[go: up one dir, main page]

WO2025070017A1 - Ｏ－ｒａｎの設定及び運用を行う制御装置、処理装置、制御方法、処理方法及びプログラム - Google Patents

Ｏ－ｒａｎの設定及び運用を行う制御装置、処理装置、制御方法、処理方法及びプログラム Download PDF

Info

Publication number
WO2025070017A1
WO2025070017A1 PCT/JP2024/032201 JP2024032201W WO2025070017A1 WO 2025070017 A1 WO2025070017 A1 WO 2025070017A1 JP 2024032201 W JP2024032201 W JP 2024032201W WO 2025070017 A1 WO2025070017 A1 WO 2025070017A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
real
ran
time ric
ric
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.)
Pending
Application number
PCT/JP2024/032201
Other languages
English (en)
French (fr)
Inventor
晴久 平山
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
KDDI Corp
Original Assignee
KDDI Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by KDDI Corp filed Critical KDDI Corp
Publication of WO2025070017A1 publication Critical patent/WO2025070017A1/ja
Pending legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
    • H04W88/18—Service support devices; Network management devices
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W92/00—Interfaces specially adapted for wireless communication networks
    • H04W92/16—Interfaces between hierarchically similar devices
    • H04W92/24—Interfaces between hierarchically similar devices between backbone network devices

