JP4128664B2 - 時系列データ変換を用いたトラヒック予測方法及びその装置 - Google Patents
時系列データ変換を用いたトラヒック予測方法及びその装置 Download PDFInfo
- Publication number
- JP4128664B2 JP4128664B2 JP23256998A JP23256998A JP4128664B2 JP 4128664 B2 JP4128664 B2 JP 4128664B2 JP 23256998 A JP23256998 A JP 23256998A JP 23256998 A JP23256998 A JP 23256998A JP 4128664 B2 JP4128664 B2 JP 4128664B2
- Authority
- JP
- Japan
- Prior art keywords
- time
- traffic
- variation pattern
- similarity
- series data
- 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
- 238000000034 method Methods 0.000 title claims description 19
- 238000006243 chemical reaction Methods 0.000 title claims description 9
- 230000000737 periodic effect Effects 0.000 claims description 11
- 230000002354 daily effect Effects 0.000 description 6
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Landscapes
- Monitoring And Testing Of Exchanges (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、過去のトラヒック量から将来のトラヒック量を予測する方法及びその装置に関するものである。
【０００２】
【従来の技術】
一般に、ネットワークにおける各種のトラヒック量、即ち呼量、帯域量、単位時間当たりのパケット数等の要求流通（トラヒック）量及び実際の流通（トラヒック）量は、過去から未来に亘って時々刻々変化する時系列データとして観測・予測・保存され、過去における分析に活用されたり、現在及び未来のネットワークリソースの管理・設計に活用される。
【０００３】
ところで、この種の各種のトラヒック量には通常、観測ノイズ、モデル化ノイズ、予測ノイズといったノイズが含まれており、時系列データを有効に活用するためには、それらのノイズが除去されたデータを得る必要がある。
【０００４】
インフラストラクチャーネットワーク、例えば通信ネットワークにおける各種のトラヒック量は、人間の集団的営みによる社会的現象を反映した具現値であり、日変動、週変動、年間変動といった周期的に繰り返される変動成分、サービスに対する需要の増加／減少傾向を示すトレンド成分、並びに突発的な変動成分（例えば人気サイトへの集中アクセス、災害発生時の問い合わせ集中等）が含まれる。
【０００５】
インフラストラクチャーを構築する観点からみると、突発的な変動まで考慮していては莫大な設備投資を行わねばならないことになり、現実的でない。そこで、突発的な変動をノイズとみなし、時系列データからトレンド成分のみを抽出する必要がある。
【０００６】
時系列データからトレンド成分のみ抽出する際、その代表値がトレンドを反映していることが必要である。従来のこの種の方法として、以下の方法が考えられている。なお、ここでは一日の中で周期変動（日変動）が存在すると仮定し、その日の日変動を参考にして、該当日の代表値を決めることを例に取って説明する。
【０００７】
第１の方法として、過去の経験より一日の中でトラヒック量がピークを示す最繁時間帯を予め決めておき、その時間帯の値を該当日の代表値とする方法（従来例１）がある。
【０００８】
電話網のように需要が成熟した通信ネットワークでは、ピークが現れる時間帯は毎日一定しており、この方法が有効である。データ処理の観点からも計算等が簡単である等の利点を持つ。しかし、最繁時間帯が変動する場合や、トラヒック変動の激しいネットワーク等の場合、突発的な変動を拾ってしまうことになり、有意なデータが得られないという問題があった。
【０００９】
第２の方法として、その日一日の中での最大値を探索して選び出し、その値を該当日の代表値とする方法（従来例２）がある。
【００１０】
この方法では、ピークの現れる時間帯が一定でない場合に有効であるが、従来例１と同様、突発的な変動を拾う危険性があり、トレンドの反映という点から有意なデータが得られないという問題があった。
【００１１】
また、従来例１、２ともに、トレンドの反映されたデータであるかどうかの信頼性を向上させるため、突発的な変動が含まれるかどうかをオフラインで確認しなければならないという問題があった。
【００１２】
第３の方法として、一日の変化の平均値を代表値とする方法（従来例３）がある。
【００１３】
この方法では、その日一日の中の突発的な変動は吸収できるが、最大値に関する情報が全く含まれていないという点で有意なデータが得られなかった。
【００１４】
【発明が解決しようとする課題】
このように、従来例１、２、３では、いずれもトレンド成分のみを正確に反映したデータが得られないという問題があった。
【００１５】
本発明の目的は、突発的な変動成分を含むことなく、かつ最大値に関する情報を含んだ、分析・管理・設計に有意なデータを得ることができる、実用的な時系列データ変換を用いたトラヒック予測方法及びその装置を提供することにある。
【００１６】
【課題を解決するための手段】
上記目的を達成するため、本発明方法では、ネットワークにおける各種のトラヒック量を、周期変動を考慮した特定の連続した等間隔の周期時間ｊに区分し、各周期時間をｎ（１以上の整数）個の時間区分ｉに分割し、時間区分ｉ及び周期時間ｊ毎のトラヒック量ｙ（ｉ，ｊ）（但し、１≦ｉ≦ｎ）を収集し、過去の任意の数ｍ（１≦ｍ）の周期時間内のトラヒック量ｙ（ｉ，ｊ）の平均値である相似元変動パターンｇ（ｉ）を下記式（１）より求め、
【００１７】
【数５】
前記相似元変動パターンｇ（ｉ）に対する最新のトラヒック量ｙ（ｉ，ｊ）の比の平均値である相似係数ｒ（ｊ）を下記式（２）より求め、
【００１８】
【数６】
前記相似係数ｒ（ｊ）と前記相似元変動パターンｇ（ｉ）の最大値ｇ＿ｍａｘとの積ｙｄ（ｊ）を周期時間ｊの最大のトラヒック予測値とすることを特徴とする。
【００１９】
また、本発明装置では、ネットワークにおける各種のトラヒック量を、周期変動を考慮した特定の連続した等間隔の周期時間ｊに区分し、各周期時間をｎ（１以上の整数）個の時間区分ｉに分割し、時間区分ｉ及び周期時間ｊ毎のトラヒック量ｙ（ｉ，ｊ）（但し、１≦ｉ≦ｎ）を収集する観測トラヒックデータベース部と、過去の任意の数ｍ（１≦ｍ）の周期時間内のトラヒック量ｙ（ｉ，ｊ）の平均値である相似元変動パターンｇ（ｉ）を下記式（１）より求める相似元変動パターン作成部と、
【００２０】
【数７】
前記相似元変動パターンｇ（ｉ）に対する最新のトラヒック量ｙ（ｉ，ｊ）の比の平均値である相似係数ｒ（ｊ）を下記式（２）より求める時系列データ変換部と、
【００２１】
【数８】
前記相似係数ｒ（ｊ）と前記相似元変動パターンｇ（ｉ）の最大値ｇ＿ｍａｘとの積ｙｄ（ｊ）を周期時間ｊの最大のトラヒック予測値として出力する予測トラヒック出力部とを備えたことを特徴とする。
【００２２】
本発明によれば、過去のトラヒック量の平均値に対する最新のトラヒック量の比の平均値を計算することにより、突発的な変動に鈍感な特性を持たせることができ、この最新のトラヒック量の比の平均値に過去のトラヒック量の平均値の最大値を乗ずることにより、最大値に関する情報を含んだ有意なデータを得ることができる。
【００２３】
【発明の実施の形態】
以下、本発明の実施の形態を図面に従って説明する。
【００２４】
図１は本発明方法の実施の形態の一例を示す処理の流れ図である。なお、ここではネットワークにおける各種のトラヒック量に一日の中で周期変動が存在すると仮定する。
【００２５】
まず、ネットワークにおける各種のトラヒック量を、周期変動を考慮した特定の連続した等間隔の周期時間、ここでは日ｊに区分し、各周期時間をｎ（１以上の整数）個の時間区分、ここでは時間ｉに分割し、時間ｉ及び日ｊ毎のトラヒック量ｙ（ｉ，ｊ）（但し、１≦ｉ≦ｎ）を収集する（ステップｓ１）。
【００２６】
次に、過去の任意の日数ｍ（１≦ｍ）内のトラヒック量ｙ（ｉ，ｊ）の平均値である相似元変動パターンｇ（ｉ）を下記式（１）より求める（ステップｓ２）。
【００２７】
【数９】
次に、相似元変動パターンｇ（ｉ）に対する日ｊのトラヒック量ｙ（ｉ，ｊ）の比の平均値である相似係数ｒ（ｊ）を下記式（２）より求める（ステップｓ３）。
【００２８】
【数１０】
また、相似元変動パターンｇ（ｉ）の最大値ｇ＿ｍａｘを求める（ステップｓ４）。
【００２９】
最後に、相似係数ｒ（ｊ）と相似元変動パターンｇ（ｉ）の最大値ｇ＿ｍａｘとの積ｙｄ（ｊ）を、日ｊの最大のトラヒック予測値（代表値）として出力する（ステップｓ５）。
【００３０】
図２は本発明によるトラヒック予測のイメージを説明するもので、該当日の日変動が相似元変動パターンｇ（ｉ）に対する相似性を有する程、代表値ｙｄ（ｊ）は該当日の最大値に近づく特徴を有する。
【００３１】
図３は本発明及び従来例による予測結果の一例を比較して示すもので、ここではＡＴＭ（非同期転送モード）を用いた、あるインターネットバックボーンにおける単位時間（１時間）毎のセル到着数の時系列データより、日々の時系列データを予測した例を示す。
【００３２】
図３において、従来例２では突発的な変動を拾っている部分が見られる。また、従来例３では全体的にデータが低めの値になっており、最大値に関する情報が含まれないと見られる。また、従来例１では元の時系列データにおける一日のピークを示す時間帯がまちまちであることが影響して、突発的な変動を拾っている部分と、データが低めの値になっている部分が見られる。
【００３３】
図４は本発明装置の実施の形態の一例を示すもので、図中、１は観測対象のネットワーク、２は観測トラヒックデータベース部、３は相似元変動パターン作成部、４は時系列データ変換部、５は最大値抽出部、６は予測トラヒック出力部である。
【００３４】
観測トラヒックデータベース部２は、ネットワーク１における各種のトラヒック量を、周期変動を考慮した特定の連続した等間隔の周期時間、ここでは日ｊに区分し、各周期時間をｎ（１以上の整数）個の時間区分、ここでは時間ｉに分割し、時間ｉ及び日ｊ毎のトラヒック量ｙ（ｉ，ｊ）（但し、１≦ｉ≦ｎ）を収集する。
【００３５】
相似元変動パターン作成部３は、過去の任意の日数ｍ（１≦ｍ）内のトラヒック量ｙ（ｉ，ｊ）の平均値である相似元変動パターンｇ（ｉ）を前記式（１）より求める。
【００３６】
時系列データ変換部４は、相似元変動パターンｇ（ｉ）に対する日ｊのトラヒック量ｙ（ｉ，ｊ）の比の平均値である相似係数ｒ（ｊ）を前記式（２）より求める。
【００３７】
最大値抽出部５は、相似元変動パターンｇ（ｉ）の最大値ｇ＿ｍａｘを求める。
【００３８】
予測トラヒック出力部６は、相似係数ｒ（ｊ）と相似元変動パターンｇ（ｉ）の最大値ｇ＿ｍａｘとの積ｙｄ（ｊ）を、日ｊの最大のトラヒック予測値（代表値）として出力する。
【００３９】
【発明の効果】
以上説明したように、本発明によれば、ネットワークにおける各種のトラヒック量から、突発的な変動を除去し、分析・管理・設計に有意な時系列データの作成が可能となり、また、オフライン処理を介さずに異常データの処理が可能になる。
【図面の簡単な説明】
【図１】本発明方法の実施の形態の一例を示す処理の流れ図
【図２】本発明によるトラヒック予測のイメージの説明図
【図３】本発明及び従来例による予測結果の一例を示すグラフ
【図４】本発明装置の実施の形態の一例を示す構成図
【符号の説明】
１：ネットワーク、２：観測トラヒックデータベース部、３：相似元変動パターン作成部、４：時系列データ変換部、５：最大値抽出部、６：予測トラヒック出力部。
【発明の属する技術分野】
本発明は、過去のトラヒック量から将来のトラヒック量を予測する方法及びその装置に関するものである。
【０００２】
【従来の技術】
一般に、ネットワークにおける各種のトラヒック量、即ち呼量、帯域量、単位時間当たりのパケット数等の要求流通（トラヒック）量及び実際の流通（トラヒック）量は、過去から未来に亘って時々刻々変化する時系列データとして観測・予測・保存され、過去における分析に活用されたり、現在及び未来のネットワークリソースの管理・設計に活用される。
【０００３】
ところで、この種の各種のトラヒック量には通常、観測ノイズ、モデル化ノイズ、予測ノイズといったノイズが含まれており、時系列データを有効に活用するためには、それらのノイズが除去されたデータを得る必要がある。
【０００４】
インフラストラクチャーネットワーク、例えば通信ネットワークにおける各種のトラヒック量は、人間の集団的営みによる社会的現象を反映した具現値であり、日変動、週変動、年間変動といった周期的に繰り返される変動成分、サービスに対する需要の増加／減少傾向を示すトレンド成分、並びに突発的な変動成分（例えば人気サイトへの集中アクセス、災害発生時の問い合わせ集中等）が含まれる。
【０００５】
インフラストラクチャーを構築する観点からみると、突発的な変動まで考慮していては莫大な設備投資を行わねばならないことになり、現実的でない。そこで、突発的な変動をノイズとみなし、時系列データからトレンド成分のみを抽出する必要がある。
【０００６】
時系列データからトレンド成分のみ抽出する際、その代表値がトレンドを反映していることが必要である。従来のこの種の方法として、以下の方法が考えられている。なお、ここでは一日の中で周期変動（日変動）が存在すると仮定し、その日の日変動を参考にして、該当日の代表値を決めることを例に取って説明する。
【０００７】
第１の方法として、過去の経験より一日の中でトラヒック量がピークを示す最繁時間帯を予め決めておき、その時間帯の値を該当日の代表値とする方法（従来例１）がある。
【０００８】
電話網のように需要が成熟した通信ネットワークでは、ピークが現れる時間帯は毎日一定しており、この方法が有効である。データ処理の観点からも計算等が簡単である等の利点を持つ。しかし、最繁時間帯が変動する場合や、トラヒック変動の激しいネットワーク等の場合、突発的な変動を拾ってしまうことになり、有意なデータが得られないという問題があった。
【０００９】
第２の方法として、その日一日の中での最大値を探索して選び出し、その値を該当日の代表値とする方法（従来例２）がある。
【００１０】
この方法では、ピークの現れる時間帯が一定でない場合に有効であるが、従来例１と同様、突発的な変動を拾う危険性があり、トレンドの反映という点から有意なデータが得られないという問題があった。
【００１１】
また、従来例１、２ともに、トレンドの反映されたデータであるかどうかの信頼性を向上させるため、突発的な変動が含まれるかどうかをオフラインで確認しなければならないという問題があった。
【００１２】
第３の方法として、一日の変化の平均値を代表値とする方法（従来例３）がある。
【００１３】
この方法では、その日一日の中の突発的な変動は吸収できるが、最大値に関する情報が全く含まれていないという点で有意なデータが得られなかった。
【００１４】
【発明が解決しようとする課題】
このように、従来例１、２、３では、いずれもトレンド成分のみを正確に反映したデータが得られないという問題があった。
【００１５】
本発明の目的は、突発的な変動成分を含むことなく、かつ最大値に関する情報を含んだ、分析・管理・設計に有意なデータを得ることができる、実用的な時系列データ変換を用いたトラヒック予測方法及びその装置を提供することにある。
【００１６】
【課題を解決するための手段】
上記目的を達成するため、本発明方法では、ネットワークにおける各種のトラヒック量を、周期変動を考慮した特定の連続した等間隔の周期時間ｊに区分し、各周期時間をｎ（１以上の整数）個の時間区分ｉに分割し、時間区分ｉ及び周期時間ｊ毎のトラヒック量ｙ（ｉ，ｊ）（但し、１≦ｉ≦ｎ）を収集し、過去の任意の数ｍ（１≦ｍ）の周期時間内のトラヒック量ｙ（ｉ，ｊ）の平均値である相似元変動パターンｇ（ｉ）を下記式（１）より求め、
【００１７】
【数５】
【００１８】
【数６】
【００１９】
また、本発明装置では、ネットワークにおける各種のトラヒック量を、周期変動を考慮した特定の連続した等間隔の周期時間ｊに区分し、各周期時間をｎ（１以上の整数）個の時間区分ｉに分割し、時間区分ｉ及び周期時間ｊ毎のトラヒック量ｙ（ｉ，ｊ）（但し、１≦ｉ≦ｎ）を収集する観測トラヒックデータベース部と、過去の任意の数ｍ（１≦ｍ）の周期時間内のトラヒック量ｙ（ｉ，ｊ）の平均値である相似元変動パターンｇ（ｉ）を下記式（１）より求める相似元変動パターン作成部と、
【００２０】
【数７】
【００２１】
【数８】
【００２２】
本発明によれば、過去のトラヒック量の平均値に対する最新のトラヒック量の比の平均値を計算することにより、突発的な変動に鈍感な特性を持たせることができ、この最新のトラヒック量の比の平均値に過去のトラヒック量の平均値の最大値を乗ずることにより、最大値に関する情報を含んだ有意なデータを得ることができる。
【００２３】
【発明の実施の形態】
以下、本発明の実施の形態を図面に従って説明する。
【００２４】
図１は本発明方法の実施の形態の一例を示す処理の流れ図である。なお、ここではネットワークにおける各種のトラヒック量に一日の中で周期変動が存在すると仮定する。
【００２５】
まず、ネットワークにおける各種のトラヒック量を、周期変動を考慮した特定の連続した等間隔の周期時間、ここでは日ｊに区分し、各周期時間をｎ（１以上の整数）個の時間区分、ここでは時間ｉに分割し、時間ｉ及び日ｊ毎のトラヒック量ｙ（ｉ，ｊ）（但し、１≦ｉ≦ｎ）を収集する（ステップｓ１）。
【００２６】
次に、過去の任意の日数ｍ（１≦ｍ）内のトラヒック量ｙ（ｉ，ｊ）の平均値である相似元変動パターンｇ（ｉ）を下記式（１）より求める（ステップｓ２）。
【００２７】
【数９】
【００２８】
【数１０】
【００２９】
最後に、相似係数ｒ（ｊ）と相似元変動パターンｇ（ｉ）の最大値ｇ＿ｍａｘとの積ｙｄ（ｊ）を、日ｊの最大のトラヒック予測値（代表値）として出力する（ステップｓ５）。
【００３０】
図２は本発明によるトラヒック予測のイメージを説明するもので、該当日の日変動が相似元変動パターンｇ（ｉ）に対する相似性を有する程、代表値ｙｄ（ｊ）は該当日の最大値に近づく特徴を有する。
【００３１】
図３は本発明及び従来例による予測結果の一例を比較して示すもので、ここではＡＴＭ（非同期転送モード）を用いた、あるインターネットバックボーンにおける単位時間（１時間）毎のセル到着数の時系列データより、日々の時系列データを予測した例を示す。
【００３２】
図３において、従来例２では突発的な変動を拾っている部分が見られる。また、従来例３では全体的にデータが低めの値になっており、最大値に関する情報が含まれないと見られる。また、従来例１では元の時系列データにおける一日のピークを示す時間帯がまちまちであることが影響して、突発的な変動を拾っている部分と、データが低めの値になっている部分が見られる。
【００３３】
図４は本発明装置の実施の形態の一例を示すもので、図中、１は観測対象のネットワーク、２は観測トラヒックデータベース部、３は相似元変動パターン作成部、４は時系列データ変換部、５は最大値抽出部、６は予測トラヒック出力部である。
【００３４】
観測トラヒックデータベース部２は、ネットワーク１における各種のトラヒック量を、周期変動を考慮した特定の連続した等間隔の周期時間、ここでは日ｊに区分し、各周期時間をｎ（１以上の整数）個の時間区分、ここでは時間ｉに分割し、時間ｉ及び日ｊ毎のトラヒック量ｙ（ｉ，ｊ）（但し、１≦ｉ≦ｎ）を収集する。
【００３５】
相似元変動パターン作成部３は、過去の任意の日数ｍ（１≦ｍ）内のトラヒック量ｙ（ｉ，ｊ）の平均値である相似元変動パターンｇ（ｉ）を前記式（１）より求める。
【００３６】
時系列データ変換部４は、相似元変動パターンｇ（ｉ）に対する日ｊのトラヒック量ｙ（ｉ，ｊ）の比の平均値である相似係数ｒ（ｊ）を前記式（２）より求める。
【００３７】
最大値抽出部５は、相似元変動パターンｇ（ｉ）の最大値ｇ＿ｍａｘを求める。
【００３８】
予測トラヒック出力部６は、相似係数ｒ（ｊ）と相似元変動パターンｇ（ｉ）の最大値ｇ＿ｍａｘとの積ｙｄ（ｊ）を、日ｊの最大のトラヒック予測値（代表値）として出力する。
【００３９】
【発明の効果】
以上説明したように、本発明によれば、ネットワークにおける各種のトラヒック量から、突発的な変動を除去し、分析・管理・設計に有意な時系列データの作成が可能となり、また、オフライン処理を介さずに異常データの処理が可能になる。
【図面の簡単な説明】
【図１】本発明方法の実施の形態の一例を示す処理の流れ図
【図２】本発明によるトラヒック予測のイメージの説明図
【図３】本発明及び従来例による予測結果の一例を示すグラフ
【図４】本発明装置の実施の形態の一例を示す構成図
【符号の説明】
１：ネットワーク、２：観測トラヒックデータベース部、３：相似元変動パターン作成部、４：時系列データ変換部、５：最大値抽出部、６：予測トラヒック出力部。
Claims (2)
- ネットワークにおける各種のトラヒック量を、周期変動を考慮した特定の連続した等間隔の周期時間ｊに区分し、各周期時間をｎ（１以上の整数）個の時間区分ｉに分割し、時間区分ｉ及び周期時間ｊ毎のトラヒック量ｙ（ｉ，ｊ）（但し、１≦ｉ≦ｎ）を収集し、
過去の任意の数ｍ（１≦ｍ）の周期時間内のトラヒック量ｙ（ｉ，ｊ）の平均値である相似元変動パターンｇ（ｉ）を下記式（１）より求め、
ことを特徴とする時系列データ変換を用いたトラヒック予測方法。 - ネットワークにおける各種のトラヒック量を、周期変動を考慮した特定の連続した等間隔の周期時間ｊに区分し、各周期時間をｎ（１以上の整数）個の時間区分ｉに分割し、時間区分ｉ及び周期時間ｊ毎のトラヒック量ｙ（ｉ，ｊ）（但し、１≦ｉ≦ｎ）を収集する観測トラヒックデータベース部と、
過去の任意の数ｍ（１≦ｍ）の周期時間内のトラヒック量ｙ（ｉ，ｊ）の平均値である相似元変動パターンｇ（ｉ）を下記式（１）より求める相似元変動パターン作成部と、
ことを特徴とする時系列データ変換を用いたトラヒック予測装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP23256998A JP4128664B2 (ja) | 1998-08-19 | 1998-08-19 | 時系列データ変換を用いたトラヒック予測方法及びその装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP23256998A JP4128664B2 (ja) | 1998-08-19 | 1998-08-19 | 時系列データ変換を用いたトラヒック予測方法及びその装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2000069165A JP2000069165A (ja) | 2000-03-03 |
| JP4128664B2 true JP4128664B2 (ja) | 2008-07-30 |
Family
ID=16941406
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP23256998A Expired - Fee Related JP4128664B2 (ja) | 1998-08-19 | 1998-08-19 | 時系列データ変換を用いたトラヒック予測方法及びその装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4128664B2 (ja) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4606972B2 (ja) * | 2005-08-19 | 2011-01-05 | 株式会社エヌ・ティ・ティ・ドコモ | 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 |
| JP4496246B2 (ja) * | 2007-11-19 | 2010-07-07 | 日本電信電話株式会社 | ネットワーク管理装置及びネットワーク運用監視システム |
| EP2299753B1 (en) * | 2009-09-18 | 2015-08-26 | Alcatel Lucent | Adaptive traffic and interference aware radio resource management |
| JPWO2012001772A1 (ja) * | 2010-06-29 | 2013-08-22 | 富士通株式会社 | 制御装置及び方法、並びにノード装置 |
| JP6167052B2 (ja) * | 2014-02-25 | 2017-07-19 | Kddi株式会社 | 通信トラヒック予測装置およびプログラム |
| JP6646567B2 (ja) * | 2016-12-15 | 2020-02-14 | 日本電信電話株式会社 | 帯域割当装置及び帯域割当方法 |
| JP6646568B2 (ja) * | 2016-12-15 | 2020-02-14 | 日本電信電話株式会社 | 帯域割当装置及び帯域割当方法 |
| CN108399749A (zh) * | 2018-03-14 | 2018-08-14 | 西南交通大学 | 一种短时交通出行需求预测方法 |
| CN109101884B (zh) * | 2018-07-10 | 2021-05-04 | 北京大学 | 一种脉冲阵列预测方法 |
| CN117633695B (zh) * | 2024-01-24 | 2024-05-31 | 西电济南变压器股份有限公司 | 一种基于电参数时序分析的变压器运行监测方法 |
-
1998
- 1998-08-19 JP JP23256998A patent/JP4128664B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2000069165A (ja) | 2000-03-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106383766A (zh) | 系统监控方法和装置 | |
| CN109190586B (zh) | 顾客到访分析方法、装置及存储介质 | |
| JP4128664B2 (ja) | 時系列データ変換を用いたトラヒック予測方法及びその装置 | |
| CN112037930B (zh) | 一种传染病预测设备、方法、装置及存储介质 | |
| CN111489026A (zh) | 一种排队时间预估方法、系统及装置 | |
| CN110618867A (zh) | 一种预测资源使用量的方法和装置 | |
| CN113946590B (zh) | 积分数据更新方法、装置、设备及存储介质 | |
| CN111046773A (zh) | 一种基于图像技术判定路面积滞水的方法 | |
| CN112333342A (zh) | 智能语音呼叫方法、装置、设备及存储介质 | |
| CN111611519A (zh) | 一种个人异常行为检测方法及装置 | |
| CN115879619A (zh) | 一种变电站日前碳排放因子预测方法及系统 | |
| CN109086816A (zh) | 一种基于贝叶斯分类算法的用户行为分析系统 | |
| CN108345857A (zh) | 一种基于深度学习的区域人群密度预测方法及装置 | |
| CN117614979A (zh) | 一种基于车边协同的轨道列车网络数据筛选方法 | |
| CN108920098A (zh) | 一种存储管理系统收集信息的方法、系统及设备 | |
| CN109994211B (zh) | 一种基于ehr数据的慢性肾脏病恶化风险的建模方法 | |
| CN115098792B (zh) | 展品推荐方法、装置、计算机可读存储介质及电子设备 | |
| CN108521435B (zh) | 一种用户网络行为画像的方法及系统 | |
| CN114912839B (zh) | 工单并发调度方法、装置、设备及存储介质 | |
| CN114338532A (zh) | 光网络资源预估方法及装置、存储介质、终端设备 | |
| CN113593145A (zh) | 一种基于门禁设备的智能缴费系统 | |
| CN112631882A (zh) | 一种结合线上业务指标特征的容量预估方法 | |
| SE522124C2 (sv) | Anordning, metod och registreringsmedium för att mäta genomlopp | |
| CN110399399B (zh) | 用户分析的方法、装置、电子设备和存储介质 | |
| JP2002268971A (ja) | ウェッブサービスシステム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20050131 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20070528 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070619 |
|
| 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: 20080513 |
|
| 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: 20080515 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110523 Year of fee payment: 3 |
|
| 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: 20120523 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130523 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140523 Year of fee payment: 6 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| LAPS | Cancellation because of no payment of annual fees |