控制平台及程序的制作方法

摘要: 本发明涉及控制平台及程序。背景技术:1、专利文献1中记载了一种区域内信息推测模型及利用该模型的区域内信息推测装置和方法,其中,所述区域内信息推测模型推测某一区域...
控制平台及程序的制作方法

本发明涉及控制平台及程序。

背景技术:

1、专利文献1中记载了一种区域内信息推测模型及利用该模型的区域内信息推测装置和方法,其中,所述区域内信息推测模型推测某一区域内的事件信息、关联信息的信息部分,并能够准备构建所需的训练(学习)数据,也能够将可能关联的各种信息反映在推测中。专利文献2中,记载了按照灾害规模准确地计算网络节点的推测流量总量的灾害时流量预测方法及系统。专利文献3中,记载了使灾害风险及灾害风险高的区域可视化的技术。

2、现有技术文献

3、专利文献

4、专利文献1:日本特开2022-178385号公报

5、专利文献2:日本特开2010-062681号公报

6、专利文献3:日本特开2018-194968号公报

技术实现思路

1、发明所要解决的技术问题

2、在大规模灾害发生的情况下,由于因受灾导致的无线基站损毁、人流的急剧变化等,与平时显著不同的通信环境发生,且会时刻变化。即便在以往的通信系统中,也会进行各种针对大规模灾害发生的情况下的通信环境优化的对策,然而却是以从通信设备获得的信息为主的通信环境优化。

3、用于解决技术问题的方案

4、在本实施方式涉及的系统中,例如,通过使ran(radio access network:无线接入网络)的功能为在高性能的gpu(graphics processing unit:图形处理单元)服务器、而不是在通用机的服务器上运行的形式,而设为能够在ai(artificial intelligence:人工智能)处理中灵活运用其剩余部分的计算资源的形式。作为ai处理的种类,可举出与ran控制相关联的ai处理(有时记载为ran控制ai处理)和不与ran控制相关联的ai处理(有时记载为非ran控制ai处理)。

5、作为ran控制ai处理的例子,可举出ric(ran intelligent controller:ran智能控制器)。ric是使用ai进行ran的无线资源优化、ran运用自动化的技术。ric包括non-rtric和near-rtric(near-real time ric:近实时ric)。non-rtric有时也被称为集中式ric(centralized ric:集中式ric)。non-rtric位于进行ran管理、编排的smo(servicemanagement and orchestration:服务管理和编排)的内部。non-rtric进行与ran的控制相关的策略生成、通知、对near-rtric的信息发送。例如,non-rtric通过执行使用从ran收集的数据的机器学习,生成与ran控制相关的学习完毕模型,并发送给near-rtric。near-rtric有时也被称为分布式ric(distributed ric)。near-rt ric与non-rt ric相比,位于ran节点(ru(radio unit:无线单元)、du(distributed unit:分布式单元)、cu(central unit:中央单元))的附近,进行ran节点控制、资源控制等。near-rt ric与non-rt ric相比,执行实时性高的处理。near-rt ric例如执行与使用了从non-rt ric获取的学习完毕模型的ran的控制相关联的推理处理。ran控制ai处理不限于ric。

6、非ran控制ai处理可以相当于所谓的mec(multi-access edge computing:多接入边缘计算)应用程序。作为非ran控制ai处理的例子,可举出监视ai执行处理和回答ai执行处理等,但并不限于这些,其中,在所述监视ai执行处理中,会判定输入的摄像图像的摄像范围内的状况,在所述回答ai执行处理中,会输出针对输入的用户的询问的回答。

