JP7330141B2 - 情報処理装置、情報処理方法およびプログラム - Google Patents
情報処理装置、情報処理方法およびプログラム Download PDFInfo
- Publication number
- JP7330141B2 JP7330141B2 JP2020109072A JP2020109072A JP7330141B2 JP 7330141 B2 JP7330141 B2 JP 7330141B2 JP 2020109072 A JP2020109072 A JP 2020109072A JP 2020109072 A JP2020109072 A JP 2020109072A JP 7330141 B2 JP7330141 B2 JP 7330141B2
- Authority
- JP
- Japan
- Prior art keywords
- received power
- cluster
- clustering
- information processing
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Complex Calculations (AREA)
- Mobile Radio Communication Systems (AREA)
Description
このため、2次利用者の投資判断あるいは利用計画策定などの観点から、1次利用者による周波数の利用状況の将来予測をすることが望ましい。
このため、従来の技術では、予測対象となる場所の範囲を拡大するときには、当該範囲の大きさに比例などして多数の予測モデルの構築が必要となり、計算量が膨大となることがあった。
<複数の無線システム>
本実施形態では、複数の無線システムが同一の周波数を共用し、1次利用者が2次利用者よりも優先されている。そして、2次利用者の無線システムでは、1次利用者の無線システムにおける周波数の利用状況に応じて、1次利用者の無線システムに対する影響を小さくする(好ましくは、影響を与えない)ことが必要であるとする。このため、2次利用者は、1次利用者の無線システムにおける周波数の利用状況の予測を行う。
なお、1次利用者の無線システムは、例えば、1つの無線システムであってもよく、あるいは、同一の1次利用者が有する2以上の無線システムがまとめて捉えられたものであってもよく、または、2以上の異なる1次利用者が有する2以上の無線システムがまとめて捉えられたものであってもよい。
図1は、本発明の実施形態に係る情報処理システム1の概略的な構成を示す図である。
情報処理システム1は、情報処理装置11と、受信電力データベース21と、環境情報データベース22と、クラスタ時系列データベース23と、予測受信電力データベース24と、回線31と、を備える。
ここで、回線31は、例えば、有線の回線であってもよく、無線の回線であってもよく、あるいは、有線と無線を含む回線であってもよい。
情報処理装置11は、入力部111と、出力部112と、記憶部113と、通信部114と、制御部115と、を備える。
制御部115は、予測部131を備える。
入力部111は、一例として、ユーザ(人)によって操作される操作部を有し、当該操作部によって受け付けられた操作に応じた情報を入力してもよい。入力部111は、他の例として、可搬型の記憶装置などのような外部の装置と接続し、当該外部の装置から出力される情報を入力してもよい。
出力部112は、一例として、情報を表示出力する画面を備えた表示部を有し、当該表示部によって当該画面に情報を表示出力してもよい。出力部112は、他の例として、情報を音出力するスピーカを有し、当該スピーカによって情報を音出力してもよい。出力部112は、他の例として、可搬型の記憶装置などのような外部の装置と接続し、当該外部の装置に情報を出力してもよい。
記憶部113は、例えば、ROM(Read Only Memory)およびRAM(Random Access Memory)を含む。
記憶部113は、例えば、所定のプログラムおよび各種のパラメータなどを記憶する。
本実施形態では、通信部114は、受信電力データベース21と、環境情報データベース22と、クラスタ時系列データベース23と、予測受信電力データベース24とのそれぞれと、回線31を介して、通信を行う。
ここで、本実施形態では、説明の便宜上、通信部114を入力部111および出力部112とは別の機能部として示すが、通信部114の機能が入力部111および出力部112に含まれると捉えられてもよい。
本実施形態では、制御部115は、CPU(Central Processing Unit)を有しており、記憶部113に記憶されたプログラムを実行することで、各種の処理を行う。制御部115は、各種の処理を行う際に、記憶部113に記憶された各種のパラメータを使用してもよい。
なお、予測部131は、分析部の一例である。分析部としては、例えば、本実施形態に係る予測以外の分析を行う構成であってもよい。
受信電力データベース21は、予測対象となる受信電力に関する情報を記憶する。当該情報は、例えば、予測処理の前に、あらかじめ記憶される。
環境情報データベース22は、環境に関する情報を記憶する。当該情報は、例えば、予測処理の前に、あらかじめ記憶される。
