信息处理系统、信息处理方法以及计算机可读存储介质与流程

1.本公开涉及一种信息处理系统、信息处理方法以及程序，尤其涉及一种对异常事件进行验证的技术。


背景技术：

2.国际公开第2020/245968号公开了一种根据对象的时间序列数据而对异常事件进行检测的信息处理系统。


技术实现要素：

3.期望一种能够根据包含多个信号数据(例如，多个对象的位置数据)的异常时间序列数据来执行异常事件的验证(例如，异常事件的检测或异常原因的确定)的信息处理系统。
4.本公开是为了解决这样的问题而完成的，其目的在于，提供一种能够基于包含多个信号数据的异常时间序列数据而对异常事件进行验证的信息处理系统、信息处理方法以及程序。
5.本实施方式中的信息处理系统具备：取得部，其取得多个时间序列数据，各个时间序列数据包含多个信号数据，所述多个时间序列数据包含异常时间序列数据以及多个正常时间序列数据；验证部，其针对每个信号数据而对各个时间区间中的所述异常时间序列数据以及各个正常时间序列数据是否彼此相似进行判断，并基于判断结果来对异常事件进行验证。
6.本实施方式中的信息处理方法包括：计算机取得多个时间序列数据的工序，各个时间序列数据包含多个信号数据，所述多个时间序列数据包含异常时间序列数据以及多个正常时间序列数据；针对每个信号数据而对各个时间区间中的所述异常时间序列数据以及各个正常时间序列数据是否彼此相似进行判断，并基于判断结果而对异常事件进行验证的工序。
7.本实施方式中的程序使计算机执行如下的信息处理方法，所述信息处理方法包括：取得多个时间序列数据的工序，各个时间序列数据包含多个信号数据，所述多个时间序列数据包含异常时间序列数据以及多个正常时间序列数据；针对每个信号数据而对各个时间区间中的所述异常时间序列数据以及各个正常时间序列数据是否彼此相似进行判断，并基于判断结果而对异常事件进行验证的工序。
8.根据本公开，可以提供能够基于包含多个信号数据的异常时间序列数据而对异常事件进行验证的信息处理系统、信息处理方法以及程序。
9.本公开的上述和其他目的、特征和优点将通过下文给出的详细描述和仅作为示例而给出的附图从而得到更充分的理解，因此不应被认为是对本公开的限制。
附图说明
10.图1为表示实施方式1所涉及的信息处理装置的结构的框图。
11.图2为用于对每种信号组合的相似度进行说明的图。
12.图3为表示实施方式1所涉及的信息处理方法的流程的流程图。
13.图4为表示机器人的交错而过的模拟的概要的概要图。
14.图5为表示机器人的出发地以及目的地的概要图。
15.图6为表示基于搜索的测试的概要的概要图。
16.图7为用于对失败目标点进行说明的图。
17.图8为用于对成功数据组进行说明的图。
18.图9为用于对相似id的提取方法进行说明的图。
19.图10为用于对课题定时进行说明的的图。
20.图11(a)为用于对原因信号的确定结果进行说明的图。
21.图11(b)为用于对原因信号的确定结果进行说明的图。
具体实施方式
22.以下，虽然通过发明的实施方式而对本发明进行说明，但未将本发明限定于以下的实施方式。此外，在实施方式中说明的结构并不一定全部都是作为用于解决课题的手段而必须的。
23.实施方式1
24.以下，参照附图，对实施方式1所涉及的信息处理装置进行说明。图1为表示实施方式1所涉及的信息处理装置100的结构的框图。信息处理装置100为信息处理系统的一个示例。信息处理装置100也可以为边缘终端(edge terminal)。在边缘终端内完成处理的系统也可包含在信息处理系统中。如最后说明的那样，信息处理系统也可以包含服务器。
25.信息处理装置100具备取得部110、数据提取部120、以及验证部130。此外，信息处理装置100具备未图示的处理器、存储器。通过处理器执行程序，从而使信息处理装置100作为取得部110、数据提取部120、以及验证部130而发挥功能。