Definitions

  • the present invention provides technology that improves the accuracy of RAN control in communication systems that use O-RAN.
  • FIG. 1 shows an example of the configuration of a communication system according to this embodiment.
  • This communication system is configured using an Open-Radio Access Network (O-RAN) that is being standardized to open up and make the radio access network (RAN) intelligent.
  • the O-RAN is configured to include, for example, an SMO 101, a control device 102 in the SMO 101, a processing device 103, and an E2 node 104.
  • SMO is an abbreviation for Service Management and Orchestration.
  • the SMO 101 monitors, manages, and controls the entire system.
  • the control device 102 and the processing device 103 work together to design and set parameters for the RAN, automate and optimize the operation of the RAN, and so on.
  • the control device 102 may be a Non-RealTime RAN Intelligent Controller (non-real-time RIC) defined in the O-RAN standard.
  • the processing device 103 may be a Near-RealTime RIC (quasi-real-time RIC) defined in the O-RAN standard.
  • the control device 102 and the processing device 103 may be separate entities, or may be implemented in a single piece of hardware.
  • the control device 102 determines a policy for controlling the long-term behavior of the entire system. For example, the control device 102 generates a trained model for predicting the communication quality (throughput, delay, etc.) of the RAN using machine learning, generates a policy for controlling the RAN, and so on.
  • O-RU is an abbreviation for O-RAN Radio Unit.
  • the O-DU can perform processing of the lower layer below the medium access control (MAC) layer of the communication processing.
  • MAC medium access control
  • the interface between the SMO 101 and each of the processing device 103 and the E2 node 104 may be called the O1 interface.
  • the SMO 101 may acquire performance information, fault information, signaling information, information on the characteristics of user data, and the like accumulated in the E2 node 104 from the E2 node 104 using the O1 interface.
  • the control device 102 included in the SMO 101 may generate configuration parameters optimized for the wireless environment and traffic load, for example, using the information acquired by the SMO 101.
  • the processing device 102 may be separate from the SMO 101.
  • the SMO 101 may provide the configuration parameters generated by the control device 102 to the E2 node 104 using the O1 interface.
  • the interface between the control device 102 and the processing device 103 may be called the A1 interface.
  • the control device 102 may generate a policy for controlling the RAN using information acquired by the SMO 101, and provide the policy to the processing device 103 using the A1 interface.
  • the policy generated by the control device 102 for controlling the RAN is called the A1 policy.
  • the A1 policy may be called by other names.
  • the A1 policy may also include performance targets for communication quality (throughput, delay time, etc.) for specific users, slices, cells, etc.
  • the control device 102 may also provide the learned model generated by the control device 102 to the processing device 103 using the A1 interface.
  • the interface between the processing device 103 and the E2 node 104 may be called the E2 interface.
  • the processing device 103 may use the E2 interface to obtain information from the E2 node 104 and perform analysis using the obtained information.
  • the processing device 103 may also control the E2 node 104 using the results of its own analysis in accordance with the A1 policy provided by the control device 102.
  • the processing device 103 may execute a handover instruction to the E2 node 104. In this way, information is exchanged and control is performed between the devices constituting the O-RAN using interfaces defined between them. Note that information exchange and control between the devices may also be performed using interfaces other than those described above, such as the Y1 interface and the O2 interface.
  • the control device 102 and the processing device 103 cooperate with each other to set up and operate the RAN.
  • the information available to the control device 102 and the processing device 103 is different.
  • the processing device 103 can acquire measurement information for each UE from the E2 node 104 by using the E2 interface.
  • the measurement information that the control device 102 can acquire via the O1 interface is information for each cell.
  • the information available to the control device 102 may be coarser in granularity than the information available to the processing device 103.
  • the control device 102 generates a trained model by machine learning using the acquired measurement information as input, the processing device 103 predicts the communication quality of the RAN by executing inference using the trained model, and the processing device 103 controls the E2 node 104.
  • the teacher data that can be used as an input for machine learning by the control device 102 is cell-based measurement information (for example, the average or total value of throughput and delay time)
  • the communication quality that can be predicted in the future may also be cell-based information. Therefore, for example, in a situation where fine control on a UE-by-UE basis is required, a learned model with the required granularity cannot be generated, and highly accurate control of the RAN may not be possible.
  • the A1 policy generated by the control device 102 may include a performance target on a UE-by-UE basis.
  • the measurement information in the RAN that the control device 102 can acquire is only information on a cell-by-cell basis, the control device 102 cannot grasp the achievement status of the performance target of each UE in the actual RAN. Therefore, there may be a case where the performance target for each UE set by the control device 102 and the actual communication quality status in the RAN are not aligned. In this way, the information available to the control device 102 is limited, and this may result in a situation where the RAN is not configured or operated according to the required accuracy.
  • an interface is provided between the control device 102 and the processing device 103 so that the control device 102 can receive information held by the processing device 103.
  • An example of the exchange of messages and measurement information between the control device 102 and the processing device 103 in this embodiment is described below.
  • (Data Request by Control Device) 2 shows an example of a sequence between the control device 102 and the processing device 103. This sequence can be executed using, for example, the A1 interface. Note that this sequence may also be executed using an O1, Y1, A1-EI interface, etc. other than the A1 interface. Also, while FIG. 2 shows an example in which messages are directly exchanged between the control device 102 and the processing device 103, messages may also be exchanged indirectly via, for example, other components in the O-RAN.
  • the control device 102 transmits a request message to the processing device 103 requesting the provision of measurement information held by the processing device 103 (S201).
  • the request message may be called another name, for example, Data Collection Request.
  • the processing device 103 determines whether or not to provide the measurement information, and transmits the result of the determination to the control device 102 as a response message (S202).
  • the response message may be called another name, for example, Data Collection Response.
  • the processing device 103 When the processing device 103 accepts the provision of the measurement information, it starts providing the measurement information according to the request included in the request message after transmitting the response message (S203). Note that when the processing device 103 accepts the request, it may start providing the measurement information without transmitting a response message.
  • the response message and the measurement information may be transmitted simultaneously or in the same message.
  • the processing device 103 may transmit a response message including the reason for refusal.
  • the processing device 103 may notify the control device 102 of, for example, the reason for rejection, that the processing device 103 does not have the requested measurement information, that the processing device 103 does not have the function for performing the processing required to provide the requested measurement information, etc.
  • the processing device 103 may perform new measurements or collect information to provide the information to the control device 102.
  • the processing device 103 may also transmit a message to start a sequence for providing the measurement information before the control device 102. For example, the processing device 103 may periodically poll the control device 102.
  • the request message or response message may also be transmitted integrated with another message.
  • the request message may include, for example, information specifying a period during which the measurement information is measured (which may be referred to as a measurement period, or measurement time).
  • the measurement period may include information specifying one or more of a time when the measurement starts (which may be referred to as a measurement start time), a time when the measurement ends (which may be referred to as a measurement end time), and an interval during which the measurement is performed (which may be referred to as a measurement period).
  • the request message may also include, for example, information specifying a period during which the measurement information is provided (which may be referred to as a provision period, or reporting time).
  • the provision period may include information specifying one or more of a time when the provision starts (which may be referred to as a reporting start time), a time when the provision ends (which may be referred to as a reporting end time), and an interval during which the provision is performed (which may be referred to as a reporting period).
  • the control device 102 can identify appropriate cycles and periods for the measurement period and provision period depending on the purpose of using the measurement information and the characteristics of the measurement information, and can notify the processing device 103 using a request message.
  • the request message may include, for example, information specifying a procedure (which may be called a collection method) by which the measurement information is provided.
  • a collection method the processing device 103 may periodically transmit the measurement information over a specified collection period.
  • Such a collection method may be called streaming.
  • the control device 102 may request the periodic provision of the measurement information in the request message so that the measurement information can be used in a timely manner for generating, changing, adding, etc. the A1 policy.
  • the processing device 103 may collect information collected over a specified measurement period into one or more files and provide them to the control device 102 in a lump sum.
  • a collection method may be called file-based.
  • the measurement information used for machine learning may have a large data size, so that the A1 interface may be occupied for a long time when the measurement information is provided.
  • processing such as preprocessing is required for the measurement information used for machine learning.
  • the control device 102 may request that the measurement information be provided after performing processing such as compressing the measurement information or preprocessing for machine learning after the end of the measurement period, or during a time when the A1 interface is in low usage.
  • the request message may also specify a method for processing the measurement information (which may be called a processing method).
  • the measurement information may be provided by a method other than the above-mentioned providing procedure.
  • the processing device 103 provides the measurement information to the control device 102 according to the specified procedure.
  • the request message may include, for example, information that specifies the type of measurement information (which may be called data name).
  • the measurement information may include measurement information of each category, such as measurement information specified in other O-RAN interfaces other than the A1 interface (which may be called O-RAN interface data), measurement information newly specified in the A1 interface (which may be called interface specific data), and measurement information specified independently by product development vendors (which may be called vendor specific data).
  • measurement information specified in other O-RAN interfaces other than the A1 interface is measurement information exchanged using an interface between the processing device 103 and other devices, such as measurement information specified in interfaces such as E2, A1-EI, and Y1.
  • the parameter names linked to the measurement information are diverted without newly defining the measurement information in the A1 interface, thereby avoiding the complication of the same measurement information being given different names.
  • the parameter name of the measurement information defined in such an existing O-RAN interface can be written as "OR.DataName". "OR” is a prefix indicating that the measurement information is measurement information defined in another O-RAN interface, and "DataName” is a parameter name defined in another interface.
  • the measurement information newly defined in the A1 interface is measurement information that is not defined in another O-RAN interface, and a new parameter name or the like can be defined in the A1 interface.
  • the processing device 103 can link the newly generated information by analyzing the measurement information or the newly generated information by processing the measurement information to a new parameter name and provide it to the control device 102.
  • the parameter name of the measurement information newly defined in such an A1 interface can be written as "IS.DataName". "IS" is a prefix indicating that it is newly defined, and "DataName” is a parameter name linked to the measurement information.
  • measurement information that is not defined as an O-RAN interface and is defined independently by a product development vendor can be linked to a free parameter name defined by the product vendor.
  • information generated by a process unique to the product vendor can be linked to a parameter name uniquely generated by the product vendor and provided to the control device 102.
  • Such a parameter name of measurement information uniquely defined by the product vendor can be written as "VS.DataName".
  • "VS” is a prefix indicating that it is uniquely defined by the product vendor
  • "DataName” is a parameter name linked to the measurement information.
  • the type of measurement information may include other types than those mentioned above.
  • one request message may include one or more pieces of information that specify the type of measurement information.
  • the information that specifies the type of measurement information may be information that specifies any one of a parameter name, a category, and a prefix, or a combination of these.
  • the request message may include, for example, information (which may be called a Scope Identifier) that identifies the unit (or range) of the measurement information.
  • the information that identifies the unit of the measurement information may include an identifier that uniquely identifies a cell (cell ID), an identifier that uniquely identifies a UE (UE ID), a condition for identifying multiple UEs that satisfy a certain condition (UE group), an identifier that uniquely identifies a slice (slice ID), and an identifier that uniquely identifies a QoS flow (QoSID).
  • the slice ID may be S-NSSAI (Single-Network Slice Selection Assistance Information).
  • the QoSID may be a Quality flow Indicator (QFI) or a 5G QoS Indicator (5QI).
  • QFI Quality flow Indicator
  • 5QI 5G QoS Indicator
  • the information that identifies the unit of the measurement information may be other than the above.
  • a single request message may include a plurality of pieces of information that specify the unit of measurement information.
  • the control device 102 may request the same type of measurement information for the same period in a plurality of different units in order to generate a learned model corresponding to each unit of measurement information or a learned model that combines them according to the purpose of use.
  • two or more pieces of information that specify the unit of measurement information may be combined.
  • a combination of a UE ID and a slice ID only measurement information of a slice corresponding to a specified S-NSSAI in a UE corresponding to the specified UE ID is provided.
  • the control device 102 can use an average or a total for each slice or QoS flow in a plurality of UEs. By using more measurement information, it is possible to generate a learned model or an A1 policy that is less dependent on the location of the UE, for example.
  • the control device 102 may request measurement information for a UE group that groups UEs that satisfy this condition. Note that the UE group may be combined with a slice ID or a QoS ID.
  • control device 102 can receive measurement information held by the processing device 103 in a procedure or unit appropriate to the application, and use this information for control purposes to improve the accuracy of RAN control.
  • the type, unit, procedure, etc. of the requested measurement information it is possible to reduce the amount of traffic transferred using the A1 interface and to level out the utilization rate of the A1 interface.
  • the control device 102 executes processing for setting and operating the RAN using the measurement information provided by the processing device 103.
  • FIG. 3 shows an example of the operation of the control device 102 in RAN control using the measurement information.
  • the control device 102 generates a learned model for predicting the future throughput of each UE using measurement information related to the communication quality of each UE. Examples of measurement information related to communication quality may be received signal strength indicator (RSSI), signal-to-interference-plus-noise ratio (SINR), throughput, delay time, etc.
  • RSSI received signal strength indicator
  • SINR signal-to-interference-plus-noise ratio
  • the control device 102 sets the throughput of each UE in a certain slice to be 10 Mbps or more as an A1 policy and provides this A1 policy to the processing device 103 (S301).
  • the control device 102 requests the processing device 103 to provide time-series measurement information related to the communication quality of each UE in this slice (S302).
  • the control device 102 specifies the S-NSSAI corresponding to this slice as the slice ID in the request message, and specifies the ID corresponding to the UE using this slice as the UE ID.
  • the control device 102 may specify measurement information related to communication quality such as throughput, RSSI, SINR, etc. as the type of measurement information in the request message.
  • control device 102 may specify the provision of a lump sum after the measurement is completed as a procedure for providing the measurement information in order to use this measurement information as an input for machine learning, and may also specify a method for processing the measurement information. Then, the control device 102 executes machine learning using the time-series measurement information provided from the processing device 103 as an input, and generates a trained model (S303). For example, the control device 102 acquires from the processing device 103 time-series measurement information (first measurement information) of the communication quality of each UE over the past 20 seconds from a certain reference time, and time-series measurement information (second measurement information) of the throughput of each UE over 10 seconds after the reference time.
  • first measurement information time-series measurement information
  • second measurement information time-series measurement information
  • the control device 102 performs machine learning using teacher data in which the first measurement information is input data and the second measurement information is correct data, and generates a trained model.
  • the teacher data used by the control device 102 and the trained model generated are not limited to these pieces of measurement information related to communication quality, and machine learning may be performed in combination with other available information.
  • the generated trained model is provided to the processing device 103 via the A1 interface (S304).
  • the processing device 103 uses the learned model provided by the control device 102 to control the E2 node.
  • Figure 4 shows an example of the operation of the processing device 103 in this embodiment.
  • the processing device 103 receives the learned model from the control device 102 (S401).
  • the learned model may be provided as a program executable by a computer possessed by the processing device 103.
  • the processing device 103 collects measurement information to be input to the learned model (S402).
  • the measurement information to be input to the learned model may be obtained, for example, from the E2 node via the E2 interface.
  • measurement information stored in a storage medium possessed by the processing device 103 may be used.
  • the processing device 103 then performs future prediction of the communication quality of the RAN by inference using the learned model (S403).
  • the processing device 103 performs inference of the throughput of each UE for 10 seconds from the current time using time-series measurement information for the past 20 seconds from the current time for the same type and unit of measurement information used by the control device 102 as teacher data.
  • the processing device 103 controls the E2 node 104 based on the result of the inference analysis (S404). In this embodiment, when there is a UE whose performance falls below the setting in the A1 policy in the inference result, the processing device 103 instructs the E2 node 104 to hand over the UE to another adjacent cell.
  • control device 102 generates a trained model using the communication quality for each UE, and the processing device 103 can predict the communication quality for each UE using this trained model and perform RAN control with fine granularity based on this prediction.
  • the control device 102 may update the trained model by receiving periodic provision of measurement information.
  • the processing device 103 can maintain an appropriate prediction of communication quality according to changes in the communication quality of the RAN.
  • the control device 102 can use measurement information from multiple processing devices 103, the control device 102 can perform machine learning using more measurement information. By using measurement information received from a wide range of areas, a general-purpose trained model that is less affected by a specific area can be generated.
  • the control device 102 is generally implemented in a computer with higher performance than the processing device 103, so there is an advantage in that a large amount of measurement information can be processed quickly by having the control device 102 analyze the measurement information.
  • the control device 102 receives measurement information of each UE for each slice or QoS flow, multiple trained models may be generated for each unit. By using the trained model generated for each slice or QoS flow, control based on a highly accurate prediction based on differences in communication traffic characteristics, etc. can be executed.
  • Figure 5 shows another example of the operation of the control device 102 in RAN control using measurement information.
  • the control device 102 can change or add the A1 policy by receiving measurement information on the communication quality of each UE from the processing device 103. For example, in a certain cell, 30% of the resource blocks of the entire cell are assigned to a certain slice. A resource block is a unit of available radio resources to be assigned to each UE, each slice, etc. in a cell, etc.
  • the control device 102 sets the RAN throughput of each UE to 10 Mbps or more as the performance target of this slice as the A1 policy, and provides this A1 policy to the processing device 103 (S501).
  • the control device 102 requests the processing device 103 to provide, for example, measurement information on the number of resource blocks used and throughput of each UE in this slice (S502).
  • the control device 102 specifies the S-NSSAI corresponding to this slice as the slice ID in the request message, and specifies the ID corresponding to the UE using this slice as the UE ID.
  • the control device 102 may specify the number of resource blocks in use and throughput, and measurement information related to communication quality such as RSSI and SINR as the type of measurement information in the request message.
  • the control device 102 specifies periodic provision as the procedure for providing the measurement information in order to use this measurement information for verifying the A1 policy.
