JP6476479B1 - 無線環境状況予測システム、無線環境状況予測方法、および、プログラム - Google Patents

Abstract

【課題】複雑に無線環境が変化する状況においても、高精度で無線環境状況を予測する無線環境状況予測システムを実現する。【解決手段】無線環境状況予測システム１０００では、互いに相関する複数種類のデータを取得し、取得した複数種類の相関データに基づいて、各データの予測処理（推論処理）を実行する。したがって、無線環境状況予測システム１０００では、狭空間で、電波が飛び交う環境において、シャドウイング、マルチパス、干渉、反射波等の影響により、複雑に無線環境が変化する状況においても、高精度で無線環境状況を予測することができる。【選択図】図１

Description

本発明は、複数の情報要素を用いた無線環境状況予測技術に関する。

Ｍａｃｈｉｎｅ−ｔｏ−Ｍａｃｈｉｎｅ（Ｍ２Ｍ）やＩｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇ（ＩｏＴ）に関する技術を用いて、例えば、工場の稼動状況の把握や制御、作業の管理等を効率良く行うシステムが開発されている。このようなシステムでは、例えば、工場での生産性を向上させるためにロボット、製造装置、工具などにセンサ等の機器を取り付け、当該機器により取得されたデータに基づいて、工場の稼動状況の把握や各装置・機器の制御、工場内の作業の管理等を行う。

上記のようなシステムにおいて、移動する機器への対応や配線の簡略化を実現するために、上記システムに用いられる機器の無線化が期待されている。その一方で、工場のような狭い空間では電波の干渉や反射、機器等の移動により無線環境が時々刻々と変動するため、無線通信が不安定化するという課題がある。

このような環境で安定した無線通信を実現するには、時々刻々変化する無線環境に応じて無線機器を適切に制御する必要がある。そのためには、伝搬状況や無線リソースの利用状況などの変動を高精度に予測する技術が必要となる。

例えば、非特許文献1には、無線チャネルのビジー／アイドル状態を、自己回帰モデルを用いて予測する技術の開示がある。非特許文献１の技術では、過去の所定期間の無線チャネルのビジー／アイドル状態を学習データとして自己回帰モデルを学習させ、学習済みの自己回帰モデルを用いて、高精度で将来の無線チャネル状態を予測することができる。非特許文献1の技術では、例えば、無線信号の反射波が一切存在しない無響室では、高精度で将来の無線チャネル状態を予測することができる。

Y. Hou, J. Webber, K. Yano, and T. Kumagai, "Channel busy/idle duration prediction using auto-regressive predictor for video and audio service over WLAN system," 2017年電子情報通信学会総合大会通信講演論文集1, p.483, B-5-147, March 2017.

しかしながら、非特許文献１の技術は、無線チャネルの状態を１種類のデータ（受信電力のデータ）により無線チャネルのビジー／アイドル状態を判定しているため、例えば、無線信号の反射波が多い狭い空間では、高精度で将来の無線チャネル状態を予測することは困難である。無線信号の反射波が多い狭い空間では、当該空間内での物の移動等により無線環境が複雑に変化する。このような複雑に無線環境が変化する状況において、非特許文献１の技術のように、無線チャネルの状態を取得（判定）するためのデータを１種類のデータ（受信電力のデータ）とするシステムでは、十分な学習データを取得することが難しく、その結果、精度の高い学習済みモデルを取得することが困難である。したがって、複雑に無線環境が変化する状況において、高精度で将来の無線チャネル状態を予測することは困難である。

また、無線チャネルの状態を示すデータは、連続的に変化するものだけではなく、離散的に変化するものもある。複雑に無線環境が変化する状況において、１種類のデータ（受信電力のデータ）のみを用いて、上記のような離散的に変化するデータ（無線チャネルの状態を示すデータ）の将来のデータを高精度で予測することは困難である。

そこで、本発明は上記課題に鑑み、複雑に無線環境が変化する状況においても、高精度で無線環境状況を予測する無線環境状況予測システムを実現することを目的とする。

上記課題を解決するために、第１の発明は、空間内の所定の位置である第１地点の無線環境状況を予測するための無線環境状況予測システムであって、送信部と、受信部と、チャネル利用状況観測部と、チャネル状態データ取得部と、予測部と、を備える。

送信部は、データに対して送信処理を実行することで無線信号を生成する。

受信部は、無線信号に対して受信処理を実行することで当該無線信号により搬送されたデータを取得する。

チャネル利用状況観測部は、送信部および受信部の少なくとも一方を制御することで、無線信号の通信に使用されるチャネルの利用状況を観測する。

チャネル状態データ取得部は、送信部、受信部、および、チャネル利用状況観測部の少なくとも一つにより取得された信号に基づいて、第１期間において第１地点のチャネル状態に関する第１データと、第１データと相関のある第２データとを取得する。

予測部は、第１データおよび第２データに基づいて、第１地点の第１データの将来のデータを予測するとともに、第１データおよび第２データに基づいて、第１地点の第２データの将来のデータを予測する予測処理を行う。

この無線環境状況予測システムでは、相関のある第１データと第２データに基づいて、予測処理（推論処理）を実行する。複雑に無線環境が変化する状況において、１種類のデータ（受信電力のデータ）のみを用いて、離散的に変化するデータ（無線チャネルの状態を示すデータ）の将来のデータを高精度で予測することは困難である場合であっても、この無線環境状況予測システムでは、相関のある第１データおよび第２データを用いて、予測処理（推論処理）を実行するので、高精度の予測処理を実現することができる。

これにより、この無線環境状況予測システムでは、狭空間で、電波が飛び交う環境において、シャドウイング、マルチパス、干渉、反射波等の影響により、複雑に無線環境が変化する状況においても、高精度で無線環境状況を予測することができる。

なお、「無線環境状況予測システム」は、１つの無線通信装置で実現されるものであってもよいし、送信部、受信部、チャネル利用状況観測部、および、チャネル状態データ取得部を含む無線通信装置と、予測部を含むサーバとによって実現されるものであってもよい。

また、相関のあるデータとは、一方の変化に伴って、他方も変化するような関係にあるデータのことをいう。

第２の発明は、第１の発明であって、第１データは、伝搬状況を示すデータである伝搬状況データであり、第２データは、無線リソース利用状況を示すデータである無線リソース利用状況データである。

この無線環境状況予測システムでは、互いに相関するデータである伝搬状況データと無線リソース利用状況データとを用いて予測処理を行うことができる。

第３の発明は、第２の発明であって、伝搬状況データは、（１）受信電力、（２）伝搬路値、（３）遅延プロファイル、（４）遅延分散に関するデータのうち少なくとも１つを含むデータである。

これにより、この無線環境状況予測システムでは、伝搬状況データを、（１）受信電力、（２）伝搬路値、（３）遅延プロファイル、（４）遅延分散に関するデータのうち少なくとも１つを含むデータとして予測処理を行うことができる。

第４の発明は、第２または第３の発明であって、無線リソース利用状況データは、（１）無線リソース利用率、（２）再送回数、（３）フレーム誤り率、（４）使用伝送レートに関するデータのうち少なくとも１つを含むデータである。

これにより、この無線環境状況予測システムでは、無線リソース利用状況データを、（１）無線リソース利用率、（２）再送回数、（３）フレーム誤り率、（４）使用伝送レートに関するデータのうち少なくとも１つを含むデータとして予測処理を行うことができる。

第５の発明は、第１から第４のいずれかの発明であって、第１期間は、サンプル時刻ｔ−ｐ＋１（ｐ：自然数）からサンプル時刻ｔまでの期間であり、チャネル状態データ取得部でサンプル時刻ｉにおいて取得される第１データをＸ１_ｉとし、第２データをＸ２_ｉとし、第１期間において取得される第１データをＤ１（Ｘ１_{ｔ−ｐ＋１}：Ｘ１_ｔ）とし、第２データをＤ２（Ｘ２_{ｔ−ｐ＋１}：Ｘ２_ｔ）とすると、予測部は、第１期間において取得される第１データＤ１（Ｘ１_{ｔ−ｐ＋１}：Ｘ１_ｔ）および第２データＤ２（Ｘ２_{ｔ−ｐ＋１}：Ｘ２_ｔ）を用いて予測処理を実行する。

