WO2023100256A1 - 消費電力制御システム及び消費電力制御方法 - Google Patents

消費電力制御システム及び消費電力制御方法 Download PDF

Info

Publication number
WO2023100256A1
WO2023100256A1 PCT/JP2021/043921 JP2021043921W WO2023100256A1 WO 2023100256 A1 WO2023100256 A1 WO 2023100256A1 JP 2021043921 W JP2021043921 W JP 2021043921W WO 2023100256 A1 WO2023100256 A1 WO 2023100256A1
Authority
WO
WIPO (PCT)
Prior art keywords
base station
power consumption
power
station system
state
Prior art date
Application number
PCT/JP2021/043921
Other languages
English (en)
French (fr)
Inventor
誠 大野
一成 竹内
雅大 児嶋
Original Assignee
楽天モバイル株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 楽天モバイル株式会社 filed Critical 楽天モバイル株式会社
Priority to PCT/JP2021/043921 priority Critical patent/WO2023100256A1/ja
Publication of WO2023100256A1 publication Critical patent/WO2023100256A1/ja

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02—Power saving arrangements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
    • H04W88/08—Access point devices

Definitions

  • the present invention relates to a power consumption control system and a power consumption control method.
  • Patent Document 1 describes that by increasing the number of virtual nodes in operation in a partial communication area where a sudden increase in traffic has occurred, a decrease in communication speed due to lack of resources is suppressed. Further, Patent Literature 1 describes suppressing an increase in power consumption of a server by reducing the number of operating virtual nodes in a partial communication area in which a sudden decrease in traffic has occurred.
  • the present invention has been made in view of the above circumstances, and one of its objects is to achieve power consumption control that is highly responsive to changes in the degree of operation while ensuring communication performance.
  • An object of the present invention is to provide a control system and a power consumption control method.
  • a power consumption control system includes prediction means for predicting the degree of operation of at least one software element included in a communication system, and power that achieves a given target for the performance index value at the operating degree that is the result of the prediction, based on correspondence data indicating correspondence between the operating degree and the performance index value for the at least one software element.
  • power state identifying means for identifying one of the states; and power consumption control means for causing the processor executing said at least one software element to operate in said identified power state.
  • the power state specifying means selects the power state with the lowest power consumption among the power states that achieve a given target related to the performance index value in the operating degree that is the result of the prediction. Identify.
  • the performance index value is an average processing time value or an average packet loss rate value.
  • the power state specifying means determines the power state based on the correspondence data indicating the correspondence between the operating degree and the average processing time value for each of a plurality of power states that the processor can take.
  • a power state with the lowest power consumption is identified as a first state from among the power states that achieve a given target for an average processing time in the predicted operating degree, and the power state identifying means is configured to: Based on the correspondence data indicating the correspondence between the operating degree and the value of the average packet discard rate for each of a plurality of possible power states, a given average packet discard rate at the operating degree that is the result of the prediction Among the power states that achieve the target of , the power state with the lowest power consumption is specified as the second state, and the power consumption control means controls the power consumption of the first state or the second state, whichever has the higher power consumption operating a processor executing the at least one software element in a state;
  • the degree of operation is the amount of traffic or the number of people accommodated in the area covered by the at least one software element.
  • the software element is a DU.
  • the power state is a P-state.
  • a power consumption control method includes the step of predicting the degree of operation of at least one software element included in a communication system; one of the power states that achieves a given target for the performance index value at the operating degree that is the result of the prediction, based on correspondence data indicating the correspondence between the operating degree and the performance index value and causing a processor executing said at least one software element to operate in said specified power state.
  • FIG. 2 is a diagram schematically showing an example of classification of base station systems
  • FIG. 3 is a functional block diagram showing an example of functions implemented in the NOS according to one embodiment of the present invention
  • It is a figure which shows an example of the data structure of parameter data.
  • It is a figure which shows an example of a cross-correlation coefficient typically.
  • It is a figure which shows an example of similarity data typically.
  • It is a figure which shows an example of a structure of an operation control part. It is a figure which shows an example of correspondence data.
  • FIG. 1 is a diagram schematically showing an example of classification of base station systems
  • FIG. 3 is a functional block diagram showing an example of functions implemented in the NOS according to one embodiment of the present invention
  • It is a figure which shows an example of the data structure of parameter data.
  • It is a figure which shows an example of a cross-correlation coefficient typically.
  • It is a figure which shows an example of similarity data typically.
  • It is a figure which
  • FIG. 4 is a diagram schematically showing an example of the relationship between the amount of traffic per unit time and the average processing time;
  • FIG. 4 is a diagram schematically showing an example of the relationship between traffic volume per unit time and average packet loss rate;
  • FIG. 4 is a flow diagram showing an example of the flow of processing performed by the NOS according to one embodiment of the present invention;
  • FIG. 4 is a flow diagram showing an example of the flow of processing performed by the NOS according to one embodiment of the present invention;
  • FIG. 1 and 2 are diagrams showing an example of a communication system 1 according to an embodiment of the present invention.
  • FIG. 1 is a diagram focusing on the locations of the data centers included in the communication system 1.
  • FIG. 2 is a diagram focusing on various computer systems implemented in a group of data centers included in the communication system 1. As shown in FIG.
  • the data centers included in the communication system 1 are classified into a central data center 10, regional data centers 12, and edge data centers 14.
  • central data centers 10 are distributed within the area covered by the communication system 1 (for example, within Japan).
  • dozens of regional data centers 12 are distributed within the area covered by the communication system 1 .
  • the area covered by the communication system 1 is all over Japan, one or two regional data centers 12 may be arranged in each prefecture.
  • edge data centers 14 are distributed within the area covered by the communication system 1, for example. Also, each of the edge data centers 14 can communicate with a communication facility 18 having an antenna 16 . Here, as shown in FIG. 1, one edge data center 14 may be able to communicate with several communication facilities 18 . Communication facility 18 may include computers, such as server computers. A communication facility 18 according to this embodiment performs wireless communication with a UE (User Equipment) 20 via an antenna 16 .
  • UE User Equipment
  • a plurality of servers are arranged in each of the central data center 10, the regional data center 12, and the edge data center 14 according to this embodiment.
  • the central data center 10, the regional data center 12, and the edge data center 14 can communicate with each other. Also, the central data centers 10, the regional data centers 12, and the edge data centers 14 can communicate with each other.
  • the communication system 1 includes a network operation system (NOS) 30, multiple radio access networks (RAN) 32, multiple core network systems 34, and multiple UEs 20.
  • NOS network operation system
  • RAN radio access networks
  • core network systems 34 multiple core network systems 34
  • UEs 20 multiple UEs 20.
  • Core network system 34, RAN 32, and UE 20 cooperate with each other to realize a mobile communication network.
  • the RAN 32 is a computer system equipped with an antenna 16, which corresponds to eNB (eNodeB) in 4G and gNB (NR base station) in 5G.
  • the RAN 32 according to this embodiment is mainly implemented by a group of servers and communication equipment 18 located in the edge data center 14 .
  • part of the RAN 32 for example, vDU (virtual distributed unit) and vCU (virtual central unit) in 4G, DU (distributed unit) and CU (central unit) in 5G
  • vDU virtual distributed unit
  • vCU virtual central unit
  • DU distributed unit
  • CU central unit
  • the core network system 34 is an EPC (Evolved Packet Core) in the 4th generation mobile communication system (hereinafter referred to as 4G) and a 5G core (5GC) in the 5th generation mobile communication system (hereinafter referred to as 5G). This is the corresponding system.
  • the core network system 34 according to this embodiment is mainly implemented by a group of servers arranged in the central data center 10 and the regional data centers 12 .
  • the NOS 30 is configured on a cloud platform, for example, and includes a processor 30a, a storage unit 30b, and a communication unit 30c, as shown in FIG.
  • Processor 30 a is a program-controlled device such as a microprocessor that operates according to programs installed in NOS 30 .
  • the storage unit 30b is, for example, a storage element such as ROM or RAM, a solid state drive (SSD), a hard disk drive (HDD), or the like.
  • the storage unit 30b stores programs and the like executed by the processor 30a.
  • the communication unit 30c is, for example, a communication interface such as a NIC or a wireless LAN module. Note that SDN (Software-Defined Networking) may be implemented in the communication unit 30c.
  • the communication unit 30 c exchanges data with the RAN 32 and the core network system 34 .
  • the NOS 30 is implemented by a group of servers located in the central data center 10. Note that the NOS 30 may be implemented by a group of servers arranged in the regional data center 12 .
  • the communication system 1 provides network services such as voice communication services and data communication services to users of the UE 20 .
  • the network services provided in this embodiment are not limited to voice communication services and data communication services.
  • the network service provided in this embodiment may be, for example, an IoT service.
  • a container-type application execution environment such as Docker is installed in the servers located in the central data center 10, the regional data center 12, and the edge data center 14. You can now deploy and run containers on your server.
  • a cluster Kernetes cluster
  • a container management tool such as Kubernetes may be constructed. Then, the processors on the constructed cluster may execute container-type applications.
  • the network services provided in this embodiment are implemented by CNFs (Containerized Network Functions), which are container-based functional units.
  • the communication system 1 includes multiple base station systems 40 .
  • the base station system 40 described above corresponds to the RAN 32 constructed in one edge data center 14. system.
  • the constituent elements of the RAN 32 may be incorporated in the central data center 10 and the regional data centers 12 .
  • the components of the RAN 32 built in one edge data center 14 and the components of the RAN 32 built in the central data center 10 or regional data center 12 are assumed to cooperate.
  • the base station system 40 described above refers to a system corresponding to the RAN 32 including these components that cooperate with each other.
  • the multiple base station systems 40 included in the communication system 1 are classified into multiple base station system groups 42 .
  • Each base station system group 42 includes a leader base station system 40a, which is a base station system 40 representing the base station system group 42, and a follower base station system, which is a base station system 40 other than the leader base station system 40a. 40b are included.
  • the NOS 30, for example, at intervals of a predetermined unit time t1 (for example, 30 minutes), regarding the leader base station system 40a, determines the degree of operation (for example, traffic volume, capacity, etc.) at the next unit time t1 in the leader base station system 40a. number of people).
  • the NOS 30, for example, at predetermined unit time t1 intervals, based on the number of people accommodated in the unit time t1, the amount of traffic, and the time associated with the unit time t1 (for example, the start or end of the unit time t1) , the operating degree may be predicted.
  • the degree of operation may be predicted using a trained machine learning model.
  • the operation control of all the base station systems 40 included in the base station system group 42 is based on the operating degree which is the result of prediction of the leader base station system 40a included in the base station system group 42. is done.
  • FIG. 4 is a functional block diagram showing an example of functions implemented in the NOS 30 according to this embodiment. Note that the NOS 30 according to the present embodiment does not need to implement all the functions shown in FIG. 4, and may implement functions other than the functions shown in FIG.
  • the NOS 30 functionally includes, for example, a monitoring unit 50, a transition data generation unit 52, a similarity determination unit 54, a classification unit 56, a leader determination unit 58, a ratio determination unit 60, a prediction unit 62, and an operation control unit 64 are included.
  • the monitoring unit 50 is mainly implemented by the communication unit 30c.
  • the transition data generation unit 52 is mainly implemented by the processor 30a and the storage unit 30b.
  • the similarity determination unit 54, the classification unit 56, the leader determination unit 58, the ratio determination unit 60, and the prediction unit 62 are mainly implemented by the processor 30a.
  • the operation control unit 64 is mainly implemented with a processor 30a, a storage unit 30b, and a communication unit 30c.
  • the above functions may be implemented by causing the NOS 30 to execute a program installed in the NOS 30, which is a computer, and containing commands corresponding to the above functions. Also, this program may be supplied to the NOS 30 via a computer-readable information storage medium such as an optical disk, magnetic disk, magnetic tape, or magneto-optical disk, or via the Internet or the like.
