the event has occurred three times during the time [00:06:00] to [00:09:00], the time is between [00:06:00] and [00:07:00]. 3/3 events occur, and 3/3 events occur between times [00:07:00] to [00:08:00], and times [00:08:00] to [00 : 09:00], assuming that 3/3 events have occurred, the value (3 times) at time [00:06:00] is changed from time [00:06:00] to [00: 09:00] is equally distributed (divided into three equal parts).

そして、補間処理部３は、分配された値（イベント回数Ａ）に基づいて任意の時間におけるデータ（イベント回数Ａ）を求める。具体的な処理内容を以下に示す。
時間［００：００：００］〜［００：０２：００］の間で［（１／３）×２分間］回のイベントが発生しているため、補間処理部３は、２／３（≒０．６６）を、時間［００：００：００］における値として用いる。
時間［００：０２：００］〜［００：０３：００］の間で［（１／３）×１分間］回のイベントが発生しているため、補間処理部３は、１／３（≒０．３４）を、時間［００：０２：００］における値として用いる。
時間［００：０３：００］〜［００：０４：００］の間で［（２／３）×１分間］回のイベントが発生しているため、補間処理部３は、２／３（≒０．６６）を、時間［００：０３：００］における値として用いる。
時間［００：０４：００］〜［００：０６：００］の間で［（２／３）×２分間］回のイベントが発生しているため、補間処理部３は、４／３（≒１．３４）を、時間［００：０４：００］における値として用いる。
時間［００：０６：００］〜［００：０８：００］の間で［（３／３）×２分間］回のイベントが発生しているため、補間処理部３は、６／３（＝２．００）を、時間［００：０６：００］における値として用いる。
時間［００：０８：００］〜［００：０９：００］の間で［（３／３）×１分間］回のイベントが発生しているため、補間処理部３は、３／３（＝１．００）を、時間［００：０８：００］における値として用いる。
また、補間処理部３は、時系列データＢについても同じ補間処理によって、各時間におけるデータを求める。 And the interpolation process part 3 calculates | requires the data (event frequency A) in arbitrary time based on the distributed value (event frequency A). Specific processing contents are shown below.
Since [(1/3) × 2 minutes] events have occurred between times [00:00:00] and [00:02:00], the interpolation processing unit 3 is 2/3 (≈ 0.66) is used as the value at time [00:00:00].
Since the [[1/3] × 1 minute] event has occurred between the times [00:02:00] and [00:03:00], the interpolation processing unit 3 uses 1/3 (≈ 0.34) is used as the value at time [00:02:00].
Since the [[2/3) × 1 minute] event has occurred between times [00:03:00] and [00:04:00], the interpolation processing unit 3 is 2/3 (≈ 0.66) is used as the value at time [00:03:00].
Since [(2/3) × 2 minutes] events occur between the times [00:04:00] and [00:06:00], the interpolation processing unit 3 is 4/3 (≈ 1.34) is used as the value at time [00:04:00].
Since [(3/3) × 2 minutes] events have occurred between times [00:06:00] and [00:08:00], the interpolation processing unit 3 uses 6/3 (= 2.00) is used as the value at time [00:06:00].
Since [(3/3) × 1 minute] times of events have occurred between times [00:08:00] to [00:09:00], the interpolation processing unit 3 is 3/3 (= 1.00) is used as the value at time [00:08:00].
The interpolation processing unit 3 also obtains data at each time for the time series data B by the same interpolation processing.

以上のように、補間処理部３は、時系列データＡ，Ｂのそれぞれから同じ時間におけるデータを補間処理によって求め、時系列データＡ，Ｂを含む合成データを生成する。図６の表２２０に、等分配補間処理後の合成データを示す。イベント回数Ａ，Ｂ（時系列データＡ，Ｂ）ともに、データが存在していなかった時間におけるデータが補間処理によって求められている。すなわち、時系列データＡ，Ｂのそれぞれのサンプリング時間間隔が調整されて同じサンプリング時間間隔となり、同じサンプリング時間間隔におけるデータが求められている。   As described above, the interpolation processing unit 3 obtains data at the same time from each of the time series data A and B by the interpolation process, and generates composite data including the time series data A and B. Table 220 in FIG. 6 shows the combined data after the equal distribution interpolation processing. For both the event counts A and B (time-series data A and B), data at times when no data existed is obtained by interpolation processing. That is, the sampling time intervals of the time series data A and B are adjusted to be the same sampling time interval, and data at the same sampling time interval is obtained.

