JP6767025B2

JP6767025B2 - 品質劣化推定装置、品質劣化推定方法、及びプログラム

Info

Publication number: JP6767025B2
Application number: JP2017134086A
Authority: JP
Inventors: 里衣田行; 大介池上; 崇弘松田; 哲哉滝根
Original assignee: Nippon Telegraph and Telephone Corp; Osaka University NUC
Current assignee: Nippon Telegraph and Telephone Corp; Osaka University NUC
Priority date: 2017-07-07
Filing date: 2017-07-07
Publication date: 2020-10-14
Anticipated expiration: 2037-07-07
Also published as: JP2019016958A

Description

本発明は、通信におけるエンド−エンドの品質観測値を入力として、その通信におけるノードの接続箇所の中でどこがどれだけ劣化していたかを推定・判定する技術に関連するものである。

モバイル通信ではユーザ環境の多様化、利用方法の多岐化により、様々な箇所で品質劣化が発生する状況である。モバイル通信サービス品質向上のためには劣化箇所を把握することが重要である。

しかし、品質観測において、エンド−エンドの観測（"計測"と称してもよい）を行なうことは可能であるが、その観測結果から各箇所(サーバ、ISP、アクセスノード、端末等)における劣化度合いを判定することは難しい。この点に関する先行技術として、非特許文献１、２に開示された技術がある。非特許文献１には、劣化度合いを推定するノードの関係性をグラフ構造として利用することにより、少ない計算量で各ノードの劣化量を推定する技術が開示されている。

また、非特許文献２には、信頼性の低い観測データを棄却することにより推定精度を向上させる技術が開示されている。

田行他,"モバイルネットワークの地理的依存性を利用した通信品質劣化推定",信学技報, vol. 116, no. 10, CQ2016-1, pp. 1-6, 2016 年 4 月金正他, "地理的依存性を考慮した遅延トモグラフィにおける観測データ選択," 電子情報通信学会2016年ソサイエティ大会, B-11-7, 2016年9月

従来技術では、例えばモバイル端末において観測したエンド−エンド間の品質を用いて劣化箇所の推定を行う場合、観測する端末数が少ない、端末の計測性能が低い等の理由により、劣化箇所を推定するために必要な高精度な観測データが得られないという問題が発生する。非特許文献１に開示された技術では、ノード間の関係性を用いて劣化箇所を推定しているため、このような低信頼な観測データは、観測データが通過しているノードの劣化量推定精度だけでなく、その近隣の複数の推定精度にも影響を与える可能性がある。また、観測データが少ない場合には、非特許文献２の手法を用いても効果は小さく、観測値の標本分散が大きくなることから、推定精度が低下する課題があった。

本発明は上記の点に鑑みてなされたものであり、通信網におけるエンド−エンドの観測値を用いてノード毎の品質劣化量の値を推定する技術において、品質劣化量の推定精度を向上させる技術を提供することを目的とする。

開示の技術によれば、通信網を構成するノードの品質劣化を推定する品質劣化推定装置であって、
各観測経路の品質観測値、各観測経路の観測数、及び各観測経路の経路情報を入力する入力手段と、
前記品質観測値と、各ノードの未知の劣化量に対する重み付けに使用される前記観測数と、前記経路情報とに基づいて、各ノードの劣化量の推定値を算出する演算手段と、
前記各ノードの劣化量の推定値を出力する出力手段とを備え、
前記演算手段は、前記品質観測値から構成されるベクトルと、前記経路情報から構成される行列と、前記観測数と、ノード間の劣化の類似性を表すグラフの構造に対応するグラフラプラシアン行列の固有ベクトルを並べた行列とを使用した推定式を解くことにより、前記各ノードの劣化量の推定値を算出する
ことを特徴とする品質劣化推定装置が提供される。

開示の技術によれば、通信網におけるエンド−エンドの観測値を用いてノード毎の品質劣化量の値を推定する技術において、品質劣化量の推定精度を向上させる技術が提供される。

本発明の実施の形態における品質劣化推定装置１００の構成図である。品質劣化推定装置１００のハードウェア構成図である。グループ１におけるノード間のグラフ構造とノードの劣化量を示す図である。グループ２に属するノードの劣化量を示す図である。劣化推定量の分散を示す図である。

