频率决定装置(30)获取将给出的按频率时间序列数据与按频率评价值数据进行关联而得到的过去数据集，其中，该按频率时间序列数据是将整个规定的观察期间内的无线基站(10)的基于SNR(Signal to Noise Ratio：信噪比)的按频率的通信状况按时间序列示出的数据，该按频率评价值数据是将评价继观察期间之后的后续期间内的通信状况而得到的评价值按频率表示的数据。频率决定装置(30)使用过去数据集来生成评价值估计用机器学习模型，该评价值估计用机器学习模型以按频率时间序列数据为输入，输出按频率评价值数据。频率决定装置(30)通过向评价值估计用机器学习模型输入以给出的以往期间为观察期间的按频率时间序列数据，来得到以继该以往期间之后的将来期间为后续期间的按频率评价值数据的输出，并基于得到的按频率评价值数据来决定用于无线通信的使用频率。评价值数据来决定用于无线通信的使用频率。评价值数据来决定用于无线通信的使用频率。
【技术实现步骤摘要】
【国外来华专利技术】频率决定方法和频率决定装置
[0001]本专利技术涉及一种决定用于无线通信的使用频率的频率决定方法等。
技术介绍
[0002]在将无线通信利用于列车控制的、被称为CBTC(Communication Based Train Control：基于通信的列车控制)的无线列车控制系统中，讨论了在车地之间的无线通信中使用不需要许可的、被称为ISM(Industrial Scientific and Medical：工业、科学和医疗)频段的频带。在利用该ISM频段的无线通信标准中，有无线LAN(IEEE802.11)、蓝牙(Bluetooth)(注册商标)(IEEE802.15.1)等各种标准，ISM频段在各种无线通信系统中被利用，因此无法避免受到干扰。
[0003]在无线列车控制系统中，伴随列车的移动而需要进行切换作为通信目的地的无线基站的越区切换(handover)。在越区切换中，希望使用干扰少的频率来作为与新的作为通信目的地的无线基站之间的无线通信的频率。另外，越区切换可能发生延迟。在专利文献1中公开了一种用于实现没有延迟的越区切换的技术。在专利文献1中公开了：按无线基站来事先决定在与其它无线基站之间不会发生干扰的多个通信频率；周期性地进行该多个通信频率的电场强度的检查；基于电场强度来选择最佳无线频率；列车以所选择的最佳无线频率来进行与该无线基站之间的无线通信。
[0004]现有技术文献
[0005]专利文献
[0006]专利文献1：日本特开2012
‑
90328号公报<br/>
技术实现思路
[0007]专利技术要解决的问题
[0008]在利用ISM频段的无线通信中，存在一种寻找空闲的无线通信的信道来切换要使用的无线方式的、被称为认知无线通信的技术。在认知无线通信中，需要进行寻找空闲的无线通信的信道的频谱感知。无线通信的信道是指频率。但是，在将认知无线通信应用于追求高可靠性的无线列车控制系统时，对频谱感知也追求更高的精度。当然，即使是除认知无线通信以外的无线通信，只要能够高精度地选择空闲的频率，那么作为使用频率的决定方法就是有益的。特别是在无线列车控制系统中，车载装置伴随着列车的移动而移动，因此需要在移动之前，在移动目的地处预测性地探索、选择空闲的频率，来决定使用频率。
[0009]本专利技术是鉴于上述情况而设计的，其目的在于提供一种能够高精度地选择空闲的频率的新技术来作为决定无线列车控制系统中的使用频率的技术。
[0010]用于解决问题的方案
[0011]用于解决上述课题的第一方式是一种频率决定方法，由计算机系统执行，
[0012]在所述频率决定方法中，所述计算机系统执行以下处理：
[0013]获取将给出的按频率时间序列数据与按频率评价值数据进行关联而得到的过去
数据集，其中，所述按频率时间序列数据是将整个规定的观察期间内的无线基站的基于SNR(Signal to Noise Ratio：信噪比)的按频率的通信状况按时间序列示出的数据，所述无线基站与车载装置之间进行无线通信且设置于铁道沿线，所述按频率评价值数据是将评价继所述观察期间之后的后续期间内的所述通信状况而得到的评价值按频率表示的数据；
[0014]使用所述过去数据集来生成评价值估计用机器学习模型，所述评价值估计用机器学习模型以所述按频率时间序列数据为输入，输出所述按频率评价值数据；以及
[0015]通过向所述评价值估计用机器学习模型输入以给出的以往期间为所述观察期间的所述按频率时间序列数据，来得到以继该以往期间之后的将来期间为所述后续期间的所述按频率评价值数据的输出，并基于得到的所述按频率评价值数据来决定用于所述无线通信的使用频率。
[0016]第二方式是一种频率决定装置，具备：
[0017]获取部，其获取将给出的按频率时间序列数据与按频率评价值数据进行关联而得到的过去数据集，其中，所述按频率时间序列数据是将整个规定的观察期间内的无线基站的基于SNR的按频率的通信状况按时间序列示出的数据，所述无线基站与车载装置之间进行无线通信且设置于铁道沿线，所述按频率评价值数据是将评价继所述观察期间之后的后续期间内的所述通信状况而得到的评价值按频率表示的数据；