以上のように、ある時間帯における値の総和を示す時系列データに対して和保存補間処理を施すことで、当該時系列データの特性に適した補間処理が行われ、任意の時間におけるデータを求めることができる。例えば、ある時間帯における値の総和を示す時系列データＡ，Ｂに対して和保存補間処理を施すことで、時系列データＡ，Ｂの特性に適した補間処理が行われるとともに、時系列データＡ，Ｂのそれぞれのサンプリング時間間隔を一致させて、同じ時間におけるデータを求めることができる。このように、時系列データＡ，Ｂのそれぞれのサンプリング時間間隔を一致させることで、時系列データＡ，Ｂの和や差や比較等の演算を行うことができる。   As described above, by performing sum-preserving interpolation processing on time-series data indicating the sum of values in a certain time zone, interpolation processing suitable for the characteristics of the time-series data is performed, and data at an arbitrary time is obtained. Can be sought. For example, by performing sum storage interpolation processing on time-series data A and B indicating the sum of values in a certain time zone, interpolation processing suitable for the characteristics of time-series data A and B is performed, and time-series data By matching the sampling time intervals of A and B, data at the same time can be obtained. As described above, by making the sampling time intervals of the time series data A and B coincide with each other, it is possible to perform operations such as sum, difference and comparison of the time series data A and B.

また、中央補間処理によってデータを補間する場合、図６の表２３０に示すように、補間処理部３は、元々データが存在していない時間の値を零（０）にする。   When data is interpolated by the central interpolation process, as shown in the table 230 of FIG. 6, the interpolation processing unit 3 sets the value of the time when no data originally exists to zero (0).

時系列データＡ，Ｂを用いてどのような解析処理を行うかによって、等分配補間処理又は中央補間処理のいずれかを選択して補間処理を行えばよい。例えば、等分配補間処理は、各時間においてイベントが発生した回数を求めたい場合に適した処理である。例えば、元々データが存在しない時間の値（イベント回数）を等分配補間処理で推定することで、その時間において発生したと考えられるイベントの回数を推定することができる。一方、中央補間処理は、イベントが発生した時間を特定したい場合に適した処理である。例えば、ある時間の値（イベント回数）が零（０）の場合、その時間にはイベントが発生していないことを示しているため、イベントの発生の有無を特定することができる。   Depending on what kind of analysis processing is performed using the time-series data A and B, interpolation processing may be performed by selecting either equal distribution interpolation processing or central interpolation processing. For example, the equal distribution interpolation process is a process suitable for obtaining the number of times an event has occurred at each time. For example, by estimating the time value (number of events) in which data originally does not exist by the equal distribution interpolation process, it is possible to estimate the number of events considered to have occurred during that time. On the other hand, the central interpolation process is a process suitable for specifying the time when an event has occurred. For example, when the value of a certain time (the number of events) is zero (0), it indicates that no event has occurred at that time, so it is possible to specify whether an event has occurred.

（動作例３）
次に、図８及び図９を参照して、データ処理装置１の動作例３について説明する。動作例３では、時系列データＡ，Ｂはイベントの発生回数を示すデータであり、時系列データＡ，Ｂはそれぞれ異なるサンプリング周期で取得されたデータである。図８の表３００に時系列データＡ（イベント回数Ａ）を示し、表３１０に時系列データＢ（イベント回数Ｂ）を示す。表３００に示すように、イベント回数Ａは３分ごとに取得されたデータである。また、表３１０に示すように、イベント回数Ｂは２分ごとに取得されたデータである。このように、時系列データＡのサンプリング周期は３分であり、時系列データＢのサンプリング周期は２分である。 (Operation example 3)
Next, an operation example 3 of the data processing apparatus 1 will be described with reference to FIGS. 8 and 9. In the operation example 3, the time series data A and B are data indicating the number of occurrences of events, and the time series data A and B are data acquired at different sampling periods. 8 shows time series data A (event count A), and table 310 shows time series data B (event count B). As shown in the table 300, the event count A is data acquired every 3 minutes. As shown in Table 310, the event count B is data acquired every two minutes. Thus, the sampling period of the time series data A is 3 minutes, and the sampling period of the time series data B is 2 minutes.

ここで、時系列データＡ（イベント回数Ａ）の意味を以下に示す。
時間［００：００：００］におけるイベント回数Ａ（１回）は、時間［００：０（−３）：００］〜［００：００：００］の間に検出されたイベントの回数である。
時間［００：０３：００］におけるイベント回数Ａ（２回）は、時間［００：００：００］〜［００：０３：００］の間に検出されたイベントの回数である。
時間［００：０６：００］におけるイベント回数Ａ（３回）は、時間［００：０３：００］〜［００：０６：００］の間に検出されたイベントの回数である。
時間［００：０９：００］におけるイベント回数Ａ（４回）は、時間［００：０６：００］〜［００：０９：００］の間に検出されたイベントの回数である。 Here, the meaning of the time-series data A (event count A) is shown below.
The number of events A (once) at time [00:00:00] is the number of events detected between times [00: 0 (-3): 0] to [00:00:00].
The number of events A (2 times) at time [00:03:00] is the number of events detected between times [00:00:00] and [00:03:00].
The number of events A (three times) at time [00:06:00] is the number of events detected between times [00:03:00] and [00:06:00].
The number of events A (four times) at time [00:09:00] is the number of events detected between times [00:06:00] and [00:09:00].

