特許ウォッチ

公開番号2025071780
公報種別公開特許公報(A)
公開日2025-05-08
出願番号2024172859
出願日2024-10-02
発明の名称基地局の流量を予測するための方法、装置、およびコンピュータ読み取り可能な記憶媒体
出願人株式会社NTTドコモ
代理人インフォート弁理士法人
主分類H04W 24/08 20090101AFI20250428BHJP(電気通信技術)
要約【課題】基地局の流量を予測するための方法、装置及びコンピュータ読み取り可能な記憶媒体を提供する。
【解決手段】方法は、基地局の過去の流量データを取得するステップと、予測器によって、過去の流量データに基づいて基地局の将来の流量データを生成するステップと、を含み、予測器は、第1のルールに従ってトレーニングされる。第1のルールは、類似性に基づいて、N個の第1のトレーニング曲線がM個のカテゴリにクラスタリングされることであって、N個の第1のトレーニング曲線は、経時的に変化するN個の第1のトレーニングデータの流量値をグラフで表現したものであり、MはN以下である。方法はまた、カテゴリ毎に代表曲線を選別し、各代表曲線に対応するM個の第1のトレーニングデータをM個の最終的なトレーニングデータとして、M個の最終的なトレーニングデータによって予測器をトレーニングすることを含む。
【選択図】図2
特許請求の範囲【請求項１】
基地局の過去の流量データが取得されるステップと、
予測器によって、前記過去の流量データに基づいて前記基地局の将来の流量データが生成されるステップと、を含み、
前記予測器は、第１のルールに従ってトレーニングされ、
前記第１のルールは、
類似性に基づいて、Ｎ個の第１のトレーニング曲線がＭ個のカテゴリにクラスタリングされることであって、前記Ｎ個の第１のトレーニング曲線は、経時的に変化するＮ個の第１のトレーニングデータの流量値をグラフで表現したものであり、ＭはＮ以下である、ことと、
カテゴリごとに代表曲線が選別され、各代表曲線に対応するＭ個の第１のトレーニングデータがＭ個の最終的なトレーニングデータとされることと、
前記Ｍ個の最終的なトレーニングデータによって前記予測器がトレーニングされることと、を含む、基地局の流量を予測するための方法。
続きを表示（約 2,400 文字）【請求項２】
前記Ｍ個の最終的なトレーニングデータによって前記予測器がトレーニングされることは、
Ｍ個の最終的なトレーニングデータに対応するＭ個の代表曲線が曲線ライブラリに追加され、各代表曲線にラベルが設定されるステップと、
前記Ｍ個の最終的なトレーニングデータおよびそのラベルによって前記予測器がトレーニングされるステップと、を含む、請求項１に記載の基地局の流量を予測するための方法。
【請求項３】
予測器によって、前記過去の流量データに基づいて前記基地局の将来の流量データが生成されるステップは、
前記過去の流量データの曲線と最もよくマッチングする曲線が前記曲線ライブラリから決定されるステップであって、前記過去の流量データの曲線は、経時的に変化する前記過去の流量データ内の流量値をグラフで表現したものである、ステップと、
前記過去の流量データと前記最もよくマッチングする曲線に対応するラベルとに基づいて、前記基地局の将来の流量データが生成されるステップと、を含む、請求項２に記載の基地局の流量を予測するための方法。
【請求項４】
前記過去の流量データの曲線と前記最もよくマッチングする曲線とのマッチング度が第１閾値よりも低い場合、前記方法は、
生成された将来の流量データがスケーリングされるステップをさらに含む、請求項３に記載の基地局の流量を予測するための方法。
【請求項５】
生成された将来の流量データがスケーリングされるステップは、
前記過去の流量データの曲線および前記最もよくマッチングする曲線に基づいて、各時点に対応する比率値が算出されるステップと、
生成された将来の流量データが点ごとに対応する時点の比率値と乗算されて、スケーリングされた将来の流量データが生成されるステップと、を含む、請求項４に記載の基地局の流量を予測するための方法。
【請求項６】