  • the control device 102 verifies the A1 policy using the measurement information provided from the processing device 103, and generates the A1 policy as necessary (S503). For example, the control device 102 may calculate the usage rate of the resource blocks of this slice in this cell from the total number of resource blocks in use of each UE that received the provision. In addition, the control device 102 may predict the throughput of each UE from the measurement information of the throughput of each UE, for example, by analysis using a predetermined algorithm or inference using a learned model.
  • the control device 102 if the total resource block usage rate of this slice exceeds a predetermined threshold (e.g., 27% of the resource blocks in the entire cell are used) and the predicted throughput of a specific UE does not satisfy the A1 policy (e.g., less than 10 Mbps), the control device 102 generates a new A1 policy for load balancing and provides it to the processing device 103 (S504).
  • the new A1 policy specifies this cell and this slice, and sets the resource block usage rate to 24% or less.
  • the processing device 103 performs analysis using the collected measurement information and determines whether the A1 policy is satisfied (S603). This analysis may be performed, for example, by inference using a learned model that uses the collected measurement information as input, or by judgment using a predetermined algorithm.
  • the processing device 103 controls the E2 node based on the analysis result (S604). For example, the processing device 103 determines that some UEs are to be handed over because the analysis result shows that the resource blocks used by the cells and slices set in the A1 policy are 27% of the entire cells, which exceeds the threshold value set in the A1 policy (24% of the entire cells).
  • the processing device 103 selects UEs whose throughput prediction is determined not to satisfy the A1 policy (less than 10 Mbps) as targets for handover based on these determination results. Based on these determination results, the processing device 103 instructs the E2 node 104 to hand over the selected UEs to an adjacent cell (S604). In this way, the control device 102 receives fine-grained measurement information from the processing device 103, verifies the A1 policy using this measurement information, and provides the generated A1 policy to the processing device 103. This makes it possible to configure and operate the RAN with high accuracy.
  • control device 102 When the control device 102 generates a trained model using the measurement information received from the processing device 103 and the processing device 103 performs inference using this trained model, the formats of the measurement information used by the control device 102 and the processing device 103 must match. In particular, when the control device 102 performs preprocessing such as normalizing the measurement information or interpolating missing data when generating a trained model, the processing device 103 must also perform inference using measurement information that has been similarly preprocessed, otherwise a correct inference result cannot be obtained. In this embodiment, the control device 102 provides a function of notifying the processing device 103 of a method for processing the measurement information. Note that the processing device 103 may specify a method for processing the measurement information for the control device 102.
  • the control device 102 may notify the processing method in the request message.
  • the method by which the control device 102 notifies the processing method of the measurement information is not limited to the request message, and a sequence for notifying the processing method may be newly provided in the A1 interface.
  • the control device 102 may specify a wide range of measurement information as the target for processing.
  • the control device 102 may request the processing device 103 to always execute a specified processing process for a specific type of measurement information.
  • a learned model is provided from the control device 102 to the processing device 103, a method for preprocessing the measurement information to be input to the learned model may be provided.
  • the control device 102 may select a different processing method to preprocess the measurement information each time a learned model is generated, and notify the processing device 103 of the selected processing method each time.
  • the processing device 103 may process the measurement information according to a processing method specified by a request message or a sequence for notifying the processing method, and provide it to the control device 102.
  • the processing device 102 may process the measurement information provided.
  • the processing device 103 executes inference using the learned model provided from the control device 102
  • the processing device 103 processes the input data of the learned model using the processing method specified by the control device 102.
  • the processing of the measurement information is not limited to preprocessing for generating a trained model, but may be other processing such as compression to reduce the data size of the measurement information or encryption to exchange information securely.
  • the control device 102 may specify the processing method using a mathematical expression, for example.
  • the mathematical expression may include, for example, an expression by a set of a condition and an operation.
  • the processing method is (condition 1) if the throughput value exceeds 10 Mbps, (operation 1) replace it with 10 Mbps, and (condition 2) normalize the entire measurement information between 0 and 1 (operation 2).
  • each set of condition 1 and operation 1 and condition 2 and operation 2 may be notified to the processing device 103.
  • the processing device 103 determines whether each of the requested measurement information satisfies each specified condition, and if the condition is satisfied, performs an operation corresponding to the condition and provides it to the control device 102.
  • the processing method may be duplicate deletion or missing value complementation for generating teacher data to be used in machine learning.
  • duplicate deletion for example, the condition is that the identification number identifying each measurement information is duplicated with the identification information of other measurement information, and the operation is to delete the measurement information.
  • missing value complementation for example, the condition is that there is a missing piece of measurement information, and the operation is to delete this data or to replace it with an average value or a representative value of all the measurement values.
  • the mathematical expression is not limited to conditions and operations, and may include any items or expressions that specify the conditions or operations to be processed.
  • the control device 102 may specify the processing method by specifying a function corresponding to the processing method.
  • the control device 102 may share with the processing device 103 in advance the functions used to process the measurement information and the identifiers that identify each function.
  • the control device 102 may specify the processing method by notifying the processing device 103 of the identifiers corresponding to the functions used in the processing.
  • the control device 102 requests the processing device 103 to register any function that includes a formula or the like together with an identifier. By checking the response of the processing device 103 to this request, information on functions that can be specified between the devices may be shared. Note that if an argument is required to execute processing using a function, the control device 102 may notify the argument together with the function identification.
  • the control device 102 may specify the processing method by specifying the xApp corresponding to the processing method in the request message.
  • the xApp is, for example, an application that performs analysis and control of various information on the framework of the processing device 103.
  • the control device 102 may share with the processing device 103 in advance the content of the processing performed by the xApp and an identifier that identifies each xApp.
  • the control device 102 may specify the processing method by notifying the processing device 103 of the identifier corresponding to the xApp used for the processing.
  • the control device 102 may request the processing device 103 to install the xApp.
  • the control device 102 may notify the input parameters together with the identification of the xApp. Even when complex processing is performed on the measurement information, the processing method can be easily notified by identifying the xApp.
  • FIG. 7 is a diagram showing the hardware configuration of the control device 102 and the processing device 103.
  • the control device 102 and the processing device 103 are configured to include a processor 701, a ROM 702, a RAM 703, a storage device 704, and a communication circuit 705.
  • the processor 701 is a computer configured to include one or more processing circuits such as a general-purpose CPU (Central Processing Unit) or an ASIC (Application Specific Integrated Circuit).
  • the processor 701 reads and executes programs stored in the ROM 702 and the storage device 704 to execute the overall processing of the device and each of the above-mentioned processes.
  • the ROM 702 is a read-only memory in which information such as programs and various parameters related to the processing executed by the control device 102 and the processing device 103 is recorded.
  • the RAM 703 functions as a workspace when the processor 701 executes a program, and is a random access memory in which temporary information is recorded.
  • the storage device 704 is, for example, configured by a removable external storage device.
  • the communication circuit 705 includes, for example, a circuit for communicating with other devices. As an example, the communication circuit 705 can function as an A1 interface, an O1 interface, an E2 interface, etc. Although one communication circuit 705 is illustrated in FIG. 7, each device can have multiple communication circuits.
  • FIG. 8 is a diagram showing an example of the functional configuration of the control device 102.
  • the control device 102 includes, as its functions, a first acquisition unit 801, a request unit 802, a second acquisition unit 803, a processing specification unit 804, a processing information sharing unit 805, a processing unit 806, a model generation unit 807, a model provision unit 808, and a RAN control unit 809.
  • FIG. 8 shows the functional configuration of the control device 102 of this embodiment, and, for example, the general configuration of the control device is omitted.
  • these functional units can be realized, for example, by the processor 701 executing a program stored in the ROM 702 or the storage device 704 and controlling the communication circuit 705 as necessary. However, this is not limited to this, and for example, dedicated hardware for realizing each function may be prepared.
  • the first acquisition unit 801 acquires measurement information from the E2 node 104.
  • the first acquisition unit 801 may use the O1 interface to acquire measurement information such as the communication quality of the RAN that can be used by the control device 102 to control the RAN.
  • the request unit 802 transmits a request message to the processing device 103 to request the provision of measurement information.
  • the request message may be transmitted using the A1 interface.
  • the request unit 802 may use the request message to notify the processing device 103 of information specifying the measurement period, provision period, provision procedure, type, unit, etc. of the measurement information.
  • the request unit 802 may also use the request message to notify the processing device 103 of information specifying the method of processing the measurement information.
  • the second acquisition unit 803 receives a response message and measurement information from the processing device 103 in response to the request message. If it is possible to provide measurement information according to the request, the processing device 103 may provide the measurement information together with the response message. Note that the measurement information may be provided in a message separate from the response message.
  • the measurement information obtained by the control device 102 from the E2 node 104 via the first acquisition unit 801 and the measurement information obtained from the processing device 103 via the second acquisition unit 803 may have different information granularity, such as the former being statistical information on a cell basis and the latter being individual information on a UE basis.
  • the second acquisition unit 803 may also be provided with information such as an analysis result generated independently by the processing device 103 based on the information acquired from the E2 node.
  • the processing process specifying unit 804 specifies a processing process to be used in the model generation unit 807 or the processing device 103.
  • the processing process specifying unit 804 specifies a processing process for performing preprocessing when the model generation unit 807 generates a trained model by machine learning. This processing process may also be applied when inference using the trained model is executed in the processing device 103.
  • the pre-processing specified by the processing specifying unit 804 is executed on the measurement information acquired by the second acquisition unit 803, and information to be input to the machine learning executed by the model generation unit 807 can be acquired.
  • the processing specifying unit 804 specifies one or more processes required for the model generation unit 807 to execute machine learning from processing processes such as normalization, duplicate deletion, and missing value completion.
  • the processing specifying unit 804 can select a processing process to be executed from a function, xApp, or the like shared in advance with the processing device 103.
  • the processing information sharing unit 805 notifies the processing device 103 of the processing process specified by the processing process specifying unit 804.
  • the processing information sharing unit 805 can receive a response including a rejection of the notification specifying the processing process or a request to change the processing process from the processing device 103.
  • the processing information sharing unit 805 can also receive a notification specifying the processing process from the processing device 103.
  • the information specifying the processing process can be notified to the processing device 103 using a request message.
  • the information specifying the processing may be notified to the processing device 103 using a method other than a request message.
  • the processing information sharing unit 805 may request the processing device 103 to register a function or xApp to be used for the processing, and may notify the processing device 103 of the measurement information to be processed, arguments to be used for the function, input parameters to be used for the xApp, etc., as necessary.
  • the processing unit 806 performs processing on the measurement information.
  • the processing unit 806 may perform processing using the processing specified by the processing specification unit 804.
  • the measurement information that has been processed may be provided to the model generation unit 807.
  • the model generation unit 807 generates a trained model by machine learning.
  • the model generation unit 807 generates a trained model for, for example, predicting the future communication quality of the RAN.
  • the model generation unit 807 may use the processed measurement information provided by the processing unit 806 as an input for machine learning, and when the processed measurement information is provided by the processing device 103, it may use the processed measurement information as an input for machine learning.
  • the model providing unit 808 provides the learned model generated by the model generating unit 807 to the processing device 103.
  • the RAN control unit 809 executes control of the RAN. As an example, the RAN control unit 809 generates an A1 policy for controlling the RAN using the measurement information acquired by the first acquisition unit 801 and the second acquisition unit 803, and provides the A1 policy to the processing device 103.
  • the RAN control unit 809 can use the measurement information acquired by the second acquisition unit 803 to determine the achievement status of performance targets for each UE set as the A1 policy, for example, and generate a new A1 policy based on the achievement status.
  • the generated A1 policy can be provided to the processing device 103.
  • FIG. 9 is a diagram showing an example of the functional configuration of the processing device 103.
  • the processing device 103 is configured to include, as its functions, an information acquisition unit 901, a storage unit 902, a receiving unit 903, a transmitting unit 904, a processing information sharing unit 905, a processing unit 906, a model acquisition unit 907, and a RAN control unit 908.
  • FIG. 9 shows the functional configuration of the processing device 103 of this embodiment, and, for example, the general configuration of a processing device is omitted.
  • these functional units can be realized, for example, by the processor 701 executing a program stored in the ROM 702 or the storage device 704 and controlling the communication circuit 705 as necessary. However, this is not limited to this, and for example, dedicated hardware for realizing each function may be prepared.
  • the information acquisition unit 901 collects measurement information on the RAN from the E2 node 104.
  • the collected information may be, for example, measurement information on communication quality (RSSI, SINR, throughput, delay time, etc.), control function information and control history information of the E2 node, and may be specified on a cell-by-cell, slice-by-slice, UE-by-UE basis, etc.
  • the information acquisition unit 901 may perform analysis using the collected information to generate statistical information, etc. For example, the information acquisition unit 901 may use the measurement information collected from the E2 node to generate statistical values such as the average, maximum, minimum, and variance of the throughput and delay over time of each UE, and the average, maximum, minimum, and variance of the throughput in each cell.
  • the information acquisition unit 901 may acquire the reception power and interference power in each cell, the resource usage rate of each cell, etc., and analyze the correlation between each piece of measurement information and each piece of statistical information. Furthermore, the information acquisition unit 901 may acquire and analyze information such as the operating status of each node (including the E2 node) constituting the RAN. The measurement information collected by the information acquisition unit 901 and the analysis results generated may be recorded in the storage unit 902. The storage unit 902 stores the measurement information and analysis results collected from the E2 node 104, the A1 policy, the learned model, the function for processing the measurement information, xApp, and the like received from the control device 102. The receiving unit 903 receives a request message requesting the provision of measurement information from the control device 102.
  • the transmitting unit 904 determines whether or not to accept the request included in the request message and transmits a response message to the control device 102. For example, when the transmitting unit 904 accepts the request, it transmits the measurement information and the analysis results recorded in the storage unit 902 to the control device 102 according to the request. The measurement information and the analysis results transmitted by the transmitting unit 904 may be processed by the processing unit 906. When the transmitting unit 904 does not accept the request, it transmits a response message rejecting the request to the control device 102. The response message rejecting the request may include a reason for rejection.
  • the processing information sharing unit 905 may receive information on processing to be used by the processing unit 906 from the control device 102.
  • the processing information sharing unit 905 When the processing information sharing unit 905 executes the processing notified by the control device 102, it may transmit a message indicating that the processing is accepted to the control device 102. Furthermore, when the processing information sharing unit 905 refuses to execute the processing notified by the control device 102, it may transmit a message indicating refusal to the control device 102. Furthermore, the processing information sharing unit 905 may specify a processing that the device itself can execute and transmit a message to the control device 102 requesting that the processing be changed to the specified processing. Note that the processing information sharing unit 905 may specify and notify the processing before the control device 102.
  • the processing unit 906 executes processing of the measurement information and the like stored in the storage unit 902.
  • the measurement information and the like processed by the processing unit 906 may be used for analysis by the RAN control unit 908 and may be provided to the control device 102.
  • the measurement information provided to the control device 102 may be used as an input for machine learning in the control device 102.
  • the model acquisition unit 907 acquires the trained model from the control device 102.
  • the RAN control unit 908 uses the measurement information to perform an analysis on the RAN, and uses the obtained analysis result to control the RAN.
  • the RAN control unit 908 may perform future prediction of the communication quality of the RAN, for example, using the trained model provided from the control device 102.
  • the RAN control unit 908 may acquire the trained model from a source other than the control device 102.
  • the RAN control unit 908 may also analyze the RAN using a method other than machine learning. For example, a predetermined analysis algorithm may be applied to the measurement information acquired from the E2 node 104 to perform future prediction of the communication quality of the RAN. The RAN control unit 908 also controls the E2 node 104 to set up and operate the RAN. The RAN control unit 908 may control the E2 node 104 according to the A1 policy received from the control device 102. In addition, the RAN control unit 908 can generate parameters for controlling the E2 node 104 using the RAN communication quality predicted by the analysis.
  • a predetermined analysis algorithm may be applied to the measurement information acquired from the E2 node 104 to perform future prediction of the communication quality of the RAN.
  • the RAN control unit 908 also controls the E2 node 104 to set up and operate the RAN.
  • the RAN control unit 908 may control the E2 node 104 according to the A1 policy received from the control device 102.
  • the RAN control unit 908 can
  • the processing device 103 collects information measured by E2 nodes and the like in the RAN and provides it to the control device 102, but the information provided to the control device 102 is not limited to such measurement information.
  • the measurement information in this embodiment may also include, for example, information that has been processed or statistically processed on information measured in a device in the RAN.
  • the measurement information may also broadly include information generated by analysis or the like in each other device, and information on the resource usage and load of each device, etc.
  • the control device 102 requests the processing device 103 to provide the measurement information it has, and the processing device 103 provides the control device 102 with the measurement information in accordance with the request.
  • This measurement information can be used to update the A1 policy in the control device 102 or to generate a learned model by machine learning.
  • the control device 102 provides the processing device 103 with an A1 policy updated based on the measurement information, or a learned model generated using fine-grained measurement information, and the processing device 103 uses these to control the E2 node 104, thereby making it possible to improve the accuracy of control regarding the configuration and operation of the RAN.
  • the processing device 103 when the processing device 103 performs inference and controls the RAN using the learned model generated by the control device 102, information is shared that specifies the processing required in each device. This makes it possible to use machine learning in the control of the RAN, using measurement information collected from devices that constitute the RAN, such as the E2 node, as input. This will make it possible to contribute to Goal 9 of the United Nations' Sustainable Development Goals (SDGs), which is to "build resilient infrastructure, promote sustainable industrialization and foster innovation.”
  • SDGs Sustainable Development Goals