また、時系列データＢ（イベント回数Ｂ）の意味を以下に示す。
時間［００：００：００］におけるイベント回数Ｂ（１０回）は、時間［００：０（−３）：００］〜［００：００：００］の間に検出されたイベントの回数である。
時間［００：０２：００］におけるイベント回数Ｂ（２０回）は、時間［００：００：００］〜［００：０２：００］の間に検出されたイベントの回数である。
時間［００：０４：００］におけるイベント回数Ｂ（３０回）は、時間［００：０２：００］〜［００：０４：００］の間に検出されたイベントの回数である。
時間［００：０６：００］におけるイベント回数Ｂ（４０回）は、時間［００：０４：００］〜［００：０６：００］の間に検出されたイベントの回数である。 The meaning of time series data B (event count B) is shown below.
The number of events B (10 times) at time [00:00:00] is the number of events detected between times [00: 0 (−3): 0] to [00:00:00].
The event count B (20 times) at the time [00:02:00] is the number of events detected during the time [00:00:00] to [00:02:00].
The number of events B (30 times) at time [00:04:00] is the number of events detected between times [00:02:00] and [00:04:00].
The number of events B (40 times) at time [00:06:00] is the number of events detected between times [00:04:00] and [00:06:00].

以上のように、動作例３においては、時系列データＡ，Ｂにおける各時間の回数は、各時間の直前の時間（直前にデータが取得された時間）から各時間までの間に発生したイベントの回数を示している。   As described above, in the operation example 3, the number of times in the time series data A and B is the number of events that occurred between the time immediately before each time (the time when data was acquired immediately before) and each time. Shows the number of times.

時間間隔取得部２は、時系列データＡのサンプリング周期を取得し、サンプリング周期を示す時間間隔情報が付帯された時系列データＡを出力する。同様に、時間間隔取得部２は、時系列データＢのサンプリング周期を取得し、サンプリング周期を示す時間間隔情報が付帯された時系列データＢを出力する。   The time interval acquisition unit 2 acquires a sampling period of the time series data A, and outputs time series data A to which time interval information indicating the sampling period is attached. Similarly, the time interval acquisition unit 2 acquires the sampling period of the time series data B, and outputs the time series data B to which time interval information indicating the sampling period is attached.

補間処理部３は、データ種別と補間方式との対応関係を示す情報（例えば図２に示す表）を参照することで、時系列データＡ，Ｂに付帯されている種別情報が示すデータ種別に対応する補間方式を特定し、特定した補間方式の補間処理プログラムを選択して補間ライブラリ５から取得する。図８に示す例では、時系列データＡ，Ｂはイベント回数を示すデータであるため、補間処理部３は、和保存補間処理を実行するための和保存補間処理プログラムを選択して補間ライブラリ５から取得する。そして、補間処理部３は、時系列データＡ，Ｂのそれぞれに和保存補間処理を施すことで、時系列データＡ，Ｂのそれぞれのサンプリング時間間隔を一致させ、時系列データＡ，Ｂのそれぞれから同じ時間におけるデータを求める。例えば、補間処理部３は、時系列データＡが取得された時間と時系列データＢが取得された時間とを含む時間における時系列データＡ，Ｂを補間処理によって求める。   The interpolation processing unit 3 refers to information (for example, the table shown in FIG. 2) indicating the correspondence between the data type and the interpolation method, so that the data type indicated by the type information attached to the time series data A and B is changed. A corresponding interpolation method is specified, and an interpolation processing program of the specified interpolation method is selected and acquired from the interpolation library 5. In the example shown in FIG. 8, since the time series data A and B are data indicating the number of events, the interpolation processing unit 3 selects the sum storage interpolation processing program for executing the sum storage interpolation processing and selects the interpolation library 5. Get from. Then, the interpolation processing unit 3 performs sum-preserving interpolation processing on each of the time series data A and B so that the sampling time intervals of the time series data A and B coincide with each other. To obtain data at the same time. For example, the interpolation processing unit 3 obtains time series data A and B at a time including a time when the time series data A is acquired and a time when the time series data B is acquired by interpolation processing.

例えば、補間処理部３は、時系列データＡの総和が変わらないように、時系列データＡの値を当該値が計測された時間帯の長さに応じた割合で当該時間帯に分配することで、その時間帯内の任意の時間におけるデータ（イベント回数Ａ）を推定する。補間処理部３は、時系列データＢについても同様にデータを分配することで、任意の時間におけるデータ（イベント回数Ｂ）を推定する。   For example, the interpolation processing unit 3 distributes the value of the time series data A to the time zone at a rate corresponding to the length of the time zone in which the value is measured so that the sum of the time series data A does not change. Thus, the data (event count A) at an arbitrary time within the time zone is estimated. The interpolation processing unit 3 similarly estimates the data (event count B) at an arbitrary time by distributing data for the time-series data B as well.

