▶ ラクテン・シンフォニー・シンガポール・プライベート・リミテッドの特許一覧
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公表特許公報(A)
(11)【公表番号】
(43)【公表日】2023-08-04
(54)【発明の名称】モバイルネットワークにおける休止セルの検出
(51)【国際特許分類】
H04W 24/04 20090101AFI20230728BHJP
H04W 24/08 20090101ALI20230728BHJP
【ＦＩ】
H04W24/04
H04W24/08
【審査請求】有
【予備審査請求】未請求
(21)【出願番号】P 2022566412
(86)(22)【出願日】2021-06-04
(85)【翻訳文提出日】2023-01-13
(86)【国際出願番号】 IB2021054894
(87)【国際公開番号】W WO2022013635
(87)【国際公開日】2022-01-20
(31)【優先権主張番号】63/052,911
(32)【優先日】2020-07-16
(33)【優先権主張国・地域又は機関】US
(81)【指定国・地域】
【公序良俗違反の表示】
（特許庁注：以下のものは登録商標）
１．ＷＣＤＭＡ
２．ＢＬＵＥＴＯＯＴＨ
(71)【出願人】
【識別番号】520237889
【氏名又は名称】ラクテン・シンフォニー・シンガポール・プライベート・リミテッド
(74)【代理人】
【識別番号】100105924
【弁理士】
【氏名又は名称】森下 賢樹
(72)【発明者】
【氏名】ワスニック パンケージ
(72)【発明者】
【氏名】クマール ウッタム
(72)【発明者】
【氏名】チャンドラシェカール シャシャンク
(72)【発明者】
【氏名】デシュパンデ アトゥル
【テーマコード（参考）】
5K067
【Ｆターム（参考）】
5K067LL01
(57)【要約】
【解決手段】方法は、モバイルネットワークにおけるセルのためのKPI（Key Performance Indicator）に関するデータを収集することを含む。方法は、KPIについて収集されたデータを、第１の日における期間中のKPIの値を備える第１グループと、第１の日の前の第２の日における期間中のKPIの値を備える第２グループと、第２の日の前の第３の日における期間中のKPIの値を備える第３グループを含む複数のグループに集計することを含む。方法は、第１、第２および第３グループの比較に基づいてセルが休止セルか否かを判定することを含む。方法は、セルが休止しているとの判定に応じて、セルを休止中と分類することを含む。
【選択図】図８
【選択図】図８
【特許請求の範囲】
【請求項1】
モバイルネットワークにおけるセルのための第１ＫＰＩ（Key Performance Indicator）に関するデータを収集することと、第１ＫＰＩについて収集されたデータを、第１の日における期間中の第１ＫＰＩの値を備える第１グループと、第１の日の前の第２の日における期間中の第１ＫＰＩの値を備える第２グループと、第２の日の前の第３の日における期間中の第１ＫＰＩの値を備える第３グループを含む複数のグループに集計することと、
第１グループ、第２グループおよび第３グループの比較に基づいてセルが休止セルか否かを判定することと、
セルが休止セルであるとの判定に応じて、セルを休止中と分類することと、
を備える方法。
【請求項2】
第１ＫＰＩに関するデータを収集することは、ゼロ無線リソース制御（Zero RRC）、巡回冗長検査（CRC）またはシステム情報ブロック（SIB）に関するデータを収集することを備える、請求項１に記載の方法。
【請求項3】
収集されたデータを集計することは、第２の日を第１の日の直前の日に設定することを備える、請求項１または２に記載の方法。
【請求項4】
収集されたデータを集計することは、第３の日を第１の日の一週間前の日に設定することを備える、請求項３に記載の方法。
【請求項5】
セルが休止セルではないとの判定に応じて、セルから第１ＫＰＩと異なる第２ＫＰＩに関するデータを収集することと、第２ＫＰＩについて収集されたデータを集計することと、
第２ＫＰＩについて集計されたデータに基づいて、セルが休止セルか否かを判定することと、
を更に備える請求項１から４のいずれかに記載の方法。
【請求項6】
セルが休止セルではないとの判定に応じて、セルから第１ＫＰＩおよび第２ＫＰＩと異なる第３ＫＰＩに関するデータを収集することと、第３ＫＰＩについて収集されたデータを集計することと、
第３ＫＰＩについて集計されたデータに基づいて、セルが休止セルか否かを判定することと、
を更に備える請求項５に記載の方法。
【請求項7】
第１ＫＰＩに関するデータを収集することは、Zero RRCに関するデータを収集することを備え、第２ＫＰＩに関するデータを収集することは、CRCに関するデータを収集することを備え、第３ＫＰＩに関するデータを収集することは、SIBに関するデータを収集することを備える、請求項６に記載の方法。
【請求項8】
セルが休止セルか否かを判定することは、機械学習システムを使用することを備える、請求項１から７のいずれかに記載の方法。
【請求項9】
セルを休止中と分類することに応じて、ネットワークオペレータに報知することを更に備える、請求項１から８のいずれかに記載の方法。
【請求項10】
モバイルネットワークにおけるセルのための第１ＫＰＩ（Key Performance Indicator）についてのモデルを構築するために機械学習システムを訓練することと、第１ＫＰＩに関するデータを受け取ることと、
機械学習システムを使用して、受け取られた第１ＫＰＩに関するデータおよび第１ＫＰＩについてのモデルの比較に基づいて、セルが休止セルか否かを判定することと、
セルが休止セルであるとの判定に応じて、セルを休止中と分類することと、
を備える方法。
【請求項11】
機械学習システムを訓練することは、機械学習システムにおけるエンコーダについての線型損失を演算することと、
機械学習システムにおけるエンコーダについての非線型損失を演算することと、
を備える請求項１０に記載の方法。
【請求項12】
セルのための第２ＫＰＩについてのモデルを構築するために、機械学習システムを訓練することと、第２ＫＰＩに関するデータを受け取ることと、
機械学習システムを使用して、受け取られた第２ＫＰＩに関するデータおよび第２ＫＰＩについてのモデルの比較に基づいて、セルが休止セルか否かを判定することと、
を更に備える請求項１０または１１に記載の方法。
【請求項13】
第１ＫＰＩに関するデータを受け取ることは、ゼロ無線リソース制御（Zero RRC）、巡回冗長検査（CRC）またはシステム情報ブロック（SIB）に関するデータを受け取ることを備える、請求項１２に記載の方法。
【請求項14】
第２ＫＰＩについてのモデルを構築するために機械学習システムを訓練することは、第１ＫＰＩについてのモデルを構築するために機械学習システムを訓練することの後に第２ＫＰＩについてのモデルを構築するために機械学習システムを訓練することを備える、請求項１２または１３に記載の方法。
【請求項15】
セルが検出可能な故障を有するか否かを判定することを更に備える、請求項１０から１４のいずれかに記載の方法。
【請求項16】
セルが検出可能な故障を有するという判定に応じて、セルを休止中でないと分類することを更に備える、請求項１５に記載の方法。
【請求項17】
第１ＫＰＩについて受け取られたデータを、第１の日における期間中の第１ＫＰＩの値を備える第１グループと、第１の日の前の第２の日における期間中の第１ＫＰＩの値を備える第２グループと、第２の日の前の第３の日における期間中の第１ＫＰＩの値を備える第３グループを含む複数のグループに集計することを更に備える、請求項１０から１６のいずれかに記載の方法。
【請求項18】
セルを休止中と分類することに応じて、ネットワークオペレータに報知することを更に備える、請求項１０から１７のいずれかに記載の方法。
【請求項19】
命令を保存するように構成される非一時的コンピュータ読取可能媒体と、非一時的コンピュータ読取可能媒体に接続されるプロセッサであって、
モバイルネットワークにおけるセルのための第１ＫＰＩ（Key Performance Indicator）についてのモデルを構築することと、
第１ＫＰＩに関するデータを受け取ることと、
受け取られた第１ＫＰＩに関するデータおよび第１ＫＰＩについてのモデルの比較に基づいて、セルが休止セルか否かを判定することと、
セルが休止セルであるとの判定に応じて、セルを休止中と分類することと、
のための命令を実行するように構成されるプロセッサと、
を備えるシステム。
【請求項20】
第１ＫＰＩは、ゼロ無線リソース制御（Zero RRC）、巡回冗長検査（CRC）またはシステム情報ブロック（SIB）を備える、請求項１９に記載のシステム。
【発明の詳細な説明】
【背景技術】
【0001】
モバイルネットワークは、ユーザへの／からの情報を伝送するために無線通信を使用する。モバイルネットワークはセルを使用し、対応するセルの周りの地理的エリア内のユーザに対して接続を提供する。モバイルネットワークのカバーエリアが増加するにつれて、セルの数も増加している。加えて、LTE（Long Term Evolution）、5G（第５世代）等の新世代のモバイルネットワークの使用は、異なる世代のオペレーティングシステムを使用する端末デバイスを使用する異なるユーザに対してサービスを提供するために、ネットワーク内のセルの数を増加させる。結果として、モバイルネットワーク内のセルの数は急速に増加している。
【0002】
ユーザがセルを通じてモバイルネットワークに接続するためには、端末デバイスが認証および接続確立のためにセルとメッセージを交換する。セルが端末デバイスとの間でメッセージを受信または送信できない場合、セルは新しい接続を確立できない。いくつかの場合、新しい接続を生成できないことは、顧客の不満およびネットワークオペレータの収益損失に繋がる。
【0003】
いくつかの場合、新しい接続を確立できないセルは、停電の結果としてまたはセルまたはネットワークによる故障アラートの生成を通じて容易に検出できる。しかし、いくつかの場合、セルはシステムオペレータにとっては適切に稼働しているように見えるが、それでも新しい接続を確立できない。このタイプのセルは、休止セルと呼ばれる。休止セルは、新しい接続の確立等の正常な機能のパフォーマンスを低減または阻害する故障を有する。しかし、故障は、アラームを生成せず、ネットワークオペレータから隠される。いくつかの場合、故障がアラームを生成しないため、ユーザからの苦情が、セルが休止していることの第１の示唆である。いくつかの場合、セルのマニュアル点検が、セルが休止しているか否かを判定するために使用される。いくつかの場合、新しい接続を確立できないことに加えて、休止セルは以前にセルに接続されていた端末デバイスとの接続を切断することもある。
【図面の簡単な説明】
【0004】
本開示の様々な側面は、付随する図面を参照しながら以下の詳細な記述を読むことで良く理解される。なお、産業における標準的な慣行に従って、様々な特徴は原寸通りに描かれない。実際、様々な特徴の寸法は、議論の明確性のために任意に増減されうる。
【0005】
図１は、いくつかの実施形態に係るデータ収集システムの模式図である。
【0006】
図２は、いくつかの実施形態に係るデータ集計方法のフローチャートである。
【0007】
図３は、いくつかの実施形態に係るデータアノテーション方法のフローチャートである。
【0008】
図４は、いくつかの実施形態に係る機械学習システムの機能図である。
【0009】
図５は、いくつかの実施形態に係る機械学習システムの訓練方法のフローチャートである。
【0010】
図６は、いくつかの実施形態に係る機械学習システムを使用するモバイルネットワークの試験方法のフローチャートである。
【0011】
図７は、いくつかの実施形態に係るKPIに基づく分類部の訓練方法のフローチャートである。
【0012】
図８は、いくつかの実施形態に係る試験データに基づく推定方法のフローチャートである。
【0013】
図９は、いくつかの実施形態に係る休止セル監視システムの模式図である。
【0014】
図１０は、いくつかの実施形態に係る休止セル監視システムのためのダッシュボードのためのグラフィカルユーザインターフェースを示す。
【0015】
図１１は、いくつかの実施形態に係る休止セルの検出または監視を実施するためのシステムの模式図である。
【発明を実施するための形態】
【0016】
以下の開示は、提供される主題の異なる特徴を実施するための多くの異なる実施形態または例を提供する。コンポーネント、値、動作、材料、配置等の具体的な例は、本開示を単純化するために後述される。もちろん、これらは単なる例に過ぎず、限定する意図ではない。他のコンポーネント、値、動作、材料、配置等も考えられる。例えば、特定のコンポーネントによるデータの収集または分析は、収集または分析を実施できるコンポーネントの単なる例に過ぎず、本開示の範囲を限定する意図ではない。加えて、本開示は、参照番号および／または文字を様々な例において繰り返してもよい。この繰返しは、簡潔性および明確性のためであり、それ自体が様々な実施形態および／または議論される構成の間の関係を規定するものではない。
【0017】
モバイルネットワークにおけるセルが休止セルか否かを判定することは、しばしば困難である。いくつかの場合、マニュアル試験またはユーザからの苦情が、セルが休止中かもしれないという第１の示唆である。マニュアル試験では、セルが適切に機能しているか否かを判定するために、オペレータが異なるセル位置に赴く必要がある。モバイルネットワークの地理的なカバーエリアが増大して、技術の複数の世代をサポートするにつれて、モバイルネットワーク内のセルの数は増加する。これらのセルの全てのマニュアル試験には、費用と時間がかかる。休止セルを特定するためにユーザからの苦情を待つことは、顧客満足度を下げてネットワークオペレータにとってユーザの損失に繋がりうる。