7、在本实施方式涉及的系统中,例如,采用学习模拟的机制,其中,所述模拟以可从通信设备得到的诸如过去的大灾害时的通信环境、通信设备损坏和复原等的信息、以及无法从通信设备得到的来自外部机构的诸如人流、需求内容变化、基于灾害风险地图的风险等的信息为基础。而且,在本实施方式涉及的系统中,采用整合模拟结果与可从受灾地得到的通信数据、推断并优化通信环境变化的机制。由此,本实施方式涉及的系统通过如人脑那样形成自上而下的模拟,并通过实时地叠加在灾害发生时涌现的通信设备和从各种机构涌现的多模式的自下而上的信息,能够实现可塑的流量控制。而且,本实施方式涉及的系统通过灵活运用通过预测iot(internet of things:物联网)终端的增加、自动驾驶车辆等人以外的物所持有的移动终端的增加等而得到的通信状况,能够提供更加机动的通信环境。

8、根据本发明的一实施方式,提供一种控制平台。所述控制平台可以具备保存通信状况学习数据的学习数据保存部,所述通信状况学习数据包括记录过去发生的灾害的灾害日志数据、记录因该灾害而受灾的受灾区域的受灾区域日志数据以及记录该灾害发生后的该受灾区域中的通信状况的通信状况日志数据。所述控制平台可以具备执行部,所述执行部具有通过机器学习生成通信状况推测模型的模型生成功能、以及基于通信状况推测结果控制覆盖所述受灾区域的ran的功能的ran控制功能,所述通信状况推测模型以保存在所述学习数据保存部中的多个所述通信状况学习数据为教师数据,根据识别灾害的灾害识别数据以及识别因该灾害而受灾的受灾区域的受灾区域识别数据,推测该灾害发生后的该受灾区域中的通信状况,所述通信状况推测结果为通过使用所述通信状况推测模型根据识别灾害的灾害识别数据和识别因所述灾害而受灾的受灾区域的受灾区域识别数据推测所述灾害发生后的所述受灾区域中的通信状况而得的结果。

9、在所述控制平台中,所述ran控制功能控制所述ran的功能,以使所述ran的无线资源优先分配给与所述灾害相关联的通信。

10、在任一所述控制平台中,所述学习数据保存部可以还保存受灾状况学习数据,所述受灾状况学习数据包括记录过去发生的灾害的灾害日志数据、记录因该灾害而受灾的受灾区域的受灾区域日志数据、记录覆盖该受灾区域的灾害风险地图的灾害风险地图日志数据以及记录该受灾区域的受灾状况的受灾状况日志数据,所述模型生成功能可以通过机器学习还生成受灾状况推测模型,所述受灾状况推测模型以保存在所述学习数据保存部中的多个所述受灾状况学习数据为教师数据,根据识别灾害的灾害识别数据、识别因该灾害而受灾的受灾区域的受灾区域识别数据以及覆盖该受灾区域的灾害风险地图数据,推测该受灾区域的受灾状况,所述ran控制功能可以还基于受灾状况推测结果控制覆盖所述受灾区域的所述ran的功能,所述受灾状况推测结果为通过使用所述受灾状况推测模型根据所述灾害识别数据、所述受灾区域识别数据以及覆盖所述受灾区域的灾害风险地图数据推测所述受灾区域的受灾状况而得的结果。

11、在任一所述控制平台中,所述ran控制功能可以基于所述通信状况推测结果和所述受灾状况推测结果中的至少任一者来控制所述ran的功能,以使在构成所述ran的多个无线基站中,在所述灾害发生后使用电池的电力工作的工作时间被推测为较长的无线基站所消耗的功耗被优先削减。

12、在任一所述控制平台中,所述ran控制功能可以基于所述通信状况推测结果和所述受灾状况推测结果中的至少任一者,控制所述ran的功能,以使无线通信功能被推测为正常地发挥功能的构成所述ran且一个无线基站的覆盖区域覆盖无线通信功能被推测为异常地发挥功能的构成所述ran的其他无线基站的覆盖区域的至少一部分。

13、在任一所述控制平台中,所述ran控制功能可以基于所述通信状况推测结果和所述受灾状况推测结果中的至少任一者,控制所述ran的功能,以使搭载于移动体且构成所述ran的一个无线基站的覆盖区域覆盖无线通信功能被推测为异常地发挥功能的构成ran的其他无线基站的覆盖区域的至少一部分。

