| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2019-11-06 13:25 ［ポスター講演］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段階無線エリア品質予測 ○齋藤健太郎・金 永日・康 哲嘉・高田潤一（東工大）  SRW2019-40 SeMI2019-84 CNR2019-34 |
|
| 抄録 | （和） | 近年Internet of Things (IoT)サービスの普及等に伴い，様々な業種のユーザ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．そのため無線資源の有効利用のため，効率的なネットワークエリア設計を行う事がより重要な課題となってきている．無線ネットワークのエリア設計では，サービスエリアの各地点において電波伝搬シミュレーション等を事前に実施し，エリア内の通信品質，圏外となるエリアの把握，他エリアの無線干渉等の，様々な観点から評価が行われる．本研究では，レイトレーシングシミュレーションデータにより機械学習を行ったニューラルネットワークを用い，エリア内に基地局が設置された場合に，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別途行った機械学習の結果を用いて予測する．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． |
| （英） | Recently, many kinds of wireless networks are constructed and managed by users in various industrial sectors owing to the wide spreads of Internet of Things (IoT) service. Therefore, the optimized network service area planning becomes a more urgent issue for the efficient usage of the radio resource. In the service area planning, the network is evaluated from several aspects such as the communication quality in the area, the grasping of the out-of-service region, and the detection of the interference to other service areas. In this research, we classified each point in the area into the service zone, the interference zone, and the negligible zone by the artificial neural network (ANN) classifier that was trained by the ray-tracing simulation result. And then the, receiving power in the respective zones was predicted by ANN regressors that were trained respectively. The receiving power prediction accuracy can be improved especially in the service zone by classifying the area into the zones where the communication qualities are similar. We evaluated our proposed algorithm in an indoor environment, and we showed that the root mean square error (RMSE) was improved from 7.9 dB to 4.1 dB. Especially, it was improved to 2.4 dB in the service zone. The evaluations in more variety of environments and the utilization of our proposal for actual service area planning will be the future works. | |
| 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 / / |
| （英） | Cell planning / Indoor propagation / Machine learning / Neural network / Path loss prediction / Radio propagation simulation / / | |
| 文献情報 | 信学技報, vol. 119, no. 265, SRW2019-40, pp. 69-70, 2019年11月. | |
| 資料番号 | SRW2019-40 | |
| 発行日 | 2019-10-29 (SRW, SeMI, CNR) | |
| ISSN | 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 | SRW2019-40 SeMI2019-84 CNR2019-34 |
|
| 研究会情報 | |
| 研究会 | SRW SeMI CNR |
| 開催期間 | 2019-11-05 - 2019-11-06 |
| 開催地（和） | 構造計画研究所(本所新館東京) |
| 開催地（英） | Kozo Keisaku Engineering Inc. |
| テーマ（和） | IoTワークショップ |
| テーマ（英） | IoT Workshop (Oral or Poster presentation) |
| 講演論文情報の詳細 | |
| 申込み研究会 | SRW |
| 会議コード | 2019-11-SRW-SeMI-CNR |
| 本文の言語 | 日本語 |
| タイトル（和） | 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段階無線エリア品質予測 |
| サブタイトル（和） | |
| タイトル（英） | Two-step Wireless Area Quality Prediction by Artificial Neural Network for Wireless Service Area Planning |
| サブタイトル（英） | |
| 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 / Radio propagation simulation |
| 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） | 齋藤 健太郎 / Kentaro Saito / サイトウ ケンタロウ |
| 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/ヨミ） | 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/ヨミ） | 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/ヨミ） | 高田 潤一 / Jun-ichi Takada / タカダ ジュンイチ |
| 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.) |
| 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： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2019-11-06 13:25:00 |
| 発表時間 | 60分 |
| 申込先研究会 | SRW |
| 資料番号 | SRW2019-40, SeMI2019-84, CNR2019-34 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | no.265(SRW), no.266(SeMI), no.267(CNR) |
| ページ範囲 | pp.69-70(SRW), pp.89-90(SeMI), pp.67-68(CNR) |
| ページ数 | 2 |
| 発行日 | 2019-10-29 (SRW, SeMI, CNR) |
[研究会発表申込システムのトップページに戻る]