  • the monitoring unit 50 monitors, for example, a plurality of base station systems 40 included in the communication system 1 in this embodiment.
  • the monitoring unit 50 is provided with parameter values such as various performance indicators such as capacity and traffic volume from each of the plurality of base station systems 40 included in the communication system 1.
  • Get parameter data In this embodiment, for example, acquisition of parameter data is repeatedly performed at predetermined time intervals.
  • each base station system 40 may sequentially transmit parameter data to the NOS 30 . Then, the monitoring unit 50 of the NOS 30 may receive parameter data transmitted from each base station system 40 . Alternatively, the monitoring unit 50 of the NOS 30 may sequentially access each base station system 40 and collect parameter data from the base station system 40 .
  • FIG. 5 is a diagram showing an example of the data structure of parameter data acquired from the base station system 40.
  • the parameter data includes, for example, an ID, date and time data, capacity data, traffic volume data, and the like.
  • the ID included in the parameter data is identification information of the base station system 40, for example.
  • the date and time data is, for example, data indicating a specific date and time such as the number of people accommodated in the base station system 40 and the amount of traffic.
  • the capacity data is, for example, data indicating the capacity of the area covered by the base station system 40 .
  • Traffic volume data is, for example, data indicating the traffic volume in the area covered by the base station system 40 .
  • the monitoring unit 50 outputs the acquired parameter data to the transition data generating unit 52, for example.
  • parameter data is accumulated in the transition data generator 52 .
  • the transition data generation unit 52 for example, based on the collected parameter data, the transition of the degree of operation of each of the plurality of base station systems 40 (for example, transition of traffic volume or transition of capacity) Generate transition data showing
  • the transition data generation unit 52 generates transition data of the base station system 40 associated with each of the IDs that are different from each other, based on the parameter data including the ID and the date and time data of a predetermined time range.
  • This transition data includes, for example, traffic volume transition data, which is time-series data indicating transitions in traffic volume, and capacity transition data, which is time-series data indicating transitions in capacity. In this way, multiple pieces of transition data are generated, each associated with the base station system 40 .
  • the similarity degree identifying unit 54 identifies the degree of similarity in transition of the degree of operation for each pair of base station systems 40 based on transition data.
  • the similarity degree specifying unit 54 may calculate the cross-correlation coefficient Rxy( ⁇ ) of the value indicating the degree of operation of the base station system 40, for example, based on the transition data.
  • the similarity degree specifying unit 54 may, for example, calculate the cross-correlation coefficient Rxy( ⁇ ) of the values of the traffic volume transition data described above. Further, the similarity degree specifying unit 54 may calculate, for example, the cross-correlation coefficient Rxy( ⁇ ) of the above-described capacity change data. Note that the cross-correlation coefficient Rxy( ⁇ ) is calculated for each plurality of lags ⁇ .
  • FIG. 6 is a diagram schematically showing an example of cross-correlation coefficients Rxy( ⁇ ) calculated for a certain pair of base station systems 40.
  • FIG. 6 is a diagram schematically showing an example of cross-correlation coefficients Rxy( ⁇ ) calculated for a certain pair of base station systems 40.
  • the similarity degree identifying unit 54 may identify the representative value of the cross-correlation coefficient of the value indicating the working degree as the degree of similarity of the transition of the working degree. Further, the similarity degree specifying unit 54 may also specify the value t of the lag ⁇ when taking the representative value.
  • the similarity degree specifying unit 54 specifies the maximum value Rmax of the cross-correlation coefficient and the value t of the lag ⁇ when the value of the cross-correlation coefficient is the maximum value Rmax.
  • FIG. 7 is a diagram schematically showing an example of similarity data.
  • FIG. 7 shows similarity data associated with pairs of base station systems 40 for six base station systems 40 with IDs 001 to 006 as an example.
  • the combination of the above value Rmax and the above value t is expressed as (Rmax, t).
  • the unit of lag ⁇ is, for example, "minutes”.
  • the classification unit 56 classifies the plurality of base station systems 40 included in the communication system 1 into a plurality of base station system groups 42 based on the degree of similarity specified for each pair of base station systems 40. do.
  • the classification unit 56 classifies the plurality of base station systems 40 into the plurality of base station system groups 42 based on the representative value of the cross-correlation coefficient and the lag at which the cross-correlation coefficient takes the maximum value.
  • initial values are predetermined for the threshold th1 of Rmax and the range ⁇ 1 to ⁇ 2 of the value t.
  • the classifying unit 56 identifies the number of similarity data that satisfies a predetermined condition among the similarity data relating to the combination of each base station system 40 with another base station system 40 .
  • the number that satisfies the condition that "the value t is in the range of ⁇ 1 to ⁇ 2 and the value RMax is equal to or greater than the threshold th1" is specified.
  • the classification unit 56 identifies the base station system 40 with the largest number of base station systems satisfying the above conditions as the maximum number base station system.
  • the classification unit 56 selects the maximum number of base station systems identified as described above and one or more base station systems 40 that satisfy the above conditions in relation to the maximum number of base station systems,
  • the base station systems 40 included in one base station system group 42 are grouped.
  • the threshold th1 is 0.7 and the range ⁇ 1 to ⁇ 2 is -30 to 30.
  • the combination of the base station system 40 with ID 001 and the base station system 40 with ID 006 satisfies the above conditions.
  • the combination with the base station system 40 with ID 004 satisfies the above conditions.
  • the base station system 40 with ID 004 is specified as the maximum number of base station systems.
  • the base station system 40 with ID 002, the base station system 40 with ID 003, the base station system 40 with ID 004, and the base station system 40 with ID 005 are one base station system. Grouped as base station systems 40 included in group 42 .
  • classification processing processing related to specifying the maximum base station system and grouping the base station systems 40 described above.
  • the classification unit 56 executes the above-described classification processing for the remaining base station systems 40 .
  • the base station system 40 with the largest number of base station systems that satisfy the above conditions is identified as the maximum number of base station systems.
  • the classification unit 56 classifies one or a plurality of base station systems 40 satisfying the above conditions in relation to the maximum number of base station systems as base station systems 40 included in one new base station system group 42 . do.
  • the base station systems 40 are grouped.
  • the above-described threshold th1 may be changed to a smaller value, or the above-described range ⁇ 1 to ⁇ 2 may be broadened, and then the above-described classification processing may be executed. good.
  • the leader determination unit 58 determines the leader base station system 40a from among the plurality of base station systems 40 included in the base station system group 42.
  • the leader determination unit 58 determines the leader base station system 40a based on the number of other base station systems 40 whose degree of similarity with the base station system 40 is greater than a predetermined level.
  • the leader determining unit 58 determines, for example, the base station system 40 identified as the maximum number of base station systems in the above-described classification process as the leader base station system 40a in the base station system group 42 including the base station system 40. good too. Then, the leader determination unit 58 may determine the remaining base station systems 40 as the follower base station systems 40b in the base station system group 42 including the leader base station system 40a.
  • the base station system 40 whose ID is 004 is determined as the leader base station system 40a in the base station system group 42. Then, the base station system 40 with ID 002, the base station system 40 with ID 003, and the base station system 40 with ID 005 are determined as follower base station systems 40b in the base station system group 42. be.
  • the leader determination unit 58 needs to determine the leader base station system 40a based on the number of other base station systems 40 whose degree of similarity with the base station system 40 is greater than a predetermined level. no.
  • the leader base station system 40 a may be randomly determined from among the plurality of base station systems 40 included in the base station system group 42 .
  • the base station system 40 located in the geographical center among the plurality of base station systems 40 included in the base station system group 42 may be determined as the leader base station system 40a in the base station system group 42. .
  • the ratio identifying unit 60 determines the ratio of the degree of operation of the follower base station system 40b included in the base station system group 42 to the degree of operation of the leader base station system 40a included in the base station system group 42. Identify.
  • the ratio is specified for each follower base station system 40b.
  • the ratio identifying unit 60 may identify the traffic volume ratio. For example, the ratio of the representative value of the values of the traffic volume transition data included in the above-described transition data may be specified. Also, the ratio specifying unit 60 may specify the ratio of the number of people accommodated. For example, it is possible to specify the ratio of the representative values of the capacity transition data contained in the transition data described above. As the representative value for specifying the ratio, for example, maximum value, average value, minimum value, mean square, and the like are used.
  • the prediction unit 62 predicts, for example, the degree of operation of at least one software element included in the communication system 1 in this embodiment. For example, for each of the plurality of base station system groups 42 , the prediction unit 62 predicts the traffic volume or the number of people accommodated in the area covered by the leader base station system 40 a included in the base station system group 42 .
  • the monitoring unit 50 monitors only the leader base station system 40a, and monitors only the leader base station system 40a. Parameter data may be obtained only from Then, the prediction unit 62 may predict the degree of operation of the leader base station system 40a. By doing so, the monitoring load of the communication system 1 is reduced.
  • the prediction unit 62 predicts the degree of operation of the leader base station system 40a at the next unit time t1 in the leader base station system 40a at intervals of a predetermined unit time t1 (for example, 30 minutes). You may Here, for example, traffic volume may be predicted. Capacity may also be predicted.
  • the operation control unit 64 executes operation control of the leader base station system 40a based on the degree of operation of the leader base station system 40a, which is the result of prediction by the prediction unit 62, for example.
  • the operation control unit 64 for example, based on the operating degree of the leader base station system 40a, which is the result of prediction by the prediction unit 62, and the ratio specified by the ratio specifying unit 60, It executes operation control of the station system 40b.
  • the ratio refers to the ratio of the degree of operation of the follower base station system 40b to the degree of operation of the leader base station system 40a, as described above.
  • the traffic volume per unit time of the leader base station system 40a included in a certain base station system group 42 predicted by the prediction unit 62 is T1.
  • the ratio of the operating degree of a certain follower base station system 40b included in the base station system group 42 to the operating degree of the leader base station system 40a specified by the ratio specifying unit 60 is p.
  • the operation control unit 64 performs operation control using T1 as an input value (manipulation amount) for the leader base station system 40a.
  • the operation control unit 64 performs operation control using T1 ⁇ p as an input value (manipulated amount).
  • the operation control unit 64 may transmit a control signal related to the operation control to the base station system 40 that is the target of the operation control. Then, the base station system 40 that receives the control signal may perform operation control according to the control signal.
  • the operation control unit 64 may perform power consumption control for each base station system 40 .
  • an optimum processor frequency for example, CPU frequency
  • the operation control unit 64 may control the CPU frequency of the CPU operating in each base station system 40 so that the frequency is determined for each base station system 40 .
  • data indicating the correspondence between the input value and the CPU frequency may be stored in the operation control section 64 .
  • the operation control unit 64 may perform operation control to operate the CPU included in the leader base station system 40a at the CPU frequency associated with the value T1 described above. Further, the operation control unit 64 may perform operation control to operate the CPU included in the follower base station system 40b at the CPU frequency associated with the value T1 ⁇ p described above.
  • data in which the range of input values and the power state of the processor (for example, P-state) are associated in advance may be stored in the operation control unit 64 .
  • the operation control unit 64 may control the processor included in the leader base station system 40a to operate in the P-state associated with the value T1 described above in the data.
  • the operation control unit 64 may control the processor included in the follower base station system 40b to operate in the P-state associated with the above value T1 ⁇ p in the data.
  • the power consumption control of the processor by the operation control unit 64 will be further described below.
  • FIG. 8 is a diagram showing an example of the configuration of the operation control section 64.
