JP4452236B2 - ノード装置および通信ネットワークシステム - Google Patents

Description

本発明は、送受信する通信データのトラヒックデータを取得し、その取得したトラヒックデータに基づき通信パスを制御するノード装置およびそのノード装置を用いた通信ネットワークシステムに関する。

近年の通信ネットワークにおいては、ＧＭＰＬＳ（Generalized Multi-Protocol Label Switching）技術などの導入により、複数のレイヤにまたがったリソースの管理やパス制御が容易にできるようになった。そのため、より短い時間間隔で、通信パスの設定や解放をすることが可能となり、例えば、昼夜のトラヒックの増減に応じて、通信パスの設定や解放を行うことも可能になった。

ちなみに、特許文献１には、ＧＭＰＬＳを用いた光通信ネットワークにおいてトラヒックに応じた通信パスを設定する技術の例が開示されている。この技術によれば、ネットワークを流れるトラヒックを考慮した上で、ネットワーク全体としてのコストを効率よく最適化することが可能な通信パスを設定することができる。
E. Oki, K. Shiomoto, S. Okamoto, W. Imajuku, and N. Yamanaka, "A Heuristic Multi-Layer Optimum Topology Design Scheme Based on Traffic Measurement for IP + Photonic Networks", Optical Fiber Communication Conference and Exhibit, pp.17-22, Mar. 2002.

一般に、インターネットなどの通信ネットワークを流れるトラヒックは、自己相似性があるといわれ、また、バースト性が大きい。そのため、そのトラヒックをモニタして利用する場合には、そのモニタしたトラヒックデータを直接利用するのではなく、移動平均をとるなどして、そのバースト性を平滑化したデータを利用する。しかしながら、こうした平滑化の処理を行うと、現在モニタされているトラヒックデータが通信パスの制御に反映されるまでに時間が掛かることになる。すなわち、従来の技術においては、トラヒックのバースト性の問題を解決しようとすると、制御の応答性能が低下するという問題があった。

そこで、本発明は、トラヒックのバースト性を平滑化しても、モニタしたトラヒックデータが通信パスの制御に反映されるまでの時間、つまり、制御の応答性能を向上させることが可能なノード装置および通信ネットワークシステムを提供することを目的とする。

請求項１に記載の発明は、通信ネットワークを構成する通信回線に接続され、その通信回線を介して通信される通信データの通信パスを制御するノード装置であって、（１）前記通信される通信データに設定された通信パスそれぞれについて、所定の時間ごとにその通信データのトラヒックデータを収集するトラヒックデータ収集手段と、（２）前記収集したトラヒックデータを蓄積するトラヒックデータ蓄積手段と、（３）前記所定の時間より充分に長い時間に対して前記トラヒックデータ蓄積手段に蓄積されたトラヒックデータについて、そのトラヒックデータの統計データを求め、その統計データの特徴を表わす特徴パラメータを抽出する特徴パラメータ抽出手段と、（４）前記トラヒックデータのバースト性を適切に平滑化するローパスフィルタの平滑度パラメータの値を、前記特徴パラメータの値に対応させて蓄積した平滑度パラメータ蓄積手段と、（５）前記抽出した特徴パラメータの値に基づき前記平滑度パラメータ蓄積手段を参照し、前記平滑化に適したローパスフィルタの平滑度パラメータの値を取得する平滑度パラメータ取得手段と、（６）前記取得した平滑度パラメータの値をもつローパスフィルタを構成し、そのローパスフィルタによって前記収集したトラヒックデータを平滑化し、平滑化トラヒックデータを算出するトラヒックデータ平滑化手段と、（７）前記算出した平滑化トラヒックデータに基づき、前記通信ネットワークにおける通信パスを制御する通信パス制御手段とを備えたことを特徴とする。

請求項１に記載の発明によれば、特徴パラメータ抽出手段は、トラヒックデータ収集手段によって収集され、トラヒックデータ蓄積手段に蓄積されたトラヒックデータについて、そのトラヒックデータの統計データを求め、その統計データが有する特徴パラメータを抽出する。この特徴パラメータは、トラヒックデータの統計データから求められるトラヒックデータのバースト性の大きさの程度を示す量に対応している。

一方で、トラヒックデータ平滑化手段は、前記収集されたトラヒックデータをローパスフィルタによって平滑化する。このとき、トラヒックデータ平滑化手段は、前記特徴パラメータ抽出手段によって求められた特徴パラメータ、つまり、トラヒックデータのバースト性の大きさの程度に応じて、適宜、そのローパスフィルタの平滑度パラメータを定める。すなわち、平滑度パラメータ取得手段は、その特徴パラメータに基づき平滑度パラメータ蓄積手段を参照して、トラヒックデータのバースト性を適切に平滑化するローパスフィルタの平滑度パラメータの値を求め、トラヒックデータ平滑化手段は、その平滑度パラメータの値に基づきローパスフィルタを構成する。

