JP6204889B2

JP6204889B2 - 通信エリア推定システム、サーバ装置、通信エリア推定方法及び通信エリア推定プログラム

Info

Publication number: JP6204889B2
Application number: JP2014177445A
Authority: JP
Inventors: 稔猪又; 智明小川; 修一吉野
Original assignee: Nippon Telegraph and Telephone Corp
Current assignee: Nippon Telegraph and Telephone Corp
Priority date: 2014-09-01
Filing date: 2014-09-01
Publication date: 2017-09-27
Anticipated expiration: 2034-09-01
Also published as: JP2016052061A

Description

本発明は、無線の通信エリアを推定する通信エリア推定システム、サーバ装置、通信エリア推定方法及び通信エリア推定プログラムに関する。

近年、無線ＬＡＮ（Local Area Network）などの自営屋内無線通信システムの普及に伴い、隣接アクセスポイント及びその配下の端末との干渉が問題となっている。これらの干渉の軽減には、隣接アクセスポイントの通信エリアへの干渉を回避しつつ、自らのアクセスポイントの適切な通信エリア設計が必要となる。通信エリア設計とは、適切な送信電力の設定とアンテナ設置位置を決定することである。アンテナ設置位置により家具などの遮蔽物によるシャドウイングの影響が大きく変動する宅内環境において、正確に通信エリアを設計するためには、任意のアンテナ設置位置における屋内の伝搬特性を推定する必要がある。屋内の伝搬特性は、平均伝搬損失とシャドウイングの統計的な性質により表される統計モデルを利用して通信エリアを推定する方法がある（例えば、非特許文献１参照）。

図１１は、非特許文献１の方法を適用した従来の通信エリア推定システムを示すブロック図である。また、図１２は、従来の通信エリア推定システムの概念を示す図である。図１１に示すように、従来は、一律に定められた統計モデル（非特許文献１）を利用して、アクセスポイント（ＡＰ）の位置と、アクセスポイントからの距離をパラメータとして受信レベルを推定し、通信エリアを推定していた。これにより、図１２に示す同心円状の通信エリアをマッピングすることができる。しかし、図１２に示すように従来方法では、見通し外環境（図１２に示す三角のエリア）を通信不能と判定してしまう。

"RECOMMENDATION ITU-R P.1238-1 Propagation data and prediction methods for the planning of indoor radiocommunication systems and radio local area networks in the frequency range 900 MHz to 100 GHz"，２００９年１０月

前述したように、非特許文献１に記載の従来手法では、屋内伝搬環境においては、部屋の中の壁、什器などの物体の回折・反射によるマルチパスの影響が、エリアによって大きく変動するため、通信エリア設計に必要な任意の場所の伝搬特性の推定は困難であった。特に、回折・反射によるマルチパス波を考慮しない従来手法は、直接波が遮られるような見通し外環境を通信不能領域と判定してしまうが、実際には、通信可能な領域も存在する。このように、同一エリア内でも伝搬特性が異なる領域が存在するため、一意なモデルでは通信エリア推定誤差が大きいという問題がある。

また、壁、什器などの物体による伝搬変動は建物・部屋ごとに固有であるため、建物・部屋ごとに固有な伝搬特性の推定が必要となる。固有な伝搬特性を精度良く推定する方法として、サイトサーベイがある。サイトサーベイとは、実際の場所で計測用の無線端末を持って、エリア内を移動しながら、電波環境情報を収集することであり、サイトサーベイにおいて十分な精度を満たすデータを取得するには、伝搬解析のスキルをもった専門家が、エリア毎の変動を把握したうえで、データを収集する必要があり、取得者への大きな負担となっていた。

本発明は、このような事情に鑑みてなされたもので、無線通信における通信エリアを高精度で推定することができる通信エリア推定システム、サーバ装置、通信エリア推定方法及び通信エリア推定プログラムを提供することを目的とする。

