「分散型AI」による混雑状況の時間変化に合わせた自律的な通信エリアの最適化に成功

ロボットや自動運転車、ドローンなどのモビリティがAIの判断で現実世界を動く「フィジカルAI」の時代において、映像やセンサーデータをAIへ送る上り通信の重要性が一層高まっています。
KDDIは2026年2月、分散型AIを一部の基地局に導入し、エリアの最適化による通信品質の改善と、最適化に要する作業時間の短縮を実現（注）し、現在、全国の基地局への展開を完了しています。
さらなる通信品質の改善・安定化には、1日の中で大きく変化する混雑状況に合わせた「時間帯ごとの最適化」が必要となります。時間帯ごとの最適化には、時間単位で変動する基地局周辺の膨大なデータとパラメーター設定の組み合わせを解析する必要があり、そこから最適な設定値を導く作業は技術的にも運用的にも限界がありました。

制御信号は、基地局がスマートフォンに「いつ・どの無線リソースでデータを送受信するか」を指示する、いわば交通整理の役割を担う信号です。通信が混雑する時間帯には制御信号用のリソースが不足し、データ送受信の指示が行き渡らずに通信速度が低下することがあります。
本実証では、上り通信速度の向上と低速度エリアの削減を実現するため、分散型AIが時間帯ごとに自律的に制御信号リソース量を判断しました。具体的には、混雑する時間帯には各スマートフォンに必要な分だけ制御信号リソースを割り当てることでデータ送受信の機会を増やし、閑散時間帯には余裕を持って割り当てることで接続の安定性を高めています。

上り通信速度の向上により、写真・動画の投稿やクラウドへのアップロードの待ち時間が短くなるほか、Web会議やビデオ通話で相手に届く映像が途切れにくく、より鮮明になります。
刻々と変化する通信需要に対しネットワーク自らが最適化を続ける分散型AI技術は、フィジカルAIの社会実装を支える通信基盤の実現に貢献します。