特許 7445816 移動制御装置、通信システム、移動制御方法、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(B1)

(11)【特許番号】

(24)【登録日】2024-02-28

(45)【発行日】2024-03-07

(54)【発明の名称】移動制御装置、通信システム、移動制御方法、及びコンピュータプログラム

(51)【国際特許分類】

   H04W 36/08 20090101AFI20240229BHJP

   H04W 4/42 20180101ALI20240229BHJP

   H04W 48/16 20090101ALI20240229BHJP

【ＦＩ】

H04W36/08

H04W4/42

H04W48/16 134

【請求項の数】 10

(21)【出願番号】P 2023189457

(22)【出願日】2023-11-06

【審査請求日】2023-11-06

【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】100138759

【弁理士】

【氏名又は名称】大房 直樹

(74)【代理人】

【識別番号】100201743

【弁理士】

【氏名又は名称】井上 和真

(72)【発明者】

【氏名】柿島 純

【審査官】吉村 真治▲郎▼

(56)【参考文献】

【文献】特開２０２３－１２６４４１（ＪＰ，Ａ）

【文献】特開２０１１－１１３５１５（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｈ０４Ｂ ７／２４－ ７／２６

Ｈ０４Ｗ ４／００－９９／００

Ｇ０６Ｎ ２０／００

Ｇ１０Ｌ １５／１４

(57)【特許請求の範囲】

【請求項1】

複数のユーザ端末との間で無線通信可能な複数の基地局を含む移動通信システムにおける移動制御装置であって、
前記複数のユーザ端末の各ユーザ端末が前記複数の基地局のうちのいずれの基地局のセルに在圏しているか否かの状態を表す２値ベクトルをもつ観測データを生成する状態観測部と、
混合ベルヌーイ分布のＥＭ（Ｅｘｐｅｃｔａｔｉｏｎ－Ｍａｘｉｍｉｚａｔｉｏｎ）アルゴリズムによる最尤推定法により推定された最尤パラメータと前記観測データとに基づいて、前記観測データの当該２値ベクトルが複数のクラスタにそれぞれ所属する割合を表す負担率を算出し、前記観測データを、前記複数のクラスタについてそれぞれ算出された当該負担率のうち最も高い負担率に対応するクラスタに分類するクラスタリング部と、
前記複数の基地局のうち、前記観測データが分類された当該クラスタに対応付けされている次のハンドオーバ先である基地局を当該ユーザ端末の識別子に割り当てることにより、前記複数のユーザ端末の識別子と次のハンドオーバ先である基地局との間の対応関係を示すハンドオーバデータを生成する割り当て部と
を備えることを特徴とする移動制御装置。

【請求項2】

請求項１に記載の移動制御装置であって、
前記状態観測部は、前記各ユーザ端末が前記複数の基地局のうちの一連の基地局のセルに在圏した時間を表すタイムスタンプの系列を用いて、予め定められた複数の移動方向のうち前記ユーザ端末が移動する移動方向を推定するように構成され、
前記クラスタリング部は、前記複数の移動方向の各移動方向ごとに前記観測データをクラスタに分類するように構成されている、移動制御装置。

【請求項3】

請求項２に記載の移動制御装置であって、
前記複数の基地局は、鉄道線の上り線及び下り線に沿って配置されており、
前記複数の移動方向は、前記上り線の方向及び前記下り線の方向を含む、移動制御装置。

【請求項4】

請求項２に記載の移動制御装置であって、前記ハンドオーバデータは、前記複数のユーザ端末の識別子と、次のハンドオーバ先である基地局と、ユーザ端末の移動方向との間の対応関係を示すデータである、移動制御装置。

【請求項5】

請求項１から４のうちのいずれか１項に記載の移動制御装置と、
前記移動制御装置から供給されたハンドオーバデータを用いてハンドオーバ制御を行う通信装置と
を備えることを特徴とする通信システム。

【請求項6】

複数のユーザ端末との間で無線通信可能な複数の基地局を含む移動通信システムにおいて実行される移動制御方法であって、
前記移動通信システムにおける移動制御装置が、前記複数のユーザ端末の各ユーザ端末が前記複数の基地局のうちのいずれの基地局のセルに在圏しているか否かの状態を表す２値ベクトルをもつ観測データを生成するステップと、
前記移動制御装置が、混合ベルヌーイ分布のＥＭ（Ｅｘｐｅｃｔａｔｉｏｎ－Ｍａｘｉｍｉｚａｔｉｏｎ）アルゴリズムによる最尤推定法により推定された最尤パラメータと前記観測データとに基づいて、前記観測データの当該２値ベクトルが複数のクラスタにそれぞれ所属する割合を表す負担率を算出し、前記観測データを、前記複数のクラスタについてそれぞれ算出された当該負担率のうち最も高い負担率に対応するクラスタに分類するステップと、
前記移動制御装置が、前記複数の基地局のうち、前記観測データが分類された当該クラスタに対応付けされている次のハンドオーバ先である基地局を当該ユーザ端末の識別子に割り当てることにより、前記複数のユーザ端末の識別子と次のハンドオーバ先である基地局との間の対応関係を示すハンドオーバデータを生成するステップと
を備えることを特徴とする移動制御方法。

【請求項7】

請求項６に記載の移動制御方法であって、
前記移動制御装置が、前記各ユーザ端末が前記複数の基地局のうちの一連の基地局のセルに在圏した時間を表すタイムスタンプの系列を用いて、予め定められた複数の移動方向のうち前記各ユーザ端末が移動する移動方向を推定するステップをさらに備え、
前記観測データは、前記複数の移動方向の各移動方向ごとにクラスタに分類される、移動制御方法。

【請求項8】

請求項７に記載の移動制御方法であって、前記ハンドオーバデータは、前記複数のユーザ端末の識別子と、次のハンドオーバ先である基地局と、ユーザ端末の移動方向との間の対応関係を示すデータである、移動制御方法。

【請求項9】

請求項６に記載の移動制御方法であって、前記移動通信システムにおける通信装置が、前記移動制御装置から供給されたハンドオーバデータを用いてハンドオーバ制御を行うステップをさらに備える移動制御方法。

【請求項10】

単数または複数のプロセッサを備えた少なくとも１つのコンピュータ用のコンピュータプログラムであって、前記単数または複数のプロセッサにより実行されると、請求項６から９のうちのいずれか１項に記載の移動制御方法を前記単数または複数のプロセッサに実施させるように構成されたコンピュータプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、移動体とともに移動するユーザ端末のハンドオーバを管理し制御する無線通信技術に関する。

【背景技術】

【0002】

移動通信システムを利用する移動中のユーザ端末は、当該ユーザ端末の接続先の基地局を切り替えるためにハンドオーバを行うことが知られている。ハンドオーバの手順に関する先行技術は、たとえば、非特許文献１（「３ＧＰＰ ＴＳ ２３．５０２ Ｖ１７．２．１」）に開示されている。非特許文献１は、３ＧＰＰ（３ｒｄ Ｇｅｎｅｒａｔｉｏｎ Ｐａｒｔｎｅｒｓｈｉｐ Ｐｒｏｊｅｃｔ）と呼ばれる標準化団体が策定した技術仕様書（Ｔｅｃｈｎｉｃａｌ Ｓｐｅｃｉｆｉｃａｔｉｏｎ）である。

【0003】

ユーザ端末が基地局に対して比較的速い相対速度で移動する場合は、基地局間のハンドオーバが頻繁に行われることになる。この場合には、当該切り替え時の通信ロスを抑制するためのシームレスなハンドオーバを実現することが重要となる。たとえば、列車で移動中のユーザ端末のハンドオーバを制御する技術は、特許文献１（特開２０１８－１８２７１１号公報）に開示されている。特許文献１には、列車で移動中の複数のユーザ端末がそれぞれ基地局のセルにハンドオーバ（ハンドイン）した時刻に基づいてユーザ端末のグループ化を行い、グループ単位でユーザ端末の次のハンドオーバの優先度を制御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２０１８－１８２７１１号公報

【非特許文献】

【0005】

【文献】３ＧＰＰ ＴＳ ２３．５０２ Ｖ１７．２．１

【発明の概要】

【発明が解決しようとする課題】

【0006】

近年、新幹線などの高速鉄道に代表される高速輸送システムの普及に伴い、従来よりも高速でシームレスなハンドオーバ制御を実現することが求められている。

【0007】

上記に鑑みて本開示の目的は、移動体とともに移動するユーザ端末のハンドオーバの制御を高速かつ効率的に行うことを可能とする移動制御装置、通信システム、移動制御方法、及びコンピュータプログラムを提供することである。

【課題を解決するための手段】

【0008】

本開示の第１の態様による移動制御装置は、複数のユーザ端末との間で無線通信可能な複数の基地局を含む移動通信システムにおける移動制御装置であって、前記複数のユーザ端末の各ユーザ端末が前記複数の基地局のうちのいずれの基地局のセルに在圏しているか否かの状態を表す２値系列をもつ観測データを生成する状態観測部と、機械学習により推定された最尤パラメータをもつ混合確率分布に基づいて、前記観測データを複数のクラスタのうちの１つのクラスタに分類するクラスタリング部と、前記複数の基地局のうち、前記観測データが分類された当該クラスタに対応付けされている次のハンドオーバ先である基地局を当該ユーザ端末の識別子に割り当てることにより、前記複数のユーザ端末の識別子と次のハンドオーバ先である基地局との間の対応関係を示すハンドオーバデータを生成する割り当て部とを備えることを特徴とする。

【0009】

本開示の第２の態様による通信システムは、第１の態様による移動制御装置と、当該移動制御装置から供給されたハンドオーバデータを用いてハンドオーバ制御を行う通信装置とを備える。

【0010】

本開示の第３の態様による移動制御方法は、複数のユーザ端末との間で無線通信可能な複数の基地局を含む移動通信システムにおいて実行される移動制御方法であって、前記複数のユーザ端末の各ユーザ端末が前記複数の基地局のうちのいずれの基地局のセルに在圏しているか否かの状態を表す２値系列をもつ観測データを生成するステップと、機械学習により推定された最尤パラメータをもつ混合確率分布に基づいて、前記観測データを複数のクラスタのうちの１つのクラスタに分類するステップと、前記複数の基地局のうち、前記観測データが分類された当該クラスタに対応付けされている次のハンドオーバ先である基地局を当該ユーザ端末の識別子に割り当てることにより、前記複数のユーザ端末の識別子と次のハンドオーバ先である基地局との間の対応関係を示すハンドオーバデータを生成するステップとを備える。

【0011】

本開示の第４の態様によるコンピュータプログラムは、単数または複数のプロセッサを備えた少なくとも１つの装置用のコンピュータプログラムであって、前記単数または複数のプロセッサにより実行されると、第３の態様による移動制御方法を前記少なくとも１つの装置に実施させるように構成されている。

【発明の効果】

【0012】

本開示の第１ないし第４の態様により、移動体とともに移動するユーザ端末のハンドオーバの制御を高速かつ効率的に行うことが可能となる。

【図面の簡単な説明】

【0013】

【図1】本開示に係る一実施形態の移動（モバイル）通信ネットワークシステムの構成例を概略的に示すブロック図である。

【図2】一実施形態の通信システムの構成要素を実現するハードウェア構成例の概略構成図である。

【図3】一実施形態の通信システムの全体の処理シーケンスの一形態を示す図である。

【図4】一実施形態の移動制御装置によるハンドオーバ生成処理の手順の一例を示すフローチャートである。

【図5】図５Ａ及び図５Ｂは、ユーザ端末がいずれの基地局（ＡＰ）のセルに在圏しているかの状態を表す図である。

【図6】加入者プロファイルの一部の例を概略的に示す図である。

【図7】基地局群の配置情報を示すルックアップテーブルの例を表す概略図である。

【図8】リストテーブル形式のハンドオーバデータの構造の一例を表す概略図である。

【図9】ハンドオーバ完了後の通信システムの全体の処理シーケンスの一形態を示す図である。

【図10】リストテーブルデータの構造の一例を表す概略図である。

【図11】一実施形態に係るパラメータ生成処理の手順の一例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】

【0014】

以下、図面を参照しつつ、本開示に係る種々の実施形態について詳細に説明する。なお、図面全体において同一の参照符号を付された構成要素は、同一構成及び同一機能を有するものとする。