ここで、図９を参照して、和保存補間処理のうちの等分配補間処理の具体的な処理内容を説明する。図９には時系列データＡを示す棒グラフが示されている。この棒グラフには、時間［００：００：００］における値（１回）、時間［００：０３：００］における値（２回）及び時間［００：０６：００］における値（３回）が示されている。等分配補間処理では、時系列データＡの値（イベント回数Ａ）を、当該値（イベント回数Ａ）が計測された時間帯に分配することで、その時間帯内の任意の時間におけるデータ（イベント回数Ａ）を求める。例えば、補間処理部３は、図９に示すように、時間［００：００：００］における値（１回）を、直前の時間［００：０（−３）：００］と時間［００：００：００］との間の時間帯に等分配する。例えば、時間［００：０（−３）：００］〜［００：００：００］の間の時間帯を３等分し、値（１回）を３等分して分配する。具体的には、時間［００：０（−３）：００］〜［００：００：００］の間にイベントが１回発生しているため、時間［００：０（−３）：００］〜［００：０（−２）：００］の間で１／３回のイベントが発生し、時間［００：０（−２）：００］〜［００：０（−１）：００］の間で１／３回のイベントが発生し、時間［００：０（−１）：００］〜［００：００：００］の間で１／３回のイベントが発生したと仮定して、時間［００：００：００］における値（１回）を、時間［００：０（−３）：００］〜［００：００：００］の間の時間帯に等分配する（３等分して分配する）。   Here, with reference to FIG. 9, the specific processing content of the equal distribution interpolation process of the sum preservation | save interpolation processes is demonstrated. FIG. 9 shows a bar graph showing the time series data A. In this bar graph, a value at time [00:00:00] (once), a value at time [00:03:00] (2 times), and a value at time [00:06:00] (3 times) are shown. It is shown. In the equal distribution interpolation processing, the value (event number A) of time series data A is distributed to the time zone in which the value (event number A) is measured, so that the data (event The number of times A) is obtained. For example, as illustrated in FIG. 9, the interpolation processing unit 3 sets the value (once) at the time [00:00:00] to the previous time [00: 0 (−3): 0] and the time [00: 10:00] is equally distributed. For example, the time zone between time [00: 0 (−3): 00] to [00:00:00] is divided into three equal parts, and the value (once) is divided into three equal parts. Specifically, since an event has occurred once between time [00: 0 (-3): 0] to [00:00:00], time [00: 0 (-3): 0] ~ [00: 0 (-2): 0] event occurs 1/3 times, and time [00: 0 (-2): 0] to [00: 0 (-1): 0] Assuming that 1/3 of the events occurred, and that 1/3 of the events occurred between times [00: 0 (-1): 00: 00] to [00: 00: 00: 00] The value (once) in [00:00:00] is equally distributed (divided into three equal parts) in the time zone between time [00: 0 (-3): 0] and [00:00:00]. Distribute).

同様に、時間［００：０３：００］における値（２回）を、直前の時間［００：００：００］と時間［００：０３：００］との間の時間帯に等分配する。つまり、時間［００：００：００］〜［００：０３：００］の間にイベントが２回発生しているため、時間［００：００：００］〜［００：０１：００］の間で２／３回のイベントが発生し、時間［００：０１：００］〜［００：０２：００］の間で２／３回のイベントが発生し、時間［００：０２：００］〜［００：０３：００］の間で２／３回のイベントが発生したとして仮定して、時間［００：０３：００］における値（２回）を、時間［００：００：００］〜［００：０３：００］の間の時間帯に等分配する（３等分して分配する）。   Similarly, the value (twice) at time [00:03:00] is equally distributed to the time zone between the previous time [00:00:00] and time [00:03:00]. That is, since the event has occurred twice between the time [00:00:00] and [00:03:00], the time is between [00:00:00] and [00:01:00]. 2/3 times of events occur, 2/3 times of events occur between times [00:01:00] to [00:02:00], and times [00:02:00] to [00 : 03: 00], assuming that 2/3 times of events have occurred, the value (2 times) at time [00:03:00] is changed from time [00:00:00] to [00: [03:00] is equally distributed (divided into three equal parts).

同様に、時間［００：０６：００］における値（３回）を、直前の時間［００：０３：００］と時間［００：０６：００］との間の時間帯に等分配する。つまり、時間［００：０３：００］〜［００：０６：００］の間にイベントが３回発生しているため、時間［００：０３：００］〜［００：０４：００］の間で３／３回のイベントが発生し、時間［００：０４：００］〜［００：０５：００］の間で３／３回のイベントが発生し、時間［００：０５：００］〜［００：０６：００］の間で３／３回のイベントが発生したとして仮定して、時間［００：０６：００］における値（３回）を、時間［００：０３：００］〜［００：０６：００］の間の時間帯に等分配する（３等分して分配する）。   Similarly, the value (three times) at the time [00:06:00] is equally distributed to the time zone between the time [00:03:00] and the time [00:06:00]. That is, since the event has occurred three times between the times [00:03:00] and [00:06:00], the time between [00:03:00] and [00:04:00] 3/3 times of events occur, and 3/3 times of events occur between times [00:04:00] and [00:05:00], and times [00:05:00] to [00 : 06:00], assuming that 3/3 events have occurred, the value (3 times) at time [00:06:00] is changed from time [00:03:00] to [00: 06:00] is equally distributed (divided into three equal parts).

