JP7367257B1 - 通信管理装置および通信管理方法 - Google Patents
通信管理装置および通信管理方法 Download PDFInfo
- Publication number
- JP7367257B1 JP7367257B1 JP2023121355A JP2023121355A JP7367257B1 JP 7367257 B1 JP7367257 B1 JP 7367257B1 JP 2023121355 A JP2023121355 A JP 2023121355A JP 2023121355 A JP2023121355 A JP 2023121355A JP 7367257 B1 JP7367257 B1 JP 7367257B1
- Authority
- JP
- Japan
- Prior art keywords
- resource
- machine learning
- learning model
- allocated
- network slice
- 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
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
Description
図1は、本発明の第1の実施の形態に係る通信管理装置1を備える通信管理システムの構成を示すブロック図である。本実施の形態に係る通信管理装置1は、通信品質に関する要求情報と関連付けられたネットワークスライスの各々に割り当てる、最適化されたリソースブロック数を求め、リソースブロックの割り当て情報を基地局30に通知する。
まず、本発明の実施の形態に係る通信管理装置1を備える通信管理システムの概要について説明する。図1に示すように、通信管理システムは、例えば、SA方式の5G無線通信システムに対応する通信管理装置1、通信端末2、基地局30を備える無線アクセスネットワーク3、およびコアネットワーク4を備える。
図1に示すように、通信管理装置1は、第1取得部10、第2取得部11、学習部(第1学習部)12、演算部(第1演算部)13、記憶部(第1記憶部)14、および通知部15を備える。
E={(y1+y2+y3+・・・+yN-1+yN)-RB総数}2 ・・・(1)
なお、目的関数として、平均二乗誤差、交差エントロピー、交差共分散、構造類似度、クラスタリング損失などを採用することができる。学習部12は、誤差逆伝搬法や確率的勾配降下法などを用いて、目的関数を勾配法で最適化することができる。
次に、上述した機能を有する通信管理装置1を実現するハードウェア構成の一例について、図3を用いて説明する。
次に、上述した構成を有する通信管理装置1の動作を、図5および図6のフローチャートを参照して説明する。
次に、本発明の第2の実施の形態について説明する。なお、以下の説明では、上述した第1の実施の形態と同じ構成については同一の符号を付し、その説明を省略する。
図7は、第2の実施の形態に係る通信管理装置1Aの構成を示すブロック図である。通信管理装置1Aは、学習部(第2学習部)12A、演算部(第2演算部)13A、記憶部(第2記憶部)14A、通知部15、および第3取得部16を備える。
次に、上述した構成を有する通信管理装置1Aの動作を図10および図11のフローチャートを参照して説明する。図10は、通信管理装置1Aによる学習処理を示すフローチャートである。図11は、通信管理装置1Aによる演算処理を示すフローチャートである。
次に、本発明の第3の実施の形態について説明する。なお、以下の説明では、上述した第1および第2の実施の形態と同じ構成については同一の符号を付し、その説明を省略する。
図12に示すように、本実施の形態に係る通信管理装置1Bは、学習部(第3学習部)12B、演算部(第3演算部)13B、記憶部(第3記憶部)14B、通知部15、第3取得部16、および第4取得部17を備える。第3の実施の形態に係る通信管理装置1Bは、第4取得部17をさらに備える点で、第2の実施の形態に係る通信管理装置1Aと構成が異なる。以下、第2の実施の形態と異なる構成を中心に説明する。
次に、上述した構成を有する通信管理装置1Bの動作を、図14および図15のフローチャートを参照して説明する。図14は、通信管理装置1Bによる学習処理を示すフローチャートである。図15は、通信管理装置1Bによる演算処理を示すフローチャートである。
Claims (12)
- 無線リソースの分割単位であるリソースブロックが割り当てられる複数のネットワークスライスに関する情報を取得するように構成され、前記複数のネットワークスライスに関する情報には、前記複数のネットワークスライスの各々に関連付けられた通信品質に関する要求情報が含まれる、第1取得部と、
前記複数のネットワークスライスの各々に割り当てる前記無線リソースの前記リソースブロックの数の初期値を取得するように構成された第2取得部と、
前記第2取得部によって取得された前記初期値を未知の入力として学習済みの第1機械学習モデルに与え、前記学習済みの第1機械学習モデルの演算を行って、前記要求情報が関連付けられた前記複数のネットワークスライスの各々に割り当てる、最適化されたリソースブロックの数を出力するように構成された第1演算部と、
前記複数のネットワークスライスの各々に割り当てる前記最適化されたリソースブロックの数を、基地局に通知するように構成された通知部と
を備える通信管理装置。 - 請求項1に記載の通信管理装置において、
さらに、前記複数のネットワークスライスの各々に割り当てる前記リソースブロックの数の前記初期値を入力として与えた場合に、前記要求情報が関連付けられた前記複数のネットワークスライスの各々に割り当てる前記リソースブロックの数の予測値を出力する第1機械学習モデルを記憶するように構成された第1記憶部と、
前記初期値を入力として与えた場合に、前記第1機械学習モデルから出力される前記リソースブロックの数の前記予測値の合計が、前記無線リソースを構成する前記リソースブロックの総数となるように、前記第1機械学習モデルのパラメータを学習するように構成された第1学習部と
を備え、
前記第1記憶部は、さらに、前記第1学習部で構築された前記学習済みの第1機械学習モデルを記憶し、
前記第1演算部は、前記第1記憶部から前記学習済みの第1機械学習モデルを読み出して、前記学習済みの第1機械学習モデルの演算を行う