本発明は、無線端末とサーバ装置とで構成され、前記無線端末の通信エリアを推定する通信エリア推定システムであって、前記無線端末は、前記サーバ装置からの指示に従って、所定の測定範囲内に存在する間、エリア境界で囲まれたエリアごとに受信レベル情報と、自己の位置情報を取得するデータ計測部と、前記受信レベル情報と前記位置情報とを前記サーバ装置に送信するデータ送信部とを備え、前記サーバ装置は、予め論理的に区分けしたエリア情報を記憶する論理エリアデータベースと、実測値を記憶する実測値データベースと、取得した情報をカテゴライズした結果の情報を記憶するカテゴライズデータベースと、前記無線端末から送信された前記位置情報に基づき、前記無線端末の位置を管理し、前記無線端末が通信エリアを推定すべき測定範囲内に入ったときに、前記無線端末に対して、データ取得の指示を送信するデータ取得指示部と、前記指示に応じて、前記無線端末から送信された前記受信レベル情報を受信し、前記論理エリアデータベースに記憶された論理的に区分けしたエリア情報と前記受信レベル情報とを紐付けて前記実測値データベースに記憶するデータ受信部と、前記実測値データベースに記憶された情報を用いて、前記受信レベル情報の特徴量の違いによって前記受信レベル情報をカテゴライズし、カテゴライズ結果を前記カテゴライズデータベースに記憶する学習部と、前記カテゴライズデータベースに記憶された情報を基に各カテゴリに割り当てる無線の伝搬モデルのパラメータを最尤推定するエリア特性判定部と、前記最尤推定したパラメータを基にした各カテゴリの伝搬モデルから無線の通信エリアを推定するエリア推定部とを備えることを特徴とする。

本発明は、前記学習部は、生成すべき伝搬モデルの特性に起因する前記受信レベル情報を軸とした特徴空間上に取得した前記受信レベル情報をマッピングし、該受信レベル情報に紐付いた論理エリア情報を教師情報として学習ベクトル量子化法を用いて、取得した受信レベル情報をカテゴライズし、参照ベクトルの特徴空間上の類似度をもってエリアを分割し、当該参照ベクトルの特徴空間上の位置情報を前記カテゴライズデータベースに記憶することによって前記特徴量の違いによって受信レベル情報をカテゴライズすることを特徴とする。

本発明は、無線端末とサーバ装置とで構成され、前記無線端末の通信エリアを推定する通信エリア推定システムにおける前記サーバ装置であって、予め論理的に区分けしたエリア情報を記憶する論理エリアデータベースと、実測値を記憶する実測値データベースと、取得データをカテゴライズした結果の情報を記憶するカテゴライズデータベースと、前記無線端末から送信された位置情報に基づき、前記無線端末の位置を管理し、前記無線端末が通信エリアを推定すべき測定範囲内に入ったときに、前記無線端末に対して、データ取得の指示を送信するデータ取得指示部と、前記指示に応じて、前記無線端末から送信された受信レベル情報を受信し、前記論理エリアデータベースに論理的に区分けしたエリア情報と前記受信レベル情報とを紐付けて前記実測値データベースに記憶するデータ受信部と、前記実測値データベースに記憶された情報を用いて、前記受信レベル情報の特徴量の違いによって前記受信レベル情報をカテゴライズし、カテゴライズ結果を前記カテゴライズデータベースに記憶する学習部と、前記カテゴライズデータベースに記憶された情報を基に各カテゴリに割り当てる無線の伝搬モデルのパラメータを最尤推定するエリア特性判定部と、前記最尤推定したパラメータを基にした各カテゴリの伝搬モデルから無線の通信エリアを推定するエリア推定部とを備えることを特徴とする。

本発明は、無線端末と、サーバ装置とで構成され、前記無線端末の通信エリアを推定する通信エリア推定システムが行う通信エリア推定方法であって、前記サーバ装置は、予め論理的に区分けしたエリア情報を記憶する論理エリアデータベースと、実測値を記憶する実測値データベースと、取得データをカテゴライズした結果の情報を記憶するカテゴライズデータベースとを備え、前記サーバ装置が、前記無線端末から送信された位置情報に基づき、前記無線端末の位置を管理し、前記無線端末が通信エリアを推定すべき測定範囲内に入ったときに、前記無線端末に対して、データ取得の指示を送信するデータ取得指示ステップと、前記無線端末が、前記サーバ装置からの指示に従って、所定の測定範囲内に存在する間、エリア境界で囲まれたエリアごとに受信レベル情報と、自己の位置情報を取得するデータ計測ステップと、前記無線端末が、前記受信レベル情報と前記位置情報とを前記サーバ装置に送信するデータ送信ステップと、前記サーバ装置が、前記指示に応じて、前記無線端末から送信された前記受信レベル情報を受信し、前記論理エリアデータベースに記憶された論理的に区分けしたエリア情報と前記受信レベル情報とを紐付けて前記実測値データベースに記憶するデータ受信部と、前記サーバ装置が、前記実測値データベースに記憶された情報を用いて、前記受信レベル情報の特徴量の違いによって前記受信レベル情報をカテゴライズし、カテゴライズ結果を前記カテゴライズデータベースに記憶する学習ステップと、前記サーバ装置が、前記カテゴライズデータベースに記憶された情報を基に各カテゴリに割り当てる無線の伝搬モデルのパラメータを最尤推定するエリア特性判定ステップと、前記サーバ装置が、前記最尤推定したパラメータを基にした各カテゴリの伝搬モデルから無線の通信エリアを推定するエリア推定ステップとを有することを特徴とする。