同様に、時間［００：０９：００］における値（４回）を、直前の時間［００：０６：００］と時間［００：０９：００］との間の時間帯に等分配する。つまり、時間［００：０６：００］〜［００：０９：００］の間にイベントが４回発生しているため、時間［００：０６：００］〜［００：０７：００］の間で４／３回のイベントが発生し、時間［００：０７：００］〜［００：０８：００］の間で４／３回のイベントが発生し、時間［００：０８：００］〜［００：０９：００］の間で４／３回のイベントが発生したとして仮定して、時間［００：０９：００］における値（４回）を、時間［００：０６：００］〜［００：０９：００］の間の時間帯に等分配する（３等分して分配する）。   Similarly, the value (4 times) at the time [00: 09: 0] is equally distributed to the time zone between the previous time [00:06:00] and the time [00:09:00]. That is, since the event occurs four times during the time [00:06:00] to [00:09:00], the time is between [00:06:00] and [00:07:00]. 4/3 events occur, and 4/3 events occur between time [00:07:00] and [00:08:00], and time [00:08:00] to [00 : 09:00], assuming that the event occurred 4/3 times, the value (4 times) at the time [00: 09: 0] is set to the time [00:06:00] to [00: 09:00] is equally distributed (divided into three equal parts).

そして、補間処理部３は、分配された値（イベント回数Ａ）に基づいて任意の時間におけるデータ（イベント回数Ａ）を求める。具体的な処理内容を以下に示す。
時間［００：００：００］〜［００：０２：００］の間で［（２／３）×２分間］回のイベントが発生しているため、補間処理部３は、４／３（≒１．３３）を、時間［００：０２：００］における値として用いる。
時間［００：０２：００］〜［００：０３：００］の間で［（２／３）×１分間］回のイベントが発生しているため、補間処理部３は、２／３（≒０．６６）を、時間［００：０３：００］における値として用いる。
時間［００：０３：００］〜［００：０４：００］の間で［（３／３）×１分間］回のイベントが発生しているため、補間処理部３は、３／３（＝１．００）を、時間［００：０４：００］における値として用いる。
時間［００：０４：００］〜［００：０６：００］の間で［（３／３）×２分間］回のイベントが発生しているため、補間処理部３は、６／３（＝２．００）を、時間［００：０６：００］における値として用いる。
時間［００：０６：００］〜［００：０８：００］の間で［（４／３）×２分間］回のイベントが発生しているため、補間処理部３は、８／３（≒２．６６）を、時間［００：０８：００］における値として用いる。
また、補間処理部３は、時系列データＢについても同じ補間処理によって、各時間におけるデータを求める。 And the interpolation process part 3 calculates | requires the data (event frequency A) in arbitrary time based on the distributed value (event frequency A). Specific processing contents are shown below.
Since ([2/3) × 2 minutes] events occur between the times [00:00:00] and [00:02:00], the interpolation processing unit 3 is 4/3 (≈ 1.33) is used as the value at time [00:02:00].
Since ([2/3) × 1 minute] events occur between the times [00:02:00] and [00:03:00], the interpolation processing unit 3 is 2/3 (≈ 0.66) is used as the value at time [00:03:00].
Since [(3/3) × 1 minute] times of events have occurred between the times [00:03:00] and [00:04:00], the interpolation processing unit 3 uses 3/3 (= 1.00) is used as the value at time [00:04:00].
Since [(3/3) × 2 minutes] times of events have occurred between times [00:04:00] and [00:06:00], the interpolation processing unit 3 uses 6/3 (= 2.00) is used as the value at time [00:06:00].
Since the event [(4/3) × 2 minutes] occurs between the times [00:06:00] and [00:08:00], the interpolation processing unit 3 determines that 8/3 (≈ 2.66) is used as the value at time [00: 08: 0].
The interpolation processing unit 3 also obtains data at each time for the time series data B by the same interpolation processing.

以上のように、補間処理部３は、時系列データＡ，Ｂのそれぞれから同じ時間におけるデータを補間処理によって求め、時系列データＡ，Ｂを含む合成データを生成する。図８の表３２０に、等分配補間処理後の合成データを示す。イベント回数Ａ，Ｂ（時系列データＡ，Ｂ）ともに、データが存在していなかった時間におけるデータが補間処理によって求められている。すなわち、時系列データＡ，Ｂのそれぞれのサンプリング時間間隔が調整されて同じサンプリング時間間隔となり、同じサンプリング時間間隔におけるデータが求められている。   As described above, the interpolation processing unit 3 obtains data at the same time from each of the time series data A and B by the interpolation process, and generates composite data including the time series data A and B. Table 320 in FIG. 8 shows the composite data after the equal distribution interpolation processing. For both the event counts A and B (time-series data A and B), data at times when no data existed is obtained by interpolation processing. That is, the sampling time intervals of the time series data A and B are adjusted to be the same sampling time interval, and data at the same sampling time interval is obtained.