これにより、この無線環境状況予測システムでは、相関のある第１データＤ１（Ｘ１_{ｔ−ｐ＋１}：Ｘ１_ｔ）および第２データＤ２（Ｘ２_{ｔ−ｐ＋１}：Ｘ２_ｔ）を用いて、予測処理（推論処理）を実行するので、高精度の予測処理を実現することができる。

第６の発明は、送信部と、受信部と、チャネル利用状況観測部と、を備える無線環境状況予測システムに用いられ、空間内の所定の位置である第１地点の無線環境状況を予測するための無線環境状況予測方法であって、チャネル状態取得ステップと、予測ステップと、を備える。

送信部は、データに対して送信処理を実行することで無線信号を生成する。

受信部は、無線信号に対して受信処理を実行することで当該無線信号により搬送されたデータを取得する。

チャネル利用状況観測部は、送信部および受信部の少なくとも一方を制御することで、無線信号の通信に使用されるチャネルの利用状況を観測する。

チャネル状態取得ステップは、送信部、受信部、および、チャネル利用状況観測部の少なくとも一つにより取得された信号に基づいて、第１期間において第１地点のチャネル状態に関する第１データと、第１データと相関のある第２データとを取得する。

予測ステップは、第１データおよび第２データに基づいて、第１地点の第１データの将来のデータを予測するとともに、第１データおよび第２データに基づいて、第１地点の第２データの将来のデータを予測する。

これにより、第１の発明と同様の効果を奏する無線環境状況予測方法を実現することができる。

第７の発明は、第６の発明である無線環境状況予測方法をコンピュータに実行させるためのプログラムである。

これにより、第１の発明と同様の効果を奏する無線環境状況予測方法をコンピュータに実行させるためのプログラムを実現することができる。

本発明によれば、複雑に無線環境が変化する状況においても、高精度で無線環境状況を予測する無線環境状況予測システム、無線環境状況予測方法、および、プログラムを実現することができる。

第１実施形態に係る無線環境状況予測システム１０００の概略構成図。 第１実施形態に係る無線装置Ａ１の概略構成図。 第１実施形態に係るサーバＳｖｒの概略構成図。 第１実施形態に係る無線環境状況予測システム１０００の学習モードの動作を説明するための図。 第１実施形態に係る無線環境状況予測システム１０００の推論モードの動作を説明するための図。 ＣＰＵバス構成を示す図。

［第１実施形態］
第１実施形態について、図面を参照しながら、以下、説明する。

＜１．１：無線環境状況予測システムの構成＞
図１は、第１実施形態に係る無線環境状況予測システム１０００の概略構成図である。図１は、無線環境状況予測システム１０００が壁Ｗａｌｌ１で囲まれた空間ＳＰ１内に設置されている場合を模式的に示した図（上方から見た図）である。

図２は、第１実施形態に係る無線装置Ａ１の概略構成図である。

図３は、第１実施形態に係るサーバＳｖｒの概略構成図である。

無線環境状況予測システム１０００は、図１に示すように、無線装置Ａ１と、サーバＳｖｒとを備える。無線装置Ａ１は、有線あるいは無線のネットワークにより、サーバＳｖｒと接続されており、無線装置Ａ１とサーバＳｖｒとは、互いに通信を行うことができる。

（１．１．１：無線装置の構成）
無線装置Ａ１は、図２に示すように、送信部１と、受信部２と、チャネル利用状況観測部３と、チャネル状態データ取得部４と、第１インターフェース部５と、予測データ処理部６と、送信用アンテナＡｎｔ＿ｔｘと、受信用アンテナＡｎｔ＿ｒｘと、送信用発振器Ｏｃｒ１と、受信用発振器Ｏｃｒ２と、を備える。

送信部１は、図２に示すように、ＥＣＣ部１１と、インターリーブ部１２と、無線フレーム生成部１３と、送信側ＲＦ部１４と、アクセス制御部１５と、を備える。

ＥＣＣ部１１は、データＤｉｎを入力し、データＤｉｎに対して誤り訂正符号化処理を実行する。そして、ＥＣＣ部１１は、誤り訂正符号化処理後のデータをデータＤｔ１としてインターリーブ部１２に出力する。

インターリーブ部１２は、ＥＣＣ部１１から出力されるデータＤｔ１を入力し、データＤｔ１に対してインターリーブ処理を実行する。そして、インターリーブ部１２は、インターリーブ処理後のデータをデータＤｔ２として、無線フレーム生成部１３に出力する。

無線フレーム生成部１３は、インターリーブ部１２から出力されるデータＤｔ２と、アクセス制御部１５から出力される制御信号ＣＴＬ１とを入力する。無線フレーム生成部１３は、制御信号ＣＴＬ１に基づいて、データＤｔ２に対してベースバンド処理（ＯＦＤＭのベースバンド処理）を実行する。つまり、無線フレーム生成部１３は、データＤｔ２に対して、シリアル／パラレル変換、マッピング処理、逆ＦＦＴ変換、ガードインターバル（ＧＩ）付加処理、Ｄ／Ａ変換を行うことで、ベースバンドＯＦＤＭ信号を取得する。そして、無線フレーム生成部１３は、取得したベースバンドＯＦＤＭ信号を信号Ｄｔ３として送信側ＲＦ部に出力する。

送信側ＲＦ部１４は、無線フレーム生成部１３から出力されるベースバンドＯＦＤＭ信号Ｄｔ３と、アクセス制御部１５から出力される制御信号ＣＴＬ２と、送信用発振器Ｏｃｒ１から出力される参照周波数信号ｆｒ＿ｔｘとを入力する。送信側ＲＦ部１４は、制御信号ＣＴＬ２に基づいて、ベースバンドＯＦＤＭ信号Ｄｔ３に対して、送信用発振器Ｏｃｒ１から出力される参照周波数信号ｆｒ＿ｔｘを用いた直交変調処理、アップコンバート処理、電力増幅処理を実行することで、搬送帯域ＯＦＤＭ信号を取得する。そして、送信側ＲＦ部１４は、取得した搬送帯域ＯＦＤＭ信号を送信用アンテナＡｎｔ＿ｔｘに出力する。

また、送信側ＲＦ部１４は、チャネル利用状況観測部３と接続されており、チャネル利用状況観測部３からの指令により、キャリアセンス、あるいは、チャネルセンスを実行し、その実行結果を示す信号をチャネル利用状況観測部３に出力する。

送信用発振器Ｏｃｒ１は、参照周波数信号ｆｒ＿ｔｘを生成し、生成した参照周波数信号ｆｒ＿ｔｘを送信側ＲＦ部１４に出力する。

アクセス制御部１５は、無線フレーム生成部１３を制御するための制御信号ＣＴＬ１を生成し、所定のタイミングで、制御信号ＣＴＬ１を無線フレーム生成部１３に出力する。また、アクセス制御部１５は、送信側ＲＦ部１４を制御するための制御信号ＣＴＬ２を生成し、所定のタイミングで、制御信号ＣＴＬ２を送信側ＲＦ部１４に出力する。また、アクセス制御部１５は、予測データ処理部６から制御信号ＣＴＬ３を入力し、制御信号ＣＴＬ３に基づいて、制御信号ＣＴＬ１、ＣＴＬ１２を生成する。

送信用アンテナＡｎｔ＿ｔｘは、外部へＲＦ信号（搬送帯域ＯＦＤＭ信号）を送信するためのアンテナである。送信用アンテナＡｎｔ＿ｔｘは、送信側ＲＦ部１４からの搬送帯域ＯＦＤＭ信号を入力し、搬送帯域ＯＦＤＭ信号を外部に送信する。

受信用アンテナＡｎｔ＿ｒｘは、外部からのＲＦ信号（搬送帯域ＯＦＤＭ信号）を受信するためのアンテナである。受信用アンテナＡｎｔ＿ｒｘは、受信したＲＦ信号（搬送帯域ＯＦＤＭ信号）を信号Ｄｒ１として、受信側ＲＦ部２１に出力する。なお、受信用アンテナＡｎｔ＿ｒｘは、送信用アンテナＡｎｔ＿ｔｘと共用してもよい。つまり、無線装置Ａ１において、送信用アンテナＡｎｔ＿ｔｘおよび受信用アンテナＡｎｔ＿ｒｘを設ける代わりに、１つの送受信用アンテナを設けるようにしてもよい。

受信部２は、図２に示すように、受信側ＲＦ部２１と、受信用発振器Ｏｃｒ２と、同期処理部２２と、ベースバンド処理部２３と、デインターリーブ部２４と、ＥＣＣ部２５と、を備える。