本発明は、前記学習ステップでは、生成すべき伝搬モデルの特性に起因する前記受信レベル情報を軸とした特徴空間上に取得した前記受信レベル情報をマッピングし、該受信レベル情報に紐付いた論理エリア情報を教師情報として学習ベクトル量子化法を用いて、取得した受信レベル情報をカテゴライズし、参照ベクトルの特徴空間上の類似度をもってエリアを分割し、当該参照ベクトルの特徴空間上の位置情報を前記カテゴライズデータベースに記憶することによって前記特徴量の違いによって受信レベル情報をカテゴライズすることを特徴とする。

本発明は、コンピュータを、前記サーバ装置として機能させるための通信エリア推定プログラムである。

本発明によれば、伝搬環境の特性に応じてエリアを細分化し、エリア毎に伝搬モデルのパラメータを推定するようにしたため、無線通信における高精度な通信エリア推定を行うことができるという効果が得られる。

本発明の第１実施形態の構成を示すブロック図である。データ計測部１１から出力されたトレーニングデータセットを実測値データベース３１に記憶した一例を示す図である。図１に示す特徴空間マッピング部２４の動作を示すフローチャートである。図１に示すベクトル学習部２６の処理動作を示すフローチャートである。学習後の参照ベクトルの例を示す図である。通信エリア推定システムの実験で前提とするモデルを示す図である。図１に示すベクトル学習部２６の出力結果を示す図である。図１に示すエリア特性判定部２７の出力結果を示す図である。図１に示すエリア推定部２８の出力結果を示す図である。透過モデルを示す説明図である。非特許文献１の方法を適用した従来の通信エリア推定システムを示すブロック図である。従来の通信エリア推定システムの概念を示す図である。

＜第１実施形態＞
以下、図面を参照して、本発明の第１実施形態による通信エリア推定システムを説明する。図１は同実施形態の構成を示すブロック図である。この図において、符号１は、ユーザが使用する無線端末（以下、単に端末と称する）である。符号２は、通信エリアの推定を行うサーバである。端末１は、データ計測部１１とデータ送信部１２を備える。サーバ２は、端末位置監視部２１、データ取得指示部２２、データ受信部２３、特徴空間マッピング部２４、初期値生成部２５、ベクトル学習部２６、エリア特性判定部２７、エリア推定部２８、端末位置データベース２９、論理エリアデータベース３０、実測値データベース３１及びカテゴライズデータベース３２を備える。

端末位置監視部２１とデータ取得指示部２２とデータ受信部２３は、取得部３３を構成する。特徴空間マッピング部２４と初期値生成部２５とベクトル学習部２６は、学習部３４を構成する。エリア特性判定部２７とエリア推定部２８は、推定部３５を構成する。図１に示す通信エリア推定システムでは、ユーザの端末１とサーバ２とを連携させ、取得データに論理的なエリア情報を教師情報として割り当てることが特徴である。

次に、図１に示す通信エリア推定システムの取得部３３の動作について説明する。ここでは、伝搬モデルとしてＩＴＵ−Ｒに記載の統計モデルを前提とする。統計モデルを（１）式に示す。

ここで、Ｌ_{ｔｏｔａｌ}は減衰量、Ｎは減衰率、ｆは周波数（ＭＨｚ）、ｄは基地局と端末間の距離（ｍ）［ｄ＞１ｍ］、Ｌ_ｆは透過減衰率（ｄＢ）、ｎは基地局（アクセスポイント）と端末間の階数（ｎ≧１）である。

まず、端末位置監視部２１は、端末位置データベース２９を参照して、端末１の端末位置を取得し、端末１が通信エリアを推定すべき測定範囲Ａ内に入ったとき、取得開始トリガをデータ取得指示部２２に出力する。データ取得指示部２２は、端末１のデータ計測部１１に対してデータ取得の指示を行う。

