特許 7313323 時系列予測システム、時系列予測方法及びコンピュータプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2023-07-13

(45)【発行日】2023-07-24

(54)【発明の名称】時系列予測システム、時系列予測方法及びコンピュータプログラム

(51)【国際特許分類】

   H04W 16/22 20090101AFI20230714BHJP

   H04W 16/14 20090101ALI20230714BHJP

   H04W 24/02 20090101ALI20230714BHJP

   H04B 17/373 20150101ALI20230714BHJP

   H04B 17/318 20150101ALI20230714BHJP

【ＦＩ】

H04W16/22

H04W16/14

H04W24/02

H04B17/373

H04B17/318

【請求項の数】 7

(21)【出願番号】P 2020144741

(22)【出願日】2020-08-28

(65)【公開番号】P2022039617

(43)【公開日】2022-03-10

【審査請求日】2022-05-31

【国等の委託研究の成果に係る記載事項】（出願人による申告）令和２年度、総務省「異システム間の周波数共用技術の高度化に関する研究開発」、産業技術力強化法第１７条の適用を受ける特許出願

(73)【特許権者】

【識別番号】599108264

【氏名又は名称】株式会社ＫＤＤＩ総合研究所

(74)【代理人】

【識別番号】100165179

【弁理士】

【氏名又は名称】田▲崎▼ 聡

(74)【代理人】

【識別番号】100175824

【弁理士】

【氏名又は名称】小林 淳一

(74)【代理人】

【識別番号】100114937

【弁理士】

【氏名又は名称】松本 裕幸

(72)【発明者】

【氏名】長尾 竜也

【審査官】田部井 和彦

(56)【参考文献】

【文献】特開２０１４－２４１５６０（ＪＰ，Ａ）

【文献】米国特許出願公開第２０２０／０１２８４７３（ＵＳ，Ａ１）

【文献】特開平０７－２５３４４６（ＪＰ，Ａ）

【文献】特開２０１６－０４２６６６（ＪＰ，Ａ）

【文献】米国特許出願公開第２０１４／０１１２１７９（ＵＳ，Ａ１）

【文献】国際公開第２０１２／１６９４００（ＷＯ，Ａ１）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｈ０４Ｗ ４／００－９９／００

Ｈ０４Ｂ １７／３７３

Ｈ０４Ｂ １７／３１８

ＤＢ名 ３ＧＰＰ ＴＳＧ ＲＡＮ ＷＧ１－４

ＳＡ ＷＧ１－４

ＣＴ ＷＧ１、４

(57)【特許請求の範囲】

【請求項1】

第１無線周波数の電波状態を表す第１電波状態情報と、前記第１無線周波数とは異なる第２無線周波数の電波状態を表す第２電波状態情報とが各観測区域で観測された観測値を取得する観測データ取得部と、
前記観測区域から取得される前記第２電波状態情報の観測値から当該第２電波状態情報の当該観測区域と同じ観測区域において前記第１電波状態情報の推定値を出力する推定モデルを、前記観測データ取得部が取得した前記第１電波状態情報の観測値及び前記第２電波状態情報の観測値に基づいて生成する推定モデル生成部と、
前記第１電波状態情報の推定区域の推定時刻の前記第１電波状態情報の推定値を、前記観測データ取得部が取得した当該推定区域の当該推定時刻の前記第２電波状態情報の観測値から前記推定モデルを使用して取得する電波状態情報推定部と、
前記推定区域の前記第１電波状態情報の推定値の時系列データに基づいて、前記推定区域の将来の前記第１電波状態情報の予測値を算出する時系列予測部と、
を備える時系列予測システム。

【請求項2】

第１無線周波数の電波状態を表す第１電波状態情報と、前記第１無線周波数とは異なる第２無線周波数の電波状態を表す第２電波状態情報とが各観測区域で観測された観測値を取得する観測データ取得部と、
前記観測区域の前記第１電波状態情報の観測値の時系列データに基づいて前記観測区域の将来の前記第１電波状態情報の予測値を算出し、前記観測区域の前記第２電波状態情報の観測値の時系列データに基づいて前記観測区域の将来の前記第２電波状態情報の予測値を算出する時系列予測部と、
前記観測区域の将来の前記第２電波状態情報の予測値から当該第２電波状態情報の当該観測区域と同じ観測区域において将来の前記第１電波状態情報の予測値を出力する推定モデルを、前記時系列予測部が算出した前記第１電波状態情報の予測値及び前記第２電波状態情報の予測値に基づいて生成する推定モデル生成部と、
前記第１電波状態情報の推定区域の将来の前記第１電波状態情報の予測値を、前記時系列予測部が算出した当該推定区域の将来の前記第２電波状態情報の予測値から前記推定モデルを使用して取得する電波状態情報予測推定部と、
を備える時系列予測システム。

【請求項3】

前記推定モデルは、複数の観測区域がクラスタリングされた結果のクラスタ区域ごとに生成される、
請求項１又は２のいずれか１項に記載の時系列予測システム。

【請求項4】

第１無線周波数の電波状態を表す第１電波状態情報と、前記第１無線周波数とは異なる第２無線周波数の電波状態を表す第２電波状態情報とが各観測区域で観測された観測値を取得する観測データ取得ステップと、
前記観測区域から取得される前記第２電波状態情報の観測値から当該第２電波状態情報の当該観測区域と同じ観測区域において前記第１電波状態情報の推定値を出力する推定モデルを、前記観測データ取得ステップで取得した前記第１電波状態情報の観測値及び前記第２電波状態情報の観測値に基づいて生成する推定モデル生成ステップと、
前記第１電波状態情報の推定区域の推定時刻の前記第１電波状態情報の推定値を、前記観測データ取得ステップで取得した当該推定区域の当該推定時刻の前記第２電波状態情報の観測値から前記推定モデルを使用して取得する電波状態情報推定ステップと、
前記推定区域の前記第１電波状態情報の推定値の時系列データに基づいて、前記推定区域の将来の前記第１電波状態情報の予測値を算出する時系列予測ステップと、
を含む時系列予測方法。

