JP3648429B2 - 通信品質推定方法および装置 - Google Patents
通信品質推定方法および装置 Download PDFInfo
- Publication number
- JP3648429B2 JP3648429B2 JP2000061229A JP2000061229A JP3648429B2 JP 3648429 B2 JP3648429 B2 JP 3648429B2 JP 2000061229 A JP2000061229 A JP 2000061229A JP 2000061229 A JP2000061229 A JP 2000061229A JP 3648429 B2 JP3648429 B2 JP 3648429B2
- Authority
- JP
- Japan
- Prior art keywords
- model
- data
- network
- quality
- mib 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
- Small-Scale Networks (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、コンピュータネットワークにおける通信品質を推定して管理する通信品質推定方法および装置に関する。
【０００２】
【従来の技術】
コンピュータネットワークのユーザにとって意味のある品質は、エンドエンドスループットなどのエンドエンド品質であるが、エンドエンドの品質情報は容易に入手できない。容易に入手できるのは、ネットワーク内の各ＮＥ（ネットワーク構成機器）における品質情報、例えばＩＰネットワークにおけるＭＩＢ（Management Information Base ：管理情報ベース）情報などであるので、このような容易に入手できる品質情報を用いて、コンピュータネットワークの品質管理を行うことが要望されている。
【０００３】
【発明が解決しようとする課題】
上述したように、エンドエンドの品質情報は容易に入手できないので、ネットワーク内の各ＮＥで容易に入手し得る品質情報を用いて、エンドエンドの品質を推定しつつコンピュータネットワークの品質管理を行うことが望ましいが、このような技術は従来存在していない。
【０００４】
本発明は、上記に鑑みてなされたもので、その目的とするところは、ネットワーク構成機器で容易に入手し得る品質情報を用いて、コンピュータネットワークにおけるエンドエンド通信品質を推定する通信品質推定方法および装置を提供することにある。
【０００５】
【課題を解決するための手段】
上記目的を達成するため、第１の本発明は、種々のネットワーク構成、背景トラヒックの条件の下でネットワーク内の各ネットワーク構成機器からＭＩＢ情報およびエンドエンドの品質を測定してデータを入手し、この入手したデータのうち、ネットワーク構成、背景トラヒックのような非数値データについては数量化理論で数量化し、この得られた数値化データに対して複数の線形重回帰モデルの適合度を調べ、最も良く適合するモデルを最適モデルとして選定し、該最適モデルにＭＩＢ情報を入力してエンドエンドのスループット品質を推定することを要旨とする。
【０００６】
本発明にあっては、種々のネットワーク構成、背景トラヒックの条件の下で各ネットワーク構成機器からＭＩＢ情報およびエンドエンドの品質を測定してデータを入手し、このデータのうち非数値データを数量化理論で数量化し、この得られた数値化データに対して複数の線形重回帰モデルの適合度を調べ、最も良く適合するモデルを最適モデルとして選定し、該最適モデルにＭＩＢ情報を入力してエンドエンドのスループット品質を推定するため、容易に入手できる各ＮＥにおけるＭＩＢ情報からエンドエンドのスループット品質を適確に推定することができる。
【０００７】
本発明は、前記データを入手する処理が、実験回数を適正化する実験計画法を援用することを要旨とする。
【０００８】
本発明にあっては、実験計画法を援用して、実験回数を適正化するため、少ない実験回数で効率的にデータを求めることができる。
【０００９】
第２の本発明は、種々のネットワーク構成、背景トラヒックの条件の下でネットワーク内の各ネットワーク構成機器からＭＩＢ情報およびエンドエンドの品質を測定したデータを入力する入力手段と、この入力されたデータのうち、ネットワーク構成、背景トラヒックのような非数値データについて数量化理論で数量化する数量化手段と、この得られた数値化データに対して複数の線形重回帰モデルの適合度を調べ、最も良く適合するモデルを最適モデルとして選定するモデル選定手段と、この選定した最適モデルにＭＩＢ情報を入力してエンドエンドのスループット品質を推定する推定手段とを有することを要旨とする。
【００１０】
本発明にあっては、種々のネットワーク構成、背景トラヒックの条件の下で各ネットワーク構成機器からＭＩＢ情報およびエンドエンドの品質を測定したデータを入力し、このデータのうち非数値データを数量化理論で数量化し、この得られた数値化データに対して複数の線形重回帰モデルの適合度を調べ、最も良く適合するモデルを最適モデルとして選定し、該最適モデルにＭＩＢ情報を入力してエンドエンドのスループット品質を推定するため、容易に入手できる各ＮＥにおけるＭＩＢ情報からエンドエンドのスループット品質を適確に推定することができる。
【００１１】
第３の本発明は、種々のネットワーク構成、背景トラヒックの条件の下でネットワーク内の各ネットワーク構成機器からＭＩＢ情報およびエンドエンドの品質を測定してデータを入手し、この入手したデータのうち、ネットワーク構成、背景トラヒックのような非数値データについては数量化理論で数量化し、この得られた数値化データに対して複数の多変量多項式回帰モデルの適合度を調べ、最も良く適合するモデルを最適モデルとして選定し、該最適モデルにＭＩＢ情報を入力してエンドエンドのスループット品質を推定することを要旨とする。
【００１２】
本発明にあっては、種々のネットワーク構成、背景トラヒックの条件の下で各ネットワーク構成機器からＭＩＢ情報およびエンドエンドの品質を測定してデータを入手し、このデータのうち非数値データを数量化理論で数量化し、この得られた数値化データに対して複数の多変量多項式回帰モデルの適合度を調べ、最も良く適合するモデルを最適モデルとして選定し、該最適モデルにＭＩＢ情報を入力してエンドエンドのスループット品質を推定するため、容易に入手できる各ＮＥにおけるＭＩＢ情報に対してエンドエンド品質が線形近似できない場合でも、ＭＩＢ情報からエンドエンドのスループット品質を適確に推定することができる。
【００１３】
本発明は、前記データを入手する処理が、実験回数を適正化する実験計画法を援用することを要旨とする。
【００１４】
本発明にあっては、実験計画法を援用して、実験回数を適正化するため、少ない実験回数で効率的にデータを求めることができる。
【００１５】
第４の本発明は、種々のネットワーク構成、背景トラヒックの条件の下でネットワーク内の各ネットワーク構成機器からＭＩＢ情報およびエンドエンドの品質を測定したデータを入力する入力手段と、この入力されたデータのうち、ネットワーク構成、背景トラヒックのような非数値データについて数量化理論で数量化する数量化手段と、この得られた数値化データに対して複数の多変量多項式回帰モデルの適合度を調べ、最も良く適合するモデルを最適モデルとして選定するモデル選定手段と、この選定した最適モデルにＭＩＢ情報を入力してエンドエンドのスループット品質を推定する推定手段とを有することを要旨とする。
【００１６】
本発明にあっては、種々のネットワーク構成、背景トラヒックの条件の下で各ネットワーク構成機器からＭＩＢ情報およびエンドエンドの品質を測定したデータを入力し、このデータのうち非数値データを数量化理論で数量化し、この得られた数値化データに対して複数の多変量多項式回帰モデルの適合度を調べ、最も良く適合するモデルを最適モデルとして選定し、該最適モデルにＭＩＢ情報を入力してエンドエンドのスループット品質を推定するため、容易に入手できる各ＮＥにおけるＭＩＢ情報に対してエンドエンド品質が線形近似できない場合でも、ＭＩＢ情報からエンドエンドのスループット品質を適確に推定することができる。
【００１７】
【発明の実施の形態】
以下、図面を用いて本発明の実施の形態を説明する。図１〜図３は、本発明の一実施形態に係る通信品質推定方法を実施するために使用される３種類のネットワークＮＷ１，ＮＷ２およびＮＷ３の構成をそれぞれ示すブロック図である。図１〜図３において、１はデスクトップ型サーバ（ＤＴ）、３はノートブック型サーバ（ＮＢ）、５はＭＩＢ収集用端末（ＭＩＢ）、７はハブ（Ｈｕｂ）、９は上流側ルータ、１１は局側加入者線終端装置（ＳＬＴ）、１３はスターカプラ（ＳＣ）、１５ａ〜１５ｄは加入者側加入者線終端装置（ＯＮＵ）、１７ａ〜１７ｄは加入者宅内ルータ（ｍＲ）、１９ａ〜１９ｄは端末、２１は高機能加入者宅内ルータ(Cisco) 、２３はハブ（Ｈｕｂ）である。
