一种基于蜡烛图的时序数据可视化方法及装置的制造方法
【技术领域】
[0001] 本发明设及一种基于蜡烛图的传动装置时序数据可视化方法及装置，属于计算机 软件设计与实现领域，适用于各类大数据量的时序数据的可视化。
【背景技术】
[0002] 为了实现状态监测、故障预警和诊断，车辆传动装置内部安装了大量传感器。在传 动装置车载试验过程中，运些传感器采集的数据将持续不断的发送到上位机电脑中。W车 辆转向加速试验为例，采集到的数据包括档位及方向、发动机转速、发动机回水溫度、风扇 转速等多达40个参数变量。W每秒10次的采样速率计算，装置持续运转一个小时会收集到 72000条数据记录。在装置长时间运转过程中，会生成总量巨大的数据。
[0003] 实际观察采样数据会发现，大量的时序数据存在冗余数据较多等问题。从业务角 度考虑，工程人员很难从高维海量的时序数据中观察到有用的信息，业务人员更多希望看 到数据所展现出来的趋势。而如何从海量数据分析出其趋势，用何种方式展示出运样的趋 势是目前急需解决的问题之一。
[0004] 目前大多数技术人员采用将数据可视化的方法来对海量时序数据进行处理和分 析。可视化的方法存在多种，常用的方法包括折线图、柱状图、蜡烛图等。虽然不同的可视化 方法能够展示出数据的不同特性，但是海量高维时序数据存在着数据多，维数高，时序性等 特点，所W必须对数据进行压缩处理后再将其可视化。因此，目前迫切需要一种可视化方 法，能够对原始数据进行大幅压缩，并且在压缩数据的基础之上可进一步按照比例分层压 缩显示;该方法还能在较好保留原始数据特征的基础之上，采用关系数据库对数据进行存 储，支持条件检索，并且提供适用于不同场景和需求，如科学研究中的天文观测，气象数据， 或者金融经济中的股票交易信息等等。
[0005] 程敏、翁宁泉等人提出的基于时间序列分段的气象数据压缩算法(PLR Based on Elective Feature化int,简称化R_EFP)是基于特征点的选择分段算法，该算法首先将数 据序列中的极值点和趋势转折点选择出来，然后对选出来的特征点进行过滤，过滤规则:如 果选择的当前特征点的前K个数据点和后K个数据点都不是特征点，则运个特征点保留，否 则过滤掉。K为算法中提前设定的一个参数。实验中证明该算法对于缓慢变化型数据，数据 的还原度很高，然而对于波动较大的数据，增加 K值会导致数据的严重流失。
[0006] 蜡烛图是技术分析的一种，最早日本人于十九世纪所创，起源于日本十八世纪德 川幕府时代（1603~1867年）的米市交易，用来计算米价每天的涨跌，被当时日本米市的商 人用来记录米市的行情与价格波动，包括开市价、收市价、最高价及最低价，阳烛代表当日 升市，阴烛代表跌市。蜡烛图的优点在于能够比较直面的看到数据的变化。目前蜡烛图多应 用于股市等市场数据分析。
【发明内容】
[0007] 本发明的目的是为了解决上述现有技术下大量时序数据的可视化问题，提供一种 基于蜡烛图的时序数据可视化方法。
[0008] 本发明的目的是通过下述技术方案实现的：
[0009] -种基于蜡烛图的时序数据可视化方法，包括W下步骤：
[0010] 步骤1:设置时序数据的分割区间，即每个区间内数据点的个数H;
[0011] 步骤2:顺序扫描输入的时序数据序列，每扫描H个数据时形成一个数据区间，记为 Ri = < Vs , Ve , Vmax , Vmin , Vavg , Vsta〉，其中 Vs、Ve、Vmax、Vmin、Vavg和 Vsta分别表示第 i 个区间的开始 值、结束值、最大数据、最小数据、平均值和标准差；扫描结束后将生成的数据区间序列R存 储；
[0012] 步骤3:读取已存储的所有数据区间R;
[0013] 步骤4:根据用户设定的显示比例r=l/2k化=〇，1，2,3,4，...），计算合并之后的 数据区间个数N= IrI
[0014] 步骤5:若N<|R|，对数据区间序列中相邻的数据区间进行合并，每次合并后IrI = R|*l/2;若N<|R|，转步骤5继续对数据区间序列中相邻的数据区间进行合并，直到N含IrI ;
[0015] 步骤6:对合并之后的区间列表R采用蜡烛图和折线图进行显示:使用蜡烛图的方 法将每个区间的开始值、结束值、最大数据、最小数据表示出来;使用折线图将每个区间的 平均值和标准差表示出来。
