JP2018018217A - ＱｏＥモデル化装置、ＱｏＥモデル化方法及びプログラム - Google Patents

Abstract

【課題】IoTにおけるQoEモデル化及びQoEモデルのメンテナンスに要するコストを低減する。【解決手段】QoEモデル化装置１００は、物理的品質メトリックがメタ物理的品質メトリックに与える影響度を表す第１のパラメータと、前記メタ物理的品質メトリックがアプリケーションのQoEに与える影響度を表す第２のパラメータとを取得するパラメータ入力部１１０と、前記取得した第１のパラメータに基づき前記物理的品質メトリックと前記メタ物理的品質メトリックとの間の関係を示す第１のモデルを生成し、前記取得した第２のパラメータに基づき前記メタ物理的品質メトリックと前記アプリケーションのQoEとの間の関係を示す第２のモデルを生成し、前記第１のモデルと前記第２のモデルとに基づき、前記物理的品質メトリックと前記アプリケーションのQoEとの間の関係を示すQoEモデルを生成するモデル生成部１２０と、を有する。【選択図】図２

Description

本発明は、IoT (Internet of Things)アーキテクチャを用いた各種アプリケーションが提供される環境において、各アプリケーションのQoE (Quality of Experience)とIoTアーキテクチャにおける品質メトリックとの関係を定量的にモデル化するための手法に関する。

IoTの台頭により、従来に比べてネットワークを利用したアプリケーションの多様化が期待されている。例えば、非特許文献１では、IoTにおけるアプリケーションとして宅内ロボット、生活介護、工業利用、物流等を挙げた上で、それらはほんの一例であり、さらに多様なアプリケーションの実現が見込まれることを示唆している。

そのようなアプリケーションの多様化は、ネットワーク事業者にとってはアプリケーションを利用するユーザの体感品質であるQoEを把握するのが難しくなると予想される（非特許文献２）。従来のネットワークアプリケーションにおいては、音声や動画のようなマルチメディアアプリケーションが主流であり、そのようなアプリケーションに対するQoEについては、評価者実験を通じてQoEとネットワークQoSとの関係を定量的にモデル化していた（非特許文献３）。

Atzori, Luigi, Antonio Iera, and Giacomo Morabito. "The internet of things: A survey." Computer networks 54.15 (2010): 2787-2805. ITUT Rec. P. 10 (2007) vocabulary for performance and quality of service. International Telecommunication Union, Geneva, Vol. 22, , 2007. Anne Watson and M Angela Sasse. Measuring perceived quality of speech and video in multimedia conferencing applications. In Proceedings of the sixth ACM international conference on Multimedia, pp. 55-60. ACM, 1998. Charith Perera, Arkady Zaslavsky, Peter Christen, and Dimitrios Georgakopoulos. Context aware computing for the internet of things: A survey. Communications Surveys & Tutorials, IEEE, Vol. 16, No. 1, pp. 414-454, 2014.

しかしながら、IoTにおいて実現できるアプリケーションが多様化し、次々と新しいアプリケーションが現れることが予測される。新たなアプリケーションが登場する度に評価者実験を用いてQoEをモデル化するのはコストの増加に繋がるといった課題がある。

また、IoTにおいてはネットワークQoSだけではなく、センサデバイスやクラウドにおける計算処理の品質もアプリケーションQoEに影響すると考えられ（非特許文献４）、１回の評価者実験において考慮しなければいけない品質メトリックが多様化する点もコストの増加に繋がると考えられる。

さらに、QoEモデルの精度が不十分であった場合、モデルパラメータを調節するためのメンテナンスが必要となるが、そのメンテナンスについても従来のような評価者実験を用いる場合、やはりコストが増加してしまうといった問題がある。

上述した問題点を鑑み、本発明の課題は、IoTにおけるアプリケーションの多様化に伴うQoEモデル化及びQoEモデルのメンテナンスに要するコストを低減するための手法を提供することである。

上記課題を解決するため、本発明の一態様は、アーキテクチャの物理的品質に対する前記アーキテクチャ上で実行されるアプリケーションのQoEを推定するQoEモデルのためのQoEモデル化装置であって、物理的品質メトリックがメタ物理的品質メトリックに与える影響度を表す第１のパラメータと、前記メタ物理的品質メトリックがアプリケーションのQoEに与える影響度を表す第２のパラメータとを取得するパラメータ入力部と、前記取得した第１のパラメータに基づき前記物理的品質メトリックと前記メタ物理的品質メトリックとの間の関係を示す第１のモデルを生成し、前記取得した第２のパラメータに基づき前記メタ物理的品質メトリックと前記アプリケーションのQoEとの間の関係を示す第２のモデルを生成し、前記第１のモデルと前記第２のモデルとに基づき、前記物理的品質メトリックと前記アプリケーションのQoEとの間の関係を示すQoEモデルを生成するモデル生成部と、を有するQoEモデル化装置に関する。

