JP5937990B2 - トラヒック分布推定装置、トラヒック分布推定システム、及びトラヒック分布推定方法 - Google Patents

Description

本発明は、通信網上で実施されている動画配信サービスにおいて、サービス加入者一人当たりが発生させているピークトラヒック(一日のうち観測された最大の単位時間トラヒック)の分布を推定するシステムに関する発明である。特に、本発明は、通信網上で観測した過去のサービス加入者当たりのピークトラヒックと、ピークトラヒックに影響を与えるデータ(曜日、祝日、天気、気温)を入力として、サービス加入者当たりにおけるピークトラヒックの分布を算出する技術に関するものである。

通信網上の設備設計をする上で、通信網を流れるトラヒックの特性を分析することが重要となる。特に、Video on Demand(VoD)と呼ばれる動画配信サービスは、ベストエフォートサービスで提供される場合が多いため、ユーザが同時に利用した場合、通信網の帯域が不足して輻輳となり、サービス品質が劣化する。この状態を回避するために、動画配信サービスのトラヒックを確率分布にモデル化することで、ピークトラヒック分布を導出し、ピークトラヒック分布に見合った帯域を用意する方策が考えられる。

トラヒックのモデル化に関する技術として、トラヒックの変動がある確率分布に従うと仮定し、その分布のパラメータを過去に観測したトラヒックデータを基に推定する方法がある（特許文献1、特許文献2）。例えば、トラヒックの変動が正規分布に従うと仮定して、平均値、および、分散値を、過去に観測していたトラヒックデータから推定する技術がある（特許文献1）。また、ピークトラヒックの推定精度を上げるために、過去に観測していた全てのトラヒックデータを用いずに、あらかじめ設定した基準値を超えたトラヒックデータだけを用いて、パレート分布に従うと仮定し、分布のパラメータを推定する技術がある（特許文献2）。

しかし、これらの従来技術では、トラヒックをモデル化するために、過去に観測していたトラヒックデータを基にトラヒック分布を推定している。動画配信サービスでは、ユーザの振舞いによって網内のトラヒックが変化するが、ユーザの振舞いは通信速度や配信コンテンツの内容といった通信網内の情報だけでなく、天候などの自然現象やイベントの発生など通信網外の情報にも依存する。そのため、従来技術を用いて動画配信サービスのトラヒック分布を推定した場合、推定精度が良くなく、ピークトラヒックを過少、または、過大に見積もってしまう可能性が考えられる。

特開２００７−１５８９１７号公報 特開２００４−４８２７６号公報

前述したとおり、動画配信サービスを通信網上で提供する上で、サービス品質の劣化を回避するために、トラヒックをモデル化し、ピークトラヒックを導出したうえで、その値に見合った設備設計を行うことが重要と考えられる。しかし、動画配信サービストラヒックが影響を受ける要素が通信網内の情報だけではないため、従来技術のようにトラヒックデータのみを用いた場合、精度良くトラヒックの分布を推定できず、ピークトラヒックを過少、もしくは、過大に算出する可能性がある。ピークトラヒックを過少に見積もった場合は、帯域不足などによるサービス品質の劣化が生じ、過大に見積もった場合は、必要以上の設備費用を投じてしまう恐れがある。

本発明は上記の点に鑑みてなされたものであり、動画配信サービスのトラヒック分布を推定する際に、自然現象やイベント発生など、通信網外の情報をトラヒックデータに関係づけた上で、トラヒック分布を推定することで、ピークトラヒックの推定精度を高める技術を提供することを目的とする。

上記の課題を解決するために、本発明は、通信網から取得されたトラヒックデータに基づきトラヒック分布の推定を行うトラヒック分布推定装置であって、
外部情報の条件に基づき、トラヒック分布推定に用いるトラヒックデータのフィルタリングを行うトラヒックデータフィルタリング手段と、
前記トラヒックデータフィルタリング手段によりフィルタリングされたトラヒックデータから尤度関数を生成し、当該尤度関数に基づき事後分布を生成する事後分布生成手段と、
前記事後分布生成手段により生成された事後分布に基づき予測分布データを生成する予測分布生成手段と、
前記予測分布生成手段により生成された予測分布データに基づき予測密度関数を生成し、当該予測密度関数から、推定されたトラヒック分布の情報を出力する確率密度計算手段とを備えることを特徴とするトラヒック分布推定装置として構成される。

