|
体验培训会流程
去年10月20日下午1点半至4点半，以ZOOM的网上培训会的形式召开了【大数据分析体验培训会】。
讲师包括FORUM8UC-1开发第一组组长中村俊辅和系统开发组经理冈木裕久。
|
|
在当天的日程安排中，中村先生首先简要地讲解了BIM/CIM的基本知识及其与建筑行业DX的关系，然后冈木先生按键推进PPT，之后对大数据分析的概要和事例进行了约30分钟的解释。
然后，我们休息了大约1小时20分钟，将UC-win/Road的驾驶日志和流量模拟数据视为大数据，并进行了分析体验。
最后，作为大数据的分析案例，简单说明了数据可视化、UC-win/Road
与大数据之间的关系以及计算工具维护效果的示例，并回答了相关问题。
|
 |
| •
10月20日在线举办的大数据分析体验培训会 |
|
|
体验
为了从各种格式组成的大量数据中了解特征和趋势，本次培训会使用了不常用的工具"R语言"。
R语言在命令行上执行各种数据处理，启动并操作了名为"R Studio"的软件。
|
|
|
 |
| • "R
Studio"画面 |
|
•R语言命令示例
|
|
|
首先，我们开始进行可以将大数据的趋势可视化的练习。 我们使用【pl ot 函数】创建简单的 XY
轴二维图形，用“hclust函数”等对相似数据进行分类的【层次聚类分析】，以及使用"rgl"数据库进行三维数据可视化。
|
|
|
 |
|
•分层聚类分析的结果，对相似数据进行分类 |
|
• 使用"rgl"数据库进行三维数据可视化的示例 |
|
|
然后，我们使用实际土木工程结构的数据对箱涵洞的覆盖厚度和壁厚之间的关系进行了大数据分析。
从FORUM8的设计结果检查支持系统"SystemA"读取数据，并提取框涵洞数据。
然后，覆盖厚度和左右总壁厚数据显示为二维图形。
此外，通过用R语言处理数据，除了覆盖层厚度和总壁厚外，还同时显示了横纵轴平均内气宽、内气高和内气宽高比的图表。通过查看这些图表，可以直观地了解数据之间是否存在相关性。
|
|
|
|
|
•水平轴的覆盖厚度，垂直轴上框涵洞左右壁的总厚度绘制的数据 |
|
•进一步增加数据类型，并显示了替换了X轴和Y轴的大量图形的示意图。 |
|
|
此外，这些数据被分类为名为"K平均方法"的群集。由此，通过箱涵条件的设定与检验可以看到设计的不同之处。
|
 |
|
•"K 平均方法"对盒涵洞的聚类分类结果 |
|
|
接下来是天气的大数据分析。 首先访问日本气象厅的网络服务器，下载和分析天气数据。通过电子表格软件（如
Excel）也可以执行此操作，但下载、复制和粘贴每月数据并进行分析可能非常耗时。
我们使用通用编程语言Python从服务器中获取所需的数据，通过一种称为“网络抓取”的方法从服务器中提取必要的数据，并将一年的平均温度绘制成图表。
使用大数据工具，您可以快速创建这些图表并分析出趋势。
|
 |
|
•使用编程语言"Python"创建的一年平均温度图表 |
|
|
随后操作培训终于转移到了交通流分析。我们使用
UC-win/Road收集的的行驶数据对"紧急制动"进行了调查。由此得出突然刹车不仅会导致接触事故，而且会对轮胎磨损和燃油经济性产生不利影响的结果。
在这里，我们验证了是否由道路形状或其他车辆导致的突然制动的大数据。
驾驶日志数据是CSV格式的文本数据，其中数据记录大约60个项目的数据，如时间和方向的速度和加速度、车身的倾角和与车道的距离。由此我以ID号为线索提取了一辆汽车的信息，并尝试追踪了驾驶状况。
。
这次我尝试提取所有车辆突然刹车的数据。当加速度超过0.4G时，它被视为"突然制动"。在UC-win/Road车型上可以看到停车区旁边的道路为大量紧急制动区域。
|
|
|
|
|
•红色框内发生0.4G以上急刹车多的地方 |
|
•在UC-win/Road
车型上看到紧急制动的多发点，发现位于停车区旁边的道路。 |
|
|
在培训结束时，讲师进行了使用大数据计算道路维护效果的演示。
在十字路口设置右转车道时，软件可以评估交通流量的改善情况。
仅通过交通模拟，就可以知道交叉路口的拥堵长度会减少多少。另外大数据分析也可以定量评估在道路周边行驶的所有的汽车减少的通过时间，以及由拥堵的减少而产生的降低成本的效果。
|
|
|
|
|
•在交叉路口设置右转车道之前（左）和后（右）的交通流模拟结果也可以用作大数据来分析各种投资效果
|
|
|
使用Python编写的程序需要一个小时来分析右转车道安装前和安装后交通流模拟结果。这个最终的模拟分析结果很有趣。
右转车道的结果表明，所有车型的平均速度都提高了，每天的行驶成本也明显降低。
|
 |
|
•在交叉路口设置右转车道可提高平均速度和行驶成本。 |
|