本発明によると、IoTにおけるアプリケーションの多様化に伴うQoEモデル化及びQoEモデルのメンテナンスに要するコストを低減することができる。

図１は、本発明の一実施例によるQoEモデル化を示す概略図である。 図２は、本発明の一実施例によるQoEモデル化装置の機能構成を示すブロック図である。 図３は、本発明の一実施例による物理的品質メトリック及びメタ物理的品質メトリックの具体例を示す図である。 図４は、本発明の一実施例によるQoEモデル生成処理を示すフローチャートである。 図５は、本発明の一実施例によるQoEモデル更新処理を示すフローチャートである。 図６は、本発明の一実施例によるQoEモデル更新処理を示すフローチャートである。 図７は、本発明の一実施例によるQoEモデル化装置のハードウェア構成を示すブロック図である。

以下、図面に基づいて本発明の実施の形態を説明する。

以下の実施例では、アプリケーションのユーザ体感品質（QoE）を推定するためのQoEモデルを生成するQoEモデル化装置が開示される。

従来のQoEモデル化によると、図１の左側に示されるように、各物理的品質メトリックと各アプリケーションのQoEとの間の関係を示すQoEモデルが構成される。このため、物理的品質メトリック及びアプリケーションが増加すると、新たに加わった物理的品質メトリック及びアプリケーションに対応するQoEモデルの生成及び更新が必要となり、これに係るコストが増大する。他方、本発明のQoEモデル化によると、図１の右側に示されるように、メタ物理的品質メトリックを介し各物理的品質メトリックと各アプリケーションのQoEとの間の関係を示すQoEモデルが構成される。これにより、多量の物理的品質メトリックをメタ物理的品質メトリックへ集約することによって、物理的品質メトリックの増加及び継続的に増加するアプリケーションに対するスケーラブルなマッピングが可能になる。

まず、本発明の一実施例によるQoEモデル化装置を説明する。以下の実施例では、QoEモデル化装置は、アーキテクチャの物理的品質に対する当該アーキテクチャ上で実行されるアプリケーションのQoEを推定するQoEモデルを生成及び更新する。

図２は、本発明の一実施例によるQoEモデル化装置の機能構成を示すブロック図である。図２に示されるように、QoEモデル化装置１００は、パラメータ入力部１１０、モデル生成部１２０、モデル保持部１３０、モデル出力部１４０、物理的品質メトリック監視部１５０、QoE監視部１６０、時系列データ保持部１７０、モデル再計算部１８０及びwebサービス監視部１９０を有する。

まず、本実施例による各物理的品質メトリックと各アプリケーションのQoEとの間の関係を示すQoEモデルの生成処理について説明する。

パラメータ入力部１１０は、物理的品質メトリックがメタ物理的品質メトリックに与える影響度を表すパラメータと、メタ物理的品質メトリックがアプリケーションのQoEに与える影響度を表すパラメータとを取得する。

例えば、物理的品質メトリックとは、IoTアプリケーションのQoEに影響を与えるIoTアーキテクチャ上の品質メトリックであり、例えば、N個の物理的品質メトリックがx_1,...,x_Nとして定義される。物理的品質メトリックの具体例として、例えば、ネットワーク遅延、パケットロス率、センサデバイスの性能、クラウドコンピューティングの性能などが挙げられる。例えば、各物理的品質メトリックの数値化の方法として、最も単純なものとしては、各物理的品質メトリックの品質の良さをそれぞれ０〜１の実数に対してマッピングし、数値が大きいほど品質が良いとしてもよい。

メタ物理的品質メトリックとは、各種IoTアプリケーションが要求する定性的な品質メトリックであり、例えば、M個（M＜＜N）のメタ物理的品質メトリックがy_1,...,y_Mとして定義される。メタ物理的品質メトリックの具体例として、例えば、センシングデータの分析によって得られた情報を｛時間，場所，状況｝とした場合に、「｛時間，場所，状況｝の正確性」、「｛時間，場所，状況｝の情報量」、「情報のタイムリー性」などが挙げられる。モデル化の目的上、M＜＜Nであるとするが、本発明はこれに限定されるものでない。

アプリケーションのQoEは、アプリケーション種別毎にz_1, z_2,...,z_Kとして数値化され、新たなアプリケーションが登場した際には、そのQoEはz_{K+1}として数値化するといったように増加していくものとする。

例えば、パラメータ入力部１１０は、物理的品質メトリックがメタ物理的品質メトリックに与える影響度を表すパラメータをネットワーク事業者から取得し、メタ物理的品質メトリックがアプリケーションのQoEに与える影響度を表すパラメータをアプリケーション事業者から取得してもよい。

モデル生成部１２０は、取得した物理的品質メトリックがメタ物理的品質メトリックに与える影響度を表すパラメータに基づき、物理的品質メトリックとメタ物理的品質メトリックとの間の関係を示すモデルAを生成し、取得したメタ物理的品質メトリックがアプリケーションのQoEに与える影響度を表すパラメータに基づきメタ物理的品質メトリックとアプリケーションのQoEとの間の関係を示すモデルBを生成し、モデルAとモデルBとに基づき、物理的品質メトリックとアプリケーションのQoEとの間の関係を示すQoEモデルを生成する。

