JP7207529B2

JP7207529B2 - 推定装置、推定方法および推定プログラム

Info

Publication number: JP7207529B2
Application number: JP2021518273A
Authority: JP
Inventors: 哲哉塩田; 美樹境; 一樹及川; 方邦石井
Original assignee: Nippon Telegraph and Telephone Corp; NTT Inc USA
Current assignee: NTT Inc; NTT Inc USA
Priority date: 2019-05-09
Filing date: 2019-05-09
Publication date: 2023-01-18
Anticipated expiration: 2039-05-09
Also published as: WO2020225901A1; JPWO2020225901A1; US11899552B2; US20220214956A1

Description

本発明は、推定装置、推定方法および推定プログラムに関する。

従来、時間的順序を追って一定間隔ごとに観測される時系列データに対して、機械学習や統計的手法等のアルゴリズムを適用することにより、過去の事象に対する知見を獲得したり、未来に対する予測を行なったりすることが可能となる。

時系列データに対するアルゴリズムでは、データが等間隔で取得できることが仮定されており、等間隔でない場合には、欠損値を補完値で補完してデータが等間隔になるように補正される。データの間隔が不明では、どこにデータ欠損が発生しているかがわからないため、時系列データの間隔を適切に推定することが必要である。

なお、例えば、非特許文献１，２には、等間隔ではない時系列データについて、未来のデータを予測する技術が記載されている。

"ｔｒａｃｅｓ－ｔｒａｃｅｓ０．４．２ｄｏｃｕｍｅｎｔａｔｉｏｎ"、[online]、2016年、［2019年3月29日検索］、インターネット<URL：https://traces.readthedocs.io/en/latest/> "ＵｎｅｖｅｎｌｙＳｐａｃｅｄＤａｔａ"、[online]、2016年9月、ＩＤＥＯ、［2019年3月29日検索］、インターネット<URL：https://datascopeanalytics.com/blog/unevenly-spaced-time-series/>

しかしながら、従来の技術では、時系列データの間隔を適切に推定することが困難な場合がある。例えば、時系列データに欠損値が存在して歯抜けになっている場合、データ間に複数の間隔が定義できる。その中から狭い間隔を採用すれば、細かい粒度で未来のデータを予測できる一方で、過去のデータに対する補完値が多くなるために予測精度が大きく低下する恐れがある。また、冗長値が存在すると仮定して広い間隔を採用すれば、補完値を補完すべき欠損値が少ないために未来のデータを高精度に予測できる一方で、予測の粒度は粗くなる。

本発明は、上記に鑑みてなされたものであって、時系列データの間隔を適切に推定することを目的とする。

上述した課題を解決し、目的を達成するために、本発明に係る推定装置は、入力された時系列データの隣接するデータ間の間隔の中央値を、該時系列データの均一な間隔として推定する推定部と、入力された前記時系列データから、推定された前記均一な間隔のデータを抽出する抽出部と、を備えることを特徴とする。

本発明によれば、時系列データの間隔を適切に推定することが可能となる。

図１は、本実施形態の推定装置の概略構成を例示する模式図である。図２は、推定部の処理を説明するための図である。図３は、抽出部の処理を説明するための図である。図４は、抽出部の処理を説明するための図である。図５は、推定処理手順を示すフローチャートである。図６は、推定プログラムを実行するコンピュータの一例を示す図である。

以下、図面を参照して、本発明の一実施形態を詳細に説明する。なお、この実施形態により本発明が限定されるものではない。また、図面の記載において、同一部分には同一の符号を付して示している。

［推定装置の構成］
図１は、本実施形態の推定装置の概略構成を例示する模式図である。図１に例示するように、本実施形態の推定装置１０は、パソコン等の汎用コンピュータで実現され、入力部１１、出力部１２、通信制御部１３、記憶部１４、および制御部１５を備える。

入力部１１は、キーボードやマウス等の入力デバイスを用いて実現され、操作者による入力操作に対応して、制御部１５に対して処理開始などの各種指示情報を入力する。出力部１２は、液晶ディスプレイなどの表示装置、プリンター等の印刷装置等によって実現される。例えば、出力部１２には、後述する推定処理の結果が表示される。

通信制御部１３は、ＮＩＣ（Network Interface Card）等で実現され、ＬＡＮ（Local Area Network）やインターネットなどの電気通信回線を介した外部の装置と制御部１５との通信を制御する。例えば、通信制御部１３は、時系列データを管理する管理装置等と制御部１５との通信を制御する。

記憶部１４は、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。記憶部１４には、推定装置１０を動作させる処理プログラムや、処理プログラムの実行中に使用されるデータなどが予め記憶され、あるいは処理の都度一時的に記憶される。なお、記憶部１４は、通信制御部１３を介して制御部１５と通信する構成でもよい。