クラスタ時系列データベース23は、クラスタごとの時系列の情報を記憶する。当該情報は、例えば、予測処理の途中において、記憶される。
予測受信電力データベース24は、予測結果の受信電力に関する情報を記憶する。
また、それぞれのデータベースの名称は、任意であってもよい。
図2~図12を参照して、情報処理システム1において、情報処理装置11により行われる予測処理について説明する。
図2には、予測対象領域211の一例を示してある。
予測対象領域211は、地理的な領域である。図2の例では、正方形状の予測対象領域211を示してあるが、予測対象領域211の形状は任意であってもよい。また、図2の例では、2次元の予測対象領域211を示してあるが、3次元に適用されてもよい。
図2の例では、それぞれのメッシュ231は正方形状であるが、メッシュ231の形状は任意であってもよい。
また、図2の例では、複数のメッシュ231の形状は同じであるが、他の構成例として、複数のメッシュ231に、異なる形状のメッシュが含まれてもよい。
図3の例では、図2に示される予測対象領域211と同じ領域について、領域地形情報311の一例を示してある。
領域地形情報311は、複数の部分領域であるメッシュ331に区切られている。図3の例では、図を見やすくするために、1個のメッシュ331のみに符号を付してある。
すなわち、それぞれのメッシュ331の地形は、当該メッシュ331に表されている地形マーク(地形マーク351~354のうちのいずれか)によって示されている。
なお、地形の種類の数は、2種類または3種類であってもよく、あるいは、5種類以上であってもよい。
地形の種類としては、任意の地形が用いられてもよく、例えば、平地、山、川、森林などが用いられてもよい。
また、予測対象領域211の情報および領域地形情報311は、例えば、情報処理装置11によって画面に表示されてもよい。
なお、本実施形態では、説明の便宜上、予測対象領域211の情報と、領域地形情報311とを別の情報として説明したが、これらの情報は一体化されてもよい。
図4に示されるグラフにおいて、横軸は時間を表しており、縦軸は受信電力を表している。受信電力としては、例えば、RSSI(Received Signal Strength Indication)が用いられてもよく、単位は[dBm]である。
図4には、1個のメッシュ231の受信電力特性411を示してある。
図5は、本発明の実施形態(第1実施形態)に係る予測処理におけるクラスタリングフェーズの処理の手順の一例を示す図である。
ここで、本実施形態では、これらの機能部は一体化されている。
なお、これらの機能部が別々に備えられる場合には、初期または途中の処理を行う機能部は処理後の情報を次段以降の機能部に送信し、当該次段以降の機能部は当該情報を受信する。
メッシュIDは、予測対象領域211のそれぞれのメッシュ231を識別する情報である。
受信電力の時系列データは、予測対象領域211のそれぞれのメッシュ231ごとにおける、受信電力の時系列データである。
図6に示されるグラフにおいて、横軸は時間を表しており、縦軸は受信電力を表している。
図6には、4個のメッシュ231のそれぞれにおける受信電力特性611~614を示してある。
なお、図6の例では、4個のメッシュ231について受信電力特性611~614を示すが、すべてのメッシュ231について受信電力特性が受信電力データベース21に記憶されている。
環境情報は、予測対象領域211のそれぞれのメッシュ231ごとにおける、環境情報である。
一例として、環境情報は、図3に示される地形情報であってもよい。
例えば、環境情報は、衛星画像などによる地理的な情報、交通量の情報、天候の情報など、様々な環境の情報であってもよい。
地理的な情報には、例えば、建物の密度、あるいは、住宅地または商業地域などの区分などの情報が含まれてもよい。
また、環境情報は、例えば、2種類以上の環境の情報を含んでもよい。
情報処理装置11では、予測部131は、予測対象となるすべてのメッシュ231について、受信電力データベース21に記憶されているメッシュ231ごとの受信電力の時系列データを読み出して取得し、取得したメッシュ231ごとの受信電力の時系列データを正規化する。
また、予測部131は、それぞれのメッシュ231について行った正規化の変換に関する情報(正規化情報)を記憶する。本実施形態では、当該正規化情報は、正規化の変換に対して逆変換を行う際に用いられる。
正規化としては、例えば、時系列データの値が0以上1以下の範囲となるように、時系列データを変換する正規化が用いられてもよい。
正規分布にしたがう正規化では、平均値が0となり、標準偏差が1となる。
なお、本実施形態では、すべてのメッシュ231について、同じ正規化の手法が用いられるが、他の構成例として、一部のメッシュ231について異なる正規化の手法が用いられてもよい。
図7に示されるグラフにおいて、横軸は時間を表しており、縦軸は正規化された受信電力を表している。
図7には、4個のメッシュ231のそれぞれにおける正規化された受信電力特性711~714を示してある。
なお、図7の例では、4個のメッシュ231について受信電力特性711~714を示すが、すべてのメッシュ231について正規化された受信電力特性が求められている。