【００１８】
図１〜図３に示す３種類のネットワークＮＷのうち、図１および図３にそれぞれ示すネットワークＮＷ１およびＮＷ３は、局側加入者線終端装置（ＳＬＴ）１１と加入者側加入者線終端装置（ＯＮＵ）１５との間のスターカプラ（ＳＣ）１３において各端末１９に対して分岐されているのに対して、図２に示すネットワークＮＷ２は、高機能加入者宅内ルータ(Cisco) ２１に接続されたハブ（Ｈｕｂ）２３において分岐されている。
【００１９】
今回の実験で用いたネットワークでは、各加入者側加入者線終端装置（ＯＮＵ）１５に対して１００Ｋbps の帯域が保証されている。従って、図１および図３に示すネットワークＮＷ１，ＮＷ３においては、各端末に対して１００Ｋbps の帯域が保証される。
【００２０】
また、図１および図３に示すネットワークＮＷ１およびＮＷ３においては、端末１９ａに接続されたルータが図１では加入者宅内ルータ（ｍＲ）１７ａであり、図３では高機能加入者宅内ルータ(Cisco) ２１というように異なるが、ネットワークＮＷ３で使用されている高機能加入者宅内ルータ(Cisco) ２１はネットワークＮＷ１で使用されている加入者宅内ルータ（ｍＲ）１７ａに比較して、多くのパケットを処理することができる。従って、ネットワークＮＷ１において加入者宅内ルータ（ｍＲ）１７ａがボトルネックになっている場合には、ネットワーク性能に違いが出てくる。
【００２１】
図１〜図３において、太線で囲んだ機器、すなわちデスクトップ型サーバ１、ノートブック型サーバ３、ＭＩＢ収集用端末５、上流側ルータ９、加入者宅内ルータ（ｍＲ）１７ａ〜１７ｄ、端末１９ａ〜１９ｄ、高機能加入者宅内ルータ(Cisco) ２１は、互いにインターネットプロトコル（ＩＰ）を用いた通信を行うことができる。
【００２２】
また、上流側ルータ９および加入者宅内ルータ（ｍＲ）１７の各ルータは、管理情報ベース（ＭＩＢ）を備えており、その要素にはそれぞれのインタフェースを経由して送受信したデータのオクテット数が含まれている。また、その値は他の機器からＳＮＭＰを用いて参照することができる。
【００２３】
端末１９ａ〜１９ｄおよびＭＩＢ収集用端末５の各端末は、加入者宅内ルータ（ｍＲ）１７ａ〜１７ｄ、上流側ルータ９のそれぞれのＭＩＢオブジェクトをＳＮＭＰを用いて修得することができる。また、収集する際にネットワークや個々の機器のＣＰＵにかかる負荷は他の通信によるものに比べて十分小さく、ＳＮＭＰを用いてＭＩＢ情報を収集することが他の通信に及ぼす影響は無視することができる。
【００２４】
端末１９ａ〜１９ｄ、デスクトップ型サーバ１、ノートブック型サーバ３、ＭＩＢ収集用端末５のそれぞれの時刻は、 Network Time Protocol（ＮＴＰ）を用いて同期が取られている。
【００２５】
また、ルータのそれぞれのインタフェースを通過して送受信されたパケットのデータ量（オクテット数）を１秒毎にＳＮＭＰを用いて収集し、その差分を取れば、任意の１秒間にルータのインタフェースを通過して送受信されたデータ量を求めることができる。
【００２６】
端末１９ａ〜１９ｄ、デスクトップ型サーバ１、ノートブック型サーバ３には、トラヒックを発生させるためのソフトウェアＤＢＳがインストールされており、各端末間で任意のトラヒックを発生させることができる。また、発生させたトラヒックに関して、スループットや遅延などの性能情報を受信側端で記録することができる。
【００２７】
以上のように構成されるネットワークを用いて、エンドエンド性能を推定するのに最適な管理データ項目の選択方法とエンドエンド性能の推定方法、および予め与えられたエンドエンド性能の管理目標値から管理閾値を実験を通して求める手順について説明する。
【００２８】
まず、本実施形態の通信品質推定方法で推定したい性能尺度、すなわちエンドエンド性能としては、図４に示した表１に記載されている条件の性能測定用トラヒックを図１〜図３に示したそれぞれのネットワークＮＷ１，ＮＷ２およびＮＷ３に流したときの受信側でのスループットを取り上げる。
【００２９】
また、エンドエンド性能の推定に使用するデータとしては、ＭＩＢ情報から収集できる情報として、上流側ルータ９の送信トラヒック量および加入者宅内ルータ（ｍＲ）１７や高機能加入者宅内ルータ(Cisco) ２１からなる下流側ルータの受信トラヒック量を使用する。
【００３０】
更に、実験条件として、次に挙げるものを設定する。
【００３１】
（１）図１〜図３に示したネットワークＮＷ１，ＮＷ２，ＮＷ３の構成
（２）負荷トラヒックのプロトコル比率
（ＴＣＰ：ＵＤＰ＝１：０，１：１，０：１）
（３）負荷トラヒックのパケットサイズ
（６４，３００，１５００バイト）
（４）負荷フロー数（２，４，８）
（５）負荷生成サーバの種類
（デスクトップ型サーバ：ノートブック型サーバ＝１：０，１：１，０：１）
（６）実験時間または実験回数
（１回目、２回目、３回目）
なお、想定した合計背景負荷（４．０，３．６，３．２，２．８，２．４，２．０Ｍbps ）の実験条件は、推定のためには使用していない。
【００３２】
次に、背景負荷発生方法として、上述したように設定した実験条件に従って背景負荷となるトラヒックを発生させる。すなわち、想定した合計背景負荷量、パケットサイズ、プロトコル比率、各サーバが発生する負荷量が前記実験条件に合い、更にパケット発生頻度が等間隔になるようにトラヒックを発生させる。
【００３３】
それから、上述したように選択した条件のもとでトラヒックを発生させながら、エンドエンド性能の測定やＭＩＢデータの収集を行う。すなわち、上述した背景負荷を図１〜図３に示したネットワークの上流に位置するデスクトップ型サーバ（ＤＴ）１またはノートブック型サーバ（ＮＢ）３から各端末１９ａ〜１９ｄに向けて均等に発生させながら、図４に示した表１にある性能測定用トラヒックを同時に上流のサーバであるデスクトップ型サーバ１から端末１９ａに向けて流し、受信側端末である端末１９ａでスループットを測定する。また同時に、送信側ルータである上流側ルータ９と受信側ルータである加入者宅内ルータ（ｍＲ）１７ａ〜１７ｄおよび高機能加入者宅内ルータ(Cisco) ２１におけるＭＩＢデータを直接接続されている端末１９ａ〜１９ｄおよびＭＩＢ収集用端末５で収集する。
【００３４】
なお、上述した処理において、すべての組み合わせについて性能を測定すればネットワーク構成機器（ＮＥ）からのデータとエンドエンド性能の対応がより正確に把握できるが、多大な時間と手間を要して現実的でないので、ここではなるべく多くの要因を考慮しつつ、なるべく少ない実験回数で対応関係を把握するために実験計画法Ｌ１８（上田太一郎，タグチメソッド完全理解実践マニュアル，日本ビジネスレポート，1998,Oct）を用いた。
【００３５】
上述した結果、実験により得られた生データは、図５に示す表２のとおりである。
【００３６】
次に、非数値化データ（カテゴリカルデータ）の数量化処理について説明する。すなわち、実験条件とＭＩＢ情報を同時に扱うため、カテゴリ別になっている実験条件を数量化する。詳しくは、上述した実験条件は、順序づけのない種類を表したデータ（カテゴリカルデータ）であるので、そのまま回帰分析に用いることはできない。そこで、数量化法１類により実験条件を数値データに変換する。このように実験条件を数値化したものが図６に示す表３である。但し、Ｕ（想定負荷量）は想定した負荷であるが、負荷に関してＭＩＢデータを収集しているので、このＭＩＢデータを使用することにし、変換後の表には含めなかった。
【００３７】
ここで、表３の作成方法について”proto(プロトコル比率）”を例にとって説明する（詳細は、統計学辞典、竹内他、pp.368-370，参照）。
【００３８】
まず、proto の要素であるＴＣＰ，Ｔ＆Ｕ，ＵＤＰのうち、基準となる任意の要素を選択する。今回の例では、ＵＤＰを選択する。
【００３９】
それから、１つのカテゴリカル変数proto に対して”ＵＤＰ→ＴＣＰ”と”ＵＤＰ→Ｔ＆Ｕ”の２つの変数を用意し、各測定に対して測定条件がＴＣＰの場合は、”ＵＤＰ→ＴＣＰ”を１とし、測定条件がＴ＆Ｕの場合は、”ＵＤＰ→Ｔ＆Ｕ”を１とする。その他の欄は０とする。
【００４０】
ここで作成した各変数に対する係数の意味づけは、ＵＤＰ→ＴＣＰの場合、「proto をＵＤＰからＴＣＰに変えた時の推定値の差」である。
【００４１】
次に、エンドエンド性能の推定に最適な変数を選択する。ＭＩＢ情報と数量化された実験条件（以下、説明変数の候補と呼ぶ）のうちからエンドエンド性能の予測に用いる変数として最も適している組み合わせを選択する。すなわち、推定するのに用いるデータのうち、いくつかの項目を説明変数として選び、推定したい性能尺度を目的変数として線形重回帰モデルを考えた場合、各説明変数に関して、モデルに含まれる場合と含まれない場合の２通り考えられる。