また、中央補間処理によってデータを補間する場合、図８の表３３０に示すように、補間処理部３は、元々データが存在していない時間の値を零（０）にする。   Further, when data is interpolated by the central interpolation process, as shown in the table 330 of FIG. 8, the interpolation processing unit 3 sets the value of the time when no data originally exists to zero (0).

以上のように、ある時間帯における値の総和を示す時系列データＡ，Ｂに対して和保存補間処理を施すことで、動作例２と同じ効果を奏することができる。   As described above, the same effect as that of the operation example 2 can be obtained by performing the sum storage interpolation processing on the time series data A and B indicating the sum of the values in a certain time zone.

なお、動作例２，３においては、イベント回数以外の電力量や売上高等についても、和保存補間処理によってデータを補間することで、データの特性に適した補間値が得られる。   In the operation examples 2 and 3, for the power amount other than the number of events, the sales amount, and the like, an interpolation value suitable for the characteristics of the data can be obtained by interpolating the data by the sum storage interpolation process.

また、本実施形態に係るデータ処理装置１によると、データの一部が欠損して値が得られていない時間があっても、その時間におけるデータを補間処理によって求めることができる。すなわち、本実施形態に係るデータ処理装置１によると、任意の時間におけるデータを補間処理によって求めることができるため、値が欠損した時間におけるデータも補間処理によって求めることができる。また、一例として２つの時系列データ（時系列データＡ，Ｂ）を挙げて説明したが、時系列データの数は３つ以上であってもよく、また、１つの時系列データに補間処理を行うことで、任意の時間におけるデータを求めてもよい。   Further, according to the data processing apparatus 1 according to the present embodiment, even when there is a time when a part of the data is lost and a value is not obtained, the data at that time can be obtained by interpolation processing. That is, according to the data processing apparatus 1 according to the present embodiment, data at an arbitrary time can be obtained by interpolation processing, and therefore data at a time when a value is lost can also be obtained by interpolation processing. In addition, although two time series data (time series data A and B) have been described as an example, the number of time series data may be three or more, and interpolation processing is performed on one time series data. By performing, data at an arbitrary time may be obtained.

また、補間処理プログラムを補間ライブラリ５に記憶させているため、補間方式の追加や拡張等を容易に行うことができる。   Further, since the interpolation processing program is stored in the interpolation library 5, it is possible to easily add or expand the interpolation method.

（ハードウェア構成）
上述したデータ処理装置１は図示しないＣＰＵ等のプロセッサを備えている。プロセッサは、図示しないメモリに記憶されたプログラムを実行することにより、時間間隔取得部２及び補間処理部３のそれぞれの機能を実現する。上記プログラムは、ＣＤやＤＶＤ等の記録媒体を介して又はネットワーク等の通信経路を介してハードディスクドライブ（ＨＤＤ）等の記憶装置に記憶される。なお、上記プログラムはハードディスクドライブ等の記憶装置に予め記憶されていてもよい。ハードディスクドライブ等の記憶装置に記憶されたプログラムがＲＡＭ等のメモリに読み出されてＣＰＵ等のプロセッサによって実行されることにより、時間間隔取得部２及び補間処理部３のそれぞれの機能が実現される。また、演算部６は、図示しないＣＰＵ等のプロセッサと、図示しないメモリに記憶されたプログラムとによって実現される。例えばハードディスクドライブ等の記憶装置に記憶されたプログラムがＲＡＭ等のメモリに読み出されてＣＰＵ等のプロセッサによって実行されることにより、演算部６の機能が実現される。 (Hardware configuration)
The data processing apparatus 1 described above includes a processor such as a CPU (not shown). The processor implements the functions of the time interval acquisition unit 2 and the interpolation processing unit 3 by executing a program stored in a memory (not shown). The program is stored in a storage device such as a hard disk drive (HDD) via a recording medium such as a CD or DVD, or via a communication path such as a network. The program may be stored in advance in a storage device such as a hard disk drive. Each function of the time interval acquisition unit 2 and the interpolation processing unit 3 is realized by a program stored in a storage device such as a hard disk drive being read into a memory such as a RAM and executed by a processor such as a CPU. . The calculation unit 6 is realized by a processor such as a CPU (not shown) and a program stored in a memory (not shown). For example, a function stored in a storage device such as a hard disk drive is read into a memory such as a RAM and executed by a processor such as a CPU, thereby realizing the function of the calculation unit 6.