情報処理装置11では、予測部131は、予測対象となるすべてのメッシュ231について、正規化された受信電力の時系列データを取得する。
また、予測部131は、予測対象となるすべてのメッシュ231について、環境情報データベース22に記憶されているメッシュ231ごと(メッシュ331ごと)の環境情報を読み出して取得する。
そして、予測部131は、正規化された受信電力の時系列データおよびメッシュ231ごとの環境情報に基づいて、予測対象となるすべてのメッシュ231について、クラスタリングを行う。
クラスタリングの手法としては、種々な手法が用いられてもよく、本実施形態では、例えば、クラスタの数(k)が指定されるクラスタリングの手法として、k-shape、あるいは、k-meansなどの手法が用いられてもよい。なお、クラスタリングにおけるクラスタの数の初期値としては、任意の値が設定されてもよい。
クラスタIDは、それぞれのクラスタを識別する情報である。
図8(B)は、本発明の実施形態に係る他のクラスタに分類された正規化された受信電力の時系列データの一例を示す図である。
図8(A)および図8(B)のそれぞれに示されるグラフにおいて、横軸は時間を表しており、縦軸は正規化された受信電力を表している。
図8(A)には、1個のクラスタに分類された正規化された受信電力特性812、814を示してある。
図8(b)には、他の1個のクラスタに分類された正規化された受信電力特性811、813を示してある。
なお、図8(A)および図8(B)の例では、それぞれのクラスタに2個のメッシュ231が分類された場合を示してあるが、それぞれのクラスタに分類されるメッシュ231の数は、1個であってもよく、あるいは、3個以上であってもよい。
情報処理装置11では、予測部131は、すべてのクラスタについて、それぞれのクラスタに含まれるメッシュ231ごとの正規化された受信電力の時系列データを取得する。
そして、予測部131は、クラスタごとに正規化された受信電力の時系列データの代表値を決定し、クラスタごとに代表値からなる時系列データを取得する。
また、代表値としては、例えば、中央値、あるいは、平均値などが用いられてもよい。
図9(B)は、本発明の実施形態に係る他のクラスタにおける代表値の時系列データの一例を示す図である。
図9(A)および図9(B)のそれぞれに示されるグラフにおいて、横軸は時間を表しており、縦軸は正規化された受信電力を表している。
図9(A)の例は、図8(A)の例に対応しており、参考として、代表値が求められた元となる受信電力特性812、814を示してある。
図9(B)には、他の1個のクラスタにおける代表値の受信電力特性912を示してある。
図9(B)の例は、図8(B)の例に対応しており、参考として、代表値が求められた元となる受信電力特性811、813を示してある。
情報処理装置11では、予測部131は、すべてのクラスタについて、それぞれのクラスタにおける代表値の受信電力の時系列データを取得するとともに、すべてのメッシュ231について、それぞれのメッシュ231ごとに正規化された受信電力の時系列データを取得する。
そして、予測部131は、すべてのクラスタについて、クラスタごとに、所定の二乗平均平方根誤差(RMSE:Root Mean Square Error)を算出する。
ここで、クラスタのRMSEが小さい方が、当該クラスタに含まれるメッシュ231の類似度が高いと考えられる。
なお、クラスタごとのメッシュ231の類似度を判定するための指標としては、他の任意の指標が用いられてもよい。
情報処理装置11では、予測部131は、算出されたRMSEを取得する。
そして、予測部131は、当該RMSEが所定の基準値以下であるか否かを判定する。
この判定の結果、予測部131は、当該RMSEが所定の基準値を超える(つまり、所定の基準値以下ではない)と判定した場合、クラスタ数指定部T6の処理を行う。
一方、この判定の結果、予測部131は、RMSEが所定の基準値以下であると判定した場合、すべてのクラスタについて、それぞれのクラスタにおける代表値の受信電力の時系列データ、クラスタID、それぞれのクラスタに含まれるメッシュ231のメッシュID、それぞれのメッシュ231ごとの正規化情報をクラスタ時系列データベース23に記憶する。
情報処理装置11では、予測部131は、算出されたRMSEの値が所定の基準値を超えた場合、クラスタリング部T2の処理においてクラスタの数(クラスタ数)を1つ増加するように、クラスタ数を指定する。
なお、クラスタ数指定部T6は、クラスタ数を2つ以上増加するように、クラスタ数を指定してもよい。
また、本実施形態では、クラスタリングの結果が不十分であると判定された場合に、クラスタ数を増加させてクラスタリングを再度行う構成としたが、他の構成例として、クラスタ数以外のパラメータを変化させてクラスタリングを再度行う構成が用いられてもよい。
図10には、情報処理装置11の予測部131が有する機能部である、時系列予測部T11と、逆正規化部T12と、を示してある。
なお、これらの機能部が別々に備えられる場合には、初期または途中の処理を行う機能部は処理後の情報を次段の機能部に送信し、当該次段の機能部は当該情報を受信する。
時系列予測部T11は、クラスタ時系列データベース23から、すべてのクラスタについて、それぞれのクラスタにおける代表値の受信電力の時系列データを取得する。
他の例として、基準値判定部T5から時系列予測部T11に、すべてのクラスタについて、それぞれのクラスタにおける代表値の受信電力の時系列データが出力されてもよい。
情報処理装置11では、予測部131は、クラスタ時系列データベース23から、すべてのクラスタについて、それぞれのクラスタにおける代表値の受信電力の時系列データを読み出して取得する。
そして、予測部131は、それぞれのクラスタにおける代表値の受信電力の時系列データに基づいて、すべてのクラスタについて、将来におけるそれぞれのクラスタにおける代表値の受信電力の時系列データの予測を行う。
時系列データの予測を行うモデルとして、例えば、自己回帰(AR:Auto Regressive)モデル、自己回帰和分移動平均(ARIMA:Auto Regressive Integrated Moving Average)モデル、カルマンフィルターのモデル、粒子フィルターのモデル、あるいは、LSTM(Long Short-Term Memory)などのニューラルネットワークのモデルなどが用いられてもよい。
図11(B)は、本発明の実施形態に係る他のクラスタについて予測された代表値の受信電力の時系列データの一例を示す図である。
図11(A)および図11(B)のそれぞれに示されるグラフにおいて、横軸は時間を表しており、縦軸は予測された受信電力を表している。
図11(A)の例は、図9(A)の例に対応している。
図11(B)には、他の1個のクラスタにおける予測された代表値の受信電力特性1112を示してある。
図11(B)の例は、図9(B)の例に対応している。
時系列予測部T11から逆正規化部T12に、すべてのクラスタについて、それぞれのクラスタごとに予測された代表値の受信電力の時系列データを出力する。
また、逆正規化部T12は、クラスタ時系列データベース23から、すべてのメッシュ231について、それぞれのメッシュ231ごとの正規化情報を取得する。
他の例として、基準値判定部T5から逆正規化部T12に、すべてのメッシュ231について、それぞれのメッシュ231ごとの正規化情報が出力されてもよい。
情報処理装置11では、予測部131は、すべてのクラスタについて、それぞれのクラスタごとに予測された代表値の受信電力の時系列データを取得する。
また、予測部131は、クラスタ時系列データベース23から、すべてのメッシュ231について、それぞれのメッシュ231ごとの正規化情報を読み出して取得する。
予測部131は、すべてのメッシュ231について、それぞれのメッシュ231ごとに予測された受信電力の時系列データ、メッシュID、および、クラスタIDを予測受信電力データベース24に記憶する。
具体的には、予測部131は、それぞれのメッシュ231について、当該メッシュ231が含まれるクラスタについて予測された代表値の受信電力の時系列データを逆正規化することで、当該メッシュ231における受信電力の絶対値を反映させる。つまり、予測部131は、クラスタごとに代表値について予測を行い、当該予測の結果に、当該クラスタに含まれるそれぞれのメッシュ231における受信電力の絶対値を反映させることで、それぞれのメッシュ231ごとに、予測された受信電力の時系列データを取得する。
図12に示されるグラフにおいて、横軸は時間を表しており、縦軸は正規化された受信電力を表している。
図12の例は、図6の例に対応しており、図12に示されるメッシュ231ごとに予測された受信電力特性1211~1214は、図6に示されるメッシュ231ごとの受信電力特性611~614に対応する。
以上のように、本実施形態に係る情報処理システム1では、情報処理装置11において、メッシュ231ごとのデータに基づいて類似性が高いメッシュ231をクラスタリングにより集約し、クラスタごとに分析を行うことで、データの分析を効率的に行うことができる。
例えば、時系列データの分析として、同じ周波数を使用する他の無線システムにおける周波数の利用状況の予測を効率的に行うことができる。
例えば、(10km×10km)の領域を(50m×50m)のメッシュで区切った場合、40000(=200×200)個のメッシュとなるが、それよりも少ないクラスタとして、クラスタごとに将来予測を行うことで、効率的な分析が実現される。
本実施形態では、第1実施形態と相違する部分について詳しく説明し、第1実施形態と同様な部分については詳しい説明を省略する。
本実施形態では、概略的には、第1実施形態に対して、情報処理システム1において行われる予測処理のクラスタリングフェーズが第1実施形態に係る図5の例とは相違する点で異なり、他の点で同様である。なお、本実施形態では、情報処理システム1において行われる予測処理のクラスタリング後予測フェーズについては、例えば、第1実施形態に係る図10の例と同様であってもよい。
なお、本実施形態では、説明の便宜上、クラスタリングフェーズに係る機能部以外の構成については、第1実施形態と同じ符号を付して説明する。
図13は、本発明の実施形態(第2実施形態)に係る予測処理におけるクラスタリングフェーズの処理の手順の一例を示す図である。
なお、これらの機能部が別々に備えられる場合には、初期または途中の処理を行う機能部は処理後の情報を次段の機能部に送信し、当該次段の機能部は当該情報を受信する。
情報処理装置11では、予測部131は、正規化部T31としての処理として、第1実施形態に係る図5に示される正規化部T1と同様な処理を行う。
情報処理装置11では、予測部131は、予測対象となるすべてのメッシュ231について、正規化された受信電力の時系列データを取得する。
また、予測部131は、予測対象となるすべてのメッシュ231について、環境情報データベース22に記憶されているメッシュ231ごと(メッシュ331ごと)の環境情報を読み出して取得する。
そして、予測部131は、正規化された受信電力の時系列データおよびメッシュ231ごとの環境情報に基づいて、予測対象となるすべてのメッシュ231について、所定の次元削減の処理を行う。
次元削減の処理を行う手法としては、任意の手法が用いられてもよく、例えば、主成分分析(PCA:Principal Component Analysis)の手法が用いられてもよい。
情報処理装置11では、予測部131は、予測対象となるすべてのメッシュ231について、クラスタリング用の特徴量を取得する。
そして、予測部131は、クラスタリング用の特徴量に基づいて、予測対象となるすべてのメッシュ231について、クラスタリングを行う。
クラスタリングの手法としては、例えば、第1実施形態に係る図5に示されるクラスタリング部T2と同様な手法が用いられてもよい。
情報処理装置11では、予測部131は、すべてのクラスタについて、それぞれのクラスタに含まれるメッシュ231のメッシュIDを取得する。
また、情報処理装置11では、予測部131は、すべてのメッシュ231について、メッシュ231ごとに正規化された受信電力の時系列データを取得する。
そして、予測部131は、クラスタごとに正規化された受信電力の時系列データの代表値を決定し、クラスタごとに代表値からなる時系列データを取得する。
代表値からなる時系列データを取得する手法としては、例えば、第1実施形態に係る図5に示される代表値取得部T3と同様な手法が用いられてもよい。
情報処理装置11では、予測部131は、RMSE算出部T35としての処理として、第1実施形態に係る図5に示されるRMSE算出部T4と同様な処理を行う。
情報処理装置11では、予測部131は、基準値判定部T36としての処理として、第1実施形態に係る図5に示される基準値判定部T5と同様な処理を行う。
情報処理装置11では、予測部131は、クラスタ数判定部T37としての処理として、第1実施形態に係る図5に示されるクラスタ数判定部T6と同様な処理を行う。
以上のように、本実施形態に係る情報処理システム1では、第1実施形態と同様な効果を得ることができ、さらに、クラスタリング用の特徴量を用いることで、例えば、第1実施形態と比べて、分析の精度を向上させることが可能である。
一構成例として、情報処理装置11では、分析対象(実施形態では、予測対象)となる領域(図2の例では、予測対象領域211)に含まれる複数の部分領域(図2の例では、メッシュ231)についてクラスタリングを行い、当該クラスタリングによって得られたクラスタごとに部分領域のデータ(実施形態では、受信電力のデータ)の分析を行い、クラスタごとの分析の結果に基づいて部分領域ごとの分析の結果を取得する制御部115を備える。
一構成例として、情報処理装置11では、制御部115は、部分領域ごとのデータおよび環境情報に基づいてクラスタリングを行う。
一構成例として、情報処理装置11では、制御部115は、次元削減をして得られるクラスタリング用の特徴量に基づいてクラスタリングを行う(図13の例)。
一構成例として、情報処理装置11では、データは、無線システムの受信電力のデータである。また、分析は、当該受信電力について、将来における受信電力のデータの予測である。
一構成例として、情報処理装置11では、制御部115は、部分領域ごとのデータを部分領域ごとに正規化した結果に基づいてクラスタリングを行い、クラスタごとの分析の結果に基づいて部分領域ごとに正規化に対する逆正規化を行って部分領域ごとの分析の結果を取得する。
また、上記のプログラムは、前述した機能の一部を実現するためのものであってもよい。さらに、上記のプログラムは、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、いわゆる差分ファイルであってもよい。差分ファイルは、差分プログラムと呼ばれてもよい。
Claims (7)
- 分析対象となる領域に含まれる複数の部分領域についてクラスタリングを行い、前記クラスタリングによって得られたクラスタごとに前記部分領域のデータの分析を行い、前記クラスタごとの前記分析の結果に基づいて前記部分領域ごとの分析の結果を取得する制御部を備え、
前記データは、無線システムの受信電力のデータであり、
前記分析は、前記受信電力について、将来における受信電力のデータの予測である、
情報処理装置。 - 前記制御部は、前記部分領域ごとの前記データに基づいて前記クラスタリングを行う、
請求項1に記載の情報処理装置。 - 前記制御部は、前記部分領域ごとの前記データおよび環境情報に基づいて前記クラスタリングを行う、
請求項2に記載の情報処理装置。 - 前記制御部は、次元削減をして得られるクラスタリング用の特徴量に基づいて前記クラスタリングを行う、
請求項1から請求項3のいずれか1項に記載の情報処理装置。 - 前記制御部は、前記部分領域ごとの前記データを前記部分領域ごとに正規化した結果に基づいて前記クラスタリングを行い、前記クラスタごとの前記分析の結果に基づいて前記部分領域ごとに前記正規化に対する逆正規化を行って前記部分領域ごとの分析の結果を取得する、
請求項1から請求項4のいずれか1項に記載の情報処理装置。 - 情報処理装置が、
分析対象となる領域に含まれる複数の部分領域についてクラスタリングを行い、
前記クラスタリングによって得られたクラスタごとに前記部分領域のデータの分析を行い、
前記クラスタごとの前記分析の結果に基づいて前記部分領域ごとの分析の結果を取得し、
前記データは、無線システムの受信電力のデータであり、
前記分析は、前記受信電力について、将来における受信電力のデータの予測である、
情報処理方法。 - コンピュータに、
分析対象となる領域に含まれる複数の部分領域についてクラスタリングを行うステップと、
前記クラスタリングによって得られたクラスタごとに前記部分領域のデータの分析を行うステップと、
前記クラスタごとの前記分析の結果に基づいて前記部分領域ごとの分析の結果を取得するステップと、
を実行させるためのプログラムであって、
前記データは、無線システムの受信電力のデータであり、
前記分析は、前記受信電力について、将来における受信電力のデータの予測である、
プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020109072A JP7330141B2 (ja) | 2020-06-24 | 2020-06-24 | 情報処理装置、情報処理方法およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020109072A JP7330141B2 (ja) | 2020-06-24 | 2020-06-24 | 情報処理装置、情報処理方法およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022006693A JP2022006693A (ja) | 2022-01-13 |
JP7330141B2 true JP7330141B2 (ja) | 2023-08-21 |
Family
ID=80110758
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020109072A Active JP7330141B2 (ja) | 2020-06-24 | 2020-06-24 | 情報処理装置、情報処理方法およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7330141B2 (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013050975A (ja) | 2010-12-28 | 2013-03-14 | Giken Shoji International Co Ltd | 地域特性を利用したプロファイリングシステム |
CN105096159A (zh) | 2015-06-30 | 2015-11-25 | 北京中电普华信息技术有限公司 | 一种区域售电量预测方法及装置 |
JP2019101792A (ja) | 2017-12-04 | 2019-06-24 | 株式会社国際電気通信基礎技術研究所 | チャネル状態予測装置、無線通信装置、チャネル状態予測方法、および、プログラム |
US20190370704A1 (en) | 2018-06-01 | 2019-12-05 | Conduent Business Services, Llc | Crime analysis using domain level similarity |
WO2019235253A1 (ja) | 2018-06-08 | 2019-12-12 | ソニー株式会社 | 情報処理装置、情報処理方法、およびプログラム |
-
2020
- 2020-06-24 JP JP2020109072A patent/JP7330141B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013050975A (ja) | 2010-12-28 | 2013-03-14 | Giken Shoji International Co Ltd | 地域特性を利用したプロファイリングシステム |
CN105096159A (zh) | 2015-06-30 | 2015-11-25 | 北京中电普华信息技术有限公司 | 一种区域售电量预测方法及装置 |
JP2019101792A (ja) | 2017-12-04 | 2019-06-24 | 株式会社国際電気通信基礎技術研究所 | チャネル状態予測装置、無線通信装置、チャネル状態予測方法、および、プログラム |
US20190370704A1 (en) | 2018-06-01 | 2019-12-05 | Conduent Business Services, Llc | Crime analysis using domain level similarity |
WO2019235253A1 (ja) | 2018-06-08 | 2019-12-12 | ソニー株式会社 | 情報処理装置、情報処理方法、およびプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2022006693A (ja) | 2022-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11924648B1 (en) | System, method, and apparatus for providing dynamic, prioritized spectrum management and utilization | |
US12015928B2 (en) | System, method, and apparatus for providing dynamic, prioritized spectrum management and utilization | |
US12015927B2 (en) | System, method, and apparatus for providing dynamic, prioritized spectrum management and utilization | |
CN111898578B (zh) | 人群密度的获取方法、装置、电子设备 | |
CN113064839B (zh) | 一种系统评测方法及装置 | |
CN110059770B (zh) | 基于位置预测的自适应任务分发方法、装置及相关组件 | |
US9189738B2 (en) | Automatic event analysis | |
CN112084959B (zh) | 一种人群图像处理方法及装置 | |
CN112764920A (zh) | 一种边缘应用部署方法、装置、设备和存储介质 | |
CN111757464A (zh) | 一种区域轮廓提取方法及装置 | |
CN108770002B (zh) | 基站流量分析方法、装置、设备及存储介质 | |
Tariq et al. | Smart 311 request system with automatic noise detection for safe neighborhood | |
JP7330141B2 (ja) | 情報処理装置、情報処理方法およびプログラム | |
JP2010015441A (ja) | 情報処理装置、コンテンツ情報の検索方法、及び情報処理システム | |
JP7313323B2 (ja) | 時系列予測システム、時系列予測方法及びコンピュータプログラム | |
CN112235723B (zh) | 定位方法、装置、电子设备及计算机可读存储介质 | |
Nie et al. | Joint access point fuzzy rough set reduction and multisource information fusion for indoor Wi-Fi positioning | |
JP7084352B2 (ja) | 受信電力推定装置、受信電力推定方法およびプログラム | |
CN112766362A (zh) | 数据处理方法、装置和设备 | |
JP6959559B2 (ja) | データ数決定装置、データ数決定方法及びデータ数決定プログラム | |
Yao et al. | Improving vertical positioning accuracy with the weighted multinomial logistic regression classifier | |
JP6849542B2 (ja) | クラス決定装置、クラス決定方法及びクラス決定プログラム | |
JP3317332B2 (ja) | レーダーエコーパターン分類方法とその装置 | |
Lopez-Ballester et al. | An AI-IoT Platform for Psycho-Acoustic Annoyance Assessment on the Edge | |
CN117726042A (zh) | 活动轨迹预测方法、系统、存储介质及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220531 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230410 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230418 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230619 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230711 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230808 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7330141 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |