JP2007053679A - System and method for traffic amount prediction - Google Patents

System and method for traffic amount prediction Download PDF

Info

Publication number
JP2007053679A
JP2007053679A JP2005238730A JP2005238730A JP2007053679A JP 2007053679 A JP2007053679 A JP 2007053679A JP 2005238730 A JP2005238730 A JP 2005238730A JP 2005238730 A JP2005238730 A JP 2005238730A JP 2007053679 A JP2007053679 A JP 2007053679A
Authority
JP
Japan
Prior art keywords
network structure
structure information
traffic
predicted
information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2005238730A
Other languages
Japanese (ja)
Other versions
JP4606972B2 (en
Inventor
Jun Sasaki
純 佐々木
Wakei Akinaga
和計 秋永
Takeshi Ihara
武 井原
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.)
NTT Docomo Inc
Original Assignee
NTT Docomo Inc
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 NTT Docomo Inc filed Critical NTT Docomo Inc
Priority to JP2005238730A priority Critical patent/JP4606972B2/en
Publication of JP2007053679A publication Critical patent/JP2007053679A/en
Application granted granted Critical
Publication of JP4606972B2 publication Critical patent/JP4606972B2/en
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Monitoring And Testing Of Exchanges (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

<P>PROBLEM TO BE SOLVED: To predict also about a traffic amount in a network with imbalanced degree distribution. <P>SOLUTION: A traffic information acquisition unit 21 acquires traffic information from a traffic information collecting device 10 for every collecting period. A network structure information calculation unit 22 calculates distribution of a terminal number and an average value of speech time for each number of called parties in an object period based on the acquired traffic information as network structure information. A prediction network structure information calculation unit 23 calculates prediction network structure information based on the calculated network structure information. A prediction traffic amount calculation unit 24 calculates a prediction traffic amount of the all network based on the calculated prediction network structure information. <P>COPYRIGHT: (C)2007,JPO&INPIT

Description

本発明は、トラヒック量予測システムおよびトラヒック量予測方法に関する。   The present invention relates to a traffic volume prediction system and a traffic volume prediction method.

従来、将来の通信トラヒック量を予測する方法として、例えば、トラヒック量を月、曜日などの時間属性ごとや、性別、年令などのユーザ属性ごとに分類し、それぞれの属性におけるトラヒック量の平均値や分散を算出した後、これらの値の変動等を分析することで将来のトラヒック量を予測する方法がある。下記特許文献１および特許文献２には、時間属性ごとにトラヒック量の平均値を予測し、全ての属性の平均値を合計することで全体のトラヒック量を予測する技術が開示されている。
特開平４−３２９０５２号公報 特開２００４−２３１１４号公報 Conventionally, as a method for predicting the future communication traffic volume, for example, the traffic volume is classified by time attribute such as month, day of the week, or by user attribute such as gender and age, and the average value of the traffic volume in each attribute There is a method for predicting the future traffic volume by calculating the variance of these values after calculating the variance. Patent Document 1 and Patent Document 2 listed below disclose techniques for predicting the total traffic volume by predicting the average traffic volume for each time attribute and summing the average values of all attributes.
JP-A-4-329052 JP 2004-23114 A

ところで、最近、知人関係のネットワークや、インターネットなどの多くのネットワークは、正規分布に従った、いわゆるランダムネットワークに属するのではなく、べき法則（べき乗の法則）に従った、いわゆるスケールフリーネットワークに属するということが解明されてきている（参考文献：「複雑ネットワークの科学」、増田直紀・今野紀雄著、産業図書、“第２章２．２グラフ理論への入り口”参照）。図１０に示すように、ランダムネットワークの次数分布Ｐ（ｋ）[ｋ：次数]は、平均値を中心とした釣鐘型のグラフで表される。これに対して、スケールフリーネットワークの次数分布Ｐ（ｋ）は、ｋ−γ（γはべき指数）に比例する関係で表され、図１１に示すようなグラフで表される。両ネットワークの次数分布を比較すると、スケールフリーネットワークでは、平均値から大きく外れた値が、ランダムネットワークよりも高い確率で存在することがわかる。 Recently, many networks such as acquaintances and the Internet do not belong to a so-called random network according to a normal distribution, but belong to a so-called scale-free network according to a power law (power law). (Reference: "Science of complex networks", Naoki Masuda and Norio Imano, Sangyo Tosho, "Chapter 2 2.2 Entrance to Graph Theory"). As shown in FIG. 10, the degree distribution P (k) [k: degree] of the random network is represented by a bell-shaped graph centered on the average value. On the other hand, the degree distribution P (k) of the scale-free network is represented by a relationship proportional to k −γ (γ is a power exponent), and is represented by a graph as shown in FIG. Comparing the degree distributions of both networks, it can be seen that in the scale-free network, a value greatly deviating from the average value exists with a higher probability than in the random network.

したがって、従来技術のように、過去のトラヒック量の平均値に基づいて将来のトラヒック量を予測する方法では、スケールフリーネットワークに代表される偏った次数分布を持つネットワークにおけるトラヒック量を予測することは困難となる。   Therefore, as in the prior art, in the method of predicting the future traffic volume based on the average value of the past traffic volume, it is possible to predict the traffic volume in a network having a biased degree distribution represented by a scale-free network. It becomes difficult.

そこで、本発明は、上述した課題を解決するために、偏った次数分布を持つネットワークにおけるトラヒック量についても予測することができるトラヒック量予測システムおよびトラヒック量予測方法を提供することを目的とする。   Therefore, in order to solve the above-described problems, an object of the present invention is to provide a traffic amount prediction system and a traffic amount prediction method that can also predict a traffic amount in a network having a biased degree distribution.

本発明のトラヒック量予測システムは、複数の通信ノードおよび当該通信ノード間を結ぶリンクにより形成されるネットワークにおけるリンクごとのトラヒック情報を収集するトラヒック情報収集手段と、トラヒック情報収集手段により収集されたトラヒック情報に基づいて、所定の期間におけるリンク数ごとの通信ノード数および通信時間の平均値を、ネットワークの構造を示すネットワーク構造情報として算出するネットワーク構造情報算出手段と、ネットワーク構造情報算出手段により算出された異なる複数の期間におけるネットワーク構造情報に基づいて、将来のネットワーク構造情報である予測ネットワーク構造情報を算出する予測ネットワーク構造情報算出手段と、予測ネットワーク構造情報算出手段により算出された予測ネットワーク構造情報に基づいて、将来のトラヒック量である予測トラヒック量を算出する予測トラヒック量算出手段と、を備えることを特徴とする。   A traffic volume prediction system according to the present invention includes a traffic information collecting unit that collects traffic information for each link in a network formed by a plurality of communication nodes and a link connecting the communication nodes, and a traffic collected by the traffic information collecting unit. Based on the information, it is calculated by network structure information calculating means for calculating the average number of communication nodes and communication time for each number of links in a predetermined period as network structure information indicating the structure of the network, and network structure information calculating means. Prediction network structure information calculating means for calculating predicted network structure information as future network structure information based on network structure information in a plurality of different periods, and a prediction network calculated by the prediction network structure information calculating means. Based on the work structure information, characterized in that it comprises a prediction traffic amount calculating means for calculating the predicted amount of traffic is the amount future traffic.