例えば、記憶部１４は、後述する推定処理の対象の時系列データを記憶してもよい。その場合には、時系列データは、後述する推定処理に先立って、時系列データを管理する管理装置等から収集され、記憶部１４に記憶される。

図１の説明に戻る。制御部１５は、ＣＰＵ（Central Processing Unit）等を用いて実現され、メモリに記憶された処理プログラムを実行する。これにより、制御部１５は、図１に例示するように、推定部１５ａおよび抽出部１５ｂとして機能する。なお、これらの機能部は、それぞれ異なるハードウェアに実装されてもよい。また、制御部１５は、その他の機能部を備えてもよい。

推定部１５ａは、入力された時系列データの隣接するデータ間の間隔の中央値を、該時系列データの均一な間隔として推定する。具体的には、推定部１５ａは、まず、入力部１１あるいは通信制御部１３を介して、処理対象の時系列データの入力を受け付ける。なお、予め時系列データが収集され記憶部１４に記憶されている場合には、推定部１５ａは、記憶部１４を参照して処理対象の時系列データを取得する。

そして、推定部１５ａは、処理対象の時系列データの間隔を推定する。具体的には、推定部１５ａは、時系列データを構成する各データ間の時間間隔を抽出し、それらの間隔値の中央値を特定し、特定した中央値をこの時系列データの均一な間隔と推定する。これにより、推定部１５ａは、時系列データの間隔として尤もらしい間隔を適切に推定することができる。

例えば、図２は、推定部１５ａの処理を説明するための図である。図２に示す例では、間隔値として、２つの「１」、６つの「２」、１つの「４」が抽出されている。この場合の中央値は、９つの間隔値のうちの中央である５番目の間隔値「２」である。したがって、図２に示す例では、推定部１５ａは、時系列データの間隔は「２」と推定する。

図１の説明に戻る。抽出部１５ｂは、入力された時系列データから、推定された均一な間隔のデータを抽出する。ここで、図３および図４は、抽出部１５ｂの処理を説明するための図である。

例えば、抽出部１５ｂは、図３に示すように、時系列データの最新のデータから順に、推定された均一な間隔だけ遡った時点のデータを抽出する。図３に示す例では、抽出部１５ｂは、最右に示された時系列データの最新のデータから、推定された間隔「２」ずつ遡った時点に存在するデータを抽出する。そして、抽出部１５ｂは、データが存在しなくなった時点で処理を終了する。

ここで、抽出部１５ｂは、所定の許容率εを用いて、推定された間隔×（１＋ε）だけ遡った時点に存在するデータを抽出する。

図３に示す例では、抽出部１５ｂは、６回目に遡った時点にデータが存在しないため、処理を終了している。このようにして、図３に示す例では、抽出部１５ｂは、６つのデータが間隔「２」で時系列に並ぶ時系列データを抽出している。これにより、抽出部１５ｂは、入力された時系列データから、欠損値のない時系列データを抽出することができる。このようにして抽出された時系列データを用いれば、未来のデータを高精度に予測することが可能となる。

あるいは、抽出部１５ｂは、図４に示すように、時系列データの各データの時点を基準点として、各基準点から順に、推定された均一な間隔だけ遡った時点または進んだ時点に存在するデータの数が最大となる場合に、該存在するデータを抽出してもよい。

抽出部１５ｂは、まず、基準点を選定する。図４には、抽出部１５ｂが、星印で示した時系列データの最新のデータの時点を基準点として選定した場合が例示されている。抽出部１５ｂは、選定した基準点から順に、推定された間隔だけ遡った時点に存在するデータの数を計数する。この場合にも、抽出部１５ｂは、所定の許容率εを用いて、推定された間隔×（１＋ε）だけ遡った時点に存在するデータの数を計数する。

図４に示す例では、抽出部１５ｂは、図に破線の四角で示される欠損値を除き、間隔「２」で時系列に並ぶ９つのデータの数「９」を計数する。

抽出部１５ｂは、基準点を変えて同様に、推定された間隔ずつ、基準点の時点から順に遡った時点または進んだ時点に存在するデータの数を計数する。抽出部１５ｂは、全ての基準点について、推定された間隔で存在するデータの数を計数し、データの数が最大となる基準点を採用する。そして、抽出部１５ｂは、採用した基準点から、推定された間隔で存在するデータを抽出する。

抽出部１５ｂは、推定処理の結果として、推定された間隔と抽出した時系列データとを出力部１２に出力したり、通信制御部１３を介して管理装置等に出力したりしてもよい。

なお、基準点から遡る／進める間隔は、推定部１５ａにより推定された間隔に限定されず、任意に設定されてもよい。抽出部１５ｂは、ここで設定された間隔に対して、入力された時系列データから、欠損値の少ない時系列データを抽出することができる。

