JPH10513016A - 移動端末装置の運動検出と予測のための方法と装置 - Google Patents

Abstract

(57)【要約】 移動セルラ電話のような移動無線トランシーバの運動パターンを検出して予測するための方法と手段。基地の移動端末装置の次の位置を予測する方法は，移動端末装置の現在位置および複数の移動端末装置含の前位置を含む現在シークエンスと，それぞれが移動端末装置の前位置を含む複数の記憶されたシークエンスとを比較する手段を含む。そしてその方法は，また，現在シークエンスと各記憶シークエンスの間の一致の程度の少なくとも一つの量的測定値に基づいて，記憶されたシークエンスの一つを決定するステップと，選択された記憶シークエンスの一つに基づいて，移動端末装置の次の位置を予測するステップを含む。移動端末装置の運動の規則パターンを決定するための装置と方法が説明され，いくつかのサーバをもつ通信ネットワークも同様であり，それは最も近いサーバと通信するための装置をもつ。また，分散ファイルシステムを制御するための装置をもつ移動分散システムプラットフォーム，さらに移動端末装置の次の位置を予測するための装置が説明され，その装置は，予測されている次の予測位置に基づいて，サーバ間に位置に関係する情報を配分する。

Description

【発明の詳細な説明】 移動端末装置の運動検出と予測のための方法と装置 発明の背景 本出願人の発明は，移動セルラ電話のような移動無線トランシーバの動きを予 測するためのシステムと方法に関するものである。 移動体通信ネットワークの新しい次元である動いている移動体通信とコンピュ ータ処理を一緒に相互活動する−移動コンピュータ処理−という基本的なシフト が生じている。将来の移動体通信システムは通常の音声通信に加えて電子メール ，データベースおよびファイルアクセスサービスおよびマルチメディアサービス をサポートするであろう。 地理的領域が異なる場合に移動端末装置のトラフィックパターンが一定でない ことのために，レイヤー化されたもしくは階層的なセル構造は将来の移動体通信 システムに対する有望な解答である。一般的に，階層的セル構造は，共通地理的 領域をカバーするセルタイプ／サイズの異なる矩形セルレヤーにより構成される 。階層的セル構造はマイクロセルおよびピコセルの上にあるマクロセルにより通 常構成され，その空間的広がりにより他の性能の中にあって特徴的である。例え ば，ピコセルはチャネルグループ数もしくは識別コードを持つ領域であり，そし てピコセルの公称半径は２００ｍ以下である。レヤー化された通信システムにお いて，ピコセルの通信バンド幅は，通常屋外であるが，１秒あたり２〜１０メガ ビット（Ｍｂｉｔ／ｓ）であるが，マクロセルの通信バンド幅は，１秒あたり１ ０〜１００キロビット（Ｋｂｉｔ／ｓ）である。 しかし，異なるセルレヤーの境界を横切る会話とデータの双方に対してユーザ 間の通信可能性，連続的通信をサポートするためにたくさんの挑戦的な問題が解 決されなければなない。移動体端末は，位置を変え，そしてその無線環境はいつ も変化するために，そのような無線ネットワークの接続性と構成は大変に動的で ある。また，セルレヤー間のバンド幅の大きい違いのために，現在利用できる通 信ネットワークは，移動データユーザに対し通信可能でない。通常のデータキャ ッシュおよびプリフェッチ技術はこの環境においては有効でない。 キャッシュとプリフェッチは大規模の分散コンピュータシステムにおいてシス テム性能を増大させるのに一般的に使用されている。小さいキャッシュでも有効 な効果を与えることを測定値は示している。キャッシュはレイテンシーを減少す るだけでなく，クライアント−サーバシステムのサーバ利用数と同様にネットワ ークトラフィックのボリュームを大きく減少する。プリフェッチは，キャッシュ を補うものであり，そしてローカルキャッシュにデータをうまくプリフェッチす ると，キャッシュヒット率，即ち，頻繁に要求されるデータがキャッシュでどの 程度発見されたかということ，を増大させる。 レイテンシーおよびネットワークトラフィックを減少させるためにキャッシュ を使用することは，コンピュータプログラムのデータアクセスパターンの一時的 局所性の性質に基づくものである。これは，Ｄ．Ｌｉｌｊａ“大規模共有メモリ マルチプロセッサにおけるキャッシュコヒーレンシイ：問題と比較”，ＡＣＭコ ンピューティング監視ｖｏｌ．２５，ｎｏ，３，ｐｐ３０３−３３８（１９９３ 年９月）に記載されている。一時的局所性は，プログラムによりアクセスされる 最近のデータは，近い将来において再度アクセスされるであろうということを意 味する。かくして，最近アクセスされた離れたところにあるデータ（リモートデ ータ）のローカルな複写，すなわちキャッシュは，同じデータへの繰り返しアク セスがネットワークトラフィックを増やすことなくローカルに扱われるように保 持される。良く管理されているキャッシュによれば，リモートデータの実質的総 量がローカルデータと見かけ上同じ効率でアクセスできる。 一方，共有データの多重複写の存在は，上記で参照したＬｉｌｊａの出版物で 議論されている複写の整合性の問題を生じる。キャッシュデータが修正されたと き，変更はそのデータのローカルおよび離れたところにあるあらゆる複写に影響 する。様々なキャッシュコヒーレンシースキームが使用されるデータ共有の意味 論に従って整合したコピーを保持するのに使用され，分散システムにおいてキャ ッシュの整合性を維持することは，整合性，通信可能性，およびネットワークト ラフィック量での戦略的バランスを包含する非常に複雑な問題である。 プリフェッチは，リモートデータに対して予測された必要性についての知識を 利用する分散コンピュータシステムにおいて別の有効な技術である。リモートデ ータは，クライアントにプリフェッチされる。即ち，リモートデータが実際に要 求される前にフェッチされる。予想される必要性についての知識は，クライアン トの過去の行動にから決定できる。例えば，ファイルのワーキングセットは，分 散型ファイルシステムにおいてしばしばプリフェッチされ，そしてワーキングセ ットはクライアントのアクセスパターンについての知識に基づいて決定される。 他の通常のプリフェッチ方法は，空間的な局所性を利用し，それは，クライアン トはすでに必要とされるデータの近くにあるアドレスもしくはページに蓄積され ているデータを必要とするであろうという高い確率性によるものである。 現在のネットワークは，データとサービス移動をサポートしないということに おいて，無線データアクセスに有効でない。ユーザおよび端末装置が移動可能で あっても，そのデータはシステムにおいて静止的に配列されている。従来から， ユーザ／端末の位置の軌跡を保持するため，およびシステムに属する端末装置へ の接続を維持するための受動的機能はパーソナル／端末移動管理機能に含まれて いる。 セルレヤー間のデータ通信バンド幅の大きい相違のために，通信システムは， 移動データユーザに対して通信可能でない。いいかえると，セルレヤーの相違で 移動データユーザに対する性能に大きい相違がある。通常のキャッシュとプリフ ェッチ管理技術は，主に固定データ通信ネットワークに対して設計され，通信チ ャネルが予測的でなく時間と位置を頻繁に変化するセルラ無線電話システムのよ うな通信環境において効果的でない。 その問題が，階層セルシステムにおいてネットワーク性能をいかに増大させる かというものであり，そしてネットワークトラフィックと動的チャネル割り当て をバランスすることにおいてネットワーク利用と管理をいかによりインテリジェ ントにするかということであり，移動環境においてデータキャッシュとプリフェ ッチ管理をいかにインテリジェントにするかということ，および無線データアク セスをいかに効率的に行うかとういことである。 従って，移動端末ユーザの運動を予測する技術が接続ハンドオーバ，即ち，高 密度の異なるセルレヤー間のハンドオフをサポートするために必要とされる。 要約 これらの問題は，移動無線トランシーバの運動を予測するための方法と装置を 提供する本出願人の発明により解決される。この方法で，本出願人の発明は，階 層的通信ネットワークの実行を増大すること，ネットワークトラフィックとダイ ナミックチャネル割り当てのバランスをとるネットワーク利用および管理を増大 すること，およびセルラ通信ネットワークのデータキャッシュとプリフェッチを 増大するという重要な目的を達成する。 本出願人の発明の観点において，移動端末装置の記憶された前位置に基づいて 移動端末装置の次の位置を予測する方法は，移動端末装置の現在位置と移動端末 装置の複数の前位置を含む現在シークエンスとおのおのが移動端末装置の前位置 を含む複数の記憶シークエンスを比較するステップを含む。