JP2016091271A - Communication quality prediction device and communication quality prediction program - Google Patents
Communication quality prediction device and communication quality prediction program Download PDFInfo
- Publication number
- JP2016091271A JP2016091271A JP2014224537A JP2014224537A JP2016091271A JP 2016091271 A JP2016091271 A JP 2016091271A JP 2014224537 A JP2014224537 A JP 2014224537A JP 2014224537 A JP2014224537 A JP 2014224537A JP 2016091271 A JP2016091271 A JP 2016091271A
- Authority
- JP
- Japan
- Prior art keywords
- communication quality
- prediction
- log
- change point
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Computer And Data Communications (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本発明は、移動体通信における通信品質管理に関し、特に、通信品質ログから通信品質の将来を予測するにあたり、予測精度の向上を図る通信品質予測装置に関する。 The present invention relates to communication quality management in mobile communication, and more particularly, to a communication quality prediction apparatus that improves prediction accuracy when predicting the future of communication quality from a communication quality log.
通信品質を予想するシステムとしては、図６に示すように、ユーザ端末１、事業者サーバ２、キャリアが提供する通信設備・運用者３から各種情報を取得し、これらの情報を分析することで通信品質を予想することが行われている。
無線通信機能を有するユーザ端末１は、その位置情報や、通信システムやアプリケーションの事業者サーバ２に対する接続時間や接続率等の通信品質情報の提供を行うことができる。事業者サーバ２からは、無線基地局周辺の気象情報や環境変化（建設）情報を取得することができる。また、無線基地局等のキャリアが提供する通信設備・運用者３からは、通信設備の設定状況に関わる様々な情報（設備設定情報・運用履歴）の提供が行われる。
これらの時系列情報を分析（テキストマイニング）することにより、ユーザ端末１を使用する場合の将来の通信品質を予測することが可能となる。
As shown in FIG. 6, the system for predicting communication quality obtains various information from the user terminal 1, the operator server 2, and the communication equipment / operator 3 provided by the carrier, and analyzes the information. Predicting communication quality is being done.
The user terminal 1 having a wireless communication function can provide location information and communication quality information such as a connection time and a connection rate with respect to the communication server or application provider server 2. From the operator server 2, weather information and environmental change (construction) information around the wireless base station can be acquired. In addition, the communication facility / operator 3 provided by a carrier such as a radio base station provides various information (facility setting information / operation history) related to the setting state of the communication facility.
By analyzing these time-series information (text mining), it is possible to predict the future communication quality when using the user terminal 1.
通信品質を予測する方法としては、予測実行時刻とその近傍過去の各時系列データ値からの予測方法と、予測対象時刻と同一傾向の時系列データ集合の統計値からの予測方法の各長所を取り入れ、時間変動の大きい予測や非定常的な予測も可能とする時系列データ予測方法が提案されている（特許文献１参照）。この例によれば、予測を実行する時刻と予測する時刻における値の分布から予測値を算出する。 As a method of predicting communication quality, there are the advantages of the prediction method based on the prediction execution time and each time series data value in the vicinity in the vicinity, and the prediction method based on the statistical value of the time series data set having the same tendency as the prediction target time. There has been proposed a time series data prediction method that enables prediction with large time fluctuation and non-stationary prediction (see Patent Document 1). According to this example, the predicted value is calculated from the time when the prediction is performed and the distribution of values at the predicted time.
また、構築された予測モデルにより予測を実行して予測値を得て、過去の時系列データを用いて算出する予測誤差に基づいて補正係数を求めて予測値を補正し、予測値の算出根拠を通知する時系列データの適応的予測方法とすることが提案されている（特許文献２参照）。すなわち、補正値がある量を超えた場合にのみモデルを更新して負荷を減らす（大きな変化がない限りモデルを更新しない）ことが行われる。 In addition, a prediction value is obtained by executing a prediction using the constructed prediction model, a correction coefficient is obtained based on a prediction error calculated using past time-series data, and the prediction value is corrected. It has been proposed to adopt an adaptive prediction method for time-series data for notifying (see Patent Document 2). That is, only when the correction value exceeds a certain amount, the model is updated to reduce the load (the model is not updated unless there is a large change).
また、トレンド、循環性、季節性、月・曜日性、特異日特性、予測専門家の知識等によるベースモデルに加え、様々なデータから補足モデル（例えば、ベースモデルと時系列データの差のモデル）を生成し、双方により予測精度を向上させる時系列データ予測方法が提案されている（特許文献３参照）。 In addition to base models based on trends, circulation, seasonality, month / day-of-week characteristics, peculiar day characteristics, knowledge of forecast specialists, etc., supplementary models (for example, models for differences between base models and time-series data) ) And a time-series data prediction method that improves the prediction accuracy by both methods has been proposed (see Patent Document 3).
更に、時系列連続データの予測方法として、予測対象の一時点ｔ４よりも過去の測定時点ｔ０〜ｔ３で予測対象の一時点に最も近い近接測定時点ｔ３を抽出し、近接測定時点ｔ３よりも過去のｋ個の測定時点を抽出する。そして、近接測定時点ｔ３から近接測定時点ｔ３における実測値Ｑ３を導出可能な補間式ｆ（ｔ）、すなわちＱ３＝ｆ（ｔ３）となるような補間式ｆ（ｔ）が、過去のｋ個の測定時点及び実測値と、予測対象の一時点ｔ４及び予測値Ｑ４とから生成されるように予測値Ｑ４を決定する方法が提案されている（特許文献４参照）。すなわち、直近の実測値が、予測値と直近以前のいくつかの実測値から導けるように予測値を決めることが行われる。 Further, as a method for predicting time-series continuous data, the proximity measurement time point t3 closest to the prediction target time point is extracted at the measurement time points t0 to t3 past the prediction target time point t4, and the past measurement time point t3 is past. K measurement time points are extracted. An interpolation formula f (t) from which the actual measurement value Q3 at the proximity measurement time point t3 can be derived from the proximity measurement time point t3, that is, an interpolation formula f (t) that satisfies Q3 = f (t3) There has been proposed a method of determining the predicted value Q4 so that the predicted value Q4 is generated from the measurement time point and the actual measurement value, and the predicted time point t4 and the predicted value Q4 (see Patent Document 4). That is, the predicted value is determined so that the latest actual measurement value can be derived from the prediction value and some actual measurement values before the latest.