このように、抽出部１５ｂは、入力された時系列データから、欠損率が最小の時系列データを抽出することができる。このようにして抽出された時系列データを用いれば、未来のデータを高精度に予測することが可能となる。

また、抽出部１５ｂは、さらに、各基準点に対して存在するデータの時刻の総和が最大となる場合に、該存在するデータを抽出するようにしてもよい。例えば、抽出部１５ｂは、推定された間隔で存在するデータの数が最大となる基準点が複数ある場合に、各データの時刻の総和が大きい直近のデータを含む基準点を採用する。これにより、抽出部１５ｂは、最新の時系列データを抽出することができる。

［推定処理］
次に、図５を参照して、本実施形態に係る推定装置１０による推定処理について説明する。図５は、推定処理手順を示すフローチャートである。図５のフローチャートは、例えば、ユーザが開始を指示する操作入力を行ったタイミングで開始される。

まず、推定部１５ａが、入力された時系列データの隣接するデータ間の間隔の中央値を特定し、特定した中央値を該時系列データの間隔として推定する（ステップＳ１）。

次に、抽出部１５ｂが、入力された時系列データから、推定された中央値の間隔で存在するデータを抽出する（ステップＳ２）。

例えば、抽出部１５ｂは、時系列データの最新のデータから順に、推定された均一な間隔だけ遡った時点のデータを抽出する。この場合に、抽出部１５ｂは、所定の許容率εを用いて、推定された間隔×（１＋ε）だけ遡った時点に存在するデータを抽出する。

あるいは、時系列データの各データの時点を基準点として、各基準点から順に、推定された均一な間隔だけ遡った時点または進んだ時点に存在するデータの数が最大となる場合に、該存在するデータを抽出する。また、抽出部１５ｂは、抽出部１５ｂは、さらに、各基準点に対して存在するデータの時刻の総和が最大となる場合に、該存在するデータを抽出するようにしてもよい。この場合にも、抽出部１５ｂは、所定の許容率εを用いて、推定された間隔×（１＋ε）だけ遡った時点に存在するデータを抽出する。これにより、一連の推定処理が終了する。

以上、説明したように、本実施形態の推定装置１０において、推定部１５ａが、入力された時系列データの隣接するデータ間の間隔の中央値を、該時系列データの均一な間隔として推定する。また、抽出部１５ｂが、入力された時系列データから、推定された均一な間隔のデータを抽出する。

これにより、推定装置１０は、入力された時系列データから、欠損値の少ない適切な間隔を推定して、時系列データを抽出することが可能となる。このようにして抽出された時系列データを用いれば、未来のデータを高精度に予測することが可能となる。このように、推定装置１０は、時系列データの間隔を適切に推定することができる。

例えば、抽出部１５ｂは、時系列データの最新のデータから順に、推定された均一な間隔だけ遡った時点のデータを抽出する。これにより、推定装置１０は、入力された時系列データから、欠損値のない時系列データを抽出し、未来のデータを高精度に予測することが可能となる。

また、時系列データの各データの時点を基準点として、各基準点から順に、推定された均一な間隔だけ遡った時点または進んだ時点に存在するデータの数が最大となる場合に、該存在するデータを抽出してもよい。これにより、推定装置１０は、入力された時系列データから、欠損率が最小の時系列データを抽出し、未来のデータを高精度に予測することが可能となる。

また、抽出部１５ｂは、抽出部１５ｂは、さらに、各基準点に対して存在するデータの時刻の総和が最大となる場合に、該存在するデータを抽出するようにしてもよい。これにより、推定装置１０は、入力された時系列データから、最新の時系列データを抽出し、さらに高精度に未来のデータを予測することが可能となる。

［プログラム］
上記実施形態に係る推定装置１０が実行する処理をコンピュータが実行可能な言語で記述したプログラムを作成することもできる。一実施形態として、推定装置１０は、パッケージソフトウェアやオンラインソフトウェアとして上記の推定処理を実行する推定プログラムを所望のコンピュータにインストールさせることによって実装できる。例えば、上記の推定プログラムを情報処理装置に実行させることにより、情報処理装置を推定装置１０として機能させることができる。ここで言う情報処理装置には、デスクトップ型またはノート型のパーソナルコンピュータが含まれる。また、その他にも、情報処理装置にはスマートフォン、携帯電話機やＰＨＳ（Personal Handyphone System）などの移動体通信端末、さらには、ＰＤＡ（Personal Digital Assistant）などのスレート端末などがその範疇に含まれる。また、推定装置１０の機能を、クラウドサーバに実装してもよい。

図６は、推定プログラムを実行するコンピュータの一例を示す図である。コンピュータ１０００は、例えば、メモリ１０１０と、ＣＰＵ１０２０と、ハードディスクドライブインタフェース１０３０と、ディスクドライブインタフェース１０４０と、シリアルポートインタフェース１０５０と、ビデオアダプタ１０６０と、ネットワークインタフェース１０７０とを有する。これらの各部は、バス１０８０によって接続される。

メモリ１０１０は、ＲＯＭ（Read Only Memory）１０１１およびＲＡＭ１０１２を含む。ＲＯＭ１０１１は、例えば、ＢＩＯＳ（Basic Input Output System）等のブートプログラムを記憶する。ハードディスクドライブインタフェース１０３０は、ハードディスクドライブ１０３１に接続される。ディスクドライブインタフェース１０４０は、ディスクドライブ１０４１に接続される。ディスクドライブ１０４１には、例えば、磁気ディスクや光ディスク等の着脱可能な記憶媒体が挿入される。シリアルポートインタフェース１０５０には、例えば、マウス１０５１およびキーボード１０５２が接続される。ビデオアダプタ１０６０には、例えば、ディスプレイ１０６１が接続される。

ここで、ハードディスクドライブ１０３１は、例えば、ＯＳ１０９１、アプリケーションプログラム１０９２、プログラムモジュール１０９３およびプログラムデータ１０９４を記憶する。上記実施形態で説明した各情報は、例えばハードディスクドライブ１０３１やメモリ１０１０に記憶される。

また、推定プログラムは、例えば、コンピュータ１０００によって実行される指令が記述されたプログラムモジュール１０９３として、ハードディスクドライブ１０３１に記憶される。具体的には、上記実施形態で説明した推定装置１０が実行する各処理が記述されたプログラムモジュール１０９３が、ハードディスクドライブ１０３１に記憶される。

また、推定プログラムによる情報処理に用いられるデータは、プログラムデータ１０９４として、例えば、ハードディスクドライブ１０３１に記憶される。そして、ＣＰＵ１０２０が、ハードディスクドライブ１０３１に記憶されたプログラムモジュール１０９３やプログラムデータ１０９４を必要に応じてＲＡＭ１０１２に読み出して、上述した各手順を実行する。

なお、推定プログラムに係るプログラムモジュール１０９３やプログラムデータ１０９４は、ハードディスクドライブ１０３１に記憶される場合に限られず、例えば、着脱可能な記憶媒体に記憶されて、ディスクドライブ１０４１等を介してＣＰＵ１０２０によって読み出されてもよい。あるいは、推定プログラムに係るプログラムモジュール１０９３やプログラムデータ１０９４は、ＬＡＮやＷＡＮ（Wide Area Network）等のネットワークを介して接続された他のコンピュータに記憶され、ネットワークインタフェース１０７０を介してＣＰＵ１０２０によって読み出されてもよい。

以上、本発明者によってなされた発明を適用した実施形態について説明したが、本実施形態による本発明の開示の一部をなす記述および図面により本発明は限定されることはない。すなわち、本実施形態に基づいて当業者等によりなされる他の実施形態、実施例および運用技術等は全て本発明の範疇に含まれる。

１０推定装置
１１入力部
１２出力部
１３通信制御部
１４記憶部
１５制御部
１５ａ推定部
１５ｂ抽出部

Claims

入力された時系列データの隣接するデータ間の間隔の中央値を、該時系列データの均一な間隔として推定する推定部と、
入力された前記時系列データから、推定された前記均一な間隔のデータを抽出する抽出部と、
を備えることを特徴とする推定装置。
前記抽出部は、前記時系列データの最新のデータから順に、推定された前記均一な間隔だけ遡った時点のデータを抽出することを特徴とする請求項１に記載の推定装置。
前記抽出部は、前記時系列データの各データの時点を基準点として、各基準点から順に、推定された前記均一な間隔だけ遡った時点または進んだ時点に存在するデータの数が最大となる場合に、該存在するデータを抽出することを特徴とする請求項１に記載の推定装置。
前記抽出部は、各基準点から順に、推定された前記均一な間隔だけ遡った時点または進んだ時点に存在するデータの数が最大となる場合であって、かつ、前記各基準点に対して存在するデータの時刻の総和が最大となる場合に、該存在するデータを抽出することを特徴とする請求項３に記載の推定装置。
推定装置で実行される推定方法であって、
入力された時系列データの隣接するデータ間の間隔の中央値を、該時系列データの均一な間隔として推定する推定工程と、
入力された前記時系列データから、推定された前記均一な間隔のデータを抽出する抽出工程と、
を含んだことを特徴とする推定方法。
入力された時系列データの隣接するデータ間の間隔の中央値を、該時系列データの均一な間隔として推定する推定ステップと、
入力された前記時系列データから、推定された前記均一な間隔のデータを抽出する抽出ステップと、
をコンピュータに実行させるための推定プログラム。