その方法は，また， 現在シークエンスと各記憶シークエンスの間の少なくとも一つのマッチングの程 度の量的測定に基づく記憶シークエンスの一つを選択し，そして記憶シークエン スの選択された一つに基づいて移動端末装置の次の位置を予測するステップを含 む。本出願人の発明の別の観点において，移動端末装置の運動予測方法は，（ａ ）移動端末装置の現在位置と移動端末装置の複数の前位置を含む現在シークエン スとおのおのが移動端末装置の前位置を含む複数の記憶シークエンスを比較する こと，（ｂ）現在シークエンスと各記憶シークエンスの間の少なくとも一つの位 置の程度の量的測定値を決定すること，（ｃ）もし，少なくとも一つの量的測定 値が予め定められた値を越えたら，移動端末装置の運動の予測としてそれぞれの 記憶シークエンスの位置を使用するステップを含む。 本出願人の発明は別の観点において，移動端末装置の運動における規則パター ンを決定する方法は，移動端末装置の現在位置と複数の前位置のキューに記憶さ れた複数の前位置のおのおのとを比較すること，前位置は発生の順にファースト インファーストアウトで記憶するステップを含む。その方法は，また，もし，現 在位置がキューに記憶された複数の前位置の一つに一致するならば，現在位置を 含む位置のシークエンス，現在位置に一致する前位置，そして現在位置に一致す る前位置の後に生じた前位置を作るステップを含む。その方法は，また，マーク されたシークエンスと位置についての複数の記憶シークエンスを比較すること， そしてマークされたシークエンスと各記憶シークエンスの間の一致の程度の少な くとも一つの量的測定値を決定し，そして，もし少なくとも一つの量的測定値が 予め定めた値を越えたら，予め定められた量だけそれぞれの記憶シークエンスの 優先パラメータを増加させるステップを含む。 その方法は，さらに，発生する順にファートインファーストアウトでキューに 移動端末装置の現在位置を記憶すること，現在位置が静止状態と境界状態の少な くとも一つであるかどうかを決定すること。そして，もし現在位置が，少なくと も静止状態および境界状態の一つであるなら，(a)〜(d)のステップを実行するス テップ含む。 本出願人の発明の別の観点において，移動端末装置の運動における規則パター ンの決定方法は，（a）移動端末装置の現在位置は静止状態と境界状態の少なく とも一つであるかどうかを決定すること，（b）現在位置，最も最近の静止状態 と最も最近の前の境界状態の少なくとも一つ，最も最近の静止状態と最も最近の 前の境界状態の一つの間に生じる前位置を含む位置のシークエンス作成すること ，（c）マークされたシークエンスと複数の位置のシークエンスのおのおのを比 較すること，マークされたシークエンスと各記憶シークエンスの間の一致の程度 の少なくとも一つの量的測定値を決定すること，（d）もし，少なくともひとつ の量的測定値が予め定められた値を越えたら，予め定められた量だけそれぞれの 記憶シークエンスの優先パラメータを増大するステップを含む。 さらに，その方法は，複数の前位置のキューに現在位置を記憶するステップ， 位置は発生した順にファーストインファーストアウトでキューに記憶されること を含み，そして，ここにもし現在位置が静止状態もしくは境界状態の少なくとも 一つであるなら，他のステップを実行するステップを含む。 その方法において，複数の記憶シークエンスは運動サークルと運動軌跡を含み ，記憶シークエンスの一つは，記憶シークエンスの位置と同じ位置である現在シ ークエンス数と現在シークエンスの位置の全数の比に基づいて選択され，そして 現在もしくはマークされたシークエンスの期間が各記憶シークエンスの期間に一 致する程度の測定値に基づいて選択され，そして現在もしくはマークされたシー クエンスの頻度が各記憶シークエンスの頻度に一致する程度の量の測定値に基づ い て選択される。 本発明の別の観点において，移動端末装置の前位置に基づいて移動端末装置の 次の位置を予測するための装置，および移動端末装置の運動の規則的パターン決 定するための装置が提供される。 例えば，移動端末装置の前位置に基づいて移動端末装置の次の位置を予測する ための装置は，移動端末装置の前位置の記憶シークエンスを記憶するためのメモ リ，メモリとの通信において，移動端末装置の現在位置と移動端末装置の前位置 を含むシークエンスとを複数の各記憶シークエンスと比較するための手段を備え る。さらにその装置は，現在シークエンスと各記憶シークエンスの間の少なくと も一つの一致の程度の量的測定値に基づいて記憶シークエンスの一つを選択する ための手段，および記憶シークエンスの選択された一つに基づいて移動端末装置 の次の位置の予測を生成するための手段を備える。 その装置は，複数の記憶シークエンスが運動サークルと運動軌跡を含み，選択 装置は，記憶シークエンスの位置と同じである現在シークエンスにある位置数と 現在シークエンスの全位置数の比を決定するための手段を備える。記憶シークエ ンスの一つがその比に基づいて記憶シークエンスの一つを選択される。選択装置 はさらに，現在シークエンスの期間が記憶シークエンスの期間と一致する程度の 第２の量的測定値を生成する手段を備え，そして，現在シークエンスの頻度が各 記憶シークエンスの頻度と一致する程度の第３の量的測定値を生成するための手 段を備える。そして記憶シークエンスの一つがその比と第２の量的測定値，もし くはその比と第２の量的測定値と第３の量的測定値に基づいて選択される。 さらに，本出願人の発明の別の観点において，通信ネットワークは，複数のサ ービス，おのおのの地理的領域において位置され，そして分散ファイルシステム において組織化されるサービス，移動端末装置は，移動端末装置に最も近いサー バと通信するための手段をもち，通信手段はサーバに記憶されたアプリケーショ ンファイルおよびデータファイルにアクセスし，移動分散システムのプラットフ フォームは，サーバの分散ファイルシステムを制御するための手段と，次の移動 端末装置の位置を予測するための手段を持ち，ここに，制御手段は，予測手段に より予測される次の位置に基づいてサーバ間に分散位置センシティブ情報を配分 する構成をもつ。 図面の簡単な説明 本出願人の発明の特徴と利点は，図面を参照してこの説明を読むことにより理 解されるであろう。 第１図は，例示的な階層的，もしくは多レヤー化されたセルラシステムである 。 第２図は，例示的な基地局および移動局を含む例示的なセルラ移動無線電話シ ステムのブロック図である。 第３図は，階層的通信システムにおける移動運動についての図である。 第４図は，本出願人の移動運動予測装置ＭＭＰを示す図である。 第５図は，運動サークルにグループ化されたさまざまな状態においてユーザが いかに動くかを示す図である。 第６図は，運動軌跡において状態がいかにグループ化されるかを示す図である 。 第７図は，道程パターン検出器の動作および道程パターンデータベースにおい て生成されるデータ構造を示す図である。 第８図は，本出願人の発明に係わる運動サークル検出方法のフローチャートを 示す図である。 第９図は，本出願人に係わる運動軌跡検出方法のフローチャートである。 第１０図は，運動予測器の動作を示す図である。 第１１図は，運動予測方法の木構造を示す図である。 第１２図は，様々な状態におけるユーザの運動の仕方の例を時間函数として， 示す図である。 第１３図ａ，第１３図ｂは，一致処理において使用される構造的制約の例を示 す図である。 第１４図は，本出願人の発明に係わる移動運動予測装置のフローチャートであ る。 第１５図は，本出願人の移動運動予測装置のシミュレーションの規格化された 結果の例を示す図である。 第１６図は，本出願人の移動運動予測装置を使用する移動フローティングエー ジェントおよび移動分散システムプラットフォームエージェントを示す図である 。 発明の詳細な説明 大多数の移動端末ユーザを含む大部分の人々は，週の毎日，少なからず従う規 則的な運動パターンを持つ。本出願人の発明は，人の次の位置を予測するために 各人の運動における規則性を利用する。例えば，もし運動するユーザがピコセル によりカバーされる領域の出口にいるとすると，移動体（もしくはネットワーク ）は位置の変化を予測でき，もし，必要なら，データをプリフェッチするために ネットワークに知らせる。 本出願人の発明を使用すれば，移動端末装置もしくは通信ネットワークは移動 体の道程を予測でき，移動体が新しい位置に到達する前に行動を起こす。そのよ うな予測は，動的チャネル割り当て，移動端末位置に対して使用でき，そしてセ ル内もしくはセル相互のいずれか，レヤー相互もしくはレヤー内のいずれかでチ ャネルへのハンドオフを発呼する。