JP2000069165A - 時系列データ変換を用いたトラヒック予測方法及びその装置 - Google Patents

Abstract

(57)【要約】 【課題】 突発的な変動を含むことなく、かつ最大値に
関する情報を含んだ、分析・管理・設計に有意なデータ
を得ることができる時系列データ変換を用いたトラヒッ
ク予測方法及びその装置を提供すること。 【解決手段】 時間ｉ及び日ｊ毎のネットワークにおけ
るトラヒック量ｙ（ｉ，ｊ）を収集し（ｓ１）、過去の
任意の日数におけるトラヒック量の平均値である相似元
変動パターンｇ（ｉ）を求め（ｓ２）、ｇ（ｉ）に対す
る日ｊのトラヒック量ｙ（ｉ，ｊ）の比の平均値である
相似係数ｒ（ｊ）を求め（ｓ３）、ｒ（ｊ）とｇ（ｉ）
の最大値ｇ＿ｍａｘとの積を日ｊの代表値ｙｄ（ｊ）と
する（ｓ４、５）。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、過去のトラヒック
量から将来のトラヒック量を予測する方法及びその装置
に関するものである。

【０００２】

【従来の技術】一般に、ネットワークにおける各種のト
ラヒック量、即ち呼量、帯域量、単位時間当たりのパケ
ット数等の要求流通（トラヒック）量及び実際の流通
（トラヒック）量は、過去から未来に亘って時々刻々変
化する時系列データとして観測・予測・保存され、過去
における分析に活用されたり、現在及び未来のネットワ
ークリソースの管理・設計に活用される。

【０００３】ところで、この種の各種のトラヒック量に
は通常、観測ノイズ、モデル化ノイズ、予測ノイズとい
ったノイズが含まれており、時系列データを有効に活用
するためには、それらのノイズが除去されたデータを得
る必要がある。

【０００４】インフラストラクチャーネットワーク、例
えば通信ネットワークにおける各種のトラヒック量は、
人間の集団的営みによる社会的現象を反映した具現値で
あり、日変動、週変動、年間変動といった周期的に繰り
返される変動成分、サービスに対する需要の増加／減少
傾向を示すトレンド成分、並びに突発的な変動成分（例
えば人気サイトへの集中アクセス、災害発生時の問い合
わせ集中等）が含まれる。

【０００５】インフラストラクチャーを構築する観点か
らみると、突発的な変動まで考慮していては莫大な設備
投資を行わねばならないことになり、現実的でない。そ
こで、突発的な変動をノイズとみなし、時系列データか
らトレンド成分のみを抽出する必要がある。

【０００６】時系列データからトレンド成分のみ抽出す
る際、その代表値がトレンドを反映していることが必要
である。従来のこの種の方法として、以下の方法が考え
られている。なお、ここでは一日の中で周期変動（日変
動）が存在すると仮定し、その日の日変動を参考にし
て、該当日の代表値を決めることを例に取って説明す
る。

【０００７】第１の方法として、過去の経験より一日の
中でトラヒック量がピークを示す最繁時間帯を予め決め
ておき、その時間帯の値を該当日の代表値とする方法
（従来例１）がある。

【０００８】電話網のように需要が成熟した通信ネット
ワークでは、ピークが現れる時間帯は毎日一定してお
り、この方法が有効である。データ処理の観点からも計
算等が簡単である等の利点を持つ。しかし、最繁時間帯
が変動する場合や、トラヒック変動の激しいネットワー
ク等の場合、突発的な変動を拾ってしまうことになり、
有意なデータが得られないという問題があった。

【０００９】第２の方法として、その日一日の中での最
大値を探索して選び出し、その値を該当日の代表値とす
る方法（従来例２）がある。

【００１０】この方法では、ピークの現れる時間帯が一
定でない場合に有効であるが、従来例１と同様、突発的
な変動を拾う危険性があり、トレンドの反映という点か
ら有意なデータが得られないという問題があった。

