JP5922825B1 - トラヒック推定装置、方法及びプログラム - Google Patents

Abstract

【課題】潜在トラヒック量の推定を可能とすること。【解決手段】輻輳が観測された第１の回線における第１のトラヒックの履歴データに基づいて前記第１のトラヒックの特徴量の時系列の推移を特定し、輻輳が観測されていない第２の回線におけるトラヒックの履歴データに基づいて第２のトラヒックの特徴量の時系列の推移を特定し、前記第１の回線において輻輳が観測されていない第１の期間における、前記第１のトラヒックの特徴量の時系列の推移と前記第２のトラヒックの特徴量の時系列の推移との比較結果と、前記輻輳が観測された第２の期間における前記第２のトラヒックの特徴量の時系列の推移とに基づいて、前記第２の期間における前記第１のトラヒックの特徴量を補正し、補正された特徴量に基づいて、前記第２の期間における前記第１のトラヒックのトラヒック量の時系列の推移を推定する。【選択図】図４

Description

本発明は、トラヒック推定装置、方法及びプログラムに関する。

従来、ボトルネックリンク（輻輳が発生している回線）の回線増速を行う際は、回線の使用率（回線帯域に占めるトラヒック量）の継時的な推移が把握され、その推移から予測される値を判断基準として、必要となる回線帯域が設計されている。他に、待ち行列理論を応用した設計も行われている。

ボトルネックリンクにおいて輻輳が発生する時、輻輳が発生している回線の使用率は１００％に近い値（回線帯域の上限にトラヒック量が到達している状態）を示す。しかし、これは見かけ上、１００％となっているにすぎず、ＴＣＰ（Transmission Control Protocol）の輻輳回避機構によるスループット低下（単位時間あたりのトラヒック量の減少）や、通信品質の低下を不快に感じたユーザによる通信の中止（要求トラヒック量の減少）等も発生している状況であるため、本来は、より大きな回線帯域が必要となる。

このように、回線帯域の上限によって見かけ上のトラヒックが減少することを「トラヒックの潜在化」と呼ぶ。トラヒックの潜在化の要因としては、以下が挙げられる。
・ユーザの離脱
・ユーザの主体的通信量の低下（通信頻度の減少、通信の中止、利用サービスの変化等）
・ユーザの従属的通信量の低下（プリフェッチ数の減少、ポーリング頻度の減少、ソフトウェアアップデートの停止等）
・ＴＣＰスループットの低下（輻輳回避機構によるフィードバック制御）
・パケットロスの増加
ここで、回線帯域に上限が無かった場合に現れたであろうトラヒックのことを「潜在トラヒック」といい、潜在トラヒックのトラヒック量を「潜在トラヒック量」という。

図１は、潜在トラヒック量を説明するための図である。図１における（１）及び（２）のグラフにおいて、横軸は時間に対応し、縦軸はトラヒック量に対応する。したがって、曲線は、トラヒック量の時系列の推移を示す。

（１）は、通常状態（輻輳が発生していない状態）のトラヒック量の推移を示す。（２）は、輻輳状態におけるトラヒック量の推移を示す。（２）に示されるように、潜在トラヒックと量は、帯域上限が存在しなかった場合に発生したであろう本来のトラヒック量と、回線帯域の上限との差分をいう。

特開２００４−２３１１４号公報 特許第５２５８９１６号公報

松田潤、林善士、牧野修二、「日々トラヒック予測に基づく交換機トラヒック管理技術」NTT R&D、平成３年１２月１０日、Vol.40、N0.12

ボトルネックポイントを抱えるネットワークにおいて、回線の増速やトラヒック制御によって、当該ボトルネックポイントの潜在トラヒックが解放される（顕在化する）場合、スループットの改善により顕在化したトラヒック量のため、経路上に新たなボトルネックポイントが生じる可能性がある。なお、潜在トラヒックが顕在化して、本来の量のトラヒックになることを、「潜在トラヒックの解放」という。

図２は、潜在トラヒックの解放によるボトルネックポイントのシフトを示す図である。図２において、（１）は、トラヒックＴ１とトラヒックＴ２とによって共用される回線Ｌ１が、ボトルネックポイントであった状態を示す。なお、トラフィックＴ１及びＴ２を示す矢印の太さは、トラヒック量の大きさを示す。

（２）は、（１）の状態を受けて、トラヒックＴ１のトラヒック量を制限した結果、トラヒックＴ２における潜在トラヒックが解放され、回線Ｌ２が新たなボトルネックポイントになった状態が示されている。この場合、回線Ｌ２がボトルネックポイントになることにより、トラヒックＴ３が影響を受けてしまうため、輻輳している回線において、潜在トラヒックの解放をも考慮して、どの程度の規模で増設を実施すべきかを明らかにする必要がある。

また、常態的に輻輳が発生しているボトルネックの回線においては、使用率が１００％の値で推移することもあるため、従来の技術では使用率の推移から本来必要となる回線帯域を設計するのが困難であった。結果として、該当のボトルネックリンクを増速することによって、潜在トラヒックが解放され、当該トラヒックの経路上に新たなボトルネックリンクが生じてしまうこともあった。

したがって、これらのボトルネックポイントの改善に伴うトラヒックの影響把握のため、潜在トラヒック量の推定が必用である。

本発明は、上記の点に鑑みてなされたものであって、潜在トラヒック量の推定を可能とすることを目的とする。

そこで上記課題を解決するため、トラヒック推定装置は、輻輳が観測された第１の回線における第１のトラヒックの履歴データに基づいて前記第１のトラヒックの特徴量の時系列の推移を特定し、輻輳が観測されていない第２の回線におけるトラヒックの履歴データに基づいて第２のトラヒックの特徴量の時系列の推移を特定する特定部と、前記第１の回線において輻輳が観測されていない第１の期間における、前記第１のトラヒックの特徴量の時系列の推移と前記第２のトラヒックの特徴量の時系列の推移との比較結果と、前記輻輳が観測された第２の期間における前記第２のトラヒックの特徴量の時系列の推移とに基づいて、前記第２の期間における前記第１のトラヒックの特徴量を補正し、補正された特徴量に基づいて、前記第２の期間における前記第１のトラヒックのトラヒック量の時系列の推移を推定する推定部と、を有する。

潜在トラヒック量の推定を可能とすることができる。

潜在トラヒック量を説明するための図である。 潜在トラヒックの解放によるボトルネックポイントのシフトを示す図である。 本発明の実施の形態におけるトラヒック推定装置のハードウェア構成例を示す図である。 本発明の実施の形態におけるトラヒック推定装置の機能構成例を示す図である。 トラヒック推定装置が実行する処理手順の一例を説明するためのフローチャートである。 入力トラヒックの構成例を示す図である。 組成分解部が実行する処理を概念的に示す図である。 特徴量算出部が実行する処理を概念的に示す図である。 潜在トラヒック量推定部が実行する処理を概念的に示す図である。 第１の実施例における特徴量の算出によって特定されるデータの一例を示す図である。 第１の実施例における特徴量ごとの回帰分析を説明するための図である。 第１の実施例における潜在トラヒック量を含む総トラヒック量の推定値の算出結果の一例を示す図である。 第２の実施例における部分集合ごとの総トラヒック量の算出によって特定されるデータの一例を示す図である。 第２の実施例における総トラヒック量の回帰分析を説明するための図である。 第２の実施例における潜在トラヒック量を含む総トラヒック量の推定値の算出結果の一例を示す図である。 第３の実施例における部分集合ごとのユーザ数及びユーザ毎平均トラヒック量の算出によって特定されるデータの一例を示す図である。 第３の実施例における特徴量ごとの回帰分析を説明するための図である。 第３の実施例における潜在トラヒック量を含む総トラヒック量の推定値の算出結果の一例を示す図である。