予測は位置付けアルゴリズムに入力され，そ れは接続のハンドオーバすなわち割り当てのための通信チャネルの候補のリスト を生成する。この出願において使用されるように，“移動端末装置”という単語 は，移動電話，携帯コンピュータ，モービルテキスト，パーソナルデジタルアシ スタントおよび同様の装置を含むものと理解されるであろう。 第１図は，例示的階層的，すなわち多レヤー化セルラシステムである。６角系 で示される包括的マクロセル１０は，セル構造を包括する。各包括セルは，その 下にマイクロセル構造を持つ。包括的セル１０は，市街通りに沿う領域に対応す る点線で囲まれたマイクロセル２０および長点線で囲まれた領域で示されるマイ クロセル３０を含み，そして建物の各階のピコセル４０，５０および６０を含む 。マイクロセル２０と３０によりカバーされる２つの市街通りの交差領域は高密 度トラフィック集中領域であり，そしてそのためにホットスポットと呼ばれる。 第２図は，例示的な基地局１１０および移動局１２０を含む例示的なセルラ移 動無線電話システムのブロック図である。基地局は，移動交換センタ（ＭＳＣ） に接続される制御および処理ユニット１３０を備え，移動交換センタ（ＭＳＣ） は公衆交換電話ネットワーク（ＰＳＴＮ）（図示せず）に順番に接続される。例 えば，“セルラ通信システムにおける隣接援助ハンドオフ”と題されるＷｅｊｋ ｅ等に付与された米国特許第５，１７５，８６７号明細書，および１９ ９２年１０月２７日に出願された“マルチモード信号処理”と題される米国特許 出願第０７／９６７，０２７号明細書に記載されているように，そのようなセル ラ電話のシステムの一般的概念は，技術的に公知である。そのいずれも参照する ことによりここで併合する。 基地局１１０は，音声チャネルトランシーバ１５０を介して複数の音声チャネ ルを扱い，それは制御および処理ユニット１３０により制御される。また，各基 地局は，制御チャネルトランシーバ１６０を含み，それは一つ以上の制御チャネ ルについて操作できる。制御チャネルトランシーバ１６０は，制御および処理ユ ニット１３０により制御される。制御チャネルトランシーバ１６０は，その制御 チャネルにロックされている移動体に基地局もしくはセルの制御チャネルにわた って制御情報を送信する。トランシーバ１５０と１６０は同じ無線キャリア周波 数を共有するデジタル制御およびトラフィックチャネルを用いて使用するために ，音声および制御トランシーバ１７０のような単一装置として実現できることが 理解されるであろう。 移動ステーション１２０は，音声および制御チャネルチトランシーバ１７０に おいて制御チャネル上での送信情報を受信する。それから，処理ユニット１８０ は，受信制御チャネル情報を評価し，それは移動局がロックする候補のセルの特 徴を含み，処理ユニット１８０はそのセルにおいて移動がロックされることを決 定する。有利な点として，受信制御チャネル情報は，それが関係するセルに関す る絶対情報を含むだけでなく，“無線電話システムにおける通信制御のための方 法と装置”と題されるＲａｉｔｈ等に付与された米国特許第５，３５３，３３２ 号に記載されているように，制御チャネルが関係するセルに近い他のセルに関す る相対情報を含む。それは参照することによりここに併合する。 移動端末装置の運動パターンの例が第３図に示されている。移動ユーザＡは， 階層セル構造によりカバーされる領域を運動し，それは，２Ｍｂ／ｓの通信バン ド幅を持つピコセルシステムおよびデータ転送に対して９．６Ｋｂ／ｓのバンド 幅を持つＧＳＭシステムのようなマクロセルシステムを含む。ユーザＡは，Ｄド アを通ってピコセルカバー領域の一つの中に入り，そして時間期間の間にピコセ ルカバー領域の中に移動した。そのユーザＡはルームＬに入り，会議室Ｃに移動 し，そしてそれからドアＤを通って第１のピコセルカバー領域を退去し，図に示 されるようにマクロセルカバー領域に入る。ユーザＡは，マクロセルカバー領域 を通って他のピコセルカバー領域に移動し，他のドアＢを通って入りそしてその 領域の中のあたりを運動する。 本出願人の発明に関係して，ユーザＡの道程はユーザＡの移動端末装置もしく はネットワークの移動運動予測装置（ＭＭＰ）により，ありのままに記録される 。ユーザＡがある速度で点ＭからルームＣもくはルームＬに動く時，ＭＭＰは， ユーザＡが高バンド幅，ピコセルカバー領域を出たことを高確率で指摘する。Ｍ ＭＰはもし必要なら，ユーザＡが外に出る前にダイナミックチャネル割り当てお よびデータプリフェッチのような適切な動作をとるように他のシステムおよび利 用者に通知する。 第４図に示されるように，出願人のＭＭＰは，道程パターン検出装置ＩＰＤを 含み，巡回パターンデータベースＩＰＢおよび運動予測装置ＭＰを含む。ＩＰＤ は位置もしくは状態間のユーザの移動における規則的運動の道程パターン（ＩＰ ）を検出すること，もしくは道程パターンデータベース（ＩＰＢ）にＩＰをセー ブすることのために使用される。一般的に，より詳細に下記に説明するようにＩ ＰＢは通信システムの構成もしくは物理的構造に関する予め定められた情報を含 む。ＭＰはユーザの次の位置もしくは状態を予測するためにＩＰＢに記憶された 道程パターン情報を使用する。ＭＰは，また，その予測と実際のユーザの次の状 態とを比較し，そしてＩＰＢに記憶されたＩＰを更新する。 ＭＭＰに備えられた入力データは，ＩＡすなわち状態であり，そこにおいて， 移動が位置づけられ，そしてシステムが連続的に予め定められた期間，例えば各 １〜５秒毎に新しい状態を継続的にチェックすると目下確信できる。それは，Ｉ Ａは移動位置を識別し，例えば，移動体が存在して位置付けられるセルを識別す ることが理解されるであろう。かくして，ＩＡはコード分割多重アクセス（ＣＤ ＭＡ）のコード番号，もしくはヨーロッパにおいて使用されているＧＳＭシステ ムおよび北アメリカで使用されているＡＭＰＳシステムのような通信システムで ある時分割多重アクセス（ＴＤＭＡ）におけるセル位置のような適当な形態を持 つ。道程パターンもしくはＩＡｓのシークエンスはＩＰＢに記憶され，それは移 動予測装置ＭＰによりアクセスされる。 ＭＣもしくはＭＴの補正解析のために一致スキーマの３つのクラスが使用され る。第１クラス一致，すなわち状態一致は状態のシークエンスが同じ長さをもつ 状態の他のシークエンスに一致する程度を指示する。それは，下記に詳細に説明 する第１クラス一致インデックスにより量を定める。第２クラスマッチング，即 ち速度，時間一致は，状態のシークエンスの期間が同じ長さをもつ状態の他のシ ークエンスの期間に位置する程度を指示する。それは，下記に説明される第２ク ラス一致インデックスにより量を定める。第３クラス一致，即ち頻度一致は，状 態のシークエンスの頻度が同じ大きさをもつ他の状態のシークエンスの頻度に一 致する程度を指示する。下記で説明する第３クラス一致インデックスにより量を 定められる。 より詳細に本出願人の発明を説明する前に，次の概念と略語を記すことが親切 であろう。 境界ＭＣ（ＢＭＣ）：少なくとも一状態が境界状態にある運動サークル（ＭＣ ）である。ＢＭＣは境界優先パラメータβを持ち，ＭＣより高い優先性を持つ。 境界ＭＴ（ＢＭＴ）：少なくとも一つの状態が境界状態にある移動軌跡（ＭＴ ）である。ＢＭＣは境界優先パラメータβを持ち，ＭＴより高い優先性を持つ。 境界状態（ＢＳ）：セルレヤーの境界における状態。 ＦＩＦＯ：ファーストイン，ファーストアウト 分岐状態（ＦＳ）：結合状態であって，続く状態が識別可能運動サークルにあ る状態である。 識別領域（ＩＡ）：セルもしくはセルグループによりカバーされる領域に識別 情報を送る（送信する）セルもしくはセルグループである。 道程パターンベース（ＩＰＢ）：道程パターンの最大数Ｍを含む情報データベ ースである。 結合状態（ＪＳ）：少なくとも２つの識別可能運動サークルに含まれる状態で ある。 ＬＲＵ：最も最近の利用のことである。 運動サークル（ＭＣ）：少なくとも静止状態を含むｎシークエンシャル状態 （ここにｎ＞１）を持つサークルである。 運動軌跡（ＭＴ）：静止状態もしくは境界状態をもって開始および終了する軌 跡である。 ポインタ状態（ＰＳ）：ＩＰＢにおけるセーブされたＭＣもしくはＭＴポイン ティングするポインタを含む状態キューにおける状態である。 ρ：ＭもしくはＭＴの優先性を含む優先パラメータである。 状態（Ｓ）：ユーザ位置，例えば，運動パターン（もしくは運動グラフ）にお ける識別領域ＩＡ，であり，Ｓ_S,Kは時刻ｔ（現在時刻）における状態ｋを示す 。 状態キュー（ＳＱ）：発生の時間順にセーブされる状態のキューである。 静止状態（ＳＳ）：状態（ＩＡ）であって，移動端末装置が少なくとも時間τ の間に留まる状態である。 Ｔ_mc：ｔ_n−ｔ₁により与えられるＭＣの期間であって，ＭＣの第１と最後の状 態の間の時間間隔である。 遷移状態（ＴＳ）：移動端末装置が時間τの期間より短い間にとどまる状態で ある。 τ_b ：ＢＳを識別するための時間基準である。 τ_s ：ＳＳを識別するための時間基準である。 本出願人の発明に関連して，ＩＰＤは２つの基本的手続きに基づいている。即 ち，運動サークル（ＭＣ）モデルと運動トラック（ＭＴ）モデルである。ＭＣモ デルは状態の閉ループ即ちサークルの形態をとると推定される長期間，規則的ユ ーザ運動をアドレスする。ＭＴモデルは，状態の線形軌跡の形態をとると推定さ れるルーチン運動にアドレスされる。 ＭＣモデルは，ユーザが場所から動く時に，ユーザが結局は戻るであろうとい う仮定に基づいている。移動端末装置のユーザの運動は，このような時，第５図 に示される例である異なるサークル様パターンとしてモデルされ。状態に対応す る識別領域ＩＡを識別する番号１−２７，２９−３５により識別されるサークル により，状態が示される。図からわかるように，ＭＣは持続期間Ｔ_MCをもち，閉 じたループ即ち状態の“サークル”であり，少なくとも２つの状態と少なくとも 一つの静止状態をもつ。本出願人のＭＭＰは，次の基準を適用することにより状 態が静止状態であることを決定する。すなわち，もし，ＭＭＰに備えられた信号 （入力状態）が，あらかじめ定められた期間τ_s（例えばτ_s≧５分）の間に変化 なければ，その時，状態Ｓ_K,tは静止状態である。 観点を変えて見ると，各運動サークルは，状態のシークエンス，例えば，〔１ ，１６，１７，１８，２１，２０，１９，１８，１〕である。運動サークルを考 慮した時，ある既知の方向でサークルの回りを運動しなければならないというこ とが理解される。何故なら，方向が異なれば状態の順番が異なるからである。ま た，ＩＰＢの他のＭＣに関してＭＣの優先性を示すＬＲＵ優先パラメータρ，状 態シークエンスの頻度を示す頻度パラメータＦ（図１２参照），そして各新しい ＭＣに対して全てがゼロに初期化される境界優先パラメータβは各ＭＣに関連す る。新しい“ＭＣ”は，入力ＭＣとＩＰＢにすでに記憶されている各ＭＣを比較 することにより決定される。もし，下記に詳細に説明される一致インデックスμ に一致する新しいＭＣの第１クラスが，記憶されているＭＣの一つのインデック スμに一致するならば，記憶されているＭＣの優先ファクタρは１だけ増加され る。そうでなければ，新しいＭＣは，ρ＝Ｆ＝β＝０の初期値でＩＰＢに記憶さ れる。もし，ＭＣの一つもしくはそれ以上の状態が境界状態にあるなら，そのＭ Ｃは境界ＭＣと呼ばれ，そして１ずつ増加される境界優先パラメータβを持つ。 本出願人のＭＭＰは，次の基準の一つを適用することにより入力状態が境界状 態であることを決定する。即ち，次の（１）もしくは（２）のいずれかである。 (1) もし入力ＩＡ信号が時間τ_b（例えばτ_b≧５分）の予め定められた期間の間 に受け取られていなければ，その時，状態Ｓｋ，ｔ−τｂは境界状態である。 （２）もし入力ＩＡ信号が時間τ_b（例えばτ_b≧５分）の後に受信されていなけ れば，そして新しいＩＡ信号（状態Ｓ_k+1）が受信されていれば，その時状態Ｓ_{k +1,t} は境界状態である。 ＭＴモデルを使用する時，各々がＩＰＤは静止状態もしくは境界状態のいずれ かで開始および終了する道程である運動軌跡を生成する。状態の閉じたループが 必要とされないということにおいて，ＭＴモデルはＭＣモデルの制約のない変形 である。ＭＴの６つの例は第５図で示されるＭＣから導かれる第６図で示され， そして各ＭＣは少なくとも一つのＭＴを含む。 運動サークルとともとして，運動軌跡を考慮する時，状態の順番は方向が異な ると異なることのために，既知の方向で軌跡に沿って人が動かねばならないこと が理解されるであろう。また，他のＭＴに関してＭＴの優先性を示すＬＲＵ優先 パラメータρ，頻度Ｆおよび新しいＭＴに対して全てがゼロに初期化される境界 優先パラメータβは，各ＭＴに関係する。“新しい”ＭＴは，到着ＭＴとＩＰＢ にすでに記憶されているＭＴと各々とを比較することにより決定される。もし， 新しいＭＴの第１クラスがインデックスμ，下記に詳細を記すが，記憶されてい るＭＴのインデックスμと一致するならば，記憶されているＭＴの優先パラメー タρが１だけ増加される。そうでなければ，新しいＭＴがρ＝Ｆ＝β＝０の初期 値でＩＰＢに記憶される。もし，一つもしくはそれ以上のＭＴの状態が境界状態 であるならば，そのＭＴは境界ＭＴと呼ばれ，そして１ずつ増加される優先パラ メータβをもつ。 ＩＰＤの動作およびＩＰＢで生成されるデータ構造は，第７図を参照してさら に理解され，第７図は，最も最近使用された（ＬＲＵ）の順番のＩＰＢに記憶さ れた３つの運動軌跡ＭＴ，ＭＴ２，ＭＴ３を含む一つの運動サークルＭＣ１を図 示する。また，第７図に示されるように状態キューＳＱは，ＭＭＰに与えられた 最も最近のＮ状態を含み，ファーストインファーストアウト（ＦＩＦＯ）の順に 記憶される（図において左から右に読む）。矢印は，ＩＰＢに記憶されたＭＴに 状態キューの状態シークエンスを転送する方法を示す（第５図および第６図に対 応しない）。指示“Ｃ：１／８，壁，通り，高速道路等）”は，下記に詳細に示 される通信システムの物理的構成から生じる構造的制約状態の例を説明する。Ｉ ＰＢおよびＳＱは様々な通常の電子メモリ回路により実現できる。ＭＣ判定（ＭＣＤ）方法 状態キューの状態からのＭＣモデルに基づく道程パターンの生成において，Ｉ ＰＤは，第８図に示されるフローチャートで図示される次のステップにより構成 される運動サークル検出（ＭＣＤ）方法を実行する。本出願人の発明に係わるＭ ＣＤおよび方法は，擬似Ｃ−言語で記載され，それにより，その方法は，任意の 移動局，基地局，およびセルラ無線電話通信システムの移動交換センタのハード ウェアおよびソフトウェアで容易に実現できる。 状態キューの状態の最大数をＮとする。ＭＣを第ｊ番目のＭＣ_jとし，そして 上記のように他の事項を定める。次のステップに従って，ＦＩＦＯ順でｋ状態の キュー（ここに１≦ｋ≦Ｎ）およびＩＰＢのＬＲＵ順にＭＣ（ここに１≦ｊ≦Ｍ ）の番号ｊを保持する。 ＢＩＧＩＮ １）ＩＦ Ｓ_S,Tが定常状態もしくは境界状態であるならば， ＩＦ ＦＯＲ ｉ＝ｋ−Ｌ ｔｏ １，任意のＳ_i,j（任意のｔに対 して，そしてｋ−１＞Ｌ）かつＳ_i,jがＳＳもしくはＳＢであれば，状態キュー 〔Ｓ_i,t-t1，Ｓ_i,t-t2，・・・・，Ｓ_k,t〕を新しいＭＣとしてマークする。 ＥＮＤＩＦ ＥＬＳＥ ＧＯＴＯ ＥＮＤ ＥＮＤＩＦ ２）ＩＦ ＭＣの任意の状態が境界状態であるならば，境界優先パラメータで “境界優先”として新しいＭＣをマークする。 β＝β＋１；ＥＮＤＩＦ； ３）各新しいＭＣと各セーブされたＭＣを比較する。例えば，各ＭＣはすでに ＩＰＢに記憶されている。 ＩＦ μ≧α₁（一致）なら，その時セーブされたＭＣの優先パラメータ ρを１だけ増加し，そしてセーブされたＭＣの周波数パラメータＦを計算する。 ＥＬＳＥ ＩＦ α₂≦μ≦α₁（部分的に一致）なら，“分岐状態”としてその時最 新一致状態を双方のＭＣにマークする。 ＥＮＤＩＦ； 状態キューからシークエンス〔Ｓ_i,t-1，Ｓ_t,t-t2，・・・，Ｓ_k,t〕を取 り除く； ＥＮＤ． 先において，α₂とα₁は０≦α₂＜α₁≦１のような数であり，ＳＳは静止状態 ，ＢＳは境界状態であり，Ｌ＝１，２，３，・・・（状態数）はＩＰＢに記憶さ れた最短ＭＣの長さである。μは第１クラスの一致インデックスである。パ ラメータα₁は，正確な要求もしくは望まれる信頼レベルである。通常，α₁は０ ．９５，０．９７５，０．９９もしくは同様にセットされる。パラメータα₂は ，状態一致の７０％，６０％，５０％・・・に対応してα₂＝０．３，０．４， ０．５のような２つの状態キュー間のマッチング程度を示す部分一致因子である 。少なくとも２つのシークエンスの状態の半分において少なくとも一致する時の み興味ある結果が現在生成されるようなので，α₂は少なくとも，０．５にセッ トされるべきであると現在確かめられている。 インデックスμに一致する第１クラスは，状態の第１シークエンスが同じ長さ （状態−一致）を持つ状態の第２シークエンスに一致する程度の指標である。イ ンデックスμは，次の表現により与えられる。 μ＝ｍ_s／Ｎ_s ここに，ｍ_sは一致するシークエンスの状態数であり，そしてＮ_sは各シークエ ンスの全状態数である。 運動軌跡検出（ＭＴＤ）方法 ＭＴモデルに基づく道程パターンを生成することにおいて，ＩＰＤは次のステ ップにより構成される第９図に示されるフローチャートでまた図示される運動軌 跡検出（ＭＴＤ）方法を実行する。 第ｊ番目のＭＴをＭＴ_jとする。ＩＰＢにおけるＭＴの最大値をＭとする。そ して他のパラメータを上記のように定義する。ＦＩＦＯ順にｋ状態のキュー（こ こに１≦ｋ≦Ｎ）を保持し，そしてＬＲＵリプレイス順にＩＰＢのＭＴ（ここに １≦ｊ≦Ｍ）の番号を保持する。 ＢＥＧＩＮ １） ＩＦ Ｓ_k,tが静止もしくは境界状態であれば， ＦＯＲ ｉ＝ｋ−Ｌ ｔｏ １， ＩＦ Ｓ_i,tがＳＳもしくはＢ Ｓ（任意のｔに対して，そしてｋ−１＞Ｌに対して）ならば，新しいＭＴとして シークエンス〔Ｓ_i,t-t1，Ｓ_I+1,T-T2，・・・・，Ｓ_K,T〕をマークする。 ＥＬＳＥ ＧＯＴＯ ＥＮＤ； ＥＮＤＩＦ； ２） ＩＦ 新しいＭＴの任意の状態が境界状態であるならば，“境界優先” として境界優先パラメータβ＝β＋１で新しいＭＴをマークする。 ３） すでにセーブされた各ＭＴで各新しいＭＴを比較する。 ＩＦ μ≧α₁（一致）なら，その時，セーブされたＭＴの優先パラメ ータρを１だけ増大する。 ＥＬＳＥ ＩＦ α₂≦μ＜α₁（部分的に一致）なら，両方のＭＴに“分岐 状態”として最新一致状態をマークする。 ＥＮＤＩＦ； ＬＲＵリプレイス順でＩＰＢに新しいＭＴをセーブする。 ＥＮＤＩＦ； 状態キューのＰＳで新しいセーブされたＭＴをリプレイスする； ＥＮＤ 先において，μは第１クラス一致であり，α₂およびα₁は０≦α₂＜α₁≦α₁ のような数である。ＰＳはポインタ状態であり；Ｌ＝１，２，３，・・・はＭＴ の最小長さである（状態数において）。他の状態のかわりにポインタを使用する ことは重複を避けるために有効である。 運動予測装置 本出願人のＭＭＰに含まれる運動予測装置ＭＰは，ＩＰＢに記憶されたＩＰで 現在の運動道程の元に戻ることと相関を使用することにより運動サークルの次の 状態もしくは運動軌跡の予測をする。 第１０図は，ＭＰの動作を示し，それはＭＭＰに入力された状態とＭＭＰによ り生成される予測状態とを比較するための手段と，入力状態をＩＰＢに記憶され たＩＰに一致するための手段および予測を生成するための手段とを含む。もし， 比較器が予測が正しいことを指示したら，例えば，現在入力状態が予測状態に一 致したら，予測はＭＭＰの出力とされる。もし，比較器が現在入力状態は予測と 一致しないことを指示したら，もしくは，ＭＭＰが初期化された時，運動予測処 理は次の予測を実行する。 入力状態が対応する予測状態に一致しない時，最も最近の静止状態もしくは境 界状態で開始する入力状態のシークエンスは，ＭＰによりＩＰＢに記憶されたＭ ＣおよびＭＴの各々と比較される。このマッチング処理は運動予測装置の出力に なる最善一致道程パターンを決定する。次のステップにより構成される運動予測 方法は，第１１図に示されるようにツリー状構造が有利である。 運動予測方法（ＭＰＭ） Ｓ_k,tが時刻ｔにおける状態ｋ，そしてｎ＞０， t_i＞０であるとする。そして ，ＭをＩＰＢのＭＴとＭＣの最大数とする。ＦＩＦＯ順にｋ状態（ここに１≦ｋ ≦Ｎ）のキューおよびＬＲＵリプレイス順のＩＰＢのＭＴとＭＣの番号ｊ（ここ に１≦ｊ≦Ｍ）を保持する。また，ＰＤ_OUT＝〔０〕もしくはＰＤ_OUT≠〔０〕， およびＳ_k,tはＰＤ_OUTの第１状態と一致しないと仮定する。 ＢＥＧＩＮ １） ＦＯＲ 新しい各入力状態Ｓ_k,t，新しいシークエンス〔Ｓ_k-n,t:tn， Ｓ_k-n+1,t:tn+1，・・・，Ｓ_k,t〕をＩＰＢに記憶されたＭＣおよびＭＴと比較 する。（ここに，Ｓ_k-n,t:tn，は最新ＳＳもしくはＢＳ，およびｎ＞０）である ； ２） 第１クラス（μ）一致を使用する： ＩＦ ただ一つの記憶ＭＣもしくはＭＴが新しいシークエンス（μ≧α₁ ）とのミュー一致要求を満たしていれば，その時，一致したＭＣもしくはＭＴ のＰＤ_OUT＝〔Ｓ_k+1,t+t1，Ｓ_k+2,t+t2，・・・，Ｓ_k+m,t+tm〕（ｍ＞０）；Ｇ ＯＴＯ ＥＮＤ； ＥＬＳＥＩＦ 記憶ＭＣもしくはＭＴが新しいシークエンスのμに一致するμ を持たなければ，その時，ＰＤ_OUT＝Ｃ_OUT；ＧＯＴＯ ＥＮＤ； ＥＬＳＥ 第２クラス（η）一致；ＥＮＤＩＦ； ３） 第２クラス（η）一致を使用する； ＦＯＲ 新しいシークエンス（μ≧α₁）とμ一致するμを持つ全記憶ＭＣも しくはＭＴ，（結合状態），ＩＦ 唯一の記憶もしくはＭＴが新しいシークエン ス（η≦α₃）とのη要求を満たしていれば，その時，一致するＭＣもしくはＭ ＴのＰＤ_OUT＝〔Ｓ_k+1,t+t1，Ｓ_k+2,t+t2，・・・Ｓ_k+m,t+tm〕；ＧＯＴＯ Ｅ ＮＤ； ＥＬＳＥ 記憶されたＭＣもしくはＭＴが新しいシークエンスのηに一 致するηを持たなければ最善μ一致である制約状態および最善μ一致のものを見 つける；ＧＯＴＯ ＥＮＤ； ＥＬＳＥ 一致する第３クラス（Φ）； ＥＮＤＩＦ； ４） 第３クラス（Φ）一致を使用する； ＦＯＲ 全μおよびη一致記憶ＭＣもしくはＭＴ（結合状態）， ＩＦ 唯一の記憶されたＭＣもしくはＭＴがΦ一致要求を満たせば，一 致するＭＶもしくはＭＴのＰＤ_OUT＝〔Ｓ_k+1,t+t1，Ｓ_k+2,t+t2，・・・Ｓ_{k+m,t +tm} 〕：ＧＯＴＯ ＥＮＤ； ＥＬＳＥＩＦ 記憶されたＭＣもくしはＭＴが新しいシークエンスのＦ に一致するＦを持たなければ，新しいシークエンスに一致する最善μ一致である 制約状態を持つもの，最善η一致をもつもの，および最善Φ一致をもつける；Ｇ ＯＴＯ ＥＮＤ； ＥＬＳＥ（一以上の記憶ＭＣもしくはＭＴが新しいシークエンス（Φ≦ α₄）のＦに一致するＦをもつ，最高ρ＋βを持つ制約状態の一つを見つける， ＥＮＤＩＦ； ＥＮＤ 前において，μは第１クラス一致インデックスであり，ηは第２クラス一致イ ンデックスであり，Φは第３クラス一致インデックスであり，そして他の事項は 上記のようなものである。また，先の手続きにおいて，η一致の時ηを持ち，そ してΦ一致の時，Φ≦α₄を持ち，ここに，α₃およびα₄は状態の２つのシーク エンスの速度もしくは頻度に一致する第２および第３一致にそれぞれ関係する信 頼レベルである。移動ユーザの速度もしくは頻度は，一般的により可変であるの で，パラメータα₃およびα₄の値はα₁，α₂の値のように制約される必要はない 。かくして，α₃およびα₄の値は，正確性の要求もしくは望ましい信頼性レベル に依存して０．１，０．０５，０．０２５，０．００５・・・・・・であり，通 常α₃およびα₄は，９５％の信頼性レベルに対して０．０５にセットされる。 第２クラス一致インデックスηは，状態の第１シークエンスの持続（速度）が 同じ長さ（速度もしくは時間一致）をもつ状態の第２シークエンスの持続（速度 ）に一致する程度である。インデックスηは次の式で与えられる： ここに，（ｔ_i+1−ｔ_i）₁は，第１シークエンスにおける状態ｉと状態ｉ＋１ の間の時間間隔である。（ｔ_i+1−ｔ_i）₂は第２シークエンスにおける状態ｉと 状態ｉ＋１の間の時間間隔である。“←→”はモジューラマイナスオペレータで あり，ここに，モジューラは，時間測定において時間間隔に対して２４であり， 分測定において測定される時間間隔に対して６０である。そして“ ”はモアュ ーラプラスオペレータであり，ここに，モジューラは時間で測定された時に２４ であり，分で測定された時に６０である。 第３クラス一致インデックスΦは，状態の第１シークエンスの頻度が同じ長さ （頻度もしくは期間一致）を持つ状態の第２シークエンスの頻度に一致する程度 の指標である。時間の函数（水平軸で示される）として様々な状態（縦軸として 示される）をユーザが以下に運動するかを示す。第１２図を参照すると，それは ，ユーザが時間函数（水平軸で示される）として様々な状態（垂直軸で示される ）において動く動き方を示すのであるが，第３クラス一致インデックスΦは次の ように決定される。第１２図で指摘される第６運動サークルは異なる頻度Ｆ₁， Ｆ₂で繰り返されると解釈され，ここに，Ｆ₁は２つの長い運動サークルの頻度で あり，そしてＦ₂は４つの短い運動サークルの頻度である。 ＭＣとＭＴの頻度は，次の表現により与えられる。 ここに，ｎ＝ρ＋１である。状態の新しい入力頻度は次の表現により与えられ る。第１２図で分かるように， Ｆ_k’＝１／Ｔ_k かくして，第３クラス一致インデックスΦは次の式で与えられる。 ここに，Φ_k＝０は正確な一致を示す。第３クラス一致インデックスΦは次の 式で与えられる。 Φ＝｜Ｆ₁／Ｆ₂−１｜ ここに，Ｆ₁は，一致するシークエンスの第１の頻度であり，そしてＦ₂は一致 する他の頻度である。 再び第１１図を参照して，唯一つの記憶ＭＣもしくはＭＴが入力シークエンス （μ≧α₁）とのμ一致要求を満足すれば，その一つは，ＭＭＰにより予測され るものとして与えられる。もし，一つ以上のＭＣもしくはＭＴが，μ一致要求を 満足するなら，その時第２クラス一致イッデックスが確かめられる。もし，唯一 の記憶ＭＣもしくはＭＴが入力シークエンス（η＞α₃）とのη一致要求を満足 すれば，その時，その一つはＭＭＰにより予測として提供される。もし，一つ以 上のＭＣもしくはＭＴがη一致要求を満足すれば，その時，第３クラス一致指数 が確かめられる。もし，唯一の記憶ＭＣもしくはＭＴが入力シークエンスのＦに 一致するＦを持てば，その一つは，ＭＭＰによる予測として与えられる。もし， 一以上のＭＣもしくはＭＴが一致するＦを持てば，その時最高優先パラメータρ をもつ構造的制約状態をもつシークエンスがＭＭＰによる予測として提供される 。 一致処理で使用される構造的制約状態は，先見的にシステムに知られている通 信システムの物理的制約に基づいている。もしＭＭＰが移動局において実施され ているなら，この物理的構造情報は，制御チャネルに送られるオーバヘッドメッ セージで移動体に提供される。制約状態に対する基礎は，第１３ａ図，第１３ｂ 図に示される。 第１３ａ図に示されるように，あるセル，例えはセル０に位置する移動ユーザ は同じ平面の６個の結合セル１−６のどれか一つ，そしてその面の上もしくは下 にあるセルに動く。このように，他になんらかの情報がない場合にも，もしユー ザがあらゆる方向にランダムに一様に動くなら，次の状態にその８つの結合セル のおのおのが１／８の確率をもつ。第１３図ｂは，通路の一端にあるドアーの中 の物理的配置を示し，その通路は他の通路にまた結合される。通路の一つの移動 ユーザは通路の壁を通過することができず，そして他のセルに入ることができな いことを，通信システムは先見的に知っている。この情報は，制約状態を識別す るのに使用できる。 出願人の移動体予測装置ＭＭＰにより実行される処理は，次の記述により要約 され，それは第１４図に示されるフローチャートに図示される。 ＢＥＧＩＮ １） ＩＦ 到着Ｓ_k,tが新しい状態であるなら，ステップ２），３），４） を実行し，ＥＬＳＥ ステップ５），６），７），８）を実行し，ＥＮＤＩＦ； ２） ＦＯＲ 各新しい到着Ｓ_k,t，ＦＩＦＯ順に状態ｋ（ここに１≦ｋ≦Ｎ ）を保持し，そして基準に基づいて“境界状態”としてＳ_k,tをマークする。 ３） ＩＦ ＰＤ_OUTが１より大きいなら，その時，Ｓ_k,tがＰＤ_OUT，ＰＤ_OUT ＝ＰＤ_OUT−Ｓ_k,tの第１状態にμ一致する；ＧＯＴＯ ステップ９）； ＥＮＤ ＩＦ； ４） 運動予測方法（ＭＰＭ）を実行する。 ５） ＩＦ Ｓ_k,t＝Ｓｋ，ｔ−τ（τ≧τ_s），基準に基づいて“静止状態” としてＳ_k,tをマークする；ＥＮＤＩＦ； ６） 運動トラック予測方法（ＭＰＤ）を実行する。 ７） 運動サークル予測方法（ＭＣＤ）を実行する。 ８） ＩＰＢのＬＲＵリプレイス順における（ＭＣ＋ＭＴ）の番号ｊを保持す る（ここに，０≦ｊ≦Ｍ）； ９） ステップ１から繰り返す； ＥＮＤ 本出願人の発明を使用すれば，移動端末装置は，データ通信に対するデータキ ャッシュとプリフェッチ管理，情報転送形式の選択等における情報管理において ， 例えば，ネットワークトラフィックおよび動的チャネル割り当てのバランスにお けるネットワーク利用と管理等において，インテリジェントになる。移動データ 通信は，さらにユーザ通信可能性を大きくし，そしてサービス品質がより良くな る。 本出願人のＭＭＰは，シミューレションされており，シミュレーションの結果 は，第１５図を参照して説明されるが，そこでは，状態数が１００，状態キュー の長さは５００，ＩＰＢのサイズは５００，そしてλ₀は０．０５である本出願 人のＭＭＰのノーマライズされたシミュレーション結果の例が示されている。５ 週間の期間でＭＭＰの動作がシミュレーションされた。 第１５図は，予測比ＰＲおよびランダムファクタの間の関係を示す。ランダム ファクタは，まったの偶然性に従う運動部分であり，ランダムファクタの１は， 特定の運動，即ち状態間の遷移が，完全にランダムである。予測比は，全入力状 態数に対する正確に予測された状態数の割合である。予測比の１は，ＭＭＰの各 状態予測が正確であることを意味する。 第１５図において，“最適”ラインは，予測（理論的）された最善の結果であ り，例えば，もし運動において規則性ファクタＸが存在すれば（ランダムファク タは１−Ｘ），その時予測比はＸである。シミュレーションされたＭＭＰの結果 は最適ラインにうまくのっている。第１５図における点線は二乗平均シミュレー ション結果である。シミュレーションされたＭＭＰの予測効果は，それは規則性 ファクタに対する予測比の割合であるが，約９５％である。 シミュレーションを実行するのに，現実世界の状況を必ずしも反映していない いくつかの簡単な仮定がなされている。特に，あるＩＡから他のＩＡに運動する 移動体の確率は，一様に分布していると仮定されている。いいかえると，いかな る構造的制約状態も使用されていない（制約出力はゼロである）。 また，連続状態の間の時間間隔は，ポワソン分布を持つと仮定され，それは次 の関係式により毎日の運動ファクタにより調整される。 λ＝λ₀・ＭＦ ここに，λ₀は，推定ポワソン分布の調整されていない密度である。シミュレ ーションされた時刻に依存する日々の移動ファクタは３つの値の１つであり，２ ０時００分と６時００分の間の時刻に対してＭＦ＝２であり，８時３０分と１６ 時００分の間に対してＭＦ＝４であり，６時００分と８時３０分の間および１６ 時００分と２０時００分の間に対してＭＦ＝８である。この運動ファクタの振る 舞いは，現実世界を十分に正しく近似していると考える。 本出願人の移動運動予測装置は，予測的移動管理と呼ばれる意欲的移動管理ス キーマに使用できる。ＭＭＰはユーザの過去における運動パターンに基づいてユ ーザがいるであろう位置を予測し，そして，ユーザがそこに行く前にデータおよ び／もしくはサービスが予め結合および／もしくは指定される。このようにして ，ユーザは前にいた場所と仮想的に同じ効率で予測された場所でデータおよび／ もしくはサービスをアクセスできる。 近くの移動ユーザにネットワークサービスおよびリソースを配分するために， 例えば，無線データネットワークでサービスおよびリソース移動を提供するため に，移動フローティングエージェント（ＭＦＡ）および移動分散システムプラッ トフォームエージェント（ＭＤＳＰＡ）が本出願人のＭＭＰで実現できる。サー ビスの移動性は，移動ユーザのサービス要求の質を満たす目下のネットワークに おける様々なサービス論理の移動性として定義される。リソースの移動性は，移 動ユーザのサービス要求の質を満たす目下のネットワークにおけるシステムデー タ／プログラム，ユーザデータ，ユーザプログラム等の移動体のようなリソース の移動性として定義される。ユーザおよび移動端末装置から展開される移動体管 理は，サービスとリソース移動性に対して要求される。 移動体を効果的にサポートするために，それぞれのエージェントが各ユーザと 各端末装置をネットワークにおいて代表し，それはユーザもしくは端末装置に関 係するあらゆるサービス論理およびサービスデータをもち，そしてユーザもしく は端末装置のあらゆる通信セッションを制御する。ユーザ／端末装置は，ネット ワークのノードにアクセスするために接続され，そしてエージェントはサービス ノードにそのサービスを提供する。ヨーロッパにおけるＧＳＭネットワークのよ うなネットワークにおいて，基地局コントローラは集中ビジターロケーションレ ジスタによりアクセスノードおよびＭＳＣとして動作し，サービスするノードお よび訪問された場所の双方として動作する。そのようなインテリジェントネット ワークとエージェントの様々な概念は，Ｌ．Ｓｏｄｅｒｂｅｒｇ，“パーソナル 電気通信のためのインテリジェント構成を発展させること”，エリクソンレビュ ー ｖｏｌ，７０，ｎｏ．７４，ｐｐ１５６−１７１（１９９３）に記載されて いる。それはここに参照することにより併合される。 第１６図を参照すると，ＭＦＡは，ローカルホストリソースと通信および予め 接続し，そしてＭＤＳＰＡのかわりに可変複製第２クラスデータキャッシュを管 理するリモート固定ホストもしくはルータで実行するプロセスもしくはプロセス のセットとして実現できる。ＭＤＳＰＡは，移動クライアントユーザのかわりに 離れたところにある固定ホストもしくはルータと通信しＭＦＡをあらかじめ指定 するホームに固定されホストもしくはルータ上で実行するプロセスもしくはプロ セスのセットとして実現できる。 移動分散システムプラットフォーム（ＭＤＳＰ）およびＭＦＡは，異なる場所 での異なる通信リンクで変化するバンド幅と接続性に対処するように，およびサ ービスおよびリソースの移動性をサポートするように設計される。ＭＤＳＰは典 型的には，移動ファイルシステム，移動インテリジェントネットワーク等の異な るアプリケーションをサポートするための，ロケーションセンシティブ情報管理 （ＬＳＩＭ）機能および予測移動管理（ＰＭＭ）機能を含む。簡単に言えば，Ｌ ＳＩＭ機能は，限られた地理的領域のシステムもしくはネットワークにより提供 されるサービスもしくはリソースについての情報を含み（ハードウェアおよびソ フトウェアリソース，ネットワーク接続性，利用可能な通信プロトコルタイプ等 を含む）。ＰＭＭ機能は，移動端末装置の位置の予測，および仮想分散フローテ ィングエージェント（ＦＡＡ）機能を含み，それは位置予測に従ってエージェン トを異なる位置に譲渡し，そして予め接続するサービス／リソースの移動性を提 供する。 ＭＤＳＭのＬＳＩＭはロケーションセンシティブ情報を扱い，そしてそれを異 なる地理的位置で，移動体下部機構により提供される異なるサービスにそれをマ ップする。また，ＬＳＩＭは，アプリケーションをサポートする移動体ネットワ ークのアプリケーショントとエージェントの双方に移動端末装置の位置の変更に ついて伝える。例えば，ネットワークは分散ファイルシステムおよび異なる地理 的領域に配置されるいくつかのサーバーをもつとしよう。もし，移動端末装置が サーバの一つの近くの位置から他のサーバの近くに移動すると，ＬＳＩＭは，第 ２サーバおよび移動端末装置のキャッシュマネージャに第２サーバは最も近くに あり，ファイルのフェッチが必要とされていることを通知する。 ＭＤＳＰＡおよびＭＦＡのサポートにより，サービス論理とローカルリソース が基礎となるネットワークから取り出され，そして移動体ユーザに追従して動き 回ることができる。さらに，本出願人のＭＭＰを使用して，便利な予測可能な移 動管理機能を使用することにより，サービス論理およびリソースがユーザが移動 する場所に予め指定されそして前もって接続できる。 また，本出願人のＭＭＰは接続の受渡しをするのに使用でき，そしてセルの再 選択をより効果的にする。典型的には，あるセルに存在する間に移動電話は，そ れが存在する近隣セルに関する情報の優先リストを保持する。移動体は，優先リ スト情報をそのような隣接セルに対して可能な制御チャネルをスキャンすること により手にいれる。本出願人のＭＭＰは，スキャンされそしてユーザが動くこと のありえそうな候補のセルのみをスキャンすることにより優先リストの情報量を 削減する。 もちろん，本発明の精神から離れることなく上記と別の特徴的な形態で本発明 を実現可能である。上記の実施例は，単に例示的なものであり，その方法に限定 されると考えられるべきではない。本発明の範囲は，前の説明よりむしろ次の請 求範囲により決定されるべきものであり，そして請求範囲に含まれるあらゆる変 形と等価的なものがそこに包含されるように意図される。

───────────────────────────────────────────────────── フロントページの続き (81)指定国 ＥＰ(ＡＴ，ＢＥ，ＣＨ，ＤＥ， ＤＫ，ＥＳ，ＦＲ，ＧＢ，ＧＲ，ＩＥ，ＩＴ，ＬＵ，Ｍ Ｃ，ＮＬ，ＰＴ，ＳＥ)，ＯＡ(ＢＦ，ＢＪ，ＣＦ，ＣＧ ，ＣＩ，ＣＭ，ＧＡ，ＧＮ，ＭＬ，ＭＲ，ＮＥ，ＳＮ， ＴＤ，ＴＧ)，ＡＰ(ＫＥ，ＭＷ，ＳＤ，ＳＺ，ＵＧ)， ＡＬ，ＡＭ，ＡＴ，ＡＵ，ＢＢ，ＢＧ，ＢＲ，ＢＹ，Ｃ Ａ，ＣＨ，ＣＮ，ＣＺ，ＤＥ，ＤＫ，ＥＥ，ＥＳ，ＦＩ ，ＧＢ，ＧＥ，ＨＵ，ＩＳ，ＪＰ，ＫＥ，ＫＧ，ＫＰ， ＫＲ，ＫＺ，ＬＫ，ＬＲ，ＬＴ，ＬＵ，ＬＶ，ＭＤ，Ｍ Ｇ，ＭＫ，ＭＮ，ＭＷ，ＭＸ，ＮＯ，ＮＺ，ＰＬ，ＰＴ ，ＲＯ，ＲＵ，ＳＤ，ＳＥ，ＳＧ，ＳＩ，ＳＫ，ＴＪ， ＴＭ，ＴＴ，ＵＡ，ＵＧ，ＵＺ，ＶＮ (72)発明者 ダンネ，アンデルス オロフ スウェーデン国 エス−164 41 キスタ, カストルプガタン 12 【要約の続き】 係する情報を配分する。

Claims (1)

1. 【特許請求の範囲】 １． 移動端末装置の現在位置と移動端末装置の複数の前位置を含む現在シー クエンスと移動端末装置の前位置をそれぞれ含む複数の記憶シークエンスを比較 し， 現在シークエンスと各記憶シークエンスの間の少なくとも一つのマッチングの 程度の量的測定に基づく記憶シークエンスの一つを選択し，そして記憶シークエ ンスの選択された一つに基づいて移動端末装置の次の位置を予測し， 移動端末装置の記憶された前位置に基づいて移動端末装置の次の位置を予測す ることを特徴とする方法。 ２．複数の記憶シークエンスは運動サークルと運動軌跡を含むことを特徴とす る請求項１に記載の方法。 ３．記憶シークエンスの一つは，記憶シークエンスの位置と同じ位置である現 在シークエンス数と現在シークエンスの位置の全数の比に基づいて選択されるこ とを特徴とする請求項１に記載の方法。 ４．現在シークエンスの期間が各記憶シークエンスの期間に一致する程度の測 定値に基づいてさらに選択されることを特徴とする請求項３に記載の方法。 ５．記憶シークエンスの一つは，現在シークエンスの頻度が各記憶シークエン スの頻度に一致する程度の量の測定値に基づいてさらに選択されるものであるこ とを特徴とする請求項４に記載の方法。 ６． 移動端末装置の前位置の記憶シークエンスを記憶するためのメモリと， メモリと通信して，移動端末装置の現在位置と移動端末装置の前位置を含むシ ークエンスとを複数の各記憶シークエンスと比較するための手段と， 現在シークエンスと各記憶シークエンスの間の少なくとも一つの一致の程度の 量的測定値に基づいて記憶シークエンスの一つを選択するための手段と， 記憶シークエンスの選択された一つに基づいて移動端末装置の次の位置の予測 を生成するための手段とを備え，移動端末装置の前位置に基づいて移動端末装置 の次の位置を予測することを特徴とする装置。 ７．複数の記憶シークエンスが運動サークルと運動軌跡を含むことを特徴とす る請求項６に記載の装置。 ８．その選択手段は，記憶シークエンスの位置と同じである現在シークエンス にある位置数と現在シークエンスの全位置数の比を決定するための手段と，その 比に基づいて記憶シークエンスの一つを選択するための手段を含むことを特徴と する請求項６に記載の装置。 ９．その選択手段はさらに，現在シークエンスの期間が記憶シークエンスの期 間と一致する程度の第２の量的測定値を生成し，記憶シークエンスの一つがその 比と第２の量的測定値に基づいて選択される手段を含むことを特徴とする請求項 ８に記載の装置。 １０．その選択装置は，現在シークエンスの頻度が各記憶シークエンスの頻度 と一致する程度の第３の量的測定値を生成し，記憶シークエンスの一つがその比 と第２の量的測定値と第３の量的測定値に基づいて選択されることを特徴とする 請求項９に記載の装置。 １１．（ａ） 移動端末装置の現在位置と移動端末装置の複数の前位置を含む 現在シークエンスと移動端末装置の前位置をそれぞれ含む複数の記憶シークエン スを比較し， （ｂ） 現在シークエンスと各記憶シークエンスの間の少なくとも一つの一致 の程度の量的測定値を決定し， （ｃ） もし，少なくとも一つの量的測定値が予め定められた値を越えたら， 移動端末装置の運動予測としてそれぞれの記憶シークエンスの位置を使用するこ とを特徴とする移動端末装置の運動予測方法。 １２．量的測定値は，記憶シークエンスの位置と同じである現在シークエンス の位置の数と現在シークエンスの全位置数との比であることを特徴とする請求項 １１に記載の方法。 １３．ステップ(b)は，現在シークエンスの期間が各記憶シークエンスに一致 する第１の程度を決定し，ステップ(c)は，移動端末装置の運動予測として，そ の比が第１の予め定められた値を越え，そして第１の程度が第２の予め定めた値 を越える記憶シークエンスの位置を使用することを特徴とする請求項１２に記載 の方法。 １４．ステップ(b)はさらに，現在シークエンスの頻度が各記憶シークエンス の頻度に一致する第２の程度を決定し，そして上記ステップ(c)は，移動端末装 置の運動予測として，第２の程度が第３の予め定めた値を越える記憶シークエン スの位置を使用することを特徴とする請求項１３に記載の方法。 １５．（a） 移動端末装置の現在位置と，前位置を発生の順にファーストイン ファーストアウトで記憶するキューに記憶された複数の前位置とをそれぞれ比較 し， （b） もし，現在位置がキューに記憶された複数の前位置の一つに一致するな らば，現在位置を含む位置のシークエンスと現在位置に一致する前位置とそして 現在位置に一致する前位置の後に生じた前位置を作成し， （c） マークされたシークエンスと位置についての複数の記憶シークエンスを 比較し，マークされたシークエンスと各記憶シークエンスの間の一致の程度の少 なくとも一つの量的測定値を決定し，そして （d） もし，少なくとも一つの量的測定値が予め定めた値を越えたら，予め定 められた量だけそれぞれの記憶シークエンスの優先パラメータを増加し，移動端 末装置の運動における規則パターンを決定することを特徴とする方法。 １６．（e） 発生する順にファーストインファーストアウトでキューに移動端 末装置の現在位置を記憶し， （f） 現在位置が静止状態と境界状態の少なくとも一つであるかどうかを決定 し， もし，現在位置が，少なくとも静止状態および境界状態の一つであるなら，(a )〜(d)のステップを実行することを特徴とする請求項１５に記載の方法。 １７．ステップ(c)は，記憶シークエンスの位置と同じマークされたシークエ ンスの位置の数とマークされたシークエンスの全位置数との比を決定することを 特徴とする請求項１６に記載の方法。 １８．ステップ(c)は，マークされたシークエンスの頻度が各記憶シークエン スの頻度に一致する程度を決定するものであることを特徴とする請求項１７に記 載の方法。 １９．ステップ(c)は，さらにマークされたシークエンスの頻度が各記憶され たシークエンスの頻度に一致する程度を決定することを特徴とする請求項１８に 記載の方法。 ２０．移動端末装置の複数の前位置のキューを保持し，発生する順にファース トインファーストアウトでキューに前位置を記憶するためのメモリと， 移動端末装置の現在位置とキューに記憶された複数の前位置のおのおのを比較 するための手段と， 現在位置と現在位置に一致する前位置と，そして，もし現在位置がキューに記 憶された複数の前位置の一つに一致したら，現在位置に一致する前位置の後に発 生した前位置を含む位置シークエンスを作るための手段と， マークされたシークエンスと複数の記憶された位置のシークエンスのおのおの を比較するためおよびマークされたシークエンスと各々の記憶シークエンスとの 間の一致の程度の少なくともひとつの量的測定値を決定するための第２の手段と ， 少なくとも一つの量的測定値が予め定められた値を越えた時，予め定めた量だ けそれぞれの記憶されたシークエンスの優先パラメータを増大するための手段を 備え，移動端末装置の運動における規則パターンを決定することを特徴とする装 置。 ２１．移動端末装置の現在位置は発生した順にファーストインファーストアウ ントでキューに記憶され，そして現在位置は静止状態と境界状態の少なくとも一 つであるかどうかを決定するための手段を含むことを特徴とする請求項２０に記 載の装置。 ２２．第２手段は，記憶されたシークエンスの位置と同じであるマークされた シークエンスの位置数とマークされたシークエンスの位置の全数の比を決定する ことを特徴とする請求項２１に記載の装置。 ２３．第２の手段は，さらにマークされたシークエンスの期間が各記憶シーク エンスの期間に一致する程度を決定することを特徴とする請求項２２に記載の装 置。 ２４．第２の手段はさらにマークされたシークエンスの頻度は各記憶シークエ ンスの頻度の程度を決定することを特徴とする請求項２３に記載の装置。 ２５．（a） 移動端末装置の現在位置が静止状態と境界状態の少なくとも一つ であるかどうかを決定し， （b） 現在位置と，最も最近の静止状態と最も最近の前の境界状態の少なくと も一つと，最も最近の静止状態と最も最近の前の境界状態の一つの間に生じる前 位置とを含む位置のシークエンス作成し， （c） マークされたシークエンスと複数の位置のシークエンスのおのおのを比 較し，マークされたシークエンスと各記憶シークエンスの間の一致の程度の少な くとも一つの量的測定値を決定し， （d） もし，少なくともひとつの量的測定値が予め定められた値を越えたら， それぞれの記憶シークエンスの優先パラメータを予め定められた量だけ増大する ことを特徴とする移動端末装置の運動における規則パターンの決定方法。 ２６．発生した順にファーストインファーストアウトで位置を記憶する複数の 前位置のキューに現在位置を記憶し，もし，現在位置が静止状態もしくは境界状 態の少なくとも一つであるなら，(a)〜(d)を実行することを特徴とする請求項２ ５に記載の方法。 ２７．記憶されたシークエンスの位置と同じであるマークされたシークエンス の位置数とマークされたシークエンスの全位置数の比が決定されることを特徴と する請求項２５に記載の方法。 ２８． マークされたシークエンスの期間が各記憶されたシークエンスの期間 に一致する程度が決定されることを特徴とする請求項２７に記載の方法。 ２９． 各マークされたシークエンスの頻度が各記憶されたシークエンスの頻 度と一致する程度が決定されることを特徴とする請求項２８に記載の方法。 ３０． 移動端末装置の現在位置が少なくとも静止状態および境界状態の一つ であるかどうかを決定するための手段と， 現在位置と，最も最近の前位置の静止状態と最も最近の境界状態の少なくとも 一つと，最も最近の前状態と最も最近の境界状態の間で生じる前位置を含む位置 シークエンスとを含む位置のシークエンスを作るための手段と， マークされたシークエンスと複数の位置の記憶シークエンスのおのおのを比較 するため，およびマークされたシークエンスと各記憶シークエンスの間の一致の 程度の少なくとも一つの量的測定値を決定するための手段と， もし，少なくとも一つの量的測定値が予め定めた値を越えたら，それぞれの記 憶シークエンスの優先パラメータを予め定めた値により増大するための手段とを 備え，移動端末装置の運動の規則パターンを決定することを特徴とする装置。 ３１．位置が発生する順にファーストインファーストアウトにより複数の前位 置を記憶するキューに現在位置を記憶するためのメモリを備えることを特徴とす る請求項３０に記載の装置。 ３２．その比較手段および決定手段は，記憶シークエンスと同じ位置にあるマ ークされたシークエンスの位置数とマークされたシークエンスの全位置数の比を 決定することを特徴とする請求項３１に記載の装置。 ３３．その比較および決定手段は，マークされたシークエンスの期間が各記憶 シークエンスの期間に一致する程度を決定することを特徴とする請求項３２に記 載の装置。 ３４．その比較および決定手段は，マークされたシークエンスの頻度が各記憶 シークエンスの頻度に一致する程度を決定することを特徴とする請求項３３に記 載の装置。 ３５．分散ファイルシステムにおいてそれぞれの地理的領域に位置を定められ そして組織化された複数のサービスと， 移動端末装置に最も近いサーバと通信するための手段をもち，その通信手段は サーバに記憶されたアプリケーションファイルおよびデータファイルにアクセス する移動端末装置と， 移動分散システムのプラットフォームは，サーバの分散ファイルシステムを制 御するための手段と，次の移動端末装置の位置を予測するための手段をと備え， その制御手段は，その予測手段により予測される次の位置に基づいてサーバ間に 分散位置センシティブ情報を配分することを特徴とする通信ネットワーク。 ３６．ＭＤＳＰは，少なくとも一つのＭＤＳＰエージェントおよび移動端末装 置に関連する少なくとも一つの移動フローティングエージェント（ＭＦＡ）を含 み，そしてＭＤＳＰエージェントはＭＦＡと通信し，その予測手段により予測さ れる次の位置に基づいて移動端末装置のかわりにサーバの少なくとも一つにＦＭ Ａを予め指定することを特徴とする請求項３５に記載の通信ネットワーク。 ３７．ＭＦＡは，移動端末装置から離れたサーバ上で実行する処理であり，そ れは移動局に対してローカルなサーバと通信しそして予め接続するし，そしてＭ ＤＳＰエージェントのかわりに複製データキャッシュを管理するものであること を特徴とする請求項３６に記載の通信ネットワーク。 ３８．移動端末装置の前位置に基づいて移動端末装置の次の位置を予測するた めの手段を備え， その予測手段は，移動端末装置の前位置のシークエンスを記憶するメモリと， 記憶装置との通信において移動端末装置の現在位置と複数の前位置を含む現在シ ークエンスと複数の記憶シークエンスの各々を比較する手段と，現在シークエン スと各記憶シークエンスの間の一致の程度の量的測定値の少なくとも一つに基づ く記憶シークエンスの一つを選択する手段と，選択された記憶シークエンスの一 つに基づいて移動端末装置の次の位置を予測する手段と，複数の基地局の制御チ ャネルをスキャンし，そしてスキャン制御されたチャネルに関する情報の優先リ ストを保持するための手段とを備え， そのスキャン手段は，その予測手段によりなされる予測に基づいて制御チャネ ルをスキャンするものであり，複数の基地局と移動端末装置と，それぞれの制御 チャネルに制御情報を送る各基地局と，移動端末装置と基地局の間の接続のため に基地局に優先性を定めるための装置を備えることを特徴とするセルラ無線電話 システム。