また、時系列予測装置として、時系列モデルを生成後、いくつかのサンプルデータで時系列モデルによる予測の精度を評価し、評価結果をもとに予測の最適パラメタを得る方式が提案されている（特許文献５参照）。 In addition, as a time series prediction device, a method has been proposed in which after generating a time series model, the accuracy of prediction based on the time series model is evaluated with some sample data, and the optimal parameter for prediction is obtained based on the evaluation result. (See Patent Document 5).
しかしながら、上記各方法によると、以下に述べるような問題点が存在した。
通信品質の時系列な変化を示すデータを対象とし、あるモデル期間（例えば数か月間）の過去データを用いて未来の通信品質を予測する場合を考える。尚、時刻の経過とともにモデル期間はスライドさせモデルを更新するものとする。モデルを更新するタイミングは、定期的あるいは時系列データの変化が許容量を超える時点（特許文献２）とする。ここで、モデルを更新するポイント（時系列データの変化が許容量を超えるポイント）が、継続して時系列データの傾向を変えるような変化点（例えば通信設備の設定変更や、周辺環境の変化等）である場合、変化点以前のデータもモデル生成の入力値として含まれると、その影響を受け予測が大きく外れる可能性がある。
However, according to the above methods, there are problems as described below.
Consider a case in which data indicating a time-series change in communication quality is targeted, and future communication quality is predicted using past data in a certain model period (for example, several months). It is assumed that the model period is updated with the passage of time and the model is updated. The timing for updating the model is set to be a point in time at which the change of the time series data exceeds the allowable amount (Patent Document 2). Here, the point where the model is updated (the point where the change in the time-series data exceeds the allowable amount) continuously changes the trend of the time-series data (for example, the setting change of the communication equipment or the change in the surrounding environment) If the data before the change point is also included as an input value for model generation, there is a possibility that the prediction will be significantly different due to the influence.
また、時系列モデルを生成後、いくつかのサンプルデータで時系列モデルによる予測の精度を評価し、評価結果をもとに最適パラメタを得る方式（特許文献５）においても、モデル期間内に変化点が存在した場合は、変化点以前のデータの影響を受けたモデルであることから、未来の予測と実測の誤差が大きくなる可能性がある。 Also, in the method (Patent Document 5) in which the accuracy of prediction based on the time series model is evaluated with some sample data after generating the time series model and the optimum parameter is obtained based on the evaluation result (Patent Document 5) If there is a point, the model is influenced by the data before the change point, so there is a possibility that the error in future prediction and measurement will increase.
また、前述の変化点以降に、変化点の要因によっては過去に観測されたことの無いような値の変化が現れる場合がある。既存方式では基本的にモデルデータ自体を教師とした予測を実行するため、このような特異な値の変化を予測することは困難である。 Further, after the above-described change point, there may be a change in value that has not been observed in the past depending on the cause of the change point. In the existing method, basically, prediction using model data itself as a teacher is executed, and thus it is difficult to predict such a unique value change.
本発明は上記実情に鑑みて提案されたものあり、通信品質ログから通信品質の将来を予測するにあたり、通信品質ログが周辺環境の様々な要因で変化する場合に、周辺環境状況を分析して将来の通信品質を予想可能とする通信品質予測装置を提供することを目的としている。 The present invention has been proposed in view of the above circumstances, and in predicting the future of communication quality from the communication quality log, when the communication quality log changes due to various factors of the surrounding environment, the surrounding environment situation is analyzed. An object of the present invention is to provide a communication quality prediction device that can predict future communication quality.
上記目的を達成するため本発明（請求項１）は、時系列に出力される通信品質ログを観測して未来の通信品質を予測する通信品質予測装置において、以下の構成を備えたことを特徴としている。
ログ収集部。ログ収集部は、キャリア網にてユーザ端末から収集される通信品質ログや通信設備もしくは事業者サーバから収集される各種ログを収集する。
変化点検出部。変化点検出部は、前記通信品質ログを時系列分析したデータから、変化点を検出する。
予測分析部。予測分析部は、前記通信品質ログを時系列分析したデータから、前記変化点以前のログを除外し、モデルの生成および通信品質の予測を実行する。
In order to achieve the above object, the present invention (Claim 1) is characterized in that a communication quality prediction apparatus for predicting future communication quality by observing a communication quality log output in time series has the following configuration. It is said.
Log collection unit. The log collection unit collects communication quality logs collected from user terminals in the carrier network and various logs collected from communication facilities or service servers.
Change point detector. The change point detection unit detects a change point from data obtained by time series analysis of the communication quality log.
Predictive analysis department. The prediction analysis unit excludes the log before the change point from the data obtained by time series analysis of the communication quality log, and executes model generation and communication quality prediction.