前記外部情報は、例えば、曜日、祝日の有無、最低気温、最高気温、平均気温、雨の有無、雪の有無、あられの有無、霧の有無などである。

また、本発明は、上記トラヒック分布推定装置、トラヒックデータ取得装置、外部情報取得装置、及びデータ記憶装置を備えるトラヒック分布推定システムであって、
前記トラヒックデータ取得装置が、前記通信網からトラヒックデータを取得して前記データ記憶装置に格納し、前記外部情報取得装置が、所定のネットワークから外部情報を取得して前記データ記憶装置に格納し、
前記トラヒック分布推定装置が、前記データ記憶装置からトラヒックデータ、及び外部情報を入力値として取得し、前記外部情報の条件に基づいてトラヒックデータのフィルタリングを行うことにより、トラヒック分布の推定を行うことを特徴とするトラヒック分布推定システムとして構成してもよい。

また、本発明は、通信網から取得されたトラヒックデータに基づきトラヒック分布の推定を行うトラヒック分布推定装置が実行するトラヒック分布推定方法であって、
外部情報の条件に基づきトラヒック分布推定に用いるトラヒックデータのフィルタリングを行うトラヒックデータフィルタリングステップと、
前記トラヒックデータフィルタリングステップによりフィルタリングされたトラヒックデータから尤度関数を生成し、当該尤度関数に基づき事後分布を生成する事後分布生成ステップと、
前記事後分布生成ステップにより生成された事後分布に基づき予測分布データを生成する予測分布生成ステップと、
前記予測分布生成ステップにより生成された予測分布データに基づき予測密度関数を生成し、当該予測密度関数から、推定されたトラヒック分布の情報を出力する確率密度計算ステップとを備えることを特徴とするトラヒック分布推定方法として構成してもよい。

本発明によれば、動画配信サービスのトラヒック分布を推定する際に、自然現象やイベント発生など、通信網外の情報をトラヒックデータに関係づけた上で、トラヒック分布を推定することで、ピークトラヒックの推定精度を高める技術を提供することが可能となる。

本発明の実施の形態に係るトラヒック分布推定システムの構成図である。 トラヒック分布推定装置３０の内部構成図である。 トラヒックデータフィルタリング部３１の動作を示すフローチャートである。 事後分布生成部３２の動作を示すフローチャートである。 予測分布生成部３３の動作を示すフローチャートである。 確率密度関数計算部３４の動作を示すフローチャートである。 動画配信サービス契約者あたりトラヒック量のヒストグラムを示す図である。 トラヒックデータと外部情報を用いて、トラヒック分布を推定した結果を示す図である。

以下、図面を参照して本発明の実施の形態を説明する。なお、以下で説明する実施の形態は一例に過ぎず、本発明が適用される実施の形態は、以下の実施の形態に限られるわけではない。例えば、以下の実施の形態では、トラヒック分布推定の対象を動画配信サービスとしているが、本発明は、動画配信サービスに限らず、様々なサービスにおいて適用可能である。

（装置構成）
図１に、本発明の実施の形態に係るトラヒック分布推定システムの構成図を示す。図１に示すように、本実施の形態に係るトラヒック分布推定システム１００は、トラヒックデータ取得装置１０、外部情報取得装置２０、トラヒック分布推定装置３０、データ記憶装置４０を有する。また、図示される通信網２００は、動画配信サービスが実施される通信網である。トラヒック分布推定システム１００の動作の概要は以下のとおりである。

トラヒックデータ取得装置１０は、通信網２００に接続し、通信網２００上のトラヒックデータ(単位時間当たりのトラヒック量など)を取得しデータ記憶装置４０に保存する。外部情報取得装置２０は、外部のネットワーク５０に接続し、トラヒックデータに関連する外部情報(天候、気温、曜日、祝日の有無、オリンピックなどの大きなイベントの有無等)を一日単位で取得し、データ記憶装置４０に保存する。