26.取得部110取得多个时间序列数据。各个时间序列数据包含多个信号数据。多个时间序列数据包含异常时间序列数据以及多个正常时间序列数据。异常时间序列数据也被称为失败目标数据、缺陷数据。异常时间序列数据也可以为违反了系统要求的数据。正常时间序列数据也被称为成功数据。虽然在下文中，以各个时间序列数据是模拟数据的情况为中心进行说明，但各个时间序列数据也可以为现实世界的实验数据。
27.取得部110也可以实施以搜索违反了系统要求的数据(缺陷数据)为目的的基于搜索的测试，并从测试结果中提取所需的信息。由此，用户能够有效率地进行缺陷数据的分析。作为基于搜索的测试的结果，取得部110也可以接收到与各个模拟数据是否满足系统要求的情况相关的信息。基于搜索的测试能够通过最优化而有效率地搜索违反系统要求。
28.另外，取得部110也可以进行基于搜索的测试以外的测试。取得部110例如也可以进行等间隔地设定了模拟条件的测试(例如，网格测试)或用户任意地设定了模拟条件的测试。
29.具体而言，取得部110进行根据时刻而使相对位置相互变化的多个对象(例如，机
器人r1、机器人r2、机器人r3)的移动的模拟。在这样的情况下，作为模拟条件，也可以设定各个对象的出发地、出发时刻。
30.在下文中，以进行多个对象的移动的模拟的情况为中心进行说明。但是，时间序列数据只要为用于在各种各样的条件下对控制系统的动作是否满足系统要求进行验证的数据即可。成为对象的控制例如也可以为发动机控制、自动驾驶车辆的合流控制、智能电网控制。
31.在发动机控制的情况下，能够通过多个信号数据(例如，加速器、制动器的输入轨迹)，以加速器以及制动器的输入为条件，对车速的目标值与实测值之间的偏差量进行验证。在自动驾驶车辆的合流控制的情况下，能够通过多个信号数据(例如，自动驾驶车辆的移动轨迹)，对自动驾驶车辆的各种各样的初始位置处的碰撞进行验证。在智能电网控制的情况下，能够通过多个信号数据(例如，电力使用量、发电量)，对各种各样的供求条件下的各个设施中的电力过剩不足进行验证。
32.取得部110能够通过从基于搜索的测试等的结果中提取所需的信息而取得多个时间序列数据。如上文所述，在各个时间序列数据中，包含有多个信号数据。取得部110例如可以根据机器人r1、r2、以及r3的交错而过的模拟的结果，将机器人r1的(x，y)数据设为第一信号数据，将机器人r2的(x，y)数据设为第二信号数据，将机器人r3的(x，y)数据设为第三信号数据。
33.另外，取得部110能够将与设想外的动作相关联的任意的数据设定为信号数据。例如，如果是机器人控制模拟，则可以将机器人的(x，y)数据设为第一信号数据，将障碍物的位置数据设为第二信号数据。在这样的情况下，能够对特定的障碍物配置中的机器人移动的设想外动作进行检测。如果是发动机控制模拟，则可以将加速器输入轨迹设为第一信号数据，将制动器输入轨迹设为第二信号数据，将外部气温设为第三信号数据，将档位设为第四信号数据。
34.数据提取部120从多个时间序列数据中提取异常时间序列数据以及正常时间序列数据。例如，有时在与多个对象的移动相关的时间序列数据中由于多个对象的相互作用而包含异常时间序列数据。具体而言，在对象与其他的对象交错而过时，有时会碰撞，或停止，或以超出必要的方式而绕行。这样的现象被称为异常事件或设想外动作。
35.例如，预定的对象在目的时刻(例如从开始模拟经过了120秒的时刻)之前到达了目的地的时间序列数据被分类为正常时间序列数据。除此以外的时间序列数据被分类为异常时间序列数据。
36.具体而言，数据提取部120将违反系统要求的模拟数据设为异常时间序列数据。系统要求可以由用户任意地决定。系统要求例如可以为预定的移动体在预定的时间内到达至目的地的情况。与是否违反系统要求相关的信息可以包含在基于搜索的测试的结果中。缺陷数据可以基于阈值进行判断，也可以根据是否满足以stl(signal temporal logic，信号时态逻辑)的形式来表达的条件进行判断。
37.另外，数据提取部120也可以不是基于整个系统的要求，而是基于子系统的要求来提取缺陷数据。例如，有时，在使多个对象(例如，自主移动体)在时间内到达至目的地这一系统要求中，包含有各个对象的位置推断的误差为阈值以下这一子系统要求。在这样的情况下，数据提取部120能够将各个对象的位置推断的误差为阈值以下的模拟数据设为正常
