JP6628712B2

JP6628712B2 - 時系列データの逐次更新予測判定方法及び逐次更新予測判定システム

Info

Publication number: JP6628712B2
Application number: JP2016219959A
Authority: JP
Inventors: 雅史三和; 山本　修平; 修平山本; 田中　博文; 博文田中
Original assignee: Railway Technical Research Institute
Current assignee: Railway Technical Research Institute
Priority date: 2016-11-10
Filing date: 2016-11-10
Publication date: 2020-01-15
Anticipated expiration: 2036-11-10
Also published as: JP2018076724A

Description

本発明は、時系列データの将来予測方法を用いた時系列データの逐次更新予測判定方法及び逐次更新予測判定システムに関し、特に、高頻度に取得される鉄道の軌道の軌道検測データなどの波形データの将来の状態を予測し、軌道変位の推移予測やこの推移予測を基にする修繕の意思決定に利用可能な逐次更新予測判定方法及び逐次更新予測判定システムに関する。

従来、鉄道の軌道の保守管理を目的として、定期的に専用の軌道検測車両等を用いて軌道検測データ等の波形データを取得し、当該軌道検測データに含まれる著大値を検出して、軌道に鉄道車両の走行安全を脅かすような不整や鉄道車両の乗り心地を低下させるような不整が生じていないかの確認を行い、その著大値と管理値の照査によって鉄道の軌道の修繕の実施を検討している。また、軌道検測は専用の軌道検測車両を用いて在来線の場合は年に数回程度の頻度で、新幹線の場合は月に数回程度の頻度で軌道検測データの取得が行われていたところ、近年では営業車両に搭載可能な軌道検測装置を用いることによって、多い場合には一日に数回程度の高頻度で軌道検測データの取得を行うことが可能となってきている。

また、検測頻度が多くなってきたことに鑑みて、軌道検測データの経時変化から、将来の状態を予測して事前に軌道の修繕が必要な箇所を推定することができないかという検討がなされている。

ここで、時系列データの将来予測の手法としては、種々の予測手法が知られている。特許文献１に示す異常診断方法は、プラント又は設備の稼働率を維持・向上させるため、センサデータ、稼動情報、イベント情報、設備負荷などから異常度の進展を予測して、プラント又は設備の健康状態を把握し、稼動継続可能時間を推定する方法であり、予測推定方法に線形回帰や非線形回帰による回帰手法や認識手法を採用している。

また、特許文献２に示す統計的特定個人推奨システムは、統計に基づく方法を用いて、個人化された品目推奨をユーザに対して行う手法であって、変数に関係する統計パラメータの計算に線形回帰手法を採用している。

特開２０１３−１５２６５５号公報特表２００５−５３６８１６号公報

従来から知られる種々の予測方法のうち、最も簡単な手法として、最小二乗法による線形回帰手法が知られているが、この手法によると、時系列データの傾向が変わって急激に変化するような場合においては、十分な予測精度が得られないと言う問題があった。

また、その他の手法として、最小二乗法による非線形回帰分析手法によって、線形回帰手法よりも予測精度を高めることも考えられるが、複数の入力パラメータが必要となることから、データの処理や演算が複雑になるという問題があった。さらに、履歴データを全て用いて行う回帰手法では、最近に得られたデータが予測結果にどれだけ反映されているのか判断することが難しいと言う問題もあった。

そこで、本発明は上述した問題に鑑みてなされたものであり、時系列データのうち、過去に取得されたデータを利用して十分な予測精度を備えると共に、データの処理や演算を簡素化し、最近得られたデータがどれだけ予測結果に反映されているか判断することができる時系列データの逐次更新予測判定方法及びこの予測方法を用いた逐次更新予測判定システムを提供することを目的とする。

本発明に係る時系列データの逐次更新予測判定方法は、所定の軌道検測区間を測定して得られた時系列データの逐次更新予測方法であって、新規に取得した時系列データをもとにした事後分布を算出し、１又は複数回前の事後分布結果の変化速度と新規取得データをもとにした前記事後分布の変化速度と比較することを特徴とする。

また、本発明に係る時系列データの逐次更新予測判定方法において、前記事後分布の算出は、前記時系列データに平滑化処理を施し、異常値混入の影響を低減すると好適である。

また、本発明に係る時系列データの逐次更新予測判定方法において、前記事後分布の算出は、前記時系列データに修繕に伴う傾向の変動が含まれる場合、前記修繕の直前及び直後の検測値から算出される変化量が所定の閾値を超えるのであれば、当該変化量を事後分布の算出には用いないと好適である。