トラヒック分布推定装置３０は、データ記憶装置４０に保存されているトラヒックデータ、外部情報を入力値として取得し、動画配信サービスにおけるトラヒック分布の推定を実施する。トラヒック分布推定後、トラヒック分布を構成するパラメータ情報をデータ記憶装置４０に保存する。通信網２００のオペレータはトラヒック分布推定装置３０を用いて、動画配信サービスのトラヒック分布を推定し、推定したトラヒック分布の確率密度関数、および、累積密度関数を呼び出すことで、トラヒック分布の情報を取得する。つまり、トラヒック分布推定装置３０がトラヒック分布の情報を出力する。データ記憶装置３０は、トラヒックデータ、外部情報、および、トラヒック分布推定装置３０によって推定された、動画配信サービスのトラヒック分布を構成するパラメータ情報を保存する。

図２に、トラヒック分布推定装置３０の内部構成図を示す。図２に示すように、トラヒック分布推定装置３０は、トラヒックデータフィルタリング部３１、事後分布生成部３２、予測分布生成部３３、確率密度関数計算部３４を有する。各機能部の機能概要は以下のとおりである。

トラヒックデータフィルタリング部３１は、外部情報の条件を基にトラヒック分布推定に用いるトラヒックデータのフィルタリングを行う機能を有する。事後分布生成部３２は、フィルタリングされたトラヒックデータから尤度関数を生成し、事前分布を用いて、事後分布を生成する機能を有する。予測分布生成部３３は、推定されたトラヒック分布となる予測分布を、事後分布を基に生成する機能を有する。確率密度関数計算部３４は、確率密度を計算し、トラヒック分布の情報をオペレータに提供する機能を有する。

ここで、本実施の形態におけるデータ記憶装置４０に保存されているトラヒックデータは、1時間単位で観測している動画配信サービス上における契約者あたりトラヒック量と取得時間とし、外部情報は、日毎の、曜日、祝日の有無、最低気温、最高気温、平均気温、雨の有無、雪の有無、あられの有無、霧の有無の情報とする。なお、これらは一例に過ぎない。本発明おいて使用するトラヒックデータや外部情報は、これらに限られるわけではない。また、外部情報は、上記の全部を取得してもよいし、いずれか１つ又は複数を取得してもよい。

本実施の形態におけるトラヒック分布推定装置３０は、例えば、１つ又は複数のコンピュータに、本実施の形態で説明する処理内容を記述したプログラムを実行させることにより実現可能である。すなわち、トラヒック分布推定装置３０の各部が有する機能は、当該トラヒック分布推定装置３０を構成するコンピュータに内蔵されるＣＰＵやメモリ、ハードディスクなどのハードウェア資源を用いて、各部で実施される処理に対応するプログラムを実行することによって実現することが可能である。上記プログラムは、コンピュータが読み取り可能な記録媒体（可搬メモリ等）に記録して、保存したり、配布したりすることが可能である。また、上記プログラムをインターネットや電子メールなど、ネットワークを通して提供することも可能である。

なお、データ記憶装置４０をトラヒック分布推定装置３０内に備えてもよい。その場合、例えば、データ記憶装置４０はトラヒック分布推定装置３０を構成するコンピュータにおける記憶装置（メモリ、ハードディスク等）により実現される。

（装置の動作）
以下、トラヒック分布推定装置３０における各部の処理動作を詳細に説明する。

＜トラヒックデータフィルタリング部３１＞
図３は、トラヒックデータフィルタリング部３１の動作を示すフローチャートである。図３に示す手順に沿って、トラヒックデータフィルタリング部３１の動作を説明する。

トラヒックデータフィルタリング部３１は、例えばオペレータからの指示により処理を開始し、オペレータからトラヒックデータのフィルタリング条件の入力を受ける（ステップ１１）。トラヒックデータフィルタリング部３１は、データ記憶装置４０からトラヒックデータと、外部情報を取得し（ステップ１２）、オペレータから入力された条件に従い、トラヒックデータのフィルタリングを実施する（ステップ１３）（例：最高気温が10℃で、日曜日のトラヒックデータを取得）。

本実施の形態では、フィルタリングの条件として、時間の指定がない場合は、各日に取得されたトラヒックデータのうち(最大で２４個存在する)で最大値をその日のトラヒック量として採用する。トラヒックデータフィルタリング部３１は、フィルタリングされたトラヒックデータをx'として、事後分布生成部３２に渡す。x'= {x'₁, x'₂, ...., x'_n} はn日分の最大トラヒック量(1時間単位)からなるベクトルである。

＜事後分布生成部３２＞
図４は、事後分布生成部３２の動作を示すフローチャートである。図４に示す手順に沿って、事後分布生成部３２の動作を説明する。

事後分布生成部３２はトラヒックデータフィルタリング部３１から、フィルタリングされたトラヒックデータx'を渡されることで処理を開始する。事後分布生成部３２は、x'を受け取り（ステップ２１）、オペレータから尤度関数f(x'|θ)を生成するために必要となる一般的な確率分布P(x, θ)の選択を受ける（ステップ２２）(正規分布、対数正規分布等)。このとき、xは確率変数、θは確率分布Pのパラメータである。事後分布生成部３２は、オペレータにより選択された確率分布P(x, θ)とx'を用いて尤度関数

を算出する（ステップ２３）。

次に事後分布生成部３２は、データ記憶装置４０から事前分布データを取得する（ステップ２４）。事前分布データは、事前分布π(θ)を表すために必要なパラメータ(式の形や、固定値など)である。事前分布データは、事後分布生成部３２の動作前にオペレータによって設定する、もしくは、事前分布データを削除することが可能である。ここで、事前分布データがある場合（ステップ２５のYES）、ステップ２６に進み、事前分布データがない場合（ステップ２５のNo）、ステップ２７に進む。

事前分布データがある場合のステップ２６において、事後分布生成部３２は、事前分布データと尤度関数を用いて、事後分布π(θ|x')=f(x'|θ)π(θ)を算出する。事前分布データがデータ記憶装置４０にない場合であるステップ２７において、事後分布生成部３２は、尤度関数をそのまま事後分布π(θ|x')=f(x'|θ)とする。

次に、事後分布生成部３２は、事後分布π(θ|x')を表すために必要なパラメータ(式の形や、固定値など)を、事前分布データとしてデータ記憶装置４０に上書きし（ステップ２８）、さらに、事後分布データを予測分布生成部３３に渡す（ステップ２９）。

＜予測分布生成部３３＞
図５は、予測分布生成部３３の動作を示すフローチャートである。図５に示す手順に沿って、予測分布生成部３３の動作を説明する。

予測分布生成部３３は事後分布生成部３２から、事後分布データを渡されることで処理を開始する。予測分布生成部３３では、事後分布データを受け取り（ステップ３１）、事後分布π(θ|x')を生成する（ステップ３２）。そして、予測分布生成部３３は、事後分布π(θ|x')を使って、乱数発生による、確率分布Pのパラメータθのサンプリングを行う（ステップ３３）。本実施形態では、パラメータθのサンプリングとしてマルコフチェーン・モンテカルロ法(MCMC法)を用いる。予測分布生成部３３は、サンプリングによって取得した確率分布PのN個のパラメータθ'= {θ'₁, θ'₂, ...., θ'_N} を、予測分布データとしてデータ記憶装置４０に保存する（ステップ３４）。

＜確率密度関数計算部３４＞
図６は、確率密度関数計算部３４の動作を示すフローチャートである。図６に示す手順に沿って、確率密度関数計算部３４の動作を説明する。

確率密度関数計算部３４は、オペレータからの指示によって処理を開始する。オペレータから計算の対象となるxの値が入力される（ステップ４１）。確率密度関数計算部３４では、データ記憶装置４０から予測分布データ(θ')を取得し（ステップ４２）、予測密度関数

を生成する（ステップ４３）。そして、確率密度関数計算部３４は、予測密度関数にオペレータが入力した値xを代入することで得られる確率値を出力する（ステップ４４）。なお、例えば、本システムを最初に実行したときなど、予測分布データが、データ記憶装置４０に保存されていない場合、トラヒック分布推定装置３０による処理を最初から実行するよう(トラヒックデータフィルタリング部３１の実行)に促すエラーを発生するものとする。

（適用例）
上述した処理例を具体的なデータに適用した例を以下に示す。

図７は、動画配信サービス契約者あたりトラヒック量のヒストグラムを示す図である。この図におけるトラヒック量は最大値が100になるよう正規化されている。また、トラヒック量の測定数は約1.5年分(540個)である。このトラヒックデータと、その期間における外部情報を用いて、トラヒック分布を推定した結果を図８に示す。トラヒックデータのフィルタリング条件について、何も指定せずに、一日の最大トラヒック量（１時間単位）を用いることとし、尤度関数に用いる確率分布は対数正規分布を用いた。

（実施の形態のまとめ、効果等）
これまでに説明したように、本実施の形態では、トラヒックデータだけでなく、自然現象やイベント発生の情報を考慮するために、トラヒックデータを天候やイベントの発生条件に応じてフィルタリングし、トラヒック分布推定の入力値として使用する。トラヒック分布の推定には、事前にオペレータから選択された確率分布と、フィルタリングされたトラヒックデータを用いて尤度関数、事後分布を算出していき、最終的なトラヒック分布である予測分布を算出する。

すなわち、本実施の形態に係る技術を用いることで、動画配信サービスにおけるトラヒックのモデル化に際し、過去に観測したトラヒックデータだけでなく、ユーザの振舞いに影響を与える自然現象や、イベント発生の情報をベイズ推定によって関係づけることで、より精度のよいトラヒック分布を推定することができるようになる。

これによって、ピークトラヒックの見積り精度が向上し、動画配信サービスにおけるサービス品質の劣化、および、必要以上の通信網の設備投資を回避する効果があると考えられる。

本発明は、上記の実施の形態に限定されることなく、特許請求の範囲内において、種々変更・応用が可能である。

１０ トラヒックデータ取得装置
２０ 外部情報取得装置
３０ トラヒック分布推定装置
３１ トラヒックデータフィルタリング部
３２ 事後分布生成部
３３ 予測分布生成部
３４ 確率密度関数計算部
４０ データ記憶装置
１００ トラヒック分布推定システム
２００ 通信網

Claims (5)

1. 通信網から取得されたトラヒックデータに基づきトラヒック分布の推定を行うトラヒック分布推定装置であって、
   外部情報の条件に基づき、トラヒック分布推定に用いるトラヒックデータのフィルタリングを行うトラヒックデータフィルタリング手段と、
   前記トラヒックデータフィルタリング手段によりフィルタリングされたトラヒックデータから尤度関数を生成し、当該尤度関数に基づき事後分布を生成する事後分布生成手段と、
   前記事後分布生成手段により生成された事後分布に基づき予測分布データを生成する予測分布生成手段と、
   前記予測分布生成手段により生成された予測分布データに基づき予測密度関数を生成し、当該予測密度関数から、推定されたトラヒック分布の情報を出力する確率密度計算手段と
   を備えることを特徴とするトラヒック分布推定装置。
2. 前記外部情報は、曜日、祝日の有無、最低気温、最高気温、平均気温、雨の有無、雪の有無、あられの有無、霧の有無のうちのいずれか１つ又は複数であることを特徴とする請求項１に記載のトラヒック分布推定装置。
3. 請求項１又は２に記載のトラヒック分布推定装置、トラヒックデータ取得装置、外部情報取得装置、及びデータ記憶装置を備えるトラヒック分布推定システムであって、
   前記トラヒックデータ取得装置が、前記通信網からトラヒックデータを取得して前記データ記憶装置に格納し、前記外部情報取得装置が、所定のネットワークから外部情報を取得して前記データ記憶装置に格納し、
   前記トラヒック分布推定装置が、前記データ記憶装置からトラヒックデータ、及び外部情報を入力値として取得し、前記外部情報の条件に基づいてトラヒックデータのフィルタリングを行うことにより、トラヒック分布の推定を行う
   ことを特徴とするトラヒック分布推定システム。
4. 通信網から取得されたトラヒックデータに基づきトラヒック分布の推定を行うトラヒック分布推定装置が実行するトラヒック分布推定方法であって、
   外部情報の条件に基づきトラヒック分布推定に用いるトラヒックデータのフィルタリングを行うトラヒックデータフィルタリングステップと、
   前記トラヒックデータフィルタリングステップによりフィルタリングされたトラヒックデータから尤度関数を生成し、当該尤度関数に基づき事後分布を生成する事後分布生成ステップと、
   前記事後分布生成ステップにより生成された事後分布に基づき予測分布データを生成する予測分布生成ステップと、
   前記予測分布生成ステップにより生成された予測分布データに基づき予測密度関数を生成し、当該予測密度関数から、推定されたトラヒック分布の情報を出力する確率密度計算ステップと
   を備えることを特徴とするトラヒック分布推定方法。
5. 前記外部情報は、曜日、祝日の有無、最低気温、最高気温、平均気温、雨の有無、雪の有無、あられの有無、霧の有無のうちのいずれか１つ又は複数であることを特徴とする請求項４に記載のトラヒック分布推定方法。

Images