従って、トラヒックデータ平滑化手段によって算出される平滑化トラヒックデータは、トラヒックデータのバースト性の大きさの程度に応じて適切に平滑化することができる。また、前記平滑度パラメータ取得手段は、トラヒックデータを適切に平滑化することが可能なローパスフィルタの平滑度パラメータのうちでも、できるだけ弱い平滑化を行う、つまり、ローパスフィルタの応答性能がいいものを選ぶことができる。よって、トラヒックのバースト性を平滑化しても、そのトラヒックデータを通信パスの制御にできるだけ迅速に反映することが可能な応答性能のいいノード装置を実現することができる。

請求項２に記載の発明は、請求項１に記載のノード装置において、そのローパスフィルタを前記収集したトラヒックデータを移動平均する移動平均手段によって構成したことを特徴とする。

請求項２に記載の発明によれば、ローパスフィルタを簡単な数値演算処理で実現することができる。

請求項３に記載の発明は、請求項１または請求項２に記載のノード装置において、前記特徴パラメータ抽出手段が、前記トラヒックデータの統計データをパレート累積分布関数にフィッティングすることによって、前記特徴パラメータを抽出することを特徴とする。

請求項３に記載の発明によれば、特徴パラメータ抽出手段は、トラヒックデータの統計データをパレート累積分布関数にフィッティングするので、トラヒックが輻輳している場合に適した特徴パラメータを抽出することができる。

請求項４に記載の発明は、請求項１または請求項２に記載のノード装置において、前記特徴パラメータ抽出手段が、前記トラヒックデータの統計データを指数累積分布関数にフィッティングすることによって、前記特徴パラメータを抽出することを特徴とする。

請求項４に記載の発明によれば、特徴パラメータ抽出手段は、トラヒックデータの統計データを指数累積分布関数にフィッティングするので、トラヒックが輻輳していない場合に適した特徴パラメータを抽出することができる。

請求項５に記載の発明は、請求項１または請求項２に記載のノード装置において、前記特徴パラメータ抽出手段が、（１）前記トラヒックデータの統計データをパレート累積分布関数にフィッティングすることにより、前記統計データの特徴パラメータとして第１の特徴パラメータを抽出するとともに、前記統計データと前記パレート累積分布関数との相関の強さを示す第１の相関データを算出し、（２）前記トラヒックデータの統計データを指数累積分布関数にフィッティングすることにより前記統計データの特徴パラメータとして第２の特徴パラメータを抽出するとともに、前記統計データと前記指数累積分布関数との相関の強さを示す第２の相関データを算出し、（３）前記第１の相関データと第２の相関データとを比較し、（４）前記第１の相関データが第２の相関データよりも相関が強いことを示す場合には、前記統計データの特徴パラメータとして前記第１の特徴パラメータを選択し、（５）前記第２の相関データが第１の相関データよりも相関が強いことを示す場合には、前記統計データの特徴パラメータとして前記第２の特徴パラメータを選択することを特徴とする。

請求項５に記載の発明によれば、特徴パラメータ抽出手段は、トラヒックデータの統計データをパレート累積分布関数および指数累積分布関数の両方にフィッティングし、さらに、トラヒックデータの統計データとそれぞれの累積分布関数との間の相関データを算出する。そして、その相関データに基づき、相関が強い方の累積分布関数に対してフィッティングした特徴パラメータを選択する。従って、特徴パラメータ抽出手段は、トラヒックが輻輳しているか否かを判定しなくても、自動的に相関が強い方の累積分布関数が選択され、その累積分布関数に基づく特徴パラメータを取得することができる。

請求項６に記載の発明は、請求項３ないし請求項５のいずれか１項に記載のノード装置において、前記特徴パラメータ抽出手段が前記フィッティングを最小２乗法によって行うことを特徴とする。

請求項６に記載の発明によれば、特徴パラメータ抽出手段は、フィッティングを簡単な数値演算処理で行うことができる。

請求項７に記載の発明は、請求項１ないし請求項６のいずれか１項に記載のノード装置において、前記トラヒックデータ平滑化手段が算出した平滑化トラヒックデータが、１回もしくは所定の上限の閾値を所定の複数回連続して上回ったとき、または、所定の下限の閾値を１回もしくは所定の複数回連続して下回ったときに、前記通信パス制御手段が所定の通信パスの制御を行うことを特徴とする。

請求項７に記載の発明によれば、通信パス制御手段は、平滑化トラヒックデータが所定の上限または下限の閾値を上回ったまたは下回ったときに所定の通信パスの制御を行うので、バースト性が大きいトラヒックデータに対しても安定した通信パスの制御を行うことができる。また、所定の上限または下限の閾値を上回ったまたは下回った回数を、複数回連続とすることによって、通信パスの制御の安定性をさらに向上させることができる。

