JP7435807B2 - 帯域推定装置、帯域推定方法、及びプログラム - Google Patents
帯域推定装置、帯域推定方法、及びプログラム Download PDFInfo
- Publication number
- JP7435807B2 JP7435807B2 JP2022551079A JP2022551079A JP7435807B2 JP 7435807 B2 JP7435807 B2 JP 7435807B2 JP 2022551079 A JP2022551079 A JP 2022551079A JP 2022551079 A JP2022551079 A JP 2022551079A JP 7435807 B2 JP7435807 B2 JP 7435807B2
- Authority
- JP
- Japan
- Prior art keywords
- band
- bandwidth
- probability density
- density function
- contracted
- 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
- 238000000034 method Methods 0.000 title claims description 23
- 238000004891 communication Methods 0.000 claims description 58
- 230000006870 function Effects 0.000 claims description 51
- 238000013461 design Methods 0.000 claims description 30
- 238000010801 machine learning Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 14
- 230000000694 effects Effects 0.000 description 5
- 230000009466 transformation Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0896—Bandwidth or capacity management, i.e. automatically increasing or decreasing capacities
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0876—Network utilisation, e.g. volume of load or congestion level
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0895—Configuration of virtualised networks or elements, e.g. virtualised network function or OpenFlow elements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/147—Network analysis or design for predicting network behaviour
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0876—Network utilisation, e.g. volume of load or congestion level
- H04L43/0882—Utilisation of link capacity
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
- H04L47/11—Identifying congestion
- H04L47/115—Identifying congestion using a dedicated packet
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
- H04L47/20—Traffic policing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
- H04L65/1066—Session management
- H04L65/1069—Session establishment or de-establishment
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
- H04L65/80—Responding to QoS
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/16—Threshold monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Environmental & Geological Engineering (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Description
本開示は、複数の回線が1つの通信リンクに収容される際に必要となる通信帯域を算出する技術に関する。
図1及び図2は、特許文献1に記載される通信帯域算出装置300を説明する図である。通信システム10は、2つの通信装置(11、12)をリンク15で接続している。リンク15は複数の回線を収容する。各回線の通信帯域は、各回線の契約に応じて上限値(以降、「契約帯域」と記載する。)が設定される。通信装置(11、12)は、それぞれの物理ポート(11a,12a)で、リンク15に収容される回線全体のトラヒック量を観測し、通信帯域算出装置300に通知している。
収容される回線の数や契約帯域は、回線の新規追加、契約変更、あるいは削除に伴って時間的に変化し、図2に示す観測期間Tv内および設計期間Tx内においても複数回変化する場合がある。各回線の通信品質を保証するために(トラヒックが廃棄されないように)、リンク15には必要な物理帯域(以降、「必要帯域」と記載する。)が設計(以降、「帯域設計」と記載する。)される。
ここで、図1のような通信システム10には、帯域利用効率について次のような課題がある。