14、在任一所述控制平台中,所述学习数据保存部可以还保存人流状况学习数据,所述人流状况学习数据包括记录过去发生的灾害的灾害日志数据、记录因该灾害而受灾的受灾区域的受灾区域日志数据、记录覆盖该受灾区域的避难所地图的避难所地图日志数据、以及记录该受灾区域的人流状况的人流状况日志数据,所述模型生成功能可以通过机器学习还生成人流状况推测模型,所述人流状况推测模型以保存在所述学习数据保存部中的多个所述人流状况学习数据为教师数据,根据识别灾害的灾害识别数据、识别因该灾害而受灾的受灾区域的受灾区域识别数据、以及覆盖该受灾区域的避难所地图数据推测该受灾区域的人流状况,所述ran控制功能可以还基于人流状况推测结果控制覆盖所述受灾区域的所述ran的功能,所述人流状况推测结果为通过使用所述人流状况推测模型根据所述灾害识别数据、所述受灾区域识别数据、以及覆盖所述受灾区域的避难所地图数据推测所述受灾区域的人流状况而得的结果。

15、在任一者所述控制平台中,所述ran控制功能可以基于所述通信状况推测结果和所述人流状况推测结果中的至少任一者,控制所述ran的功能,以使所述ran的无线资源优先分配给所述受灾区域中每单位面积的人数被推测为更多的区域的通信。

16、任一所述控制平台可以还具备获取实时信息的获取部,所述实时信息示出所述受灾区域的通信状况、所述受灾区域的受灾状况、以及所述受灾区域的人流状况中的至少任一者,并且具有实时性,所述ran控制功能可以还基于所述实时信息控制覆盖所述受灾区域的所述ran的功能。

17、在任一所述控制平台中,所述获取部可以获取sns(social networking service:社交网络服务)消息作为所述实时信息,所述控制平台可以还具备选择部,所述选择部从多个所述sns消息中选择经由构成覆盖所述受灾区域的所述ran的无线基站的sns消息,所述ran控制功能可以基于通过所述选择部选择出的所述sns消息,控制覆盖所述受灾区域的所述ran的功能。

18、根据本发明的一实施方式,提供一种控制平台。所述控制平台可以具备保存综合状况学习数据的学习数据保存部,所述综合状况学习数据包括:灾害日志数据,记录过去发生的灾害;受灾区域日志数据,记录因该灾害而受灾的受灾区域;灾害风险地图日志数据,记录覆盖该受灾区域的灾害风险地图;通信状况日志数据,记录该灾害发生后的该受灾区域中的通信状况;以及受灾状况日志数据,记录该受灾区域的受灾状况。所述控制平台可以具备执行部,所述执行部具有通过机器学习生成综合状况推测模型的模型生成功能、以及基于综合状况推测结果控制覆盖所述受灾区域的ran的功能的ran控制功能,所述综合状况推测模型以保存在所述学习数据保存部的多个所述综合状况学习数据为教师数据,根据识别灾害的灾害识别数据、识别因该灾害而受灾的受灾区域的受灾区域识别数据以及覆盖该受灾区域的灾害风险地图数据,推测包括该灾害发生后的该受灾区域中的通信状况和该受灾区域的受灾状况的该受灾区域的综合状况,所述综合状况推测结果为通过使用所述综合状况推测模型根据识别灾害的灾害识别数据、识别因所述灾害而受灾的受灾区域的受灾区域识别数据以及覆盖所述受灾区域的灾害风险地图数据推测所述灾害发生后的所述受灾区域的综合状况而得的结果。

19、根据本发明的一实施方式,提供一种程序,其用于当由计算机执行时,使所述计算机作为所述任一控制平台发挥功能。

20、需要说明的是,上述发明概要并不会列举本发明所需的全部特征。另外,这些特征集合的子组合也能够成为发明。