また、本発明のトラヒック量予測方法は、複数の通信ノードおよび当該通信ノード間を結ぶリンクにより形成されるネットワークにおけるリンクごとのトラヒック情報を収集するトラヒック情報収集ステップと、トラヒック情報収集ステップにおいて収集されたトラヒック情報に基づいて、所定の期間におけるリンク数ごとの通信ノード数および通信時間の平均値を、ネットワークの構造を示すネットワーク構造情報として算出するネットワーク構造情報算出ステップと、ネットワーク構造情報算出ステップにおいて算出された異なる複数の期間におけるネットワーク構造情報に基づいて、将来のネットワーク構造情報である予測ネットワーク構造情報を算出する予測ネットワーク構造情報算出ステップと、予測ネットワーク構造情報算出ステップにおいて算出された予測ネットワーク構造情報に基づいて、将来のトラヒック量である予測トラヒック量を算出する予測トラヒック量算出ステップと、を備えることを特徴とする。   The traffic volume prediction method of the present invention is collected in a traffic information collecting step for collecting traffic information for each link in a network formed by a plurality of communication nodes and links connecting the communication nodes, and a traffic information collecting step. Network structure information calculating step for calculating the average value of the number of communication nodes and the communication time for each number of links in a predetermined period as network structure information indicating the network structure based on the traffic information, and in the network structure information calculating step A predicted network structure information calculating step for calculating predicted network structure information as future network structure information based on the calculated network structure information in a plurality of different periods; Tsu based on the prediction network structure information calculated in-flop, characterized in that it comprises the prediction traffic calculating step of calculating the predicted amount of traffic is the amount future traffic.

これらの発明によれば、所定の期間におけるリンク数ごとの通信ノード数および通信時間の平均値が、ネットワーク構造情報として算出される。これにより、各通信ノード間のリンク関係や各リンクでの通信時間の変化を、ネットワーク構造の変化として捉えることができる。また、算出された異なる複数の期間におけるネットワーク構造情報に基づいて、予測ネットワーク構造情報が算出され、この算出された予測ネットワーク構造情報に基づいて、将来のトラヒック量が算出される。これにより、ネットワーク構造の変化に応じたトラヒック量を算出することができる。したがって、ランダムネットワークにおけるトラヒック量に限らず、スケールフリーネットワークに代表される偏った次数分布を持つネットワークにおけるトラヒック量についても予測することが可能となる。   According to these inventions, the average number of communication nodes and communication time for each number of links in a predetermined period is calculated as network structure information. Thereby, the link relationship between each communication node and the change of the communication time in each link can be grasped as the change of the network structure. Further, the predicted network structure information is calculated based on the calculated network structure information in a plurality of different periods, and the future traffic amount is calculated based on the calculated predicted network structure information. Thereby, the traffic amount according to the change of the network structure can be calculated. Therefore, it is possible to predict not only the traffic amount in a random network but also the traffic amount in a network having a biased degree distribution represented by a scale-free network.

本発明のトラヒック量予測システムにおいて、上記予測ネットワーク構造情報算出手段は、異なる複数の期間におけるネットワーク構造情報の変化の比率または差分を算出し、当該算出した変化の比率または差分を所定のネットワーク構造情報に乗算または加算することによって、予測ネットワーク構造情報を算出することが好ましい。   In the traffic volume prediction system according to the present invention, the predicted network structure information calculation unit calculates a change ratio or difference of the network structure information in a plurality of different periods, and calculates the calculated change ratio or difference as predetermined network structure information. The predicted network structure information is preferably calculated by multiplying or adding to.

本発明のトラヒック量予測システムにおいて、上記予測トラヒック量算出手段は、予測ネットワーク構造情報に含まれるリンク数ごとの通信ノード数と通信時間の平均値とを乗算してリンク数ごとのトラヒック量を算出した後に、全てのリンク数ごとのトラヒック量を集計することによって、予測トラフィック量を算出することが好ましい。   In the traffic volume prediction system according to the present invention, the predicted traffic volume calculation means calculates the traffic volume for each number of links by multiplying the number of communication nodes for each number of links included in the predicted network structure information by the average value of communication time. After that, it is preferable to calculate the predicted traffic volume by totaling the traffic volume for every number of links.

本発明のトラヒック量予測システムにおいて、上記ネットワーク構造情報算出手段により算出されたネットワーク構造情報を記憶するネットワーク構造情報記憶手段を、さらに備え、予測ネットワーク構造情報算出手段は、ネットワーク構造情報算出手段により算出されたネットワーク構造情報およびネットワーク構造情報記憶手段により記憶された一または複数の期間におけるネットワーク構造情報に基づいて、予測ネットワーク構造情報を算出することが好ましい。   The traffic volume prediction system of the present invention further comprises network structure information storage means for storing the network structure information calculated by the network structure information calculation means, wherein the predicted network structure information calculation means is calculated by the network structure information calculation means. It is preferable to calculate the predicted network structure information based on the network structure information and the network structure information in one or more periods stored by the network structure information storage means.

本発明に係るトラヒック量予測システムおよびトラヒック量予測方法によれば、スケールフリーネットワークに代表される偏った次数分布を持つネットワークにおけるトラヒック量についても高い精度で予測することができる。   According to the traffic amount prediction system and the traffic amount prediction method according to the present invention, it is possible to predict the traffic amount in a network having a biased degree distribution typified by a scale-free network with high accuracy.

以下、本発明に係るトラヒック量予測システムおよびトラヒック量予測方法の実施形態を図面に基づき説明する。なお、各図において、同一要素には同一符号を付して重複する説明を省略する。   DESCRIPTION OF EMBODIMENTS Hereinafter, embodiments of a traffic volume prediction system and a traffic volume prediction method according to the present invention will be described with reference to the drawings. In addition, in each figure, the same code | symbol is attached | subjected to the same element and the overlapping description is abbreviate | omitted.

図１は、実施形態におけるトラヒック量予測システムのシステム構成を例示する図である。図１に示すように、トラヒック量予測システム１は、移動体通信網の内部に設置されるトラヒック情報収集装置１０（トラヒック情報収集手段）およびトラヒック量予測装置２０を有する。   FIG. 1 is a diagram illustrating a system configuration of a traffic amount prediction system according to an embodiment. As shown in FIG. 1, the traffic volume prediction system 1 includes a traffic information collection device 10 (traffic information collection means) and a traffic volume prediction device 20 installed inside a mobile communication network.

