特許 7635427 隣接関係の競合予測

(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】2025-02-14

(45)【発行日】2025-02-25

(54)【発明の名称】隣接関係の競合予測

(51)【国際特許分類】

   H04W 24/02 20090101AFI20250217BHJP

   H04W 16/20 20090101ALI20250217BHJP

   H04W 16/32 20090101ALI20250217BHJP

   H04W 48/16 20090101ALI20250217BHJP

   H04W 76/15 20180101ALI20250217BHJP

【ＦＩ】

H04W24/02

H04W16/20

H04W16/32

H04W48/16 134

H04W76/15

【請求項の数】 20

(21)【出願番号】P 2023567161

(86)(22)【出願日】2021-12-28

(65)【公表番号】

(43)【公表日】2024-04-16

(86)【国際出願番号】 US2021065405

(87)【国際公開番号】W WO2023014392

(87)【国際公開日】2023-02-09

【審査請求日】2023-11-01

(31)【優先権主張番号】63/229,039

(32)【優先日】2021-08-03

(33)【優先権主張国・地域又は機関】US

(31)【優先権主張番号】17/542,242

(32)【優先日】2021-12-03

(33)【優先権主張国・地域又は機関】US

(73)【特許権者】

【識別番号】319010088

【氏名又は名称】楽天モバイル株式会社

(74)【代理人】

【識別番号】100109380

【弁理士】

【氏名又は名称】小西 恵

(74)【代理人】

【識別番号】100109036

【弁理士】

【氏名又は名称】永岡 重幸

(72)【発明者】

【氏名】メディス，マドーキラン

(72)【発明者】

【氏名】チナム，サヴィンドゥ

(72)【発明者】

【氏名】カマー，マノジ

(72)【発明者】

【氏名】ナヒ，ペトリット

【審査官】鈴木 重幸

(56)【参考文献】

【文献】特表２０２１－５１０２８８（ＪＰ，Ａ）

【文献】特表２０１８－５０９８５８（ＪＰ，Ａ）

【文献】CATT，(TP for NR BL CR for TS 37.340) Correction on PCI confusion[online]，3GPP TSG RAN WG3 #101 R3-184765，Internet<URL:https://www.3gpp.org/ftp/tsg_ran/WG3_Iu/TSGR3_101/Docs/R3-184765.zip>，2018年08月10日

(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】

コンピュータに動作を実施させるために前記コンピュータによって実行可能な命令を含むコンピュータ可読媒体であって、前記動作は、
端末のサービングマスタセルグループ（ＭＣＧ）から、前記端末の測定報告を受信することであって、前記測定報告は、複数の信号測定値を含み、前記信号測定値の各々は、物理セル識別子（ＰＣＩ）と絶対無線周波数チャネル番号（ＡＲＦＣＮ）とによって表されるセカンダリセルグループ（ＳＣＧ）に関連付けられている、ことと、
前記複数の信号測定値の中にリストされていないＳＣＧを識別することであって、前記リストされていないＳＣＧは、前記サービングＭＣＧの隣接関係テーブル（ＮＲＴ）中のいずれの単一のＳＣＧにも対応しないＰＣＩ及び関連付けられたＡＲＦＣＮによって表される、ことと、
前記サービングＭＣＧの閾値距離内の１又は複数の近隣ＭＣＧを識別することと、
前記リストされていないＳＣＧの前記ＰＣＩ及び前記ＡＲＦＣＮを有するＳＣＧであって、前記近隣ＭＣＧの各々の前記ＮＲＴ中のＳＣＧの数をカウントすることと、
予測値を取得するために、ＳＣＧの前記カウントされた数と、前記サービングＭＣＧ、前記ＰＣＩ、及び前記ＡＲＦＣＮを表すＭＣＧ－ＰＣＩ－ＡＲＦＣＮ識別子とに分類モデルを適用することであって、前記予測値は、前記サービングＭＣＧ及び前記複数の近隣ＭＣＧを、前記リストされていないＳＣＧに供給することがＰＣＩ競合をもたらすか否かを示すバイナリ値である、ことと
を含む、コンピュータ可読媒体。

【請求項2】

前記命令は、前記コンピュータに、前記予測値を取得するために、前記サービングＭＣＧの地理的位置又は前記ＡＲＦＣＮの周波数タイプのうちの少なくとも１つに前記分類モデルを適用することを実施させるように更に構成される、請求項１に記載のコンピュータ可読媒体。

【請求項3】

前記命令は、前記コンピュータに、
前記カウントされた数及び前記ＭＣＧ－ＰＣＩ－ＡＲＦＣＮ識別子をトレーニングサンプルとして記憶することと、
前記ＰＣＩ及び前記ＡＲＦＣＮが前記サービングＭＣＧの前記ＮＲＴ中に含まれるか否かを判定することと、
前記判定の結果を示すグラウンドトゥルース予測値を用いて前記トレーニングサンプルをラベル付けすることと、
前記ラベル付けされたトレーニングサンプルを用いて前記分類モデルをトレーニングすることと
を実施させるように更に構成される、請求項１に記載のコンピュータ可読媒体。

【請求項4】

前記判定することは、前記記憶することの後の期間に実施され、前記期間は、１日～１０日の範囲である、請求項３に記載のコンピュータ可読媒体。

【請求項5】

前記判定すること、前記ラベル付けすること、及び前記トレーニングすることは、１５分～１日の範囲の期間ごとに１回バッチで実施され、１つのバッチごとに複数の記憶されたトレーニングサンプルについて実施される、
請求項３に記載のコンピュータ可読媒体。

【請求項6】

前記命令は、前記コンピュータに、
前記分類モデルを初期化することと、
複数の初期トレーニングサンプルを生成することであって、前記複数の初期トレーニングサンプルの各々は、任意に選択されたＭＣＧ－ＰＣＩ－ＡＲＦＣＮ識別子を含む、ことと、
前記複数の初期トレーニングサンプルの各々について、前記ＭＣＧ－ＰＣＩ－ＡＲＦＣＮ識別子によって表される前記ＭＣＧの前記閾値距離内の１又は複数の近隣ＭＣＧを識別することと、
前記複数の初期トレーニングサンプルの各々について、前記ＭＣＧ－ＰＣＩ－ＡＲＦＣＮ識別子によって表される前記ＰＣＩ及び前記ＡＲＦＣＮを有する前記近隣ＭＣＧの各々の前記ＮＲＴ中のＳＣＧの数をカウントすることと、
前記カウントされた数が閾値カウント以上であることに応答してＰＣＩ競合を示すグラウンドトゥルース予測値、又は前記カウントされた数が前記閾値カウント未満であることに応答してＰＣＩ競合がないことを示すグラウンドトゥルース予測値のうちの１つを用いて前記トレーニングサンプルをラベル付けすることと、
前記複数の初期トレーニングサンプルを用いて前記初期化された分類モデルをトレーニングすることと
を実施させるように更に構成される、請求項３に記載のコンピュータ可読媒体。

【請求項7】

前記分類モデルは、サポートベクターマシン分類モデルである、請求項１に記載のコンピュータ可読媒体。

【請求項8】

前記命令は、前記コンピュータに、
セルラーネットワーク内の複数のＭＣＧの各々について地理的位置を取得することと、
複数のＭＣＧペアリングを形成することであって、前記複数のＭＣＧペアリングの各々は、前記複数のＭＣＧのうちの第１のＭＣＧと、前記複数のＭＣＧのうちの第２のＭＣＧとを含む、ことと、
前記複数のＭＣＧペアリングの各々について、前記第１のＭＣＧの前記地理的位置及び前記第２のＭＣＧの前記地理的位置に基づいて、前記第１のＭＣＧと前記第２のＭＣＧとの間の距離を計算することと、
前記第２のＭＣＧに対応する前記第１のＭＣＧを表すデータ、前記第１のＭＣＧの前記地理的位置、及び近傍値を記憶することであって、前記近傍値は、前記計算された距離が前記閾値距離内にあるか否かを示すバイナリ値である、ことと
を実施させるように更に構成され、
前記１又は複数の近隣ＭＣＧを前記識別することは、前記記憶された第１のＭＣＧとしての前記サービングＭＣＧに対応する１又は複数の第２のＭＣＧと、前記計算された距離が前記閾値距離内にあることを表す前記近傍値とを取り出すために、前記記憶されたデータにアクセスすることを含む、
請求項１に記載のコンピュータ可読媒体。

【請求項9】

前記取得すること、前記形成すること、前記計算すること、及び前記記憶することは、６時間～１週間の範囲の期間ごとに１回実施される、請求項８に記載のコンピュータ可読媒体。

【請求項10】

前記命令は、前記コンピュータに、回帰モデルを前記計算された距離に適用して前記近傍値を取得することを実施させるように更に構成される、請求項８に記載のコンピュータ可読媒体。

【請求項11】

前記命令は、前記コンピュータに、
前記回帰モデルを初期化することと、
複数の初期トレーニングサンプルを生成することであって、前記複数の初期トレーニングサンプルの各々は、前記複数のＭＣＧペアリングのうちの１つのペアリングを含む、ことと、
前記複数の初期トレーニングサンプルの各々を、前記計算された距離が前記閾値距離内にあるか否かを示すグラウンドトゥルース近傍値でラベル付けすることと、
前記初期化された回帰モデルを前記複数の初期トレーニングサンプルを用いてトレーニングすることと
を実施させるように更に構成される、請求項１０に記載のコンピュータ可読媒体。

【請求項12】

方法であって、
端末のサービングマスタセルグループ（ＭＣＧ）から、前記端末の測定報告を受信することであって、前記測定報告は、複数の信号測定値を含み、前記信号測定値の各々は、物理セル識別子（ＰＣＩ）と絶対無線周波数チャネル番号（ＡＲＦＣＮ）とによって表されるセカンダリセルグループ（ＳＣＧ）に関連付けられている、ことと、
前記複数の信号測定値の中にリストされていないＳＣＧを識別することであって、前記リストされていないＳＣＧは、前記サービングＭＣＧの隣接関係テーブル（ＮＲＴ）中のいずれの単一のＳＣＧにも対応しないＰＣＩ及び関連付けられたＡＲＦＣＮによって表される、ことと、
前記サービングＭＣＧの閾値距離内の１又は複数の近隣ＭＣＧを識別することと、
前記リストされていないＳＣＧの前記ＰＣＩ及び前記ＡＲＦＣＮを有する前記近隣ＭＣＧの各々の前記ＮＲＴ中のＳＣＧの数をカウントすることと、
予測値を取得するために、ＳＣＧの前記カウントされた数と、前記サービングＭＣＧ、前記ＰＣＩ、及び前記ＡＲＦＣＮを表すＭＣＧ－ＰＣＩ－ＡＲＦＣＮ識別子とに分類モデルを適用することであって、前記予測値は、前記サービングＭＣＧ及び前記複数の近隣ＭＣＧを、前記リストされていないＳＣＧに供給することがＰＣＩ競合をもたらすか否かを示すバイナリ値である、ことと
を含む、方法。