【請求項5】

第１無線周波数の電波状態を表す第１電波状態情報と、前記第１無線周波数とは異なる第２無線周波数の電波状態を表す第２電波状態情報とが各観測区域で観測された観測値を取得する観測データ取得ステップと、
前記観測区域の前記第１電波状態情報の観測値の時系列データに基づいて前記観測区域の将来の前記第１電波状態情報の予測値を算出し、前記観測区域の前記第２電波状態情報の観測値の時系列データに基づいて前記観測区域の将来の前記第２電波状態情報の予測値を算出する時系列予測ステップと、
前記観測区域の将来の前記第２電波状態情報の予測値から当該第２電波状態情報の当該観測区域と同じ観測区域において将来の前記第１電波状態情報の予測値を出力する推定モデルを、前記時系列予測ステップで算出した前記第１電波状態情報の予測値及び前記第２電波状態情報の予測値に基づいて生成する推定モデル生成ステップと、
前記第１電波状態情報の推定区域の将来の前記第１電波状態情報の予測値を、前記時系列予測ステップで算出した当該推定区域の将来の前記第２電波状態情報の予測値から前記推定モデルを使用して取得する電波状態情報予測推定ステップと、
を含む時系列予測方法。

【請求項6】

コンピュータに、
第１無線周波数の電波状態を表す第１電波状態情報と、前記第１無線周波数とは異なる第２無線周波数の電波状態を表す第２電波状態情報とが各観測区域で観測された観測値を取得する観測データ取得ステップと、
前記観測区域から取得される前記第２電波状態情報の観測値から当該第２電波状態情報の当該観測区域と同じ観測区域において前記第１電波状態情報の推定値を出力する推定モデルを、前記観測データ取得ステップで取得した前記第１電波状態情報の観測値及び前記第２電波状態情報の観測値に基づいて生成する推定モデル生成ステップと、
前記第１電波状態情報の推定区域の推定時刻の前記第１電波状態情報の推定値を、前記観測データ取得ステップで取得した当該推定区域の当該推定時刻の前記第２電波状態情報の観測値から前記推定モデルを使用して取得する電波状態情報推定ステップと、
前記推定区域の前記第１電波状態情報の推定値の時系列データに基づいて、前記推定区域の将来の前記第１電波状態情報の予測値を算出する時系列予測ステップと、
を実行させるためのコンピュータプログラム。

【請求項7】

コンピュータに、
第１無線周波数の電波状態を表す第１電波状態情報と、前記第１無線周波数とは異なる第２無線周波数の電波状態を表す第２電波状態情報とが各観測区域で観測された観測値を取得する観測データ取得ステップと、
前記観測区域の前記第１電波状態情報の観測値の時系列データに基づいて前記観測区域の将来の前記第１電波状態情報の予測値を算出し、前記観測区域の前記第２電波状態情報の観測値の時系列データに基づいて前記観測区域の将来の前記第２電波状態情報の予測値を算出する時系列予測ステップと、
前記観測区域の将来の前記第２電波状態情報の予測値から当該第２電波状態情報の当該観測区域と同じ観測区域において将来の前記第１電波状態情報の予測値を出力する推定モデルを、前記時系列予測ステップで算出した前記第１電波状態情報の予測値及び前記第２電波状態情報の予測値に基づいて生成する推定モデル生成ステップと、
前記第１電波状態情報の推定区域の将来の前記第１電波状態情報の予測値を、前記時系列予測ステップで算出した当該推定区域の将来の前記第２電波状態情報の予測値から前記推定モデルを使用して取得する電波状態情報予測推定ステップと、
を実行させるためのコンピュータプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、時系列予測システム、時系列予測方法及びコンピュータプログラムに関する。

【背景技術】

【0002】

近年、異なる複数の無線通信システムが同じ周波数帯を共用することが検討されている。例えば、既存の無線通信システム（１次事業者システム）に割り当てられている周波数帯（共用周波数帯）を他の無線通信システム（２次事業者システム）が二次的に利用することが検討されている。この異システム間の周波数共用においては、１次事業者システムの運用に支障をきたさないように、２次事業者システムが共用周波数帯を利用可能な時間や場所等には制約が生じる。このため、２次事業者システムの投資判断や利用計画策定等の観点から、１次事業者システムの共用周波数帯の利用状況の将来予測ができることが望ましい。

【0003】

特許文献１には、無線チャネルのビジー状態およびアイドル状態の時系列データから確率的ニューラルネットワークを使用して無線チャネルのビジー状態およびアイドル状態の時系列データの将来のデータを予測する技術が記載されている。

【先行技術文献】

【特許文献】

【0004】

【文献】特開２０１９－１０１７９２号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

しかし、上述した特許文献１に記載の技術では、無線チャネルのビジー状態およびアイドル状態の時系列データを観測することができない場所に対しては、無線チャネルのビジー状態およびアイドル状態の時系列データの将来のデータを予測することができない。

【0006】

本発明は、このような事情を考慮してなされたものであり、その目的は、特定の無線周波数の利用状況を予測する際に、予測の基になる観測データが得られない場所に対しても予測を行うことを図ることにある。

【課題を解決するための手段】

【0007】

（１）本発明の一態様は、第１無線周波数の電波状態を表す第１電波状態情報と、前記第１無線周波数とは異なる第２無線周波数の電波状態を表す第２電波状態情報とが各観測区域で観測された観測値を取得する観測データ取得部と、前記観測区域から取得される前記第２電波状態情報の観測値から当該第２電波状態情報の当該観測区域と同じ観測区域において前記第１電波状態情報の推定値を出力する推定モデルを、前記観測データ取得部が取得した前記第１電波状態情報の観測値及び前記第２電波状態情報の観測値に基づいて生成する推定モデル生成部と、前記第１電波状態情報の推定区域の推定時刻の前記第１電波状態情報の推定値を、前記観測データ取得部が取得した当該推定区域の当該推定時刻の前記第２電波状態情報の観測値から前記推定モデルを使用して取得する電波状態情報推定部と、前記推定区域の前記第１電波状態情報の推定値の時系列データに基づいて、前記推定区域の将来の前記第１電波状態情報の予測値を算出する時系列予測部と、を備える時系列予測システムである。
（２）本発明の一態様は、第１無線周波数の電波状態を表す第１電波状態情報と、前記第１無線周波数とは異なる第２無線周波数の電波状態を表す第２電波状態情報とが各観測区域で観測された観測値を取得する観測データ取得部と、前記観測区域の前記第１電波状態情報の観測値の時系列データに基づいて前記観測区域の将来の前記第１電波状態情報の予測値を算出し、前記観測区域の前記第２電波状態情報の観測値の時系列データに基づいて前記観測区域の将来の前記第２電波状態情報の予測値を算出する時系列予測部と、前記観測区域の将来の前記第２電波状態情報の予測値から当該第２電波状態情報の当該観測区域と同じ観測区域において将来の前記第１電波状態情報の予測値を出力する推定モデルを、前記時系列予測部が算出した前記第１電波状態情報の予測値及び前記第２電波状態情報の予測値に基づいて生成する推定モデル生成部と、前記第１電波状態情報の推定区域の将来の前記第１電波状態情報の予測値を、前記時系列予測部が算出した当該推定区域の将来の前記第２電波状態情報の予測値から前記推定モデルを使用して取得する電波状態情報予測推定部と、を備える時系列予測システムである。
（３）本発明の一態様は、前記推定モデルは、複数の観測区域がクラスタリングされた結果のクラスタ区域ごとに生成される、上記の時系列予測システムである。

