JP6390167B2 - 通信スループット予測装置、通信スループット予測方法、及び、プログラム - Google Patents

Description

本発明は、通信スループットを予測する通信スループット予測装置、通信スループット予測方法、及び、そのためのプログラムに関する。

クラウドサービスの普及により、インターネットやモバイルネットワークなどの通信ネットワークを介した通信量が増加している。通信ネットワークでは、主にベストエフォート型で通信サービスが提供される。しかし、クロストラヒックや電波状態によって、単位時間あたりに転送（伝送）されるデータサイズ（データの量）である通信スループットが激しく変動しうる。このため、例えば、サービス事業者側で、通信スループットを予測して事前に対策を行う必要があり、このような通信スループットを予測する通信スループット予測装置が開発されている。

この種の通信スループット予測装置の一つとして、特許文献１に記載されている予測装置がある。この予測装置は、過去の時系列データから数学モデル（線形・非線形混合モデル）のモデルパラメータを決定し、当該数学モデルに基づいて予測値を算出する。

また、別の通信スループット予測装置の一つとして、非特許文献１に記載されている通信スループット予測装置がある。この予測装置は、通信スループットの変動過程（定常過程／非定常過程）を判別し、かかる判別結果の履歴に基づいて、定常過程モデルと非定常過程モデルを混合した混合モデルを構築する。また、その予測装置は、当該混合モデルに基づいて未来の通信スループットの確率分布（確率密度関数）を算出し、かかる確率密度関数から未来の通信スループットの確率的な広がり（確率的拡散）を算出する。

特開２０１０−１２２８２５号公報

吉田裕志、里田浩三、「アプリケーションレベルでのＴＣＰスループットの定常性解析と予測モデル構築」、信学技報、ｖｏｌ．１１２、ｎｏ．３５２、ＩＮ２０１２−１２８、ｐｐ．３９−４４、２０１２年１２月

ところで、インターネットやモバイルネットワークなどでの通信には、その通信プロトコルとしてＴＣＰ（Ｔｒａｎｓｍｉｓｓｉｏｎ Ｃｏｎｔｒｏｌ Ｐｒｏｔｏｃｏｌ）が用いられることが多い。ＴＣＰ通信における通信スループットは、ネットワーク状態（例えば、エンド・ツー・エンド遅延、パケットロス、クロストラヒック、及び無線通信における電波強度など）によって、時々刻々変動する。

このような状況に対して、上記特許文献１に記載されている予測装置は、過去の時系列データから数学モデル（線形・非線形混合モデル）のモデルパラメータを決定し、当該数学モデルに基づいて予測値を算出する。また、上記非特許文献１の予測装置は、上述のように時々刻々変動する通信スループットの変動過程（定常過程／非定常過程）を、観測された過去の通信スループットの時系列データに基づいて判別する。さらに、その予測装置は、観測された過去の通信スループットの時系列データ及び判別履歴に基づいて、定常過程モデルと非定常過程モデルを混合した混合モデルを構築する。したがって、非特許文献１に記載されている予測装置によれば、当該混合モデルに基づいて未来の通信スループットの確率分布（確率密度関数）を予測することができる。すなわち、上記の予測装置は、ネットワーク状態の変動による通信スループットの変動を予測することができる。

ところで、ＴＣＰ通信における通信スループットの時系列データを取得した場合、通信開始からある程度の期間はＴＣＰの過渡特性の影響が当該時系列データに含まれる。すなわち、ネットワーク状態が変動していないにも関わらず、ＴＣＰの過渡特性の影響によって、時系列データに変動が生じる。

このとき、上記のいずれの予測装置もＴＣＰの過渡特性を考慮していないため、時系列データの変動から未来の通信スループットの変動を予測する場合、ネットワーク状態の変動と認識し、予測精度が低下する問題がある。

このため、本発明の目的は、上述した課題である、ＴＣＰの過渡特性を考慮することによって通信スループットの予測精度を高めることにある。

本発明の通信スループット予測装置は、通信スループットの時系列データを観測する、通信スループット観測手段と、前記通信スループットの時系列データから、通信に用いる通信プロトコルの通信開始後の過渡特性をモデル化した通信モデルに基づいて算出した補正率を用いて前記通信開始後の過渡特性の影響を除去するよう前記時系列データを補正する、データ補正手段と、前記データ補正手段にて補正された前記時系列データに基づいて、未来の通信スループットの時系列データを予測する予測モデルを同定する、予測モデル同定手段と、前記予測モデル同定手段にて同定した前記予測モデルに基づいて前記未来の通信スループットの時系列データの確率分布を算出する、確率分布算出手段と、前記未来の通信スループットの時系列データの確率分布を、前記補正率に基づいて、前記通信開始後の過渡特性の影響を与えて補正する、確率分布補正手段と、を備える。

