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

現代の機械が織りなす隠れた世界において、私たちが運転する車から持ち歩くデバイスに至るまで、絶え間ないデータの流れが川のように流れています。このデータは「時系列データ」として知られ、エンジンの温度や回路の電圧といった、さまざまな信号が時間の経過とともにどのように変化するかを記録したものです。一つの機械が多くの異なるセンサーで同時に記録を行っている場合、データは「多変量」となり、同時に進行する複雑に絡み合った物語の網の目のようになります。エンジニアや科学者にとっての課題は、単にこのデータを収集することではなく、それを理解することです。彼らは、機械の挙動が、例えば車がアイドリング状態から加速状態へと移行するように、ある状態から別の状態へと変化する瞬間を見つけ出す必要があります。これを行うために、彼らは長く連続したデータの流れを、その内部の挙動が一貫しており予測可能な、個別の「章」あるいは「セグメント」へと切り分けなければなりません。このプロセスは「セグメンテーション（分節化）」と呼ばれます。しかし、データが乱雑で、かつ多くのソースから同時に送られてくる場合、どこで切り分けるべきかを判断することは非常に困難です。切り分けが「良い」のか「悪い」のかを判断する明確な方法がなければ、研究者は、自分たちが真の潜在的パターンを見つけたのか、それとも単にラン家的なノイズを作り出しただけなのか、推測するしかなくなります。

これが、クラウスタール工科大学とtensor embedded GmbHの研究チームが解決しようとした問題です。彼らは、自動車のエンベデッド・システム、つまり車の動作を監視する複雑なコンピュータネットワークから得られるデータに焦点を当てました。チームは特定の障害に直面しました。データを切り分けるための強力なツールは持っていたものの、それらの切り分けの質を測定するための信頼できる「定規」が欠けていたのです。彼らは、データのセグメントが本当に「均質（ホモジーニアス）」であること、つまり、データポイントがバラバラの挙動を示すのではなく、互いに一貫して振る舞っているかどうかを判断する方法を必要としていました。これに対処するため、研究者たちはこの内部の一貫性を測定するための新しい手法を開発しました。彼らは単に理論を提案しただけでなく、データの切り分け方に対してスコアを割り当てる具体的な計算式である「メトリック（指標）」を構築しました。スコアが低いほど、よりクリーンで一貫したセグメントであることを示し、スコアが高いほど、そのセグメントは乱雑であり、異なった方法で分割すべきであることを示唆します。このメトリックはベンチマークとして機能し、異なるアルゴリズムをテストし、どのアルゴリズムが最も論理的なデータの分割を生み出すかを確認することを可能にします。

この新しいメトリックが機能することを証明するために、チームはまず、実信号の挙動を模倣した合成（人工的）な時系列データを作成しました。彼らは、このテスト信号に明確で既知の挙動の変化を持たせることで、データを切り分ける「完璧な」方法がすでに分かっているシナリオを設計しました。次に、彼らはあらゆる可能な方法でこのテスト信号を切り分け、新しいメトリックを適用しました。結果は完璧な一致でした。メトリックは、研究者が直感的に最善の解決策として設計した通りの箇所を正確に特定したのです。この検証は極めて重要でした。なぜなら、彼らの数学的ツールが、優れたセグメンテーションを正確に認識できることを示したからです。その後、彼らは同じ合成信号を用いて、4つの特定の内部クラスター指標と比較を行いました。古い手法もまた、正しいセグメンテーションを最善の選択肢として特定しましたが、新しいメトリックは、この定義されたユースケースにおける内部の一貫性を測定するために特別に設計され、検証されたものであり、確立された手法と並んでその信頼性を確認しました。

測定ツールによる検証を終えた研究者たちは、パートナー企業であるアウディ（Audi AG）から提供された実世界のデータへと取り組みました。このデータセットは膨大であり、時間の経過とともに記録された1,000近い異なる信号を含んでいました。生のデータはあまりにもノイズが多く複雑であったため、チームはまずこれをフィルタリングして絞り込みました。彼らは変化が少なすぎる、あるいは変化のない信号を取り除き、最も顕著な増減を示す、最も活発な23のプロセスのみを保持しました。これにより、システムの不可欠なダイナミクスを捉えつつ、扱いやすいデータセットが残されました。次に、彼らはこのフィルタリングされたデータに対して、2つの異なるセグメンテーション・アルゴリズムを実行しました。最初のアルゴリズムは、データポイントが異なる程度の確信度を持って複数のグループに属することを許容する「ファジィ・クラスタリング」に基づいた手法を用い、二番目のアルゴリズムは、データが異なる「隠れた状態」の間を切り替わることを前提とする「隠れマルコフモデル」と呼ばれる統計モデルを用いました。

研究者たちは、データを4つから14のセグメントに分割することを試みることで、これらのアルゴリズムをテストしました。各試行において、彼らは新しい均質性メトリックを使用して結果をスコアリングしました。その結果は心強いものでした。どちらのアルゴリズムも、一貫した内部挙動を示すセグメントを見つけ出すことができましたが、セグメンテーションの質は、いくつの切り分けが行われるかによって変化しました。メトリックは、どの特定のセグメント数が最も一貫した結果を生み出すかを成功裏に浮き彫りにしました。合成テスト信号の場合、一方のアルゴリズムが完璧なセグメンテーションを正確に再現し、メトリック上で可能な限り低いスコアを達成しました。実世界の自動車データについては、メトリックは異なる結果を比較するための明確な方法を提供し、アルゴリズムが複雑な信号の流れから意味のある状態を実際に抽出できることを示しました。本研究は、いかなる時系列データに対しても「絶対的な完璧な切り分け方」を見つけることは依然として困難な課題ではあるものの、新しいメトリックは、この課題に使用されるツールを評価し、改善するための信頼できる方法を提供するものであると結論付けています。この内部の一貫性の尺度を用いることで、研究者は複雑なシステムの隠れた状態をより良く理解できるようになり、私たちの現代社会を動かしているデータの分析をより正確にする道が開かれることが示唆されています。