[[191733]]

常言道：”時空變幻莫測”。在自然界中，時空變化瞬息，常常難以捕捉其準(zhǔn)確的規(guī)律。然而，時間與空間共同記錄了過去存在的屬性，通過它們我們可以發(fā)現(xiàn)事物存在的規(guī)律，從而預(yù)測未來的趨勢，以提前應(yīng)對未來情形或把握未來時機。

隨著現(xiàn)代科學(xué)技術(shù)的發(fā)展，定位技術(shù)變得愈加普及。例如， GPRS 、位置傳感器等技術(shù)的普遍應(yīng)用，使得采集與空間相關(guān)的數(shù)據(jù)變得非常容易。而采集到時空數(shù)據(jù)后，人們理所當(dāng)然希望利用這些信息的價值，洞察其中的關(guān)鍵因素以獲取決策支持。那么，合適的數(shù)據(jù)分析方法就是提取有用價值的關(guān)鍵所在。

在現(xiàn)有的數(shù)據(jù)分析工具中，大多數(shù)模型僅考慮空間維度的作用，常用的時序模型也往往難以將同時發(fā)生在不同地點的信息關(guān)聯(lián)起來。如果勉強使用這些模型，得出的模型結(jié)論常常不準(zhǔn)確，預(yù)測的結(jié)果更加無所適從。

因此，IBM SPSS 提供了結(jié)合時間與空間的數(shù)據(jù)分析模型( Spatio-Temporal Prediction ，簡稱 STP )。研發(fā) STP 模型的初衷即是為了幫助人們解決涉及時空數(shù)據(jù)的商業(yè)難題。它可以應(yīng)用于天氣與環(huán)境預(yù)測，智能交通解決方案，網(wǎng)絡(luò)應(yīng)用與安全分析，建筑或空間的能量管理等等。通過使用 STP 進(jìn)行建模和預(yù)測，能夠為管理者或者企業(yè)提供***的決策支持，以節(jié)省時間、成本和資源。本文主要闡述了時空分析算法的特點及其應(yīng)用舉例，來幫助人們了解其使用方法和實際的價值意義。

STP 模型特征

首先，STP 模型同時支持二維和三維空間場景，如地理信息，三維空間坐標(biāo)等。因此，STP 模型能夠被廣泛使用于各類時空應(yīng)用。

其次，STP 模型僅憑有限的樣本點進(jìn)行建模，就能夠預(yù)測空間中未來任意位置的目標(biāo)信息，因此它具備強大的預(yù)測能力，能夠輻射到空間中任意點的信息。

***，STP 模型支持參數(shù)的假設(shè)分析。從而為用戶提供未來的決策支持，使他們能夠通過調(diào)整參數(shù)來適應(yīng)預(yù)期目標(biāo)，幫助用戶提前防范或消除未來的問題與負(fù)面影響。

圖 1. 時空模型應(yīng)用示例

STP 數(shù)據(jù)特點

圖 2. STP 模型數(shù)據(jù)格式

STP 算法實例

下面通過兩個實例來講述 STP 算法是如何被應(yīng)用并解決用戶問題的。

• Space dimension: 連續(xù)型變量， 同時支持二維和三維兩種空間維度;
• Time dimension: 連續(xù)型變量，時間維度在 STP 使用之前需要轉(zhuǎn)換為整數(shù)索引的形式。一般可使用 STEMDP 工具進(jìn)行轉(zhuǎn)換，也可手動轉(zhuǎn)換;
• Predictors: 連續(xù)型或者離散型變量，對 Target 有影響的回歸參數(shù)。沒有指定參數(shù)時，必須包含常量系數(shù);
• Target：連續(xù)型變量，模型創(chuàng)建與預(yù)測的目標(biāo)參數(shù)。

圖 3. STP 模型數(shù)據(jù)要求

* STP 要求數(shù)據(jù)必須包含一組在固定的位置信息上采集的相同時間序列的數(shù)據(jù)。

STP 建模流程

圖 4. STP 簡要流程圖

Input Spatio-Temporal Data: 輸入原始采集的時空數(shù)據(jù)。

Spatio-Temporal Data Preprocessing(STEMDP): STEMDP 是 IBM SPSS 研發(fā)的轉(zhuǎn)換空間數(shù)據(jù)的工具。它能夠?qū)?shp 文件轉(zhuǎn)換成空間坐標(biāo)數(shù)據(jù)，并將時間格式轉(zhuǎn)換為時間索引。如果數(shù)據(jù)本身不需要經(jīng)過 STEMDP 處理，此步驟可省略。