具体的には、モデル生成部１２０は、
y_j = f_j(x_1, x_2, ..., x_N) for j = 1, ..., M
により定式化される関数としてモデルAを生成し、モデル保持部１３０に保持する。具体的なモデル化として、定性的なモデル化や被験者実験を行ったモデル化が考えられる。例えば、最も単純な定性的なモデル化方法としては、上記関数を
f_j(x_1, ..., x_N) = x_1^a_{1,j} * x_2^a_{2,j} * ... * x_N^a_{N,j} for j = 1, ..., M
として表現し、パラメータa_{i,j}は、物理的品質メトリックiがメタ物理的品質メトリックjに与える影響度を表し、例えば、影響度が大きいほど大きな値になるよう規定されてもよい。例えば、ネットワーク事業者が、各パラメータa_{i,j} for i = 1,...,N, j=1,...,Mをパラメータ入力部１１０に提供する。

ネットワークを利用したいアプリケーション事業者は、アプリケーション種別と、当該アプリケーションに要求される各メタ物理的品質メトリックの影響度とをパラメータ入力部１１０に提供する。モデル生成部１２０は、取得したアプリケーション種別及び各メタ物理的品質メトリックの影響度に基づき、モデルBをアプリケーション種別kのモデルとして生成し、モデル保持部１３０に保持する。

具体的には、モデル生成部１２０は、
z_k = g_k(y_1, y_2, ..., y_M) for k = 1, …, K
により定式化される関数としてモデルBを生成し、モデル保持部１３０に保持する。具体的なモデル化として、例えば、モデルAと同様に
z_k = y_1^b_{1,k} * y_2^b_{2,k} *...* y_M^b_{M,k}
として表現し、パラメータb_{j,k}は、メタ物理的品質メトリックy_jがアプリケーション種別kのQoEに与える影響度を表し、例えば、影響度が大きいほど大きな値になるよう規定されてもよい。例えば、アプリケーション事業者が、各パラメータb_{j,k} for j = 1,...,Mをパラメータ入力部１１０に提供する。

モデル生成部１２０は、モデル保持部１３０に保持しているモデルA及びモデルBを統合し、アプリケーション種別kのQoEを物理的品質メトリックで表したQoEモデルを生成する。

具体的には、モデル生成部１２０は、
z_k = h_k(x_1,...,x_N) for k = 1, …, K
により定式化される関数としてQoEモデルを生成し、モデル保持部１３０に保持する。例えば、上記のようなモデルA及びモデルBを考えた場合、モデル生成部１２０は、モデルBにモデルAを代入することによって、アプリケーション種別kのQoEモデル
z_k = x_1^(a_{1,1} * b_{1,k} + a_{1,2} * b_{2,k} +...+a_{1,M} * b_{M,k})
+x_2^(a_{2,1} * b_{1,k} + a_{2,2} * b_{2,k} +...+a_{2,M} * b_{M,k})
...
+x_N^(a_{N,1} * b_{1,k} + a_{N,2} * b_{2,k} +...+a_{N,M} * b_{M,k})
を生成し、モデル保持部１３０に保持する。モデル出力部１４０は、生成されたQoEモデルを出力してもよい。

上述した実施例によると、次々に出現するIoTアプリケーションについて、大量（N個）の物理的品質メトリックの影響度についてそれぞれ考慮することなく、M個（M<<N）に縮約されたメタ物理的品質メトリックの影響度のみを考えることによって、各アプリケーションのQoEのモデル化が可能となり、スケール性を確保することができる。

図３に示される具体例を用いて上述した実施例を更に説明する。図３において、車に取り付けられたセンサを用いたIoTアプリケーションにおけるQoEモデル化の例について、物理的品質メトリック（physical metrics）及びメタ物理的品質メトリック（metaphysical metrics）の一覧が示される。

ここで、physical metricsはIoTアーキテクチャ上におけるその機能に応じて「device」「network」「computing」「user interface」の４層に、さらに環境に依存するメトリックか依存しないメトリックかに応じて「dynamic」「static」の２種に分類している。

metaphysical metricsについては、アプリケーションが求める情報に関する品質要求である「information」と、アプリケーションの使い心地に関する品質要求である「comfort」の２層に分類している。

ここで、モデルA、モデルB及びQoEモデルは、上述した実施例によるモデルで表すものとし、パラメータa_{i,j}及びb_{j,k}については、対応するメトリックの影響度に応じて｛0 :影響しない，1 : 影響する｝の2値で与えるものとする。

まず、アプリケーションに依存しないモデルAについて考える．ここでは簡単化のため、physical metricsについては、「resolution of camera（カメラデバイスの解像度）」、「delay（遅延）」及び「load of a cloud server（クラウドサーバの負荷）」の３種をx_1, x_2, x_3とし、metaphysical metricsについては、「timeliness（得られる情報のタイムリー性）」及び「accuracy of context（得られたコンテクスト情報の正確さ）」の２種のみをy_1, y_2としてモデル化のメトリックとして考える。しかしながら、実際にはphysical metricsは多数存在し、それらを数個のmetaphysical metricsに集約することを目的としている。

