特開2024-127313光パス設定装置、光パス設定方法および光パス設定プログラム
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2024127313
(43)【公開日】2024-09-20
(54)【発明の名称】光パス設定装置、光パス設定方法および光パス設定プログラム
(51)【国際特許分類】
H04B 10/00 20130101AFI20240912BHJP
H04L 41/16 20220101ALI20240912BHJP
【ＦＩ】
H04B10/00
H04L41/16
【審査請求】未請求
【請求項の数】11
【出願形態】ＯＬ
(21)【出願番号】P 2023036388
(22)【出願日】2023-03-09
(71)【出願人】
【識別番号】000005223
【氏名又は名称】富士通株式会社
(74)【代理人】
【識別番号】110002147
【氏名又は名称】弁理士法人酒井国際特許事務所
(72)【発明者】
【氏名】佐藤 玲子
(72)【発明者】
【氏名】片岡 正弘
(72)【発明者】
【氏名】尾上 聡
【テーマコード（参考）】
5K102
【Ｆターム（参考）】
5K102AA01
5K102AL10
5K102KA01
5K102KA31
5K102NA01
5K102RD28
(57)【要約】
【課題】効率的に光信号パスを設定すること。
【解決手段】パス設定装置は、光ネットワークに含まれる光信号の始点端末から光信号の終点端末に至るまでに経由する複数の第１端末の特徴と、複数の第１端末の第１ログ情報とを含む第１光信号パスの情報を入力とし、第１光信号パスの通信品質を出力として機械学習モデルの機械学習を実行する。パス設定装置は、ある端末から他の端末に至るまでに経由する複数の第２端末の特徴と、複数の第２端末の第２ログ情報とを含む複数の第２光信号パスの情報を、機械学習モデルに入力し、複数の第２光信号パスの通信品質を評価する。
【選択図】図５
【解決手段】パス設定装置は、光ネットワークに含まれる光信号の始点端末から光信号の終点端末に至るまでに経由する複数の第１端末の特徴と、複数の第１端末の第１ログ情報とを含む第１光信号パスの情報を入力とし、第１光信号パスの通信品質を出力として機械学習モデルの機械学習を実行する。パス設定装置は、ある端末から他の端末に至るまでに経由する複数の第２端末の特徴と、複数の第２端末の第２ログ情報とを含む複数の第２光信号パスの情報を、機械学習モデルに入力し、複数の第２光信号パスの通信品質を評価する。
【選択図】図５
【特許請求の範囲】
【請求項1】
光ネットワークに含まれる光信号の始点端末から前記光信号の終点端末に至るまでに経由する複数の第１端末の特徴と、前記複数の第１端末の第１ログ情報とを含む第１光信号パスの情報を入力とし、前記第１光信号パスの通信品質を出力として機械学習モデルの機械学習を実行し、
ある端末から他の端末に至るまでに経由する複数の第２端末の特徴と、前記複数の第２端末の第２ログ情報とを含む複数の第２光信号パスの情報を、前記機械学習モデルに入力し、前記複数の第２光信号パスの通信品質を評価する、
処理を実行する制御部を有する光パス設定装置。
ある端末から他の端末に至るまでに経由する複数の第２端末の特徴と、前記複数の第２端末の第２ログ情報とを含む複数の第２光信号パスの情報を、前記機械学習モデルに入力し、前記複数の第２光信号パスの通信品質を評価する、
処理を実行する制御部を有する光パス設定装置。
【請求項2】
前記第１光信号パスの情報は、前記第１ログ情報を取得した時間帯の第１気象情報を更に含み、前記複数の第２光信号パスの情報は、前記第２ログ情報を取得した時間帯の第２気象情報を更に含むことを特徴とする請求項１に記載の光パス設定装置。
【請求項3】
前記評価する処理は、前記ある端末から他の端末に至るまでの経路の異なる複数の第２光信号パスの情報を生成し、前記複数の第２光信号パスをそれぞれ前記機械学習モデルに入力することで、前記複数の第２光信号パスの通信品質をそれぞれ評価することを特徴とする請求項１又は２に記載の光パス設定装置。
【請求項4】
前記評価する処理の評価結果を基にして、前記複数の第２光信号パスから、一つの第２光信号パスを選択し、選択した第２光信号パスを前記光ネットワークに設定する処理を更に実行することを特徴とする請求項３に記載の光パス設定装置。
【請求項5】
前記第１ログ情報および前記第２ログ情報のベクトルを算出する処理を更に実行し、前記機械学習を実行する処理は、前記第１ログ情報のベクトルを前記第１光信号パスの情報に設定し、前記評価する処理は、前記第２ログ情報のベクトルを前記第２光信号パスの情報に設定することを特徴とする請求項１又は２に記載の光パス設定装置。
【請求項6】
前記機械学習を実行する処理は、前記第１気象情報として、雷が発生しているか否か、あるいは、地震が発生しているか否かの情報を設定し、前記評価する処理は、前記第２気象情報として、雷が発生しているか否か、あるいは、地震が発生しているか否かの情報を設定することを特徴とする請求項２に記載の光パス設定装置。
【請求項7】
前記機械学習を実行する処理は、前記第１光信号パスの情報に、信号負荷率の情報を更に設定し、前記評価する処理は、前記第２光信号パスの情報に、信号負荷率の情報を更に設定することを特徴とする請求項１に記載の光パス設定装置。
【請求項8】
光ネットワークに含まれる光信号の始点端末から前記光信号の終点端末に至るまでに経由する複数の第１端末の特徴と、前記複数の第１端末の第１ログ情報とを含む第１光信号パスの情報を入力とし、前記第１光信号パスの通信品質を出力として機械学習モデルの機械学習を実行し、
ある端末から他の端末に至るまでに経由する複数の第２端末の特徴と、前記複数の第２端末の第２ログ情報とを含む複数の第２光信号パスの情報を、前記機械学習モデルに入力し、前記複数の第２光信号パスの通信品質を評価する、
処理をコンピュータが実行することを特徴とする光パス設定方法。
ある端末から他の端末に至るまでに経由する複数の第２端末の特徴と、前記複数の第２端末の第２ログ情報とを含む複数の第２光信号パスの情報を、前記機械学習モデルに入力し、前記複数の第２光信号パスの通信品質を評価する、
処理をコンピュータが実行することを特徴とする光パス設定方法。
【請求項9】
前記第１光信号パスの情報は、前記第１ログ情報を取得した時間帯の第１気象情報を更に含み、前記複数の第２光信号パスの情報は、前記第２ログ情報を取得した時間帯の第２気象情報を更に含むことを特徴とする請求項８に記載の光パス設定方法。
【請求項10】