以下、図面に基づいて本発明の実施の形態を説明する。図３は、本発明の実施の形態におけるトラヒック推定装置のハードウェア構成例を示す図である。図３のトラヒック推定装置１０は、それぞれバスＢで相互に接続されているドライブ装置１００、補助記憶装置１０２、メモリ装置１０３、ＣＰＵ１０４、及びインタフェース装置１０５等を有する。

トラヒック推定装置１０での処理を実現するプログラムは、ＣＤ−ＲＯＭ等の記録媒体１０１によって提供される。プログラムを記憶した記録媒体１０１がドライブ装置１００にセットされると、プログラムが記録媒体１０１からドライブ装置１００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１０１より行う必要はなく、ネットワークを介して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等を格納する。

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からプログラムを読み出して格納する。ＣＰＵ１０４は、メモリ装置１０３に格納されたプログラムに従ってトラヒック推定装置１０に係る機能を実行する。インタフェース装置１０５は、ネットワークに接続するためのインタフェースとして用いられる。

図４は、本発明の実施の形態におけるトラヒック推定装置の機能構成例を示す図である。図４において、トラヒック推定装置１０は、組成分解部１１、特徴量算出部１２、及び潜在トラヒック量推定部１３等を有する。これら各部は、トラヒック推定装置１０にインストールされる１以上のプログラムが、ＣＰＵ１０４に実行させる処理により実現される。トラヒック推定装置１０は、また、入力トラヒック記憶部１２１及び特徴量記憶部１２２等を利用する。これら各記憶部は、例えば、補助記憶装置１０２、又はトラヒック推定装置１０にネットワークを介して接続可能な記憶装置等を用いて実現可能である。

組成分解部１１は、入力トラヒック記憶部１２１に記憶されている入力トラヒックにおいて、予め指定される組成分解パターンに基づいて、重複のない部分集合を生成し、各部分集合を特徴量算出部１２に出力する。入力トラヒックとは、或る回線に関して観測されたトラヒックのログデータ（履歴データ）である。入力トラヒックには、潜在トラヒック量の推定に用いられる入力トラヒック（以下、「推定対象トラヒック」という。）となるデータと、潜在トラヒック量の推定のために参照される（又は参考とされる）入力トラヒック（以下、「参照用トラヒック」という。）となるデータとが有る。推定対象トラヒックは、観測期間において、輻輳の発生が観測された回線（以下、「輻輳回線」という。）において観測されたトラヒックに係る入力トラヒックである。参照用トラヒックは、当該観測期間において、輻輳の発生が観測されていない回線（以下、「非輻輳回線」という。）において観測されたトラヒックに係る入力トラヒックである。すなわち、輻輳回線と非輻輳回線とは異なる回線である。

特徴量算出部１２は、組成分解部１１によって生成された部分集合ごとに、入力トラヒックの特徴量を算出する。特徴量算出部１２は、推定対象トラヒックに係る部分集合の特徴量については、潜在トラヒック量推定部１３へ引き渡し、参照用トラヒックに係る部分集合の特徴量については、特徴量記憶部１２２に記憶する。なお、組成分解部１１によって生成された部分集合ごとに特徴量が算出されることで、例えば、回線に占めるアプリケーション別トラヒックやユーザの通信利用方法種別の構成割合が、トラヒックが観測された時間（日時）、トラヒックが観測された回線（地域）等によっても異なることを考慮して、特徴量を得ることができる。

なお、本実施の形態において、トラヒックの特徴量は、ユーザ数、ユーザ毎平均セッション数、平均要求セッションサイズ、セッション平均転送率である。これは、回線で観測されるトラヒック量が、一般的に、次の式によって計算されることによる。

トラヒック量［Ｂｙｔｅ］＝ユーザ数［人］×ユーザ毎平均セッション数［本／人］×平均要求セッションサイズ［Ｂｙｔｅ／本］×セッション平均転送率［％］
すなわち、トラヒックの特徴量とは、トラヒック量の因子となる値である。各特徴量の詳細については後述される。

潜在トラヒック量推定部１３は、特徴量算出部１２から引き渡された推定対象トラヒックの特徴量と、特徴量記憶部１２２に記憶されている参照用トラヒックの特徴量とに基づいて、潜在トラヒック量を推定し、推定結果を出力する。

以下、トラヒック推定装置１０が実行する処理手順について説明する。図５は、トラヒック推定装置が実行する処理手順の一例を説明するためのフローチャートである。

ステップＳ１０１において、組成分解部１１は、入力トラヒック記憶部１２１に記憶されている入力トラヒック群を取得する（読み出す）。

図６は、入力トラヒックの構成例を示す図である。図６に示されるように、入力トラヒックは、セッション単位のトラヒックのログデータであり、送信開始時刻、送信終了時刻、送信元ＩＰアドレス、宛先ＩＰアドレス、プロトコル、送信元ポート番号、宛先ポート番号、コンテンツタイプ、コンテンツ長、及び送信データ長等のパラメータを含む。なお、本実施の形態におけるトラヒックは、下り方向のトラヒックである。下り方向とは、クライアントからの要求に対するサーバからの応答に係るトラヒックである。

送信開始時刻は、セッションの開始時刻である。送信終了時刻は、セッションの終了時刻である。送信元ＩＰアドレスは、セッションに属するトラヒックの送信元（サーバ側）のＩＰアドレスである。宛先ＩＰアドレスは、セッションに属するトラヒックの宛先（クライアント側）のＩＰアドレスである。プロトコルは、トラヒックに利用された通信プロトコルである。図６では、プロトコルが、６、１７、又はそれ以外に分類されている例が示されている。６は、ＴＣＰ（Transmission Control Protocol）を示す。１７は、ＵＤＰ（User Datagram Protocol）を示す。送信元ポート番号は、セッションに属するトラヒックの送信元のポート番号である。宛先ポート番号は、セッションに属するトラヒックの宛先のポート番号である。コンテンツタイプは、セッションにおいてダウンロードされたコンテンツの種別である。コンテンツ長は、セッションにおいてダウンロードされる予定のコンテンツのデータサイズである。送信データ長は、セッションにおいて実際にダウンロードされたコンテンツのデータサイズである。例えば、ダウンロードが完全に終了した場合、コンテンツ長＝送信データ長となるが、ダウンロードが中断された場合、コンテンツ長＞送信データ長となる。