【００４２】
すべての変数について考えると、２の”変数の数”乗の組み合わせのモデルが考えられる。これらのモデルから、最適なものを選択するわけであるが、その時の適合度を表す尺度として以下に説明するような尺度を用いることができる。実施に当たっては、すべてのモデルに関して調べることは時間がかかるので、
（１）初期モデルを任意に決める。
【００４３】
（２）それぞれの変数が現在のモデルに含まれていれば、その変数を除いたモデルを考え、現在のモデルに含まれていなければ、その変数を付け加えたモデルを考え、合計で変数の数だけのモデルを考える。
【００４４】
（３）上述したように考えたモデルに関して、最適なモデルを考える。
【００４５】
（４）このように考えた最適なモデルと現在のモデルが同じであれば、そのモデルを（局所）最適モデルとする。そうでない場合には、（３）で考えたモデルを現在のモデルとし、（２）に戻る。
【００４６】
以上の手順により、（局所）最適モデルが求まる。適合度は単調減少であり、考えられるモデルも有限であるから、適合度は以上のステップを高々２の”変数の数”乗の回数の繰り返しで終了する（Ｓにおける変数減増法）。
【００４７】
上述したモデルの適合度を表す尺度として、赤池情報量基準（ＡＩＣ）（情報統計学、坂元他、pp.138-140、式（8.33）参照）を用いる。すなわち、注目しているモデルに関して、重回帰分析を用いて各変数に対する係数を求める（係数決定法は情報統計学、坂元他、pp.138-139、式（8.30）参照）。係数が決まれば、そのモデルに関して赤池情報量基準（ＡＩＣ）を計算することができる。このＡＩＣが小さい方が適したモデルといえる。すなわち、モデルに含まれる変数の組がエンドエンド性能予測に適しているといえる。この時の回帰式がエンドエンド性能の予測式である。
【００４８】
図７に示す表４は、目的変数の選択の経緯を表したものである。表４において、stepの欄は変数の出し入れの操作を何回行ったかを表している。次に、それぞれの行の説明を行う。
【００４９】
表４におけるstep０では、まず説明変数が全く含まれていないモデルを考える。その時のＡＩＣが「現在のＡＩＣ」欄に記されている。右の欄は、それぞれの変数が説明変数としてモデルに加えられた時のＡＩＣを表している。step０行に記入されている数値の中で最小のものは、「損失率」欄の−２０１．１０である。そこで、次のstepでは、「損失率」を説明変数にとるモデルに関して考える。
【００５０】
次のstep１では、「損失率」を説明変数に取るモデルとそれぞれの変数がモデルに加えられたときのＡＩＣが表されている。但し、括弧（）で示された欄は、該当する変数がモデルから除かれた時のＡＩＣを表している。step１行に記入されている数値の中で最小のものは、「フロー数８→２」欄の−２０１．４０である。
【００５１】
step２では、次に「損失率」と「フロー数８→２」を説明変数として取るモデルから説明変数を増減させることを考える。step２行に記入されている数値の中で最小のものは、「現在のＡＩＣ」欄である。これは、現在のモデルから１変数を増減させたものの中では、より適したモデルは存在しないということを表している。そこで、現在のモデルを局所最適解とする。
【００５２】
ここで求まったモデルは、ｙ＝（ＵＤＰスループット）、ｘ1 ＝（損失率）、ｘ2 ＝（フロー数を８から２に変化させることを意味する数量化変数）とおくと、
【数１】
ｙ＝（５．２×１０-3）−（２．２×１０-3）ｘ1 −（３．３×１０-4）ｘ2
と書き表すことができる。
【００５３】
回帰係数に関する統計量を図８に示す表５に示す。但し、ａ0 は定数項、ａ1 ，ａ2 はそれぞれｘ1 ，ｘ2 の回帰係数を表す。
【００５４】
次に、この結果について考察して、選択された変数の正当性について検証する。実験条件のうち、説明変数として採用されたものがあった場合、それらの正当性を検定を用いて検証する。以下の仮説を立てて、有意水準５％でＦ検定を試みた。
【００５５】
帰無仮説、すなわちＵＤＰスループットとフロー数には相関がない。
【００５６】
分散分析を行った結果、Ｆ値の上側確率は、０．６５であり、棄却できないので、測定データから相関があるとは言えないことになる。
【００５７】
そこで、改めてｙをｘ1 のみで回帰した結果が図９に示す表６となり、最終的に
【数２】
ｙ＝（５．１×１０-3）−（２．１×１０-2）ｘ1
とモデル化する。
【００５８】
次に、グラフを書いて、目標とするエンドエンド性能から管理に用いる損失率に対する管理閾値を導出する。上述したように求めたモデルの回帰直線およびＵＤＰスループットの推定値の９５％信頼区間を図１０に示す。
【００５９】
管理目標の一例として、今回の実験で用いたような測定用トラヒックを流した場合のスループットを平均０．００４Ｍbps に保つという管理目標に対する管理閾値は、図１０から、着目しているボトルネックにおける平均損失率５％を閾値に用いればよいことになる。
【００６０】
次に、本発明の他の実施形態に係る通信品質推定方法について説明する。
【００６１】
上述した図１〜図１０に示した実施形態では、容易に入手できるネットワーク内のＮＥで容易に得られる品質情報であるＭＩＢ情報を用いて、容易に入手できないエンドエンドの品質情報を入手する通信品質推定方法について説明した。この方法は、エンドエンド品質がＮＥから得られる品質情報に対して線形に近い場合に良好な精度を得ることはできるが、線形近似できない場合には、推定精度があまり良くないということがある。
【００６２】
そこで、本実施形態の通信品質推定方法では、線形重回帰モデルの代わりに多変量多項式回帰モデルを使用し、これにより容易に入手できる各ＮＥにおけるＭＩＢ情報に対してエンドエンド品質が線形近似できない場合でも、ＭＩＢ情報からエンドエンドの品質を適確に推定することができるようにしたものである。
【００６３】
更に詳しくは、図１１以降の図面を参照して説明する。図１１に示すようなネットワークにおいて、性能上ボトルネックになると思われる回線が２ヶ所ある（ボトルネック回線１１５，１２１）。このようなネットワークにおいて、ホスト１１１からホスト１２５にパケットを往復させた場合の往復時間ｙを測定した場合について説明する。すなわち、この測定した往復時間は、測定用のパケットがホスト１１１からルータ１１３，１１７，１１９，１２３を通ってホスト１２５に至り、このホスト１２５から再度ルータ１２３，１１９，１１７，１１３を通ってホスト１１１に至るまでに要した時間である。また、この往復時間と同時にボトルネック回線１１５，１２１における両方向の回線の使用率ｘ1 ，ｘ2 ，ｘ3 ，ｘ4 も測定した。ここで、この回線使用率ｘ1 ，ｘ2 ，ｘ3 ，ｘ4 から往復時間ｙを推定するためのモデルについて考えると、次式のようになる。
【００６４】
【数３】
ここで、ａは該当する項の係数であり、ｎ1 ，ｎ2 ，ｎ3 ，ｎ4 はｘ1 ，ｘ2 ，ｘ3 ，ｘ4 に対する次数であり、ａ10，ａ20，ａ30，ａ40はそれぞれ０とする。
【００６５】
次数ｎ1 ，ｎ2 ，ｎ3 ，ｎ4 が決定されると、ａは最小ＡＩＣ（赤池情報量基準）によって決定されるので、ｎ1 ，ｎ2 ，ｎ3 ，ｎ4 を図１２および図１３に示すようにステップワイズ法により決定する。
【００６６】
上述したように求めたモデル（ｎ1 ＝５，ｎ2 ＝０，ｎ3 ＝０，ｎ4 ＝１）の回帰式は、次式のようになる。
【００６７】
【数４】
各回帰係数とその統計量は図１４に示す表７の通りである。これは、今回用いたサンプルのうち、ｘ1 ，ｘ4 の２種類の回線使用率を使用し、式（２）に代入すれば、往復遅延を精度良く推定できることを表している。ここで、ｘ4 に着目すると、最高次の回帰係数ａ41のｔ値上側確率が０．０９３であり、有意度５％のｔ検定で有意とはみなされない。一方、ｘ1 最高次の回帰係数ａ15のｔ値上側確率は０．００１４であり、ｘ1 が非常に有意であることを示している。そこで、ｘ1 のみによる多項式モデルを考え、回帰式を求めたところ、次に示す式（３）に示すようになった。
【００６８】
【数５】
各回帰係数とその統計量は、図１５に示す表８の通りである。上記回帰式と９５％信頼区間に測定値を重ねると、図１６に示すようになる。この図１６から、使用率の変化に伴う遅延の急激な増大を適切にモデル化できていることがわかる。
【００６９】
図１〜図１０に示した実施形態の通信品質推定方法によって求めたモデルは、次に示す式（４）となり、回帰係数に関する統計量は、図１７の表９に示すようになる。また、このモデルのＡＩＣは、１９８３３．４４である。
【００７０】
ｙ＝ａ0 ＋ａ11ｘ1 ＋ａ31ｘ3 …（４）