また、本発明に係る時系列データの逐次更新予測判定方法において、前記事後分布の変化速度が前記事後分布結果の変化速度よりも大きい場合に、前記事後分布に急進性を有することを警告すると好適である。

また、本発明に係る時系列データの逐次更新予測判定方法において、前記事後分布と併せて、前記事後分布の平均値と標準偏差を算出すると好適である。

また、本発明に係る時系列データの逐次更新予測判定方法において、前記時系列データを用いて正値側と負値側への変化速度を各々算定し、前記正値側と前記負値側の各々の閾値に到達するまでの日数を求めることができ、これにより、前記閾値に早く到達する可能性がある符号の予測値の判別が可能であり、注意すべき変化方向を把握できると好適である。

本発明に係る時系列データの逐次更新予測判定方法において、前記時系列データを用いて正値側と負値側への変化速度を各々算定する際、前記時系列データに修繕に伴う傾向の変動が含まれるか否かを判定する修繕の有無の判定の結果、有と判定されたデータが多い符号の側へは劣化状態は進行していないと判定でき、これにより、閾値に早く到達する可能性がある符号の予測値の判別が可能であり、注意すべき変化方向を把握できると好適である。

また、本発明に係る時系列データの逐次更新予測判定方法において、前記事後分布の算出に、統計的な手法に基づく推定を行うと好適である。

本発明に係る時系列データの逐次更新予測判定システムは、所定の検測区間を測定して得られた時系列データの逐次更新予測を算出して当該逐次更新予測から定量的な良否を判定する判定システムであって、新規取得した時系列データをもとにした事後分布を算出する算出手段と、１又は複数回前の事後分布結果の変化速度と新規取得データをもとにした前記事後分布の変化速度と比較する比較手段を備えることを特徴とする。

また、本発明に係る時系列データの逐次更新予測判定システムにおいて、前記事後分布の算出は、前記時系列データに平滑化処理を施し、異常値混入の影響を低減すると好適である。

また、本発明に係る時系列データの逐次更新予測判定システムにおいて、前記事後分布の算出は、前記時系列データに修繕に伴う傾向の変動が含まれる場合、前記修繕の直前及び直後の検測値から算出される変化量が所定の閾値を超えるのであれば、当該変化量を前記事後分布の算出には用いないと好適である。

また、本発明に係る時系列データの逐次更新予測判定システムにおいて、前記事後分布の変化速度が前記事後分布結果の変化速度よりも大きい場合に、前記事後分布に急進性を有することを警告する警告手段を備えると好適である。

また、本発明に係る時系列データの逐次更新予測判定システムにおいて、前記事後分布と併せて、前記事後分布の平均値と標準偏差を算出する手段を備えると好適である。

また、本発明に係る時系列データの逐次更新予測判定システムにおいて、前記時系列データを用いて正値側と負値側への変化速度を各々算定し、前記正値側と前記負値側の各々の閾値に到達するまでの日数を求めることができ、これにより、前記閾値に早く到達する可能性がある符号の予測値の判別が可能であり、注意すべき変化方向を把握できると好適である。

また、本発明に係る時系列データの逐次更新予測判定システムにおいて、前記時系列データを用いて正値側と負値側への変化速度を各々算定する際、前記時系列データに修繕に伴う傾向の変動が含まれるか否かを判定する修繕の有無の判定の結果、有と判定されたデータが多い符号の側へは劣化状態は進行していないと判定でき、これにより、閾値に早く到達する可能性がある符号の予測値の判別が可能であり、注意すべき変化方向を把握できると好適である。

また、本発明に係る時系列データの逐次更新予測判定システムにおいて、前記事後分布の算出に、統計的な手法に基づく推定を行うと好適である。

本発明に係る時系列データの逐次更新予測判定方法及び、逐次更新予測判定システムは、新規に取得した時系列データ毎に予測結果を逐次更新するので、時系列データから抽出した任意の一点のデータの傾向が変わった場合であっても精度の高い予測が可能となると共に、予測結果の精度が向上することで、将来の結果の変動を定量的に評価することが可能となる。また、例えば、軌道検測データに本発明を適用することで、適切な時期に軌道の修繕を実施することが可能となる。