【0008】

（４）本発明の一態様は、第１無線周波数の電波状態を表す第１電波状態情報と、前記第１無線周波数とは異なる第２無線周波数の電波状態を表す第２電波状態情報とが各観測区域で観測された観測値を取得する観測データ取得ステップと、前記観測区域から取得される前記第２電波状態情報の観測値から当該第２電波状態情報の当該観測区域と同じ観測区域において前記第１電波状態情報の推定値を出力する推定モデルを、前記観測データ取得ステップで取得した前記第１電波状態情報の観測値及び前記第２電波状態情報の観測値に基づいて生成する推定モデル生成ステップと、前記第１電波状態情報の推定区域の推定時刻の前記第１電波状態情報の推定値を、前記観測データ取得ステップで取得した当該推定区域の当該推定時刻の前記第２電波状態情報の観測値から前記推定モデルを使用して取得する電波状態情報推定ステップと、前記推定区域の前記第１電波状態情報の推定値の時系列データに基づいて、前記推定区域の将来の前記第１電波状態情報の予測値を算出する時系列予測ステップと、を含む時系列予測方法である。
（５）本発明の一態様は、第１無線周波数の電波状態を表す第１電波状態情報と、前記第１無線周波数とは異なる第２無線周波数の電波状態を表す第２電波状態情報とが各観測区域で観測された観測値を取得する観測データ取得ステップと、前記観測区域の前記第１電波状態情報の観測値の時系列データに基づいて前記観測区域の将来の前記第１電波状態情報の予測値を算出し、前記観測区域の前記第２電波状態情報の観測値の時系列データに基づいて前記観測区域の将来の前記第２電波状態情報の予測値を算出する時系列予測ステップと、前記観測区域の将来の前記第２電波状態情報の予測値から当該第２電波状態情報の当該観測区域と同じ観測区域において将来の前記第１電波状態情報の予測値を出力する推定モデルを、前記時系列予測ステップで算出した前記第１電波状態情報の予測値及び前記第２電波状態情報の予測値に基づいて生成する推定モデル生成ステップと、前記第１電波状態情報の推定区域の将来の前記第１電波状態情報の予測値を、前記時系列予測ステップで算出した当該推定区域の将来の前記第２電波状態情報の予測値から前記推定モデルを使用して取得する電波状態情報予測推定ステップと、を含む時系列予測方法である。

【0009】

（６）本発明の一態様は、コンピュータに、第１無線周波数の電波状態を表す第１電波状態情報と、前記第１無線周波数とは異なる第２無線周波数の電波状態を表す第２電波状態情報とが各観測区域で観測された観測値を取得する観測データ取得ステップと、前記観測区域から取得される前記第２電波状態情報の観測値から当該第２電波状態情報の当該観測区域と同じ観測区域において前記第１電波状態情報の推定値を出力する推定モデルを、前記観測データ取得ステップで取得した前記第１電波状態情報の観測値及び前記第２電波状態情報の観測値に基づいて生成する推定モデル生成ステップと、前記第１電波状態情報の推定区域の推定時刻の前記第１電波状態情報の推定値を、前記観測データ取得ステップで取得した当該推定区域の当該推定時刻の前記第２電波状態情報の観測値から前記推定モデルを使用して取得する電波状態情報推定ステップと、前記推定区域の前記第１電波状態情報の推定値の時系列データに基づいて、前記推定区域の将来の前記第１電波状態情報の予測値を算出する時系列予測ステップと、を実行させるためのコンピュータプログラムである。
（７）本発明の一態様は、コンピュータに、第１無線周波数の電波状態を表す第１電波状態情報と、前記第１無線周波数とは異なる第２無線周波数の電波状態を表す第２電波状態情報とが各観測区域で観測された観測値を取得する観測データ取得ステップと、前記観測区域の前記第１電波状態情報の観測値の時系列データに基づいて前記観測区域の将来の前記第１電波状態情報の予測値を算出し、前記観測区域の前記第２電波状態情報の観測値の時系列データに基づいて前記観測区域の将来の前記第２電波状態情報の予測値を算出する時系列予測ステップと、前記観測区域の将来の前記第２電波状態情報の予測値から当該第２電波状態情報の当該観測区域と同じ観測区域において将来の前記第１電波状態情報の予測値を出力する推定モデルを、前記時系列予測ステップで算出した前記第１電波状態情報の予測値及び前記第２電波状態情報の予測値に基づいて生成する推定モデル生成ステップと、前記第１電波状態情報の推定区域の将来の前記第１電波状態情報の予測値を、前記時系列予測ステップで算出した当該推定区域の将来の前記第２電波状態情報の予測値から前記推定モデルを使用して取得する電波状態情報予測推定ステップと、を実行させるためのコンピュータプログラムである。