以下、図面を参照して本発明の実施の形態（本実施の形態）を説明する。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。本実施の形態の通信網（以下、対象通信網と呼ぶ）において、品質劣化量を推定する対象となるサーバ、中継装置、基地局等の通信機器を「ノード」と呼ぶ。「ノード」は、単体のネットワーク機器のみならず、ISP、通信事業者ネットワーク等のネットワーク機器の集合からなる構成も含まれる。また、対象通信網は、特定の種類の網に限られず、例えば、モバイル網であってもよいし、固定網であってもよいし、モバイル網と固定網が混在した網であってもよいし、これら以外の網であってもよい。

本実施の形態では、対象通信網を構成する各ノードに値があり、その値が大きいほど劣化量が大きいことを表す。そして、品質劣化推定装置１００が、任意の２点のノード間の品質観測値(エンド−エンドの品質観測値)から、通信網を構成する各ノードの値の推定を行う。以下、装置構成、及び処理内容を説明する。

（装置構成）
図１に、本実施の形態における品質劣化推定装置１００の構成図を示す。図１に示すように、品質劣化推定装置１００は、品質劣化推定の演算に使用するデータを入力する入力部１０１、品質劣化推定の演算を行う演算部１０２、演算の結果を出力する出力部１０３、及び、入力データ、演算途中のデータ、演算結果、プログラム等を記憶するデータ記憶部１０４を有する。

本実施の形態における品質劣化推定装置１００は、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、品質劣化推定装置１００が有する機能は、当該コンピュータに内蔵されるＣＰＵやメモリ等のハードウェア資源を用いて、当該装置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等、ネットワークを通して提供することも可能である。

図２は、本実施の形態における品質劣化推定装置１００のハードウェア構成例を示す図である。図２の品質劣化推定装置１００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１５０、補助記憶装置１５２、メモリ装置１５３、ＣＰＵ１５４、インタフェース装置１５５、表示装置１５６、及び入力装置１５７等を有する。

品質劣化推定装置１００での処理を実現するプログラムは、例えば、ＣＤ−ＲＯＭ又はメモリカード等の記録媒体１５１によって提供される。プログラムを記憶した記録媒体１５１がドライブ装置１５０にセットされると、プログラムが記録媒体１５１からドライブ装置１５０を介して補助記憶装置１５２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１５１より行う必要はなく、ネットワークを介して他のコンピュータよりダウンロードするようにしてもよい。補助記憶装置１５２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１５３は、プログラムの起動指示があった場合に、補助記憶装置１５２からプログラムを読み出して格納する。ＣＰＵ１５４は、メモリ装置１５３に格納されたプログラムに従って品質劣化推定装置１００に係る機能を実現する。インタフェース装置１５５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。表示装置１５６はプログラムによるＧＵＩ（Graphical User Interface）等を表示する。入力装置１５７はキーボード及びマウス、ボタン、又はタッチパネル等で構成され、様々な操作指示を入力させるために用いられる。

（品質劣化推定装置１００の動作）
次に、品質劣化推定装置１００の動作として、本実施の形態における品質劣化推定方法を詳細に説明する。

＜定義＞
前述したとおり、対象通信網における品質劣化量を推定する対象となるサーバ、中継装置、基地局等の通信機器をノードと呼ぶ。また、複数のサーバや複数の端末等、同じ種類の複数のノードからなる集合をグループと呼ぶ。本実施の形態では、グループ1とグループ2があり、グループ1に属するノードをa₁, a₂, …, a_Q1と表し、グループ2に属するノードをb₁, b₂, …, b_Q2と表す。また、グループ1に属するノードの劣化量をx=(x₁ x₂ … x_Q1)^Τ、グループ2に属するノードの劣化量をy=(y₁ y₂ … y_Q2)^Τと表す。

グループ1に属するノード同士は、ノード間の劣化量の類似性がグラフ構造により表され、その無向グラフをGとする。なお、劣化量の類似性とは、劣化量の大きさが似ているかということである。

また、グループ1に属するノードa_iとグループ2に属するノードb_j間の経路を観測経路(i, j)と表す。

＜入力＞
品質劣化推定装置１００の入力部１０１には、少なくとも以下のデータが入力される。入力されたデータはデータ記憶部１０４に格納され、その後の処理において、演算部１０２により読み出されて演算がなされる。下記の入力データ以外にも、処理に必要な閾値等の値も適宜入力される。