光ネットワークに含まれる光信号の始点端末から前記光信号の終点端末に至るまでに経由する複数の第１端末の特徴と、前記複数の第１端末の第１ログ情報とを含む第１光信号パスの情報を入力とし、前記第１光信号パスの通信品質を出力として機械学習モデルの機械学習を実行し、
ある端末から他の端末に至るまでに経由する複数の第２端末の特徴と、前記複数の第２端末の第２ログ情報とを含む複数の第２光信号パスの情報を、前記機械学習モデルに入力し、前記複数の第２光信号パスの通信品質を評価する、
処理をコンピュータに実行させることを特徴とする光パス設定プログラム。
ある端末から他の端末に至るまでに経由する複数の第２端末の特徴と、前記複数の第２端末の第２ログ情報とを含む複数の第２光信号パスの情報を、前記機械学習モデルに入力し、前記複数の第２光信号パスの通信品質を評価する、
処理をコンピュータに実行させることを特徴とする光パス設定プログラム。
【請求項11】
前記第１光信号パスの情報は、前記第１ログ情報を取得した時間帯の第１気象情報を更に含み、前記複数の第２光信号パスの情報は、前記第２ログ情報を取得した時間帯の第２気象情報を更に含むことを特徴とする請求項１０に記載の光パス設定プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、光パス設定装置等に関する。
【背景技術】
【0002】
従来の光ネットワークでは、複数のネットワークエレメント（ＮＥ）が相互に接続され、設定された光信号パスによって、光信号を伝送する。
【0003】
たとえば、従来技術では、運用中の光デジタルコヒーレント信号パスの通信品質をモニタし、雷等の影響によって、運用中の光信号パスに障害が発生して通信品質が低下した場合に、予め設定しておいた、他の光信号パスに切り替える。また、従来技術では、切り替える前の光信号パスの通信品質が元の状態に戻ったことを検出すると、運用する光信号パスを、切り替え先の光信号パスから、元の光信号パスに切り替える。たとえば、従来技術の切り替え方式には、強度変調・直接検波(IMDD)による信号伝送方式（光の強弱により信号を伝送）と、デジタルコヒーレントによる信号伝送方式（光の位相や偏波をつかって信号を伝送）とがある。
【0004】
【0005】
たとえば、ＮＥ１０は、ＮＥ１１，１３，１５と相互に接続される。ＮＥ１１は、ＮＥ１０，１２と相互に接続される。ＮＥ１２は、ＮＥ１１，１９と相互に接続される。ＮＥ１３は、ＮＥ１０、１４，１５と相互に接続される。ＮＥ１４は、ＮＥ１３、１７，１９と相互に接続される。ＮＥ１５は、ＮＥ１０，１３，１６と相互に接続される。ＮＥ１６は、ＮＥ１５，１７と相互に接続される。ＮＥ１７は、ＮＥ１４，１６，１８と相互に接続される。ＮＥ１８は、ＮＥ１７，１９と相互に接続される。ＮＥ１９は、ＮＥ１２，１４，１８と相互に接続される。
【0006】
ＮＥ１０から、ＮＥ１９に至る光信号パスを、光信号パスＡ，Ｂ，Ｃとする。光信号パスＡは、ＮＥ１０，１１，１２，１９を通る光信号パスである。光信号パスＢは、ＮＥ１０，１５，１３，１４，１９を通る光信号パスである。光信号パスＣは、ＮＥ１０、１５，１６，１７，１８，１９を通る光信号パスである。
【0007】
たとえば、パスＡで運用している際に、ＮＥ１２とＮＥ１９との間で雷１が発生すると、パスＡの通信品質が劣化し、運用する光信号パスが、パスＡからパスＢに切り替えられる。その後、雷１がおさまり、パスＡの通信品質が基に戻ると、運用する光信号パスが、パスＢから元のパスＡに切り替えられる。
【先行技術文献】
【特許文献】
【0008】
【特許文献1】特開２００７－９６７９６号公報
【特許文献2】特開平５－１１４８９９号公報
【特許文献3】特開２０１１－１４５８４６号公報
【特許文献4】特開２０１９－１５３８９３号公報
【発明の概要】
【発明が解決しようとする課題】
【0009】
しかしながら、上述した従来技術では、効率的に光信号パスを設定することができないという問題がある。
【0010】
図１２および図１３は、従来技術の課題を説明するための図である。図１２に示す光ネットワークには、ＮＥ１０～１９が含まれる。また、ＮＥ１０から、ＮＥ１９に至る光信号パスを、光信号パスＡ，Ｂ，Ｃとする。光信号パスＡ～Ｃに関する説明は、図１１で説明した光信号パスＡ～Ｃに関する説明と同様である。
【0011】
ここでは、線状降水帯が移動することで、以下のように、天候が遷移するものとする。時刻Ｔ１において、ＮＥ１２とＮＥ１９との間で雷１が発生する。時刻Ｔ２において、雷１がおさまり、ＮＥ１１とＮＥ１２との間で雷２ａが発生し、ＮＥ１３とＮＥ１４との間で雷２ｂが発生する。時刻Ｔ３において、雷２ａ，２ｂがおさまり、ＮＥ１３とＮＥ１５との間で雷３が発生する。
【0012】
図１３において、光信号パスＡ～Ｃの通信品質と時間との関係を示す。縦軸が通信品質に対応する軸であり、横軸が時間に対応する軸である。線分２０ａが、光信号パスＡの通信品質と時間との関係を示す。線分２０ｂが、光信号パスＢの通信品質と時間との関係を示す。線分２０ｃが、光信号パスＣの通信品質と時間との関係を示す。なお、信号品質は、光電気(O/E)変換を行い、信号を再生する時にわかるため、図１３は模式的なものである。
【0013】
たとえば、上記のように線状降水帯が移動し、各時刻において雷が発生すると、連鎖的に、複数の光信号パスＡ、Ｂの通信品質が低下し、係る光信号パスＡ、Ｂを切り替え先と切り替え元に設定していると、効率的に光信号パスを設定できない。
【0014】
図１３に示す例では、雷１が発生する時刻Ｔ１まで、運用する光信号パスとして、光信号パスＡが選択されている。雷１の影響によって、光信号パスＡの通信品質が低下するため、運用する光信号パスとして、予め設定していた光信号パスＢが選択される。
【0015】
光信号パスＢが選択された後、時刻Ｔ２において、雷２ｂが発生すると、雷２ｂの影響によって、光信号パスＢの通信品質が低下し、また、時刻Ｔ２の直前において、光信号パスＡの通信品質が復旧しているため、光信号パスＡの切り戻しが発生する。しかし、時刻Ｔ２おいて、雷２ａが発生し、光信号パスＡの通信品質が低下するため、切り戻しに失敗する。
【0016】
光信号パスＡへの切り戻しに失敗している間に、光信号パスＢの通信品質が復旧し、光信号パスＢによって、光信号の伝送が再開される。なお、時刻Ｔ３において、雷３が発生し、光信号パスＢの通信品質が低下し、切り替え先として、光信号パスＡが選択されるが、時刻Ｔ３において、光信号パスＡの通信品質が復旧しておらず、最終的に、光信号パスＣが選択されて、光信号の伝送が開始される。
【0017】