リンク15の必要帯域を収容される全回線の契約帯域の総和とすると、多数の回線の利用率が低い場合、帯域利用効率が低くなってしまう。このため、通信システム10には、各回線の通信品質を保証するとともに、帯域利用効率が低下しない程度の必要帯域の設定が求められるという課題がある。
リンク15の必要帯域を収容される全回線の契約帯域の総和とすると、多数の回線の利用率が低い場合、帯域利用効率が低くなってしまう。このため、通信システム10には、各回線の通信品質を保証するとともに、帯域利用効率が低下しない程度の必要帯域の設定が求められるという課題がある。
当該課題を解決するためには、次のような予測手法がなされることがある。
当該予測手法は、観測トラヒックデータから各変動要素の帯域をそれぞれ予測し、その総和を必要帯域とする。ここで、既存回線変動は過去のトラヒックデータに基づく線形近似関数式を用いて予測する。一方、新規回線変動は既存トラヒックと同じ確率密度関数を用いて予測する。
そして、帯域設計は設計期間Tx内の各時間において実施され、各時間tiごとに必要帯域Z(ti)が算出される。
当該予測手法は、観測トラヒックデータから各変動要素の帯域をそれぞれ予測し、その総和を必要帯域とする。ここで、既存回線変動は過去のトラヒックデータに基づく線形近似関数式を用いて予測する。一方、新規回線変動は既存トラヒックと同じ確率密度関数を用いて予測する。
そして、帯域設計は設計期間Tx内の各時間において実施され、各時間tiごとに必要帯域Z(ti)が算出される。
特許文献1は、変動要素ごとに必要帯域を推定することが開示される。本発明は、特許文献1の手法より高い精度で必要帯域を推定することを目的とする。つまり、本発明は、前記課題を解決するために、通信システムのリンクの必要帯域を高い精度で算出し、通信品質の保証と帯域利用効率の向上を図ることができる帯域推定装置、帯域推定方法、及びプログラムを提供することを目的とする。
上記目的を達成するために、本発明に係る帯域推定装置は、観測トラヒックデータと回線情報のセットを学習した機械学習モデルを用いて回線情報から各回線情報の場合のトラヒック量の確率密度関数を推定し、推定した確率密度関数に基づいた信頼区間の上限値を必要帯域とすることとした。
具体的には、本発明に係る帯域推定装置は、通信装置間のリンクに複数の回線が収容される通信システムにおいて、前記リンクの必要帯域を算出する帯域推定装置であって、
現在までの観測期間における前記回線毎の契約帯域と前記リンクのトラヒック量、及び将来の設計期間における前記回線毎の契約帯域が入力される通信部と、
前記観測期間における時間毎の前記契約帯域と前記トラヒック量を機械学習し、前記契約帯域から前記トラヒック量の確率密度関数を予測する機械学習モデルを作成すること、
前記設計期間における前記回線毎の契約帯域を前記機械学習モデルにあてはめて前記設計期間の時間毎の前記トラヒック量の確率密度関数を推定すること、及び
前記確率密度関数に所望の信頼区間をあてはめ、前記信頼区間の上限値を前記必要帯域とすること
を行う演算処理部と、
を備える。
現在までの観測期間における前記回線毎の契約帯域と前記リンクのトラヒック量、及び将来の設計期間における前記回線毎の契約帯域が入力される通信部と、
前記観測期間における時間毎の前記契約帯域と前記トラヒック量を機械学習し、前記契約帯域から前記トラヒック量の確率密度関数を予測する機械学習モデルを作成すること、
前記設計期間における前記回線毎の契約帯域を前記機械学習モデルにあてはめて前記設計期間の時間毎の前記トラヒック量の確率密度関数を推定すること、及び
前記確率密度関数に所望の信頼区間をあてはめ、前記信頼区間の上限値を前記必要帯域とすること
を行う演算処理部と、
を備える。
また、本発明に係る帯域推定方法は、通信装置間のリンクに複数の回線が収容される通信システムにおいて、前記リンクの必要帯域を算出する帯域推定方法であって、
現在までの観測期間における前記回線毎の契約帯域と前記リンクのトラヒック量を取得すること、
前記観測期間における時間毎の前記契約帯域と前記トラヒック量を機械学習し、前記契約帯域から前記トラヒック量の確率密度関数を予測する機械学習モデルを作成すること、
将来の設計期間における前記回線毎の契約帯域を取得し、前記機械学習モデルを用いて前記設計期間の時間毎の前記トラヒック量の確率密度関数を推定すること、及び
前記確率密度関数に所望の信頼区間をあてはめ、前記信頼区間の上限値を前記必要帯域とすること
を行う。
現在までの観測期間における前記回線毎の契約帯域と前記リンクのトラヒック量を取得すること、
前記観測期間における時間毎の前記契約帯域と前記トラヒック量を機械学習し、前記契約帯域から前記トラヒック量の確率密度関数を予測する機械学習モデルを作成すること、
将来の設計期間における前記回線毎の契約帯域を取得し、前記機械学習モデルを用いて前記設計期間の時間毎の前記トラヒック量の確率密度関数を推定すること、及び
前記確率密度関数に所望の信頼区間をあてはめ、前記信頼区間の上限値を前記必要帯域とすること
を行う。
本帯域推定装置及び方法は、過去のトラヒック量と回線情報を機械学習してモデルを生成し、回線情報をそのモデルにあてはめて将来のトラヒック量の確率密度関数を推定する。そして、その推定したトラヒック量の確率密度分布に基づいて必要帯域を設定する。つまり、本発明は、機械学習により通信システムのリンクの必要帯域を高い精度で算出し、通信品質の保証と帯域利用効率の向上を図ることができる帯域推定装置、帯域推定方法、及びプログラムを提供することができる。
また、本発明は、前記帯域推定装置としてコンピュータを機能させるためのプログラムである。本発明の帯域推定装置はコンピュータとプログラムによっても実現でき、プログラムを記録媒体に記録することも、ネットワークを通して提供することも可能である。
なお、上記各発明は、可能な限り組み合わせることができる。
本発明は、通信システムのリンクの必要帯域を高い精度で算出し、通信品質の保証と帯域利用効率の向上を図ることができる帯域推定装置、帯域推定方法、及びプログラムを提供することができる。
添付の図面を参照して本発明の実施形態を説明する。以下に説明する実施形態は本発明の実施例であり、本発明は、以下の実施形態に制限されるものではない。なお、本明細書及び図面において符号が同じ構成要素は、相互に同一のものを示すものとする。
図3は、回線情報のベクトルxとトラヒック量のスカラー値yの時系列データの表である。図4は、本発明で用いるモデルについて説明する図である。
時間tにおけるベクトルxtは、図3の表のx部分の各行を表し、
xt={x(t,0),x(t,1),・・・}