トラヒック情報収集装置１０は、移動体通信網内で管理されている携帯電話機５０（通信ノード）の音声通話履歴情報を取得する。これにより、音声通話履歴情報がトラヒック情報として収集される。トラヒック情報収集装置１０は、取得したトラヒック情報をトラヒック量予測装置２０に送出する。ここで、トラヒック情報は、携帯電話機５０間を結ぶリンクごとの音声通話履歴情報であり、トラヒック情報としては、例えば、発信端末ＩＤ、着信端末ＩＤ、通話開始時間、通話時間が該当する。   The traffic information collection device 10 acquires voice call history information of the mobile phone 50 (communication node) managed in the mobile communication network. Thereby, voice call history information is collected as traffic information. The traffic information collection device 10 sends the acquired traffic information to the traffic amount prediction device 20. Here, the traffic information is voice call history information for each link connecting the mobile phones 50, and examples of the traffic information include a transmission terminal ID, a reception terminal ID, a call start time, and a call time.

トラヒック量予測装置２０は、トラヒック情報取得部２１（トラヒック情報収集手段）と、ネットワーク構造情報算出部２２（ネットワーク構造情報算出手段）と、予測ネットワーク構造情報算出部２３（予測ネットワーク構造情報算出手段）と、予測トラヒック量算出部２４（予測トラヒック量算出手段）と、出力部２５とを有する。また、トラヒック量予測装置２０は、トラヒック情報データベース２７と、ネットワーク構造情報データベース２８とを備える。   The traffic amount prediction device 20 includes a traffic information acquisition unit 21 (traffic information collection unit), a network structure information calculation unit 22 (network structure information calculation unit), and a prediction network structure information calculation unit 23 (prediction network structure information calculation unit). And a predicted traffic amount calculation unit 24 (predicted traffic amount calculation means) and an output unit 25. The traffic volume prediction device 20 includes a traffic information database 27 and a network structure information database 28.

トラヒック情報取得部２１は、トラヒック情報収集装置１０において収集されたトラヒック情報を所定の収集期間ごとに取得する。所定の収集期間は、例えば、１時間、１日、１ヶ月等、運用に合わせて任意に設定することができる。トラヒック情報取得部２１は、トラヒック情報収集装置１０から取得したトラヒック情報を、トラヒック情報データベース２７に格納する。   The traffic information acquisition unit 21 acquires the traffic information collected in the traffic information collection device 10 every predetermined collection period. The predetermined collection period can be arbitrarily set according to the operation, for example, 1 hour, 1 day, 1 month, or the like. The traffic information acquisition unit 21 stores the traffic information acquired from the traffic information collection device 10 in the traffic information database 27.

ここで、図２を参照してトラヒック情報データベース２７のデータ構成について説明する。図２に示すように、トラヒック情報データベース２７は、データ項目として、例えば、発信端末ＩＤ、着信端末ＩＤ、通話開始時間および通話時間を有する。発信端末ＩＤには、発信側の携帯電話機５０を一意に特定するためのＩＤが格納され、着信端末ＩＤには、着信側の携帯電話機５０を一意に特定するためのＩＤが格納される。通話開始時間には、発信側の携帯電話機５０と着信側の携帯電話機５０との間で通話が開始された時間が格納され、通話時間には、発信側の携帯電話機５０と着信側の携帯電話機５０との間の通話時間が格納される。   Here, the data structure of the traffic information database 27 will be described with reference to FIG. As shown in FIG. 2, the traffic information database 27 includes, for example, a transmission terminal ID, a reception terminal ID, a call start time, and a call time as data items. In the calling terminal ID, an ID for uniquely specifying the calling-side mobile phone 50 is stored, and in the receiving terminal ID, an ID for uniquely specifying the receiving-side mobile phone 50 is stored. The call start time stores the time when the call is started between the calling-side mobile phone 50 and the called-side mobile phone 50, and the calling time includes the calling-side mobile phone 50 and the called-side mobile phone. The call time between 50 is stored.

図１に示すネットワーク構造情報算出部２２は、トラヒック情報データベース２７に格納されたトラヒック情報に基づいて、所定の対象期間における通話相手先数（リンク数）ごとの端末台数（携帯電話機の台数）および所定の対象期間における通話相手先数ごとの携帯電話機５０の通話時間の平均値を算出する。この算出された通話相手先数ごとの端末台数および通話時間の平均値が、ネットワークの構造を示すネットワーク構造情報となる。所定の対象期間は、例えば、１日、１ヶ月、１年等、任意に設定することができる。   Based on the traffic information stored in the traffic information database 27, the network structure information calculation unit 22 shown in FIG. 1 determines the number of terminals (number of mobile phones) for each number of call partners (number of links) in a predetermined target period. An average value of the call time of the mobile phone 50 for each number of call destinations in a predetermined target period is calculated. The calculated average number of terminals and call duration for each number of call destinations is network structure information indicating the network structure. The predetermined target period can be arbitrarily set, for example, one day, one month, or one year.

ネットワーク構造情報を算出する方法を具体的に説明すると、まず、ネットワーク構造情報算出部２２は、トラヒック情報データベース２７から、所定の対象期間のトラヒック情報を抽出する。具体的に説明すると、例えば、所定の対象期間が、２００５年８月である場合には、図２に示すように、通話開始時刻が２００５年８月に含まれるトラヒック情報が抽出される。   The method for calculating the network structure information will be specifically described. First, the network structure information calculation unit 22 extracts traffic information for a predetermined target period from the traffic information database 27. Specifically, for example, when the predetermined target period is August 2005, traffic information including the call start time in August 2005 is extracted as shown in FIG.

次に、ネットワーク構造情報算出部２２は、抽出したトラヒック情報を、発信端末ＩＤと着信端末ＩＤの組に分類し、各組における総通話時間を算出する（図３参照）。具体的に説明すると、例えば、図２に示す発信端末ＩＤが“１”である携帯電話機と着信端末ＩＤが“２”である携帯電話機の組が、２００５年８月に２回だけ通話したと仮定した場合には、８／１の通話時間“４２秒”と、８／９の通話時間“３７秒”の合計となる“７９秒”が、この組における総通話時間として算出される（図３参照）。   Next, the network structure information calculation unit 22 classifies the extracted traffic information into sets of a transmission terminal ID and a reception terminal ID, and calculates a total call time in each group (see FIG. 3). More specifically, for example, it is assumed that a pair of a mobile phone with a calling terminal ID “1” and a mobile phone with a receiving terminal ID “2” shown in FIG. Assuming that “79 seconds”, which is the sum of the call time “42 seconds” of 8/1 and the call time “37 seconds” of 8/9, is calculated as the total call time in this group (see FIG. 3).

