特許 7331288 通信制御装置および通信制御方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B1)

(11)【特許番号】

(24)【登録日】2023-08-14

(45)【発行日】2023-08-22

(54)【発明の名称】通信制御装置および通信制御方法

(51)【国際特許分類】

   H04W 74/04 20090101AFI20230815BHJP

   H04W 72/0446 20230101ALI20230815BHJP

【ＦＩ】

H04W74/04

H04W72/0446

【請求項の数】 9

(21)【出願番号】P 2023100443

(22)【出願日】2023-06-20

【審査請求日】2023-06-20

【早期審査対象出願】

(73)【特許権者】

【識別番号】397036309

【氏名又は名称】株式会社インターネットイニシアティブ

(74)【代理人】

【識別番号】100118902

【弁理士】

【氏名又は名称】山本 修

(74)【代理人】

【識別番号】100106208

【弁理士】

【氏名又は名称】宮前 徹

(74)【代理人】

【識別番号】100196508

【弁理士】

【氏名又は名称】松尾 淳一

(74)【代理人】

【識別番号】100195408

【弁理士】

【氏名又は名称】武藤 陽子

(72)【発明者】

【氏名】柿島 純

【審査官】▲高▼木 裕子

(56)【参考文献】

【文献】特開２０２１－０６４９０９（ＪＰ，Ａ）

【文献】特開２００７－３１２１２９（ＪＰ，Ａ）

【文献】中国特許出願公開第１１２３３３２３４（ＣＮ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｈ０４Ｂ ７／２４ － ７／２６

Ｈ０４Ｗ ４／００ － ９９／００

３ＧＰＰ ＴＳＧ ＲＡＮ ＷＧ１－４

ＳＡ ＷＧ１－４

ＣＴ ＷＧ１、４

(57)【特許請求の範囲】

【請求項1】

各々が任意時刻に発信要求信号を発信する複数の通信端末に対して無線リソースを割り当てる通信制御装置であって、
前記複数の通信端末の各々によって前記発信要求信号が発信された順番を示す第１情報を取得するように構成された第１取得部と、
前記第１情報を未知の入力として学習済みの機械学習モデルに与え、前記学習済みの機械学習モデルの演算を行って、無線リソースを共用する前記複数の通信端末の各々が前記発信要求信号に対応する発信信号を発信する順番であって、前記発信信号を発信する回数および頻度が前記複数の通信端末間で均等となる順番に関する第２情報を出力するように構成された演算部と、
前記複数の通信端末の各々に、前記第２情報を前記無線リソースの割り当て情報として通知するように構成された通信制御部と
を備える通信制御装置。

【請求項2】

請求項１に記載の通信制御装置において、
さらに、前記発信要求信号が、前記複数の通信端末によって発信されたか否かを、通信端末ごとに順番に確認するように構成された確認部と、
前記確認部で前記発信要求信号が発信されたことが確認された前記通信端末を基準とした順番であって、前記複数の通信端末の各々によって前記発信要求信号が発信された順番に関する第３情報を取得するように構成された第２取得部と、
前記第３情報と、前記無線リソースを共用する前記複数の通信端末の各々が前記発信信号を発信する順番であって、前記通信端末を基準とした場合に、前記発信信号を発信する回数および頻度が前記通信端末以外の前記複数の通信端末間で均等となる順番との関係を、機械学習モデルを用いて学習するように構成された学習部と、
前記学習部によって構築された前記学習済みの機械学習モデルを記憶するように構成された記憶部と
を備え、
前記演算部は、前記記憶部から前記学習済みの機械学習モデルを読み出して、前記学習済みの機械学習モデルの演算を行う
ことを特徴とする通信制御装置。

【請求項3】

請求項２に記載の通信制御装置において、
前記第３情報は、前記複数の通信端末の各々が基準とされた順番である
ことを特徴とする通信制御装置。

【請求項4】

請求項２に記載の通信制御装置において、
前記演算部は、前記第３情報を前記未知の入力として前記学習済みの機械学習モデルに与え、前記学習済みの機械学習モデルの演算を行って、前記無線リソースを共用する前記複数の通信端末の各々が前記発信信号を発信する順番であって、前記通信端末を基準とした場合に、前記発信信号を発信する回数および頻度が前記通信端末以外の前記複数の通信端末間で均等となる順番を出力する
ことを特徴とする通信制御装置。

【請求項5】

請求項４に記載の通信制御装置において、
前記機械学習モデルは、入力層、隠れ層、および出力層を有するニューラルネットワークである
ことを特徴とする通信制御装置。

【請求項6】

通信制御装置によって実行される、各々が任意時刻に発信要求信号を発信する複数の通信端末に対して無線リソースを割り当てる通信制御方法であって、
前記複数の通信端末の各々によって前記発信要求信号が発信された順番を示す第１情報を取得する第１ステップと、
前記第１情報を未知の入力として学習済みの機械学習モデルに与え、前記学習済みの機械学習モデルの演算を行って、無線リソースを共用する前記複数の通信端末の各々が前記発信要求信号に対応する発信信号を発信する順番であって、前記発信信号を発信する回数および頻度が前記複数の通信端末間で均等となる順番に関する第２情報を出力する第２ステップと、
前記複数の通信端末の各々に、前記第２情報を前記無線リソースの割り当て情報として通知する第３ステップと
を備える通信制御方法。

【請求項7】

請求項６に記載の通信制御方法において、
さらに、前記発信要求信号が、前記複数の通信端末によって発信されたか否かを、通信端末ごとに順番に確認する第４ステップと、
前記第４ステップで前記発信要求信号が発信されたことが確認された前記通信端末を基準とした順番であって、前記複数の通信端末の各々によって前記発信要求信号が発信された順番に関する第３情報を取得する第５ステップと、
前記第３情報と、前記無線リソースを共用する前記複数の通信端末の各々が前記発信信号を発信する順番であって、前記通信端末を基準とした場合に、前記発信信号を発信する回数および頻度が前記通信端末以外の前記複数の通信端末間で均等となる順番との関係を、機械学習モデルを用いて学習する第６ステップと、
前記第６ステップで構築された前記学習済みの機械学習モデルを記憶部に記憶する第７ステップと
を備え、
前記第２ステップは、前記記憶部から前記学習済みの機械学習モデルを読み出して、前記学習済みの機械学習モデルの演算を行う
ことを特徴とする通信制御方法。

【請求項8】

請求項７に記載の通信制御方法において、
前記第３情報は、前記複数の通信端末の各々が基準とされた順番である
ことを特徴とする通信制御方法。

【請求項9】

請求項７に記載の通信制御方法において、
前記第２ステップは、前記第３情報を前記未知の入力として前記学習済みの機械学習モデルに与え、前記学習済みの機械学習モデルの演算を行って、前記無線リソースを共用する前記複数の通信端末の各々が前記発信信号を発信する順番であって、前記通信端末を基準とした場合に、前記発信信号を発信する回数および頻度が前記通信端末以外の前記複数の通信端末間で均等となる順番を出力する
ことを特徴とする通信制御方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、通信制御装置および通信制御方法に関する。

【背景技術】

【0002】

スマートフォンなどのモバイル端末および様々なモノが通信を行うＩｏＴ端末の普及により、膨大な数のモバイル端末やＩｏＴ端末の通信制御が必要となっている。モバイル端末およびＩｏＴ端末などの通信端末単位で通信回線を確保すると、回線数は、例えば、１０００回線を超える膨大な数となり、回線の制御や管理が複雑化する。

【0003】

そこで、従来から、多重化技術を応用した多元接続により、１つの回線などを複数の通信端末で共用し、それぞれの通信端末が独立に接続できるように制御されている。例えば、時分割多重（ＴＤＭ：Ｔｉｍｅ Ｄｉｖｓｉｏｎ Ｍｕｌｔｉｐｌｅｘｉｎｇ）を利用した時分割多元接続（ＴＤＭＡ）では、１つの周波数に対して時間を複数に分割し、分割した時間であるタイムスロットを、各通信端末に割り当てて通信を行う。これにより、通信回線の効率が向上し、基地局やコアネットワークにおける設備費用や、通信費用などのコスト削減につながる。

【0004】

しかし、従来の時分割多元接続による通信では、通信端末側と基地局およびコアネットワーク側とでタイムスロットの時間を高精度に同期することが必要であった。例えば、特許文献１は、ＴＳＮ（Ｔｉｍｅ－Ｓｅｎｓｉｔｉｖｅ Ｎｅｔｗｏｒｋｉｎｇ）のクロックと、基地局および通信端末を含む５Ｇシステムの動作タイミングとなるクロックとの間における周波数のずれ比率を算出し、算出された周波数のずれに基づいて、２つのクロック間の時間同期のずれを補正する技術を開示している。

【0005】

しかし、特許文献１が開示する技術では、通信端末とネットワーク側との高精度な同期を行うために、システム構成が複雑化する。

【先行技術文献】

【特許文献】

【0006】

【文献】特開２０２３－０５８６０７号公報

【発明の概要】

【発明が解決しようとする課題】

【0007】

従来の技術では、高精度な同期処理を行うことなく、簡易な構成により複数の通信端末に無線リソースを割り当てることができなかった。

【0008】

本発明は、上述した課題を解決するためになされたものであり、簡易な構成により複数の通信端末に無線リソースを割り当てることを目的とする。

【課題を解決するための手段】

【0009】

上述した課題を解決するために、本発明に係る通信制御装置は、各々が任意時刻に発信要求信号を発信する複数の通信端末に対して無線リソースを割り当てる通信制御装置であって、前記複数の通信端末の各々によって前記発信要求信号が発信された順番を示す第１情報を取得するように構成された第１取得部と、前記第１情報を未知の入力として学習済みの機械学習モデルに与え、前記学習済みの機械学習モデルの演算を行って、無線リソースを共用する前記複数の通信端末の各々が前記発信要求信号に対応する発信信号を発信する順番であって、前記発信信号を発信する回数および頻度が前記複数の通信端末間で均等となる順番に関する第２情報を出力するように構成された演算部と、前記複数の通信端末の各々に、前記第２情報を前記無線リソースの割り当て情報として通知するように構成された通信制御部とを備える。

【0010】

また、本発明に係る通信制御装置において、さらに、前記発信要求信号が、前記複数の通信端末によって発信されたか否かを、通信端末ごとに順番に確認するように構成された確認部と、前記確認部で前記発信要求信号が発信されたことが確認された前記通信端末を基準とした順番であって、前記複数の通信端末の各々によって前記発信要求信号が発信された順番に関する第３情報を取得するように構成された第２取得部と、前記第３情報と、前記無線リソースを共用する前記複数の通信端末の各々が前記発信信号を発信する順番であって、前記通信端末を基準とした場合に、前記発信信号を発信する回数および頻度が前記通信端末以外の前記複数の通信端末間で均等となる順番との関係を、機械学習モデルを用いて学習するように構成された学習部と、前記学習部によって構築された前記学習済みの機械学習モデルを記憶するように構成された記憶部とを備え、前記演算部は、前記記憶部から前記学習済みの機械学習モデルを読み出して、前記学習済みの機械学習モデルの演算を行ってもよい。

【0011】

また、本発明に係る通信制御装置において、前記第３情報は、前記複数の通信端末の各々が基準とされた順番であってもよい。

【0012】

また、本発明に係る通信制御装置において、前記演算部は、前記第３情報を前記未知の入力として前記学習済みの機械学習モデルに与え、前記学習済みの機械学習モデルの演算を行って、前記無線リソースを共用する前記複数の通信端末の各々が前記発信信号を発信する順番であって、前記通信端末を基準とした場合に、前記発信信号を発信する回数および頻度が前記通信端末以外の前記複数の通信端末間で均等となる順番を出力してもよい。

【0013】

また、本発明に係る通信制御装置において、前記機械学習モデルは、入力層、隠れ層、および出力層を有するニューラルネットワークであってもよい。

【0014】

上述した課題を解決するために、本発明に係る通信制御方法は、各々が任意時刻に発信要求信号を発信する複数の通信端末に対して無線リソースを割り当てる通信制御方法であって、前記複数の通信端末の各々によって前記発信要求信号が発信された順番を示す第１情報を取得する第１ステップと、前記第１情報を未知の入力として学習済みの機械学習モデルに与え、前記学習済みの機械学習モデルの演算を行って、無線リソースを共用する前記複数の通信端末の各々が前記発信要求信号に対応する発信信号を発信する順番であって、前記発信信号を発信する回数および頻度が前記複数の通信端末間で均等となる順番に関する第２情報を出力する第２ステップと、前記複数の通信端末の各々に、前記第２情報を前記無線リソースの割り当て情報として通知する第３ステップとを備える。

【0015】

また、本発明に係る通信制御方法において、さらに、前記発信要求信号が、前記複数の通信端末によって発信されたか否かを、通信端末ごとに順番に確認する第４ステップと、前記第４ステップで前記発信要求信号が発信されたことが確認された前記通信端末を基準とした順番であって、前記複数の通信端末の各々によって前記発信要求信号が発信された順番に関する第３情報を取得する第５ステップと、前記第３情報と、前記無線リソースを共用する前記複数の通信端末の各々が前記発信信号を発信する順番であって、前記通信端末を基準とした場合に、前記発信信号を発信する回数および頻度が前記通信端末以外の前記複数の通信端末間で均等となる順番との関係を、機械学習モデルを用いて学習する第６ステップと、前記第６ステップで構築された前記学習済みの機械学習モデルを記憶部に記憶する第７ステップとを備え、前記第２ステップは、前記記憶部から前記学習済みの機械学習モデルを読み出して、前記学習済みの機械学習モデルの演算を行ってもよい。

【0016】

また、本発明に係る通信制御方法において、前記第３情報は、前記複数の通信端末の各々が基準とされた順番であってもよい。

【0017】

また、本発明に係る通信制御方法において、前記第２ステップは、前記第３情報を前記未知の入力として前記学習済みの機械学習モデルに与え、前記学習済みの機械学習モデルの演算を行って、前記無線リソースを共用する前記複数の通信端末の各々が前記発信信号を発信する順番であって、前記通信端末を基準とした場合に、前記発信信号を発信する回数および頻度が前記通信端末以外の前記複数の通信端末間で均等となる順番を出力してもよい。

【発明の効果】

【0018】

本発明によれば、学習済みの機械学習モデルの演算を行って、無線リソースを共用する複数の通信端末の各々が発信要求信号に対応する発信信号を発信する順番であって、発信信号を発信する回数および頻度が複数の通信端末間で均等となる順番に関する第２情報を出力する。そのため、より簡易な構成により複数の通信端末に無線リソースを割り当てることができる。

【図面の簡単な説明】

【0019】

【図1】図１は、本発明の実施の形態に係る通信制御装置を含む通信制御システムの構成を示すブロック図である。

【図2】図２は、本実施の形態に係る通信制御装置の概要を説明するための図である。

【図3】図３は、本実施の形態に係る学習部による学習処理を説明するための図である。

【図4】図４は、本実施の形態に係る学習部による学習処理を説明するための図である。

【図5】図５は、本実施の形態に係る通信制御装置のハードウェア構成を示すブロック図である。

【図6】図６は、本実施の形態に係る通信制御装置の動作を示すフローチャートである。

【図7】図７は、本実施の形態に係る通信制御装置の動作を示すフローチャートである。

【発明を実施するための形態】

【0020】

以下、本発明の好適な実施の形態について、図１から図７を参照して詳細に説明する。

【0021】

［通信制御システムの構成］
まず、本発明の実施の形態に係る通信制御装置１を備える通信制御システムの概要について説明する。図１に示すように、通信制御システムは、通信制御装置１、複数の通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎ（ｎ＝１，２，・・・）、基地局３、およびコアネットワーク４を備える。通信制御システムは、例えば、アップリンク方向において、複数の通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎが一つの周波数などの無線リソースを共用する場合に、複数の通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎが発信信号を発信する順番を制御する。

【0022】

図１に示すように、通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎは、ＳＩＭを備えるスマートフォンなどの携帯通信端末、ＰＤＡ（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ）、タブレット型コンピュータ、ラップトップ型コンピュータ（いわゆる、ノートパソコン）により実現される。また、通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎは、固有のＩＰアドレスを持ちインターネットに接続可能なＩｏＴデバイスによっても実現される。

【0023】

通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎは、それぞれ、ＳＩＭを識別する加入者識別番号であるＩＭＳＩ（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｍｏｂｉｌｅ Ｓｕｂｓｃｒｉｂｅｒ Ｉｄｅｎｔｉｔｙ）により一意に識別される。

【0024】

通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎは、通信を開始する際やデータ信号などの発信信号の送受信を開始するために、基地局３に発信要求信号を発信する。発信要求信号は、通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎが、タイムスロットなどの無線リソースのリソースブロックを要求するためのチャネル要求信号（Ｃｈａｎｎｅｌ Ｒｅｑｕｅｓｔ Ｓｉｇｎａｌ）である。

【0025】

通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎが、発信要求信号を基地局３に発信すると、基地局３によって未使用のタイムスロットなど利用可能な無線リソースが割り当てられる。タイムスロットなどの無線リソースが割り当てられた通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎは、割り当てられた無線リソースを使用して通信を開始し、データ信号などの発信信号を発信する。本実施の形態では、通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎがデータ信号などの発信信号を発信する順番が、タイムスロットの割り当てに対応する情報として通知される。

【0026】

例えば、発信要求信号の発信に応じて、無線リソースであるタイムスロットが割り当てられた通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎは、Ｃ－Ｐｌａｎｅ（Ｃｏｎｔｒｏｌ Ｐｌａｎｅ）で処理される制御信号や、Ｕ－Ｐｌａｎｅ（Ｕｓｅｒ Ｐｌａｎｅ）で処理されるデータ信号である発信信号を、基地局３を介してコアネットワーク４に発信する。データ信号には、通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎが送信するテキスト、音声、画像などのユーザーデータが含まれる。なお、以下において通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎを区別しない場合には、通信端末２Ｔと総称する場合がある。

【0027】

基地局３は、ＬＴＥ方式の無線通信に対応した無線基地局、および５Ｇ方式に対応した無線基地局で構成される。基地局３は、在圏する通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎとコアネットワーク４との間の通信を中継する。本実施の形態では、通信制御装置１と基地局３とは、コアネットワーク４およびネットワーク（ＮＷ）を介して通信可能に接続されている。さらに、基地局３は、通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎが発信する発信要求信号の発信タイムスタンプ（ｍｓ単位）を保持している。

【0028】

コアネットワーク４は、５ＧのＳＡ（Ｓｔａｎｄ Ａｌｏｎｅ）方式、およびＮＳＡ（Ｎｏｎ Ｓｔａｎｄ Ａｌｏｎｅ）方式のコアネットワークで構成される。コアネットワーク４は、通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎが基地局３を介して送信する制御信号やデータ信号などの発信信号の処理、通信プロトコルやセキュリティ機能の管理、通信速度など通信の品質や安全性を確保する機能を有する。

【0029】

図２の（ａ）は、従来例に係る通信制御システムによる、複数の通信端末２Ｔに対する無線リソースの割り当てを示す模式図である。図２の（ｂ）は、本実施の形態に係る通信制御装置１を備える通信制御システムが、複数の通信端末２Ｔに無線リソースを割り当てる構成を表した模式図である。

【0030】

図２の（ａ）および（ｂ）において、左側に示す「端末側」とは、通信端末２Ｔ側から見たタイムスロットの割り当てである。一方、右側に示す「ネットワーク側」とは、基地局３およびコアネットワーク４、すなわち、本実施の形態に係る通信制御システムから見た通信端末２Ｔに対するタイムスロットの割り当てを示す。また、図２の（ａ）および（ｂ）に示す数字「１，２，３，・・・，ｌ，・・・，ｍ，・・・ｎ」は、ｎ台の通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎのインデックス番号を示す。

【0031】

図２の（ａ）に示す、従来例に係る通信制御システムでは、ＴＤＭＡ方式により１つの周波数がｎ分割された時間に対応するｎ個のタイムスロットが各通信端末２Ｔに固定的に割り当てられている。図２の（ａ）では、各タイムスロットに対して、通信端末２Ｔと基地局３との信号の送受信のタイミングが割り当てられ、通信端末２Ｔと基地局３との発信信号の送受信タイミングが一致するように制御される。

【0032】

一方、図２の（ｂ）に示す、本実施の形態に係る通信制御装置１は、ｎ台の通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎが１つの周波数を共用する場合に、１つの回線をｎ個のタイムスロットに分割し、ｎ台の通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎの各々が発信要求信号を発信するタイミングを巡回してチェックする。さらに、発信要求信号を発信した通信端末２Ｔ（例えば、通信端末２Ｔ_１）が所定の条件を満たす場合には、その通信端末２Ｔ_１には最も若い番号のタイムスロットが割り当てられ、通信端末２Ｔ_１は最初に発信信号を送信することができる。

【0033】

また、本実施の形態に係る通信制御システムでは、ネットワーク側に設けられた通信制御装置１が、学習済みの機械学習モデルを用いて、発信要求信号を発信した複数の通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎが制御信号やデータ信号などの発信信号を発信する順番を決定する。通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎに指定される発信信号を発信する順番は、連続するｎ個のタイムスロットのタイムスロット番号に対応する。

【0034】

本実施の形態に係る通信制御システムでは、ｎ台の通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎを、例えばインデックス値１～ｎの順に１台ずつ巡回していく。例えば、通信端末２Ｔ_１を巡回している期間に、通信端末２Ｔ_１が発信要求信号を発信したか否かが確認され、同様に、通信端末２Ｔ_２を巡回している期間に、通信端末２Ｔ_２が発信要求信号を発信したか否かが確認される。

【0035】

ここで、通信端末２Ｔ_１～２Ｔ_ｎを１回ずつ確認する第１回目の巡回において、巡回中の通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎのうち、最も早い時刻で発信要求信号の発信が確認された通信端末２Ｔに対して、最も若いタイムスロット番号のタイムスロットを割り当てるとする。この場合に、連続するｎ個のタイムスロットをｎ台の通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎの全てに割り当てる順番の組み合わせは、ｎ！通り存在する。

【0036】

しかし、タイムスロットを割り当てる順番の組み合わせの数であるｎ！通り全てを用いて発信制御を行うことは、基地局３およびコアネットワーク４側の負担となる。また、例えば、通信端末２Ｔ_１を巡回している期間に通信端末２Ｔ_１が発信要求信号を発信したことを検出した場合であっても、同じ期間に他の通信端末２Ｔ_２も発信要求信号を発信している場合も存在し得る。このような場合には、通信端末２Ｔ_１、２Ｔ_２間で発信順序を調整する必要がある。

【0037】

本実施の形態に係る通信制御システムでは、巡回中の所定の通信端末２Ｔが発信要求信号を発信した場合に、タイムスロット番号が最も若いタイムスロットを割り当てることを基本としつつ、データ信号などの発信信号を発信する機会がｎ台の通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎ間で公平に与えられるように、通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎが発信信号を発信する順番、すなわち、タイムスロットが割り当てられる順番を決定する。

【0038】

より具体的には、本実施の形態に係る通信制御システムでは、ネットワーク側に設けられた通信制御装置１が学習済みの機械学習モデルを用いて、複数の通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎが発信信号を発信する順番を決定する。

【0039】

学習済みの機械学習モデルは、各々が任意のタイミングで発信要求信号を発信する通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎが発信要求信号を発信した順番と、１つの回線を共用する通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎ間でデータ信号などの発信信号を発信する回数および頻度が均等となる順番との関係を事前に学習したモデルである。ｎ！通りあるタイムスロットの割り当ての組み合わせのうち、通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎ間で通信の機会が公平に与えられる、例えば、所定のｎ通りの組み合わせのみを用いることで、基地局３およびコアネットワーク４側の発信制御の処理負担を低減できる。

【0040】

また、本実施の形態に係る通信制御システムでは、通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎが発信要求信号を発信したかどうかを巡回して確認することに基づいて決定された発信信号を発信する順番に応じてタイムスロットの割り当てを行う。そのため、従来例において必要とされていた通信端末２Ｔと基地局３との高精度の同期は必要とされない。

【0041】

［通信制御装置の機能ブロック］
通信制御装置１は、確認部１０、取得部１１、学習部１２、演算部１３、機械学習（ＭＬ）モデル記憶部１４、通信制御部１５、および提示部１６を備える。通信制御装置１は、学習済みの機械学習モデルの演算を行って、無線リソースを共用する複数の通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎの各々が発信信号を発信する順番を決定する。

【0042】

確認部１０は、複数の通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎの各々が任意時刻に発信する発信要求信号が、複数の通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎによって発信されたか否かを、通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎごとに順番に確認する。より詳細には、確認部１０は、図２の（ｂ）の円の矢印に示すように、例えば、１つの周波数を共用するｎ台の通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎを１台ずつ巡回し、発信要求信号が発信されたか否かを確認する。

【0043】

取得部１１（第１取得部）は、複数の通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎの各々によって発信要求信号が発信された順番を示す情報（第１情報）を取得する。取得部１１によって取得された第１情報は、後述の演算部１３が学習済みの機械学習モデルを演算する際の未知の入力として用いられる。

【0044】

また、取得部１１（第２取得部）は、確認部１０で発信要求信号が発信されたことが確認された通信端末２Ｔを基準とした順番であって、複数の通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎの各々によって発信要求信号が発信された順番に関する情報（第３情報）を取得する。

【0045】

取得部１１によって取得された第３情報は、後述の学習部１２において機械学習モデルの学習処理を行う際の教師データを構成するデータとして用いられる。なお、後述の演算部１３は、学習済みの機械学習モデルを演算する際の未知の入力として第１情報だけでなく第３情報を用いることができる。

【0046】

第３情報に関し、例えば、複数の通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎのうち、確認部１０が通信端末２Ｔ_１を巡回している期間に、通信端末２Ｔ_１が発信要求信号を発信したことが確認される。この場合、通信端末２Ｔ_１を、発信信号を発信する順番である１番目～ｎ番目までのうちの第１番目と定める。取得部１１は、通信端末２Ｔ_１を第１番目とした場合の、第２番目から第ｎ番目までの順番の組み合わせを取得する。したがって、ｎ台のうち通信端末２Ｔ_１を代表とした場合には、（ｎ－１）！通りの順番の組み合わせが存在する。

【0047】

このように、通信端末２Ｔを基準とした順番とは、確認部１０の巡回で発信要求信号を発信したことが確認された通信端末２Ｔに対して最も若い番号のタイムスロットを割り当てた場合の、順列による第１番目から第ｎ番目までの通信端末２Ｔの順番の組み合わせを意味する。さらに、取得部１１は、ｎ台の通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎの各々を１回ずつ基準とした順番の組み合わせを取得する。

【0048】

取得部１１によって取得される、発信要求信号を発信した順番に関する情報は、例えば、第１番目：通信端末２Ｔ_１、第２番目：通信端末２Ｔ_２、・・・、第ｎ番目：通信端末２Ｔ_ｎ等、順番を示す値あるいはタイムスロット番号に各通信端末２Ｔの識別番号が関連付けられた情報である。

【0049】

取得部１１は、発信要求信号の発信日時である発信タイムスタンプ（ｍｓ単位）に基づいて、発信された順番を取得することができる。例えば、取得部１１は、ネットワークＮＷを介して、基地局３に保持されている発信要求信号の発信タイムスタンプを取得することができる。

【0050】

学習部１２は、第３情報と、無線リソースを共用する通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎの各々が発信要求信号に係るデータ信号などの発信信号を発信する順番であって、確認部１０によって発信要求信号の発信が確認された通信端末２Ｔ_１を基準とした場合に、発信信号を発信する回数および頻度が通信端末２Ｔ_１以外の通信端末２Ｔ_２，・・・，２Ｔ_ｎ間で均等となる順番との関係を、機械学習モデルを用いて学習する。

【0051】

学習部１２は、通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎが発信要求信号を発信した順番の組み合わせについて、データ信号などの発信信号を発信する回数および頻度が通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎ間で均等となる順番の組み合わせとなるように、機械学習モデルを学習する。

【0052】

発信信号を発信する回数および頻度が均等となる通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎの順番とは、ｎ台の通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎの各々が、第１番目、第２番目、・・・、第ｎ番目に発信する回数および頻度が均等となる順番の組み合わせをいう。なお、前述したように発信信号を発信する順番はタイムスロット番号に相当する。

【0053】

例えば、第１番目の通信端末２Ｔ_１は、第１番目のタイムスロットを用いて、最も早い時刻に発信信号を発信する。第２番目の通信端末２Ｔ_２は、第２番目のタイムスロットを用いて、通信端末２Ｔ_１が発信信号を発信した後に発信信号を発信する。同様に、第３番目から第ｎ番目の通信端末２Ｔ_３～通信端末２Ｔ_ｎについても、直前の通信端末２Ｔの発信信号の発信に続いて、順次発信信号を発信することができる。

【0054】

図３は、学習部１２が学習処理で用いる教師データを説明するための図である。図３の左欄は、学習部１２が機械学習モデルに与える入力値を示している。図３の右欄は、学習部１２が学習処理で用いる教師データの正解ラベルを示している。図３の例では、通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎが４台（ｎ＝４）である場合において、４台の通信端末２Ｔ_１，２Ｔ_２，２Ｔ_３，２Ｔ_４が通信を行う順番の組み合わせを順列で示している。図３の数字「１」「２」「３」「４」は、４台の通信端末２Ｔ_１，２Ｔ_２，２Ｔ_３，２Ｔ_４のインデックスの値を示している。

【0055】

図３の左欄に示すように、ｎ台の通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎを順番に組み合わせた順列Ｐは、Ｐ＝｛ｎ×（ｎ－１）×（ｎ－２）・・・×１｝通りあり、ｎ＝４台の場合には、２４通りある。また、ｎ台の通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎの各々が第１番目に発信する機会を確保する場合、順番の組み合わせは、｛（ｎ－１）×（ｎ－２）・・・×１｝で表される。ｎ＝４台の場合において、通信端末２Ｔ_１を第１番目と定めた場合には、６通りの順番の組み合わせがある。

【0056】

本実施の形態では、ｎ台全ての通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎが必ず１回は第１番目に指定される順番の組み合わせを、図３の右欄に示す正解ラベルとして用いる。さらに、第２番目以降の順番においては、第１番目に指定された通信端末２Ｔ以外の通信端末２Ｔが、それぞれ１回ずつ、第２番目から第ｎ番目に指定される。すなわち、｛（ｎ－１）×（ｎ－２）・・・×１｝通りの順番の組み合わせから、ｎ台の通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎ間で発信信号を発信する機会が均等となるように選択された代表の組み合わせを正解ラベルとする。

【0057】

図４は、学習部１２が学習を行う機械学習モデルの一例として採用する、ニューラルネットワーク構造を示す。ニューラルネットワークは、入力層ｘ、隠れ層ｈ、および出力層ｙを備える。図４の例では入力ノードおよび出力ノードの数は同数であり、これらは、１つの回線を共用する通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎの台数ｎの値が設定される。入力ノードおよび出力ノードの数として採用される通信端末２Ｔの台数ｎは、基地局３やコアネットワーク４の設備容量などに応じて設定することができる。

【0058】

学習部１２は、各々が任意時刻に発信する発信要求信号が、通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎの各々によって発信された順番をニューラルネットワークの入力層に与え、入力の重み付け総和に活性化関数を適用し、閾値処理により決定された出力を出力層に渡す。図３の例を用いると、入力層の各入力ノードｘ_１～ｘ_ｎには、「入力値」で示される、第１番目に発信要求信号を発信した通信端末２Ｔの識別情報の値から第ｎ番目に発信要求信号を発信した通信端末２Ｔの識別情報の値が入力される。出力層の各出力ノードｙ_１～ｙ_ｎは、「入力値」に対するニューラルネットワークの出力値である。

【0059】

隠れ層ｈのレイヤ数、およびニューラルネットワークのノード間の結合の疎密を含む機械学習モデルのサイズや要素は、十分な推論精度が得られる設計であれば限定されず、例えば、ノード間の結合として全結合あるいはスパース化した構造であってもよい。

【0060】

学習部１２は、さらに、正解ラベルの値とニューラルネットワークの出力値ｙとの間の誤差を評価する目的関数を導入することで、ｎ台の通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎの各々が任意時刻に発信要求信号を発信した通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎの順番が、正解ラベルの順番となるように、ニューラルネットワークのパラメータを学習する。図３の例を用いて説明すると、学習部１２は、破線の四角で囲われた「入力値」に対して、左欄の「正解ラベル」を付与した教師データを用いてニューラルネットワークを学習する。

【0061】

このように、教師データにおける「入力値」は、確認部１０によって発信要求信号が発信されたことが確認された通信端末２Ｔを基準とした場合の、複数の通信端末２Ｔ_２，・・・，２Ｔ_ｎの各々によって発信要求信号が発信された順番に関する情報（第３情報）である。つまり、図３の例によると、通信端末２Ｔ_１を第１番目と定めた場合のｎ番目までの通信端末２Ｔ_２，・・・，２Ｔ_ｎの順番の組み合わせを１つの入力値のグループとして扱うことができる。

【0062】

また、「正解ラベル」は、例えば、通信端末２Ｔ_１を第１番目と定めた場合のｎ番目までの通信端末２Ｔ_２，・・・，２Ｔ_ｎの順番の組み合わせにおいて、通信端末２Ｔ_２，・・・，２Ｔ_ｎ間での発信信号を発信する機会が公平に与えられる順番の組み合わせである。したがって、図３の例によると、通信端末２Ｔ_１を第１番目と定めた場合のｎ番目までの通信端末２Ｔ_２，・・・，２Ｔ_ｎの順番の組み合わせを１つの入力値のグループに対して正解ラベルが付与されることになる。

【0063】

学習部１２は、目的関数が最小、つまり０となるように、ニューラルネットワークの重みパラメータを調整する。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。学習部１２によって構築された学習済みの機械学習モデルは、後述のＭＬモデル記憶部１４に記憶される。

【0064】

図１に戻り、演算部１３は、取得部１１で取得された、通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎの各々によって発信要求信号が発信された順番に関する情報（第１情報）を未知の入力として学習済みの機械学習モデルに与える。

【0065】

演算部１３は、学習済みの機械学習モデルの演算を行って、無線リソースを共用する通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎの各々が発信要求信号に対応するデータ信号などの発信信号を発信する順番であって、通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎ間で発信信号を発信する回数および頻度が均等となる順番に関する情報（第２情報）を出力する。

【0066】

演算部１３が未知の入力として与える、発信要求信号が発信された順番に関する情報は、通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎの各々がランダムなタイミングで発信要求信号を発信した順番である。したがって、学習済みの機械学習モデルに未知の入力として与えられる値は、無線リソースを共用する通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎ間で、発信要求信号が発信された回数および頻度に未知の偏りを有する。例えば、特定の通信端末２Ｔ_１に偏ってタイムスロットが割り当てられる場合がある。

【0067】

演算部１３は、学習済みの機械学習モデルの演算により、発信信号を発信する回数および頻度が通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎ間で均等となる発信の順番の組み合わせを出力することができる。

【0068】

また、演算部１３は、第１情報を未知の入力として学習済みの機械学習モデルに与える場合の他に、第３情報を未知の入力として学習済みの機械学習モデルに与える構成とすることができる。この場合、演算部１３は、確認部１０が巡回を行って発信要求信号の発信が確認された通信端末２Ｔを第１番目とした、ｎ番目までの発信要求信号の発信の順序を未知の入力として用いることができる。

【0069】

ＭＬモデル記憶部１４は、学習部１２によって構築された学習済みのパラメータを記憶する。

【0070】

通信制御部１５は、通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎの各々に、演算部１３によって出力された発信信号を発信する順番に関する情報を無線リソースの割り当て情報として通知する。例えば、通信制御部１５は、所定の通信規格のコアネットワーク４および基地局３を介して、通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎに対して、発信信号を発信する順番に基づいたタイムスロット番号を通知することができる。

【0071】

通信制御部１５から発信信号を発信する順番に関する情報の通知を受けた通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎは、指定された順番に従って発信信号を発信する。具体的には、通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎは、指定された順番に対応するタイムスロットにおいてそれぞれが発信信号を発信することができる。

【0072】

提示部１６は、通信制御部１５によって通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎに通知される、発信信号を発信する順番に関する情報を提示する。また、提示部１６は、タイムスロットの割り当てなどの通信制御に関する情報を提示することができる。

【0073】

［通信制御装置のハードウェア構成］
次に、上述した機能を有する通信制御装置１を実現するハードウェア構成の一例について、図５を用いて説明する。

【0074】

図５に示すように、通信制御装置１は、例えば、バス１０１を介して接続されるプロセッサ１０２、主記憶装置１０３、通信インターフェース１０４、補助記憶装置１０５、入出力Ｉ／Ｏ１０６を備えるコンピュータと、これらのハードウェア資源を制御するプログラムによって実現することができる。

【0075】

主記憶装置１０３には、プロセッサ１０２が各種制御や演算を行うためのプログラムが予め格納されている。プロセッサ１０２と主記憶装置１０３とによって、図１に示した確認部１０、取得部１１、学習部１２、演算部１３、通信制御部１５など通信制御装置１の各機能が実現される。

【0076】

通信インターフェース１０４は、通信制御装置１と各種外部電子機器との間をネットワーク接続するためのインターフェース回路である。

【0077】

補助記憶装置１０５は、読み書き可能な記憶媒体と、その記憶媒体に対してプログラムやデータなどの各種情報を読み書きするための駆動装置とで構成されている。補助記憶装置１０５には、記憶媒体としてハードディスクやフラッシュメモリなどの半導体メモリを使用することができる。

【0078】

補助記憶装置１０５は、通信制御装置１が実行する通信制御プログラムを格納するプログラム格納領域を有する。また、補助記憶装置１０５は、機械学習モデルの学習を行うための学習プログラムを格納する領域を有する。補助記憶装置１０５によって、図１で説明したＭＬモデル記憶部１４が実現される。さらには、例えば、上述したデータやプログラムなどをバックアップするためのバックアップ領域などを有していてもよい。

【0079】

入出力Ｉ／Ｏ１０６は、外部機器からの信号を入力したり、外部機器へ信号を出力したりする入出力装置である。

【0080】

［通信制御装置の動作］
次に、上述した構成を有する通信制御装置１の動作を、図６および図７のフローチャートを参照して説明する。図６は、通信制御装置１による学習処理を示すフローチャートである。図７は、学習済みの機械学習モデルの演算により、複数の通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎに対して無線リソースを割り当てる通信制御処理を示すフローチャートである。

【0081】

まず、図６に示すように、学習部１２は、教師データを用意する（ステップＳ１）。より詳細には、まず、確認部１０が複数の通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎを巡回し、発信要求信号の発信の有無を確認する。その後、取得部１１は、発信要求信号の発信が確認された通信端末２Ｔ（例えば、通信端末２Ｔ_１）を基準とした順番であって、複数の通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎの各々によって発信要求信号が発信された順番に関する情報（第３情報）を取得する。学習部１２は、取得部１１によって取得された順番に関する第３情報を、教師データを構成する入力値として用いる。また、前述したように、第３情報はｎ個存在する。

【0082】

さらに、学習部１２は、複数の通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎの各々が発信信号を発信する順番であって、確認部１０で確認された通信端末２Ｔ_１を基準とした場合に、発信信号を発信する回数および頻度が該通信端末２Ｔ_１以外の複数の通信端末２Ｔ_２，・・・，２Ｔ_ｎ間で均等となる順番を正解ラベルとして入力値に付与する。

【0083】

学習部１２は、ｎ台全ての通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎが必ず１回は第１番目に指定され、第２番目以降の順番においては、第１番目に指定された通信端末２Ｔ以外の通信端末２Ｔが、それぞれ１回ずつ、第２番目から第ｎ番目に指定される順番の組み合わせを正解ラベルとして用いる。

【0084】

また、学習部１２は、機械学習モデルとしてニューラルネットワークを採用し、入力層、隠れ層、および出力層の設定、並びに重みパラメータおよび閾値その他のパラメータの初期値を設定する。

【0085】

次に、学習部１２は、ステップＳ１で用意された教師データを用いて学習処理を行う（ステップＳ２）。学習部１２は、通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎの各々によって発信要求信号が発信された順番と、無線リソースを共用する通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎの各々が発信要求信号に対応する発信信号を発信する順番であって、発信信号を発信する回数および頻度が通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎ間で均等となる順番との関係を、ニューラルネットワークを用いて学習する。

【0086】

より詳細には、学習部１２は、取得部１１によって取得された情報（第３情報）と、無線リソースを共用する通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎの各々がデータ信号などの発信信号を発信する順番であって、確認部１０で発信要求信号が発信されたことが確認された通信端末２Ｔ（例えば、通信端末２Ｔ_１）を基準とした場合に、発信信号を発信する回数および頻度が通信端末２Ｔ_１以外の通信端末２Ｔ_２，・・・，２Ｔ_ｎ間で均等となる順番との関係を、機械学習モデルを用いて学習する。

【0087】

また、学習部１２は、例えば、図４に示すニューラルネットワーク構造の機械学習モデルを採用し、各入力ノードｘ_１～ｘ_ｎに入力される、第１番目に発信要求信号を発信した通信端末２Ｔから第ｎ番目に発信要求信号を発信した通信端末２Ｔの識別情報の値が、正解ラベルの値となるように、目的関数を最小とする重みパラメータを調整および更新を繰り返し、重みパラメータの値を決定する。

【0088】

その後、ＭＬモデル記憶部１４は、ステップＳ２の学習処理により得られた学習済みの重みパラメータを記憶する（ステップＳ３）。

【0089】

次に、図７を参照して、学習済みのニューラルネットワークを用いた制御処理を説明する。まず、取得部１１は、学習済みのニューラルネットワークに与える未知の入力値を取得する（ステップＳ１０）。より詳細には、取得部１１は、通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎの各々によって発信要求信号が発信された順番に関する情報を未知の入力値として取得する。

【0090】

あるいは、取得部１１は、確認部１０による巡回によって発信要求信号の発信が確認された通信端末２Ｔを第１番目とした第ｎ番目までの発信の順番を未知の入力値として取得する構成としてもよい。

【0091】

次に、演算部１３は、ＭＬモデル記憶部１４から学習済みのパラメータをロードする（ステップＳ１１）。その後、演算部１３は、ステップＳ１０で取得された未知の入力値を、
学習済みのニューラルネットワークに与え、学習済みのニューラルネットワークの演算を行う（ステップＳ１２）。

【0092】

演算部１３は、学習済みのニューラルネットワークの演算により、無線リソースを共用する通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎの各々がデータ信号などの発信信号を発信する順番であって、発信信号を発信する回数および頻度が通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎ間で均等となる順番に関する情報を出力する。

【0093】

次に、通信制御部１５は、ステップＳ１２で出力された、通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎの各々が発信信号を発信する順番を、タイムスロットの割り当て情報として通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎに通知する（ステップＳ１３）。

【0094】

その後、提示部１６は、ステップＳ１３での通信制御に関する情報を外部のサーバ等に提示する（ステップＳ１４）。

【0095】

なお、上述の実施の形態では、ＬＴＥおよび５Ｇに準拠する通信制御システムである場合を例示した。しかし、所定の通信規格とは、ＬＴＥおよび５Ｇに限定されるものではなく、６Ｇに準拠する通信制御システムであってもよい。

【0096】

また、上述した実施の形態では、学習部１２が、ニューラルネットワークを機械学習モデルとして用いて学習処理を行う場合について説明した。しかし、機械学習モデルは、上述したニューラルネットワークモデルの他、ロジスティック回帰、ランダムフォレスト、決定木等、さらにニューラルネットワークを多層化したディープラーニングを用いてもよい。また、これらの教師あり学習の他、教師なし学習を行う機械学習モデルとして、敵対的生成ネットワークや変分オードエンコーダ等の生成モデルを用いてもよい。

【0097】

また、説明した実施の形態では、学習処理を行う学習部１２、および学習済みの機械学習モデルに基づいて、通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎが発信信号を発信する順番を演算する演算部１３、および通信制御部１５の全てが通信制御装置１に搭載される場合について説明した。しかし、学習部１２、演算部１３、および通信制御部１５は同一のハードウェア構成として設けられている場合の他、複数のサーバ等によっても学習処理と通信制御処理とをネットワークＮＷ上の別のサーバ等により分散することもできる。

【0098】

以上説明したように、本実施の形態に係る通信制御装置１によれば、学習済みの機械学習モデルの演算を行って、無線リソースを共用する複数の通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎの各々がデータ信号などの発信信号を発信する順番であって、発信信号を発信する回数および頻度が複数の通信端末２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎ間で均等となる順番を出力する。そのため、より簡易な構成により複数の通信端末に無線リソースを割り当てることができる。

【0099】

以上、本発明の通信制御装置および通信制御方法における実施の形態について説明したが、本発明は説明した実施の形態に限定されるものではなく、請求項に記載した発明の範囲において当業者が想定し得る各種の変形を行うことが可能である。

【符号の説明】

【0100】

１…通信制御装置、１０…確認部、１１…取得部、１２…学習部、１３…演算部、１４…ＭＬモデル記憶部、１５…通信制御部、１６…提示部、２Ｔ、２Ｔ_１，２Ｔ_２，・・・，２Ｔ_ｎ…通信端末、３…基地局、４…コアネットワーク、１０１…バス、１０２…プロセッサ、１０３…主記憶装置、１０４…通信インターフェース、１０５…補助記憶装置、１０６…入出力Ｉ／Ｏ、ＮＷ…ネットワーク。

【要約】

【課題】簡易な構成により複数の通信端末に無線リソースを割り当てることを目的とする。
【解決手段】
各々が任意時刻に発信要求信号を発信する複数の通信端末２Ｔに対して無線リソースを割り当てる通信制御装置１であって、複数の通信端末２Ｔの各々によって発信要求信号が発信された順番を示す第１情報を取得する取得部１１と、第１情報を未知の入力として学習済みの機械学習モデルに与え、学習済みの機械学習モデルの演算を行って、無線リソースを共用する複数の通信端末２Ｔの各々が発信要求信号に対応する発信信号を発信する順番であって、発信信号を発信する回数および頻度が複数の通信端末２Ｔ間で均等となる順番に関する第２情報を出力する演算部１３と、複数の通信端末２Ｔの各々に、第２情報を無線リソースの割り当て情報として通知する通信制御部１５とを備える。
【選択図】図１

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】