の各要素x(t,i)は、時間tにおける回線iの契約帯域を表す。
時間tにおけるトラヒック量ytは、帯域設計対象のリンクの収容回線全体のトラヒック量を表す。
観測期間Tvおよび設計期間Txのベクトルxtは回線の新規追加、契約変更、又は削除に伴って時間的に変化する。観測期間Tvのトラヒック量ytは実際に観測したトラヒック量である。本発明は、図4のように、設計期間Txのベクトルxt毎に「モデル」を用いて確率密度関数p(y|xt)を予測する。なお、確率密度関数p(y|xt)は、回線情報がベクトルxtである場合のトラヒック量yの分布を表す。図5に示すように、本発明は、ベクトルxt毎に「モデル」を用いることで、ベクトルxt毎の確率密度関数p(y|xt)を求めることができる。
時間tにおけるベクトルxtは、図3の表のx部分の各行を表し、
xt={x(t,0),x(t,1),・・・}
の各要素x(t,i)は、時間tにおける回線iの契約帯域を表す。
時間tにおけるトラヒック量ytは、帯域設計対象のリンクの収容回線全体のトラヒック量を表す。
観測期間Tvおよび設計期間Txのベクトルxtは回線の新規追加、契約変更、又は削除に伴って時間的に変化する。観測期間Tvのトラヒック量ytは実際に観測したトラヒック量である。本発明は、図4のように、設計期間Txのベクトルxt毎に「モデル」を用いて確率密度関数p(y|xt)を予測する。なお、確率密度関数p(y|xt)は、回線情報がベクトルxtである場合のトラヒック量yの分布を表す。図5に示すように、本発明は、ベクトルxt毎に「モデル」を用いることで、ベクトルxt毎の確率密度関数p(y|xt)を求めることができる。
図6は、本発明に係る帯域推定方法を説明するフローチャートである。本帯域推定方法は、通信装置(11、12)間のリンク15に複数の回線iが収容される通信システム10において、リンク15の必要帯域を算出する帯域推定方法であって、
現在までの観測期間Tvにおける回線i毎の契約帯域x(t,i)とリンク15のトラヒック量ytを取得すること(ステップS01)、
観測期間Tvにおける時間毎の契約帯域x(t,i)とトラヒック量ytを機械学習し、契約帯域x(t,i)からトラヒック量の確率密度関数p(y|xt)を予測する機械学習モデル(モデル)を作成すること(ステップS02)、
将来の設計期間Txにおける回線i毎の契約帯域x(t,i)を取得し、前記機械学習モデルを用いて設計期間Txの時間毎のトラヒック量の確率密度関数p(y|xt)を推定すること(ステップS03)、及び
確率密度関数p(y|xt)に所望の信頼区間をあてはめ、前記信頼区間の上限値を前記必要帯域とすること(ステップS04)
を行う。
現在までの観測期間Tvにおける回線i毎の契約帯域x(t,i)とリンク15のトラヒック量ytを取得すること(ステップS01)、
観測期間Tvにおける時間毎の契約帯域x(t,i)とトラヒック量ytを機械学習し、契約帯域x(t,i)からトラヒック量の確率密度関数p(y|xt)を予測する機械学習モデル(モデル)を作成すること(ステップS02)、
将来の設計期間Txにおける回線i毎の契約帯域x(t,i)を取得し、前記機械学習モデルを用いて設計期間Txの時間毎のトラヒック量の確率密度関数p(y|xt)を推定すること(ステップS03)、及び
確率密度関数p(y|xt)に所望の信頼区間をあてはめ、前記信頼区間の上限値を前記必要帯域とすること(ステップS04)
を行う。
図7は、本発明に係る帯域推定装置301と測定対象の通信システム10を説明する図である。通信システム10は、任意の2つの通信装置(11、12)間のリンク15に複数の回線iが収容されているネットワークである。図7も用いて、図6のステップを詳細に説明する。
[ステップS01]
帯域推定装置301は、各回線iの契約帯域と、通信装置(11、12)ごとに任意の時間単位のトラヒック平均カウンタ値について、観測期間Tvの時系列のデータを取得する。
帯域推定装置301は、各回線iの契約帯域と、通信装置(11、12)ごとに任意の時間単位のトラヒック平均カウンタ値について、観測期間Tvの時系列のデータを取得する。
[ステップS02]
帯域推定装置301は、取得した観測期間Tvのデータを機械学習し、ベクトルxtからトラヒック量の確率密度関数p(y|xt)を予測するモデルを作成する。つまり、モデルは、ある時間tにおけるベクトルxtから、当該時間tにおける通信装置(11、12)間のトラヒック量の確率密度関数p(y|xt)を求めるモデルである。本ステップのベクトルxから、xの場合のトラヒック量の確立密度関数p(y|x)を求めるモデルの作成には、Deep Learningを用いる。
例えば、本ステップで作成するモデルは、汎化性能を持たせるために、潜在変数モデルを仮定してもよい。潜在変数モデルを用いた数式(A)を図9で説明する。なお、数式(A)では、ベクトルxtをxと略記する。数式(A)において、qは、観測変数であるベクトルxtから潜在変数zへ変換するエンコーダの確立密度関数を表し、φは当該エンコーダのパラメータを表す。また、数式(A)の8行目のθは、潜在変数zから観測変数であるベクトルxtへ変換するデコーダのパラメータを表し、pθは当該デコーダの確立密度関数を表す。図9において、8行目の右辺の第一項目のEz~qφ(z|x)は、zを変数とした分布qφ(z|x)における期待値を示す。
確立密度関数p(y|x)を直接求めるのは困難であるため、図9に示すように式変形を行い、計算可能な量である変分下限に置き換える(図9の8行目)。図9において、2行目から3行目、3行目から4行目及び5行目から6行目は、条件付き確率の定義を用いて式変形を行う。ここで、条件付き確率は、例えば、事象Xが起こるという条件のもとで事象Yが起きる確率については、数1で表される。
また、図9において、4行目から5行目及び6行目から7行目は、KLダイバージェンスの定義を用いて式変形を行う。KLダイバージェンスは、例えば、2つの確立密度関数p(x)とq(x)があった場合に、これらがどの程度似ているかを表す指標であり、数2で表される。
図9に示す式変形から得られた8行目の右辺を変分下限と呼び、これを最大化するθとφを計算することで、確立密度関数p(y|x)を求める。
帯域推定装置301は、取得した観測期間Tvのデータを機械学習し、ベクトルxtからトラヒック量の確率密度関数p(y|xt)を予測するモデルを作成する。つまり、モデルは、ある時間tにおけるベクトルxtから、当該時間tにおける通信装置(11、12)間のトラヒック量の確率密度関数p(y|xt)を求めるモデルである。本ステップのベクトルxから、xの場合のトラヒック量の確立密度関数p(y|x)を求めるモデルの作成には、Deep Learningを用いる。