本発明の通信スループット予測方法は、通信スループットの時系列データを観測し、前記通信スループットの時系列データから、通信に用いる通信プロトコルの通信開始後の過渡特性をモデル化した通信モデルに基づいて算出した補正率を用いて前記通信開始後の過渡特性の影響を除去するよう前記時系列データを補正し、前記データ補正手段にて補正された前記時系列データに基づいて、未来の通信スループットの時系列データを予測する予測モデルを同定し、前記予測モデル同定手段にて同定した前記予測モデルに基づいて前記未来の通信スループットの時系列データの確率分布を算出し、前記未来の通信スループットの時系列データの確率分布を、前記補正率に基づいて、前記通信開始後の過渡特性の影響を与えて補正する。

本発明のコンピュータプログラムは、通信スループットの時系列データを観測する処理と、前記通信スループットの時系列データから、通信に用いる通信プロトコルの通信開始後の過渡特性をモデル化した通信モデルに基づいて算出した補正率を用いて前記通信開始後の過渡特性の影響を除去するよう前記時系列データを補正する処理と、前記データ補正手段にて補正された前記時系列データに基づいて、未来の通信スループットの時系列データを予測する予測モデルを同定する処理と、前記予測モデル同定手段にて同定した前記予測モデルに基づいて前記未来の通信スループットの時系列データの確率分布を算出する処理と、前記未来の通信スループットの時系列データの確率分布を、前記補正率に基づいて、前記通信開始後の過渡特性の影響を与えて補正する処理と、をコンピュータに実行させる。

本発明は、以上のように構成されることにより、通信スループットの確率分布の予測精度を高めることができる。

図１は、本発明の実施形態全体の基本的構成を表すブロック図である。 図２は、本発明の実施形態における通信スループット予測装置の基本的機能を表すブロック図である。 図３は、本発明の実施形態を説明するための通信スループットの時系列データを表す図である。 図４は、本発明の実施形態を説明するためのＴＣＰの輻輳ウィンドウの時間変化を表す図である。 図５は、本発明の実施形態を説明するためのＴＣＰの輻輳ウィンドウの期待値の時間変化を表す図である。 図６は、本発明の第一の形態における通信スループット予測装置を、コンピュータ装置である情報処理装置で実現したハードウェア回路を示すブロック図である。 図７は、第二の実施形態に係る、通信スループット予測装置の構成の一例を示すブロック図である。

発明を実施するための第一の形態について、図面を参照して詳細に説明する。

図１は、本実施形態である通信スループット予測装置１００を含んだシステム全体を表す図である。図１を参照すると、本実施形態である通信スループット予測装置１００はＩＰネットワーク２００に接続されている。

スループット予測装置１００は、通信ネットワークを介して単位時間あたりに配信（伝送）されるデータサイズ（データの量）である通信スループットを予測する装置である。スループット予測装置１００、を構成する各ユニットあるいはデバイスは、特有のハードウェア装置により実現されても良い。また、スループット予測装置１００は、汎用のサーバ装置等に本実施形態特有のソフトウェアを組み込んだコンピュータ装置により実現しても良い。後者の場合、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等の演算処理装置が本実施形態特有のソフトウェアを不揮発性記録媒体から読み込んで演算処理を行い、この演算処理結果に応じて種々のハードウェアが制御されることによりスループット予測装置１００は実現される。

ＩＰネットワーク２００は、ＩＰ（Ｉｎｔｅｒｎｅｔ Ｐｒｏｔｏｃｏｌ）に準拠した通信を行うネットワークであり、世界中の様々なサブネットワークをＯＳＩ（Ｏｐｅｎ Ｓｙｓｔｅｍｓ Ｉｎｔｅｒｃｏｎｎｅｃｔｉｏｎ）参照モデルの第３層のＩＰにより結合して、世界的に広がっているネットワークである。ＩＰネットワーク２００内にはスループット予測装置１００の通信相手となる端末やルータ等の中継装置等が含まれる。

また、ＩＰネットワーク２００は有線通信により実現されても良いが、その一部又は全部が無線通信により実現されても良い。なお、図示の都合上、スループット予測装置１００とＩＰネットワーク２００は実線にて接続されているが、これは通信方式を有線通信方式に限定する趣旨では無く、スループット予測装置１００とＩＰネットワーク２００はＬＴＥ（Ｌｏｎｇ Ｔｅｒｍ Ｅｖｏｌｕｔｉｏｎ）やＷｉ−Ｆｉ（登録商標）（Ｗｉｒｅｌｅｓｓ Ｆｉｄｅｌｉｔｙ）といった任意の通信方式に準拠した任意の無線接続により接続されて良い。