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

Ｏｐｅｎ－Ｒａｄｉｏ　Ａｃｃｅｓｓ　Ｎｅｔｗｏｒｋ（Ｏ－ＲＡＮ）におけるＮｏｎ－ＲｅａｌＴｉｍｅ　ＲＡＮ　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｃｏｎｔｒｏｌｌｅｒ（非リアルタイムＲＩＣ）として機能する制御装置は、非リアルタイムＲＩＣがＲＡＮの制御を行うために使用可能な第１の情報であって、Ｅ２ノードが有する第１の情報を、Ｅ２ノードから受信し、第１の情報と異なる第２の情報であって、準リアルタイムＲＩＣがＥ２ノードから収集した情報、又は、準リアルタイムＲＩＣが生成した情報を含み、非リアルタイムＲＩＣがＲＡＮの制御を行うために使用可能な第２の情報の提供を、準リアルタイムＲＩＣに要求する要求メッセージを送信し、準リアルタイムＲＩＣから送信された第２の情報を受信し、第１の情報及び第２の情報を用いてＲＡＮを制御する。

Description

Ｏ－ＲＡＮの設定及び運用を行う制御装置、処理装置、制御方法、処理方法及びプログラム
　本発明は、Ｏ－ＲＡＮ（Ｏｐｅｎ－Ｒａｄｉｏ　Ａｃｃｅｓｓ　Ｎｅｔｗｏｒｋ）の設定及び運用を行う技術に関する。
　無線アクセスネットワーク（ＲＡＮ）をオープン化／インテリジェント化するＯ－ＲＡＮ（Ｏｐｅｎ－ＲＡＮ）の標準化が進められている。Ｏ－ＲＡＮでは、ＲＡＮ内で測定された情報を用いた機械学習等の利用により、ＲＡＮの設定や運用をインテリジェントに行うための、ＲＡＮ　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｃｏｎｔｒｏｌｌｅｒ（ＲＩＣ）が規定される。ＲＩＣには、制御周期が互いに異なる非リアルタイムＲＩＣと準リアルタイムＲＩＣの２種類が規定される。非特許文献１には、非リアルタイムＲＩＣと準リアルタイムＲＩＣとの間でメッセージの交換等を実行するための方法（インタフェース等）が記載されている。
Ｏ－ＲＡＮ　Ｗｏｒｋｉｎｇ　Ｇｒｏｕｐ　２、「Ａ１　Ｉｎｔｅｒｆａｃｅ：Ａｐｐｌｉｃａｔｉｏｎ　Ｐｒｏｔｏｃｏｌ　ｖ０４．００」、Ｏ－ＲＡＮ　Ａｌｌｉａｎｃｅ、２０２３年
　本発明は、Ｏ－ＲＡＮを用いる通信システムにおいて、ＲＡＮの制御の精度を高める技術を提供する。
　本発明の一態様による制御装置は、Ｏｐｅｎ－Ｒａｄｉｏ　Ａｃｃｅｓｓ　Ｎｅｔｗｏｒｋ（Ｏ－ＲＡＮ）におけるＮｏｎ－ＲｅａｌＴｉｍｅ　ＲＡＮ　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｃｏｎｔｒｏｌｌｅｒ（非リアルタイムＲＩＣ）として機能する制御装置であって、前記非リアルタイムＲＩＣがＲＡＮの制御を行うために使用可能な第１の情報であって、Ｅ２ノードが有する前記第１の情報を、当該Ｅ２ノードから受信する第１の受信手段と、前記第１の情報と異なる第２の情報であって、準リアルタイムＲＩＣが前記Ｅ２ノードから収集した情報、又は、前記準リアルタイムＲＩＣが生成した情報を含み、前記非リアルタイムＲＩＣがＲＡＮの制御を行うために使用可能な前記第２の情報の提供を、前記準リアルタイムＲＩＣに要求する要求メッセージを送信する送信手段と、前記準リアルタイムＲＩＣから送信された前記第２の情報を受信する第２の受信手段と、前記第１の情報及び前記第２の情報を用いてＲＡＮを制御する制御手段と、を有する。
　本発明の一態様による処理装置は、Ｏｐｅｎ－Ｒａｄｉｏ　Ａｃｃｅｓｓ　Ｎｅｔｗｏｒｋ（Ｏ－ＲＡＮ）におけるＮｅａｒ－ＲｅａｌＴｉｍｅ　ＲＡＮ　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｃｏｎｔｒｏｌｌｅｒ（準リアルタイムＲＩＣ）として機能する処理装置であって、非リアルタイムＲＩＣがＥ２ノードから受信可能な第１の情報と異なる第２の情報であって、前記準リアルタイムＲＩＣが前記Ｅ２ノードから収集した情報、又は、前記準リアルタイムＲＩＣが生成した情報を含み、前記非リアルタイムＲＩＣがＲＡＮの制御を行うために使用可能な前記第２の情報の提供を要求する要求メッセージを前記非リアルタイムＲＩＣから受信する受信手段と、前記非リアルタイムＲＩＣへ、前記第２の情報を提供する送信手段と、を有する。
　本発明によれば、Ｏ－ＲＡＮを用いる通信システムにおいて、ＲＡＮの制御の精度を高めることができる。
　本発明のその他の特徴及び利点は、添付図面を参照とした以下の説明により明らかになるであろう。なお、添付図面においては、同じ若しくは同様の構成には、同じ参照番号を付す。
　添付図面は明細書に含まれ、その一部を構成し、本発明の実施の形態を示し、その記述と共に本発明の原理を説明するために用いられる。
通信システムの構成例を示す図である。 制御装置と処理装置との間のシーケンスの一例を示す図である。 制御装置の動作例を示す図である。 処理装置の動作例を示す図である。 制御装置の動作例を示す図である。 処理装置の動作例を示す図である。 制御装置と処理装置のハードウェア構成例を示す図である。 制御装置の機能構成例を示す図である。 処理装置の機能構成例を示す図である。
　以下、添付図面を参照して実施形態を詳しく説明する。なお、以下の実施形態は特許請求の範囲に係る発明を限定するものではなく、また実施形態で説明されている特徴の組み合わせの全てが発明に必須のものとは限らない。実施形態で説明されている複数の特徴のうち二つ以上の特徴は任意に組み合わされてもよい。また、同一若しくは同様の構成には同一の参照番号を付し、重複した説明は省略する。
　（システム構成）
　図１に、本実施形態に係る通信システムの構成例を示す。本通信システムは、無線アクセスネットワーク（ＲＡＮ）をオープン化／インテリジェント化するために標準化が進められているＯｐｅｎ－Ｒａｄｉｏ　Ａｃｃｅｓｓ　Ｎｅｔｗｏｒｋ（Ｏ－ＲＡＮ）を用いて構成される。Ｏ－ＲＡＮは、例えば、ＳＭＯ１０１、ＳＭＯ１０１内の制御装置１０２、処理装置１０３、及びＥ２ノード１０４を含んで構成される。なお、ＳＭＯは、Ｓｅｒｖｉｃｅ　Ｍａｎａｇｅｍｅｎｔ　ａｎｄ　Ｏｒｃｈｅｓｔｒａｔｉｏｎの略語である。ＳＭＯ１０１は、システム全体の監視、管理及び制御を行う。制御装置１０２と処理装置１０３は、相互に連携して、ＲＡＮのパラメータの設計及び設定、ＲＡＮの運用の自動化及び最適化等を行う。制御装置１０２は、Ｏ－ＲＡＮ規格において規定されるＮｏｎ－ＲｅａｌＴｉｍｅ　ＲＡＮ　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｃｏｎｔｒｏｌｌｅｒ（非リアルタイムＲＩＣ）であってもよい。また、処理装置１０３は、Ｏ－ＲＡＮ規格において規定されるＮｅａｒ－ＲｅａｌＴｉｍｅ　ＲＩＣ（準リアルタイムＲＩＣ）であってもよい。制御装置１０２と処理装置１０３は、それぞれ別体であってもよく、単一のハードウェアにおいて実装されていてもよい。制御装置１０２は、システム全体の長期的な挙動を制御するためのポリシの決定等を行う。例えば、制御装置１０２は、機械学習を用いてＲＡＮの通信品質（スループットや遅延等）を予測するための学習済モデルの生成、ＲＡＮの制御を行うためのポリシの生成等を行う。処理装置１０３は、Ｅ２ノード１０４の短期的な挙動を制御する。処理装置１０３は、例えば、制御装置１０２が生成した学習済モデルを用いてＲＡＮの通信品質の予測を行い、制御装置１０２が生成したポリシに従ってＲＡＮの制御等を行う。Ｅ２ノード１０４は、例えば、Ｏ－ＲＡＮ　Ｃｅｎｔｒａｌ　Ｕｎｉｔ（Ｏ－ＣＵ）、Ｏ－ＲＡＮ　Ｄｉｓｔｒｉｂｕｔｅｄ　Ｕｎｉｔ（Ｏ－ＤＵ）等である。Ｏ－ＣＵは、その配下に接続されるＯ－ＤＵやＯ－ＲＵ及びＵｓｅｒ　Ｅｑｕｉｐｍｅｎｔ（ＵＥ）との間の接続の確立及び切断、通信の制御等を行う機能を有する。Ｏ－ＣＵは、例えば、制御シグナリング等の通信制御や、ユーザプレーンデータを端末装置との間で通信するための転送処理等を実行する。なお、Ｏ－ＲＵは、Ｏ－ＲＡＮ　Ｒａｄｉｏ　Ｕｎｉｔの略語である。一例において、Ｏ－ＣＵが、ＵＥとの通信処理のうちの上位レイヤの処理を実行する場合、Ｏ－ＤＵは、その通信処理のうちの媒体アクセス制御（ＭＡＣ）レイヤ以下の下位レイヤの処理を実行しうる。
　ＳＭＯ１０１と、処理装置１０３及びＥ２ノード１０４のそれぞれのとの間のインタフェースは、Ｏ１インタフェースと呼ばれうる。ＳＭＯ１０１は、Ｅ２ノード１０４から、Ｏ１インタフェースを用いて、Ｅ２ノード１０４内で蓄積された性能情報、障害情報、シグナリング情報、ユーザデータの特性に関する情報等を取得しうる。ＳＭＯ１０１の内部に含まれる制御装置１０２は、例えば、ＳＭＯ１０１が取得した情報等を用いて、無線環境やトラフィック負荷に合わせて最適化した設定パラメータを生成しうる。なお、処理装置１０２は、ＳＭＯ１０１と別体であってもよい。ＳＭＯ１０１は、制御装置１０２が生成した設定パラメータを、Ｏ１インタフェースを用いて、Ｅ２ノード１０４に提供しうる。
　制御装置１０２と処理装置１０３との間のインタフェースは、Ａ１インタフェースと呼ばれうる。一例として、制御装置１０２は、ＳＭＯ１０１が取得した情報等を用いて、ＲＡＮの制御を行うためのポリシを生成し、Ａ１インタフェースを用いて、処理装置１０３に提供しうる。本実施形態では、ＲＡＮの制御を行うために制御装置１０２により生成されるポリシをＡ１ポリシと呼ぶ。Ａ１ポリシは、他の名称で呼ばれてもよい。また、Ａ１ポリシは、特定のユーザ、スライス、セル等に対する通信品質（スループットや遅延時間等）の性能目標等を含みうる。また、制御装置１０２は、Ａ１インタフェースを用いて、自装置が生成した学習済モデルを処理装置１０３に提供しうる。
　処理装置１０３とＥ２ノード１０４との間のインタフェースは、Ｅ２インタフェースと呼ばれうる。処理装置１０３は、Ｅ２インタフェースを用いて、Ｅ２ノード１０４から情報を取得し、取得した情報を用いた分析を行いうる。また、処理装置１０３は、制御装置１０２から提供されたＡ１ポリシに従って、自装置が分析した結果を用いて、Ｅ２ノード１０４を制御しうる。例えば、処理装置１０３は、Ｅ２ノード１０４に対してハンドオーバの指示等を実行しうる。このように、Ｏ－ＲＡＮを構成する各装置間では、それぞれの間で規定されたインタフェースを用いて、情報の交換や制御が行われる。なお、各装置間における情報交換や制御等は、例えば、Ｙ１インタフェースやＯ２インタフェース等の上述以外のインタフェースを用いて行われてもよい。
　上述のように、制御装置１０２と処理装置１０３は、相互に連携してＲＡＮの設定や運用を行う。しかし、制御装置１０２と処理装置１０３とは、利用可能な情報が相違する。例えば、制御対象のセルにおける通信品質等の測定情報について、処理装置１０３は、Ｅ２インタフェースを用いることにより、Ｅ２ノード１０４からＵＥ毎の測定情報を取得できる。一方、制御装置１０２が、Ｏ１インタフェースを介して取得できる測定情報は、セル毎の情報である。すなわち、制御装置１０２が利用可能な情報は、処理装置１０３が利用可能な情報よりも粒度が粗い場合がある。ここで、制御装置１０２が、取得した測定情報を入力とする機械学習により学習済モデルを生成し、処理装置１０３が、その学習済モデルを用いた推論を実行することによりＲＡＮの通信品質の予測を行い、そして、処理装置１０３がＥ２ノード１０４を制御することを考える。このとき、制御装置１０２による機械学習の入力として使用できる教師データが、セル単位の測定情報（例えば、スループットや遅延時間の平均値や合計値等）であると、将来予測できる通信品質もセル単位の情報でありうる。したがって、例えば、ＵＥ単位の細かい制御が求められる状況において、求められる粒度の学習済モデルを生成できず、精度の高いＲＡＮの制御を行うことができない場合がある。また、一例として、制御装置１０２が生成するＡ１ポリシの中には、ＵＥ単位の性能目標が含まれうる。このとき、制御装置１０２が取得できるＲＡＮ内の測定情報がセル単位の情報のみであると、制御装置１０２は、実際のＲＡＮにおける各ＵＥの性能目標の達成状況を把握できない。したがって、制御装置１０２が設定したＵＥ毎の性能目標と、ＲＡＮにおける実際の通信品質の状況とが、乖離している場合がありうる。このように、制御装置１０２が利用できる情報が限られていることにより、求められる精度に応じたＲＡＮの設定や運用が行われない状況が生じうる。
　本実施形態では、このような状況を鑑みて、制御装置１０２が、処理装置１０３の有する情報の提供を受けるための、制御装置１０２と処理装置１０３との間のインタフェースを提供する。以下に、本実施形態における制御装置１０２と処理装置１０３との間におけるメッセージや測定情報の交換の一例について説明する。
　（制御装置によるデータの要求）
　図２は、制御装置１０２と処理装置１０３との間のシーケンスの一例を示す。このシーケンスは、例えば、Ａ１インタフェースを用いて、実行されうる。なお、このシーケンスは、Ａ１インタフェース以外のＯ１、Ｙ１、Ａ１－ＥＩインタフェース等を用いて実行されてもよい。また、図２では、制御装置１０２と処理装置１０３との間でメッセージが直接交換される例を示すが、例えば、Ｏ－ＲＡＮにおける他の構成要素を介して、間接的にメッセージが交換されてもよい。
　まず、制御装置１０２は、処理装置１０３が有する測定情報の提供を要求する要求メッセージを、処理装置１０３に対して送信する（Ｓ２０１）。要求メッセージは、他の名称であってもよく、例えば、Ｄａｔａ　Ｃｏｌｌｅｃｔｉｏｎ　Ｒｅｑｕｅｓｔと呼ばれてもよい。処理装置１０３は、要求メッセージを受信すると、測定情報の提供の可否を判定し、判定した結果を応答メッセージとして制御装置１０２に送信する（Ｓ２０２）。応答メッセージは、他の名称であってもよく、例えば、Ｄａｔａ　Ｃｏｌｌｅｃｔｉｏｎ　Ｒｅｓｐｏｎｓｅと呼ばれてもよい。処理装置１０３は、測定情報の提供を受け入れる場合、応答メッセージを送信した後に、要求メッセージに含まれる要求に従って測定情報の提供を開始する（Ｓ２０３）。なお、処理装置１０３は、その要求を受け入れる場合、応答メッセージを送信することなく、測定情報の提供を開始してもよい。また、応答メッセージと測定情報が同時に、又は、同一のメッセージにおいて、送信されてもよい。処理装置１０３は、要求メッセージに含まれる要求を受け入れない場合、拒絶する理由を含む応答メッセージを送信してもよい。処理装置１０３は、例えば、拒絶する理由として、要求された測定情報を処理装置１０３が有しないこと、要求された測定情報を提供するために必要な加工をするための機能を処理装置１０３が備えていないこと等を制御装置１０２に通知しうる。なお、処理装置１０３は、制御装置１０２から要求メッセージを受信した時点において、要求された測定情報を有していない場合、その情報を制御装置１０２に提供するための新たな測定や情報の収集を行ってもよい。また、処理装置１０３が、測定情報の提供に関するシーケンスを開始するためのメッセージを、制御装置１０２よりも先に送信してもよい。例えば、処理装置１０３は、制御装置１０２に対して、定期的なポーリングを行ってもよい。また、要求メッセージや応答メッセージが、他のメッセージと一体化されて送信されてもよい。
　（要求メッセージにおける測定情報の特定）
　要求メッセージは、例えば、測定情報が測定される期間（測定期間、ｍｅａｓｕｒｅｍｅｎｔ　ｔｉｍｅと呼ばれうる）を特定する情報を含みうる。測定期間は、測定が開始される時刻（ｍｅａｓｕｒｅｍｅｎｔ　ｓｔａｒｔ　ｔｉｍｅと呼ばれうる）、測定が終了される時刻（ｍｅａｓｕｒｅｍｅｎｔ　ｅｎｄ　ｔｉｍｅと呼ばれうる）、及び、測定が行われる間隔（ｍｅａｓｕｒｅｍｅｎｔ　ｐｅｒｉｏｄと呼ばれうる）のいずれか１つ以上を特定する情報を含みうる。また、要求メッセージは、例えば、測定情報が提供される期間（提供期間、ｒｅｐｏｒｔｉｎｇ　ｔｉｍｅと呼ばれうる）を特定する情報を含みうる。提供期間は、提供が開始される時刻（ｒｅｐｏｒｔｉｎｇ　ｓｔａｒｔ　ｔｉｍｅと呼ばれうる）、提供が終了される時刻（ｒｅｐｏｒｔｉｎｇ　ｅｎｄ　ｔｉｍｅと呼ばれうる）、及び、提供が行われる間隔（ｒｅｐｏｒｔｉｎｇ　ｐｅｒｉｏｄと呼ばれうる）のいずれか１つ以上を特定する情報を含んでもよい。制御装置１０２は、測定情報を利用する目的や測定情報の特性等に応じて、測定期間や提供期間の適切な周期や期間を特定し、要求メッセージを用いて処理装置１０３に通知しうる。
　要求メッセージは、例えば、測定情報が提供される手順（提供手順、ｃｏｌｌｅｃｔｉｏｎ　ｍｅｔｈｏｄと呼ばれうる）を特定する情報を含みうる。例えば、提供手順の一例として、処理装置１０３が、特定された提供期間に渡って、定期的に測定情報を送信してもよい。このような提供手順は、ストリーミングと呼ばれうる。例えば、制御装置１０２がＲＡＮの状況を反映してＡ１ポリシの変更や追加等を行うとき、測定情報がリアルタイムに提供されることが適する場合がある。このような場合、制御装置１０２は、Ａ１ポリシの生成や変更、追加等のために測定情報を適時に使用できるように、要求メッセージにおいて、測定情報の定期的な提供を要求しうる。また、提供手順の一例として、処理装置１０３が、特定された測定期間に渡って収集した情報を１つ以上のファイルにまとめて制御装置１０２に一括で提供してもよい。このような提供手順は、ファイルベースドと呼ばれうる。例えば、機械学習に用いられる測定情報は、そのデータサイズが大きくなる場合があるため、この測定情報が提供される際にＡ１インタフェースが長時間に渡って占有されうる。また、機械学習に用いられる測定情報に対して、前処理等の加工が求められる場合がある。このような場合、制御装置１０２は、測定期間の終了後に測定情報の圧縮や機械学習のための前処理等の加工を実施した後、又は、Ａ１インタフェースの使用率が低い時間において、測定情報が提供されるよう要求しうる。また、後述するように、要求メッセージにおいて、測定情報を加工する方法（Ｐｒｏｃｅｓｓｉｎｇ　ｍｅｔｈｏｄと呼ばれうる）が指定されてもよい。なお、測定情報は、上記の提供手順以外の方法で提供されてもよい。処理装置１０３は、特定された手順に従って、制御装置１０２に測定情報を提供する。