【発明の効果】

【0010】

本発明によれば、特定の無線周波数の利用状況を予測する際に、予測の基になる観測データが得られない場所に対しても予測を行うことができるという効果が得られる。

【図面の簡単な説明】

【0011】

【図1】第１実施形態に係る時系列予測システムの構成例を示すブロック図である。

【図2】実施形態に係る観測区域の例を示す説明図である。

【図3】第１実施形態に係る時系列予測方法の手順を説明するための説明図である。

【図4】第２実施形態に係る時系列予測システムの構成例を示すブロック図である。

【図5】第２実施形態に係る時系列予測方法の手順を説明するための説明図である。

【図6】第３実施形態に係る時系列予測システムの構成例を示すブロック図である。

【図7】第３実施形態に係る時系列予測方法の手順を説明するための説明図である。

【発明を実施するための形態】

【0012】

以下、図面を参照し、本発明の実施形態について説明する。

【0013】

［第１実施形態］
図１は、第１実施形態に係る時系列予測システムの構成例を示すブロック図である。図１において、時系列予測システム１は、観測データ取得部１１と、推定モデル生成部１２と、電波状態情報推定部１３と、時系列予測部１４とを備える。

【0014】

時系列予測システム１の各機能は、時系列予測システム１がＣＰＵ（Central Processing Unit：中央演算処理装置）及びメモリ等のコンピュータハードウェアを備え、ＣＰＵがメモリに格納されたコンピュータプログラムを実行することにより実現される。なお、時系列予測システム１として、汎用のコンピュータ装置を使用して構成してもよく、又は、専用のハードウェア装置として構成してもよい。例えば、時系列予測システム１は、インターネット等の通信ネットワークに接続されるサーバコンピュータを使用して構成されてもよい。また、時系列予測システム１の各機能はクラウドコンピューティングにより実現されてもよい。また、時系列予測システム１は、単独のコンピュータにより実現するものであってもよく、又は時系列予測システム１の機能を複数のコンピュータに分散させて実現するものであってもよい。

【0015】

本実施形態では、特定の無線周波数として、第１無線周波数である周波数ｆ１と、第２無線周波数である周波数ｆ２とを利用する。周波数ｆ１と周波数ｆ２とは異なる無線周波数である。周波数ｆ１と周波数ｆ２とは、電波伝搬特性が類似することが好ましい。

【0016】

観測データ取得部１１は、周波数ｆ１（第１無線周波数）の電波状態を表す電波状態情報（第１電波状態情報）と、周波数ｆ１（第１無線周波数）とは異なる周波数ｆ２（第２無線周波数）の電波状態を表す電波状態情報（第２電波状態情報）とが各観測区域で観測された観測値を取得する。

【0017】

図２には、周波数ｆ１の観測区域と周波数ｆ２の観測区域との例が示されている。図２には、２５個の区域において、周波数ｆ１の観測区域の例として観測区域Ｐｆ１－１，Ｐｆ１－１５，Ｐｆ１－２２が示される。周波数ｆ１の各観測区域には、周波数ｆ１の電波状態情報を観測する電波センサー等が設置されている。

【0018】

また、図２には、２５個の区域において、周波数ｆ２の観測区域の例として観測区域Ｐｆ２－４，Ｐｆ２－１５が示される。周波数ｆ２の各観測区域には、周波数ｆ２の電波状態情報を観測する電波センサー等が設置されている。周波数ｆ２は、例えば広域無線通信システムが利用する無線周波数であって、例えば図２の全ての区域で観測される。

【0019】

電波状態情報は、例えば受信電力である。この場合、周波数ｆ１の各観測区域には、周波数ｆ１の受信電力を観測する電波センサーが設置される。また、周波数ｆ２の各観測区域には、周波数ｆ２の受信電力を観測する電波センサーが設置される。

【0020】

区域Ｐ－１，Ｐ－１５，Ｐ－２２は、周波数ｆ１の観測区域であり且つ周波数ｆ２の観測区域である。区域Ｐ－４は、周波数ｆ１の観測データが得られない区域（非観測区域）であるが、周波数ｆ２の観測区域である。周波数ｆ１の非観測区域には、周波数ｆ１の電波状態情報を観測する電波センサー等が設置されていない。したがって、観測データ取得部１１は、区域Ｐ－４等の周波数ｆ１の非観測区域については、周波数ｆ１の電波状態情報（例えば受信電力）の観測値を取得することができない。

【0021】

観測データ取得部１１は、周波数ｆ１の各観測区域Ｐｆ１－１，Ｐｆ１－１５，Ｐｆ１－２２，・・・で観測された周波数ｆ１の電波状態情報の観測値Ａ－Ｐｆ１－１，Ａ－Ｐｆ１－１５，Ａ－Ｐｆ１－２２，・・・と、周波数ｆ２の各観測区域Ｐｆ２－１，Ｐｆ２－４，Ｐｆ２－１５，Ｐｆ２－２２，・・・で観測された周波数ｆ２の電波状態情報の観測値Ａ－Ｐｆ２－１，Ａ－Ｐｆ２－４，Ａ－Ｐｆ２－１５，Ａ－Ｐｆ２－２２，・・・とを取得する。

【0022】

推定モデル生成部１２は、推定モデルＣを生成する。推定モデルＣは、周波数ｆ２の観測区域から取得される周波数ｆ２の電波状態情報の観測値から周波数ｆ１の電波状態情報の推定値を出力するモデルである。推定モデル生成部１２には、周波数ｆ１の観測区域であり且つ周波数ｆ２の観測区域である区域で観測された周波数ｆ１の電波状態情報の観測値Ｂ及び周波数ｆ２の電波状態情報の観測値Ｂが観測データ取得部１１から入力される。推定モデル生成部１２は、観測データ取得部１１から入力された周波数ｆ１の電波状態情報の観測値Ｂ及び周波数ｆ２の電波状態情報の観測値Ｂに基づいて推定モデルＣを生成する。

【0023】

推定モデルＣの生成方法の一例として、推定モデル生成部１２は、機械学習モデルを使用して推定モデルＣを生成する。機械学習モデルは、例えばニューラルネットワークである。推定モデル生成部１２は、周波数ｆ１の電波状態情報の観測値Ｂと周波数ｆ２の電波状態情報の観測値Ｂとを使用して、機械学習モデル（例えばニューラルネットワーク）の機械学習を行う。この機械学習は、周波数ｆ１と周波数ｆ２との間における電波状態情報の変動パターンの関係性を学習するものである。この機械学習により、推定モデルＣは、周波数ｆ２の電波状態情報の観測値の時系列データから周波数ｆ１の電波状態情報の推定値の時系列データを出力するように、構成される。

【0024】

推定モデルＣによれば、図２において周波数ｆ１の非観測区域であり且つ周波数ｆ２の観測区域である例えば区域Ｐ－４に対して、区域Ｐ－４から取得される周波数ｆ２の電波状態情報の観測値から区域Ｐ－４の周波数ｆ１の電波状態情報の推定値を得ることができる。

【0025】

電波状態情報推定部１３は、観測データ取得部１１が取得した周波数ｆ２の観測値Ｂから、推定モデル生成部１２が生成した推定モデルＣを使用して、周波数ｆ１の非観測区域（推定区域）の周波数ｆ１の電波状態情報の推定値Ｄを取得する。より具体的には、電波状態情報推定部１３は、周波数ｆ１の非観測区域であり且つ周波数ｆ２の観測区域である周波数ｆ１の推定区域に対して、観測データ取得部１１が取得した当該推定区域の推定時刻の周波数ｆ２の観測値Ｂから、推定モデルＣを使用して、当該推定区域の当該推定時刻の周波数ｆ１の電波状態情報の推定値Ｄを取得する。例えば、電波状態情報推定部１３は、図２において周波数ｆ１の非観測区域であり且つ周波数ｆ２の観測区域である区域Ｐ－４に対して、区域Ｐ－４から取得された推定時刻ｔの周波数ｆ２の電波状態情報の観測値Ｂから、推定モデルＣを使用して、区域Ｐ－４の推定時刻ｔの周波数ｆ１の電波状態情報の推定値Ｄを取得する。

【0026】

時系列予測部１４は、周波数ｆ１の電波状態情報の時系列データに基づいて、周波数ｆ１の将来の電波状態情報の予測値Ｅを算出する。また、時系列予測部１４は、周波数ｆ２の電波状態情報の時系列データに基づいて、周波数ｆ２の将来の電波状態情報の予測値Ｅを算出する。

【0027】

時系列予測部１４は、周波数ｆ１の観測区域であり且つ周波数ｆ２の観測区域である例えば図２の区域Ｐ－１に対して、観測データ取得部１１が取得した区域Ｐ－１の周波数ｆ１の電波状態情報の観測値Ｂの時系列データに基づいて、区域Ｐ－１の周波数ｆ１の将来の電波状態情報の予測値Ｅを算出する。また、時系列予測部１４は、当該区域Ｐ－１に対して、観測データ取得部１１が取得した区域Ｐ－１の周波数ｆ２の電波状態情報の観測値Ｂの時系列データに基づいて、区域Ｐ－１の周波数ｆ２の将来の電波状態情報の予測値Ｅを算出する。

【0028】

時系列予測部１４は、周波数ｆ１の非観測区域であり且つ周波数ｆ２の観測区域である例えば図２の区域Ｐ－４に対して、電波状態情報推定部１３が取得した区域Ｐ－４（推定区域）の周波数ｆ１の電波状態情報の推定値Ｄの時系列データに基づいて、区域Ｐ－４（推定区域）の周波数ｆ１の将来の電波状態情報の予測値Ｅを算出する。また、時系列予測部１４は、当該区域Ｐ－４に対して、観測データ取得部１１が取得した区域Ｐ－４の周波数ｆ２の電波状態情報の観測値Ｂの時系列データに基づいて、区域Ｐ－４の周波数ｆ２の将来の電波状態情報の予測値Ｅを算出する。

【0029】

時系列予測部１４においては、時系列予測方法として例えばＬＳＴＭ（Long Short Term Memory）やＧＲＵ（Gated Recurrent Unit）を利用する。

【0030】

次に図３を参照して本実施形態に係る時系列予測方法を説明する。図３は、第１実施形態に係る時系列予測方法の手順を説明するための説明図である。以下、図２の周波数ｆ１の観測区域Ｐｆ１－１，Ｐｆ１－１５，Ｐｆ１－２２，・・・、周波数ｆ２の観測区域Ｐｆ２－４，Ｐｆ２－１５，・・・及び周波数ｆ１の非観測区域（推定区域）Ｐ－４を例に挙げて説明する。またここでは、電波状態情報として受信電力を例に挙げて説明する。

【0031】

（ステップＳ１） 観測データ取得部１１は、周波数ｆ１の観測区域であり且つ周波数ｆ２の観測区域である区域Ｐ－１，Ｐ－１５，Ｐ－２２，・・・に関して、周波数ｆ１の各観測区域Ｐｆ１－１，Ｐｆ１－１５，Ｐｆ１－２２，・・・で観測された周波数ｆ１の電波状態情報（受信電力）の観測値Ａ－Ｐｆ１－１，Ａ－Ｐｆ１－１５，Ａ－Ｐｆ１－２２，・・・と、周波数ｆ２の各観測区域Ｐｆ２－１，Ｐｆ２－１５，Ｐｆ２－２２，・・・で観測された周波数ｆ２の電波状態情報（受信電力）の観測値Ａ－Ｐｆ２－１，Ａ－Ｐｆ２－１５，Ａ－Ｐｆ２－２２，・・・とを、一定の周期で取得する。これにより、周波数ｆ１の観測区域であり且つ周波数ｆ２の観測区域である区域Ｐ－１，Ｐ－１５，Ｐ－２２，・・・の周波数ｆ１の電波状態情報（受信電力）の観測値Ｂの時系列データと、周波数ｆ２の電波状態情報（受信電力）の観測値Ｂの時系列データとが取得される。

【0032】

（ステップＳ２） ステップＳ２は、周波数ｆ１の観測区域であり且つ周波数ｆ２の観測区域である区域Ｐ－１，Ｐ－１５，Ｐ－２２，・・・に対する時系列予測処理である。時系列予測部１４は、周波数ｆ１の観測区域Ｐｆ１－１，Ｐｆ１－１５，Ｐｆ１－２２，・・・ごとに、観測データ取得部１１が取得した各観測区域Ｐｆ１－１，Ｐｆ１－１５，Ｐｆ１－２２，・・・の周波数ｆ１の電波状態情報（受信電力）の観測値Ｂの時系列データに基づいて、各観測区域Ｐｆ１－１，Ｐｆ１－１５，Ｐｆ１－２２，・・・の周波数ｆ１の将来の電波状態情報（受信電力）の予測値Ｅを算出する。また、時系列予測部１４は、周波数ｆ２の観測区域Ｐｆ２－１，Ｐｆ２－１５，Ｐｆ２－２２，・・・ごとに、観測データ取得部１１が取得した各観測区域Ｐｆ２－１，Ｐｆ２－１５，Ｐｆ２－２２，・・・の周波数ｆ２の電波状態情報（受信電力）の観測値Ｂの時系列データに基づいて、各観測区域Ｐｆ２－１，Ｐｆ２－１５，Ｐｆ２－２２，・・・の周波数ｆ２の将来の電波状態情報（受信電力）の予測値Ｅを算出する。

【0033】

（ステップＳ１０） 推定モデル生成部１２は、周波数ｆ１の観測区域であり且つ周波数ｆ２の観測区域である区域Ｐ－１，Ｐ－１５，Ｐ－２２，・・・の周波数ｆ１の電波状態情報（受信電力）の観測値Ｂの時系列データと、周波数ｆ２の電波状態情報（受信電力）の観測値Ｂの時系列データとに基づいて、周波数ｆ１の非観測区域（推定区域）Ｐ－４を含むモデル生成対象区域の推定モデルＣを生成する。推定モデルＣの生成に使用される時系列データは、全ての観測区域の時系列データであってもよく、又は一部の観測区域の時系列データであってもよい。

【0034】

（ステップＳ２０） 観測データ取得部１１は、周波数ｆ１の非観測区域であり且つ周波数ｆ２の観測区域である区域Ｐ－４（観測区域Ｐｆ２－４）で観測された周波数ｆ２の電波状態情報（受信電力）の観測値Ａ－Ｐｆ２－４を、一定の周期で取得する。これにより、周波数ｆ１の非観測区域であり且つ周波数ｆ２の観測区域である区域Ｐ－４の周波数ｆ２の電波状態情報（受信電力）の観測値Ｂの時系列データとが取得される。

【0035】

（ステップＳ２１） 電波状態情報推定部１３は、周波数ｆ１の非観測区域（推定区域）Ｐ－４の周波数ｆ２の電波状態情報（受信電力）の観測値Ｂの時系列データから、ステップＳ１０で生成された推定モデルＣを使用して、当該推定区域Ｐ－４の周波数ｆ１の電波状態情報（受信電力）の推定値Ｄの時系列データを取得する。

【0036】

なお、推定モデルＣは、必要に応じて更新されるものであってもよい。この場合、推定モデルＣが新たに更新されるまでは更新前の推定モデルＣが継続して使用される。例えば、モデル生成対象区域の電波伝搬特性に一定以上の変化が生じる場合に、当該モデル生成対象区域の推定モデルＣが更新される。

【0037】

また、特定の期間においてモデル生成対象区域の電波伝搬特性に一定以上の変化が生じる場合に、当該特定の期間用のモデル生成対象区域の推定モデルＣが生成されてもよい。例えば平日と週末とでモデル生成対象区域の電波伝搬特性に一定以上の変化が生じる場合、平日用のモデル生成対象区域の推定モデルＣと週末用のモデル生成対象区域の推定モデルＣとがそれぞれ生成されてもよい。

【0038】

（ステップＳ２２） ステップＳ２２は、周波数ｆ１の非観測区域（推定区域）であり且つ周波数ｆ２の観測区域である区域Ｐ－４に対する時系列予測処理である。時系列予測部１４は、周波数ｆ１の非観測区域（推定区域）である区域Ｐ－４に対して、電波状態情報推定部１３が取得した区域Ｐ－４の周波数ｆ１の電波状態情報（受信電力）の推定値Ｄの時系列データに基づいて、区域Ｐ－４の周波数ｆ１の将来の電波状態情報（受信電力）の予測値Ｅを算出する。また、時系列予測部１４は、周波数ｆ２の観測区域である区域Ｐ－４に対して、観測データ取得部１１が取得した区域Ｐ－４の周波数ｆ２の電波状態情報（受信電力）の観測値Ｂの時系列データに基づいて、区域Ｐ－４の周波数ｆ２の将来の電波状態情報（受信電力）の予測値Ｅを算出する。

【0039】

周波数ｆ１の受信電力は、周波数ｆ１の利用状況を示す情報であって、周波数ｆ１の無線チャネルの使用の有無を示す情報として利用される。無線チャネルの使用の有無の判定方法として、例えば、ある区域の周波数ｆ１の受信電力が所定の閾値以上である場合に当該区域の周波数ｆ１の無線チャネルの使用ありと判定し、そうではない場合に当該区域の周波数ｆ１の無線チャネルの使用なしと判定することが挙げられる。したがって、各区域の周波数ｆ１の将来の電波状態情報（受信電力）の予測値Ｅは、各区域の周波数ｆ１の無線チャネルの将来の使用の有無を予測するための情報になる。

【0040】

本実施形態によれば、周波数ｆ１の観測データが得られる観測区域だけではなく、周波数ｆ１の観測データが得られない非観測区域に対しても、周波数ｆ１の将来の電波状態情報（受信電力）の予測値Ｅを求めることができる。これにより、周波数ｆ１の利用状況を予測する際に、予測の基になる観測データが得られない場所（周波数ｆ１の非観測区域）に対しても予測を行うことができるという効果が得られる。

【0041】

［第２実施形態］
図４は、第２実施形態に係る時系列予測システムの構成例を示すブロック図である。図４において図１の各部に対応する部分には同一の符号を付け、その説明を省略する。

【0042】

図４に示される時系列予測システム１ａでは、まず時系列予測部１４が各観測区域に対して、周波数ｆ１の電波状態情報の観測値Ｂから周波数ｆ１の将来の電波状態情報の予測値Ｅを算出し、周波数ｆ２の電波状態情報の観測値Ｂから周波数ｆ２の将来の電波状態情報の予測値Ｅを算出する。次いで、推定モデル生成部１２ａが周波数ｆ１の将来の電波状態情報の予測値Ｅと周波数ｆ２の将来の電波状態情報の予測値Ｅとに基づいて推定モデルＣａを生成する。この推定モデルＣａは、周波数ｆ１の推定区域の周波数ｆ２の将来の電波状態情報の予測値Ｅから、当該推定区域の周波数ｆ１の将来の電波状態情報の予測値Ｅａを出力するモデルである。次いで、電波状態情報予測推定部３０が、周波数ｆ１の非観測区域（推定区域）であり且つ周波数ｆ２の観測区域である区域に対して、当該区域の周波数ｆ２の将来の電波状態情報の予測値Ｅから、推定モデルＣａを使用して、当該区域の周波数ｆ１の将来の電波状態情報の予測値Ｅａを取得する。

【0043】

推定モデル生成部１２ａは、推定モデルＣａを生成する。推定モデルＣａは、周波数ｆ２の観測区域の将来の電波状態情報の予測値から周波数ｆ１の将来の電波状態情報の予測値を出力するモデルである。推定モデル生成部１２ａには、周波数ｆ１の観測区域であり且つ周波数ｆ２の観測区域である区域の周波数ｆ１の電波状態情報の予測値Ｅ及び周波数ｆ２の電波状態情報の予測値Ｅが時系列予測部１４から入力される。推定モデル生成部１２ａは、時系列予測部１４から入力された周波数ｆ１の電波状態情報の予測値Ｅ及び周波数ｆ２の電波状態情報の予測値Ｅに基づいて推定モデルＣａを生成する。

【0044】

電波状態情報予測推定部３０は、周波数ｆ１の非観測区域（推定区域）であり且つ周波数ｆ２の観測区域である区域に対して、時系列予測部１４が算出した当該区域の周波数ｆ２の将来の電波状態情報の予測値Ｅから、推定モデルＣａを使用して、当該区域の周波数ｆ１の将来の電波状態情報の予測値Ｅａを取得する。例えば、電波状態情報予測推定部３０は、図２において周波数ｆ１の非観測区域であり且つ周波数ｆ２の観測区域である区域Ｐ－４に対して、時系列予測部１４が算出した区域Ｐ－４の周波数ｆ２の将来の電波状態情報の予測値Ｅから、推定モデルＣａを使用して、区域Ｐ－４の周波数ｆ１の将来の電波状態情報の予測値Ｅａを取得する。

【0045】

次に図５を参照して本実施形態に係る時系列予測方法を説明する。図５は、第２実施形態に係る時系列予測方法の手順を説明するための説明図である。図５において図３の各ステップに対応する部分には同一の符号を付け、その説明を省略する。

【0046】

ここでは、図２の周波数ｆ１の観測区域Ｐｆ１－１，Ｐｆ１－１５，Ｐｆ１－２２，・・・、周波数ｆ２の観測区域Ｐｆ２－４，Ｐｆ２－１５，・・・及び周波数ｆ１の非観測区域（推定区域）Ｐ－４を例に挙げて説明する。またここでは、電波状態情報として受信電力を例に挙げて説明する。

【0047】

ステップＳ１，Ｓ２は、上述した第１実施形態と同じである。

【0048】

（ステップＳ１０ａ） 推定モデル生成部１２ａは、周波数ｆ１の観測区域であり且つ周波数ｆ２の観測区域である区域Ｐ－１，Ｐ－１５，Ｐ－２２，・・・の周波数ｆ１の将来の電波状態情報（受信電力）の予測値Ｅと周波数ｆ２の将来の電波状態情報（受信電力）の予測値Ｅとに基づいて推定モデルＣａを生成する。推定モデルＣａの生成に使用される予測値Ｅは、全ての観測区域の予測値Ｅであってもよく、又は一部の観測区域の予測値Ｅであってもよい。

【0049】

ステップＳ２０，Ｓ２２は、上述した第１実施形態と同じである。但し、本実施形態のステップＳ２２では、周波数ｆ１の非観測区域（推定区域）であり且つ周波数ｆ２の観測区域である区域Ｐ－４に対して、区域Ｐ－４の周波数ｆ２の将来の電波状態情報（受信電力）の予測値Ｅのみを算出する。

【0050】

（ステップＳ３０） 電波状態情報予測推定部３０は、周波数ｆ１の非観測区域（推定区域）Ｐ－４の周波数ｆ２の将来の電波状態情報（受信電力）の予測値Ｅから、ステップＳ１０ａで生成された推定モデルＣａを使用して、当該推定区域Ｐ－４の周波数ｆ１の将来の電波状態情報（受信電力）の予測値Ｅａを取得する。

【0051】

本実施形態によれば、上述した第１実施形態と同様に、周波数ｆ１の観測データが得られる観測区域だけではなく、周波数ｆ１の観測データが得られない非観測区域に対しても、周波数ｆ１の将来の電波状態情報（受信電力）の予測値Ｅａを求めることができる。これにより、周波数ｆ１の利用状況を予測する際に、予測の基になる観測データが得られない場所（周波数ｆ１の非観測区域）に対しても予測を行うことができるという効果が得られる。

【0052】

［第３実施形態］
図６は、第３実施形態に係る時系列予測システムの構成例を示すブロック図である。図６において図１の各部に対応する部分には同一の符号を付け、その説明を省略する。図６に示される時系列予測システム１ｂでは、区域クラスタリング部２０を設ける。

【0053】

区域クラスタリング部２０は、推定モデルＣを生成する対象のモデル生成対象区域として、複数の区域をクラスタリングする。区域クラスタリング部２０は、そのクラスタリングの結果のクラスタ区域Ｇをモデル生成対象区域として推定モデル生成部１２ｂへ通知する。推定モデル生成部１２ｂは、クラスタ区域Ｇごとに、各推定モデルＣを生成する。したがって、推定モデルＣは、複数の区域がクラスタリングされた結果のクラスタ区域ごとに生成される。

【0054】

モデル生成対象区域として複数の区域をクラスタリングする方法として、例えば、区域間の距離や、区域内の人口密度や、区域内の建物の密集度などに基づいてクラスタリングすることが挙げられる。例えば、区域間の距離が一定の範囲内の区域同士を同一のクラスタ区域にクラスタリングする。例えば、区域内の人口密度が同程度の区域同士を同一のクラスタ区域にクラスタリングする。例えば、区域内の建物の密集度が同程度の区域同士を同一のクラスタ区域にクラスタリングする。これらのクラスタリング方法によれば、電波伝搬特性が同様の区域同士を同一のクラスタ区域にクラスタリングすることができる。これにより、同一のクラスタ区域に属する各区域に対して同一の推定モデルＣを適用することができる。

【0055】

次に図７を参照して本実施形態に係る時系列予測方法を説明する。図７は、第３実施形態に係る時系列予測方法の手順を説明するための説明図である。

【0056】

図７の例では、周波数ｆ１は、複数の無線通信システムで共用される無線周波数（共用周波数）である。共用周波数ｆ１に対しては観測区域と非観測区域とが存在する。また、周波数ｆ２は、広域無線通信システムの一例であるＬＴＥ（Long Term Evolution）システムが利用する無線周波数（ＬＴＥ周波数）である。ＬＴＥ周波数ｆ２は、図７に例示される全ての区域で観測される。なお、ここでは、区域のことをメッシュと称する場合がある。

【0057】

（ステップＳ５０） 区域クラスタリング部２０は、所定の複数の区域をクラスタリング対象にしてクラスタリングする。図７の例では、２５個のメッシュがクラスタリング対象である。また、図７の例では、区域クラスタリング部２０は、２５個のメッシュが上空から撮像された航空写真の画像から画像認識処理によって認識された地理的情報に基づいて、類似する地理的特徴を有するメッシュ同士を同一のクラスタ区域にクラスタリングする。例えば、メッシュ内の建物の密集度が同程度のメッシュ同士を同一のクラスタ区域にクラスタリングする。図７の例では、クラスタリングの結果、２５個のメッシュから３個のクラスタ区域「第１クラスタ」，「第２クラスタ」，「第３クラスタ」が生成される。

【0058】

（ステップＳ５１） 推定モデル生成部１２ｂは、共用周波数ｆ１の推定区域である予測対象メッシュ（Prediction Mesh）が属するクラスタ区域「第１クラスタ」をモデル生成対象区域として推定モデルＣを生成する。この推定モデルＣの生成では、推定モデル生成部１２ｂは、クラスタ区域「第１クラスタ」に属するメッシュのうち、共用周波数ｆ１の観測区域であり且つＬＴＥ周波数ｆ２の観測区域であるメッシュ（リファレンスメッシュ（Reference Mesh））の観測データを抽出する。この抽出された観測データは、共用周波数ｆ１の電波状態情報の観測値Ｂ及びＬＴＥ周波数ｆ２の電波状態情報の観測値Ｂを有する。

【0059】

次いで、推定モデル生成部１２は、その抽出された観測データを使用して、機械学習モデル（例えばニューラルネットワーク）の機械学習を行う。この機械学習は、共用周波数ｆ１とＬＴＥ周波数ｆ２との間における電波状態情報の変動パターンの関係性を学習するものである。この機械学習により、推定モデルＣは、ＬＴＥ周波数ｆ２の電波状態情報の観測値の時系列データから共用周波数ｆ１の電波状態情報の推定値の時系列データを出力するように、構成される。

【0060】

（ステップＳ５２） 電波状態情報推定部１３は、予測対象メッシュのＬＴＥ周波数ｆ２の電波状態情報の観測値Ｂの時系列データから、ステップＳ５１で生成された推定モデルＣを使用して、当該予測対象メッシュの共用周波数ｆ１の電波状態情報の推定値Ｄの時系列データを取得する。

【0061】

（ステップＳ５３） 時系列予測部１４は、予測対象メッシュに対して、電波状態情報推定部１３が取得した当該予測対象メッシュの共用周波数ｆ１の電波状態情報の推定値Ｄの時系列データに基づいて、当該予測対象メッシュの共用周波数ｆ１の将来の電波状態情報の予測値Ｅを算出する。また、時系列予測部１４は、予測対象メッシュに対して、観測データ取得部１１が取得した当該予測対象メッシュのＬＴＥ周波数ｆ２の電波状態情報の観測値Ｂの時系列データに基づいて、当該予測対象メッシュのＬＴＥ周波数ｆ２の将来の電波状態情報の予測値Ｅを算出する。

【0062】

なお、区域クラスタリング部２０は上述した第２実施形態の時系列予測システム１ａ（図４）に適用してもよい。

【0063】

上述した各実施形態に係る時系列予測システム１，１ａ，１ｂは、既存の無線通信システム（１次事業者システム）に割り当てられている周波数帯（共用周波数帯）を他の無線通信システム（２次事業者システム）が二次的に利用する場合において、１次事業者システムの共用周波数帯（周波数ｆ１）の将来の利用状況を予測するシステムに適用することができる。

【0064】

なお、上述した実施形態では電波状態情報として受信電力を例に挙げたが、電波状態情報は受信電力に限定されない。例えば、電波状態情報は歩行者数であってもよい。区域内に存在する歩行者数が多いほど、当該区域の電波状態に影響を及ぼす可能性が大きくなる。また、歩行者数は無線通信の利用状況を示す情報であって、区域内に存在する歩行者数が多いほど、当該区域の無線通信の利用者数が多くなると考えられる。このことから、電波状態情報として歩行者数を使用し、各区域の将来の歩行者数を予測することによって周波数ｆ１の利用状況の予測に寄与することができる。

【0065】

以上、本発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、本発明の要旨を逸脱しない範囲の設計変更等も含まれる。

【0066】

また、上述した時系列予測システムの機能を実現するためのコンピュータプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行するようにしてもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものであってもよい。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、フラッシュメモリ等の書き込み可能な不揮発性メモリ、ＤＶＤ（Digital Versatile Disc）等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。

【0067】

さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（例えばＤＲＡＭ（Dynamic Random Access Memory））のように、一定時間プログラムを保持しているものも含むものとする。
また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。
また、上記プログラムは、前述した機能の一部を実現するためのものであってもよい。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。

【符号の説明】

【0068】

１，１ａ，１ｂ…時系列予測システム、１１…観測データ取得部、１２，１２ａ，１２ｂ…推定モデル生成部、１３…電波状態情報推定部、１４…時系列予測部、２０…区域クラスタリング部、３０…電波状態情報予測推定部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】