続いて、図２を参照すると、通信スループット予測装置１００は、通信スループット観測部１０１と、通信モデル１０２と、データ補正率算出部１０３と、データ補正部１０４と、予測モデル同定部１０５と、確率分布算出部１０６と、確率分布補正部１０７とを含む。
［通信スループット観測部１０１］
まず、通信スループット観測部１０１が行う通信スループットの観測方法について説明する。

時刻ｔ＝０にて、ＩＰネットワーク２００に接続する図示しない通信装置の送信側（送信装置）から受信側（受信装置）へデータ転送が開始されたとする。そして、時刻ｔ（ｔは０以上の実数）までに送信側から受信側に転送された総データサイズをＳ_ｔとおく。このとき、下記の式（１）で表されるｘ_ｔは、時刻ｔにおける時間間隔τの通信スループットであると定義する。なお、Ｓ_ｔ−τは、ｔからτだけ前の時刻までに転送された総データサイズである。

以後の説明において、特に混乱が生じない限りは、式（１）で表されるｘ_ｔを単に「時刻ｔにおける通信スループット」と呼ぶことにする。なお、今回説明した通信スループットの定義は、送信側で測定できる総データサイズＳ_ｔに基づいた定義であるが、このＳ_ｔを受信側で受信した総データサイズＲ_ｔと置き換えることで、受信側でも同様の通信スループットの定義が可能である。

通信スループット観測部１０１は、所定の時間間隔（例えば上述の時間間隔τ）ごとに通信スループットを観測し、観測結果を時系列データ｛ｘ_ｔ｝として保持し、さらに後述するデータ補正部１０４に観測結果を引き渡す。上記の通信スループットｘ_ｔは時刻ｔに関する連続関数となっているため、時系列データの間隔は任意の時間間隔で良い。

図３は、通信が断続的な場合における通信スループットの観測結果を示す図である。図３において、下のグラフの横軸は時間、縦軸は通信スループットｘ_ｔを示し、上のグラフの横軸は時間、縦軸は総データサイズＳ_ｔを示す。図３において、通信スループットｘ_ｔは、時系列的な時刻ｔ_ａ、ｔ_ｂ、ｔ_ｃ、ｔ_ｄ、ｔ_ｅでの値である。時刻ｔ_ｂとｔ_ｃの間は、通信が中断している。このように通信が断続的な場合でも、図３に示すように、通信スループット観測部１０１は、通信スループットを観測することができる。

ここで得られた通信スループットの時系列データ｛ｘ_ｔ｝にはネットワーク状態の変動と共に、通信の過渡特性の影響が含まれている。特に、図３に示した断続的な通信の場合、通信開始の度に通信の過渡特性の影響を受けている。この時系列データ｛ｘ_ｔ｝に基づいて予測モデルを構築する場合、モデル設計装置は、ネットワーク状態の変動と通信の過渡特性の影響を切り分ける必要がある。
［通信モデル格納部１０２］
通信モデル格納部１０２は、通信モデルを格納する。

通信モデルは、データ通信に用いるプロトコルの動作を表した数学モデルである。通信プロトコルとしては、ＯＳＩ（Ｏｐｅｎ Ｓｙｓｔｅｍｓ Ｉｎｔｅｒｃｏｎｎｅｃｔｉｏｎ）参照モデルに示されるように様々なレイヤ（物理レイヤからアプリケーションレイヤまで）のプロトコルが存在するが、ここでは特に、エンド・ツー・エンドの通信を管理するトランスポートレイヤのプロトコルに注目する。ＩＰネットワークでは、トランスポートレイヤのプロトコルとしてＴＣＰが用いられることが多く、その場合、ＴＣＰの輻輳制御が通信スループットの特性を決定づける主要因となる。

したがって、例えば、通信モデルとしてＴＣＰに注目した場合、ＴＣＰの輻輳制御の数学モデルが通信モデルとなる。

代表的なＴＣＰの輻輳制御の数学モデルについて説明する。

ＴＣＰは、輻輳ウィンドウによって転送するデータ量を調整する機能（輻輳制御）を備えている。ＴＣＰは、輻輳ウィンドウと同じサイズのデータ量をまとめて転送することができるので、輻輳ウィンドウが大きいほど通信スループットが大きくなる。輻輳制御では、転送先からの受信応答（ＡＣＫ）を受け取る度に輻輳ウィンドウを大きくするが、データのロス（パケットロス）が発生すると輻輳ウィンドウを小さくする。この輻輳制御によってネットワークに輻輳を発生させず、できる限り高い通信スループットを達成できるようになる。

また、ＴＣＰの多くは、通信開始時のスロースタートフェーズと、スロースタート後の輻輳回避フェーズという二つのフェーズを持つ。ＴＣＰの輻輳制御を実行する通信装置は、各フェーズで輻輳ウィンドウ（一度に送信可能なデータサイズ）を調整する。