例えば、本ステップで作成するモデルは、汎化性能を持たせるために、潜在変数モデルを仮定してもよい。潜在変数モデルを用いた数式(A)を図9で説明する。なお、数式(A)では、ベクトルxtをxと略記する。数式(A)において、qは、観測変数であるベクトルxtから潜在変数zへ変換するエンコーダの確立密度関数を表し、φは当該エンコーダのパラメータを表す。また、数式(A)の8行目のθは、潜在変数zから観測変数であるベクトルxtへ変換するデコーダのパラメータを表し、pθは当該デコーダの確立密度関数を表す。図9において、8行目の右辺の第一項目のEz~qφ(z|x)は、zを変数とした分布qφ(z|x)における期待値を示す。
確立密度関数p(y|x)を直接求めるのは困難であるため、図9に示すように式変形を行い、計算可能な量である変分下限に置き換える(図9の8行目)。図9において、2行目から3行目、3行目から4行目及び5行目から6行目は、条件付き確率の定義を用いて式変形を行う。ここで、条件付き確率は、例えば、事象Xが起こるという条件のもとで事象Yが起きる確率については、数1で表される。
[ステップS03]
帯域推定装置301は、各回線iの契約帯域について、設計期間Txの時系列データを取得する。
帯域推定装置301は、設計期間Txの各ベクトルxtのそれぞれにモデルを用いて、設計期間Txの各時間tでのトラヒック量の確率密度関数p(y|xt)を推定する。
帯域推定装置301は、各回線iの契約帯域について、設計期間Txの時系列データを取得する。
帯域推定装置301は、設計期間Txの各ベクトルxtのそれぞれにモデルを用いて、設計期間Txの各時間tでのトラヒック量の確率密度関数p(y|xt)を推定する。
[ステップS04]
帯域推定装置301は、設計期間Txの各時間tについて、確率密度関数p(y|xt)から通信品質の保証に必要な信頼区間の上限値を求める。具体的には、帯域推定装置301は、各時間tのベクトルxtについて、確率密度関数p(y|xt)から平均と標準偏差を求め、β%の信頼区間の上限値を求める。そして、帯域推定装置301は、この信頼区間の上限値を各時間tでの必要帯域とする。例えば、確率密度関数p(y|xt)にガウス分布を仮定した場合に、平均から5σの上限をとってもよい。σはp(y|xt)の標準偏差を表す。
帯域推定装置301は、設計期間Txの各時間tについて、確率密度関数p(y|xt)から通信品質の保証に必要な信頼区間の上限値を求める。具体的には、帯域推定装置301は、各時間tのベクトルxtについて、確率密度関数p(y|xt)から平均と標準偏差を求め、β%の信頼区間の上限値を求める。そして、帯域推定装置301は、この信頼区間の上限値を各時間tでの必要帯域とする。例えば、確率密度関数p(y|xt)にガウス分布を仮定した場合に、平均から5σの上限をとってもよい。σはp(y|xt)の標準偏差を表す。
図8は、帯域推定装置301を説明する図である。帯域推定装置301は、通信装置(11、12)間のリンク15に複数の回線iが収容される通信システム10において、リンク15の必要帯域を算出する帯域推定装置であって、
現在までの観測期間Tvにおける回線i毎の契約帯域x(t,i)とリンク15のトラヒック量yt、及び将来の設計期間Txにおける回線i毎の契約帯域x(t,i)が入力される通信部21と、
観測期間Tvにおける時間毎の契約帯域x(t,i)とトラヒック量ytを機械学習し、契約帯域x(t,i)からトラヒック量の確率密度関数p(y|xt)を予測する機械学習モデル(モデル)を作成すること、
設計期間Txにおける回線i毎の契約帯域x(t,i)を前記機械学習モデルにあてはめて設計期間Txの時間毎のトラヒック量の確率密度関数p(y|xt)を推定すること、及び
確率密度関数p(y|xt)に所望の信頼区間をあてはめ、前記信頼区間の上限値を前記必要帯域とすること
を行う演算処理部22と、
を備える。
現在までの観測期間Tvにおける回線i毎の契約帯域x(t,i)とリンク15のトラヒック量yt、及び将来の設計期間Txにおける回線i毎の契約帯域x(t,i)が入力される通信部21と、
観測期間Tvにおける時間毎の契約帯域x(t,i)とトラヒック量ytを機械学習し、契約帯域x(t,i)からトラヒック量の確率密度関数p(y|xt)を予測する機械学習モデル(モデル)を作成すること、
設計期間Txにおける回線i毎の契約帯域x(t,i)を前記機械学習モデルにあてはめて設計期間Txの時間毎のトラヒック量の確率密度関数p(y|xt)を推定すること、及び
確率密度関数p(y|xt)に所望の信頼区間をあてはめ、前記信頼区間の上限値を前記必要帯域とすること
を行う演算処理部22と、
を備える。
通信部21は、通信回線を介して外部装置とデータ通信を行う機能を有する。通信部21は、上述したステップS01及びS03にて、各通信装置(11、12)の物理ポート(11a、12a)で取得された契約帯域x(t,i)及びトラヒック量ytが入力される。
演算処理部22は、第1算出部及び第2算出部を有する。
第1算出部は、トラヒック量ytと回線情報(べクトルxt)からモデルを作成し、モデルを用いて各時間における確率密度関数p(y|xt)を推定する。第1算出部は、上述したステップS01からS03を担当する。
第2算出部は、推定した確率密度関数p(y|xt)のβ%の信頼区間の上限値を必要帯域として算出する。第2算出部は、上述したステップS04を担当する。
演算処理部22は、第1算出部及び第2算出部を有する。
第1算出部は、トラヒック量ytと回線情報(べクトルxt)からモデルを作成し、モデルを用いて各時間における確率密度関数p(y|xt)を推定する。第1算出部は、上述したステップS01からS03を担当する。
第2算出部は、推定した確率密度関数p(y|xt)のβ%の信頼区間の上限値を必要帯域として算出する。第2算出部は、上述したステップS04を担当する。
帯域推定装置301は、その他に、データバス20、入力部23、出力部24、及び記憶部25を備える。
記憶部25は、観測データ(過去のトラヒック量ytの時系列データy)、収容回線データ(各回線iの契約帯域x(t,i)等のデータ)、帯域算出用パラメータ(トラヒック量y’tを推定するモデル1に用いるパラメータ)、及び帯域算出結果(必要帯域)を記憶する。
入力部23は、オペレータやネットワークコントローラ等からパラメータやプログラムが入力される。