  • the operation control unit 64 includes a corresponding data storage unit 70, a power state identification unit 72, and a power consumption control unit 74.
  • the correspondence data storage unit 70 is mainly implemented by the storage unit 30b.
  • the power state identification unit 72 is mainly implemented by the processor 30a.
  • the power consumption control unit 74 is mainly implemented by the processor 30a and the communication unit 30c.
  • the correspondence data storage unit 70 indicates, for example, the correspondence between the degree of operation and the performance index value relating to at least one software element included in the communication system 1 for each of a plurality of power states that the processor can take. Store the corresponding data.
  • the power state is P-state.
  • FIG. 9 is a diagram showing an example of correspondence data.
  • the corresponding data includes, for example, operation degree data indicating the operation degree and performance index value data indicating the performance index value associated with the operation degree.
  • the operating degree data included in the correspondence data includes traffic volume data indicating the traffic volume.
  • the performance index value data included in the correspondence data includes a plurality of combinations of P-state data, average processing time data, and average packet loss rate data.
  • the P-state is indicated in the P-state data included in a certain combination.
  • the average processing time data included in the combination indicates the average processing time associated with the P-state in the traffic volume.
  • the average packet loss rate data included in the combination indicates the average packet loss rate associated with the P-state in the traffic volume.
  • the average processing time and average packet loss rate may be measured in advance while changing the data size input per unit time to the simulated environment. For example, for packets of a given data size, the average processing time and average packet loss rate may be measured while changing the number of packets input per unit time.
  • the average processing time described above is, for example, the average value of the time from when the simulated environment of a software element receives a packet of a given data size to when execution of processing by the software element ends.
  • the above-mentioned average packet discard rate indicates, for example, the ratio of the number of discarded packets to the number of packets received by the simulated environment of the software element.
  • the correspondence data may be created based on empirical rules in the actual environment, for example, without relying on the results of load tests or simulations.
  • the correspondence data storage unit 70 stores a plurality of correspondence data associated with different traffic volumes associated with types of software elements.
  • a plurality of correspondence data associated with different traffic volumes, which are associated with types of software elements will be referred to as correspondence data sets.
  • the power state identification unit 72 selects one of the power states in which a given target related to the performance index value is achieved in terms of the degree of operation, which is the result of prediction by the prediction unit 62, based on the correspondence data. Identify.
  • the power state identifying unit 72 identifies the power state with the lowest power consumption among the power states that achieve a given target related to the performance index value in the degree of operation predicted by the prediction unit 62. may Hereinafter, the power state specified in this manner will be referred to as a target power state.
  • the power state identifying unit 72 determines the traffic volume per unit time per DU included in the leader base station system 40a based on the traffic volume T1 per unit time predicted for the leader base station system 40a.
  • T2 may be calculated.
  • the value T1/3 may be calculated as the value T2.
  • the power state identifying unit 72 may identify corresponding data including traffic volume data with a value of T2 from among a plurality of corresponding data included in the corresponding data set associated with the DU. Based on the identified correspondence data, the power state identification unit 72 may identify a P-state in which the value of the corresponding average processing time data is equal to or less than a given target value. The power state identifying unit 72 may then identify the P-state with the lowest power consumption among these P-states as the target P-state.
  • the power state identifying unit 72 may identify a P-state in which the value of the corresponding average packet loss rate data is equal to or less than a given target value, based on the identified corresponding data. The power state identifying unit 72 may then identify the P-state with the lowest power consumption among these P-states as the target P-state.
  • the power consumption is the highest when the P-state is P6, and the power consumption decreases in the order of P5, P4, P3, P2, and P1.
  • FIG. 10 is a diagram schematically showing an example of the relationship between traffic volume per unit time (eg, 30 minutes) and average processing time for each of a plurality of P-states (P1 to P6).
  • FIG. 11 is a diagram schematically showing an example of the relationship between the traffic volume per unit time (for example, 30 minutes) and the average packet loss rate for each of a plurality of P-states (P1-P6).
  • P4 to P6 are specified as P-states in which the value of the average processing time data is equal to or less than a given target value c in the traffic volume T2 per unit time.
  • P4 which is the P-state with the lowest power consumption among these P-states, may be specified as the target P-state.
  • P-states P3 to P6 in which the value of the average packet loss rate time data is equal to or less than the given target value d in the traffic volume T2 per unit time are P3 to P6.
  • P3 which is the P-state with the lowest power consumption among these P-states, may be specified as the target P-state.
  • the power consumption control unit 74 causes, for example, a processor executing at least one software element to operate in a specified power state.
  • the processor executing the DU software elements included in the leader base station system 40a may be operated in the target P-state identified as described above.
  • the power state identification unit 72 based on the correspondence data, has the lowest power consumption among the power states in which the given target for the average processing time is achieved in the degree of operation, which is the result of the prediction.
  • a power state may be identified as the first state.
  • the power state identifying unit 72 selects the power state with the lowest power consumption among the power states that achieve a given target related to the average packet loss rate in terms of the degree of operation that is the result of the prediction. It may be specified as two states.
  • P4 corresponds to the first state and P3 corresponds to the second state.
  • the target for the average processing time cannot be achieved in the second state P3, but the target for the average processing time and the target for the average packet loss rate can be achieved in the first state P4.
  • the power consumption control unit 74 may operate the processor executing at least one software element in the first state or the second state, whichever power consumption is higher.
  • the processor that executes the software elements of the DU included in the leader base station system 40a may be operated in the first state P4. In this way, if there are multiple goals, it is possible to achieve all of these goals.
  • the power consumption control unit 74 executes at least one software program in the power state in which the power consumption is lower among the first state and the second state.
  • a processor executing the elements may operate.
  • the power consumption control described above is also applicable to the follower base station system 40b.
  • the power state identifying unit 72 based on the traffic volume T1 per unit time predicted for the leader base station system 40a and the above-described ratio p for the follower base station system 40b, per unit time per DU A traffic volume T3 per unit may be calculated. For example, when the number of DUs included in the follower base station system 40b is three, the value T1 ⁇ p/3 may be calculated as the value T3.
  • the processor executing the software elements of the DU included in the follower base station system 40b may be operated.
  • the power state identification unit 72 may identify, for each P-state, the range of traffic volume per unit time associated with the P-state based on the correspondence data. Then, the power state identifying unit 72 may identify, as the target P-state, the P-state associated with the range including the traffic volume T2 per unit time.
  • the number of people accommodated in the area covered by at least one software element may be used as the above-mentioned degree of operation.
  • the power consumption control described above can also be applied to NFs other than DUs (such as CUs). Moreover, the power consumption control described above is applicable not only to the base station system 40 but also to software elements included in the core network system 34, such as UPF.
  • the correspondence data does not need to be associated with the types of software elements, and may be associated with the base station system 40 as a whole. Then, the software elements included in the base station system 40 are executed in a power state determined based on the predicted operating degree of the base station system 40 and corresponding data associated with the base station system 40. A processor may be operated.
  • the operation control in this embodiment is not limited to power consumption control.
  • capacity control such as the number of people to be allocated to network slices, resource amount allocation to network slices, and the like may be performed.
  • the follower base station system 40b may be monitored.
  • parameter data for a plurality of base station systems 40 included in the communication system 1 are acquired through monitoring by the monitoring unit 50, and the parameter data are accumulated in the transition data generating unit 52. .
  • a base station system 40 classified into one of the base station system groups 42 is called a classified base station system, and a base station system 40 not classified into any base station system group 42 is called a classified base station system. is called an unclassified base station system. In the initial state, all base station systems 40 are unclassified base station systems.
  • the transition data generation unit 52 generates transition data for a predetermined time range for each of a plurality of unclassified base station systems (S101).
  • the similarity specifying unit 54 generates similarity data associated with each pair of base station systems 40 (S102).
  • the classifying unit 56 identifies the number of similarity data that satisfy the above-described predetermined condition among the similarity data related to combinations with other unclassified base station systems (S103) ).
  • the classification unit 56 identifies the unclassified base station system with the largest number identified in the processing shown in S103 as the maximum number base station system (S104).
  • the classifying unit 56 assigns the maximum number of base station systems specified in the processing shown in S104 to the new base station system group 42, and 1 that satisfies the above-described predetermined condition in relation to the maximum number of base station systems.
  • a plurality of unclassified base station systems are allocated (S105). The unclassified base station systems assigned to the new base station system group 42 in this way become the classified base station systems.
  • the leader determination unit 58 selects the maximum number of base station systems identified in the processing shown in S104 as the leader base station system 40a in the base station system group 42 to which the unclassified base station systems have been assigned in the processing shown in S105. (S106).
  • the leader determination unit 58 determines the remaining base station systems 40 assigned to the base station system group 42 in the processing shown in S105 as follower base station systems 40b in the base station system group 42 (S107).
  • the ratio identifying unit 60 determines the operation level of the follower base station system 40b relative to the operation level of the leader base station system 40a determined in the process shown in S106.
  • a degree ratio p is specified (S108).
  • the classification unit 56 checks whether or not all base station systems 40 have become classified base station systems (S109).
  • the process returns to S103.
  • the process shown in S103 may be executed after changing the predetermined condition in the process shown in S103.
  • the prediction unit 62 waits until prediction timing occurs at intervals of a predetermined unit time t1 (S201).
  • the prediction unit 62 predicts the leader base station at the next unit time t1 based on the parameter data of the leader base station system 40a of the base station system group 42 acquired at the most recent unit time t1.
  • the traffic volume T1 of the station system 40a is predicted (S202).
  • the power state identifying unit 72 identifies the target P-state of the leader base station system 40a (S203).
  • the target P-state of the leader base station system 40a is specified based on the traffic volume T1 specified in the process shown in S202.
  • the power state identifying unit 72 identifies the target P-state for each of one or more follower base station systems 40b included in the base station system group 42 (S204).
  • the traffic volume T1 specified in the process shown in S202 and the ratio specified in the process shown in S108 for the follower base station system 40b is identified based on p.
  • the power consumption control unit 74 executes operation control for each of the base station systems 40 included in the base station system group 42 (S205), and returns to the processing shown in S201.
  • the CPU of the server included in the leader base station system 40a is controlled to operate in the target P-state specified in the process shown in S203.
  • the follower base station system 40b is controlled so that the CPU of the server included in the follower base station system 40b operates in the target P-state specified for the follower base station system 40b in the processing shown in S204.
  • the leader base station system 40a included in the base station system group 42 is subject to prediction of the degree of operation, and the degree of operation of the follower base station system 40b is not predicted.
  • the processing load of the communication system 1 can be suppressed.
  • power consumption is controlled by controlling the power state such as P-state. Therefore, according to the present embodiment, it is possible to perform power consumption control with high responsiveness to changes in the degree of operation while ensuring communication performance.