１ データ処理装置、２ 時間間隔取得部、３ 補間処理部、４ 対応情報記憶部、５ 補間ライブラリ、６ 演算部、１０ センサ。   1 data processing device, 2 time interval acquisition unit, 3 interpolation processing unit, 4 correspondence information storage unit, 5 interpolation library, 6 calculation unit, 10 sensor.

Claims (8)

センサによって時系列に沿って取得された時系列データを受け、前記時系列データのサンプリング時間間隔を取得する時間間隔取得手段と、
各サンプリング区間の平均値が変わらないような補間処理をして前記時系列データから任意の時間におけるデータを求める第１の補間処理、又は、各サンプリング区間の総和が変わらないような補間処理をして前記時系列データから任意の時間におけるデータを求める第２の補間処理のいずれかを、前記時系列データの種別に応じて選択して前記時系列データに施すことで、前記時系列データから任意の時間におけるデータを求める補間処理手段と、
を有することを特徴とするデータ処理装置。 Time interval acquisition means for receiving time series data acquired along a time series by a sensor and acquiring a sampling time interval of the time series data;
Interpolation processing that does not change the average value of each sampling interval and first interpolation processing that obtains data at an arbitrary time from the time series data, or interpolation processing that does not change the total sum of each sampling interval Any one of the second interpolation processes for obtaining data at an arbitrary time from the time series data is selected according to the type of the time series data and applied to the time series data, so that any time series data can be selected. Interpolation processing means for obtaining data at a time of
A data processing apparatus comprising: 請求項１に記載のデータ処理装置であって、
前記補間処理手段は、前記時系列データが瞬間的なタイミングごとに前記センサによって取得された値である場合、前記時系列データに前記第１の補間処理を施すことで前記時系列データから任意の時間におけるデータを求める、
ことを特徴とするデータ処理装置。 The data processing apparatus according to claim 1,
When the time series data is a value acquired by the sensor at each instantaneous timing, the interpolation processing means performs arbitrary interpolation from the time series data by performing the first interpolation processing on the time series data. Find data in time,
A data processing apparatus. 請求項１又は請求項２に記載のデータ処理装置であって、
前記第１の補間処理は、線形補間処理、高次関数を用いた補間処理又は周期関数を用いた補間処理のいずれかである、
ことを特徴とするデータ処理装置。 The data processing apparatus according to claim 1 or 2,
The first interpolation process is any one of a linear interpolation process, an interpolation process using a higher order function, or an interpolation process using a periodic function.
A data processing apparatus. 請求項１から請求項３のいずれか一項に記載のデータ処理装置であって、
前記補間処理手段は、前記時系列データが、ある時間帯に前記センサによって取得された値の総和である場合、前記時系列データに前記第２の補間処理を施すことで前記時系列データから前記時間帯内の任意の時間におけるデータを求める、
ことを特徴とするデータ処理装置。 A data processing apparatus according to any one of claims 1 to 3, wherein
When the time series data is a sum of values acquired by the sensor in a certain time zone, the interpolation processing means performs the second interpolation process on the time series data to perform the second series on the time series data. Find data at any time within the time zone,
A data processing apparatus. 請求項４に記載のデータ処理装置であって、
前記補間処理手段は、前記第２の補間処理として、前記時系列データの総和が変わらないように前記時系列データの値を前記時間帯に分配することで、前記時間帯内の任意の時間におけるデータを求める、
ことを特徴とするデータ処理装置。 A data processing apparatus according to claim 4, wherein
The interpolation processing means distributes the value of the time series data to the time zone so that the total sum of the time series data does not change as the second interpolation processing, so that an arbitrary time within the time zone can be obtained. Ask for data,
A data processing apparatus. 請求項５に記載のデータ処理装置であって、
前記補間処理手段は、前記時系列データの総和が変わらないように前記時間帯の長さに応じた割合で前記時系列データの値を前記時間帯に分配することで、前記時間帯内の任意の時間におけるデータを求める、
ことを特徴とするデータ処理装置。 The data processing apparatus according to claim 5, wherein
The interpolation processing means distributes the value of the time series data to the time zone at a rate corresponding to the length of the time zone so that the sum of the time series data does not change, so that an arbitrary value within the time zone is obtained. Find data at
A data processing apparatus. 請求項１から請求項６のいずれか一項に記載のデータ処理装置であって、
前記時間間隔取得手段は、サンプリング時間間隔が互いに異なる複数の時系列データを受け、前記複数の時系列データのそれぞれのサンプリング時間間隔を取得し、
前記補間処理手段は、前記複数の時系列データのそれぞれに前記第１の補間処理又は前記第２の補間処理を施すことで、前記複数の時系列データのそれぞれのサンプリング時間間隔を一致させて前記複数の時系列データのそれぞれから同じ時間におけるデータを求める、
ことを特徴とするデータ処理装置。 A data processing apparatus according to any one of claims 1 to 6,
The time interval acquisition means receives a plurality of time series data having different sampling time intervals, acquires each sampling time interval of the plurality of time series data,
The interpolation processing unit performs the first interpolation process or the second interpolation process on each of the plurality of time series data, thereby matching the sampling time intervals of the plurality of time series data, Find data at the same time from each of multiple time series data,
A data processing apparatus. コンピュータに、
センサによって時系列に沿って取得された時系列データを受け、前記時系列データのサンプリング時間間隔を取得する第１のステップと、
各サンプリング区間の平均値が変わらないような補間処理をして前記時系列データから任意の時間におけるデータを求める第１の補間処理、又は、各サンプリング区間の総和が変わらないような補間処理をして前記時系列データから任意の時間におけるデータを求める第２の補間処理のいずれかを、前記時系列データの種別に応じて選択して前記時系列データに施すことで、前記時系列データから任意の時間におけるデータを求める第２のステップと、
を実行させることを特徴とするプログラム。 On the computer,
A first step of receiving time series data acquired along a time series by a sensor and acquiring a sampling time interval of the time series data;
Interpolation processing that does not change the average value of each sampling interval and first interpolation processing that obtains data at an arbitrary time from the time series data, or interpolation processing that does not change the total sum of each sampling interval Any one of the second interpolation processes for obtaining data at an arbitrary time from the time series data is selected according to the type of the time series data and applied to the time series data, so that any time series data can be selected. A second step for obtaining data at a time of
A program characterized by having executed.
JP2012111497A 2012-05-15 2012-05-15 Data processing apparatus and program Active JP5791563B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2012111497A JP5791563B2 (en) 2012-05-15 2012-05-15 Data processing apparatus and program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2012111497A JP5791563B2 (en) 2012-05-15 2012-05-15 Data processing apparatus and program

