| Item type |
SIG Technical Reports(1) |
| 公開日 |
2018-02-19 |
| タイトル |
|
|
タイトル |
深層強化学習を用いたモバイルデータオフローディング手法の評価 |
| タイトル |
|
|
言語 |
en |
|
タイトル |
Evaluation of Mobile Data Offloading Method Using Deep Reinforcement Learning |
| 言語 |
|
|
言語 |
jpn |
| キーワード |
|
|
主題Scheme |
Other |
|
主題 |
位置情報・ネットワーク運用 |
| 資源タイプ |
|
|
資源タイプ識別子 |
http://purl.org/coar/resource_type/c_18gh |
|
資源タイプ |
technical report |
| 著者所属 |
|
|
|
静岡大学大学院総合科学技術研究科 |
| 著者所属 |
|
|
|
静岡大学情報学部 |
| 著者所属 |
|
|
|
株式会社NTTドコモ先進技術研究所 |
| 著者所属 |
|
|
|
株式会社NTTドコモ先進技術研究所 |
| 著者所属 |
|
|
|
株式会社NTTドコモ先進技術研究所 |
| 著者所属 |
|
|
|
静岡大学学術院情報学領域 |
| 著者所属(英) |
|
|
|
en |
|
|
Graduate School of Integrated Science and Technology, Shizuoka University |
| 著者所属(英) |
|
|
|
en |
|
|
Faculty of Infomatics, Shizuoka University |
| 著者所属(英) |
|
|
|
en |
|
|
NTT DOCOMO, INC., Research Laboratories |
| 著者所属(英) |
|
|
|
en |
|
|
NTT DOCOMO, INC., Research Laboratories |
| 著者所属(英) |
|
|
|
en |
|
|
NTT DOCOMO, INC., Research Laboratories |
| 著者所属(英) |
|
|
|
en |
|
|
College of Informatics, Shizuoka University |
| 著者名 |
望月, 大輔
安孫子, 悠
齊藤, 隆仁
片桐, 雅二
池田, 大造
峰野, 博史
|
| 著者名(英) |
Daisuke, Mochizuki
Yu, Abiko
Takato, Saito
Masaji, Katagiri
Daizo, Ikeda
Hiroshi, Mineno
|
| 論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
IoT の普及に伴いモバイルデータ通信需要は増加傾向にあり，通勤時間帯や都市部に偏りが発生することが知られている．モバイルデータ通信需要の局所性が生じることで携帯回線が混雑し，ネットワークへの収容効率が低下する課題がある．携帯回線の帯域利用効率 （以下，帯域利用効率） を向上させる方法として，遅延を許容するコンテンツに着目し負荷分散を行う MDOP などの送信レート制御手法が提案されているが，定式化された数理モデルでは多種多様な通信インフラの状況に対して常に帯域利用効率を最大化することは困難である．本稿では，帯域利用効率を向上させるため，コンテンツの遅延耐性に着目して深層強化学習を用いることで，人手で構築された数理モデルでは制御が困難な状況においても適切な送信レート制御を行うモバイルデータオフローディング手法を提案する．広域移動環境を想定したネットワークシミュレーションで検証した結果，既存の MDOP における時間的オフローディングに比べ，提案手法では制御目標値からの超過データ量を最大 26% 削減できることを確認した． |
| 論文抄録(英) |
|
|
内容記述タイプ |
Other |
|
内容記述 |
In recent years, the demand for mobile data communication has been increasing as the technologies of IoT have been widely used, and it is known that the mobile data traffic has a locality in commuting time and urban areas. There is a problem that the cellular infrastructures are crowded and the mobile data communication demand makes the network accommodation efficiency lower. As a method for improving the cellular infrastructures bandwidth utilization efficiency, a transmission rate control method has been proposed such as MDOP which balances the load by focus on the delay tolerance of contents. However, mathematical models do not have perform well to maximize bandwidth utilization efficiency in various situations. In this paper, to improve bandwidth utilization efficiency, we propose mobile data offloading method using deep reinforcement learning considering the delay tolerance of contents. The proposal method can control transmission appropriately in situations where mathematical models do not work well. As a result, we confirmed that the proposal method reduces the excess data amount by 26% from the control target value compared to the time offloading of MDOR |
| 書誌レコードID |
|
|
収録物識別子タイプ |
NCID |
|
収録物識別子 |
AA11851388 |
| 書誌情報 |
研究報告モバイルコンピューティングとパーベイシブシステム（MBL）
巻 2018-MBL-86,
号 9,
p. 1-6,
発行日 2018-02-19
|
| ISSN |
|
|
収録物識別子タイプ |
ISSN |
|
収録物識別子 |
2188-8817 |
| Notice |
|
|
|
SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc. |
| 出版者 |
|
|
言語 |
ja |
|
出版者 |
情報処理学会 |
IPSJ-MBL18086009.pdf (394.0 kB)