ことを特徴とする通信管理装置。 - 無線リソースの分割単位であるリソースブロックが割り当てられるネットワークスライスに関する情報を取得するように構成され、前記ネットワークスライスに関する情報には、前記ネットワークスライスに関連付けられた通信品質に関する要求情報、および前記ネットワークスライスに割り当てられた前記リソースブロックの数の設定値が含まれる、第3取得部と、
前記ネットワークスライスに関連付けられた前記要求情報および前記リソースブロックの数の前記設定値を未知の入力として学習済みの第2機械学習モデルに与え、前記学習済みの第2機械学習モデルの演算を行って、前記ネットワークスライスに割り当てる前記リソースブロックに関する情報をリソース要素ごとに出力するように構成された第2演算部と、
前記ネットワークスライスに割り当てる前記リソース要素ごとの前記リソースブロックに関する情報を、基地局に通知するように構成された通知部と
を備え、
前記リソース要素は、周波数要素、時間要素、および空間要素を含む
ことを特徴とする通信管理装置。 - 請求項3に記載の通信管理装置において、
さらに、前記周波数要素、前記時間要素、および前記空間要素のうちのいずれか1つまたは2つの前記リソース要素についての設定された要素数を含む要素情報を取得するように構成された第4取得部と、
前記ネットワークスライスに関連付けられた前記要求情報、前記リソースブロックの数の前記設定値、および前記要素情報を未知の入力として学習済みの第3機械学習モデルに与え、前記学習済みの第3機械学習モデルの演算を行って、前記ネットワークスライスに割り当てる前記リソースブロックに関する情報を、前記周波数要素、前記時間要素、および前記空間要素のうち、前記第4取得部によって取得された前記要素情報に係る前記リソース要素以外のリソース要素ごとに出力するように構成される第3演算部と
を備え、
前記通知部は、前記ネットワークスライスに割り当てる、前記要素情報に係る前記リソース要素以外の前記リソース要素ごとの前記リソースブロックに関する情報を、前記基地局に通知する
ことを特徴とする通信管理装置。 - 請求項3に記載の通信管理装置において、
さらに、前記ネットワークスライスに関連付けられた前記要求情報および前記リソースブロックの数の前記設定値と、前記ネットワークスライスに割り当てられる前記リソース要素ごとの前記リソースブロックに関する情報との関係を、第2機械学習モデルを用いて学習するように構成された第2学習部と、
前記第2学習部によって構築された前記学習済みの第2機械学習モデルを記憶するように構成された第2記憶部と
を備え、
前記第2演算部は、前記第2記憶部から前記学習済みの第2機械学習モデルを読み出して、前記学習済みの第2機械学習モデルの演算を行う
ことを特徴とする通信管理装置。 - 請求項4に記載の通信管理装置において、
さらに、前記ネットワークスライスに関連付けられた前記要求情報、前記リソースブロックの数の前記設定値、および前記要素情報と、前記周波数要素、前記時間要素、および前記空間要素のうち、前記要素情報に係る前記リソース要素以外の前記リソース要素ごとの、前記ネットワークスライスに割り当てる前記リソースブロックに関する情報との関係を、第3機械学習モデルを用いて学習するように構成された第3学習部と、
前記第3学習部によって構築された前記学習済みの第3機械学習モデルを記憶するように構成された第3記憶部と
を備え、
前記第3演算部は、前記第3記憶部から前記学習済みの第3機械学習モデルを読み出して、前記学習済みの第3機械学習モデルの演算を行う
ことを特徴とする通信管理装置。 - 通信管理装置によって実行される通信管理方法であって、
無線リソースの分割単位であるリソースブロックが割り当てられる複数のネットワークスライスに関する情報を取得する第1取得ステップであって、前記複数のネットワークスライスに関する情報には、前記複数のネットワークスライスの各々に関連付けられた、通信品質に関する要求情報が含まれる、第1取得ステップと、
前記複数のネットワークスライスの各々に割り当てる、前記無線リソースの前記リソースブロックの数の初期値を取得する第2取得ステップと、
前記第2取得ステップで取得された前記初期値を未知の入力として学習済みの第1機械学習モデルに与え、前記学習済みの第1機械学習モデルの演算を行って、前記要求情報が関連付けられた前記複数のネットワークスライスの各々に割り当てる、最適化されたリソースブロックの数を出力する第1演算ステップと、
前記複数のネットワークスライスの各々に割り当てる前記最適化されたリソースブロックの数を、基地局に通知するように構成された通知ステップと
を備える通信管理方法。 - 請求項7に記載の通信管理方法において、
さらに、前記複数のネットワークスライスの各々に割り当てる前記リソースブロックの数の前記初期値を入力として与えた場合に、前記要求情報が関連付けられた前記複数のネットワークスライスの各々に割り当てる前記リソースブロックの数の予測値を出力する第1機械学習モデルを第1記憶部に記憶する第1記憶ステップと、
前記初期値を入力として与えた場合に、前記第1機械学習モデルから出力される前記リソースブロックの数の前記予測値の合計が、前記無線リソースを構成する前記リソースブロックの総数となるように、前記第1機械学習モデルのパラメータを学習する第1学習ステップと
を備え、
前記第1記憶ステップは、さらに、前記第1学習ステップで構築された前記学習済みの第1機械学習モデルを前記第1記憶部に記憶し、
前記第1演算ステップは、前記第1記憶部から前記学習済みの第1機械学習モデルを読み出して、前記学習済みの第1機械学習モデルの演算を行う
ことを特徴とする通信管理方法。 - 通信管理装置によって実行される通信管理方法であって、
無線リソースの分割単位であるリソースブロックが割り当てられるネットワークスライスに関する情報を取得する第3取得ステップであって、前記ネットワークスライスに関する情報には、前記ネットワークスライスに関連付けられた通信品質に関する要求情報、および前記ネットワークスライスに割り当てられた前記リソースブロックの数の設定値が含まれる、第3取得ステップと、
前記ネットワークスライスに関連付けられた前記要求情報および前記リソースブロックの数の前記設定値を未知の入力として学習済みの第2機械学習モデルに与え、前記学習済みの第2機械学習モデルの演算を行って、前記ネットワークスライスに割り当てる前記リソースブロックに関する情報をリソース要素ごとに出力する第2演算ステップと、