　要求メッセージは、例えば、測定情報の種類（ｄａｔａ　ｎａｍｅと呼ばれうる）を特定する情報を含みうる。一例として、測定情報は、Ａ１インタフェース以外の他のＯ－ＲＡＮインタフェースで規定された測定情報（Ｏ－ＲＡＮ　ｉｎｔｅｒｆａｃｅ　ｄａｔａと呼ばれうる）、Ａ１インタフェースにおいて新たに規定された測定情報（ｉｎｔｅｒｆａｃｅ　Ｓｐｅｃｉｆｉｃ　ｄａｔａと呼ばれうる）、製品開発ベンダが独自に規定する測定情報（Ｖｅｎｄｏｒ　ｓｐｅｃｉｆｉｃ　ｄａｔａと呼ばれうる）のそれぞれのカテゴリの測定情報を含みうる。例えば、Ａ１インタフェース以外の他のＯ－ＲＡＮインタフェースで規定された測定情報は、処理装置１０３と他の装置との間のインタフェースを用いて交換されている測定情報であり、例えば、Ｅ２、Ａ１－ＥＩ、Ｙ１等のインタフェースにおいて規定されている測定情報である。要求メッセージにより要求される測定情報が、他のインタフェースで規定されている測定情報と同一である場合、Ａ１インタフェースにおいて新たに規定せずに、これらの測定情報に紐づけられたパラメータ名等を転用することにより、同じ測定情報が異なる名称となる煩雑さを回避しうる。このような既存のＯ－ＲＡＮインタフェースで規定された測定情報のパラメータ名は、「ＯＲ．ＤａｔａＮａｍｅ」と表記されうる。「ＯＲ」は、この測定情報が他のＯ－ＲＡＮインタフェースで規定されている測定情報であることを示すプリフィックスであり、「ＤａｔａＮａｍｅ」は、他のインタフェースで規定されているパラメータ名である。また、Ａ１インタフェースにおいて新たに規定された測定情報は、他のＯ－ＲＡＮインタフェースにおいて規定されていない測定情報であり、Ａ１インタフェースにおいて、新たにパラメータ名等を規定しうる。例えば、処理装置１０３が、測定情報を分析して新たに生成した情報や測定情報を加工して新たに生成した情報等は、新たなパラメータ名と紐づけられ、制御装置１０２に提供されうる。このようなＡ１インタフェースにおいて新たに規定された測定情報のパラメータ名は、「ＩＳ．ＤａｔａＮａｍｅ」と表記されうる。「ＩＳ」は、新たに規定されたことを示すプリフィックスであり、「ＤａｔａＮａｍｅ」は、測定情報に紐づけられたパラメータ名である。さらに、Ｏ－ＲＡＮインタフェースとして規定されず、製品開発ベンダが独自に規定する測定情報は、製品ベンダが定める自由なパラメータ名と紐づけられうる。例えば、処理装置１０３において、製品ベンダ独自の処理により生成された情報は、製品ベンダで独自に生成されたパラメータ名と紐づけられ、制御装置１０２に提供されうる。このような製品ベンダにより独自に規定された測定情報のパラメータ名は、「ＶＳ．ＤａｔａＮａｍｅ」と表記されうる。「ＶＳ」は、製品ベンダにより独自に規定されたことを示すプリフィックスであり、「ＤａｔａＮａｍｅ」は、測定情報に紐づけられたパラメータ名である。なお、測定情報の種類は、上記以外を含んでもよい。また、１つの要求メッセージにおいて、測定情報の種類を特定する情報の１つ以上が含まれてもよい。測定情報の種類を特定する情報は、パラメータ名、カテゴリ及びプリフィックスのいずれか１つを特定する情報であってもよく、これらの組合せであってもよい。
　要求メッセージは、例えば、測定情報の単位（又は範囲）を特定する情報（Ｓｃｏｐｅ　ｉｄｅｎｔｉｆｉｅｒと呼ばれうる）を含みうる。測定情報の単位を特定する情報は、あるセルを一意に識別する識別子（セルＩＤ）、あるＵＥを一意に識別する識別子（ＵＥＩＤ）、所定の条件を満たす複数のＵＥを特定するための条件（ＵＥグループ）、あるスライスを一意に識別する識別子（スライスＩＤ）及びあるＱｏＳフローを一意に識別する識別子（ＱｏＳＩＤ）を含みうる。例えば、スライスＩＤは、Ｓ－ＮＳＳＡＩ（Ｓｉｎｇｌｅ－Ｎｅｔｗｏｒｋ　Ｓｌｉｃｅ　Ｓｅｌｅｃｔｉｏｎ　Ａｓｓｉｓｔａｎｃｅ　Ｉｎｆｏｒｍａｔｉｏｎ）でありうる。またＱｏＳＩＤは、Ｑｕａｌｉｔｙ　ｆｌｏｗ　Ｉｎｄｉｃａｔｏｒ（ＱＦＩ）又は５Ｇ　ＱｏＳ　Ｉｎｄｉｃａｔｏｒ（５ＱＩ）でありうる。測定情報の単位を特定する情報は、上記以外であってもよい。１つの要求メッセージにおいて、測定情報の単位を特定する情報の複数が含まれてもよい。例えば、制御装置１０２は、利用目的に応じて、それぞれの測定情報の単位に応じた学習済モデルやそれらを組み合わせた学習済モデルを生成するために、同一期間の同一種類の測定情報を、複数の異なる単位で要求しうる。また、測定情報の単位を特定する情報の２つ以上が組み合わせられてもよい。例えば、ＵＥＩＤとスライスＩＤとの組み合わせによると、特定されたＵＥＩＤに対応するＵＥにおける、特定されたＳ－ＮＳＳＡＩに対応するスライスの測定情報のみが提供される。この場合、特定されたスライスのトラヒックの特性に基づいた、より精度の高い学習済モデルの生成や、細かな粒度でのＡ１ポリシの設定が可能となる。また、例えば、ＵＥＩＤとＱｏＳＩＤとの組み合わせによると、スライスよりもさらに細かい粒度の測定情報を使用することができる。一方、セルＩＤとスライスＩＤ又はＱｏＳＩＤとを組み合わせることにより、制御装置１０２は、複数のＵＥにおけるスライス又はＱｏＳフローごとの平均や合計等を使用することができる。より多くの測定情報を使用することにより、例えば、ＵＥの位置に依存しにくい学習済モデルやＡ１ポリシの生成等が可能となる。また、特定の条件を満たすＵＥに対するＡ１ポリシや学習済モデルを生成する場合、制御装置１０２は、この条件を満たすＵＥをグループ化したＵＥグループの測定情報を要求しうる。なお、ＵＥグループと、スライスＩＤ又はＱｏＳＩＤとが組み合わせられてもよい。
　このように、処理装置１０３が有する測定情報について、制御装置１０２が、その用途に応じた手順や単位で提供を受けることにより、これらをＲＡＮの制御の精度を高めるための制御に用いることが可能となる。また、要求する測定情報を種類、単位、手順等で特定することにより、Ａ１インタフェースを用いて転送されるトラヒック量の削減やＡ１インタフェースの利用率を平準化することも可能となる。
　（測定情報を用いたＲＡＮ制御の動作）
　制御装置１０２は、処理装置１０３から提供を受けた測定情報を用いて、ＲＡＮの設定や運用のための処理を実行する。図３に、測定情報を用いたＲＡＮ制御における制御装置１０２の動作の一例を示す。本実施形態では、一例として、制御装置１０２は、ＵＥ毎の通信品質に関する測定情報を用いて、各ＵＥのスループットの将来予測を行うための学習済モデルを生成する。通信品質に関する測定情報の一例は、受信信号強度（ＲＳＳＩ）、信号対干渉雑音比（ＳＩＮＲ）、スループット、遅延時間等でありうる。例えば、制御装置１０２が、あるスライスにおける各ＵＥのスループットが１０Ｍｂｐｓ以上であることをＡ１ポリシとして設定し、このＡ１ポリシを処理装置１０３に提供しているとする（Ｓ３０１）。このとき、制御装置１０２は、このスライスにおける各ＵＥの通信品質に関する時系列の測定情報の提供を、処理装置１０３に要求する（Ｓ３０２）。例えば、制御装置１０２は、要求メッセージにおいて、スライスＩＤとしてこのスライスに対応するＳ－ＮＳＳＡＩを特定し、ＵＥＩＤとして、このスライスを使用するＵＥに対応するＩＤを特定する。また、制御装置１０２は、要求メッセージにおいて、測定情報の種類として、スループット及びＲＳＳＩ、ＳＩＮＲ等の通信品質に関連する測定情報を特定しうる。なお、制御装置１０２は、この測定情報を機械学習の入力に用いるため、測定情報の提供手順として測定終了後の一括の提供を特定し、また、測定情報の加工方法を特定しうる。そして、制御装置１０２は、処理装置１０３から提供を受けた時系列の測定情報を入力とする機械学習を実行し、学習済モデルを生成する（Ｓ３０３）。例えば、制御装置１０２は、ある基準時刻から過去２０秒間に渡る各ＵＥの通信品質の時系列の測定情報（第１の測定情報）と、その基準時刻以降１０秒間に渡る各ＵＥのスループットの時系列の測定情報（第２の測定情報）とを処理装置１０３から取得する。制御装置１０２は、第１の測定情報を入力データとし、第２の測定情報を正解データとする教師データを用いて機械学習を行い、学習済モデルを生成する。なお、制御装置１０２が使用する教師データや、生成する学習済モデルは、これらの通信品質に関する測定情報に限定されず、他の利用可能な情報と組み合わせて機械学習を行ってもよい。生成された学習済モデルは、Ａ１インタフェースを介して、処理装置１０３へ提供される（Ｓ３０４）。
　処理装置１０３は、制御装置１０２から提供を受けた学習済モデルを用いて、Ｅ２ノードの制御を実行する。図４に、本実施形態における処理装置１０３の動作の一例を示す。まず、処理装置１０３は、制御装置１０２から学習済モデルを受信する（Ｓ４０１）。例えば、学習済モデルは、処理装置１０３が有するコンピュータにより実行可能なプログラムとして提供されうる。処理装置１０３は、学習済モデルに入力するための測定情報を収集する（Ｓ４０２）。学習済モデルに入力するための測定情報は、例えば、Ｅ２ノードからＥ２インタフェースを介して取得されうる。また、処理装置１０３が有する記憶媒体に記憶されている測定情報を使用してもよい。そして、処理装置１０３は、学習済モデルを用いた推論により、ＲＡＮの通信品質の将来予測を実行する（Ｓ４０３）。本実施形態では、一例として、処理装置１０３は、制御装置１０２が教師データとして使用した測定情報と同じ種類及び同じ単位の測定情報について、現在時刻から過去２０秒間に渡る時系列の測定情報を用いて、現在時刻以降１０秒間に渡る各ＵＥのスループットの推論を実行する。処理装置１０３は、推論による分析の結果に基づいてＥ２ノード１０４を制御する（Ｓ４０４）。本実施形態では、処理装置１０３は、推論の結果においてＡ１ポリシにおける設定を下回るＵＥが存在する場合、例えば、Ｅ２ノード１０４に対してそのＵＥを隣接する他のセルにハンドオーバさせるように指示する。このように、制御装置１０２が、ＵＥ単位の通信品質を用いて学習済モデルを生成することにより、処理装置１０３が、この学習済モデルを用いてＵＥ単位の通信品質の予測を行い、この予測に基づいた細かな粒度でのＲＡＮ制御を実行しうる。なお、制御装置１０２は、測定情報の定期的な提供を受けて、学習済モデルの更新を行ってもよい。学習済モデルが更新されることにより、処理装置１０３は、ＲＡＮの通信品質の変化に応じた適切な通信品質の予測を維持しうる。また、制御装置１０２は、複数の処理装置１０３の測定情報を利用できる場合、より多くの測定情報を用いて機械学習を実行しうる。広範囲のエリアから受信した測定情報を用いることにより、特定のエリアの影響の受けにくい汎用的な学習済モデルが生成されうる。なお、１つの処理装置の測定情報のみを利用する場合であっても、制御装置１０２は、一般的に処理装置１０３よりも性能の高いコンピュータで実装されるため、制御装置１０２に測定情報を分析させることにより、大量の測定情報を高速に処理できる利点がある。一方、制御装置１０２が、各ＵＥの測定情報をスライス又はＱｏＳフロー毎に受信している場合、その単位毎に複数の学習済モデルを生成してもよい。スライスやＱｏＳフロー毎に生成された学習済モデルを使用することにより、通信トラヒックの特性等の相違に基づいた精度の高い予測に基づく制御を実行することができる。
　図５に、測定情報を用いたＲＡＮ制御における制御装置１０２の動作の他の例を示す。本実施形態では、制御装置１０２は、処理装置１０３から、ＵＥ毎の通信品質に関する測定情報の提供を受けて、Ａ１ポリシを変更又は追加しうる。例えば、あるセルにおいて、そのセル全体の３０％のリソースブロックが、あるスライスに割り当てられているとする。リソースブロックは、セル等において各ＵＥや各スライス等に割り当てる使用可能な無線リソースの単位である。例えば、制御装置１０２が、このスライスの性能目標として、各ＵＥのＲＡＮのスループットが１０Ｍｂｐｓ以上であることをＡ１ポリシとして設定し、このＡ１ポリシを処理装置１０３に提供しているとする（Ｓ５０１）。このとき、制御装置１０２は、例えば、このスライスにおける各ＵＥのリソースブロックの使用数とスループットに関する測定情報の提供を、処理装置１０３に要求する（Ｓ５０２）。例えば、制御装置１０２は、要求メッセージにおいて、スライスＩＤとしてこのスライスに対応するＳ－ＮＳＳＡＩを特定し、ＵＥＩＤとして、このスライスを使用するＵＥに対応するＩＤを特定する。また、制御装置１０２は、要求メッセージにおいて、測定情報の種類として、リソースブロックの使用数とスループット、及び、ＲＳＳＩやＳＩＮＲ等の通信品質に関連する測定情報等を特定しうる。なお、制御装置１０２は、この測定情報をＡ１ポリシの検証に用いるため、測定情報の提供手順として、定期的な提供を特定する。そして、制御装置１０２は、処理装置１０３から提供を受けた測定情報を用いて、Ａ１ポリシの検証を行い、必要により、Ａ１ポリシを生成する（Ｓ５０３）。例えば、制御装置１０２は、提供を受けた各ＵＥのリソースブロックの使用数の合計から、このセルにおけるこのスライスのリソースブロックの使用率を算出しうる。また、制御装置１０２は、ＵＥ毎のスループットの測定情報から、例えば、所定のアルゴリズムを用いた分析や学習済モデルを用いた推論により、各ＵＥのスループットを予測しうる。ここで、このスライスによるリソースブロックの使用率の合計が、所定の閾値を超えており（例えば、セル全体の２７％のリソースブロックを使用しており）、かつ、所定のＵＥのスループットの予測がＡ１ポリシを満たさない（例えば、１０Ｍｂｐｓ未満）場合、制御装置１０２は、負荷分散のためのＡ１ポリシを新たに生成して、処理装置１０３に提供する（Ｓ５０４）。例えば、新たなＡ１ポリシは、このセル及びこのスライスを特定した上で、そのリソースブロックの使用率を２４％以下とする。
　図６に、本実施形態における処理装置１０３の動作の他の例を示す。処理装置１０３は、Ｓ５０４において制御装置１０２からＡ１ポリシを受信する（Ｓ６０１）。処理装置１０３は、受信したＡ１ポリシを用いてＥ２ノード１０４を制御する。例えば、処理装置１０３は、Ａ１ポリシを実行するために必要な測定情報をＥ２ノード１０４から収集する（Ｓ６０２）。例えば、処理装置１０３は、Ａ１ポリシにおいて設定されたセルとスライスにおけるリソースブロックの使用率を特定するための測定情報を収集する。リソースブロックの使用率を特定するための測定情報は、そのセルにおけるリソースブロックの使用数でありうる。また、処理装置１０４は、各ＵＥのスループットを特定する情報を収集する。処理装置１０３は、収集した測定情報を用いて、分析を行い、Ａ１ポリシを満足しているか否かを判定する（Ｓ６０３）。この分析は、例えば、収集した測定情報を入力とする学習済モデルを用いた推論や所定のアルゴリズムを用いた判定により実行されうる。処理装置１０３は、分析の結果に基づいてＥ２ノードの制御を行う（Ｓ６０４）。例えば、処理装置１０３は、分析結果において、Ａ１ポリシにおいて設定されたセル及びスライスが使用しているリソースブロックがセル全体の２７％であり、Ａ１ポリシで設定された閾値（セル全体の２４％）を上回っていることから、一部のＵＥをハンドオーバさせると判定する。また、分析結果において、スループットの予測がＡ１ポリシを満たさない（１０Ｍｂｐｓ未満）と判定されたＵＥをハンドオーバの対象として選択する。処理装置１０３は、これらの判定結果に基づいて、選択したＵＥを隣接セルにハンドオーバさせる指示をＥ２ノード１０４に行う（Ｓ６０４）。このように、制御装置１０２は、処理装置１０３から細かい粒度の測定情報の提供を受けて、この測定情報を用いてＡ１ポリシの検証を行い、生成したＡ１ポリシを処理装置１０３に提供する。これにより、ＲＡＮの設定や運用を精度よく行うことが可能となる。
　（測定情報を加工する場合の動作）
　制御装置１０２が、処理装置１０３から受信した測定情報を用いて学習済モデルを生成し、処理装置１０３が、この学習済モデルを用いて推論を行う場合、制御装置１０２と処理装置１０３が使用する測定情報のフォーマットが一致している必要がある。特に、制御装置１０２が、学習済モデルを生成する際に、測定情報の正規化や欠損データの補間等の前処理を行う場合、処理装置１０３も同様の前処理を行った測定情報を用いて推論を実行しないと、正しい推論結果が得られない。本実施形態では、制御装置１０２が、処理装置１０３に対して、測定情報の加工方法を通知する機能を提供する。なお、処理装置１０３が、制御装置１０２に対して、測定情報の加工方法を特定してもよい。制御装置１０２は、例えば、要求メッセージにおいて特定される測定情報が加工処理の対象である場合、要求メッセージ内で加工方法を通知しうる。また、制御装置１０２が測定情報の加工方法を通知する方法は、要求メッセージに限られず、加工方法を通知するためのシーケンスがＡ１インタフェースにおいて新たに設けられてもよい。要求メッセージに対して独立したシーケンスを設けることにより、制御装置１０２は、広い範囲の測定情報を加工対象として指定しうる。例えば、制御装置１０２は、特定の種類の測定情報について、特定した加工処理を常に実行することを、処理装置１０３に要求しうる。また、制御装置１０２から処理装置１０３へ学習済モデルが提供される際に、この学習済モデルに入力される測定情報の前処理の方法が提供されてもよい。この場合、制御装置１０２は、学習済モデルを生成する毎に、異なる加工方法を選択して測定情報の前処理を行い、選択した加工方法を処理装置１０３に都度通知しうる。処理装置１０３は、要求メッセージや加工方法を通知するためのシーケンス等により特定された加工方法に従って測定情報を加工し、制御装置１０２に提供しうる。なお、処理装置１０３が、制御装置１０２に対して測定情報を提供する際に、加工処理を行わず、制御装置１０２が、提供を受けた測定情報の加工処理を行ってもよい。この場合、処理装置１０３は、制御装置１０２から提供された学習済モデルを用いた推論を実行する際に、制御装置１０２から特定された加工方法を用いて、学習済モデルの入力データの加工処理を行う。なお、測定情報の加工処理は、学習済モデルを生成するための前処理に限られず、測定情報のデータサイズを削減するための圧縮や情報をセキュアにやりとりするための暗号化等の他の加工処理であってもよい。
　（加工方法の特定）
　制御装置１０２は、一例として、数式表現を用いて加工方法を特定しうる。数式表現は、例えば、条件（ｃｏｎｄｉｔｉｏｎ）と操作（ｏｐｅｒａｔｉｏｎ）の組による表現が含まれてもよい。例えば、加工の対象である測定情報がＵＥ毎のスループットである場合に、加工方法が、（条件１）スループットの値が１０Ｍｂｐｓを超えていれば、（操作１）１０Ｍｂｐｓに置換すること、（条件２）測定情報全体を、（操作２）０から１の間で正規化すること、であるとする。この場合、要求メッセージにおいて、条件１及び操作１と、条件２及び操作２のそれぞれの組が、処理装置１０３に通知されうる。処理装置１０３は、要求された測定情報のそれぞれについて、特定された各条件を満たすか否かを判定し、条件を満たす場合にはその条件に対応する操作を実行した上で、制御装置１０２に提供する。なお、加工方法は、機械学習に用いる教師データを生成するための重複削除や欠損値の補完であってもよい。重複削除の場合、例えば、条件は、各測定情報を識別する識別番号が他の測定情報の識別情報と重複していることであり、操作は、その測定情報を削除することである。また、欠損値の補完の場合、例えば、条件は、測定情報に欠損があることであり、操作は、このデータを削除すること、又は、測定値全体の平均値や代表値に置換することである。なお、数式表現は、条件と操作に限られず、加工の対象となる条件や演算を特定する任意の項目や表現を含みうる。
　制御装置１０２は、加工方法に対応する関数を指定することにより、加工方法を特定しうる。例えば、制御装置１０２は、測定情報の加工処理に用いられる関数と、それぞれの関数を識別する識別子とを、予め処理装置１０３と共有しうる。この場合、制御装置１０２は、加工処理に用いる関数に対応する識別子を処理装置１０３に通知することにより、加工方法を特定しうる。予め制御装置１０２と処理装置１０３との間で関数を共有することにより、複雑な加工処理を実行する際にも、それを都度特定する情報を削減することができる。一例として、制御装置１０２は、処理装置１０３に対して、数式等が含まれる任意の関数を識別子とともに登録するように要求する。この要求に対する処理装置１０３の応答を確認することにより、装置間において指定できる関数の情報が共有されうる。なお、関数を用いた処理の実行に引数が必要である場合、制御装置１０２は、その引数を関数の特定と合わせて通知しうる。
　制御装置１０２は、要求メッセージにおいて、加工方法に対応するｘＡｐｐを指定することにより、加工方法を特定しうる。ｘＡｐｐは、例えば、処理装置１０３のフレームワーク上で各種情報の分析や制御を実行するアプリケーションである。例えば、制御装置１０２は、ｘＡｐｐが実行する処理の内容と、それぞれのｘＡｐｐを識別する識別子とを、予め処理装置１０３と共有しうる。制御装置１０２は、加工処理に用いるｘＡｐｐと対応する識別子を処理装置１０３に通知することにより、加工方法を特定しうる。一例として、制御装置１０２は、処理装置１０３に対して、ｘＡｐｐのインストールを要求しうる。この要求に対する処理装置１０３のインストール完了等を示す応答を確認することにより、装置間において指定できるｘＡｐｐの情報が予め共有されうる。なお、ｘＡｐｐの実行において入力パラメータが必要である場合、制御装置１０２は、その入力パラメータをｘＡｐｐの特定と合わせて通知しうる。測定情報に対して複雑な加工処理が実行される場合であっても、ｘＡｐｐを特定することにより、加工方法を容易に通知することができる。
　（ハードウェア構成）
　続いて、上述のような制御装置１０２及び処理装置１０３の構成例について説明する。図７は、制御装置１０２及び処理装置１０３のハードウェア構成を示す図である。制御装置１０２及び処理装置１０３は、一例において、プロセッサ７０１、ＲＯＭ７０２、ＲＡＭ７０３、記憶装置７０４及び通信回路７０５を含んで構成される。プロセッサ７０１は、汎用のＣＰＵ（中央演算装置）やＡＳＩＣ（特定用途向け集積回路）等の、１つ以上の処理回路を含んで構成されるコンピュータである。プロセッサ７０１は、ＲＯＭ７０２や記憶装置７０４に記憶されているプログラムを読み出して実行することにより、装置の全体の処理や、上述の各処理を実行する。ＲＯＭ７０２は、制御装置１０２及び処理装置１０３が実行する処理に関するプログラムや各種パラメータ等の情報が記録された読出し専用メモリである。ＲＡＭ７０３は、プロセッサ７０１がプログラムを実行する際のワークスペースとして機能し、また、一時的な情報が記録されるランダムアクセスメモリである。記憶装置７０４は、例えば着脱可能な外部記憶装置等によって構成される。通信回路７０５は、例えば、他の装置との通信を行うための回路を含んで構成される。一例として、通信回路７０５は、Ａ１インタフェース、Ｏ１インタフェース、Ｅ２インタフェース等としての機能を実行しうる。なお、図７では、１つの通信回路７０５が図示されているが、各装置は、複数の通信回路を有しうる。
　（機能構成）
　図８は、制御装置１０２の機能構成例を示す図である。制御装置１０２は、その機能として、例えば、第１の取得部８０１、要求部８０２、第２の取得部８０３、加工処理特定部８０４、加工情報共有部８０５、加工処理部８０６、モデル生成部８０７、モデル提供部８０８及びＲＡＮ制御部８０９を含んで構成される。図８では、本実施形態の制御装置１０２の機能構成について示しており、例えば、制御装置の一般的な構成については省略している。なお、これらの機能部は、例えば、プロセッサ７０１がＲＯＭ７０２や記憶装置７０４に記憶されているプログラムを実行して、必要に応じて通信回路７０５を制御することにより、実現されうる。ただし、これに限定されず、例えば、各機能を実現するための専用のハードウェアが用意されてもよい。
　第１の取得部８０１は、Ｅ２ノード１０４から測定情報を取得する。例えば、第１の取得部８０１は、Ｏ１インタフェースを用いて、制御装置１０２がＲＡＮの制御を行うために使用可能な、ＲＡＮの通信品質等の測定情報を取得しうる。要求部８０２は、処理装置１０３に対して、測定情報の提供を要求するための要求メッセージを送信する。要求メッセージは、Ａ１インタフェースを用いて送信されうる。要求部８０２は、要求メッセージを用いて、測定情報の測定期間、提供期間、提供手順、種類、単位等を特定する情報を処理装置１０３に通知しうる。また、要求部８０２は、要求メッセージを用いて、測定情報を加工する方法を特定する情報を処理装置１０３に通知しうる。第２の取得部８０３は、要求メッセージに対する処理装置１０３からの応答メッセージ及び測定情報を受信する。要求に沿った測定情報の提供が可能である場合、処理装置１０３により、応答メッセージとともに測定情報が提供されうる。なお、測定情報は、応答メッセージとは別個のメッセージにおいて提供されうる。制御装置１０２が、第１の取得部８０１を介してＥ２ノード１０４から得られる測定情報と、第２の取得部８０３を介して処理装置１０３から得られる測定情報とは、前者がセル単位の統計的な情報であり、後者がＵＥ単位の個別的な情報である等、情報の粒度が異なりうる。また、第２の取得部８０３は、処理装置１０３がＥ２ノードから取得した情報に基づいて、独自に生成した分析結果等の情報の提供も受けうる。加工処理特定部８０４は、モデル生成部８０７又は処理装置１０３において用いられるべき加工処理を特定する。例えば、加工処理特定部８０４は、モデル生成部８０７が機械学習により学習済モデルを生成する際の前処理を実行するための加工処理を特定する。この加工処理は、処理装置１０３において、学習済モデルを使用した推論が実行される際にも適用されうる。一例として、第２の取得部８０３において取得された測定情報に対して、加工処理特定部８０４が特定した前処理が実行されることにより、モデル生成部８０７が実行する機械学習の入力となる情報が取得されうる。加工処理特定部８０４は、例えば、正規化、重複削除、欠損値の補完等の加工処理の中から、モデル生成部８０７が機械学習を実行するために必要な処理の１つ以上を特定する。加工処理特定部８０４は、予め処理装置１０３との間で共有した関数やｘＡｐｐ等の中から実行する加工処理を選択しうる。加工情報共有部８０５は、加工処理特定部８０４が特定した加工処理を処理装置１０３に通知する。加工情報共有部８０５は、処理装置１０３から、加工処理を特定する通知に対する拒否や加工処理の変更の要求等を含む応答を受信しうる。また、加工情報共有部８０５は、処理装置１０３から、加工処理を特定する通知を受信しうる。加工処理を特定する情報は、要求メッセージを用いて処理装置１０３に通知されうる。また、加工処理を特定する情報は、要求メッセージ以外の方法を用いて処理装置１０３に通知されてもよい。例えば、加工情報共有部８０５は、処理装置１０３に対して、加工処理に使用する関数やｘＡｐｐ等の登録を要求し、必要により、加工処理の対象とする測定情報、関数に使用する引数、ｘＡｐｐに使用する入力パラメータ等を通知しうる。加工処理部８０６は、測定情報に対する加工処理を実行する。加工処理部８０６は、加工処理特定部８０４により特定された加工処理を用いて、加工処理を実行しうる。加工処理が行われた測定情報は、モデル生成部８０７に提供されうる。モデル生成部８０７は、機械学習により学習済モデルを生成する。モデル生成部８０７は、例えば、ＲＡＮの通信品質の将来予測等を行うための学習済モデルを生成する。モデル生成部８０７は、加工処理部８０６により提供された加工済の測定情報を機械学習の入力としてもよく、処理装置１０３により加工済の測定情報が提供された場合、これを機械学習の入力としてもよい。モデル提供部８０８は、モデル生成部８０７により生成された学習済モデルを処理装置１０３に提供する。ＲＡＮ制御部８０９は、ＲＡＮの制御を実行する。一例として、ＲＡＮ制御部８０９は、第１の取得部８０１及び第２の取得部８０３により取得された測定情報等を用いて、ＲＡＮの制御を行うためのＡ１ポリシを生成し、処理装置１０３に提供する。ＲＡＮ制御部８０９は、第２の取得部８０３が取得した測定情報を用いて、例えば、Ａ１ポリシとして設定したＵＥ毎の性能目標等の達成状況を判定し、達成状況に基づいて新たなＡ１ポリシを生成しうる。生成されたＡ１ポリシは処理装置１０３に提供されうる。
　図９は、処理装置１０３の機能構成例を示す図である。処理装置１０３は、その機能として、例えば、情報取得部９０１、記憶部９０２、受信部９０３、送信部９０４、加工情報共有部９０５、加工処理部９０６、モデル取得部９０７及びＲＡＮ制御部９０８を含んで構成される。図９では、本実施形態の処理装置１０３の機能構成について示しており、例えば、処理装置の一般的な構成については省略している。なお、これらの機能部は、例えば、プロセッサ７０１がＲＯＭ７０２や記憶装置７０４に記憶されているプログラムを実行して、必要に応じて通信回路７０５を制御することにより、実現されうる。ただし、これに限定されず、例えば、各機能を実現するための専用のハードウェアが用意されてもよい。
　情報取得部９０１は、Ｅ２ノード１０４からＲＡＮに関する測定情報を収集する。収集されうる情報は、例えば、通信品質に関する測定情報（ＲＳＳＩ、ＳＩＮＲ、スループット、遅延時間等）、Ｅ２ノードの制御機能情報や制御履歴情報等であり、セル単位、スライス単位、ＵＥ単位等で指定されうる。情報取得部９０１は、収集した情報を用いた分析を実行して統計情報等を生成してもよい。例えば、情報取得部９０１は、Ｅ２ノードから収集した測定情報を用いて、各ＵＥのスループット及び遅延の時間的な平均値、最大値、最小値、分散や、各セルにおけるスループットの平均値、最大値、最小値、分散等の統計値を生成しうる。また、情報取得部９０１は、各セルにおける受信電力や干渉電力、各セルのリソース使用率等を取得し、各測定情報や各統計情報のそれぞれの間の相関関係を分析しうる。さらに、情報取得部９０１は、ＲＡＮを構成する各ノード（Ｅ２ノードを含む）の動作状況等の情報を取得し、分析しうる。情報取得部９０１により収集された測定情報や生成された分析結果は、記憶部９０２に記録されうる。記憶部９０２は、Ｅ２ノード１０４から収集した測定情報や分析結果、制御装置１０２から受信したＡ１ポリシ、学習済モデル、測定情報を加工するための関数、ｘＡｐｐ等を記憶する。受信部９０３は、制御装置１０２から測定情報の提供を要求する要求メッセージを受信する。送信部９０４は、要求メッセージに含まれる要求を受け付けるか否かを判定して、制御装置１０２に応答メッセージを送信する。例えば、送信部９０４は、要求を受け付ける場合、その要求に従って記憶部９０２に記録された測定情報や分析結果を制御装置１０２に送信する。送信部９０４により送信される測定情報や分析結果は、加工処理部９０６による加工後のものであってもよい。送信部９０４は、要求を受け付けない場合、要求を拒否する応答メッセージを制御装置１０２に送信する。要求を拒否する応答メッセージには、拒否する理由が含まれうる。加工情報共有部９０５は、制御装置１０２から加工処理部９０６により用いられるべき加工処理の情報を受信しうる。加工情報共有部９０５は、制御装置１０２から通知された加工処理を実行する場合、加工処理を受け入れることを示すメッセージを制御装置１０２に送信してもよい。また、加工情報共有部９０５は、制御装置１０２から通知された加工処理の実行を拒否する場合、拒否することを示すメッセージを制御装置１０２に送信しうる。また、加工情報共有部９０５は、自装置が実行可能な加工処理を特定して、特定した加工処理に変更することを要求するメッセージを制御装置１０２に送信しうる。なお、加工情報共有部９０５が、制御装置１０２よりも先に加工処理を特定して通知してもよい。加工処理部９０６は、記憶部９０２に記憶された測定情報等の加工処理を実行する。加工処理部９０６により加工された測定情報等は、ＲＡＮ制御部９０８による分析に用いられうるし、制御装置１０２に提供されうる。制御装置１０２に提供された測定情報は、制御装置１０２において、機械学習の入力に用いられうる。モデル取得部９０７は、制御装置１０２から学習済モデルを取得する。ＲＡＮ制御部９０８は、測定情報を用いてＲＡＮに関する分析を行い、得られた分析結果を用いてＲＡＮの制御を行う。ＲＡＮ制御部９０８は、例えば、制御装置１０２から提供された学習済モデルを用いて、ＲＡＮの通信品質の将来予測等を実行しうる。なお、ＲＡＮ制御部９０８は、制御装置１０２以外から学習済モデルを取得してもよい。また、ＲＡＮ制御部９０８は、機械学習以外の方法を用いて、ＲＡＮの分析を行ってもよい。例えば、Ｅ２ノード１０４から取得した測定情報に対して、所定の分析アルゴリズムを適用することにより、ＲＡＮの通信品質の将来予測等を行ってもよい。また、ＲＡＮ制御部９０８は、Ｅ２ノード１０４を制御することにより、ＲＡＮの設定や運用を行う。ＲＡＮ制御部９０８は、制御装置１０２から受信したＡ１ポリシに従って、Ｅ２ノード１０４を制御しうる。また、ＲＡＮ制御部９０８は、分析により予測したＲＡＮの通信品質等を用いて、Ｅ２ノード１０４を制御するためのパラメータ等を生成しうる。
　なお、上述では、ＲＡＮ内のＥ２ノード等が測定した情報を処理装置１０３が収集し、制御装置１０２に対して提供される実施形態を例として説明を行ったが、制御装置１０２に対して提供される情報は、このような測定情報に限られない。本実施形態における測定情報は、例えば、ＲＡＮ内の装置において測定された情報に対して加工処理や統計処理等が行われた情報も含みうる。また、測定情報には、これら以外の各装置における分析等により生成された情報や各装置のリソースの利用状況や負荷等の情報も広く含みうる。
　以上のように、本実施形態によれば、制御装置１０２が、処理装置１０３が有する測定情報の提供を要求し、処理装置１０３が、要求に従って制御装置１０２に測定情報を提供する。この測定情報は、制御装置１０２におけるＡ１ポリシの更新や機械学習による学習済モデルの生成に利用可能である。制御装置１０２により、測定情報に基づいて更新されたＡ１ポリシ、又は、細かい粒度の測定情報を用いて生成された学習済モデルが処理装置１０３に提供され、処理装置１０３が、これらを用いてＥ２ノード１０４を制御することにより、ＲＡＮの設定や運用に関する制御の精度を高めることが可能となる。また、本実施形態によれば、制御装置１０２により生成された学習済モデルを用いて、処理装置１０３が推論を行ってＲＡＮの制御を実行する際に、それぞれの装置において必要となる加工処理を特定する情報が共有される。これにより、ＲＡＮの制御において、Ｅ２ノード等のＲＡＮを構成する装置から収集した測定情報を入力とする機械学習を用いることが可能となる。よって、国連が主導する持続可能な開発目標（ＳＤＧｓ）の目標９「レジリエントなインフラを整備し、持続可能な産業化を推進するとともに、イノベーションの拡大を図る」に貢献することが可能となる。
　発明は上記の実施形態に制限されるものではなく、発明の要旨の範囲内で、種々の変形・変更が可能である。
　本願は、２０２３年９月２５日提出の日本国特許出願特願２０２３－１６１６９１を基礎として優先権を主張するものであり、その記載内容の全てを、ここに援用する。