受信側ＲＦ部２１は、受信用アンテナＡｎｔ＿ｒｘからの搬送帯域ＯＦＤＭ信号Ｄｒ１と、受信用発振器Ｏｃｒ２から出力される参照周波数信号ｆｒ＿ｒｘとを入力する。受信側ＲＦ部２１は、搬送帯域ＯＦＤＭ信号Ｄｒ１に対して、増幅処理、参照周波数信号ｆｒ＿ｒｘに基づくダウンコンバート処理、自動周波数制御処理（ＡＦＣ処理）、参照周波数信号ｆｒ＿ｒｘに基づく直交復調処理、Ａ／Ｄ変換処理を実行することで、復調搬送帯域ＯＦＤＭ信号を信号Ｄｒ２として取得する。そして、受信側ＲＦ部２１は、復調搬送帯域ＯＦＤＭ信号Ｄｒ２を同期処理部２２およびベースバンド処理部２３に出力する。

また、受信側ＲＦ部２１は、チャネル利用状況観測部３と接続されており、チャネル利用状況観測部３からの指令により、キャリアセンス、あるいは、チャネルセンスを実行し、その実行結果を示す信号をチャネル利用状況観測部３に出力する。

同期処理部２２は、受信側ＲＦ部２１から出力される復調搬送帯域ＯＦＤＭ信号Ｄｒ２を入力し、入力された復調搬送帯域ＯＦＤＭ信号Ｄｒ２に基づいて、同期処理を実行する。同期処理部２２は、同期処理により、ＯＦＤＭシンボルの始まりを検出するためのシンボルタイミング同期などに使用される同期タイミング信号Ｓｉｇ＿Ｓｙｎｃを取得する。そして、同期処理部２２は、取得した同期タイミング信号Ｓｉｇ＿Ｓｙｎｃをベースバンド処理部２３に出力する。また、同期処理部２２は、復調搬送帯域ＯＦＤＭ信号Ｄｒ２のプリアンブル部の信号（プリアンブル信号）から受信用発振器Ｏｃｒ２の周波数オフセットの検出を行い、受信用発振器Ｏｃｒ２の発振周波数を制御するための信号（発振周波数制御信号）ｆｓ＿ｃｔｌを生成し、生成した発振周波数制御信号ｆｓ＿ｃｔｌを受信用発振器Ｏｃｒ２に出力する。

また、同期処理部２２は、同期処理により、伝搬路値、遅延プロファイル等のデータを取得する。そして、同期処理部２２は、取得した伝搬路値、遅延プロファイル等のデータをデータＤａｔａ２としてチャネル状態データ取得部４に出力する。

受信用発振器Ｏｃｒ２は、同期処理部２２から出力される発振周波数制御信号ｆｓ＿ｃｔｌを入力し、発振周波数制御信号ｆｓ＿ｃｔｌに基づいて、受信側ＲＦ部２１の処理動作の基準となるクロック信号である参照周波数信号ｆｒ＿ｒｘを生成する。そして、受信用発振器Ｏｃｒ２は、生成した参照周波数信号ｆｒ＿ｒｘを受信側ＲＦ部２１に出力する。

ベースバンド処理部２３は、受信側ＲＦ部２１から出力される復調搬送帯域ＯＦＤＭ信号Ｄｒ２と、同期処理部２２から出力される同期タイミング信号Ｓｉｇ＿Ｓｙｎｃとを入力する。ベースバンド処理部２３は、同期タイミング信号Ｓｉｇ＿Ｓｙｎｃに基づいて、ガードインターバル（ＧＩ）除去処理、ＦＦＴ変換、デマッピング処理、パラレル／シリアル変換を行うことで、復調ベースバンドＯＦＤＭ信号を信号Ｄｒ３として取得する。そして、ベースバンド処理部２３は、取得した復調ベースバンドＯＦＤＭ信号Ｄｒ３をデインターリーブ部２４に出力する。

デインターリーブ部２４は、ベースバンド処理部２３から出力される復調ベースバンドＯＦＤＭ信号Ｄｒ３を入力する。デインターリーブ部２４は、復調ベースバンドＯＦＤＭ信号Ｄｒ２に対してデインターリーブ処理を実行し、デインターリーブ処理後の信号（データ）を信号（データ）Ｄｒ４として取得する。そして、デインターリーブ部２４は、取得したデータＤｒ４をＥＣＣ部２５に出力する。

ＥＣＣ部２５は、デインターリーブ部２４から出力されるデータＤｒ４を入力し、データＤｒ４に対してエラー訂正処理を実行する。ＥＣＣ部２５は、エラー訂正処理後のデータをデータＤｏｕｔとして出力する。また、ＥＣＣ部２５は、エラー訂正処理の結果を示すデータをデータＲｓｔ＿ＥＣＣとしてチャネル状態データ取得部４に出力する。

チャネル利用状況観測部３は、各周波数帯（各周波数帯の中では１つ以上の無線チャネル）の利用状況（各無線チャネルの空き状況など）を観測するために、キャリアセンス、および／または、チャネルセンスを実行するための指令信号を生成する。そして、チャネル利用状況観測部３は、生成した指令信号を、送信側ＲＦ部１４、および／または、受信側ＲＦ部２１に出力することで、キャリアセンス、および／または、チャネルセンスを実行する。

また、チャネル利用状況観測部３は、受信電力を取得するための指令信号を、送信側ＲＦ部１４、および／または、受信側ＲＦ部２１に出力し、無線装置Ａ１の受信電力を取得する。また、取得した受信電力の値を所定の期間観測することで、無線リソース利用率（ＣＯＲ：ｃｈａｎｎｅｌ ｏｃｃｕｐａｔｉｏｎ ｒａｔｉｏ）を取得する。そして、チャネル利用状況観測部３は、取得した受信電力、無線リソース利用率ＣＯＲを含むデータをデータＤａｔａ１としてチャネル状態データ取得部４に出力する。

チャネル状態データ取得部４は、チャネル利用状況観測部３から出力されるデータＤａｔａ１と、同期処理部２２から出力されるデータＤａｔａ２と、ＥＣＣ部２５から出力されるデータＲｓｔ＿ＥＣＣと、ＥＣＣ部２５から出力されるデータＤｏｕｔとを入力する。チャネル状態データ取得部４は、入力されたデータに基づいて、チャネル状態に関する第１データと、当該第１データと相関のある第２データとを取得する。

以下では、説明便宜のため、（１）第１データを伝搬状況を示すデータである伝搬状況データとし、（２）第２データを無線リソース利用状況を示すデータである無線リソース利用状況データとして説明する。

チャネル状態データ取得部４は、伝搬状況データの予測処理用データをデータＸ１_ｔとして取得する。さらに、チャネル状態データ取得部４は、時刻ｔ−ｐ＋１から時刻ｔまでの期間（ｐ個のサンプル時刻を含む期間）に取得されたｐ個（ｐ：自然数）の伝搬状況データの予測処理用データを取得し、取得したｐ個の伝搬状況データの予測処理用データを含むデータを予測処理用データＤｔｒｓｍ（Ｘ１_{ｔ−ｐ＋１}：Ｘ１_ｔ）として、第１インターフェース部５に出力する（予測処理を実行するモードである推論モードの場合）。

また、チャネル状態データ取得部４は、無線リソース利用状況データの予測処理用データをデータＸ２_ｔとして取得する。さらに、チャネル状態データ取得部４は、時刻ｔ−ｐ＋１から時刻ｔまでの期間（ｐ個のサンプル時刻を含む期間）に取得されたｐ個（ｐ：自然数）の無線リソース利用状況データの予測処理用データを取得し、取得したｐ個の無線リソース利用状況データの予測処理用データを含むデータを予測処理用データＤｒｓｒｃ（Ｘ２_{ｔ−ｐ＋１}：Ｘ２_ｔ）として、第１インターフェース部５に出力する（予測処理を実行するモードである推論モードの場合）。

また、チャネル状態データ取得部４は、学習を行うモードである学習モードのときは、伝搬状況データの教師データＲｔｒｓｍ（Ｘ１_ｔ＋１）を、データＤａｔａ１、および／または、データＤａｔａ２から取得し、第１インターフェース部５に出力する。

また、チャネル状態データ取得部４は、学習モードのとき、無線リソース利用状況データの教師データＲｒｓｒｃ（Ｘ２_ｔ＋１）を、データＤａｔａ１、および／または、データＤａｔａ２から取得し、第１インターフェース部５に出力する。

第１インターフェース部５は、推論モードの場合、チャネル状態データ取得部４から出力される伝搬状況データの予測処理用データＤｔｒｓｍ（Ｘ１_{ｔ−ｐ＋１}：Ｘ１_ｔ）および無線リソース利用状況データの予測処理用データＤｒｓｒｃ（Ｘ２_{ｔ−ｐ＋１}：Ｘ２_ｔ）を入力する。そして、第１インターフェース部５は、伝搬状況データの予測処理用データＤｔｒｓｍ（Ｘ１_{ｔ−ｐ＋１}：Ｘ１_ｔ）および無線リソース利用状況データの予測処理用データＤｒｓｒｃ（Ｘ２_{ｔ−ｐ＋１}：Ｘ２_ｔ）を、ネットワークを介してサーバＳｖｒに出力する。

また、第１インターフェース部５は、ネットワークを介してサーバＳｖｒから伝搬状況データの予測データＥｓｔ＿ｔｒｓｍ（Ｘ１_ｔ＋１）および無線リソース利用状況データの予測データＥｓｔ＿ｒｓｒｃ（Ｘ２_ｔ＋１）を受信した場合、受信した当該予測データを予測データ処理部６に出力する。

また、第１インターフェース部５は、学習モードの場合、チャネル状態データ取得部４から出力される伝搬状況データの教師データＲｔｒｓｍ（Ｘ１_ｔ＋１）を入力し、当該教師データＲｔｒｓｍ（Ｘ１_ｔ＋１）をネットワークを介してサーバＳｖｒに出力する。

また、第１インターフェース部５は、学習モードの場合、チャネル状態データ取得部４から出力される無線リソース利用状況データの教師データＲｒｓｒｃ（Ｘ２_ｔ＋１）を入力し、当該教師データＲｒｓｒｃ（Ｘ２_ｔ＋１）をネットワークを介してサーバＳｖｒに出力する。

予測データ処理部６は、第１インターフェース部５から出力される伝搬状況データの予測データＥｓｔ＿ｔｒｓｍ（Ｘ１_ｔ＋１）および無線リソース利用状況データの予測データＥｓｔ＿ｒｓｒｃ（Ｘ２_ｔ＋１）を入力し、入力した当該予測データに基づいて、制御信号ＣＴＬ３を生成する。そして、予測データ処理部６は、生成した制御信号ＣＴＬ３をアクセス制御部１５に出力する。

（１．１．２：サーバの構成）
サーバＳｖｒは、図３に示すように、第２インターフェース部Ｓｖ１と、予測部Ｓｖ２とを備える。

第２インターフェース部Ｓｖ１は、ネットワークを介して、無線装置Ａ１と通信するための通信インターフェースである。

第２インターフェース部Ｓｖ１は、無線装置Ａ１から受信した伝搬状況データの予測処理用データＤｔｒｓｍ（Ｘ１_{ｔ−ｐ＋１}：Ｘ１_ｔ）および無線リソース利用状況データの予測処理用データＤｒｓｒｃ（Ｘ２_{ｔ−ｐ＋１}：Ｘ２_ｔ）を予測部Ｓｖ２に出力する。

また、第２インターフェース部Ｓｖ１は、予測部Ｓｖ２から出力された無線装置Ａ１の伝搬状況データの予測データＥｓｔ＿ｔｒｓｍ（Ｘ１_ｔ＋１）および無線リソース利用状況データの予測データＥｓｔ＿ｒｓｒｃ（Ｘ２_ｔ＋１）を入力し、入力した当該予測データを、ネットワークを介して、無線装置Ａ１に送信する。

また、第２インターフェース部Ｓｖ１は、学習モードの場合、無線装置Ａ１から受信した伝搬状況データの教師データＲｔｒｓｍ（Ｘ１_ｔ＋１）および無線リソース利用状況データの教師データＲｒｓｒｃ（Ｘ２_ｔ＋１）を予測部Ｓｖ２に出力する。

予測部Ｓｖｒ２は、第２インターフェース部Ｓｖ１から出力される伝搬状況データの予測処理用データＤｔｒｓｍ（Ｘ１_{ｔ−ｐ＋１}：Ｘ１_ｔ）および無線リソース利用状況データの予測処理用データＤｒｓｒｃ（Ｘ２_{ｔ−ｐ＋１}：Ｘ２_ｔ）を入力する。

予測部Ｓｖｒ２は、学習モードの場合、伝搬状況データについて、伝搬状況データの予測処理用データＤｔｒｓｍ（Ｘ１_{ｔ−ｐ＋１}：Ｘ１_ｔ）および無線リソース利用状況データの予測処理用データＤｒｓｒｃ（Ｘ２_{ｔ−ｐ＋１}：Ｘ２_ｔ）と、伝搬状況データの教師データＲｔｒｓｍ（Ｘ１_ｔ＋１）とを用いて、学習を行い、モデルの最適化を行う。

また、予測部Ｓｖｒ２は、学習モードの場合、無線リソース利用状況データについて、伝搬状況データの予測処理用データＤｔｒｓｍ（Ｘ１_{ｔ−ｐ＋１}：Ｘ１_ｔ）および無線リソース利用状況データの予測処理用データＤｒｓｒｃ（Ｘ２_{ｔ−ｐ＋１}：Ｘ２_ｔ）と、無線リソース利用状況データの教師データＲｒｓｒｃ（Ｘ２_ｔ＋１）とを用いて、学習を行い、モデルの最適化を行う。

予測部Ｓｖｒ２は、推論モードの場合、伝搬状況データについて、伝搬状況データの予測処理用データＤｔｒｓｍ（Ｘ１_{ｔ−ｐ＋１}：Ｘ１_ｔ）および無線リソース利用状況データの予測処理用データＤｒｓｒｃ（Ｘ２_{ｔ−ｐ＋１}：Ｘ２_ｔ）を用いて、予測処理を実行し、無線装置Ａ１の時刻ｔ＋１の伝搬状況データの予測データＥｓｔ＿ｔｒｓｍ（Ｘ１_ｔ＋１）を取得する。

また、予測部Ｓｖｒ２は、推論モードの場合、無線リソース利用状況データについて、伝搬状況データの予測処理用データＤｔｒｓｍ（Ｘ１_{ｔ−ｐ＋１}：Ｘ１_ｔ）および無線リソース利用状況データの予測処理用データＤｒｓｒｃ（Ｘ２_{ｔ−ｐ＋１}：Ｘ２_ｔ）を用いて、予測処理を実行し、無線装置Ａ１の時刻ｔ＋１の無線リソース利用状況データの予測データＥｓｔ＿ｒｓｒｃ（Ｘ２_ｔ＋１）を取得する。
そして、予測部Ｓｖｒ２は、取得した無線装置Ａ１の伝搬状況データの予測データＥｓｔ＿ｔｒｓｍ（Ｘ１_ｔ＋１）および無線リソース利用状況データの予測データＥｓｔ＿ｒｓｒｃ（Ｘ２_ｔ＋１）を第２インターフェース部Ｓｖ１に出力する。

＜１．２：無線環境状況予測システムの動作＞
以上のように構成された無線環境状況予測システム１０００の動作について、以下、説明する。

図１に示すように、無線装置Ａ１は、壁Ｗａｌｌ１で囲まれた空間ＳＰ１内にの固定の位置に設置されている。無線装置Ａ１は、位置Ｐｏｓ（Ａ１）に設置されている。例えば、移動可能な無線装置Ｂ１（移動可能な装置）が図１に示す位置に存在しており、無線装置Ａ１と通信している場合において、搬送車ｖ１が、図１の矢印Ｄｉｒ１の方向に移動する場合を例に、無線環境状況予測システム１０００の動作を説明する。なお、図１に示すように、搬送車ｖ１の時刻ｔ１、ｔ２、ｔ３の位置を、それぞれ、位置Ｐｏｓ＿ｖ１（ｔ１）、Ｐｏｓ＿ｖ１（ｔ２）、Ｐｏｓ＿ｖ１（ｔ３）とする。

図４は、図１と同様に空間ＳＰ１内を模式的に示す図（学習モードの図）であり、（１）無線装置Ａ１で観測される伝搬状況データの一例である受信電力と時刻との関係を示すグラフＧ１、および、（２）無線装置Ａ１で観測される無線リソース利用状況データの一例である無線リソース消費量（例えば、無線リソース利用率）と時刻との関係を示すグラフＧ２を示した図である。

図５は、図１と同様に空間ＳＰ１内を模式的に示す図（推論モードの図）であり、（１）無線装置Ａ１で観測される伝搬状況データの一例である受信電力と時刻との関係を示すグラフＧ１１、および、（２）無線装置Ａ１で観測される無線リソース利用状況データの一例である無線リソース消費量と時刻との関係を示すグラフＧ１２を示した図である。

説明便宜のため、無線環境状況予測システムにおいて、無線リソース利用状況データを受信電力とし、無線リソース利用状況データを無線リソース消費量（例えば、無線リソース利用率）とした場合の予測処理を実行する場合について、説明する。

なお、伝搬状況の変動と無線リソース利用状況の変動との間には相関性がある。つまり、無線リソース利用状況データ（例えば、受信電力）と無線リソース利用状況データ（例えば、無線リソース消費量、無線リソース利用率）との間には相関性がある。

例えば、無線環境状況予測システム１０００において、無線装置Ａ１が利用している無線チャネルの伝搬損が大きくなった場合、無線装置Ａ１の受信電力が小さくなる。そして、無線装置Ａ１の受信電力が小さくなると、無線環境状況予測システムにおいて、無線装置Ａ１が利用している無線チャネルの伝送レートを下げる処理が実行される。そうすると、当該無線チャネルにより同一情報を送信するために必要な時間が長くなり、その結果、当該無線チャネルの無線リソース利用状況データの値（例えば、無線リソース消費量、無線リソース利用率）が大きくなる。

つまり、無線リソース利用状況データ（例えば、受信電力）と無線リソース利用状況データ（例えば、無線リソース消費量、無線リソース利用率）との間には相関性がある。この相関性については、図４のグラフＧ１、Ｇ２からも認識することができる。図４では、期間ｔ２１〜ｔ４に含まれる時刻において、無線装置Ａ１の受信電力が低下していることを検知し、伝送レートを下げる処理が実行された場合を示している。

なお、上記の場合において、無線装置Ａ１の受信電力は、連続的に変化するが、伝送レートは、離散的に（ステップ的に）変化するので、それに伴い、無線リソース消費量（例えば、無線リソース利用率）も離散的に（ステップ的に）変化する。このように離散的に（ステップ的に）変化する無線リソース消費量（例えば、無線リソース利用率）を、無線リソース消費量についてのデータだけを用いて、予測することは困難である。

そこで、無線環境状況予測システム１０００では、離散的に（ステップ的に）変化する無線リソース利用状況データ（例えば、無線リソース消費量、無線リソース利用率）を、相関性のあるデータである無線リソース利用状況データ（例えば、受信電力）と無線リソース利用状況データ（例えば、無線リソース消費量、無線リソース利用率）とを用いて予測する。

以下では、（１）学習モードと、（２）推論モードとに分けて、無線環境状況予測システムの動作を説明する。

（１．２．１：学習モード）
無線装置Ａ１において、チャネル利用状況観測部３は、キャリアセンス、あるいは、チャネルセンスを実行し、時刻ｔ０〜ｔ２１までの期間の受信電力のデータを取得する。なお、時刻ｔ０がサンプル時刻ｔ−ｐ＋１に相当し、時刻ｔ２１がサンプル時刻ｔ（現時刻）に相当するものとする。つまり、無線装置Ａ１において、時刻ｔ０〜ｔ２１までの期間で、ｐ個の受信電力のデータＸ１_{ｔ−ｐ＋１}〜Ｘ１_ｔが取得される。この無線装置Ａ１で取得されたｐ個の受信電力のデータＸ１_{ｔ−ｐ＋１}〜Ｘ１_ｔは、無線装置Ａ１が設置されている位置Ｐｏｓ（Ａ１）の受信電力のデータであるとみなすことができる。

また、無線装置Ａ１において、チャネル利用状況観測部３は、受信電力を所定の期間監視（所定の閾値と比較）することで、時刻ｔ０〜ｔ２１までの期間のｐ個の無線リソース利用率ＣＯＲを取得し、取得した無線リソース利用率ＣＯＲに基づいて、時刻ｔ０〜ｔ２１までの期間のｐ個の無線リソース消費量のデータ（無線リソース消費量データ）を取得する。

無線装置Ａ１のチャネル状態データ取得部４は、チャネル利用状況観測部３により取得されたｐ個の受信電力のデータを、伝搬状況データの予測処理用データＤｔｒｓｍ（Ｘ１_{ｔ−ｐ＋１}：Ｘ１_ｔ）として取得し、チャネル利用状況観測部３により取得されたｐ個の無線リソース消費量のデータを、無線リソース利用状況データの予測処理用データＤｒｓｒｃ（Ｘ２_{ｔ−ｐ＋１}：Ｘ２_ｔ）として取得する。

そして、取得された伝搬状況データの予測処理用データＤｔｒｓｍ（Ｘ１_{ｔ−ｐ＋１}：Ｘ１_ｔ）および無線リソース利用状況データの予測処理用データＤｒｓｒｃ（Ｘ２_{ｔ−ｐ＋１}：Ｘ２_ｔ）は、無線装置Ａ１の第１インターフェース部５を介して、サーバＳｖｒに送信される。

さらに、無線装置Ａ１のチャネル状態データ取得部４は、サンプル時刻ｔ＋１（時刻ｔ２１〜ｔ４の期間に含まれる時刻（例えば、時刻ｔ３））において取得した受信電力のデータを伝搬状況データの教師データＲｔｒｓｍ（Ｘ１_ｔ＋１）として取得し、サンプル時刻ｔ＋１において取得した無線リソース消費量データを無線リソース利用状況データの教師データＲｒｓｒｃ（Ｘ２_ｔ＋１）として取得する。そして、無線装置Ａ１は、取得した伝搬状況データの教師データＲｔｒｓｍ（Ｘ１_ｔ＋１）および無線リソース利用状況データの教師データＲｒｓｒｃ（Ｘ２_ｔ＋１）を、第１インターフェース部５を介して、サーバＳｖｒに送信する。

サーバＳｖｒは、第２インターフェース部Ｓｖ１により、無線装置Ａ１から送信される伝搬状況データの予測処理用データＤｔｒｓｍ（Ｘ１_{ｔ−ｐ＋１}：Ｘ１_ｔ）および無線リソース利用状況データの予測処理用データＤｒｓｒｃ（Ｘ２_{ｔ−ｐ＋１}：Ｘ２_ｔ）と、伝搬状況データの教師データＲｔｒｓｍ（Ｘ１_ｔ＋１）および無線リソース利用状況データの教師データＲｒｓｒｃ（Ｘ２_ｔ＋１）を取得する。

そして、サーバＳｖｒの予測部Ｓｖ２は、無線装置Ａ１についての伝搬状況データの予測処理（推論処理）を行う学習済みモデルを取得するための学習を行う。具体的には、予測部Ｓｖ２は、以下のデータを入力データ、教師データとする。
入力データ：
Ｄｔｒｓｍ（Ｘ１_{ｔ−ｐ＋１}：Ｘ１_ｔ）
Ｄｒｓｒｃ（Ｘ２_{ｔ−ｐ＋１}：Ｘ２_ｔ）
教師データ：
Ｒｔｒｓｍ（Ｘ１_ｔ＋１）
そして、予測部Ｓｖ２は、パラメータをθ１とし、条件付き確率Ｐ（Ｘ１_ｔ＋１｜Ｄｔｒｓｍ（Ｘ１_{ｔ−ｐ＋１}：Ｘ１_ｔ），Ｄｒｓｒｃ（Ｘ２_{ｔ−ｐ＋１}：Ｘ２_ｔ）；θ１）を最大にするパラメータθ１_ｏｐｔを求める。つまり、予測部Ｓｖ２は、下記数式に相当する処理を実行することで最適パラメータθ１_ｏｐｔを取得する。

なお、上記数式において、Ｘ１_ｔ＋１は、無線装置Ａ１のサンプル時刻ｔ＋１において取得される伝搬状況データ（例えば、受信電力）である。

Ｘ１_ｉは、ここでは、受信電力のデータ（１次元のデータ）であるが、伝搬状況を示す複数のデータを含むベクトルデータであってもよい。Ｘ１_ｉは、例えば、（１）受信電力、（２）伝搬路値、（３）遅延プロファイル、（４）遅延分散の２以上のデータを要素するベクトルデータであってもよい。

そして、上記により取得した最適パラメータθ１_ｏｐｔを学習モデルに設定することで、無線装置Ａ１についての伝搬状況データの予測処理（推論処理）を行う学習済みモデルを取得する。

なお、最適化する対象のモデル（無線装置Ａ１についての予測処理（推論処理）を行うためのモデル）は、（１）ニューラルネットワーク（例えば、ＤＮＮ（Ｄｅｅｐ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）、ＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）、ＲＮＮ（Ｒｅｃｕｒｒｅｎｔ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ））によるモデルであってもよいし、（２）多入力を前提とする非線形の動的モデルであってもよい。多入力を前提とする非線形の動的モデルを用いた処理を行う場合、例えば、下記文献に開示されている技術を用いるようにしてもよい。
Y. Matsubara and Y. Sakurai, “Regime shifts in streams: real-time forecasting of co-evolving time sequences,” Proc. Of ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD), Aug. 2016.
つまり、上記文献に開示されているように、複数の入力変数、複数の出力変数、複数の状態変数を設定した非線形の状態空間モデルを設定し、設定した状態空間モデルを最適化するパラメータを取得することで、モデルの最適化処理（モデルの学習）を行うようにしてもよい。

なお、パラメータθ１、最適パラメータθ１_ｏｐｔは、スカラー、ベクトル、またはテンソルである。

また、サーバＳｖｒの予測部Ｓｖ２は、無線装置Ａ１についての無線リソース利用状況データの予測処理（推論処理）を行う学習済みモデルを取得するための学習を行う。具体的には、予測部Ｓｖ２は、以下のデータを入力データ、教師データとする。
入力データ：
Ｄｔｒｓｍ（Ｘ１_{ｔ−ｐ＋１}：Ｘ１_ｔ）
Ｄｒｓｒｃ（Ｘ２_{ｔ−ｐ＋１}：Ｘ２_ｔ）
教師データ：
Ｒｒｓｒｃ（Ｘ２_ｔ＋１）
そして、予測部Ｓｖ２は、パラメータをθ２とし、条件付き確率Ｐ（Ｘ２_ｔ＋１｜Ｄｔｒｓｍ（Ｘ１_{ｔ−ｐ＋１}：Ｘ１_ｔ），Ｄｒｓｒｃ（Ｘ２_{ｔ−ｐ＋１}：Ｘ２_ｔ）；θ２）を最大にするパラメータθ１_ｏｐｔを求める。つまり、予測部Ｓｖ２は、下記数式に相当する処理を実行することで最適パラメータθ２_ｏｐｔを取得する。

なお、上記数式において、Ｘ２_ｔ＋１は、無線装置Ａ１のサンプル時刻ｔ＋１において取得される無線リソース利用状況データ（例えば、無線リソース消費量データ）である。

Ｘ２_ｉは、ここでは、受信電力のデータ（１次元のデータ）であるが、無線リソース利用状況を示す複数のデータを含むベクトルデータであってもよい。Ｘ２_ｉは、例えば、（Ａ）ＣＯＲ、（Ｂ）再送回数、（Ｃ）フレーム誤り率、（Ｄ）使用伝送レートの２以上のデータを要素するベクトルデータであってもよい。

そして、上記により取得した最適パラメータθ２_ｏｐｔを学習モデルに設定することで、無線装置Ａ１についての無線リソース利用状況データの予測処理（推論処理）を行う学習済みモデルを取得する。

なお、最適化する対象のモデル（無線装置Ａ１についての予測処理（推論処理）を行うためのモデル）は、（１）ニューラルネットワーク（例えば、ＤＮＮ（Ｄｅｅｐ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）、ＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）、ＲＮＮ（Ｒｅｃｕｒｒｅｎｔ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ））によるモデルであってもよいし、（２）多入力を前提とする非線形の動的モデルであってもよい。多入力を前提とする非線形の動的モデルを用いた処理を行う場合、例えば、複数の入力変数、複数の出力変数、複数の状態変数を設定した非線形の状態空間モデルを設定し、設定した状態空間モデルを最適化するパラメータを取得することで、モデルの最適化処理（モデルの学習）を行うようにしてもよい。

なお、パラメータθ２、最適パラメータθ２_ｏｐｔは、スカラー、ベクトル、またはテンソルである。

以上のようにして、無線環境状況予測システム１０００では、学習モードの処理が実行される。

（１．２．２：推論モード）
次に、推論モードにおける無線環境状況予測システム１０００の動作について、図５を参照しながら説明する。なお、推論モードにおいても、搬送車ｖ１は、図４に示した学習モードのときと同様の動作（移動）を行うものとする。

無線装置Ａ１において、チャネル利用状況観測部３は、キャリアセンス、あるいは、チャネルセンスを実行し、時刻ｔ０〜ｔ２１までの期間の受信電力のデータを取得する。なお、時刻ｔ０がサンプル時刻ｔ−ｐ＋１に相当し、時刻ｔ２１がサンプル時刻ｔ（現時刻）に相当するものとする。つまり、無線装置Ａ１において、時刻ｔ０〜ｔ２１までの期間で、ｐ個の受信電力のデータＸ_{ｔ−ｐ＋１}〜Ｘ_ｔが取得される。この無線装置Ａ１で取得されたｐ個の受信電力のデータＸ_{ｔ−ｐ＋１}〜Ｘ_ｔは、無線装置Ａ１が設置されている位置Ｐｏｓ（Ａ１）の受信電力のデータであるとみなすことができる。

また、無線装置Ａ１において、チャネル利用状況観測部３は、受信電力を所定の期間監視（所定の閾値と比較）することで、時刻ｔ０〜ｔ２１までの期間のｐ個の無線リソース利用率ＣＯＲを取得し、取得した無線リソース利用率ＣＯＲに基づいて、時刻ｔ０〜ｔ２１までの期間のｐ個の無線リソース消費量のデータ（無線リソース消費量データ）を取得する。

無線装置Ａ１のチャネル状態データ取得部４は、チャネル利用状況観測部３により取得されたｐ個の受信電力のデータを、伝搬状況データの予測処理用データＤｔｒｓｍ（Ｘ１_{ｔ−ｐ＋１}：Ｘ１_ｔ）として取得し、チャネル利用状況観測部３により取得されたｐ個の無線リソース消費量のデータを、無線リソース利用状況データの予測処理用データＤｒｓｒｃ（Ｘ２_{ｔ−ｐ＋１}：Ｘ２_ｔ）として取得する。

そして、取得された伝搬状況データの予測処理用データＤｔｒｓｍ（Ｘ１_{ｔ−ｐ＋１}：Ｘ１_ｔ）および無線リソース利用状況データの予測処理用データＤｒｓｒｃ（Ｘ２_{ｔ−ｐ＋１}：Ｘ２_ｔ）は、無線装置Ａ１の第１インターフェース部５を介して、サーバＳｖｒに送信される。

サーバＳｖｒは、第２インターフェース部Ｓｖ１により、無線装置Ａ１から送信される伝搬状況データの予測処理用データＤｔｒｓｍ（Ｘ１_{ｔ−ｐ＋１}：Ｘ１_ｔ）および無線リソース利用状況データの予測処理用データＤｒｓｒｃ（Ｘ２_{ｔ−ｐ＋１}：Ｘ２_ｔ）を取得する。

サーバＳｖｒの予測部Ｓｖ２は、無線装置Ａ１についての伝搬状況データ（受信電力）の予測処理（推論処理）を行う学習済みモデルを用いて、無線装置Ａ１についての伝搬状況データの予測データＥｓｔ＿ｔｒｓｍ（Ｘ１_ｔ＋１）を取得する処理を行う。

具体的には、予測部Ｓｖ２は、以下のデータを、無線装置Ａ１についての伝搬状況データの予測処理（推論処理）を行う学習済みモデルへの入力データとし、当該学習済みモデルから出力を無線装置Ａ１についての伝搬状況データの予測データＥｓｔ＿ｔｒｓｍ（Ｘ１_ｔ＋１）として取得する。
入力データ：
Ｄｔｒｓｍ（Ｘ１_{ｔ−ｐ＋１}：Ｘ１_ｔ）
Ｄｒｓｒｃ（Ｘ２_{ｔ−ｐ＋１}：Ｘ２_ｔ）
上記により取得される無線装置Ａ１についての伝搬状況データの予測データＥｓｔ＿ｔｒｓｍ（Ｘ１_ｔ＋１）は、例えば、図５の状況の場合、グラフＧ１１の期間ｔ２１〜ｔ４のデータである。図４に示す学習モードのときと近似する伝搬状況データおよび無線リソース利用状況データが予測部Ｓｖ２に入力されるため、予測部Ｓｖ２（学習済みモデル）から出力される無線装置Ａ１についての伝搬状況データの予測データＥｓｔ＿ｔｒｓｍ（Ｘ１_ｔ＋１）は、無線装置Ａ１の伝搬状況データの教師データＲ＿ｔｒｓｍ（Ｘ１_ｔ＋１）に近似したデータとなる。つまり、図５に示す状態におけるサンプル時刻ｔ＋１の伝搬状況データの予測データＥｓｔ＿ｔｒｓｍ（Ｘ１_ｔ＋１）は、高精度なものとなる。

そして、上記により取得された無線装置Ａ１の伝搬状況データの予測データＥｓｔ＿ｔｒｓｍ（Ｘ１_ｔ＋１）は、第２インターフェース部Ｓｖ１を介して、無線装置Ａ１に送信される。

また、サーバＳｖｒの予測部Ｓｖ２は、無線装置Ａ１についての無線リソース利用状況データ（無線リソース消費量データ）の予測処理（推論処理）を行う学習済みモデルを用いて、無線装置Ａ１についての無線リソース利用状況データの予測データＥｓｔ＿ｒｓｒｃ（Ｘ２_ｔ＋１）を取得する処理を行う。

具体的には、予測部Ｓｖ２は、以下のデータを、無線装置Ａ１についての無線リソース利用状況データの予測処理（推論処理）を行う学習済みモデルへの入力データとし、当該学習済みモデルから出力を無線装置Ａ１についての無線リソース利用状況データの予測データＥｓｔ＿ｒｓｒｃ（Ｘ２_ｔ＋１）として取得する。
入力データ：
Ｄｔｒｓｍ（Ｘ１_{ｔ−ｐ＋１}：Ｘ１_ｔ）
Ｄｒｓｒｃ（Ｘ２_{ｔ−ｐ＋１}：Ｘ２_ｔ）
上記により取得される無線装置Ａ１についての無線リソース利用状況データの予測データＥｓｔ＿ｒｓｒｃ（Ｘ２_ｔ＋１）は、例えば、図５の状況の場合、グラフＧ１２の期間ｔ２１〜ｔ４のデータである。図４に示す学習モードのときと近似する伝搬状況データおよび無線リソース利用状況データが予測部Ｓｖ２に入力されるため、予測部Ｓｖ２（学習済みモデル）から出力される無線装置Ａ１についての無線リソース利用状況データの予測データＥｓｔ＿ｒｓｒｃ（Ｘ２_ｔ＋１）は、無線装置Ａ１の無線リソース利用状況データの教師データＲ＿ｒｓｒｃ（Ｘ２_ｔ＋１）に近似したデータとなる。つまり、図５に示す状態におけるサンプル時刻ｔ＋１の無線リソース利用状況データの予測データＥｓｔ＿ｔｒｓｍ（Ｘ１_ｔ＋１）は、高精度なものとなる。

そして、上記により取得された無線装置Ａ１の無線リソース利用状況データの予測データＥｓｔ＿ｒｓｒｃ（Ｘ２_ｔ＋１）は、第２インターフェース部Ｓｖ１を介して、無線装置Ａ１に送信される。

そして、無線装置Ａ１は、第１インターフェース部５を介して、伝搬状況データの予測データＥｓｔ＿ｔｒｓｍ（Ｘ１_ｔ＋１）および無線リソース利用状況データの予測データＥｓｔ＿ｒｓｒｃ（Ｘ２_ｔ＋１）を受信する。そして、予測データ処理部６が、伝搬状況データの予測データＥｓｔ＿ｔｒｓｍ（Ｘ１_ｔ＋１）、および／または、無線リソース利用状況データの予測データＥｓｔ＿ｒｓｒｃ（Ｘ２_ｔ＋１）に基づいて、適宜、制御信号ＣＴＬ３を生成し、適切な処理が実行されるように、無線装置Ａ１の送信部１を制御する。

以上のように、無線環境状況予測システム１０００では、相関のある複数種類のデータ（伝搬状況データと無線リソース利用状況データ）に基づいて、学習させた学習済みモデルを用いて、予測処理（推論処理）を実行する。複雑に無線環境が変化する状況において、１種類のデータ（受信電力のデータ）のみを用いて、離散的に変化するデータ（無線チャネルの状態を示すデータ）の将来のデータを高精度で予測することは困難である場合であっても、無線環境状況予測システム１０００では、相関のある複数種類のデータにより学習させた学習させた学習済みモデルを用いて、予測処理（推論処理）を実行するので、高精度の予測処理を実現することができる。

これにより、無線環境状況予測システム１０００では、狭空間で、電波が飛び交う環境において、シャドウイング、マルチパス、干渉、反射波等の影響により、複雑に無線環境が変化する状況においても、高精度で無線環境状況を予測することができる。

なお、上記では、伝搬状況データを受信電力とし、無線リソース利用状況データを無線リソース消費量データとして説明したが、これに限定されることはなく、例えば、以下のようなデータを、伝搬状況データおよび無線リソース利用状況データとして設定し、予測処理の対象としてもよい。

≪伝搬状況データ≫
（１）受信電力
（２）伝搬路値
（３）遅延プロファイル
（４）遅延分散
≪無線リソース利用状況データ≫
（Ａ）ＣＯＲ
（Ｂ）再送回数
（Ｃ）フレーム誤り率
（Ｄ）使用伝送レート
なお、（２）伝搬路値、および、（３）遅延プロファイルのデータは、同期処理部２２により取得されるデータＤａｔａ２に基づいて、チャネル状態データ取得部４により取得することができる。

（４）遅延分散は、チャネル状態データ取得部４により、（２）伝搬路値、または、（３）遅延プロファイルのデータから計算により取得される。

（Ａ）ＣＯＲは、チャネル利用状況観測部３により、受信電力を所定の期間監視（所定の閾値と比較）することで取得される。

（Ｂ）再送回数は、受信部２により、ＥＣＣ部２５の処理後のデータＤｏｕｔを用いて、ＡＣＫ検出処理を実行し、ＡＣＫ検出できない場合に実行される再送処理の回数をカウントすることで取得される。

（Ｃ）フレーム誤り率は、チャネル状態データ取得部４が、ＥＣＣ部２５により取得されるエラー訂正処理の結果を示すデータＲｓｔ＿ＥＣＣを調べることで、取得される。

（Ｄ）使用伝送レートは、チャネル状態データ取得部４が、ＥＣＣ部２５の処理後のデータＤｏｕｔを用いて、ヘッダ情報を調べることで取得される。

チャネル状態データ取得部４は、伝搬状況データとして、上記（１）〜（４）のうちの１または複数のデータを含むデータを伝搬状況データＸ１_ｉ（スカラーまたはベクトル）として生成し、ｐ個のデータＸ１_ｉを含む伝搬状況データＤｔｒｓｍ（Ｘ１_{ｔ−ｐ＋１}：Ｘ１_ｔ）を第１インターフェース部５を介して、サーバＳｖｒに送信するようにしてもよい。

また、チャネル状態データ取得部４は、無線リソース利用状況データとして、上記（Ａ）〜（Ｄ）のうちの１または複数のデータを含むデータを無線リソース利用状況データＸ２_ｉ（スカラーまたはベクトル）として生成し、ｐ個のデータＸ２_ｉを含む無線リソース利用状況データＤｒｓｒｃ（Ｘ２_{ｔ−ｐ＋１}：Ｘ２_ｔ）を第１インターフェース部５を介して、サーバＳｖｒに送信するようにしてもよい。

［他の実施形態］
上記実施形態では、無線環境状況予測システム１０００が、相関のある２種類のデータ（伝搬状況データと無線リソース利用状況データ）を用いて処理を実行する場合について説明したが、これに限定されることはなく、無線環境状況予測システム１０００は、相関のあるＮ種類（Ｎ：自然数、Ｎ≧３）のデータを用いて処理を実行するようにしてもよい。

また、上記実施形態では、サーバＳｖｒが予測部Ｓｖ２を備える場合について説明したが、予測部Ｓｖ２と同様の処理を実行する機能部（予測部）を無線装置Ａ１に設けるようにしてもよい。

また、上記実施形態では、ＯＦＤＭを採用した無線環境状況予測システム１０００について説明したが、これに限定されることはなく、他の変調方式を用いてもよい。

また、上記実施形態で説明した無線環境状況予測システムにおいて、各ブロックは、ＬＳＩなどの半導体装置により個別に１チップ化されても良いし、一部又は全部を含むように１チップ化されても良い。

なお、ここでは、ＬＳＩとしたが、集積度の違いにより、ＩＣ、システムＬＳＩ、スーパーＬＳＩ、ウルトラＬＳＩと呼称されることもある。

また、集積回路化の手法はＬＳＩに限るものではなく、専用回路又は汎用プロセサで実現してもよい。ＬＳＩ製造後に、プログラムすることが可能なＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）や、ＬＳＩ内部の回路セルの接続や設定を再構成可能なリコンフィギュラブル・プロセッサーを利用しても良い。

また、上記各実施形態の各機能ブロックの処理の一部または全部は、プログラムにより実現されるものであってもよい。そして、上記各実施形態の各機能ブロックの処理の一部または全部は、コンピュータにおいて、中央演算装置（ＣＰＵ）により行われる。また、それぞれの処理を行うためのプログラムは、ハードディスク、ＲＯＭなどの記憶装置に格納されており、ＲＯＭにおいて、あるいはＲＡＭに読み出されて実行される。

また、上記実施形態の各処理をハードウェアにより実現してもよいし、ソフトウェア（ＯＳ（オペレーティングシステム）、ミドルウェア、あるいは、所定のライブラリとともに実現される場合を含む。）により実現してもよい。さらに、ソフトウェアおよびハードウェアの混在処理により実現しても良い。

例えば、上記実施形態の各機能部を、ソフトウェアにより実現する場合、図６に示したハードウェア構成（例えば、ＣＰＵ、ＲＯＭ、ＲＡＭ、入力部、出力部等をバスＢｕｓにより接続したハードウェア構成）を用いて、各機能部をソフトウェア処理により実現するようにしてもよい。

また、上記実施形態における処理方法の実行順序は、必ずしも、上記実施形態の記載に制限されるものではなく、発明の要旨を逸脱しない範囲で、実行順序を入れ替えることができるものである。

前述した方法をコンピュータに実行させるコンピュータプログラム及びそのプログラムを記録したコンピュータ読み取り可能な記録媒体は、本発明の範囲に含まれる。ここで、コンピュータ読み取り可能な記録媒体としては、例えば、フレキシブルディスク、ハードディスク、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ、ＤＶＤ−ＲＯＭ、ＤＶＤ−ＲＡＭ、大容量ＤＶＤ、次世代ＤＶＤ、半導体メモリを挙げることができる。

上記コンピュータプログラムは、上記記録媒体に記録されたものに限られず、電気通信回線、無線又は有線通信回線、インターネットを代表とするネットワーク等を経由して伝送されるものであってもよい。

なお、本発明の具体的な構成は、前述の実施形態に限られるものではなく、発明の要旨を逸脱しない範囲で種々の変更および修正が可能である。

１０００ 無線環境状況予測システム
Ａ１ 無線装置
Ｓｖｒ サーバ
１ 送信部
２ 受信部
３ チャネル利用状況観測部
４ チャネル状態データ取得部
５ 第１インターフェース部
Ｓｖ１ 第２インターフェース部
Ｓｖ２ 予測部

Claims (7)

1. 空間内の所定の固定位置である第１地点の無線環境状況を予測するための無線環境状況予測システムであって、
   データに対して送信処理を実行することで無線信号を生成する送信部と、
   無線信号に対して受信処理を実行することで当該無線信号により搬送されたデータを取得する受信部と、
   前記送信部および前記受信部の少なくとも一方を制御することで、前記無線信号の通信に使用されるチャネルの利用状況を観測するチャネル利用状況観測部と、
   前記送信部、前記受信部、および、前記チャネル利用状況観測部の少なくとも一つにより取得された信号に基づいて、第１期間において前記第１地点のチャネル状態に関する第１データと、前記第１データと相関のある第２データとを取得するチャネル状態データ取得部であって、前記第１データは、前記第１地点において測定される連続的に変化する物理量に基づいて取得されるデータであって、時系列において連続的に変化するデータであり、前記第２データは、前記第１地点のチャネル状態を示すデータであって、時系列において離散的に変化するデータである、前記チャネル状態データ取得部と、
   （１）学習時において、離散的に変化する前記第２データの所定期間における時系列データと、前記第２データと相関のある前記第１データの前記所定期間における時系列データとを教師データとして、学習を行うことで学習済モデルを取得し、
   （２）予測時において、前記学習済モデルを用いて、前記第１データおよび前記第２データに基づいて、前記第１地点の前記第１データの将来のデータを予測するとともに、前記第１データおよび前記第２データに基づいて、前記第１地点の前記第２データの将来のデータを予測する予測処理を行う予測部と、
   を備える無線環境状況予測システム。
2. 前記第１データは、伝搬状況を示すデータである伝搬状況データであり、
   前記第２データは、無線リソース利用状況を示すデータである無線リソース利用状況データである、
   請求項１に記載の無線環境状況予測システム。
3. 前記伝搬状況データは、
   （１）受信電力、（２）伝搬路値、（３）遅延プロファイル、（４）遅延分散に関するデータのうち少なくとも１つを含むデータである、
   請求項２に記載の無線環境状況予測システム。
4. 前記無線リソース利用状況データは、
   （１）無線リソース利用率、（２）再送回数、（３）フレーム誤り率、（４）使用伝送レートに関するデータのうち少なくとも１つを含むデータである、
   請求項２または３に記載の無線環境状況予測システム。
5. 前記第１期間は、サンプル時刻ｔ−ｐ＋１（ｐ：自然数）からサンプル時刻ｔまでの期間であり、
   前記チャネル状態データ取得部でサンプル時刻ｉにおいて取得される前記第１データをＸ１_ｉとし、前記第２データをＸ２_ｉとし、
   前記第１期間において取得される前記第１データをＤ１（Ｘ１_{ｔ−ｐ＋１}：Ｘ１_ｔ）とし、前記第２データをＤ２（Ｘ２_{ｔ−ｐ＋１}：Ｘ２_ｔ）とすると、
   前記予測部は、
   前記第１期間において取得される前記第１データＤ１（Ｘ１_{ｔ−ｐ＋１}：Ｘ１_ｔ）および前記第２データＤ２（Ｘ２_{ｔ−ｐ＋１}：Ｘ２_ｔ）を用いて前記予測処理を実行する、
   請求項１から４のいずれかに記載の無線環境状況予測システム。
6. データに対して送信処理を実行することで無線信号を生成する送信部と、
   無線信号に対して受信処理を実行することで当該無線信号により搬送されたデータを取得する受信部と、
   前記送信部および前記受信部の少なくとも一方を制御することで、前記無線信号の通信に使用されるチャネルの利用状況を観測するチャネル利用状況観測部と、
   を備える無線環境状況予測システムに用いられ、空間内の所定の固定位置である第１地点の無線環境状況を予測するための無線環境状況予測方法であって、
   前記送信部、前記受信部、および、前記チャネル利用状況観測部の少なくとも一つにより取得された信号に基づいて、第１期間において前記第１地点のチャネル状態に関する第１データと、前記第１データと相関のある第２データとを取得するチャネル状態データ取得ステップであって、前記第１データは、前記第１地点において測定される連続的に変化する物理量に基づいて取得されるデータであって、時系列において連続的に変化するデータであり、前記第２データは、前記第１地点のチャネル状態を示すデータであって、時系列において離散的に変化するデータである、前記チャネル状態データ取得ステップと、
   （１）学習時において、離散的に変化する前記第２データの所定期間における時系列データと、前記第２データと相関のある前記第１データの前記所定期間における時系列データとを教師データとして、学習を行うことで学習済モデルを取得し、
   （２）予測時において、前記学習済モデルを用いて、前記第１データおよび前記第２データに基づいて、前記第１地点の前記第１データの将来のデータを予測するとともに、前記第１データおよび前記第２データに基づいて、前記第１地点の前記第２データの将来のデータを予測する予測ステップと、
   を備える無線環境状況予測方法。
7. 請求項６に記載の無線環境状況予測方法をコンピュータに実行させるためのプログラム。
   
   

Images