なお、強度変調・直接検波(IMDD)による信号伝送方式、デジタルコヒーレントによる信号伝送方式の２種類の切り替え方式のうち、後者のデジタルコヒーレントについては、光パワーの監視だけで信号品質を監視することが難しく、偏波状態State of polarizationや位相ずれ状態を監視する必要があり、伝送路中で波長多重された個別の波長について、SOPを光のまま（光電変換せずに）監視する方法はない。IMDDの場合は、従来の光パワー監視で信号品質監視を行うことができるものの、光パワー計測だけでは検知できない理由（偏波状態の変動）で信号劣化が発生する場合には、信号品質劣化が発生している箇所を特定することができないため、適切に切り替えを行うことができない。
【0018】
上記のように、従来技術では、信号品質劣化が発生している箇所が特定できないために、光信号パスＡと光信号パスＢとの間で無駄な切り替えが発生しており、断続的に通信障害は発生する恐れがあるため、効率的に最適な光信号パスを設定することが求められている。たとえば、時刻Ｔ１の時点で、通信品質が安定している光信号パスＣを選択できていれば、無駄な切り替えを抑止することができる。
【0019】
１つの側面では、本発明は、効率的に光信号パスを設定できる光パス設定装置、光パス設定方法および光パス設定プログラムを提供することを目的とする。
【課題を解決するための手段】
【0020】
第１の案では、光パス設定装置は、次の処理を実行する制御部を有する。制御部は、光ネットワークに含まれる光信号の始点端末から光信号の終点端末に至るまでに経由する複数の第１端末の特徴と、複数の第１端末の第１ログ情報とを含む第１光信号パスの情報を入力とし、第１光信号パスの通信品質を出力として機械学習モデルの機械学習を実行する。制御部は、ある端末から他の端末に至るまでに経由する複数の第２端末の特徴と、複数の第２端末の第２ログ情報とを含む複数の第２光信号パスの情報を、機械学習モデルに入力し、複数の第２光信号パスの通信品質を評価する。
【発明の効果】
【0021】
効率的に光信号パスを設定できる。
【図面の簡単な説明】
【0022】
【発明を実施するための形態】
【0023】
以下に、本願の開示する光パス設定装置、光パス設定方法および光パス設定プログラムの実施例を図面に基づいて詳細に説明する。なお、この実施例によりこの発明が限定されるものではない。
【実施例0024】
本実施例に係るシステムの一例について説明する。図１は、本実施例に係るシステムの一例を示す図である。図１に示すように、このシステムは、ＮＥ１０、１１，１２，１３，１４，１５，１６，１７，１８，１９と、パス設定装置１００とを有する。パス設定装置１００は、光パス設定装置の一例である。
【0025】
ＮＥ１０～１９と、パス設定装置１００とは、運用監視ネットワーク５０を介して相互に接続される。図１では、ＮＥ１０～１９を示すが、他のＮＥが更に含まれてもよい。
【0026】
ＮＥ１０～１９は、パス設定装置１００によって設定された光信号パスによって、光信号を伝送する装置である。たとえば、パス設定装置１００によって、図１１で説明した光信号パスＡが設定された場合には、光信号パスＡによって、ＮＥ１０から、ＮＥ１１，１２を介して、ＮＥ１９に光信号が伝送される。
【0027】
たとえば、ＮＥ１０は、ＮＥ１１，１３，１５と相互に接続される。ＮＥ１１は、ＮＥ１０，１２と相互に接続される。ＮＥ１２は、ＮＥ１１，１９と相互に接続される。ＮＥ１３は、ＮＥ１０、１４，１５と相互に接続される。ＮＥ１４は、ＮＥ１３、１７，１９と相互に接続される。ＮＥ１５は、ＮＥ１０，１３，１６と相互に接続される。ＮＥ１６は、ＮＥ１５，１７と相互に接続される。ＮＥ１７は、ＮＥ１４，１６，１８と相互に接続される。ＮＥ１８は、ＮＥ１７，１９と相互に接続される。ＮＥ１９は、ＮＥ１２，１４，１８と相互に接続される。
【0028】
ＮＥ１０～１９は、各種の処理を実行する度に、ログ情報を保存しておき、パス設定装置１００からの要求に応じて、ログ情報をパス設定装置１００に送信する。
【0029】
パス設定装置１００は、訓練済みの機械学習モデルを利用して、光信号の送信元となるＮＥから、光信号の送信先となるＮＥまでの複数の光信号パスのうち、安定した通信品質を維持できる光信号パスを選択する。パス設定装置１００は、選択した光信号パスを、ＮＥ１０～１９に対して設定する。
【0030】
たとえば、パス設定装置１００は、機械学習モデルを訓練する学習フェーズの処理と、訓練済みの機械学習モデルを用いて、安定した通信品質を維持可能な光信号パスを推定する推定フェーズの処理を実行する。以下において、パス設定装置１００の学習フェーズの処理、推論フェーズの処理について順に説明する。
【0031】
まず、パス設定装置１００が実行する学習フェーズの処理の一例について説明する。図２は、学習フェーズの処理を説明するための図である。たとえば、パス設定装置１００は、教師データテーブル１４１を用いて、機械学習モデルＭ１の機械学習を実行する。機械学習モデルＭ１は、ＮＮ（Neural Network）等である。
【0032】
たとえば、教師データテーブル１４１は、パス識別情報と、入力データと、ラベルとを対応付ける。パス識別情報は、光信号パスを識別する情報である。入力データには、複数のスパン情報が設定される。あるスパン情報は、ある光信号パスに含まれる複数のＮＥのうち、隣接するあるＮＥの組に関する情報を示す。
【0033】
たとえば、光信号パスＡと、第１スパンとに対応するスパン情報Ａ－１は、光信号パスＡに含まれるＮＥ１０，１１，１２，１９のうち、ＮＥ１０，１１に関する情報である。光信号パスＡと、第２スパンとに対応するスパン情報Ａ－２は、ＮＥ１１，１２に関する情報である。光信号パスＡと、第３スパンとに対応するスパン情報Ａ－３は、ＮＥ１２，１９に関する情報である。
【0034】
ここで、スパン情報について説明する。図３は、スパン情報のデータ構造の一例を示す図である。図３に示すように、各スパン情報にはそれぞれ、伝送路情報が設定される。たとえば、伝送路情報には、送信元ＮＥ、送信元ＮＥタイプ、送信先ＮＥ、送信先ＮＥタイプ、ファイバータイプ、ＮＥ間距離、スパンロス、ログ、落雷フラグが含まれる。伝送路情報は、その他の情報を含んでいてもよい。
【0035】
送信元ＮＥは、スパン情報のＮＥの組のうち、送信元のＮＥを示す。送信元ＮＥタイプは、送信元ＮＥのタイプとして、ＲＯＡＤＭ（reconfigurable optical add/drop multiplexer）またはＩＬＡ（In Line Amp）が設定される。送信先ＮＥは、スパン情報のＮＥの組のうち、送信先のＮＥを示す。送信先ＮＥタイプは、送信先ＮＥのタイプとして、ＲＯＡＤＭまたはＩＬＡが設定される。
【0036】