これを受けて、端末１のデータ計測部１１は、サーバ２のデータ取得指示部２２の指示に従って、受信レベル、位相、スループット、センサ情報、信号対雑音電力比、距離減衰量、遅延プロファイル、到来波方向のいずれかの情報と、自身の位置情報を取得する。遅延プロファイルは、受信信号と既知信号とを相関演算する手法、または周波数スペクトルから逆離散フーリエ変換する手法によって得ることができ、これから遅延スプレッドを算出することができる（例えば、参考文献１参照）。
参考文献１：柴田考基，“ＯＦＤＭ伝送における遅延プロファイル推定法”,映像情報メディア学会誌，Vol.60,No.10,pp.1672-1680,2006．

また、スループット測定には、スループット解析ツールを用いて、送信側の端末１からＵＤＰ／ＴＣＰトラヒックを発生させ、受信側のスループットを測定する。また、アレーアンテナを用いて到来方向分布を推定してもよい。また、端末１のデータ送信部１２は、データ計測部１１で取得したデータをサーバ２のデータ受信部２３に送信し、位置情報をサーバ２の端末位置データベース２９に記憶する。

サーバ２は、データ受信部２３によって端末１から取得データを受信し、エリアごとの特性に応じた細分化をするために、論理エリアデータベース３０が保持する論理的なエリア情報（見通し内外、壁際といった場所の名前）を教師情報として紐付けて、実測値データベース３１にトレーニングデータセットを記憶する。図２は、データ計測部１１から出力されたトレーニングデータセットを実測値データベース３１に記憶した一例を示す図である。図２において、送信局は無線ＬＡＮ端末であっても、センサ端末であってもよい。

次に、図１に示す学習部３４の動作について説明する。学習部３４において、特徴空間マッピング部２４は、実測値データベース３１の情報に基づき、環境側の情報として端末１が取得可能なデータを軸とした特徴空間にマッピングする。特徴空間の選択は、全組み合わせ行ってもよいし、ユーザが手入力で選択して、特徴空間を決定してもよい。

図３は、特徴空間マッピング部２４の動作を示すフローチャートである。特徴空間マッピング部２４は、選択したベクトル（入力ベクトル）ごとにデータを蓄積し（ステップＳ１）、蓄積されたデータの相対値を算出して（ステップＳ２）正規化し、特徴空間にマッピングする（ステップＳ３）。相対値は、最大値と最小値を用いて算出するか、平均値と標準偏差を用いて算出する。すなわち、相対値Ｖ’は（２）式もしくは（３）式を用いて算出する。入力ベクトルをＶ、最小値をＶ_ｍｉｎ、最大値をＶ_ｍａｘ、平均値をＶ￣（￣はＶの上に付く）、標準偏差をσとする。

学習によって特徴空間をカテゴライズする方法として、ＬＶＱ（学習ベクトル量子化、ＬｅａｎｉｎｇＶｅｃｔｏｒＱｕａｎｔｉｚａｔｉｏｎ）がある。ＬＶＱは、入力されたデータセットをベクトルとして扱い、ベクトルの各要素の値を軸とした特徴空間にプロットし、エリアを参照ベクトルによって代表させることによって、特徴空間を入力ベクトルに割り当てられた論理エリア情報によって細分化するための最適な境界線を引く手法である。この操作は、理論的に最適なエリアの識別境界であるベイズ識別境界を形成することが証明されている（例えば、参考文献２参照）。
参考文献２：T.kohonen, GBarna, and R.Chrisley,”Statistical pattern recognition with neural networks”, Proc. ICNN, val.Ｉ,pp.62-68, 1988

次に、初期値生成部２５は、参照ベクトルの初期値としてトレーニングデータと同じ要素で、ランダム値を出力する。ベクトル学習部２６は、カテゴライズ型の機械学習を用いてエリアを代表する参照ベクトルの重心位置を推定する。図４は、図１に示すベクトル学習部２６の処理動作を示すフローチャートである。ここで、入力ベクトルをＶ_ｎとし、参照ベクトルをＷ_ｍとする。まず、学習ステップが開始されると（ステップＳ１１）、ベクトル学習部２６は、各入力ベクトルの反復処理を行う（ステップＳ１２）。ベクトル学習部２６は、入力ベクトルＶ_ｎについて最も近い参照ベクトルＷ_ｍ（ｍ＝１，…，Ｍ）を（４）式のユークリッド距離式を用いて探索する（ステップＳ１３）。ここで、ｔは学習ステップ数を示す。

次に、ベクトル学習部２６は、入力ベクトルと探索した参照ベクトルのカテゴリが同じか否かを判定し（ステップＳ１４）、探索したＷ_ｍとＶ_ｎに割り当てられた論理エリア情報を比較して同じ場合には、（５）式を用いてＷ_ｍをＶ_ｎに近づけ（ステ婦Ｓ１５）、異なる場合には、（６）式を用いてＷ_ｍとＶ_ｎを遠ざける（ステップＳ１６）。α（ｔ）は学習ステップ数に応じて減少する単調減少関数であり、線形な関数を用いる場合は、（７）式のように定義される。α_０は初期学習率であり、０＜α_０＜１を満たし、ｌ_ｍａｘは予め設定した最大学習回数である。

次に、ベクトル学習部２６は、すべての入力ベクトル（ｎ＝１，…，Ｎ）に対して参照ベクトルの移動を繰り返した後、参照ベクトルの論理エリア情報を再設定する（ステップＳ１７）。再設定の方法は、すべての入力ベクトルが最も近い参照ベクトルを探索して、各参照ベクトルは入力ベクトルに探索された数をエリアごとに集計し、最も多い入力ベクトルに探索された論理エリア情報をその参照ベクトルに割り当てる。

参照ベクトルの移動と、参照ベクトルの論理エリア情報の再設定を１回の反復処理として予め設定した最大学習数だけ反復させる。図５は、学習後の参照ベクトルの例を示す図である。図５に示すように、選択した特徴空間ごとに参照ベクトルと論理エリア情報が出力され、カテゴライズデータベース３２に記憶する。

次に、図１に示す３５推定部の動作について説明する。エリア特性判定部２７は、各入力ベクトルと最も近い参照ベクトルを探索して、入力ベクトルに参照ベクトルと同じ論理エリア情報を割り当てる。エリアごとに、端末位置データベース２９から送受信端末位置、カテゴライズデータベース３２から受信レベルを抽出して、伝搬距離ｄ、受信レベルＲＳＳＩを入力として、（８）式の評価関数を満たす電力損失係数ａと固定定数ｂとの組合せの中で、評価関数を最小とする組合せを選択する。Ｉは利用したデータ数である。

次に、エリア推定部２８は、アクセスポイントの絶対位置、アクセスポイントからの距離及びエリア特性判定部２７においてエリアごとに得られた距離と受信レベルの関係式を算出し、対象とする無線機器の通信エリアを推定する。エリアごとに算出した電力損失係数ａを（１）式の減衰率とし、固定定数ｂを（１）式の周波数による損失と透過減衰率と定数項とし、アクセスポイントの絶対位置からの伝搬損失を算出して、機器ごとの受信レベルのマップを算出する。

この実施過程は、エリア特性判定部２７においてカテゴライズデータベース３２の時刻が異なる参照ベクトル群を比較してエリア正答率（％）を算出し、正答率に基づき論理エリアデータベース３０を更新する反復過程を備えることによって、論理エリア情報を動的に設定してもよい。エリア正答率の算出過程は、論理エリアデータベース３０で定めた測定範囲ごとに基準とする時刻で得られた参照ベクトルの論理エリア情報と別の時刻で得られた論理エリア情報とを比較して、論理エリア情報が一致する割合を正答率として算出する。

図６は、通信エリア推定システムの実験で前提とするモデルを示す図である。本実験では、エリアの境界を壁面と定義し、学習部３４においてエリア１、２、４、５に設置したアクセスポイント（ＡＰ１〜ＡＰ４）の各受信レベルを軸とした特徴空間上にマッピングし、エリアを代表する参照ベクトルの重心位置を推定し、エリアごとの正答率を算出した。図７は、前述の通信エリア推定システムの実験結果であって、ベクトル学習部２６の出力結果を示す図である。また、図８は、第１実施形態による通信エリア推定システムの実験結果であって、エリア特性判定部２７の出力結果を示す図である。図９は、エリア推定部２８の出力結果を示す図である。

図７から、学習部３４のベクトル学習部２６によってエリアを代表する参照ベクトルが算出され、カテゴリを分ける識別境界が推定できることが分かる。図９には、エリアごとにアクセスポイント３（ＡＰ３）の絶対位置からの距離と受信レベルの関係を示す。実測値を○、×、□、△、＋で示しており、エリアごとの推定値を線で示している。このとき、推定した参照ベクトルを用いて、エリアごとの伝搬モデルのパラメータを推定し、細分化したエリアごとに受信レベルを推定できるため、精度が向上する。