まず、timelinessに対するphysical metricsの影響度を考えると、resolution of cameraの影響は無く、delayやload of a cloud serverは影響すると考えられるため、timelinessを表すモデルAは、
y_1 = x_1^0 * x_2^1 * x_3^1
として表すことができる。同様に、accuracy of contextについては、resolution of cameraが影響するため、
y_2 = x_1^1 * x_2^0 * x_3^0
として表される。

次に、各アプリケーションのQoEとmetaphysical metricsの関係を表すモデルBについて考える。アプリケーションとして、まずドライブレコーダーを考える。ドライブレコーダーは、事故の原因究明等に用いられるため、accuracy of contextはQoEに影響するが、timelinessは求められない。そのため、ドライブレコーダーのQoEであるz_1は、
z_1 = y_1^0 * y_2^1
として表すことができる。

次に、アプリケーションとして自動運転を考えると、自動運転は、accuracy of contextだけでなくtimelinessも求められるため、自動運転のQoEであるz_2は、
z_2 = y_1^1 * y_2^1
として表すことができる。

このようにして生成されたモデルAとモデルBとを組み合わせることによって、各アプリケーションのQoEは、
z_1 = x_1
z_2 = x_1 x_2 x_3
としてphysical metricsの関数として表すことができる。

実際には、physical metricsは非常に多数存在し、QoEモデルももっと複雑な形になることが予想される。このように多数のphysical metricsを少数のmetaphysical metricsに集約した上で定性的なモデル化を行うことによって、次々に新しいアプリケーションが現れても、評価者実験のようなコストをかけることなく、QoEと多様な品質劣化要因とのマッピングをおこなうことが可能となる。

次に、本実施例によるQoEモデルの更新処理について説明する。一実施例では、定期的に測定した物理的品質メトリックと、定期的にユーザから提供された品質報告に基づき測定されたQoEの時系列データとに基づき、モデル保持部１３０に保持されているモデルA、モデルB及びQoEモデルが更新される。

物理的品質メトリック監視部１５０は、物理的品質メトリックを定期的に測定する。すなわち、物理的品質メトリック監視部１５０は、各種物理的品質メトリックを定期的に測定し、時系列データ保持部１７０は、測定された物理的品質メトリックを{t, x'_1, x'_2,...,x'_N}の形式（tは時刻を表す）で保持する。

QoE監視部１６０は、アプリケーションに対してユーザから提供された品質報告に基づき、当該アプリケーションのQoEを定期的に測定する。すなわち、QoE監視部１６０は、各種アプリケーションのQoEを定期的に測定し、時系列データ保持部１７０は、測定されたQoEを{t, z'_1, z'_2,...,z'_K}の形式で保持する。ここで、Kは現時点におけるQoEモデルを保持しているアプリケーション種別の総数である。なお、ユーザから提供された品質報告に基づきQoEを監視する方法として、例えば、ユーザからの品質劣化の申告の有無を監視してもよい。例えば、QoE監視部１６０は、アプリケーションkについて品質劣化の申告が無い場合にはz'_k = 1とし、申告があった場合にはz'_k=0としてもよい。

モデル再計算部１８０は、測定された物理的品質メトリックを生成されたQoEモデルに適用することによって取得したアプリケーションのQoEと測定されたアプリケーションのQoEとの比較に基づき、生成されたQoEモデルを更新する。具体的には、モデル再計算部１８０は、時系列データ保持部１７０に保持された物理的品質メトリック及びアプリケーションのQoEの測定結果の時系列データに基づき、定期的（例えば、１日毎など）にモデル保持部１３０に保持されているモデルA、モデルB及びQoEモデルを再計算して更新する。再計算の方法として様々な手法が考えられるが、例えば、時刻tにおいて測定された物理的品質メトリックをx'_{i,t} for i = 1,...,Nとし、時刻tにおいて測定されたアプリケーション種別kのQoEをz'_{k,t} for k = 1,...,Kとし、時系列データがt=1,...,Tであるとした場合、モデル再計算部１８０は、モデル保持部１３０に保持されるQoEモデルに従って物理的品質メトリックx'_{i,t}から予測されるQoEの値と実際に測定されたQoEとの差分の二乗について、全てのアプリケーション及び時間についての総和を取った関数
Σ_{t=1,...,T}Σ_{k=1,...,K} ( z'_{k,t} - h_k ( x'_{1,t}, x'_{2,t},...,x_{N,t} ) )^2
を最小化するa_{i,j}, b_{j, k} for i = 1,...,N, j=1,...,M, k=1,...,Kを最急降下法などによって求めてもよい。その後、モデル再計算部１８０は、算出したa_{i,j}, b_{j, k}に対してモデルA, Bを再計算することによって、QoEモデルを更新してもよい。

他の実施例では、定期的に測定した物理的品質メトリックと、定期的に取得されたアプリケーションに対するユーザの書き込み内容に基づき測定されたQoEの時系列データとに基づき、モデル保持部１３０に保持されているモデルA、モデルB及びQoEモデルが更新される。