次に、ネットワーク構造情報算出部２２は、算出した組ごとの総通話時間に基づいて、発信端末ＩＤごとの通話相手先数とその総通話時間を算出する（図４参照）。具体的に説明すると、例えば、図３に示す発信端末ＩＤが“１”である携帯電話機が、２００５年８月に着信端末ＩＤが“２”，“４”，“１１”である携帯電話機とのみ通話したと仮定した場合には、発信端末ＩＤ“１”の通話相手先数として“３”が算出され、各着信端末との総通話時間である“７９秒”，“２９１秒”，“１０２秒”の合計である“４７２秒”が、発信端末ＩＤ“１”の総通話時間として算出される（図４参照）。   Next, the network structure information calculation unit 22 calculates the number of call partners for each calling terminal ID and the total call time based on the calculated total call time for each set (see FIG. 4). More specifically, for example, a mobile phone having a calling terminal ID “1” shown in FIG. 3 is a mobile phone having a receiving terminal ID “2”, “4”, “11” in August 2005. When it is assumed that only the telephone call is made, “3” is calculated as the number of the other party of the calling terminal ID “1”, and “79 seconds”, “291 seconds”, “ “472 seconds”, which is the sum of “102 seconds”, is calculated as the total call time of the calling terminal ID “1” (see FIG. 4).

次に、ネットワーク構造情報算出部２２は、算出した発信端末ＩＤごとの通話相手先数とその総通話時間に基づいて、通話相手先数ごとの総端末台数および平均通話時間を算出する（図５参照）。具体的に説明すると、図４に示す通話相手先数ごとに携帯電話機の端末台数をカウントしていくことによって図５に示す通話相手先数ごとの総端末台数を算出し、図４に示す通話相手先数ごとに総通話時間を集計して通話相手先数ごとの総端末台数で割ることによって図５に示す通話相手先数ごとの平均通話時間を算出する。これにより、ネットワーク構造情報が算出される。   Next, the network structure information calculation unit 22 calculates the total number of terminals and the average call time for each number of call destinations based on the calculated number of call destinations for each calling terminal ID and the total call time (FIG. 5). reference). More specifically, the total number of terminals for each number of call destinations shown in FIG. 5 is calculated by counting the number of mobile phone terminals for each number of call destinations shown in FIG. By calculating the total call time for each number of destinations and dividing by the total number of terminals for each number of call destinations, the average call time for each number of call destinations shown in FIG. 5 is calculated. Thereby, network structure information is calculated.

ネットワーク構造情報算出部２２は、算出したネットワーク構造情報を、ネットワーク構造情報データベース２８に格納する。   The network structure information calculation unit 22 stores the calculated network structure information in the network structure information database 28.

ここで、図６を参照してネットワーク構造情報データベース２８のデータ構成について説明する。図６に示すように、ネットワーク構造情報データベース２８は、データ項目として、例えば、年月、通話相手先数、総端末台数および平均通話時間を有する。このようなデータ項目からなるネットワーク構造情報データベース２８には、図５に示すネットワーク構造情報が、このネットワーク構造情報の基となるトラヒック情報の発生年月ごとに分類されて格納される。   Here, the data structure of the network structure information database 28 will be described with reference to FIG. As shown in FIG. 6, the network structure information database 28 includes, for example, year, month, number of call destinations, total number of terminals, and average call time as data items. In the network structure information database 28 composed of such data items, the network structure information shown in FIG. 5 is classified and stored for each generation date of traffic information which is the basis of the network structure information.

図１に示す予測ネットワーク構造情報算出部２３は、ネットワーク構造情報算出部２２により算出されたネットワーク構造情報およびネットワーク構造情報データベース２８に記憶された過去の一または複数の期間におけるネットワーク構造情報に基づいて、将来のネットワーク構造情報である予測ネットワーク構造情報を算出する。具体的に説明すると、予測ネットワーク構造情報算出部２３は、異なる複数の期間におけるネットワーク構造情報の変化の比率または差分を算出し、当該算出した変化の比率または差分を所定のネットワーク構造情報に乗算または加算することによって、予測ネットワーク構造情報を算出する。   The predicted network structure information calculation unit 23 shown in FIG. 1 is based on the network structure information calculated by the network structure information calculation unit 22 and the network structure information in one or more past periods stored in the network structure information database 28. The predicted network structure information, which is the future network structure information, is calculated. More specifically, the predicted network structure information calculation unit 23 calculates a change rate or difference of network structure information in a plurality of different periods, and multiplies predetermined network structure information by the calculated change rate or difference. Prediction network structure information is calculated by adding.

ここで、予測ネットワーク構造情報を算出する方法について、より具体的に説明する。例えば、ネットワーク構造情報算出部２２により算出されたネットワーク構造情報が、当月のネットワーク構造情報であり、ネットワーク構造情報データベース２８から抽出した過去のネットワーク構造情報が、前月のネットワーク構造情報である場合に、両ネットワーク構造情報間における変化および端末台数の変化と、次月の見込総端末台数とに基づいて、以下のようにして予測ネットワーク構造情報である次月のネットワーク構造情報を算出する。   Here, the method for calculating the predicted network structure information will be described more specifically. For example, when the network structure information calculated by the network structure information calculation unit 22 is network structure information of the current month, and the past network structure information extracted from the network structure information database 28 is network structure information of the previous month, Based on the change between the two network structure information, the change in the number of terminals, and the expected total number of terminals in the next month, the network structure information of the next month, which is the predicted network structure information, is calculated as follows.

まず、予測ネットワーク構造情報に含まれる通話相手先数ごとの端末台数を算出する方法について説明する。図７に示すグラフは、通話相手先数をｋとし、携帯電話機の端末台数をＰ（ｋ）とした場合に、それぞれの対数の関係を表したグラフである。このグラフからわかるように、通話相手先数別の端末台数の分布は、ランダムネットワークと異なり、平均値と最頻値が一致しない偏った分布となっている。このようなネットワークにおいて、端末台数が増加すると、個々のユーザの通話相手先数も増加するため、通話相手先数別の端末台数の分布は、横軸（通話相手先数）の増加方向に移動すると予想される。   First, a method for calculating the number of terminals for each number of call destinations included in the predicted network structure information will be described. The graph shown in FIG. 7 is a graph showing the logarithmic relationship when the number of call destinations is k and the number of mobile phone terminals is P (k). As can be seen from this graph, the distribution of the number of terminals according to the number of call destinations is a biased distribution in which the average value and the mode value do not match unlike the random network. In such a network, as the number of terminals increases, the number of call destinations of individual users also increases, so the distribution of the number of terminals by number of call destinations moves in the increasing direction on the horizontal axis (number of call destinations). That is expected.

そこで、以下のように、次月の通話相手先数ごとの端末台数を算出することとした。まずは、前月の通話相手先数別の端末台数の分布と当月の通話相手先数別の端末台数の分布とを連続近似した曲線上の複数の点において、この期間における横軸方向への変化量を求める。次に、各点における変化の比率が、当月と次月の間でも同じであると仮定して、次月の通話相手先数別の端末台数の分布を算出する。すなわち、前月と当月間の各点における横軸方向への変化量に一定の割合ａを乗じて、当月と次月間の各点における横軸方向への変化量を求める。そして、求めた変化量に基づいて、当月の分布曲線上の各点を横軸方向に移動させることによって、次月の通話相手先数ごとの端末台数を算出する。   Therefore, we decided to calculate the number of terminals for each number of callers in the following month as follows. First, the amount of change in the horizontal direction during this period at multiple points on the curve that continuously approximates the distribution of the number of terminals by the number of call destinations in the previous month and the distribution of the number of terminals by number of call destinations in the current month. Ask for. Next, assuming that the rate of change at each point is the same between the current month and the next month, the distribution of the number of terminals by the number of call partners for the next month is calculated. That is, the amount of change in the horizontal axis direction at each point between the current month and the next month is obtained by multiplying the amount of change in the horizontal axis direction at each point between the previous month and the current month by a certain ratio a. Then, based on the obtained variation, each point on the distribution curve for the current month is moved in the horizontal axis direction, thereby calculating the number of terminals for each number of call destinations for the next month.