請求項２は、請求項１の通信品質予測装置において、
前記変化点検出部は、前記データのトレンドが想定以上に連続して変化するかどうかを分析することで前記変化点を判定することを特徴としている。
Claim 2 is the communication quality prediction apparatus of claim 1,
The change point detection unit is characterized in that the change point is determined by analyzing whether a trend of the data changes continuously more than expected.
請求項３は、請求項１又は請求項２の通信品質予測装置において、
前記変化点検出部は、基地局の設定変更や周辺環境の変化（建設状況の変化）を管理するログの分析結果を変化点判定基準に加味することを特徴としている。
Claim 3 is the communication quality prediction apparatus according to claim 1 or claim 2,
The change point detection unit is characterized in that an analysis result of a log for managing a base station setting change or a change in the surrounding environment (change in construction status) is added to a change point determination criterion.
請求項４は、請求項１から３のいずれか１項の通信品質予測装置において、
前記予測分析部は、前記モデルの生成および前記通信品質の予測実行時に、前記変化点前後のログの重みを指定可能とする機能を備えたことを特徴としている。
Claim 4 is the communication quality prediction apparatus according to any one of claims 1 to 3,
The prediction analysis unit has a function of enabling specification of log weights before and after the change point when the model is generated and the communication quality is predicted.
請求項５は、請求項１から３のいずれか１項の通信品質予測装置において、
前記予測分析部は、前記データ内に複数の変化点が検出された場合は、直近の変化点を対象として当該変化点以前のログを除外し、モデルの生成および通信品質の予測を実行することを特徴としている。
Claim 5 is the communication quality prediction apparatus according to any one of claims 1 to 3,
When a plurality of change points are detected in the data, the prediction analysis unit excludes a log before the change point for the most recent change point, and executes model generation and communication quality prediction. It is characterized by.
請求項６は、請求項１から５のいずれか１項の通信品質予測装置において、
前記予測分析部は、前記予測を時系列的に表示可能とする出力表示部を備え、
前記通信品質ログ内の品質値と前記予測を前記出力表示部に表示されたグラフ上にプロットする機能を備えたことを特徴としている。
Claim 6 is the communication quality prediction apparatus according to any one of claims 1 to 5,
The prediction analysis unit includes an output display unit that can display the prediction in time series,
It has a function of plotting the quality value in the communication quality log and the prediction on a graph displayed on the output display unit.
請求項７は、請求項１から６のいずれか１項の通信品質予測装置において、
前記ログ収集部が収集する通信品質ログの通信品質項目は、接続時間と接続率から運用者が選択可能とすることを特徴としている。
A seventh aspect of the present invention provides the communication quality prediction apparatus according to any one of the first to sixth aspects,
The communication quality item of the communication quality log collected by the log collection unit can be selected by the operator from the connection time and the connection rate.
請求項８の通信品質予測プログラムは、請求項１に記載した各部をコンピュータ上に構築することを特徴としている。 A communication quality prediction program according to an eighth aspect is characterized in that each unit described in the first aspect is constructed on a computer.
本発明の通信品質予測装置（請求項１）及び通信品質予測プログラム（請求項８）によれば、通信品質ログを時系列分析したデータから変化点を検出し、予測分析部は通信品質ログを時系列分析したデータから変化点以前のログを除外して通信品質の予測を行うので、定常的な通信品質の劣化をより正確に予測することができる。
その結果、予測誤差による過剰な稼働や投資を抑えることができるとともに、品質劣化の事前対策が実施可能となり、サービスの品質維持を図ることができる。
According to the communication quality prediction apparatus (Claim 1) and the communication quality prediction program (Claim 8) of the present invention, a change point is detected from data obtained by time series analysis of the communication quality log, and the prediction analysis unit stores the communication quality log. Since the communication quality is predicted by excluding the log before the change point from the data subjected to the time series analysis, the steady deterioration of the communication quality can be predicted more accurately.
As a result, it is possible to suppress excessive operation and investment due to a prediction error, and it is possible to implement a pre-measure against quality degradation, thereby maintaining the quality of service.
請求項２の通信品質予測装置によれば、データのトレンドが想定以上に連続して変化するかどうかを分析することで変化点を判定することで、変化点を確実に検出することができる。 According to the communication quality prediction apparatus of the second aspect, it is possible to reliably detect the changing point by determining the changing point by analyzing whether or not the data trend changes continuously more than expected.
請求項３の通信品質予測装置によれば、基地局の設定変更や周辺環境の変化（建設状況の変化）を管理するログの分析結果を変化点判定基準に加味することで、より現実的な変化点の検出を行うことができる。 According to the communication quality prediction apparatus of claim 3, by adding the analysis result of the log managing the setting change of the base station and the change of the surrounding environment (change of the construction status) to the change point determination criterion, it is more realistic. Change points can be detected.
請求項４の通信品質予測装置によれば、前記変化点前後のログの重みを指定可能とすることで、予測を行う場合に、変化点以前のログの影響も適度に与えることができる。 According to the communication quality prediction apparatus of claim 4, by making it possible to specify the weight of the log before and after the change point, when performing prediction, the influence of the log before the change point can be appropriately given.
請求項５の通信品質予測装置によれば、直近の変化点を対象として当該変化点以前のログを除外して通信品質の予測を実行することで、直近情報の影響が反映された予測を行うことができる。 According to the communication quality prediction apparatus of claim 5, a prediction reflecting the influence of the latest information is performed by executing the communication quality prediction by excluding the log before the change point for the latest change point. be able to.