物理的品質メトリック監視部１５０は、物理的品質メトリックを定期的に測定する。すなわち、物理的品質メトリック監視部１５０は、各種物理的品質メトリックを定期的に測定し、時系列データ保持部１７０は、測定された物理的品質メトリックを{t, x'_1, x'_2,...,x'_N}の形式（tは時刻を表す）で保持する。

webサービス監視部１９０は、アプリケーションに対してユーザがネットワーク上に書き込んだコメント内容に基づき、当該アプリケーションのQoEを定期的に測定する。例えば、webサービス監視部１９０は、twitterの監視に基づきQoEの定期的に測定してもよい。具体的には、webサービス監視部１９０は、アプリケーションのQoE低下が起きていないかどうかを判断するためのキーワード検索を定期的に実行し、検索にヒットしたツイート数が所定の閾値を超えた場合、そのアプリケーションについてQoEの劣化が生じていると判断してもよい。単純な例としては、「（アプリケーション名）``使えない" since:2016-05-25_17:55:00_JST until:2016-05-25_17:56:00_JST」というツイートが検出された場合、since及びuntilから始まる文言は、ツイートの行われた時間の範囲を指定するものであり、検索にヒットしたツイート数が所定の閾値を超えた場合、webサービス監視部１９０は、当該アプリケーションについてQoEの劣化が生じていると判断し、QoS監視部１６０に関して上述した実施例と同様に、アプリケーションkについて品質劣化のツイートが無い場合にはz'_k = 1とし、ツイートがあった場合にはz'_k=0としてもよい。webサービス監視部１９０は、このようにして取得したQoEの時系列データを時系列データ保持部１７０に提供し、時系列データ保持部１７０は、測定されたQoEを{t, z'_1, z'_2,...,z'_K}の形式で保持する。

モデル再計算部１８０は、測定された物理的品質メトリックを生成されたQoEモデルに適用することによって取得したアプリケーションのQoEと測定されたアプリケーションのQoEとの比較に基づき、生成されたQoEモデルを更新する。具体的には、モデル再計算部１８０は、時系列データ保持部１７０に保持された物理的品質メトリック及びアプリケーションのQoEの測定結果の時系列データに基づき、定期的（例えば、１日毎など）にモデル保持部１３０に保持されているモデルA、モデルB及びQoEモデルを再計算して更新する。再計算の方法として様々な手法が考えられるが、例えば、時刻tにおいて測定された物理的品質メトリックをx'_{i,t} for i = 1,...,Nとし、時刻tにおいて測定されたアプリケーション種別kのQoEをz'_{k,t} for k = 1,...,Kとし、時系列データがt=1,...,Tであるとした場合、モデル再計算部１８０は、モデル保持部１３０に保持されるQoEモデルに従って物理的品質メトリックx'_{i,t}から予測されるQoEの値と実際に測定されたQoEとの差分の二乗について、全てのアプリケーション及び時間についての総和を取った関数
Σ_{t=1,...,T}Σ_{k=1,...,K} ( z'_{k,t} - h_k ( x'_{1,t}, x'_{2,t},...,x_{N,t} ) )^2
を最小化するa_{i,j}, b_{j, k} for i = 1,...,N, j=1,...,M, k=1,...,Kを最急降下法などによって求めてもよい。その後、モデル再計算部１８０は、算出したa_{i,j}, b_{j, k}に対してモデルA, Bを再計算することによって、QoEモデルを更新してもよい。

次に、図４を参照して、本発明の一実施例によるQoEモデル化装置により実行されるQoEモデル生成処理を説明する。図４は、本発明の一実施例によるQoEモデル生成処理を示すフローチャートである。

図４に示されるように、ステップＳ１０１において、パラメータ入力部１１０は、物理的品質メトリックがメタ物理的品質メトリックに与える影響度を表すパラメータを取得する。具体的には、上述したように、物理的品質メトリックとメタ物理的品質メトリックとの間の関係を示すモデルAが、
y_j = f_j(x_1, ..., x_N) = x_1^a_{1,j} * x_2^a_{2,j} * ... * x_N^a_{N,j}
によって定式化される場合、パラメータ入力部１１０は、例えば、ネットワーク事業者からi番目の物理的品質メトリックがj番目のメタ物理的品質メトリックに与える影響度を表すパラメータa_{i,j}を受信する。

ステップＳ１０２において、モデル生成部１２０は、ステップＳ１０１において取得したパラメータに基づき物理的品質メトリックとメタ物理的品質メトリックとの間の関係を示すモデルを生成し、モデル保持部１３０に保持する。具体的には、モデル生成部１２０は、上述したモデルAを示す式にパラメータa_{i,j}を適用することによって、モデルAを生成する。

ステップＳ１０３において、パラメータ入力部１１０は、メタ物理的品質メトリックがアプリケーションのQoEに与える影響度を表すパラメータを取得する。具体的には、上述したように、メタ物理的品質メトリックとアプリケーションのQoEとの間の関係を示すモデルBが、
z_k = g_k(y_1, y_2, ..., y_M) = y_1^b_{1,k} * y_2^b_{2,k} *...* y_M^b_{M,k}
によって定式化される場合、パラメータ入力部１１０は、例えば、アプリケーション事業者からj番目のメタ物理的品質メトリックがk番目のアプリケーション種別のQoEに与える影響度を表すパラメータb_{j,k}を受信する。