【００１１】また、従来例１、２ともに、トレンドの反
映されたデータであるかどうかの信頼性を向上させるた
め、突発的な変動が含まれるかどうかをオフラインで確
認しなければならないという問題があった。

【００１２】第３の方法として、一日の変化の平均値を
代表値とする方法（従来例３）がある。

【００１３】この方法では、その日一日の中の突発的な
変動は吸収できるが、最大値に関する情報が全く含まれ
ていないという点で有意なデータが得られなかった。

【００１４】

【発明が解決しようとする課題】このように、従来例
１、２、３では、いずれもトレンド成分のみを正確に反
映したデータが得られないという問題があった。

【００１５】本発明の目的は、突発的な変動成分を含む
ことなく、かつ最大値に関する情報を含んだ、分析・管
理・設計に有意なデータを得ることができる、実用的な
時系列データ変換を用いたトラヒック予測方法及びその
装置を提供することにある。

【００１６】

【課題を解決するための手段】上記目的を達成するた
め、本発明方法では、ネットワークにおける各種のトラ
ヒック量を、周期変動を考慮した特定の連続した等間隔
の周期時間ｊに区分し、各周期時間をｎ（１以上の整
数）個の時間区分ｉに分割し、時間区分ｉ及び周期時間
ｊ毎のトラヒック量ｙ（ｉ，ｊ）（但し、１≦ｉ≦ｎ）
を収集し、過去の任意の数ｍ（１≦ｍ）の周期時間内の
トラヒック量ｙ（ｉ，ｊ）の平均値である相似元変動パ
ターンｇ（ｉ）を下記式（１）より求め、

【００１７】

【数５】 前記相似元変動パターンｇ（ｉ）に対する最新のトラヒ
ック量ｙ（ｉ，ｊ）の比の平均値である相似係数ｒ
（ｊ）を下記式（２）より求め、

【００１８】

【数６】 前記相似係数ｒ（ｊ）と前記相似元変動パターンｇ
（ｉ）の最大値ｇ＿ｍａｘとの積ｙｄ（ｊ）を周期時間
ｊの最大のトラヒック予測値とすることを特徴とする。

【００１９】また、本発明装置では、ネットワークにお
ける各種のトラヒック量を、周期変動を考慮した特定の
連続した等間隔の周期時間ｊに区分し、各周期時間をｎ
（１以上の整数）個の時間区分ｉに分割し、時間区分ｉ
及び周期時間ｊ毎のトラヒック量ｙ（ｉ，ｊ）（但し、
１≦ｉ≦ｎ）を収集する観測トラヒックデータベース部
と、過去の任意の数ｍ（１≦ｍ）の周期時間内のトラヒ
ック量ｙ（ｉ，ｊ）の平均値である相似元変動パターン
ｇ（ｉ）を下記式（１）より求める相似元変動パターン
作成部と、

【００２０】

【数７】 前記相似元変動パターンｇ（ｉ）に対する最新のトラヒ
ック量ｙ（ｉ，ｊ）の比の平均値である相似係数ｒ
（ｊ）を下記式（２）より求める時系列データ変換部
と、

【００２１】

【数８】 前記相似係数ｒ（ｊ）と前記相似元変動パターンｇ
（ｉ）の最大値ｇ＿ｍａｘとの積ｙｄ（ｊ）を周期時間
ｊの最大のトラヒック予測値として出力する予測トラヒ
ック出力部とを備えたことを特徴とする。

【００２２】本発明によれば、過去のトラヒック量の平
均値に対する最新のトラヒック量の比の平均値を計算す
ることにより、突発的な変動に鈍感な特性を持たせるこ
とができ、この最新のトラヒック量の比の平均値に過去
のトラヒック量の平均値の最大値を乗ずることにより、
最大値に関する情報を含んだ有意なデータを得ることが
できる。