請求項８に記載の発明の通信ネットワークシステムは、請求項１ないし請求項７のいずれか１項に記載のノード装置を含んで構成されることを特徴とする。

請求項８に記載の発明によれば、その通信ネットワークで用いられるノード装置においては、トラヒックのバースト性を平滑化しても、そのトラヒックデータを通信パスの制御にできるだけ迅速に反映することが可能なので、安定性があり、かつ、応答性能のよい通信パスの制御が行われる通信ネットワークを実現することができる。

請求項１ないし請求項７に記載の発明によれば、トラヒックのバースト性を平滑化しても、そのトラヒックデータを通信パスの制御にできるだけ迅速に反映することが可能なノード装置を実現することができる。また、請求項８に記載の発明によれば、安定性があり、かつ、応答性能のよい通信パスの制御が行われる通信ネットワークを実現することができる。

以下、本発明の実施形態について図面を用いて詳しく説明する。

図１は、本発明の実施形態に係るノード装置の構成の例を示した図である。図１に示すように、ノード装置１は、有線または無線の複数の通信回線５が接続されるリンク接続部１０と、そのリンク接続部１０を制御することによって、通信回線５を介して通信される通信データの通信パスを制御する制御部２０とによって構成される。具体的には、いわゆるルータなどがこのノード装置１に相当する。

リンク接続部１０は、入力リンクＩＦ（Interface）１１、リンクスイッチ１２、出力リンクＩＦ１３などを含んで構成される。入力リンクＩＦ１１は、通信回線５から入力される信号を復調し、その通信データのパケットに含まれるパス情報などを抽出し、適宜、制御部２０へ入力する。また、出力リンクＩＦ１３は、制御部２０の指示に基づき、出力する通信データのパケットにパス情報などを、適宜、付加し、その通信データを変調して通信回線５へ出力する。また、リンクスイッチ１２は、制御部２０からの指示に従って、通信データのパケットごとに入力される通信回線５と出力される通信回線５との接続切り替えを行うスイッチ群である。

制御部２０は、図示しないＣＰＵ（Central Processing Unit）、記憶装置などからなるいわゆるコンピュータによって構成され、トラヒックデータ収集部２１、累積分布データ算出部２２、特徴パラメータ抽出部２３、移動平均パラメータ取得部２４、移動平均算出部２５、通信パス制御部２６などの機能ブロックを備えている。これらの機能ブロックの機能は、ＣＰＵが記憶装置に記憶されたそれぞれの機能ブロックのためのプログラムを実行することによって実現される。また、制御部２０は、その記憶部にトラヒックデータ蓄積部３１、累積分布データ蓄積部３２、移動平均パラメータ蓄積部３３、通信パス情報蓄積部３４などを含む。

ここで、前記の記憶装置は、通常は、半導体のＲＡＭ（Random Access Memory）やフラッシュメモリなどによって構成されるが、必要に応じて、ハードディスク記憶装置などを併用して構成することもある。

なお、図１におけるトラヒックデータ収集部２１は、請求項のトラヒックデータ収集手段に、累積分布データ算出部２２および特徴パラメータ抽出部２３は、請求項の特徴パラメータ抽出手段に、移動平均パラメータ取得部２４は、請求項の平滑度パラメータ取得手段に、移動平均算出部２５は、請求項のトラヒックデータ平滑化手段に、通信パス制御部２６は、請求項の通信パス制御手段に、トラヒックデータ蓄積部３１は、トラヒックデータ蓄積手段に、移動平均パラメータ蓄積部３３は、平滑度パラメータ蓄積手段に、それぞれ、対応している。

図２は、本発明の実施形態においてトラヒックデータを収集してそのトラヒックデータに基づき通信パスを制御するに到るまでの手順を示した図である。以下、図２の手順に従って、制御部２０の各機能ブロックの詳細な機能について説明する。

（ステップＳ０１）
まず、制御部２０は、トラヒックデータ収集部２１により、あらかじめ定められたモニタ周期の時間Ｔ_Ｍごとにその時間Ｔ_Ｍの間に入力リンクＩＦ１１に到来する通信データの量、つまり、トラヒックデータを、その通信データの通信パスごとに分けて収集し、収集したトラヒックデータをトラヒックデータ蓄積部３１に蓄積する。

すなわち、以上のようにして収集されたトラヒックデータがトラヒックデータ蓄積部３１に、通信パスごと、かつ、モニタ周期の時間Ｔ_Ｍで刻んだ時刻（例えば、１分刻みの時刻）ごとのデータとして蓄積される。このとき蓄積されるトラヒックデータは、単位時間あたりに通信されたデータの量、つまり、単位時間あたりのトラヒック量に換算した値であり、その単位は、例えば、ｂｐｓ（bit per second）などで表わされる。