請求項６の通信品質予測装置によれば、通信品質ログ内の品質値と予測を出力表示部に表示されたグラフ上にプロットすることで、予測結果の内容を分かり易くすることができる。 According to the communication quality prediction apparatus of the sixth aspect, by plotting the quality value and the prediction in the communication quality log on the graph displayed on the output display unit, the contents of the prediction result can be easily understood.
請求項７の通信品質予測装置によれば、接続時間と接続率の両方から通信品質の予測を行うことができる。 According to the communication quality prediction apparatus of the seventh aspect, the communication quality can be predicted from both the connection time and the connection rate.
本発明の通信品質予測装置の実施形態の一例について、図１及び図２を参照しながら説明する。
図１は、本発明の通信品質予測装置１０が提供される通信設備環境を示すモデル図であり、ユーザ端末１は、インターネットを介してWeb等における各種のサービスを受けることができる。
An example of an embodiment of a communication quality prediction apparatus of the present invention will be described with reference to FIG. 1 and FIG.
FIG. 1 is a model diagram showing a communication facility environment in which a communication quality prediction apparatus 10 of the present invention is provided. A user terminal 1 can receive various services on the Web or the like via the Internet.
ユーザ端末１が各種のサービスを受けた場合、サービス提供者との間で各種ログが発生する。各種ログには、端末アプリログ、サーバアプリログ（Web,メール等）、ネットワーク機器ログ、CDL、課金ログ、DPI監視情報等が含まれる。 When the user terminal 1 receives various services, various logs are generated with the service provider. The various logs include a terminal application log, a server application log (Web, mail, etc.), a network device log, a CDL, a charging log, DPI monitoring information, and the like.
図１の例では、通信品質予測装置１０がユーザ端末１に関する通信品質ログを収集するとともに、事業者サーバ２やキャリアが提供する通信設備・運用者３からの各種ログ（運用履歴、気象情報ログ）を収集し、設定された期間内に収集したログ情報を分析することで通信品質予測装置１０において予め設定されたエリア（メッシュ領域）での将来的な通信品質を予測し、その結果を運用者側へ出力する。運用者は、出力結果を監視することで、通信品質が悪化するエリアを事前にチェックでき、通信品質が悪化しないように新たな設備（中継箇所等）の構築や、現状設備における品質悪化原因の除去等の対策を施すことができる。
予め設定されたエリア（メッシュ領域）は、１日に複数のユーザ端末１から１０００件以上のログ情報が収集できる広さの領域であり、例えば５００ｍ×５００ｍの領域が想定されている。
In the example of FIG. 1, the communication quality prediction apparatus 10 collects communication quality logs related to the user terminal 1 and various logs (operation history, weather information log) from the communication equipment / operator 3 provided by the operator server 2 or the carrier. ) And analyzing the log information collected within the set period, the communication quality prediction device 10 predicts the future communication quality in the area (mesh area) set in advance, and uses the result Output to the user. By monitoring the output results, the operator can check areas where communication quality deteriorates in advance, construct new equipment (such as relay points) so that communication quality does not deteriorate, and cause quality deterioration in current equipment. Measures such as removal can be taken.
The preset area (mesh area) is an area that can collect 1000 or more pieces of log information from a plurality of user terminals 1 per day. For example, an area of 500 m × 500 m is assumed.
図１の例において、通信品質予測装置１０がユーザ端末１に関する通信品質ログのみを収集し、メッシュ毎及び事業者毎に集計し、収集・集計した情報を分析することで通信品質を予測し、その結果を運用者側へ出力するようにしても良い。 In the example of FIG. 1, the communication quality prediction device 10 collects only the communication quality log related to the user terminal 1, aggregates it for each mesh and each operator, predicts the communication quality by analyzing the collected and aggregated information, The result may be output to the operator side.
通信品質予測装置１０は、基本プログラムや各種の基本デバイスが記憶されたＲＯＭと、各種のプログラムやデータが記憶されるハードディスクドライブ装置（ＨＤＤ）と、ＣＲ−ＲＯＭやＤＶＤ等の記憶媒体からプログラムやデータを読み出すメディアドライブ装置と、プログラムを実行するＣＰＵと、このＣＰＵにワークエリアを提供するＲＡＭと、外部装置と通信するパラレル／シリアルＩ／Ｆとを主要部分とする一般的な構成を備えたコンピュータ上に構築されている。
例えば、上述したコンピュータにおいて、メディアドライブ装置で読み取られた通信品質予測プログラムがＨＤＤにインストールされることで通信品質予測装置１０が構築される。
The communication quality prediction apparatus 10 includes a ROM in which a basic program and various basic devices are stored, a hard disk drive (HDD) in which various programs and data are stored, a program from a storage medium such as a CR-ROM and a DVD, A general configuration mainly includes a media drive device for reading data, a CPU for executing a program, a RAM for providing a work area for the CPU, and a parallel / serial I / F for communicating with an external device. Built on a computer.
For example, in the above-described computer, the communication quality prediction apparatus 10 is constructed by installing the communication quality prediction program read by the media drive device in the HDD.
通信品質予測装置１０は、図２に示されるように、通信品質予測装置１０の初期設定を行う初期設定部１１と、通信品質ログや各種ログを収集するログ収集部１２と、通信品質ログのエリアを判定するエリア判定部１３と、通信品質ログを分析したデータから変化点を検出する変化点検出部１４と、通信品質を予測する予測分析部１５と、予測結果を修正する予測修正モデル生成部１６と、予測結果を表示する出力表示部１７とを備えて構成されている。 As shown in FIG. 2, the communication quality prediction apparatus 10 includes an initial setting unit 11 that performs initial settings of the communication quality prediction apparatus 10, a log collection unit 12 that collects communication quality logs and various logs, and a communication quality log. An area determination unit 13 for determining an area, a change point detection unit 14 for detecting a change point from data obtained by analyzing a communication quality log, a prediction analysis unit 15 for predicting communication quality, and a prediction correction model generation for correcting a prediction result Unit 16 and an output display unit 17 for displaying the prediction result.
初期設定部１１は、初期設定パラメタ５の入力による初期パラメタの読み込みなど、通信品質予測装置１０の稼働に必要な設定情報がメモリに記憶され、以後、記憶された情報は各部で共有される。 The initial setting unit 11 stores setting information necessary for the operation of the communication quality prediction apparatus 10 such as reading of an initial parameter by inputting the initial setting parameter 5 in the memory, and thereafter, the stored information is shared by each unit.
ログ収集部１２は、キャリア網にてユーザ端末１から収集される通信品質ログや、事業者サーバ２やキャリアが提供する通信設備・運用者３から収集される各種ログを収集する。各種ログには、キャリアが保持するログ蓄積サーバに蓄積された通信品質情報や運用履歴、気象情報等の様々なログが含まれる。また、通信品質ログ及び各種ログには、位置情報が含まれている。
ログ収集部１２がユーザ端末１から収集する通信品質ログの通信品質項目については、接続時間および接続率が含まれる。接続時間とは、ユーザ端末１から事業者サーバ２への接続要求があった場合に、ユーザ端末１が接続応答を受信するまでに要した時間であり、接続率とは、ユーザ端末１からの接続要求の数に対する接続成功数である。
The log collection unit 12 collects communication quality logs collected from the user terminal 1 in the carrier network and various logs collected from the communication server / operator 3 provided by the operator server 2 or the carrier. Various logs include various logs such as communication quality information, operation history, and weather information stored in a log storage server held by the carrier. The communication quality log and various logs include position information.
The communication quality items of the communication quality log collected by the log collecting unit 12 from the user terminal 1 include connection time and connection rate. The connection time is the time required for the user terminal 1 to receive a connection response when there is a connection request from the user terminal 1 to the provider server 2, and the connection rate is from the user terminal 1. The number of successful connections with respect to the number of connection requests.
エリア判定部１３は、取得された通信品質ログ及び各種ログについて、位置情報により予め決められたエリア（メッシュ領域）に分けて管理する。 The area determination unit 13 manages the acquired communication quality log and various logs by dividing them into areas (mesh regions) determined in advance by position information.
変化点検出部１４は、通信品質ログをエリア毎に時系列分析したデータから、変化点を検出する。変化点は、データのトレンドが想定以上に連続して変化するかどうかを分析することで判定される。例えば、図３に示すように、モデルデータの最小二乗法等の近似式によるトレンド（傾き）が、運用者が定める閾値を超えて時系列的に連続して変化した場合に変化点と判断する。 The change point detection unit 14 detects a change point from data obtained by time series analysis of the communication quality log for each area. The change point is determined by analyzing whether or not the data trend changes continuously more than expected. For example, as shown in FIG. 3, when a trend (slope) of an approximate expression such as a least square method of model data changes continuously in time series exceeding a threshold set by an operator, it is determined as a change point. .
図３は、通信品質の一つの指標である接続時間のトレンドの変化例を示すものである。接続時間を通信品質とした場合、その値が大きいほど通信品質が劣化していることを示す。グラフ中に表示された複数の直線がトレンド線を示しており、これは既存技術である最小二乗法等を用いて３０日幅で１日ずつずらして直線（トレンド線）を引いている。つまり、３０日間隔での接続時間の傾きが、１日ごとにどのように変化するかを示したグラフである。
直線（トレンド線）の右端の末端部分（「＋」で表示）を点線で繋げることで、直線の傾きが１日ごとにどのように変化するかを示すことができる。
図２のブロック図における変化点検出部１４は、「＋」の点（直線の傾き）が大きく連続して変わっていく箇所を観測することで変化点を認識する。
FIG. 3 shows an example of change in the trend of connection time, which is one index of communication quality. When the connection time is communication quality, the larger the value is, the lower the communication quality is. A plurality of straight lines displayed in the graph indicate trend lines, which are drawn by shifting each day by 30 days using a least square method which is an existing technology. That is, it is a graph showing how the slope of the connection time at 30-day intervals changes every day.
By connecting the end portion (indicated by “+”) at the right end of the straight line (trend line) with a dotted line, it is possible to show how the slope of the straight line changes every day.
The change point detection unit 14 in the block diagram of FIG. 2 recognizes a change point by observing a location where the “+” point (straight line) changes continuously and continuously.
また、変化点検出部における変化点であるか否かの判断基準には、トレンドの連続的な変化だけではなく、変化点が生じるエリアと運用履歴、気象情報のエリアとのマッチング処理を行って、基地局の設定変更や周辺環境の変化（例えばビル建設に伴って電波が遮断される等の建設状況の変化）、気象情報の変化をログから抽出し、加味するようにしてもよい。 In addition, the criteria for determining whether or not the point is a change point in the change point detection unit include not only a continuous trend change but also a matching process between the area where the change point occurs and the operation history and weather information area. Further, changes in the base station settings, changes in the surrounding environment (for example, changes in the construction status such as radio waves being interrupted with building construction), and changes in weather information may be extracted from the log and taken into account.