ファイバータイプは、スパン情報のＮＥ間で利用する光ファイバーのタイプが設定される。ＮＥ間距離は、スパン情報のＮＥ間の距離が設定される。スパンロスは、スパン情報のＮＥ間で光信号を伝送した際の光信号の減衰量を示す。ログ情報は、スパン情報の送信元ＮＥのログ情報と、送信先ＮＥのログ情報をベクトルに変換した値が設定される。
【0037】
落雷フラグは、ログ情報を収集した時間帯において、スパン情報のＮＥ間において、落雷が発生していたか否かを示す情報である。落雷が発生していた場合には、落雷フラグが「オン」となる。一方、落雷が発生していなかった場合には、落雷フラグが「オフ」となる。
【0038】
図２の教師データテーブル１４１の説明に戻る。入力データに含まれる信号種別は、該当する光信号パスで利用される信号の種別である。ラベルは、該当する光信号パスの通信品質を示す値（正解ラベル）である。通信品質の値が大きいほど、通信品質が良いことを示す。
【0039】
なお、図３で説明したように、同じ光信号パス（パス識別情報）であっても、各ＮＥから収集されるログ情報や、ログ情報が収集された時間帯における落雷フラグが変化し得る。このため、教師データテーブル１４１には、同じ光信号パス（パス識別情報）に対して、複数の入力データ、ラベルが設定される場合もある。
【0040】
パス設定装置１００は、誤差逆伝播法に基づき、入力データを機械学習モデルＭ１に入力した際の、機械学習モデルＭ１の出力結果とラベルとの差分が小さくなるように、機械学習モデルＭ１に対して機械学習を実行する（機械学習モデルＭ１を訓練する）。
【0041】
たとえば、パス設定装置１００は、入力データｉｎ１（スパン情報Ａ－１、Ａ－２，Ａ－３、・・・、信号種別）を機械学習モデルＭ１に入力し、機械学習モデルＭ１の出力と、ラベルｌ１との差分が小さくなるように、機械学習モデルＭ１のパラメータを更新する。
【0042】
パス設定装置１００は、入力データｉｎ２（スパン情報Ｂ－１、Ｂ－２，Ｂ－３、・・・、信号種別）を機械学習モデルＭ１に入力し、機械学習モデルＭ１の出力と、ラベルｌ２との差分が小さくなるように、機械学習モデルＭ１のパラメータを更新する。
【0043】
パス設定装置１００は、入力データｉｎ３（スパン情報Ｃ－１、Ｃ－２，Ｃ－３、・・・、信号種別）を機械学習モデルＭ１に入力し、機械学習モデルＭ１の出力と、ラベルｌ３との差分が小さくなるように、機械学習モデルＭ１のパラメータを更新する。
【0044】
パス設定装置１００は、入力データｉｎ４（スパン情報Ｄ－１、Ｄ－２，Ｄ－３、・・・、信号種別）を機械学習モデルＭ１に入力し、機械学習モデルＭ１の出力と、ラベルｌ４との差分が小さくなるように、機械学習モデルＭ１のパラメータを更新する。
【0045】
パス設定装置１００は、教師データテーブル１４１に格納された他の入力データ、および、ラベルの組についても、上記処理を繰り返し実行することで、機械学習モデルＭ１のパラメータを更新する。
【0046】
続いて、パス設定装置１００が実行する推論フェーズの処理の一例について説明する。図４および図５は、推論フェーズの処理を説明するための図である。まず、図４について説明する。パス設定装置１００は、推論フェーズの処理を実行する場合に、ネットワーク情報１４２を参照する。ネットワーク情報１４２には、光信号の送信の始点となるＮＥから終点となるＮＥまでの光信号パスと、かかる光信号パスに含まれるＮＥの情報が設定される。
【0047】
たとえば、ネットワーク情報１４２において、始点となるＮＥ１０から、終点となるＮＥ１９までの光信号パスとして、光信号パスＡ，Ｂ，Ｃの情報が設定される。係る光信号パスＡ，Ｂ，Ｃの情報には、各光信号パスに含まれるＮＥの識別情報、ＮＥタイプ、ファイバータイプ、ＮＥ間距離、スパンロス等が含まれる。また、ＮＥの情報には、ＮＥが設置された地域を識別する情報が含まれていてもよい。
【0048】
図４では、パス設定装置１００が、ＮＥ１０～ＮＥ１９に至る光信号パスＡ，Ｂ，Ｃのうち、安定した通信品質を維持できる光信号パスを選択する場合について説明する。
【0049】
パス設定装置１００は、下記の処理を実行することで、光信号パスＡに対応する入力データ３０Ａを生成する。入力データ３０Ａには、スパン情報Ａ’－１と、スパン情報Ａ’－２と、スパン情報Ａ’－３と、光信号種別とが含まれる。
【0050】
スパン情報Ａ’－１は、ＮＥ１０，１１に関する情報である。スパン情報Ａ’－２は、ＮＥ１１，１２に関する情報である。スパン情報Ａ’－３は、ＮＥ１２，１９に関する情報である。
【0051】
パス設定装置１００が、スパン情報Ａ’－１に伝送路情報を設定する場合の処理について設定する。パス設定装置１００は、ネットワーク情報１４２を基にして、ＮＥ１０，１１に関する送信ＮＥ、送信元ＮＥタイプ、送信先ＮＥ、送信先ＮＥタイプ、ファイバータイプ、ＮＥ間距離、スパンロスを取得して、設定する。たとえば、送信ＮＥは「ＮＥ１０」、送信元ＮＥタイプは「ＲＯＡＤＭ」、送信先ＮＥは「ＮＥ１１」、送信先ＮＥタイプは「ＩＬＡ」、ファイバータイプは「ＳＭＦ」、ＮＥ間距離は「５．８ｋｍ」、スパンロスは「２．９ｄＢ」となる。
【0052】
パス設定装置１００は、スパン情報Ａ’－１に関連するＮＥ１０，１１と通信を行い、ＮＥ１０，１１からログ情報、信号種別を取得する。パス設定装置１００は、ログベクトル辞書１４３を基にして、ログ情報のベクトルを算出し、ログ情報のベクトルを、スパン情報Ａ’－１に設定する。パス設定装置１００は、信号種別を、入力データ３０Ａに設定する。
【0053】
ここで、ログベクトル辞書１４３は、ＮＥから取得するログ情報に含まれ得る複数の形態素と、係る形態素のベクトルとをそれぞれ対応付ける辞書である。たとえば、パス設定装置１００は、ＮＥ１０，１１からログ情報を取得した場合に、取得したログ情報に対して形態素解析を実行することで、複数の形態素に分解する。パス設定装置１００は、分解した各形態素と、ログベクトル辞書１４３とを比較して各形態素のベクトルを特定し、特定した各形態素のベクトルを積算することで、ログ情報のベクトルを算出する。
【0054】
パス設定装置１００は、伝送路環境情報１４４を基にして、ログ情報を取得した時間帯において、スパン情報Ａ’－１のＮＥ１０，１１を基準とする所定の領域内において、雷が発生しているか否かを特定する。伝送路環境情報１４４は、地域毎、時間毎の天候に関する情報を含み、たとえば、ある地域、ある時間で、落雷が発生しているか否かの情報が含まれる。パス設定装置１００は、ＮＥ１０，１１を基準とする所定の領域内において、雷が発生している場合には、スパン情報Ａ’－１の落雷フラグを「オン」に設定する。一方、パス設定装置１００は、ＮＥ１０，１１を基準とする所定の領域内において、雷が発生していない場合には、落雷フラグを「オフ」に設定する。
【0055】