出力部24は、算出状況や算出結果をファイル出力や画面表示する等の機能を有する。
データバス20は、各部のデータの送受信のために各部を接続する機能を有する。
記憶部25は、観測データ(過去のトラヒック量ytの時系列データy)、収容回線データ(各回線iの契約帯域x(t,i)等のデータ)、帯域算出用パラメータ(トラヒック量y’tを推定するモデル1に用いるパラメータ)、及び帯域算出結果(必要帯域)を記憶する。
入力部23は、オペレータやネットワークコントローラ等からパラメータやプログラムが入力される。
出力部24は、算出状況や算出結果をファイル出力や画面表示する等の機能を有する。
データバス20は、各部のデータの送受信のために各部を接続する機能を有する。
(効果)
帯域推定装置301の効果を説明するために、設計期間Txのトラヒック量の時系列データも取得した。
図10及び図11は、帯域推定装置301の効果を説明する図である。図10には、設計期間Txにおける、契約帯域x(t,i)の回線iに関する総和xt_sumと、実際のトラヒック量ytと、が記載される。図11には、設計期間Txにおける、実際のトラヒック量ytと、帯域推定装置301が推定した確率密度関数p(y|xt)から求めた平均トラヒック量y’tと、帯域推定装置301が算出した必要帯域W1と、通信帯域算出装置300が算出した必要帯域W0が記載される。なお、図10の実際のトラヒック量ytは測定値であり、図11の実際のトラヒック量ytは、測定値に対してMin-Max Normalizationを行ったものであり、これらは表示の仕方が異なるが同一のトラヒック量ytである。
図10を見ると、契約帯域x(t,i)の総和xt_sumに従って実際のトラヒック量ytが時間変化しているのがわかる。
図11において、帯域推定装置301が算出した必要帯域W1は、すべての時間において、実際のトラヒック量ytを上回っているため、パケットが廃棄されず通信品質を保つことができている。さらに、帯域推定装置301が算出した必要帯域W1は、通信帯域算出装置300が算出した必要帯域W0よりも低いため、帯域利用効率を改善できている。
帯域推定装置301の効果を説明するために、設計期間Txのトラヒック量の時系列データも取得した。
図10及び図11は、帯域推定装置301の効果を説明する図である。図10には、設計期間Txにおける、契約帯域x(t,i)の回線iに関する総和xt_sumと、実際のトラヒック量ytと、が記載される。図11には、設計期間Txにおける、実際のトラヒック量ytと、帯域推定装置301が推定した確率密度関数p(y|xt)から求めた平均トラヒック量y’tと、帯域推定装置301が算出した必要帯域W1と、通信帯域算出装置300が算出した必要帯域W0が記載される。なお、図10の実際のトラヒック量ytは測定値であり、図11の実際のトラヒック量ytは、測定値に対してMin-Max Normalizationを行ったものであり、これらは表示の仕方が異なるが同一のトラヒック量ytである。
図10を見ると、契約帯域x(t,i)の総和xt_sumに従って実際のトラヒック量ytが時間変化しているのがわかる。
図11において、帯域推定装置301が算出した必要帯域W1は、すべての時間において、実際のトラヒック量ytを上回っているため、パケットが廃棄されず通信品質を保つことができている。さらに、帯域推定装置301が算出した必要帯域W1は、通信帯域算出装置300が算出した必要帯域W0よりも低いため、帯域利用効率を改善できている。
また、観測期間Tvで観測するトラヒックのトラヒックパターンに応じてモデルのパラメータ調整を行えば、当該トラヒックの特徴に応じたモデルを作成することができる。たとえば、曜日や季節でトラヒックが大きく変動する場合、そのトラヒックパターンに応じたパラメータ調整を行う等が考えらえる。
以上のように、本発明の帯域推定装置301は、観測期間Tvのトラヒック量ytと回線情報x(t,i)を用いて、回線情報からトラヒック量の確率密度関数p(y|xt)を推定するモデルを作成することで、設計期間Txの各時間の回線情報x(t,i)に基づいて各時間の確率密度関数p(y|xt)を推定できる。そして、この確率密度関数に基づいて通信品質を保証する必要帯域を算出できる。
従って、本発明の帯域推定装置301は、各時間でのトラヒック量の確率密度関数を推定できることで通信品質を保証する必要帯域を最低限に低減することができるため、帯域利用効率を改善できる。
従って、本発明の帯域推定装置301は、各時間でのトラヒック量の確率密度関数を推定できることで通信品質を保証する必要帯域を最低限に低減することができるため、帯域利用効率を改善できる。
(他の実施形態)
帯域推定装置301はコンピュータとプログラムによっても実現でき、プログラムを記録媒体に記録することも、ネットワークを通して提供することも可能である。
図12は、システム100のブロック図を示している。システム100は、ネットワーク135へと接続されたコンピュータ105を含む。
帯域推定装置301はコンピュータとプログラムによっても実現でき、プログラムを記録媒体に記録することも、ネットワークを通して提供することも可能である。
図12は、システム100のブロック図を示している。システム100は、ネットワーク135へと接続されたコンピュータ105を含む。
ネットワーク135は、データ通信ネットワークである。ネットワーク135は、プライベートネットワーク又はパブリックネットワークであってよく、(a)例えば或る部屋をカバーするパーソナル・エリア・ネットワーク、(b)例えば或る建物をカバーするローカル・エリア・ネットワーク、(c)例えば或るキャンパスをカバーするキャンパス・エリア・ネットワーク、(d)例えば或る都市をカバーするメトロポリタン・エリア・ネットワーク、(e)例えば都市、地方、又は国家の境界をまたいでつながる領域をカバーするワイド・エリア・ネットワーク、又は(f)インターネット、のいずれか又はすべてを含むことができる。通信は、ネットワーク135を介して電子信号及び光信号によって行われる。
コンピュータ105は、プロセッサ110、及びプロセッサ110に接続されたメモリ115を含む。コンピュータ105が、本明細書においてはスタンドアロンのデバイスとして表されているが、そのように限定されるわけではなく、むしろ分散処理システムにおいて図示されていない他のデバイスへと接続されてよい。
プロセッサ110は、命令に応答し且つ命令を実行する論理回路で構成される電子デバイスである。