入力１：観測経路数Mの観測経路の識別子1, 2, …, m, … M、観測経路毎の観測数N₁, N₂, … N_m, …, N_M、観測経路毎の品質観測データz_m ^(k)(m=1, 2, …, M, k=1, 2, …, N_m)
入力２：グループ1のノード間の劣化の類似性を表すグラフ構造Gに対するグラフラプラシアン: L
入力３：入力１の観測が行われた際の各観測経路の経路情報(通信を構成するノード)を表す行列 : A₁、A₂
＜入力２の詳細＞
入力２に関して、グループ１のノード数Q₁のグラフGを構成するグラフラプラシアンLを求める方法について説明する。

グラフGに含まれるノードa_j、a_k間の距離d_j,kを定義する。この距離dは、ノード間の劣化の類似度を表す指標である。距離dは例えば地理的な距離とすることができるが、これに限らず、類似度が距離dの減少関数（例：反比例の関数）となればどのような値でもよい。ここで、減衰関数をf(x)と定義する。

グラフラプラシアンLはL=D-Cで算出される。C、Dは以下のとおりである。

CはN×Nの隣接行列であり、Cの要素c_j,k (j,k=1,2,…,Q₁)は、j=kのときは0、c_j,k = c_k,jを満たす。j=kでない場合のc_j,kは、以下のように、重み無しグラフと重み付きグラフとで異なる。

グラフGの枝に重みを付けない重み無しグラフの場合、d_j,kがある閾値e*以下であればc_j,k =1とし、そうでなければc_j,k =0とする。重み付きグラフの場合、c_j,k =f(d_j,k)とする。

DはN×Nの次数行列であり、Dの要素g_j,k (j,k=1,2,…, N)はj≠kのときは0の対角行列であり、g_j,jは次式で与えられる。

＜入力３の詳細＞
入力３のA₁は、0あるいは1からなるM×Q₁の行列であり、入力３のA₂は、0あるいは1からなるM×Q₂の行列である。

観測経路数Mにおけるm番目(m=1,2,…M)の観測経路を(i_m,j_m)とすると、A₁の(m,q₁)成分(m=1,2,…M,q₁=1,2,…Q₁)は、観測経路(i_m,j_m)がノードa_q1を通過していれば1、そうでなければ0である。また、A2の(m,q₂)成分(m=1,2,…M,q₂=1,2,…Q₂)は、観測経路(i_m,j_m)がノードb_q2を通過していれば1、そうでなければ0である。

なお、本実施の形態において、入力２（グラフラプラシアンL）は、品質劣化推定装置１００の外部で予め算出して品質劣化推定装置１００に入力することとしてもよいし、品質劣化推定装置１００の入力部１０１に、グラフGの情報と距離dを与えることにより、演算部１０２がグラフラプラシアンLを算出し、データ記憶部１０４に格納しておくこととしてもよい。また、後述するUについても、品質劣化推定装置１００の外部で予め算出して品質劣化推定装置１００に入力することとしてもよいし、品質劣化推定装置１００が算出することとしてもよい。

（品質劣化を推定するための処理手順）
次に、入力１〜入力３等に基づいて、演算部１０２が実行する品質劣化を推定するための処理について説明する。基本的に、演算部１０２が実行する処理の結果は順次データ記憶部１０４に格納され、次の処理において演算部１０２により読み出され、使用される。

＜Uの作成＞
まず、演算部１０２は、グラフGのグラフラプラシアンLの固有値λ_i（i=1,2,…Q₁）を求める。また、固有値λ_iに対応する固有ベクトルu_iを求め、固有ベクトルを並べた行列U=(u₁ u₂ … u_Q1) (Q1×Q1行列)を作成する。ここで、Uは正規直交行列である。

＜ノードの品質の推定処理＞
観測経路数Mにおけるm番目(m=1,2,…M)の観測経路である(i_m,j_m)は、グループ1のノードa_imとグループ2のノードb_jm間の経路である。観測経路(i_m,j_m)のk番目の観測で得られたエンド−エンド間の品質をz_m ^(k)と表す。このとき、観測経路(i_m,j_m)上で得られた観測データz_mは次式で与えられる。つまり、観測データz_mは、同じ観測経路で得られたN_m回の観測における各観測値z_m ^(k)の総和で与える。

観測データを表す集合を観測ベクトルz=(z₁ z₂ … z_M )^Τと表す。また、各観測経路における観測数N_m（m=1,2,…,M）を対角要素とする対角行列をN^*=diag(N₁ N₂ … N_M)とする。

上記のようにして得られたzと、グループ1に属するノードの劣化量xと、グループ2に属するノードの劣化量yとの関係は、次式で与えられる。

z= N^*A₁x+N^*A₂y
上記の式において、N^*を乗算していることは、観測経路毎に観測数（重み）を劣化量に乗算していることに相当する。

更に、xを行列Uを用いて、x=Usと表す。ただし、s=(s₁ s₂ … s_N1 )^Τである。これより、上記の関係式は次のように表すことができる。

z=N^*A₁Us+N^*A₂y
上記のように、観測（観測値）ベクトルと未知量ベクトルとの関係が線形で表された関係が得られるので、演算部１０２は、上記の関係に基づく線形逆問題を最適化問題として解くことで、ベクトルs, yを推定し、さらに変換を行うことで、グループ1の各ノードの値であるベクトルxを推定する。具体的には以下のとおりである。以下では、推定方法としてLasso(Least absolute shrinkage and selection operator)を使用するが、Lasso以外の方法で推定を行うこととしてもよい。なお、Lassoは、回帰係数の絶対値（L1ノルム）の和を正規化項とした正規化推定法である。下記の推定方法に関する参考文献として例えば「Seung-Jean Kim ; Stanford Univ., Stanford ; Koh, K. ; Lustig, M. ; Boyd, S. et al. "An Interior-Point Method for Large-Scale l1-Regularized Least Squares"」がある。

具体的には、演算部１０２は、スパース近似を用い、下記の式で表されるLassoの推定式を解くことによって、ベクトルsを推定する。

ただし、λ₁、λ₂はパラメータである。また、ベクトルw=(w₁ w₂ … w_N )^Τに対し、||w||_l（l=1,2）は次式で与えられる。

演算部１０２は、上記の最適化問題の解として得られたsを用いて、x=Usによりxを求める。

＜出力＞
続いて、出力部１０３が、得られた結果の出力を行う。本実施の形態では、x、yを出力する。なお、x、yの値を出力することは一例であり、x、yから得られる別の値を出力してもよい。

上記のとおり、本実施の形態では、N^*をかけることにより、観測数に応じた重み付けを考慮した推定が可能である。

（実施例）
品質劣化推定装置１００が、上述した方法で品質劣化推定を行った具体的な例としての実施例を説明する。

本実施例では、グループ1のノード数をQ₁=64、グループ2のノード数をQ₂=10とし、グループ1におけるノード間のグラフ構造と劣化量を図３に示すように与え、グループ2に属するノードの劣化量を図４に示すように与える。

また、観測経路数をM=2N₁として、m=1においてN_m=50(1-ρ)、m=2においてN_m=50(1+ρ)、m=3,4,…,MにおいてN_m=50とする。

上記の設定により、ρ=0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9のそれぞれに対して劣化量推定の実験を200回行った。図５は、実験により得られた推定劣化量の分散を示す。本発明の手法を「重みあり」、「非特許文献1」の手法を「重みなし」、「非特許文献2」の手法を「棄却」と表す。図５に示すとおり、本発明の手法が観測数に拠らず、最も推定値の分散が小さく、ロバストな推定が可能である。

（実施の形態の効果）
例えば、モバイルネットワークを構成する通信機器の劣化量推定のために、非特許文献１の既存技術を用いた場合、端末の移動等モバイル通信特有の現象により、常に安定した信頼性のある観測データを取得できるわけではない。低信頼な観測データが用いられた場合、その観測データを取得した観測経路上の通信機器の劣化量推定だけなく、その他の通信機器の推定精度にも影響を及ぼす。

本実施の形態に係る技術は、そのような既存技術の問題点を補う技術であり、ノード間の関係性による補間機能を積極的に利用するとともに、観測数に応じた重み付け行うことにより品質劣化量の推定を行うことで、推定精度を向上させることが可能である。

（実施の形態のまとめ）
以上、説明したように、本実施の形態により、通信網を構成するノードの品質劣化を推定する品質劣化推定装置であって、各観測経路の品質観測値、各観測経路の観測数、及び各観測経路の経路情報を入力する入力手段と、前記品質観測値と、各ノードの未知の劣化量に対する重み付けに使用される前記観測数と、前記経路情報とに基づいて、各ノードの劣化量の推定値を算出する演算手段と、前記各ノードの劣化量の推定値を出力する出力手段とを備えることを特徴とする品質劣化推定装置が提供される。

実施の形態で説明した入力部１０１、演算部１０２、出力部１０３は、それぞれ入力手段、演算手段、出力手段の例である。

前記演算手段は、前記品質観測値から構成されるベクトルと、前記経路情報から構成される行列と、前記観測数と、ノード間の劣化の類似性を表すグラフの構造に対応するグラフラプラシアン行列の固有ベクトルを並べた行列とを使用した推定式を解くことにより、前記各ノードの劣化量の推定値を算出することとしてもよい。

前記推定式は、ある観測経路における品質観測値の観測数分の和が、当該観測経路を構成するノードの劣化量に観測数に基づく重み付けをした値に等しいという関係に基づく推定式であることとしてもよい。なお、z= N^*A₁x+N^*A₂yは、上記の関係の例である。

以上、本実施の形態について説明したが、本発明はか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。

１００品質劣化推定装置
１０１入力部
１０２演算部
１０３出力部
１０４データ記憶部
１５０ドライブ装置
１５１記録媒体
１５２補助記憶装置
１５３メモリ装置
１５４ＣＰＵ
１５５インタフェース装置
１５６表示装置
１５７入力装置

Claims

通信網を構成するノードの品質劣化を推定する品質劣化推定装置であって、
各観測経路の品質観測値、各観測経路の観測数、及び各観測経路の経路情報を入力する入力手段と、
前記品質観測値と、各ノードの未知の劣化量に対する重み付けに使用される前記観測数と、前記経路情報とに基づいて、各ノードの劣化量の推定値を算出する演算手段と、
前記各ノードの劣化量の推定値を出力する出力手段とを備え、
前記演算手段は、前記品質観測値から構成されるベクトルと、前記経路情報から構成される行列と、前記観測数と、ノード間の劣化の類似性を表すグラフの構造に対応するグラフラプラシアン行列の固有ベクトルを並べた行列とを使用した推定式を解くことにより、前記各ノードの劣化量の推定値を算出する
ことを特徴とする品質劣化推定装置。
前記推定式は、ある観測経路における品質観測値の観測数分の和が、当該観測経路を構成するノードの劣化量に観測数に基づく重み付けをした値に等しいという関係に基づく推定式である
ことを特徴とする請求項１に記載の品質劣化推定装置。
通信網を構成するノードの品質劣化を推定する品質劣化推定装置が実行する品質劣化推定方法であって、
各観測経路の品質観測値、各観測経路の観測数、及び各観測経路の経路情報を入力する入力ステップと、
前記品質観測値と、各ノードの未知の劣化量に対する重み付けに使用される前記観測数と、前記経路情報とに基づいて、各ノードの劣化量の推定値を算出する演算ステップと、
前記各ノードの劣化量の推定値を出力する出力ステップとを備え、
前記演算ステップにおいて、前記品質劣化推定装置は、前記品質観測値から構成されるベクトルと、前記経路情報から構成される行列と、前記観測数と、ノード間の劣化の類似性を表すグラフの構造に対応するグラフラプラシアン行列の固有ベクトルを並べた行列とを使用した推定式を解くことにより、前記各ノードの劣化量の推定値を算出する
ことを特徴とする品質劣化推定方法。
前記推定式は、ある観測経路における品質観測値の観測数分の和が、当該観測経路を構成するノードの劣化量に観測数に基づく重み付けをした値に等しいという関係に基づく推定式である
ことを特徴とする請求項３に記載の品質劣化推定方法。
コンピュータを、請求項１又は２に記載の品質劣化推定装置における各手段として機能させるためのプログラム。