パス設定装置１００が上記の処理を実行することで、スパン情報Ａ’－１に伝送路情報が設定される。パス設定装置１００は、スパン情報Ａ’－２、スパン情報Ａ’－３についても、スパン情報Ａ’－１と同様の処理を実行することで、伝送路情報を設定する。これによって、入力データ３０Ａが生成される。
【0056】
パス設定装置１００は、光信号パスＢに対応する入力データ３０Ｂを生成する。入力データ３０Ｂには、スパン情報Ｂ’－１と、スパン情報Ｂ’－２と、スパン情報Ｂ’－３と、光信号種別とが含まれる。パス設定装置１００が、スパン情報Ｂ’－１～Ｂ’－３に対応する伝送路情報を設定する処理は、スパン情報Ａ’－１に伝送路情報が設定する処理と同様である。
【0057】
パス設定装置１００は、光信号パスＣに対応する入力データ３０Ｃを生成する。入力データ３０Ｃには、スパン情報Ｃ’－１と、スパン情報Ｃ’－２と、スパン情報Ｃ’－３と、光信号種別とが含まれる。パス設定装置１００が、スパン情報Ｃ’－１～Ｃ’－３に対応する伝送路情報を設定する処理は、スパン情報Ｃ’－１に伝送路情報が設定する処理と同様である。
【0058】
図５の説明に移行する。パス設定装置１００は、入力データ３０Ａを、機械学習モデルＭ１に入力することで、通信品質スコア４０Ａを算出する。パス設定装置１００は、入力データ３０Ｂを、機械学習モデルＭ１に入力することで、通信品質スコア４０Ｂを算出する。パス設定装置１００は、入力データ３０Ｃを、機械学習モデルＭ１に入力することで、通信品質スコア４０Ｃを算出する。
【0059】
パス設定装置１００は、通信品質スコア４０Ａ～４０Ｃのうち、最大のスコアに対応する光信号パスを選択する。たとえば、パス設定装置１００は、通信品質スコア４０Ａ～４０Ｃのうち、通信品質スコア４０Ｃが最大のスコアとなる場合には、通信品質スコア４０Ｃに対応する光信号パスＣを選択する。
【0060】
パス設定装置１００は、選択した光信号パスＣによって、光信号が伝送されるように、ネットワークのＮＥ１０～１９を制御する。
【0061】
上記のように、本実施例に係るパス設定装置１００は、教師データテーブル１４１に格納された光信号パスの入力データと、通信品質のラベルとの関係を基にして、機械学習モデルＭ１の機械学習を実行する。パス設定装置１００は、訓練済みの機械学習モデルＭ１に、評価対象となる複数の光信号パスの入力データを入力することで、各光信号パスの通信品質スコアを算出し、通信品質スコアが最大となる光信号パスを選択して、光ネットワークに設定する。光信号パスの入力データは、ＮＥのログ情報のベクトルや、気象情報が含まれるため、天候によって、通信品質が断続的に不安定になる光信号パスを選択することを抑止しして、効率的に光信号パスを設定することができる。
【0062】
次に、図５に示した処理を実行するパス設定装置１００の構成例について説明する。図６は、本実施例に係るパス設定装置の構成を示す機能ブロック図である。図６に示すように、このパス設定装置１００は、通信部１１０と、入力部１２０と、表示部１３０と、記憶部１４０と、制御部１５０とを有する。
【0063】
通信部１１０は、運用監視ネットワーク５０上の各ＮＥと、データ通信（パケット通信）を実行する。通信部１１０は、ＮＩＣ（Network Interface Card）等である。
【0064】
入力部１２０は、パス設定装置１００の制御部１５０に各種の情報を入力する入力装置である。たとえば、入力部１２０は、キーボードやマウス、タッチパネル等に対応する。
【0065】
表示部１３０は、制御部１５０から出力される情報を表示する表示装置である。
【0066】
記憶部１４０は、教師データテーブル１４１、ネットワーク情報１４２、ログベクトル辞書１４３、伝送路環境情報１４４、機械学習モデルＭ１を有する。記憶部１４０は、メモリなどの記憶装置である。
【0067】
教師データテーブル１４１は、機械学習モデルＭ１に対する機械学習を実行する場合に利用する情報を保持する。図２で説明したように、教師データテーブル１４１は、パス識別情報と、入力データと、ラベル（通信品質）とを対応付ける。教師データテーブル１４１に関する他の説明は、図２で説明した内容と同様である。
【0068】
ネットワーク情報１４２は、光信号の送信の始点となるＮＥから終点となるＮＥまでの光信号パスと、かかる光信号パスに含まれるＮＥの情報が設定される。ネットワーク情報１４２に関する説明は、図４で説明したネットワーク情報１４２に関する説明と同様である。
【0069】
ログベクトル辞書１４３は、ＮＥから取得するログ情報に含まれ得る複数の形態素と、係る形態素のベクトルとをそれぞれ対応付ける辞書である。ログベクトル辞書１４３に関する説明は、図４で説明したログベクトル辞書１４３に関する説明と同様である。
【0070】
伝送路環境情報１４４は、地域毎、時間毎の天候に関する情報を含み、たとえば、落雷が発生しているか否かの情報が含まれる。伝送路環境情報１４４に関する説明は、図４で説明した伝送路環境情報１４４に関する説明と同様である。
【0071】
機械学習モデルＭ１は、入力データ（光信号パスに含まれる各スパン情報）を入力した際に、光信号パスの通信品質スコアを出力するモデルである。機械学習モデルは、ＮＮ等である。
【0072】
図６の制御部１５０の説明に移行する。制御部１５０は、取得部１５１と、学習処理部１５２と、推定処理部１５３と、設定部１５４とを有する。制御部１５０は、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）等である。
【0073】
取得部１５１は、通信部１１０を介して外部装置等と通信を行い、教師データテーブル１４１、ネットワーク情報１４２、ログベクトル辞書１４３、伝送路環境情報１４４を取得し、記憶部１４０に登録する。
【0074】
取得部１５１は、教師データテーブル１４１、ネットワーク情報１４２、ログベクトル辞書１４３、伝送路環境情報１４４の更新情報を取得してもよい。取得部１５１は、更新情報を取得した場合には、教師データテーブル１４１、ネットワーク情報１４２、ログベクトル辞書１４３、伝送路環境情報１４４を更新する。
【0075】
学習処理部１５２は、教師データテーブル１４１を基にして、機械学習モデルＭ１の機械学習を実行する。たとえば、学習処理部１５２は、誤差逆伝播法に基づき、教師データテーブル１４１に格納された入力データを、機械学習モデルＭ１に入力し、機械学習モデルＭ１の出力結果と、ラベルとの差分が小さくなるように、機械学習モデルＭ１のパラメータを更新する。
【0076】
【0077】
推定処理部１５３は、訓練済みの機械学習モデルＭ１を利用して、光信号の送信の始点となるＮＥから終点となるＮＥまでの複数の光信号パスの通信品質を評価する。たとえば、推定処理部１５３は、始点となるＮＥから終点となるＮＥまでの複数の光信号パスに対応する入力データをそれぞれ生成し、各入力データを機械学習モデルＭ１に入力することで、通信品質スコアをそれぞれ算出する。推定処理部１５３は、複数の光信号パスのうち、通信品質スコアが最大となる光信号パスを選択する。
【0078】
たとえば、推定処理部１５３は、下記の処理を実行して、入力データを生成する。推定処理部１５３は、入力部１２０から、始点となるＮＥと、終点となるＮＥとの指定を受け付ける。推定処理部１５３は、始点となるＮＥおよび終点となるＮＥの組と、ネットワーク情報１４２とを比較して、始点となるＮＥから終点となるＮＥまでの複数の光信号パスと、かかる光信号パスに含まれるＮＥの情報を取得する。
【0079】
推定処理部１５３は、通信部１１０を介して、光信号パスに含まれる各ＮＥとデータ通信を実行し、光信号パスに含まれる各ＮＥからログ情報を取得する。推定処理部１５３は、ログ情報に対して形態素解析を実行することで、複数の形態素に分解する。推定処理部１５３は、分解した各形態素と、ログベクトル辞書１４３とを比較して各形態素のベクトルを特定し、特定した各形態素のベクトルを積算することで、ログ情報のベクトルを算出する。
【0080】
推定処理部１５３は、現在の時間と、各ＮＥが設置された地域と、伝送路環境情報とを基にして、該当するＮＥ間において、現在、雷が発生しているか否かを判定する。推定処理部１５３は、ネットワーク上の時間を管理するサーバから、時間の情報を取得してもよい。推定処理部１５３は、雷が発生している場合には、伝送路情報の落雷フラグを「オン」に設定し、雷が発生していない場合には、伝送路情報の落雷フラグを「オフ」に設定する。
【0081】
推定処理部１５３は、上記の処理を実行することで、各光信号パスに対応する伝送路情報を生成し、入力データに設定する。推定処理部１５３が、伝送路情報を設定して、入力データに設定する処理は、図４で説明した処理に対応する。また、推定処理部１５３が、入力データを機械学習モデルＭ１に入力して、通信品質スコアを算出する処理は、図５で説明した処理に対応する。
【0082】
推定処理部１５３は、始点となるＮＥおよび終点となるＮＥの組と、選択した光信号パスの情報を、設定部１５４に出力する。
【0083】
設定部１５４は、始点となるＮＥおよび終点となるＮＥの組と、選択した光信号パスの情報を受け付けた場合に、該当する光信号パスによって光信号が伝送されるように、運用監視ネットワーク５０上の各ＮＥと通信データ通信を実行し、伝送経路を設定する。
【0084】
次に、本実施例に係るパス設定装置の処理手順の一例について説明する。図７は、学習フェーズにおけるパス設定装置の処理手順を示すフローチャートである。図７に示すように、パス設定装置１００の学習処理部１５２は、教師データテーブル１４１から入力データと、ラベルとの組を取得する（ステップＳ１０１）。
【0085】
学習処理部１５２は、入力データを機械学習モデルＭ１に入力する（ステップＳ１０２）。学習処理部１５２は、機械学習モデルＭ１の出力とラベルとの差分を算出する（ステップＳ１０３）。
【0086】
学習処理部１５２は、差分が小さくなるように、機械学習モデルＭ１のパラメータを更新する（ステップＳ１０４）。学習処理部１５２は、機械学習を継続する場合には（ステップＳ１０５，Ｙｅｓ）、ステップＳ１０１に移行する。一方、学習処理部１５２は、機械学習を継続しない場合には（ステップＳ１０５，Ｎｏ）、処理を終了する。
【0087】
図８は、推論フェーズにおけるパス設定装置の処理手順を示すフローチャートである。図８に示すように、パス設定装置１００の推定処理部１５３は、光信号の始点となるＮＥと終点となるＮＥとの指定を受け付ける（ステップＳ２０１）。
【0088】
推定処理部１５３は、始点となるＮＥおよび終点となるＮＥと、ネットワーク情報１４２とを基にして、複数の光信号パスと光信号パスに含まれるＮＥの情報を特定する（ステップＳ２０２）。
【0089】
推定処理部１５３は、光信号パスを選択する（ステップＳ２０３）。推定処理部１５３は、光パスに含まれる各ＮＥからログ情報を取得する（ステップＳ２０４）。推定処理部１５３は、ログ情報とログベクトル辞書１４３とを基にして、ログ情報のベクトルを算出する（ステップＳ２０５）。
【0090】
推定処理部１５３は、現在の時間と、ＮＥが設置された地域と、伝送路環境情報１４４とを基にして、落雷フラグが「オン」であるか否かを特定する（ステップＳ２０６）。推定処理部１５３は、光信号パスの入力データに対応する伝送路情報を設定する（ステップＳ２０７）。
【0091】
推定処理部１５３は、全ての光信号パスを選択していない場合には（ステップＳ２０８，Ｎｏ）、ステップＳ２０３に移行する。一方、推定処理部１５３は、全ての光信号パスを選択した場合には（ステップＳ２０８、Ｙｅｓ）、ステップＳ２０９に移行する。
【0092】
推定処理部１５３は、各光信号パスに対応する入力データを、機械学習モデルＭ１に入力することで、各光信号パスの通信品質スコアを算出する（ステップＳ２０９）。
【0093】
推定処理部１５３は、複数の光信号パスのうち、通信品質スコアが最大となる光信号パスを選択する（ステップＳ２１０）。パス設定装置１００の設定部１５４は、推定処理部１５３によって選択された光信号パスを、光ネットワーク上に設定する（ステップＳ２１１）。
【0094】
次に、本実施例に係るパス設定装置１００の効果について説明する。パス設定装置１００は、教師データテーブル１４１に格納された光信号パスの入力データと、通信品質のラベルとの関係を基にして、機械学習モデルＭ１の機械学習を実行する。パス設定装置１００は、訓練済みの機械学習モデルＭ１に、評価対象となる複数の光信号パスの入力データを入力することで、各光信号パスの通信品質スコアを算出し、各光信号パスを評価する。かかる評価結果を利用することで、効率的に光信号パスを設定できる。
【0095】
パス設定装置１００は、複数の光信号パスから、通信品質スコアが最大となる光信号パスを選択して、光ネットワークに設定する。光信号パスの入力データは、ＮＥのログ情報のベクトルや、気象情報が含まれるため、雷や地震等の天候によって、通信品質が断続的に不安定になる光信号パスを選択することを抑止しして、効率的に光信号パスを設定することができる。
【0096】
たとえば、図１２で説明したように、従来技術では、光信号パスＡと光信号パスＢとの間で無駄な切り替えが発生してしまう。これに対して、パス設定装置１００は、光信号パスＡ，Ｂ，Ｃの入力データを、機械学習モデルＭ１に入力することで、通信評価スコアの高い光信号パスＣを優先して選択することができ、無駄な切り替えの発生を抑止することができる。
【0097】
ところで、上記の実施例に係るパス設定装置１００は、光信号パスに対応する入力データとして、複数のスパン情報と信号種別とを設定していたが、これに限定されるものではない。たとえば、パス設定装置１００は、複数のスパン情報と信号種別に加えて、「信号負荷率」を設定してもよい。たとえば、信号パスのＮＥの付近で大規模なイベントが発生する場合には、信号負荷率が増加する傾向があり、信号パスの通信品質が低下する場合がある。
【0098】
図９は、信号負荷率が設定された教師データテーブルの一例を示す図である。図９に示すように、かかる教師データテーブル２４１の入力データには、図２で説明した教師データテーブル１４１に加えて、信号負荷率が設定されている。パス設定装置１００は、教師データテーブル２４１を基にして、機械学習モデルＭ１の機械学習を実行することで、大規模なイベントによる影響を考慮して、通信品質のよい光信号パスを選択することができる。
【0099】
なお、パス設定装置１００は、推定フェーズにおいて、地域毎のイベント規模と、イベント規模に応じた信号負荷率を基にして、入力データの信号負荷率を設定し、係る入力データを、機械学習モデルＭ１に入力することで、通信品質スコアを算出してもよい。
【0100】
また、光信号パスの通信品質は、地震などによる影響を受ける場合もある。このため、スパン情報に設定される落雷フラグに加えて、振動フラグを更に設定してもよい。該当するＮＥが設置された地域で地震が発生した場合には、振動フラグを「オン」に設定し、地震が発生していない場合には、振動フラグを「オフ」に設定する。
【0101】
次に、上述したパス設定装置１００と同様の機能を実現するコンピュータのハードウェア構成の一例について説明する。図１０は、本実施例のパス設定装置と同様の機能を実現するコンピュータのハードウェア構成の一例を示す図である。
【0102】
図１０に示すように、コンピュータ３００は、各種演算処理を実行するＣＰＵ３０１と、ユーザからのデータの入力を受け付ける入力装置３０２と、ディスプレイ３０３とを有する。また、コンピュータ３００は、有線または無線ネットワークを介して、外部装置等との間でデータの授受を行う通信装置３０４と、インタフェース装置３０５とを有する。また、コンピュータ３００は、各種情報を一時記憶するＲＡＭ３０６と、ハードディスク装置３０７とを有する。そして、各装置３０１～３０７は、バス３０８に接続される。
【0103】
ハードディスク装置３０７は、取得プログラム３０７ａ、学習処理プログラム３０７ｂ、推定処理プログラム３０７ｃ、設定プログラム３０７ｄを有する。ＣＰＵ３０１は、各プログラム３０７ａ～３０７ｄを読み出してＲＡＭ３０６に展開する。
【0104】
取得プログラム３０７ａは、取得プロセス３０６ａとして機能する。学習処理プログラム３０７ｂは、学習処理プロセス３０６ｂとして機能する。推論処理プログラム３０７ｃは、推論処理プロセス３０６ｃとして機能する。設定プログラム３０７ｄは、設定プロセス３０６ｄとして機能する。
【0105】
取得プロセス３０６ａの処理は、取得部１５１の処理に対応する。学習処理プロセス３０６ｂの処理は、学習処理部１５２の処理に対応する。推定処理プロセス３０６ｃの処理は、推定処理部１５３の処理に対応する。設定プロセス３０６ｄの処理は、設定部１５４の処理に対応する。
【0106】
なお、各プログラム３０７ａ～３０７ｄについては、必ずしも最初からハードディスク装置３０７に記憶させておかなくても良い。例えば、コンピュータ３００に挿入されるフレキシブルディスク（ＦＤ）、ＣＤ－ＲＯＭ、ＤＶＤ、光磁気ディスク、ＩＣカードなどの「可搬用の物理媒体」に各プログラムを記憶させておく。そして、コンピュータ３００が各プログラム３０７ａ～３０７ｄを読み出して実行するようにしてもよい。
【0107】
以上の各実施例を含む実施形態に関し、さらに以下の付記を開示する。
【0108】
（付記１）光ネットワークに含まれる光信号の始点端末から前記光信号の終点端末に至るまでに経由する複数の第１端末の特徴と、前記複数の第１端末の第１ログ情報とを含む第１光信号パスの情報を入力とし、前記第１光信号パスの通信品質を出力として機械学習モデルの機械学習を実行し、
ある端末から他の端末に至るまでに経由する複数の第２端末の特徴と、前記複数の第２端末の第２ログ情報とを含む複数の第２光信号パスの情報を、前記機械学習モデルに入力し、前記複数の第２光信号パスの通信品質を評価する、
処理を実行する制御部を有する光パス設定装置。
ある端末から他の端末に至るまでに経由する複数の第２端末の特徴と、前記複数の第２端末の第２ログ情報とを含む複数の第２光信号パスの情報を、前記機械学習モデルに入力し、前記複数の第２光信号パスの通信品質を評価する、
処理を実行する制御部を有する光パス設定装置。
【0109】
（付記２）前記第１光信号パスの情報は、前記第１ログ情報を取得した時間帯の第１気象情報を更に含み、前記複数の第２光信号パスの情報は、前記第２ログ情報を取得した時間帯の第２気象情報を更に含むことを特徴とする付記１に記載の光パス設定装置。
【0110】
（付記３）前記評価する処理は、前記ある端末から他の端末に至るまでの経路の異なる複数の第２光信号パスの情報を生成し、前記複数の第２光信号パスをそれぞれ前記機械学習モデルに入力することで、前記複数の第２光信号パスの通信品質をそれぞれ評価することを特徴とする付記１又は２に記載の光パス設定装置。
【0111】
（付記４）前記評価する処理の評価結果を基にして、前記複数の第２光信号パスから、一つの第２光信号パスを選択し、選択した第２光信号パスを前記光ネットワークに設定する処理を更に実行することを特徴とする付記３に記載の光パス設定装置。
【0112】
（付記５）前記第１ログ情報および前記第２ログ情報のベクトルを算出する処理を更に実行し、前記機械学習を実行する処理は、前記第１ログ情報のベクトルを前記第１光信号パスの情報に設定し、前記評価する処理は、前記第２ログ情報のベクトルを前記第２光信号パスの情報に設定することを特徴とする付記１又は２に記載の光パス設定装置。
【0113】
（付記６）前記機械学習を実行する処理は、前記第１気象情報として、雷が発生しているか否か、あるいは、地震が発生しているか否かの情報を設定し、前記評価する処理は、前記第２気象情報として、雷が発生しているか否か、あるいは、地震が発生しているか否かの情報を設定することを特徴とする付記２に記載の光パス設定装置。
【0114】
（付記７）前記機械学習を実行する処理は、前記第１光信号パスの情報に、信号負荷率の情報を更に設定し、前記評価する処理は、前記第２光信号パスの情報に、信号負荷率の情報を更に設定することを特徴とする付記１又は２に記載の光パス設定装置。
【0115】
（付記８）光ネットワークに含まれる光信号の始点端末から前記光信号の終点端末に至るまでに経由する複数の第１端末の特徴と、前記複数の第１端末の第１ログ情報とを含む第１光信号パスの情報を入力とし、前記第１光信号パスの通信品質を出力として機械学習モデルの機械学習を実行し、
ある端末から他の端末に至るまでに経由する複数の第２端末の特徴と、前記複数の第２端末の第２ログ情報とを含む複数の第２光信号パスの情報を、前記機械学習モデルに入力し、前記複数の第２光信号パスの通信品質を評価する、
処理をコンピュータが実行することを特徴とする光パス設定方法。
ある端末から他の端末に至るまでに経由する複数の第２端末の特徴と、前記複数の第２端末の第２ログ情報とを含む複数の第２光信号パスの情報を、前記機械学習モデルに入力し、前記複数の第２光信号パスの通信品質を評価する、
処理をコンピュータが実行することを特徴とする光パス設定方法。
【0116】
（付記９）前記第１光信号パスの情報は、前記第１ログ情報を取得した時間帯の第１気象情報を更に含み、前記複数の第２光信号パスの情報は、前記第２ログ情報を取得した時間帯の第２気象情報を更に含むことを特徴とする付記８に記載の光パス設定方法。
【0117】
（付記１０）前記評価する処理は、前記ある端末から他の端末に至るまでの経路の異なる複数の第２光信号パスの情報を生成し、前記複数の第２光信号パスをそれぞれ前記機械学習モデルに入力することで、前記複数の第２光信号パスの通信品質をそれぞれ評価することを特徴とする付記８又は９に記載の光パス設定方法。
【0118】
（付記１１）前記評価する処理の評価結果を基にして、前記複数の第２光信号パスから、一つの第２光信号パスを選択し、選択した第２光信号パスを前記光ネットワークに設定する処理を更に実行することを特徴とする付記１０に記載の光パス設定方法。
【0119】
（付記１２）前記第１ログ情報および前記第２ログ情報のベクトルを算出する処理を更に実行し、前記機械学習を実行する処理は、前記第１ログ情報のベクトルを前記第１光信号パスの情報に設定し、前記評価する処理は、前記第２ログ情報のベクトルを前記第２光信号パスの情報に設定することを特徴とする付記８又は９に記載の光パス設定方法。
【0120】
（付記１３）前記機械学習を実行する処理は、前記第１気象情報として、雷が発生しているか否か、あるいは、地震が発生しているか否かの情報を設定し、前記評価する処理は、前記第２気象情報として、雷が発生しているか否か、あるいは、地震が発生しているか否かの情報を設定することを特徴とする付記９に記載の光パス設定方法。
【0121】
（付記１４）前記機械学習を実行する処理は、前記第１光信号パスの情報に、信号負荷率の情報を更に設定し、前記評価する処理は、前記第２光信号パスの情報に、信号負荷率の情報を更に設定することを特徴とする付記８又は９に記載の光パス設定方法。
【0122】
（付記１５）光ネットワークに含まれる光信号の始点端末から前記光信号の終点端末に至るまでに経由する複数の第１端末の特徴と、前記複数の第１端末の第１ログ情報とを含む第１光信号パスの情報を入力とし、前記第１光信号パスの通信品質を出力として機械学習モデルの機械学習を実行し、
ある端末から他の端末に至るまでに経由する複数の第２端末の特徴と、前記複数の第２端末の第２ログ情報と含む複数の第２光信号パスの情報を、前記機械学習モデルに入力し、前記複数の第２光信号パスの通信品質を評価する、
処理をコンピュータに実行させることを特徴とする光パス設定プログラム。
ある端末から他の端末に至るまでに経由する複数の第２端末の特徴と、前記複数の第２端末の第２ログ情報と含む複数の第２光信号パスの情報を、前記機械学習モデルに入力し、前記複数の第２光信号パスの通信品質を評価する、
処理をコンピュータに実行させることを特徴とする光パス設定プログラム。
【0123】
（付記１６）前記第１光信号パスの情報は、前記第１ログ情報を取得した時間帯の第１気象情報を更に含み、前記複数の第２光信号パスの情報は、前記第２ログ情報を取得した時間帯の第２気象情報を更に含むことを特徴とする付記１５に記載の光パス設定プログラム。
【0124】
（付記１７）前記評価する処理は、前記ある端末から他の端末に至るまでの経路の異なる複数の第２光信号パスの情報を生成し、前記複数の第２光信号パスをそれぞれ前記機械学習モデルに入力することで、前記複数の第２光信号パスの通信品質をそれぞれ評価することを特徴とする付記１５又は１６に記載の光パス設定プログラム。
【0125】
（付記１８）前記評価する処理の評価結果を基にして、前記複数の第２光信号パスから、一つの第２光信号パスを選択し、選択した第２光信号パスを前記光ネットワークに設定する処理を更に実行することを特徴とする付記１７に記載の光パス設定プログラム。
【0126】
（付記１９）前記第１ログ情報および前記第２ログ情報のベクトルを算出する処理を更に実行し、前記機械学習を実行する処理は、前記第１ログ情報のベクトルを前記第１光信号パスの情報に設定し、前記評価する処理は、前記第２ログ情報のベクトルを前記第２光信号パスの情報に設定することを特徴とする付記１５又は１６に記載の光パス設定プログラム。
【0127】
（付記２０）前記機械学習を実行する処理は、前記第１気象情報として、雷が発生しているか否か、あるいは、地震が発生しているか否かの情報を設定し、前記評価する処理は、前記第２気象情報として、雷が発生しているか否か、あるいは、地震が発生しているか否かの情報を設定することを特徴とする付記１６に記載の光パス設定プログラム。
【0128】
（付記２１）前記機械学習を実行する処理は、前記第１光信号パスの情報に、信号負荷率の情報を更に設定し、前記評価する処理は、前記第２光信号パスの情報に、信号負荷率の情報を更に設定することを特徴とする付記１５又は１６に記載の光パス設定プログラム。
【符号の説明】
【0129】
１００ パス設定装置
１１０ 通信部
１２０ 入力部
１３０ 表示部
１４０ 記憶部
１４１ 教師データテーブル
１４２ ネットワーク情報
１４３ ログベクトル辞書
１４４ 伝送路環境情報
１５０ 制御部
１５１ 取得部
１５２ 学習処理部
１５３ 推定処理部
１５４ 設定部
１１０ 通信部
１２０ 入力部
１３０ 表示部
１４０ 記憶部
１４１ 教師データテーブル
１４２ ネットワーク情報
１４３ ログベクトル辞書
１４４ 伝送路環境情報
１５０ 制御部
１５１ 取得部
１５２ 学習処理部
１５３ 推定処理部
１５４ 設定部
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】