なお、一定の割合ａは、次月の見込総端末台数と、次月の分布曲線から判明する総端末台数とが一致するように決める。具体的に説明すると、例えば、分布曲線上の全ての点において変化量が一定割合である場合には、通話相手先数別の端末台数の分布が、そのまま横軸方向にスライドすることになる。このとき、当月の通話相手先数別の端末台数の分布曲線、次月の通話相手先数別の端末台数の分布曲線を、それぞれＰ２（ｋ），Ｐ３（ｋ）とし、次月の見込総端末台数をｎとすると、Ｐ３（ｋ）＝Ｐ２（ｋ／ａ）が成り立ち、ΣＰ３（ｋ）＝ΣＰ２（ｋ／ａ）＝ｎが成り立つ。これにより、一定の割合ａを決めることができる。   Note that the fixed ratio a is determined so that the expected total number of terminals in the next month matches the total number of terminals determined from the distribution curve in the next month. More specifically, for example, when the amount of change is constant at all points on the distribution curve, the distribution of the number of terminals for each number of call destinations slides in the horizontal axis direction as it is. At this time, the distribution curve of the number of terminals according to the number of call destinations of the current month and the distribution curve of the number of terminals according to the number of call destinations of the next month are P2 (k) and P3 (k), respectively. When the number of terminals is n, P3 (k) = P2 (k / a) holds and ΣP3 (k) = ΣP2 (k / a) = n holds. Thereby, the fixed ratio a can be determined.

次に、予測ネットワーク構造情報に含まれる通話相手先数ごとの平均通話時間を算出する方法について説明する。図８に示すグラフは、通話相手先数をｋとし、携帯電話機の平均通話時間をＴ（ｋ）とした場合に、それぞれの関係を表したグラフである。このグラフからもわかるように、通話相手先数と平均通話時間は、比例に近い関係となる。したがって、前月の通話相手先数ごとの平均通話時間と当月の通話相手先数ごとの平均通話時間との差分の割合に応じて変化を予測することができる。   Next, a method for calculating the average call time for each number of call destinations included in the predicted network structure information will be described. The graph shown in FIG. 8 is a graph showing the relationship when the number of call destinations is k and the average call time of the mobile phone is T (k). As can be seen from this graph, the number of call destinations and the average call time are in a proportional relationship. Therefore, a change can be predicted according to the ratio of the difference between the average call time for each number of call destinations in the previous month and the average call time for each number of call destinations in the current month.

具体的に説明すると、まず、通話相手先数ごとの前月と当月の平均通話時間の差分に、前月と当月の総端末台数の差分に対する当月の総端末台数と次月の見込総端末台数との差分の比率を乗じた値を算出する。次に、通話相手先数ごとに、上記算出した値を当月の平均通話時間に加算することで、次月の通話相手先数ごとの平均通話時間を算出する。図６を参照して、より具体的に説明すると、例えば、当月が２００５年８月であるとした場合には、通話相手先数が“１”である平均通話時間の差は、（ｔ２１−ｔ１１）となる。また、前月（７月）と当月（８月）の総端末台数の差をＮ１とし、当月（８月）の総端末台数と次月（９月）の見込総端末台数との差をＮ２とする。この場合に、次月（９月）の通話相手先数が“１”である平均通話時間は、ｔ２１＋（ｔ２１−ｔ１１）・Ｎ２／Ｎ１として算出される。   Specifically, first, the difference in the average call time between the previous month and the current month for each number of call partners is the difference between the total number of terminals in the current month and the expected total number of terminals in the next month relative to the difference in the total number of terminals in the previous month and the current month. A value obtained by multiplying the difference ratio is calculated. Next, by adding the calculated value to the average call time of the current month for each number of call destinations, the average call time for the number of call destinations of the next month is calculated. More specifically, referring to FIG. 6, for example, if the current month is August 2005, the difference in average call time when the number of call partners is “1” is (t21− t11). The difference between the total number of terminals in the previous month (July) and the current month (August) is N1, and the difference between the total number of terminals in the current month (August) and the expected total number of terminals in the next month (September) is N2. To do. In this case, the average call time when the number of call partners in the next month (September) is “1” is calculated as t21 + (t21−t11) · N2 / N1.

図１に示す予測トラヒック量算出部２４は、予測ネットワーク構造情報算出部２３により算出された予測ネットワーク構造情報に基づいて、将来のトラヒック量である予測トラヒック量を算出する。   The predicted traffic amount calculation unit 24 illustrated in FIG. 1 calculates a predicted traffic amount that is a future traffic amount based on the predicted network structure information calculated by the predicted network structure information calculation unit 23.

具体的に説明すると、予測ネットワーク構造情報に含まれる通話相手先数ごとの総端末台数と平均通話時間とを乗算し、通話相手先数ごとのトラヒック量を算出する。次に、全ての通話相手先数ごとのトラヒック量を集計し、ネットワーク全体の予測トラヒック量を算出する。   More specifically, the total number of terminals for each number of call destinations included in the predicted network structure information is multiplied by the average call time to calculate the traffic volume for each number of call destinations. Next, the traffic volume for every number of call destinations is totaled, and the predicted traffic volume of the entire network is calculated.

出力部２５は、予測ネットワーク構造情報算出部２３によって算出された予測ネットワーク構造情報および予測トラヒック量算出部２４によって算出された予測トラヒック量を出力する。出力先としては、例えば、表示装置や、記憶装置に格納されているファイル、外部にある別の装置等が該当する。   The output unit 25 outputs the predicted network structure information calculated by the predicted network structure information calculation unit 23 and the predicted traffic amount calculated by the predicted traffic amount calculation unit 24. The output destination corresponds to, for example, a display device, a file stored in a storage device, another external device, or the like.

次に、図９を参照して、上述したトラヒック量予測システム１において行われるトラヒック量予測処理の流れについて説明する。   Next, with reference to FIG. 9, the flow of traffic amount prediction processing performed in the traffic amount prediction system 1 described above will be described.

まず、トラヒック情報収集装置１０は、移動体通信網内で管理されている携帯電話機５０の音声通話履歴情報をトラヒック情報として収集する（ステップＳ１）。   First, the traffic information collection device 10 collects the voice call history information of the mobile phone 50 managed in the mobile communication network as traffic information (step S1).