本実施形態に係る逐次更新予測判定システムの概要図。本実施形態に係る逐次更新予測判定システムのデータ処理のフロー図。本実施形態に係る逐次更新予測判定システムの予測結果の比較方法を説明するための図。

以下、本発明を実施するための好適な実施形態について、図面を用いて説明する。なお、以下の実施形態は、各請求項に係る発明を限定するものではなく、また、実施形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。

図１は、本実施形態に係る逐次更新予測判定システムの概要図であり、図２は、本実施形態に係る逐次更新予測判定システムのデータ処理のフロー図であり、図３は、本実施形態に係る逐次更新予測判定システムの予測結果の比較方法を説明するための図である。

図１に示すように、本実施形態に係る逐次更新予測判定システム１は、営業車両又は専用の軌道検測車両に設置された軌道検測装置２によって検測された軌道検測データを処理する処理装置３と、処理装置３の処理結果を出力する出力装置４とを備えている。

軌道検測装置２は、営業車両又は専用の軌道検測車両に取り付けて軌道上を走行させることで、連続的に軌道の形状、即ち軌道変位データを取得することができる装置であり、具体的には軌道の高低変位・左、高低変位・右、通り変位・左、通り変位・右、軌間変位、水準変位、平面性変位及びその他の測定項目を測定することができる。なお、軌道検測装置２の詳細は、従来周知の検測装置を用いることができるので、詳細な説明は省略するが、複数の変位センサを備え、正矢法や偏心矢法等に代表される差分法、あるいは慣性正矢法又は慣性法等を用いると好適である。また、軌道検測装置２は、手押し式の簡易な軌道検測装置を用いることも可能であるとともに、前記測定項目以外にもレール凹凸や列車動揺といった測定項目を連続的に測定できる装置についても含まれる。

処理装置３は、処理プログラム（急進箇所抽出処理方法）を実行するＣＰＵ（ＣｅｎｔｒａｌＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）と、処理プログラムを格納するＲＯＭ（ＲｅａｄＯｎｌｙＭｅｍｏｒｙ）と、ＣＰＵの処理に必要なデータを一時的に記憶するＲＡＭ（ＲａｎｄｏｍＡｃｃｅｓｓＭｅｍｏｒｙ）とを備えている。

出力装置４は、例えば、液晶表示装置、有機ＥＬ（Ｅｌｅｃｔｏｒｏ−Ｌｕｍｉｎｅｓｃｅｎｃｅ）表示装置のような画像表示装置、又は、インクジェットプリント方式又はレーザプリント方式の印刷装置を備えると好適である。

次に、本実施形態に係る時系列データの逐次更新予測判定方法を用いた逐次更新予測判定システムの動作について説明を行う。図２に示すように、軌道検測装置２で検測された波形データを処理装置３に入力して波形データの処理を開始する。まず、指数平滑法を用いて、変化速度が従う分布（事後分布結果）の平均値及び標準偏差を算出する。また、変化速度の平均値が従う分布の平均値及び標準偏差を算出する（Ｓ１０１）。時系列データに用いる検測された波形データは、高低変位・左、高低変位・右、通り変位・左、通り変位・右、軌間変位、水準変位、平面性変位を少なくとも含む。また、これらの波形データを出力するための変位センサの中間データや、同時に取得された動揺加速度データを含んでも良い。ここで、上記で用いる時系列データにおいて、修繕によって傾向が変動している場合は、修繕の直前、直後の検測値から算出される変化量を変化速度が従う分布の算定には用いない。この修繕の有無の判定には、波形間の差分を取り、得られた値が一定の閾値を超えるか否かという基準を用いる。なお、この閾値は分析対象とするデータによって、適宜変更するものとする。

次に、軌道検測装置２が新たに検測した時系列データ（新規データ）による傾向変動に追従した変化速度が従う新たな分布（事後分布）を算出する（Ｓ１０２）。このとき、事後分布の推定手法は如何なる方法を用いても構わないが、例えばベイズ推定法を用いると計算量を軽くすることができ、データ処理に係る時間を短縮することができる。

この事後分布の推定は、軌道検測装置２が時系列データを取得する毎に行っており、経時変化する時系列データの管理の効率化を図ることができるようになっている。具体的には、図３に示すように、前回の検測で算出した前回予測結果と新たに取得したデータから算出した今回予測結果との変化速度を比較することで、時系列データの急進性の有無を判定している（Ｓ１０３）。なお、逐次更新される時系列データは、検測されたデータ相互間で位置合わせを行うと好適である。この位置合わせは、地上に設置された地上子等の検知信号を用いて地上の絶対位置との照合を行うことによって互いに位置合わせを行っても構わないし、波形データ間のパターンマッチングやリサンプリングを行って位置合わせを行っても構わない。

今回予測結果と前回予測結果の変化速度を比較した結果、前回予測結果の変化速度が今回予測結果の変化速度よりも小さい場合には、図３（ａ）に示すように急進性があると判定され、前回予測結果の変化速度が今回予測結果の変化速度よりも大きい場合には、図３（ｂ）に示すように急進性がないと判定される。このように、本実施形態に係る逐次更新予測判定システムによれば、直近に検測されたデータの重みが予測結果に強く反映されるので、予測精度が向上することとなり、将来の劣化状態を定量的に評価することができる。なお、変化速度の比較による判定結果は、出力装置４によって表示され、急進性（修繕の必要性）の有無が警告される（Ｓ１０４）。

さらに、本実施形態に係る逐次更新予測判定システムは、図３（ｃ）および（ｄ）に示すように、事後分布の算出に合わせて、標準偏差を算出することで変化速度の確率密度（バラツキ）を算出している（Ｓ１０５）。この変化速度の確率密度を求めることで、例えば、図３（ｃ）に示すように、時間軸（縦軸）を固定することで数日後の劣化量のバラツキを評価することも可能となり、図３（ｄ）に示すように、劣化量（横軸）を固定することで所定の劣化量に至る日数のバラツキを評価することができる。このように、予測結果と併せて標準偏差をみることで、確率密度から将来の修繕の優先順位をつけることが可能となる。

加えて、上記の変化速度については、予測値が正値側、負値側に進行する場合があり得ることから、時系列データを用いて正値側と負値側への変化速度を各々算定し、正値側と負値側の各々の閾値に到達するまでの日数を求めることができる。或いは、上述した修繕の有無の判定の結果、修繕有と判定されたデータが多い符号の側へは劣化状態は進行していないと判定することができる。これにより、閾値に早く到達する可能性がある符号の判別が可能であり、注意すべき変化方向を把握できる。

このように、本実施形態に係る逐次更新予測判定方法を用いた逐次更新予測判定システム１は、新規に得られた時系列データ毎に予測結果を逐次更新することにより、傾向が変わる場合においても精度の高い予測が可能となる。また、予測精度が向上することにより、将来の劣化状態を定量的に評価することができるとともに、前回の予測結果と今回の予測結果とを比較することで、変化速度が緩やかになっているのか、又は急激になっているのかを判定することができるため、修繕時期の判別が可能となる。

なお、本実施形態に係る逐次更新予測判定方法を用いた逐次更新予測判定システムでは、逐次更新されるデータが軌道検測で得られた波形データである場合について説明を行ったが、逐次更新されるデータであれば軌道検測のデータに限られずあらゆるデータの判定処理に用いることができる。また、本実施形態に係る逐次更新予測判定方法を用いた逐次更新予測判定システムでは、今回予測結果と前回予測結果を比較した場合について説明を行ったが、前回予測結果は、複数回前の予測結果を用いても構わない。その様な変更又は改良を加えた形態も本発明の技術的範囲に含まれうることが、特許請求の範囲の記載から明らかである。

１逐次更新予測判定システム
２軌道検測装置
３処理装置
４出力装置

Claims

所定の軌道検測区間を測定して得られた時系列データの逐次更新予測判定方法であって、
新規に取得した時系列データをもとにした事後分布を算出し、
１又は複数回前の事後分布結果の変化速度と新規に取得したデータをもとにした前記事後分布の変化速度と比較することを特徴とする時系列データの逐次更新予測判定方法。
請求項１に記載の時系列データの逐次更新予測判定方法において、
前記事後分布の算出は、前記時系列データに平滑化処理を施し、異常値混入の影響を低減することを特徴とする時系列データの逐次更新予測判定方法。
請求項１又は２に記載の時系列データの逐次更新予測判定方法において、
前記事後分布の算出は、前記時系列データに修繕に伴う傾向の変動が含まれる場合、前記修繕の直前及び直後の検測値から算出される変化量が所定の閾値を超えるのであれば、当該変化量を事後分布の算出には用いないことを特徴とする時系列データの逐次更新予測判定方法。
請求項１から３のいずれか１項に記載の時系列データの逐次更新予測判定方法において、
前記事後分布の変化速度が前記事後分布結果の変化速度よりも大きい場合に、前記事後分布に急進性を有することを警告することを特徴とする時系列データの逐次更新予測判定方法。
請求項１から４のいずれか１項に記載の時系列データの逐次更新予測判定方法において、
前記事後分布と併せて、前記事後分布の平均値と標準偏差を算出することを特徴とする時系列データの逐次更新予測判定方法。
請求項１から５のいずれか１項に記載の時系列データの逐次更新予測判定方法において、
前記時系列データを用いて正値側と負値側への変化速度を各々算定し、前記正値側と前記負値側の各々の閾値に到達するまでの日数を求めることができ、これにより、前記閾値に早く到達する可能性がある符号の予測値の判別が可能であり、注意すべき変化方向を把握できることを特徴とする時系列データの逐次更新予測判定方法。
請求項１から５のいずれか１項に記載の時系列データの逐次更新予測判定方法において、
前記時系列データを用いて正値側と負値側への変化速度を各々算定する際、前記時系列データに修繕に伴う傾向の変動が含まれるか否かを判定する修繕の有無の判定の結果、有と判定されたデータが多い符号の側へは劣化状態は進行していないと判定でき、これにより、閾値に早く到達する可能性がある符号の予測値の判別が可能であり、注意すべき変化方向を把握できることを特徴とする時系列データの逐次更新予測判定方法。
請求項１から７のいずれか１項に記載の時系列データの逐次更新予測判定方法において、
前記事後分布の算出に、統計的な手法に基づく推定を行うことを特徴とする時系列データの逐次更新予測判定方法。
所定の軌道検測区間を測定して得られた時系列データの逐次更新予測を算出して当該逐次更新予測から定量的な良否を判定する時系列データの逐次更新予測判定システムであって、
新規取得した時系列データをもとにした事後分布を算出する算出手段と、
１又は複数回前の事後分布結果の変化速度と新規取得データをもとにした前記事後分布の変化速度と比較する比較手段を備えることを特徴とする時系列データの逐次更新予測判定システム。
請求項９に記載の時系列データの逐次更新予測判定システムにおいて、
前記事後分布の算出は、前記時系列データに平滑化処理を施し、異常値混入の影響を低減することを特徴とする時系列データの逐次更新予測判定システム。
請求項９又は１０に記載の時系列データの逐次更新予測判定システムにおいて、
前記事後分布の算出は、前記時系列データに修繕に伴う傾向の変動が含まれる場合、前記修繕の直前及び直後の検測値から算出される変化量が所定の閾値を超えるのであれば、当該変化量を前記事後分布の算出には用いないことを特徴とする時系列データの逐次更新予測判定システム。
請求項９から１１のいずれか１項に記載の時系列データの逐次更新予測判定システムにおいて、
前記事後分布の変化速度が前記事後分布結果の変化速度よりも大きい場合に、前記事後分布に急進性を有することを警告する警告手段を備えることを特徴とする時系列データの逐次更新予測判定システム。
請求項９から１２のいずれか１項に記載の時系列データの逐次更新予測判定システムにおいて、
前記事後分布と併せて、前記事後分布の平均値と標準偏差を算出する手段を備えることを特徴とする時系列データの逐次更新予測判定システム。
請求項９から１３のいずれか１項に記載の時系列データの逐次更新予測判定システムにおいて、
前記時系列データを用いて正値側と負値側への変化速度を各々算定し、前記正値側と前記負値側の各々の閾値に到達するまでの日数を求めることができ、これにより、前記閾値に早く到達する可能性がある符号の予測値の判別が可能であり、注意すべき変化方向を把握できることを特徴とする時系列データの逐次更新予測判定システム。
請求項９から１３のいずれか１項に記載の時系列データの逐次更新予測判定システムにおいて
前記時系列データを用いて正値側と負値側への変化速度を各々算定する際、前記時系列データに修繕に伴う傾向の変動が含まれるか否かを判定する修繕の有無の判定の結果、有と判定されたデータが多い符号の側へは劣化状態は進行していないと判定でき、これにより、閾値に早く到達する可能性がある符号の予測値の判別が可能であり、注意すべき変化方向を把握できることを特徴とする時系列データの逐次更新予測判定システム。
請求項９から１５のいずれか１項に記載の時系列データの逐次更新予測判定システムにおいて、
前記事後分布の算出に、統計的な手法に基づく推定を行うことを特徴とする時系列データの逐次更新予測判定システム。