【0018】
本開示は、セルが休止状態にあるか否かを特定するために、KPI（Key Performance Indicator）を利用する。休止状態は、ネットワークオペレータに問題を通知するためのアラートを生成しないにも関わらず、端末デバイスとの新しい接続を確立できない等の、セルが適切に機能していない状態である。KPIデータは遠隔から収集可能であるため、マニュアル試験の使用を回避できる。これは、休止セルの特定における効率を高める。休止セルを迅速に特定するためにKPIを使用することは、モバイルネットワークのユーザに対する影響も低減し、顧客満足度を維持または増加させて顧客の損失の防止に寄与する。
【0019】
いくつかの実施形態では、ゼロ無線リソース制御（Zero RRC）が、セルが休止しているか否かを判定するために使用されるKPIである。いくつかの実施形態では、巡回冗長検査（CRC）が、セルが休止しているか否かを判定するために使用されるKPIである。いくつかの実施形態では、システム情報ブロック（SIB）が、セルが休止しているか否かを判定するために使用されるKPIである。いくつかの実施形態では、Zero RRC、CRCおよびSIBの組合せ等の複数のKPIが、セルが休止しているか否かを判定する際に使用される。Zero RRCは、セルが端末デバイスとの接続を確立できるか否か、および、端末デバイスとの接続を解放できるか否かを示唆する。CRCは、セルに出入りするデータに偶発的な変化があるか否かを示唆する。SIBは、モバイルネットワークへのアクセスが許可されるか否かを示唆する。
【0020】
セルのパフォーマンスにおいて検出された経時的変化に基づいて、セルは休止セルであると特定可能である。いくつかの実施形態では、一週間の期間内のセルのパフォーマンスにおける変化に応じて、セルが休止セルであると特定される。いくつかの実施形態では、セルのパフォーマンスにおける変化を判定するために異なる期間が使用される。セルのパフォーマンスは、KPIの閾値との比較に基づいて判定される。いくつかの実施形態では、閾値が経験的に決定される。いくつかの実施形態では、ネットワークオペレータによって閾値が設定される。
【0021】
一旦閾値が決定されると、機械学習システムが、KPIを取得して閾値と比較でき、セルが休止しているか否かを自動的に特定できる。この判定は、顧客に対する影響を最低限に抑えながら、迅速かつ効率的な休止セルの特定に繋がりうる、潜在的な休止セルについてのアラートの生成を可能にする。結果として、モバイルネットワークは、休止セルが検出されないネットワークと比較して、より大きい割合の時間についてより高いパフォーマンスレベルで稼働でき、より高い顧客満足度およびネットワークオペレータにとっての収益増加に繋がる。
【0022】
図１は、いくつかの実施形態に係るデータ収集システム１００の模式図である。データ収集システム１００は、モバイルネットワーク内のセルのためのKPIに関する情報を収集できる。データ収集システム１００は、無線ユニットおよびアンテナ（RIU）１１０を含む。ＲＩＵ１１０は、ｅＮＢ（enhanced nodeB）１２０と通信する。ｅＮＢ１２０は、サーバ１３０と通信する。ｅＮＢ１２０は、セルの機能に関する情報をサーバ１３０に提供する。サーバ１３０は、ｅＮＢ１２０からデータを収集し、定型化されたデータを分析部１４０に提供する。分析部１４０は、定型化されたデータに基づいて、セルのパフォーマンスを判定する。いくつかの実施形態では、サーバ１３０および分析部１４０が、同じデバイスの一部である。いくつかの実施形態では、サーバ１３０の少なくとも一部および分析部１４０の少なくとも一部が同じデバイスの一部である。いくつかの実施形態では、サーバ１３０および分析部１４０が全く別のデバイスである。
【0023】
ＲＩＵ１１０は、ｅＮＢ１２０が端末デバイスと通信することを可能にするための、ｅＮＢ１２０および端末デバイスの間のインターフェースを提供する。いくつかの実施形態では、ＲＩＵ１１０が、様々な技術および周波数による通信を受信するための複数の無線インターフェースを含む。いくつかの実施形態では、ＲＩＵ１１０が、LTE RIUまたはWCDMA（Wideband Code Division Multiple Access）RIUの少なくとも一つを含む。
【0024】
ｅＮＢ１２０は、端末デバイスおよびモバイルネットワークの間の接続を提供する。ｅＮＢ１２０は、仮想化分散ユニット（VDU）１２７および仮想化中央ユニット（VCU）１２９を含む仮想ネットワーク機能（VNF）１２５を含む。ＶＤＵ１２７は、地理的エリア内のセルのグループの機能の制御を支援する。ＶＤＵ１２７は、端末デバイスから地理的エリア内の異なるセルへのハンドオフの制御を支援する。ＶＤＵ１２７は、地理的エリア内の様々なセルへの接続が端末デバイスとの接続を正常に確立するか否かに関する情報を収集できる。ＶＣＵ１２９は、VDUのグループの機能の制御を支援する。いくつかの実施形態では、モバイルネットワークの動作のための処理が、ＶＤＵ１２７およびＶＣＵ１２９の間で共有される。いくつかの実施形態では、ＶＤＵ１２７がＶＣＵ１２９と同じハウジング内にある。いくつかの実施形態では、ＶＤＵ１２７がＶＣＵ１２９と別のハウジング内にある。
【0025】
サーバ１３０は、ｅＮＢ１２０に接続される様々なセルのためのKPIを決定するために、ＶＮＦ１２５から情報を受け取る。サーバ１３０は、無線要素マネジメントシステム（EMS）１３４を含む仮想インフラストラクチャマネージャ（VIM）１３２を含む。ＶＩＭ１３２は、モバイルネットワークのリソースの制御および管理を支援する。無線ＥＭＳ１３４は、ＶＩＭ１３２がモバイルネットワーク内のイベントを特定し、モバイルネットワーク内の設備を管理することを支援する。サーバ１３０は、ＶＮＦ１２５およびＶＩＭ１３２から情報を受け取る環境測定能力（ESC）１３６を更に含む。ＥＳＣ１３６は、モバイルネットワーク内の通信に使用される周波数を検出するためのセンサを含む。サーバ１３０は、ネットワークサービスオーケストレータ（NSO）１３８を更に含む。ＮＳＯ１３８は、ＶＩＭ１３２から情報を受け取る。ＮＳＯ１３８は、ネットワークサービスを管理し、ＶＮＦ１２５の機能を制御する。ＮＳＯ１３８は、モバイルネットワークにアクセスするための検証および認証も管理する。ＮＳＯ１３８は、ｅＮＢ１２０と通信するセルのためのKPIを収集してまとめられる。いくつかの実施形態では、サーバ１３０のコンポーネントの全てが同じデバイスにある。いくつかの実施形態では、サーバ１３０のコンポーネントが複数のデバイスに分散している。いくつかの実施形態では、有線接続によってサーバ１３０のコンポーネントの間で情報が伝送される。いくつかの実施形態では、無線接続によってサーバ１３０のコンポーネントの間で情報が伝送される。いくつかの実施形態では、サーバ１３０がｅＮＢ１２０と有線接続によって通信する。いくつかの実施形態では、サーバ１３０がｅＮＢ１２０と無線接続によって通信する。
【0026】
分析部１４０は、ｅＮＢ１２０との通信中のセルのパフォーマンスを判定するために、KPIを分析するための情報をＮＳＯ１３８から受け取る。分析部１４０は、ＮＳＯ１３８から情報を受け取るためのデータ取込システム１４２を含む。データ取込システム１４２は、データ処理エンジン１４３にデータを伝送する。ＮＳＯ１３８から受け取られる情報は大量で複雑であるため、データ処理エンジン１４３は分析のためにデータをまとめて最適化するためにデータを処理する。処理されたデータは、データストレージユニット１４４に送られる。データストレージユニット１４４は、アプリケーション（App）層１４５での使用のために処理されたデータを保存する非一時的コンピュータ読取可能媒体である。アプリケーション層１４５は、モバイルネットワーク内のセルの稼働状況を判定するために、データストレージユニット１４４から分析のためのデータを取得する。アプリケーション層１４５は、パフォーマンスマネジメントユニット１４６、故障マネジメントユニット１４７および構成マネジメントユニット１４８を含む。パフォーマンスマネジメントユニット１４６は、ｅＮＢ１２０に接続されるセルのためのKPIを処理するために使用される。パフォーマンスマネジメントユニット１４６は、セルが休止セルか否かの判定のためにKPI情報を使用可能にする。故障マネジメントユニット１４７は、ｅＮＢ１２０に接続されるセルについて何らかの故障が特定されたか否かを判定するために使用される。構成マネジメントユニット１４８は、ｅＮＢ１２０に接続されるセルの相互接続を判定するために使用される。いくつかの実施形態では、分析部１４０のコンポーネントの全てが同じデバイスにある。いくつかの実施形態では、分析部１４０のコンポーネントが複数のデバイスに分散している。いくつかの実施形態では、有線接続によって分析部１４０のコンポーネントの間で情報が伝送される。いくつかの実施形態では、無線接続によって分析部１４０のコンポーネントの間で情報が伝送される。いくつかの実施形態では、サーバ１３０が分析部１４０と有線接続によって通信する。いくつかの実施形態では、サーバ１３０が分析部１４０と無線接続によって通信する。
【0027】
データ収集システム１００を使用して、モバイルネットワーク内のセルのためのKPIが収集される。これらのKPIは、モバイルネットワーク内の一または複数のセルが休止しているか否かを判定するために使用可能である。セルが休止しているか否かを判定するために、KPIの値を異なる時間でグルーピングするためにデータ集計が使用される。いくつかの実施形態では、全てのKPIについてデータ集計が実行される。いくつかの実施形態では、データ集計中の処理負荷を低減するために、ターゲットKPIについてデータ集計が実行される。いくつかの実施形態では、Zero RRC、CRCまたはSIBの少なくとも一つについてデータ集計が実行される。
【0028】
KPI情報は、例えば、データ収集システム１００を使用して、時間単位で収集される。この情報は、セルが休止しているか否かの判定を可能にするために集計される。データ集計は、サンプル期間に亘る異なる日の異なる時間に、一または複数のKPIについての情報を収集する。サンプル期間は、KPI情報が集計される全期間である。いくつかの実施形態では、サンプル期間は一週間である。いくつかの実施形態では、サンプル期間は一ヶ月である。いくつかの実施形態では、サンプル期間は一ヶ月より長いまたは短い。データ集計は、サンプル周期についてKPI情報をグルーピングする。サンプル周期は、データ集計処理中に一緒にグルーピングされる連続する時間数である。データ集計処理において複数の時間を一緒にグルーピングすることによって、単一の時間のみからの情報が使用される場合に比べて異常が分散する。結果として、休止セルの判定におけるフォルスポジティブが低減される。フォルスポジティブは、誤って休止セルであると判定された適切に機能しているセルを修理しようと時間およびリソースが浪費されるため、モバイルネットワークの運用における非効率に繋がる。いくつかの実施形態では、サンプル周期は4時間である。いくつかの実施形態では、サンプル周期は4時間より長いまたは短い。
【0029】
図２は、いくつかの実施形態に係るデータ集計の方法２００のフローチャートである。方法２００は、一つのKPIに関する情報の集計を目的とする。当業者は、任意の数のKPIについての情報を集計するために方法２００が反復可能であると理解する。加えて、方法２００の集計サンプル周期およびサンプル期間は、単なる例として使用される。当業者は、サンプル期間およびサンプル周期の変形例をカバーするために方法２００が改変されうると理解する。
【0030】
処理２０２では、定型化されたデータベースに情報が保存される。情報は、保存された訓練データおよびKPI情報を含む。いくつかの実施形態では、定型化されたデータベースにおける情報の一部が、データ収集システム１００から受け取られる。いくつかの実施形態では、定型化されたデータベースにおける情報の一部が、ユーザから受け取られる。いくつかの実施形態では、定型化されたデータベースにおける情報の一部が、セルまたはモバイルネットワークの他のコンポーネントのサプライヤによって提供される。
【0031】
処理２０４では、訓練データが受け取られる。いくつかの実施形態では、訓練データがユーザから受け取られる。いくつかの実施形態では、訓練データが定型化されたデータベースから取得される。訓練データは、方法２００がデータを適切に集計することを担保するために使用される。
【0032】
処理２０６では、KPI情報が抽出される。いくつかの実施形態では、KPI情報が定型化されたデータベースから抽出される。いくつかの実施形態では、KPI情報がデータ収集システム１００から受け取られる。いくつかの実施形態では、データ収集システム１００と異なる他の外部デバイスからKPI情報が受け取られる。いくつかの実施形態では、KPI情報がZero RRCに関する。いくつかの実施形態では、KPI情報がCRCに関する。いくつかの実施形態では、KPI情報がSIBに関する。
【0033】
処理２０８では、抽出されたKPI情報に関するデータが前処理される。データの前処理は、分析および集計が容易な形態にデータを定型化する。
【0034】
処理２１０では、「N+1」の日について前処理されたデータが抽出される。いくつかの実施形態では、「N」は約14日と約35日の間である。いくつかの実施形態では、「N」は30日である。いくつかの実施形態では、「N」は14日である。いくつかの実施形態では、「N」はユーザ入力に基づいて決定される。日数が増加するにつれて、より多くのデータが得られるため、より正確な判定が可能になる。しかし、日数が増加するにつれて、データ集計のための処理負荷も増加する。少なすぎる日が「N」として選択されると、フォルスポジティブのリスクが増加する。更に、「N」が大きすぎると、休止セルが顧客からの苦情に基づいて既に特定されてしまっている可能性が高くなるため、休止セルを特定するために処理リソースを利用することは無駄で非効率的である。
【0035】
処理２１２では、日「D」が第１の日に設定される（すなわち「D=1」）。第１の日は、集計が実行される最近の日である。例えば、データ集計が2月1日に実行される場合、第１の日は1月31日である。
【0036】
処理２１４では、日「D」が数「N」と比較される。「D」が「N」に等しいまたは「N」より大きいとの判定（すなわち「No」）に応じて、方法２００は処理２１６に進み、データ集計処理が終了する。「D」が「N」より小さいとの判定（すなわち「Yes」）に応じて、方法２００は処理２１８に進む。
【0037】
処理２１６では、分析されているKPIの集計が完了し、方法２００が終了する。
【0038】
処理２１８では、時間「T」が開始時間に設定される。いくつかの実施形態では、開始時間が00時すなわち真夜中に設定される。いくつかの実施形態では、例えばデータ収集システム１００からの最近のデータが受け取られた時間が開始時間である。いくつかの実施形態では、開始時間がユーザによって設定される。いくつかの実施形態では、モバイルネットワークの使用が最低限になる時間に開始時間が設定される。モバイルネットワークの最低限の使用は、モバイルネットワークについての履歴使用データを使用して判定可能である。いくつかの実施形態では、最も正確なデータが利用可能な時間に開始時間が設定される。この最も正確なデータが利用可能な時間は、フォルスポジティブをもたらしうる異常の検出数が最も少ない時間を判定するための経験的な分析を使用して判定可能である。
【0039】
処理２２０では、時間「T」が閾時間と比較される。いくつかの実施形態では、閾時間が23時間である。開始時間が00時および閾時間が23時間である状況では、一日の全24時間について集計が実行される。いくつかの実施形態では、KPIが集計される時間長における時間数、例えば、4時間に閾時間が等しい。いくつかの実施形態では、集計されているKPIに基づいて閾時間が設定される。例えば、いくつかの実施形態では、Zero RRCのKPIを集計するための閾時間が、SIBのためのKPIを集計するための閾時間と異なる。いくつかの実施形態では、集計されているKPIによらず、閾時間が一定である。閾時間が23時間に近づくにつれて、集計されるデータ量が増加し、集計されたデータの分析のためのより多くのオプションが提供される。閾時間を小さくすることは、方法２００を実行するための処理負荷の量を低減する。時間「T」が閾時間に等しいまたは閾時間より大きいとの判定（すなわち「No」）に応じて、方法２００は処理２２２に進む。時間「T」が閾時間より小さいとの判定（すなわち「Yes」）に応じて、方法２００は処理２２４に進む。
【0040】
処理２２２では、日「D」が「1」だけ増加され、方法２００が処理２１４に戻る。
【0041】
処理２２４では、時間「T」が集計される時間長における時間数と比較される。いくつかの実施形態では、集計される時間長における時間数が4時間である。いくつかの実施形態では、集計される時間長における時間数が4時間より多いまたは4時間より少ない。集計される時間長における時間数に閾時間が等しいいくつかの実施形態では、処理２２４が省略され、閾時間より小さい時間「T」に応じて方法２００は処理２２０から処理２２８に進む。いくつかの実施形態では、集計されているKPIに基づいて、集計される時間長における時間数が設定される。例えば、いくつかの実施形態では、Zero RRCのKPIを集計するための集計される時間長における時間数が、SIBのためのKPIを集計するための集計される時間長における時間数と異なる。いくつかの実施形態では、集計されているKPIによらず、集計される時間長における時間数が一定である。集計される時間長における時間数が増加するにつれて、前処理されたデータにおける異常の影響が更に低減され、フォルスポジティブのリスクが小さくなる。しかし、集計される時間長における時間数が増加するにつれて、方法２００を実行するための処理負荷も増加する。時間「T」が集計される時間長における時間数に等しいまたは集計される時間長における時間数より大きいとの判定（すなわち「No」）に応じて、方法２００は処理２２６に進む。時間が集計される時間長における時間数より小さいとの判定（すなわち「Yes」）に応じて、方法２００は処理２２８に進む。フォルスポジティブのリスクを許容範囲内に抑えるための十分に信頼できる集計を取得しながらも、処理負荷を最小化することを目指すいくつかの実施形態では、開始時間が06時（6:00 AM）に設定され、閾時間が4時間に設定され、集計される時間長における時間数が4時間に設定される。この例では、6:00 AM、7:00 AM、8:00 AMおよび9:00 AMに対応する収集されたKPIデータが、方法２００によって集計される。
【0042】
処理２２６では、日「D」および時間「T」に対応するデータが、同じ日「D」からの先行データとのグループ内で集計される。例えば、集計される時間長における時間数が4時間であるいくつかの実施形態では、日「D」および時間「T-1」、日「D」および時間「T-2」、日「D」および時間「T-3」を含むグループからのデータと共に、日「D」および時間「T」についてのデータを処理２２６が集計する。
【0043】
処理２２８では、日「D」および時間「T」に対応するデータが、前日（すなわち、日「D-1」）からの先行データとのグループ内で集計される。例えば、集計される時間長における時間数および現在の時間が「T=2」であるいくつかの実施形態では、日「D」および時間「T-1」、日「D」および時間「T-2」、日「D-1」および時間「T=23」を含むグループからのデータと共に、日「D」および時間「T」についてのデータを処理２２８が集計する。
【0044】
処理２３０では、処理２２６または処理２２８における集計からのグルーピングがメモリに保存される。いくつかの実施形態では、メモリが内部メモリである。いくつかの実施形態では、メモリが遠隔サーバ上にある。いくつかの実施形態では、メモリがクラウドに基づくストレージを含む。
【0045】
処理２３２では、時間「T」が「1」だけ増加され、方法２００が処理２２４に戻る。
【0046】
方法２００は、セルが休止セルか否かを判定する分析のためのKPIについてのデータを集計する。いくつかの実施形態では、方法２００が追加的な処理を含む。例えば、いくつかの実施形態では、方法２００が集計結果をユーザに対して表示する表示機能を含む。いくつかの実施形態では、方法２００の少なくとも一つの処理が省略される。例えば、いくつかの実施形態では、方法２００が既に訓練されている場合に処理２０４が省略される。いくつかの実施形態では、方法２００の処理の順序が変更される。例えば、いくつかの実施形態では、処理２０２の前に処理２０６が実行され、抽出されたKPIデータが、定型化されたデータベースに抽出に続いて保存される。
【0047】
KPI情報の集計に続いて、セルが休止セルか否かを判定するために集計されたデータが分析される。以下の例は、4時間の集計される時間長における時間数を使用する。当業者は、4時間より多いまたは少ない集計される時間長における時間数も可能であると理解する。集計される時間長における時間数が増加するにつれて、異常の影響が低減される。しかし、より多い集計される時間長における時間数は、処理負荷を増加させる。
【0048】
セルが休止セルか否かを判定するために、最近の日からの集計されたデータが、少なくとも二つの以前の日からの集計されたデータと比較される。いくつかの実施形態では、現在の日について集計されたKPI値が、セルが休止セルであると示唆する場合に限って、セルが休止セルか否かを判定するための分析が実行される。いくつかの実施形態では、現在の日について集計されたKPI値が、セルが休止セルであると示唆するか否かによらず、定期的に分析が実行される。いくつかの実施形態では、比較されているそれぞれの日について同じ時間に亘って集計されたデータのグループを使用することによって、精度が高められる。例えば、6:00 AM、7:00 AM、8:00 AMおよび9:00 AMからのデータを含むグループが、比較されるそれぞれの日について使用される。いくつかの実施形態では、以前の日の第１の日が、最近の日の直前の日（すなわち、昨日）である。いくつかの実施形態では、以前の日の第１の日が、最近の日の直前の日より前である。最近の日および以前の日の第１の日の間の間隔が増加するにつれて、検出される前にセルがより長い期間に亘って休止状態となるリスクが増加する。結果として、顧客の不満のリスクも増加する。以前の日の第２の日は、以前の日の第１の日より前である。いくつかの実施形態では、以前の日の第２の日は、最近の日の一週間前である。いくつかの実施形態では、以前の日の第２の日が、最近の日の一週間前より前または後である。最近の日および以前の日の第２の日の間隔が増加するにつれて、検出される前にセルがより長い期間に亘って休止状態となるリスクが増加する。結果として、顧客の不満のリスクも増加する。最近の日および以前の日の第２の日の間隔が減少するにつれて、フォルスポジティブのリスクが増加する。いくつかの実施形態では、セルが休止セルか否かを判定するために、二つより多い以前の日が分析される。分析される日数が増加するにつれて、分析の精度が増加する。しかし、分析される日数が増加するにつれて、分析を実行するための処理負荷も増加する。
【0049】
最近の日および少なくとも二つの以前の日について集計されたKPI値は、セルが休止セルであると示唆するパターンが存在するか否かを判定するために分析される。最近の日からの集計されたKPI値が、セルが休止セルであると示唆し、かつ、少なくとも二つの以前の日のそれぞれについて集計されたKPI値が、セルが休止セルではないと示唆する状況では、セルが休止セルであると判定される。以下の表１は、休止セルを示唆するこのパターンの例を提供する。
【表1】
【0050】
最近の日および少なくとも二つの以前の日の第１の日からの集計されたKPI値が、セルが休止セルであると示唆し、かつ、少なくとも二つの以前の日の第２の日について集計されたKPI値が、セルが休止セルではないと示唆する状況では、セルが休止セルであると判定される。以下の表２は、休止セルを示唆するこのパターンの例を提供する。
【表2】
【0051】
最近の日および少なくとも二つの以前の日の全てからの集計されたKPI値が、セルが休止セルであると示唆する状況では、セルが休止セルではないと判定される。以下の表３は、休止セルを示唆するこのパターンの例を提供する。
【表3】
【0052】
最近の日および少なくとも二つの以前の日の第２の日からの集計されたKPI値が、セルが休止セルであると示唆し、かつ、少なくとも二つの以前の日の第１の日について集計されたKPI値が、セルが休止セルではないと示唆する状況では、セルが休止セルではないと判定される。表４は、休止セルを示唆するこのパターンの例を提供する。
【表4】
【0053】
いくつかの実施形態では、KPIについて集計されたデータを分析する前に、例えば故障マネジメントユニット１４７による標準的故障検出を使用して、セルのステータスが点検される。つまり、モバイルネットワークのための制御システムが、例えば、停電または検出可能なハードウェア故障から、セルが故障中であると既に示唆している場合、セルの修理が既にスケジューリングされており、セルが休止セルか否かを判定しようとすることは無駄である。
【0054】
いくつかの実施形態では、集計されたデータが、Zero RRC、CRCおよびSIB等の特定された各KPIについて実行される。いくつかの実施形態では、いずれか一つのKPIが、セルが休止セルであると示唆する場合、処理負荷を低減するために他のKPIの分析が終了され、セルは休止セルであると判定される。
【0055】
図３は、いくつかの実施形態に係るデータアノテーション方法３００のフローチャートである。データアノテーションは、分析されたセルを休止しているまたは休止していないと分類する。方法３００は、三つのKPIの分析に基づく。いくつかの実施形態では、方法３００が追加的なKPIを分析するために使用可能である。方法３００は、データが利用可能な最近の日と、二つの以前の日の比較に基づく。いくつかの実施形態では、方法３００は、データが利用可能な最近の日を、二つより多い以前の日と比較する。
【0056】
処理３０２では、集計されたデータがストレージユニットに保存される。いくつかの実施形態では、方法２００から集計されたデータが取得される。いくつかの実施形態では、外部データベースから集計されたデータが取得される。いくつかの実施形態では、方法２００と異なるプロセスから集計されたデータが取得される。
【0057】
処理３０４では、日「D」が、データが利用可能な最近の日に設定される。いくつかの実施形態では、日「D」が、分析が実行される日である。いくつかの実施形態では、日「D」が、分析が実行される日の前の日である。
【0058】
処理３０６では、セルが休止セルか否かの判定のために使用される最も早い日と日「D」が比較される。いくつかの実施形態では、最も早い日が、最近の日の一週間前である。いくつかの実施形態では、最も早い日が最近の日の一週間未満前である。最近の日および最も早い日の間隔が増加するにつれて、検出される前にセルがより長い期間に亘って休止状態となるリスクが増加する。結果として、顧客の不満のリスクも増加する。最近の日および最も早い日の間隔が減少するにつれて、フォルスポジティブのリスクが増加する。日「D」が最も早い日の前であること（すなわち「No」）に応じて、方法３００は処理３０７に進み、方法３００が終了する。日「D」が最も早い日またはそれより後であること（すなわち「Yes」）に応じて、方法３００は処理３０８に進む。
【0059】
処理３０７では、方法３００が終了し、後述される処理３２６および３３４において設定されたラベルに基づいて、セルが休止セルまたは非休止セルであるとアノテーションされる。処理３２６または処理３３４において設定されたラベルが、セルが休止セルであると示唆する場合、セルは休止セルであるとアノテーションされる。いくつかの実施形態では、処理３２６において設定されたラベルが休止セルを示唆する場合、処理３０７は処理３３４において設定されたラベルを点検しない。いくつかの実施形態では、処理３３４において設定されたラベルが休止セルを示唆する場合、処理３０７は処理３２６において設定されたラベルを点検しない。いくつかの実施形態では、処理３２６または３３４のいずれにおいて設定されたラベルによらず、処理３０７が常に処理３２６および３３４において設定されたラベルの両方を点検する。
【0060】
処理３０８では、時間「T」が開始時間に設定される。いくつかの実施形態では、開始時間が00時すなわち真夜中に設定される。いくつかの実施形態では、例えば方法２００において集計されたデータからの最近のデータが集計された時間が開始時間である。いくつかの実施形態では、開始時間がユーザによって設定される。いくつかの実施形態では、最も正確なデータが利用可能な時間に開始時間が設定される。この最も正確なデータが利用可能な時間は、フォルスポジティブをもたらしうる異常の検出数が最も少ない時間を判定するための経験的な分析を使用して判定可能である。
【0061】
処理３１０では、時間「T」が閾時間と比較される。いくつかの実施形態では、閾時間が23時間である。開始時間が00時および閾時間が23時間である状況では、一日の全24時間についてアノテーションが実行される。いくつかの実施形態では、KPIが集計される時間長における時間数、例えば、4時間に閾時間が等しい。いくつかの実施形態では、KPIに基づいて閾時間が設定される。例えば、いくつかの実施形態では、Zero RRCのKPIのための閾時間が、SIBのKPIのための閾時間と異なる。いくつかの実施形態では、KPIによらず閾時間が一定である。閾時間が23時間に近づくにつれて、アノテーションされるデータ量が増加し、集計されたデータのより多くの分析を提供する。閾時間を小さくすることは、方法３００を実行するための処理負荷の量を低減する。時間「T」が閾時間に等しいまたは閾時間より大きいとの判定（すなわち「No」）に応じて、方法３００は処理３１２に進む。時間「T」が閾時間より小さいとの判定（すなわち「Yes」）に応じて、方法３００は処理３１４に進む。
【0062】
処理３１２では、日「D」が一日前に変更され、方法３００が処理３０６に戻る。
【0063】
処理３１４では、時間「T」が集計されたグループの最新の時間であるグループからの集計されたデータから、サンプルデータＳが取得される。例えば、時間「T=3」において、集計されたグループにおける時間数が4時間である場合、時間「T=3」、「T=2」、「T=1」および「T=0」を含む集計グループからサンプルデータＳが取得される。
【0064】
処理３１６では、故障マネジメントユニット１４７等のシステムによって検出可能な故障をセルが含むか否かについて判定が行われる。いくつかの実施形態では、セルが電力の損失を示唆する場合に故障が判定される。いくつかの実施形態では、セルの利用可能率が100%より小さい場合に故障が判定される。セルがシステムによって検出可能な故障を含むとの判定（すなわち「Yes」）に応じて、方法３００は処理３１８に進む。セルが休止セルか否かによらずセルは保守点検されるため、KPIの分析の継続は不要である。セルがシステムによって検出可能な故障を含まないとの判定（すなわち「No」）に応じて、方法は処理３２０に進む。
【0065】
処理３１８では、セルが故障中であると判定される。いくつかの実施形態では、処理３１８においてアラートが生成され、アラートが自動的にユーザに通信される。いくつかの実施形態では、分析を継続すべきとのユーザの指示がない限り、アラート生成後にセルの分析が停止する。
【0066】
処理３２０では、日「D」の前の少なくとも二つの以前の日について集計されたデータが、例えば、方法２００を使用して取得された集計されたデータから抽出される。抽出された集計されたデータは、現在のサンプルデータＳに対応する抽出された集計されたグループにおける時間を有する。いくつかの実施形態では、少なくとも二つの以前の日の第１の日が日「D」の直前の日であり、少なくとも二つの以前の日の第２の日が日「D」の一週間前である。いくつかの実施形態では、他の日が少なくとも二つの以前の日について使用される。いくつかの実施形態では、二つより多い以前の日について集計されたデータが抽出される。最近の日および以前の日の第１の日の間隔が増加するにつれて、検出される前にセルがより長い期間に亘って休止状態となるリスクが増加する。結果として、顧客の不満のリスクも増加する。以前の日の第２の日は、以前の日の第１の日より前である。いくつかの実施形態では、以前の日の第２の日が、最近の日の一週間前である。いくつかの実施形態では、以前の日の第２の日が、最近の日の一週間前より前または後である。最近の日および以前の日の第２の日の間隔が増加するにつれて、検出される前にセルがより長い期間に亘って休止状態となるリスクが増加する。結果として、顧客の不満のリスクも増加する。最近の日および以前の日の第２の日の間隔が減少するにつれて、フォルスポジティブのリスクが増加する。いくつかの実施形態では、セルが休止セルか否かを判定するために、二つより多い以前の日が分析される。分析される日数が増加するにつれて、分析の精度が増加する。しかし、分析される日数が増加するにつれて、分析を実行するための処理負荷も増加する。いくつかの実施形態では、集計されたデータがストレージユニットから抽出される。いくつかの実施形態では、集計されたデータが外部デバイスから抽出される。
【0067】
処理３２２では、サンプルデータＳおよび抽出された集計されたデータが、KPIのそれぞれについてのKPI閾値に対して比較される。例えば、いくつかの実施形態では、各KPIについてのサンプルデータＳ、少なくとも二つの以前の日の第１の日から抽出された集計データおよび少なくとも二つの以前の日の第２の日から抽出されたデータが、対応するKPI閾値に対して比較される。いくつかの実施形態では、KPIに関連する異なるパフォーマンスインディケータを示唆する複数のKPI閾値がある。
【0068】
KPI閾値は、以前に特定された休止セルについて収集されたデータを分析することによって取得される経験的なデータに基づいて設定される。いくつかの実施形態では、処理３２２において点検されるKPIが、Zero RRC、CRCおよびSIBを含む。いくつかの実施形態では、少なくとも一つの追加的なKPIが処理３２２において点検される。いくつかの実施形態では、三つより少ないKPIが処理３２２において点検される。
【0069】
いくつかの実施形態では、KPIがZero RRCであり、KPI閾値がセルに接続するためのユーザ試行である。いくつかの実施形態では、セルに接続するためのユーザ試行の数が一時間当たり50回より多いことに応じて、Zero RRCが閾値を満たさない。いくつかの実施形態では、KPIがZero RRCであり、KPI閾値がセルからのハンドオーバー試行である。いくつかの実施形態では、セルからのハンドオーバー試行の数が0回であることに応じて、Zero RRCが閾値を満たさない。いくつかの実施形態では、KPI閾値が、セルに接続するためのユーザ試行およびセルからのハンドオーバー試行の組合せである。KPI値がKPI閾値を満たさないとの判定に応じて、セルが休止セルであると判定される。
【0070】
いくつかの実施形態では、KPIがCRCであり、KPI閾値がランダムチャネルセットアップ成功率（RACH SSR）である。いくつかの実施形態では、RACH SSRが80%より小さいことに応じて、CRCが閾値を満たさない。いくつかの実施形態では、KPIがCRCであり、KPI閾値がユーザによるランダムチャネル（RACH）試行である。いくつかの実施形態では、RACH試行の数が一時間当たり100回より多いことに応じて、CRCが閾値を満たさない。いくつかの実施形態では、KPIがCRCであり、KPI閾値がセルに接続するためのハンドオーバー試行である。いくつかの実施形態では、ハンドオーバー試行の数が0回より多いことに応じて、CRCが閾値を満たさない。いくつかの実施形態では、KPI閾値が、RACH SSR、RACH試行および／またはハンドオーバー試行の組合せである。KPI値がKPI閾値を満たさないとの判定に応じて、セルが休止セルであると判定される。
【0071】
いくつかの実施形態では、KPIがSIB-1であり、KPI閾値が一時間当たりの報知回数である。いくつかの実施形態では、一時間当たりの報知回数が180,000回より少ないことに応じて、SIB-1が閾値を満たさない。KPI値がKPI閾値を満たさないとの判定に応じて、セルが休止セルであると判定される。
【0072】
処理３２４では、第１ＫＰＩがセルを休止セルに分類するための条件を満たすか否かについて判定が行われる。サンプルデータＳおよび処理３２２における抽出および集計された対応するKPI閾値の比較に基づいて判定が行われる。判定は、セルが休止セルであるか非休止セルであるかを示唆する、前記の表１～４におけるパターン等のパターンの検出に基づく。いくつかの実施形態では、第１ＫＰＩがZero RRCである。いくつかの実施形態では、第１ＫＰＩが異なるKPIである。第１ＫＰＩがセルを休止セルに分類するための条件を満たすとの判定（すなわち「Yes」）に応じて、方法３００は処理３２６に進む。第１ＫＰＩがセルを休止セルに分類するための条件を満たさないとの判定（すなわち「No」）に応じて、方法３００は処理３２８に進む。
【0073】
処理３２６では、セルが休止セルであると分類される。いくつかの実施形態では、セルを休止セルと分類することに応じて、アラートが生成される。
【0074】
処理３２８では、セルが休止セルではないと分類される。
【0075】
処理３３０では、第１ＫＰＩについてのサンプルデータＳおよび抽出された集計されたデータに関連するデータが保存される。いくつかの実施形態では、データがストレージユニットに保存される。いくつかの実施形態では、データが別のメモリに保存される。いくつかの実施形態では、データがクラウドに基づくメモリに保存される。
【0076】
処理３３２では、第２ＫＰＩがセルを休止セルに分類するための条件を満たすか否かについて判定が行われる。サンプルデータＳおよび処理３２２における抽出および集計された対応するKPI閾値の比較に基づいて判定が行われる。判定は、セルが休止セルであるか非休止セルであるかを示唆する、前記の表１～４におけるパターン等のパターンの検出に基づく。いくつかの実施形態では、第２ＫＰＩがCRCである。いくつかの実施形態では、第２ＫＰＩが異なるKPIである。第２ＫＰＩがセルを休止セルに分類するための条件を満たすとの判定（すなわち「Yes」）に応じて、方法３００は処理３３４に進む。第２ＫＰＩがセルを休止セルに分類するための条件を満たさないとの判定（すなわち「No」）に応じて、方法３００は処理３３６に進む。
【0077】
処理３３４では、セルが休止セルであると分類される。いくつかの実施形態では、セルを休止セルと分類することに応じて、アラートが生成される。
【0078】
処理３３６では、セルが休止セルではないと分類される。
【0079】
処理３３８では、第２ＫＰＩについてのサンプルデータＳおよび抽出された集計されたデータに関連するデータが保存される。いくつかの実施形態では、データがストレージユニットに保存される。いくつかの実施形態では、データが別のメモリに保存される。いくつかの実施形態では、データがクラウドに基づくメモリに保存される。
【0080】
処理３４０では、第３ＫＰＩがセルを休止セルに分類するための条件を満たすか否かについて判定が行われる。サンプルデータＳおよび処理３２２における抽出および集計された対応するKPI閾値の比較に基づいて判定が行われる。判定は、セルが休止セルであるか非休止セルであるかを示唆する、前記の表１～４におけるパターン等のパターンの検出に基づく。いくつかの実施形態では、第３ＫＰＩがSIBである。いくつかの実施形態では、第３ＫＰＩが異なるKPIである。第３ＫＰＩがセルを休止セルに分類するための条件を満たすとの判定（すなわち「Yes」）に応じて、方法３００は処理３３４に進む。第３ＫＰＩがセルを休止セルに分類するための条件を満たさないとの判定（すなわち「No」）に応じて、方法３００は処理３４２に進む。
【0081】
処理３４２では、セルが休止セルではないと分類される。
【0082】
処理３４４では、第３ＫＰＩについてのサンプルデータＳおよび抽出された集計されたデータに関連するデータが保存される。いくつかの実施形態では、データがストレージユニットに保存される。いくつかの実施形態では、データが別のメモリに保存される。いくつかの実施形態では、データがクラウドに基づくメモリに保存される。
【0083】
いくつかの実施形態では、処理３２４、３３２および３４０が同時に実行される。いくつかの実施形態では、処理３２４、３３２および３４０が任意の順序で順次実行される。いくつかの実施形態では、処理３２６を実行することに応じて、処理３２２および３４０がスキップされる。いくつかの実施形態では、処理３３４を実行することに応じて、処理３２４および処理３３２または３４０のいずれかがスキップされる。
【0084】
処理３４６では、時間「T」が「1」だけ増加され、方法３００が処理３１０に戻る。
【0085】
方法３００は、セルが休止セルか否かを判定するために、集計されたKPI値の分析に基づいて、セルについてデータをアノテーションする。いくつかの実施形態では、方法３００が追加的な処理を含む。例えば、いくつかの実施形態では、方法３００が、セルを休止セルと分類することに応じて、音声または視覚によるアラート等のアラートを生成することを含む。いくつかの実施形態では、方法３００の少なくとも一つの処理が省略される。例えば、いくつかの実施形態では、方法３００が単一のKPIについて実行される場合、処理３３２～３４２が省略される。いくつかの実施形態では、方法３００の処理の順序が変更される。例えば、いくつかの実施形態では、処理３３０、３３８および３４４が同時または順番に実行される。
【0086】
方法３００を使用することで、ネットワークオペレータは、顧客からの苦情を待たずに、または、セルのマニュアル点検またはメンテナンスに頼らずに、セルが休止セルか否かを判定できる。これは、モバイルネットワークの信頼性を向上させる。
【0087】
一旦、セルが休止セルであると分類されると、セルの状況を非休止に変えるための休止セル是正措置が取られる。いくつかの実施形態では、セルが遠隔から再起動される。いくつかの実施形態では、セルの一または複数のコンポーネントが遠隔から再起動される。いくつかの実施形態では、セルのメンテナンスを実施するために、メンテナンスクルーがセルに派遣される。いくつかの実施形態では、セルが繰り返し休止状態であると判定された場合、セルが故障中と見なされて新しいセルと交換される。
【0088】
方法３００に基づいて、休止セルが特定可能になる。しかし、モバイルネットワークにおける各セルが休止しているか否かの判定に伴うデータの量は無視できない。例えば、約8,000個のセルのネットワークにおいて、20～30個のセルのみが休止セルである可能性がある。このため、より大規模なモバイルネットワークでは、各セルの点検をマニュアルで実行することは、リソースの効率的な使用とはいえない。セルが休止セルか否かを判定するために、機械学習システムが使用可能である。
【0089】
図４は、いくつかの実施形態に係る機械学習システム４００の機能図である。機械学習システム４００は、入力データを受け取り、セルが休止セルか否かを判定するためのアルゴリズムを生成するために、入力データに対して線型および非線型分析の両方を実行できる。機械学習システム４００を使用することは、大規模なモバイルネットワークの効率的な監視およびメンテナンスを可能にするために、セルが休止セルか否かの判定のスピードを速くするのに役立つ。
【0090】
機械学習システム４００は、その機能が図４の機能図に基づいて記述される一または複数のプロセッサを含む。入力４０２が受け取られる。いくつかの実施形態では、入力４０２が方法２００の結果に基づいて受け取られる。いくつかの実施形態では、入力４０２がサーバ１３０から受け取られ、データ集計が機械学習システム４００によって実行される。いくつかの実施形態では、入力４０２が他の外部デバイスから受け取られる。
【0091】
エンコーダ４０４は、入力４０２を受け取り、エンコーディングパラメータに基づいて入力をエンコードする。エンコーダ４０４のためのエンコーディングパラメータは、試験データおよびエンコードされた後にデコードされる入力データ間の損失の再構成を使用することによって学習される。いくつかの実施形態では、エンコーダのエンコーディングパラメータが、重みＷおよびバイアスｂを含む。重みＷおよびバイアスｂは、一旦エンコードされたデータが後にデコードされる際の再構成エラーに繋がる、エンコーダ４０６内の潜在的ファクタを表すために使用される。いくつかの実施形態では、エンコーダ４０４が、入力４０２をエンコードするために、整流化線型ユニット（ReLU）活性化関数等の活性化関数を更に使用する。機械学習システム４００のトレーニングフェーズ中、エンコーディングパラメータは更新される。機械学習システム４００のテストフェーズ中、エンコーディングパラメータは休止セルを特定するために使用可能である。
【0092】
エンコーダ出力４０６は、入力４０２およびエンコーダ４０４からのエンコーディングパラメータに基づく埋込みデータを含む。いくつかの実施形態では、エンコーダ出力４０６が以下の方程式（１）に基づく。
ここで、ｘは入力データであり、Ｗは重みであり、ｂはバイアスであり、σは活性化関数であり、ｚは埋込みデータである。
【数1】
【0093】
エンコーダ出力４０６は、デコーダ４０８に送られる。デコーダ４０８は、デコーディングパラメータに基づいて入力データを再構成するためにエンコーダ出力４０６をデコードする。デコーダ４０８のためのデコーディングパラメータは、試験データおよびエンコードされた後にデコードされる入力データ間の損失の再構成を使用することによって学習される。いくつかの実施形態では、デコーダのデコーディングパラメータが、重み/Ｗ（「/」は続く文字に対する上線を表す）およびバイアス/ｂを含む。重み/Ｗおよびバイアス/ｂは、一旦エンコードされたデータが後にデコードされる際の再構成エラーに繋がる、デコーダ４０８内の潜在的ファクタを表すために使用される。いくつかの実施形態では、デコーダ４０８が、エンコーダ出力４０６をデコードするために、整流化線型ユニット（ReLU）活性化関数等の活性化関数を更に使用する。機械学習システム４００のトレーニングフェーズ中、デコーディングパラメータは更新される。機械学習システム４００のテストフェーズ中、デコーディングパラメータは休止セルを特定するために使用可能である。
【0094】
デコーダ出力４１０は、エンコーダ出力およびデコーダ４０８からのデコーダパラメータに基づく再構成されたデータを含む。いくつかの実施形態では、デコーダ出力４１０が以下の方程式（２）に基づく。
ここで、ｚは埋込みデータであり、/Ｗは重みであり、/ｂはバイアスであり、/σは活性化関数であり、/ｘは再構成されたデータである。
【数2】
【0095】
非線型損失４１２は、デコーダ出力４１０からの再構成されたデータに基づいて演算される。いくつかの実施形態では、平均二乗誤差分析を使用して非線型損失４１２が演算される。いくつかの実施形態では、以下の方程式（３）に基づいて非線型損失４１２が演算される。
ここで、ｘｉは入力データであり、/ｇはデコード関数であり、ｅｉは入力データｘｉに対応する埋込みデータであり、/Ｗはデコーダ４０８のための重みであり、/ｂはデコーダ４０８のためのバイアスである。
【数3】
【0096】
線型変換行列４１４が生成される。初期の線型変換行列４１４は、データのトレーニングセットに対して主要コンポーネント分析（PCA）を実行することによって演算される。機械学習システム４００のトレーニングフェーズ中、線型変換行列４１４は更新される。機械学習システム４００のテストフェーズ中、線型変換行列４１４は休止セルを特定するために使用可能である。
【0097】
線型変換行列４１４は、線型変換部４１６によって受け取られる。線型変換部４１６は、入力を再構成するための埋込みデータおよび入力と共に、線型変換行列４１４に基づく転置線型変換行列を利用する。埋込みデータは、エンコーダ出力４０６から受け取られる。
【0098】
線型変換部出力４１８は、再構成されたデータを含む。
【0099】
線型損失４２０は、線型変換部出力４１８からの再構成されたデータに基づいて演算される。いくつかの実施形態では、平均二乗誤差分析を使用して線型損失４２０が演算される。いくつかの実施形態では、以下の方程式（４）に基づいて線型損失４２０が演算される。
ここで、ｘｉは入力データであり、ｇはエンコード関数であり、ＢＴは線型変換行列４１４の転置であり、Ｗはエンコーダ４０４のための重みであり、ｂはエンコーダ４０４のためのバイアスである。
【数4】
【0100】
非線型損失４１２は、総損失４２２を判定するために線型損失４２０と組み合わされる。いくつかの実施形態では、総損失４２２を判定するために、非線型損失４１２が線型損失４２０に加えられる。いくつかの実施形態では、総損失４２２を判定するために、非線型損失４１２および線型損失４２０が乗算される。いくつかの実施形態では、乗算または加算と異なる態様で非線型損失４１２が線型損失４２０と組み合わされる。テストフェーズ中、エンコーダパラメータ、デコーダパラメータおよび線型変換行列４１４は総損失４２２を最小化するために更新される。
【0101】
機械学習システム４００を使用して、セルが休止セルか否かを判定するためのアルゴリズムが決定される。試験データは、総損失４２２が最小化されるまで、または、エポックの最大数に到達するまで、機械学習システム４００に提供される。いくつかの実施形態では、エポックの最大数がユーザによって設定される。いくつかの実施形態では、エポックの最大数がモバイルネットワークにおけるセルの数に基づく。
【0102】
一旦機械学習システム４００が試験データを使用してテストフェーズを完了すると、エンコーディングパラメータ、デコーディングパラメータおよび線型変換行列４１４が、テストフェーズにおける使用のために保存される。テストフェーズ中、機械学習システム４００は、セルが休止セルか否かを判定するために、非線型分析および線型分析の両方のために再構成されたデータを生成するために使用される。
【0103】
図５は、いくつかの実施形態に係る機械学習システムのトレーニング方法５００のフローチャートである。方法５００は、セルが休止セルか否かを判定できるように機械学習システム４００等の機械学習システムを訓練するために使用される。方法５００は、各KPIのためのエンコーダパラメータ、デコーダパラメータおよび線型変換行列を訓練するために、機械学習システムによって分析される各KPIについて繰り返される。
【0104】
処理５０２では、訓練データが機械学習システムによって受け取られる。いくつかの実施形態では、訓練データがユーザによって提供される。いくつかの実施形態では、モバイルネットワークにおけるセルの経験的分析に基づいて訓練データが生成される。いくつかの実施形態では、エンコーダ４０４等のエンコーダのデザインに基づいて訓練データが生成される。
【0105】
処理５０４では、訓練データがKPIについて集計される。いくつかの実施形態では、KPIおよび休止セルの間の相関に基づいてKPIが選択される。いくつかの実施形態では、KPIがZero RRC、CRCまたはSIBである。いくつかの実施形態では、訓練データが方法２００に基づいて集計される。いくつかの実施形態では、方法２００と異なる集計処理が訓練データに対して使用される。
【0106】
処理５０６では、非休止セルのデータサンプルが抽出され、集計された訓練データが標準化される。非休止セルデータを抽出することは、機械学習システムが、正常なセルのパフォーマンスをどのようにデータが反映するかを判定することを可能にする。
【0107】
処理５０８では、線型変換行列が演算される。処理５０８の最初の実行では、集計された訓練データに対してPCAを実行することによって線型変換行列が決定される。処理５０８の後続の実行では、機械学習システムによって演算される総損失４２２等の総損失を最小化すべく、前回から線型変換行列を調整することによって線型変換行列が演算される。
【0108】
処理５１０では、線型損失４２０等の線型損失および非線型損失４１２等の非線型損失が、演算された線型変換行列およびエンコーダおよびデコーダパラメータに基づいて、機械学習システムによって演算される。いくつかの実施形態では、機械学習システム４００に関する以上の記述に基づいて、線型損失および非線型損失が演算される。
【0109】
処理５１２では、総損失４２２等の総損失が、線型損失および非線型損失に基づいて演算される。いくつかの実施形態では、総損失を判定するために、非線型損失が線型損失に加えられる。いくつかの実施形態では、総損失を判定するために、非線型損失および線型損失が乗算される。いくつかの実施形態では、乗算または加算と異なる態様で非線型損失が線型損失と組み合わされる。
【0110】
処理５１４では、訓練プロセスが完了したか否かについて判定が行われる。いくつかの実施形態では、総損失を最小化したことに応じて、訓練プロセスが完了したとの判定が行われる。いくつかの実施形態では、トレーニングフェーズのエポック数がエポックの最大数に到達したことに応じて、訓練プロセスが完了したとの判定が行われる。いくつかの実施形態では、エポックの最大数がユーザによって設定される。いくつかの実施形態では、エポックの最大数がモバイルネットワークにおけるセルの数に基づく。訓練プロセスが完了していないとの判定（すなわち「No」）に応じて、方法５００は処理５０８に戻る。訓練プロセスが完了したとの判定（すなわち「Yes」）に応じて、方法５００は処理５１６に進む。
【0111】
処理５１６では、エンコーダパラメータ、デコーダパラメータおよび線型変換行列が、テストフェーズにおける使用のために保存される。いくつかの実施形態では、エンコーダパラメータ、デコーダパラメータおよび線型変換行列がローカルメモリに保存される。いくつかの実施形態では、エンコーダパラメータ、デコーダパラメータおよび線型変換行列が外部メモリに保存される。いくつかの実施形態では、エンコーダパラメータ、デコーダパラメータおよび線型変換行列がクラウドに基づくメモリに保存される。
【0112】
方法５００は、セルが休止セルか否かを判定できるように機械学習システムを訓練する。いくつかの実施形態では、方法５００が追加的な処理を含む。例えば、いくつかの実施形態では、機械学習システムのトレーニング中にエンコーダパラメータまたはデコーダパラメータを更新することを方法５００が含む。いくつかの実施形態では、方法５００の少なくとも一つの処理が省略される。例えば、いくつかの実施形態では、訓練データが機械学習システムによって使用可能な態様で既に集計されている場合、処理５０４が省略される。いくつかの実施形態では、方法５００の処理の順序が変更される。例えば、いくつかの実施形態では、処理５１４の前に、すなわち、各繰返し中に処理５１６が実行される。いくつかの実施形態では、分析される各KPIについて別の機械学習システムを訓練するために方法５００が使用される。いくつかの実施形態では、全てのKPIを分析するための単一の機械学習システムを訓練するために方法５００が使用され、対応する線型変換行列、エンコーダパラメータおよびデコーダパラメータが機械学習システムによって分析中のKPIに基づいて抽出される。いくつかの実施形態では、セルまたは機械学習システムの機能におけるドリフトを考慮するために、方法５００が機械学習システムのトレーニングを更新するために定期的に繰り返される。いくつかの実施形態では、新しいセルをモバイルネットワークに追加したことに応じて方法５００が繰り返される。
【0113】
方法５００を使用して、セルが休止セルか否かを判定できるように機械学習システムは訓練される。一旦機械学習システムが訓練されると、機械学習システムは迅速かつ自動的にモバイルネットワークのセルを分析でき、他のアプローチより迅速に休止セルを特定できる。
【0114】
図６は、いくつかの実施形態に係る機械学習システムを使用するモバイルネットワークの試験方法６００のフローチャートである。方法６００は、機械学習システム４００等のセルが休止セルか否かを判定できるように訓練された機械学習システムを使用する。方法６００は、セルが休止セルか否かを判定するために、機械学習システムによって分析される各KPIについて繰り返される。
【0115】
処理６０２では、試験データが受け取られる。いくつかの実施形態では、試験データがサーバ１３０等のサーバから受け取られる。いくつかの実施形態では、試験データが受け取られる前に集計される。集計される試験データは、分析中のKPIについて集計される。いくつかの実施形態では、試験データが方法２００を使用して集計されたものである。
【0116】
処理６０４では、受け取られた試験データから試験サンプルが抽出される。抽出された試験サンプルは、機械学習システムによって現在分析中のKPIについてのものである。
【0117】
処理６０６では、抽出された試験サンプルが集計される。いくつかの実施形態では、抽出された試験サンプルが方法２００に基づいて集計される。いくつかの実施形態では、方法２００と異なる集計処理が抽出された試験サンプルに対して使用される。
【0118】
処理６０８では、保存されたモデルパラメータが機械学習システムにロードされる。保存されたモデルパラメータは、現在分析中のKPIに関連するエンコーダパラメータ、デコーダパラメータおよび線型変換行列を含む。機械学習システムが単一のKPIのみを分析するために使用されるいくつかの実施形態では、処理６０８が省略される。このような実施形態では、他の機械学習システムが休止セルを特定するために他のKPIを分析する。
【0119】
処理６１０では、線型再構成されたデータ４１８等の線型再構成された値、および、非線型再構成されたデータ４１０等の非線型再構成された値が、抽出された試験サンプルおよびロードされたモデルパラメータに基づいて機械学習システムによって演算される。いくつかの実施形態では、機械学習システム４００に関する以上の記述に基づいて、線型再構成された値および非線型再構成された値が演算される。
【0120】
処理６１２では、線型再構成された値および抽出された試験サンプルの差に基づいて、第１差ｄ１が演算される。第２差ｄ２は、非線型再構成された値および抽出された試験サンプルの差に基づいて演算される。いくつかの実施形態では、第１差ｄ１および第２差ｄ２が平均二乗誤差演算を使用して演算される。
【0121】
処理６１４では、第１差ｄ１および第２差ｄ２の平均が差閾値と比較される。休止セルのためのKPIの経験的分析に基づいて、差閾値は決定される。いくつかの実施形態では、差閾値がユーザによって設定される。第１差ｄ１および第２差ｄ２の平均が閾値より小さいとの判定（すなわち「Yes」）に応じて、方法は処理６１６に進む。第１差ｄ１および第２差ｄ２の平均が閾値以上であるとの判定（すなわち「No」）に応じて、方法６００は処理６１８に進む。
【0122】
処理６１６では、セルが休止セルと分類される。休止セルの特定情報は保存される。いくつかの実施形態では、セルが休止セルであると示唆したKPIが、休止セルの特定情報と共に保存される。いくつかの実施形態では、セルを休止セルと分類することに応じてアラートが生成される。いくつかの実施形態では、アラートが音声または視覚によるアラートである。いくつかの実施形態では、セルを休止セルと分類することに応じてメンテナンス要求が自動的に生成される。いくつかの実施形態では、メンテナンス要求が、セルが正常なパフォーマンスに戻るように調整するための改善アクションの推薦を含む。
【0123】
処理６１８では、次の試験サンプルが試験データから抽出され、方法は処理６０６に戻る。
【0124】
方法６００は、セルが休止セルか否かを判定するための機械学習システムを使用する。いくつかの実施形態では、方法６００が追加的な処理を含む。例えば、いくつかの実施形態では、セルを休止セルと分類することに応じて、方法６００がアラートを生成すること、または、メンテナンスを薦めることを含む。いくつかの実施形態では、方法６００の少なくとも一つの処理が省略される。例えば、いくつかの実施形態では、受け取られた試験データが機械学習システムによって使用可能な態様で既に集計されている場合、処理６０６が省略される。いくつかの実施形態では、方法６００の処理の順序が変更される。例えば、いくつかの実施形態では、処理６０８が処理６０６の前に実行される。いくつかの実施形態では、方法６００が、セルが休止セルか否か判定するために各KPIについて使用される。いくつかの実施形態では、方法６００が分析中の全てのKPIについて繰り返される。いくつかの実施形態では、方法６００を実行する前に、機械学習システムが、分析されるセルが既に休止セルと分類されているか否かを判定するために点検する。セルが既に休止セルと分類されているとの判定に応じて、そのセルは分析されない。いくつかの実施形態では、方法６００が、複数の機械学習システム上で複数のKPIについて同時に実行される。
【0125】
方法６００を使用して、機械学習システムはセルが休止セルか否かを判定する。機械学習システムを使用することによって、他のアプローチより効率的に休止セルが特定される。結果として、ネットワークオペレータが、モバイルネットワークへの顧客満足度を高められ、より多くの収益を上げられる。
【0126】
図７は、いくつかの実施形態に係るKPIに基づく分類部の訓練方法７００のフローチャートである。方法７００は、方法５００または機械学習システム４００と組み合わせて使用可能である。方法７００は、三つのKPIについての分類部の訓練を目的とする。三つより多いまたは少ないKPIについて分類部を訓練できるように方法７００が変形可能であると当業者は認識する。
【0127】
処理７０２では、訓練データが受け取られる。いくつかの実施形態では、訓練データがユーザによって提供される。いくつかの実施形態では、モバイルネットワークにおけるセルの経験的分析に基づいて、訓練データが生成される。いくつかの実施形態では、ネットワークトレーニング（処理７１４）中に使用されるエンコーダ４０４等のエンコーダのデザインに基づいて、訓練データが生成される。
【0128】
処理７０４では、訓練データが前処理される。訓練データの前処理は、分析および集計が容易な形態に訓練データを定型化する。
【0129】
処理７０６では、前処理されたデータが集計される。前処理されたデータは、データに関連するKPIに基づいて集計される。いくつかの実施形態では、方法２００を使用して、前処理されたデータが集計される。いくつかの実施形態では、方法２００と異なる方法を使用して、前処理されたデータが集計される。
【0130】
処理７０８では、第１ＫＰＩに関連する集計されたデータが集計されたデータから抽出される。いくつかの実施形態では、第１ＫＰＩはZero RRCである。いくつかの実施形態では、第１ＫＰＩはZero RRCと異なる。
【0131】
処理７１０では、第２ＫＰＩに関連する集計されたデータが集計されたデータから抽出される。いくつかの実施形態では、第２ＫＰＩはCRCである。いくつかの実施形態では、第２ＫＰＩはCRCと異なる。
【0132】
処理７１２では、第３ＫＰＩに関連する集計されたデータが集計されたデータから抽出される。いくつかの実施形態では、第３ＫＰＩはSIBである。いくつかの実施形態では、第３ＫＰＩはSIBと異なる。
【0133】
処理７１４では、KPIのそれぞれに関連する集計されたデータを使用してネットワークトレーニングが実行される。いくつかの実施形態では、機械学習システム４００を使用してネットワークトレーニングが実行される。いくつかの実施形態では、各KPIに関連する集計されたデータを同時に使用してネットワークトレーニングが実行される。いくつかの実施形態では、各KPIに関連する集計されたデータを順次使用してネットワークトレーニングが実行される。いくつかの実施形態では、各KPIに関連する集計されたデータについて別の機械学習システム上でネットワークトレーニングが実行される。いくつかの実施形態では、各KPIに関連する集計されたデータについて同じ機械学習システム上でネットワークトレーニングが実行される。
【0134】
処理７１６では、第１ＫＰＩについてのモデルが出力される。第１ＫＰＩについてのモデルは、第１ＫＰＩについてのエンコーダパラメータ、デコーダパラメータおよび線型変換行列を含む。第１ＫＰＩについてのモデルは、第１ＫＰＩの試験時に方法６００の処理６０８において使用可能である。
【0135】
処理７１８では、第２ＫＰＩについてのモデルが出力される。第２ＫＰＩについてのモデルは、第２ＫＰＩについてのエンコーダパラメータ、デコーダパラメータおよび線型変換行列を含む。第２ＫＰＩについてのモデルは、第２ＫＰＩの試験時に方法６００の処理６０８において使用可能である。
【0136】
処理７２０では、第３ＫＰＩについてのモデルが出力される。第３ＫＰＩについてのモデルは、第３ＫＰＩについてのエンコーダパラメータ、デコーダパラメータおよび線型変換行列を含む。第３ＫＰＩについてのモデルは、第３ＫＰＩの試験時に方法６００の処理６０８において使用可能である。
【0137】
方法７００は、セルが休止セルか否かを判定するために、機械学習システムによって分析される各KPIのためのモデルを生成する。いくつかの実施形態では、方法７００が追加的な処理を含む。例えば、いくつかの実施形態では、モデルを生成するために使用されるKPIを選択するための処理を方法７００が含む。いくつかの実施形態では、方法７００の少なくとも一つの処理が省略される。例えば、いくつかの実施形態では、訓練データが受け取られる前に既に前処理されている場合に処理７０４が省略される。いくつかの実施形態では、方法７００の処理の順序が変更される。例えば、いくつかの実施形態では、処理７１４が、各KPIについて同時に、または、各KPIについて順次実行される。いくつかの実施形態では、セルまたは機械学習システムの機能におけるドリフトを考慮するために、方法７００がモデルを更新するために定期的に繰り返される。いくつかの実施形態では、新しいセルをモバイルネットワークに追加したことに応じて方法７００が繰り返される。
【0138】
方法７００を使用して、セルが休止セルか否かを判定するために、機械学習システムのためのモデルが生成される。一旦モデルが生成されると、機械学習システムは迅速かつ自動的にモバイルネットワークのセルを分析でき、他のアプローチより迅速に休止セルを特定できる。
【0139】
図８は、いくつかの実施形態に係る試験データに基づく推定方法８００のフローチャートである。方法８００は、方法６００または機械学習システム４００と組み合わせて使用可能である。方法８００は、三つのKPIを使用した推定を目的とする。三つより多いまたは少ないKPIについて推定を実行できるように方法８００が変形可能であると当業者は認識する。
【0140】
処理８０２では、試験データが受け取られる。いくつかの実施形態では、試験データがサーバ１３０等のサーバから受け取られる。いくつかの実施形態では、試験データが外部デバイスから受け取られる。いくつかの実施形態では、試験データがメモリから取得される。
【0141】
処理８０４では、試験データが前処理される。試験データの前処理は、分析および集計が容易な形態に試験データを定型化する。
【0142】
処理８０６では、前処理されたデータが集計される。前処理されたデータは、データに関連するKPIに基づいて集計される。いくつかの実施形態では、方法２００を使用して、前処理されたデータが集計される。いくつかの実施形態では、方法２００と異なる方法を使用して、前処理されたデータが集計される。
【0143】
処理８０８では、第１ＫＰＩに関連する集計されたデータが集計されたデータから抽出され、第１ＫＰＩについてのモデルを使用して分析される。いくつかの実施形態では、第１ＫＰＩについてのモデルが方法７００を使用して構築される。いくつかの実施形態では、機械学習システム４００を使用して分析が実行される。いくつかの実施形態では、第１ＫＰＩはZero RRCである。いくつかの実施形態では、第１ＫＰＩはZero RRCと異なる。
【0144】
処理８１０では、第２ＫＰＩに関連する集計されたデータが集計されたデータから抽出され、第２ＫＰＩについてのモデルを使用して分析される。いくつかの実施形態では、第２ＫＰＩについてのモデルが方法７００を使用して構築される。いくつかの実施形態では、機械学習システム４００を使用して分析が実行される。いくつかの実施形態では、第２ＫＰＩはCRCである。いくつかの実施形態では、第２ＫＰＩはCRCと異なる。
【0145】
処理８１２では、第３ＫＰＩに関連する集計されたデータが集計されたデータから抽出され、第３ＫＰＩについてのモデルを使用して分析される。いくつかの実施形態では、第３ＫＰＩについてのモデルが方法７００を使用して構築される。いくつかの実施形態では、機械学習システム４００を使用して分析が実行される。いくつかの実施形態では、第３ＫＰＩはSIBである。いくつかの実施形態では、第３ＫＰＩはSIBと異なる。
【0146】
処理８１４では、分析が、セルが休止セルであると示唆するか否かについて、第１ＫＰＩに基づく判定が行われる。いくつかの実施形態では、機械学習システム４００を使用して判定が行われる。セルが非休止セルであるとの第１ＫＰＩに基づく判定（すなわち「No」）に応じて、方法８００は処理８２０に進む。セルが休止セルであるとの第１ＫＰＩに基づく判定（すなわち「Yes」）に応じて、方法８００は処理８２２に進む。
【0147】
処理８１６では、分析が、セルが休止セルであると示唆するか否かについて、第２ＫＰＩに基づく判定が行われる。いくつかの実施形態では、機械学習システム４００を使用して判定が行われる。セルが非休止セルであるとの第２ＫＰＩに基づく判定（すなわち「No」）に応じて、方法８００が処理８２０に進む。セルが休止セルであるとの第２ＫＰＩに基づく判定（すなわち「Yes」）に応じて、方法８００は処理８２２に進む。
【0148】
処理８１８では、分析が、セルが休止セルであると示唆するか否かについて、第３ＫＰＩに基づく判定が行われる。いくつかの実施形態では、機械学習システム４００を使用して判定が行われる。セルが非休止セルであるとの第３ＫＰＩに基づく判定（すなわち「No」）に応じて、方法８００は処理８２０に進む。セルが休止セルであるとの第３ＫＰＩに基づく判定（すなわち「Yes」）に応じて、方法８００は処理８２２に進む。
【0149】
処理８２０では、セルが休止セルではないと分類される。いくつかの実施形態では、セルの分類がネットワークオペレータに対して出力される。いくつかの実施形態では、分類が、セルおよびセルが非休止セルであると示唆するKPIを特定する情報を含む。いくつかの実施形態では、三つ全てのKPIが分析されて、三つ全てのKPIが、セルが非休止セルであると示唆するまで、処理８２０からのセルの分類の出力が一時停止される。
【0150】
処理８２２では、セルが休止セルであると分類される。いくつかの実施形態では、セルの分類がネットワークオペレータに対して出力される。いくつかの実施形態では、分類が、セルおよびセルが休止セルであると示唆するKPIを特定する情報を含む。いくつかの実施形態では、処理８２２において音声または視覚によるアラート等のアラートが生成される。
【0151】
方法８００は、セルが休止セルか否かを判定する。いくつかの実施形態では、方法８００が追加的な処理を含む。例えば、いくつかの実施形態では、セルを休止セルと分類することに応じて、方法８００がアラートを生成すること、または、メンテナンスを薦めることを含む。いくつかの実施形態では、方法８００の少なくとも一つの処理が省略される。例えば、いくつかの実施形態では、受け取られた試験データが機械学習システムによって使用可能な態様で既に集計されている場合、処理８０６が省略される。いくつかの実施形態では、方法８００の処理の順序が変更される。例えば、いくつかの実施形態では、処理８２２が処理８２０の前に実行される。いくつかの実施形態では、方法８００を実行する前に、機械学習システムが、分析されるセルが既に休止セルと分類されているか否かを判定するために点検する。セルが既に休止セルと分類されているとの判定に応じて、そのセルは分析されない。いくつかの実施形態では、方法８００が、複数の機械学習システム上で複数のKPIについて同時に実行される。
【0152】
方法８００を使用して、セルが休止セルか否かの判定が行われる。機械学習システムを使用するいくつかの実施形態では、他のアプローチより効率的に休止セルが特定される。結果として、ネットワークオペレータが、モバイルネットワークへの顧客満足度を高められ、より多くの収益を上げられる。
【0153】
一旦セルが休止セルであると特定されると、その旨がネットワークオペレータに報知される。休止セルのトラブルシューティングやメンテナンスクルーの派遣のために、セルの特定情報がセルIDまたはサイトIDとしてネットワークオペレータに対して提供される。いくつかの実施形態では、検出日および／またはセルが休止セルである時間と共に、セルの特定情報が提供される。いくつかの場合、セルが休止していると示唆する一または複数のKPIも、ネットワークオペレータに対して提供される。この情報は、セルの問題への対処を可能にするだけでなく、同じKPIによって特定可能な問題がセルに繰り返し発生しているか否かを特定するためのセルのパフォーマンスの追跡も可能にする。いくつかの実施形態では、ネットワークオペレータに対する報知がAPIポータルを通じて行われる。いくつかの実施形態では、ダッシュボードがネットワークオペレータに対して提供される。
【0154】
図９は、いくつかの実施形態に係る休止セル監視システム９００の模式図である。休止セル監視システム９００は、バックエンドサービス９１０を含む。バックエンドサービス９１０は、モデルトレーニングユニット９１２を含む。モデルトレーニングユニット９１２は、セルが休止セルか否かを判定する時に分析される各KPIについてのモデルを構築するためのメモリおよび少なくとも一つのプロセッサを含む。いくつかの実施形態では、モデルトレーニングユニット９１２は、方法５００または方法７００を実行する。
【0155】
モデルトレーニングユニット９１２によって生成される情報は、多層モデルユニット９１４に伝送される。多層モデルユニット９１４は、セルが休止セルか否かを判定するためのアルゴリズムを実行するためのメモリおよび少なくとも一つのプロセッサを含む。いくつかの実施形態では、多層モデルユニット９１４が、機械学習システム４００を含む。いくつかの実施形態では、多層モデルユニット９１４が、モデルトレーニングユニット９１２と単一のデバイスに組み合わされる。いくつかの実施形態では、多層モデルユニット９１４およびモデルトレーニングユニット９１２が別のデバイスである。
【0156】
多層モデルユニット９１４の出力は、モデル予測ユニット９１６に伝送される。モデル予測ユニット９１６は、多層モデル９１４からの出力に基づいてセルを休止セルまたは非休止セルに分類するためのメモリおよび少なくとも一つのプロセッサを含む。いくつかの実施形態では、モデル予測ユニット９１６が機械学習システム４００を含む。いくつかの実施形態では、モデル予測ユニット９１６が、多層モデルユニット９１４またはモデルトレーニングユニット９１２の少なくとも一つと単一のデバイスに組み合わされる。いくつかの実施形態では、モデル予測ユニット９１６、多層モデルユニット９１４およびモデルトレーニングユニット９１２のそれぞれが別のデバイスである。
【0157】
データ処理ユニット９１８は、バックエンドサービス９１０にも含まれる。データ処理ユニット９１８は、ｅＮＢ１２０等のｅＮＢからの情報を受け取り、分析のためにデータを処理するためのメモリおよび少なくとも一つのプロセッサを含む。いくつかの実施形態では、データ処理ユニット９１８は、方法２００または方法３００を実行する。いくつかの実施形態では、データ処理ユニット９１８は、モデル予測ユニット９１６、多層モデルユニット９１４またはモデルトレーニングユニット９１２の少なくとも一つと単一のデバイスに組み合わされる。いくつかの実施形態では、データ処理ユニット９１８、モデル予測ユニット９１６、多層モデルユニット９１４およびモデルトレーニングユニット９１２のそれぞれが別のデバイスである。
【0158】
バックエンドサービス９１０によって生成される情報は、ネットワーク９２０を通じてフロントエンドサービス９３０と共有される。いくつかの実施形態では、ネットワーク９２０は無線ネットワークである。いくつかの実施形態では、ネットワーク９２０が、バックエンドサービス９１０およびフロントエンドサービス９３０の間の有線接続を含む。
【0159】
フロントエンドサービス９３０は、バックエンドサービス９１０から情報を受け取って処理するためのＡＰＩサービス９３２を含む。ＡＰＩサービス９３２は、メモリおよび少なくとも一つのプロセッサを含むシステムによって実行される。いくつかの実施形態では、ＡＰＩサービス９３２がウェブに基づくサービスである。いくつかの実施形態では、ＡＰＩサービス９３２が、バックエンドサービス９１０からの情報にアクセスするための認証を提供する。
【0160】
フロントエンドサービス９３０は、ネットワークオペレータすなわちユーザのためのグラフィカルユーザインターフェース（GUI）を提供するためのダッシュボード９３４を更に含む。ダッシュボード９３４は、メモリおよび少なくとも一つのプロセッサを含むシステムによって生成される。いくつかの実施形態では、ダッシュボード９３４がウェブに基づく。いくつかの実施形態では、ローカルハードドライブまたはローカルサーバ上で実行されるようにダッシュボード９３４がデザインされる。ダッシュボード９３４は、セル特定、セルステータス（休止しているまたは休止していない）、KPI、およびアラートに関する情報をネットワークオペレータに提供する。いくつかの実施形態では、アラートが休止セルに関する情報を含む。いくつかの実施形態では、適切に稼働していないが非休止セルであるセルに関する情報をアラートが含む。いくつかの実施形態では、ダッシュボード９３４が、モバイルネットワークにおけるセルの問題に対処するための、トラブルシューティングまたはメンテナンスクルーの派遣についての推薦を含む。いくつかの実施形態では、ＡＰＩサービス９３２がダッシュボード９３４と単一のデバイスに組み合わされる。いくつかの実施形態では、ＡＰＩサービス９３２およびダッシュボード９３４が別のデバイス上にある。
【0161】
フロントエンドサービス９３０からの情報は、ネットワーク９４０を通じて休止対応９５０に通信される。いくつかの実施形態では、ネットワーク９４０が無線ネットワークである。いくつかの実施形態では、ネットワーク９４０が、休止対応９５０およびフロントエンドサービス９３０の間の有線接続を含む。いくつかの実施形態では、ネットワーク９４０がネットワーク９２０と同じである。いくつかの実施形態では、ネットワーク９４０がネットワーク９２０と異なる。
【0162】
休止対応９５０は、特定された休止セルを直すために使用される。いくつかの実施形態では、休止対応９５０が、フロントエンドサービス９３０からの通信に基づいて派遣されるメンテナンスクルーを含む。いくつかの実施形態では、休止対応９５０が、フロントエンドサービス９５０から休止セルに送られるコマンドである。いくつかの実施形態では、コマンドが、再起動信号または休止セルのコンポーネントのリセット要求等のトラブルシューティングを含む。
【0163】
休止セル監視システム９００を使用して、ネットワークオペレータはモバイルネットワーク内の休止セルを特定できる。このため、ネットワークオペレータは、セルを適切なパフォーマンスに復帰させるために、休止セルのトラブルシューティングまたは休止セルへのメンテナンスクルーの派遣を行える。前述された方法および機械学習システムを利用することによって、いくつかの実施形態では、休止セル監視システム９００が、他のアプローチより迅速に休止セルを特定でき、休止セルのパフォーマンスを改善できる。結果として、ネットワークオペレータの顧客満足度および収益が向上する。
【0164】
図１０は、いくつかの実施形態に係る休止セル監視システムのためのダッシュボードのためのグラフィカルユーザインターフェース（GUI）１０００を示す。ＧＵＩ１０００は、ダッシュボード９３４の例である。当業者は、ダッシュボード９３４がＧＵＩ１０００についての変形を含みうると認識する。当業者は、ＧＵＩ１０００上に表示される情報の選択が単に例示的なものに過ぎず、追加的な情報がＧＵＩ１０００に含まれうる、または、ＧＵＩ１０００の要素が省略されうるとも認識する。当業者は、ＧＵＩ１０００における情報の配置が単に例示的なものに過ぎず、変形が可能であるとも認識する。いくつかの実施形態では、ＧＵＩ１０００が、休止セルのパフォーマンスを改善するためのトラブルシューティングオプション等の追加的なフィールドを更に含む。
【0165】
ＧＵＩ１０００は、第１ＫＰＩのための表示領域１０２０を含む。表示領域１０２０は、第１ＫＰＩを表示する。いくつかの実施形態では、表示領域１０２０が、KPIのリストからの第１ＫＰＩの選択を可能にするドロップダウンメニューを含む。いくつかの実施形態では、表示領域１０２０が、KPIが入力される編集可能フィールドを含む。いくつかの実施形態では、ＧＵＩ１０００が、表示領域１０２０におけるKPIに基づいて、テーブル１０６０またはグラフ１０５０における情報をハイライトする。
【0166】