Spatio-Temporal Prediction(STP): STP 使用 STEMDP 轉(zhuǎn)換后的數(shù)據(jù)進(jìn)行建模。建模過程中會對協(xié)方差矩陣的使用方法進(jìn)行篩選。協(xié)方差矩陣可以應(yīng)用參數(shù)化(variogram)或者非參數(shù)化(EOF)兩種方式表示。默認(rèn)為參數(shù)化方式，若參數(shù)化方式不滿足條件，則應(yīng)用非參數(shù)化方式。

Output STPXML & StatXML: STP 的建模結(jié)果被存儲在 STPXML 和 StatXML 兩種文件中。STPXML 中的模型信息被用于預(yù)測未來目標(biāo)信息，StatXML 中內(nèi)容被用于進(jìn)行模型可視化的展示。其中，StatXML 還包含位置簇的信息。當(dāng)空間維度是二維模型且非參數(shù)化方式被最終應(yīng)用時，位置簇信息將被輸出。

STP 應(yīng)用案例

數(shù)據(jù)中心溫控解決方案

從 2000 年至今，以互聯(lián)網(wǎng)為主的 IT 技術(shù)迅速發(fā)展，大量的數(shù)據(jù)中心被建設(shè)使用。據(jù) Federal 能源管理體系總結(jié)的《美國數(shù)據(jù)中心能源消耗報告》顯示，僅以 2014 年為例，美國的數(shù)據(jù)中心電能消耗為 70 億千瓦時,大約占美國總電力消耗的 1.8%。從 2000 年至 2005 年，IT 業(yè)經(jīng)過初步發(fā)展，數(shù)據(jù)中心電能的消耗超過了 90%的增長，從 2005 年至 2010 年，IT 業(yè)快速發(fā)展時期電能消耗驚人增長 24%，而從 2010 年至 2014 年，IT 業(yè)逐漸進(jìn)入穩(wěn)定時段，電能消耗增長為 24%，以后未來五年每年將以大約 4%的增速平穩(wěn)增長。中國同樣經(jīng)歷了 IT 業(yè)發(fā)展的幾個階段，數(shù)據(jù)中心建設(shè)一直保持著飛速發(fā)展，能源消耗也居高不下。

能源消耗占數(shù)據(jù)中心運營成本的大約 70%左右。因此在全球范圍內(nèi)，關(guān)于如何降低數(shù)據(jù)中心電力消耗，提高能源利用率的問題迫在眉睫。

某一數(shù)據(jù)中心打算節(jié)省大量使用的電能成本。除卻硬件與設(shè)備升級以外，還需要更為精準(zhǔn)的溫控與濕度管理，以高效的利用能源，節(jié)省成本并符合國家提倡的環(huán)保政策。

數(shù)據(jù)中心通過部署溫度傳感器和風(fēng)速傳感器來采集一段時間空間中樣本位置的溫度和風(fēng)量情況，然后使用 STP 算法進(jìn)行建模預(yù)測來幫助提升能源使用效率。

圖 5. 在數(shù)據(jù)中心選取多個樣本點布置溫度傳感器和風(fēng)速傳感器

1. 數(shù)據(jù)采集

圖 6. 來自于傳感器等設(shè)備采集的實時數(shù)據(jù)

STP 模型數(shù)據(jù)格式必須包含空間維度、時間維度、目標(biāo)參數(shù)。輸入?yún)?shù)可選。以上表格為從數(shù)據(jù)中心采集到的數(shù)據(jù)，它們將被對應(yīng)到 STP 模型的數(shù)據(jù)輸入中，用于模型創(chuàng)建。

空間維度是位置傳感器的坐標(biāo)位置。其中 u,v,w 分別表示水平位置與高度。

時間維度表征數(shù)據(jù)采集的時間。在 STP 使用之前，需要將具體的時間轉(zhuǎn)換為時間索引，用戶可使用 STEMDP 工具進(jìn)行轉(zhuǎn)換，也可手動進(jìn)行轉(zhuǎn)換。

輸入?yún)?shù)中 x1、x2、x3 分別代表風(fēng)速 、ACU 的作用以及高度 。 x4 和 x5 為其他可能影響的因素，但 STP 模型最終證明它們的影響非常弱，可忽略不計。

目標(biāo)參數(shù)為樣本位置的實際監(jiān)測溫度。

2. 數(shù)據(jù)建模

將以上數(shù)據(jù)作為輸入在 STP 中創(chuàng)建模型，如下圖所示。

圖 7. STP 數(shù)據(jù)輸入 

圖 8. STP 模型結(jié)果

從以上結(jié)果可知，參數(shù) x4 和 x5 的 significance 值均大于 0.05，說明它們對模型的貢獻(xiàn)較小，顯著性較差，因此在監(jiān)測結(jié)果時可省略對這兩個數(shù)據(jù)的采集。

x1、x2、x3 均對模型貢獻(xiàn)顯著，因此主要對這三個參數(shù)進(jìn)行搜集分析即可。

同時，MSE、R Square 等值表征該 STP 模型效果很好，誤差很小。

3. 模型預(yù)測

根據(jù)給定輸入?yún)?shù)，即風(fēng)速、ACU 等值，對數(shù)據(jù)中心未來空間內(nèi)溫度進(jìn)行預(yù)測。橙色部分標(biāo)注 STP 預(yù)測的未來時間的溫度相關(guān)信息。

$STP-y、$STPVAR-y、STPUCI-y 和$STPLCI-y 分別代表代表預(yù)測溫度、方差、預(yù)測上下區(qū)間。實際 STP 可以預(yù)測未來連續(xù)時刻的任意空間位置溫度。下面用散點熱圖表示該例中溫度的分布情況。

圖 9. 采集樣本位置的***時間點的溫度分布

圖 10. 預(yù)測下一時間點在不同高度層上的立體溫度分布效果圖

圖 11. 預(yù)測下一時間點在不同高度層上的平面溫度分布效果圖 

圖 12. 預(yù)測下一時間點在整個空間內(nèi)立體溫度分布效果圖

STP 具備 score anywhere 的特性。即通過有限位置的樣本點，便可以預(yù)測整個空間的溫度分布。從以上溫度效果圖可知，隨著高度增加，熱氣流往上上升，因此在高度 5.5 米時，造成熱量大量聚集，溫度過高，可以在該高度及以上范圍進(jìn)行足夠的通風(fēng)散熱與降溫。除此之外，在高度 4.5 米位置對應(yīng)圖形的右上方局部溫度過高，因此考慮在此范圍內(nèi)加強設(shè)備運行以使溫度下降。通過 STP 對整個空間溫度的預(yù)測，用戶可今早獲悉數(shù)據(jù)中心的整體溫度分布情況，從而避免局部溫度過高而造成設(shè)備的損壞與不可逆損失。

STP 還具備 what-if-analysis 的特性。用戶可以調(diào)整影響模型的可控參數(shù)來達(dá)到預(yù)期目標(biāo)。調(diào)整風(fēng)量與 ACU 后，STP 可以預(yù)計多久即可將溫度下降到合理范圍內(nèi)。如下面一組圖所示同一高度層上調(diào)整參數(shù)后溫度的變化情況。

圖 13. 預(yù)測同一高度層上未來時間段溫度變化效果圖

STP 解決方案在數(shù)據(jù)機房中的應(yīng)用不僅限于溫度預(yù)測，同時也可對濕度變化及與空間相關(guān)的任一因素進(jìn)行分析預(yù)測。從而，數(shù)據(jù)中心的自動化管理將更為先進(jìn)與優(yōu)越，且更加有效、可靠的節(jié)省電能并減少人為干預(yù)。即使當(dāng)前機房老舊、設(shè)備硬件來不及提升的情形下，也可為數(shù)據(jù)中心打造環(huán)保、智能的管理系統(tǒng)。

銀行選址決策支持方案

某銀行高管欲在某市建設(shè)新的銀行分支機構(gòu)，通過一些普查與調(diào)研數(shù)據(jù)他能夠獲取到每個區(qū)域的家庭收入、以及區(qū)域內(nèi)所有銀行現(xiàn)有的分支機構(gòu)信息。通過這些信息，他考慮使用 SPSS 的 STP 模型來幫助其預(yù)測擁有潛在市場價值的地點。

他通過 STP 模型創(chuàng)建了兩個模型，一個模型用于預(yù)測每個區(qū)域的收入信息、另一個模型用于預(yù)測這些區(qū)域未來的銀行分支機構(gòu)的數(shù)量。然后通過這兩種預(yù)測結(jié)果，得出該市所有區(qū)域的潛在市場的分布情況，從而迅速高效地幫助其完成市場分析，以支持決策方案的可行性。

圖 14. 預(yù)測未來銀行數(shù)量供給情況

圖 15. 預(yù)測未來居民收入情況

圖 16. 預(yù)測未來潛在市場分布情況

結(jié)束語 (the end)

如果你是一個上班族，你是否時常想如何減少交通擁堵?如何高效地利用公共自行車資源?如何快速地在高峰期打到合適價格的車?

如果你是一個經(jīng)營者，你是否經(jīng)常為市場選擇而躊躇不決?怎樣才能選擇一個商機***的地點而不至于錯誤的擴張帶來不可估量的損失?怎樣才能應(yīng)用大數(shù)據(jù)分析幫助企業(yè)提升智能信息化的競爭力并降低成本?

STP 算法的應(yīng)用將為你提供時空問題的***解決方案和預(yù)測支持。SPSS 同時提供各類廣泛應(yīng)用于商業(yè)數(shù)據(jù)中的算法，最全面的幫助人們做好大數(shù)據(jù)的分析與商業(yè)決策。