＜第２実施例形態＞
次に、本発明の第２実施形態による通信エリア推定システムを説明する。本実施形態では、建材の透過損失を精度良く推定するために、伝搬モデルとしてフレネルの透過係数を前提とする。透過係数は、建材の壁面が波長に比べて十分に大きいと仮定すれば、図１０に示すように媒質１と媒質３に挟まれた有限の厚さｄをもつ媒質２に平面波がθの入射角度で斜入射したときのフレネル透過係数を利用して（９）式、（１０）式で計算される。図１０は、透過モデルを示す説明図である。

ここで、ｎ_１２は媒質１と媒質２の比複素屈折率、λ_１は媒質１内の波長、ε_１は媒質１内の誘電率、ε_２は媒質２内の誘電率、μ_１は媒質１内の透磁率、μ_２は媒質２内の透磁率、σ_１は媒質１内の導電率、σ_２は媒質２内の導電率、ωは角周波数、βは厚さｄ及び媒質１内の波長λの関数である。また、ｔ_１２は媒質１から媒質２に入射波が透過する場合のフレネルの透過係数であり、ｔ_２３は媒質２から媒質３に入射波が透過する場合のフレネルの透過係数であり、媒質１から媒質２に透過する場合のｔ_‖（ＴＥ入射）、ｔ_⊥（ＴＭ入射）は以下のようにあらわされる。

（１１）式は、ＴＥ入射時のフレネル透過係数ｔ_１２を示しており、（１２）式は、ＴＭ入射時のフレネル透過係数ｔ_１２を示している。ｔ_２３についても、添え字を入れ替えることで得られる。このとき、媒質２と媒質３の比複素屈折率をｎ_２３、媒質２内の波長をλ_２とする。

同様に、媒質１から媒質２に透過する場合の反射係数ｒ_‖（ＴＥ入射）、ｒ_⊥（ＴＭ入射）は以下のようにあらわされる。

（１３）式は、ＴＥ入射時の反射係数ｒ_１２を示しており、（１４）式は、ＴＭ入射時の反射係数ｒ_１２を示している。ｒ_２３についても、添え字を入れ替えることで得られる。
（１１）式、（１２）式、（１３）式、（１４）式を（９）式に代入することで、図１０の透過モデルにおける偏波ごとの透過特性を計算できる。

本実施形態では、伝搬モデルのパラメータの最尤解を推定する過程が異なる。よって、推定部３５の動作について説明する。エリア特性判定部２７は、各入力ベクトルと最も近い参照ベクトルを探索して、入力ベクトルに参照ベクトルと同じ論理エリア情報を割り当てる。エリアごとに、利用周波数、送受信端末位置、透過減衰量を抽出して、入射角度θ、透過減衰量Ｔ_{Ｍｅａｓｕｒｅ}（ｄＢ）を入力とし、（１５）式の評価関数を満たす比透磁率μ、比誘電率ε、導電率σ、厚さｄとの組合せの中で、評価関数を最小とする組合せを選択する。Ｉは利用したデータ数である。

エリア推定部２８は、アクセスポイントの絶対位置、アクセスポイントからの距離及びエリア特性判定部２７でエリアごとに得られた入射角度と減衰量の関係式を算出し、対象とする無線機器の建材近傍の通信エリアを推定する。エリアごとに算出した比透磁率と比誘電率と導電率と厚さから（９）式を算出し、アクセスポイントからの距離から自由伝搬減衰量を算出し、建材近傍の受信レベルのマップを算出する。

このように、サーバ２が、ユーザの携帯する端末１の位置を管理し、端末１が所望の測定範囲内に存在する時に、この端末１にデータの取得を指示し、端末１からこの指示に従って取得されたアクセスポイントからの無線信号の受信レベル情報と端末１の位置情報を含むデータを受信し、受信したデータを論理エリア情報と対応付けて３１実測値データベースに蓄積し、実測値データベース３１に蓄積されたデータを特徴量の違いによりカテゴライズしてカテゴライズデータベース３２に蓄積し、カテゴライズデータベース３２に蓄積されたデータに基づいて各カテゴリに対応する無線伝搬モデルのパラメータを最尤推定し、最尤推定したパラメータに基づいて無線通信エリアを推定するようにした。

この構成によれば、エリアを伝搬環境の特性に応じて細分化し、該エリアごとの無線伝搬モデルのパラメータを推定することができ、無線通信エリア推定の精度を向上することが可能となる。

以上説明したように、カテゴライズ型の機械学習により、伝搬環境の特性に応じてエリアを細分化し、エリア毎に伝搬モデルのパラメータを推定することによって、高精度な通信エリア推定行うことができる。さらには、サーバ２とユーザの端末１とを連携させ、機械学習に必要な情報として、端末が取得した情報へサーバが論理的なエリア情報を位置情報から紐づけることによって、簡易なサイトサーベイを行うことができる。

この構成によれば、サーバ２とユーザの端末１とを連携させ、端末１が取得した情報へサーバ２が論理的なエリア情報を教師情報として紐付けることによって、カテゴライズ型の機械学習が適用できるようになる。さらに、カテゴライズ型の機械学習により、無線伝搬特性のトポロジとして取得可能なデータを軸として特徴空間にマップ化し、伝搬環境の特性に応じてエリアを細分化し、伝搬モデルのパラメータを推定することによって、エリアごとのモデル化が可能になるため、通信エリア推定精度を向上することができる。

前述した実施形態における端末１、サーバ２の機能をコンピュータで実現するようにしてもよい。その場合、この機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することによって実現してもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含んでもよい。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであってもよく、ＰＬＤ（Programmable Logic Device）やＦＰＧＡ（Field Programmable Gate Array）等のハードウェアを用いて実現されるものであってもよい。

以上、図面を参照して本発明の実施の形態を説明してきたが、上記実施の形態は本発明の例示に過ぎず、本発明が上記実施の形態に限定されるものではないことは明らかである。したがって、本発明の技術思想及び範囲を逸脱しない範囲で構成要素の追加、省略、置換、その他の変更を行ってもよい。

カテゴライズ型の機械学習により、伝搬環境の特性に応じてエリアを細分化し、エリア毎に伝搬モデルのパラメータを推定することによって、高精度な通信エリア推定を行うことが不可欠な用途にも適用できる。

１・・・端末、１１・・・データ計測部、１２・・・データ送信部、２・・・サーバ、２１・・・端末位置監視部、２２・・・データ取得指示部、２３・・・データ受信部、２４・・・特徴空間マッピング部、２５・・・初期値生成部、２６・・・ベクトル学習部、２７・・・エリア特性判定部、２８・・・エリア推定部、２９・・・端末位置データベース、３０・・・論理エリアデータベース、３１・・・実測値データベース、３２・・・カテゴライズデータベース、３３・・・取得部、３４・・・学習部、３５・・・推定部