ステップＳ１０４において、モデル生成部１２０は、ステップＳ１０３において取得したパラメータに基づきメタ物理的品質メトリックとアプリケーションのQoEとの間の関係を示すモデルを生成し、モデル保持部１３０に保持する。具体的には、モデル生成部１２０は、上述したモデルBを示す式にパラメータb_{j,k}を適用することによって、モデルBを生成する。

ステップＳ１０５において、モデル生成部１２０は、ステップＳ１０２において生成したモデルとステップＳ１０４において生成したモデルとに基づき、物理的品質メトリックとアプリケーションのQoEとの間の関係を示すQoEモデルを生成する。具体的には、モデル生成部１２０は、モデルA, Bを合成することによって、k番目のアプリケーション種別のQoEモデルとして、
z_k = h_k(x_1,...,x_N) = x_1^(a_{1,1} * b_{1,k} + a_{1,2} * b_{2,k} +...+a_{1,M} * b_{M,k})
+x_2^(a_{2,1} * b_{1,k} + a_{2,2} * b_{2,k} +...+a_{2,M} * b_{M,k})
...
+x_N^(a_{N,1} * b_{1,k} + a_{N,2} * b_{2,k} +...+a_{N,M} * b_{M,k})
を生成し、モデル保持部１３０に保持し、モデル出力部１４０は、生成されたQoEモデルを出力する。

次に、図５〜６を参照して、本発明の一実施例によるQoEモデル化装置により実行されるQoEモデル更新処理を説明する。図５は、本発明の一実施例によるQoEモデル更新処理を示すフローチャートである。

図５に示されるように、ステップＳ２０１において、物理的品質メトリック監視部１５０は、物理的品質メトリックを定期的に測定する。具体的には、上述したように、物理的品質メトリックがx_1, ..., x_Nにより表される場合、物理的品質メトリック監視部１５０は、各時点tにおいて物理的品質メトリックを測定し、測定された物理的品質メトリックを{t, x'_1, x'_2,...,x'_N}の形式で時系列データ保持部１７０に保持する。

ステップＳ２０２において、QoE監視部１６０は、アプリケーションに対してユーザから提供された品質報告に基づき、当該アプリケーションのQoEを定期的に測定する。具体的には、上述したように、アプリケーションのQoEがz_1, …, z_Kにより表される場合、QoE監視部１６０は、各時点tにおけるユーザからの品質劣化の申告の有無に基づき各アプリケーションのQoEを測定し、測定されたQoEを{t, z'_1, z'_2,...,z'_K}の形式で時系列データ保持部１７０に保持する。

ステップＳ２０３において、モデル再計算部１８０は、測定された物理的品質メトリックを生成されたQoEモデルに適用することによって取得したアプリケーションのQoEと測定されたアプリケーションのQoEとの比較に基づき、生成されたQoEモデルを更新する。具体的には、モデル再計算部１８０は、ステップＳ２０１において定期的に測定された物理的品質メトリック{t, x'_1, x'_2,...,x'_N}をモデル保持部１３０に保持されているQoEモデルに適用することによって取得したアプリケーションのQoEと、ステップＳ２０２において定期的に測定されたアプリケーションのQoE{t, z'_1, z'_2,...,z'_K}とを比較し、その差分に基づきQoEモデルを更新してもよい。

例えば、時刻tにおいて測定された物理的品質メトリックをx'_{i,t} for i = 1,...,Nとし、時刻tにおいて測定されたアプリケーション種別kのQoEをz'_{k,t} for k = 1,...,Kとし、時系列データがt=1,...,Tであるとした場合、モデル再計算部１８０は、モデル保持部１３０に保持されるQoEモデルに従って物理的品質メトリックx'_{i,t}から予測されるQoEの値と実際に測定されたQoEとの差分の二乗について、全てのアプリケーション及び時間についての総和を取った関数
Σ_{t=1,...,T}Σ_{k=1,...,K} ( z'_{k,t} - h_k ( x'_{1,t}, x'_{2,t},...,x_{N,t} ) )^2
を最小化するa_{i,j}, b_{j, k} for i = 1,...,N, j=1,...,M, k=1,...,Kを最急降下法などによって求め、算出したa_{i,j}, b_{j, k}に対してモデルA, Bを再計算することによって、QoEモデルを更新してもよい。

ステップＳ２０４において、モデル保持部１３０は、ステップＳ２０３において更新されたモデルA, B及びQoEモデルを保持し、モデル出力部１４０は、更新されたQoEモデルを出力する。

図６は、本発明の一実施例によるQoEモデル更新処理を示すフローチャートである。

図６に示されるように、ステップＳ３０１において、物理的品質メトリック監視部１５０は、物理的品質メトリックを定期的に測定する。具体的には、上述したように、物理的品質メトリックがx_1, ..., x_Nにより表される場合、物理的品質メトリック監視部１５０は、各時点tにおいて物理的品質メトリックを測定し、測定された物理的品質メトリックを{t, x'_1, x'_2,...,x'_N}の形式で時系列データ保持部１７０に保持する。