次に、トラヒック量予測装置２０のトラヒック情報取得部２１は、任意に設定された収集期間（例えば、１日）ごとに、トラヒック情報収集装置１０からトラヒック情報を取得して（ステップＳ２）、トラヒック情報データベース２７に格納する（ステップＳ３）。   Next, the traffic information acquisition unit 21 of the traffic volume prediction device 20 acquires traffic information from the traffic information collection device 10 for each arbitrarily set collection period (for example, one day) (step S2), and traffic. The information is stored in the information database 27 (step S3).

次に、トラヒック量予測装置２０のネットワーク構造情報算出部２２は、トラヒック情報データベース２７に格納されたトラヒック情報に基づいて、任意に設定された対象期間（例えば、１ヶ月間）における通話相手先数別の端末台数の分布および通話時間の平均値を、ネットワーク構造情報として算出して（ステップＳ４）、ネットワーク構造情報データベース２８に格納する（ステップＳ５）。   Next, the network structure information calculation unit 22 of the traffic volume prediction device 20 uses the traffic information stored in the traffic information database 27 to determine the number of call partners in an arbitrarily set target period (for example, one month). The distribution of the number of other terminals and the average value of the call time are calculated as network structure information (step S4) and stored in the network structure information database 28 (step S5).

次に、トラヒック量予測装置２０の予測ネットワーク構造情報算出部２３は、前月と当月におけるネットワーク構造情報の変化の比率または差分を算出し、当該算出した変化の比率または差分を当月のネットワーク構造情報に乗算または加算することによって、予測ネットワーク構造情報を算出する（ステップＳ６）。   Next, the predicted network structure information calculation unit 23 of the traffic amount prediction device 20 calculates the ratio or difference of the change in the network structure information between the previous month and the current month, and uses the calculated change ratio or difference as the network structure information for the current month. Prediction network structure information is calculated by multiplication or addition (step S6).

次に、トラヒック量予測装置２０の予測トラヒック量算出部２４は、予測ネットワーク構造情報算出部２３により算出された通話相手先数ごとの総端末台数と平均通話時間とを乗算して通話相手先数ごとのトラヒック量を算出し、この算出した各トラヒック量を集計することによって、ネットワーク全体の予測トラヒック量を算出する（ステップＳ７）。   Next, the predicted traffic amount calculation unit 24 of the traffic amount prediction device 20 multiplies the total number of terminals for each number of call destinations calculated by the predicted network structure information calculation unit 23 and the average call time to multiply the number of call destinations. The traffic volume for each network is calculated, and the calculated traffic volumes are totaled to calculate the predicted traffic volume for the entire network (step S7).

次に、トラヒック量予測装置２０の出力部２５は、予測ネットワーク構造情報算出部２３によって算出された予測ネットワーク構造情報および予測トラヒック量算出部２４によって算出された予測トラヒック量を、表示装置の表示画面上に表示させる（ステップＳ８）。   Next, the output unit 25 of the traffic amount prediction device 20 displays the predicted network structure information calculated by the predicted network structure information calculation unit 23 and the predicted traffic amount calculated by the predicted traffic amount calculation unit 24 on the display screen of the display device. It is displayed on the top (step S8).

以上のように、所定の対象期間における通話相手先数ごとの携帯電話機の端末台数および通話時間の平均値が、ネットワーク構造情報として算出されるため、各携帯電話機間のリンク関係や各リンクにおける通話時間の変化を、現実のネットワーク構造の変化として捉えることができる。   As described above, since the average value of the number of mobile phones and the call time for each number of call destinations in a predetermined target period is calculated as network structure information, the link relationship between each mobile phone and the call on each link Changes in time can be viewed as changes in the actual network structure.

また、算出された異なる複数の期間におけるネットワーク構造情報に基づいて、予測ネットワーク構造情報が算出され、この算出された予測ネットワーク構造情報に基づいて、将来のトラヒック量が算出されるため、従来のトラヒック量の平均値に基づいた予測では対応することのできなかった現実のネットワーク構造の変化を、トラヒック量の予測に採用することができるようになり、より現実のネットワーク構造に即した、精度の高いトラヒック量を予測することが可能となる。それゆえに、ランダムネットワークにおけるトラヒック量に限らず、スケールフリーネットワークに代表される偏った次数分布を持つネットワークにおけるトラヒック量についても、より高い精度で予測することが可能となる。   Further, since the predicted network structure information is calculated based on the calculated network structure information in a plurality of different periods, and the future traffic amount is calculated based on the calculated predicted network structure information, the conventional traffic is calculated. Changes in the actual network structure that could not be handled by the prediction based on the average value of the amount can be adopted for the traffic amount prediction, and it is highly accurate according to the actual network structure. It becomes possible to predict the traffic volume. Therefore, not only the traffic amount in the random network, but also the traffic amount in the network having a biased degree distribution represented by the scale-free network can be predicted with higher accuracy.

なお、上述した実施形態における予測ネットワーク構造情報算出部２３は、ネットワーク構造情報算出部２２により算出されたネットワーク構造情報およびネットワーク構造情報データベース２８に記憶された過去の一または複数の期間におけるネットワーク構造情報に基づいて、予測ネットワーク構造情報を算出しているが、予測ネットワーク構造情報を算出する方法はこれに限定されない。ネットワーク構造情報算出部２２により算出された異なる複数の期間におけるネットワーク構造情報に基づいて、将来のネットワーク構造情報である予測ネットワーク構造情報を算出することができればよい。   Note that the predicted network structure information calculation unit 23 in the above-described embodiment has the network structure information calculated by the network structure information calculation unit 22 and the network structure information in one or more past periods stored in the network structure information database 28. However, the method for calculating the predicted network structure information is not limited to this. Based on the network structure information in a plurality of different periods calculated by the network structure information calculation unit 22, it is only necessary to be able to calculate predicted network structure information that is future network structure information.

また、上述した実施形態においては、トラヒック量予測システム１を、トラヒック情報収集装置１０とトラヒック量予測装置２０の二の装置によって構成しているが、トラヒック量予測システム１の装置構成は、これに限定されない。例えば、トラヒック情報収集装置１０とトラヒック量予測装置２０が有する各機能を備えた一の装置によって構成してもよいし、トラヒック情報収集装置１０とトラヒック量予測装置２０が有する各機能を適宜組み合わせて複数の装置に分散させることとしてもよい。   In the above-described embodiment, the traffic volume prediction system 1 is configured by the two devices, the traffic information collection device 10 and the traffic volume prediction device 20, but the device configuration of the traffic volume prediction system 1 is as follows. It is not limited. For example, the traffic information collecting device 10 and the traffic amount predicting device 20 may be configured by one device having each function, or the traffic information collecting device 10 and the traffic amount predicting device 20 may be appropriately combined. It is good also as distributing to a plurality of devices.

また、上述した実施形態においては、音声通話のトラヒック量を予測しているが、予測するトラヒック量は音声通話によるものには限られない。例えば、ＴＶ電話等の映像通信、メール等のパケット通信、その他のユーザ間ネットワークにおける通信等のトラヒック量を予測する場合にも適用できる。   In the above-described embodiment, the traffic volume of a voice call is predicted, but the predicted traffic volume is not limited to that due to a voice call. For example, the present invention can also be applied to the case of predicting the traffic volume of video communication such as a TV phone, packet communication such as mail, and other communication in a network between users.