Claims

無線端末とサーバ装置とで構成され、前記無線端末の通信エリアを推定する通信エリア推定システムであって、
前記無線端末は、
前記サーバ装置からの指示に従って、所定の測定範囲内に存在する間、エリア境界で囲まれたエリアごとに受信レベル情報と、自己の位置情報を取得するデータ計測部と、
前記受信レベル情報と前記位置情報とを前記サーバ装置に送信するデータ送信部とを備え、
前記サーバ装置は、
予め論理的に区分けしたエリア情報を記憶する論理エリアデータベースと、
実測値を記憶する実測値データベースと、
取得した情報をカテゴライズした結果の情報を記憶するカテゴライズデータベースと、
前記無線端末から送信された前記位置情報に基づき、前記無線端末の位置を管理し、前記無線端末が通信エリアを推定すべき測定範囲内に入ったときに、前記無線端末に対して、データ取得の指示を送信するデータ取得指示部と、
前記指示に応じて、前記無線端末から送信された前記受信レベル情報を受信し、前記論理エリアデータベースに記憶された論理的に区分けしたエリア情報と前記受信レベル情報とを紐付けて前記実測値データベースに記憶するデータ受信部と、
前記実測値データベースに記憶された情報を用いて、前記受信レベル情報の特徴量の違いによって前記受信レベル情報をカテゴライズし、カテゴライズ結果を前記カテゴライズデータベースに記憶する学習部と、
前記カテゴライズデータベースに記憶された情報を基に各カテゴリに割り当てる無線の伝搬モデルのパラメータを最尤推定するエリア特性判定部と、
前記最尤推定したパラメータを基にした各カテゴリの伝搬モデルから無線の通信エリアを推定するエリア推定部とを備える
ことを特徴とする通信エリア推定システム。
前記学習部は、
生成すべき伝搬モデルの特性に起因する前記受信レベル情報を軸とした特徴空間上に取得した前記受信レベル情報をマッピングし、該受信レベル情報に紐付いた論理エリア情報を教師情報として学習ベクトル量子化法を用いて、取得した受信レベル情報をカテゴライズし、参照ベクトルの特徴空間上の類似度をもってエリアを分割し、当該参照ベクトルの特徴空間上の位置情報を前記カテゴライズデータベースに記憶することによって前記特徴量の違いによって受信レベル情報をカテゴライズすることを特徴とする請求項１に記載の通信エリア推定システム。
無線端末とサーバ装置とで構成され、前記無線端末の通信エリアを推定する通信エリア推定システムにおける前記サーバ装置であって、
予め論理的に区分けしたエリア情報を記憶する論理エリアデータベースと、
実測値を記憶する実測値データベースと、
取得データをカテゴライズした結果の情報を記憶するカテゴライズデータベースと、
前記無線端末から送信された位置情報に基づき、前記無線端末の位置を管理し、前記無線端末が通信エリアを推定すべき測定範囲内に入ったときに、前記無線端末に対して、データ取得の指示を送信するデータ取得指示部と、
前記指示に応じて、前記無線端末から送信された受信レベル情報を受信し、前記論理エリアデータベースに論理的に区分けしたエリア情報と前記受信レベル情報とを紐付けて前記実測値データベースに記憶するデータ受信部と、
前記実測値データベースに記憶された情報を用いて、前記受信レベル情報の特徴量の違いによって前記受信レベル情報をカテゴライズし、カテゴライズ結果を前記カテゴライズデータベースに記憶する学習部と、
前記カテゴライズデータベースに記憶された情報を基に各カテゴリに割り当てる無線の伝搬モデルのパラメータを最尤推定するエリア特性判定部と、
前記最尤推定したパラメータを基にした各カテゴリの伝搬モデルから無線の通信エリアを推定するエリア推定部と
を備えることを特徴とするサーバ装置。
無線端末と、サーバ装置とで構成され、前記無線端末の通信エリアを推定する通信エリア推定システムが行う通信エリア推定方法であって、
前記サーバ装置は、
予め論理的に区分けしたエリア情報を記憶する論理エリアデータベースと、
実測値を記憶する実測値データベースと、
取得データをカテゴライズした結果の情報を記憶するカテゴライズデータベースとを備え、
前記サーバ装置が、前記無線端末から送信された位置情報に基づき、前記無線端末の位置を管理し、前記無線端末が通信エリアを推定すべき測定範囲内に入ったときに、前記無線端末に対して、データ取得の指示を送信するデータ取得指示ステップと、
前記無線端末が、前記サーバ装置からの指示に従って、所定の測定範囲内に存在する間、エリア境界で囲まれたエリアごとに受信レベル情報と、自己の位置情報を取得するデータ計測ステップと、
前記無線端末が、前記受信レベル情報と前記位置情報とを前記サーバ装置に送信するデータ送信ステップと、
前記サーバ装置が、前記指示に応じて、前記無線端末から送信された前記受信レベル情報を受信し、前記論理エリアデータベースに記憶された論理的に区分けしたエリア情報と前記受信レベル情報とを紐付けて前記実測値データベースに記憶するデータ受信部と、
前記サーバ装置が、前記実測値データベースに記憶された情報を用いて、前記受信レベル情報の特徴量の違いによって前記受信レベル情報をカテゴライズし、カテゴライズ結果を前記カテゴライズデータベースに記憶する学習ステップと、
前記サーバ装置が、前記カテゴライズデータベースに記憶された情報を基に各カテゴリに割り当てる無線の伝搬モデルのパラメータを最尤推定するエリア特性判定ステップと、
前記サーバ装置が、前記最尤推定したパラメータを基にした各カテゴリの伝搬モデルから無線の通信エリアを推定するエリア推定ステップと
を有することを特徴とする通信エリア推定方法。
前記学習ステップでは、
生成すべき伝搬モデルの特性に起因する前記受信レベル情報を軸とした特徴空間上に取得した前記受信レベル情報をマッピングし、該受信レベル情報に紐付いた論理エリア情報を教師情報として学習ベクトル量子化法を用いて、取得した受信レベル情報をカテゴライズし、参照ベクトルの特徴空間上の類似度をもってエリアを分割し、当該参照ベクトルの特徴空間上の位置情報を前記カテゴライズデータベースに記憶することによって前記特徴量の違いによって受信レベル情報をカテゴライズすることを特徴とする請求項４に記載の通信エリア推定方法。
コンピュータを、請求項３に記載のサーバ装置として機能させるための通信エリア推定プログラム。