なお、セッションとは、送信元ＩＰアドレス、宛先ＩＰアドレス、プロトコル、送信元ポート番号、及び宛先ポート番号等のパラメータが共通する通信の開始から終了までをいう。元データが、パケット単位のデータであれば、これらのパラメータの共通性に基づいて、セッション単位に事前に集計処理が行われて、入力トラヒックが生成されてもよい。

なお、入力トラヒック記憶部１２１には、推定対象トラヒックと参照用トラヒックとが区別されて記憶されている。各入力トラヒックには、更に、輻輳回線における輻輳の発生期間（以下、「輻輳期間」という。）に属するか否かを示すフラグが付加されていてもよいし、当該輻輳期間を示す情報が別途記憶されていてもよい。

続いて、組成分解部１１では、予め指定される組成分解パターンに従って、入力トラヒック群を重複のない複数の部分集合に分割する（ステップＳ１０２）。部分集合への分割は、推定対象トラヒック群及び参照用トラヒック群ごとに別々に行われる。したがって、推定対象トラヒックと参照用トラヒックとが混在する部分集合は生成されない。

図７は、組成分解部が実行する処理を概念的に示す図である。図７においては、推定対象トラヒック群が、組成分解部１１によって部分集合１〜１０に分割され、参照用トラヒック群が、組成分解部１１によって部分集合１'〜１０'に分割された例が示されている。なお、推定対象トラヒック群に関して生成される部分集合の数と、参照用トラヒック群に関して生成される部分集合の数とは、必ずしも同じであるとは限らない。

組成分解パターンは、入力トラヒックが有するパラメータに関して、（１）対象とするパラメータ、（２）対象とするパラメータの分解の粒度、を示す情報を含む。

例えば、組成分解パターンにおいて、（１）対象とするパラメータが、「送信開始時刻」であり、（２）対象とするパラメータの分解の粒度が、「１分毎の粒度」である場合、送信開始時刻の分単位が同一の入力トラヒック群が一つの集合とされて、入力トラヒック群が重複のない複数の部分集合に分割される。

また、例えば、組成分解パターンにおいて、（１）対象とするパラメータが、「送信元ＩＰアドレス」であり、（２）対象とするパラメータの分解の粒度が、「／２４（ビットマスク表現）の粒度」である場合、送信元ＩＰアドレスの上位２４ｂｉｔが共通する入力トラヒック群が一つの集合とされて、入力トラヒック群が重複のない複数の部分集合に分割される。

組成分解パターンでは、複数の条件が並列又は直列に組み合わされてもよい。並列に組み合わせる例として、（１）「送信開始時刻」を（２）「１分毎の粒度」に分解し、かつ、（１）「送信元ＩＰアドレス」を（２）「／３２の粒度」に分解するという条件の場合には、送信元ＩＰアドレス別で、かつ、１分毎に、入力トラヒックが重複のない複数の部分集合に分割される。

直列に組み合わせる例として、（１）「送信元ＩＰアドレス」を（２）「／３２の粒度」に分解し、その後、（１）「送信データ長」を（２）「１ＧＢ毎の粒度」に分解し、（１）「宛先ＩＰアドレス」を（２）「／３２の粒度」に分解する、という条件の場合には、送信データ長がｘＧＢ以上でｘ＋１ＧＢ未満の送信元ＩＰアドレスについて、宛先ＩＰアドレス毎に、入力トラヒックが重複のない複数の集合に分割される。

続いて、特徴量算出部１２は、組成分解部１１によって生成された部分集合ごとに特徴量を算出する（ステップＳ１０３）。具体的には、ユーザ数、ユーザ毎平均セッション数、平均要求セッションサイズ、及びセッション平均転送率の４種類の統計量が、特徴量として算出される。但し、これらの４種類の特徴量の一部の特徴量又は全部の特徴量を掛け合わせた値が、特徴量として算出されてもよい。

ユーザ数は、部分集合に含まれる各入力トラヒックの宛先ＩＰアドレスの数を数えることで得られる。すなわち、ユーザごとに対応する宛先ＩＰアドレスが異なるという仮定に基づいて、ユーザ数が獲得される。但し、宛先ＩＰアドレスとユーザとのマッピングリストが有れば、当該マッピングリストに基づいて、各入力トラヒックのユーザが識別されてもよい。

ユーザ毎平均セッション数は、部分集合に含まれる入力トラヒックの数（すなわち、セッション数）を上記ユーザ数で除することにより算出される。

平均要求セッションサイズは、部分集合に含まれる各入力トラヒックのコンテンツ長の総和を、当該部分集合に含まれる入力トラヒックの数（すなわち、セッション数）で除することにより算出される。なお、ＨＴＴＰ（HyperText Transfer Protocol）以外の入力トラヒックについては、コンテンツ長の代わりに、送信データ長が用いられる。

セッション平均転送率は、部分集合に含まれる各入力トラヒックの送信データ長の総和を、当該各入力トラヒックのコンテンツ長の総和で除することで算出される。なお、ＨＴＴＰ以外の入力トラヒックについては、送信データ長が、コンテンツ長の総和への加算対象とされる。すなわち、ＨＴＴＰ以外の入力トラヒックについては、セッション平均転送率が１００％であるとして扱われる。

なお、セッション平均転送率の代わりに、重み付きセッション平均転送率が特徴量として利用されてもよい。セッションｉの要求セッションサイズをＭｉ、転送率をＲｉ、全セッション数をＮとしたとき、
セッション平均転送率＝Σｉ（Ｒｉ／Ｎ）
であるのに対し、
重み付きセッション平均転送率＝Σｉ（Ｍｉ×Ｒｉ）／ΣｉＭｉ
である。重み付きセッション平均転送率は、要求セッションサイズと転送率との間の相関が強い場合に有効である。

なお、参照用トラヒックに係る部分集合について算出された特徴量は、特徴量記憶部１２２に記憶される。推定対象トラヒックに係る部分集合について算出された特徴量は、潜在トラヒック量推定部１３に引き渡される。

図８は、特徴量算出部が実行する処理を概念的に示す図である。図８では、推定対象トラヒックに係る部分集合１〜１０について算出された特徴量Ｂ_１〜Ｂ_１０が、潜在トラヒック量推定部１３に引き渡され、参照用トラヒックに係る部分集合１〜１０について算出された特徴量Ｂ'_１〜Ｂ'_１０が、特徴量記憶部１２２に記憶される。なお、特徴量Ｂ_ｎ及び特徴量Ｂ'_ｎ（図８において、ｎは、１〜１０）は、それぞれ、４種類の特徴量を示す。

なお、本実施の形態では、対象とするパラメータを「送信開始時刻」とする条件が、組成分解パターンに含まれている。したがって、少なくとも、「送信開始時刻」が、単位時間ごとに分割された部分集合が生成される。すなわち、時系列の部分集合が生成される。また、推定対象トラヒックに係る部分集合のうち、輻輳期間に属する部分集合には、輻輳期間に属することを示すラベルが付与される。輻輳期間に属する部分集合とは、当該部分集合に属する入力トラヒックの全部又は一部が、輻輳期間に属する部分集合をいう。

続いて、潜在トラヒック量推定部１３は、特徴量記憶部１２２に記憶された、参照用トラヒックに係る各部分集合の特徴量と、特徴量算出部１２から引き渡された、推定対象トラヒックに係る各部分集合の特徴量とに基づき、輻輳期間における、輻輳回線の潜在トラヒック量を推定する（Ｓ１０４）。

例えば、潜在トラヒック量推定部１３は、非輻輳期における、参照用トラヒックに係る各部分集合の特徴量と、非輻輳期における、推定対象トラヒックに係る各部分集合の特徴量とを比較する。潜在トラヒック量推定部１３は、当比較結果が、輻輳期間においても成立すると仮定し、輻輳期間における、参照用トラヒックに係る各部分集合の特徴量を、当該比較結果に当てはめることで、輻輳期間における、推定対象トラヒックに係る各部分集合の特徴量を補正する。潜在トラヒック量推定部１３は、補正された特徴量を積和することにより、潜在トラヒック量を推定する。すなわち、潜在トラヒック量推定部１３は、部分集合ごとに、推定された各特徴量を掛け合わせ、掛け合わせた結果を、単位時間ごとに足し合わせる。その結果、単位時間ごとの（時系列の）輻輳回線の真のトラヒック量が推定される。したがって、当該真のトラヒック量から、輻輳回線の帯域の上限を差し引いた値が、輻輳回線の潜在トラヒック量であると推定される。すなわち、回帰分析を用いて、輻輳期間における、輻輳回線の潜在トラヒック量が推定される。なお、真のトラヒック量とは、潜在トラヒック量を含むトラヒック量をいう。

図９は、潜在トラヒック量推定部１３が実行する処理を概念的に示す図である。図９では、特徴量記憶部１２２に記憶された、参照用トラヒックに係る各部分集合の特徴量Ｂ'_１〜Ｂ'_１０と、特徴量算出部１２から引き渡された、推定対象トラヒックに係る各部分集合の特徴量Ｂ_１〜Ｂ_１０とに基づいて、潜在トラヒック量が推定されている例が示されている。図９に示されているグラフｇ１において、破線の曲線は、輻輳回線の真のトラヒック量の推定値の時系列の推移である。また、破線の曲線が帯域上限を超えている部分、潜在トラヒック量である。

なお、例えば、特徴量の時間推移を利用できない場合には、回帰分析の代わりに、比較分析が用いられて、潜在トラヒック量が推定されてもよい。例えば、参照用トラヒックにおける特徴量の比率に基づき、推定対象トラヒックの輻輳期間における特徴量が補正され、補正された特徴量に基づいて、潜在トラヒック量が推定されてもよい。

また、輻輳による特徴量変化モデルを利用できる場合には、モデル推定によって、潜在トラヒック量が推定されてもよい。例えば、予め与えられるモデル（関数）に基づき、推定対象トラヒックの輻輳期間における特徴量が補正されてもよい。

続いて、ステップＳ１０２〜ステップＳ１０４について、具体例（第１の実施例〜第４の実施例）を説明する。

第１の実施例では、ステップＳ１０２において、入力トラヒック群が、アプリケーション別の部分集合に分割され、更に、アプリケーション別の部分集合が、単位時間ごとの部分集合に分割される。したがって、アプリケーション別に、かつ、単位時間ごとに、推定対象トラヒックに係る部分集合と、参照用トラヒックに係る部分集合とが生成される。単位時間は、入力トラヒックの送信開始時刻に対して適用される。アプリケーションの区別は、入力トラヒックのプロトコル、送信元ポート番号、宛先ポート番号及びコンテンツタイプのそれぞれの値の組み合わせに基づいて行われる。すなわち、これら４つのパラメータの値が一致する入力トラヒックが、アプリケーション別において同じ部分集合に分類される。なお、コンテンツタイプを含まない入力トラヒックについては、コンテンツタイプは、考慮されなくてよい。

ステップＳ１０３では、各部分集合に関して、４種類の特徴量ｕ_ｉ（ｔ）、ｓ_ｉ（ｔ）、ｌ_ｉ（ｔ）、及びｒ_ｉ（ｔ）が算出される。ここで、ｉは、アプリケーションのインデックスである。すなわち、ｉは、部分集合が属するアプリケーションを示す。ｔは、単位時間のインデックスである。また、ｕ、ｓ、ｌ、ｒは、それぞれ、ユーザ数、ユーザ毎平均セッション数、平均要求セッションサイズ、セッション平均転送率を示す。したがって、ｕ_ｉ（ｔ）、ｓ_ｉ（ｔ）、ｌ_ｉ（ｔ）、及びｒ_ｉ（ｔ）の意味は、以下の通りである。
ｕ_ｉ（ｔ）：単位時間ｔにおけるアプリケーションｉ∈Ａ（ｔ）に係る部分集合のユーザ数
ｓ_ｉ（ｔ）：単位時間ｔにおけるアプリケーションｉ∈Ａ（ｔ）に係る部分集合のユーザ毎平均セッション数
ｌ_ｉ（ｔ）：単位時間ｔにおけるアプリケーションｉ∈Ａ（ｔ）に係る部分集合の平均要求セッションサイズ
ｒ_ｉ（ｔ）：単位時間ｔにおけるアプリケーションｉ∈Ａ（ｔ）に係る部分集合のセッション平均転送率
なお、第１の実施例において、上記のＡ（ｔ）は、単位時間ｔにおけるアプリケーションの集合である。

部分集合ごとに特徴量が算出されることにより、図１０に示されるようなデータが特定される。

図１０は、第１の実施例における特徴量の算出によって特定されるデータの一例を示す図である。図１０には、或るアプリケーションｉのユーザ数（ｕ_ｉ（ｔ））の時系列の推移と、当該アプリケーションｉのユーザ毎平均セッション数（ｓ_ｉ（ｔ））の時系列の推移とが示されている。実線の曲線は、当該アプリケーションｉに関する推定対象トラヒックに係る推移であり、破線の曲線は、当該アプリケーションｉに関する参照用トラヒックに係る推移である。すなわち、図１０では、或るアプリケーションｉに関する単位時間ごとの各部分集合のユーザ数、ユーザ毎平均セッション数を時系列順に並べることにより得られるグラフが示されている。

なお、図１０では便宜上省略されているが、ｌ_ｉ（ｔ）及びｒ_ｉ（ｔ）についても、同様のデータが得られる。また、各アプリケーションに関して、同様のデータが特定される。

ステップＳ１０４では、各アプリケーションについて、非輻輳期間における、参照用トラヒックに係る各特徴量と推定対象トラヒックに係る各特徴量との比率（推定対象トラヒックに係る特徴量÷参照用トラヒックに係る特徴量）が回帰分析によって算出される。当該比率を、以下「特徴量比率」という。

図１１は、第１の実施例における特徴量ごとの回帰分析を説明するための図である。図１１では、ユーザ数に関する回帰分析が示されている。図１１に示されるように、回帰分析は、非輻輳期間における特徴量について行われる。図１１の例では、回帰分析の結果として、Ｍ倍であるという特徴量比率（輻輳回線のユーザ数÷非輻輳回線のユーザ数）が得られた例が示されている。

なお、特徴量比率は、ユーザ数以外の特徴量についても算出される。すなわち、特徴量比率は、特徴量ごとに算出される。また、アプリケーションごとに、４種類の特徴量について、特徴量比率が算出される。

また、ステップＳ１０４では、特徴量比率が、輻輳期間においても保たれると仮定し、輻輳期間における参照用トラヒックに係る各特徴量に各特徴量比率を乗じることで、輻輳期間における推定対象トラヒックに係る各特徴量が補正される。以下、特徴量比率が乗ぜられた結果を、「補正特徴量」という。ｕ_ｉ（ｔ）、ｓ_ｉ（ｔ）、ｌ_ｉ（ｔ）、及びｒ_ｉ（ｔ）に対する特徴量比率が、順番に、Ｒ_ｕ、Ｒ_ｓ、Ｒ_ｌ、Ｒ_ｒとすると、各特徴量の補正特徴量ｕ'_ｉ（ｔ）、ｓ'_ｉ（ｔ）、ｌ'_ｉ（ｔ）、及びｒ'_ｉ（ｔ）は、以下の通りである。
ｕ'_ｉ（ｔ）＝ｕ_ｉ（ｔ）×Ｒ_ｕ
ｓ'_ｉ（ｔ）＝ｓ_ｉ（ｔ）×Ｒ_ｓ
ｌ'_ｉ（ｔ）＝ｌ_ｉ（ｔ）×Ｒ_ｌ
ｒ'_ｉ（ｔ）＝ｒ_ｉ（ｔ）×Ｒ_ｒ
但し、ｔは、輻輳期間に属する各単位時間であり、ｕ_ｉ（ｔ）、ｓ_ｉ（ｔ）、ｌ_ｉ（ｔ）、及びｒ_ｉ（ｔ）は、参照用トラヒックに係る特徴量である。

続いて、輻輳期間に属する単位時間ｔごとに、潜在トラヒック量を含む総トラヒック量の推定値が算出される。第１の実施例において、単位時間ｔにおける総トラヒック量Ｖ（ｔ）の算出式は、以下の式（１）の通りである。ここで、「総トラヒック量」とは、アプリケーション別のトラヒック量の総和をいう。

したがって、潜在トラヒック量を含む総トラヒック量の推定値Ｖ'（ｔ）は、上記の式（１）におけるｕ_ｉ（ｔ）、ｓ_ｉ（ｔ）、ｌ_ｉ（ｔ）、ｒ_ｉ（ｔ）のそれぞれに対して、ｕ'_ｉ（ｔ）、ｓ'_ｉ（ｔ）、ｌ'_ｉ（ｔ）、ｒ'_ｉ（ｔ）が代入されることで算出される。

図１２は、第１の実施例における潜在トラヒック量を含む総トラヒック量の推定値の算出結果の一例を示す図である。図１２において、輻輳期間における点線のグラフは、潜在トラヒック量を含むトラヒック量の推定値の時系列の推移を示す。

このように、第１の実施例によれば、アプリケーションごとに輻輳時における特徴量の変化の度合いが異なりうることを考慮して、潜在トラヒック量を含む総トラヒック量を推定し、その結果として、潜在トラヒック量を推定することができる。したがって、第１の実施例は、輻輳等の通信品質の劣化に伴う影響の度合いがアプリケーション毎に異なる場合に特に効果的である。

なお、アプリケーションごとの輻輳時における特徴量の変化の度合いは、アプリケーションの制御に人間が介在しているかどうかに依存する。例えば、ソフトウェアアップデートのように、データのダウンロードが自動的に始まり、自動的に終了する通信においては、通信品質が低下していてもセッション平均転送率には影響を及ぼさない。一方、例えば、人間がリアルタイムに視聴している動画などでは、通信品質の低下に伴う不快感から視聴中止が発生し、セッション平均転送率が低下する可能性が高い。

次に、第２の実施例を説明する。第２の実施例では、非輻輳期間における非輻輳回線の総トラヒック量と非輻輳期間における輻輳回線の総トラヒック量との比率が輻輳期間においても保たれると仮定し、この比率を非輻輳回線の総トラヒック量に乗じることにより、潜在トラヒック量を含む総トラヒック量が推定され、ひいては潜在トラヒック量が推定される。

第２の実施例では、ステップＳ１０２において、入力トラヒック群が、単位時間ごとの部分集合に分割される。したがって、単位時間ごとに、推定対象トラヒックに係る部分集合と、参照用トラヒックに係る部分集合とが生成される。単位時間は、入力トラヒックの送信開始時刻に対して適用される。

ステップＳ１０３では、各部分集合に関して、単位時間あたりの総トラヒック量Ｖ（ｔ）が算出される。総トラヒック量Ｖ（ｔ）は、部分集合ごとに、当該部分集合に属する入力トラヒックの送信データ長の総和を求めることにより得られる。部分集合ごと（単位時間ごと）の総トラヒック量Ｖ（ｔ）が算出されることにより、図１０に示されるようなデータが特定される。

図１３は、第２の実施例における部分集合ごとの総トラヒック量の算出によって特定されるデータの一例を示す図である。図１３には、総トラヒック量の時系列の推移が示されている。実線の曲線は、推定対象トラヒックに係る推移であり、破線の曲線は、参照用トラヒックに係る推移である。すなわち、図１３では、単位時間が異なる各部分集合の総トラヒック量を時系列順に並べることにより得られるグラフが示されている。

ステップＳ１０４では、非輻輳期間における参照用トラヒックに係る総トラヒック量と推定対象トラヒックに係る総トラヒック量との比率（参照用トラヒックに係る総トラヒック量÷参照用トラヒックに係る総トラヒック量）が回帰分析によって算出される。なお、総トラヒック量の比率についても、「特徴量比率」という。総トラヒック量も、トラヒックの特徴量であると考えることが可能であるからである。

図１４は、第２の実施例における総トラヒック量の回帰分析を説明するための図である。図１４に示されるように、回帰分析は、非輻輳期間における総トラヒック量について行われる。図１４の例では、回帰分析の結果として、Ｍ倍であるという特徴量比率（輻輳回線の総トラヒック量÷非輻輳回線の総トラヒック量）が得られた例が示されている。

また、ステップＳ１０４では、特徴量比率が、輻輳期間においても保たれると仮定し、輻輳期間における参照用トラヒックに係る総トラヒック量に特徴量比率を乗じることで、輻輳期間における推定対象トラヒックについて、潜在トラヒック量を含む総トラヒック量が推定される。すなわち、単位時間（ｔ）における、参照用トラヒックに係る総トラヒック量をＶ（ｔ）とし、特徴量比率をＲ_ｖとすると、輻輳回線における潜在トラヒック量を含む総トラヒック量Ｖ'（ｔ）は、以下の通りである。
Ｖ'（ｔ）＝Ｖ（ｔ）×Ｒ_ｖ
図１５は、第２の実施例における潜在トラヒック量を含む総トラヒック量の推定値の算出結果の一例を示す図である。図１５において、輻輳期間における点線のグラフは、潜在トラヒック量を含むトラヒック量の推定値の時系列の推移を示す。