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

通信性能を確保しつつ、稼働度合の変化に対して即応性の高い消費電力制御を行うことができる消費電力制御システム及び消費電力制御方法を提供する。電力状態特定部（７２）はプロセッサがとり得る複数の電力状態のそれぞれについての、少なくとも１つのソフトウェア要素に係る稼働度合と性能指標値との対応を示す対応データに基づいて、予測の結果である稼働度合において性能指標値に係る所与の目標を達成する電力状態のうちのいずれかを特定する。消費電力制御部（７４）は、少なくとも１つのソフトウェア要素を実行するプロセッサを、特定される電力状態で動作させる。

Description

消費電力制御システム及び消費電力制御方法
　本発明は、消費電力制御システム及び消費電力制御方法に関する。
　特許文献１には、急激なトラフィックの増加が生じた部分通信エリアの仮想ノードの稼働数を増大させることで、リソース不足のために通信速度が低下することを抑制することが記載されている。また、特許文献１には、急激なトラフィックの減少が生じた部分通信エリアの仮想ノードの稼働数を減少させることで、サーバの消費電力が増大することを抑制することが記載されている。
国際公開第２０１２／００１７７２号
　特許文献１に記載の技術では、部分通信エリアの稼働度合に応じて仮想ノードの稼働数を増減させているため、通信性能を確保しつつ、稼働度合の変化に対して即応性の高い消費電力制御を行うことができない。
　本発明は上記実情に鑑みてなされたものであって、その目的の一つは、通信性能を確保しつつ、稼働度合の変化に対して即応性の高い消費電力制御を行うことができる消費電力制御システム及び消費電力制御方法を提供することにある。
　上記課題を解決するために、本発明に係る消費電力制御システムは、通信システムに含まれる少なくとも１つのソフトウェア要素の稼働度合を予測する予測手段と、プロセッサがとり得る複数の電力状態のそれぞれについての、前記少なくとも１つのソフトウェア要素に係る稼働度合と性能指標値との対応を示す対応データに基づいて、前記予測の結果である前記稼働度合において前記性能指標値に係る所与の目標を達成する電力状態のうちのいずれかを特定する電力状態特定手段と、前記少なくとも１つのソフトウェア要素を実行するプロセッサを、特定される前記電力状態で動作させる消費電力制御手段と、を含む。
　本発明の一態様では、前記電力状態特定手段は、前記予測の結果である前記稼働度合において前記性能指標値に係る所与の目標を達成する電力状態のうち、最も消費電力が低い電力状態を特定する。
　また、本発明の一態様では、前記性能指標値は、平均処理時間の値、又は、平均パケット廃棄率の値である。
　また、本発明の一態様では、前記電力状態特定手段は、プロセッサがとり得る複数の電力状態のそれぞれについての、稼働度合と平均処理時間の値との対応を示す前記対応データに基づいて、前記予測の結果である前記稼働度合において平均処理時間に係る所与の目標を達成する電力状態のうち、最も消費電力が低い電力状態を第１状態として特定し、前記電力状態特定手段は、プロセッサがとり得る複数の電力状態のそれぞれについての、稼働度合と平均パケット廃棄率の値との対応を示す前記対応データに基づいて、前記予測の結果である前記稼働度合において平均パケット廃棄率に係る所与の目標を達成する電力状態のうち、最も消費電力が低い電力状態を第２状態として特定し、前記消費電力制御手段は、前記第１状態又は前記第２状態のうち消費電力が高い方の電力状態で前記少なくとも１つのソフトウェア要素を実行するプロセッサを動作させる。
　また、本発明の一態様では、前記稼働度合は、前記少なくとも１つのソフトウェア要素がカバーするエリアにおけるトラフィック量又は収容人数である。
　また、本発明の一態様では、前記ソフトウェア要素は、ＤＵである。
　また、本発明の一態様では、前記電力状態は、Ｐ－ｓｔａｔｅである。
　また、本発明に係る消費電力制御方法は、通信システムに含まれる少なくとも１つのソフトウェア要素の稼働度合を予測するステップと、プロセッサがとり得る複数の電力状態のそれぞれについての、前記少なくとも１つのソフトウェア要素に係る稼働度合と性能指標値との対応を示す対応データに基づいて、前記予測の結果である前記稼働度合において前記性能指標値に係る所与の目標を達成する電力状態のうちのいずれかを特定するステップと、前記少なくとも１つのソフトウェア要素を実行するプロセッサを、特定される前記電力状態で動作させるステップと、を含む。
本発明の一実施形態に係る通信システムの一例を示す図である。 本発明の一実施形態に係る通信システムの一例を示す図である。 基地局システムの分類の一例を模式的に示す図である。 本発明の一実施形態に係るＮＯＳで実装される機能の一例を示す機能ブロック図である。 パラメータデータのデータ構造の一例を示す図である。 相互相関係数の一例を模式的に示す図である。 相似度データの一例を模式的に示す図である。 動作制御部の構成の一例を示す図である。 対応データの一例を示す図である。 単位時間あたりのトラフィック量と平均処理時間との関係の一例を模式的に示す図である。 単位時間あたりのトラフィック量と平均パケット廃棄率との関係の一例を模式的に示す図である。 本発明の一実施形態に係るＮＯＳで行われる処理の流れの一例を示すフロー図である。 本発明の一実施形態に係るＮＯＳで行われる処理の流れの一例を示すフロー図である。
　以下、本発明の一実施形態について図面に基づき詳細に説明する。
　図１及び図２は、本発明の一実施形態に係る通信システム１の一例を示す図である。図１は、通信システム１に含まれるデータセンタ群のロケーションに着目した図となっている。図２は、通信システム１に含まれるデータセンタ群で実装されている各種のコンピュータシステムに着目した図となっている。
　図１に示すように、通信システム１に含まれるデータセンタ群は、セントラルデータセンタ１０、リージョナルデータセンタ１２、エッジデータセンタ１４に分類される。
　セントラルデータセンタ１０は、例えば、通信システム１がカバーするエリア内（例えば、日本国内）に分散して数個配置されている。
　リージョナルデータセンタ１２は、例えば、通信システム１がカバーするエリア内に分散して数十個配置されている。例えば、通信システム１がカバーするエリアが日本国内全域である場合に、リージョナルデータセンタ１２が、各都道府県に１～２個ずつ配置されてもよい。
　エッジデータセンタ１４は、例えば、通信システム１がカバーするエリア内に分散して数千個配置される。また、エッジデータセンタ１４のそれぞれは、アンテナ１６を備えた通信設備１８と通信可能となっている。ここで図１に示すように、１つのエッジデータセンタ１４が数個の通信設備１８と通信可能になっていてもよい。通信設備１８は、サーバコンピュータなどのコンピュータを含んでいてもよい。本実施形態に係る通信設備１８は、アンテナ１６を介してＵＥ（User Equipment）２０との間で無線通信を行う。
　本実施形態に係るセントラルデータセンタ１０、リージョナルデータセンタ１２、エッジデータセンタ１４には、それぞれ、複数のサーバが配置されている。
　本実施形態では例えば、セントラルデータセンタ１０、リージョナルデータセンタ１２、エッジデータセンタ１４は、互いに通信可能となっている。また、セントラルデータセンタ１０同士、リージョナルデータセンタ１２同士、エッジデータセンタ１４同士も互いに通信可能になっている。
　図２に示すように、本実施形態に係る通信システム１には、ネットワークオペレーションシステム（ＮＯＳ）３０、複数の無線アクセスネットワーク（ＲＡＮ）３２、複数のコアネットワークシステム３４、複数のＵＥ２０が含まれている。コアネットワークシステム３４、ＲＡＮ３２、ＵＥ２０は、互いに連携して、移動通信ネットワークを実現する。
　ＲＡＮ３２は、４ＧにおけるｅＮＢ（ｅＮｏｄｅＢ）や、５ＧにおけるｇＮＢ（ＮＲ基地局）に相当する、アンテナ１６を備えたコンピュータシステムである。本実施形態に係るＲＡＮ３２は、主に、エッジデータセンタ１４に配置されているサーバ群及び通信設備１８によって実装される。なお、ＲＡＮ３２の一部（例えば、４ＧにおけるｖＤＵ（virtual Distributed Unit）やｖＣＵ（virtual Central Unit）、５ＧにおけるＤＵ（Distributed Unit）やＣＵ（Central Unit））は、エッジデータセンタ１４ではなく、セントラルデータセンタ１０やリージョナルデータセンタ１２で実装されてもよい。
　コアネットワークシステム３４は、第４世代移動通信システム（以下、４Ｇと呼ぶ。）におけるＥＰＣ（Evolved Packet Core）や、第５世代移動通信システム（以下、５Ｇと呼ぶ。）における５Ｇコア（５ＧＣ）に相当するシステムである。本実施形態に係るコアネットワークシステム３４は、主に、セントラルデータセンタ１０やリージョナルデータセンタ１２に配置されているサーバ群によって実装される。
　本実施形態に係るＮＯＳ３０は、例えば、クラウド基盤上に構成されており、図２に示すように、プロセッサ３０ａ、記憶部３０ｂ、通信部３０ｃ、が含まれる。プロセッサ３０ａは、ＮＯＳ３０にインストールされるプログラムに従って動作するマイクロプロセッサ等のプログラム制御デバイスである。記憶部３０ｂは、例えばＲＯＭやＲＡＭ等の記憶素子や、ソリッドステートドライブ（ＳＳＤ）、ハードディスクドライブ（ＨＤＤ）などである。記憶部３０ｂには、プロセッサ３０ａによって実行されるプログラムなどが記憶される。通信部３０ｃは、例えば、ＮＩＣや無線ＬＡＮモジュールなどといった通信インタフェースである。なお、通信部３０ｃにおいて、ＳＤＮ（Software-Defined Networking）が実装されていてもよい。通信部３０ｃは、ＲＡＮ３２、コアネットワークシステム３４、との間でデータを授受する。
　本実施形態では、ＮＯＳ３０は、セントラルデータセンタ１０に配置されているサーバ群によって実装されている。なお、ＮＯＳ３０が、リージョナルデータセンタ１２に配置されているサーバ群によって実装されていてもよい。
　本実施形態に係る通信システム１によって、音声通信サービスやデータ通信サービス等のネットワークサービスが、ＵＥ２０を利用するユーザに提供されることとなる。
　なお、本実施形態において提供されるネットワークサービスは音声通信サービスやデータ通信サービスには限定されない。本実施形態において提供されるネットワークサービスは、例えば、ＩｏＴサービスであっても構わない。
　本実施形態では、セントラルデータセンタ１０、リージョナルデータセンタ１２、及び、エッジデータセンタ１４に配置されているサーバには、ドッカー（Ｄｏｃｋｅｒ）などのコンテナ型のアプリケーション実行環境がインストールされており、これらのサーバにコンテナをデプロイして稼働させることができるようになっている。これらのサーバにおいて、クバネテス（Ｋｕｂｅｒｎｅｔｅｓ）等のコンテナ管理ツールによって管理されるクラスタ（クバネテスクラスタ）が構築されていてもよい。そして、構築されたクラスタ上のプロセッサがコンテナ型のアプリケーションを実行してもよい。
　そして、本実施形態において提供されるネットワークサービスは、コンテナベースの機能ユニットであるＣＮＦ（Containerized Network Function）によって実装される。
　図３に示すように、本実施形態に係る通信システム１には、複数の基地局システム４０が含まれる。
　ここで例えば、ＲＡＮ３２の構成要素がセントラルデータセンタ１０やリージョナルデータセンタ１２に組み込まれていない場合については、上述の基地局システム４０は、１つのエッジデータセンタ１４に構築されているＲＡＮ３２に相当するシステムを指すこととする。