Claims (16)

  1. 　Ｏｐｅｎ－Ｒａｄｉｏ　Ａｃｃｅｓｓ　Ｎｅｔｗｏｒｋ（Ｏ－ＲＡＮ）におけるＮｏｎ－ＲｅａｌＴｉｍｅ　ＲＡＮ　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｃｏｎｔｒｏｌｌｅｒ（非リアルタイムＲＩＣ）として機能する制御装置であって、
    　前記非リアルタイムＲＩＣがＲＡＮの制御を行うために使用可能な第１の情報であって、Ｅ２ノードが有する前記第１の情報を、当該Ｅ２ノードから受信する第１の受信手段と、
    　前記第１の情報と異なる第２の情報であって、準リアルタイムＲＩＣが前記Ｅ２ノードから収集した情報、又は、前記準リアルタイムＲＩＣが生成した情報を含み、前記非リアルタイムＲＩＣがＲＡＮの制御を行うために使用可能な前記第２の情報の提供を、前記準リアルタイムＲＩＣに要求する要求メッセージを送信する送信手段と、
    　前記準リアルタイムＲＩＣから送信された前記第２の情報を受信する第２の受信手段と、
    　前記第１の情報及び前記第２の情報を用いてＲＡＮを制御する制御手段と、を有する
    　制御装置。
  2. 　前記第２の受信手段は、前記要求メッセージに対して、前記第２の情報の提供の可否を示す応答メッセージを前記準リアルタイムＲＩＣから受信し、前記第２の情報の提供を受け入れることを示す応答メッセージにおいて、又は当該応答メッセージとは別個のメッセージにおいて、前記第２の情報を受信する、
    　請求項１に記載の制御装置。
  3. 　前記要求メッセージは、前記準リアルタイムＲＩＣから前記第２の情報が定期的に提供される手順および前記準リアルタイムＲＩＣにおいて所定の期間に渡って収集された前記第２の情報が一括して提供される手順のいずれの手順が用いられるべきかを示す情報と、前記第２の情報が前記準リアルタイムＲＩＣから提供されるべき期間を示す情報との少なくともいずれかを含む
    　請求項１または２に記載の制御装置。
  4. 　前記要求メッセージは、前記第２の情報として提供されるべき情報の種類を特定する情報を含む
    　請求項１から３のいずれか１項に記載の制御装置。
  5. 　前記種類を特定する情報が、既存の規格で規定されたデータ、新たに規定されたデータ、又は、ベンダにより独自に規定されたデータのいずれか１つ以上を指定する情報である
    　請求項４に記載の制御装置。
  6. 　前記要求メッセージは、前記第２の情報として提供されるべき情報の単位として、セル単位、端末単位、端末グループ単位、スライス単位、又は、ＱｏＳ単位のいずれか１つ以上の単位を指定する情報を含む
    　請求項１から５のいずれか１項に記載の制御装置。
  7. 　Ｏｐｅｎ－Ｒａｄｉｏ　Ａｃｃｅｓｓ　Ｎｅｔｗｏｒｋ（Ｏ－ＲＡＮ）におけるＮｅａｒ－ＲｅａｌＴｉｍｅ　ＲＡＮ　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｃｏｎｔｒｏｌｌｅｒ（準リアルタイムＲＩＣ）として機能する処理装置であって、
    　非リアルタイムＲＩＣがＥ２ノードから受信可能な第１の情報と異なる第２の情報であって、前記準リアルタイムＲＩＣが前記Ｅ２ノードから収集した情報、又は、前記準リアルタイムＲＩＣが生成した情報を含み、前記非リアルタイムＲＩＣがＲＡＮの制御を行うために使用可能な前記第２の情報の提供を要求する要求メッセージを前記非リアルタイムＲＩＣから受信する受信手段と、
    　前記非リアルタイムＲＩＣへ、前記第２の情報を提供する送信手段と、
    　を有する処理装置。
  8. 　前記送信手段は、前記要求メッセージに対して、前記第２の情報の提供の可否を通知する応答メッセージを送信し、前記第２の情報の提供を受け入れることを示す応答メッセージにおいて、又は当該応答メッセージとは別個のメッセージにおいて、前記第２の情報を送信する
    　請求項７に記載の処理装置。
  9. 　前記要求メッセージは、前記非リアルタイムＲＩＣへ前記第２の情報を定期的に提供する手順及び所定の期間に渡って収集された前記第２の情報を一括して提供する手順のいずれの手順が用いられるべきかを示す情報と、前記非リアルタイムＲＩＣへ前記第２の情報を提供すべき期間を示す情報との少なくともいずれかを含む、請求項７または８に記載の処理装置。
  10. 　前記要求メッセージは、前記第２の情報として提供されるべき情報の種類を特定する情報を含む
    　請求項７から９のいずれか１項に記載の処理装置。
  11. 　前記種類を特定する情報が、既存の規格で規定されたデータ、新たに規定されたデータ、又は、ベンダにより独自に規定されたデータのいずれか１つ以上を指定する情報である
    　請求項１０に記載の処理装置。
  12. 　前記要求メッセージは、前記第２の情報として提供されるべき情報の単位として、セル単位、端末単位、端末グループ単位、スライス単位、又は、ＱｏＳ単位のいずれか１つ以上の単位を指定する情報を含む
    　請求項７から１１のいずれか１項に記載の処理装置。
  13. 　Ｏｐｅｎ－Ｒａｄｉｏ　Ａｃｃｅｓｓ　Ｎｅｔｗｏｒｋ（Ｏ－ＲＡＮ）におけるＮｏｎ－ＲｅａｌＴｉｍｅ　ＲＡＮ　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｃｏｎｔｒｏｌｌｅｒ（非リアルタイムＲＩＣ）として機能する制御装置により実行される制御方法であって、
    　前記非リアルタイムＲＩＣがＲＡＮの制御を行うために使用可能な第１の情報であって、Ｅ２ノードが有する前記第１の情報を、当該Ｅ２ノードから受信することと、
    　前記第１の情報と異なる第２の情報であって、準リアルタイムＲＩＣが前記Ｅ２ノードから収集した情報、又は、前記準リアルタイムＲＩＣが生成した情報を含み、前記非リアルタイムＲＩＣがＲＡＮの制御を行うために使用可能な前記第２の情報の提供を、前記準リアルタイムＲＩＣに要求する要求メッセージを送信することと、
    　前記準リアルタイムＲＩＣから送信された前記第２の情報を受信することと、
    　前記第１の情報及び前記第２の情報を用いてＲＡＮを制御することと、を有する
    　制御方法。
  14. 　Ｏｐｅｎ－Ｒａｄｉｏ　Ａｃｃｅｓｓ　Ｎｅｔｗｏｒｋ（Ｏ－ＲＡＮ）におけるＮｅａｒ－ＲｅａｌＴｉｍｅ　ＲＡＮ　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｃｏｎｔｒｏｌｌｅｒ（準リアルタイムＲＩＣ）として機能する処理装置により実行される処理方法であって、
    　非リアルタイムＲＩＣがＥ２ノードから受信可能な第１の情報と異なる第２の情報であって、前記準リアルタイムＲＩＣが前記Ｅ２ノードから収集した情報、又は、前記準リアルタイムＲＩＣが生成した情報を含み、前記非リアルタイムＲＩＣがＲＡＮの制御を行うために使用可能な前記第２の情報の提供を要求する要求メッセージを前記非リアルタイムＲＩＣから受信することと、
    　前記非リアルタイムＲＩＣへ、前記第２の情報を提供することと、
    　を有する処理方法。
  15. 　Ｏｐｅｎ－Ｒａｄｉｏ　Ａｃｃｅｓｓ　Ｎｅｔｗｏｒｋ（Ｏ－ＲＡＮ）におけるＮｏｎ－ＲｅａｌＴｉｍｅ　ＲＡＮ　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｃｏｎｔｒｏｌｌｅｒ（非リアルタイムＲＩＣ）として機能する制御装置が備えるコンピュータに、
    　前記非リアルタイムＲＩＣがＲＡＮの制御を行うために使用可能な第１の情報であって、Ｅ２ノードが有する前記第１の情報を、当該Ｅ２ノードから受信させ、
    　前記第１の情報と異なる第２の情報であって、準リアルタイムＲＩＣが前記Ｅ２ノードから収集した情報、又は、前記準リアルタイムＲＩＣが生成した情報を含み、前記非リアルタイムＲＩＣがＲＡＮの制御を行うために使用可能な前記第２の情報の提供を、前記準リアルタイムＲＩＣに要求する要求メッセージを送信させ、
    　前記準リアルタイムＲＩＣから送信された前記第２の情報を受信させ、
    　前記第１の情報及び前記第２の情報を用いてＲＡＮを制御させる
    　ためのプログラム。
  16. 　Ｏｐｅｎ－Ｒａｄｉｏ　Ａｃｃｅｓｓ　Ｎｅｔｗｏｒｋ（Ｏ－ＲＡＮ）におけるＮｅａｒ－ＲｅａｌＴｉｍｅ　ＲＡＮ　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｃｏｎｔｒｏｌｌｅｒ（準リアルタイムＲＩＣ）として機能する処理装置が備えるコンピュータに、
    　非リアルタイムＲＩＣがＥ２ノードから受信可能な第１の情報と異なる第２の情報であって、前記準リアルタイムＲＩＣが前記Ｅ２ノードから収集した情報、又は、前記準リアルタイムＲＩＣが生成した情報を含み、前記非リアルタイムＲＩＣがＲＡＮの制御を行うために使用可能な前記第２の情報の提供を要求する要求メッセージを前記非リアルタイムＲＩＣから受信させ、
    　前記非リアルタイムＲＩＣへ、前記第２の情報を提供させる
    　ためのプログラム。
PCT/JP2024/032201 2023-09-25 2024-09-09 Ｏ－ｒａｎの設定及び運用を行う制御装置、処理装置、制御方法、処理方法及びプログラム Pending WO2025070017A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2023-161691 2023-09-25
JP2023161691A JP2025052789A (ja) 2023-09-25 2023-09-25 Ｏ－ｒａｎの設定及び運用を行う制御装置、処理装置、制御方法、処理方法及びプログラム

Publications (1)

Publication Number Publication Date
WO2025070017A1 true WO2025070017A1 (ja) 2025-04-03

Family

ID=95203274

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2024/032201 Pending WO2025070017A1 (ja) 2023-09-25 2024-09-09 Ｏ－ｒａｎの設定及び運用を行う制御装置、処理装置、制御方法、処理方法及びプログラム

Country Status (2)

Country Link
JP (1) JP2025052789A (ja)
WO (1) WO2025070017A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220116799A1 (en) * 2020-03-20 2022-04-14 Samsung Electronics Co., Ltd. Method and device for o-ran-based performance optimization and configuration
WO2024038554A1 (ja) * 2022-08-18 2024-02-22 日本電気株式会社 制御システム、制御装置、制御方法、及び非一時的なコンピュータ可読媒体
WO2024127559A1 (ja) * 2022-12-14 2024-06-20 日本電気株式会社 システム、装置、方法、及び非一時的なコンピュータ可読媒体

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220116799A1 (en) * 2020-03-20 2022-04-14 Samsung Electronics Co., Ltd. Method and device for o-ran-based performance optimization and configuration
WO2024038554A1 (ja) * 2022-08-18 2024-02-22 日本電気株式会社 制御システム、制御装置、制御方法、及び非一時的なコンピュータ可読媒体
WO2024127559A1 (ja) * 2022-12-14 2024-06-20 日本電気株式会社 システム、装置、方法、及び非一時的なコンピュータ可読媒体

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
KATSURAGAWA, TAICHI: "Technology Reports (features), Initiatives towards RAN intelligence", NTT TECHNICAL JOURNAL, DENKI TSUSHIN KYOKAI, TOKYO,, JP, vol. 30, no. 1, 30 April 2022 (2022-04-30), JP , pages 27 - 36, XP009562458, ISSN: 0915-2318 *

Also Published As

Publication number Publication date
JP2025052789A (ja) 2025-04-07

Similar Documents

Publication Publication Date Title
AU2021279510B2 (en) Network optimisation method, server, network side device, system, and storage medium
US9179363B2 (en) Systems and methods for determining a coupling characteristic in a radio communications network
CN110417565A (zh) 一种模型更新方法、装置及系统
CN102668622B (zh) 网络瓶颈管理
JP2013545409A (ja) ネットワーク管理
JP2014523159A (ja) デジタル・セルラー無線遠隔通信ネットワークにおける測定の実施
Chang et al. Decentralized deep reinforcement learning meets mobility load balancing
JP2014523159A5 (ja)
US20240267784A1 (en) Network capacity optimization method, apparatus, and system
WO2022118083A1 (en) Dynamic multi-access policy generation
Raftopoulos et al. Drl-based latency-aware network slicing in o-ran with time-varying slas
CN119155719B (zh) 一种实现公网对讲机与dmr对讲机通信的方法及系统
CN116887290A (zh) 一种用于机器学习模型训练的通信方法及装置
CN115866634B (zh) 一种网络性能异常分析方法、装置及可读存储介质
CN110062393A (zh) 一种网络差小区智能分析方法
CN114401531B (zh) 负载均衡方法、装置、系统和存储介质
Zhou et al. Drl-driven intelligent access traffic management for hybrid 5g-wifi multi-rat networks
WO2023224578A1 (en) Identifying mobile devices suitable for use in an artificial intelligence operation
WO2025070017A1 (ja) Ｏ－ｒａｎの設定及び運用を行う制御装置、処理装置、制御方法、処理方法及びプログラム
WO2025070018A1 (ja) Ｏ－ｒａｎの設定及び運用を行う制御装置、処理装置、制御方法、処理方法及びプログラム
WO2023042459A1 (ja) 効率的な負荷分散制御を実行するための制御方法、装置、及びプログラム
CN115299100A (zh) 基于ng-ran的主动性能计算
US12302129B2 (en) Method and apparatus for scalable ML-based frameworks for resource planning in enterprise networks
CN117812672A (zh) 网络能耗优化方法及基站
CN117580057B (zh) 分布式无线网络升级方法、系统、设备及介质

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 24871815

Country of ref document: EP

Kind code of ref document: A1