前記過去の流量データの曲線と前記最もよくマッチングする曲線とのマッチング度が第２閾値よりも低い場合、前記方法は、
前記過去の流量データの曲線が複数の部分曲線に分割されるステップと、
前記複数の部分曲線のそれぞれについて、前記部分曲線と最もよくマッチングする曲線が前記曲線ライブラリから決定され、前記過去の流量データと前記最もよくマッチングする曲線に対応するラベルとに基づいて、前記基地局の部分的な将来の流量データが生成されるステップと、
前記複数の部分曲線に対応する複数の部分的な将来の流量データが結合され、前記基地局の前記将来の流量データが生成されるステップと、をさらに含む、請求項３に記載の基地局の流量を予測するための方法。
【請求項７】
前記過去の流量データと前記最もよくマッチングする曲線に対応するラベルとに基づいて、前記基地局の部分的な将来の流量データが生成されるステップは、
前記過去の流量データと前記最もよくマッチングする曲線に対応するラベルに基づいて、前記基地局の第１の将来の流量データが生成されるステップと、
前記部分曲線の時間帯に対応する部分を、前記第１の将来の流量データから切り出して、前記部分的な将来の流量データとするステップと、を含む、請求項６に記載の基地局の流量を予測するための方法。
【請求項８】
前記過去の流量データの曲線と前記最もよくマッチングする曲線とのマッチング度が第３閾値よりも低い場合、前記方法は、
前記過去の流量データの曲線における少なくとも１つのセグメントが識別されるステップにおいて、前記少なくとも１つのセグメントと前記最もよくマッチングする曲線の対応するセグメントとのマッチング度が第４閾値よりも低い、ステップと、
前記少なくとも１つのセグメントのそれぞれが、前記最もよくマッチングする曲線の前記対応するセグメントにより個別に置き換えられて、修正された過去の流量データが生成されるステップと、
前記修正された過去の流量データと前記最もよくマッチングする曲線に対応するラベルとに基づいて、前記基地局の将来の流量データが生成されるステップと、を含む、請求項３に記載の基地局の流量を予測するための方法。
【請求項９】
基地局の流量を予測するための装置であって、
前記基地局の過去の流量データを取得する過去の流量データ取得ユニットと、
前記過去の流量データに基づいて、前記基地局の将来の流量データを生成する予測ユニットと、を含み、
前記予測ユニットが、第１のルールに従ってトレーニングされ、
前記第１のルールは、
類似性に基づいて、Ｎ個の第１のトレーニング曲線がＭ個のカテゴリにクラスタリングされることであって、前記Ｎ個の第１のトレーニング曲線は、経時的に変化するＮ個の第１のトレーニングデータの流量値をグラフで表現したものであり、ＭはＮ以下である、ことと、
カテゴリごとに代表曲線が選別され、各代表曲線に対応するＭ個の第１のトレーニングデータがＭ個の最終的なトレーニングデータとされることと、
前記Ｍ個の最終的なトレーニングデータによって前記予測器がトレーニングされることと、を含む、基地局の流量を予測するための装置。
【請求項１０】
コンピュータ命令が記憶される非一時的なコンピュータ読み取り可能な記憶媒体であって、
前記コンピュータ命令がプロセッサによって実行される場合、請求項１～８のいずれか一項に記載の、基地局の流量を予測するための方法が実行される、非一時的なコンピュータ読み取り可能な記憶媒体。

発明の詳細な説明【技術分野】
【０００１】
本願は、人工知能の分野に関し、特に、基地局の流量を予測するための方法、装置、および非一時的なコンピュータ読み取り可能な記憶媒体に関する。
続きを表示（約 2,000 文字）【背景技術】
【０００２】
基地局は、特定の無線電波到達エリアにおいて、移動通信交換センターと移動端末との間で情報を送信する無線送受信局である。移動通信ネットワークサービスの発展に伴い、移動通信基地局の配置と管理が特に重要になる。配置された基地局について、処理する必要があるデータ流量と消費電力は、時間によって異なる。例えば、データ流量が非常に少ない時間帯に基地局が常に完全にオンである場合、実際には大量の電力の浪費が発生する。
【０００３】
節電の目的を達成するには、データ流量の変化に適応し、基地局のオンまたはオフを柔軟に制御できる節電戦略を設計する必要がある。統一された節電戦略を用いてすべての基地局を管理しても、問題が生じる。なぜなら、全国には膨大な数の基地局があり、地域ごとに基地局の流量パターンが大きく異なるためであり、統一された節電戦略は間違いなくさらなる問題を引き起こす。
【０００４】
したがって、異なる地域の異なる基地局の流量を適応的に予測できる方法が緊急に必要とされ、各基地局の流量予測結果に基づいて基地局の節電方法を事前に展開および管理して、全国の基地局の電力消費量を節約する。
【発明の概要】
【０００５】
本願は、上記の問題点に鑑みてなされたものである。例示的な態様において、本開示は、前記基地局の過去の流量データが取得されるステップと、予測器によって、前記過去の流量データに基づいて前記基地局の将来の流量データが生成されるステップと、を含む、基地局の流量を予測するための方法を提供し、前記予測器は、第１のルールに従ってトレーニングされ、前記第１のルールは、類似性に基づいて、Ｎ個の第１のトレーニング曲線がＭ個のカテゴリにクラスタリングされることであって、前記Ｎ個の第１のトレーニング曲線は、経時的に変化するＮ個の第１のトレーニングデータ内の流量値をグラフで表現したものであり、ＭがＮ以下である、ことと、カテゴリごとに代表曲線が選別され、各代表曲線に対応するＭ個の第１のトレーニングデータをＭ個の最終的なトレーニングデータとすることと、前記Ｍ個の最終的なトレーニングデータによって前記予測器がトレーニングされることと、を含む。
【０００６】
いくつかの実施例において、前記Ｍ個の最終的なトレーニングデータによって前記予測器がトレーニングされることは、Ｍ個の最終的なトレーニングデータに対応するＭ個の代表曲線が曲線ライブラリに追加され、各代表曲線にラベルが設定されるステップと、前記Ｍ個の最終的なトレーニングデータおよびそのラベルによって、前記予測器がトレーニングされるステップと、を含む。
【０００７】
いくつかの実施例において、予測器によって、前記過去の流量データに基づいて前記基地局の将来の流量データが生成されるステップは、前記過去の流量データの曲線と最もよくマッチングする曲線が前記曲線ライブラリから決定されるステップであって、前記過去の流量データの曲線は、経時的に変化する前記過去の流量データ内の流量値をグラフで表現されたものである、ステップと、前記過去の流量データと前記最もよくマッチングする曲線に対応するラベルとに基づいて、前記基地局の将来の流量データが生成されるステップと、を含む。
【０００８】
いくつかの実施例において、前記過去の流量データの曲線と、前記最もよくマッチングする曲線とのマッチング度が第１閾値よりも低い場合、前記方法は、生成された将来の流量データがスケーリングされるステップをさらに含む。
【０００９】
いくつかの実施例において、生成された将来の流量データがスケーリングされるステップは、前記過去の流量データの曲線と前記最もよくマッチングする曲線に基づいて、各時点に対応する比率値が算出されるステップと、生成された将来の流量データが点ごとに対応する時点の比率値と乗算されて、スケーリングされた将来の流量データが生成されるステップと、を含む。
【００１０】
いくつかの実施例において、前記過去の流量データの曲線と、前記最もよくマッチングする曲線とのマッチング度が第２閾値よりも低い場合、前記方法は、前記過去の流量データの曲線が複数の部分曲線に分割されるステップと、前記複数の部分曲線のそれぞれについて、前記部分曲線と最もよくマッチングする曲線が、前記曲線ライブラリから決定され、前記過去の流量データと前記最もよくマッチングする曲線に対応するラベルとに基づいて、前記基地局の部分的な将来の流量データが生成されるステップと、前記複数の部分曲線に対応する複数の部分的な将来の流量データが結合され、前記基地局の前記将来の流量データが生成されるステップと、をさらに含む。
（【００１１】以降は省略されています）

関連特許