时间序列数据，将除此以外的模拟数据设为异常时间序列数据。
38.验证部130针对每个信号数据而对各个时间区间内的异常时间序列数据以及各正常时间序列数据是否彼此相似进行判断。验证部130例如可以对后述的成功点是否包含在后述的失败目标点的预定范围内进行判断。
39.验证部130基于判断结果而对异常事件进行验证。异常事件的验证包括发生异常事件的定时(以下，被称为课题定时)的检测、异常原因的确定中的至少任意一个。异常原因的确定是指，对异常时间序列数据中所包含的多个信号数据中的与异常事件的发生原因相关联的信号数据进行确定。验证部130可以对单信号进行确定，也可以对信号组合进行确定。
40.验证部130具备部分时间序列化部131、参数计算部132、id提取部133、相似度计算部134、定时确定部135、以及信号确定部136。
41.部分时间序列化部131首先对各个信号数据进行部分时间序列化。部分时间序列化部131例如使10秒钟的时间窗口每次滑动1秒，而生成部分时间序列数据。在这样的情况下，时间区间例如表示为[0-10，1-11，
……
，110-120(sec)]。窗口的宽度未被限定于10秒，步进滑动未被限定于1秒。例如，在时间窗口全部从0秒开始的情况下，时间区间表示为[0-1，0-2，
……
，0-120(sec)]。
[0042]
在下文中，存在将对信号数据进行部分时间序列化后得到的数据称为部分时间序列信号数据的情况。存在将对异常时间序列数据中所包含的信号数据进行部分时间序列化后得到的数据称为第一部分时间序列信号数据的情况。存在将对正常时间序列数据中所包含的信号数据进行部分时间序列化后得到的数据称为第二部分时间序列信号数据的情况。部分时间序列数据也被称为各个时间区间中的时间序列数据。
[0043]
参数计算部132针对每个信号数据，对各个时间区间中的各个时间序列数据的特征参数进行计算。也就是说，参数计算部132对各个部分时间序列信号数据的特征参数进行计算。特征参数也被称为特征点。第一部分时间序列信号数据的特征参数被称为失败目标点，第二部分时间序列信号数据的特征参数被称为成功点。
[0044]
参数计算部132也可以例如通过提取多个时间点(例如，模拟开始后20秒、21秒、22秒、23秒、24秒、25秒、26秒、27秒、28秒、29秒、30秒)中的每一个时间点的机器人r1的位置坐标(例如，机器人r1的x坐标、机器人r1的y坐标)并将所提取出来的位置坐标排列(连结)，从而对特征数据进行计算。
[0045]
特征参数的计算方法不限于上述的提取多个时间点的信号数据值并连结的方法。参数计算部132也可以利用稀疏编码、小波变换、shapelet变换、奇异谱分解、非负矩阵分解等方法，对特征数据进行计算。
[0046]
id提取部133针对每个信号数据，在各个时间区间中提取与异常时间序列数据相似的正常时间序列数据的id(以下，称为相似id)。id提取部133例如针对每个信号数据，对各个时间区间中的各个时间序列数据的特征参数进行计算。
[0047]
具体而言，id提取部133对失败目标点的预定范围内所包含的成功点进行确定，并提取与所确定的成功点相对应的正常时间序列数据的id。也就是说，在第一部分时间序列数据的特征参数与第二部分时间序列数据的特征参数之间的欧几里得距离在阈值以下的情况下，将与第二部分时间序列数据相对应的正常时间序列数据的id作为相似id提取。
[0048]
id提取部133也可以不基于欧几里得距离，而基于马氏距离、余弦相似度，来提取相似id。而且，id提取部133也可以通过由核密度估计等概率密度分布进行的概率计算等任意的方法，进行第一部分时间序列数据与第二部分时间序列数据之间的相似判断。在这样的情况下，信息处理装置100也可以不具备参数计算部132。id提取部133也可以根据特征参数来对特性值(例如，平均、分散、频率特性)进行计算，并基于特性值的相似度而提取相似id。
[0049]
相似度计算部134针对每种信号组合，求出相似id的共同部分，并对共同部分所包含的相似id数的时间变化进行计算。相似id数也被称为相似度。在此，在信号组合中，不仅包含有两个信号数据的组合，还包含有一个信号数据(单信号)。在信号组合中，也可以包含三个以上的信号数据的组合。在信号组合中包含全部信号数据的组合。由于相似id针对每个部分时间序列而被提取，因此，相似度计算部134能够对相似id数的时间变化进行计算。
[0050]
对各个时间序列数据包含三个信号数据(例如，信号1、信号2、以及信号3)的情况进行说明。在这样的情况下，信号组合为组合1、组合2、组合3、组合1
·
2、组合1
·
3、组合2
·
3、组合1
·2·
3这六个种类。组合1、组合2以及组合3分别为信号1、信号2、以及信号3的单信号组合。组合1
·
2为信号1以及信号2的组合，组合1
·
3为信号1以及信号3的组合，组合2
·
3为信号2以及信号3的组合。组合1
·2·
3被称为全部信号组合或全部组合，为信号1、信号2、以及信号3的组合。
[0051]
参照图2，对由id提取部133计算的相似id数的时间变化进行说明。在图2的上侧，示出了六个种类的信号组合(组合1、组合2、组合3、组合1
·
2、组合1
·
3、组合2
·
3、组合1
·2·
3)的每一种中的相似id的集合a1、a2、a3、a12、a13、a23、以及a123。集合a1、a2、以及a3表示单信号中的相似id的集合。在下侧，示出了信号1(组合1)的相似度c1、信号2(组合2)的相似度c2、信号3(组合3)的相似度c3的时间变化。曲线图的纵轴表示相似度，横轴表示时刻。
[0052]
在下文中，对两个以上的信号组合中的共同部分进行说明。另外，共同部分这一用语也可以应用于单信号。例如，存在集合a1被称为一个信号a1的共同部分的情况。
[0053]
集合a12、集合a13、集合a23表示两个信号组合中的相似id的集合。组合1
·
2中的相似id的集合a12为集合a1和集合a2的共同部分(交集)。组合1
·
3中的相似id的集合a13为集合a1和集合a3的共同部分。组合2
·
3中的相似id为集合a2和集合a3的共同部分。组合1
·
2中的相似度c12、组合1
·
3中的相似度c13、以及组合2
·
3中的相似度c23的时间变化在下侧示出。曲线图的纵轴表示相似度，横轴表示时刻。
[0054]
集合a123表示三个信号组合中的相似id的集合。组合1
·2·
3(全部组合)中的相似id的集合a123为集合a1、集合a2、以及集合a3的共同部分。在下侧，示出了组合1
·2·
3中的相似度c123数的时间变化。曲线图的纵轴表示相似度，横轴表示时刻。
[0055]
返回至图1，继续说明。定时确定部135基于全部信号组合中的相似度(上述共同部分所包含的id数)的时间变化，对与异常事件的发生相关联的课题定时进行确定。具体而言，定时确定部135对全部组合中的相似度在阈值以下的定时进行确定。
[0056]
信号确定部136基于相似度(上述共同部分中所包含的id数的时间变化)的时间变化，对与异常事件的原因相关联的单信号以及信号组合中的至少任意一个进行确定。可以是单一的信号数据与异常事件的原因相关联，也可以是信号数据的组合与异常事件的原因相关联。
[0057]
信号确定部136基于上述的课题定时，对与异常事件的原因相关联的单信号以及信号组合进行确定。具体而言，在任意的信号数据中的相似id数(相似度)在课题定时处为阈值以下的情况下，该信号数据与异常事件的原因相关联。此外，在任意的信号组合中的相似id数(相似度)在课题定时处为阈值以下的情况下，该信号组合与异常事件的原因相关联。阈值也可以针对每种组合而设定为不同的值。
[0058]
接下来，参照图3，对实施方式1所涉及的信息处理方法进行说明。具体而言，对模拟三台机器人的交错而过并进行基于搜索的测试验证的情况进行说明。首先，信息处理装置100的取得部110取得由模拟实现的基于搜索的测试验证的结果(步骤s101)。设为，在500个模拟数据中，包含有134个缺陷数据(例如，预定的机器人未到达至目的地的数据)和366个成功数据。
[0059]
图4为表示模拟的概要的概要图。机器人r1、机器人r2、以及机器人r3在t字型的通道(拐角)b处互相交错而过。符号t1表示机器人r1的移动轨迹，符号t2表示机器人r2的移动轨迹，符号t3表示机器人r3的移动轨迹。
[0060]
参照图5，对机器人r1、r2以及r3的出发地以及目的地进行说明。机器人r1、r2以及r3的位置表示机器人r1、r2以及r3的出发地。符号t1示意性地表示机器人r1的移动轨迹，箭头标记的顶端表示机器人r1的目的地。符号t2示意性地表示机器人r2的移动轨迹，箭头标记的顶端表示机器人r2的目的地。符号t3示意性地表示机器人r3的移动轨迹，箭头标记的顶端表示机器人r3的目的地。
[0061]
模拟时间为120秒钟，时刻由t＝0至120[s]来表示。机器人r1的出发时刻固定为t＝16[s]。机器人r2的出发时刻从t＝16[s]与t＝26[s]之间的时刻中进行选择。机器人r3的出发时刻从t＝7[s]与t＝37[s]之间的时刻中进行选择。
[0062]
系统要求为，满足机器人r1或机器人r2在120秒以内到达至目的地和机器人r3在120秒以内到达至目的地这两个。发明人实施对违反系统要求的场景进行搜索的基于搜索的测试，并进行了500次的模拟。
[0063]
机器人r2的出发时刻以及机器人r3的出发时刻对应于模拟条件。当将横轴设为机器人r2的出发时刻且将纵轴设为机器人r3的出发时刻时，能够标绘与500个模拟条件分别对应的点。在基于搜索的测试中，一般而言，相邻的点之间的距离并不固定。另一方面，在网格测试中，一般而言，相邻的点之间的距离固定。基于搜索的测试与网格测试相比能够更有效率地对缺陷数据进行搜索。
[0064]
图6为表示基于搜索的测试的概要的概要图。图6所示的系统具备sbt(search based testing，基于搜索的测试)部111和目标模型112。另外，信息处理装置100的取得部110也可以具备sbt部111以及目标模型112。
[0065]
sbt部111使用目标模型112，实施基于搜索的测试。目标模型112具备模型/模拟器1121和对模型/模拟器进行控制的控制软件1122。
[0066]
在sbt部111中，设定上述的系统要求，并向sbt部111输入测试场景。在测试场景中包含有模拟条件。目标模型112接收测试场景，并将表示模拟结果的输出信号返回。在输出信号中，也可以包含有表示机器人r1的位置坐标的时间变化的信号、表示机器人r2的位置坐标的时间变化的信号、以及表示机器人r3的位置坐标的时间变化的信号。
[0067]
返回至图3继续说明。信息处理装置100的取得部110从模拟结果中提取各个机器
人的(x，y)数据(步骤s102)。步骤s102至步骤s106的处理，分别对机器人r1的信号数据、机器人r2的信号数据、以及机器人r3的信号数据实施。在下文中，对计算机器人r1的相似id的情况进行说明。
[0068]
接下来，信息处理装置100的数据提取部120提取成为目标的一个异常时间序列数据(称为失败目标数据)(步骤s103a)。然后，数据提取部120提取成功数据组(例如，366个正常时间序列数据)(步骤s103b)。
[0069]
接下来，信息处理装置100的部分时间序列化部131对失败目标数据进行部分时间序列化(步骤s104a)，并对成功数据组中所包含的各个正常时间序列数据进行部分时间序列化(步骤s104b)。部分时间序列化部131通过使10秒钟的时间窗口每次滑动1秒，从而生成多个部分时间序列。
[0070]
接下来，信息处理装置100的参数计算部132根据失败目标数据的部分时间序列数据，计算出特征参数(步骤s105a)，并根据各个正常时间序列数据的部分时间序列数据，计算出特征参数(步骤s105b)。特征参数用于后述的原因信号确定。具体而言，特征参数为从各个部分时间序列数据中抽出每秒的(x，y)信息并进行排列而成的特征参数。例如，在抽出了11个机器人r1的(x、y)数据的情况下，特征参数成为22维数据。
[0071]
通过参数计算部132从各个部分时间序列数据中提取特征参数，从而决定一个失败目标点和366个成功点的分布(也称为成功数据分布)。图7为表示失败目标点p1的概要的概要图。失败目标点p1被标绘在22维空间中。图8为表示成功数据分布g的概要的概要图。多个成功点p2被标绘在22维空间中。
[0072]
返回至图3继续说明。接下来，信息处理装置100的id提取部133从成功分布中，提取与失败目标点之间的欧几里得距离在容许误差阈值(例如，0.2)以下的成功点，并取得对应的正常时间序列数据的id(步骤s106)。获得了与失败目标数据相似的正常时间序列数据的id。
[0073]
参照图9，对相似id的提取方法进行具体说明。空心箭头标记的左侧表示成功数据组g，空心箭头标记的右侧表示所提取的成功点。区域d表示与失败目标点p1之间的距离在容许误差阈值以下的区域。id提取部133提取区域d中所包含的成功点p2，并取得对应的id。
[0074]
返回至图3继续说明。如上文所述，步骤s102至步骤s106的处理也对机器人r2以及机器人r3的位置数据实施(步骤s200)。
[0075]
接下来，信息处理装置100的相似度计算部134针对每种信号组合而求出相似id的共同部分，并求出共同部分中所包含的相似id数(相似度)的变化(步骤s107)。相似id也被称为共同相似id。相似度计算部134针对机器人r1的位置数据(信号1)、机器人r2的位置数据(信号2)、以及机器人r3的位置数据(信号3)的组合即六个种类的信号组合，来求出相似id。相似度计算部134通过求出全部的部分时间序列数据的相似id，而对各个时刻(时间区间)以及各组合中的相似id数进行计算。
[0076]
接下来，信息处理装置100的定时确定部135将全部信号组合中的上述相似度(id数)在阈值s(例如，一个)以下的定时(时刻)确定为课题定时(步骤s108)。全部信号组合是指，机器人r1的位置数据、机器人r2的位置数据、以及机器人r3的位置数据的组合。
[0077]
参照图10，对课题定时的检测方法进行具体说明。图10为表示全部信号组合1
·2·
3中的相似度c123的曲线图。纵轴表示相似度，横轴表示时刻。定时确定部135对相似度
c123在阈值s以下的定时(例如，80.0秒)进行检测。可以认为，在该定时处产生了设想外动作。
[0078]
返回至图3继续说明。接下来，信息处理装置100的信号确定部136进行原因信号的确定。信号确定部136首先对课题定时处的单信号的相似id数(相似度)是否在阈值s(例如，一个)以下进行判断(步骤s109)。单信号是指，机器人r1的位置数据、机器人r2的位置数据、以及机器人r3的位置数据。
[0079]
在单信号的相似id数在阈值以下的情况下(步骤s109的是)，信号确定部136将上述单信号确定为原因信号(步骤s111)。在单信号的相似id数大于阈值的情况下(步骤s109的否)，信号确定部136进入到步骤s110的处理。
[0080]
在步骤s110中，信号确定部136对各信号组合的相似id数(相似度)是否在阈值s以下进行判断。在信号的总数为n的情况下，信号确定部136使组合的数k在2至n进行变化，并反复进行判断处理。在判断结果为真的情况下(步骤s110的是)，信号确定部136将该信号组合确定为原因。另外，在k＝n时，也可以将全部信号组合确定为原因。
[0081]
具体进行说明，信号确定部136首先确认课题定时的单信号(信号1、信号2、信号3)的相似id数(相似度)。在存在相似id数在阈值s以下的单信号的情况下，信号确定部136将该单信号确定为引起课题定时的信号。
[0082]
在未发现相似度在阈值以下的单信号的情况下，信号确定部136确认课题定时处的两个信号的组合(组合1
·
2、组合1
·
3、组合2
·