　また、ＲＡＮ３２の構成要素の一部がセントラルデータセンタ１０やリージョナルデータセンタ１２に組み込まれていることがある。例えば、１つのエッジデータセンタ１４に構築されているＲＡＮ３２の構成要素と、セントラルデータセンタ１０又はリージョナルデータセンタ１２に構築されているＲＡＮ３２の構成要素が連携することとする。この場合は、上述の基地局システム４０は、互いに連携するこれらの構成要素を含むＲＡＮ３２に相当するシステムを指すこととする。
　そして、図３に示すように、本実施形態では例えば、通信システム１に含まれる複数の基地局システム４０が、複数の基地局システム群４２に分類される。
　それぞれの基地局システム群４２には、当該基地局システム群４２の代表となる基地局システム４０であるリーダ基地局システム４０ａと、リーダ基地局システム４０ａ以外の基地局システム４０であるフォロワー基地局システム４０ｂが含まれる。
　そして、ＮＯＳ３０は、例えば、所定の単位時間ｔ１（例えば、３０分）間隔で、リーダ基地局システム４０ａについて、当該リーダ基地局システム４０ａにおける次の単位時間ｔ１における稼働度合（例えば、トラフィック量や収容人数）を予測する。ＮＯＳ３０は、例えば、所定の単位時間ｔ１間隔で、当該単位時間ｔ１における収容人数、トラフィック量、及び、当該単位時間ｔ１に対応付けられる時刻（例えば、当該単位時間ｔ１の始期又は終期）に基づいて、稼働度合を予測してもよい。ここで、学習済の機械学習モデルを用いて、稼働度合の予測が実行されてもよい。
　そして、本実施形態では、基地局システム群４２に含まれるリーダ基地局システム４０ａの予測の結果である稼働度合に基づいて、当該基地局システム群４２に含まれるすべての基地局システム４０の動作制御が行われる。
　以下、本実施形態に係る基地局システム４０の分類（基地局システム４０のグルーピング）、及び、基地局システム４０の動作制御を中心に、本実施形態に係るＮＯＳ３０の機能、及び、ＮＯＳ３０で実行される処理について、さらに説明する。
　図４は、本実施形態に係るＮＯＳ３０で実装される機能の一例を示す機能ブロック図である。なお、本実施形態に係るＮＯＳ３０で、図４に示す機能のすべてが実装される必要はなく、また、図４に示す機能以外の機能が実装されていても構わない。
　図４に示すように、本実施形態に係るＮＯＳ３０には、機能的には例えば、監視部５０、推移データ生成部５２、相似度特定部５４、分類部５６、リーダ決定部５８、比率特定部６０、予測部６２、動作制御部６４、が含まれる。
　監視部５０は、通信部３０ｃを主として実装される。推移データ生成部５２は、プロセッサ３０ａ及び記憶部３０ｂを主として実装される。相似度特定部５４、分類部５６、リーダ決定部５８、比率特定部６０、予測部６２は、プロセッサ３０ａを主として実装される。動作制御部６４は、プロセッサ３０ａ、記憶部３０ｂ、及び、通信部３０ｃを主として実装される。
　以上の機能は、コンピュータであるＮＯＳ３０にインストールされた、以上の機能に対応する指令を含むプログラムをＮＯＳ３０で実行することにより実装されてもよい。また、このプログラムは、例えば、光ディスク、磁気ディスク、磁気テープ、光磁気ディスク等のコンピュータ読み取り可能な情報記憶媒体を介して、あるいは、インターネットなどを介してＮＯＳ３０に供給されてもよい。
　監視部５０は、本実施形態では例えば、通信システム１に含まれる複数の基地局システム４０を監視する。そして、監視部５０は、例えば、当該監視において、通信システム１に含まれる複数の基地局システム４０のそれぞれから、収容人数やトラフィック量などといった各種の性能指標等のパラメータの値が示されているパラメータデータを取得する。本実施形態では例えば、所定の時間間隔でパラメータデータの取得は繰り返し行われる。
　ここで例えば、それぞれの基地局システム４０が、逐次、パラメータデータをＮＯＳ３０に送信してもよい。そして、ＮＯＳ３０の監視部５０が、各基地局システム４０から送信されるパラメータデータを受信してもよい。あるいは、ＮＯＳ３０の監視部５０が、逐次、それぞれの基地局システム４０にアクセスして、当該基地局システム４０からパラメータデータを収集してもよい。
　図５は、基地局システム４０から取得されるパラメータデータのデータ構造の一例を示す図である。図５に示すように、パラメータデータには、例えば、ＩＤ、日時データ、収容人数データ、トラフィック量データ、などが含まれる。パラメータデータに含まれるＩＤは、例えば、当該基地局システム４０の識別情報である。日時データは、例えば、当該基地局システム４０における収容人数やトラフィック量などの特定日時を示すデータである。収容人数データは、例えば、当該基地局システム４０がカバーするエリアにおける収容人数を示すデータである。トラフィック量データは、例えば、当該基地局システム４０がカバーするエリアにおけるトラフィック量を示すデータである。
　そして、監視部５０は、例えば、取得するパラメータデータを推移データ生成部５２に出力する。このようにして、本実施形態では例えば、推移データ生成部５２にパラメータデータが蓄積される。
　推移データ生成部５２は、本実施形態では例えば、収集されるパラメータデータに基づいて、複数の基地局システム４０のそれぞれの稼働度合の推移（例えば、トラフィック量の推移、又は、収容人数の推移）を示す推移データを生成する。ここで、推移データ生成部５２は、互いに異なるＩＤのそれぞれについて、当該ＩＤ及び所定の時間範囲の日時データを含むパラメータデータに基づいて、当該ＩＤに対応付けられる基地局システム４０の推移データを生成してもよい。この推移データには、例えば、トラフィック量の推移を示す時系列データであるトラフィック量推移データ、及び、収容人数の推移を示す時系列データである収容人数推移データが含まれる。このようにして、それぞれが基地局システム４０に対応付けられる複数の推移データが生成される。
　相似度特定部５４は、本実施形態では例えば、推移データに基づいて、基地局システム４０の対ごとに、稼働度合の推移の相似度を特定する。
　ここで、相似度特定部５４は、例えば、推移データに基づいて、基地局システム４０の稼働度合を示す値の相互相関係数Ｒｘｙ（τ）を算出してもよい。相似度特定部５４は、例えば、上述のトラフィック量推移データの値の相互相関係数Ｒｘｙ（τ）を算出してもよい。また、相似度特定部５４は、例えば、上述の収容人数推移データの値の相互相関係数Ｒｘｙ（τ）を算出してもよい。なお、相互相関係数Ｒｘｙ（τ）は、複数のラグτごとに、算出される。
　図６は、ある基地局システム４０の対について算出される相互相関係数Ｒｘｙ（τ）の一例を模式的に示す図である。
　そして、相似度特定部５４は、稼働度合を示す値の相互相関係数の代表値を、稼働度合の推移の相似度として特定してもよい。また、相似度特定部５４は、当該代表値をとる際のラグτの値ｔも併せて特定してもよい。
　以下の説明では、相似度特定部５４は、相互相関係数の最大値Ｒｍａｘ、及び、相互相関係数の値が最大値Ｒｍａｘであるときのラグτの値ｔを特定することとする。
　そして、相似度特定部５４は、基地局システム４０の対ごとに算出された上述の値Ｒｍａｘと上述の値ｔとの組合せを示す相似度データを生成する。図７は、相似度データの一例を模式的に示す図である。図７には、一例として、ＩＤが００１～００６である６つの基地局システム４０についての、基地局システム４０の対に対応付けられる相似度データが示されている。なお、図７の例では、上述の値Ｒｍａｘと上述の値ｔとの組合せが、（Ｒｍａｘ，ｔ）と表現されている。なお、図７の例では、ラグτの単位は、例えば、「分」である。
　分類部５６は、本実施形態では例えば、基地局システム４０の対ごとに特定される相似度に基づいて、通信システム１に含まれる複数の基地局システム４０を複数の基地局システム群４２に分類する。ここで、分類部５６は、相互相関係数の代表値と、相互相関係数が最大値をとるラグと、に基づいて、複数の基地局システム４０を複数の基地局システム群４２に分類してもよい。
　本実施形態では例えば、Ｒｍａｘの閾値ｔｈ１と、値ｔの範囲τ１～τ２についての、初期値が予め定められている。そして、分類部５６は、各基地局システム４０について、他の基地局システム４０との組合せに係る相似度データのうち、所定の条件を満たすものの数を特定する。ここでは例えば、「値ｔがτ１～τ２の範囲であり、かつ、値ＲＭａｘが閾値ｔｈ１以上である」との条件を満たすものの数が特定される。
　そして、分類部５６は、上記の条件を満たすものの数が最も多い基地局システム４０を、最大数基地局システムとして特定する。
　そして、分類部５６は、そして、以上のようにして特定される最大数基地局システム、及び、当該最大数基地局システムとの関係で上記の条件を満たす１又は複数の基地局システム４０を、１つの基地局システム群４２に含まれる基地局システム４０としてグルーピングする。
　例えば、閾値ｔｈ１が０．７であり、範囲τ１～τ２が、－３０～３０であるとする。
　この場合、図７の例では、ＩＤが００１である基地局システム４０については、ＩＤが００６である基地局システム４０との組合せが上記の条件を満たす。
　そして、ＩＤが００２である基地局システム４０については、ＩＤが００４である基地局システム４０との組合せが上記の条件を満たす。
　そして、ＩＤが００３である基地局システム４０については、ＩＤが００４である基地局システム４０との組合せが上記の条件を満たす。
　そして、ＩＤが００４である基地局システム４０については、ＩＤが００２、００３、又は、００５のいずれかである基地局システム４０との組合せが上記の条件を満たす。
　そして、ＩＤが００５である基地局システム４０については、ＩＤが００４である基地局システム４０との組合せが上記の条件を満たす。
　そして、ＩＤが００６である基地局システム４０については、ＩＤが００１である基地局システム４０との組合せが上記の条件を満たす。
　よってこの場合は、ＩＤが００４である基地局システム４０が最大数基地局システムとして特定される。そして、ＩＤが００２である基地局システム４０、ＩＤが００３である基地局システム４０、ＩＤが００４である基地局システム４０、及び、ＩＤが００５である基地局システム４０が、１つの基地局システム群４２に含まれる基地局システム４０としてグルーピングされる。
　以下、以上で説明した、最大基地局システムの特定、及び、基地局システム４０のグルーピングに係る処理を、分類処理と呼ぶこととする。
　そして、分類部５６は、残りの基地局システム４０に対して、上述の分類処理を実行する。例えば、残りの基地局システム４０のなかから、上記の条件を満たすものの数が最も多い基地局システム４０を、最大数基地局システムとして特定する。そして、分類部５６は、この最大数基地局システムとの関係で上記の条件を満たす１又は複数の基地局システム４０を、新たな１つの基地局システム群４２に含まれる基地局システム４０として分類する。
　このようにして、基地局システム群４２に含まれなかった基地局システム４０を対象とする上述の分類処理を繰り返し実行することで、基地局システム４０のグルーピングが行われていくこととなる。
　なお、本実施形態において、上述の分類処理では、いずれの基地局システム群４２にも存在しない基地局システム４０が存在する可能性がある。このような場合には、例えば、上述の閾値ｔｈ１をより小さな値に変更する、あるいは、上述の範囲τ１～τ２をより広くするなどした上で、上述の分類処理が実行されるようにしてもよい。
　リーダ決定部５８は、本実施形態では例えば、各基地局システム群４２について、当該基地局システム群４２に含まれる複数の基地局システム４０のうちから、リーダ基地局システム４０ａを決定する。ここで、リーダ決定部５８は、当該基地局システム４０との間の相似度が所定の大きさよりも大きい他の基地局システム４０の数の多さに基づいて、リーダ基地局システム４０ａを決定してもよい。
　リーダ決定部５８は、例えば、上述の分類処理において最大数基地局システムとして特定される基地局システム４０を、当該基地局システム４０を含む基地局システム群４２におけるリーダ基地局システム４０ａとして決定してもよい。そして、リーダ決定部５８は、残りの基地局システム４０を、当該リーダ基地局システム４０ａを含む基地局システム群４２におけるフォロワー基地局システム４０ｂとして決定してもよい。
　図７の例では、ＩＤが００４である基地局システム４０が、当該基地局システム群４２におけるリーダ基地局システム４０ａとして決定される。そして、ＩＤが００２である基地局システム４０、ＩＤが００３である基地局システム４０、及び、ＩＤが００５である基地局システム４０が、当該基地局システム群４２におけるフォロワー基地局システム４０ｂとして決定される。
　なお、上述の分類処理において、相互相関係数の最大値Ｒｍａｘの代わりに、その他の代表値（例えば、相互相関係数の平均値、最小値、二乗平均など）が用いられるようにしてもよい。そして、このような代表値に適した閾値ｔｈ１が用いられるようにしてもよい。
　また、リーダ決定部５８は、当該基地局システム４０との間の相似度が所定の大きさよりも大きい他の基地局システム４０の数の多さに基づいて、リーダ基地局システム４０ａを決定する必要はない。例えば、基地局システム群４２に含まれる複数の基地局システム４０のうちからランダムにリーダ基地局システム４０ａが決定されてもよい。また例えば、基地局システム群４２に含まれる複数の基地局システム４０のうち地理的に最も中心にある基地局システム４０が、当該基地局システム群４２におけるリーダ基地局システム４０ａとして決定されてもよい。
　比率特定部６０は、本実施形態では例えば、基地局システム群４２に含まれるリーダ基地局システム４０ａの稼働度合に対する、当該基地局システム群４２に含まれるフォロワー基地局システム４０ｂの稼働度合の比率を特定する。ここで、基地局システム群４２に複数のフォロワー基地局システム４０ｂが含まれる場合は、それぞれのフォロワー基地局システム４０ｂについて、当該比率が特定される。
　例えば、比率特定部６０は、トラフィック量の比率を特定してもよい。例えば、上述の推移データに含まれるトラフィック量推移データの値の代表値の比率を特定してもよい。また、比率特定部６０は、収容人数の比率を特定してもよい。例えば、上述の推移データに含まれる収容人数推移データの値の代表値の比率を特定してもよい。ここで比率を特定する際の代表値としては、例えば、最大値、平均値、最小値、二乗平均などが用いられる。
　予測部６２は、本実施形態では例えば、通信システム１に含まれる少なくとも１つのソフトウェア要素の稼働度合を予測する。予測部６２は、例えば、複数の基地局システム群４２のそれぞれについて、当該基地局システム群４２に含まれるリーダ基地局システム４０ａがカバーするエリアにおけるトラフィック量又は収容人数を予測する。
　ここで例えば、上述のようにして、通信システム１に含まれる複数の基地局システム群４２が特定された後には、監視部５０は、リーダ基地局システム４０ａだけを監視し、リーダ基地局システム４０ａだけからパラメータデータを取得してもよい。そして、予測部６２は、リーダ基地局システム４０ａの稼働度合を予測してもよい。このようにすれば、通信システム１の監視負担が軽減される。
　そして、上述のように、予測部６２は、所定の単位時間ｔ１（例えば、３０分）間隔で、リーダ基地局システム４０ａについて、当該リーダ基地局システム４０ａにおける次の単位時間ｔ１における稼働度合を予測してもよい。ここで例えば、トラフィック量が予測されてもよい。また、収容人数が予測されてもよい。
　動作制御部６４は、本実施形態では例えば、予測部６２による予測の結果であるリーダ基地局システム４０ａの稼働度合に基づいて、リーダ基地局システム４０ａの動作制御を実行する。
　そして、動作制御部６４は、本実施形態では例えば、予測部６２による予測の結果であるリーダ基地局システム４０ａの稼働度合と、比率特定部６０により特定される比率と、に基づいて、フォロワー基地局システム４０ｂの動作制御を実行する。ここで、当該比率は、上述のように、当該リーダ基地局システム４０ａの稼働度合に対する当該フォロワー基地局システム４０ｂの稼働度合の比率を指す。
　例えば、予測部６２により予測される、ある基地局システム群４２に含まれるリーダ基地局システム４０ａの単位時間あたりのトラフィック量がＴ１であるとする。そして、比率特定部６０により特定される、当該リーダ基地局システム４０ａの稼働度合に対する、当該基地局システム群４２に含まれる、あるフォロワー基地局システム４０ｂの稼働度合の比率がｐであるとする。
　この場合、動作制御部６４は、当該リーダ基地局システム４０ａについては、Ｔ１を入力値（操作量）とした動作制御を実行する。そして、動作制御部６４は、当該フォロワー基地局システム４０ｂについては、Ｔ１×ｐを入力値（操作量）とした動作制御を実行する。
　動作制御部６４は、動作制御の対象となる基地局システム４０に対して当該動作制御に係る制御信号を送信してもよい。そして、当該制御信号を受信した基地局システム４０が、当該制御信号に応じた動作制御を実行してもよい。
　また、動作制御部６４は、各基地局システム４０について、当該基地局システム４０の消費電力制御を実行してもよい。ここで例えば、上述の入力値に見合った節電（省電力での動作）が実行されるよう、当該基地局システム４０において最適なプロセッサの周波数（例えば、ＣＰＵ周波数）が決定されてもよい。そして、動作制御部６４は、各基地局システム４０について、決定される周波数となるよう、当該基地局システム４０において動作するＣＰＵのＣＰＵ周波数を制御してもよい。ここで、入力値とＣＰＵ周波数との対応を示すデータが動作制御部６４に記憶されていてもよい。そして、動作制御部６４は、リーダ基地局システム４０ａに含まれるＣＰＵについては、上述の値Ｔ１に対応付けられるＣＰＵ周波数で動作させる動作制御を実行してもよい。また、動作制御部６４は、フォロワー基地局システム４０ｂに含まれるＣＰＵについては、上述の値Ｔ１×ｐに対応付けられるＣＰＵ周波数で動作させる動作制御を実行してもよい。
　ここで、例えば、入力値の範囲とプロセッサの電力状態（例えば、Ｐ－ｓｔａｔｅ）とが予め対応付けられたデータが動作制御部６４に記憶されていてもよい。そして、動作制御部６４は、リーダ基地局システム４０ａに含まれるプロセッサについては、当該データにおいて上述の値Ｔ１に対応付けられているＰ－ｓｔａｔｅで動作させるよう制御してもよい。また、動作制御部６４は、フォロワー基地局システム４０ｂに含まれるプロセッサについては、当該データにおいて上述の値Ｔ１×ｐに対応付けられているＰ－ｓｔａｔｅで動作させるよう制御してもよい。
　以下、動作制御部６４による、プロセッサの消費電力制御について、さらに説明する。
　図８は、動作制御部６４の構成の一例を示す図である。図８に示すように、動作制御部６４には、対応データ記憶部７０、電力状態特定部７２、消費電力制御部７４、が含まれている。対応データ記憶部７０は、記憶部３０ｂを主として実装される。電力状態特定部７２は、プロセッサ３０ａを主として実装される。消費電力制御部７４は、プロセッサ３０ａ及び通信部３０ｃを主として実装される。
　対応データ記憶部７０は、本実施形態では例えば、プロセッサがとり得る複数の電力状態のそれぞれについての、通信システム１に含まれる少なくとも１つのソフトウェア要素に係る稼働度合と性能指標値との対応を示す対応データを記憶する。以下の説明では、当該電力状態はＰ－ｓｔａｔｅであることとする。
　図９は、対応データの一例を示す図である。図９に示すように、対応データには、例えば、稼働度合を示す稼働度合データと、当該稼働度合に対応付けられる性能指標値を示す性能指標値データと、が含まれる。
　図９の例では、対応データに含まれる稼働度合データには、トラフィック量を示すトラフィック量データが含まれている。そして、当該対応データに含まれる性能指標値データには、Ｐ－ｓｔａｔｅデータ、平均処理時間データ、及び、平均パケット廃棄率データの組合せが複数含まれている。ある組合せに含まれるＰ－ｓｔａｔｅデータには、Ｐ－ｓｔａｔｅが示されている。そして、当該組合せに含まれる平均処理時間データには、当該トラフィック量において当該Ｐ－ｓｔａｔｅに対応付けられる平均処理時間が示されている。当該組合せに含まれる平均パケット廃棄率データには、当該トラフィック量において当該Ｐ－ｓｔａｔｅに対応付けられる平均パケット廃棄率が示されている。
　本実施形態では例えば、ＤＵ、ＣＵ、などといった、基地局システム４０に含まれる機能ユニット（ＮＦ）等のソフトウェア要素ごとに、当該ソフトウェア要素を模した模擬環境における負荷試験やシミュレーションが予め行われる。そして、複数のＰ－ｓｔａｔｅのそれぞれについて、模擬環境のプロセッサが当該Ｐ－ｓｔａｔｅに設定された状態で、ソフトウェア要素に対する負荷（単位時間あたりのトラフィック量）と平均処理時間や平均パケット廃棄率との関係の特定が行われる。
　例えば、予め、模擬環境に単位時間あたりに入力されるデータサイズを変えながら、平均処理時間や平均パケット廃棄率の計測が行われていてもよい。例えば、所与のデータサイズのパケットについて、単位時間あたりに入力されるパケット数を変えながら、平均処理時間や平均パケット廃棄率の計測が行われていてもよい。
　そして、このような模擬環境における負荷試験やシミュ―ションの結果に基づいて、図９に示す対応データが生成される。
　なお、本実施形態では、上述の平均処理時間は、例えば、ソフトウェア要素の模擬環境が所与のデータサイズのパケットを受信してから、当該ソフトウェア要素での処理の実行が終了する時間の平均値を指す。また、上述の平均パケット廃棄率は、例えば、ソフトウェア要素の模擬環境が受信したパケット数に対する、廃棄されたパケット数の割合を指す。
　また、対応データは、負荷試験やシミュ―ションの結果によることなく、例えば、実環境における経験則に基づいて作成されたものであってもよい。
　本実施形態では例えば、ソフトウェア要素の種類に対応付けられる、互いに異なるトラフィック量に対応付けられる複数の対応データが、対応データ記憶部７０に記憶されることとなる。以下、ソフトウェア要素の種類に対応付けられる、互いに異なるトラフィック量に対応付けられる複数の対応データを、対応データセットと呼ぶこととする。
　電力状態特定部７２は、本実施形態では例えば、対応データに基づいて、予測部６２による予測の結果である稼働度合において性能指標値に係る所与の目標を達成する電力状態のうちいずれかを特定する。ここで例えば、電力状態特定部７２は、予測部６２による予測の結果である稼働度合において性能指標値に係る所与の目標を達成する電力状態のうち、最も消費電力が低い電力状態を特定してもよい。以下、このようにして特定される電力状態を、ターゲット電力状態と呼ぶこととする。
　ここで例えば、電力状態特定部７２が、リーダ基地局システム４０ａについて予測された単位時間あたりのトラフィック量Ｔ１に基づいて、当該リーダ基地局システム４０ａに含まれるＤＵ１個あたりの単位時間あたりのトラフィック量Ｔ２を算出してもよい。例えば、リーダ基地局システム４０ａに含まれるＤＵの数が３個である場合は、値Ｔ１／３を、値Ｔ２として算出してもよい。
　そして、電力状態特定部７２は、ＤＵに対応付けられる対応データセットに含まれる複数の対応データのうちから、値がＴ２であるトラフィック量データを含む対応データを特定してもよい。そして、電力状態特定部７２は、特定された対応データに基づいて、対応する平均処理時間データの値が所与の目標値以下であるＰ－ｓｔａｔｅを特定してもよい。そして、電力状態特定部７２は、これらのＰ－ｓｔａｔｅのうち、最も消費電力が小さいＰ－ｓｔａｔｅを、ターゲットＰ－ｓｔａｔｅとして特定してもよい。
　あるいは、電力状態特定部７２は、特定された対応データに基づいて、対応する平均パケット廃棄率データの値が所与の目標値以下であるＰ－ｓｔａｔｅを特定してもよい。そして、電力状態特定部７２は、これらのＰ－ｓｔａｔｅのうち、最も消費電力が小さいＰ－ｓｔａｔｅを、ターゲットＰ－ｓｔａｔｅとして特定してもよい。
　Ｐ－ｓｔａｔｅが高いほど消費電力は大きい。例えば、Ｐ－ｓｔａｔｅがＰ６である状態が最も消費電力が大きく、以下、Ｐ５、Ｐ４、Ｐ３、Ｐ２、Ｐ１の順で消費電力は小さくなる。