[0018]生成部，其使用所述过去数据集来生成评价值估计用机器学习模型，所述评价值估计用机器学习模型以所述按频率时间序列数据为输入，输出所述按频率评价值数据；以及
[0019]决定部，其通过向所述评价值估计用机器学习模型输入以给出的以往期间为所述观察期间的所述按频率时间序列数据，来得到以继该以往期间之后的将来期间为所述后续期间的所述按频率评价值数据的输出，并基于得到的所述按频率评价值数据来决定用于所述无线通信的使用频率。
[0020]根据第一、第二方式，能够实现一种能够高精度地选择空闲的频率的技术来作为决定无线列车控制系统中的使用频率的技术。也就是说，能够生成评价值估计用机器学习模型，该评价值估计用机器学习模型以示出整个规定的观察期间内的无线基站与车载装置进行无线通信时的无线基站的基于SNR的按频率的通信状况的时间序列数据为输入，输出继该观察期间之后的后续期间内的通信状况的评价值数据。而且，能够基于向该评价值估计用机器学习模型输入以往期间的按频率的通信状况的时间序列数据而得到的后续期间的按频率评价值数据，来决定无线基站用于无线通信的使用频率。由此，能够根据以往期间的按频率的通信状况来估计继该以往期间之后的将来期间的通信状况作为评价值。因此，能够实现能够高精度地选择空闲的频率的技术来作为决定无线列车控制系统中的使用频率的技术。
[0021]也可以构成如下频率决定方法：
[0022]所述评价值估计用机器学习模型是循环神经网络，
[0023]所述过去数据集包括多个按频率时间序列数据中的各按频率时间序列数据以及与该按频率时间序列数据对应的所述按频率评价值数据所组成的数据集，其中，所述多个按频率时间序列数据的所述观察期间是部分重叠但向以后依次偏移的期间。
[0024]据此，过去数据集包括部分重叠但向以后依次偏移的多个观察期间的各观察期间
的按频率时间序列数据以及继各观察期间之后的后续期间的按频率评价值数据所组成的数据集。因此，过去数据集为用于生成作为循环神经网络的评价值估计用机器学习模型的适当的数据。
[0025]也可以构成为如下频率决定方法：
[0026]决定所述使用频率的处理包括以下处理：
[0027]基于所述得到的所述按频率评价值数据来选定候选频率；以及
[0028]使用所述候选频率和上次决定的上次的使用频率来决定本次的使用频率。
[0029]据此，能够基于通过使用评价值估计用机器学习模型而得到的后续期间的按频率评价值数据来选定候选频率，并使用该选定的候选频率和上次的使用频率来决定本次的使用频率。能够将上次的使用频率优先地决定为本次的使用频率。因此，对于车载装置而言，能够避免因频繁变更无线通信的使用频率导致的处理的烦杂本文档来自技高网...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种频率决定方法，由计算机系统执行，在所述频率决定方法中，所述计算机系统执行以下处理：获取将给出的按频率时间序列数据与按频率评价值数据进行关联而得到的过去数据集，其中，所述按频率时间序列数据是将整个规定的观察期间内的无线基站的基于信噪比的按频率的通信状况按时间序列示出的数据，所述无线基站与车载装置进行无线通信且设置于铁道沿线，所述按频率评价值数据是将评价继所述观察期间之后的后续期间内的所述通信状况而得到的评价值按频率表示的数据；使用所述过去数据集来生成评价值估计用机器学习模型，所述评价值估计用机器学习模型以所述按频率时间序列数据为输入，输出所述按频率评价值数据；以及通过向所述评价值估计用机器学习模型输入以给出的以往期间为所述观察期间的所述按频率时间序列数据，来得到以继该以往期间之后的将来期间为所述后续期间的所述按频率评价值数据的输出，并基于得到的所述按频率评价值数据来决定用于所述无线通信的使用频率。2.根据权利要求1所述的频率决定方法，其中，所述评价值估计用机器学习模型是循环神经网络，所述过去数据集包括多个按频率时间序列数据中的各按频率时间序列数据以及与该按频率时间序列数据对应的所述按频率评价值数据所组成的数据集，其中，所述多个按频率时间序列数据的所述观察期间是部分重叠但向以后依次偏移的期间。3.根据权利要求1或2所述的频率决定方法，其中，决定所述使用频率的处理包括以下处理：基于所述得到的所述按频率评价值数据来选定候选频率；以及使用所述候选频率和上次决定的上次的使用频率来决定本次的使用频率。4.根据权利要求1～3中的任一项所述的频率决定方法，其中，获取所述过去数据集的处理包括以下处理：向基于将表示所述无线基站的电波环境的数据与该电波环境下的按频率的所述通信状况进行关联而得到的训练数据进行学习所得到的通信状况估计用机器学习模型按时间序列输入表示所述电波环境的数据，来依次获取所述通信状况的数据；以及通过将进行所述依次...
【专利技术属性】
技术研发人员：T，
申请(专利权)人：株式会社京三制作所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。