【００２３】

【発明の実施の形態】以下、本発明の実施の形態を図面
に従って説明する。

【００２４】図１は本発明方法の実施の形態の一例を示
す処理の流れ図である。なお、ここではネットワークに
おける各種のトラヒック量に一日の中で周期変動が存在
すると仮定する。

【００２５】まず、ネットワークにおける各種のトラヒ
ック量を、周期変動を考慮した特定の連続した等間隔の
周期時間、ここでは日ｊに区分し、各周期時間をｎ（１
以上の整数）個の時間区分、ここでは時間ｉに分割し、
時間ｉ及び日ｊ毎のトラヒック量ｙ（ｉ，ｊ）（但し、
１≦ｉ≦ｎ）を収集する（ステップｓ１）。

【００２６】次に、過去の任意の日数ｍ（１≦ｍ）内の
トラヒック量ｙ（ｉ，ｊ）の平均値である相似元変動パ
ターンｇ（ｉ）を下記式（１）より求める（ステップｓ
２）。

【００２７】

【数９】 次に、相似元変動パターンｇ（ｉ）に対する日ｊのトラ
ヒック量ｙ（ｉ，ｊ）の比の平均値である相似係数ｒ
（ｊ）を下記式（２）より求める（ステップｓ３）。

【００２８】

【数１０】 また、相似元変動パターンｇ（ｉ）の最大値ｇ＿ｍａｘ
を求める（ステップｓ４）。

【００２９】最後に、相似係数ｒ（ｊ）と相似元変動パ
ターンｇ（ｉ）の最大値ｇ＿ｍａｘとの積ｙｄ（ｊ）
を、日ｊの最大のトラヒック予測値（代表値）として出
力する（ステップｓ５）。

【００３０】図２は本発明によるトラヒック予測のイメ
ージを説明するもので、該当日の日変動が相似元変動パ
ターンｇ（ｉ）に対する相似性を有する程、代表値ｙｄ
（ｊ）は該当日の最大値に近づく特徴を有する。

【００３１】図３は本発明及び従来例による予測結果の
一例を比較して示すもので、ここではＡＴＭ（非同期転
送モード）を用いた、あるインターネットバックボーン
における単位時間（１時間）毎のセル到着数の時系列デ
ータより、日々の時系列データを予測した例を示す。

【００３２】図３において、従来例２では突発的な変動
を拾っている部分が見られる。また、従来例３では全体
的にデータが低めの値になっており、最大値に関する情
報が含まれないと見られる。また、従来例１では元の時
系列データにおける一日のピークを示す時間帯がまちま
ちであることが影響して、突発的な変動を拾っている部
分と、データが低めの値になっている部分が見られる。

【００３３】図４は本発明装置の実施の形態の一例を示
すもので、図中、１は観測対象のネットワーク、２は観
測トラヒックデータベース部、３は相似元変動パターン
作成部、４は時系列データ変換部、５は最大値抽出部、
６は予測トラヒック出力部である。

【００３４】観測トラヒックデータベース部２は、ネッ
トワーク１における各種のトラヒック量を、周期変動を
考慮した特定の連続した等間隔の周期時間、ここでは日
ｊに区分し、各周期時間をｎ（１以上の整数）個の時間
区分、ここでは時間ｉに分割し、時間ｉ及び日ｊ毎のト
ラヒック量ｙ（ｉ，ｊ）（但し、１≦ｉ≦ｎ）を収集す
る。

【００３５】相似元変動パターン作成部３は、過去の任
意の日数ｍ（１≦ｍ）内のトラヒック量ｙ（ｉ，ｊ）の
平均値である相似元変動パターンｇ（ｉ）を前記式
（１）より求める。

【００３６】時系列データ変換部４は、相似元変動パタ
ーンｇ（ｉ）に対する日ｊのトラヒック量ｙ（ｉ，ｊ）
の比の平均値である相似係数ｒ（ｊ）を前記式（２）よ
り求める。

【００３７】最大値抽出部５は、相似元変動パターンｇ
（ｉ）の最大値ｇ＿ｍａｘを求める。

【００３８】予測トラヒック出力部６は、相似係数ｒ
（ｊ）と相似元変動パターンｇ（ｉ）の最大値ｇ＿ｍａ
ｘとの積ｙｄ（ｊ）を、日ｊの最大のトラヒック予測値
（代表値）として出力する。

【００３９】

【発明の効果】以上説明したように、本発明によれば、
ネットワークにおける各種のトラヒック量から、突発的
な変動を除去し、分析・管理・設計に有意な時系列デー
タの作成が可能となり、また、オフライン処理を介さず
に異常データの処理が可能になる。

【図面の簡単な説明】

【図１】本発明方法の実施の形態の一例を示す処理の流
れ図

【図２】本発明によるトラヒック予測のイメージの説明
図

【図３】本発明及び従来例による予測結果の一例を示す
グラフ

【図４】本発明装置の実施の形態の一例を示す構成図

【符号の説明】

１：ネットワーク、２：観測トラヒックデータベース
部、３：相似元変動パターン作成部、４：時系列データ
変換部、５：最大値抽出部、６：予測トラヒック出力
部。

Claims (2)

【特許請求の範囲】
1. 【請求項１】 ネットワークにおける各種のトラヒック
   量を、周期変動を考慮した特定の連続した等間隔の周期
   時間ｊに区分し、各周期時間をｎ（１以上の整数）個の
   時間区分ｉに分割し、時間区分ｉ及び周期時間ｊ毎のト
   ラヒック量ｙ（ｉ，ｊ）（但し、１≦ｉ≦ｎ）を収集
   し、 過去の任意の数ｍ（１≦ｍ）の周期時間内のトラヒック
   量ｙ（ｉ，ｊ）の平均値である相似元変動パターンｇ
   （ｉ）を下記式（１）より求め、 【数１】 前記相似元変動パターンｇ（ｉ）に対する最新のトラヒ
   ック量ｙ（ｉ，ｊ）の比の平均値である相似係数ｒ
   （ｊ）を下記式（２）より求め、 【数２】 前記相似係数ｒ（ｊ）と前記相似元変動パターンｇ
   （ｉ）の最大値ｇ＿ｍａｘとの積ｙｄ（ｊ）を周期時間
   ｊの最大のトラヒック予測値とすることを特徴とする時
   系列データ変換を用いたトラヒック予測方法。
2. 【請求項２】 ネットワークにおける各種のトラヒック
   量を、周期変動を考慮した特定の連続した等間隔の周期
   時間ｊに区分し、各周期時間をｎ（１以上の整数）個の
   時間区分ｉに分割し、時間区分ｉ及び周期時間ｊ毎のト
   ラヒック量ｙ（ｉ，ｊ）（但し、１≦ｉ≦ｎ）を収集す
   る観測トラヒックデータベース部と、 過去の任意の数ｍ（１≦ｍ）の周期時間内のトラヒック
   量ｙ（ｉ，ｊ）の平均値である相似元変動パターンｇ
   （ｉ）を下記式（１）より求める相似元変動パターン作
   成部と、 【数３】 前記相似元変動パターンｇ（ｉ）に対する最新のトラヒ
   ック量ｙ（ｉ，ｊ）の比の平均値である相似係数ｒ
   （ｊ）を下記式（２）より求める時系列データ変換部
   と、 【数４】 前記相似係数ｒ（ｊ）と前記相似元変動パターンｇ
   （ｉ）の最大値ｇ＿ｍａｘとの積ｙｄ（ｊ）を周期時間
   ｊの最大のトラヒック予測値として出力する予測トラヒ
   ック出力部とを備えたことを特徴とする時系列データ変
   換を用いたトラヒック予測装置。