@techreport{oai:ipsj.ixsq.nii.ac.jp:00225901,
 author = {永田, 尚志 and 工藤, 理一 and 高橋, 馨子 and Ramesh, Eshan and 小川, 智明 and 青木, 祐也 and 堀瀬, 友貴 and 森広, 芳文 and Hisashi, Nagata and Richi, Kudo and Kahoko, Takahashi and Ramesh, Eshan and Tomoaki, Ogawa and Yuya, Aoki and Yuki, Horise and Yoshifumi, Morihiro},
 issue = {29},
 month = {May},
 note = {無線通信技術の発展により，あらゆるモノがネットワークに接続され，様々なアプリケーションの創出が期待されている．多様化するアプリケーションにより，無線通信に対して高速・低遅延・高信頼などの高度な要件が生じ，増加するモバイルトラフィックに対して大容量化が必要となる．ミリ波の利用はモバイルネットワークの容量増加には有効であるが，高信頼に対して課題がある．ミリ波の無線リンクは通信端末の見通しと周囲物体による遮蔽がリンクの品質を低下させる可能性がある．本稿では，フィジカル空間情報として通信端末とその周辺物体の位置・速度・方向を用いた 5G スループット予測技術を提案する．フィジカル空間情報は，無線通信領域における物体の動きを予測でき，スループットの予測精度向上に繋がる．提案手法の有効性の評価のため，自立型移動ロボットと商用の 5G ネットワークを用いた屋内実験環境で実験を行った．実験により，ディープニューラルネットワークを用いた提案手法による予測は，従来の過去のスループット情報を用いた予測手法に比べて，最大 38.4 % の精度向上を実現した．, Given the recent advances in wireless communication technology, all things are being connected to networks, and it is expected that various new applications will be created. The diversification in applications will yield various requirements such as high speed, low latency and/or high reliability for wireless communication, while large capacity is needed to manage the increasing mobile traffic. Although the millimeter-wave use is a promising to increase the capacity of mobile network, it is a big challenge for millimeter-wave channel to satisfy the reliability requirements. The millimeter-wave wireless links require a line of sight (LOS) environment and shadowing by objects can degrade their link qualities. In this paper, we propose the 5G throughput prediction scheme that uses physical space information of the position, velocity and direction of the user terminal and surrounding objects. The physical space information enables to predict movements of the objects in the wireless communication area and improves the prediction accuracy. To evaluate the effectiveness of the proposed prediction, we conducted the indoor experiments using commercial 5G network and the autonomous mobility robots. The experiments show that the proposed prediction based on deep neural network (DNN) improves by up to 38.4 % compared to the conventional prediction using the past throughput information.},
 title = {フィジカル空間情報を用いた5Gスループット予測技術},
 year = {2023}
}