Publications (2)

Publication Number Publication Date
JP2013239013A JP2013239013A (en) 2013-11-28
JP5791563B2 true JP5791563B2 (en) 2015-10-07

Family

ID=49763987

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2012111497A Active JP5791563B2 (en) 2012-05-15 2012-05-15 Data processing apparatus and program

Country Status (1)

Country Link
JP (1) JP5791563B2 (en)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6803788B2 (en) * 2017-03-29 2020-12-23 三菱重工業株式会社 Information processing equipment, information processing methods and programs
WO2019060819A1 (en) 2017-09-25 2019-03-28 Carrier Corporation Wireless sensor power management
JP6596531B2 (en) * 2018-03-29 2019-10-23 株式会社大和総研 Data display system and program
JP7417161B2 (en) * 2020-05-28 2024-01-18 日本電信電話株式会社 Interpolation processing device, interpolation processing method, and interpolation processing program

Also Published As

Publication number Publication date
JP2013239013A (en) 2013-11-28

Similar Documents

Publication Publication Date Title
JP5791563B2 (en) Data processing apparatus and program
GB2586565A (en) Anomaly detection
JP5444792B2 (en) Burglar alarm system and method
KR20150001102A (en) Method and apparatus for server power prediction using virtual machine
Kumar et al. Bayesian monitoring of times between events: The Shewhart tr-chart
Melchert et al. Analysis of the phase transition in the two-dimensional Ising ferromagnet using a Lempel-Ziv string-parsing scheme and black-box data-compression utilities
JP6904418B2 (en) Information processing equipment, information processing system, information processing method, and program
Xu et al. A generalized likelihood ratio control chart for monitoring the process mean subject to linear drifts
JP6225079B2 (en) Air conditioner operation detection method and system
JP6763736B2 (en) Signal time synchronization device and signal time synchronization method
JP6734362B2 (en) Monitoring device, monitoring method, program
JP7230371B2 (en) Abnormality detection device, abnormality detection method, abnormality detection program and abnormality detection system
JP2015078916A (en) Air current estimation method and device therefor
JP7149499B2 (en) Data analysis method, data analysis device and data analysis program
KR101444582B1 (en) Apparatus and method for detecting frequency
JP6150545B2 (en) Data processing apparatus and program
JP6071464B2 (en) Failure determination support apparatus and method, and program
WO2023228298A1 (en) Power consumption estimation device, program, and power consumption estimation method
Oh et al. Nonlinear time series analysis on the offer behaviors observed in an electricity market
JP6097200B2 (en) Data estimation method and apparatus
JP4754910B2 (en) Display data generation device, data measurement device, waveform display device, and display data generation method
WO2015033392A1 (en) Part variation analysis system
Buchwitz Evaluation and optimal calibration of purchase time recommendation services
JP5597166B2 (en) Plant monitoring device
CN108734573A (en) A kind of data analysing method and device

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20140704

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20150304

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20150317

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20150508

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: 20150707

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20150804

R150 Certificate of patent or registration of utility model

Ref document number: 5791563

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

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313117

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

S533 Written request for registration of change of name

Free format text: JAPANESE INTERMEDIATE CODE: R313533

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250