上述した図１〜図１０に示した実施形態の通信品質推定方法によって求めたモデルのＡＩＣは、１９８３３．４４であるのに比べて、図１１以降に示した本実施形態によるモデルのＡＩＣは、１９０３１．４８であり、本実施形態の方がより良くエンドエンド品質を推定することができることがわかる。
【００７１】
【発明の効果】
以上説明したように、本発明によれば、種々のネットワーク構成、背景トラヒックの条件の下で各ネットワーク構成機器からＭＩＢ情報およびエンドエンドの品質を測定してデータを入手し、このデータのうち非数値データを数量化理論で数量化し、この得られた数値化データに対して複数の線形重回帰モデルの適合度を調べ、最も良く適合するモデルを最適モデルとして選定し、該最適モデルにＭＩＢ情報を入力してエンドエンドの品質を推定するので、容易に入手できる各ＮＥにおけるＭＩＢ情報からエンドエンドの品質を適確に推定することができる。
【００７２】
また、本発明によれば、種々のネットワーク構成、背景トラヒックの条件の下で各ネットワーク構成機器からＭＩＢ情報およびエンドエンドの品質を測定してデータを入手し、このデータのうち非数値データを数量化理論で数量化し、この得られた数値化データに対して複数の多変量多項式回帰モデルの適合度を調べ、最も良く適合するモデルを最適モデルとして選定し、該最適モデルにＭＩＢ情報を入力してエンドエンドの品質を推定するので、容易に入手できる各ＮＥにおけるＭＩＢ情報に対してエンドエンド品質が線形近似できない場合でも、ＭＩＢ情報からエンドエンドの品質を適確に推定することができる。
【図面の簡単な説明】
【図１】本発明の一実施形態に係る通信品質推定方法を実施するために使用されるネットワークＮＷ１の構成を示すブロック図である。
【図２】本発明の一実施形態に係る通信品質推定方法を実施するために使用されるネットワークＮＷ２の構成を示すブロック図である。
【図３】本発明の一実施形態に係る通信品質推定方法を実施するために使用されるネットワークＮＷ３の構成を示すブロック図である。
【図４】本発明の実施形態における性能測定用トラヒックを示す表１を示す図である。
【図５】本発明の実施形態における実験で得られた生データを示す表２を示す図である。
【図６】図５に示したデータのうち非数値化データを数量化処理したデータを示す表３を示す図である。
【図７】本発明の実施形態における目的変数の選択の経緯を示す表４を示す図である。
【図８】本発明の実施形態における変数増減法で求まった回帰係数に関する統計量を示す表５を示す図である。
【図９】本発明の実施形態における最終モデルの回帰係数に関する統計量を示す表６を示す図である。
【図１０】本発明の実施形態におけるモデルの回帰直線およびＵＤＰスループットの推定値の９５％信頼区間を示す図である。
【図１１】本発明の他の実施形態に係る通信品質推定方法を説明するためのネットワーク構成を示す図である。
【図１２】図１１に示した実施形態において回線使用率を推定するためのモデルにおける次数ｎ1 ，ｎ2 ，ｎ3 ，ｎ4 を決定するためのステップワイズ法における各ステップの変化の一部を示す図である。
【図１３】図１２に続くステップワイズ法における各ステップの変化の残り部分を示す図である。
【図１４】ｘ1 ，ｘ4 による回帰式の係数とその統計量を示す表７を示す図である。
【図１５】ｘ1 による回帰式の係数とその統計量を示す表８を示す図である。
【図１６】回帰式と９５％信頼区間に測定値を重ねて回線使用率（ｘ1 ）に対する往復遅延を示すグラフである。
【図１７】ｘ1 による回帰式の係数とその統計量を示す表９を示す図である。
【符号の説明】
１ デスクトップ型サーバ
３ ノートブック型サーバ
５ ＭＩＢ収集用端末
９ 上流側ルータ
１１ 局側加入者線終端装置（ＳＬＴ）
１３ スターカプラ（ＳＣ）
１５ 加入者側加入者線終端装置（ＯＮＵ）
１７ 加入者宅内ルータ（ｍＲ）
１９ 端末
２１ 高機能加入者宅内ルータ(Cisco)
【発明の属する技術分野】
本発明は、コンピュータネットワークにおける通信品質を推定して管理する通信品質推定方法および装置に関する。
【０００２】
【従来の技術】
コンピュータネットワークのユーザにとって意味のある品質は、エンドエンドスループットなどのエンドエンド品質であるが、エンドエンドの品質情報は容易に入手できない。容易に入手できるのは、ネットワーク内の各ＮＥ（ネットワーク構成機器）における品質情報、例えばＩＰネットワークにおけるＭＩＢ（Management Information Base ：管理情報ベース）情報などであるので、このような容易に入手できる品質情報を用いて、コンピュータネットワークの品質管理を行うことが要望されている。
【０００３】
【発明が解決しようとする課題】
上述したように、エンドエンドの品質情報は容易に入手できないので、ネットワーク内の各ＮＥで容易に入手し得る品質情報を用いて、エンドエンドの品質を推定しつつコンピュータネットワークの品質管理を行うことが望ましいが、このような技術は従来存在していない。
【０００４】
本発明は、上記に鑑みてなされたもので、その目的とするところは、ネットワーク構成機器で容易に入手し得る品質情報を用いて、コンピュータネットワークにおけるエンドエンド通信品質を推定する通信品質推定方法および装置を提供することにある。
【０００５】
【課題を解決するための手段】
上記目的を達成するため、第１の本発明は、種々のネットワーク構成、背景トラヒックの条件の下でネットワーク内の各ネットワーク構成機器からＭＩＢ情報およびエンドエンドの品質を測定してデータを入手し、この入手したデータのうち、ネットワーク構成、背景トラヒックのような非数値データについては数量化理論で数量化し、この得られた数値化データに対して複数の線形重回帰モデルの適合度を調べ、最も良く適合するモデルを最適モデルとして選定し、該最適モデルにＭＩＢ情報を入力してエンドエンドのスループット品質を推定することを要旨とする。
【０００６】
本発明にあっては、種々のネットワーク構成、背景トラヒックの条件の下で各ネットワーク構成機器からＭＩＢ情報およびエンドエンドの品質を測定してデータを入手し、このデータのうち非数値データを数量化理論で数量化し、この得られた数値化データに対して複数の線形重回帰モデルの適合度を調べ、最も良く適合するモデルを最適モデルとして選定し、該最適モデルにＭＩＢ情報を入力してエンドエンドのスループット品質を推定するため、容易に入手できる各ＮＥにおけるＭＩＢ情報からエンドエンドのスループット品質を適確に推定することができる。
【０００７】
本発明は、前記データを入手する処理が、実験回数を適正化する実験計画法を援用することを要旨とする。
【０００８】
本発明にあっては、実験計画法を援用して、実験回数を適正化するため、少ない実験回数で効率的にデータを求めることができる。
【０００９】
第２の本発明は、種々のネットワーク構成、背景トラヒックの条件の下でネットワーク内の各ネットワーク構成機器からＭＩＢ情報およびエンドエンドの品質を測定したデータを入力する入力手段と、この入力されたデータのうち、ネットワーク構成、背景トラヒックのような非数値データについて数量化理論で数量化する数量化手段と、この得られた数値化データに対して複数の線形重回帰モデルの適合度を調べ、最も良く適合するモデルを最適モデルとして選定するモデル選定手段と、この選定した最適モデルにＭＩＢ情報を入力してエンドエンドのスループット品質を推定する推定手段とを有することを要旨とする。
【００１０】
本発明にあっては、種々のネットワーク構成、背景トラヒックの条件の下で各ネットワーク構成機器からＭＩＢ情報およびエンドエンドの品質を測定したデータを入力し、このデータのうち非数値データを数量化理論で数量化し、この得られた数値化データに対して複数の線形重回帰モデルの適合度を調べ、最も良く適合するモデルを最適モデルとして選定し、該最適モデルにＭＩＢ情報を入力してエンドエンドのスループット品質を推定するため、容易に入手できる各ＮＥにおけるＭＩＢ情報からエンドエンドのスループット品質を適確に推定することができる。
【００１１】
第３の本発明は、種々のネットワーク構成、背景トラヒックの条件の下でネットワーク内の各ネットワーク構成機器からＭＩＢ情報およびエンドエンドの品質を測定してデータを入手し、この入手したデータのうち、ネットワーク構成、背景トラヒックのような非数値データについては数量化理論で数量化し、この得られた数値化データに対して複数の多変量多項式回帰モデルの適合度を調べ、最も良く適合するモデルを最適モデルとして選定し、該最適モデルにＭＩＢ情報を入力してエンドエンドのスループット品質を推定することを要旨とする。
【００１２】
