Benchmarking Unsupervised Segmentations of Multivariate Time Series From Embedded Systems With a Novel Homogeneity Metric

Dans le monde caché de la machinerie moderne, des voitures que nous conduisons aux appareils que nous portons, un flux constant de données coule comme un fleuve. Ces données, connues sous le nom de séries temporelles, enregistrent comment divers signaux évoluent au fil du temps, comme la température d'un moteur ou la tension dans un circuit. Lorsqu'une machine possède de nombreux capteurs différents enregistrant simultanément, les données deviennent multivariées, un réseau complexe d'histoires entrelacées se déroulant en même temps. Le défi pour les ingénieurs et les scientifiques n'est pas seulement de collecter ces données, mais d'en donner un sens. Ils doivent trouver les moments où le comportement de la machine passe d'un état à un autre, comme une voiture passant de l'arrêt au ralenti à l'accélération. Pour ce faire, ils doivent découper le long flux continu de données en chapitres distincts, ou segments, où le comportement à l'intérieur de chaque chapitre est cohérent et prévisible. Ce processus est appelé segmentation. Cependant, lorsque les données sont désordonnées et proviennent de nombreuses sources à la fois, déterminer où effectuer les coupes est incroyablement difficile. Sans un moyen clair de juger si une coupe est bonne ou mauvaise, les chercheurs sont laissés à l'incertitude, ne sachant pas s'ils ont trouvé les véritables modèles sous-jacents ou s'ils ont simplement créé un bruit aléatoire.

C'est le problème qu'une équipe de chercheurs de l'Université de technologie de Clausthal et de la société tensor embedded GmbH s'est donné pour mission de résoudre. Ils se sont concentrés sur des données provenant d'un système embarqué automobile, un réseau informatique complexe à l'intérieur d'une voiture qui surveille ses propres opérations. L'équipe a été confrontée à un obstacle spécifique : bien qu'elle dispose d'outils puissants pour découper les données, elle manquait d'une règle fiable pour mesurer la qualité de ces découpes. Ils avaient besoin d'un moyen de déterminer si un segment de données était véritablement « homogène », c'est-à-dire que les points de données à l'intérieur de celui-ci se comportaient de manière cohérente les uns avec les autres, plutôt que d'être un mélange chaotique de comportements différents. Pour répondre à cela, les chercheurs ont développé une nouvelle méthode pour mesurer cette cohérence interne. Ils n'ont pas seulement proposé une théorie ; ils ont construit une métrique, un calcul spécifique qui attribue un score à toute façon donnée de découper les données. Un score plus bas indique un segment plus propre et plus cohérent, tandis qu'un score plus élevé suggère que le segment est désordonné et devrait être divisé différemment. Cette métrique agit comme un point de référence, leur permettant de tester différents algorithmes et de voir lequel produit les divisions les plus logiques des données.

Pour prouver l'efficacité de leur nouvelle métrique, l'équipe a d'abord créé une série temporelle synthétique, ou fictive, qui imitait le comportement de signaux réels. Ils ont conçu ce signal de test pour qu'il présente des changements de comportement clairs et connus, créant ainsi un scénario où la façon « parfaite » de découper les données était déjà connue. Ils ont ensuite appliqué leur nouvelle métrique à toutes les manières possibles de découper ce signal de test. Le résultat fut une correspondance parfaite : la métrique a identifié exactement les mêmes coupes que celles que les chercheurs avaient intuitivement conçues comme étant la meilleure solution. Cette validation était cruciale car elle montrait que leur outil mathématique pouvait reconnaître avec précision une bonne segmentation. Ils ont ensuite comparé leur nouvelle métrique à quatre indices de regroupement (cluster indices) internes spécifiques sur ce même signal synthétique. Bien que les anciennes méthodes aient également identifié la segmentation correcte comme étant la meilleure option, la nouvelle métrique a été spécifiquement conçue et vérifiée pour être adaptée à la mesure de la cohérence interne dans ce cas d'usage défini, confirmant sa fiabilité aux côtés des méthodes établies.

Avec leur outil de mesure validé, les chercheurs se sont tournés vers les données réelles fournies par leur partenaire, Audi AG. Cet ensemble de données était massif, contenant près de mille signaux différents enregistrés au fil du temps. Les données brutes étaient trop bruitées et complexes pour être analysées d'un seul coup, l'équipe les a donc d'abord filtrées. Ils ont supprimé les signaux trop plats ou inchangés et ont conservé les vingt-trois processus les plus actifs, ceux présentant les variations les plus significatives. Cela leur a laissé un ensemble de données gérable qui capturait toujours la dynamique essentielle du système. Ils ont ensuite exécuté deux algorithmes de segmentation différents sur ces données filtrées. Le premier algorithme utilisait une technique basée sur le regroupement flou (fuzzy clustering), qui permet aux points de données d'appartenir à plusieurs groupes avec des degrés de certitude variables, tandis que le second utilisait un modèle statistique connu sous le nom de Modèle de Markov Caché, qui suppose que les données basculent entre différents états cachés.

Les chercheurs ont testé ces algorithmes en essayant de diviser les données en n'importe quel nombre de segments, allant de quatre à quatorze. Pour chaque tentative, ils ont utilisé leur nouvelle métrique d'homogénéité pour évaluer les résultats. Les conclusions sont encourageantes. Les deux algorithmes ont été capables de trouver des segments présentant un comportement interne cohérent, mais la qualité de la segmentation variait selon le nombre de coupes effectuées. La métrique a réussi à mettre en évidence quel nombre spécifique de segments produisait les résultats les plus cohérents. Dans le cas du signal de test synthétique, l'un des algorithmes a réussi à reproduire exactement la segmentation parfaite, atteignant le score le plus bas possible sur la métrique. Pour les données automobiles réelles, la métrique a fourni un moyen clair de comparer les différents résultats, montrant que les algorithmes pouvaient effectivement extraire des états significatifs du flux complexe de signaux. L'étude conclut que, bien que trouver la façon absolument parfaite de découper n'importe quelle série temporelle reste un défi difficile, la nouvelle métrique offre un moyen fiable d'évaluer et d'améliorer les outils utilisés pour cette tâche. Elle suggère qu'en utilisant cette mesure de cohérence interne, les chercheurs peuvent mieux comprendre les états cachés des systèmes complexes, ouvrant la voie à une analyse plus précise des données qui pilotent notre monde moderne.