メモリ115は、コンピュータプログラムがエンコードされた有形のコンピュータにとって読み取り可能な記憶媒体である。この点に関し、メモリ115は、プロセッサ110の動作を制御するためにプロセッサ110によって読み取り可能及び実行可能なデータ及び命令、すなわちプログラムコードを記憶する。メモリ115を、ランダムアクセスメモリ(RAM)、ハードドライブ、読み出し専用メモリ(ROM)、又はこれらの組み合わせにて実現することができる。メモリ115の構成要素の1つは、プログラムモジュール120である。
プログラムモジュール120は、本明細書に記載のプロセスを実行するようにプロセッサ110を制御するための命令を含む。本明細書において、動作がコンピュータ105或いは方法又はプロセス若しくはその下位プロセスによって実行されると説明されるが、それらの動作は、実際にはプロセッサ110によって実行される。
用語「モジュール」は、本明細書において、スタンドアロンの構成要素又は複数の下位の構成要素からなる統合された構成のいずれかとして具現化され得る機能的動作を指して使用される。したがって、プログラムモジュール120は、単一のモジュールとして、或いは互いに協調して動作する複数のモジュールとして実現され得る。さらに、プログラムモジュール120は、本明細書において、メモリ115にインストールされ、したがってソフトウェアにて実現されるものとして説明されるが、ハードウェア(例えば、電子回路)、ファームウェア、ソフトウェア、又はこれらの組み合わせのいずれかにて実現することが可能である。
プログラムモジュール120は、すでにメモリ115へとロードされているものとして示されているが、メモリ115へと後にロードされるように記憶装置140上に位置するように構成されてもよい。記憶装置140は、プログラムモジュール120を記憶する有形のコンピュータにとって読み取り可能な記憶媒体である。記憶装置140の例として、コンパクトディスク、磁気テープ、読み出し専用メモリ、光記憶媒体、ハードドライブ又は複数の並列なハードドライブで構成されるメモリユニット、並びにユニバーサル・シリアル・バス(USB)フラッシュドライブが挙げられる。あるいは、記憶装置140は、ランダムアクセスメモリ、或いは図示されていない遠隔のストレージシステムに位置し、且つネットワーク135を介してコンピュータ105へと接続される他の種類の電子記憶デバイスであってよい。
システム100は、本明細書においてまとめてデータソース150と称され、且つネットワーク135へと通信可能に接続されるデータソース150A及びデータソース150Bを更に含む。実際には、データソース150は、任意の数のデータソース、すなわち1つ以上のデータソースを含むことができる。データソース150は、体系化されていないデータを含み、ソーシャルメディアを含むことができる。
システム100は、ユーザ101によって操作され、且つネットワーク135を介してコンピュータ105へと接続されるユーザデバイス130を更に含む。ユーザデバイス130として、ユーザ101が情報及びコマンドの選択をプロセッサ110へと伝えることを可能にするためのキーボード又は音声認識サブシステムなどの入力デバイスが挙げられる。ユーザデバイス130は、表示装置又はプリンタ或いは音声合成装置などの出力デバイスを更に含む。マウス、トラックボール、又はタッチ感応式画面などのカーソル制御部が、さらなる情報及びコマンドの選択をプロセッサ110へと伝えるために表示装置上でカーソルを操作することをユーザ101にとって可能にする。
プロセッサ110は、プログラムモジュール120の実行の結果122をユーザデバイス130へと出力する。あるいは、プロセッサ110は、出力を例えばデータベース又はメモリなどの記憶装置125へともたらすことができ、或いはネットワーク135を介して図示されていない遠隔のデバイスへともたらすことができる。
例えば、図6のフローチャートを行うプログラムをプログラムモジュール120としてもよい。システム100を帯域推定装置301として動作させることができる。
(付記)
用語「・・・を備える」又は「・・・を備えている」は、そこで述べられている特徴、完全体、工程、又は構成要素が存在することを指定しているが、1つ以上の他の特徴、完全体、工程、又は構成要素、或いはそれらのグループの存在を排除してはいないと、解釈されるべきである。用語「a」及び「an」は、不定冠詞であり、したがって、それを複数有する実施形態を排除するものではない。
用語「・・・を備える」又は「・・・を備えている」は、そこで述べられている特徴、完全体、工程、又は構成要素が存在することを指定しているが、1つ以上の他の特徴、完全体、工程、又は構成要素、或いはそれらのグループの存在を排除してはいないと、解釈されるべきである。用語「a」及び「an」は、不定冠詞であり、したがって、それを複数有する実施形態を排除するものではない。
なお、この発明は上記実施形態に限定されるものではなく、この発明の要旨を逸脱しない範囲で種々変形して実施可能である。要するにこの発明は、上位実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。
また、上記実施形態に開示されている複数の構成要素を適宜な組み合わせにより種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態に亘る構成要素を適宜組み合わせてもよい。
10:通信システム
11、12:通信装置
11a、12a:物理ポート
15:リンク
20:データバス
21:通信部
22:演算処理部
23:入力部
24:出力部
25:記憶部
100:システム
101:ユーザ
105:コンピュータ
110:プロセッサ
115:メモリ
120:プログラムモジュール
122:結果
125:記憶装置
130:ユーザデバイス
135:ネットワーク
140:記憶装置
150:データソース
300:通信帯域算出装置
301:帯域推定装置
11、12:通信装置
11a、12a:物理ポート
15:リンク
20:データバス
21:通信部
22:演算処理部
23:入力部
24:出力部
25:記憶部
100:システム
101:ユーザ
105:コンピュータ
110:プロセッサ
115:メモリ
120:プログラムモジュール
122:結果
125:記憶装置
130:ユーザデバイス
135:ネットワーク
140:記憶装置
150:データソース
300:通信帯域算出装置
301:帯域推定装置
Claims (3)
- 通信装置間のリンクに複数の回線が収容される通信システムにおいて、前記リンクの必要帯域を算出する帯域推定装置であって、