発明の実施形態におけるトラヒック量予測システムのシステム構成を例示する図である。It is a figure which illustrates the system configuration | structure of the traffic amount prediction system in embodiment of invention. トラヒック情報データベースのデータ構成を例示する図である。It is a figure which illustrates the data structure of a traffic information database. ネットワーク構造情報算出部により算出される発信端末ＩＤと着信端末ＩＤの組ごとの総通話時間を例示するための図である。It is a figure for demonstrating the total call time for every group of the transmission terminal ID calculated by the network structure information calculation part, and a receiving terminal ID. ネットワーク構造情報算出部により算出される発信端末ＩＤごとの通話相手先数とその総通話時間を例示するための図である。It is a figure for demonstrating the number of call partners for every transmission terminal ID calculated by the network structure information calculation part, and the total call time. ネットワーク構造情報算出部により算出される通話相手先数ごとの総端末台数および平均通話時間を例示するための図である。It is a figure for demonstrating the total number of terminals and the average call time for every number of other call parties calculated by the network structure information calculation part. ネットワーク構造情報データベースのデータ構成を例示する図である。It is a figure which illustrates the data structure of a network structure information database. 通話相手先数と端末台数との関係を例示する図である。It is a figure which illustrates the relationship between the number of other parties and the number of terminals. 通話相手先数と平均通話時間との関係を例示する図である。It is a figure which illustrates the relationship between the number of call partners and average call time. トラヒック量予測システムにおいて行われるトラヒック量予測処理の流れを例示するフローチャートである。It is a flowchart which illustrates the flow of the traffic amount prediction process performed in a traffic amount prediction system. ランダムネットワークの次数分布を例示する図である。It is a figure which illustrates the degree distribution of a random network. スケールフリーネットワークの次数分布を例示する図である。It is a figure which illustrates degree distribution of a scale free network.

符号の説明Explanation of symbols

１・・・トラヒック量予測システム、１０・・・トラヒック情報収集装置、２０・・・トラヒック量予測装置、２１・・・トラヒック情報取得部、２２・・・ネットワーク構造情報算出部、２３・・・予測ネットワーク構造情報算出部、２４・・・予測トラヒック量算出部、２５・・・出力部、２７・・・トラヒック情報データベース、２８・・・ネットワーク構造情報データベース、５０・・・携帯電話機。   DESCRIPTION OF SYMBOLS 1 ... Traffic amount prediction system, 10 ... Traffic information collection apparatus, 20 ... Traffic amount prediction apparatus, 21 ... Traffic information acquisition part, 22 ... Network structure information calculation part, 23 ... Predicted network structure information calculating unit 24... Predicted traffic amount calculating unit 25... Output unit 27... Traffic information database 28.

Claims (5)

複数の通信ノードおよび当該通信ノード間を結ぶリンクにより形成されるネットワークにおける前記リンクごとのトラヒック情報を収集するトラヒック情報収集手段と、
前記トラヒック情報収集手段により収集された前記トラヒック情報に基づいて、所定の期間におけるリンク数ごとの通信ノード数および通信時間の平均値を、前記ネットワークの構造を示すネットワーク構造情報として算出するネットワーク構造情報算出手段と、
前記ネットワーク構造情報算出手段により算出された異なる複数の期間における前記ネットワーク構造情報に基づいて、将来の前記ネットワーク構造情報である予測ネットワーク構造情報を算出する予測ネットワーク構造情報算出手段と、
前記予測ネットワーク構造情報算出手段により算出された前記予測ネットワーク構造情報に基づいて、将来のトラヒック量である予測トラヒック量を算出する予測トラヒック量算出手段と、
を備えることを特徴とするトラヒック量予測システム。 Traffic information collecting means for collecting traffic information for each link in a network formed by a plurality of communication nodes and links connecting the communication nodes;
Network structure information for calculating, as network structure information indicating the structure of the network, an average value of the number of communication nodes and the communication time for each number of links in a predetermined period based on the traffic information collected by the traffic information collection unit A calculation means;
Predicted network structure information calculating means for calculating predicted network structure information that is the network structure information in the future based on the network structure information in a plurality of different periods calculated by the network structure information calculating means;
Based on the predicted network structure information calculated by the predicted network structure information calculating means, a predicted traffic amount calculating means for calculating a predicted traffic amount that is a future traffic amount;
A traffic volume prediction system comprising: 前記予測ネットワーク構造情報算出手段は、異なる複数の期間における前記ネットワーク構造情報の変化の比率または差分を算出し、当該算出した前記変化の比率または前記差分を所定の前記ネットワーク構造情報に乗算または加算することによって、前記予測ネットワーク構造情報を算出することを特徴とする請求項１記載のトラヒック量予測システム。   The predicted network structure information calculation means calculates a change ratio or difference of the network structure information in a plurality of different periods, and multiplies or adds the calculated change ratio or difference to the predetermined network structure information. The traffic volume prediction system according to claim 1, wherein the prediction network structure information is calculated as described above. 前記予測トラヒック量算出手段は、前記予測ネットワーク構造情報に含まれる前記リンク数ごとの前記通信ノード数と前記通信時間の平均値とを乗算して前記リンク数ごとのトラヒック量を算出した後に、全ての前記リンク数ごとのトラヒック量を集計することによって、前記予測トラヒック量を算出することを特徴とする請求項１または２記載のトラヒック量予測システム。   The predicted traffic amount calculating means calculates the traffic amount for each link number by multiplying the communication node number for each link number included in the predicted network structure information and the average value of the communication time, The traffic volume prediction system according to claim 1, wherein the predicted traffic volume is calculated by counting the traffic volume for each of the links. 前記ネットワーク構造情報算出手段により算出された前記ネットワーク構造情報を記憶するネットワーク構造情報記憶手段を、さらに備え、
前記予測ネットワーク構造情報算出手段は、前記ネットワーク構造情報算出手段により算出された前記ネットワーク構造情報および前記ネットワーク構造情報記憶手段により記憶された一または複数の期間における前記ネットワーク構造情報に基づいて、前記予測ネットワーク構造情報を算出することを特徴とする請求項１〜３のいずれか１項に記載のトラヒック量予測システム。 Network structure information storage means for storing the network structure information calculated by the network structure information calculation means;
The predicted network structure information calculating means is configured to perform the prediction based on the network structure information calculated by the network structure information calculating means and the network structure information in one or more periods stored by the network structure information storage means. The traffic volume prediction system according to claim 1, wherein network structure information is calculated. 複数の通信ノードおよび当該通信ノード間を結ぶリンクにより形成されるネットワークにおける前記リンクごとのトラヒック情報を収集するトラヒック情報収集ステップと、
前記トラヒック情報収集ステップにおいて収集された前記トラヒック情報に基づいて、所定の期間におけるリンク数ごとの通信ノード数および通信時間の平均値を、前記ネットワークの構造を示すネットワーク構造情報として算出するネットワーク構造情報算出ステップと、
前記ネットワーク構造情報算出ステップにおいて算出された異なる複数の期間における前記ネットワーク構造情報に基づいて、将来の前記ネットワーク構造情報である予測ネットワーク構造情報を算出する予測ネットワーク構造情報算出ステップと、
前記予測ネットワーク構造情報算出ステップにおいて算出された前記予測ネットワーク構造情報に基づいて、将来のトラヒック量である予測トラヒック量を算出する予測トラヒック量算出ステップと、
を備えることを特徴とするトラヒック量予測方法。 A traffic information collecting step for collecting traffic information for each link in a network formed by a plurality of communication nodes and links connecting the communication nodes;
Network structure information for calculating an average value of the number of communication nodes and communication time for each number of links in a predetermined period as network structure information indicating the structure of the network based on the traffic information collected in the traffic information collecting step A calculation step;
A predicted network structure information calculating step for calculating predicted network structure information that is the network structure information in the future based on the network structure information in a plurality of different periods calculated in the network structure information calculating step;
A predicted traffic amount calculating step for calculating a predicted traffic amount that is a future traffic amount based on the predicted network structure information calculated in the predicted network structure information calculating step;
A traffic amount prediction method comprising:
JP2005238730A 2005-08-19 2005-08-19 Traffic volume prediction system and traffic volume prediction method Expired - Fee Related JP4606972B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2005238730A JP4606972B2 (en) 2005-08-19 2005-08-19 Traffic volume prediction system and traffic volume prediction method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2005238730A JP4606972B2 (en) 2005-08-19 2005-08-19 Traffic volume prediction system and traffic volume prediction method