　図１０は、複数のＰ－ｓｔａｔｅ（Ｐ１～Ｐ６）のそれぞれについての、単位時間（例えば３０分）あたりのトラフィック量と平均処理時間との関係の一例を模式的に示す図である。図１１は、複数のＰ－ｓｔａｔｅ（Ｐ１～Ｐ６）のそれぞれについての、単位時間（例えば３０分）あたりのトラフィック量と平均パケット廃棄率との関係の一例を模式的に示す図である。
　図１０に示すように、単位時間あたりのトラフィック量を固定すると、Ｐ－ｓｔａｔｅが高いほど、平均処理時間は短い。また、図１１に示すように、単位時間あたりのトラフィック量を固定すると、Ｐ－ｓｔａｔｅが高いほど、平均パケット廃棄率は低い。
　例えば、対応データに基づいて、図１０に示すように、単位時間あたりのトラフィック量Ｔ２において、平均処理時間データの値が所与の目標値ｃ以下であるＰ－ｓｔａｔｅがＰ４～Ｐ６と特定されたとする。この場合、これらのＰ－ｓｔａｔｅのうちから、最も消費電力が小さいＰ－ｓｔａｔｅであるＰ４が、ターゲットＰ－ｓｔａｔｅとして特定されてもよい。
　また、対応データに基づいて、図１１に示すように、単位時間あたりのトラフィック量Ｔ２において、平均パケット廃棄率時間データの値が所与の目標値ｄ以下であるＰ－ｓｔａｔｅがＰ３～Ｐ６と特定されたとする。この場合、これらのＰ－ｓｔａｔｅのうちから、最も消費電力が小さいＰ－ｓｔａｔｅであるＰ３が、ターゲットＰ－ｓｔａｔｅとして特定されてもよい。
　消費電力制御部７４は、本実施形態では例えば、少なくとも１つのソフトウェア要素を実行するプロセッサを、特定される電力状態で動作させる。例えば、上述の場合、当該リーダ基地局システム４０ａに含まれるＤＵのソフトウェア要素を実行するプロセッサを、上述のようにして特定されるターゲットＰ－ｓｔａｔｅで動作させてもよい。
　また、本実施形態において、電力状態特定部７２が、対応データに基づいて、予測の結果である稼働度合において平均処理時間に係る所与の目標を達成する電力状態のうち、最も消費電力が低い電力状態を第１状態として特定してもよい。
　そして、電力状態特定部７２が、対応データに基づいて、予測の結果である稼働度合において平均パケット廃棄率に係る所与の目標を達成する電力状態のうち、最も消費電力が低い電力状態を第２状態として特定してもよい。
　上述の場合は、Ｐ４が第１状態に相当し、Ｐ３が第２状態に相当する。ここで、第２状態であるＰ３では平均処理時間に係る目標を達成できないが、第１状態であるＰ４では平均処理時間に係る目標も平均パケット廃棄率に係る目標も達成できる。
　このことを踏まえ、消費電力制御部７４が、第１状態又は第２状態のうち消費電力が高い方の電力状態で少なくとも１つのソフトウェア要素を実行するプロセッサを動作させてもよい。例えば上述の場合は、リーダ基地局システム４０ａに含まれるＤＵのソフトウェア要素を実行するプロセッサを、第１状態であるＰ４で動作させてもよい。このようにすれば、複数の目標がある場合にこれらの目標のすべてを達成することが可能となる。
　なお、目標の達成よりも消費電力の抑制が優先されるような場合には、消費電力制御部７４は、第１状態又は第２状態のうち消費電力が低い方の電力状態で少なくとも１つのソフトウェア要素を実行するプロセッサを動作させてもよい。
　また、上述の消費電力制御は、フォロワー基地局システム４０ｂにも適用可能である。
　例えば、電力状態特定部７２が、リーダ基地局システム４０ａについて予測された単位時間あたりのトラフィック量Ｔ１、及び、当該フォロワー基地局システム４０ｂに係る上述の比率ｐに基づいて、ＤＵ１個あたりの単位時間あたりのトラフィック量Ｔ３を算出してもよい。例えば、当該フォロワー基地局システム４０ｂに含まれるＤＵの数が３個である場合は、値Ｔ１×ｐ／３を、値Ｔ３として算出してもよい。
　そして、上述のように値Ｔ３に基づいて特定されるターゲットＰ－ｓｔａｔｅで、当該フォロワー基地局システム４０ｂに含まれるＤＵのソフトウェア要素を実行するプロセッサを動作させてもよい。
　また、電力状態特定部７２が、対応データに基づいて、各Ｐ－ｓｔａｔｅについて、当該Ｐ－ｓｔａｔｅに対応付けられる単位時間あたりのトラフィック量の範囲を特定してもよい。そして、電力状態特定部７２が、単位時間当たりのトラフィック量Ｔ２が含まれる範囲に対応付けられるＰ－ｓｔａｔｅを、ターゲットＰ－ｓｔａｔｅとして特定してもよい。
　また、上述の稼働度合として、単位時間あたりの少なくとも１つのソフトウェア要素がカバーするエリアにおけるトラフィック量の代わりに、少なくとも１つのソフトウェア要素がカバーするエリアにおける収容人数が用いられてもよい。
　また、上述の消費電力制御は、ＤＵ以外のＮＦ（ＣＵなど）にも適用可能である。また、上述の消費電力制御は、基地局システム４０に限らず、例えば、ＵＰＦなどといった、コアネットワークシステム３４に含まれるソフトウェア要素にも適用可能である。
　また、対応データは、ソフトウェア要素の種類に対応付けられるものである必要はなく、基地局システム４０全体に対応付けられるものであってもよい。そして、基地局システム４０について予測される稼働度合と、当該基地局システム４０に対応付けられる対応データと、に基づいて決定される電力状態で、当該基地局システム４０に含まれるソフトウェア要素を実行するプロセッサを動作させてもよい。
　また、本実施形態における動作制御は、消費電力制御には限定されない。例えば、本実施形態において、ネットワークスライスに割り当てる収容人数等のキャパシティの制御や、ネットワークスライスに割り当てるリソース量の制御などが行われるようにしてもよい。
　また、本実施形態において、通信システム１に含まれる複数の基地局システム群４２が特定された後も、フォロワー基地局システム４０ｂの監視が行われても構わない。
　ここで、本実施形態に係るＮＯＳ３０で行われる基地局システム４０のグルーピングに係る処理の流れの一例を、図１２に例示するフロー図を参照しながら説明する。
　本処理例では、監視部５０による監視によって、通信システム１に含まれる複数の基地局システム４０についてのパラメータデータの取得が行われ、推移データ生成部５２にパラメータデータが蓄積されていることとする。
　また、本処理例では、いずれかの基地局システム群４２に分類された基地局システム４０を、分類済基地局システムと呼び、いずれの基地局システム群４２にも分類されていない基地局システム４０を、未分類基地局システムと呼ぶこととする。初期状態では、すべての基地局システム４０が、未分類基地局システムである。
　まず、推移データ生成部５２が、複数の未分類基地局システムのそれぞれについての、所定の時間範囲についての推移データを生成する（Ｓ１０１）。
　そして、相似度特定部５４が、Ｓ１０１に示す処理で生成された推移データに基づいて、基地局システム４０の対ごとに、当該対に対応付けられる相似度データを生成する（Ｓ１０２）。
　そして、分類部５６が、複数の未分類基地局システムのそれぞれについて、他の未分類基地局システムとの組合せに係る相似度データのうち、上述の所定の条件を満たすものの数を特定する（Ｓ１０３）。
　そして、分類部５６が、Ｓ１０３に示す処理で特定された数が最も多い未分類基地局システムを、最大数基地局システムとして特定する（Ｓ１０４）。
　そして、分類部５６が、新たな基地局システム群４２に、Ｓ１０４に示す処理で特定された最大数基地局システム、及び、当該最大数基地局システムとの関係で上述の所定の条件を満たす１又は複数の未分類基地局システムを割り当てる（Ｓ１０５）。このようにして新たな基地局システム群４２に割り当てられた未分類基地局システムは、分類済基地局システムとなる。
　そして、リーダ決定部５８が、Ｓ１０４に示す処理で特定された最大数基地局システムを、Ｓ１０５に示す処理で未分類基地局システムの割り当てが行われた基地局システム群４２におけるリーダ基地局システム４０ａとして決定する（Ｓ１０６）。
　そして、リーダ決定部５８が、Ｓ１０５に示す処理で基地局システム群４２に割り当てられた残りの基地局システム４０を、当該基地局システム群４２におけるフォロワー基地局システム４０ｂとして決定する（Ｓ１０７）。
　そして、比率特定部６０が、Ｓ１０７に示す処理で決定されたフォロワー基地局システム４０ｂのそれぞれについて、Ｓ１０６に示す処理で決定されたリーダ基地局システム４０ａの稼働度合に対する当該フォロワー基地局システム４０ｂの稼働度合の比率ｐを特定する（Ｓ１０８）。
　そして、分類部５６が、すべての基地局システム４０が分類済基地局システムになったか否かを確認する（Ｓ１０９）。
　すべての基地局システム４０が分類済基地局システムになっていない場合は（Ｓ１０９：Ｎ）、Ｓ１０３に示す処理に戻る。このとき、Ｓ１０３に示す処理における所定の条件を変更してから、Ｓ１０３に示す処理が実行されるようにしてもよい。
　Ｓ１０９に示す処理ですべての基地局システム４０が分類済基地局システムになったことが確認された場合は（Ｓ１０９：Ｙ）、本処理例に示す処理は終了される。
　次に、本実施形態に係るＮＯＳ３０で行われる基地局システム４０の動作制御に係る処理の流れの一例を、図１３に例示するフロー図を参照しながら説明する。本処理例では、対応データ記憶部７０に対応データが予め記憶されていることとする。
　Ｓ２０１～Ｓ２０５に示す処理は、例えば、複数の基地局システム群４２のそれぞれについて独立に実行される。
　まず、予測部６２は、所定の単位時間ｔ１間隔で発生する予測タイミングが到来するまで待機する（Ｓ２０１）。
　予測タイミングが到来すると、予測部６２は、直近の単位時間ｔ１で取得された、当該基地局システム群４２のリーダ基地局システム４０ａについてのパラメータデータに基づいて、次の単位時間ｔ１における当該リーダ基地局システム４０ａのトラフィック量Ｔ１を予測する（Ｓ２０２）。
　そして、電力状態特定部７２が、当該リーダ基地局システム４０ａのターゲットＰ－ｓｔａｔｅを特定する（Ｓ２０３）。Ｓ２０３に示す処理では、例えば、Ｓ２０２に示す処理で特定されたトラフィック量Ｔ１に基づいて、当該リーダ基地局システム４０ａのターゲットＰ－ｓｔａｔｅが特定される。
　そして、電力状態特定部７２が、当該基地局システム群４２に含まれる１又は複数のフォロワー基地局システム４０ｂのそれぞれについてのターゲットＰ－ｓｔａｔｅを特定する（Ｓ２０４）。Ｓ２０４に示す処理では、例えば、１又は複数のフォロワー基地局システム４０ｂのそれぞれについて、Ｓ２０２に示す処理で特定されたトラフィック量Ｔ１と、当該フォロワー基地局システム４０ｂについてＳ１０８に示す処理で特定された比率ｐと、に基づいて、当該フォロワー基地局システム４０ｂのターゲットＰ－ｓｔａｔｅが特定される。
　そして、消費電力制御部７４が、当該基地局システム群４２に含まれる基地局システム４０のそれぞれについての動作制御を実行して（Ｓ２０５）、Ｓ２０１に示す処理に戻る。Ｓ２０５に示す処理では、例えば、リーダ基地局システム４０ａについては、当該リーダ基地局システム４０ａに含まれるサーバのＣＰＵがＳ２０３に示す処理で特定されたターゲットＰ－ｓｔａｔｅで動作するよう制御される。また、フォロワー基地局システム４０ｂについては、当該フォロワー基地局システム４０ｂに含まれるサーバのＣＰＵがＳ２０４に示す処理で当該フォロワー基地局システム４０ｂについて特定されたターゲットＰ－ｓｔａｔｅで動作するよう制御される。
　本実施形態では、基地局システム群４２に含まれるリーダ基地局システム４０ａだけが稼働度合の予測対象となり、フォロワー基地局システム４０ｂについては稼働度合の予測がされない。このようにして本実施形態によれば、通信システム１の処理負荷を抑制できることとなる。
　また、本実施形態では、Ｐ－ｓｔａｔｅ等の電力状態を制御することによる消費電力制御が行われている。そのため、本実施形態によれば、通信性能を確保しつつ、稼働度合の変化に対して即応性の高い消費電力制御を行うことができることとなる。
　なお、本発明は上述の実施形態に限定されるものではない。