[0016] 作为优选，步骤2所述的数据区间划分及生成方法，包括W下步骤：
[0017] 步骤1:线性扫描输入的时序数据，每扫描H个数据时形成一个数据区间，记为R = < Vs，Ve，Vmax，Vmin，Vavg，Vs化〉；数据序列最后不足H个数据时也构成一个区间；
[0018] 步骤2:数据区间R内的第一个值设为Vs,将数据区间R内的最后一个值设为Ve;计算 数据区间納数据点的最大值Vmax、最小值Vmin、平均值Vavg和标准差Vsta;
[0019] 作为优选，步骤5所述的数据区间合并方法，包括W下步骤：
[0020] 步骤1 :取出相邻的两个数据区间Ri = <Vs，Ve，Vmax，Vmin，Vavg，Vsta〉和Ri+1 = <V ' S，V ' e， y y y ) \ V max , V min , V avg , V sta^ ;
[002^1]步骤2:设定新的区间1?。= <￥3，￥'6，]^乂(>1113义，￥'1113〇，]\0則￥1111。，￥'1111。），(>3乂8+￥'3乂8)/ 2，V"sta〉，其中
[0022] 基于上述可视化方法的一种基于蜡烛图的时序数据可视化装置，包括数据分区模 块、数据存储模块、数据库管理系统、数据合并模块和数据展示模块;数据分区模块与数据 存储模块相连，数据合并模块和数据展示模块相连，数据存储模块和数据合并模块分别与 数据库管理系统相连；
[0023] 所述数据分区模块用于将海量时序数据根据预设的数据区间点数H逐段提取数 据，对提取的每一区间数据计算该区间特征值Ri并输出；其中Ri = < Vs，Ve，Vmax，Vmin，Vavg，Vsta 〉，Vs、Ve、Vmax、Vmin、Vavg和Vsta分别表示第i个区间的开始值、结束值、最大数据、最小数据、平 均值和标准差；
[0024] 所述数据存储模块用于将数据分区模块输出的区间特征值W记录形式存入所述 数据库管理系统；
[0025] 所述数据合并模块用于根据数据展示模块要求的显示比例对所述关系数据库中 存储的区间数据进行合并后输出；
[0026] 所述数据展示模块用于接收用户的显示比例要求，并将之发送给所述数据合并模 块，然后将所述数据合并模块输出的区间数据采用蜡烛图和折线图进行显示。
[0027] 作为优选，所述区间数据合并采用两两相邻区间合并为一个数据区间方式，直到 細足显不比例要求；如果合并自U相邻数据区间特化值为Ri二〈Vs , Ve , Vmax , Vmin , Vavg , Vsta〉和 1?1+1 = <￥'3，￥'6，￥'1113、，￥'1111。，￥'3巾8，￥%*3〉，则合并后数据区间特征值为1?。=<￥3，￥'6，]^乂(>丽， V max),MIN(Vmin,V min),(Vavg+V avg)/2,V sta〉，其牛
[002引有益效果
[0029] 对比现有技术，本发明方法对于大数据时代下的海量时序数据，计算复杂度低，能 够进行快速的处理;并且每一个数据区间提取的统计数据能够真实反映该区间的数据特 征，将计算得到的数据通过蜡烛图，折线图等反馈给用户，使用户能够直观的获取数据的特 征。本发明装置简单实用，对大数据有良好的处理能力，可视化效果明显，能直观的反映数 据各个阶段的波动性，对数据原有信息保存比较完整。本发明可应用于各类工业控制系统 时序数据的可视化。
【附图说明】
[0030] 图1为部分实际时序数据示例；
[0031] 图2为时序数据处理流程示意图；
[0032] 图3为数据可视化流程示意图；
[0033] 图4为数据可视化装置结构示意图；
[0034] 图5显示比例为1(数据区间为400)时的可视化结果示意图；
[0035] 图6显示比例为1/2(数据区间为800)时的可视化结果示意图。
【具体实施方式】
[0036] 为使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步 的详细描述。
[0037] 实施例1:
[0038] 参见图1，某时序数据对应的时序标号和相应的数据值；
[0039] 参见图1和图2,介绍本发明对数据进行预处理的各个操作步骤：
[0040