現在までの観測期間における前記回線毎の契約帯域と前記リンクのトラヒック量、及び将来の設計期間における前記回線毎の契約帯域が入力される通信部と、
前記観測期間における時間毎の前記契約帯域と前記トラヒック量を機械学習し、前記契約帯域から前記トラヒック量の確率密度関数を予測する機械学習モデルを作成すること、
前記設計期間における前記回線毎の契約帯域を前記機械学習モデルにあてはめて前記設計期間の時間毎の前記トラヒック量の確率密度関数を推定すること、及び
前記確率密度関数に所望の信頼区間をあてはめ、前記信頼区間の上限値を前記必要帯域とすること
を行う演算処理部と、
を備える帯域推定装置。 - 通信装置間のリンクに複数の回線が収容される通信システムにおいて、前記リンクの必要帯域を算出する帯域推定方法であって、
現在までの観測期間における前記回線毎の契約帯域と前記リンクのトラヒック量を取得すること、
前記観測期間における時間毎の前記契約帯域と前記トラヒック量を機械学習し、前記契約帯域から前記トラヒック量の確率密度関数を予測する機械学習モデルを作成すること、
将来の設計期間における前記回線毎の契約帯域を取得し、前記機械学習モデルを用いて前記設計期間の時間毎の前記トラヒック量の確率密度関数を推定すること、及び
前記確率密度関数に所望の信頼区間をあてはめ、前記信頼区間の上限値を前記必要帯域とすること
を行う帯域推定方法。 - 請求項1に記載の帯域推定装置としてコンピュータを機能させるためのプログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2020/036553 WO2022064675A1 (ja) | 2020-09-28 | 2020-09-28 | 帯域推定装置、帯域推定方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2022064675A1 JPWO2022064675A1 (ja) | 2022-03-31 |
JP7435807B2 true JP7435807B2 (ja) | 2024-02-21 |
Family
ID=80846319
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022551079A Active JP7435807B2 (ja) | 2020-09-28 | 2020-09-28 | 帯域推定装置、帯域推定方法、及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US12081406B2 (ja) |
JP (1) | JP7435807B2 (ja) |
WO (1) | WO2022064675A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024166392A1 (ja) * | 2023-02-10 | 2024-08-15 | 日本電信電話株式会社 | モデル学習装置、推定装置、モデル学習方法、推定方法、及びプログラム |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007158917A (ja) | 2005-12-07 | 2007-06-21 | Kddi Corp | ネットワーク収容設計システムおよびその集線率決定方法ならびにプログラムおよびその記憶媒体 |
JP2009118275A (ja) | 2007-11-07 | 2009-05-28 | Nippon Telegr & Teleph Corp <Ntt> | トラヒック分析装置、方法、およびプログラム |
JP2009118274A (ja) | 2007-11-07 | 2009-05-28 | Nippon Telegr & Teleph Corp <Ntt> | 通信帯域算出装置、方法、およびプログラム |
JP2009200604A (ja) | 2008-02-19 | 2009-09-03 | Nippon Telegr & Teleph Corp <Ntt> | リンク帯域増設量算出方法とシステムおよびプログラム |
JP2009253882A (ja) | 2008-04-10 | 2009-10-29 | Central Res Inst Of Electric Power Ind | 帯域管理プログラム、帯域管理装置および帯域管理方法 |
CN103262636A (zh) | 2010-10-04 | 2013-08-21 | 艾尔斯潘网络公司 | 用于控制无线馈线网络的设备和方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4751804B2 (ja) * | 2006-10-20 | 2011-08-17 | 富士通株式会社 | 通信中継装置、通信中継制御方法および通信中継制御プログラム |
JP5111256B2 (ja) * | 2008-06-23 | 2013-01-09 | 株式会社日立製作所 | 通信システムおよびサーバ装置 |
US9813259B2 (en) * | 2014-05-13 | 2017-11-07 | Cisco Technology, Inc. | Probing available bandwidth along a network path |
US9838296B2 (en) * | 2014-12-19 | 2017-12-05 | Ciena Corporation | Bandwidth optimization systems and methods in networks |
GB201504403D0 (en) * | 2015-03-16 | 2015-04-29 | Microsoft Technology Licensing Llc | Adapting encoded bandwidth |
GB201504402D0 (en) * | 2015-03-16 | 2015-04-29 | Microsoft Technology Licensing Llc | Adapting encoded bandwidth |
JP7459951B2 (ja) * | 2020-09-16 | 2024-04-02 | 日本電信電話株式会社 | 疎通制御装置、通信システム、疎通制御方法、及びプログラム |
-
2020
- 2020-09-28 JP JP2022551079A patent/JP7435807B2/ja active Active