本発明にあっては、種々のネットワーク構成、背景トラヒックの条件の下で各ネットワーク構成機器からＭＩＢ情報およびエンドエンドの品質を測定してデータを入手し、このデータのうち非数値データを数量化理論で数量化し、この得られた数値化データに対して複数の多変量多項式回帰モデルの適合度を調べ、最も良く適合するモデルを最適モデルとして選定し、該最適モデルにＭＩＢ情報を入力してエンドエンドのスループット品質を推定するため、容易に入手できる各ＮＥにおけるＭＩＢ情報に対してエンドエンド品質が線形近似できない場合でも、ＭＩＢ情報からエンドエンドのスループット品質を適確に推定することができる。
【００１３】
本発明は、前記データを入手する処理が、実験回数を適正化する実験計画法を援用することを要旨とする。
【００１４】
本発明にあっては、実験計画法を援用して、実験回数を適正化するため、少ない実験回数で効率的にデータを求めることができる。
【００１５】
第４の本発明は、種々のネットワーク構成、背景トラヒックの条件の下でネットワーク内の各ネットワーク構成機器からＭＩＢ情報およびエンドエンドの品質を測定したデータを入力する入力手段と、この入力されたデータのうち、ネットワーク構成、背景トラヒックのような非数値データについて数量化理論で数量化する数量化手段と、この得られた数値化データに対して複数の多変量多項式回帰モデルの適合度を調べ、最も良く適合するモデルを最適モデルとして選定するモデル選定手段と、この選定した最適モデルにＭＩＢ情報を入力してエンドエンドのスループット品質を推定する推定手段とを有することを要旨とする。
【００１６】
本発明にあっては、種々のネットワーク構成、背景トラヒックの条件の下で各ネットワーク構成機器からＭＩＢ情報およびエンドエンドの品質を測定したデータを入力し、このデータのうち非数値データを数量化理論で数量化し、この得られた数値化データに対して複数の多変量多項式回帰モデルの適合度を調べ、最も良く適合するモデルを最適モデルとして選定し、該最適モデルにＭＩＢ情報を入力してエンドエンドのスループット品質を推定するため、容易に入手できる各ＮＥにおけるＭＩＢ情報に対してエンドエンド品質が線形近似できない場合でも、ＭＩＢ情報からエンドエンドのスループット品質を適確に推定することができる。
【００１７】
【発明の実施の形態】
以下、図面を用いて本発明の実施の形態を説明する。図１〜図３は、本発明の一実施形態に係る通信品質推定方法を実施するために使用される３種類のネットワークＮＷ１，ＮＷ２およびＮＷ３の構成をそれぞれ示すブロック図である。図１〜図３において、１はデスクトップ型サーバ（ＤＴ）、３はノートブック型サーバ（ＮＢ）、５はＭＩＢ収集用端末（ＭＩＢ）、７はハブ（Ｈｕｂ）、９は上流側ルータ、１１は局側加入者線終端装置（ＳＬＴ）、１３はスターカプラ（ＳＣ）、１５ａ〜１５ｄは加入者側加入者線終端装置（ＯＮＵ）、１７ａ〜１７ｄは加入者宅内ルータ（ｍＲ）、１９ａ〜１９ｄは端末、２１は高機能加入者宅内ルータ(Cisco) 、２３はハブ（Ｈｕｂ）である。
【００１８】
図１〜図３に示す３種類のネットワークＮＷのうち、図１および図３にそれぞれ示すネットワークＮＷ１およびＮＷ３は、局側加入者線終端装置（ＳＬＴ）１１と加入者側加入者線終端装置（ＯＮＵ）１５との間のスターカプラ（ＳＣ）１３において各端末１９に対して分岐されているのに対して、図２に示すネットワークＮＷ２は、高機能加入者宅内ルータ(Cisco) ２１に接続されたハブ（Ｈｕｂ）２３において分岐されている。
【００１９】
今回の実験で用いたネットワークでは、各加入者側加入者線終端装置（ＯＮＵ）１５に対して１００Ｋbps の帯域が保証されている。従って、図１および図３に示すネットワークＮＷ１，ＮＷ３においては、各端末に対して１００Ｋbps の帯域が保証される。
【００２０】
また、図１および図３に示すネットワークＮＷ１およびＮＷ３においては、端末１９ａに接続されたルータが図１では加入者宅内ルータ（ｍＲ）１７ａであり、図３では高機能加入者宅内ルータ(Cisco) ２１というように異なるが、ネットワークＮＷ３で使用されている高機能加入者宅内ルータ(Cisco) ２１はネットワークＮＷ１で使用されている加入者宅内ルータ（ｍＲ）１７ａに比較して、多くのパケットを処理することができる。従って、ネットワークＮＷ１において加入者宅内ルータ（ｍＲ）１７ａがボトルネックになっている場合には、ネットワーク性能に違いが出てくる。
【００２１】
図１〜図３において、太線で囲んだ機器、すなわちデスクトップ型サーバ１、ノートブック型サーバ３、ＭＩＢ収集用端末５、上流側ルータ９、加入者宅内ルータ（ｍＲ）１７ａ〜１７ｄ、端末１９ａ〜１９ｄ、高機能加入者宅内ルータ(Cisco) ２１は、互いにインターネットプロトコル（ＩＰ）を用いた通信を行うことができる。
【００２２】
また、上流側ルータ９および加入者宅内ルータ（ｍＲ）１７の各ルータは、管理情報ベース（ＭＩＢ）を備えており、その要素にはそれぞれのインタフェースを経由して送受信したデータのオクテット数が含まれている。また、その値は他の機器からＳＮＭＰを用いて参照することができる。
【００２３】
端末１９ａ〜１９ｄおよびＭＩＢ収集用端末５の各端末は、加入者宅内ルータ（ｍＲ）１７ａ〜１７ｄ、上流側ルータ９のそれぞれのＭＩＢオブジェクトをＳＮＭＰを用いて修得することができる。また、収集する際にネットワークや個々の機器のＣＰＵにかかる負荷は他の通信によるものに比べて十分小さく、ＳＮＭＰを用いてＭＩＢ情報を収集することが他の通信に及ぼす影響は無視することができる。
【００２４】
端末１９ａ〜１９ｄ、デスクトップ型サーバ１、ノートブック型サーバ３、ＭＩＢ収集用端末５のそれぞれの時刻は、 Network Time Protocol（ＮＴＰ）を用いて同期が取られている。
【００２５】
また、ルータのそれぞれのインタフェースを通過して送受信されたパケットのデータ量（オクテット数）を１秒毎にＳＮＭＰを用いて収集し、その差分を取れば、任意の１秒間にルータのインタフェースを通過して送受信されたデータ量を求めることができる。
【００２６】
端末１９ａ〜１９ｄ、デスクトップ型サーバ１、ノートブック型サーバ３には、トラヒックを発生させるためのソフトウェアＤＢＳがインストールされており、各端末間で任意のトラヒックを発生させることができる。また、発生させたトラヒックに関して、スループットや遅延などの性能情報を受信側端で記録することができる。
【００２７】
以上のように構成されるネットワークを用いて、エンドエンド性能を推定するのに最適な管理データ項目の選択方法とエンドエンド性能の推定方法、および予め与えられたエンドエンド性能の管理目標値から管理閾値を実験を通して求める手順について説明する。
【００２８】
まず、本実施形態の通信品質推定方法で推定したい性能尺度、すなわちエンドエンド性能としては、図４に示した表１に記載されている条件の性能測定用トラヒックを図１〜図３に示したそれぞれのネットワークＮＷ１，ＮＷ２およびＮＷ３に流したときの受信側でのスループットを取り上げる。
【００２９】
また、エンドエンド性能の推定に使用するデータとしては、ＭＩＢ情報から収集できる情報として、上流側ルータ９の送信トラヒック量および加入者宅内ルータ（ｍＲ）１７や高機能加入者宅内ルータ(Cisco) ２１からなる下流側ルータの受信トラヒック量を使用する。
【００３０】
更に、実験条件として、次に挙げるものを設定する。
【００３１】
（１）図１〜図３に示したネットワークＮＷ１，ＮＷ２，ＮＷ３の構成
（２）負荷トラヒックのプロトコル比率
（ＴＣＰ：ＵＤＰ＝１：０，１：１，０：１）
（３）負荷トラヒックのパケットサイズ
（６４，３００，１５００バイト）
（４）負荷フロー数（２，４，８）
（５）負荷生成サーバの種類
（デスクトップ型サーバ：ノートブック型サーバ＝１：０，１：１，０：１）
（６）実験時間または実験回数
（１回目、２回目、３回目）
なお、想定した合計背景負荷（４．０，３．６，３．２，２．８，２．４，２．０Ｍbps ）の実験条件は、推定のためには使用していない。
【００３２】
次に、背景負荷発生方法として、上述したように設定した実験条件に従って背景負荷となるトラヒックを発生させる。すなわち、想定した合計背景負荷量、パケットサイズ、プロトコル比率、各サーバが発生する負荷量が前記実験条件に合い、更にパケット発生頻度が等間隔になるようにトラヒックを発生させる。
【００３３】
それから、上述したように選択した条件のもとでトラヒックを発生させながら、エンドエンド性能の測定やＭＩＢデータの収集を行う。すなわち、上述した背景負荷を図１〜図３に示したネットワークの上流に位置するデスクトップ型サーバ（ＤＴ）１またはノートブック型サーバ（ＮＢ）３から各端末１９ａ〜１９ｄに向けて均等に発生させながら、図４に示した表１にある性能測定用トラヒックを同時に上流のサーバであるデスクトップ型サーバ１から端末１９ａに向けて流し、受信側端末である端末１９ａでスループットを測定する。また同時に、送信側ルータである上流側ルータ９と受信側ルータである加入者宅内ルータ（ｍＲ）１７ａ〜１７ｄおよび高機能加入者宅内ルータ(Cisco) ２１におけるＭＩＢデータを直接接続されている端末１９ａ〜１９ｄおよびＭＩＢ収集用端末５で収集する。
【００３４】
なお、上述した処理において、すべての組み合わせについて性能を測定すればネットワーク構成機器（ＮＥ）からのデータとエンドエンド性能の対応がより正確に把握できるが、多大な時間と手間を要して現実的でないので、ここではなるべく多くの要因を考慮しつつ、なるべく少ない実験回数で対応関係を把握するために実験計画法Ｌ１８（上田太一郎，タグチメソッド完全理解実践マニュアル，日本ビジネスレポート，1998,Oct）を用いた。
【００３５】
上述した結果、実験により得られた生データは、図５に示す表２のとおりである。
【００３６】
次に、非数値化データ（カテゴリカルデータ）の数量化処理について説明する。すなわち、実験条件とＭＩＢ情報を同時に扱うため、カテゴリ別になっている実験条件を数量化する。詳しくは、上述した実験条件は、順序づけのない種類を表したデータ（カテゴリカルデータ）であるので、そのまま回帰分析に用いることはできない。そこで、数量化法１類により実験条件を数値データに変換する。このように実験条件を数値化したものが図６に示す表３である。但し、Ｕ（想定負荷量）は想定した負荷であるが、負荷に関してＭＩＢデータを収集しているので、このＭＩＢデータを使用することにし、変換後の表には含めなかった。
【００３７】
ここで、表３の作成方法について”proto(プロトコル比率）”を例にとって説明する（詳細は、統計学辞典、竹内他、pp.368-370，参照）。
【００３８】
まず、proto の要素であるＴＣＰ，Ｔ＆Ｕ，ＵＤＰのうち、基準となる任意の要素を選択する。今回の例では、ＵＤＰを選択する。
【００３９】
それから、１つのカテゴリカル変数proto に対して”ＵＤＰ→ＴＣＰ”と”ＵＤＰ→Ｔ＆Ｕ”の２つの変数を用意し、各測定に対して測定条件がＴＣＰの場合は、”ＵＤＰ→ＴＣＰ”を１とし、測定条件がＴ＆Ｕの場合は、”ＵＤＰ→Ｔ＆Ｕ”を１とする。その他の欄は０とする。
【００４０】
ここで作成した各変数に対する係数の意味づけは、ＵＤＰ→ＴＣＰの場合、「proto をＵＤＰからＴＣＰに変えた時の推定値の差」である。
【００４１】
次に、エンドエンド性能の推定に最適な変数を選択する。ＭＩＢ情報と数量化された実験条件（以下、説明変数の候補と呼ぶ）のうちからエンドエンド性能の予測に用いる変数として最も適している組み合わせを選択する。すなわち、推定するのに用いるデータのうち、いくつかの項目を説明変数として選び、推定したい性能尺度を目的変数として線形重回帰モデルを考えた場合、各説明変数に関して、モデルに含まれる場合と含まれない場合の２通り考えられる。
【００４２】
すべての変数について考えると、２の”変数の数”乗の組み合わせのモデルが考えられる。これらのモデルから、最適なものを選択するわけであるが、その時の適合度を表す尺度として以下に説明するような尺度を用いることができる。実施に当たっては、すべてのモデルに関して調べることは時間がかかるので、
（１）初期モデルを任意に決める。
【００４３】
（２）それぞれの変数が現在のモデルに含まれていれば、その変数を除いたモデルを考え、現在のモデルに含まれていなければ、その変数を付け加えたモデルを考え、合計で変数の数だけのモデルを考える。
【００４４】
（３）上述したように考えたモデルに関して、最適なモデルを考える。
【００４５】
（４）このように考えた最適なモデルと現在のモデルが同じであれば、そのモデルを（局所）最適モデルとする。そうでない場合には、（３）で考えたモデルを現在のモデルとし、（２）に戻る。
【００４６】
以上の手順により、（局所）最適モデルが求まる。適合度は単調減少であり、考えられるモデルも有限であるから、適合度は以上のステップを高々２の”変数の数”乗の回数の繰り返しで終了する（Ｓにおける変数減増法）。
【００４７】
上述したモデルの適合度を表す尺度として、赤池情報量基準（ＡＩＣ）（情報統計学、坂元他、pp.138-140、式（8.33）参照）を用いる。すなわち、注目しているモデルに関して、重回帰分析を用いて各変数に対する係数を求める（係数決定法は情報統計学、坂元他、pp.138-139、式（8.30）参照）。係数が決まれば、そのモデルに関して赤池情報量基準（ＡＩＣ）を計算することができる。このＡＩＣが小さい方が適したモデルといえる。すなわち、モデルに含まれる変数の組がエンドエンド性能予測に適しているといえる。この時の回帰式がエンドエンド性能の予測式である。
【００４８】
図７に示す表４は、目的変数の選択の経緯を表したものである。表４において、stepの欄は変数の出し入れの操作を何回行ったかを表している。次に、それぞれの行の説明を行う。
【００４９】
表４におけるstep０では、まず説明変数が全く含まれていないモデルを考える。その時のＡＩＣが「現在のＡＩＣ」欄に記されている。右の欄は、それぞれの変数が説明変数としてモデルに加えられた時のＡＩＣを表している。step０行に記入されている数値の中で最小のものは、「損失率」欄の−２０１．１０である。そこで、次のstepでは、「損失率」を説明変数にとるモデルに関して考える。
【００５０】
次のstep１では、「損失率」を説明変数に取るモデルとそれぞれの変数がモデルに加えられたときのＡＩＣが表されている。但し、括弧（）で示された欄は、該当する変数がモデルから除かれた時のＡＩＣを表している。step１行に記入されている数値の中で最小のものは、「フロー数８→２」欄の−２０１．４０である。
【００５１】
step２では、次に「損失率」と「フロー数８→２」を説明変数として取るモデルから説明変数を増減させることを考える。step２行に記入されている数値の中で最小のものは、「現在のＡＩＣ」欄である。これは、現在のモデルから１変数を増減させたものの中では、より適したモデルは存在しないということを表している。そこで、現在のモデルを局所最適解とする。
【００５２】
ここで求まったモデルは、ｙ＝（ＵＤＰスループット）、ｘ1 ＝（損失率）、ｘ2 ＝（フロー数を８から２に変化させることを意味する数量化変数）とおくと、
【数１】
ｙ＝（５．２×１０-3）−（２．２×１０-3）ｘ1 −（３．３×１０-4）ｘ2
と書き表すことができる。
【００５３】
回帰係数に関する統計量を図８に示す表５に示す。但し、ａ0 は定数項、ａ1 ，ａ2 はそれぞれｘ1 ，ｘ2 の回帰係数を表す。
【００５４】
次に、この結果について考察して、選択された変数の正当性について検証する。実験条件のうち、説明変数として採用されたものがあった場合、それらの正当性を検定を用いて検証する。以下の仮説を立てて、有意水準５％でＦ検定を試みた。
【００５５】
帰無仮説、すなわちＵＤＰスループットとフロー数には相関がない。
【００５６】
分散分析を行った結果、Ｆ値の上側確率は、０．６５であり、棄却できないので、測定データから相関があるとは言えないことになる。
【００５７】
そこで、改めてｙをｘ1 のみで回帰した結果が図９に示す表６となり、最終的に
【数２】
ｙ＝（５．１×１０-3）−（２．１×１０-2）ｘ1
とモデル化する。
【００５８】
次に、グラフを書いて、目標とするエンドエンド性能から管理に用いる損失率に対する管理閾値を導出する。上述したように求めたモデルの回帰直線およびＵＤＰスループットの推定値の９５％信頼区間を図１０に示す。
【００５９】
管理目標の一例として、今回の実験で用いたような測定用トラヒックを流した場合のスループットを平均０．００４Ｍbps に保つという管理目標に対する管理閾値は、図１０から、着目しているボトルネックにおける平均損失率５％を閾値に用いればよいことになる。
【００６０】
次に、本発明の他の実施形態に係る通信品質推定方法について説明する。
【００６１】
上述した図１〜図１０に示した実施形態では、容易に入手できるネットワーク内のＮＥで容易に得られる品質情報であるＭＩＢ情報を用いて、容易に入手できないエンドエンドの品質情報を入手する通信品質推定方法について説明した。この方法は、エンドエンド品質がＮＥから得られる品質情報に対して線形に近い場合に良好な精度を得ることはできるが、線形近似できない場合には、推定精度があまり良くないということがある。
【００６２】
そこで、本実施形態の通信品質推定方法では、線形重回帰モデルの代わりに多変量多項式回帰モデルを使用し、これにより容易に入手できる各ＮＥにおけるＭＩＢ情報に対してエンドエンド品質が線形近似できない場合でも、ＭＩＢ情報からエンドエンドの品質を適確に推定することができるようにしたものである。
【００６３】
更に詳しくは、図１１以降の図面を参照して説明する。図１１に示すようなネットワークにおいて、性能上ボトルネックになると思われる回線が２ヶ所ある（ボトルネック回線１１５，１２１）。このようなネットワークにおいて、ホスト１１１からホスト１２５にパケットを往復させた場合の往復時間ｙを測定した場合について説明する。すなわち、この測定した往復時間は、測定用のパケットがホスト１１１からルータ１１３，１１７，１１９，１２３を通ってホスト１２５に至り、このホスト１２５から再度ルータ１２３，１１９，１１７，１１３を通ってホスト１１１に至るまでに要した時間である。また、この往復時間と同時にボトルネック回線１１５，１２１における両方向の回線の使用率ｘ1 ，ｘ2 ，ｘ3 ，ｘ4 も測定した。ここで、この回線使用率ｘ1 ，ｘ2 ，ｘ3 ，ｘ4 から往復時間ｙを推定するためのモデルについて考えると、次式のようになる。
【００６４】
【数３】
【００６５】
次数ｎ1 ，ｎ2 ，ｎ3 ，ｎ4 が決定されると、ａは最小ＡＩＣ（赤池情報量基準）によって決定されるので、ｎ1 ，ｎ2 ，ｎ3 ，ｎ4 を図１２および図１３に示すようにステップワイズ法により決定する。
【００６６】
上述したように求めたモデル（ｎ1 ＝５，ｎ2 ＝０，ｎ3 ＝０，ｎ4 ＝１）の回帰式は、次式のようになる。
【００６７】
【数４】
【００６８】
【数５】
【００６９】
図１〜図１０に示した実施形態の通信品質推定方法によって求めたモデルは、次に示す式（４）となり、回帰係数に関する統計量は、図１７の表９に示すようになる。また、このモデルのＡＩＣは、１９８３３．４４である。
【００７０】
ｙ＝ａ0 ＋ａ11ｘ1 ＋ａ31ｘ3 …（４）
上述した図１〜図１０に示した実施形態の通信品質推定方法によって求めたモデルのＡＩＣは、１９８３３．４４であるのに比べて、図１１以降に示した本実施形態によるモデルのＡＩＣは、１９０３１．４８であり、本実施形態の方がより良くエンドエンド品質を推定することができることがわかる。
【００７１】
【発明の効果】
以上説明したように、本発明によれば、種々のネットワーク構成、背景トラヒックの条件の下で各ネットワーク構成機器からＭＩＢ情報およびエンドエンドの品質を測定してデータを入手し、このデータのうち非数値データを数量化理論で数量化し、この得られた数値化データに対して複数の線形重回帰モデルの適合度を調べ、最も良く適合するモデルを最適モデルとして選定し、該最適モデルにＭＩＢ情報を入力してエンドエンドの品質を推定するので、容易に入手できる各ＮＥにおけるＭＩＢ情報からエンドエンドの品質を適確に推定することができる。
【００７２】
また、本発明によれば、種々のネットワーク構成、背景トラヒックの条件の下で各ネットワーク構成機器からＭＩＢ情報およびエンドエンドの品質を測定してデータを入手し、このデータのうち非数値データを数量化理論で数量化し、この得られた数値化データに対して複数の多変量多項式回帰モデルの適合度を調べ、最も良く適合するモデルを最適モデルとして選定し、該最適モデルにＭＩＢ情報を入力してエンドエンドの品質を推定するので、容易に入手できる各ＮＥにおけるＭＩＢ情報に対してエンドエンド品質が線形近似できない場合でも、ＭＩＢ情報からエンドエンドの品質を適確に推定することができる。
【図面の簡単な説明】
【図１】本発明の一実施形態に係る通信品質推定方法を実施するために使用されるネットワークＮＷ１の構成を示すブロック図である。
【図２】本発明の一実施形態に係る通信品質推定方法を実施するために使用されるネットワークＮＷ２の構成を示すブロック図である。
【図３】本発明の一実施形態に係る通信品質推定方法を実施するために使用されるネットワークＮＷ３の構成を示すブロック図である。
【図４】本発明の実施形態における性能測定用トラヒックを示す表１を示す図である。
【図５】本発明の実施形態における実験で得られた生データを示す表２を示す図である。
【図６】図５に示したデータのうち非数値化データを数量化処理したデータを示す表３を示す図である。
【図７】本発明の実施形態における目的変数の選択の経緯を示す表４を示す図である。
【図８】本発明の実施形態における変数増減法で求まった回帰係数に関する統計量を示す表５を示す図である。
【図９】本発明の実施形態における最終モデルの回帰係数に関する統計量を示す表６を示す図である。
【図１０】本発明の実施形態におけるモデルの回帰直線およびＵＤＰスループットの推定値の９５％信頼区間を示す図である。
【図１１】本発明の他の実施形態に係る通信品質推定方法を説明するためのネットワーク構成を示す図である。
【図１２】図１１に示した実施形態において回線使用率を推定するためのモデルにおける次数ｎ1 ，ｎ2 ，ｎ3 ，ｎ4 を決定するためのステップワイズ法における各ステップの変化の一部を示す図である。
【図１３】図１２に続くステップワイズ法における各ステップの変化の残り部分を示す図である。
【図１４】ｘ1 ，ｘ4 による回帰式の係数とその統計量を示す表７を示す図である。
【図１５】ｘ1 による回帰式の係数とその統計量を示す表８を示す図である。
【図１６】回帰式と９５％信頼区間に測定値を重ねて回線使用率（ｘ1 ）に対する往復遅延を示すグラフである。
【図１７】ｘ1 による回帰式の係数とその統計量を示す表９を示す図である。
【符号の説明】
１ デスクトップ型サーバ
３ ノートブック型サーバ
５ ＭＩＢ収集用端末
９ 上流側ルータ
１１ 局側加入者線終端装置（ＳＬＴ）
１３ スターカプラ（ＳＣ）
１５ 加入者側加入者線終端装置（ＯＮＵ）
１７ 加入者宅内ルータ（ｍＲ）
１９ 端末
２１ 高機能加入者宅内ルータ(Cisco)
Claims (4)
- 種々のネットワーク構成、背景トラヒックの条件の下でネットワーク内の各ネットワーク構成機器からＭＩＢ情報およびエンドエンドの品質を測定してデータを入手し、
この入手したデータのうち、ネットワーク構成、背景トラヒックのような非数値データについては数量化理論で数量化し、
この得られた数値化データに対して複数の線形重回帰モデルの適合度を調べ、最も良く適合するモデルを最適モデルとして選定し、
該最適モデルにＭＩＢ情報を入力してエンドエンドのスループット品質を推定すること
を特徴とする通信品質推定方法。 - 種々のネットワーク構成、背景トラヒックの条件の下でネットワーク内の各ネットワーク構成機器からＭＩＢ情報およびエンドエンドの品質を測定したデータを入力する入力手段と、
この入力されたデータのうち、ネットワーク構成、背景トラヒックのような非数値データについて数量化理論で数量化する数量化手段と、
この得られた数値化データに対して複数の線形重回帰モデルの適合度を調べ、最も良く適合するモデルを最適モデルとして選定するモデル選定手段と、
この選定した最適モデルにＭＩＢ情報を入力してエンドエンドのスループット品質を推定する推定手段と
を有することを特徴とする通信品質推定装置。 - 種々のネットワーク構成、背景トラヒックの条件の下でネットワーク内の各ネットワーク構成機器からＭＩＢ情報およびエンドエンドの品質を測定してデータを入手し、
この入手したデータのうち、ネットワーク構成、背景トラヒックのような非数値データについては数量化理論で数量化し、 この得られた数値化データに対して複数の多変量多項式回帰モデルの適合度を調べ、最も良く適合するモデルを最適モデルとして選定し、
該最適モデルにＭＩＢ情報を入力してエンドエンドのスループット品質を推定すること
を特徴とする通信品質推定方法。 - 種々のネットワーク構成、背景トラヒックの条件の下でネットワーク内の各ネットワーク構成機器からＭＩＢ情報およびエンドエンドの品質を測定したデータを入力する入力手段と、
この入力されたデータのうち、ネットワーク構成、背景トラヒックのような非数値データについて数量化理論で数量化する数量化手段と、
この得られた数値化データに対して複数の多変量多項式回帰モデルの適合度を調べ、最も良く適合するモデルを最適モデルとして選定するモデル選定手段と、
この選定した最適モデルにＭＩＢ情報を入力してエンドエンドのスループット品質を推定する推定手段と
を有することを特徴とする通信品質推定装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000061229A JP3648429B2 (ja) | 1999-05-27 | 2000-03-06 | 通信品質推定方法および装置 |
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP14871299 | 1999-05-27 | ||
| JP11-148712 | 1999-05-27 | ||
| JP2000061229A JP3648429B2 (ja) | 1999-05-27 | 2000-03-06 | 通信品質推定方法および装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2001044998A JP2001044998A (ja) | 2001-02-16 |
| JP3648429B2 true JP3648429B2 (ja) | 2005-05-18 |
Family
ID=26478822
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000061229A Expired - Fee Related JP3648429B2 (ja) | 1999-05-27 | 2000-03-06 | 通信品質推定方法および装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3648429B2 (ja) |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH05284157A (ja) * | 1992-03-31 | 1993-10-29 | Nippon Telegr & Teleph Corp <Ntt> | 符号誤り品質監視装置 |
| JPH09167152A (ja) * | 1995-12-19 | 1997-06-24 | Hitachi Ltd | 対話的モデル作成方法 |
| JPH10276196A (ja) * | 1997-03-28 | 1998-10-13 | Ando Electric Co Ltd | 通信監視装置 |
-
2000
- 2000-03-06 JP JP2000061229A patent/JP3648429B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2001044998A (ja) | 2001-02-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7782796B2 (en) | Method for generating an annotated network topology | |
| US20070217448A1 (en) | Estimating Available Bandwidth With Multiple Overloading Streams | |
| US20030158930A1 (en) | Executable application network impact and load characteristic estimation system | |
| Charisma et al. | Analysis Quality of Service (QoS) on 4G Telkomsel Networks In Soreang | |
| Attar et al. | E-health communication system with multiservice data traffic evaluation based on a G/G/1 analysis method | |
| Sun et al. | Internet QoS and traffic modelling | |
| Hernández-Orallo et al. | Network queue and loss analysis using histogram-based traffic models | |
| JP3648429B2 (ja) | 通信品質推定方法および装置 | |
| Mandjes et al. | Resource dimensioning through buffer sampling | |
| Papadopoulos et al. | Efficient identification of uncongested Internet links for topology downscaling | |
| Aida et al. | CoMPACT-Monitor: Change-of-measure based passive/active monitoring weighted active sampling scheme to infer QoS | |
| Watabe et al. | Accurate loss estimation technique utilizing parallel flow monitoring | |
| TWM598572U (zh) | 聯網裝置及通訊系統 | |
| de Oliveira Schmidt et al. | Impact of packet sampling on link dimensioning | |
| Deart et al. | HTTP traffic measurements on access networks, analysis of results and simulation | |
| Fras et al. | Impact of P2P traffic on IP communication networks’ performances | |
| Ashour et al. | Priority queuing of long-range dependent traffic | |
| Sardellitti et al. | In Band Network Telemetry Overhead Reduction Based on Data Flows Sampling and Recovering | |
| Park et al. | Internet traffic measurement and analysis in a high speed network environment: Workload and flow characteristics | |
| US8284676B1 (en) | Using measurements from real calls to reduce the number of test calls for network testing | |
| Ismail et al. | Comparing the accuracy of end-to-end network performance measurement testbed and simulation model for data transfers in heterogeneous environment | |
| KR100708450B1 (ko) | 네트워크 노드간의 단대단 가용 대역폭 측정 방법 | |
| Leong et al. | Performance evaluation of optimized available bandwidth estimation tools in FTTH networks | |
| Al-Shehri et al. | Towards Taxonomy of Telecommunication Network Metrics | |
| Kajackas et al. | Autonomous system for observation of QoS in telecommunications networks |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040601 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040730 |
|
| 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: 20050208 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20050214 |
|
| 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: 20080218 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090218 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090218 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100218 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110218 Year of fee payment: 6 |
|
| LAPS | Cancellation because of no payment of annual fees |