【請求項13】

前記適用することは、前記予測値を取得するために、前記サービングＭＣＧの地理的位置又は前記ＡＲＦＣＮの周波数タイプのうちの少なくとも１つに前記分類モデルを適用することを更に含む、請求項１２に記載の方法。

【請求項14】

前記カウントされた数及び前記ＭＣＧ－ＰＣＩ－ＡＲＦＣＮ識別子をトレーニングサンプルとして記憶することと、
前記ＰＣＩ及び前記ＡＲＦＣＮが前記サービングＭＣＧの前記ＮＲＴ中に含まれるか否かを判定することと、
前記判定の結果を示すグラウンドトゥルース予測値を用いて前記トレーニングサンプルをラベル付けすることと、
前記ラベル付けされたトレーニングサンプルを用いて前記分類モデルをトレーニングすることと
を更に含む、請求項１２に記載の方法。

【請求項15】

前記判定することは、前記記憶することの後の期間に実施され、前記期間は、１日～１０日の範囲である、請求項１４に記載の方法。

【請求項16】

前記判定すること、前記ラベル付けすること、及び前記トレーニングすることは、１５分～１日の範囲の期間ごとに１回バッチで実施され、１つのバッチごとに複数の記憶されたトレーニングサンプルについて実施される、
請求項１４に記載の方法。

【請求項17】

前記分類モデルを初期化することと、
複数の初期トレーニングサンプルを生成することであって、前記複数の初期トレーニングサンプルの各々は、任意に選択されたＭＣＧ－ＰＣＩ－ＡＲＦＣＮ識別子を含む、ことと、
前記複数の初期トレーニングサンプルの各々について、前記ＭＣＧ－ＰＣＩ－ＡＲＦＣＮ識別子によって表される前記ＭＣＧの前記閾値距離内の１又は複数の近隣ＭＣＧを識別することと、
前記複数の初期トレーニングサンプルの各々について、前記ＭＣＧ－ＰＣＩ－ＡＲＦＣＮ識別子によって表される前記ＰＣＩ及び前記ＡＲＦＣＮを有する前記近隣ＭＣＧの各々の前記ＮＲＴ中のＳＣＧの数をカウントすることと、
前記カウントされた数が閾値カウント以上であることに応答してＰＣＩ競合を示すグラウンドトゥルース予測値、及び前記カウントされた数が前記閾値カウント未満であることに応答してＰＣＩ競合がないことを示すグラウンドトゥルース予測値のうちの１つを用いて前記トレーニングサンプルをラベル付けすることと、
前記複数の初期トレーニングサンプルを用いて前記初期化された分類モデルをトレーニングすることと
を更に含む、請求項１４に記載の方法。

【請求項18】

前記分類モデルは、サポートベクターマシン分類モデルである、請求項１２に記載の方法。

【請求項19】

セルラーネットワーク内の複数のＭＣＧの各々について地理的位置を取得することと、
複数のＭＣＧペアリングを形成することであって、前記複数のＭＣＧペアリングの各々は、前記複数のＭＣＧのうちの第１のＭＣＧと、前記複数のＭＣＧのうちの第２のＭＣＧとを含む、ことと、
前記複数のＭＣＧペアリングの各々について、前記第１のＭＣＧの前記地理的位置及び前記第２のＭＣＧの前記地理的位置に基づいて、前記第１のＭＣＧと前記第２のＭＣＧとの間の距離を計算することと、
前記第２のＭＣＧに対応する前記第１のＭＣＧを表すデータ、前記第１のＭＣＧの前記地理的位置、及び近傍値を記憶することであって、前記近傍値は、前記計算された距離が前記閾値距離内にあるか否かを示すバイナリ値である、ことと
を更に含み、
前記１又は複数の近隣ＭＣＧを前記識別することは、前記記憶された第１のＭＣＧとして前記サービングＭＣＧに対応する１又は複数の第２のＭＣＧと、前記計算された距離が前記閾値距離内にあることを表す前記近傍値とを取り出すために、前記記憶されたデータにアクセスすることを含む、
請求項１２に記載の方法。

【請求項20】

装置であって、
回路を含むコントローラを備え、前記回路は、
端末のサービングマスタセルグループ（ＭＣＧ）から、前記端末の測定報告を受信することであって、前記測定報告は、複数の信号測定値を含み、前記信号測定値の各々は、物理セル識別子（ＰＣＩ）と絶対無線周波数チャネル番号（ＡＲＦＣＮ）とによって表されるセカンダリセルグループ（ＳＣＧ）に関連付けられている、ことと、
前記複数の信号測定値の中にリストされていないＳＣＧを識別することであって、前記リストされていないＳＣＧは、前記サービングＭＣＧの隣接関係テーブル（ＮＲＴ）中のいずれの単一のＳＣＧにも対応しないＰＣＩ及び関連付けられたＡＲＦＣＮによって表される、ことと、
前記サービングＭＣＧの閾値距離内の１又は複数の近隣ＭＣＧを識別することと、
前記リストされていないＳＣＧの前記ＰＣＩ及び前記ＡＲＦＣＮを有する各近隣ＭＣＧの前記ＮＲＴ中のＳＣＧの数をカウントすることと、
予測値を取得するために、ＳＣＧの前記カウントされた数と、前記サービングＭＣＧ、前記ＰＣＩ、及び前記ＡＲＦＣＮを表すＭＣＧ－ＰＣＩ－ＡＲＦＣＮ識別子とに分類モデルを適用することであって、前記予測値は、前記サービングＭＣＧ及び前記複数の近隣ＭＣＧを、前記リストされていないＳＣＧに供給することがＰＣＩ競合をもたらすか否かを示すバイナリ値である、ことと
を行うように構成される、装置。

【発明の詳細な説明】

【技術分野】

【0001】

優先権主張及び相互参照
本出願は、２０２１年８月３日に出願された仮出願第６３／２２９，０３９号及び２０２１年１２月３日に出願された非仮出願第１７／５４２，２４２号の優先権を主張するものであり、これらの両方は、参照によりその全体が本明細書に組み込まれる。

【背景技術】

【0002】

Ｅ－ＵＴＲＡＮ新無線－デュアルコネクティビティ（Ｅ－ＵＴＲＡＮ Ｎｅｗ Ｒａｄｉｏ－Ｄｕａｌ Ｃｏｎｎｅｃｔｉｖｉｔｙ、ＥＮ－ＤＣ）アーキテクチャを使用することなどによって、５Ｇ技術を既存のセルラーネットワークに導入する初期には、ネットワーク環境は、頻繁に変更されることが予想されている。利用可能なセルの数は、５Ｇセルの周波数特性及びデータオフロードに起因して増加することが予想されている。これらの変化により、一部の近隣セルの各々へのハンドオフを実施するための情報を含む隣接関係テーブル（neighbor relation tables）が、５Ｇ技術の採用前よりも頻繁に変更されることになると予想されている。加えて、５Ｇセルのカバレッジエリアは４Ｇセルよりも小さく、ネットワークに接続されるデバイスの数は依然として着実に増加しているため、ハンドオーバの数は指数関数的に増加することが予想されている。

【0003】

５Ｇの展開初期には、Ｅ－ＵＴＲＡＮが、ＥＮ－ＤＣを介して、マルチ無線－デュアルコネクティビィティ（Multiple Radio - Dual Connectivity（ＭＲ－ＤＣ））をサポートし、ＭＲ－ＤＣにおいては、端末が、マスタノードとして作用する１つの４Ｇセル（ｅＮＢ）と、二次ノードとして作用する１つの５Ｇセル（ｅｎ－ｇＮＢ）とに接続される。ｅＮＢは、Ｓ１インターフェースを介して進化型パケットコア（Evolved Packet Core（ＥＰＣ））に接続され、Ｘ２インターフェースを介してｅｎ－ｇＮＢに接続される。ｅｎ－ｇＮＢはまた、Ｓ１－Ｕインターフェースを介してＥＰＣに接続され、Ｘ２－Ｕインターフェースを介して他のｅｎ－ｇＮＢに接続され得る。

【0004】

５Ｇセルのカバレッジは４Ｇセルと比較して制限されるため、４Ｇセルよりも多くの５Ｇセルが、エリアをカバーするために使用されている。端末が１つのセルのカバレッジエリアから別のセルのカバレッジエリアに移動する場合、端末は、他のセルに接続し、最初のセルから切断する。この手順はハンドオーバと称される。このハンドオーバが発生するために、隣接関係は、ｅＮＢの個々の隣接関係テーブル内に供給（provision）されるべきである。

【発明の概要】

【0005】

本開示の態様は、添付の図面とともに読まれるとき、以下の詳細な説明から最もよく理解される。業界における標準的な慣行に従って、種々の特徴は一定の縮尺で描かれていないことに留意されたい。実際には、種々の特徴の寸法は、議論を明確にするために、任意に増減され得る。