ＧＵＩ１０００は、第２ＫＰＩのための表示領域１０３０を含む。表示領域１０３０は、第２ＫＰＩを表示する。いくつかの実施形態では、表示領域１０３０が、KPIのリストからの第２ＫＰＩの選択を可能にするドロップダウンメニューを含む。いくつかの実施形態では、表示領域１０３０が、KPIが入力される編集可能フィールドを含む。いくつかの実施形態では、ＧＵＩ１０００が、表示領域１０３０におけるKPIに基づいて、テーブル１０６０またはグラフ１０５０における情報をハイライトする。
【0167】
ＧＵＩ１０００は、ユーザカウントのための表示領域１０４０を含む。ユーザカウントは、モバイルネットワークに接続中のユーザの数を表す。いくつかの実施形態では、表示領域１０４０におけるユーザカウントが、テーブル１０６０からのセルまたはセルグループの選択に基づいて変更される。
【0168】
ＧＵＩ１０００は、グラフ１０５０を含む。グラフ１０５０は、モバイルネットワークのパフォーマンスに関する情報の視覚的表現を提供する。いくつかの実施形態では、グラフ１０５０が、第１ＫＰＩまたは第２ＫＰＩにおける経時的な変化を含む。いくつかの実施形態では、グラフ１０５０が、ユーザカウントにおける経時的な変化を含む。いくつかの実施形態では、グラフ１０５０が、テーブル１０６０から選択されたセルのパフォーマンス履歴を表示する。
【0169】
ＧＵＩ１０００は、テーブル１０６０を含む。テーブル１０６０は、セルの数についての情報を含む。情報は、セルの特定情報および位置を含む。いくつかの実施形態では、情報が、第１ＫＰＩまたは第２ＫＰＩの値を含む。いくつかの実施形態では、情報が、セルに接続中のユーザについてのユーザカウントを含む。いくつかの実施形態では、テーブル１０６０が、セルの選択を可能にする。いくつかの実施形態では、テーブル１０６０における休止セルがハイライトされる。
【0170】
図１１は、いくつかの実施形態に係る休止セルの検出または監視を実行するためのシステム１１００の模式図である。いくつかの実施形態では、システム１１００が、方法２００、３００、５００、６００、７００または８００の任意のものを実行するために使用可能である。いくつかの実施形態では、システム１１００が、システム１００、４００または９００の任意のものを実装するために使用可能である。システム１１００は、ハードウェアプロセッサ１１０２、および、コンピュータプログラムコード１１０６すなわち実行可能な命令のセットでエンコードされる（すなわち、実行可能な命令のセットを格納する）非一時的なコンピュータ読取可能ストレージ媒体１１０４を含む。コンピュータ読取可能ストレージ媒体１１０４は、外部コンポーネントとのインターフェースのための命令１１０７でもエンコードされる。プロセッサ１１０２は、バス１１０８を介して、コンピュータ読取可能ストレージ媒体１１０４に電気的に結合される。プロセッサ１１０２は、バス１１０８によって、Ｉ／Ｏインターフェース１１１０にも電気的に結合される。ネットワークインターフェース１１１２は、バス１１０８を介して、プロセッサ１１０２にも電気的に接続される。プロセッサ１１０２およびコンピュータ読取可能ストレージ媒体１１０４がネットワーク１１１４を介して外部要素と接続できるように、ネットワークインターフェース１１１２はネットワーク１１１４に接続される。方法２００、３００、５００、６００、７００または８００の任意のものにおいて記述されたような処理の一部または全部を実行するためにシステム１１００を使用可能にするために、プロセッサ１１０２は、コンピュータ読取可能ストレージ媒体１１０４にエンコードされたコンピュータプログラムコード１１０６を実行するように構成される。システム１００、４００または９００の任意のものに関連する処理の一部または全部を実行するためにシステム１１００を使用可能にするために、プロセッサ１１０２は、コンピュータ読取可能ストレージ媒体１１０４にエンコードされたコンピュータプログラムコード１１０６を実行するように構成される。
【0171】
いくつかの実施形態では、プロセッサ１１０２が、中央処理ユニット（CPU）、マルチプロセッサ、分散処理システム、ASIC（Application Specific Integrated Circuit）、および／または適切な処理ユニットである。
【0172】
いくつかの実施形態では、コンピュータ読取可能ストレージ媒体１１０４が、電気型、磁気型、光学型、電磁気型、赤外線型、および／または半導体型のシステム（または装置またはデバイス）である。例えば、コンピュータ読取可能ストレージ媒体１１０４は、半導体または固体メモリ、磁気テープ、フロッピーディスク、ランダムアクセスメモリ（RAM）、リードオンリーメモリ（ROM）、磁気ディスク、および／または光学ディスクを含む。光学ディスクを使用するいくつかの実施形態では、コンピュータ読取可能ストレージ媒体１１０４が、CD-ROM、CD-R/W、および／またはDVDを含む。
【0173】
いくつかの実施形態では、ストレージ媒体１１０４が、システム１１００に方法２００、３００、５００、６００、７００または８００の任意のものを実行させるように構成されるコンピュータプログラムコード５０６を保存する。いくつかの実施形態では、ストレージ媒体１１０４が、方法２００、３００、５００、６００、７００または８００の任意のものを実行するために必要な情報、および、方法２００、３００、５００、６００、７００または８００の任意のものの実行中に生成される情報も保存する。
【0174】
いくつかの実施形態では、ストレージ媒体１１０４が、外部デバイスとのインターフェースのための命令１１０７を保存する。命令１１０７は、方法２００、３００、５００、６００、７００または８００の任意のものを効果的に実行するために、プロセッサ１１０２が外部デバイスによって読取可能な命令を生成および受信できるようにする。
【0175】
システム１１００は、Ｉ／Ｏインターフェース１０１０を含む。Ｉ／Ｏインターフェース１０１０は、外部回路に結合される。いくつかの実施形態では、Ｉ／Ｏインターフェース１０１０は、情報およびコマンドをプロセッサ１１０２に伝達するための、キーボード、キーパッド、マウス、トラックボール、トラックパッド、および／またはカーソル方向キーを含む。
【0176】
システム１１００は、プロセッサ１１０２に結合されるネットワークインターフェース１１１２も含む。ネットワークインターフェース１１１２によって、システム１１００は、一または複数の他のコンピュータシステムが接続されているネットワーク１１１４と通信できる。ネットワークインターフェース１１１２は、BLUETOOTH、WIFI、WIMAX、GPRS、またはWCDMA等の無線ネットワークインターフェース、または、ETHERNET、USB、またはIEEE-1394等の有線ネットワークインターフェースを含む。いくつかの実施形態では、方法２００、３００、５００、６００、７００または８００の任意のものが、二つ以上のシステム１１００において実行され、異なるシステム１１００の間でネットワーク１１１４を介して情報が交換される。
【0177】
本記述の一態様は、方法に関する。方法は、モバイルネットワークにおけるセルのための第１ＫＰＩ（Key Performance Indicator）に関するデータを収集することを含む。方法は、第１ＫＰＩについて収集されたデータを、第１の日における期間中の第１ＫＰＩの値を備える第１グループと、第１の日の前の第２の日における期間中の第１ＫＰＩの値を備える第２グループと、第２の日の前の第３の日における期間中の第１ＫＰＩの値を備える第３グループを含む複数のグループに集計することを更に含む。方法は、第１グループ、第２グループおよび第３グループの比較に基づいてセルが休止セルか否かを判定することを更に含む。方法は、セルが休止セルであるとの判定に応じて、セルを休止中と分類することを更に含む。いくつかの実施形態では、第１ＫＰＩに関するデータを収集することは、ゼロ無線リソース制御（Zero RRC）、巡回冗長検査（CRC）またはシステム情報ブロック（SIB）に関するデータを収集することを含む。いくつかの実施形態では、収集されたデータを集計することは、第２の日を第１の日の直前の日に設定することを含む。いくつかの実施形態では、収集されたデータを集計することは、第３の日を第１の日の一週間前の日に設定することを含む。いくつかの実施形態では、方法が、セルが休止セルではないとの判定に応じて、セルから第１ＫＰＩと異なる第２ＫＰＩに関するデータを収集することと、第２ＫＰＩについて収集されたデータを集計することと、第２ＫＰＩについて集計されたデータに基づいて、セルが休止セルか否かを判定することと、を更に含む。いくつかの実施形態では、方法が、セルが休止セルではないとの判定に応じて、セルから第１ＫＰＩおよび第２ＫＰＩと異なる第３ＫＰＩに関するデータを収集することと、第３ＫＰＩについて収集されたデータを集計することと、第３ＫＰＩについて集計されたデータに基づいて、セルが休止セルか否かを判定することと、を更に含む。いくつかの実施形態では、第１ＫＰＩに関するデータを収集することは、Zero RRCに関するデータを収集することを含み、第２ＫＰＩに関するデータを収集することは、CRCに関するデータを収集することを含み、第３ＫＰＩに関するデータを収集することは、SIBに関するデータを収集することを含む。いくつかの実施形態では、セルが休止セルか否かを判定することは、機械学習システムを使用することを含む。いくつかの実施形態では、方法が、セルを休止中と分類することに応じて、ネットワークオペレータに報知することを更に含む。
【0178】
本記述の一態様は、方法に関する。方法は、モバイルネットワークにおけるセルのための第１ＫＰＩ（Key Performance Indicator）についてのモデルを構築するために機械学習システムを訓練することを含む。方法は、第１ＫＰＩに関するデータを受け取ることを更に含む。方法は、機械学習システムを使用して、受け取られた第１ＫＰＩに関するデータおよび第１ＫＰＩについてのモデルの比較に基づいて、セルが休止セルか否かを判定することを更に含む。方法は、セルが休止セルであるとの判定に応じて、セルを休止中と分類することを更に含む。いくつかの実施形態では、機械学習システムを訓練することは、機械学習システムにおけるエンコーダについての線型損失を演算することと、機械学習システムにおけるエンコーダについての非線型損失を演算することと、を含む。いくつかの実施形態では、方法が、セルのための第２ＫＰＩについてのモデルを構築するために、機械学習システムを訓練することと、第２ＫＰＩに関するデータを受け取ることと、機械学習システムを使用して、受け取られた第２ＫＰＩに関するデータおよび第２ＫＰＩについてのモデルの比較に基づいて、セルが休止セルか否かを判定することと、を更に含む。いくつかの実施形態では、第１ＫＰＩに関するデータを受け取ることは、ゼロ無線リソース制御（Zero RRC）、巡回冗長検査（CRC）またはシステム情報ブロック（SIB）に関するデータを受け取ることを含む。いくつかの実施形態では、第２ＫＰＩについてのモデルを構築するために機械学習システムを訓練することは、第１ＫＰＩについてのモデルを構築するために機械学習システムを訓練することの後に第２ＫＰＩについてのモデルを構築するために機械学習システムを訓練することを含む。いくつかの実施形態では、方法が、セルが検出可能な故障を有するか否かを判定することを更に含む。いくつかの実施形態では、方法が、セルが検出可能な故障を有するという判定に応じて、セルを休止中でないと分類することを更に含む。いくつかの実施形態では、方法が、第１ＫＰＩについて受け取られたデータを、第１の日における期間中の第１ＫＰＩの値を備える第１グループと、第１の日の前の第２の日における期間中の第１ＫＰＩの値を備える第２グループと、第２の日の前の第３の日における期間中の第１ＫＰＩの値を備える第３グループを含む複数のグループに集計することを更に含む。いくつかの実施形態では、方法が、セルを休止中と分類することに応じて、ネットワークオペレータに報知することを更に含む。
【0179】
本記述の一態様は、システムに関する。システムは、命令を保存するように構成される非一時的コンピュータ読取可能媒体を含む。システムは、非一時的コンピュータ読取可能媒体に接続されるプロセッサを更に含む。プロセッサは、モバイルネットワークにおけるセルのための第１ＫＰＩ（Key Performance Indicator）についてのモデルを構築するための命令を実行するように構成される。プロセッサは、第１ＫＰＩに関するデータを受け取るための命令を実行するように構成される。プロセッサは、受け取られた第１ＫＰＩに関するデータおよび第１ＫＰＩについてのモデルの比較に基づいて、セルが休止セルか否かを判定するための命令を実行するように構成される。プロセッサは、セルが休止セルであるとの判定に応じて、セルを休止中と分類するための命令を実行するように構成される。いくつかの実施形態では、第１ＫＰＩは、ゼロ無線リソース制御（Zero RRC）、巡回冗長検査（CRC）またはシステム情報ブロック（SIB）を含む。
【0180】
以上、当業者が本開示の側面をより良く理解できるように、いくつかの実施形態の特徴の概要を示した。当業者であれば、同じ目的を達成し、および／または、ここで紹介された実施形態と同じ利点を実現するために、他のプロセスおよび構造を設計または変更するための基礎として本開示が利用されうると理解する。当業者は、このような同等の構成が本開示の精神および範囲から逸脱するものではなく、本開示の精神および範囲から逸脱することなく様々な変更、代用、変形を加えることができると認識する。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【国際調査報告】