|
體驗培訓會流程
去年10月20日下午1點半至4點半，以ZOOM的網上培訓會的形式召開了【大數據分析體驗培訓會】。 講師包括FORUM8UC-1開發第一組組長中村俊輔和系統開發組經理岡木裕久。
|
|
在當天的日程安排中，中村先生首先簡要地講解了BIM/CIM的基本知識及其與建築行業DX的關係，然後岡木先生按鍵推進PPT，之後對大數據分析的概要和事例進行了約30分鐘的解釋。
然後，我們休息了大約1小時20分鐘，將UC-win/Road的駕駛日誌和流量模擬數據視為大數據，並進行了分析體驗。
最後，作為大數據的分析案例，簡單說明了數據可視化、UC-win/Road 與大數據之間的關係以及計算工具維護效果的示例，並回答了相關問題。
|
 |
| • 10月20日在線舉辦的大數據分析體驗培訓會 |
|
|
體驗
為了從各種格式組成的大量數據中瞭解特徵和趨勢，本次培訓會使用了不常用的工具"R語言"。 R語言在命令行上執行各種數據處理，啟動並操作了名為"R Studio"的軟體。
|
|
|
 |
| • "R Studio"畫面 |
|
•R語言命令示例 |
|
|
首先，我們開始進行可以將大數據的趨勢可視化的練習。 我們使用【pl ot 函數】建立簡單的 XY 軸二維圖形，用"hclust函數"等對相似數據進行分類的【層次聚類分析】，以及使用"rgl"資料庫進行三維數據可視化。
|
|
|
 |
| •分層聚類分析的結果，對相似數據進行分類 |
|
• 使用"rgl"資料庫進行三維數據可視化的示例 |
|
|
然後，我們使用實際土木工程結構的數據對箱涵洞的覆蓋厚度和壁厚之間的關係進行了大數據分析。 從FORUM8的設計結果檢查支持系統"SystemA"讀取數據，並提取框涵洞數據。
然後，覆蓋厚度和左右總壁厚數據顯示為二維圖形。 此外，通過用R語言處理數據，除了覆蓋層厚度和總壁厚外，還同時顯示了橫縱軸平均內氣寬、內氣高和內氣寬高比的圖表。 通過查看這些圖表，可以直觀地了解數據之間是否存在相關性。
|
|
|
|
| •水平軸的覆蓋厚度，垂直軸上框涵洞左右壁的總厚度繪製的數據 |
|
•進一步增加數據類型，並顯示了替換了X軸和Y軸的大量圖形的示意圖。 |
|
|
此外，這些數據被分類為名為"K平均方法"的群集。 由此，通過箱涵條件的設定與檢驗可以看到設計的不同之處。
|
 |
| •"K 平均方法"對盒涵洞的聚類分類結果 |
|
|
接下來是天氣的大數據分析。 首先訪問日本氣象廳的網路伺服器，下載和分析天氣數據。 通過電子表格軟體（如 Excel）也可以執行此操作，但下載、複製和粘貼每月數據並進行分析可能非常耗時。
我們使用通用程式設計語言Python從伺服器中獲取所需的數據，通過一種稱為「網路抓取」的方法從伺服器中提取必要的數據，並將一年的平均溫度繪製成圖表。 使用大數據工具，您可以快速建立這些圖表並分析出趨勢。
|
 |
| •使用程式設計語言"Python"建立的一年平均溫度圖表 |
|
|
隨後操作培訓終於轉移到了交通流分析。 我們使用 UC-win/Road收集的的行駛數據對「緊急制動」進行了調查。 由此得出突然剎車不僅會導致接觸事故，而且會對輪胎磨損和燃油經濟性產生不利影響的結果。 在這裡，我們驗證了是否由道路形狀或其他車輛導致的突然制動的大數據。
駕駛日誌數據是CSV格式的文本數據，其中數據記錄大約60個項目的數據，如時間和方向的速度和加速度、車身的傾角和與車道的距離。 由此我以ID號為線索提取了一輛汽車的資訊，並嘗試追蹤了駕駛狀況。 。
這次我嘗試提取所有車輛突然剎車的數據。 當加速度超過0.4G時，它被視為「突然制動」。。 在UC-win/Road車型上可以看到停車區旁邊的道路為大量緊急制動區域。
|
|
|
|
| •紅色框內發生0.4G以上急剎車多的地方 |
|
•在UC-win/Road 車型上看到緊急制動的多發點，發現位於停車區旁邊的道路。 |
|
|
在培訓結束時，講師進行了使用大數據計算道路維護效果的演示。 在十字路口設置右轉車道時，軟體可以評估交通流量的改善情況。
僅通過交通類比，就可以知道交叉路口的擁堵長度會減少多少。 另外大數據分析也可以定量評估在道路周邊行駛的所有的汽車減少的通過時間，以及由擁堵的減少而產生的降低成本的效果。
|
|
|
|
| •在交叉路口設置右轉車道之前（左）和後（右）的交通流模擬結果也可以用作大數據來分析各種投資效果 |
|
|
使用Python編寫的程式需要一個小時來分析右轉車道安裝前和安裝後交通流模擬結果。 這個最終的類比分析結果很有趣。 右轉車道的結果表明，所有車型的平均速度都提高了，每天的行駛成本也明顯降低。
|
 |
| •在交叉路口設置右轉車道可提高平均速度和行駛成本。 |
|