【図面の簡単な説明】

【0006】

【図1】本発明の少なくとも１つの実施形態による、隣接関係の競合予測のデータフローの概略図である。

【図2】本発明の少なくとも１つの実施形態による、隣接関係の競合予測のための動作フローである。

【図3】本発明の少なくとも１つの実施形態による、連続的な分類モデルのトレーニングのデータフローの概略図である。

【図4】本発明の少なくとも１つの実施形態による、連続的な分類モデルのトレーニングのための動作フローである。

【図5】本発明の少なくとも１つの実施形態による、初期の分類モデルのトレーニングのためのデータフローの概略図である。

【図6】本発明の少なくとも１つの実施形態による、初期の分類モデルのトレーニングのための動作フローである。

【図7】本発明の少なくとも１つの実施形態による、近傍テーブルの集団化（vicinity table population）のためのデータフローの概略図である。

【図8】本発明の少なくとも１つの実施形態による、近傍テーブルの集団化のための動作フローである。

【図9】本発明の少なくとも１つの実施形態による、近傍判定回帰モデルのトレーニングのためのデータフローの概略図である。

【図10】本発明の少なくとも１つの実施形態による、近傍判定回帰モデルのトレーニングのための動作フローである。

【図11】本発明の少なくとも１つの実施形態による、隣接関係の競合予測のための例示的なハードウェア構成のブロック図である。

【発明を実施するための形態】

【0007】

以下の開示は、提供される主題の異なる特徴を実装するための多くの異なる実施形態又は例を提供する。本開示を簡単にするために、構成要素、値、動作、材料、配置などの特定の例が以下で説明される。もちろん、これらは単なる例であり、限定することを意図するものではない。他の構成要素、値、動作、材料、配置などが企図される。加えて、本開示は、種々の例において参照番号及び／又は文字を繰り返すことがある。この繰り返しは、簡潔さ及び明瞭さを目的としたものであり、それ自体が、議論される種々の実施形態及び／又は構成の間の関係を規定するものではない。

【0008】

少なくとも一部の実施形態は、アンサンブル機械学習を使用して、近隣セルの隣接関係テーブルへの５Ｇセルの追加を提案する、あるいは、そのような追加が物理セル識別子（Physical Cell Identifier（ＰＣＩ））競合をもたらし得ることを予告する。

【0009】

少なくとも一部の実施形態では、新たな近隣５Ｇセルがプロアクティブに発見されると、新しく発見された任意の近隣５Ｇセルを隣接関係テーブルに追加するための提案は、そのような追加によってＰＣＩ競合が引き起こされないと予測される場合に出される。

【0010】

特定の規格によれば、アンカーセル又はマスタセルグループ（Master Cell Group（ＭＣＧ））からターゲットセル又はセカンダリセルグループ（Secondary Cell Group
（ＳＣＧ））への、存在している隣接セル関係は、ｅＮＢを使用して（アンカーセルを制御して）、ターゲットセルのセルグローバル識別情報（Cell Global Identity（ＣＧＩ））とＰＣＩとを知り、アンカーセルがターゲットセルを識別するために隣接関係テーブル内にエントリを有する。ｅＮＢが隣接関係を有する各セルについて、隣接関係テーブルは、ターゲットセルを識別するターゲットセル識別子（Target Cell Identifier（ＴＣＩ））を含んでいる。

【0011】

少なくとも一部の実施形態では、隣接関係の競合予測のために構成されたｅＮＢサービングセルは、通常のコール手順の一部として、隣接セルに対して測定を実施するように各接続された端末に命令する。少なくとも一部の実施形態では、ネットワークは、端末の周囲のセルの検出及び信号測定を行うために、測定コマンド（測定制御）を端末に送信する。端末は、近隣セルの信号を検出及び測定し、測定コマンドを送信したｅＮＢサービングセルに報告する。少なくとも一部の実施形態では、隣接関係の競合予測は、各測定報告の受信時に実施される。少なくとも一部の実施形態では、隣接関係の競合予測プロセスは、端末が測定報告において５Ｇ ＰＣＩを報告したことに応答して開始する。少なくとも一部の実施形態では、ＰＣＩの周波数は、測定報告において端末によって報告された測定ＩＤから拡張される。少なくとも一部の実施形態では、ＰＣＩ及び周波数に対応するｅｎ－ｇＮＢが、報告されたｅＮＢの隣接関係テーブル中にすでに存在するか否かを理解するために、ネットワークの構成においてチェックが行われる。関係がすでに存在する場合、エントリは破棄され、隣接関係の競合予測プロセスは停止する。そうでない場合、隣接関係の競合予測プロセスが進行する。測定報告から５Ｇ ＰＣＩを検出したことに応答して、少なくとも一部の実施形態は、関係がすでに供給（provision）されているか否かを検証し、次いで、当該ｅＮＢ並びに任意の近隣のｅＮＢの隣接関係テーブルへの追加又は競合の提案を行う前に、隣接関係の競合予測を実施する。

【0012】

少なくとも一部の実施形態では、各ＭＣＧの隣接関係テーブルに、一部の知られている近隣５Ｇセルが初めに供給されるように、隣接関係の第１のレベルが、システムの初期構成において供給される。少なくとも一部の実施形態では、いったんシステムが動作可能になると、更なる隣接関係が、Ｘ２ＡＰインターフェースを経由して、端末支援の隣接関係の競合予測手順及びｅＮＢ構成更新手順を通して追加されることが可能である。少なくとも一部の実施形態は、種々のＬＴＥセル間の距離を評価する。

【0013】

少なくとも一部の実施形態では、端末によって報告されたあらゆる隣接を捕捉及び供給するために、隣接関係の競合予測はリアルタイムで実施される。少なくとも一部の実施形態では、ネットワーク構成は、任意の競合を防止することに役立ち、カバレッジに対して正しい関係が確立されていることを確実にするのに役立つように、頻繁に更新される。

【0014】

図１は、本発明の少なくとも１つの実施形態による隣接関係の競合予測のデータフローの概略図である。この図は、装置１００と、ＭＣＧ１３０と、隣接関係テーブルのデータベース１３２と、ＭＣＧ地理的位置のデータベース１３３とを含む。

【0015】

ＭＣＧ１３０は、セルラーネットワークのノードである。少なくとも一部の実施形態では、ＭＣＧ１３０はＥＮ－ＤＣネットワークにおいて動作する。ＥＮ－ＤＣネットワークでは、ＭＣＧ１３０は４Ｇ ＬＴＥ技術のために構成されたｅＮＢノードであり、ＭＣＧ１３０は５Ｇ技術のために構成されたｇＮＢノードへの接続を容易にする。少なくとも一部の実施形態では、ＭＣＧ１３０は、ＭＣＧ１３０によってサポートされる近隣５Ｇセル、ＭＣＧ１３０と競合している近隣５Ｇセル、及びハンドオフのためにＭＣＧ１３０から供給された近隣４Ｇノードをリストする隣接関係テーブル（Neighbor Relation Table（ＮＲＴ））を参照する。少なくとも一部の実施形態では、ＭＣＧ１３０は、接続された端末であって、ＭＣＧ１３０がサービングＭＣＧである端末から測定報告を受信する。少なくとも一部の実施形態では、測定報告は、端末によって検出された各信号についての、信号強度測定値、ＰＣＩ、及びＡＲＦＣＮを含む。少なくとも一部の実施形態では、ＭＣＧ１３０は、測定報告１３１などの測定報告を装置１００に転送する。

【0016】

装置１００は、識別セクション（識別部）と、カウントセクション（カウント部）１１５と、分類モデル１０２とを含む。少なくとも一部の実施形態では、装置は、測定報告１３１などの測定報告を受信し、推奨のリスト１３６を出力し、各推奨は、５ＧセルのＰＣＩ及びＡＲＦＣＮを表す情報と、サービングＭＣＧ及び近隣ＭＣＧと、サービングＭＣＧ及び近隣ＭＣＧの隣接関係テーブルに５Ｇセルを供給すべきか否か、又は隣接関係テーブルに５Ｇセルを「競合」を有するものとして表記するべきか否かの表示とを含む。少なくとも一部の実施形態では、装置１００は、セルラーネットワーク又はインターネットなどの別のネットワークを通して、隣接関係テーブルのデータベース１３２及びＭＣＧ地理的位置のデータベース１３３と通信する。少なくとも一部の実施形態では、隣接関係テーブルのデータベース１３２は、セルラーネットワーク内の各セルについての構成情報の絶えず更新される中央ソースであり、隣接関係テーブルを含む。少なくとも一部の実施形態では、ＭＣＧ地理的位置のデータベース１３３は、地理的位置を含む、セルラーネットワーク内の各セルに関するサイトレベル情報の、毎日更新されるソースである。少なくとも一部の実施形態では、情報は、特定の情報についてのクエリ実行、又は情報の完全な「ダンプ（dump）」の取得、次いで装置１００上で情報をレビューすることによって、データベース１３２及び１３３から取り出され得る。

【0017】

識別セクション１１２は、ＰＣＩ及びＡＲＦＣＮによって新たな５Ｇセルを識別し、また、サービングＭＣＧの近隣ＭＣＧを識別するように構成される。少なくとも一部の実施形態では、識別セクション１１２は、測定報告を隣接関係テーブルと比較して、測定報告に関連付けられたサービングＭＣＧの隣接関係テーブルで見つからなかった任意のＰＣＩ及びＡＲＦＣＮの組み合わせを識別するように構成される。少なくとも一部の実施形態では、識別セクション１１２は、隣接関係テーブルのデータベース１３２からＭＣＧの隣接関係テーブルを取り出すように構成される。少なくとも一部の実施形態では、識別セクション１１２は、ＰＣＩ－ＡＲＦＣＮ－ＮＥＡＲＢＹ ＭＣＧ１１３など、任意のかかる根拠のない組み合わせのＰＣＩ及びＡＲＦＣＮをサービングＭＣＧ識別子とともにカウントセクション１１５に出力するように構成される。少なくとも一部の実施形態では、識別セクション１１２は、サービングＭＣＧの近隣（nearby）にある任意のＭＣＧを識別するように構成される。少なくとも一部の実施形態では、識別セクション１１２は、近隣ＭＣＧのテーブルを参照する。少なくとも一部の実施形態では、識別セクション１１２は、ＭＣＧ地理的位置のデータベース１３３からＭＣＧ地理的位置を取り出すことによって、近隣ＭＣＧのテーブルを追加（populate）するように構成される。少なくとも一部の実施形態では、識別セクション１１２は、地理的座標に基づいて近隣ＭＣＧを識別するように機械学習モデルをトレーニングし、結果に従って近隣ＭＣＧのテーブルを追加するように構成される。少なくとも一部の実施形態では、識別セクション１１２は、ＰＣＩ－ＡＲＦＣＮ－ＭＣＧ１１４など、サービングＭＣＧの隣接関係テーブルで見つからなかった任意の組み合わせのＰＣＩ及びＡＲＦＣＮとともに、任意の近隣ＭＣＧのためのＭＣＧ識別子を分類モデル１０２に出力するように構成される。

【0018】

カウントセクション１１５は、サービングＭＣＧの近傍に存在して、同一のＰＣＩ及びＡＲＦＣＮを有する５Ｇセルをカウントするように構成されている。少なくとも一部の実施形態では、カウントセクション１１５は、近隣ＭＣＧの隣接関係テーブルに現れる５Ｇセルをカウントするように構成される。少なくとも一部の実施形態では、カウントセクション１１５は、近隣ＭＣＧの隣接関係テーブルを隣接関係テーブルのデータベース１３２から取り出すように構成される。少なくとも一部の実施形態では、カウントセクション１１５は、分類モデル１０２への入力のために構成された、ＰＣＩカウント１１６などの、同じＰＣＩ及びＡＲＦＣＮを有する５Ｇセルの数を出力するように構成される。

【0019】

分類モデル１０２は、ＰＣＩカウントに基づいて新たな５Ｇセルを供給することに応答してＰＣＩ競合が生じるか否かを予測するようにトレーニングされた機械学習モデルである。少なくとも一部の実施形態では、分類モデル１０２は、地理的位置に更に基づいて予測するようにトレーニングされる。少なくとも一部の実施形態では、分類モデル１０２は、ＭＣＧの地理的位置のデータベース１３３から緯度及び経度の形態で地理的位置を受信する。少なくとも一部の実施形態では、分類モデル１０２は、ＰＣＩカウント１１６、緯度、及び経度の連結を入力として受信する。少なくとも一部の実施形態では、分類モデル１０２は、ＰＣＩカウント１１６、緯度、経度、及び周波数タイプの連結を入力として受信する。少なくとも一部の実施形態では、周波数タイプは、Ｓｕｂ－６又はミリ波（ｍｍＷＡＶＥ）のいずれかである。少なくとも一部の実施形態では、分類モデル１０２は、入力の指標値としてＰＣＩ－ＡＲＦＣＮ－ＭＣＧ１１３を受信する。少なくとも一部の実施形態では、分類モデル１０２は、ＰＣＩ及びＡＲＦＣＮに関連付けられた５ＧセルをサービングＭＣＧ及び任意の近隣ＭＣＧに供給することに応答してＰＣＩ競合が発生するか否かの予測を表すバイナリ値であるＰＣＩ競合予測１０３を出力する。少なくとも一部の実施形態では、分類モデル１０２は、サポートベクターマシン（Support Vector Machine（ＳＶＭ））分類モデルである。少なくとも一部の実施形態では、分類モデル１０２は、ＬＢＦＧＳ（Limited-memory Broyden-Fletcher-Goldfarb-Shanno）アルゴリズムを使用して主最適化問題（primal optimization problem）を解くことによってトレーニングされる。

【0020】

図２は、本発明の少なくとも１つの実施形態による、隣接関係の競合予測のための動作フローである。動作フローは、隣接関係の競合予測の方法を提供する。少なくとも一部の実施形態では、本方法は、以下に説明される、図１０に示されるコントローラ及び装置などの特定の動作を行うためのセクションを含む装置のコントローラによって行われる。

【0021】

Ｓ２４０において、コントローラ又はそのセクションは、測定報告を受信する。少なくとも一部の実施形態では、コントローラは、図１の測定報告１３１などの測定報告をＭＣＧから受信する。少なくとも一部の実施形態では、コントローラは、端末のサービングＭＣＧから、端末の測定報告を受信し、測定報告は、複数の信号測定値を含み、各信号測定値は、ＰＣＩ及びＡＲＦＣＮによって表されるＳＣＧに関連付けられている。

【0022】

Ｓ２４１において、図１に示される識別セクション１１２などの識別セクション、又はそのサブセクションは、ＰＣＩ及びＡＲＦＣＮによって任意の新たなＳＣＧを識別する。少なくとも一部の実施形態では、識別セクションは、測定報告に関連付けられたサービングＭＣＧの隣接関係テーブルで見つからなかった、任意のＰＣＩとＡＲＦＣＮとの組み合わせを識別する。少なくとも一部の実施形態では、識別セクションは、複数の信号測定値のうち、任意のリストされていないＳＣＧを識別し、リストされていないＳＣＧは、サービングＭＣＧの隣接関係テーブル（Neighbor Relations Table（ＮＲＴ））中のいずれの単一のＳＣＧにも対応しないＰＣＩ及び関連付けられたＡＲＦＣＮによって表される。識別セクションが任意のかかるリストされていないＳＣＧを識別することができる場合、動作フローは、Ｓ２４２における近隣ＭＣＧの識別に進む。隣接関係テーブルが測定報告内の各ＳＣＧについてのエントリをすでに有する場合など、識別セクションがかかるリストされていないＳＣＧを識別することができない場合、動作フローはＳ２４９に進み、動作フローが終了する直前に測定報告が破棄される。

【0023】

Ｓ２４２において、識別セクション又はそのサブセクションは、測定報告においてサービングＭＣＧの近隣にあるＭＣＧを識別する。少なくとも一部の実施形態では、識別セクションは、サービングＭＣＧの閾値距離内の１又は複数の近隣ＭＣＧを識別する。少なくとも一部の実施形態では、閾値距離は１キロメートルである。少なくとも一部の実施形態では、識別セクションは、ＭＣＧと、距離の表示及び／又は距離が閾値距離内にあるか否かの表示とのペアを示す近隣ＭＣＧのテーブルを参照する。

【0024】

Ｓ２４３において、図１に示されるカウントセクション１１５などのカウントセクション、又はそのサブセクションは、サービングＭＣＧの近傍において同じＰＣＩ及びＡＲＦＣＮを有するＳＣＧをカウントする。少なくとも一部の実施形態では、カウントセクションは、リストされていないＳＣＧのＰＣＩ及びＡＲＦＣＮを有する各近隣ＭＣＧのＮＲＴ中のＳＣＧの数をカウントする。少なくとも一部の実施形態では、カウントセクションは、各隣接関係テーブルを検証し、一致するＳＣＧが見つかるたびにＰＣＩカウントを増加させる。

【0025】

Ｓ２４４において、コントローラの適用セクション（適用部）又はそのサブセクションは、図１に示される分類モデル１０２などの分類モデルを最終ＰＣＩカウントに適用する。少なくとも一部の実施形態では、適用セクションは、予測値を取得するために、カウントされたＳＣＧの数と、サービングＭＣＧ、ＰＣＩ、及びＡＲＦＣＮを表すＭＣＧ－ＰＣＩ－ＡＲＦＣＮ識別子とに分類モデルを適用し、予測値は、サービングＭＣＧ及び複数の近隣ＭＣＧを、リストされていないＳＣＧに供給することがＰＣＩ競合をもたらすかどうかか否かを示すバイナリ値である。少なくとも一部の実施形態では、ＭＣＧ－ＰＣＩ－ＡＲＦＣＮ識別子は、競合予測のためのいかなる根拠も形成しないインデックス値である。少なくとも一部の実施形態では、適用セクションは、競合予測がＰＣＩカウント及び地理的位置に基づくように、予測を取得するためにサービングＭＣＧの地理的位置に分類モデルを更に適用する。少なくとも一部の実施形態では、適用セクションは、競合予測がＰＣＩカウント、地理的位置、及び周波数タイプに基づくように、予測を取得するためにＡＲＦＣＮの周波数タイプに分類モデルを更に適用する。少なくとも一部の実施形態では、適用セクションは、ＰＣＩ及びＡＲＦＣＮに関連付けられた５ＧセルをサービングＭＣＧ及び任意の近隣ＭＣＧに供給することに応答してＰＣＩ競合が発生するか否かの予測を表すバイナリ予測値を分類モデルが出力するようにする。

【0026】

Ｓ２４６において、コントローラ又はコントローラの一部は、分類モデルの出力が、競合が発生しないという予測を示すか否かを判定する。分類モデルの出力が、競合が発生しないという予測を示すとコントローラが判定した場合、動作フローは、Ｓ２４６における隣接関係の供給に進む。分類モデルの出力が、競合が発生するという予測を示すとコントローラが判定した場合、動作フローは、Ｓ２４８の「競合」の表記に進む。

【0027】

Ｓ２４７において、コントローラ又はその一部は、ＳＣＧがサービングＭＣＧ及び近隣ＭＣＧに供給されるようにする。少なくとも一部の実施形態では、コントローラは、サービングＭＣＧ及び各近隣ＭＣＧの隣接関係テーブルにおいてハンドオフオプションとしてＳＣＧが現れるようにする。少なくとも一部の実施形態では、コントローラは、サービングＭＣＧ及び近隣ＭＣＧが、ＥＮ－ＤＣ接続が可能な任意の接続された端末のためにＳＣＧへのハンドオフを実施することを可能にする。

【0028】

Ｓ２４８において、コントローラ又はその一部は、ＳＣＧが、サービングＭＣＧ及び各近隣ＭＣＧの隣接関係テーブルにおいて「競合」を有するものとして現れるようにする。少なくとも一部の実施形態では、コントローラは、サービングＭＣＧ及び近隣ＭＣＧが、ＳＣＧをセルラーネットワークとＰＣＩ競合するものとして認識することを可能にする。

【0029】

図３は、本発明の少なくとも１つの実施形態による、連続的な分類モデルのトレーニングのデータフローの概略図である。この図は、トレーニングセクション（トレーニング部）３１９と、分類モデル３０２と、隣接関係テーブルのデータベース３３２とを含む。少なくとも一部の実施形態では、トレーニングセクション３１９は、図１に示される装置１００などの、隣接関係の競合予測のための装置の構成要素である。分類モデル３０２及び隣接関係テーブルのデータベース３３２は、それぞれ、図１に関して説明した分類モデル１０２及び隣接関係テーブルのデータベース１３２と構造及び機能が実質的に同様であるが、異なって説明される場合を除く。

【0030】

トレーニングセクション３１９は、分類モデル３０２をトレーニングするように構成される。少なくとも一部の実施形態では、トレーニングセクション３１９は、更新された隣接関係テーブルを用いて予測を検証することによって作成された新たなトレーニングサンプルを使用して、分類モデル３０２を継続的にトレーニングするように構成される。少なくとも一部の実施形態では、トレーニングセクション３１９は、図２に示すＳ２４４で入力されたデータなどの入力データ３０５などの、分類モデル３０２への入力データのコピーを維持する。少なくとも一部の実施形態では、トレーニングセクション３１９は、隣接関係テーブルのデータベース３３２をチェックし、適切なラベルを入力データに適用してトレーニングサンプルを形成するように構成される。少なくとも一部の実施形態では、トレーニングセクション３１９は、分類モデル３０２を更新するために、トレーニングサンプル３０６などの新たなトレーニングサンプルのバッチを使用して分類モデル３０２をトレーニングするように構成される。

【0031】

図４は、本発明の少なくとも１つの実施形態による、連続的な分類モデルのトレーニングのための動作フローである。動作フローは、連続的な分類モデルのトレーニングの方法を提供する。少なくとも一部の実施形態では、本方法は、図３に示すトレーニングセクション３１９などのトレーニングセクションによって実施されて、図３に示す分類モデル３０２などの機械学習分類モデルをトレーニングする。

【0032】

Ｓ４５０において、トレーニングセクション又はそのサブセクションは、入力データのコピーをトレーニングサンプルとして分類モデルに記憶する。少なくとも一部の実施形態では、記憶された入力データは、ＭＣＧ－ＰＣＩ－ＡＲＦＣＮ識別子と、ＭＣＧ－ＰＣＩ－ＡＲＦＣＮ識別子に対応するＰＣＩカウントとを含む。少なくとも一部の実施形態では、トレーニングセクションは、カウントされた数及びＭＣＧ－ＰＣＩ－ＡＲＦＣＮ識別子をトレーニングサンプルとして記憶する。少なくとも一部の実施形態では、記憶された入力データは、地理的位置及び／又は周波数タイプを更に含む。

【0033】

Ｓ４５２において、トレーニングセクション又はそのサブセクションは、トレーニングサンプルにおいて識別されたＭＣＧの隣接関係テーブルを、トレーニングサンプルにおいて識別されたＰＣＩ及びＡＲＦＣＮと比較する。少なくとも一部の実施形態では、トレーニングセクションは、隣接関係テーブルをチェックして、ＰＣＩ及びＡＲＦＣＮに関連付けられた５Ｇセルが隣接関係テーブルに供給されたか否か、又は「ＰＣＩ競合」として表記されたか否かを判定する。少なくとも一部の実施形態では、Ｓ４５２における比較は、Ｓ４５０における記憶の直後には実施されない。少なくとも一部の実施形態では、Ｓ４５２での比較又はＳ４５３での判定は、１日～１週間の範囲の期間だけ、又は隣接テーブルの供給が権威者（authority）によって承認され、図３に示された隣接関係テーブル３３２などの構成データベースに実装されるのにかかる時間だけ、Ｓ４５０での記憶よりも後に実施される。

【0034】

Ｓ４５３において、トレーニングセクション又はそのサブセクションは、隣接関係テーブルにおいて一致が見つかったか否かを判定する。少なくとも一部の実施形態では、トレーニングセクションは、ＰＣＩ及びＡＲＦＣＮがサービングＭＣＧのＮＲＴ中に含まれるか否かを判定する。隣接関係テーブルにおいて一致が見つかった場合、動作フローはＳ４５４に進み、「追加」を示すラベルがトレーニングサンプルに適用される。隣接関係テーブル内で一致が見つからない場合、動作フローはＳ４５５に進み、「競合」を示すラベルがトレーニングサンプルに適用される。少なくとも一部の実施形態では、トレーニングセクションは、一致する５Ｇセルが「ＰＣＩ競合」を有するという表記を隣接関係テーブルが含むと判定したことに応答して、Ｓ４５５に進み得る。少なくとも一部の実施形態では、トレーニングセクションは、判定の結果を示すグラウンドトゥルース予測値を用いてトレーニングサンプルをラベル付けする。

【0035】

少なくとも一部の実施形態では、分類モデルは、１５分～１日の範囲の期間ごとに１回トレーニングされる。少なくとも一部の実施形態では、Ｓ４５３における判定、Ｓ４５４又はＳ４５５におけるラベル付け、及びＳ４５９におけるトレーニングは、１５分～１日の範囲の期間ごとに１回、バッチで実施され、１つのバッチごとに複数の記憶されたトレーニングサンプルについて実施される。少なくとも一部の実施形態では、トレーニングデータの各バッチは、数十又は数百の記憶されたラベル付けされていないトレーニングサンプルを含む。

【0036】

Ｓ４５６において、トレーニングセクション又はそのサブセクションは、記憶されたラベル付けされていないトレーニングサンプルの全てが処理されたか否かを判定する。トレーニングセクションが、記憶されたラベル付けされていないトレーニングサンプルの全てが処理されたと判定した場合、動作フローは、Ｓ４５９におけるトレーニングに進む。トレーニングセクションが、未処理のトレーニングサンプルが残っていると判定した場合、動作フローは、Ｓ４５２における比較に戻る前に、Ｓ４５７において次のサンプルを選択することに進む。

【0037】

Ｓ４５９において、トレーニングセクション又はそのサブセクションは、１又は複数のトレーニングサンプルを用いて分類モデルをトレーニングする。少なくとも一部の実施形態では、トレーニングセクションは、バッチの全てのトレーニングサンプルがラベル付けされた後に分類モデルのトレーニングを開始する。少なくとも一部の実施形態では、トレーニングセクションは、次のサンプル（Ｓ４５７）に進む前に、Ｓ４５４及びＳ４５５でのラベル付けの結果得られた、ラベル付けされたトレーニングサンプルを用いて分類モデルをトレーニングする。

【0038】

図５は、本発明の少なくとも１つの実施形態による、初期の分類モデルのトレーニングのためのデータフローの概略図である。この図は、識別セクション５１２、カウントセクション５１５、トレーニングセクション５１９、初期化された分類モデル５０２、隣接関係テーブルのデータベース５３２、及びＭＣＧ地理的位置のデータベース５３３を含む。少なくとも一部の実施形態では、トレーニングセクション５１９は、図１に示される装置１００などの隣接関係の競合予測のための装置の構成要素である。少なくとも一部の実施形態では、トレーニングセクション５１９の以下で説明する機能と、図３に関して説明したトレーニングセクション３１９の機能とは、装置の単一のトレーニングセクションによって実施される。識別セクション５１２、カウントセクション５１５、初期化された分類モデル５０２、隣接関係テーブルのデータベース５３２、及びＭＣＧ地理的位置のデータベース５３３は、それぞれ、図１に関して説明された識別セクション１１２、カウントセクション１１５、分類モデル１０２、隣接関係テーブルのデータベース１３２、及びＭＣＧ地理的位置のデータベース１３３と構造及び機能が実質的に同様であるが、異なって説明される場合を除く。

【0039】

トレーニングセクション５１９は、現在の構成情報を使用して隣接関係の競合予測をするために、初期化された分類モデル５０２をトレーニングするように構成される。少なくとも一部の実施形態では、トレーニングセクション５１９は、ＰＣＩ－ＡＲＦＣＮ－ＭＣＧの組み合わせを任意に選択し、識別セクション５１２及びカウントセクション５１５に、ＰＣＩカウント５１６などの関連付けられたＰＣＩカウントを提供させるように構成される。少なくとも一部の実施形態では、トレーニングセクション５１９は、データベース５３３からＭＣＧ地理的位置を取り出し、ＰＣＩ－ＡＲＦＣＮ－ＭＣＧ、ＰＣＩカウント、及びＭＣＧ地理的位置を組み合わせてトレーニングサンプルにするように構成される。少なくとも一部の実施形態では、トレーニングセクション５１９は、ＰＣＩカウントに基づいてトレーニングサンプルをラベル付けするように構成される。少なくとも一部の実施形態では、トレーニングセクション５１９は、トレーニングサンプルの１又は複数のバッチを生成し、分類モデル５０２がＰＣＩ競合予測５０３などのＰＣＩ競合予測を正確に出力するまで、１又は複数のバッチを使用して初期化された分類モデル５０２をトレーニングするように構成される。

【0040】

図６は、本発明の少なくとも１つの実施形態による、初期の分類モデルのトレーニングのための動作フローである。動作フローは、初期の分類モデルトレーニングの方法を提供する。少なくとも一部の実施形態では、本方法は、図５に示される初期化された分類モデル５０２などの初期化された機械学習分類モデルをトレーニングするために、図５に示されるトレーニングセクション５１９などのトレーニングセクションによって実施される。

【0041】

Ｓ６６０において、トレーニングセクション又はそのサブセクションは、分類モデルを初期化する。少なくとも一部の実施形態では、トレーニングセクションは、トレーニングを開始するための開始点として機能するように、分類モデルの各ノードに重み値をランダムに割り当てる。

【0042】

Ｓ６６１において、トレーニングセクション又はそのサブセクションは、ＭＣＧ－ＰＣＩ－ＡＲＦＣＮ組み合わせの初期トレーニングサンプルを生成する。少なくとも一部の実施形態では、トレーニングセクションは、複数の初期トレーニングサンプルを生成し、各初期トレーニングサンプルは、任意に選択されたＭＣＧ－ＰＣＩ－ＡＲＦＣＮ識別子を含む。

【0043】

Ｓ６６２において、トレーニングセクション又はそのサブセクションは、トレーニングサンプル中で識別されたＭＣＧの近隣にあるＭＣＧの隣接関係テーブルに供給された、一致するＳＣＧをカウントする。少なくとも一部の実施形態では、トレーニングセクションは、識別セクションに、各初期トレーニングサンプルについて、ＭＣＧ－ＰＣＩ－ＡＲＦＣＮ識別子によって表されるＭＣＧの閾値距離内の１又は複数の近隣ＭＣＧを識別させる。少なくとも一部の実施形態では、トレーニングセクションは、カウントセクションに、各初期トレーニングサンプルについて、ＭＣＧ－ＰＣＩ－ＡＲＦＣＮ識別子によって表されるＰＣＩ及びＡＲＦＣＮを有する各近隣ＭＣＧのＮＲＴ中のＳＣＧの数をカウントさせる。少なくとも一部の実施形態では、トレーニングセクションは、カウントセクションからＰＣＩカウントを受信する。

【0044】

Ｓ６６３において、トレーニングセクション又はそのサブセクションは、Ｓ６６２におけるカウントの結果得られたＰＣＩカウントが閾値ＰＣＩカウント未満であるか否かを判定する。少なくとも一部の実施形態では、閾値ＰＣＩカウントは２である。ＰＣＩカウントが閾値ＰＣＩカウント未満である場合、動作フローはＳ６６４に進み、「追加」を示すラベルがトレーニングサンプルに適用される。ＰＣＩカウントが２未満でない場合、動作フローはＳ６６５に進み、「競合」を示すラベルがトレーニングサンプルに適用される。少なくとも一部の実施形態では、トレーニングセクションは、カウントされた数が閾値カウント以上であることに応答してＰＣＩ競合を示すグラウンドトゥルース予測値、及びカウントされた数が閾値カウント未満であることに応答してＰＣＩ競合がないことを示すグラウンドトゥルース予測値のうちの１つを用いてトレーニングサンプルをラベル付けする。

【0045】

Ｓ６６６において、トレーニングセクション又はそのサブセクションは、Ｓ６６１において生成されたトレーニングサンプルの全てが処理されたか否かを判定する。トレーニングセクションが、Ｓ６６１において生成されたトレーニングサンプルの全てが処理されたと判定した場合、動作フローはＳ６６９におけるトレーニングに進む。トレーニングセクションが、未処理のトレーニングサンプルが残っていると判定した場合、動作フローは、Ｓ６６２におけるカウントに戻る前に、Ｓ６６７において次のサンプルを選択することに進む。

【0046】

Ｓ６６９において、トレーニングセクション又はそのサブセクションは、Ｓ６６１において生成された複数のトレーニングサンプルを用いて、初期化された分類モデルをトレーニングする。

【0047】

図７は、本発明の少なくとも１つの実施形態による、近傍テーブルの集団化（vicinity table population）のためのデータフローの概略図である。図は、ペアリングセクション（ペアリング部）７７０と、距離計算セクション（距離計算部）７７４と、近傍判定セクション（近傍判定部）７７７と、近傍テーブル７７９と、ＭＣＧ地理的位置のデータベース７３３とを含む。少なくとも一部の実施形態では、ペアリングセクション７７０、距離計算セクション７７４、近傍判定セクション７７７、及び近傍テーブル７７９は、図１に示す識別セクション１１２及び装置１００などの装置の識別セクションに含まれる。ＭＣＧ地理的位置のデータベース７３３は、異なって説明される場合を除いて、図１に関して説明されるようなＭＣＧ地理的位置のデータベース１３３と構造及び機能が実質的に同様である。

【0048】

ペアリングセクション７７０は、セルラーネットワーク内の複数のＭＣＧのうち、１つのＭＣＧと他のＭＣＧとをペアリングする。少なくとも一部の実施形態では、ペアリングセクション７７０は、ＭＣＧの全ての可能な組み合わせがＭＣＧペアリングに存在するまで、各ＭＣＧを別のＭＣＧの各々とペアリングする。少なくとも一部の実施形態では、ペアリングセクションは、ＭＣＧペアリングにおける各ＭＣＧの地理的位置を取り出し、地理的位置７７１などの地理的位置を距離計算セクション７７４に出力する。少なくとも一部の実施形態では、各地理的位置は、緯度及び経度として表される。少なくとも一部の実施形態では、ペアリングセクション７７０は、ＭＣＧペアリング７７２などのＭＣＧペアリングを近傍テーブル７７９に記録するように構成される。

【0049】

距離計算セクション７７４は、２つの地理的位置の間の距離を計算するように構成される。少なくとも一部の実施形態では、距離計算セクション７７４は、ペアリングセクション７７０から地理的位置７７１などの２つの地理的位置を受信するように構成される。少なくとも一部の実施形態では、距離計算セクション７７４は、２つの地理的位置の緯度間の差及び経度間の差にピタゴラスの定理を適用するように構成される。少なくとも一部の実施形態では、距離計算セクション７７４は、距離７７５などの、結果として得られた距離を近傍判定セクション７７７に出力するように構成される。

【0050】

近傍判定セクション７７７は、隣接関係の競合予測のために、ＭＣＧペアリングされたＭＣＧが互いに近くに位置するか否かを判定するように構成される。少なくとも一部の実施形態では、近傍判定セクション７７７は、距離計算セクション７７４から距離７７５などの距離を受信するように構成される。少なくとも一部の実施形態では、近傍判定セクション７７７は、距離が閾値距離内にあるか否かを判定するように構成される。少なくとも一部の実施形態では、近傍判定セクション７７７は、ＭＣＧが互いに近くに位置するかの判定の結果に距離を関連付けるようにトレーニングされた機械学習回帰モデルに、この距離を適用するように構成される。少なくとも一部の実施形態では、近傍判定セクション７７７は、近傍判定結果７７８などの、ＭＣＧの対が互いの近くに位置するか否かの判定結果を、ＭＣＧペアリング７７２などのＭＣＧペアリングに関連付けて近傍テーブル７７９に記録するように構成される。

【0051】

図８は、本発明の少なくとも１つの実施形態による、近傍テーブルの集団化のための動作フローである。動作フローは、近傍テーブルの集団化の方法を提供する。少なくとも一部の実施形態では、本方法は、図１に示す識別セクション１１２などの識別セクションによって実施される。

【0052】

Ｓ８８０において、識別セクション又はそのサブセクションは、セルラーネットワーク内の複数のＭＣＧの各々について地理的位置を取得する。少なくとも一部の実施形態では、識別セクションは、セルラーネットワーク内の各ＭＣＧの緯度及び経度を取得する。

【0053】

Ｓ８８１において、識別セクション又はそのサブセクションは、複数のＭＣＧペアリングを形成し、各ペアリングは、セルラーネットワークにおける２つのＭＣＧを含む。少なくとも一部の実施形態では、識別セクションは、複数のＭＣＧペア（対）を形成し、各ＭＣＧペアは、複数のＭＣＧのうちの第１のＭＣＧと、複数のＭＣＧのうちの第２のＭＣＧとを含む。少なくとも一部の実施形態では、識別セクションは、セルラーネットワーク内のＭＣＧの全ての可能な組み合わせがＭＣＧペアリング内に存在するまで、各ＭＣＧを別のＭＣＧの各々とペアリングする。

【0054】

Ｓ８８３において、識別セクション又はそのサブセクションは、ＭＣＧペアリングの地理的位置間の距離を計算する。少なくとも一部の実施形態では、識別セクションは、各ＭＣＧペアリングについて、第１のＭＣＧの地理的位置及び第２のＭＣＧの地理的位置に基づいて、第１のＭＣＧと第２のＭＣＧとの間の距離を計算する。少なくとも一部の実施形態では、識別セクションは、ＭＣＧペアリングの地理的位置の緯度間の差及び経度間の差にピタゴラスの定理を適用する。

【0055】

Ｓ８８４において、識別セクション又はそのサブセクションは、Ｓ８８３において計算された距離が閾値距離内にあるか否かを判定する。少なくとも一部の実施形態では、識別セクションは、ＭＣＧが互いに近くに位置するかの判定の結果に距離を関連付けるようにトレーニングされた機械学習回帰モデルを、Ｓ８８３で計算された距離に適用する。少なくとも一部の実施形態では、識別セクションは、回帰モデルを、計算された距離に適用して近傍値を取得し、近傍値は、計算された距離が閾値距離内にあるか否かを示すバイナリ値である。

【0056】

Ｓ８８６において、識別セクション又はそのサブセクションは、ＭＣＧペアリング及びＳ８８４における近傍判定の結果を、図７に示される近傍テーブル７７９などのテーブルに追加する。少なくとも一部の実施形態では、識別セクションは、第２のＭＣＧに対応する第１のＭＣＧを表すデータ、第１のＭＣＧの地理的位置、及び近傍値を記憶する。少なくとも一部の実施形態では、識別セクションは、ＭＣＧのペアリングが互いの近くに位置するか否かの判定の結果を、ＭＣＧペアリングに関連付けて近傍テーブルに記録する。少なくとも一部の実施形態では、識別セクションは、記憶された第１のＭＣＧとしてのサービングＭＣＧに対応する１又は複数の第２のＭＣＧと、計算された距離が閾値距離内にあることを表す近傍値とを取り出すために、記憶されたデータにアクセスすることによって１又は複数の近隣ＭＣＧの識別が実施されるように、近傍テーブルを記憶する。

【0057】

Ｓ８８８において、識別セクション又はそのサブセクションは、全てのペアリングが処理されたか否かを判定する。識別セクションが、未処理のＭＣＧペアリングが残っていると判定した場合、動作フローは、Ｓ８８３における距離計算に戻る前に、Ｓ８８９において次のペアリングを選択することに進む。識別セクションが、全てのＭＣＧペアリングが処理されたと判定した場合、動作フローは終了する。

【0058】

少なくとも一部の実施形態では、識別セクションは、Ｓ８８０における取得、及びＳ８８１における形成を実施し、Ｓ８８３における計算及びＳ８８６における記憶の反復は、６時間～１週間の範囲の期間ごとに１回実施されて、近傍テーブルを更新された状態に保つ。

【0059】

図９は、本発明の少なくとも１つの実施形態による、近傍判定回帰モデルのトレーニングのためのデータフローの概略図である。図は、ペアリングセクション９７０と、距離計算セクション９７４と、近傍判定回帰モデル９０７と、トレーニングセクション９１９と、ＭＣＧ地理的位置のデータベース９３３とを含む。少なくとも一部の実施形態では、トレーニングセクション９１９は、図１に示される装置１００などの隣接関係の競合予測のための装置の構成要素である。少なくとも一部の実施形態では、以下で説明するトレーニングセクション９１９の機能と、図３に関して説明したトレーニングセクション３１９及び図５に関して説明したトレーニングセクション５１９の機能とは、装置の単一のトレーニングセクションによって実施される。ペアリングセクション９７０及び距離計算セクション９７４は、それぞれ、図７に関して説明したペアリングセクション７７０及び距離計算セクション７７４と構造及び機能が実質的に同様であるが、異なって説明される場合を除く。ＭＣＧ地理的位置のデータベース９３３は、異なって説明される場合を除いて、図１に関して説明されるようなＭＣＧ地理的位置のデータベース１３３と構造及び機能が実質的に同様である。

【0060】

近傍判定回帰モデル９０７は、ＭＣＧが互いに近くに位置するかの判定の結果に距離を関連付けるようにトレーニングされた機械学習モデルである。少なくとも一部の実施形態では、近傍判定回帰モデル９０７は、入力として距離を受信する。少なくとも一部の実施形態では、近傍判定回帰モデル９０７は、入力のインデックス値としてＭＣＧペアリングを受信する。少なくとも一部の実施形態では、近傍判定回帰モデル９０７は、計算された距離が閾値距離内にあるか否かを示すバイナリ値を出力する。少なくとも一部の実施形態では、近傍判定回帰モデル９０７は、一対他（one-vs-rest）方式を使用してトレーニングされたロジスティック回帰機械学習モデルである。

【0061】

トレーニングセクション９１９は、ＭＣＧが互いに近くに位置するかの判定の結果に距離を関連付けるように、近傍判定回帰モデル９０７をトレーニングするように構成される。少なくとも一部の実施形態では、トレーニングセクション９１９は、ペアリングセクション９７０からＭＣＧペアリング９７２などのＭＣＧペアリングを受信するように構成される。少なくとも一部の実施形態では、トレーニングセクション９１９は、距離計算セクション９７４からＭＣＧペアリングに関連付けられた距離９７５などの距離を受信し、距離及びＭＣＧペアリングを組み合わせてトレーニングサンプルにするように構成される。少なくとも一部の実施形態では、トレーニングセクション９１９は、距離に基づいてトレーニングサンプルをラベル付けするように構成される。少なくとも一部の実施形態では、トレーニングセクション９１９は、全てのＭＣＧペアリングのトレーニングサンプルを組み合わせて、近傍判定回帰モデル９０７が近傍判定結果９０８などの近傍判定の結果を正確に出力するまで、全てのＭＣＧペアリングの１又は複数のバッチにおいて近傍判定回帰モデル９０７をトレーニングするように構成される。

【0062】

図１０は、本発明の少なくとも１つの実施形態による、近傍判定回帰モデルのトレーニングのための動作フローである。動作フローは、初期回帰モデルトレーニングの方法を提供する。少なくとも一部の実施形態では、本方法は、図９に示される近傍判定回帰モデル９０７などの初期化された機械学習回帰モデルをトレーニングするために、図９に示されるトレーニングセクション９１９などのトレーニングセクションによって実施される。

【0063】

Ｓ９９０において、トレーニングセクション又はそのサブセクションは、回帰モデルを初期化する。少なくとも一部の実施形態では、トレーニングセクションは、トレーニングを開始するための開始点として機能するように、回帰モデルの各ノードに重み値をランダムに割り当てる。

【0064】

Ｓ９９１において、トレーニングセクション又はそのサブセクションは、ＭＣＧペアリングの初期トレーニングサンプルを生成する。少なくとも一部の実施形態では、Ｓ９９１の反復が進むにつれて、トレーニングセクションは、複数の初期トレーニングサンプルを生成し、各トレーニングサンプルは、複数のペアリングのうちの１つのペアリングを含む。

【0065】

Ｓ９９２において、トレーニングセクション又はそのサブセクションは、ＭＣＧペアリングの地理的位置間の距離を計算する。少なくとも一部の実施形態では、トレーニングセクションは、識別セクションに、ＭＣＧペアリングの地理的位置の緯度間の差及び経度間の差にピタゴラスの定理を適用させる。

【0066】

Ｓ９９３において、トレーニングセクション又はそのサブセクションは、Ｓ９９２において計算された距離が閾値距離内にあるか否かを判定する。少なくとも一部の実施形態では、閾値距離は１キロメートルである。計算された距離が閾値距離未満である場合、動作フローはＳ９９４に進み、「内側」を示すラベルがトレーニングサンプルに適用される。計算された距離が１キロメートル以上である場合、動作フローはＳ９９５に進み、「外側」を示すラベルがトレーニングサンプルに適用される。少なくとも一部の実施形態では、トレーニングセクションは、計算された距離が閾値距離内にあるか否かを示すグラウンドトゥルース近傍値で各トレーニングサンプルをラベル付けする。

【0067】

Ｓ９９６において、トレーニングセクション又はそのサブセクションは、各ＭＣＧペアリングについてＳ９９１の反復において生成されたトレーニングサンプルの全てが処理されたか否かを判定する。トレーニングセクションが、全てのＭＣＧペアリングについてのトレーニングサンプルの全てが処理されたと判定した場合、動作フローは、Ｓ９９９におけるトレーニングに進む。トレーニングセクションが、未処理のトレーニングサンプルが残っていると判定した場合、動作フローは、Ｓ９９１における生成に戻る前に、Ｓ９９７において次のトレーニングサンプルを選択することに進む。

【0068】

Ｓ９９９において、トレーニングセクション又はそのサブセクションは、Ｓ９９１の反復において生成された複数のトレーニングサンプルを用いて、初期化された回帰モデルをトレーニングする。

【0069】

図１１は、本発明の少なくとも１つの実施形態による、隣接関係の競合予測のための例示的なハードウェア構成のブロック図である。

【0070】

例示的なハードウェア構成は、ネットワーク１１３６と通信し、入力デバイス１１３９と相互作用（interact）する装置１１００を含む。装置１１００は、入力デバイス１１３９から入力又はコマンドを受信するコンピュータ又は他のコンピューティングデバイスであり得る。装置１１００は、入力デバイス１１３９に直接、又はネットワーク１１３６を介して間接的に接続するホストサーバであってもよい。一部の実施形態では、装置１１００は、２つ以上のコンピュータを含むコンピュータシステムである。一部の実施形態では、装置１１００は、装置１１００のユーザのためのアプリケーションを実行するパーソナルコンピュータである。

【0071】

装置１１００は、コントローラ１１１０と、記憶ユニット１１２０と、通信インターフェース１１３５と、入出力インターフェース１１３８とを含む。一部の実施形態では、コントローラ１１１０は、プロセッサ又はプログラマブル回路に、命令に従って動作を実施させるための命令を実行するプロセッサ又はプログラマブル回路を含む。一部の実施形態では、コントローラ１１１０は、アナログ又はデジタルプログラマブル回路、あるいはそれらの任意の組み合わせを含む。一部の実施形態では、コントローラ１１１０は、通信を通して相互作用する、物理的に分離された記憶装置又は回路を含む。一部の実施形態では、記憶ユニット１１２０は、命令の実行中にコントローラ１１１０がアクセスするための実行可能データ及び非実行可能データを記憶することができる不揮発性コンピュータ可読媒体を含む。通信インターフェース１１３５は、ネットワーク１１３６からデータを送受信し、それによってＭＣＧ１１３０との通信が可能になる。入出力インターフェース１１３８は、パラレルポート、シリアルポート、キーボードポート、マウスポート、モニタポートなどを介して各種の入出力ユニットを接続し、コマンドの受け付け及び情報の提示を行う。

【0072】

コントローラ１１１０は、識別セクション１１１２と、カウントセクション１１１５と、適用セクション１１１７と、トレーニングセクション１１１９とを含む。記憶ユニット１１２０は、近傍テーブル１１２２、モデルパラメータ１１２４、トレーニングサンプル１１２６、及びトレーニングパラメータ１１２８を含む。

【0073】

識別セクション１１１２は、測定報告及び近隣ＭＣＧから、リストされていないＳＣＧを識別するように構成されたコントローラ１１１０の回路又は命令である。少なくとも一部の実施形態では、識別セクション１１１２は、測定報告を隣接関係テーブルと比較して、測定報告に関連付けられたサービングＭＣＧの隣接関係テーブルで見つからなかった任意のＰＣＩ及びＡＲＦＣＮの組み合わせを識別するように構成される。少なくとも一部の実施形態では、識別セクション１１１２は、近傍１１２２などの記憶ユニット１１２０内の情報を利用する。少なくとも一部の実施形態では、識別セクション１１１２は、前述のフロー図で説明したように、追加の機能を実施するためのサブセクションを含む。少なくとも一部の実施形態では、かかるサブセクションは、それらの機能に関連付けられた名前によって参照され得る。

【0074】

カウントセクション１１１５は、一致するＳＣＧをカウントするように構成されたコントローラ１１１０の回路又は命令である。少なくとも一部の実施形態では、カウントセクション１１１５は、ＭＣＧ１１３０などのサービングＭＣＧの近傍に存在して同じＰＣＩ及びＡＲＦＣＮを有する５Ｇセルをカウントするように構成される。少なくとも一部の実施形態では、カウントセクション１１１５は、装置１１００と通信するデータベース内の情報を利用する。少なくとも一部の実施形態では、カウントセクション１１１５は、前述のフローチャートで説明したように、追加の機能を実施するためのサブセクションを含む。少なくとも一部の実施形態では、かかるサブセクションは、それらの機能に関連付けられた名前によって参照され得る。

【0075】

適用セクション１１１７は、モデルを入力データに適用して出力データを取得するように構成されたコントローラ１１１０の回路又は命令である。少なくとも一部の実施形態では、適用セクション１１１７は、入力データをモデルの入力層に供給し、中間層の中間値を計算し、出力データをモデルの出力層から読み取るように構成される。少なくとも一部の実施形態では、適用セクション１１１７は、モデルパラメータ１１２４などの、記憶ユニット１１２０内の情報を利用する。少なくとも一部の実施形態では、適用セクション１１１７は、前述のフローチャートで説明したように、追加の機能を実施するためのサブセクションを含む。少なくとも一部の実施形態では、かかるサブセクションは、それらの機能に関連付けられた名前によって参照され得る。

【0076】

トレーニングセクション１１１９は、モデルをトレーニングするように構成されたコントローラ１１１０の回路又は命令である。少なくとも一部の実施形態では、トレーニングセクション１１１９は、損失関数が解に収束するまで、又は別の態様でトレーニングが完了したと見なされるまで、損失関数に基づいてモデルの重みを調整するように構成される。少なくとも一部の実施形態では、トレーニングセクション１１１９は、トレーニングサンプル１１１２６内に情報を記憶し、モデルパラメータ１１２４及びトレーニングパラメータ１１２８などの、記憶ユニット１１２０内の情報を利用する。少なくとも一部の実施形態では、トレーニングセクション１１１９は、前述のフローチャートで説明したように、追加の機能を実施するためのサブセクションを含む。少なくとも一部の実施形態では、かかるサブセクションは、対応する機能に関連付けられた名前によって参照される。

【0077】

少なくとも一部の実施形態では、装置は、本明細書の動作を実施するために論理機能を処理することが可能な別のデバイスである。少なくとも一部の実施形態では、コントローラ及び記憶ユニットは、完全に別個のデバイスである必要はなく、一部の実施形態では、回路又は１又は複数のコンピュータ可読媒体を共有する。少なくとも一部の実施形態では、記憶ユニットは、コンピュータ実行可能命令、及びコントローラによってアクセスされるデータの両方を記憶するハードドライブを含み、コントローラは、中央処理装置（central processing unit（ＣＰＵ））及びＲＡＭの組み合わせを含み、コンピュータ実行可能命令は、本明細書の動作の実施中にＣＰＵによる実行のために全体的又は部分的にコピーされることが可能である。

【0078】

装置がコンピュータである少なくとも一部の実施形態では、コンピュータにインストールされたプログラムが、コンピュータに、本明細書に記載の実施形態の装置として機能させるか、又は本明細書に記載の実施形態の装置に関連付けられた動作を実施させることができる。少なくとも一部の実施形態では、かかるプログラムは、コンピュータに、本明細書に説明されるフローチャート及びブロック図のブロックの一部又は全部と関連付けられたある動作を行わせるように、プロセッサによって実行可能である。

【0079】

本発明の種々の実施形態は、フローチャート及びブロック図を参照して説明され、そのブロックは、（１）動作が行われるプロセスの工程、又は（２）動作を行う責任があるコントローラのセクションを表し得る。特定の工程及びセクションは、専用回路、コンピュータ可読媒体上に記憶されたコンピュータ可読命令が供給されるプログラマブル回路、及び／又はコンピュータ可読媒体上に記憶されたコンピュータ可読命令が供給されるプロセッサによって実装される。一部の実施形態では、専用回路は、デジタル及び／又はアナログハードウェア回路を含み、集積回路（integrated circuits（ＩＣ））及び／又はディスクリート回路を含み得る。一部の実施形態では、プログラマブル回路は、フィールドプログラマブルゲートアレイ（field-programmable gate arrys（ＦＰＧＡ））、プログラマブル論理アレイ（programmable logic arrays（ＰＬＡ））などの、論理ＡＮＤ、ＯＲ、ＸＯＲ、ＮＡＮＤ、ＮＯＲ、及び他の論理演算、フリップフロップ、レジスタ、メモリ要素などを備える再構成可能なハードウェア回路を含む。

【0080】

本発明の種々の実施形態は、システム、方法、及び／又はコンピュータプログラム製品を含む。一部の実施形態では、コンピュータプログラム製品は、プロセッサに本発明の態様を実行させるためのコンピュータ可読プログラム命令を有するコンピュータ可読記憶媒体（又は複数の媒体）を含む。

【0081】

一部の実施形態では、コンピュータ可読記憶媒体は、命令実行デバイスによって使用するための命令を保持及び記憶することができる有形デバイスを含む。一部の実施形態では、コンピュータ可読記憶媒体は、例えば、電子記憶デバイス、磁気記憶デバイス、光学記憶デバイス、電磁記憶デバイス、半導体記憶デバイス、又は前述の任意の好適な組み合わせを含むが、それらに限定されない。コンピュータ可読記憶媒体のより具体的な例の非網羅的なリストには、ポータブルコンピュータディスケット、ハードディスク、ランダムアクセスメモリ（random access memory（ＲＡＭ））、読み出し専用メモリ（read only memory（ＲＯＭ））、消去可能プログラマブル読み出し専用メモリ（erasable programmable read-only memory）（ＥＰＲＯＭ又はフラッシュメモリ）、スタティックランダムアクセスメモリ（static random access memory（ＳＲＡＭ））、ポータブルコンパクトディスク読み出し専用メモリ（portable compact disc read-only memory（ＣＤ－ＲＯＭ））、デジタル多用途ディスク（digital versatile disk（ＤＶＤ））、メモリスティック、フロッピー（登録商標）ディスク、パンチカード又は溝に命令が記録された隆起構造などの機械的に符号化されたデバイス、及び上記の任意の適切な組み合わせが含まれる。本明細書で使用されるコンピュータ可読記憶媒体は、電波若しくは他の自由に伝搬する電磁波、導波路若しくは他の伝送媒体を通って伝搬する電磁波（例えば、光ファイバケーブルを通過する光パルス）、又はワイヤを通って伝送される電気信号などの、一時的な信号自体であると解釈されるべきではない。

【0082】

一部の実施形態では、本明細書に記載されるコンピュータ可読プログラム命令は、コンピュータ可読記憶媒体からそれぞれのコンピューティング／処理デバイスに、又はネットワーク、例えば、インターネット、ローカルエリアネットワーク、ワイドエリアネットワーク及び／若しくは無線ネットワークを介して外部コンピュータ若しくは外部記憶デバイスにダウンロード可能である。一部の実施形態では、ネットワークは、銅伝送ケーブル、光伝送ファイバ、無線伝送、ルータ、ファイアウォール、スイッチ、ゲートウェイコンピュータ、及び／又はエッジサーバを含み得る。各コンピューティング／処理デバイス内のネットワークアダプタカード又はネットワークインターフェースは、ネットワークからコンピュータ可読プログラム命令を受信し、それぞれのコンピューティング／処理デバイス内のコンピュータ可読記憶媒体に記憶するためにコンピュータ可読プログラム命令を転送する。

【0083】

一部の実施形態では、上述の動作を実行するためのコンピュータ可読プログラム命令は、アセンブラ命令、命令セットアーキテクチャ（instruction-set-architecture（ＩＳＡ））命令、機械命令、機械依存命令、マイクロコード、ファームウェア命令、状態設定データ、又はＳｍａｌｌｔａｌｋ、Ｃ＋＋などのオブジェクト指向プログラミング言語、及び「Ｃ」プログラミング言語又は同様のプログラミング言語などの従来の手続き型プログラミング言語を含む、１又は複数のプログラミング言語の任意の組み合わせで書かれたソースコード若しくはオブジェクトコードのいずれかである。一部の実施形態では、コンピュータ可読プログラム命令は、完全にユーザのコンピュータ上で実行され、部分的にユーザのコンピュータ上で実行され、独立型ソフトウェアパッケージとして実行され、部分的にユーザのコンピュータ上及び部分的に遠隔コンピュータ上で実行され、又は完全に遠隔コンピュータ若しくはサーバ上で実行される。一部の実施形態では、後者のシナリオにおいて、遠隔コンピュータは、ローカルエリアネットワーク（local area network（ＬＡＮ））又はワイドエリアネットワーク（wide area network（ＷＡＮ））を含む任意のタイプのネットワークを介してユーザのコンピュータに接続されるか、又は（例えば、インターネットサービスプロバイダを使用してインターネットを介して）外部コンピュータへの接続が行われてもよい。一部の実施形態では、例えば、プログラマブル論理回路、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、又はプログラマブル論理アレイ（ＰＬＡ）を含む電子回路は、コンピュータ可読プログラム命令を実行し、コンピュータ可読プログラム命令の状態情報を利用して電子回路を個別化することによって、本発明の態様を実施する。

【0084】

以上、本発明の実施形態について説明したが、特許請求の範囲に記載された発明の技術的範囲は上記実施形態に記載の範囲には限定されない。上記実施の形態に、多様な変更又は改良を加えることが可能であることが当業者に明らかである。その様な変更又は改良を加えた実施形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲の記載から明らかである。

【0085】

特許請求の範囲、実施形態、及び図面において示した装置、システム、プログラム、及び方法における動作、手順、工程、及び段階などの各処理の実施順序は、「より前に」、「先立って」などと明示しておらず、また、前の処理の出力を後の処理で用いるのでない限り、任意の順序で実現し得ることに留意すべきである。特許請求の範囲、実施形態、及び図面中の動作フローに関して、便宜上「まず」、「次に」などを用いて説明したとしても、この順で実施することが必須であることを意味するものではない。

【0086】

本発明の少なくとも１つの実施形態によれば、隣接関係の競合予測は、端末のサービングマスタセルグループ（Master Cell Group（ＭＣＧ））から、端末の測定報告を受信することであって、測定報告は、複数の信号測定値を含み、信号測定値の各々は、物理セル識別子（Physical Cell Identifier（ＰＣＩ））と絶対無線周波数チャネル番号（Absolute Radio-Frequency Channel Number（ＡＲＦＣＮ））とによって表されるセカンダリセルグループ（Secondary Cell Group（ＳＣＧ））に関連付けられている、ことと、複数の信号測定値の中にリストされていないＳＣＧを識別することであって、リストされていないＳＣＧは、サービングＭＣＧの隣接関係テーブル（Neighbor Relations Table（ＮＲＴ））中のいずれの単一のＳＣＧにも対応しないＰＣＩ及び関連付けられたＡＲＦＣＮによって表される、ことと、サービングＭＣＧの閾値距離内の１又は複数の近くのＭＣＧを識別することと、リストされていないＳＣＧのＰＣＩ及びＡＲＦＣＮを有するＳＣＧであって、近隣ＭＣＧの各々のＮＲＴ中のＳＣＧの数をカウントすることと、予測値を取得するために、ＳＣＧのカウントされた数と、サービングＭＣＧ、ＰＣＩ、及びＡＲＦＣＮを表すＭＣＧ－ＰＣＩ－ＡＲＦＣＮ識別子とに分類モデルを適用することであって、予測値は、サービングＭＣＧ及び複数の近隣ＭＣＧを、リストされていないＳＣＧに供給することがＰＣＩ競合をもたらすか否かを示すバイナリ値である、こととを含む動作によって実施される。

【0087】

一部の実施形態は、コンピュータプログラム内の命令と、コンピュータプログラムの命令を実行するプロセッサによって実施される方法と、方法を実施する装置とを含む。一部の実施形態では、装置は、命令内の動作を実施するように構成された回路を含むコントローラを含む。

【0088】

上記は、当業者が本開示の態様をよりよく理解することができるように、いくつかの実施形態の特徴を概説している。当業者は、本明細書に導入された実施形態の同じ目的を実行し、及び／又は同じ利点を達成するための他のプロセス及び構造を設計又は修正するための基礎として、本開示を容易に使用し得ることを理解されたい。当業者はまた、かかる同等の構成が本開示の趣旨及び範囲から逸脱しないこと、並びに本開示の趣旨及び範囲から逸脱することなく、本明細書において種々の変更、置換、及び変更を行うことができることを理解すべきである。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】