（ステップＳ０２）
次に、制御部２０は、累積分布データ算出部２２により、前記の所定の時間Ｔ_Ｍよりも充分に長い第２の所定の時間である分析単位時間Ｔ_Ａ（例えば、１時間）ごとに、その分析単位時間Ｔ_Ａの間にトラヒックデータ蓄積部３１に蓄積されたトラヒックデータについて、累積分布データを算出し、算出した累積分布データを累積分布データ蓄積部３２に蓄積する。

図３は、本実施形態に係るトラヒックデータの累積分布データの例を示した図である。図３において、グラフの横軸は、トラヒックデータ、つまり、単位時間あたりのトラヒック量ｘを表し、グラフの縦軸は、そのトラヒック量ｘに対する累積分布データｐを表している。ここで、トラヒック量ｘにおける累積分布データｐとは、前記分析単位時間Ｔ_Ａの間に収集され、蓄積されたトラヒックデータのうち、その値がトラヒック量ｘ以下であるトラヒックデータの割合をいう。すなわち、累積分布データｐは、トラヒック量ｘの累積確率密度であるということができる。なお、図３において、斜線入り丸印は、ステップＳ０２で算出された累積分布データｐをプロットした例を示したものである。

以上のように、制御部２０は、ステップＳ０２において、図３に示すようなグラフを表わすことが可能なトラヒック量ｘと累積分布データｐとを対応させたテーブルのデータを作成し、そのテーブルのデータを累積分布データ蓄積部３２に蓄積する。

（ステップＳ０３）
次に、制御部２０は、特徴パラメータ抽出部２３により、累積分布データ蓄積部３２に蓄積された通信パスそれぞれについての累積分布データを分析し、その分析結果に基づき、通信パスそれぞれについて、その累積分布データの特徴パラメータαおよびγを算出する。以下、ステップＳ０３における処理について詳しく説明する。

一般に、インターネットなどの通信ネットワークにおいて、このようなトラヒックデータの累積分布のグラフは、トラヒックが輻輳している場合には、パレート累積分布関数に従い、トラヒックが輻輳していない場合には、指数累積分布関数に従うといわれている。ここで、パレート累積分布関数Ｆ（ｘ）および指数累積分布関数Ｇ（ｘ）は、それぞれ、次に示す式（１）および式（２）によって表わされる。
Ｆ（ｘ）＝１−（β／ｘ）^α （１）
Ｇ（ｘ）＝１−ｅｘｐ（−ｘ／γ） （２）

そこで、特徴パラメータ抽出部２３により、これらの累積分布関数のパラメータα、β、γを、前記分析単位時間Ｔ_Ａの間に累積分布データ蓄積部３２に蓄積されたそれぞれの通信パスのトラヒックデータに適合するようにフィッティングする。そのパラメータα、β、γのフィッティングには、従来しばしば利用されている最小２乗法を利用する。すなわち、最小２乗法によって累積分布関数のパラメータα、β、γを算出する。

図４は、図３のトラヒックデータの累積分布をパレート累積分布関数Ｆ（ｘ）でフィッティングする様子を示した図である。図４において、斜線入り丸印は、ステップＳ０２で算出された累積分布データをプロットしたものであり、実線は、パレート累積分布関数Ｆ（ｘ）が表わす曲線を示したものである。制御部２０は、パレート累積分布関数Ｆ（ｘ）のパラメータα、βを、最小２乗法により、ステップＳ０２で算出した累積分布データとパレート累積分布関数Ｆ（ｘ）の値との差の２乗和が最小になるように決定する。すなわち、次に示す式（３）が最小になるようにパラメータα、βを決定する。
ΔＦ^２＝Σ（ｐ_ｉ−Ｆ（ｘ_ｉ））^２ （３）

また、同様に、制御部２０は、指数累積分布関数Ｇ（ｘ）について、次に示す式（４）が最小になるようにパラメータγを決定する。
ΔＧ^２＝Σ（ｐ_ｉ−Ｇ（ｘ_ｉ））^２ （４）

ここで、パレート累積分布関数Ｆ（ｘ）のパラメータαおよびβは、それぞれ、シェイプパラメータ（Shape Parameter）およびスケールパラメータ（Scale Parameter）と呼ばれる。このうち、シェイプパラメータαは、トラヒックデータのバースト性との関係が強いので、ここでは、シェイプパラメータαを、パレート累積分布関数Ｆ（ｘ）を特徴付ける特徴パラメータと定義する。同様に、指数累積分布関数Ｇ（ｘ）のパラメータγを、指数累積分布関数Ｇ（ｘ）の特徴パラメータと定義する。

以上によって、制御部２０は、パレート累積分布関数Ｆ（ｘ）の特徴パラメータαと指数累積分布関数Ｇ（ｘ）の特徴パラメータγとが算出されることになる。そこで、制御部２０は、ステップＳ０２で算出した累積分布データがパレート累積分布関数Ｆ（ｘ）と指数累積分布関数Ｇ（ｘ）とのどちらに相関が強いかを判定をする。そして、式（３）および式（４）によって算出されるΔＦ^２の最小値とΔＧ^２の最小値とを比較し、その値が小さい方の累積分布関数に相関が強いと判定する。

（ステップＳ０４）
次に、制御部２０は、移動平均パラメータ取得部２４により、移動平均パラメータ蓄積部３３を参照して、特徴パラメータαまたはγに適合した移動平均パラメータｋを取得する。以下、ステップＳ０４における処理に関し、ここでは、特徴パラメータがパレート累積分布関数Ｆ（ｘ）のシェイプパラメータαである場合について詳しく説明する。なお、移動平均パラメータｋは、請求項の平滑度パラメータに対応する。

パレート累積分布関数Ｆ（ｘ）のシェイプパラメータαは、通常、１＜α＜２を満たす値をとるが、バースト性が大きく不安定なトラヒックであるほど、シェイプパラメータαが小さくなり、バースト性が小さく安定したトラヒックであるほど、シェイプパラメータαが大きくなることが知られている。すなわち、本実施形態では、シェイプパラメータαをバースト性の大小を示すパラメータとして利用する。

一方、詳細は後記するが、本実施形態においては、通信パス制御部２６が通信パスを制御する場合には、トラヒックデータ収集部２１によって収集されたトラヒックデータをそのまま使用せず、それ以前に収集されたトラヒックデータとの移動平均をとった移動平均値を使用する。すなわち、トラヒックデータ収集部２１がｎ回目の時点で収集したトラヒックデータＸ_ｎに対するトラヒックデータの移動平均値Ｒ_ｎは、次の式（５）によって算出される。
Ｒ_ｎ＝ｋ＊Ｘ_ｎ＋（１−ｋ）＊Ｒ_ｎ−１ （５）
ここで、ｋは、移動平均パラメータとよばれ、０＜ｋ≦１を満たす数値である。この式（５）によれば、トラヒックデータの移動平均値Ｒ_ｎは、ｋが小さいほど、バースト性が抑制されたものとなる。

そこで、本実施形態においては、ステップＳ０３で算出した特徴パラメータα（すなわち、シェイプパラメータα）で表わされるトラヒックデータのバースト性の程度に応じて、適切な移動平均パラメータｋを決定する。ただし、シェイプパラメータαと適切な移動平均パラメータｋとの間には、具体的に知られた関係式などが存在しないので、ここでは、その関係を実験的に求めたものを使用する。なお、適切な移動平均パラメータｋとは、バースト性の大きいトラヒックデータに対しては、適切な平滑化が可能であり、また、バースト性の小さいトラヒックデータに対しては、制御の時間遅れを最小にする、つまり、制御の応答性能を向上させることが可能な移動平均パラメータｋをいう。

図５は、パレート累積分布関数Ｆ（ｘ）のシェイプパラメータαに対し、実験的に取得した適切な移動平均パラメータｋのプロファイルを示した図である。図５のグラフにおいて、横軸は、シェイプパラメータαを表わし、縦軸は、移動平均パラメータｋを表わす。そして、その下限値と上限値との間に挟まれた網掛け表示部分の領域が、移動平均算出に適用可能な移動平均パラメータｋであることを示している。

この図５に示した適切な移動平均パラメータｋのプロファイルは、あらかじめ実験的に構成した通信ネットワークに種々のシェイプパラメータαに対応するトラヒックを流す実験を行い、さらに、種々の移動平均パラメータｋに対する移動平均データを求めることによって、その移動平均データの平滑性と応答性能とを評価し、適切な移動平均パラメータｋの範囲を定めたものである。

図５に示されている移動平均パラメータｋのプロファイルによれば、シェイプパラメータαが小さい場合には、トラヒックデータのバースト性が大きいので、移動平均パラメータｋは、小さい値のほうがトラヒックデータの移動平均算出に適切な値となる。この場合には、トラヒックデータの移動平均算出において、トラヒックデータ取得現在時点でのトラヒックデータがそれ以前に取得されたトラヒックデータよりも小さく評価されるので、バースト性が大きいトラヒックデータであっても適切に平滑化される。

また、シェイプパラメータαが大きい場合には、トラヒックデータのバースト性が小さいので、移動平均パラメータｋは、大きい値のほうがトラヒックデータの移動平均算出に適切な値となる。この場合には、トラヒックデータの移動平均算出において、取得現在時点でのトラヒックデータがそれ以前のトラヒックデータよりも大きく評価されるので、制御の応答性能が向上する。

なお、図５において、上限値を超えた移動平均パラメータｋを移動平均に適用すると、トラヒックのバースト性が充分に平滑化されないので、トラヒックのバースト性に過敏に応答する通信パスの制御が行われる可能性がある。また、下限値を下回った移動平均パラメータｋを移動平均に適用すると、平滑化が過度に行われて、トラヒックの増減に応答不能な通信パスの制御が行われる可能性がある。

以上のようにして実験によって求められた移動平均パラメータｋのプロファイルのデータは、あらかじめ、制御部２０の移動平均パラメータ蓄積部３３に蓄積される。そこで、制御部２０は、ステップＳ０３でシェイプパラメータαが算出されると、その算出されたシェイプパラメータαに基づき、移動平均パラメータ蓄積部３３を参照して、そのシェイプパラメータαに適合する移動平均パラメータｋを取得する。

図６は、本実施形態において、シェイプパラメータαに基づき移動平均パラメータ蓄積部を参照して、そのシェイプパラメータαに適合する移動平均パラメータｋを取得する様子を示した図である。移動平均パラメータ蓄積部３３には、シェイプパラメータαの値に対応させて、適切な移動平均パラメータｋの範囲が上限値および下限値のデータとして蓄積されているので、制御部２０は、ステップＳ０３で算出したシェイプパラメータαに応じて移動平均パラメータｋの上限値および下限値を取得する。このとき、移動平均パラメータ蓄積部３３に蓄積されているシェイプパラメータαおよびそれに対応する移動平均パラメータｋの上限値および下限値が存在しない場合には、例えば、その前後のデータを用いて直線補間することによって求める。図６の例で、α＝１．３７に対する移動平均パラメータｋを求めると、その上限値は、０．６７であり、下限値は、０．３である。従って、０．３＜ｋ＜０．６７を満たすｋが適切な移動平均パラメータとなる。

制御部２０は、以上のようにして適切な移動平均パラメータｋの上限値および下限値を求めると、その上限値と下限値の間に含まれるｋのうちできるだけ大きい値、通常は、その上限値を実際に移動平均に適用する移動平均パラメータｋとして選択する。なお、ここで、できるだけ大きい移動平均パラメータｋを選択するのは、移動平均パラメータｋが大きいほどそれを用いた制御の応答性能がよいからである。

なお、以上においては、パレート累積分布関数Ｆ（ｘ）のシェイプパラメータαについて移動平均パラメータｋのプロファイル情報を移動平均パラメータ蓄積部３３に蓄積しておくことによって、シェイプパラメータαから適切な移動平均パラメータｋを取得する手順について説明した。この手順は、指数累積分布関数Ｇ（ｘ）の特徴パラメータγと移動平均パラメータｋとの間の関係についても同様に適用することができる。すなわち、あらかじめ実験的に特徴パラメータγに対する移動平均パラメータｋのプロファイル情報を取得し、その情報を移動平均パラメータ蓄積部３３に蓄積しておけば、制御部２０は、ステップＳ０３で算出した特徴パラメータγに基づき移動平均パラメータ蓄積部３３を参照することにより、その特徴パラメータγに適合した適切な移動平均パラメータｋを取得することができる。

（ステップＳ０５）
次に、制御部２０は、移動平均算出部２５により、ステップＳ０４で算出した移動平均パラメータｋを用いてトラヒックデータの移動平均値を算出する。その移動平均値は、前記した式（５）に従って算出される。なお、トラヒックデータの移動平均をとるということは、トラヒックデータを平滑化するということであり、従って、移動平均算出部２５は、請求項のローパスフィルタに相当する。

（ステップＳ０６）
次に、制御部２０は、通信パス制御部２６により、ステップＳ０５で算出したトラヒックデータの移動平均値に応じて通信パスを制御する。以下、その通信パスの制御について説明する。

ステップＳ０５までの過程で算出されたトラヒックデータの移動平均値は、様々な形態の通信パスの制御に適用可能である。ここでは、その１つの例として、トラヒックデータの移動平均値をＬ１（Layer 1）パスとパケットレイヤのパスで構成された階層構造の通信ネットワークにおける通信パスの制御に適用する。この場合、この通信ネットワークにおけるＬ１パスは波長パス、パケットレイヤのパスはＭＰＬＳパスであるとする。

以上のような通信ネットワークにおける通信パスの制御の例として、トラヒック量の増減によって通信パスを新設したり、削除したりする制御がある。通常、１つの波長パスの中には複数のＭＰＬＳパスが収容されているが、その波長パスに収容可能な最大のトラヒック量は、物理的な限界量としてあらかじめ決まっている。

そこで、制御部２０は、波長パスに収容可能なトラヒック量の上限の閾値を、例えば、物理的な限界量の５０％などと設定しておく。制御部２０は、ステップＳ０５までの処理によって、ＭＰＬＳパスそれぞれについてのトラヒック量をその移動平均値として取得することができる。そこで、制御部２０は、波長パスごとに、その波長パスに収容されているＭＰＬＳパスのトラヒック量の総和を算出する。そして、そのトラヒック量の総和があらかじめ設定されている閾値を超えて増加した場合には、そのＭＰＬＳパスの一部を他の波長パスへ移し替える。

同様に、制御部２０は、波長パスに収容するトラヒック量の下限の閾値を、例えば、前記の物理的な限界量の１０％などと設定しておく。そして、ある波長パスに収容されているＭＰＬＳパスのトラヒック量の総和がその下限の閾値を下回った場合には、それだけのトラヒック量で１つの波長パスを占有するのでは無駄があるので、制御部２０は、その波長パスに収容されているＭＰＬＳパスを他の波長パスへ移し替える。そして、空になった波長パスを削除する。

以上のような通信パスの制御を行うことによって、通信ネットワーク全体としての通信効率などを向上させることができる。また、本実施形態においては、バースト性の大きさ程度を考慮したトラヒック量の移動平均値に基づいて、その通信パスの制御を行うので、バースト性のあるトラヒックデータを適切に平滑化することができるようになるとともに、制御の応答性能を向上させることができる。

以上に説明した実施形態は、その一部を様々に変形することが可能である。

（実施形態の変形例１）
まず、以上に説明した実施形態においては、トラヒックデータを平滑化するのにローパスフィルタの１つである移動平均処理を用いたが、移動平均処理に代えて他のディジタル信号処理（アナログ信号処理でもよい）に基づくローパスフィルタを利用してもよい。この場合、移動平均パラメータｋには、ローパスフィルタの時定数の逆数を対応させる。従って、この場合には、あらかじめ、パレート累積分布関数Ｆ（ｘ）または指数累積分布関数Ｇ（ｘ）の特徴パラメータαまたはγに対するローパスフィルタの時定数のプロファイル情報を準備しておき、トラヒックデータのバースト性の大きさに応じて定められる時定数を有するローパスフィルタによって、トラヒックデータを平滑化することになる。

（実施形態の変形例２）
以上に説明した実施形態においては、トラヒックデータのモニタ周期の時間Ｔ_Ｍ（例えば、１分）よりも充分に長い分析単位時間Ｔ_Ａ（例えば、１時間）ごとに、累積分布データを算出（ステップＳ０２）以降の処理を実行するとしているが、累積分布データの算出をモニタ周期の時間Ｔ_Ｍごと、または、分析単位時間Ｔ_Ａよりも短い時間ごとに、それらの処理を実行するようにしてもよい。この場合には、パレート累積分布関数Ｆ（ｘ）または指数累積分布関数Ｇ（ｘ）の特徴パラメータαまたはγが分析単位時間Ｔ_Ａよりも短い時間で算出されるので、トラヒックデータのバースト性の変化をより速く通信パスの制御に反映することができるようになる。

（実施形態の変形例３）
以上に説明した実施形態においては、通信パスの制御は、トラヒックデータの移動平均値が上限の閾値または下限の閾値を１回上回るまたは下回るたびに行うとしているが、複数回連続して上回るまたは下回ったときに通信パスの制御をするようにしてもよい。こうすることによって、制御の応答性能は低下するが、トラヒックのバースト性の程度そのものが短い周期で変動するような場合にも、安定した通信パスの制御を行うことができる。特に、前記の変形例２の実施形態においては、短い周期でトラヒックデータの移動平均値が算出されるので、安定した通信パスの制御を行う効果の意義は大きいと考えられる。

なお、このとき、トラヒックデータの移動平均値が何回（１回または指定する複数回）上限または下限の閾値を上回るまたは下回ったときに通信パスの制御を行うかについては、通信ネットワークの管理者またはオペレータが適宜設定できるものとしてもよい。

本発明の実施形態に係るノード装置の構成の例を示した図である。 本発明の実施形態においてトラヒックデータを収集してそのトラヒックデータに基づき通信パスを制御するに到るまでの手順を示した図である。 本発明の実施形態に係るトラヒックデータの累積分布データの例を示した図である。 図３のトラヒックデータの累積分布をパレート累積分布関数Ｆ（ｘ）でフィッティングする様子を示した図である。 パレート累積分布関数Ｆ（ｘ）のシェイプパラメータαに対し、実験的に取得した適切な移動平均パラメータｋのプロファイルを示した図である。 本発明の実施形態において、シェイプパラメータαに基づき移動平均パラメータ蓄積部を参照して、そのシェイプパラメータαに適合する移動平均パラメータｋを取得する様子を示した図である。

符号の説明

１ ノード装置
５ 通信回線
１０ リンク接続部
１１ 入力リンクＩＦ
１２ リンクスイッチ
１３ 出力リンクＩＦ
２０ 制御部
２１ トラヒックデータ収集部（トラヒックデータ収集手段）
２２ 累積分布データ算出部（特徴パラメータ抽出手段）
２３ 特徴パラメータ抽出部（特徴パラメータ抽出手段）
２４ 移動平均パラメータ取得部（平滑度パラメータ取得手段）
２５ 移動平均算出部（トラヒックデータ平滑化手段）
２６ 通信パス制御部（通信パス制御手段）
３１ トラヒックデータ蓄積部（トラヒックデータ蓄積手段）
３２ 累積分布データ蓄積部
３３ 移動平均パラメータ蓄積部（平滑度パラメータ蓄積手段）
３４ 通信パス情報蓄積部

Claims (8)

1. 通信ネットワークを構成する通信回線に接続され、その通信回線を介して通信される通信データの通信パスを制御するノード装置であって、
   前記通信される通信データに設定された通信パスそれぞれについて、所定の時間ごとにその通信データのトラヒックデータを収集するトラヒックデータ収集手段と、
   前記収集したトラヒックデータを蓄積するトラヒックデータ蓄積手段と、
   前記所定の時間より充分に長い時間に対して前記トラヒックデータ蓄積手段に蓄積されたトラヒックデータについて、そのトラヒックデータの統計データを求め、その統計データの特徴を表わす特徴パラメータを抽出する特徴パラメータ抽出手段と、
   前記トラヒックデータのバースト性を適切に平滑化するローパスフィルタの平滑度パラメータの値を、前記特徴パラメータの値に対応させて蓄積した平滑度パラメータ蓄積手段と、
   前記抽出した特徴パラメータの値に基づき前記平滑度パラメータ蓄積手段を参照し、前記平滑化に適したローパスフィルタの平滑度パラメータの値を取得する平滑度パラメータ取得手段と、
   前記取得した平滑度パラメータの値をもつローパスフィルタを構成し、そのローパスフィルタによって前記収集したトラヒックデータを平滑化し、平滑化トラヒックデータを算出するトラヒックデータ平滑化手段と、
   前記算出した平滑化トラヒックデータに基づき、前記通信ネットワークにおける通信パスを制御する通信パス制御手段と
   を備えたことを特徴とするノード装置。
2. 前記収集したトラヒックデータを移動平均する移動平均手段によって、前記ローパスフィルタを構成したこと
   を特徴とする請求項１に記載のノード装置。
3. 前記特徴パラメータ抽出手段は、
   前記トラヒックデータの統計データをパレート累積分布関数にフィッティングすることによって、前記特徴パラメータを抽出すること
   を特徴とする請求項１または請求項２に記載のノード装置。
4. 前記特徴パラメータ抽出手段は、
   前記トラヒックデータの統計データを指数累積分布関数にフィッティングすることによって、前記特徴パラメータを抽出すること
   を特徴とする請求項１または請求項２に記載のノード装置。
5. 前記特徴パラメータ抽出手段は、
   前記トラヒックデータの統計データをパレート累積分布関数にフィッティングすることにより前記統計データの特徴パラメータとして第１の特徴パラメータを抽出するとともに、前記統計データと前記パレート累積分布関数との相関の強さを示す第１の相関データを算出し、
   前記トラヒックデータの統計データを指数累積分布関数にフィッティングすることにより前記統計データの特徴パラメータとして第２の特徴パラメータを抽出するとともに、前記統計データと前記指数累積分布関数との相関の強さを示す第２の相関データを算出し、
   前記第１の相関データと第２の相関データとを比較し、
   前記第１の相関データが第２の相関データよりも相関が強いことを示す場合には、前記統計データの特徴パラメータとして前記第１の特徴パラメータを選択し、
   前記第２の相関データが第１の相関データよりも相関が強いことを示す場合には、前記統計データの特徴パラメータとして前記第２の特徴パラメータを選択すること
   を特徴とする請求項１または請求項２に記載のノード装置。
6. 前記特徴パラメータ抽出手段は、
   前記フィッティングを、最小２乗法によって行うこと
   を特徴とする請求項３ないし請求項５のいずれか１項に記載のノード装置。
7. 前記通信パス制御手段は、
   前記トラヒックデータ平滑化手段が算出した平滑化トラヒックデータが、所定の上限の閾値を１回もしくは所定の複数回連続して上回ったとき、または、所定の下限の閾値を１回もしくは所定の複数回連続して下回ったときに、所定の通信パスの制御を行うこと
   を特徴とする請求項１ないし請求項６のいずれか１項に記載のノード装置。
8. 請求項１ないし請求項７のいずれか１項に記載のノード装置を含んで構成されること
   を特徴とする通信ネットワークシステム。

Images