このように、第２の実施例では、部分集合ごとに４種類の特徴量を算出せずに、潜在トラヒック量を含む総トラヒック量が推定されて、その結果として、潜在トラヒック量が推定される。したがって、第２の実施例は、例えば、入力トラヒックが、５分ごとの「総トラヒック量」のみを含むデータである場合のように、入力トラヒックから４種類の特徴量を導出することが困難な場合に特に有効である。

また、第２の実施例は、非輻輳回線及び輻輳回線についてもユーザのトラヒックの利用パターンが同一であり、ユーザのトラヒック利用パターンが、時間によって変化しない場合に好適である。

次に、第３の実施例を説明する。第３の実施例では、非輻輳期間における非輻輳回線のユーザ別の特徴量と非輻輳期間における輻輳回線のユーザ別の特徴量との比率が輻輳期間においても保たれると仮定し、この量比率を非輻輳回線のユーザ別の特徴量に乗じることにより、潜在トラヒック量を含む総トラヒック量が推定される。

第３の実施例では、ステップＳ１０２において、入力トラヒック群が、ユーザ別の部分集合に分割され、各部分集合の送信データ長の総和に基づいて、部分集合が統合される。例えば、送信データ長の総和に対する区分が３つである場合、ユーザ別の部分集合が、３つの部分集合に統合される。統合後の部分集合は、トラヒック量別のユーザの集合（以下、「トラヒック量別グループ」という。）ごとの部分集合となる。更に、トラヒック量別グループごとの部分集合が単位時間ごとの部分集合に分割される。したがって、トラヒック量別グループごとに、かつ、単位時間ごとに、推定対象トラヒックに係る部分集合と、参照用トラヒックに係る部分集合とが生成される。単位時間は、入力トラヒックの送信開始時刻に対して適用される。ユーザの区別は、入力トラヒックの宛先ＩＰアドレスに基づいて行われる。

ステップＳ１０３では、各部分集合に関して、ユーザ数及びユーザ毎平均トラヒック量が算出される。ユーザ数は、部分集合に属する入力トラヒックの宛先ＩＰアドレスの種類の数である。ユーザ毎平均トラヒック量は、ユーザ毎のトラヒック量の平均値であり、部分集合に属する入力トラヒックの送信データ長の総和を、当該部分集合のユーザ数で除することにより算出可能である。なお、或る部分集合のユーザ毎平均トラヒック量は、ユーザ数以外の３つの特徴量である、ユーザ毎平均セッション数、平均要求セッションサイズ、及びセッション平均転送率を掛け合わせた値に等しい。したがって、ユーザ毎平均トラヒック量も、トラヒックの特徴量であるといえる。

部分集合ごとにユーザ数及びユーザ毎平均トラヒック量が算出されることにより、図１６に示されるようなデータが特定される。

図１６は、第３の実施例における部分集合ごとのユーザ数及びユーザ毎平均トラヒック量の算出によって特定されるデータの一例を示す図である。図１６には、或るトラヒック量別グループのユーザ数の時系列の推移と、当該トラヒック量別グループのユーザ毎平均トラヒック量の時系列の推移とが示されている。実線の曲線は、推定対象トラヒックに係る推移であり、破線の曲線は、参照用トラヒックに係る推移である。すなわち、図１６では、或るトラヒック量別グループに関する単位時間ごとの各部分集合のユーザ数、ユーザ毎平均トラヒック量を時系列順に並べることにより得られるグラフが示されている。

ステップＳ１０４では、各トラヒック量別グループについて、非輻輳期間における参照用トラヒックに係るユーザ数と推定対象トラヒックに係るユーザ数との比率（推定対象トラヒックに係るユーザ数÷参照用トラヒックに係るユーザ数）が回帰分析によって算出される。また、各トラヒック量別グループについて、非輻輳期間における参照用トラヒックに係るユーザ毎平均トラヒック量と推定対象トラヒックに係るユーザ毎平均トラヒック量との比率（推定対象トラヒックに係るユーザ毎平均トラヒック量÷参照用トラヒックに係るユーザ毎平均トラヒック量）が回帰分析によって算出される。これらの比率を、以下「特徴量比率」という。

図１７は、第３の実施例における特徴量ごとの回帰分析を説明するための図である。図１７では、ユーザ数に関する回帰分析が示されている。図１７に示されるように、回帰分析は、非輻輳期間における特徴量について行われる。図１７の例では、回帰分析の結果として、Ｍ倍であるという特徴量比率（輻輳回線のユーザ数÷非輻輳回線のユーザ数）が得られた例が示されている。なお、特徴量比率は、ユーザ毎平均トラヒック量についても算出される。

また、ステップＳ１０４では、特徴量比率が、輻輳期間においても保たれると仮定し、輻輳期間における参照用トラヒックに係るユーザ数及びユーザ毎平均トラヒック量に、それぞれの特徴量比率を乗じることで、輻輳期間における推定対象トラヒックに係るユーザ数及びユーザ毎平均トラヒック量が補正される。以下、補正後のユーザ数を、「補正ユーザ数」といい、補正後のユーザ毎平均トラヒック量を、「補正ユーザ毎平均トラヒック量」という。単位時間ｔにおけるトラヒック量別グループｉの補正ユーザ数を、ｕ'_ｉ（ｔ）とし、補正ユーザ毎平均トラヒック量を、ｗ'_ｉ（ｔ）とすると、それぞれは、以下のように算出される。
ｕ'_ｉ（ｔ）＝ｕ_ｉ（ｔ）×Ｒ_ｕ
ｗ'_ｉ（ｔ）＝ｗ_ｉ（ｔ）×Ｒ_ｗ
但し、ｕ_ｉ（ｔ）は、トラヒック量別グループｉの単位時間ｔにおける参照用トラヒックに係るユーザ数、ｗ_ｉ（ｔ）は、トラヒック量別グループｉの単位時間ｔにおける参照用トラヒックに係るユーザ毎平均トラヒック量、Ｒ_ｕは、ユーザ数に係る特徴量比率、Ｒ_ｗは、ユーザ毎平均トラヒック量に係る特徴量比率である。

なお、図１７には、ｕ'_ｉ（ｔ）及びｗ'_ｉ（ｔ）のそれぞれの時系列の推移が、点線によって表現されている。

続いて、輻輳期間に属する単位時間ｔごとに、潜在トラヒック量を含む総トラヒック量の推定値が算出される。第３の実施例において、単位時間ｔにおける総トラヒック量Ｖ（ｔ）の算出式は、以下の式（２）の通りである。ここで、「総トラヒック量」とは、トラヒック量別グループごとのトラヒック量の総和をいう。

なお、式（２）において、Ａ（ｔ）は、単位時間ｔにおけるトラヒック量別グループの集合である。したがって、潜在トラヒック量を含む総トラヒック量の推定値Ｖ'（ｔ）は、上記の式（２）におけるｕ_ｉ（ｔ）、ｗ_ｉ（ｔ）のそれぞれに対して、ｕ'_ｉ（ｔ）、ｗ'_ｉ（ｔ）が代入されることにより算出される。

図１８は、第３の実施例における潜在トラヒック量を含む総トラヒック量の推定値の算出結果の一例を示す図である。図１８において、輻輳期間における点線のグラフは、潜在トラヒック量を含む総トラヒック量の推定値の時系列の推移を示す。

このように、第３の実施例によれば、ユーザによる通信の利用方法の違いによって、輻輳時における特徴量の変化の度合いが異なりうることを考慮して、潜在トラヒック量を含む総トラヒック量を推定することができ、その結果として潜在トラヒック量を推定することができる。なお、ユーザの通信の利用方法の違いとは、例えば、ヘビーユーザとライトユーザとの違いや、固定端末を利用した通信とモバイル端末を利用した通信との違い等である。

なお、第３の実施例は、ユーザあたりのトラヒック利用パターンが同一であり、ユーザあたりのトラヒック利用パターンが時間によって変化しない場合に好適である。また、第３の実施例は、通信品質の低下よって通信を中止（離脱）するユーザの存在や、利用時間の減少、又はスループットの低下等によって、ユーザのトラヒック利用量が減少する場合に好適である。

次に、第４の実施例を説明する。第４の実施例では、非輻輳期間における非輻輳回線のプロトコル別のトラヒック量と非輻輳期間における輻輳回線のプロトコル別のトラヒック量との比率が輻輳期間においても保たれると仮定し、この比率を非輻輳回線のプロトコル別のトラヒック量に乗じることにより、潜在トラヒック量を含む総トラヒック量が推定される。

第４の実施例では、ステップＳ１０２において、入力トラヒック群が、プロトコル別の部分集合に分割され、更に、プロトコル別の部分集合が単位時間ごとの部分集合に分割される。したがって、プロトコルごとに、かつ、単位時間ごとに、推定対象トラヒックに係る部分集合と、参照用トラヒックに係る部分集合とが生成される。単位時間は、入力トラヒックの送信開始時刻に対して適用される。プロトコルの区別は、入力トラヒックのプロトコルの値に基づいて行われる。

ステップＳ１０３では、各部分集合に関して、プロトコル別の単位時間あたりのトラヒック量ｖ_ｉ（ｔ）が算出される。トラヒック量ｖ_ｉ（ｔ）は、部分集合ごとに、当該部分集合に属する入力トラヒックの送信データ長の総和を求めることにより得られる。なお、第４の実施例において、ｉは、プロトコルに対するインデックスである。

ステップＳ１０４では、ＴＣＰに係る非輻輳期間における、参照用トラヒックに係る総トラヒック量と、ＴＣＰに係る推定対象トラヒックに係る総トラヒック量との比率（参照用トラヒックに係る総トラヒック量÷参照用トラヒックに係る総トラヒック量）が、回帰分析によって算出される。なお、当該比率についても、「特徴量比率」という。一方、ＴＣＰ以外のプロトコルについては、特徴量比率は算出されなくてよい。

また、ステップＳ１０４では、ＴＣＰに関しては、特徴量比率が、輻輳期間においても保たれると仮定し、輻輳期間における参照用トラヒックに係るトラヒック量に特徴量比率を乗じることで、輻輳期間における推定対象トラヒックに係るトラヒック量が補正される。特徴量比率が、Ｒ_ｔｃｐであるとすると、潜在トラヒックが考慮されたＴＣＰのトラヒック量ｖ'_ｔｃｐ（ｔ）は、以下の通りである。
ｖ'_ｔｃｐ（ｔ）＝ｖ_ｔｃｐ（ｔ）×Ｒ_ｔｃｐ
但し、ｖ_ｔｃｐ（ｔ）は、参照用トラヒックに係る総トラヒック量である。

一方、ＴＣＰ以外については、輻輳期間における推定対象トラヒックの補正は行われない。これは、輻輳発生時において、ＴＣＰについては輻輳回避機構によりスループットが低下してトラヒック量が減少するが、ＵＤＰ等、その他のプロトコルについては、輻輳の影響を受けにくいとの考えに基づく。

続いて、輻輳期間に属する単位時間ｔごとに、潜在トラヒック量を含む総トラヒック量の推定値が算出される。ここで、単位時間ｔにおける総トラヒック量Ｖ（ｔ）の算出式は、以下の式（３）の通りである。ここで、「総トラヒック量」とは、アプリケーションごとのトラヒック量の総和をいう。

但し、潜在トラヒック量を含む総トラヒック量の推定値Ｖ'（ｔ）は、上記の式（３）におけるｖ_ｉ（ｔ）に対して、ｖ'_ｉ（ｔ）が代入されることで算出される。なお、第４の実施例において、上記のＡ（ｔ）は、単位時間ｔにおけるプロトコルの集合である。

このように、第４の実施例では、輻輳発生時におけるプロトコル別の影響の有無をも考慮して、潜在トラヒック量を含む総トラヒック量を推定することができ、その結果として、潜在トラヒック量が推定される。

なお、第４の実施例は、プロトコルの割合に差異が存在しても、プロトコル別の利用パターンが同一であり、プロトコル別の利用パターンが、時間によって変化しない場合に好適である。

上述したように、本実施の形態によれば、輻輳期間における潜在トラヒック量を推定することができる。また、本実施の形態では、トラヒックが組成分解され（部分集合に分割され）、組成別（部分集合ごと）に特徴量の復元（補正）が行われる。したがって、組成ごとに、輻輳時における影響の度合いが異なりうることを考慮して、潜在トラヒック量を推定することができる。

その結果、ネットワーク事業者が、ボトルネックポイントにおける潜在トラヒック量の推定およびその経路を分析することによって、回線増速やキャッシュ、収容替え、帯域制御といったトラヒック改善施策（設備増設やＮＷ制御等）の効果の見積もりや、影響範囲の評価が可能となり、回線輻輳の解消に必要となる最適な回線設計の実施を支援することができる。

なお、本実施の形態において、輻輳回線は、第１の回線の一例である。非輻輳回線は、第２の回線の一例である。入力トラヒックは、履歴データの一例である。輻輳期間は、第１の期間の一例である。非輻輳期間は、第２の期間の一例である。特徴量算出部１２は、特定部の一例である。潜在トラヒック量推定部１３は、推定部の一例である。組成分解部１１は、分割部の一例である。

以上、本発明の実施例について詳述したが、本発明は斯かる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。

１０ トラヒック推定装置
１１ 組成分解部
１２ 特徴量算出部
１３ 潜在トラヒック量推定部
１００ ドライブ装置
１０１ 記録媒体
１０２ 補助記憶装置
１０３ メモリ装置
１０４ ＣＰＵ
１０５ インタフェース装置
１２１ 入力トラヒック記憶部
１２２ 特徴量記憶部
Ｂ バス

Claims (8)

1. 輻輳が観測された第１の回線における第１のトラヒックの履歴データに基づいて前記第１のトラヒックの特徴量の時系列の推移を特定し、輻輳が観測されていない第２の回線におけるトラヒックの履歴データに基づいて第２のトラヒックの特徴量の時系列の推移を特定する特定部と、
   前記第１の回線において輻輳が観測されていない第１の期間における、前記第１のトラヒックの特徴量の時系列の推移と前記第２のトラヒックの特徴量の時系列の推移との比較結果と、前記第１の回線において輻輳が観測された第２の期間における前記第２のトラヒックの特徴量の時系列の推移とに基づいて、前記第２の期間における前記第１のトラヒックの特徴量を補正し、補正された特徴量に基づいて、前記第２の期間における前記第１のトラヒックのトラヒック量の時系列の推移を推定する推定部と、
   を有することを特徴とするトラヒック推定装置。
2. 前記履歴データのパラメータの値に基づいて、前記第１のトラヒック及び前記第２のトラヒックのそれぞれの履歴データを、前記第１のトラヒック及び前記第２のトラヒックのそれぞれごとに複数の部分集合に分割する分割部を有し、
   前記特定部は、前記第１のトラヒックに係る部分集合ごとに、当該部分集合に属する履歴データに基づいて前記第１のトラヒックの特徴量の時系列の推移を特定し、前記第２のトラヒックに係る部分集合ごとに、当該部分集合に属する履歴データに基づいて前記第２のトラヒックの特徴量の時系列の推移を特定し、
   前記推定部は、前記第１のトラヒックに係る部分集合ごとに、前記第１の期間における前記第１のトラヒックの特徴量の時系列の推移と、当該部分集合と前記パラメータの値が共通する前記第２のトラヒックに係る部分集合に係る前記第２のトラヒックの特徴量の時系列の推移との比較結果とに基づいて、当該第１のトラヒックに係る部分集合の第２の期間における前記第１のトラヒックの特徴量を補正し、部分集合ごとに補正された特徴量に基づいて、前記第２の期間におけるトラヒック量の時系列の推移を推定し、前記第１のトラヒックに係る部分集合ごとに推定されたトラヒック量に基づいて、前記第２の期間における前記第１のトラヒックのトラヒック量の時系列の推移を推定する、
   ことを特徴とする請求項１記載のトラヒック推定装置。
3. 前記特徴量は、前記履歴データに基づいて算出される、ユーザ数、ユーザ毎平均セッション数、平均要求セッションサイズ、及びセッション平均転送率であり、
   前記特定部は、前記特徴量ごとに前記第１のトラヒックに係る時系列の推移と、前記第２のトラヒックに係る時系列の推移とを特定し、
   前記推定部は、前記特徴量ごとに、第１の期間における、前記第１のトラヒックの当該特徴量の時系列の推移と前記第２のトラヒックの当該特徴量の時系列の推移との比較結果と、前第２の期間における前記第２のトラヒックの当該特徴量の時系列の推移とに基づいて、前記第２の期間における前記第１のトラヒックの当該特徴量を補正し、前記特徴量ごとの補正結果に基づいて、前記第２の期間におけるトラヒック量の時系列の推移を推定する、
   ことを特徴とする請求項１又は２記載のトラヒック推定装置。
4. 前記特定部は、前記第１の回線における第１のトラヒックの履歴データに基づいて前記第１のトラヒックのトラヒック量の時系列の推移を特定し、前記第２の回線におけるトラヒックの履歴データに基づいて前記第２のトラヒックのトラヒック量の時系列の推移を特定し、
   前記推定部は、前記第１の期間における、前記第１のトラヒックのトラヒック量の時系列の推移と前記第２のトラヒックのトラヒック量の時系列の推移との比較結果と、前記第２の期間における前記第２のトラヒックのトラヒック量の時系列の推移とに基づいて、前記第２の期間における前記第１のトラヒックのトラヒック量を補正する、
   ことを特徴とする請求項１記載のトラヒック推定装置。
5. 前記分割部は、前記履歴データのパラメータの値に基づいて、前記第１のトラヒック及び前記第２のトラヒックのそれぞれの履歴データを、ユーザ別のトラヒック量に基づいて複数の部分集合に分割し、
   前記特定部は、前記第１のトラヒックに係る部分集合ごとに、当該部分集合に属する履歴データに基づいて当該部分集合のユーザ数及びユーザ毎平均トラヒック量のそれぞれの時系列の推移を特定し、前記第２のトラヒックに係る部分集合ごとに、当該部分集合に属する履歴データに基づいて当該部分集合のユーザ数及びユーザ毎平均トラヒック量のそれぞれの時系列の推移を特定し、
   前記推定部は、前記ユーザ数及び前記ユーザ毎平均トラヒック量を前記特徴量として、前記第２の期間における前記第１のトラヒックのトラヒック量の時系列の推移を推定する、
   ことを特徴とする請求項２記載のトラヒック推定装置。
6. 前記分割部は、前記履歴データのパラメータの値に基づいて、前記第１のトラヒック及び前記第２のトラヒックのそれぞれの履歴データを、プロトコル別の複数の部分集合に分割し、
   前記特定部は、前記第１のトラヒックに係る部分集合ごとに、当該部分集合に属する履歴データに基づいて前記第１のトラヒックのトラヒック量の時系列の推移を特定し、前記第２のトラヒックに係る部分集合ごとに、当該部分集合に属する履歴データに基づいて前記第２のトラヒックのトラヒック量の時系列の推移を特定し、
   前記推定部は、一部のプロトコルに係る部分集合については、前記第１の期間における前記第１のトラヒックのトラヒック量の時系列の推移と、当該部分集合と前記パラメータの値が共通する前記第２のトラヒックに係る部分集合に係る前記第２のトラヒックのトラヒック量の時系列の推移との比較結果とに基づいて、当該第１のトラヒックに係る部分集合の前記第２の期間における前記第１のトラヒックのトラヒック量を補正し、補正されたトラヒック量の時系列の推移と、前記一部のプロトコルを除くプロトコルに係る部分集合について、前記第２の期間に関して前記特定部によって特定された、前記第１のトラヒックのトラヒック量の時系列の推移とに基づいて、前記第２の期間における前記第１のトラヒックのトラヒック量を推定する、
   ことを特徴とする請求項２記載のトラヒック推定装置。
7. コンピュータが、
   輻輳が観測された第１の回線における第１のトラヒックの履歴データに基づいて前記第１のトラヒックの特徴量の時系列の推移を特定し、輻輳が観測されていない第２の回線におけるトラヒックの履歴データに基づいて第２のトラヒックの特徴量の時系列の推移を特定する特定手順と、
   前記第１の回線において輻輳が観測されていない第１の期間における、前記第１のトラヒックの特徴量の時系列の推移と前記第２のトラヒックの特徴量の時系列の推移との比較結果と、前記第１の回線において輻輳が観測された第２の期間における前記第２のトラヒックの特徴量の時系列の推移とに基づいて、前記第２の期間における前記第１のトラヒックの特徴量を補正し、補正された特徴量に基づいて、前記第２の期間における前記第１のトラヒックのトラヒック量の時系列の推移を推定する推定手順と、
   を実行することを特徴とするトラヒック推定方法。
8. 請求項１乃至６いずれか一項記載のトラヒック推定装置が有する全ての各部としてコンピュータを機能させるプログラム。
   

Images