3)的相似度。然后，在存在相似度在阈值以下的信号组合的情况下，信号确定部136将该信号组合确定为引起课题定时的信号。
[0083]
在未发现相似度在阈值以下的信号组合的情况下，信号确定部136将全部信号组合(组合1
·2·
3)确定为引起课题定时的信号组合。
[0084]
图11(a)以及图11(b)为表示原因信号的确定方法的概要图。图11(a)表示机器人r1、r2、以及r3的移动的模拟结果。设为，课题定时为80.0至90.0sec的时间区间。粗框表示发生设想外的动作的位置，并通过原因信号的判断来决定。
[0085]
图11(b)表示信号组合1、2、3、1
·
2、1
·
3、2
·
3、1
·2·
3中的相似度c1、c2、c3、c12、c13、c23、以及c123。纵轴表示相似度，横轴表示时刻。
[0086]
信号确定部136对在课题定时处c1、c2、c3、c12、c13、以及c23是否在阈值s以下进行判断。在图11(b)中，在课题定时处，c2成为阈值s以下。在这样的情况下，信号确定部136将信号2确定为原因信号。在这样的情况下，判断为，由于机器人r2的原因，而产生了课题定时。
[0087]
最后，对实施方式1所涉及的信息处理装置所起的效果进行说明。存在以对控制系统是否按照开发者的要求而被创建进行验证为目的，进行通过模拟或实验而实施的测试的情况。在测试结果中包含有缺陷数据的情况下，开发者需要确认系统的动作并实施修正的必要性的判断、缺陷的原因的确定、系统的修正。
[0088]
尤其包含多个信号信息的多维时间序列数据中的缺陷原因确定，需要对连锁产生的多个信号的现象进行解析，需要控制系统的领域知识和大量的工时。在缺陷原因确定中，一般而言，通过对与“开发者为了满足系统要求而设想的动作”不同的动作的信号进行确定，并对该动作进行解析，从而确定原因。但是，在设想外动作的确定中，需要由具有详细的领域知识的人实施的手动工作的解析。
[0089]
因此，在本发明中，提出一种在不需要详细的领域知识的情况下对设想外动作的提取进行支持的技术。当对设想外动作进行检测时，机器难以了解开发者所拥有的设想、也就是“每个信号的隐含部分的动作要求”。因此，在本提议中假设“未产生缺陷的成功数据通过满足隐含部分的动作要求而满足了系统要求”，使用通过测试而取得的成功数据，并对失败目标数据的设想外动作进行确定。具体而言，通过对产生在成功数据中不存在的动作的定时(课题定时)以及被认为其原因的信号进行确定，从而提出一种对缺陷原因的确定进行支持的系统。
[0090]
根据实施方式1所涉及的信息处理装置，能够自动地对被认为产生了设想外动作的课题定时以及原因信号进行确定。因此，无需开发者的详细的领域知识，并能够减少确定缺陷原因的工时。
[0091]
如果能够仅设定课题定时、原因信号的检测所需的特征参数即希望关注的信号信息，则此后仅设定少量的超级参数(部分时间序列数据长度、相似度阈值)即可。因此，在实施方式1所涉及的信息处理方法中，无需作为对象的控制系统的专业知识。
[0092]
在对多个信号的相似度进行计算时，一般来说设定各组合的特征参数中的相似度阈值t的情况较多(例如，在三信号组合的情况下，ta、tb、tc、ta·b、ta·c、tb·c、ta·b·c)。相对于此，在本发明中，通过设定各个信号的相似度阈值t(例如，ta、tb、tc)并抽出其共同id，从而求出多个信号的相似度。
[0093]
信息处理系统也可以不是全部功能要素被集成在信息处理装置100中的结构。例如，验证部130的功能也可以由经由网络而与信息处理装置100连接的服务器所具备的运算部来承担。在这样的情况下，服务器向信息处理装置100发送验证结果。如此，也可以以包含服务器和信息处理装置100的方式来构成信息处理系统。上述的处理器、存储器可以位于服务器中，也可以位于信息处理装置100和服务器双方中。
[0094]