Claims (8)

  1. 　通信システムに含まれる少なくとも１つのソフトウェア要素の稼働度合を予測する予測手段と、
    　プロセッサがとり得る複数の電力状態のそれぞれについての、前記少なくとも１つのソフトウェア要素に係る稼働度合と性能指標値との対応を示す対応データに基づいて、前記予測の結果である前記稼働度合において前記性能指標値に係る所与の目標を達成する電力状態のうちのいずれかを特定する電力状態特定手段と、
    　前記少なくとも１つのソフトウェア要素を実行するプロセッサを、特定される前記電力状態で動作させる消費電力制御手段と、
    　を含むことを特徴とする消費電力制御システム。
  2. 　前記電力状態特定手段は、前記予測の結果である前記稼働度合において前記性能指標値に係る所与の目標を達成する電力状態のうち、最も消費電力が低い電力状態を特定する、
    　ことを特徴とする請求項１に記載の消費電力制御システム。
  3. 　前記性能指標値は、平均処理時間の値、又は、平均パケット廃棄率の値である、
    　ことを特徴とする請求項１又は２に記載の消費電力制御システム。
  4. 　前記電力状態特定手段は、プロセッサがとり得る複数の電力状態のそれぞれについての、稼働度合と平均処理時間の値との対応を示す前記対応データに基づいて、前記予測の結果である前記稼働度合において平均処理時間に係る所与の目標を達成する電力状態のうち、最も消費電力が低い電力状態を第１状態として特定し、
    　前記電力状態特定手段は、プロセッサがとり得る複数の電力状態のそれぞれについての、稼働度合と平均パケット廃棄率の値との対応を示す前記対応データに基づいて、前記予測の結果である前記稼働度合において平均パケット廃棄率に係る所与の目標を達成する電力状態のうち、最も消費電力が低い電力状態を第２状態として特定し、
    　前記消費電力制御手段は、前記第１状態又は前記第２状態のうち消費電力が高い方の電力状態で前記少なくとも１つのソフトウェア要素を実行するプロセッサを動作させる、
    　ことを特徴とする請求項１に記載の消費電力制御システム。
  5. 　前記稼働度合は、前記少なくとも１つのソフトウェア要素がカバーするエリアにおけるトラフィック量又は収容人数である、
    　ことを特徴とする請求項１から４のいずれか一項に記載の消費電力制御システム。
  6. 　前記ソフトウェア要素は、ＤＵである、
    　ことを特徴とする請求項１から５のいずれか一項に記載の消費電力制御システム。
  7. 　前記電力状態は、Ｐ－ｓｔａｔｅである、
    　ことを特徴とする請求項１から６のいずれか一項に記載の消費電力制御システム。
  8. 　通信システムに含まれる少なくとも１つのソフトウェア要素の稼働度合を予測するステップと、
    　プロセッサがとり得る複数の電力状態のそれぞれについての、前記少なくとも１つのソフトウェア要素に係る稼働度合と性能指標値との対応を示す対応データに基づいて、前記予測の結果である前記稼働度合において前記性能指標値に係る所与の目標を達成する電力状態のうちのいずれかを特定するステップと、
    　前記少なくとも１つのソフトウェア要素を実行するプロセッサを、特定される前記電力状態で動作させるステップと、
    　を含むことを特徴とする消費電力制御方法。
PCT/JP2021/043921 2021-11-30 2021-11-30 消費電力制御システム及び消費電力制御方法 WO2023100256A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/JP2021/043921 WO2023100256A1 (ja) 2021-11-30 2021-11-30 消費電力制御システム及び消費電力制御方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2021/043921 WO2023100256A1 (ja) 2021-11-30 2021-11-30 消費電力制御システム及び消費電力制御方法

Publications (1)

Publication Number Publication Date
WO2023100256A1 true WO2023100256A1 (ja) 2023-06-08

Family

ID=86611670

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/043921 WO2023100256A1 (ja) 2021-11-30 2021-11-30 消費電力制御システム及び消費電力制御方法

Country Status (1)

Country Link
WO (1) WO2023100256A1 (ja)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011136267A1 (ja) * 2010-04-30 2011-11-03 三菱電機株式会社 移動体通信システム
JP2017163439A (ja) * 2016-03-11 2017-09-14 日本電気株式会社 ネットワーク管理装置、無線基地局、省電力制御方法及びプログラム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011136267A1 (ja) * 2010-04-30 2011-11-03 三菱電機株式会社 移動体通信システム
JP2017163439A (ja) * 2016-03-11 2017-09-14 日本電気株式会社 ネットワーク管理装置、無線基地局、省電力制御方法及びプログラム

Similar Documents

Publication Publication Date Title
Le et al. Applying big data, machine learning, and SDN/NFV to 5G traffic clustering, forecasting, and management
WO2021179462A1 (zh) 基于改进量子蚁群算法的Spark平台任务调度方法
US7856572B2 (en) Information processing device, program thereof, modular type system operation management system, and component selection method
CN113692021B (zh) 一种基于亲密度的5g网络切片智能资源分配方法
WO2003067480A1 (en) Method and system for managing resources in a data center
Rugwiro et al. Task scheduling and resource allocation based on ant-colony optimization and deep reinforcement learning
CN116662010B (zh) 基于分布式系统环境下的动态资源分配方法及系统
KR20190078453A (ko) 분산 클라우드 환경에서 퍼지값 재조정에 따른 마이그레이션 시스템 및 방법
Alkhafaji et al. Multi-Layer network slicing and resource allocation scheme for traffic-aware QoS ensured SDN/NFV-5G Network
WO2023100256A1 (ja) 消費電力制御システム及び消費電力制御方法
WO2023100253A1 (ja) 制御システム及び制御方法
Moreira et al. Task allocation framework for software-defined fog v-RAN
WO2023100255A1 (ja) 制御システム及び制御方法
KR102201799B1 (ko) 소프트웨어 정의 네트워크 기반 포그 시스템에서의 동적 로드밸런싱 방법 및 동적 로드밸런싱 장치
CN117395251A (zh) 资源调度方法、装置和计算机可读存储介质
CN115809148B (zh) 一种面向边缘计算的负载均衡任务调度方法及装置
WO2023100251A1 (ja) 制御システム及び制御方法
WO2023100252A1 (ja) 制御システム及び制御方法
WO2023100254A1 (ja) 制御システム及び制御方法
Yakubu et al. Priority based delay time scheduling for quality of service in cloud computing networks
JP7005729B2 (ja) パケットスケジューラ
Xia et al. Age-aware query evaluation for big data analytics in mobile edge clouds
Samanta et al. ASAP: Adaptive and scalable microservice provisioning for edge-IoT networks
WO2022201395A1 (ja) 制御システム及び制御方法
Kargahi et al. Utility accrual dynamic routing in real-time parallel systems

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21966342

Country of ref document: EP

Kind code of ref document: A1