Publications (2)

Publication Number Publication Date
JP2007053679A true JP2007053679A (en) 2007-03-01
JP4606972B2 JP4606972B2 (en) 2011-01-05

Family

ID=37917806

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2005238730A Expired - Fee Related JP4606972B2 (en) 2005-08-19 2005-08-19 Traffic volume prediction system and traffic volume prediction method

Country Status (1)

Country Link
JP (1) JP4606972B2 (en)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9125098B2 (en) 2011-08-03 2015-09-01 Qualcomm Incorporated Method and apparatus for flow congestion control in multiflow networks
EP3217713A4 (en) * 2014-11-28 2018-03-14 Huawei Technologies Co., Ltd. Method, apparatus and system for acquiring service distribution
JP2020150524A (en) * 2019-03-15 2020-09-17 日本電信電話株式会社 Communication band calculation device, communication band calculation method and program

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02274145A (en) * 1989-04-17 1990-11-08 Nec Corp Logic line setting system
JPH10308978A (en) * 1997-05-09 1998-11-17 N T T Ido Tsushinmo Kk Traffic control system for mobile communication
JP2000069165A (en) * 1998-08-19 2000-03-03 Nippon Telegr & Teleph Corp <Ntt> Method and device for traffic prediction using time series data conversion
JP2002112326A (en) * 2000-10-02 2002-04-12 Ntt Docomo Inc Wireless resource assigning method and base station unit
JP2003249956A (en) * 2002-02-26 2003-09-05 Kddi Corp Optical exchange having path control means
JP2004080315A (en) * 2002-08-15 2004-03-11 Nec Corp System and method for predicting traffic of mobile communication network

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02274145A (en) * 1989-04-17 1990-11-08 Nec Corp Logic line setting system
JPH10308978A (en) * 1997-05-09 1998-11-17 N T T Ido Tsushinmo Kk Traffic control system for mobile communication
JP2000069165A (en) * 1998-08-19 2000-03-03 Nippon Telegr & Teleph Corp <Ntt> Method and device for traffic prediction using time series data conversion
JP2002112326A (en) * 2000-10-02 2002-04-12 Ntt Docomo Inc Wireless resource assigning method and base station unit
JP2003249956A (en) * 2002-02-26 2003-09-05 Kddi Corp Optical exchange having path control means
JP2004080315A (en) * 2002-08-15 2004-03-11 Nec Corp System and method for predicting traffic of mobile communication network

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9125098B2 (en) 2011-08-03 2015-09-01 Qualcomm Incorporated Method and apparatus for flow congestion control in multiflow networks
EP3217713A4 (en) * 2014-11-28 2018-03-14 Huawei Technologies Co., Ltd. Method, apparatus and system for acquiring service distribution
US10547533B2 (en) 2014-11-28 2020-01-28 Huawei Technologies Co., Ltd. Service distribution obtaining method, apparatus, and system
JP2020150524A (en) * 2019-03-15 2020-09-17 日本電信電話株式会社 Communication band calculation device, communication band calculation method and program
WO2020189399A1 (en) * 2019-03-15 2020-09-24 日本電信電話株式会社 Communication band calculation device, communication band calculation method, and program
JP7056614B2 (en) 2019-03-15 2022-04-19 日本電信電話株式会社 Communication band calculation device, communication band calculation method and program

Also Published As

Publication number Publication date
JP4606972B2 (en) 2011-01-05

Similar Documents

Publication Publication Date Title
EP3014904B1 (en) Categorized location identification based on historical locations of a user device
US8732295B2 (en) Method and apparatus for providing real friends count
Phithakkitnukoon et al. Behavior-based adaptive call predictor
US8903791B2 (en) Statistical information generation system and statistical information generation method
EP2672781A1 (en) Method and mobile terminal for predicting user operation
JP4606972B2 (en) Traffic volume prediction system and traffic volume prediction method
CN110190975B (en) Recommendation method and device for people to be referred, terminal equipment and storage medium
CN110347973B (en) Method and device for generating information
CN116388112B (en) Abnormal supply end power-off method, device, electronic equipment and computer readable medium
US20140004875A1 (en) Ascertaining presence regions for mobile telephony
CN110956733A (en) Method and system for reminding of transacting business
CN112307075B (en) User relationship identification method and device
US20130130641A1 (en) Contact communication tracking system
CN117041139B (en) Data packet transmission method, device, computer equipment and storage medium
CN108848263B (en) Information prompting method, device, equipment and storage medium
US11605101B1 (en) Collaborative filtering system, method, and computer program providing a model used to calculate ranked predictions for subscribers
CN106982452B (en) Method and device for determining call quality
CN115643340A (en) User communication equipment outbound method, device, electronic equipment and computer medium
CN105208229B (en) A kind of processing method and system of text information
CN107861962B (en) Template recommendation method and device
CN114374738A (en) Information pushing method and device, storage medium and electronic equipment
CN117827064A (en) Information processing method, device, equipment and medium
US20150288790A1 (en) Management of Contact Information
CN115840605A (en) Flow configuration method, device and equipment
CN114077656A (en) Method, apparatus and storage medium for determining optimal phonetics sequence

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20080313

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20100604

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20100615

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20100728

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20101005

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20101006

R150 Certificate of patent or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20131015

Year of fee payment: 3

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

LAPS Cancellation because of no payment of annual fees