在上述的示例中，程序包括指令组(或软件代码)，该指令组在被计算机读取时使计算机执行实施方式中所说明的一个或多个功能。程序可以存储在非临时性的计算机可读介质或有形的存储介质中。作为示例而非限定，计算机可读介质或有形存储介质包括random-access memory(ram，随机存取存储器)、read-only memory(rom，只读存储器)、闪存、solid-state drive(ssd，固态驱动器)或其他的存储器技术、cd-rom、digital versatile disc(dvd，数字通用光盘)、blu-ray(注册商标)盘或其他的光盘储存器、盒式磁带、磁带、磁盘储存器或其他的磁储存器设备。程序也可以在临时性的计算机可读介质或通信介质上被发送。作为示例而非限定，临时性的计算机可读介质或通信介质包括电、光、声学或其他形式的传播信号。
[0095]
另外，本发明不限于上述实施方式，在不脱离主旨的范围内能够适当地进行变更。
[0096]
从这样描述的公开中，显而易见的是，本公开的实施例可以以多种方式进行改变。此类改变不应被视为脱离本公开的精神和范围，并且对于本领域技术人员而言，所有此类改变均应包含在本发明的范围内。

技术特征：
1.一种信息处理系统，具备：取得部，其取得多个时间序列数据，各个时间序列数据包含多个信号数据，所述多个时间序列数据包含异常时间序列数据以及多个正常时间序列数据；验证部，其针对每个信号数据而对各个时间区间中的所述异常时间序列数据以及各个正常时间序列数据是否彼此相似进行判断，并基于判断结果来对异常事件进行验证。2.如权利要求1所述的信息处理系统，其中，所述验证部针对每个信号数据而对各个时间区间中的各个时间序列数据的特征点进行计算，并对各个正常时间序列数据的特征点是否包含在所述异常时间序列数据的特征点的预定范围内进行判断。3.如权利要求1或2所述的信息处理系统，其中，所述多个时间序列数据为根据时刻而使相对位置相互变化的多个对象的位置数据，所述异常事件由于所述多个对象的相互作用而产生。4.如权利要求1至3中的任意一项所述的信息处理系统，其中，所述验证部针对每个信号数据而在各个时间区间中提取与所述异常时间序列数据相似的正常时间序列数据的id，并且针对每种信号组合，求出所述id的共同部分，并且针对每种信号组合，对所述共同部分中所包含的id数的时间变化进行计算，并且基于计算结果，对与异常事件的原因相关联的单信号以及信号组合中的至少任意一个进行确定。5.如权利要求4所述的信息处理系统，其中，所述验证部基于全部信号组合的所述共同部分中所包含的id数的时间变化，对与异常发生相关联的定时进行确定，并且进一步基于所述定时，对与异常事件的原因相关联的单信号以及信号组合中的至少任意一个进行确定。6.一种信息处理方法，包括：计算机取得多个时间序列数据的工序，各个时间序列数据包含多个信号数据，所述多个时间序列数据包含异常时间序列数据以及多个正常时间序列数据；针对每个信号数据而对各个时间区间中的所述异常时间序列数据以及各个正常时间序列数据是否彼此相似进行判断，并基于判断结果而对异常事件进行验证的工序。7.一种计算机可读存储介质，其存储有使计算机执行如下的信息处理方法的程序，所述信息处理方法包括：取得多个时间序列数据的工序，各个时间序列数据包含多个信号数据，所述多个时间序列数据包含异常时间序列数据以及多个正常时间序列数据；针对每个信号数据而对各个时间区间中的所述异常时间序列数据以及各个正常时间序列数据是否彼此相似进行判断，并基于判断结果而对异常事件进行验证的工序。

技术总结
本发明提供能够基于包含多个信号数据的异常时间序列数据而对异常事件进行验证的信息处理系统、信息处理方法以及计算机可读存储介质。信息处理系统具备：取得部，其取得多个时间序列数据，各个时间序列数据包含多个信号数据，所述多个时间序列数据包含异常时间序列数据以及多个正常时间序列数据；验证部，其针对每个信号数据而对各个时间区间中的所述异常时间序列数据以及各个正常时间序列数据是否彼此相似进行判断，并基于判断结果来对异常事件进行验证。件进行验证。件进行验证。


技术研发人员：西谷一平
受保护的技术使用者：丰田自动车株式会社
技术研发日：2023.01.19
技术公布日：2023/8/1