| 講演名 | 2020-11-27 ［依頼講演］サービスエリアプランニングのためのニューラルネットワークを用いた2段階伝搬損失予測手法 齋藤 健太郎(東工大), 金 永日(東工大), 康 哲嘉(東工大), 高田 潤一(東工大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 近年Internet of Things (IoT) サービス等の普及に伴い，様々な業種の利用者により無線ネットワークが構築され運用されるようになってきた．無線周波数帯等の無線資源は有限であるため，無線リソースを効率的に利用できるサービスエリア設計が求められている．無線ネットワークのエリア設計では，エリア内の通信品質，圏外となるエリアの把握，他基地局との無線干渉等の，様々な観点から評価を行う必要があり，まずサービスエリアの各地点の受信電力分布を正確に把握する事が求められる．しかし，レイトレーシングシミュレーション等の既存の電波伝搬シミュレーションは実測定に比べて依然誤差が大きく，単体で無線エリア設計に用いる事ができる程の精度が得られていない．本研究では，そのため教師あり機械学習を行ったニューラルネットワークを用い電波伝搬損失予測手法を提案する．提案手法では，まずサービスエリアをサービスゾーン，干渉ゾーン，ノイズゾーンに分類する．次に各ゾーン内の受信電力分布をゾーン毎に学習を行ったニューラルネットワークを用いて予測する．エリアを通信品質状況の似通ったゾーンにあらかじめ分類する事で機械学習による受信電力予測を効率化する事ができ，特に正確な受信電力予測が必要となるサービスゾーンについては予測精度を大幅に向上する事ができる．屋内環境においてシミュレーションによる評価を行い，受信電力予測誤差を7.9 dB から4.1 dB に，特にサービスゾーンについては2.4 dB まで向上する事ができる事を示した．今後はより多様な環境で評価を行うと共に，実際の無線ネットワークエリア設計に利用する計画である． |
| 抄録(英) | In recent years, wireless network systems are utilized in various industry fields and the wireless service area planning became one of the important tasks to realize efficient and high-quality wireless communication service. The machine learning technology attracts the interests of researchers to improve the efficiency of the area planning task because the radio propagation loss in unknown locations can be predicted by the training data without explicit algorithms. Our previous work showed that the path loss (PL) characteristics become complicated in the high PL region, and it can degrade the entire prediction accuracy. In this paper, we propose the two-step PL prediction method by the artificial neural network (ANN) to solve the issue. Firstly, the area is classified into several zones according to the PL range. And then the PL is predicted by ANNs that were trained for respective zones. Our proposal was evaluated by the ray-tracing simulation data, and the result showed that it improved the root mean square error (RMSE) of PL prediction from 7.9 dB to 4.1 dB. The method is expected to be utilized for the wireless service area planning in various environments. |
| キーワード(和) | 屋内伝搬 / 機械学習 / サービスセル設計 / 電波伝搬シミュレーション / 伝搬損失予測 / ニューラルネッ トワーク |
| キーワード(英) | Cell planning / Indoor propagation / Machine learning / Neural network / Path loss prediction / propagation simulation |
| 資料番号 | SRW2020-38 |
| 発行日 | 2020-11-19 (SRW) |
| 研究会情報 | |
| 研究会 | SRW / SeMI / CNR |
|---|---|
| 開催期間 | 2020/11/26(から2日開催) |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | IoTワークショップ |
| テーマ（英） | IoT Workshop |
| 委員長氏名（和） | 田野 哲(岡山大) / 石原 進(静岡大) / 高汐 一紀(慶大) |
| 委員長氏名（英） | Satoshi Denno(Okayama Univ.) / Susumu Ishihara(Shizuoka Univ.) / Kazunori Takashio(Keio Univ.) |
| 副委員長氏名（和） | 水谷 圭一(京大) / 斎藤 健太郎(東工大) / 野田 華子(アンリツ) / 門田 和也(日立) / 山本 高至(京大) / 神原 誠之(奈良先端大) / 村川 賀彦(富士通研) |
| 副委員長氏名（英） | Keiichi Mizutani(Kyoto Univ.) / Kentaro Saito(Tokyo Inst. of Tech.) / Hanako Noda(Anritsu) / Kazuya Monden(Hitachi) / Koji Yamamoto(Kyoto Univ.) / Masayuki Kanbara(NAIST) / Yoshihiko Murakawa(Fujitsu Labs.) |
| 幹事氏名（和） | 村上 友規(NTT) / 佐々木 重信(新潟大) / 西尾 理志(京大) / 橋本 匡史(阪大) / 五十嵐 悠一(日立) / 金井 謙治(早大) / 菅谷 みどり(芝浦工大) / 吉岡 康介(パナソニック) |
| 幹事氏名（英） | Tomoki Murakami(NTT) / Shigenobu Sasaki(NIigata Univ.) / Takayuki Nishio(Kyoto Univ.) / Masafumi Hashimoto(Osaka Univ.) / Yuichi Igarashi(Hitachi) / Kenji Kanai(Waseda Univ.) / Midori Sugaya(Shibaura Inst. of Tech.) / Kosuke Yoshioka(Panasonic) |
| 幹事補佐氏名（和） | 布施 匡章(アンリツ) / 野田 聡人(南山大) / 勝間田 優樹(NTTドコモ) / 中山 悠(東京農工大) / 内山 彰(阪大) / 小林 優佳(東芝) / 横山 正典(ＮＴＴ) |
| 幹事補佐氏名（英） | Masaaki Fuse(Anritsu) / Akihito Noda(Nanzan Univ.) / Yuki Katsumata(NTT DOCOMO) / Yu Nakayama(Tokyo Univ. of Agri. and Tech.) / Akira Uchiyama(Osaka Univ.) / Yuka Kobayashi(Toshiba) / Masanori Yokoyama(ＮＴＴ) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Short Range Wireless Communications / Technical Committee on Sensor Network and Mobile Intelligence / Technical Committee on Cloud Network Robotics |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | ［依頼講演］サービスエリアプランニングのためのニューラルネットワークを用いた2段階伝搬損失予測手法 |
| サブタイトル（和） | |
| タイトル（英） | [Invited Lecture] Two-step Path Loss Prediction Method by Artificial Neural Network for Wireless Service Area Planning |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 屋内伝搬 / Cell planning |
| キーワード(2)（和/英） | 機械学習 / Indoor propagation |
| キーワード(3)（和/英） | サービスセル設計 / Machine learning |
| キーワード(4)（和/英） | 電波伝搬シミュレーション / Neural network |
| キーワード(5)（和/英） | 伝搬損失予測 / Path loss prediction |
| キーワード(6)（和/英） | ニューラルネッ トワーク / propagation simulation |
| 第 1 著者 氏名（和/英） | 齋藤 健太郎 / Kentaro Saito |
| 第 1 著者 所属（和/英） | 東京工業大学(略称：東工大) Tokyo Institute of Technology(略称：Tokyo Tech.) |
| 第 2 著者 氏名（和/英） | 金 永日 / Yongri JIN |
| 第 2 著者 所属（和/英） | 東京工業大学(略称：東工大) Tokyo Institute of Technology(略称：Tokyo Tech.) |
| 第 3 著者 氏名（和/英） | 康 哲嘉 / CheChia Kang |
| 第 3 著者 所属（和/英） | 東京工業大学(略称：東工大) Tokyo Institute of Technology(略称：Tokyo Tech.) |
| 第 4 著者 氏名（和/英） | 高田 潤一 / Jun-ichi Takada |
| 第 4 著者 所属（和/英） | 東京工業大学(略称：東工大) Tokyo Institute of Technology(略称：Tokyo Tech.) |
| 発表年月日 | 2020-11-27 |
| 資料番号 | SRW2020-38 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | SRW-260 |
| ページ範囲 | pp.61-66(SRW), |
| ページ数 | 6 |
| 発行日 | 2020-11-19 (SRW) |