講演抄録/キーワード |
講演名 |
2017-10-23 14:00
[ポスター講演]位置情報を用いた異種無線システムのネットワーク選択手法 ~ 深層学習によるマップ生成手法の検討 ~ ○亀田 卓・福留秀基・末松憲治(東北大) SR2017-78 SRW2017-30 |
抄録 |
(和) |
本論文では,高精度位置情報を用いた異種無線融合システムの最適ネットワーク選択手法であるトラヒックナビゲーションに用いるマップ情報の生成手法についての検討を行った.マップ情報の作成においては,ネットワーク負荷(マップ情報の作成に必要な収集データ数)の削減とネットワーク選択精度の両立が課題であった.本提案ではマップ情報の生成に深層学習を用いた手法の提案と評価を行う.提案方式では,まず,受信信号電力強度(RSSI: received signal strength indicator)と高精度位置情報を紐づけしたデータを各端末から HCS(heterogeneous network control server)へ集約する.HCS は収集されたデータを基にマップ情報に相当する深層ニューラルネットワーク(DNN: deep neural network)を生成する.生成された DNN は各端末へ配信され,端末は位置情報を DNN へ入力することで最適な接続ネットワークを選択できる.計算機シミュレーションで評価した結果,従来手法に比べ,収集データ数が少ない状態においてもより高精度に最適にネットワーク選択可能であることを示した. |
(英) |
We have already proposed traffic navigation, which is high-accuracy network selection scheme using map information and highly accurate positioning information. In this paper, we discuss the generation method of map information. For making map information, it is a main issue to reduce the network load (i.e., the number of collected data for creating map information) with keeping the system selection accuracy. In order to reduce the network load with keeping the accuracy, we propose a map generation method using deep learning in this paper. At first in the proposed method, the data of received signal strength indicator (RSSI) linking with high precision position information aggregate into heterogeneous network control server (HCS). Based on the collected data, the HCS creates a deep neural network (DNN). The generated DNN is delivered to each terminal. The terminal can select the optimum network by inputting the position information to the DNN. As a result of evaluation by computer simulation, it is shown that optimum network selection is possible with higher precision even when the number of collected data is small. |
キーワード |
(和) |
トラヒックナビゲーション / 信号品質マップ / ネットワーク負荷 / 選択精度 / 深層ニューラルネットワーク / / / |
(英) |
traffic navigation / signal quality map / network load / selection accuracy / deep neural network (DNN) / / / |
文献情報 |
信学技報, vol. 117, no. 257, SR2017-78, pp. 35-36, 2017年10月. |
資料番号 |
SR2017-78 |
発行日 |
2017-10-16 (SR, SRW) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
SR2017-78 SRW2017-30 |
研究会情報 |
研究会 |
SR SRW |
開催期間 |
2017-10-23 - 2017-10-24 |
開催地(和) |
Grand Hotel Palatino, Rome, Italy |
開催地(英) |
Grand Hotel Palatino, Rome, Italy |
テーマ(和) |
SmartCom2017 |
テーマ(英) |
SmartCom2017 |
講演論文情報の詳細 |
申込み研究会 |
SR |
会議コード |
2017-10-SR-SRW |
本文の言語 |
英語(日本語タイトルあり) |
タイトル(和) |
位置情報を用いた異種無線システムのネットワーク選択手法 |
サブタイトル(和) |
深層学習によるマップ生成手法の検討 |
タイトル(英) |
Network Selection Scheme Using Positioning Information for Heterogeneous Wireless System |
サブタイトル(英) |
Generation Method of Map Information Using Deep Learning |
キーワード(1)(和/英) |
トラヒックナビゲーション / traffic navigation |
キーワード(2)(和/英) |
信号品質マップ / signal quality map |
キーワード(3)(和/英) |
ネットワーク負荷 / network load |
キーワード(4)(和/英) |
選択精度 / selection accuracy |
キーワード(5)(和/英) |
深層ニューラルネットワーク / deep neural network (DNN) |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
亀田 卓 / Suguru Kameda / カメダ スグル |
第1著者 所属(和/英) |
東北大学 (略称: 東北大)
Tohoku University (略称: Tohoku Univ.) |
第2著者 氏名(和/英/ヨミ) |
福留 秀基 / Hideki Fukudome / フクドメ ヒデキ |
第2著者 所属(和/英) |
東北大学 (略称: 東北大)
Tohoku University (略称: Tohoku Univ.) |
第3著者 氏名(和/英/ヨミ) |
末松 憲治 / Noriharu Suematsu / スエマツ ノリハル |
第3著者 所属(和/英) |
東北大学 (略称: 東北大)
Tohoku University (略称: Tohoku Univ.) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2017-10-23 14:00:00 |
発表時間 |
120分 |
申込先研究会 |
SR |
資料番号 |
SR2017-78, SRW2017-30 |
巻番号(vol) |
vol.117 |
号番号(no) |
no.257(SR), no.258(SRW) |
ページ範囲 |
pp.35-36(SR), pp.39-40(SRW) |
ページ数 |
2 |
発行日 |
2017-10-16 (SR, SRW) |
|