予測分析部１５は、通信品質ログをエリア毎に時系列分析したデータから、エリア毎にモデルを生成し、通信品質の予測を実行するものであり、モデル生成部１５１とモデル評価部１５２と予測分析部１５３を備えて構成される。
モデル生成部１５１は、予め設定されたモデル期間（例えば直前２カ月）の通信品質ログからモデルデータを取得し、変化点が検出された場合、変化点以前の通信品質ログのデータを除外したモデルデータからモデルの生成を行う。
The prediction analysis unit 15 generates a model for each area from data obtained by time-series analysis of the communication quality log for each area, and executes prediction of communication quality. The model generation unit 151, the model evaluation unit 152, and the prediction An analysis unit 153 is provided.
The model generation unit 151 acquires model data from a communication quality log for a preset model period (for example, the last two months), and when a change point is detected, the model excluding data of the communication quality log before the change point Generate a model from the data.
変化点以前の通信品質ログのデータ除外の代わりに、変化点前後の通信品質ログのデータについて、モデル生成における変化点の影響度を下げるための重みを付けるようにしてもよい。
また、モデルデータ内に複数の変化点が検出された場合は、直近の変化点を対象として変化点以前の通信品質ログのデータをモデル生成のデータから除外するようにしている。
Instead of excluding the communication quality log data before the change point, the communication quality log data before and after the change point may be weighted to reduce the influence of the change point in model generation.
When a plurality of change points are detected in the model data, the communication quality log data before the change point is excluded from the model generation data for the most recent change point.
モデル評価部１５２は、生成されたモデルの評価を行うものであり、モデルの精度を評価するためのサンプルデータは、変化点以降のデータを使用するようにし、その評価結果から最適パラメタを得るようにしている。 The model evaluation unit 152 evaluates the generated model, and sample data for evaluating the accuracy of the model uses data after the change point, and obtains the optimum parameter from the evaluation result. I have to.
予測実行部１５３は、生成されたモデルを評価することで、設定された期間経過後（例えば２か月経過後）の通信品質の予測を実行する。すなわち、エリア毎に直近の通信品質ログから未来の通信品質の予測を行う。 The prediction execution unit 153 performs communication quality prediction after the set period has elapsed (for example, after two months have elapsed) by evaluating the generated model. That is, the future communication quality is predicted from the latest communication quality log for each area.
予測修正モデル生成部１６は、出力された予測に対して、運用者が運用ノウハウにより手動で修正可能とするものである。 The prediction correction model generation unit 16 allows the operator to manually correct the output prediction based on operation know-how.
出力表示部１７は、予測分析部１５による推定結果（予測）を時系列的に表示可能としている。また、出力表示部１７は、通信品質ログ内の過去の実測値と予測値について、表示されたグラフ上にプロットする機能を備えている。
例えば、出力表示部１７に表示されるグラフは、図４に示すように、通信品質（接続時間）の実測値のグラフＡと、実測値を基に予想した予測結果のグラフＢから構成されている。図中、三角表示の地点を今日の時点とし、左側に過去に観測した実測値のデータが示され、右側に実測値を基に数日後を予想した予想値のデータが示される。グラフＢ中に示される直線は、予想値の傾き（トレンド）である。
出力表示部１７に表示されたトレンドが右上がりの勾配であれば、運用者は、品質劣化の事前対策が必要であると判断することができる。
The output display unit 17 can display the estimation result (prediction) by the prediction analysis unit 15 in time series. Further, the output display unit 17 has a function of plotting past measured values and predicted values in the communication quality log on the displayed graph.
For example, as shown in FIG. 4, the graph displayed on the output display unit 17 is composed of a graph A of measured values of communication quality (connection time) and a graph B of predicted results predicted based on the measured values. Yes. In the figure, the point of the triangle display is the current point in time, the data of the actual measurement values observed in the past are shown on the left side, and the data of the predicted values expected several days later based on the actual measurement values are shown on the right side. The straight line shown in the graph B is the inclination (trend) of the expected value.
If the trend displayed on the output display unit 17 is a slope that rises to the right, the operator can determine that pre-measures for quality degradation are necessary.
次に、通信品質予測装置１０における処理手順について、図５のフローチャートを参照しながら説明する。 Next, a processing procedure in the communication quality prediction apparatus 10 will be described with reference to the flowchart of FIG.
先ず、初期設定部１１が初期パラメタを読み込む（ステップ１０１）。読み込んだ情報は各部間でメモリ上にて共有される。
ログ収集部１２がユーザ端末１からの通信品質ログを読み込む（ステップ１０２）。
First, the initial setting unit 11 reads initial parameters (step 101). The read information is shared between the units on the memory.
The log collection unit 12 reads the communication quality log from the user terminal 1 (step 102).
変化点検出部が通信品質ログから変化点を推定する（ステップ１０３）。
その際、キャリアが提供する通信設備・運用者３からの各種ログ等、変化点に影響のある情報を読み込む（ステップ１０４）。
また、変化点検出に際して、変化点が生じるエリアと運用履歴、気象情報のエリアとのマッチング処理が行われる（ステップ１０５）。
エリア判定部１３が変化点検出部１４に、変化点の判断情報を提供する（ステップ１０６）。
The change point detector estimates the change point from the communication quality log (step 103).
At that time, information affecting the changing point such as various logs from the communication facility / operator 3 provided by the carrier is read (step 104).
Further, when the change point is detected, a matching process is performed between the area where the change point occurs, the operation history area, and the weather information area (step 105).
The area determination unit 13 provides change point detection information to the change point detection unit 14 (step 106).
変化点検出部１４が予測分析部１５に、変化点情報を提供する（ステップ１０７）。
予測分析部１５により、モデル生成し、予測実行を行う（ステップ１０８）。
The change point detection unit 14 provides change point information to the prediction analysis unit 15 (step 107).
The prediction analysis unit 15 generates a model and executes prediction (step 108).
運用者からの予測修正指示の有無を判断する（ステップ１０９）。
予測修正指示が有る場合、運用者の手動による予測修正を行う（ステップ１１０）。
予測修正指示が無い場合、又は、ステップ１０で予測修正が行われた場合は、予測結果の出力を表示する（ステップ１１１）。
It is determined whether or not there is a prediction correction instruction from the operator (step 109).
If there is a prediction correction instruction, the operator manually corrects the prediction (step 110).
When there is no prediction correction instruction, or when prediction correction is performed in step 10, the output of the prediction result is displayed (step 111).
上述した通信品質予測装置１０によれば、ログ収集部１２で取得した通信品質ログについて、変化点検出部１４でエリア毎に時系列分析したデータから変化点を検出し、予測分析部１５は通信品質ログをエリア毎に時系列分析したデータから変化点以前のログを除外して通信品質の予測を行うので、突発的な影響により変化したデータを除去して予測を行うことで、定常的な通信品質の劣化をより正確に予測することができる。 According to the communication quality prediction apparatus 10 described above, a change point is detected from data subjected to time series analysis for each area by the change point detection unit 14 for the communication quality log acquired by the log collection unit 12, and the prediction analysis unit 15 performs communication. Since the quality log is predicted by excluding the log before the change point from the data obtained by time series analysis of the quality log for each area, the data that has changed due to the sudden impact is removed and the prediction is performed. It is possible to predict the deterioration of communication quality more accurately.
１…ユーザ端末、 ２…事業者サーバ、 ３…キャリアが提供する通信設備・運用者、 １０…通信品質予測装置、 １２…ログ収集部、 １３…エリア判定部、 １４…変化点検出部、 １５…予測分析部、 １６…予測修正モデル生成部、 １７…出力表示部。 DESCRIPTION OF SYMBOLS 1 ... User terminal, 2 ... Provider server, 3 ... Communication equipment and operator provided by carrier, 10 ... Communication quality prediction device, 12 ... Log collection unit, 13 ... Area determination unit, 14 ... Change point detection unit, 15 ... prediction analysis unit, 16 ... prediction correction model generation unit, 17 ... output display unit.
Claims (8)
前記通信品質ログを時系列分析したデータから、変化点を検出する変化点検出部と、
前記通信品質ログを時系列分析したデータから、前記変化点以前のログを除外し、モデルの生成および通信品質の予測を実行する予測分析部と、
を備えた通信品質予測装置。 A log collection unit that collects communication quality logs collected from user terminals in the carrier network and various logs collected from communication facilities or operator servers;
From the data obtained by time series analysis of the communication quality log, a change point detection unit that detects a change point;
A prediction analysis unit that excludes a log before the change point from data obtained by time-series analysis of the communication quality log, and executes model generation and communication quality prediction;
A communication quality prediction apparatus.
前記通信品質ログ内の品質値と前記予測を前記出力表示部に表示されたグラフ上にプロットする機能を備えた請求項１から５のいずれか１項に記載の通信品質予測装置。 The prediction analysis unit includes an output display unit that can display the prediction in time series,
The communication quality prediction apparatus according to claim 1, further comprising a function of plotting a quality value in the communication quality log and the prediction on a graph displayed on the output display unit.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014224537A JP6502062B2 (en) | 2014-11-04 | 2014-11-04 | Communication quality prediction device and communication quality prediction program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014224537A JP6502062B2 (en) | 2014-11-04 | 2014-11-04 | Communication quality prediction device and communication quality prediction program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2016091271A true JP2016091271A (en) | 2016-05-23 |
| JP6502062B2 JP6502062B2 (en) | 2019-04-17 |
Family
ID=56019356
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2014224537A Expired - Fee Related JP6502062B2 (en) | 2014-11-04 | 2014-11-04 | Communication quality prediction device and communication quality prediction program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6502062B2 (en) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2020035004A (en) * | 2018-08-27 | 2020-03-05 | 株式会社日立製作所 | Demand prediction system and demand prediction method |
| JP2020136937A (en) * | 2019-02-21 | 2020-08-31 | 株式会社国際電気通信基礎技術研究所 | Communication situation prediction device, communication situation prediction method, and program |
| JP2021129206A (en) * | 2020-02-13 | 2021-09-02 | 株式会社国際電気通信基礎技術研究所 | Communication status prediction device, communication status prediction method, and program |
| JPWO2021199120A1 (en) * | 2020-03-30 | 2021-10-07 | ||
| CN119420699A (en) * | 2025-01-03 | 2025-02-11 | 深圳市泰维精密技术有限公司 | A remote intelligent control method, system and medium for a barrier gate machine |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US12476865B2 (en) * | 2020-05-27 | 2025-11-18 | Nec Corporation | Failure detection system, failure recovery system, failure detection method, and non-transitory computer readable medium |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08221384A (en) * | 1995-02-17 | 1996-08-30 | Kao Corp | Sales volume forecasting method and device |
| JPH09219697A (en) * | 1996-02-09 | 1997-08-19 | Sharp Corp | Wireless communication device |
| JP2001094573A (en) * | 1999-09-24 | 2001-04-06 | Nippon Telegr & Teleph Corp <Ntt> | Equipment for measuring traffic quality |
| JP2004165216A (en) * | 2002-11-08 | 2004-06-10 | Matsushita Electric Ind Co Ltd | Production management method and production management device |
| JP2006334837A (en) * | 2005-05-31 | 2006-12-14 | Brother Ind Ltd | Linear drive |
| JP2010108283A (en) * | 2008-10-30 | 2010-05-13 | Nec Corp | Prediction system, prediction method and prediction program |
| WO2011046228A1 (en) * | 2009-10-15 | 2011-04-21 | 日本電気株式会社 | System operation management device, system operation management method, and program storage medium |
| US20110106011A1 (en) * | 2009-10-06 | 2011-05-05 | Illinois Institute Of Technology | Automatic insulin pumps using recursive multivariable models and adaptive control algorithms |
| JP2013255131A (en) * | 2012-06-07 | 2013-12-19 | Fujitsu Ltd | Operation monitoring device, method for estimating causal event in operation monitoring device, and information communication network system |
-
2014
- 2014-11-04 JP JP2014224537A patent/JP6502062B2/en not_active Expired - Fee Related
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08221384A (en) * | 1995-02-17 | 1996-08-30 | Kao Corp | Sales volume forecasting method and device |
| JPH09219697A (en) * | 1996-02-09 | 1997-08-19 | Sharp Corp | Wireless communication device |
| JP2001094573A (en) * | 1999-09-24 | 2001-04-06 | Nippon Telegr & Teleph Corp <Ntt> | Equipment for measuring traffic quality |
| JP2004165216A (en) * | 2002-11-08 | 2004-06-10 | Matsushita Electric Ind Co Ltd | Production management method and production management device |
| JP2006334837A (en) * | 2005-05-31 | 2006-12-14 | Brother Ind Ltd | Linear drive |
| JP2010108283A (en) * | 2008-10-30 | 2010-05-13 | Nec Corp | Prediction system, prediction method and prediction program |
| US20110106011A1 (en) * | 2009-10-06 | 2011-05-05 | Illinois Institute Of Technology | Automatic insulin pumps using recursive multivariable models and adaptive control algorithms |
| WO2011046228A1 (en) * | 2009-10-15 | 2011-04-21 | 日本電気株式会社 | System operation management device, system operation management method, and program storage medium |
| JP2013255131A (en) * | 2012-06-07 | 2013-12-19 | Fujitsu Ltd | Operation monitoring device, method for estimating causal event in operation monitoring device, and information communication network system |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2020035004A (en) * | 2018-08-27 | 2020-03-05 | 株式会社日立製作所 | Demand prediction system and demand prediction method |
| JP7163105B2 (en) | 2018-08-27 | 2022-10-31 | 株式会社日立製作所 | Demand forecasting system and method |
| JP2020136937A (en) * | 2019-02-21 | 2020-08-31 | 株式会社国際電気通信基礎技術研究所 | Communication situation prediction device, communication situation prediction method, and program |
| JP2021129206A (en) * | 2020-02-13 | 2021-09-02 | 株式会社国際電気通信基礎技術研究所 | Communication status prediction device, communication status prediction method, and program |
| JP7366790B2 (en) | 2020-02-13 | 2023-10-23 | 株式会社国際電気通信基礎技術研究所 | Communication status prediction device, communication status prediction method, and program |
| JPWO2021199120A1 (en) * | 2020-03-30 | 2021-10-07 | ||
| JP7346720B2 (en) | 2020-03-30 | 2023-09-19 | 日本電気株式会社 | Fading prediction device, fading prediction method, and fading prediction program |
| CN119420699A (en) * | 2025-01-03 | 2025-02-11 | 深圳市泰维精密技术有限公司 | A remote intelligent control method, system and medium for a barrier gate machine |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6502062B2 (en) | 2019-04-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6055285B2 (en) | Data security apparatus and method and system | |
| US11055450B2 (en) | Industrial asset health model update | |
| JP6502062B2 (en) | Communication quality prediction device and communication quality prediction program | |
| CN107871190B (en) | Service index monitoring method and device | |
| US10534361B2 (en) | Industrial asset health model update | |
| KR101358673B1 (en) | Facilities condition assessment method using smartphone and system thereof | |
| JP7010674B2 (en) | Power Demand Forecasting Device, Power Demand Forecasting Method and Program | |
| JP2009098147A (en) | Method and system for determining reliability of a dc motor system | |
| WO2014197299A2 (en) | Industrial asset health profile | |
| US20140052489A1 (en) | Time derivative-based program management systems and methods | |
| JP2020052714A (en) | Monitoring system and monitoring method | |
| JP6359960B2 (en) | Failure prediction apparatus, failure prediction method, and failure prediction program | |
| JP2009099144A (en) | Method and system for remotely predictig remaining life of ac motor system | |
| CN119577659B (en) | A method, system, medium and program product for generating an operation and maintenance mode analysis model | |
| JP2017037645A (en) | System and method for smart alerts | |
| Golmakani et al. | Optimal replacement policy and inspection interval for condition-based maintenance | |
| JP2019016039A (en) | Method for diagnosing abnormal state of process and abnormal state diagnosis apparatus | |
| US11965859B1 (en) | System and method for empirical estimation of life remaining in industrial equipment | |
| JP6625839B2 (en) | Load actual data determination device, load prediction device, actual load data determination method, and load prediction method | |
| JPWO2018097062A1 (en) | Plant management apparatus, plant management method, and program | |
| JP2015184818A (en) | Server, model application propriety determination method and computer program | |
| CN112398706A (en) | Data evaluation standard determination method, device and storage medium, electronic equipment | |
| WO2010001966A1 (en) | Time-series data processing device and method and program thereof | |
| JP5636922B2 (en) | Performance prediction apparatus, performance prediction method, and program | |
| JP6877956B2 (en) | Demand forecasting device and demand forecasting method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20160823 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170906 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180817 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180905 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20181023 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190313 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190320 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6502062 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| LAPS | Cancellation because of no payment of annual fees |