前記ネットワークスライスに割り当てる前記リソース要素ごとの前記リソースブロックに関する情報を、基地局に通知する通知ステップと
を備え、
前記リソース要素は、周波数要素、時間要素、および空間要素を含む
ことを特徴とする通信管理方法。 - 請求項9に記載の通信管理方法において、
さらに、前記周波数要素、前記時間要素、および前記空間要素のうちのいずれか1つまたは2つの前記リソース要素についての設定された要素数を含む要素情報を取得する第4取得ステップと、
前記ネットワークスライスに関連付けられた前記要求情報、前記リソースブロックの数の前記設定値、および前記要素情報を未知の入力として学習済みの第3機械学習モデルに与え、前記学習済みの第3機械学習モデルの演算を行って、前記ネットワークスライスに割り当てる前記リソースブロックに関する情報を、前記周波数要素、前記時間要素、および前記空間要素のうち、前記第4取得ステップで取得された前記要素情報に係る前記リソース要素以外のリソース要素ごとに出力するように構成される第3演算ステップと
を備え、
前記通知ステップは、前記ネットワークスライスに割り当てる、前記要素情報に係る前記リソース要素以外の前記リソース要素ごとの前記リソースブロックに関する情報を、前記基地局に通知する
ことを特徴とする通信管理方法。 - 請求項9に記載の通信管理方法において、
さらに、前記ネットワークスライスに関連付けられた前記要求情報および前記リソースブロックの数の前記設定値と、前記ネットワークスライスに割り当てられる前記リソース要素ごとの前記リソースブロックに関する情報との関係を、第2機械学習モデルを用いて学習する第2学習ステップと、
前記第2学習ステップによって構築された前記学習済みの第2機械学習モデルを第2記憶部に記憶する第2記憶ステップと
を備え、
前記第2演算ステップは、前記第2記憶部から前記学習済みの第2機械学習モデルを読み出して、前記学習済みの第2機械学習モデルの演算を行う
ことを特徴とする通信管理方法。 - 請求項10に記載の通信管理方法において、
さらに、前記ネットワークスライスに関連付けられた前記要求情報、前記リソースブロックの数の前記設定値、および前記要素情報と、前記周波数要素、前記時間要素、および前記空間要素のうち、前記要素情報に係る前記リソース要素以外の前記リソース要素ごとの、前記ネットワークスライスに割り当てる前記リソースブロックに関する情報との関係を、第3機械学習モデルを用いて学習する第3学習ステップと、
前記第3学習ステップによって構築された前記学習済みの第3機械学習モデルを第3記憶部に記憶する第3記憶ステップと
を備え、
前記第3演算ステップは、前記第3記憶部から前記学習済みの第3機械学習モデルを読み出して、前記学習済みの第3機械学習モデルの演算を行う
ことを特徴とする通信管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023121355A JP7367257B1 (ja) | 2023-07-26 | 2023-07-26 | 通信管理装置および通信管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023121355A JP7367257B1 (ja) | 2023-07-26 | 2023-07-26 | 通信管理装置および通信管理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP7367257B1 true JP7367257B1 (ja) | 2023-10-23 |
Family
ID=88418503
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023121355A Active JP7367257B1 (ja) | 2023-07-26 | 2023-07-26 | 通信管理装置および通信管理方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7367257B1 (ja) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10992396B1 (en) | 2020-02-07 | 2021-04-27 | Verizon Patent And Licensing Inc. | Systems and methods for mapping resource blocks to network slices |
JP2022077481A (ja) | 2020-11-11 | 2022-05-23 | 財團法人工業技術研究院 | ネットワークスライシングのためのリソース管理方法、リソース管理システム、およびワークロードスケジューリング装置 |
-
2023
- 2023-07-26 JP JP2023121355A patent/JP7367257B1/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10992396B1 (en) | 2020-02-07 | 2021-04-27 | Verizon Patent And Licensing Inc. | Systems and methods for mapping resource blocks to network slices |
JP2022077481A (ja) | 2020-11-11 | 2022-05-23 | 財團法人工業技術研究院 | ネットワークスライシングのためのリソース管理方法、リソース管理システム、およびワークロードスケジューリング装置 |
Non-Patent Citations (1)
Title |
---|
Yu ABIKO, et al.,Flexible Resource Block Allocation to Multiple Slices for Radio Access Network Slicing Using Deep Reinforcement Learning,IEEE Access ,2020年04月22日,Volume 8, 2020,pp.68183-68198 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shukla et al. | An analytical model to minimize the latency in healthcare internet-of-things in fog computing environment | |