- 2020-09-28 WO PCT/JP2020/036553 patent/WO2022064675A1/ja active Application Filing
- 2020-09-28 US US18/027,310 patent/US12081406B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007158917A (ja) | 2005-12-07 | 2007-06-21 | Kddi Corp | ネットワーク収容設計システムおよびその集線率決定方法ならびにプログラムおよびその記憶媒体 |
JP2009118275A (ja) | 2007-11-07 | 2009-05-28 | Nippon Telegr & Teleph Corp <Ntt> | トラヒック分析装置、方法、およびプログラム |
JP2009118274A (ja) | 2007-11-07 | 2009-05-28 | Nippon Telegr & Teleph Corp <Ntt> | 通信帯域算出装置、方法、およびプログラム |
JP2009200604A (ja) | 2008-02-19 | 2009-09-03 | Nippon Telegr & Teleph Corp <Ntt> | リンク帯域増設量算出方法とシステムおよびプログラム |
JP2009253882A (ja) | 2008-04-10 | 2009-10-29 | Central Res Inst Of Electric Power Ind | 帯域管理プログラム、帯域管理装置および帯域管理方法 |
CN103262636A (zh) | 2010-10-04 | 2013-08-21 | 艾尔斯潘网络公司 | 用于控制无线馈线网络的设备和方法 |
Also Published As
Publication number | Publication date |
---|---|
US20230336425A1 (en) | 2023-10-19 |
JPWO2022064675A1 (ja) | 2022-03-31 |
WO2022064675A1 (ja) | 2022-03-31 |
US12081406B2 (en) | 2024-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7320053B2 (ja) | 予測モデルの改良 | |
Yang et al. | Efficient generation of cycle time‐throughput curves through simulation and metamodeling | |
JP7435807B2 (ja) | 帯域推定装置、帯域推定方法、及びプログラム | |
CN111583014A (zh) | 一种基于gbst的金融风险管理方法、装置和电子设备 | |
CN114442583B (zh) | 用于对多个被控设备进行控制方法、设备和介质 | |
CN112529202B (zh) | 量子纠缠态分配方法、装置、设备、存储介质及产品 | |
CN111783938A (zh) | 时间序列的预测方法和装置 | |
JP7444263B2 (ja) | 帯域推定装置、帯域推定方法、及びプログラム | |
JP6624052B2 (ja) | 属性変換装置、属性変換方法、学習装置、属性変換プログラム、及び、学習プログラム | |
JP2018113817A (ja) | 情報処理システム、および情報処理プログラム | |
Bertsimas et al. | Pareto Adaptive Robust Optimality via a Fourier–Motzkin Elimination lens | |
JP2008141641A (ja) | 異常トラヒック検知装置および方法 | |
JP5610234B2 (ja) | 損失分布計算システム、損失分布計算方法および損失分布計算用プログラム | |
US20240314046A1 (en) | Control apparatus, control method and program | |
Eo | Bayesian analysis of DSGE models with regime switching | |
Dendievel et al. | Approximations for time-dependent distributions in Markovian fluid models | |
CN113112311A (zh) | 训练因果推断模型的方法、信息提示方法以装置 | |
US10318970B2 (en) | Generating a succinct approximate representation of a time series | |
US10929177B2 (en) | Managing resources for multiple trial distributed processing tasks | |
US11988799B2 (en) | System and method for liquids correction in oil and gas predictive | |
CN116091240A (zh) | 用于划分时序数据的方法、计算设备和存储介质 | |
WO2024180648A1 (ja) | 情報処理装置、情報処理方法、プログラム | |
US20230409667A1 (en) | Selection of pauli strings for variational quantum eigensolver | |
WO2023162170A1 (ja) | 情報処理装置 | |
JP2021096879A (ja) | データ構造 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230215 |
|
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: 20240109 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240122 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7435807 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |