[go: up one dir, main page]

WO2025204094A1 - システム、方法及びプログラム - Google Patents

システム、方法及びプログラム

Info

Publication number
WO2025204094A1
WO2025204094A1 PCT/JP2025/002767 JP2025002767W WO2025204094A1 WO 2025204094 A1 WO2025204094 A1 WO 2025204094A1 JP 2025002767 W JP2025002767 W JP 2025002767W WO 2025204094 A1 WO2025204094 A1 WO 2025204094A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
terminals
terminal
selection unit
distance
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/JP2025/002767
Other languages
English (en)
French (fr)
Inventor
由明 西川
英士 高橋
健夫 大西
研次 川口
吉則 渡辺
瑠美 松村
克紀 伊達
勇貴 十河
雅之 上田
毅幸 近藤
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.)
NEC Corp
Original Assignee
NEC 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 NEC Corp filed Critical NEC Corp
Publication of WO2025204094A1 publication Critical patent/WO2025204094A1/ja
Pending legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/18—Network planning tools
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/08—Testing, supervising or monitoring using real traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports

Definitions

  • Patent Document 1 describes how an O-RAN (Open Radio Access Network) RIC (RAN Intelligent Controller) acquires reception quality information from terminals and controls the bandwidth used by base stations.
  • O-RAN Open Radio Access Network
  • RIC Radio Intelligent Controller
  • Patent Document 1 does not consider how to select the terminal from which data is to be acquired. As a result, for example, when acquiring data from an arbitrary terminal, there is a possibility that the desired data may not be acquired.
  • one of the objectives of this disclosure is to provide a system, method, and program that can acquire desired data.
  • a method involves acquiring first data related to communication quality from multiple terminals, calculating a similarity index between the first data of the multiple terminals, and selecting a terminal from which to acquire second data related to communication quality based on the similarity index.
  • a program according to one aspect of the present disclosure is a program for causing a computer to execute a process of acquiring first data related to communication quality from multiple terminals, calculating a similarity index between the first data of the multiple terminals, and selecting a terminal from which to acquire second data related to communication quality based on the similarity index.
  • This disclosure makes it possible to obtain desired data.
  • FIG. 1 is a diagram illustrating an example configuration of a system according to some embodiments.
  • FIG. 1 is a diagram illustrating an example of the configuration of an apparatus according to some embodiments.
  • 1 is a flowchart illustrating a method according to some embodiments.
  • FIG. 1 is a diagram illustrating an example configuration of a RAN system according to some embodiments.
  • FIG. 2 is a diagram illustrating an example configuration of each device in a RAN system according to some embodiments.
  • FIG. 2 is a diagram illustrating an example configuration of each device in a RAN system according to some embodiments.
  • 1 is a flowchart illustrating an example of operation in a RAN system according to some embodiments.
  • FIG. 1 illustrates an example distance matrix according to some embodiments.
  • FIG. 1 illustrates an example distance matrix according to some embodiments.
  • FIG. 10 illustrates an example of terminal selection according to some embodiments.
  • FIG. 10 illustrates an example of terminal selection according to some embodiments.
  • FIG. 10 illustrates an example of terminal selection according to some embodiments.
  • FIG. 10 illustrates an example of terminal selection according to some embodiments.
  • FIG. 2 is a diagram illustrating an example configuration of each device in a RAN system according to some embodiments.
  • 1 is a flowchart illustrating an example of operation in a RAN system according to some embodiments.
  • FIG. 1 illustrates an example distance matrix according to some embodiments. 1 is a flowchart illustrating an example of operation in a RAN system according to some embodiments.
  • FIG. 1 illustrates an example distance matrix according to some embodiments.
  • FIG. 1 illustrates an example distance matrix according to some embodiments.
  • FIG. 1 is a flowchart illustrating an example of operation in a RAN system according to some embodiments.
  • FIG. 1 is a block diagram showing an overview of computer hardware according to some embodiments.
  • the inventors have studied data collection in an O-RAN RIC as an example.
  • the RIC is merely an example, and the embodiments can be applied to other devices and systems that collect data from multiple terminals, as well as to other devices and systems that have similar issues.
  • the RIC can perform intelligent control by utilizing AI (Artificial Intelligence)/ML (Machine Learning).
  • AI Artificial Intelligence
  • ML Machine Learning
  • the RIC is equipped with an AI/ML-based learning-type wireless analysis function, and can identify the cause of communication quality degradation occurring in a wireless section based on the radio wave quality collected from the terminal.
  • One possible method for collecting communication quality and other information from all terminals in the RIC is to collect it.
  • collecting information from all terminals places a heavy load on the system. For example, if all terminals constantly measure and report radio wave quality, the load on the terminals will be heavy. Furthermore, if there are a large number of terminals, the processing load on the RIC and the load on the interfaces between devices will be heavy.
  • Another way to reduce the load is to limit the number of devices collecting data.
  • simply reducing the number of devices collecting data poses the problem of not being able to collect the desired data.
  • the overall communication quality of the wireless environment is required. Data from various locations is required to estimate the causes of degradation in communication quality that occur depending on the device's movement route or location.
  • the desired data can be collected while reducing the data collection load by appropriately selecting the terminal from which the data will be acquired.
  • the location information of a terminal it is also possible to use the location information of a terminal to acquire data from a terminal that is physically far away.
  • the desired data is collected without using the location information of the terminal.
  • FIG. 1 shows an example configuration of a system 10 according to some embodiments.
  • System 10 is, for example, a system that controls a wireless network such as a RAN, but may also be any other system that acquires data from terminals.
  • system 10 may include either or both a Near-RT RIC and a Non-RT RIC.
  • the system 10 includes an acquisition unit 11, a calculation unit 12, and a selection unit 13.
  • the acquisition unit 11 acquires first data related to communication quality from multiple terminals.
  • the communication quality may include wireless quality.
  • the wireless quality includes an index indicating the received power or radio wave strength of the radio waves, and may be, for example, RSRP (Reference Signal Received Power), RSRQ (Reference Signal Received Quality), RSSI (Received Signal Strength Indicator), SINR (Signal to Interference plus Noise power Ratio), etc.
  • the communication quality includes an index indicating the quality of the traffic, and may be, for example, throughput, delay time, etc.
  • the calculation unit 12 calculates a similarity index between the first data of the multiple terminals.
  • the calculation unit 12 calculates a similarity index between the first data acquired by the acquisition unit 11 for each combination of the multiple terminals.
  • the similarity index between the data is an index indicating the degree of similarity between the two data, and may be, for example, the distance, similarity, correlation, etc. between the data.
  • the selection unit 13 selects a terminal from which the acquisition unit 11 acquires second data related to communication quality based on the similarity index calculated by the calculation unit 12.
  • the first data and the second data are data acquired at different times.
  • the selection unit 13 may select, as a terminal from which to acquire the second data, a terminal whose first data is less similar than a terminal whose first data is more similar.
  • the acquisition unit 11 acquires the first data from terminals in a first group among multiple terminals
  • the selection unit 13 may select a first number (e.g., N) of terminals included in the first group as terminals to be excluded from acquiring the second data based on the similarity index between the first data, and select, as terminals from which to acquire the second data, terminals included in the first group excluding the selected first number of terminals and the first number of terminals included in the second group.
  • the second group is a collection of one or more terminals other than the first group.
  • the selection unit 13 may select a first number of terminals from the first group that have a higher degree of similarity between the first data as terminals to be excluded from obtaining the second data.
  • the selection unit 13 may select a specific target terminal as the terminal from which the second data will be acquired.
  • the target terminal is a terminal that the operator wishes to focus on.
  • the system 10 may include a designation unit that designates a target terminal from multiple terminals.
  • the selection unit 13 may select a terminal from which the second data will be acquired based on a similarity index between the first data acquired from the target terminal and the first data acquired from another terminal. In this case, the selection unit 13 may select a terminal from which the degree of similarity between the target terminal and the first data is higher than a predetermined value.
  • the selection unit 13 may also select a terminal from which the second data will be acquired based on a policy for selecting a terminal from which the second data will be acquired.
  • Figure 2 shows an example configuration of a device 20 according to some embodiments.
  • the device 20 includes the acquisition unit 11, calculation unit 12, and selection unit 13 shown in Figure 1.
  • some or all of the acquisition unit 11, calculation unit 12, and selection unit 13 may be located in either the Near-RT RIC or Non-RT RIC, or in other devices.
  • O-CU400 is a logical node that provides the base station's radio resource control functions and data processing functions above Layer 2.
  • O-CU400 accommodates O-DU300 and performs data transmission and reception via the accommodated O-DU300, QoS (Quality of Service) control, cell/UE management, handover control, and protocol processing such as PDCP (Packet Data Convergence Protocol), SDAP (Service Data Adaptation Protocol), and RRC (Radio Resource Control) required between O-DU300 and the core network.
  • PDCP Packet Data Convergence Protocol
  • SDAP Service Data Adaptation Protocol
  • RRC Radio Resource Control
  • the Near-RT RIC 100 performs control based on wireless quality data in accordance with a control policy obtained from the Non-RT RIC 200 via the A1 interface.
  • the control policy is a policy related to RAN control, such as the A1 policy.
  • the A1 policy is guidance for RAN optimization defined over the A1 interface.
  • the Near-RT RIC 100 is located in the same location as either or both of the O-DU 300 and O-CU 400, or in a location close to either or both of the O-DU 300 and O-CU 400.
  • the Near-RT RIC 100 may be implemented in the same edge virtual machine as either or both of the O-DU 300 and O-CU 400.
  • the Near-RT RIC 100 includes a data collection unit 110, a data accumulation unit 120, a distance calculation unit 130, a terminal selection unit 140, and a data transmission unit 150.
  • the data collection unit 110 collects wireless quality data from either or both of the O-DU 300 and the O-CU 400 via the E2 interface.
  • the data collection unit 110 instructs either or both of the O-DU 300 and the O-CU 400 to acquire data for the terminal 600 selected by the terminal selection unit 140, and collects the data for the specified terminal 600.
  • the data accumulation unit 120 is a database that accumulates the wireless quality data collected by the data collection unit 110.
  • the data accumulation unit 120 accumulates the wireless quality data acquired from each terminal 600 as time-series data.
  • the data collection unit 110 may also output the received wireless quality data to the distance calculation unit 130 or the data transmission unit 150.
  • the distance calculation unit 130 calculates the distance between the wireless quality data for each terminal 600 collected by the data collection unit 110.
  • the distance between data is one example of an index that indicates the degree of similarity between two pieces of data, and other indexes may also be calculated. It is not limited to the distance between the terminals that transmitted the data, but the similarity or cross-correlation between the data may also be calculated.
  • the distance calculation unit 130 calculates the distance between the time-series data of wireless quality for each terminal 600 stored in the data storage unit 120.
  • the distance calculation unit 130 calculates the distance between the time-series data for all combinations of terminals 600 that have acquired data.
  • the distance between the data may be Euclidean distance, sum of squared errors, Mahalanobis distance, or a distance using the center of gravity of the data.
  • the distance may be calculated using the data as is, or may be calculated using values transformed using Fourier transform or support vectors.
  • the terminal selection unit 140 selects the terminal 600 from which the data collection unit 110 will acquire data based on the distance between the data calculated by the distance calculation unit 130.
  • the terminal selection unit 140 compares the calculated time-series data of wireless quality for all combinations of terminals 600, and selects the terminal 600 from which to acquire data based on the comparison results.
  • terminals 600 With data with a large distance between them and excluding terminals 600 with data with a close distance between them and selecting other terminals 600 as data acquisition targets, it is possible to acquire data from terminals 600 with different environments, such as locations and directions of movement.
  • the data transmission unit 150 transmits the wireless quality data for each terminal 600 collected by the data collection unit 110 to the Non-RT RIC 200 via the O1 interface. That is, the data transmission unit 150 transmits the time-series data of the wireless quality data for each terminal stored in the data storage unit 120 to the Non-RT RIC 200.
  • the data transmission unit 150 may also transmit the wireless quality data to the Non-RT RIC 200 via the A1 interface. For example, the data transmission unit 150 may transmit the specified data at the specified timing in accordance with instructions from the Non-RT RIC 200.
  • the Non-RT RIC 200 includes a data receiving unit 210 and a factor estimation learning/inference unit 220.
  • the data receiving unit 210 receives time-series data on wireless quality for each terminal transmitted from the Near-RT RIC 100 via the O1 interface.
  • the data receiving unit 210 may instruct the Near-RT RIC 100 on the data to be collected and the period.
  • the data receiving unit 210 may also obtain wireless quality data from the Near-RT RIC 100 via the A1 interface.
  • the data receiving unit 210 may also collect data from either or both the O-DU 300 and the O-CU 400 via the O1 interface as necessary.
  • Degradation of communication quality due to obstruction is caused by the presence of a physical obstacle between the transmission source and the terminal that obstructs radio waves (i.e., prevents radio waves from propagating). Other factors that can degrade communication quality include interference, congestion, and handover. Degradation of communication quality due to interference is caused by radio waves from multiple transmission sources interfering with each other. Degradation of communication quality due to congestion occurs when sufficient radio resources are not allocated to a terminal. Degradation of communication quality due to handover occurs when a terminal located near the cell boundary between two adjacent base stations repeatedly handovers between those two base stations.
  • the factor estimation learning/inference unit 220 uses a degradation factor estimation model to estimate the factors that cause degradation of communication quality from wireless quality data.
  • the degradation factor estimation model is a learning model that uses machine learning to identify factors that cause degradation of communication quality according to time-series data of wireless quality.
  • the learning model may be a convolutional neural network (CNN), a recurrent neural network (RNN), a long-short term model (LSTM), or other neural networks.
  • the learning model is not limited to neural networks, and may be other machine learning models.
  • the factor estimation learning/inference unit 220 transmits the analyzed wireless quality data and the inferred factors that cause degradation of communication quality to the external server 500 via any interface.
  • the factor estimation learning/inference unit 220 may also transmit the inferred factors that cause degradation of communication quality to the Near-RT RIC 100, and the Near-RT RIC 100 may control the RAN based on the factors that cause degradation of communication quality.
  • distance calculation processing and terminal selection processing are performed in the Near-RT RIC 100, which allows for more real-time processing than the Non-RT RIC 200 and also reduces the load on the O1 interface between the Near-RT RIC 100 and Non-RT RIC 200.
  • distance calculation processing and terminal selection processing are performed in the Non-RT RIC 200, which reduces the load on the Near-RT RIC 100 and also allows for non-real-time processing when distance calculation processing and terminal selection processing do not need to be performed in real time.
  • Figure 7 shows an example of operation in a RAN system 1 according to some embodiments. All or part of the processes in Figure 7 may be performed by the respective components of the Near-RT RIC 100 shown in Figure 5, or by the respective components of the Non-RT RIC 200 shown in Figure 6.
  • the terminal selection unit 140 selects M arbitrary terminals 600 (S101).
  • the M terminals 600 are terminals in the first group.
  • M is the upper limit of the number of terminals 600 from which data is collected.
  • M may be the number of terminals allowable by the E2 interface or O1 interface, or may be the number of terminals based on the processing capabilities of the Near-RT RIC 100 or Non-RT RIC 200.
  • the terminal selection unit 140 randomly selects M terminals 600 from all terminals 600 from which data can be acquired.
  • the terminal selection unit 140 may select M terminals 600, or a portion of the M terminals 600, in accordance with external input from an operator, etc.
  • the terminal selection unit 140 may receive a selection of terminals 600 from the external server 500.
  • the data collection unit 110 acquires time-series data (S102).
  • the data collection unit 110 acquires wireless quality data from the selected M terminals 600.
  • the data collection unit 110 specifies M terminals 600 for either or both of the O-DU 300 and the O-CU 400 via the E2 interface, and acquires wireless quality data from the specified terminals 600.
  • the data accumulation unit 120 accumulates the wireless quality data of the M terminals 600 acquired by the data collection unit 110 as time-series data for each terminal 600.
  • the distance calculation unit 130 calculates the distance between the time series data of the terminals 600 (S103).
  • the distance calculation unit 130 calculates the distance between the data for all combinations of terminals 600 that have acquired time series data.
  • Figure 8 shows a distance matrix containing the distances between data for all combinations of terminals 600.
  • the distances for all combinations can be expressed as an M x M distance matrix.
  • the distance calculation unit 130 calculates the distance between the data of that terminal 600 and the data of the M terminals 600.
  • the terminals 600 included in the M terminals 600 may be referred to as terminal 1 through terminal M.
  • the distance calculation unit 130 calculates the distances d(1,1) through d(1,M) between the data of terminal 1 and each of the data of terminals 1 through M as the distance for terminal 1; calculates the distances d(2,1) through d(2,M) between the data of terminal 2 and each of the data of terminals 1 through M as the distance for terminal 2; ...and calculates the distances d(M,1) through d(M,M) between the data of terminal M and each of the data of terminals 1 through M as the distance for terminal M.
  • the terminal selection unit 140 selects N terminals 600 from the M terminals 600 based on the calculated distance between the data, and excludes the selected N terminals 600 from the terminals 600 that will next acquire data (S104).
  • the terminal selection unit 140 selects N terminals 600 in descending order of distance between data to be excluded from the next collection, starting with the terminal 600 with the closest distance between data.
  • the terminal selection unit 140 selects M-N terminals 600, excluding the N terminals 600 with the closest distance between data from the M terminals 600 in the first group, as the terminals 600 that will next acquire data.
  • Figures 9 to 12 show examples of selecting N terminals 600 from M in descending order of distance.
  • Figure 9 shows an example of selecting N out of M terminals 600 based on the average distance between data for each terminal 600. Note that other statistical values, such as the median, may be calculated instead of the average.
  • the terminal selection unit 140 calculates the average distance for each terminal 600 from each distance in the M x M distance matrix for all combinations of terminals 600.
  • the terminal selection unit 140 calculates the average dave(d_1) of the distances d(1,1) to d(1,M) between the data of terminal 1 and the data of terminals 1 to M as the average distance for terminal 1; calculates the average dave(d_2) of the distances d(2,1) to d(2,M) between the data of terminal 2 and the data of terminals 1 to M as the average distance for terminal 2; ...and calculates the average dave(d_M) of the distances d(M,1) to d(M,M) between the data of terminal M and the data of terminals 1 to M as the average distance for terminal M.
  • the terminal selection unit 140 sorts the calculated average dave (d_1) to (d_M) in ascending order, selects the N lowest averages, and sets these selected N terminals 600 as the terminals 600 to be excluded from the next collection.
  • FIG. 10 shows an example of selecting N out of M terminals 600 based on distance points corresponding to the distance between data for each terminal 600.
  • the points are an example of converted values obtained by converting distances based on a predetermined criterion.
  • the terminal selection unit 140 converts each distance in the M ⁇ M distance matrix for all combinations of terminals 600 into a distance point. For example, the distance may be compared with a predetermined threshold, and if the distance is closer than the threshold, the distance point may be set to "0", and if the distance is farther than the threshold, the distance point may be set to "1".
  • the terminal selection unit 140 generates an M ⁇ M distance point matrix as shown in FIG. 10 based on the M ⁇ M distance matrix of FIG. 8.
  • the terminal selection unit 140 converts the distances d(1,1) to d(M,M) in the M ⁇ M distance matrix into distance points dp(1,1) to dp(M,M) based on the threshold.
  • the terminal selection unit 140 calculates the sum of the distance points for each terminal 600 from each distance point in the M x M distance point matrix for all combinations of terminals 600. For example, based on the M x M distance point matrix in Figure 10, the terminal selection unit 140 calculates the sum dpsum (dp_1) of the distance points dp(1,1) to dp(1,M) between terminal 1 and terminals 1 to M as the sum of the distance points for terminal 1, calculates the sum dpsum (dp_2) of the distance points dp(2,1) to dp(2,M) between terminal 2 and terminals 2 to M as the sum of the distance points for terminal 2, ...
  • the terminal selection unit 140 sorts the calculated distance point totals dpsum (dp_1) to (dp_M) in ascending order, selects the N lowest-ranked terminals 600, and sets these selected N terminals 600 as terminals 600 to be excluded from the next collection.
  • the terminal selection unit 140 selects N new terminals 600 (S105).
  • the terminal selection unit 140 selects N new terminals 600 to replace the excluded N terminals 600. That is, the terminal selection unit 140 selects N new terminals 600, for example randomly, from among the terminals 600 excluding the M terminals 600 from which data was previously obtained, and sets these as the targets for the next data collection.
  • the terminals 600 excluding the M terminals 600 from which data was previously obtained are the terminals 600 of the second group.
  • the terminal selection unit 140 selects N terminals 600 from the second group of terminals 600, in addition to the M-N terminals 600, as the terminals 600 from which data will be next obtained.
  • FIG. 13 shows an example configuration of each device in a RAN system 1 according to several embodiments. Note that FIG. 13 shows an example in which this embodiment is applied to the example configuration of FIG. 6, but this embodiment may also be applied to the example configuration of FIG. 5.
  • the external server 500 has a target terminal input unit 510. Furthermore, the non-RT RIC 200 has a terminal designation unit 230. The rest of the configuration is the same as in Figure 6.
  • the attention terminal input unit 510 accepts input of attention terminals from the operator.
  • the attention terminal is a terminal 600 that the operator wants to focus on among all terminals 600.
  • an attention terminal may be a terminal 600 that is more important than the other terminals 600, or a newly introduced terminal 600.
  • the attention terminal input unit 510 transmits the input information of the attention terminal to the Non-RT RIC 200 via an arbitrary interface.
  • the terminal designation unit 230 receives the information of the attention terminal from the attention terminal input unit 510 via an arbitrary interface, and designates the attention terminal to the terminal selection unit 140.
  • FIG. 14 shows an example of operation in a RAN system 1 according to some embodiments. Compared to FIG. 7, S201 and S202 are different in FIG. 14, but the rest is the same as FIG. 7.
  • the terminal designation unit 230 designates a terminal of interest (S201). For example, when an operator inputs a terminal of interest into the external server 500, the terminal of interest input unit 510 transmits information indicating the input terminal of interest to the terminal designation unit 230 of the Non-RT RIC 200. For example, the operator may select a terminal of interest from among multiple terminals 600 via a GUI (Graphical User Interface), etc. The terminal of interest input unit 510 may automatically select a newly added terminal 600, etc. as a terminal of interest from the list of terminals 600. The terminal designation unit 230 receives information indicating the terminal of interest from the terminal of interest input unit 510, and designates the terminal of interest to the terminal selection unit 140 based on the received information indicating the terminal of interest.
  • GUI Graphic User Interface
  • the terminal selection unit 140 selects N terminals 600 other than the target terminal from among the M terminals 600 based on the calculated distance between the data, and excludes the selected N terminals 600 from the terminals 600 from which data will be acquired next (S202).
  • Figure 15 shows an example of a distance matrix excluding the target terminal.
  • the terminal selection unit 140 When a target terminal is specified, the terminal selection unit 140 generates a distance matrix excluding the specified target terminal from the M x M distance matrix of Figure 8. For example, if the target terminal is one of M terminals 600, the terminal selection unit 140 generates an M-1 x M-1 distance matrix as shown in Figure 15. Note that the number of target terminals is not limited to one, and may be any number.
  • the terminal selection unit 140 selects N terminals 600 with the shortest distance between data as terminals 600 to be excluded from the next collection. The method of selecting the N terminals 600 is the same as in embodiment 2. Thereafter, in S105, as in embodiment 2, new N terminals 600 from which data will be collected next are selected, and S102 and subsequent steps are repeated.
  • FIG. 16 shows an example of operation in a RAN system 1 according to some embodiments. Compared to FIG. 14, S301 and S302 are different in FIG. 16, but the rest is the same as FIG. 14.
  • the terminal designation unit 230 designates a target terminal and a policy (S301). For example, when an operator inputs a target terminal and a policy to the external server 500, the target terminal input unit 510 transmits information indicating the input target terminal and policy to the terminal designation unit 230 of the Non-RT RIC 200.
  • the policy is a selection policy for selecting a terminal 600 based on the target terminal.
  • the policy may be a policy that concentrates on selecting terminals close to the target terminal, such as "focus on the area around the target terminal.” Terminals around the target terminal are terminals that have data that is close to the data of the target terminal.
  • the policy may also be a policy that indicates the proportion of terminals 600 close to the target terminal and the proportion of terminals 600 far from the target terminal, such as "70% target terminal, 30% overall.”
  • the target terminal input unit 510 may automatically select a policy depending on the target terminal. For example, if a newly added terminal 600 is designated as the target terminal, "focus on the area around the target terminal" may be selected as the policy.
  • the terminal designation unit 230 receives information indicating the target terminal and policy from the target terminal input unit 510, and designates the target terminal and policy to the terminal selection unit 140 based on the received information indicating the target terminal and policy.
  • the terminal selection unit 140 selects N terminals 600 from the M based on the calculated distance between the data in accordance with the specified target terminal and policy, and excludes the selected N terminals 600 from the terminals 600 from which data will be acquired next (S302).
  • Figure 17 shows an example of a distance matrix when "Focus on the area around the terminal of interest" is specified as the policy.
  • the terminal selection unit 140 When “Focus on the area around the terminal of interest” is specified as the policy, the terminal selection unit 140 generates a distance matrix including the distances of the terminals 600 around the terminal of interest from the M x M distance matrix of Figure 8. For example, based on each distance in the M x M distance matrix of Figure 8, terminals 600 within a predetermined distance range from the terminal of interest are extracted. Furthermore, the terminal selection unit 140 generates a distance matrix indicating the distances between the extracted terminals 600 around the terminal of interest and terminals 600 other than the terminals around the terminal of interest.
  • the terminal selection unit 140 selects N terminals 600 with the closest distance between their data as terminals 600 to be excluded from the next collection, based on a distance matrix indicating the distances between terminals 600 around the target terminal and terminals 600 other than those around the target terminal, as shown in FIG. 17. In this case, the terminals 600 closest to the terminals 600 around the target terminal are selected.
  • the method of selecting the N terminals 600 is the same as in embodiment 2.
  • Figure 18 shows an example of a distance matrix when "70% of the terminals are of interest, 30% are overall" is specified as the policy.
  • the terminal selection unit 140 When “70% of the terminals are of interest, 30% are overall" is specified as the policy, the terminal selection unit 140 generates a distance matrix from the M x M distance matrix of Figure 8 that includes the distances of 70% of the terminals 600 closest to the terminal of interest. 70% is 70% of the M - N terminals. For example, based on each distance in the M x M distance matrix of Figure 8, the terminals 600 that make up 70% of the M - N terminals are extracted, starting from those closest to the terminal of interest.
  • the terminal selection unit 140 generates a distance matrix that indicates the distances between the extracted 70% of the terminals 600 closest to the terminal of interest and the terminals 600 other than the 70% closest to the terminal of interest.
  • a distance matrix that indicates the distances between the extracted 70% of the terminals 600 closest to the terminal of interest and the terminals 600 other than the 70% closest to the terminal of interest.
  • 70% of the terminals closest to the terminal of interest out of the M - N terminals are designated as terminal A
  • y terminals A are extracted
  • the remaining terminals out of the M - N terminals are designated as terminal B
  • z terminals B are extracted.
  • z is M - N - y terminals.
  • the distance matrix is y x z, including the distances between y terminals A (70%) closest to the target terminal and the remaining z terminals B.
  • the terminal selection unit 140 selects N terminals 600 with the closest distance between their data as terminals 600 to be excluded from the next collection, based on the distance matrix showing the distances between the 70% of terminals 600 closest to the target terminal and the other 70% of terminals 600 closest to the target terminal, as shown in FIG. 18. In this case, the terminals 600 closest to the 70% of terminals 600 closest to the target terminal are selected.
  • the method for selecting N terminals is the same as in embodiment 2.
  • the terminal selection unit 140 determines whether the number of designated target terminals is equal to or greater than a predetermined value (S401).
  • the predetermined value used to determine the number of target terminals may be a value based on the capacity of the E2 interface or O1 interface. For example, if the number of target terminals is less than the predetermined value, the terminal selection unit 140 selects N terminals 600 other than the target terminal from the M terminals, as in embodiment 3, and excludes the selected N terminals 600 from the terminals 600 from which data will be obtained next (S202).
  • the terminal selection unit 140 groups the specified multiple target terminals by distance (S402). Based on the distance between the data of the target terminals, the terminal selection unit 140 classifies target terminals whose distances are within a predetermined range into the same group.
  • the terminal selection unit 140 leaves one group representative terminal in each group, selects N terminals 600 other than the target terminal from the M terminals, and excludes the selected N terminals 600 from the terminals 600 from which data will be acquired next (S403).
  • the terminal selection unit 140 leaves one group representative terminal in each group and excludes the other target terminals. In other words, it removes target terminals that are close in distance from each group.
  • the group representative terminal may be any terminal within the group. For example, a terminal with a median or average distance within the group may be selected as the representative. Note that the number of target terminals is only required to be less than a predetermined value, so there may be more than one group representative terminal.
  • the terminal selection unit 140 selects the N closest terminals 600 from among those excluding the designated target terminal as terminals 600 to be excluded from the next collection. Thereafter, in S105, as in embodiment 2, new N terminals 600 from which data will be collected next are selected, and S102 and subsequent steps are repeated.
  • each component in the above-described embodiments may be configured with hardware or software, or both, and may be configured with a single piece of hardware or software, or may be configured with multiple pieces of hardware or software.
  • the functions (processing) of each device may be implemented by a computer 30 having a network interface 31, a processor 32 such as a CPU (Central Processing Unit), and memory 33, which is a storage device, as shown in FIG. 20.
  • the network interface 31 may include a network interface card (NIC) for communicating with devices including network nodes.
  • NIC network interface card
  • a program for performing the method in the embodiment may be stored in memory 33, and each function may be implemented by having the processor 32 execute the program stored in memory 33.
  • (Appendix 1) an acquisition unit that acquires first data related to communication quality from a plurality of terminals; a calculation unit that calculates a similarity index between the first data of the plurality of terminals; a selection unit that selects a terminal from which second data related to communication quality is to be acquired based on the similarity index;
  • a system comprising: (Appendix 2) the selection unit selects a terminal having a lower degree of similarity of the first data than a terminal having a higher degree of similarity of the first data according to the similarity index. 2.
  • the acquisition unit acquires the first data from terminals in a first group among the plurality of terminals; the selection unit selects, based on the similarity index, a first number of terminals from among the terminals included in the first group as terminals to be excluded from targets for acquiring the second data, and selects, as target terminals for acquiring the second data, terminals from among the terminals included in the first group excluding the selected first number of terminals and the first number of terminals included in the second group.
  • the selection unit selects, as terminals to be excluded from acquiring the second data, the first number of terminals from among the terminals included in the first group in order of a degree of similarity between the first data. 4.
  • the selection unit calculates, for each of the terminals, a statistical value of the similarity index between the first data of the terminal and the first data of another terminal, and selects a terminal from which to acquire the second data based on the statistical value for each of the terminals.
  • the system of claim 1 or 2. the selection unit converts the similarity index into a value based on a predetermined criterion, and selects a terminal from which to acquire the second data based on the converted value. 3.
  • the selection unit ranks the similarity indexes for each of the terminals or for each of the other terminals in combinations of the similarity indexes between the first data of the terminal and the first data of the other terminals, and selects a terminal from which to acquire the second data based on the rankings.
  • the system of claim 1 or 2. (Appendix 8) a designation unit for designating a target terminal from the plurality of terminals; The selection unit selects the target terminal as a terminal from which the second data is to be acquired. 3. The system of claim 1 or 2. (Appendix 9) the selection unit selects a terminal from which to acquire the second data based on the similarity index between the first data acquired from the target terminal and the first data acquired from another terminal. 9. The system of claim 8.
  • the selection unit selects a terminal having a degree of similarity between the target terminal and the first data that is higher than a predetermined value according to the similarity index. 10.
  • the system of claim 9. (Appendix 11) When the number of the target terminals is greater than a predetermined number, the selection unit selects a terminal from which to acquire the second data based on a result of grouping the target terminals according to the similarity index. 9. The system of claim 8.
  • the designation unit designates a policy for selecting a terminal from which the second data is to be acquired based on the target terminal; the selection unit selects a terminal from which to acquire the second data based on the similarity index between the first data acquired from the target terminal and the first data acquired from another terminal in accordance with the policy.
  • the policy includes selecting a terminal having a degree of similarity between the target terminal and the first data that is higher than a predetermined value; 13.
  • the policy includes a percentage of terminals having a degree of similarity between the target terminal and the first data higher than a predetermined value, and a percentage of other terminals; 13.
  • (Appendix 17) acquiring first data relating to communication quality from a plurality of terminals; Calculating a similarity index between the first data of the plurality of terminals; selecting a terminal from which second data on communication quality is to be acquired based on the similarity index; A program that causes a computer to execute a process.
  • Supplements 2 to 14 may also be dependent on Supplement 15 (Apparatus), Supplement 16 (Method), and Supplement 17 (Program) in the same dependency relationship as Supplements 2 to 14.
  • Supplement 15 Apparatus
  • Supplement 16 Method
  • Supplement 17 Program

Landscapes

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

Abstract

所望のデータを取得することが可能なシステム、方法及びプログラムを提供する。システムは、取得部と、算出部と、選択部と、を備えている。システムの取得部は、複数の端末から、通信品質に関する第１のデータを取得する。システムの算出部は、取得部が取得したデータに基づいて、複数の端末第１のデータ間の類似指標を算出する。システムの選択部は、算出部が算出した類似指標に基づいて、取得部が通信品質に関する第２のデータを取得する端末を選択する。

Description

システム、方法及びプログラム
　本開示は、システム、方法及びプログラムに関する。
　複数の端末からデータを取得し、取得したデータに基づいて監視や制御等を行う技術が知られている。例えば、特許文献１には、Ｏ－ＲＡＮ（Open Radio Access Network）　ＲＩＣ（RAN Intelligent Controller）において、端末から受信品質情報を取得し、基地局の使用帯域を制御することが記載されている。
特開２０２３－１１０５４２号公報
　しかしながら、特許文献１などの関連する技術では、データを取得する端末をどのように選択するのか検討されていない。このため、例えば任意の端末からデータを取得する場合、所望のデータを取得できない可能性がある。
　本開示は、このような課題に鑑み、所望のデータを取得することが可能なシステム、方法及びプログラムを提供することを目的の一つとする。
　本開示の一態様に係るシステムは、複数の端末から、通信品質に関する第１のデータを取得する取得部と、前記複数の端末の前記第１のデータ間の類似指標を算出する算出部と、前記類似指標に基づいて、通信品質に関する第２のデータを取得する端末を選択する選択部と、を備えるものである。
　本開示の一態様に係る方法は、複数の端末から、通信品質に関する第１のデータを取得し、前記複数の端末の前記第１のデータ間の類似指標を算出し、前記類似指標に基づいて、通信品質に関する第２のデータを取得する端末を選択するものである。
　本開示の一態様に係るプログラムは、複数の端末から、通信品質に関する第１のデータを取得し、前記複数の端末の前記第１のデータ間の類似指標を算出し、前記類似指標に基づいて、通信品質に関する第２のデータを取得する端末を選択する、処理をコンピュータに実行させるためのプログラムである。
　本開示によれば、所望のデータを取得することができる。
いくつかの実施の形態に係るシステムの構成例を示す構成図である。 いくつかの実施の形態に係る装置の構成例を示す構成図である。 いくつかの実施の形態に係る方法を示すフローチャートである。 いくつかの実施の形態に係るＲＡＮシステムの構成例を示す構成図である。 いくつかの実施の形態に係るＲＡＮシステムにおける各装置の構成例を示す構成図である。 いくつかの実施の形態に係るＲＡＮシステムにおける各装置の構成例を示す構成図である。 いくつかの実施の形態に係るＲＡＮシステムにおける動作例を示すフローチャートである。 いくつかの実施の形態に係る距離行列の例を示す図である。 いくつかの実施の形態に係る端末の選択例を示す図である。 いくつかの実施の形態に係る端末の選択例を示す図である。 いくつかの実施の形態に係る端末の選択例を示す図である。 いくつかの実施の形態に係る端末の選択例を示す図である。 いくつかの実施の形態に係るＲＡＮシステムにおける各装置の構成例を示す構成図である。 いくつかの実施の形態に係るＲＡＮシステムにおける動作例を示すフローチャートである。 いくつかの実施の形態に係る距離行列の例を示す図である。 いくつかの実施の形態に係るＲＡＮシステムにおける動作例を示すフローチャートである。 いくつかの実施の形態に係る距離行列の例を示す図である。 いくつかの実施の形態に係る距離行列の例を示す図である。 いくつかの実施の形態に係るＲＡＮシステムにおける動作例を示すフローチャートである。 いくつかの実施の形態に係るコンピュータのハードウェアの概要を示す構成図である。
　以下、図面を参照して実施の形態について説明する。各図面においては、同一の要素には同一の符号が付されており、必要に応じて重複説明は省略される。
（実施の形態に至る検討）
　発明者は、一例として、Ｏ－ＲＡＮ　ＲＩＣにおけるデータ収集について検討した。なお、ＲＩＣは一例であり、ＲＩＣに限らず、複数の端末からデータを収集するその他の装置やシステムにおいても、同様の課題を有し、実施の形態を適用できる。ＲＩＣでは、ＡＩ（Artificial Intelligence）／ＭＬ（Machine Learning）を活用してインテリジェントな制御を行うことが可能である。例えば、ＲＩＣは、ＡＩ／ＭＬベースの学習型無線分析機能を搭載し、端末から収集する電波品質に基づいて、無線区間で発生する通信品質劣化の原因を特定することができる。
　ＲＩＣにおいて、全ての端末から通信品質等を収集する方法が考えられる。しかし、全ての端末から情報を収集すると、システムの負荷が大きいという問題がある。例えば、全ての端末が常に電波品質を測定し報告すると、端末にかかる負荷が大きい。また、端末数が多いと、ＲＩＣにおける処理の負荷や、装置間のインタフェースの負荷が大きい。
　また、負荷を低減するために、データを収集する端末の数を制限する方法が考えられる。しかし、単純にデータを収集する端末を減らすと、所望のデータを収集することができないという問題がある。例えば、通信品質の劣化要因を特定するためには、無線環境の全体の通信品質が必要である。端末の移動経路や場所によって発生する通信品質の劣化要因を推定するために、様々な場所におけるデータが必要である。また、オペレータが無線環境の全体を監視したい場合や、ネットワーク再設計のために無線環境の全体を俯瞰したデータが必要な場合もある。このため、端末の数を制限し、例えば特定の端末や任意の端末からデータを取得すると、データに偏りが生じ、所望のデータを収集することができない。
　そこで、以下の実施の形態では、データを取得する端末を適切に選択することで、データ収集の負荷を抑えつつ、所望のデータを収集することを可能とする。
　なお、端末の位置情報を用いて、物理的位置が離れた端末からデータを取得する方法も考えられる。しかし、全ての端末が位置情報取得機能を有していない場合や、屋内などで正確に位置情報を取得できない場合がある。例えば、実施の形態では、端末の位置情報を使用することなく、所望のデータを収集する。
（実施の形態１）
　まず、実施の形態１について説明する。本実施の形態では、いくつかの実施の形態の概要を説明する。
　図１は、いくつかの実施の形態に係るシステム１０の構成例を示している。システム１０は、例えば、ＲＡＮなどの無線ネットワークを制御するシステムであるが、端末からデータを取得するその他のシステムでもよい。例えば、システム１０は、Ｎｅａｒ－ＲＴ　ＲＩＣとＮｏｎ－ＲＴ　ＲＩＣのいずれか、または、両方を含んでもよい。
　図１の例では、システム１０は、取得部１１、算出部１２、選択部１３を備えている。取得部１１は、複数の端末から、通信品質に関する第１のデータを取得する。例えば、通信品質は、無線品質を含んでもよい。無線品質は、電波の受信電力または電波強度を示す指標を含み、例えば、ＲＳＲＰ（Reference Signal Received Power）、ＲＳＲＱ（Reference Signal Received Quality）、ＲＳＳＩ（Received Signal Strength Indicator）、ＳＩＮＲ（Signal to Interference plus Noise power Ratio）等でもよい。通信品質は、トラフィックの品質を示す指標を含み、例えば、スループットや遅延時間等でもよい。
　算出部１２は、複数の端末の第１のデータ間の類似指標を算出する。算出部１２は、複数の端末の組み合わせごとに、取得部１１が取得した第１のデータ間の類似指標を算出する。データ間の類似指標は、２つのデータの似ている度合いを示す指標であり、例えば、データ間の距離、類似度、相関等でもよい。
　選択部１３は、算出部１２が算出した類似指標に基づいて、取得部１１が通信品質に関する第２のデータを取得する端末を選択する。第１のデータと第２のデータは、異なるタイミングで取得されるデータである。選択部１３は、第２のデータを取得する端末として、第１のデータの似ている度合いが高い端末よりも、第１のデータの似ている度合いが低い端末を選択してもよい。例えば、取得部１１は、複数の端末のうち第１のグループの端末から第１のデータを取得し、選択部１３は、第１のデータ間の類似指標に基づいて、第２のデータを取得する対象から除外する端末として、第１のグループに含まれる端末のうち第１の数（例えばＮ個）の端末を選択し、第２のデータを取得する対象の端末として、第１のグループに含まれる端末のうち選択された第１の数の端末を除いた端末と、第２のグループに含まれる第１の数の端末とを選択してもよい。第２のグループは、第１のグループ以外の１以上の端末の集合である。この場合、選択部１３は、第２のデータを取得する対象から除外する端末として、第１のグループに含まれる端末のうち第１のデータ間の似ている度合いが高い方から第１の数の端末を選択してもよい。
　選択部１３は、特定の注目端末を、第２のデータを取得する端末として選択してもよい。注目端末はオペレータが注目したい端末である。システム１０は、複数の端末から注目端末を指定する指定部を備えてもよい。選択部１３は、注目端末から取得した第１のデータと他の端末から取得した第１のデータとの間の類似指標に基づいて、第２のデータを取得する端末を選択してもよい。この場合、選択部１３は、注目端末と第１のデータの似ている度合いが所定よりも高い端末を選択してもよい。また、選択部１３は、第２のデータを取得する端末を選択するポリシーに基づいて、第２のデータを取得する端末を選択してもよい。例えば、ポリシーは、注目端末にフォーカスすること、すなわち、注目端末と第１のデータの似ている度合いが所定よりも高い端末を選択することを含んでもよい。ポリシーは、注目端末と第１のデータの似ている度合いが所定よりも高い端末の割り合いと、他の端末の割り合いを含んでもよい。
　なお、システム１０は、１つの装置により構成されてもよいし、複数の装置により構成されてもよい。図２は、いくつかの実施の形態に係る装置２０の構成例を示している。図２の例では、装置２０は、図１に示した、取得部１１、算出部１２、選択部１３を備えている。例えば、取得部１１、算出部１２、選択部１３の一部または全てを、Ｎｅａｒ－ＲＴ　ＲＩＣとＮｏｎ－ＲＴ　ＲＩＣのいずれか、あるいはその他の装置に配置してもよい。
　図３は、いくつかの実施の形態に係る方法を示している。例えば、図３の方法は、図１のシステム１０や図２の装置２０により実行される。
　図３の例では、取得部１１は、複数の端末から、通信品質に関する第１のデータを取得する（Ｓ１１）。次に、算出部１２は、複数の端末の第１のデータ間の類似指標を算出する（Ｓ１２）。例えば、算出部１２は、取得した端末の第１のデータ間の距離、類似度、相関等を算出してもよい。次に、選択部１３は、類似指標に基づいて、通信品質に関する第２のデータを取得する端末を選択する（Ｓ１３）。例えば、選択部１３は、第２のデータを取得する端末として、第１のデータ間の距離が遠い端末、類似度が低い端末、あるいは、相関が低い端末を選択してもよい。その後、Ｓ１１で選択された端末のデータを取得し、Ｓ１１～Ｓ１３を繰り返す。
　このように、本実施の形態では、複数の端末から通信品質に関するデータを取得するシステムにおいて、取得したデータ間の距離や類似度、相関等の類似指標に基づいて、新たにデータを取得する端末を選択する。これにより、端末が測定したデータの似ている度合いに応じて、端末を適切に選択しデータを取得できる。例えば、データが似ている度合が高い端末よりもデータが似ている度合い低い端末を選択して、データを取得することで、データの偏りを抑えて俯瞰したデータを取得できる。このため、負荷を抑えるためにデータを取得する端末の数を制限したような場合でも、所望のデータを取得することが可能となる。
　以下の実施の形態では、実施の形態１の具体例について説明する。
（実施の形態２）
　次に、実施の形態２について説明する。本実施の形態では、複数の端末から取得したデータ間の距離に基づいて、データを取得する端末を選択する例について説明する。
　図４は、いくつかの実施の形態に係るＲＡＮシステム１の構成例を示している。図４の例では、ＲＡＮシステム１は、Ｎｅａｒ－ＲＴ　ＲＩＣ１００、Ｎｏｎ－ＲＴ　ＲＩＣ２００、Ｏ－ＤＵ３００、Ｏ－ＣＵ４００、外部サーバ５００、端末６００を備えている。
　端末６００は、Ｏ－ＤＵ３００及びＯ－ＣＵ４００を含むＲＡＮに接続して無線通信を行うＵＥ（User Equipment）である。端末６００は、無線品質を測定し、測定した無線品質を示す無線品質データを送信する装置の一例でもある。端末６００は、携帯電話、スマートフォン、タブレット端末、ＩｏＴ（Internet of Things）端末等でもよい。端末６００は、端末の機能を実装したＡＧＶ（Automated Guided Vehicle）、ＡＭＲ（Autonomous Mobile Robot）、自律走行ロボット、ドローン、自動運転車などでもよい。端末６００は、例えば、移動可能な端末であるが、位置が固定された端末でもよい。
　端末６００は、例えば、自装置の位置における電波の受信電力を測定し、測定した受信電力を無線品質データとして、Ｏ－ＤＵ３００及びＯ－ＣＵ４００を含むＲＡＮへ送信する。端末６００は、発信源からの電波の受信電力を測定する。例えば、発信源は、ＲＡＮにより構成される基地局であるが、その他の装置でもよい。端末６００は、発信源が発信した電波を受信し、受信した電波の受信電力を測定する。受信電力は、例えば、ＲＳＲＰ、ＲＳＲＱ、ＲＳＳＩ、ＳＩＮＲ等であり、その他の無線品質を示す指標でもよい。
　Ｎｏｎ－ＲＴ　ＲＩＣ２００とＮｅａｒ－ＲＴ　ＲＩＣ１００との間は、Ｏ１インタフェースを介して通信可能に接続される。Ｎｏｎ－ＲＴ　ＲＩＣ２００と０－ＤＵ３００及び０－ＣＵ４００を含むＥ２ノードとの間も、Ｏ１インタフェースを介して通信可能に接続される。Ｏ１インタフェースは、主に運用及び管理用に必要なデータやメッセージを送受信するためのインタフェースである。なお、インタフェースとは、データやメッセージを送受信するための通信プロトコルにより規定された接続インタフェースであり、論理的な伝送路やネットワーク、物理的な伝送路やネットワークを含む。
　また、Ｎｏｎ－ＲＴ　ＲＩＣ２００とＮｅａｒ－ＲＴ　ＲＩＣ１００との間は、Ａ１インタフェースを介して通信可能に接続される。Ｎｅａｒ－ＲＴ　ＲＩＣ１００とＯ－ＤＵ３００及びＯ－ＣＵ４００を含むＥ２ノードとの間は、Ｅ２インタフェースを介して接続される。Ａ１インタフェース及びＥ２インタフェースは、主に制御用に必要なデータやメッセージを送受信するためのインタフェースである。Ｏ－ＤＵ３００とＯ－ＣＵ４００との間は、Ｆ１インタフェースを介して通信可能に接続される。
　Ｎｏｎ－ＲＴ　ＲＩＣ２００と外部サーバ５００との間は、Ｏ－ＲＡＮで定義されていないため、任意のインタフェースを介して通信可能に接続される。Ｎｏｎ－ＲＴ　ＲＩＣ２００と外部サーバ５００の間のインタフェースは、一般的なアプリケーションサーバがデータを提供するためのインタフェースでもよい。例えば、Ｗｅｂサーバ用のＨＴＴＰ（Hypertext Transfer Protocol）や、その他のＡＰＩ（Application Programming Interface）を使用してもよい。
　Ｏ－ＤＵ３００及びＯ－ＣＵ４００は、ＲＡＮを構成するノードであり、Ｅ２ノードとも呼ばれる。なお、Ｅ２ノードは、Ｏ－ＤＵ３００及びＯ－ＣＵ４００のいずれか、または両方を含む場合がある。ＲＡＮは、端末６００がアクセスする無線ネットワークであり、５ＧＣ（5G Core network）やＥＰＣ（Evolved Packet Core）などのコアネットワークに接続される。ＲＡＮは、アンテナを構成するＯ－ＲＵ（O-RAN Remote Unit）を含んでもよい。
　Ｏ－ＤＵ３００及びＯ－ＣＵ４００は、基地局機能を提供する。例えば、Ｏ－ＤＵ３００及びＯ－ＣＵ４００は、基地局機能として、端末６００から送信された無線品質データを受信し、受信した無線品質データをＮｅａｒ－ＲＴ　ＲＩＣ１００へ送信する。基地局は、例えば、ｇＮＢ（next Generation Node B）やｅＮＢ（evolved Node B）であるが、これらに限定されない。なお、Ｏ－ＤＵ３００及びＯ－ＣＵ４００は、基地局機能を提供するノードの一例であり、その他のネットワークノードでもよい。
　Ｏ－ＤＵ３００は、基地局の無線信号制御機能やレイヤ２制御機能を提供する論理ノードである。Ｏ－ＤＵ３００は、Ｏ－ＲＵを収容し、収容するＯ－ＲＵにおけるアンテナの無線信号またはビームの制御や、Ｏ－ＲＵとＯ－ＣＵ４００の間で必要なＭＡＣ（Media Access Control）やＲＬＣ（Radio Link Control）などのプロトコル処理を行う。
　Ｏ－ＣＵ４００は、基地局の無線リソース制御機能やレイヤ２より上位のデータ処理機能を提供する論理ノードである。Ｏ－ＣＵ４００は、Ｏ－ＤＵ３００を収容し、収容するＯ－ＤＵ３００を介したデータ送受信、ＱｏＳ（Quality of Service）制御、セル／ＵＥ管理、ハンドオーバ制御、Ｏ－ＤＵ３００とコアネットワークの間で必要なＰＤＣＰ（Packet Data Convergence Protocol）、ＳＤＡＰ（Service Data Adaptation Protocol）、ＲＲＣ（Radio Resource Control）などのプロトコル処理を行う。
　ＲＡＮシステム１は、Ｅ２ノードとして、１以上の任意の数のＯ－ＤＵ３００及びＯ－ＣＵ４００を備えてもよい。すなわち、ＲＡＮシステム１は、複数の基地局を含んでもよい。Ｏ－ＤＵ３００及びＯ－ＣＵ４００は必ずしも同数である必要はない。Ｏ－ＤＵ３００及びＯ－ＣＵ４００は、異なる場所に配置されてもよいし、同じ場所に配置されてもよい。また、Ｏ－ＤＵ３００及びＯ－ＣＵ４００は、エッジの仮想化基盤上で動作する異なる仮想マシン、または同じ仮想マシンにより実装されてもよい。Ｏ－ＤＵ３００及びＯ－ＣＵ４００は、ｖＤＵ（virtualized Distributed Unit）及びｖＣＵ（virtualized Central Unit）でもよく、仮想基地局を構成してもよい。なお、Ｏ－ＤＵ３００及びＯ－ＣＵ４００は、物理的なＤＵ及びＣＵでもよい。また、Ｅ２ノードは、Ｏ－ＤＵ３００及びＯ－ＣＵ４００の機能を含む基地局装置でもよい。
　外部サーバ５００は、外部のアプリケーションサーバである。例えば、外部サーバ５００は、Ｏ－ＤＵ３００及びＯ－ＣＵ４００を含むＲＡＮの外部のサーバである。外部サーバ５００は、Ｏ－ＤＵ３００、Ｏ－ＣＵ４００、Ｎｏｎ－ＲＴ　ＲＩＣ２００、Ｎｅａｒ－ＲＴ　ＲＩＣ１００を含むシステムの外部のサーバであるとも言える。外部サーバ５００は、例えば、インターネット上のサーバでもよい。外部サーバ５００は、物理的なサーバでもよいし、クラウド上の仮想サーバでもよい。外部サーバ５００は、ＲＡＮや端末６００に関するアプリケーションを実行する。例えば、外部サーバ５００は、ＲＡＮの無線通信環境を監視する監視サーバでもよい。外部サーバ５００は、Ｎｏｎ－ＲＴ　ＲＩＣ２００から無線品質データや通信品質の劣化要因等を取得し、取得したデータを表示してもよい。
　Ｎｅａｒ－ＲＴ　ＲＩＣ１００は、準リアルタイムにＲＡＮを制御及び最適化する論理機能である。Ｎｅａｒ－ＲＴ　ＲＩＣ１００は、例えば１０ｍｓ（ミリ秒：以下同様）以上１ｓ（秒：以下同様）未満の短い制御周期でＲＡＮを制御する。Ｎｅａｒ－ＲＴ　ＲＩＣ１００は、Ｅ２インタフェースを介して、Ｏ－ＤＵ３００及びＯ－ＣＵ４００のいずれか、または両方を含むＥ２ノードから端末６００ごとの無線品質データを収集する。Ｎｅａｒ－ＲＴ　ＲＩＣ１００は、収集した無線品質データをＮｏｎ－ＲＴ　ＲＩＣ２００へ送信してもよいし、収集した無線品質データを分析してＥ２ノードを制御してもよい。無線品質データは、端末６００が測定したＲＳＲＰ、ＲＳＲＱ、ＲＳＳＩ、ＳＩＮＲ等でもよい。Ｎｅａｒ－ＲＴ　ＲＩＣ１００は、無線品質データに限らず、端末６００ごとのスループットや遅延時間等の通信品質データを取得してもよい。本実施の形態における無線品質データに対する処理は、通信品質データに対しても同様に適用可能である。
　例えば、Ｎｅａｒ－ＲＴ　ＲＩＣ１００は、Ａ１インタフェースを介して、Ｎｏｎ－ＲＴ　ＲＩＣ２００から取得する制御ポリシーにしたがって、無線品質データに応じた制御を行う。制御ポリシーは、ＲＡＮの制御に関するポリシーであり、例えば、Ａ１ポリシーである。Ａ１ポリシーは、Ａ１インタフェースで定義されたＲＡＮ最適化のためのガイダンスである。Ｎｅａｒ－ＲＴ　ＲＩＣ１００は、Ｏ－ＤＵ３００及びＯ－ＣＵ４００のいずれか、または両方と同じ場所、あるいは、Ｏ－ＤＵ３００及びＯ－ＣＵ４００のいずれか、または両方に近い場所に配置される。例えば、Ｎｅａｒ－ＲＴ　ＲＩＣ１００は、Ｏ－ＤＵ３００及びＯ－ＣＵ４００のいずれか、または両方と同じエッジの仮想マシンに実装されてもよい。
　Ｎｏｎ－ＲＴ　ＲＩＣ２００は、非リアルタイムにＲＡＮを制御及び最適化する論理機能である。Ｎｏｎ－ＲＴ　ＲＩＣ２００は、例えば１ｓ以上の長い制御周期でＲＡＮを制御する。Ｎｏｎ－ＲＴ　ＲＩＣ２００は、制御ポリシーの管理や、Ｏ－ＤＵ３００及びＯ－ＣＵ４００を含むＥ２ノードやＮｅａｒ－ＲＴ　ＲＩＣ１００の動作の管理、Ｎｅａｒ－ＲＴ　ＲＩＣ１００またはＮｏｎ－ＲＴ　ＲＩＣ２００で使用する学習モデルの学習及び更新などを行う。例えば、Ｎｏｎ－ＲＴ　ＲＩＣ２００は、制御ポリシーを生成し、生成した制御ポリシーを、Ａ１インタフェースを介して、Ｎｅａｒ－ＲＴ　ＲＩＣ１００に通知する。また、Ｎｏｎ－ＲＴ　ＲＩＣ２００は、Ｏ１インタフェースを介して、Ｅ２ノードやＮｅａｒ－ＲＴ　ＲＩＣ１００から取得するデータをもとに、Ｅ２ノードの構成情報（Ｃｏｎｆｉｇｕｒａｔｉｏｎ）を管理及び設定する。例えば、Ｎｏｎ－ＲＴ　ＲＩＣ２００は、Ｏ１インタフェースを介して、Ｎｅａｒ－ＲＴ　ＲＩＣ１００から無線品質データを取得し、取得した無線品質データに基づいて、通信品質の劣化要因等を分析する。Ｎｏｎ－ＲＴ　ＲＩＣ２００は、取得した無線品質データや、通信品質の劣化要因等を外部サーバ５００へ送信する。
　Ｎｏｎ－ＲＴ　ＲＩＣ２００は、ＲＡＮの管理及びオーケストレーションを行うＳＭＯ（Service Management and Orchestration）に配置される。ＳＭＯは、Ｏ－ＤＵ３００及びＯ－ＣＵ４００を含むＥ２ノード、Ｎｅａｒ－ＲＴ　ＲＩＣ１００から離れた場所、例えば、クラウド上に配置される。なお、Ｎｏｎ－ＲＴ　ＲＩＣ２００は、ＳＭＯの機能を含んでもよい。
　図５は、いくつかの実施の形態に係るＲＡＮシステム１における各装置の構成例を示している。なお、この構成は一例であり、いくつかの実施の形態に係る動作が可能であれば、その他の構成でもよい。例えば、Ｎｏｎ－ＲＴ　ＲＩＣ２００及びＮｅａｒ－ＲＴ　ＲＩＣ１００は、Ｎｏｎ－ＲＴ　ＲＩＣ及びＮｅａｒ－ＲＴ　ＲＩＣの機能を実現するために必要なその他の構成を含んでもよい。
　図５の例では、Ｎｅａｒ－ＲＴ　ＲＩＣ１００は、データ収集部１１０、データ蓄積部１２０、距離計算部１３０、端末選択部１４０、データ送信部１５０を備えている。
　データ収集部１１０は、Ｅ２インタフェースを介して、Ｏ－ＤＵ３００及びＯ－ＣＵ４００のいずれか、または両方から、無線品質データを収集する。データ収集部１１０は、Ｏ－ＤＵ３００及びＯ－ＣＵ４００のいずれか、または両方に対し、端末選択部１４０が選択した端末６００のデータを取得するよう指定し、指定した端末６００のデータを収集する。
　データ蓄積部１２０は、データ収集部１１０が収集した無線品質データを蓄積するデータベースである。データ蓄積部１２０は、各端末６００から取得した無線品質データを時系列データとして蓄積する。なお、データ収集部１１０が、受信した無線品質データを距離計算部１３０やデータ送信部１５０へ出力してもよい。
　距離計算部１３０は、データ収集部１１０が収集した端末６００ごとの無線品質データ間の距離を計算する。データ間の距離は、２つのデータが似ている度合いを示す指標の一例であり、その他の指標を計算してもよい。データを送信した端末間の距離に限らず、データ間の類似度や相互相関を計算してもよい。距離計算部１３０は、データ蓄積部１２０に蓄積された、端末６００ごとの無線品質の時系列データ間の距離を計算する。距離計算部１３０は、データを取得した全ての端末６００の組み合わせで、時系列データ間の距離を計算する。データ間の距離は、ユークリッド距離、二乗誤差の総和やマハラノビス距離、データの重心を用いた距離でもよい。データをそのまま用いて距離を計算してもよいし、フーリエ変換やサポートベクターを用いて変換した値を用いて距離を計算してもよい。
　なお、データ間の距離の場合、２つのデータが似ているほど近い、すなわち低い値を示す。データ間の相関または類似度の場合、２つのデータが似ているほど高い値を示す。このため、距離が近い（あるいは低い）／遠い（あるいは高い）という表現は、相関または類似度が高い／低いと読み替えることができる。
　端末選択部１４０は、距離計算部１３０が計算したデータ間の距離に基づいて、データ収集部１１０がデータを取得する端末６００を選択する。端末選択部１４０は、全ての端末６００の組み合わせにおいて、計算された無線品質の時系列データを比較し、比較結果に基づいて、データを取得する端末６００を選択する。
　例えば、端末選択部１４０は、第１のグループの端末６００から、データ間の距離が近い組み合わせとなる端末６００を除外して、第１のグループ以外の他の端末６００の中から新たにデータを取得する端末６００を選択する。他の端末６００は、第２のグループの端末である。時系列データ間の距離が近い、すなわち、時系列データの特徴が似ている場合、端末６００の存在する場所や移動方向などの環境が近いと推定できる。逆に、時系列データ間の距離が遠い、すなわち、時系列データの特徴が異なる場合、端末６００の存在する場所や移動方向などの環境が離れていると推定できる。このため、データ間の距離が遠い端末６００を残し、データ間の距離が近い端末６００を除外して他の端末６００をデータ取得対象に選択することで、場所や移動方向などの環境が異なる端末６００からデータを取得することができる。
　データ送信部１５０は、データ収集部１１０が収集した端末６００ごとの無線品質データを、Ｏ１インタフェースを介して、Ｎｏｎ－ＲＴ　ＲＩＣ２００へ送信する。すなわち、データ送信部１５０は、データ蓄積部１２０に蓄積された端末ごとの無線品質データの時系列データを、Ｎｏｎ－ＲＴ　ＲＩＣ２００へ送信する。なお、データ送信部１５０は、Ａ１インタフェースを介して、無線品質データをＮｏｎ－ＲＴ　ＲＩＣ２００へ送信してもよい。例えば、データ送信部１５０は、Ｎｏｎ－ＲＴ　ＲＩＣ２００からの指示にしたがって、指示されたデータを指示されたタイミングで送信してもよい。
　図５の例では、Ｎｏｎ－ＲＴ　ＲＩＣ２００は、データ受信部２１０、要因推定学習／推論部２２０を備えている。
　データ受信部２１０は、Ｏ１インタフェースを介して、Ｎｅａｒ－ＲＴ　ＲＩＣ１００から送信される端末ごとの無線品質の時系列データを受信する。データ受信部２１０は、Ｎｅａｒ－ＲＴ　ＲＩＣ１００に対し、収集するデータや周期を指示してもよい。なお、データ受信部２１０は、Ａ１インタフェースを介して、Ｎｅａｒ－ＲＴ　ＲＩＣ１００から無線品質データを取得してもよい。データ受信部２１０は、必要に応じて、Ｏ１インタフェースを介して、Ｏ－ＤＵ３００及びＯ－ＣＵ４００のいずれか、または両方からデータを収集してもよい。
　要因推定学習／推論部２２０は、取得した端末ごとの無線品質の時系列データに基づいて、通信品質の劣化要因を推定する。推定する通信品質の劣化要因は、例えば、距離減衰、フェージング、遮蔽等である。距離減衰による通信品質の劣化は、発信源と端末との間の距離が適切な無線通信を行うことができる適正距離よりも長いことに起因する通信品質の劣化である。フェージングによる通信品質の劣化は、干渉性フェージング（いわゆる、マルチパスフェージング）、偏波性フェージング、跳躍性フェージング、吸収性フェージング、選択制フェージング及びＫ形フェージングの少なくとも一つが発生していることに起因する通信品質の劣化である。遮蔽による通信品質の劣化は、発信源と端末との間に、電波を遮蔽する（つまり、電波の伝搬を妨げる）物理的な障害物が存在することに起因する通信品質の劣化である。通信品質の劣化要因は、その他、干渉、輻輳、ハンドオーバ等でもよい。干渉による通信品質の劣化は、複数の発信源からの電波が互いに干渉しあうことに起因する通信品質の劣化である。輻輳による通信品質の劣化は、端末に十分な無線リソースが割り当てられていないことに起因する通信品質の劣化である。ハンドオーバによる通信品質の劣化は、隣接する２つの基地局のセルの境界付近にある端末が、その２つの基地局の間でハンドオーバを繰り返すことに起因する通信品質の劣化である。
　要因推定学習／推論部２２０は、劣化要因推定モデルを用いて、無線品質データから通信品質の劣化要因を推定する。劣化要因推定モデルは、無線品質の時系列データに応じた通信品質の劣化要因を機械学習した学習モデルである。学習モデルは、ＣＮＮ（Convolutional Neural Network）やＲＮＮ（Recurrent Neural Network）、ＬＳＴＭ（Long-Short Term Model）でもよいし、その他のニューラルネットワークでもよい。学習モデルは、ニューラルネットワークに限らず、その他の機械学習モデルでもよい。要因推定学習／推論部２２０は、任意のインタフェースを介して、分析した無線品質データや推論した通信品質の劣化要因を外部サーバ５００へ送信する。また、要因推定学習／推論部２２０は、推論した通信品質の劣化要因をＮｅａｒ－ＲＴ　ＲＩＣ１００へ送信し、Ｎｅａｒ－ＲＴ　ＲＩＣ１００は、通信品質の劣化要因に基づいてＲＡＮを制御してもよい。
　なお、Ｎｏｎ－ＲＴ　ＲＩＣ２００の一部の構成をＮｅａｒ－ＲＴ　ＲＩＣ１００に配置してもよいし、Ｎｅａｒ－ＲＴ　ＲＩＣ１００の一部の構成をＮｏｎ－ＲＴ　ＲＩＣ２００に配置してもよい。図６は、いくつかの実施の形態に係るＲＡＮシステム１における各装置の構成例を示している。図６の例では、Ｎｏｎ－ＲＴ　ＲＩＣ２００が、距離計算部１３０及び端末選択部１４０を備えている。この場合、距離計算部１３０は、Ｏ１インタフェースを介して、データ蓄積部１２０に蓄積された端末６００ごとの無線品質の時系列データを取得する。端末選択部１４０は、選択した端末６００の情報を、Ｏ１インタフェースを介して、Ｎｅａｒ－ＲＥ　ＲＩＣ１００のデータ収集部１１０へ通知する。
　例えば、図５の例では、Ｎｅａｒ－ＲＴ　ＲＩＣ１００において距離計算処理及び端末選択処理を行うことにより、Ｎｏｎ－ＲＴ　ＲＩＣ２００よりもリアルタイムな処理が可能であり、また、Ｎｅａｒ－ＲＴ　ＲＩＣ１００とＮｏｎ－ＲＴ　ＲＩＣ２００の間のＯ１インタフェースの負荷を低減できる。図６の例では、Ｎｏｎ－ＲＴ　ＲＩＣ２００において距離計算処理及び端末選択処理を行うことにより、Ｎｅａｒ－ＲＴ　ＲＩＣ１００の負荷を抑えることができ、また、距離計算処理及び端末選択処理をリアルタイムで行う必要がない場合に、非リアルタイムに処理を行うことができる。
　図７は、いくつかの実施の形態に係るＲＡＮシステム１における動作例を示している。図７の各処理の全部または一部は、図５に示したＮｅａｒ－ＲＴ　ＲＩＣ１００の各部で行ってもよいし、図６に示したＮｏｎ－ＲＴ　ＲＩＣ２００の各部で行ってもよい。
　図７の例では、まず、端末選択部１４０は、Ｍ個の任意の端末６００を選択する（Ｓ１０１）。例えば、Ｍ個の端末６００は、第１のグループの端末である。Ｍは、データを収集する端末６００の数の上限である。例えば、Ｍは、Ｅ２インタフェースやＯ１インタフェースで許容できる端末数でもよいし、Ｎｅａｒ－ＲＴ　ＲＩＣ１００やＮｏｎ－ＲＴ　ＲＩＣ２００の処理能力に基づいた端末数でもよい。例えば、端末選択部１４０は、データを取得可能な全ての端末６００からランダムにＭ個の端末６００を選択する。端末選択部１４０は、オペレータ等による外部からの入力にしたがって、Ｍ個の端末６００、または、Ｍ個のうちの一部の端末６００を選択してもよい。例えば、端末選択部１４０は、外部サーバ５００から端末６００の選択を受け付けてもよい。
　続いて、データ収集部１１０は、時系列データを取得する（Ｓ１０２）。データ収集部１１０は、選択されたＭ個の端末６００から無線品質データを取得する。例えば、データ収集部１１０は、Ｅ２インタフェースを介して、Ｏ－ＤＵ３００及びＯ－ＣＵ４００のいずれか、または両方に対し、Ｍ個の端末６００を指定し、指定した端末６００から無線品質データを取得する。データ蓄積部１２０は、データ収集部１１０が取得したＭ個の端末６００の無線品質データを、端末６００ごとに時系列データとして蓄積する。
　続いて、距離計算部１３０は、端末６００の時系列データ間の距離を計算する（Ｓ１０３）。距離計算部１３０は、時系列データを取得した全ての端末６００の組み合わせで、データ間の距離を計算する。
　図８は、全ての端末６００の組み合わせにおけるデータ間の距離を含む距離行列を示している。図８のように、Ｍ個の端末６００からデータを取得した場合、全ての組み合わせの距離は、Ｍ×Ｍ行列の距離行列で表すことができる。距離計算部１３０は、端末６００ごとに、当該端末６００のデータとＭ個の端末６００のデータとの距離を計算する。なお、説明簡略化のため、Ｍ個の端末６００に含まれる各端末６００を端末１～端末Ｍと呼ぶ場合がある。例えば、距離計算部１３０は、端末１の距離として、端末１のデータと端末１～Ｍの各データとの距離ｄ（１，１）～ｄ（１，Ｍ）を計算し、端末２の距離として、端末２のデータと端末１～Ｍの各データとの距離ｄ（２，１）～ｄ（２，Ｍ）を計算し、・・・、端末Ｍの距離として、端末Ｍのデータと端末１～Ｍの各データとの距離ｄ（Ｍ，１）～ｄ（Ｍ，Ｍ）を計算する。
　続いて、端末選択部１４０は、計算したデータ間の距離に基づいて、Ｍ個の中からＮ個の端末６００を選択し、選択したＮ個の端末６００を次にデータを取得する端末６００から除外する（Ｓ１０４）。端末選択部１４０は、次回の収集から除外する端末６００として、データ間の距離が最も近い端末６００から、近い順にＮ個の端末６００を選択する。端末選択部１４０は、第１のグループのＭ個の端末６００からデータ間の距離が近いＮ個の端末６００を除いたＭ－Ｎ個の端末６００を、次にデータを取得する端末６００として選択しているとも言える。図９～図１２は、距離の近い順にＭ個中Ｎ個の端末６００を選択する例を示している。
　図９は、端末６００ごとのデータ間の距離の平均に基づいて、Ｍ個中Ｎ個の端末６００を選択する例である。なお、平均に限らず、中央値などその他の統計値を求めてもよい。図９の例では、端末選択部１４０は、全ての端末６００の組み合わせのＭ×Ｍ距離行列の各距離から、端末６００ごとの距離の平均を求める。例えば、端末選択部１４０は、図８のＭ×Ｍ距離行列をもとに、端末１の距離の平均として、端末１のデータと端末１～Ｍのデータとの距離ｄ（１，１）～ｄ（１，Ｍ）の平均ｄａｖｅ（ｄ＿１）を計算し、端末２の距離の平均として、端末２のデータと端末１～Ｍのデータとの距離ｄ（２，１）～ｄ（２，Ｍ）の平均ｄａｖｅ（ｄ＿２）を計算し、・・・、端末Ｍの距離の平均として、端末Ｍのデータと端末１～Ｍのデータとの距離ｄ（Ｍ，１）～ｄ（Ｍ，Ｍ）の平均ｄａｖｅ（ｄ＿Ｍ）を計算する。端末選択部１４０は、求めた平均ｄａｖｅ（ｄ＿１）～（ｄ＿Ｍ）を低い順に並べて、低い方からＮ個選択し、選択したＮ個の端末６００を次の収集で除外する端末６００とする。
　図１０は、端末６００ごとのデータ間の距離に応じた距離ポイントに基づいて、Ｍ個中Ｎ個の端末６００を選択する例である。なお、ポイントは、距離を所定の基準に基づいて変換した変換値の一例である。図１０の例では、端末選択部１４０は、全ての端末６００の組み合わせのＭ×Ｍ距離行列の各距離を、距離ポイントに変換する。例えば、距離と所定の閾値とを比較し、距離が閾値よりも近い場合に距離ポイント“０”、距離が閾値よりも遠い場合に距離ポイント“１”としてもよい。例えば、端末選択部１４０は、図８のＭ×Ｍ距離行列をもとに、図１０のように、Ｍ×Ｍの距離ポイント行列を生成する。端末選択部１４０は、Ｍ×Ｍ距離行列における距離ｄ（１，１）～ｄ（Ｍ，Ｍ）を、閾値に基づいて、距離ポイントｄｐ（１，１）～ｄｐ（Ｍ，Ｍ）に変換する。
　さらに、端末選択部１４０は、全ての端末６００の組み合わせのＭ×Ｍ距離ポイント行列の各距離ポイントから、端末６００ごとの距離ポイントの和を求める。例えば、端末選択部１４０は、図１０のＭ×Ｍ距離ポイント行列をもとに、端末１の距離ポイントの和として、端末１と端末１～Ｍとの距離ポイントｄｐ（１，１）～ｄｐ（１，Ｍ）の合計ｄｐｓｕｍ（ｄｐ＿１）を計算し、端末２の距離ポイントの和として、端末２と端末２～Ｍとの距離ポイントｄｐ（２，１）～ｄｐ（２，Ｍ）の合計ｄｐｓｕｍ（ｄｐ＿２）を計算し、・・・、端末Ｍの距離ポイントの和として、端末Ｍと端末１～Ｍとの距離ポイントｄｐ（Ｍ，１）～ｄｐ（Ｍ，Ｍ）の合計ｄｐｓｕｍ（ｄｐ＿Ｍ）を計算する。端末選択部１４０は、求めた距離ポイントの合計ｄｐｓｕｍ（ｄｐ＿１）～（ｄｐ＿Ｍ）を低い順に並べて、低い方からＮ個選択し、選択したＮ個の端末６００を次の収集で除外する端末６００とする。
　図１１は、端末６００ごとのデータ間の距離を正規化した順位に基づいて、Ｍ個中Ｎ個の端末６００を選択する例である。データから求めた距離や相関などの値をそのまま使用して除外する端末を選択すると、近いデータがある場合、データに偏りが生じる可能性がある。このため、データから求めた距離や相関などの値を順位などにより正規化することで、例えばデータ間の関係を均等にできるため、データの偏りを抑えることができる。なお、順位付けに限らず、その他方法で距離を正規化してもよい。
　図１１の例では、端末選択部１４０は、全ての端末６００の組み合わせのＭ×Ｍ距離行列の各距離を行列の各列で順位付けし、端末６００ごとの順位の平均に基づいて、Ｍ個中Ｎ個の端末６００を選択する。なお、距離行列の各行で順位付けしてもよい。端末選択部１４０は、距離行列の各列で距離が近い順に、１番、２番・・・Ｍ番と、順位付けする。なお、各列で距離が遠い順に順位付けでもよい。例えば、端末選択部１４０は、図８のＭ×Ｍ距離行列をもとに、図１１のように、Ｍ×Ｍの順位行列を生成する。端末選択部１４０は、Ｍ×Ｍ距離行列をもとに、端末１の列について、距離ｄ（１，１）、ｄ（２，１）・・・ｄ（Ｍ，１）を近い順に順位付けし、順位を示すｒ（１，１）、ｒ（２，１）～ｒ（Ｍ，１）に変換し、端末２の列について、距離ｄ（１，２）、ｄ（２，２）・・・ｄ（Ｍ，２）を近い順に順位付けし、順位を示すｒ（１，２）、ｒ（２，２）～ｒ（Ｍ，２）に変換し、・・・、端末Ｍの列について、距離ｄ（１，Ｍ）、ｄ（２，Ｍ）・・・ｄ（Ｍ，Ｍ）を近い順に順位付けし、順位を示すｒ（１，Ｍ）、ｒ（２，Ｍ）～ｒ（Ｍ，Ｍ）に変換する。
　さらに、端末選択部１４０は、全ての端末６００の組み合わせのＭ×Ｍ順位行列の各順位から、端末６００ごとの順位の平均を求める。なお、列ごとに順位付けした場合は、行ごとに順位の平均を求め、行ごとに順位付けした場合は、列ごとに順位の平均を求める。例えば、端末選択部１４０は、図１１のＭ×Ｍ順位行列をもとに、端末１の順位の平均として、端末１と端末１～Ｍとの距離の順位ｒ（１，１）～ｒ（１，Ｍ）の平均ｒａｖｅ（ｒ＿１）を計算し、端末２の順位の平均として、端末２と端末１～Ｍとの距離の順位ｒ（２，１）～ｒ（２，Ｍ）の平均ｒａｖｅ（ｒ＿２）を計算し、・・・、端末Ｍの順位の平均として、端末Ｍと端末１～Ｍとの距離の順位ｒ（Ｍ，１）～ｒ（Ｍ，Ｍ）の平均ｒａｖｅ（ｒ＿Ｍ）を計算する。端末選択部１４０は、求めた平均ｒａｖｅ（ｒ＿１）～（ｒ＿Ｍ）を高い順に並べて、高い方からＮ個選択し、選択したＮ個の端末６００を次の収集で除外する端末６００とする。なお、距離が遠い順に順位付けした場合は、順位が低い方からＮ個選択する。
　図１２は、端末６００ごとのデータ間の距離を正規化した順位に応じた順位ポイントに基づいて、Ｍ個中Ｎ個の端末を選択する例である。図１２の例では、端末選択部１４０は、図１１と同様のＭ×Ｍ順位行列の各順位を、順位ポイントに変換する。例えば、順位と所定の閾値とを比較し、順位が閾値よりも高い場合に順位ポイント“１”、順位が閾値よりも低い場合に順位ポイント“２”としてもよい。例えば、端末選択部１４０は、図１１のＭ×Ｍ順位行列をもとに、図１２のように、Ｍ×Ｍの順位ポイント行列を生成する。端末選択部１４０は、Ｍ×Ｍ順位行列における順位ｒ（１，１）～ｒ（Ｍ，Ｍ）を、閾値に基づいて、順位ポイントｒｐ（１，１）～ｒｐ（Ｍ，Ｍ）に変換する。
　さらに、端末選択部１４０は、全ての端末６００の組み合わせのＭ×Ｍ順位ポイント行列の各順位ポイントから、端末６００ごとの順位ポイントの和を求める。例えば、端末選択部１４０は、図１２のＭ×Ｍ順位ポイント行列をもとに、端末１の順位ポイントの和として、端末１と端末１～Ｍとの距離の順位ポイントｒｐ（１，１）～ｒｄ（１，Ｍ）の合計ｒｐｓｕｍ（ｒｐ＿１）を計算し、端末２と順位ポイントの和として、端末２と端末１～Ｍとの距離の順位ポイントｒｐ（２，１）～ｒｐ（２，Ｍ）の合計ｒｐｓｕｍ（ｒｐ＿２）を計算し、・・・、端末Ｍの順位ポイントの和として、端末Ｍと端末１～Ｍとの距離の順位ポイントｒｐ（Ｍ，１）～ｒｐ（Ｍ，Ｍ）の合計ｒｐｓｕｍ（ｒｐ＿Ｍ）を計算する。端末選択部１４０は、求めた順位ポイントの合計ｒｐｓｕｍ（ｒｐ＿１）～（ｒｐ＿Ｍ）を高い順に並べて、高い方からＮ個選択し、選択したＮ個の端末６００を次の収集で除外する端末６００とする。
　また、図９～図１２の選択方法において、自端末間の距離以外で閾値以下の距離を含む端末６００を予め除外してもよい。例えば、端末選択部１４０は、全ての端末６００の組み合わせのＭ×Ｍ距離行列から、自端末間の距離以外で閾値以下の距離を含む端末６００を除外する。自端末間の距離以外で閾値以下の距離を含む端末６００が１個の場合、当該端末を除いたＭ－１×Ｍ－１距離行列に対し、図９～図１２と同様の方法で、Ｎ－１個の端末を選択し除外してもよい。距離にポイントを付与する場合は、閾値以下の距離となる端末６００に対し、削除対象になりやすいように高いポイントを付与してもよい。
　続いて、端末選択部１４０は、新たにＮ個の端末６００を選択する（Ｓ１０５）。端末選択部１４０は、除外したＮ個の端末６００に代えて、新たにＮ個の端末６００を選択する。すなわち、端末選択部１４０は、前回データを取得したＭ個の端末６００を除いた端末６００の中から、例えばランダムに新たにＮ個選択し、次のデータ収集の対象とする。例えば、前回データを取得したＭ個の端末６００を除いた端末６００は、第２のグループの端末６００である。端末選択部１４０は、次にデータを取得する端末６００として、Ｍ－Ｎ個の端末６００に加えて、第２のグループの端末６００からＮ個の端末６００を選択しているとも言える。その後、Ｓ１０２に戻り、新たに選択したＮ個を含むＭ個の端末６００から時系列データを取得し、Ｓ１０２～Ｓ１０５を繰り返す。新たに選択したＮ個の端末６００には、データ間の距離が近い端末６００も含まれている場合があり、また、端末６００が移動することによりデータ間の距離が変動する場合があるため、Ｓ１０２～Ｓ１０５を繰り返すことで、常にデータ間の距離が近いＮ個の端末を除外する。
　以上のように、本実施の形態では、複数の端末から収集したデータ間の距離を計算し、計算したデータ間の距離を端末の置かれている環境の差分とみなす。本実施の形態では、データ間の距離が近い組み合わせとなる端末をデータ収集端末から除外して、他の端末を選択し続けることで、異なる環境の端末の組み合わせを対象にデータを収集することができる。すなわち、データ間の距離が長い端末を残して、データ間の距離が短い端末を他の選択していない端末に切り替え続けることで、許容される端末数内でできるだけ場所や移動方向が異なる端末からデータを取得できる。したがって、通信品質の劣化要因推定などにおいて多様なデータを取得したい場合に、所望のデータを取得することができる。
（実施の形態３）
　次に、実施の形態３について説明する。本実施の形態では、注目端末に基づいてデータを取得する端末を選択する例について説明する。
　図１３は、いくつかの実施の形態に係るＲＡＮシステム１における各装置の構成例を示している。なお、図１３は、図６の構成例に本実施の形態を適用した例であるが、図５の構成例に本実施の形態を適用してもよい。
　図１３の例では、外部サーバ５００は、注目端末入力部５１０を備えている。また、Ｎｏｎ－ＲＴ　ＲＩＣ２００は、端末指定部２３０を備えている。その他の構成は、図６と同様である。
　注目端末入力部５１０は、オペレータから注目端末の入力を受け付ける。注目端末は、オペレータが全ての端末６００の中で注目したい端末６００である。例えば、注目端末は、他の端末６００よりも重要な端末６００、新しく導入した端末６００などである。注目端末入力部５１０は、入力された注目端末の情報を、任意のインタフェースを介して、Ｎｏｎ－ＲＴ　ＲＩＣ２００へ送信する。端末指定部２３０は、注目端末入力部５１０から、任意のインタフェースを介して、注目端末の情報を受信し、端末選択部１４０に対し注目端末を指定する。
　図１４は、いくつかの実施の形態に係るＲＡＮシステム１における動作例を示している。図１４は、図７と比べて、Ｓ２０１及びＳ２０２が異なっており、その他は図７と同様である。
　図１４の例では、端末指定部２３０は、注目端末を指定する（Ｓ２０１）。例えば、オペレータが外部サーバ５００に注目端末を入力すると、注目端末入力部５１０は、入力された注目端末を示す情報を、Ｎｏｎ－ＲＴ　ＲＩＣ２００の端末指定部２３０へ送信する。例えば、オペレータはＧＵＩ（Graphical User Interface）等を介して複数の端末６００の中から注目端末を選択してもよい。注目端末入力部５１０は、端末６００のリストから、新しく追加された端末６００などを自動的に注目端末として選択してもよい。端末指定部２３０は、注目端末入力部５１０から注目端末を示す情報を受信し、受信した注目端末を示す情報に基づいて、端末選択部１４０に対し注目端末を指定する。
　また、Ｓ１０２でＭ個の端末６００から無線品質の時系列データを取得し、Ｓ１０３で時系列データ間の距離を計算した後、端末選択部１４０は、計算したデータ間の距離に基づいて、Ｍ個の中から注目端末以外でＮ個の端末６００を選択し、選択したＮ個の端末６００を次にデータを取得する端末６００から除外する（Ｓ２０２）。
　図１５は、注目端末を除いた距離行列の例を示している。注目端末が指定された場合、端末選択部１４０は、図８のＭ×Ｍ距離行列から、指定された注目端末を除いた距離行列を生成する。例えば、注目端末がＭ個中の１個の端末６００の場合、端末選択部１４０は、図１５のようにＭ－１×Ｍ－１の距離行列を生成する。なお、注目端末の数は１個に限らず、任意の数でもよい。端末選択部１４０は、図１５のように注目端末を除いた距離行列に基づいて、次回の収集から除外する端末６００として、データ間の距離が近い方からＮ個の端末６００を選択する。Ｎ個の端末６００の選択方法は、実施の形態２と同様である。その後、Ｓ１０５で、実施の形態２と同様に、次にデータを収集する新たなＮ個の端末６００を選択し、Ｓ１０２以降を繰り返す。
　なお、Ｓ２０２でＭ個中に注目端末が含まれない場合、Ｍ個の中からＮ＋注目端末数の端末６００を除外し、次にデータを収集する端末として、注目端末と新たなＮ個の端末を選択してもよい。
　以上のように、指定された注目端末に基づいてデータを収集する端末を選択してもよい。例えば、指定された注目端末以外の中からデータ間の距離が近い端末を削除して、他の端末を選択し続けてもよい。これにより、データ間の距離に基づいて選択した端末からデータを収集する際に、データ間の距離に関わらず、ユーザが注目したい端末からデータを確実に取得することができる。
（実施の形態４）
　次に、実施の形態４について説明する。本実施の形態では、指定されたポリシーに基づいてデータを取得する端末を選択する例について説明する。なお、ＲＡＮシステム１における各装置の構成は、実施の形態３と同様である。
　図１６は、いくつかの実施の形態に係るＲＡＮシステム１におけるの動作例を示している。図１６は、図１４と比べて、Ｓ３０１及びＳ３０２が異なっており、その他は図１４と同様である。
　図１６の例では、端末指定部２３０は、注目端末及びポリシーを指定する（Ｓ３０１）。例えば、オペレータが外部サーバ５００に注目端末及びポリシーを入力すると、注目端末入力部５１０は、入力された注目端末及びポリシーを示す情報を、Ｎｏｎ－ＲＴ　ＲＩＣ２００の端末指定部２３０へ送信する。ポリシーは、注目端末に基づいて端末６００を選択するための選択ポリシーである。例えば、ポリシーは、“注目端末周辺にフォーカス”のように、注目端末に近い端末を集中して選択するポリシーでもよい。注目端末の周辺の端末とは、注目端末のデータから距離が近いデータを有する端末である。また、ポリシーは、“注目端末７割、全体３割”のように、注目端末に近い端末６００の割り合いと注目端末から遠い端末６００の割り合いを示すポリシーでもよい。注目端末入力部５１０は、注目端末に応じて自動的にポリシーを選択してもよい。例えば、新しく追加された端末６００が注目端末に指定された場合、“注目端末周辺にフォーカス”をポリシーとして選択してもよい。端末指定部２３０は、注目端末入力部５１０から注目端末及びポリシーを示す情報を受信し、受信した注目端末及びポリシーを示す情報に基づいて、端末選択部１４０に対し注目端末及びポリシーを指定する。
　また、Ｓ１０２でＭ個の端末６００から無線品質の時系列データを取得し、Ｓ１０３で時系列データ間の距離を計算した後、端末選択部１４０は、指定された注目端末及びポリシーにしたがい、計算したデータ間の距離に基づいて、Ｍ個の中からＮ個の端末６００を選択し、選択したＮ個の端末６００を次にデータを取得する端末６００から除外する（Ｓ３０２）。
　図１７は、“注目端末周辺にフォーカス”をポリシーとして指定した場合の距離行列の例を示している。“注目端末周辺にフォーカス”をポリシーとして指定した場合、端末選択部１４０は、図８のＭ×Ｍの距離行列から、注目端末周辺の端末６００の距離を含む距離行列を生成する。例えば、図８のＭ×Ｍの距離行列の各距離に基づいて、注目端末から所定の距離の範囲内の端末６００を抽出する。さらに、端末選択部１４０は、抽出した注目端末周辺の端末６００と注目端末周辺の端末以外の端末６００との距離を示す距離行列を生成する。例えば、図１７に示すように、Ｍ－Ｎ個のうち注目端末周辺の端末を端末Ａとして、ｙ個の端末Ａが抽出され、Ｍ－Ｎ個のうちのうちの残りの端末を端末Ｂとして、ｚ個の端末Ｂが抽出されるとする。ｚ個は、Ｍ－Ｎ－ｙ個である。この場合、注目端末周辺のｙ個の端末Ａと、その他のｚ個の端末Ｂとの距離を含む、ｙ×ｚの距離行列となる。端末選択部１４０は、図１７のように注目端末周辺の端末６００と注目端末周辺の端末以外の端末６００との距離を示す距離行列に基づいて、次回の収集から除外する端末６００として、データ間の距離の近い方からＮ個の端末６００を選択する。この場合、注目端末周辺の端末６００からの距離が近い端末６００が選択される。Ｎ個の端末６００の選択方法は、実施の形態２と同様である。
　図１８は、“注目端末７割、全体３割”をポリシーとして指定した場合の距離行列の例を示している。“注目端末７割、全体３割”をポリシーとして指定した場合、端末選択部１４０は、図８のＭ×Ｍの距離行列から、注目端末に近い７割の端末６００の距離を含む距離行列を生成する。７割は、Ｍ－Ｎ個のうちの７割である。例えば、図８のＭ×Ｍの距離行列の各距離に基づいて、注目端末との距離が近い方から、Ｍ－Ｎ個の７割となる端末６００を抽出する。さらに、端末選択部１４０は、抽出した注目端末に近い７割の端末６００と、注目端末に近い７割以外の端末６００との距離を示す距離行列を生成する。例えば、図１８に示すように、Ｍ－Ｎ個のうち注目端末に近い７割の端末を端末Ａとして、ｙ個の端末Ａが抽出され、Ｍ－Ｎ個のうちのうちの残りの端末を端末Ｂとして、ｚ個の端末Ｂが抽出されるとする。ｚ個は、Ｍ－Ｎ－ｙ個である。この場合、注目端末に近い７割のｙ個の端末Ａと、その他のｚ個の端末Ｂとの距離を含む、ｙ×ｚの距離行列となる。端末選択部１４０は、図１８のように注目端末に近い７割の端末６００と注目端末に近い７割以外の端末６００との距離を示す距離行列に基づいて、次回の収集から除外する端末６００として、データ間の距離の近い方からＮ個の端末６００を選択する。この場合、注目端末に近い７割の端末６００からの距離が近い端末６００が選択される。Ｎ個の選択方法は、実施の形態２と同様である。
　その後、Ｓ１０５で、実施の形態２と同様に、次にデータを収集する新たなＮ個の端末６００を選択し、Ｓ１０２以降を繰り返す。
　以上のように、指定されたポリシーに基づいてデータを収集する端末を選択してもよい。例えば、指定されたポリシーに合わせて、注目端末周辺の端末を残し、その他の端末の中から削除する端末を選択してもよい。ポリシーに合わせて、注目端末から距離が近い端末と注目端末から距離が遠い端末の割合を調整してもよい。これにより、注目端末を含む端末からデータを収集する際に、ユーザの指定に応じて柔軟にデータを収集する端末を選択することができる。
（実施の形態５）
　次に、実施の形態５について説明する。本実施の形態では、複数の注目端末をグルーピングした結果に基づいて、データを収集する端末を選択する例について説明する。なお、ＲＡＮシステム１における各装置の構成は、実施の形態３と同様である。
　図１９は、いくつかの実施の形態に係るＲＡＮシステム１における動作例を示している。図１９は、図１４と比べて、Ｓ４０１～Ｓ４０３が異なっており、その他は図１４と同様である。
　図１９の例では、Ｓ２０１で注目端末が指定されると、端末選択部１４０は、指定された注目端末の数が所定値以上か否か判定する（Ｓ４０１）。注目端末数を判定する所定値は、Ｅ２インタフェースやＯ１インタフェースの容量などに基づいた値でもよい。例えば、注目端末数が所定値よりも少ない場合、実施の形態３と同様に、端末選択部１４０は、Ｍ個の中から注目端末以外でＮ個の端末６００を選択し、選択したＮ個の端末６００を次にデータを取得する端末６００から除外する（Ｓ２０２）。
　一方、注目端末数が所定値以上である場合、端末選択部１４０は、指定された複数の注目端末を距離でグルーピングする（Ｓ４０２）。端末選択部１４０は、注目端末のデータ間の距離に基づいて、距離が所定の範囲内となる注目端末を同じグループに分類する。
　続いて、端末選択部１４０は、各グループで１つのグループ代表端末を残し、Ｍ個の中から注目端末以外でＮ個の端末６００を選択し、選択したＮ個の端末６００を次にデータを取得する端末６００から除外する（Ｓ４０３）。端末選択部１４０は、各グループのうち１つのグループ代表端末を残して、他の注目端末を除外する。すなわち、各グループで距離が近い注目端末を削除する。グループ代表端末は、グループの中の任意の端末でもよい。例えば、グループ内で中央値や平均値の距離を持つ端末を代表に選択してもよい。なお、注目端末数が所定値より少なくなればよいため、グループ代表端末は１つに限らず複数でもよい。さらに、端末選択部１４０は、実施の形態３と同様に、指定された注目端末を除いた中から、次回の収集から除外する端末６００として、距離の近い方からＮ個の端末６００を選択する。その後、Ｓ１０５で、実施の形態２と同様に、次にデータを収集する新たなＮ個の端末６００を選択し、Ｓ１０２以降を繰り返す。
　以上のように、複数の注目端末をグルーピングした結果に基づいて、データを収集する端末を選択してもよい。例えば、注目端末が多くて許容できない場合に、注目端末を距離で分類して近いグループの端末を省略し、余った許容数でデータを俯瞰的に監視できるように端末を選択する。これにより、注目端末が多い場合でも、所望のデータを収集することができる。
　なお、本開示は上記実施の形態に限られたものではなく、趣旨を逸脱しない範囲で適宜変更することが可能である。上述の実施形態における各構成は、ハードウェア又はソフトウェア、もしくはその両方によって構成され、１つのハードウェア又はソフトウェアから構成してもよいし、複数のハードウェア又はソフトウェアから構成してもよい。Ｎｏｎ－ＲＴ　ＲＩＣやＮｅａｒ－ＲＴ　ＲＩＣを含む各装置の各機能（処理）を、図２０に示すような、ネットワークインタフェース３１、ＣＰＵ（Central Processing Unit）等のプロセッサ３２及び記憶装置であるメモリ３３を有するコンピュータ３０により実現してもよい。ネットワークインタフェース３１は、ネットワークノードを含む装置と通信するためのネットワークインタフェースカード（ＮＩＣ）を含んでもよい。例えば、メモリ３３に実施形態における方法を行うためのプログラムを格納し、各機能を、メモリ３３に格納されたプログラムをプロセッサ３２で実行することにより実現してもよい。
　これらのプログラムは、コンピュータに読み込まれた場合に、実施形態で説明された１又はそれ以上の機能をコンピュータに行わせるための命令群（又はソフトウェアコード）を含む。プログラムは、非一時的なコンピュータ可読媒体又は実体のある記憶媒体に格納されてもよい。限定ではなく例として、コンピュータ可読媒体又は実体のある記憶媒体は、random-access memory（RAM）、read-only memory（ROM）、フラッシュメモリ、solid-state drive（SSD）又はその他のメモリ技術、CD-ROM、digital versatile disc（DVD）、Blu-ray（登録商標）ディスク又はその他の光ディスクストレージ、磁気カセット、磁気テープ、磁気ディスクストレージ又はその他の磁気ストレージデバイスを含む。プログラムは、一時的なコンピュータ可読媒体又は通信媒体上で送信されてもよい。限定ではなく例として、一時的なコンピュータ可読媒体又は通信媒体は、電気的、光学的、音響的、またはその他の形式の伝搬信号を含む。
　以上、実施の形態を参照して本開示を説明したが、本開示は上述の実施の形態に限定されるものではない。本開示の構成や詳細には、本開示のスコープ内で当業者が理解し得る様々な変更をすることができる。そして、各実施の形態は、適宜他の実施の形態と組み合わせることができる。
　各図面は、１又はそれ以上の実施形態を説明するための単なる例示である。各図面は、１つの特定の実施形態のみに関連付けられるのではなく、１又はそれ以上の他の実施形態に関連付けられてもよい。当業者であれば理解できるように、いずれか１つの図面を参照して説明される様々な特徴又はステップは、例えば明示的に図示または説明されていない実施形態を作り出すために、１又はそれ以上の他の図に示された特徴又はステップと組み合わせることができる。例示的な実施形態を説明するためにいずれか１つの図に示された特徴またはステップのすべてが必ずしも必須ではなく、一部の特徴またはステップが省略されてもよい。いずれかの図に記載されたステップの順序は、適宜変更されてもよい。
　上記の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。
（付記１）
　複数の端末から、通信品質に関する第１のデータを取得する取得部と、
　前記複数の端末の前記第１のデータ間の類似指標を算出する算出部と、
　前記類似指標に基づいて、通信品質に関する第２のデータを取得する端末を選択する選択部と、
　を備えるシステム。
（付記２）
　前記選択部は、前記類似指標に応じて、前記第１のデータの似ている度合いが高い端末よりも、前記第１のデータの似ている度合いが低い端末を選択する、
　付記１に記載のシステム。
（付記３）
　前記取得部は、前記複数の端末のうち第１のグループの端末から前記第１のデータを取得し、
　前記選択部は、前記類似指標に基づいて、前記第２のデータを取得する対象から除外する端末として、前記第１のグループに含まれる端末のうち第１の数の端末を選択し、前記第２のデータを取得する対象の端末として、前記第１のグループに含まれる端末のうち前記選択された第１の数の端末を除いた端末と、第２のグループに含まれる前記第１の数の端末とを選択する、
　付記１または２に記載のシステム。
（付記４）
　前記選択部は、前記第２のデータを取得する対象から除外する端末として、前記第１のグループに含まれる端末のうち前記第１のデータ間の似ている度合いが高い方から前記第１の数の端末を選択する、
　付記３に記載のシステム。
（付記５）
　前記選択部は、前記端末ごとに、当該端末の前記第１のデータと他の端末の前記第１のデータとの間の前記類似指標の統計値を求め、前記端末ごとの統計値に基づいて、前記第２のデータを取得する端末を選択する、
　付記１または２に記載のシステム。
（付記６）
　前記選択部は、前記類似指標を所定の基準に基づいた値に変換し、前記変換した値に基づいて、前記第２のデータを取得する端末を選択する、
　付記１または２に記載のシステム。
（付記７）
　前記選択部は、前記端末の前記第１のデータと他の端末の前記第１のデータとの間の前記類似指標の組み合わせにおいて、前記端末ごと、または、前記他の端末ごとに前記類似指標を順位付けし、前記順位付けに基づいて、前記第２のデータを取得する端末を選択する、
　付記１または２に記載のシステム。
（付記８）
　前記複数の端末から注目端末を指定する指定部を備え、
　前記選択部は、前記注目端末を、前記第２のデータを取得する端末として選択する、
　付記１または２に記載のシステム。
（付記９）
　前記選択部は、前記注目端末から取得した前記第１のデータと他の端末から取得した前記第１のデータとの間の前記類似指標に基づいて、前記第２のデータを取得する端末を選択する、
　付記８に記載のシステム。
（付記１０）
　前記選択部は、前記類似指標に応じて、前記注目端末と前記第１のデータの似ている度合いが所定よりも高い端末を選択する、
　付記９に記載のシステム。
（付記１１）
　前記選択部は、前記注目端末の数が所定よりも多い場合、前記注目端末を前記類似指標に応じてグルーピングした結果に基づいて、前記第２のデータを取得する端末を選択する、
　付記８に記載のシステム。
（付記１２）
　前記指定部は、前記注目端末に基づいて前記第２のデータを取得する端末を選択するポリシーを指定し、
　前記選択部は、前記ポリシーにしたがい、前記注目端末から取得した前記第１のデータと他の端末から取得した前記第１のデータとの間の前記類似指標に基づいて、前記第２のデータを取得する端末を選択する、
　付記８に記載のシステム。
（付記１３）
　前記ポリシーは、前記注目端末と前記第１のデータの似ている度合いが所定よりも高い端末を選択することを含む、
　付記１２に記載のシステム。
（付記１４）
　前記ポリシーは、前記注目端末と前記第１のデータの似ている度合いが所定よりも高い端末の割り合いと、他の端末の割り合いとを含む、
　付記１２に記載のシステム。
（付記１５）
　複数の端末から、通信品質に関する第１のデータを取得する取得部と、
　前記複数の端末の前記第１のデータ間の類似指標を算出する算出部と、
　前記類似指標に基づいて、通信品質に関する第２のデータを取得する端末を選択する選択部と、
　を備える装置。
（付記１６）
　複数の端末から、通信品質に関する第１のデータを取得し、
　前記複数の端末の前記第１のデータ間の類似指標を算出し、
　前記類似指標に基づいて、通信品質に関する第２のデータを取得する端末を選択する、
　方法。
（付記１７）
　複数の端末から、通信品質に関する第１のデータを取得し、
　前記複数の端末の前記第１のデータ間の類似指標を算出し、
　前記類似指標に基づいて、通信品質に関する第２のデータを取得する端末を選択する、
　処理をコンピュータに実行させるためのプログラム。
　付記１（システム）に従属する付記２～１４に記載した要素（例えば構成及び機能）の一部または全ては、付記１５（装置）、付記１６（方法）、付記１７（プログラム）に対しても付記２～付記１４と同様の従属関係により従属し得る。任意の付記に記載された要素の一部または全ては、様々なハードウェア、ソフトウェア、ソフトウェアを記録するための記録手段、システム、及び方法に適用され得る。
　この出願は、２０２４年３月２９日に出願された日本出願特願２０２４－０５６０１５を基礎とする優先権を主張し、その開示の全てをここに取り込む。
１　　　ＲＡＮシステム
１０　　システム
１１　　取得部
１２　　算出部
１３　　選択部
２０　　装置
３０　　コンピュータ
３１　　ネットワークインタフェース
３２　　プロセッサ
３３　　メモリ
１００　Ｎｅａｒ－ＲＴ　ＲＩＣ
１１０　データ収集部
１２０　データ蓄積部
１３０　距離計算部
１４０　端末選択部
１５０　データ送信部
２１０　データ受信部
２２０　要因推定学習／推論部
２３０　端末指定部
３００　Ｏ－ＤＵ
４００　Ｏ－ＣＵ
５００　外部サーバ
５１０　注目端末入力部
６００　端末

Claims (16)

  1. 　複数の端末から、通信品質に関する第１のデータを取得する取得部と、
    　前記複数の端末の前記第１のデータ間の類似指標を算出する算出部と、
    　前記類似指標に基づいて、通信品質に関する第２のデータを取得する端末を選択する選択部と、
    　を備えるシステム。
  2. 　前記選択部は、前記類似指標に応じて、前記第１のデータの似ている度合いが高い端末よりも、前記第１のデータの似ている度合いが低い端末を選択する、
    　請求項１に記載のシステム。
  3. 　前記取得部は、前記複数の端末のうち第１のグループの端末から前記第１のデータを取得し、
    　前記選択部は、前記類似指標に基づいて、前記第２のデータを取得する対象から除外する端末として、前記第１のグループに含まれる端末のうち第１の数の端末を選択し、前記第２のデータを取得する対象の端末として、前記第１のグループに含まれる端末のうち前記選択された第１の数の端末を除いた端末と、第２のグループに含まれる前記第１の数の端末とを選択する、
    　請求項１または２に記載のシステム。
  4. 　前記選択部は、前記第２のデータを取得する対象から除外する端末として、前記第１のグループに含まれる端末のうち前記第１のデータ間の似ている度合いが高い方から前記第１の数の端末を選択する、
    　請求項３に記載のシステム。
  5. 　前記選択部は、前記端末ごとに、当該端末の前記第１のデータと他の端末の前記第１のデータとの間の前記類似指標の統計値を求め、前記端末ごとの統計値に基づいて、前記第２のデータを取得する端末を選択する、
    　請求項１または２に記載のシステム。
  6. 　前記選択部は、前記類似指標を所定の基準に基づいた値に変換し、前記変換した値に基づいて、前記第２のデータを取得する端末を選択する、
    　請求項１または２に記載のシステム。
  7. 　前記選択部は、前記端末の前記第１のデータと他の端末の前記第１のデータとの間の前記類似指標の組み合わせにおいて、前記端末ごと、または、前記他の端末ごとに前記類似指標を順位付けし、前記順位付けに基づいて、前記第２のデータを取得する端末を選択する、
    　請求項１または２に記載のシステム。
  8. 　前記複数の端末から注目端末を指定する指定部を備え、
    　前記選択部は、前記注目端末を、前記第２のデータを取得する端末として選択する、
    　請求項１または２に記載のシステム。
  9. 　前記選択部は、前記注目端末から取得した前記第１のデータと他の端末から取得した前記第１のデータとの間の前記類似指標に基づいて、前記第２のデータを取得する端末を選択する、
    　請求項８に記載のシステム。
  10. 　前記選択部は、前記類似指標に応じて、前記注目端末と前記第１のデータの似ている度合いが所定よりも高い端末を選択する、
    　請求項９に記載のシステム。
  11. 　前記選択部は、前記注目端末の数が所定よりも多い場合、前記注目端末を前記類似指標に応じてグルーピングした結果に基づいて、前記第２のデータを取得する端末を選択する、
    　請求項８に記載のシステム。
  12. 　前記指定部は、前記注目端末に基づいて前記第２のデータを取得する端末を選択するポリシーを指定し、
    　前記選択部は、前記ポリシーにしたがい、前記注目端末から取得した前記第１のデータと他の端末から取得した前記第１のデータとの間の前記類似指標に基づいて、前記第２のデータを取得する端末を選択する、
    　請求項８に記載のシステム。
  13. 　前記ポリシーは、前記注目端末と前記第１のデータの似ている度合いが所定よりも高い端末を選択することを含む、
    　請求項１２に記載のシステム。
  14. 　前記ポリシーは、前記注目端末と前記第１のデータの似ている度合いが所定よりも高い端末の割り合いと、他の端末の割り合いとを含む、
    　請求項１２に記載のシステム。
  15. 　複数の端末から、通信品質に関する第１のデータを取得し、
    　前記複数の端末の前記第１のデータ間の類似指標を算出し、
    　前記類似指標に基づいて、通信品質に関する第２のデータを取得する端末を選択する、
    　方法。
  16. 　複数の端末から、通信品質に関する第１のデータを取得し、
    　前記複数の端末の前記第１のデータ間の類似指標を算出し、
    　前記類似指標に基づいて、通信品質に関する第２のデータを取得する端末を選択する、
    　処理をコンピュータに実行させるためのプログラム。
PCT/JP2025/002767 2024-03-29 2025-01-29 システム、方法及びプログラム Pending WO2025204094A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2024056015 2024-03-29
JP2024-056015 2024-03-29

Publications (1)

Publication Number Publication Date
WO2025204094A1 true WO2025204094A1 (ja) 2025-10-02

Family

ID=97218783

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2025/002767 Pending WO2025204094A1 (ja) 2024-03-29 2025-01-29 システム、方法及びプログラム

Country Status (1)

Country Link
WO (1) WO2025204094A1 (ja)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014162576A1 (ja) * 2013-04-04 2014-10-09 富士通株式会社 通信システム、通信端末、及び基地局
WO2017037845A1 (ja) * 2015-08-31 2017-03-09 日本電気株式会社 ネットワークノードとネットワークシステムと端末、ネットワーク制御方法並びにプログラム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014162576A1 (ja) * 2013-04-04 2014-10-09 富士通株式会社 通信システム、通信端末、及び基地局
WO2017037845A1 (ja) * 2015-08-31 2017-03-09 日本電気株式会社 ネットワークノードとネットワークシステムと端末、ネットワーク制御方法並びにプログラム

Similar Documents

Publication Publication Date Title
JP7710116B2 (ja) モデル構成方法及び装置
US20230262448A1 (en) Managing a wireless device that is operable to connect to a communication network
CN113994598A (zh) 无线网络的波束预测
CN113498071A (zh) 预测无线通信链路的未来服务质量的方法、装置和程序
US20250203401A1 (en) Artificial Intelligence/Machine Learning Model Management Between Wireless Radio Nodes
WO2023011371A1 (en) Method and system for configuring a threshold value for a handover parameter of a wireless communication system
CN109743761B (zh) 一种无线网络的切换方法、装置和设备
WO2024094038A1 (zh) 切换或更新ai模型的方法以及通信装置
CN116782323A (zh) 一种通信网络中的切换方法及装置
WO2024038554A1 (ja) 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
US20240334289A1 (en) Cellular network user device mobility optimization management
KR20250135285A (ko) Ai/ml 모델들에 대한 적용가능성 보고의 동적 업데이트들
WO2024074881A1 (en) Method and system for feature selection to predict application performance
WO2024199858A1 (en) Apparatuses and methods for machine learning model reliability assessment
CN118804151A (zh) 切换方法、装置、电子设备、存储介质和计算机程序产品
WO2024094157A1 (zh) Ai模型更新方法及通信装置
WO2023235222A1 (en) Predictive data rates for wireless roaming and selection
KR102584562B1 (ko) 드론 기반의 무선통신 시스템의 핸드오버 방법 및 그 방법이 적용된 장치
CN117412338B (zh) 终端设备的切换方法、基站、电子设备及存储介质
CN119172827B (zh) 一种用于低空领域的网络通信方法及系统
WO2025204094A1 (ja) システム、方法及びプログラム
CN117897935A (zh) 通信服务的QoS的预测
WO2024094103A1 (zh) Ai模型更新方法及通信装置
CN114338400B (zh) Sdn网络动态控制方法及装置
CN117318777A (zh) 由基站执行的方法、基站及计算机可读存储介质

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: 25778030

Country of ref document: EP

Kind code of ref document: A1