スロースタートフェーズは、通信開始時に突入するフェーズであり、輻輳ウィンドウを小さな値から指数関数に従って増加させる。輻輳ウィンドウが所定の閾値に達するかパケットロスが発生した場合には、輻輳回避フェーズに突入する。輻輳回避フェーズのアルゴリズムは、ＴＣＰのバリアント（亜種）によって異なる。「ＴＣＰ Ｒｅｎｏ」を例に挙げると、パケットロスが発生するまで、輻輳制御は線形に輻輳ウィンドウを増加させ、パケットロスがあった場合に輻輳ウィンドウを所定の倍率で縮小させる。

スロースタートフェーズは、まずは輻輳ウィンドウを小さな値（例えば、１ＭＳＳ（Ｍａｘ Ｓｅｇｍｅｎｔ Ｓｉｚｅ：最大セグメントサイズ））に設定する。その後、通信相手から受信応答（ＡＣＫ）を受信する度に輻輳ウィンドウをαだけ大きくする。

通信開始時の輻輳ウィンドウをＷ_０、ネットワークのラウンドトリップタイム（ＲＴＴ：Ｒｏｕｎｄ Ｔｒｉｐ Ｔｉｍｅ）をｄ、スロースタートフェーズ経過時間ｔにおける輻輳ウィンドウをＣＷＮＤ_ｔとすると、スロースタートフェーズでの輻輳ウィンドウは次の式（２）で表される。

一方、スロースタートフェーズ中にパケットロスが発生する、もしくは輻輳ウィンドウが所定の閾値に達した場合、輻輳回避フェーズに移行する。輻輳回避フェーズでは、パケットロスが発生しない場合、通信装置は時間に対して線形に輻輳ウィンドウを増加させ（１ＲＴＴでα増加）、パケットロスが発生した時に輻輳ウィンドウのサイズをβ倍（β＜１）する。これにより、通信装置は輻輳ウィンドウを減少させる。したがって、あるときに輻輳ウィンドウがＷ_０だった場合、その時からの経過時間ｔにおける輻輳ウィンドウＣＷＮＤ_ｔは、パケットロス発生までは、式（３）に示すように

となる。また、時刻ｔにてパケットロスが発生すると、式（４）に示すように

となる。ＣＷＮＤ_ｔ＋０は、パケットロス発生時刻ｔの直後の輻輳ウィンドウである。

以上の動作を図４に示す。図４において、横軸は、時間（ｓｅｃ）、縦軸は、輻輳ウィンドウの値である。図４において、２秒までがスロースタートフェーズであり、その後が輻輳回避フェーズとなっている。図４は、ネットワーク状態（エンド・ツー・エンド遅延及びパケットロス率）が変化しない場合のシミュレーションであるが、ＴＣＰの輻輳制御によって輻輳ウィンドウが変動している。これは、通信スループットの変動を生じさせる。

結局、ＴＣＰの輻輳制御の結果、典型的には輻輳ウィンドウは図４のような鋸歯状に動作する。しかしながら、実際には、パケットロスの発生タイミングは確率的であり、その結果当然、ＣＷＮＤ_ｔも確率的となり、図４のような理想的な鋸歯状になることはない。そこで、ＴＣＰの数学モデルとしては、ＣＷＮＤ_ｔではなく、ＣＷＮＤ_ｔの期待値Ｅ［ＣＷＮＤ_ｔ］を考えると実用的である。

上の場合、定常状態におけるパケットロス率をｐとすると、Ｅ［ＣＷＮＤ_ｔ］の解析解が得られており、次の式（５）から式（９）で表すことができる。ただし、λは所定の定数である。

横軸を時間ｔ、縦軸を式（５）から式（９）で表される輻輳ウィンドウ期待値Ｅ［ＣＷＮＤ_ｔ］にとると、図５のようなグラフになる。

すなわち、図４は、ある一回の通信における輻輳ウィンドウの変化のシミュレーションであった。スロースタートフェーズの継続期間、あるいは輻輳回避フェーズでの輻輳ウィンドウは、通信の度に変化する。その輻輳ウィンドウの期待値（無限回通信したときの平均値）が図５のようになる。図５において、横軸は、時間（ｓｅｃ）、縦軸は、輻輳ウィンドウの期待値である。

スロースタートフェーズでは指数関数にしたがって輻輳ウィンドウが増加し、Ｗ_ｃまでオーバーシュートした後、Ｗ_∞に収束する。Ｗ_ｃは、輻輳ウィンドウ期待値Ｅ［ＣＷＮＤ_ｔ］のオーバーシュート値で、Ｗ_∞は、その収束値である。また、ｔ_０は、Ｗ_Ｃに達する時間、ｉは、ｉ番目のパケット、ω_ｎ０（ｉ）は、ｉにおける輻輳ウィンドウの確率分布、Ｗ_０は、通信開始時の輻輳ウィンドウ、Ｗ_ｓｓｔは_、スロースタートフェーズにおける輻輳ウィンドウの閾値である。

図５のグラフからも分かるとおり、ＴＣＰでは十分時間が経過した場合、スループットの期待値はＷ_∞に収束するため、プロトコルの過渡特性（スロースタートフェーズと輻輳回避フェーズの遷移による輻輳ウィンドウの期待値の大きな変動）の影響は無視できる。しかし、通信開始間もない時間において、スループットの期待値はプロトコルの過渡特性の影響を受ける。したがって、ネットワーク状態（パケットロス率やＲＴＴ）の変動に関係なく、スループットは時間とともに変動する。
［データ補正率算出部１０３］
データ補正率算出部１０３は、前述の通信モデル格納部１０２に格納された通信モデルに基づいて、時系列データ｛ｘ_ｔ｝に掛け合わせる補正率を算出する。データ補正率算出部１０３は、その補正率の算出によりスループットの時系列データからプロトコルの過渡特性の影響を取り除く。

前述のＴＣＰでは、輻輳ウィンドウがスループットと同等のパラメータであるため、式（１０）で定義されるＣ_ｔが補正率として採用される。ただし、τは通信スループットデータ観測部１０１において通信スループットを計測するための時間間隔τである。

式（１０）の右辺の分子は、時刻ｔ―τからｔまでの輻輳ウィンドウ期待値の平均値であり、τが十分小さい場合には、分子はＥ［ＣＷＮＤ_ｔ］に近似しても良い。補正率Ｃ_ｔは十分時間が経過した時の輻輳ウィンドウの期待値に対する現時刻の輻輳ウィンドウの期待値の割合を示している。したがって、後述するデータ補正部１０４が、通信スループットデータ観測部１０１において観測された時系列データ｛ｘ_ｔ｝を補正率Ｃ_ｔで除算することで、プロトコルの過渡特性を除去し、全ての時系列データを十分時間が経過した場合の値に換算することができる。
［データ補正部１０４］
データ補正部１０４では、通信スループットデータ観測部１０１で観測された通信スループットの時系列データ｛ｘ_ｔ｝を、データ補正率算出部１０３で算出された補正率Ｃ_ｔで除算することによって、プロトコルの過渡特性が除去された新たな時系列データ｛ｙ_ｔ｝を得る。つまり、時刻ｔでの補正された通信スループットｙ_ｔは式（１１）で得られる。

ただし、ｔは時刻であり、Δｔは当該プロトコルの通信開始からの経過時間である。

このように算出された時系列データ｛ｙ_ｔ｝は、通信プロトコルの過渡特性が除去され、ネットワーク状態の変動による影響だけが表れた時系列データとなっている。このため、図示しないモデル構築装置が当該時系列データ｛ｙ_ｔ｝に基づいて予測モデルを構築すれば、より正確にネットワーク状態の変動を予測可能になる。
［予測モデル同定部１０５］
予測モデル同定部１０５は、データ補正部１０４で補正した通信スループットの時系列データ｛ｙ_ｔ｝に基づいて当該時系列データの予測モデルを同定する。

同定する予測モデルは、過去の時系列データから未来の時系列データを予測できるモデルであればいかなるモデルでも良く、ＡＲモデル（ＡｕｔｏＲｅｇｒｅｓｓｉｖｅ Ｍｏｄｅｌ）をはじめとする時系列モデルでも良いし、Ｖａｓｉｃｅｋモデルなどの確率微分方程式モデルでも良い。

ただし、通信スループット観測部１０１で観測される時系列データ｛ｘ_ｔ｝が不等間隔の場合、当然、補正した時系列データ｛ｙ_ｔ｝も不等間隔となる。したがって、等間隔の時系列データを前提とする時系列モデルよりも、不等間隔で同定可能な確率微分方程式モデルの方が、予測モデルとして好適である。ここでは、一例として確率微分方程式モデルであるＶａｓｉｃｅｋモデルを予測モデルとして同定する方法について説明する。

Ｖａｓｉｃｅｋモデルは、式（１２）で記述される確率微分方程式である。ここで、ｙ_ｔは対象とする確率変数（通信スループット）、ａ、ｂ、は実定数、σは正の定数、Ｂ_ｔは標準ブラウン運動である。

この確率微分方程式は、一般解が得られており、時刻ｓで通信スループットｙ_ｓが観測されたとき、その後の時刻ｔ（ｔ＞ｓ）における通信スループットｙ_ｔの一般解は式（１３）で得られる。ただし、式（１３）の右辺第３項はＷｉｅｎｅｒ積分である。

予測モデル同定部１０５は、データ補正部１０４で補正した時系列データ｛ｙ_ｔ｝と一般解の式（１３）とから、最尤推定法などを用いることにより、モデルパラメータａ、ｂ、及びσを同定することができる。
［確率分布算出部１０６］
確率分布算出部１０６は、予測モデル同定部１０５で同定した予測モデルに基づいて時系列データ｛ｙ_ｔ｝の未来の確率分布を算出する。

ここでは、前述のＶａｓｉｃｅｋモデル（式（１２）及び一般解（１３））を予測モデルとして、通信スループットｙ_ｔの未来の確率分布を算出する方法について説明する。

Ｖａｓｉｃｅｋモデルは、ガウス過程と呼ばれる確率過程であり、その確率分布はガウス分布に従うことが知られている。つまり、時刻ｓに通信スループットｙ_ｓが観測されたときの未来の時刻ｔ（＞ｓ）におけるｙ_ｔの確率分布ｆ（ｙ_ｔ｜ｙ_ｓ）は式（１４）のように書くことができる。

ここで、μ_ｔ、ｓは当該確率分布の期待値であり、σ^２ _ｔ、ｓは当該確率分布の分散である。μ_ｔ、ｓとσ^２ _ｔ、ｓは一般解を表す式（１３）に基づき、それぞれ式（１５）、式（１６）のように求めることができる。

以上の式を計算することによって、確率分布算出部１０６は、時系列データの通信スループットｙ_ｔの未来の確率分布を算出することができる。
［確率分布補正部１０７］
確率分布補正部１０７は、確率分布算出部１０６にて算出された通信スループットｙ_ｔの未来の確率分布を補正する。

確率分布算出部１０６にて算出されたｙ_ｔの未来の確率分布は、通信プロトコルの過渡特性の影響を除去し、ネットワーク状態変動による通信スループットの変動を予測した確率分布となっている。したがって、確率分布補正部１０７は、通信プロトコルの過渡特性の影響も含めた未来の通信スループット｛ｘ_ｔ｝の確率分布を求めるため、確率分布算出部１０６にて算出された確率分布に対して通信プロトコルの過渡特性を与える。

具体的には、確率分布補正部１０７は、時刻ｓに通信スループットｘ_ｓが観測されたときの時刻ｔ（＞ｓ）の通信スループットｘ_ｔの確率分布ｇ（ｘ_ｔ｜ｘ_ｓ）を、確率分布算出部１０６にて算出されたｙ_ｔの未来の確率分布ｆを用いる式（１７）によって算出する。

ここで、Δｔ及びΔｓは、通信スループットｘ_ｔ、ｘ_ｓが観測されたときの通信開始からの経過時間である。

以上のように構成することによって、確率分布補正部１０７は、通信プロトコルの過渡特性を考慮することによって通信スループットの予測精度を高めることができる。

ここで、通信スループット観測部１０１、データ補正率算出部１０３、データ補正部１０４、予測モデル同定部１０５、確率分布算出部１０６、及び、確率分布補正部１０７は、論理回路等のハードウェアで構成される。

また、通信モデル格納部１０２は、ディスク装置、半導体メモリ等の記憶装置である。

また、通信スループット観測部１０１、データ補正率算出部１０３、データ補正部１０４、予測モデル同定部１０５、確率分布算出部１０６、及び、確率分布補正部１０７は、コンピュータである通信スループット予測装置１００のプロセッサが、図示されないメモリ上のプログラムを実行することで実現されてもよい。

図６は、本発明の第一の形態における通信スループット予測装置１００を、コンピュータ装置である情報処理装置３００で実現したハードウェア回路を示すブロック図である。

図２に示されるように、情報処理装置３００は、ＣＰＵ３０１、メモリ３０２、プログラムを格納するハードディスク等の記憶装置３０３、およびネットワーク接続用のＩ／Ｆ（Ｉｎｔｅｒｆａｃｅ）３０４（インターフェース３０４）を含む。また、情報処理装置３００は、バス３０５を介して入力装置３０６および出力装置３０７に接続されている。Ｉ／Ｆ３０４は、図２の通信スループットデータ観測部１０１の一部に対応する。

ＣＰＵ３０１は、オペレーティングシステムを動作させて情報処理装置３００の全体を制御する。また、ＣＰＵ３０１は、例えばドライブ装置などに装着された記録媒体３０８からメモリ３０２にプログラムやデータを読み出す。ＣＰＵ３０１は、複数のＣＰＵによって構成されていてもよい。

記憶装置３０３は、例えば、光ディスク、フレキシブルディスク、磁気光ディスク、外付けハードディスク、または半導体メモリ等である。記憶媒体３０８は、不揮発性記憶装置であり、そこにＣＰＵ３０１が実行するプログラムを記録する。記憶媒体３０８は、記憶装置３０３の一部であってもよい。また、プログラムは、通信網に接続されている図示しない外部コンピュータからＩ／Ｆ３０４を介してダウンロードされてもよい。

入力装置３０６は、例えばマウスやキーボード、内蔵のキーボタンなどで実現され、入力操作に用いられる。入力装置３０６は、マウスやキーボード、内蔵のキーボタンに限らず、例えばタッチパネルでもよい。出力装置３０７は、例えばディスプレイで実現され、出力を確認するために用いられる。

以上のように、図２に示す第一の実施の形態における通信スループット予測装置１００は、図６に示されるハードウェア構成によって実現される。ただし、図６の情報処理装置３００は、図６の構成に限定されない。例えば、入力装置３０６、出力装置３０７は、インターフェース３０４を介して外付けされるものでもよい。

また、情報処理装置３００は、物理的に結合した一つの装置により実現されてもよいし、物理的に分離した二つ以上の装置を有線または無線で接続し、これら複数の装置により実現されてもよい。

次に、通信スループット予測装置１００の動作について説明する。

まず、通信スループット観測部１０１は、所定の時間間隔（例えば時間間隔τ）ごとに通信スループットを観測し、観測結果を時系列データ｛ｘ_ｔ｝として保持し、さらにデータ補正部１０４に観測結果を引き渡す。

また、データ補正率算出部１０３は、通信モデル格納部１０２に格納された通信モデルに基づいて、時系列データ｛ｘ_ｔ｝に掛け合わせる補正率を算出する。

次に、データ補正部１０４は、通信スループットデータ観測部１０１で観測された通信スループットの時系列データ｛ｘ_ｔ｝を、データ補正率算出部１０３で算出された補正率Ｃ_ｔで除算することによって、プロトコルの過渡特性が除去された新たな時系列データ｛ｙ_ｔ｝を得る。

そして、予測モデル同定部１０５は、データ補正部１０４で補正した通信スループットの時系列データ｛ｙ_ｔ｝に基づいて当該時系列データの予測モデルを同定する。

その後、確率分布算出部１０６は、予測モデル同定部１０５で同定した予測モデルに基づいて時系列データ｛ｙ_ｔ｝の未来の確率分布を算出する。

また、確率分布補正部１０７は、確率分布算出部１０６にて算出された通信スループットｙ_ｔの未来の確率分布を補正する。

本実施形態に係る通信スループット予測装置１００は、以下に記載するような効果を奏する。

その効果は、通信スループットの予測精度を高めることができる。

その理由は、通信スループットの過渡特性を考慮するからである。
＜第二の実施形態＞
次に、本発明を実施するための最良の第二の形態について図面を参照して詳細に説明する。

図７は、第二の実施形態に係る、通信スループット予測装置４００の構成の一例を示すブロック図である。

通信スループット予測装置４００は、通信スループット観測部４０１、データ補正部４０２、予測モデル同定部４０３、確率分布算出部４０４、及び、確率分布補正部４０５を備える。

通信スループット観測部４０１は、通信スループットの時系列データを観測する。

データ補正部４０２は、通信スループットの時系列データから、通信に用いる通信プロトコルの通信開始後の過渡特性をモデル化した通信モデルに基づいて算出した補正率を用いて通信開始後の過渡特性の影響を除去するよう前記時系列データを補正する。

予測モデル同定部４０３は、データ補正手段にて補正された時系列データに基づいて、未来の通信スループットの時系列データを予測する予測モデルを同定する。

確率分布算出部４０４は、予測モデル同定手段にて同定した予測モデルに基づいて未来の通信スループットの時系列データの確率分布を算出する。

確率分布補正部４０５は、未来の通信スループットの時系列データの確率分布を、補正率に基づいて、通信開始後の過渡特性の影響を与えて補正する。

ここで、通信スループット観測部４０１、データ補正部４０２、予測モデル同定部４０３、確率分布算出部４０４、及び、確率分布補正部４０５は、各々、図２の通信スループット観測部１０１、データ補正部１０４、予測モデル同定部１０５、確率分布算出部１０６、及び、確率分布補正部１０７に対応する。

なお、データ補正部４０２は、データ補正率算出部１０３の機能を含んでもよい。

また、通信スループット予測装置４００は、図６に示したコンピュータ装置である情報処理装置３００で実現されてもよい。

本実施形態に係る通信スループット予測装置４００は、以下に記載するような効果を奏する。

その効果は、通信スループットの予測精度を高めることができる。

その理由は、通信スループットの過渡特性を考慮するからである。

以上、図面を参照して本発明の実施形態を説明したが、本発明は上記実施形態に限定されるものではない。本発明の構成や詳細には、本発明のスコープ内で当業者が理解し得る様々な変更をすることができる。