ステップＳ３０２において、webサービス監視部１９０は、アプリケーションに対してユーザがネットワーク上に書き込んだコメント内容に基づき、アプリケーションのQoEを定期的に測定する。具体的には、上述したように、アプリケーションのQoEがz_1, …, z_Kにより表される場合、webサービス監視部１９０は、各時点tにおける品質劣化のツイートの有無に基づき各アプリケーションのQoEを測定し、測定されたQoEを{t, z'_1, z'_2,...,z'_K}の形式で時系列データ保持部１７０に保持する。

ステップＳ３０３において、モデル再計算部１８０は、測定された物理的品質メトリックを生成されたQoEモデルに適用することによって取得したアプリケーションのQoEと測定されたアプリケーションのQoEとの比較に基づき、生成されたQoEモデルを更新する。具体的には、モデル再計算部１８０は、ステップＳ３０１において定期的に測定された物理的品質メトリック{t, x'_1, x'_2,...,x'_N}をモデル保持部１３０に保持されているQoEモデルに適用することによって取得したアプリケーションのQoEと、ステップＳ３０２において定期的に測定されたアプリケーションのQoE{t, z'_1, z'_2,...,z'_K}とを比較し、その差分に基づきQoEモデルを更新してもよい。例えば、時刻tにおいて測定された物理的品質メトリックをx'_{i,t} for i = 1,...,Nとし、時刻tにおいて測定されたアプリケーション種別kのQoEをz'_{k,t} for k = 1,...,Kとし、時系列データがt=1,...,Tであるとした場合、モデル再計算部１８０は、モデル保持部１３０に保持されるQoEモデルに従って物理的品質メトリックx'_{i,t}から予測されるQoEの値と実際に測定されたQoEとの差分の二乗について、全てのアプリケーション及び時間についての総和を取った関数
Σ_{t=1,...,T}Σ_{k=1,...,K} ( z'_{k,t} - h_k ( x'_{1,t}, x'_{2,t},...,x_{N,t} ) )^2
を最小化するa_{i,j}, b_{j, k} for i = 1,...,N, j=1,...,M, k=1,...,Kを最急降下法などによって求めてもよい。その後、モデル再計算部１８０は、算出したa_{i,j}, b_{j, k}に対してモデルA, Bを再計算することによって、QoEモデルを更新してもよい。

ステップＳ３０４において、モデル保持部１３０は、ステップＳ３０３において更新されたモデルA, B及びQoEモデルを保持し、モデル出力部１４０は、更新されたQoEモデルを出力する。

次に、図７を参照して、本発明の一実施例によるQoEモデル化装置のハードウェア構成を説明する。図７は、本発明の一実施例によるQoEモデル化装置のハードウェア構成を示すブロック図である。

図７に示されるように、QoEモデル化装置１００は、典型的には、サーバにより実現されてもよく、例えば、バスを介し相互接続されるドライブ装置１０１、補助記憶装置１０２、メモリ装置１０３、プロセッサ１０４、インタフェース装置１０５及び通信装置１０６から構成される。予測装置１００における上述した各種機能及び処理を実現するプログラムを含む各種コンピュータプログラムは、ＣＤ−ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｋ−Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）、フラッシュメモリなどの記録媒体１０７によって提供されてもよい。プログラムを記憶した記録媒体１０７がドライブ装置１０１にセットされると、プログラムが記録媒体１０７からドライブ装置１０１を介して補助記憶装置１０２にインストールされる。但し、プログラムのインストールは必ずしも記録媒体１０７により行う必要はなく、ネットワークなどを介し何れかの外部装置からダウンロードするようにしてもよい。補助記憶装置１０２は、インストールされたプログラムを格納すると共に、必要なファイルやデータなどを格納する。メモリ装置１０３は、プログラムの起動指示があった場合に、補助記憶装置１０２からプログラムやデータを読み出して格納する。プロセッサ１０４は、メモリ装置１０３に格納されたプログラムやプログラムを実行するのに必要なパラメータなどの各種データに従って、QoEモデル化装置１００の各種機能及び処理を実行する。インタフェース装置１０５は、ネットワーク又は外部装置に接続するための通信インタフェースとして用いられる。通信装置１０６は、インターネットなどのネットワークと通信するための各種通信処理を実行する。しかしながら、上述したハードウェア構成は単なる一例であり、QoEモデル化装置１００は、上述したハードウェア構成に限定されるものでなく、他の何れか適切なハードウェア構成により実現されてもよい。

なお、上述したQoEモデル化装置１００の各機能部及び各ステップは、コンピュータのメモリ装置１０３に記憶されたプログラムをプロセッサ１０４が実行することによって実現されてもよい。

以上、本発明の実施例について詳述したが、本発明は上述した特定の実施形態に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内において、種々の変形・変更が可能である。

１００ QoEモデル化装置
１１０ パラメータ入力部
１２０ モデル生成部
１３０ モデル保持部
１４０ モデル出力部
１５０ 物理的品質メトリック監視部
１６０ QoE監視部
１７０ 時系列データ保持部
１８０ モデル再計算部
１９０ webサービス監視部

Claims (7)

1. アーキテクチャの物理的品質に対する前記アーキテクチャ上で実行されるアプリケーションのQoEを推定するQoEモデルのためのQoEモデル化装置であって、
   物理的品質メトリックがメタ物理的品質メトリックに与える影響度を表す第１のパラメータと、前記メタ物理的品質メトリックがアプリケーションのQoEに与える影響度を表す第２のパラメータとを取得するパラメータ入力部と、
   前記取得した第１のパラメータに基づき前記物理的品質メトリックと前記メタ物理的品質メトリックとの間の関係を示す第１のモデルを生成し、前記取得した第２のパラメータに基づき前記メタ物理的品質メトリックと前記アプリケーションのQoEとの間の関係を示す第２のモデルを生成し、前記第１のモデルと前記第２のモデルとに基づき、前記物理的品質メトリックと前記アプリケーションのQoEとの間の関係を示すQoEモデルを生成するモデル生成部と、
   を有するQoEモデル化装置。
2. 前記第１のモデルは、
   y_j = f_j(x_1, ..., x_N) = x_1^a_{1,j} * x_2^a_{2,j} * ... * x_N^a_{N,j}
   により表されるx_1, ..., x_Nからj番目のメタ物理的品質メトリックへの関数f_j（j=1, …, M）であり、ここで、x_iはi番目の物理的品質メトリックであり、y_jはj番目のメタ物理的品質メトリックであり、a_{i,j}はi番目の物理的品質メトリックがj番目のメタ物理的品質メトリックに与える影響度を表すパラメータであり、
   前記第２のモデルは、
   z_k = g_k(y_1, y_2, ..., y_M) = y_1^b_{1,k} * y_2^b_{2,k} *...* y_M^b_{M,k}
   により表されるy_1, y_2, ..., y_Mからk番目のアプリケーション種別のQoEへの関数g_k（k=1, …, K）であり、ここで、z_kはk番目のアプリケーション種別のQoEであり、b_{j,k}はj番目のメタ物理的品質メトリックがk番目のアプリケーション種別のQoEに与える影響度を表すパラメータである、請求項１記載のQoEモデル化装置。
3. 前記モデル生成部は、前記k番目のアプリケーション種別のQoEモデルとして、
   z_k = h_k(x_1,...,x_N) = x_1^(a_{1,1} * b_{1,k} + a_{1,2} * b_{2,k} +...+a_{1,M} * b_{M,k})
   +x_2^(a_{2,1} * b_{1,k} + a_{2,2} * b_{2,k} +...+a_{2,M} * b_{M,k})
   ...
   +x_N^(a_{N,1} * b_{1,k} + a_{N,2} * b_{2,k} +...+a_{N,M} * b_{M,k})
   を生成する、請求項２記載のQoEモデル化装置。
4. 前記物理的品質メトリックを定期的に測定する物理的品質メトリック監視部と、
   前記アプリケーションに対してユーザから提供された品質報告に基づき、前記アプリケーションのQoEを定期的に測定するQoE監視部と、
   前記測定された物理的品質メトリックを前記生成されたQoEモデルに適用することによって取得した前記アプリケーションのQoEと前記測定されたアプリケーションのQoEとの比較に基づき、前記生成されたQoEモデルを更新するモデル再計算部と、
   を更に有する、請求項１乃至３何れか一項記載のQoEモデル化装置。
5. 前記物理的品質メトリックを定期的に測定する物理的品質メトリック監視部と、
   前記アプリケーションに対してユーザがネットワーク上に書き込んだコメント内容に基づき、前記アプリケーションのQoEを定期的に測定するwebサービス監視部と、
   前記測定された物理的品質メトリックを前記生成されたQoEモデルに適用することによって取得した前記アプリケーションのQoEと前記測定されたアプリケーションのQoEとの比較に基づき、前記生成されたQoEモデルを更新するモデル再計算部と、
   を更に有する、請求項１乃至３何れか一項記載のQoEモデル化装置。
6. アーキテクチャの物理的品質に対する前記アーキテクチャ上で実行されるアプリケーションのQoEを推定するQoEモデルのためのQoEモデル化装置により実現されるQoEモデル化方法であって、
   物理的品質メトリックがメタ物理的品質メトリックに与える影響度を表す第１のパラメータを取得するステップと、
   前記取得した第１のパラメータに基づき前記物理的品質メトリックと前記メタ物理的品質メトリックとの間の関係を示す第１のモデルを生成するステップと、
   前記メタ物理的品質メトリックがアプリケーションのQoEに与える影響度を表す第２のパラメータを取得するステップと、
   前記取得した第２のパラメータに基づき前記メタ物理的品質メトリックと前記アプリケーションのQoEとの間の関係を示す第２のモデルを生成するステップと、
   前記第１のモデルと前記第２のモデルとに基づき、前記物理的品質メトリックと前記アプリケーションのQoEとの間の関係を示すQoEモデルを生成するステップと、
   を有するQoEモデル化方法。
7. 請求項１乃至５何れか一項記載のQoEモデル化装置の各部としてプロセッサを機能させるためのプログラム。

Images