US10257115B2 (en) | Cloud-based service resource provisioning based on network characteristics | |
WO2016161677A1 (zh) | 一种业务卸载方法及*** | |
US9251156B2 (en) | Information processing devices, method, and recording medium with regard to a distributed file system | |
Sun et al. | Joint communication and computing resource allocation in vehicular edge computing | |
CN103970604A (zh) | 基于MapReduce架构实现图处理的方法和装置 | |
US10404616B2 (en) | Virtual resource automatic selection system and method | |
US20180139273A1 (en) | Entity based routing | |
Zhao et al. | Optimize the placement of edge server between workload balancing and system delay in smart city | |
Zhang | A computing allocation strategy for Internet of things’ resources based on edge computing | |
US8291052B2 (en) | Method, apparatus, and computer program product for determining a path update via distributed information management | |
JP7367257B1 (ja) | 通信管理装置および通信管理方法 | |
CN108289115B (zh) | 一种信息处理方法及*** | |
TWI545453B (zh) | 分散式系統及其資料庫管理方法及管理系統 | |
US20220309338A1 (en) | Discrete optimization of configuration attributes | |
Zheng et al. | Game theoretic approaches to massive data processing in wireless networks | |
Padmavathy et al. | An efficient virtual machine allocation using single stage weapon target assignment model in cloud software‐defined network environment | |
US20210103830A1 (en) | Machine learning based clustering and patterning system and method for network traffic data and its application | |
Xu et al. | Joint optimization of energy conservation and migration cost for complex systems in edge computing | |
Math et al. | [Retracted] Intelligent Offloading Decision and Resource Allocations Schemes Based on RNN/DQN for Reliability Assurance in Software‐Defined Massive Machine‐Type Communications | |
CN112181605A (zh) | 负载均衡方法、装置、电子设备和计算机可读介质 | |
Sufyan et al. | Distributed uplink cache for improved energy and spectral efficiency in B5G small cell network | |
Haneefa et al. | A Markov chain based framework for analysis of hierarchical fog computing networks | |
CN115002215B (zh) | 面向云上政企的资源分配模型训练方法以及资源分配方法 | |
Deb et al. | Loop-the-Loops: Fragmented Learning Over Networks for Constrained IoT Devices |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230726 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230726 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230911 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230913 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230928 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231003 |
|
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: 20231006 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231011 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7367257 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |