时间事件序列数据可视化综述

时间事件序列数据,是由一个或多个记录构成的集合,每个记录由一组带有时间戳的事件类别组成.数据可视化被广泛用于时间事件序列数据的频繁模式发现、相似模式匹配与查询以及潜在阶段模式检测.文中介绍了时间事件序列数据的特征,并重点从时间事件序列数据的可视化呈现方法和可视分析2个方面对已有的工作进行了系统的整理.在可视化呈现方式上,将现有的可视化方法分为4个类别,即基于GanttChart、基于Flow、基于StoryLines及基于矩阵的可视化方法,并分别介绍了相关类别的可视化方法的发展;将可视分析任务总结为4类主要任务,即模式发现与探索、可视化查询、对比分析及结果事件分析,并且从这些可视分析任务的角度总结了现有的可视分析工具.最后,对时间事件序列数据可视化面临的挑战以及未来趋势进行了总结和展望,以期为时间事件序列数据分析提供新的思路.     

时序数据挖掘在AFC系统运营管理中的分析与应用

AFC系统的核心是票/卡售检票自动处理.为保证AFC系统正常运营,需要定期或按需执行票/卡调配.把时序数据分析技术与数据挖掘理论相结合,建立了适合数据挖掘中径向基函数神经网络的输入样本模型.该模型能够通过反复学习从时序数据中发现潜在的规律,并将其用于轨道交通客流量的短期预测.预测结果表明比采用BP神经网络模型的预测结果精度更高、效果更好.     

基于分布式平台的大数据分析处理系统

设计并实现基于分布式平台的大数据分析处理系统,基于Spark平台用以处理大规模时间序列数据。系统框架主要分为存储层、算子层和算法层。在存储层,系统基于HDFS和Hive完成对大规模时间序列数据的组织和索引。在算子层,系统为用户提供了Spark平台上时间序列数据常用的基本操作,并允许用户直接使用这些算子实现自定义的时间序列相关处理算法。在算法层,系统实现Spark平台中一些常用的时间序列分析算法,包括时间序列相似度查询、聚类和预测,用户可以直接使用这些算法进行时间序列分析。通过对系统性能和功能的测试,验证了该系统的可行性和实用性。     

基于时间序列算法与多层次分布式智能决策支持系统

时间序列分析方法的研究和应用飞速发展,越来越多的工程实际工作者开始研究并应用时间序列分析法.采用了博克思-詹金斯预测方法,主要对随机时间序列预测模型进行详细的研究,对时间序列数据进行分析,从中获取所蕴含的关于生成时间序列的系统的演化规律,以完成对系统的观测及其未来行为的预测,这在工程应用中具有一定的价值和意义.     

生物医学信号时间属性及其分析研究的进展

与宇宙随着时间膨胀和大自然随着时间演化一样,表征生命体征的生物医学信号同样有很强的时效性,它随着时间不断地在变化着.因此,常用具有时间概念的时间序列信号来描述与分析.很久以来,借助各种传感器和电子测量仪器获取各种类型的生理时间序列信号,对其进行传统的方法分析与处理,同时认为生理系统为平稳的线性系统,进行时域、频域、时频变换分析以及统计学处理.人体(或高级动物)的生理系统是自然界中最复杂的系统.在对人体生物医学信号进行非线性动力学分析时,对时间属性的研究即是对时间复杂度参数(如熵值等)的研究.熵在增大,所有活体系都在耗散,现在研究的是远离平衡、非线性耗散系统中,时间上不可逆的动态演化.显然,在人们熟知的“生物钟”周期中,机体的生理状态每时每刻都不同,不同周期里的状态也各不相同,则通过非线性动力学分析表征生命体征的复杂度参数也各不相同.生物医学信号时间序列的非性线分析除了混沌分析、幂律分析、多重分形、熵分析等方法外,近期有学者对时间序列进行时间不可逆性分析,以期进一步揭示生命活动的非线性动力学系统本质.自然变更、生物进化、社会发展等都是无序的、不可逆的过程,研究其不可逆性正在引起空间、时间和动力学概念上的巨大变化.因此,序列的时间不可逆性分析提供了一种分析非线性动力学系统的新思路.     

DNA序列数据挖掘技术

DNA序列数据是一类重要的生物数据.研究DNA序列数据解读其含义是后基因组时代的主要研究任务.数据挖掘是目前最有效的数据分析手段之一,用于发现大量数据所隐含的各种规律,也是生物信息学采用的主要数据分析技术.将数据挖掘技术用于DNA序列数据分析,已得到了广泛关注和快速发展,并取得了许多研究成果.综述了DNA序列数据挖掘领域的研究状况和进展,提出了3个研究阶段:基于统计的挖掘方法应用阶段、一般化挖掘方法应用阶段和专门的DNA序列数据挖掘方法设计阶段.阐述了DNA序列数据挖掘的基础是序列相似性,评述了DNA序列数据挖掘领域所采用的关键技术,包括DNA序列模式、关联、聚类、分类和异常挖掘等,分析讨论了其相应的生物应用背景和意义.最后给出DNA序列数据挖掘进一步研究的热点问题,包括DNA序列数据新的存储和索引机制的设计、根据生物领域知识的数据挖掘新模型和算法的设计等.     

基于相关性分析的工业时序数据异常检测

多维时间序列上的异常检测,是时态数据分析的重要研究问题之一.近年来,工业互联网中传感器设备采集并积累了大量工业时间序列数据,这些数据具有模式多样、工况多变的特性,给异常检测方法的效率、效果和可靠性均提出更高要求.序列间相互影响、关联,其隐藏的相关性信息可以用于识别、解释异常问题.基于此,提出一种基于序列相关性分析的多维时间序列异常检测方法.首先对多维时间序列进行分段、标准化计算,得到相关性矩阵,提取量化的相关关系;然后建立了时序相关图模型,通过在时序相关图上的相关性强度划分时间序列团,进行时间序列团内、团间以及单维的异常检测.在真实的工业设备传感器数据集上进行了大量实验,实验结果验证了该方法在高维时序数据的异常检测任务上的有效性.通过对比实验,验证了该方法从性能上优于基于统计和基于机器学习模型的基准算法.该研究通过对高维时序数据相关性知识的挖掘,既节约了计算成本,又实现了对复杂模式的异常数据的精准识别.     

实时演进数据序列集的内在模式提取与行为预测

复杂系统数据序列集未来行为的预测是一个难点,利用数据挖掘实现预测是有潜力的技术途径.针对包含多元时间序列和非时间序列的实时演进数据集,整合序列分割、聚类、模式在线匹配等处理流程,提出了一种主题发现与联合决策相结合的预测方法.在整个方法构建中,将拟构造的主题发现式预测和联合决策预测融合进前期的序列分割与聚类中,采用多时间粒度、多跨度对序列进行对应分层与分割,聚合形成各层的标准模式集.再以标准模式集,依照预测策略,反向搜索具有高稳定性延展行为的复合模式作为主题模式集,从而实现基于在线模式匹配的行为预测.最后,采用分布式并行计算的架构实现整个处理算法.理论推导和实验数据分析证明,相比传统的时间序列预测方法准确度得到提高.     

WCDMA系统基带信号处理AFC算法研究

分析了WCDMA系统基带信号处理自动频率控制(AFC)的原理,重点对延时共扼相乘的AFC算法进行仿真,结果表明信噪比和衰落状况是AFC算法性能的重要影响因素.     

水文时间序列相似性挖掘系统

时间序列分析正成为数据挖掘研究的热点,本文讨论了时间序列相似性研究的现状和典型方法,介绍了水文时间序列相似性系统的设计与实现,详细分析了系统采用的相似性度量方法。     

通信中间件技术在轨道交通AFC系统中的应用研究

城市轨道交通自动售检票AFC(Automatic Fare Collection)系统是一个集控制与信息管理于一体的综合管理系统.在终端设备、车站系统、中央计算机系统和城市轨道交通票务清分系统之间的城域网通信,直接影响AFC系统数据传输的稳定性和可靠性.在实践基础上,提出和总结了AFC系统数据通信传输的实现方式,并对通信中间件的开发与应用进行讨论.     

A closed‐loop nonlinear control and sliding mode estimation strategy for fluid flow regulation

Novel sliding mode observer (SMO) and robust nonlinear control methods are presented, which are shown to achieve finite‐time state estimation and asymptotic regulation of a fluid flow system. To facilitate the design and analysis of the closed‐loop active flow control (AFC) system, proper orthogonal decomposition–based model order reduction is utilized to express the Navier‐Stokes partial differential equations as a set of nonlinear ordinary differential equations. The resulting reduced‐order model contains a measurement equation that is in a nonstandard mathematical form. This challenge is mitigated through the detailed design and analysis of an SMO. The observer is shown to achieve finite‐time estimation of the unmeasurable states of the reduced‐order model using direct sensor measurements of the flow field velocity. The estimated states are utilized as feedback measurements in a closed‐loop AFC system. To address the practical challenge of actuator bandwidth limitations, the control law is designed to be continuous. A rigorous Lyapunov‐based stability analysis is presented to prove that the closed‐loop flow estimation and control method achieves asymptotic regulation of a fluid flow field to a prescribed state. Numerical simulation results are also provided to demonstrate the performance of the proposed closed‐loop AFC system, comparing 2 different designs for the SMO.     

Transit smart card data mining for passenger origin information extraction

The automated fare collection(AFC) system,also known as the transit smart card(SC) system,has gained more and more popularity among transit agencies worldwide.Compared with the conventional manual fare collection system,an AFC system has its inherent advantages in low labor cost and high efficiency for fare collection and transaction data archival.Although it is possible to collect highly valuable data from transit SC transactions,substantial efforts and methodologies are needed for extracting such data because most AFC systems are not initially designed for data collection.This is true especially for the Beijing AFC system,where a passenger’s boarding stop(origin) on a flat-rate bus is not recorded on the check-in scan.To extract passengers’ origin data from recorded SC transaction information,a Markov chain based Bayesian decision tree algorithm is developed in this study.Using the time invariance property of the Markov chain,the algorithm is further optimized and simplified to have a linear computational complexity.This algorithm is verified with transit vehicles equipped with global positioning system(GPS) data loggers.Our verification results demonstrated that the proposed algorithm is effective in extracting transit passengers’ origin information from SC transactions with a relatively high accuracy.Such transit origin data are highly valuable for transit system planning and route optimization.     

一类非线性欠驱动移动系统的加速度反馈增强的H∞扰支抑制控制

In this paper, a generalized acceleration feedback control (AFC) design method, named AFC enhanced H∞ controller, is proposed for both fnllactuated and underactuated nonlinear autonomous vehicle systems. The AFC is designed as a robust enhancement to the normal control based on known dynamics. First, in order to reject the uncertainties and external disturbances, a linear prefilter is used in the new AFC design method to replace the high gain in the normal AFC. Then, backstepping algorithm is applied to the AFC design of underactuated systems. The analysis of both the disturbance attenuation in frequency domain and input-output finite gain L2 stability shows the new controller design method is applicable. In the end, simulations are conducted with respect to the tracking control of unmanned model helicopter. The results are compared with those obtained by the tracking control without AFC to verify the feasibility of the new method.     

一类非线性欠驱动移动系统的加速度反馈增强的H∞扰动抑制控制

提出了一种即适用于全驱动系统, 也适用于欠驱动系统的加速度反馈控制新方法—加速度反馈增强的 H∞ 控制方法. 通过引入前置滤波器来代替传统加速度反馈控制方法中的高增益, 新的加速度反馈控制方法可以根据已知的非线性动力学项设计非线性鲁棒性增强控制器; 通过与后退算法相结合, 新的加速度反馈控制方法可以应用于欠驱动非线性系统; 通过在频率域及输入输出有限增益 L2 稳定的意义上的分析显示了新的方法具有良好的扰动抑制性能. 最后, 在一个直升机仿真模型上进行的跟踪控制仿真实验的结果验证了新方法的可行性与有效性.     

Application of Active Force Control and Iterative Learning in a 5-Link Biped Robot

This paper investigates the efficacy of the implementation of the conventional Proportional-Derivative (PD) controller and different Active Force Control (AFC) strategies to a 5-link biped robot through a series of simulation studies. The performance of the biped system is evaluated by making the biped walk on a horizontal flat surface, in which the locomotion is constrained within the sagittal plane. Initially, a classical PD controller has been used to control the biped robot. Then, a disturbance elimination method called Active Force Control (AFC) schemes has been incorporated. The effectiveness and robustness of the AFC as disturbance rejecter has been examined when a conventional crude approximation (AFCCA), and an intelligent active force control scheme, which is known as Active Force Control and Iterative Learning (AFCAIL) are employed. It is found that for both of the AFC control schemes proposed, the system is robust and stable even under the influence of disturbances. An attractive feature of the AFCAIL scheme is that inertia matrix tuning becomes much easier and automatic without any degradation in the performance.     

AFC系统异常连接测试工具的设计与实现

北京地铁车站设备和系统对异常数据的处理是否符合北京轨道交通AFC系统设计及实施规范要求,是地铁新线接入测试的必须环节。针对当前测试方法自动化程度不高,测试人员需要对AFC系统有详细了解才能很好地完成异常数据处理测试的问题,通过分析测试工作的内容,归纳测试数据与测试流程的种类,设计实现了具有自动生成测试数据、自动执行测试用例功能的异常连接测试工具;通过实际测试验证了设计工具功能的有效性。     

地铁终端设备监控系统

介绍自动售检票系统的发展现状及其结构层次,解释终端监控系统在整个系统中所处的地位和作用。从系统需求、模块的划分、通信的实现、数据的处理等几个方面着手提出解决方案,结合软件界面设计和具体代码编写,开发出一款对车站终端设备进行实时监控的软件系统。     

轨道交通无障碍换乘模式下的客流分配

轨道交通线路上的途径客流是线路客流的重要组成部分,将无障碍换乘客流准确地分配到各途经线路可以给后续各项客流分析提供数据支持。参照公交线路起点—终点（OD）反推技术,把吸引权系数法引入轨道交通无障碍换乘模式下的线路客流分配中,根据不同线路的进出站客流数据定义吸引权系数,加权客流换乘次数和途径站点数,建立轨道交通无障碍换乘模式下的一种客流分配模型。实例验证表明,在应用此模型时,考虑客流高峰区间,合并不同时段区间下的计算结果,可以得到更好的精度。     

上海轨道交通3号线AFC系统“一票换乘”改造实践

上海轨道交通3号线自动售检票系统的"一票换乘"改造工程于2005年成功完成.描述改造国外引进自动售检票系统的实践过程,包括把纸质磁票改为上海轨道交通"一票换乘"网络化运营的 IC车票,搭建临时系统、分区过渡,统一切换上线和后续调整等技术方案设计、规划和实践,突破了原系统的一些技术瓶颈,不仅保证了改造后系统的先进性,而且还使整个系统的性能有了很大的提高.