講演情報
[1Yin-B-06]車両走行波形のクラスタリングにおける文書ベクトル表現の有効性の検討
〇三田 雅也1、中垣 公佑1、田中 舜己1、阪口 聖仁1 (1. スズキ株式会社)
キーワード：
多変量時系列クラスタリング、文書ベクトル表現、ベクトル量子化、Transformer、自動車走行データ解析
自動車から取得された走行波形を分析することは，車両の使用状況の理解や品質向上のために重要である．走行波形の分析アプローチの1つとして，時系列クラスタリングによるパターン抽出が挙げられる．
本研究では，走行波形の類似性が，加速などの局所的なパターンを考慮しつつ波形全体を大域的に解釈する点で，文書ベクトル表現の設計思想と親和性が高いことに着目する．この着想に基づき，走行波形のクラスタリングに文書ベクトル表現を適用し，社用車の実走行データを用いたルート判別タスクによりその有効性を評価する．
具体的には，部分時系列を離散トークン系列に変換し，Masked Language Modelingで学習したTransformerなどから得られる文書ベクトル表現を特徴量として，走行波形のクラスタリングを行う手法を提案する．
実データに基づく評価の結果，提案手法はDTWや自己教師あり学習を用いた時系列Transformerと比較して高いクラスタリング性能を示し，走行波形に対する文書ベクトル表現の有効性を確認した．
本研究では，走行波形の類似性が，加速などの局所的なパターンを考慮しつつ波形全体を大域的に解釈する点で，文書ベクトル表現の設計思想と親和性が高いことに着目する．この着想に基づき，走行波形のクラスタリングに文書ベクトル表現を適用し，社用車の実走行データを用いたルート判別タスクによりその有効性を評価する．
具体的には，部分時系列を離散トークン系列に変換し，Masked Language Modelingで学習したTransformerなどから得られる文書ベクトル表現を特徴量として，走行波形のクラスタリングを行う手法を提案する．
実データに基づく評価の結果，提案手法はDTWや自己教師あり学習を用いた時系列Transformerと比較して高いクラスタリング性能を示し，走行波形に対する文書ベクトル表現の有効性を確認した．