【0015】

図１は、本開示に係る一実施形態の移動（モバイル）通信ネットワークシステム１の構成例を概略的に示すブロック図である。図１に示されるように、移動通信ネットワークシステム１は、鉄道輸送システム３の鉄道線６０の近傍に配置された基地局群２０と、基地局群２０に接続された通信システム２１とを備えて構成されている。

【0016】

鉄道輸送システム３は、上り線６０Ｕ及び下り線６０Ｄを有する鉄道線６０と、鉄道線６０に沿って設けられた多数の駅施設ＳＴＮ_１，ＳＴＮ_２，…，ＳＴＮ_Ｐ-２，ＳＴＮ_Ｐ-１，ＳＴＮ_Ｐと、上り線６０Ｕを走行する鉄道車両６１Ｕと、下り線６０Ｄを走行する鉄道車両６１Ｄとを備える（添字Ｐは、正整数）。鉄道車両６１Ｕ，６１Ｄの各々には、移動通信ネットワークシステム１のサービスを利用する加入者が搭乗しており、鉄道車両６１Ｕ，６１Ｄとともに当該加入者のユーザ端末（ＵＥ：Ｕｓｅｒ Ｅｑｕｉｐｍｅｎｔ）１１_１，１１_２，…，１１_ｎ，１１_ｎ+１，…，１１_Ｎが移動したり、いずれかの駅施設にて停止したりする（添字Ｎ，ｎは、正整数）。上り線６０Ｕにおける鉄道車両６１Ｕ内のＵＥ１１_１～１１_ｎの移動方向は、下り線６０Ｄにおける鉄道車両６１Ｄ内のＵＥ１１_ｎ+１～１１_Ｎの移動方向とは逆方向である。

【0017】

図１の例では、説明の便宜上、上り線６０Ｕにおける１つの鉄道車両６１Ｕ内にＵＥ１１_１～１１_ｎが存在し、下り線６０Ｄにおける１つの鉄道車両６１Ｄ内にＵＥ１１_ｎ+１～１１_Ｎが存在しているが、これに限定されるものではない。上り線６０Ｕ及び下り線６０Ｄにおける多数の鉄道車両内にＵＥ１１_１～１１_Ｎがランダムに存在していてもよい。鉄道輸送システム３の鉄道車両は、運行管理システムに従い、原則として規則的に運行され制御されている。

【0018】

ＵＥ１１_１～１１_Ｎとしては、たとえば、スマートフォン、携帯電話機、タブレット端末、ウェアラブル端末、及びラップトップコンピュータが挙げられるが、これらに限定されるものではない。

【0019】

基地局群２０は、図１に示されるように、鉄道線６０に沿って配置された複数の基地局（ＡＰ）２０_１，２０_２，…，２０_ｋ，２０_ｋ+１，…，２０_Ｋ-２，２０_Ｋ-１，２０_Ｋを備えている（添字Ｋ，ｋは、正整数）。基地局２０_１～２０_Ｋは、無線アクセスネットワーク（ＲＡＮ：Ｒａｄｉｏ Ａｃｃｅｓｓ Ｎｅｔｗｏｒｋ）のノードである。基地局は、当該基地局の通信セル（以下、単に「セル」という。）内に位置するＵＥ（ユーザ端末）と通信することができる。基地局２０_１～２０_Ｋの各々は、通信システム２１と接続されている。ここで、セルとは、移動通信ネットワークシステム１とＵＥとの間で無線信号の送受信を行うエリア単位をいう。

【0020】

図１の移動通信ネットワークシステム１は、第５世代（５Ｇ）通信規格に準拠するように構成されており、通信システム２１は、５Ｇ移動通信ネットワークシステムのコアネットワークを含む。図１に示されるように通信システム２１は、アクセスモビリティ管理機能（ＡＭＦ：Ａｃｃｅｓｓ ａｎｄ Ｍｏｂｉｌｉｔｙ Ｍａｎａｇｅｍｅｎｔ Ｆｕｎｃｔｉｏｎ）２２と、統合データ管理部（ＵＤＭ：Ｕｎｉｆｉｅｄ Ｄａｔａ Ｍａｎａｇｅｍｅｎｔ）２３と、統合データリポジトリ部（ＵＤＲ：Ｕｎｉｆｉｅｄ Ｄａｔａ Ｒｅｐｏｓｉｔｏｒｙ）２４と、セッション管理機能部（ＳＭＦ：Ｓｅｓｓｉｏｎ Ｍａｎａｇｅｍｅｎｔ Ｆｕｎｃｔｉｏｎ）２５と、ユーザプレーン機能部（ＵＰＦ：Ｕｓｅｒ Ｐｌａｎｅ Ｆｕｎｃｔｉｏｎ）２６と、移動制御装置２７と、パラメータ生成装置２８とを含む。ＡＭＦ２２、ＵＤＭ２３、ＵＤＲ２４、ＳＭＦ２５及びＵＰＦ２６は、５Ｇ通信規格に準拠するコアネットワークを構成している。コアネットワークは、さらに、ポリシー制御機能部（ＰＣＦ：Ｐｏｌｉｃｙ Ｃｏｎｔｒｏｌ Ｆｕｎｃｔｉｏｎ）などの複数の機能部を含むが、これら機能部は図１では省略されている。

【0021】

ＡＭＦ２２は、たとえば、モビリティ管理、接続管理、及びＳＵＣＩ（Ｓｕｂｓｃｒｉｐｔｉｏｎ Ｃｏｎｃｅａｌｅｄ Ｉｄｅｎｔｉｆｉｅｒ：暗号化された加入者識別子）を利用したプライマリ認証を行うノードである。ＵＤＭ２３は、ＵＤＲ２４の保管情報を利用して加入者情報（サブスクリプションデータ）などの情報の管理を行うノードである。ＵＤＲ２４は、加入者情報とＵＥの状態などのコンテキスト情報の保管を行うノードである。

【0022】

ＵＤＲ２４には、加入者のＵＥ１１_ｎ（ｎは任意の番号）の位置登録情報が保管されている。ＵＥ１１_ｎは、移動通信ネットワークシステム１のサービスを利用するために、たとえば、当該ＵＥ１１_ｎの電源投入時、位置登録エリアの変更時あるいは定期的に位置登録要求を基地局（ＡＰ）に向けて発信する。当該位置登録要求は、基地局、ＡＭＦ２２及びＵＤＭ２３を経由してＵＤＲ２４によって受信される。ＵＤＲ２４は、当該位置登録要求に応じて位置登録処理を実行し、当該位置登録処理に成功すればＵＥ１１_ｎの位置登録情報を保管することとなる。また、ＵＤＲ２４は、ＵＥ１１_ｎの位置登録情報に基づいて加入者プロファイルを生成する機能を有している。加入者プロファイルは、加入者の契約情報、ユーザ設定情報、及び在圏情報などのサービス制御に必要な情報である。

【0023】

ＵＰＦ２６は、５Ｇ通信規格に準拠したユーザプレーン（Ｕ－ｐｌａｎｅ）通信を処理する機能を有し、ＵＥ１１_ｎとインターネットなどのデータネットワーク（ＤＮ）２との間のユーザ通信のアンカーポイントとなるノードである。ＳＭＦ２５は、たとえば、ＰＤＵセッションの管理や、ＱｏＳ（Ｑｕａｌｉｔｙ ｏｆ Ｓｅｒｖｉｃｅ）及びポリシーの実施のためのＵＰＦ２６の制御を行うノードである。ここで、ＰＤＵセッションとは、ＵＥ１１_ｎとＤＮ２との間のデータのやり取りを行うための仮想的なデータ通信路をいう。

【0024】

移動制御装置２７は、データ格納部３１、状態観測部３５、クラスタリング部３６、及び割り当て部３７を備えている。データ格納部３１には、機械学習により推定された最尤パラメータをもつ混合確率分布のパラメータ群を示すパラメータデータ３２と、基地局（ＡＰ）２０_１～２０_Ｋ（基地局群２０）の配置情報を表すルックアップテーブル３３と、クラスタリング（クラスタ分類）用のルックアープテーブル３４とが格納されている。移動制御装置２７の構成については、後に詳述する。

【0025】

パラメータ生成装置２８は、訓練データセット４２が格納されている訓練データ格納部４１と、訓練データセット４２を用いて混合確率分布に基づく機械学習を実行して当該混合確率分布の最尤パラメータを推定する機械学習部４０と、推定された最尤パラメータをもつ混合確率分布のパラメータ群を示すパラメータデータ４４を格納するパラメータ格納部４３とを備えている。訓練データセット４１は、移動制御装置２７用のパラメータデータ３２の生成のために使用されるデータセットである。パラメータ生成装置２８は、適当なタイミングでパラメータデータ４４を移動制御装置２７に供給する。移動制御装置２７は、当該パラメータデータ４４をパラメータデータ３２としてデータ格納部３１に格納し利用することができる。パラメータ生成装置２８の構成については、後に詳述する。

【0026】

上記した通信システム２１の構成要素（ＡＭＦ２２、ＵＤＭ２３、ＵＤＲ２４、ＳＭＦ２５、ＵＰＦ２６、移動制御装置２７、及びパラメータ生成装置２８）の全部または一部は、通信路を介して相互接続された複数台のコンピュータで実現されてもよいし、あるいは、１つ以上のプロセッサを含む１台のコンピュータで実現されてもよい。通信システム２１の構成要素の全部または一部の機能は、不揮発性メモリ（コンピュータ読み取り可能な記録媒体）から読み出されたコンピュータプログラムのコード（命令群）による処理を実行する１つまたは複数の演算装置（Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔｓ）を含む１つ以上のプロセッサで実現可能である。たとえば、演算装置としては、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）またはＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）が使用できる。

【0027】

図２は、通信システム２１の構成要素を実現するハードウェア構成例である情報処理装置（コンピュータ）１００の概略構成図である。情報処理装置１００は、複数個のプロセッサコアｐｃ，…，ｐｃを含むプロセッサ１０１と、ランダムアクセスメモリ（ＲＡＭ：Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１０２と、不揮発性メモリ１０３と、大容量メモリ１０４と、入出力インタフェース１０５と、信号路１０６とを含んで構成されている。信号路１０６は、プロセッサ１０１、ＲＡＭ１０２、不揮発性メモリ１０３、大容量メモリ１０４及び入出力インタフェース１０５を相互に接続するためのバスである。ＲＡＭ１０２は、プロセッサ１０１がディジタル信号処理を実行する際に使用されるデータ記憶領域である。不揮発性メモリ１０３は、プロセッサ１０１により実行されるコンピュータプログラムのコード（命令群）が格納されているデータ記憶領域を有する。

【0028】

次に、図３～図１０を参照しつつ、図１の移動制御装置２７の機能について以下に詳細に説明する。図３は、通信システム２１の全体の処理シーケンスの一形態を示す図であり、図４は、移動制御装置２７によるハンドオーバ生成処理の手順の一例を示すフローチャートである。

【0029】

移動制御装置２７は、図１に示したようにデータ格納部３１、状態観測部３５、クラスタリング部３６、及び割り当て部３７を備えている。図３を参照すると、鉄道輸送システム３の少なくとも１つの鉄道車両内のＵＥ１１_１～１１_Ｎ（ＵＥ群）とＤＮ２との間で、移動元基地局（在圏基地局）及びＵＰＦ２６を介したデータ通信が実行されている。この状況で、ＵＤＲ２４は、鉄道輸送システム３の少なくとも１つの鉄道車両内のＵＥ１１_１～１１_Ｎ（ＵＥ群）から、加入者識別子をキーとする位置登録要求信号群ＲＳ０を受信すると、当該受信された位置登録要求信号群ＲＳ０に基づいて加入者プロファイルをリアルタイムに生成する。位置登録要求信号群ＲＳ０には、ＵＥ１１_１～１１_Ｎの各々がいずれの基地局のセルに在圏しているかを示す情報が含まれている。ＵＤＲ２４は、生成された加入者プロファイルＳＰＤを移動制御装置２７に送信する。移動制御装置２７は、加入者プロファイルＳＰＤに基づいたハンドオーバデータ生成処理を実行することができる。

【0030】

以下、図４を参照しつつハンドオーバデータ生成処理の手順について説明する。先ず、状態観測部３５は、ＵＤＲ２４から受信された加入者プロファイルＳＰＤを取得する（ステップＳ１１）。次に、状態観測部３５は、加入者プロファイルＳＰＤに含まれている情報を用いて、ＵＥ１１_１～１１_Ｎの各ＵＥ１１_ｎが基地局２０_１～２０_Ｋのうちのいずれの基地局のセルに在圏しているか否かの状態を表す２値系列をもつ観測データｘ_ｎを生成する（図４のステップＳ１２）。

【0031】

図５Ａ及び図５Ｂは、ＵＥがいずれの基地局（ＡＰ）のセルに在圏しているかの状態を表す図である。図５Ａ及び図５Ｂ中、白抜きの丸印（「○」）は、ＵＥが在圏していないセルの状態を示し、このときの観測データ値として「０」が割り当てられている。一方、黒く塗りつぶされた丸印（「●」）は、ＵＥが在圏しているセルの状態を示し、このときの観測データ値として「１」が割り当てられている。図５Ａの例は、ｎ番目のＵＥ１１_ｎが（ｋ＋１）番目の基地局２０_ｋ+１のセルに在圏している状態を表し、図５Ｂの例は、（ｎ＋１）番目のＵＥ１１_ｎ+１がｋ番目の基地局２０_ｋのセルに在圏している状態を表している。観測データｘ_ｎ，ｘ_ｎ+１は、「０」または「１」の値をとる２値変数を要素とする２値ベクトルとして表現されている。

【0032】

観測データｘ_ｎの生成（ステップＳ１２）の後は、状態観測部３５は、基地局群の配置情報を示すルックアップテーブル３３を参照し、当該加入者プロファイルＳＰＤに含まれるタイムスタンプの系列に基づいて、各ＵＥ（ユーザ端末）１１_ｎが移動する移動方向を推定する（ステップＳ１３）。各ＵＥ１１_ｎの移動方向は、下り線６０Ｄの方向または上り線６０Ｕの方向のいずれか一方である。タイムスタンプは、ＵＥ１１_１～１１_Ｎの各々が基地局のセルに在圏した時間を表す情報である。この時間を表す情報は、日付と時刻とを含むものであればよい。

【0033】

図６は、加入者プロファイルＳＰＤの一部の例を概略的に示す図である。図６に示されるように、加入者プロファイルＳＰＤは、ＵＥ１１_１～１１_Ｎの加入者識別子＃１，＃２，…，＃９９９，…，＃Ｎの各々について、基地局識別子とタイムスタンプとの組｛基地局識別子，ｔｓ［基地局識別子］｝の系列を含む。図６の例では、説明の便宜上、基地局識別子が数字で表されているが、これに限定されるものではなく、任意の符号で表現可能である。加入者識別子＃１～＃Ｎには、ＩＭＳＩ（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｍｏｂｉｌｅ Ｓｕｂｓｃｒｉｂｅｒ Ｉｄｅｎｔｉｔｙ）に相当するＳＵＰＩ（Ｓｕｂｓｃｒｉｐｔｉｏｎ Ｐｅｒｍａｎｅｎｔ Ｉｄｅｎｔｉｆｉｅｒ）が使用可能である。ＳＵＰＩは、ＭＣＣ（Ｍｏｂｉｌｅ Ｃｏｕｎｔｒｙ Ｃｏｄｅ）部分と、ＭＮＣ（Ｍｏｂｉｌｅ Ｎｅｔｗｏｒｋ Ｃｏｄｅ）部分と、ＭＳＩＮ（Ｍｏｂｉｌｅ Ｓｕｂｓｃｒｉｂｅｒ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ Ｎｕｍｂｅｒ）部分とを含む。ＭＳＩＮ部分を暗号化することにより、ＳＵＣＩ（Ｓｕｂｓｃｒｉｐｔｉｏｎ Ｃｏｎｃｅａｌｅｄ Ｉｄｅｎｔｉｆｉｅｒ）と呼ばれる暗号化された状態の加入者識別子が生成され、ＳＵＣＩがネットワークに流される。

【0034】

図７は、基地局群の配置情報を示すルックアップテーブル３３の例を表す概略図である。図７の例では、基地局（ＡＰ）２０_１～２０_Ｋの基地局識別子に対して一対一対応の配置番号ａ［１］～ａ［Ｋ］が割り当てられている。配置番号ａ［ｋ］（ｋは１～Ｋの範囲内の任意整数）は、基地局の地理的な配置位置を示す固有の値、または、当該基地局の地理的な配置位置に応じて割り当てられた固有の値を意味する。状態観測部３５は、加入者プロファイルＳＰＤからＵＥ１１_ｎのタイムスタンプの系列を取得すると、当該タイムスタンプの系列に対応してＵＥ１１_ｎが在圏してきたセルをもつ一連の基地局（たとえば、基地局２０_ｋ，２０_ｋ+１，…）の識別子（基地局識別子）の時系列を決定することができる。状態観測部３５は、当該決定された基地局識別子の時系列を用いてルックアップテーブルに基づき、ＵＥ１１_ｎの移動方向を推定することができる（図４のステップＳ１３）。

【0035】

上述したようにパラメータ生成装置２８は、機械学習により推定された最尤パラメータをもつ混合確率分布のパラメータ群を示すパラメータデータ４４を移動制御装置２７に供給し、移動制御装置２７は、当該パラメータデータ４４をパラメータデータ３２として利用することができる。クラスタリング部３６は、データ格納部３１からパラメータデータ３２を取得し、当該パラメータデータ３２で示される混合確率分布のパラメータ群を用いたクラスタリング（クラスタ分類）を実行することができる。

【0036】

具体的には、ＵＥ１１_ｎの移動方向の推定（ステップＳ１３）の後、クラスタリング部３６は、各移動方向ごとに、当該パラメータデータ３２で示される混合確率分布に基づいて、観測データｘ_ｎをＫ個のクラスタのうちの１つのクラスタに分類することができる（図４のステップＳ１４）。ここで、Ｋは、クラスタの総数を示す整数である。説明の便宜上、本実施形態では、Ｋ個のクラスタは、Ｋ個の基地局（ＡＰ）２０_１～２０_Ｋと一対一で対応している。データ格納部３１内のルックアープテーブル３４には、クラスタと基地局（ＡＰ）２０_１～２０_Ｋとの間の対応関係が定められている。

【0037】

本実施形態では、観測データｘ_ｎの要素である２値変数の各々は、ベルヌーイ分布に従うと考えることができることから、パラメータデータ３２で示されるＫ個のクラスタを実現するための混合確率分布として混合ベルヌーイ分布が使用できる。機械学習としては、ＥＭ（Ｅｘｐｅｃｔａｔｉｏｎ－Ｍａｘｉｍｉｚａｔｉｏｎ）アルゴリズムによる尤度推定法が使用可能である。

【0038】

混合ベルヌーイ分布のＥＭアルゴリズムによる最尤推定法によれば、観測データｘ_ｎがｋ番目のクラスタに所属する割合は、負担率（Ｒｅｓｐｏｎｓｉｂｉｌｉｔｙ）と呼ばれる値γ_ｎｋを用いて計算可能である。負担率γ_ｎｋは、２値ベクトルｘ_ｎがｋ番目のクラスタに所属する割合を表している。負担率γ_ｎｋは、次式（１）で表される。

【0039】

【数1】

【0040】

ここで、π_ｋ，μ_ｋは、ＥＭアルゴリズムによる最尤推定法により推定された最尤パラメータである。負担率γ_ｎｋについては、後に詳述する。

【0041】

クラスタリング部３６は、観測データｘ_ｎを、負担率γ_ｎ１，…，γ_ｎＫのうちの最も高い負担率に対応するクラスタに分類することができる（図４のステップＳ１４）。

【0042】

パラメータデータ３２は、移動方向ごとのサブパラメータデータを含み、サブパラメータデータごとにＫ個のクラスタを実現するための混合確率分布を定めるものである。このため、パラメータデータ３２は、上り線６０Ｕの方向用の第１のサブパラメータデータと、下り線６０Ｄの方向用の第２のサブパラメータデータとを含む。観測データｘ_ｎが上り線６０Ｕにおける鉄道車両６１Ｕ内のＵＥ１１_ｎから得られたデータであるときは、クラスタリング部３６は、第１のサブパラメータデータで示される混合確率分布に基づいて、当該観測データｘ_ｎをＫ個のクラスタのうちの１つのクラスタに分類する。一方、観測データｘ_ｎが下り線６０Ｄにおける鉄道車両６１Ｄ内のＵＥ１１_ｎから得られたデータであるときは、クラスタリング部３６は、第２のサブパラメータデータで示される混合確率分布に基づいて、当該観測データｘ_ｎをＫ個のクラスタのうちの１つのクラスタに分類することとなる。

【0043】

データ格納部３１内のルックアープテーブル３４には、クラスタと次のハンドオーバ（ＨＯ）先である基地局（ターゲット基地局）との間の対応関係が予め定められているので、割り当て部３７は、各移動方向ごとにルックアープテーブル３４の内容を参照して、観測データｘ_ｎが分類された当該クラスタに対応付けされている次のＨＯ先である基地局を決定することができる（図４のステップＳ１５）。ここで、ルックアップテーブル３４は、移動方向ごとのサブルックアップテーブルを含む。このため、パラメータデータ３２は、上り線６０Ｕの方向用の第１のサブルックアップテーブルと、下り線６０Ｄの方向用の第２のサブルックアップテーブルとを含む。観測データｘ_ｎが上り線６０Ｕにおける鉄道車両６１Ｕ内のＵＥ１１_ｎから得られたデータであるときは、割り当て部３７は、第１のサブルックアープテーブルを参照して、観測データｘ_ｎが分類された当該クラスタに対応付けされている次のＨＯ先を決定する。一方、観測データｘ_ｎが下り線６０Ｄにおける鉄道車両６１Ｄ内のＵＥ１１_ｎから得られたデータであるときは、割り当て部３７は、第２のサブルックアープテーブルを参照して、観測データｘ_ｎが分類された当該クラスタに対応付けされている次のＨＯ先を決定することとなる。

【0044】

次のＨＯ先である基地局の決定（図４のステップＳ１５）の後は、割り当て部３７は、当該決定された次のＨＯ先である基地局を当該ＵＥの加入者識別子に割り当てることにより、ＵＥ１１_１～１１_ｎの加入者識別子と次のＨＯ先である基地局との間の対応関係を示すハンドオーバデータＨＯＤを生成する（ステップＳ１６）。図８は、リストテーブル形式のハンドオーバデータＨＯＤの構造の一例を表す概略図である。図８に示されるようにハンドオーバデータＨＯＤは、クラスタを一意に特定するＫ個のクラスタＩＤ（クラスタ識別子）の各クラスタＩＤについて、加入者識別子と、次のＨＯ先の基地局識別子と、移動方向種別とが対応付けされている。

【0045】

そして、割り当て部３７は、生成されたハンドオーバデータＨＯＤをＳＭＦ２５に供給する（図４のステップＳ１７）。ＳＭＦ２５は、ハンドオーバデータＨＯＤを用いてハンドオーバ制御を行う機能をもつ通信装置である。その後、移動制御装置２７は、処理を続行する場合には（ステップＳ１８のＹＥＳ）、ステップＳ１１に処理を戻し、次に受信された加入者プロファイルＳＰＤに基づくステップＳ１１～Ｓ１７の処理を実行する。一方、処理を続行しない場合には（ステップＳ１８のＮＯ）、移動制御装置２７は、以上のハンドオーバデータ生成処理を終了する。

【0046】

図３を参照すると、ＳＭＦ２５は、移動制御装置２７からハンドオーバデータＨＯＤを受信すると、当該ハンドオーバデータＨＯＤを保持する。次いでＳＭＦ２５は、当該ハンドオーバデータＨＯＤをＵＰＦ２６に送信する。ＵＰＦ２６は、当該ハンドオーバデータＨＯＤに基づいて、次のハンドオーバ（ＨＯ）先である基地局へのデータ通信路（ＰＤＵセッション）を事前に設定する。たとえば、１つのクラスタに１０００個の加入者識別子が対応付けされているとすれば、ＵＰＦ２６は、クラスタ単位で１０００個のデータ通信路を事前に設定することができる。その後、ハンドオーバ要求が発生したときは、事前に設定されたデータ通信路を用いて、クラスタ単位でＵＥ群の基地局間ハンドオーバ（移動元基地局からＨＯ先の基地局へのハンドオーバ）を高速かつ効率的に実行することができる。これにより、高速でシームレスなハンドオーバが実現される。

【0047】

図９は、ハンドオーバ完了後の通信システム２１の全体の処理シーケンスの一形態を示す図である。図９に示されるように、ＵＤＲ２４は、ＵＥ１１_１～１１_Ｎ（ＵＥ群）から、ＨＯ先の基地局、ＡＭＦ２２及びＵＤＭ２３を介して、加入者識別子をキーとする位置登録要求信号群ＲＳ１を受信すると、当該位置登録要求信号群ＲＳ１をＳＭＦ２５に転送する。ＳＭＦ２５は、以前から保持していたハンドオーバデータＨＯＤ（図３）と、転送された位置登録要求信号群ＲＳ１とに基づいて、ハンドオーバデータＨＯＤの中から、いずれの基地局のセルにも在圏していないＵＥの加入者識別子とこれに対応するクラスタとを特定する。そして、ＳＭＦ２５は、当該特定された加入者識別子に割り当てられている移動元の基地局を介したデータ通信路の情報をクラスタ単位で削除する。そして、ＵＰＦ２６は、当該特定された加入者識別子と、対応するクラスタＩＤと、削除対象の基地局識別子との間の対応関係を示すリストテーブルデータＬＤを生成し、当該リストテーブルデータＬＤをＵＰＦ２６に送信する。ＵＰＦ２６は、リストテーブルデータＬＤに基づいて、移動元の基地局を介したデータ通信路をクラスタ単位で削除することができる。図１０は、リストテーブルデータＬＤの構造の一例を表す概略図である。図１０に示されるようにリストテーブルデータＬＤは、クラスタＩＤと、加入者識別子と、削除対象の基地局識別子との間の対応関係が定められている。

【0048】

以上に説明したように移動制御装置２７では、状態観測部３５は、移動体である鉄道車両とともに移動するＵＥ１１_１～１１_Ｎの各ＵＥ１１_ｎが、基地局２０_１～２０_Ｋのうちのいずれの基地局のセルに在圏しているか否かの状態を表す２値系列をもつ観測データｘ_ｎを生成する。クラスタリング部３６は、機械学習により推定された最尤パラメータをもつ混合確率分布に基づいて、観測データｘ_ｎを複数のクラスタのうちの１つのクラスタに分類する。割り当て部３７は、観測データｘ_ｎが分類された当該クラスタに対応付けされている次のハンドオーバ先である基地局をＵＥ１１_ｎの加入者識別子に割り当てることにより、ＵＥ１１_１～１１_Ｎの識別子と次のハンドオーバ先である基地局との間の対応関係を示すハンドオーバデータＨＯＤを生成することができる。したがって、ハンドオーバ制御を行う通信装置であるＳＭＦ２５及びＵＰＦ２６は、ハンドオーバデータＨＯＤを用いて、クラスタ単位でＵＥ群の基地局間ハンドオーバを高速かつ効率的に実行することができる。これにより、高速でシームレスなハンドオーバが実現される。

【0049】

次に、図１１を参照しつつ、パラメータ生成装置２８について以下に詳細に説明する。図１１は、パラメータ生成装置２８によるパラメータ生成処理の手順の一例を示すフローチャートである。

【0050】

訓練データセット４２は、図４Ａ及び図４Ｂに例示した観測データに相当する訓練データｘ_ｎの集合からなる。訓練データｘ_ｎには、それぞれ、予め基地局（ＡＰ）の識別子または基地局（ＡＰ）のセルの識別子が対応付けされている。以下、訓練データセット４２に基づくパラメータデータ４４の生成方法について説明する。

【0051】

機械学習部４０は、訓練データ格納部４１から訓練データセット４２を読み出し（図１１のステップＳ２１）、当該訓練データセット４２を用いて、混合確率分布に基づく機械学習を実行して当該混合確率分布の最尤パラメータを推定することができる（図１１のステップＳ２２）。その後、機械学習部４０は、推定された最尤パラメータをもつ混合確率分布のパラメータ群をパラメータデータ４４としてパラメータ格納部４３に格納する（図１１のステップＳ２３）。

【0052】

図１１のステップＳ２２では、混合ベルヌーイ分布のＥＭアルゴリズムによる最尤推定法を実施することができる。以下、ＥＭアルゴリズムによる最尤推定法の手順を説明する。

【0053】

Ｎ個の２値ベクトルｘ_１，ｘ_２，…，ｘ_Ｎの集合すなわち２値データセットＸが、Ｋ個のパラメータベクトルμ_１，μ_２，…，μ_Ｋの集合すなわちパラメータデータセットμをもつ混合ベルヌーイ分布に従うものとする。２値データセットＸとパラメータデータセットμとは、それぞれ次式のように表される（Ｔは転置記号である。）。

【0054】

【数2】

【0055】

ここで、ｎ番目の２値ベクトルｘ_ｎとｋ番目のパラメータベクトルμ_ｋの各々は、以下のようにＤ個の要素をもつベクトルとして表される。

【0056】

【数3】

【0057】

２値ベクトルｘ_ｎの要素ｘ_ｎ（ｉ）（ｉ＝１,２,…,Ｄ）の各々は、「０」または「１」の値をとる２値変数である。各２値ベクトルｘ_ｎは、次の混合ベルヌーイ分布によって独立に生成されるものとする。

【0058】

【数4】

【0059】

ここで、πは、Ｋ個の混合比率π_１，π_２，…，π_Ｋからなるパラメータデータセットであり、次式で表され得る。

【0060】

【数5】

【0061】

このとき、尤度関数Ｐ（Ｘ｜μ，π）は、次式で表される。

【0062】

【数6】

【0063】

また、対数尤度関数ｌｎＰ（Ｘ｜μ，π）は、尤度関数Ｐ（Ｘ｜μ，π）から次式で表される。

【0064】

【数7】

【0065】

ＥＭアルゴリズムは、尤度（上記の尤度関数Ｐ（Ｘ｜μ，π）または対数尤度関数ｌｎＰ（Ｘ｜μ，π））が極大となるように混合ベルヌーイ分布のパラメータデータセットμ，πの最尤解を求める手法である。以下、ＥＭアルゴリズムによる最尤推定の手順について説明する。

【0066】

先ず、初期化ステップを実行する。すなわち、パラメータデータμ＝｛μ_１，μ_２，…，μ_Ｋ｝，π＝｛π_１，π_２，…，π_Ｋ｝、及び尤度を初期化する。たとえば、π_１，π_２，…，π_Ｋの要素は、すべて均等となるように１／Ｋの初期値に設定可能である。また、μ_１，μ_２，…，μ_Ｋの要素は、所定の平均値（たとえば１／２）及び分散σ^２をもつ正規分布を用いて、互いに重複しない、互いに独立なランダムな初期値（０～１の範囲内の実数）に設定可能である。

【0067】

次に、Ｅ（Ｅｘｐｅｃｔａｔｉｏｎ）ステップを実行する。すなわち、次式に従って、現在のパラメータセットμ，πを用いて負担率（Ｒｅｓｐｏｎｓｉｂｉｌｉｔｙ）と呼ばれる値γ_ｎｋを算出する。負担率γ_ｎｋは、２値ベクトルｘ_ｎがｋ番目のクラスタに所属する割合を表している。

【0068】

【数8】

【0069】

次に、Ｍ（Ｍａｘｉｍｉｚａｔｉｏｎ）ステップを実行する。すなわち、次式に従って、現在の負担率γ_ｎｋを用いてパラメータセットμ，πを更新する。

【0070】

【数9】

【0071】

次に、所定の収束条件を満たしているか否かを判定する。具体的には、尤度が所定の数値範囲内に収束している場合、パラメータセットμ，πが収束している場合、あるいは、尤度とパラメータセットμ，πとがともに収束している場合には、収束条件が満たされていると判定すればよい。収束条件が満たされていないと判定されたときは、Ｅステップに戻って繰り返し計算する。所定回数または一定時間繰り返し計算しても所定の収束条件が満たされないときは、パラメータセットμ，π及びクラスタ数Ｋのうちのいずれかまたは全部の初期値を変更して、初期化ステップからの処理を実行すればよい。

【0072】

以上、図面を参照して本開示に係る種々の実施形態について述べたが、これら実施形態は例示であり、これら実施形態以外の様々な形態もあり得る。

【0073】

たとえば、上記実施形態では、移動通信ネットワークシステム１は、第５世代（５Ｇ）通信規格に準拠したネットワークシステムであったが、これに限定されるものではない。移動制御装置２７及びパラメータ生成装置２８の機能は、たとえば、第４世代（４Ｇ）通信規格または第５世代以後の通信規格に準拠した移動通信ネットワークシステムの構成要素、または移動通信ネットワークシステム以外の固定通信システムや非地上系ネットワーク（ＮＴＮ：Ｎｏｎ－Ｔｅｒｒｅｓｔｒｉａｌ Ｎｅｔｗｏｒｋ）システムの構成要素にも適用可能である。

【0074】

また上記の実施形態では、各ＵＥ１１_ｎが移動しうる移動方向は、鉄道線６０の下り線６０Ｄの方向及び上り線６０Ｕの方向の２種類であったが、これに限定されるものではない。３種類以上の移動方向が設定されてもよい。

【0075】

また上記の実施形態では、移動制御装置２７及びパラメータ生成装置２８の機能は鉄道輸送システム３に適用されていたが、これに限定されるものではない。移動体とともに群をなして移動しうるＵＥ（ユーザ端末）が存在しうる、高速道路などの輸送システムに対しても、移動制御装置２７及びパラメータ生成装置２８の機能を適用することが可能である。

【0076】

本発明の趣旨及び範囲から逸脱することなく、上記実施形態の変更、追加及び改良を適宜行うことができることが理解されるべきである。本発明の範囲は、特許請求の範囲の記載に基づいて解釈されるべきであり、さらにその均等物を含むものと理解されるべきである。

【符号の説明】

【0077】

１：移動通信ネットワークシステム、ＳＴＮ_１～ＳＴＮ_Ｐ：駅施設、２：データネットワーク（ＤＮ）、３：鉄道輸送システム、１１_１～１１_Ｎ：ユーザ端末（ＵＥ）、２０：基地局群、２０_１～２０_Ｋ：基地局（ＡＰ）、２１：通信システム、２２：アクセスモビリティ管理機能部（ＡＭＦ）、２３：統合データ管理部（ＵＤＭ）、２４：統合データリポジトリ部（ＵＤＲ）、２５：セッション管理機能部（ＳＭＦ）、２６：ユーザプレーン機能部（ＵＰＦ）、２７：移動制御装置、２８：パラメータ生成装置、３１：データ格納部、３２：パラメータデータ、３３：ルックアップテーブル、３４：クラスタリング（クラスタ分類）用のルックアップテーブル、３５：状態観測部、３６：クラスタリング部、３７：割り当て部、４０：機械学習部、４１：訓練データ格納部、４２：訓練データセット、４３：パラメータ格納部、４４：パラメータデータ、６０：鉄道線、６０Ｄ：下り線、６０Ｕ：上り線、６１Ｄ，６１Ｕ：鉄道車両、１００：情報処理装置、１０１：プロセッサ、ｐｃ：プロセッサコア、１０２：ランダムアクセスメモリ（ＲＡＭ）、１０２：ＲＡＭ、１０３：不揮発性メモリ、１０４：大容量メモリ、１０５：入出力インタフェース、１０６：信号路。

【要約】

【課題】移動体とともに移動するユーザ端末のハンドオーバの制御を高速かつ効率的に行うことを可能とする移動制御装置を提供する。
【解決手段】移動制御装置２７は、各ユーザ端末１１_ｎが基地局２０_１～２０_Ｋのうちのいずれの基地局のセルに在圏しているか否かの状態を表す２値系列をもつ観測データを生成する状態観測部３５と、機械学習により推定された最尤パラメータをもつ混合確率分布に基づいて、観測データを複数のクラスタのうちの１つのクラスタに分類するクラスタリング部３６と、観測データが分類された当該クラスタに対応付けされている次のハンドオーバ先である基地局を当該ユーザ端末１１_ｎの識別子に割り当てることにより、ユーザ端末１１_１～１１_Ｎの識別子と次のハンドオーバ先である基地局との間の対応関係を示すハンドオーバデータを生成する割り当て部３７とを備える。
【選択図】図１

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】