１００ 通信スループット予測装置
１０１ 通信スループット観測部
１０２ 通信モデル
１０３ データ補正率算出部
１０４ データ補正部
１０５ 予測モデル同定部
１０６ 確率分布算出部
１０７ 確率分布補正部
２００ ＩＰネットワーク
３００ 情報処理装置
３０１ ＣＰＵ
３０２ メモリ
３０３ 記憶装置
３０４ Ｉ／Ｆ
３０５ バス
３０６ 入力装置
３０７ 出力装置
３０８ 記録媒体
４００ 通信スループット予測装置
４０１ 通信スループット観測部
４０２ データ補正部
４０３ 予測モデル同定部
４０４ 確率分布算出部
４０５ 確率分布補正部

Claims (10)

1. 通信スループットの時系列データを観測する、通信スループット観測手段と、
   前記通信スループットの時系列データから、通信に用いる通信プロトコルの通信開始後の過渡特性をモデル化した通信モデルに基づいて算出した補正率を用いて前記通信開始後の過渡特性の影響を除去するよう前記時系列データを補正する、データ補正手段と、
   前記データ補正手段にて補正された前記時系列データに基づいて、未来の通信スループットの時系列データを予測する予測モデルを同定する、予測モデル同定手段と、
   前記予測モデル同定手段にて同定した前記予測モデルに基づいて前記未来の通信スループットの時系列データの確率分布を算出する、確率分布算出手段と、
   前記未来の通信スループットの時系列データの確率分布を、前記補正率に基づいて、前記通信開始後の過渡特性の影響を与えて補正する、確率分布補正手段と、
   を備える通信スループット予測装置。
2. 前記通信モデルが、前記通信開始後の過渡特性において、前記通信スループットの期待値をモデル化したものであり、
   前記データ補正手段、及び、前記確率分布補正手段が、前記期待値に基づいて算出した補正率を用いることを特徴とする、
   請求項１に記載の通信スループット予測装置。
3. 前記通信プロトコルがＴＣＰであることを特徴とする、
   請求項１または２に記載の通信スループット予測装置。
4. 前記通信スループットの期待値が、輻輳ウィンドウの期待値であり、
   前記補正率の算出に輻輳ウィンドウの期待値を用いることを特徴とする、
   請求項３に記載の通信スループット予測装置。
5. 前記通信スループットの時系列データから、通信に用いる通信プロトコルの通信開始後の過渡特性をモデル化した通信モデルに基づいて補正率を算出する、データ補正率算出手段を更に備え、
   前記データ補正手段が、前記データ補正率算出手段の算出の結果を用いる、
   請求項１乃至４のいずれかに記載の通信スループット予測装置。
6. 情報処理装置によって、
   通信スループットの時系列データを観測し、
   前記通信スループットの時系列データから、通信に用いる通信プロトコルの通信開始後の過渡特性をモデル化した通信モデルに基づいて算出した補正率を用いて前記通信開始後の過渡特性の影響を除去するよう前記時系列データを補正し、
   補正した前記時系列データに基づいて、未来の通信スループットの時系列データを予測する予測モデルを同定し、
   同定した前記予測モデルに基づいて前記未来の通信スループットの時系列データの確率分布を算出し、
   前記未来の通信スループットの時系列データの確率分布を、前記補正率に基づいて、前記通信開始後の過渡特性の影響を与えて補正する、通信スループット予測方法。
7. 前記通信モデルが、前記通信開始後の過渡特性において、前記通信スループットの期待値をモデル化し、
   前記通信スループットの期待値に基づいて算出した補正率を用いることを特徴とする、請求項６に記載の通信スループット予測方法。
8. 前記通信プロトコルがＴＣＰであることを特徴とする、
   請求項６または７に記載の通信スループット予測方法。
9. 通信スループットの時系列データを観測する処理と、
   前記通信スループットの時系列データから、通信に用いる通信プロトコルの通信開始後の過渡特性をモデル化した通信モデルに基づいて算出した補正率を用いて前記通信開始後の過渡特性の影響を除去するよう前記時系列データを補正する処理と、
   補正された前記時系列データに基づいて、未来の通信スループットの時系列データを予測する予測モデルを同定する処理と、
   同定された前記予測モデルに基づいて前記未来の通信スループットの時系列データの確率分布を算出する処理と、
   前記未来の通信スループットの時系列データの確率分布を、前記補正率に基づいて、前記通信開始後の過渡特性の影響を与えて補正する処理と、をコンピュータに実行させるプログラム。
10. 前記通信モデルが、前記通信開始後の過渡特性において、前記通信スループットの期待値をモデル化し、
    前記通信スループットの期待値に基づいて算出した補正率を用いることを特徴とする、請求項９に記載のプログラム。

Images