[論文レビュー] CollabORAN: A Collaborative rApp-xApp-dApp Control Architecture for Fairness-Adaptive Resource Sharing in O-RAN

Anastasios Giannopoulos, Sotirios Spantideas+1 more|arXiv (Cornell University)|Mar 21, 2026

Cognitive Radio Networks and Spectrum Sensing被引用数 0

ひとこと要約

CollabORANは、トラフィック予測、干渉認識PRB割り当て、迅速な時刻スケジューリングを組み合わせた、O-RANにおける公平性を考慮したエンドツーエンドのスペクトラム共有のための階層的なマルチタイムスケール rApp–xApp–dApp フレームワークを提案します。

ABSTRACT

The evolution of Open Radio Access Networks (O-RAN) enables programmable and intelligent control of radio resources through disaggregated architectures and open interfaces. However, existing solutions typically rely on isolated control loops and fail to jointly address end-to-end optimization objectives across multiple timescales. Thus, it remains a key challenge to functionally split optimization algorithms across timescale-specific O-RAN layers while complying with control loop latency specifications. This article proposes CollabORAN, a collaborative rApp-xApp-dApp hierarchical framework for dynamic and equitable spectrum sharing in O-RAN systems. CollabORAN leverages a nested control structure in which the rApp performs traffic-aware policy generation, the xApp executes interference-aware spectrum allocation via hypergraph-based PRB coloring, and the DU-level dApp enforces temporal fairness through fast scheduling. The proposed end-to-end closed-loop design enables coordinated optimization across minutes, seconds, and millisecond time scales. Simulation results demonstrate that CollabORAN significantly improves service fairness and reduces user starvation while maintaining efficient spectrum reuse in dense and dynamic network environments.

研究の動機と目的

• O-RANにおける公正性適応スペクトラム共有のための協調的でマルチタイムスケールな制御フレームワーク（rApp–xApp–dApp）を導入する。
• それぞれのタイムスケールに合わせてNon-RT RIC、Near-RT RIC、DUをまたぐ最適化タスクをデカップリングする。
• ハイパーグラフカラーリングを用いた干渉認識PRB割り当てメカニズムを開発する。
• 公正性を保証するための時間的フェアネススケジューラを実装する。
• 動的で密なO-RAN環境におけるエンドツーエンドのクローズドループ性能をデモンストレーションする。

提案手法

• FrerApp（Non-RT RIC）はSLAに整合したトラフィック予測ベースのポリシーを生成する。
• FrexApp（Near-RT RIC）は干渉ハイパーグラフを構築し、グラフカラーリングによってPRB割り当てを実行する。
• FredApp（DU）は公正性を確保するために高速の時系列PRBタイムシェアリングを強制する。
• ネストされたクローズドループワークフローが、分・秒・ミリ秒のタイムスケールでポリシー、割り当て、スケジューリングを調整する。
• オフライン訓練とオンライン制御ループが、複数のタイムスケールで適応的なスペクトラムマネジメントを可能にする。

Figure 1: CollabORAN layered architecture enabling hierarchical multi-timescale spectrum sharing through collaborative rApp–xApp–dApp control interactions.

実験結果

リサーチクエスチョン

• RQ1 複数のタイムスケールでのrApp–xApp–dApp協調は、O-RAN内のスペクトラム共有における公平性をどのように改善できるか？
• RQ2 トラフィック予測ベースのポリシーと干渎認識割り当てと高速スケジューリングを組み合わせると、スペクトラム再利用を保ちながらユーザーの飢餓を緩和できるか？
• RQ3 階層的制御は、動的なO-RAN環境での満足率やJainの公平性といった性能指標にどのような影響を与えるか？
• RQ4 ハイパーグラフベースのPRB着色は、負荷条件が変動する状況でベースライン割り当て方式と比較してどうか？

主な発見

• ハイパーグラフ着色を用いたグラフベースの干渉認識割り当ては、ランダムおよび逐次ベースラインを大幅に上回る。
• Welsh-Powellベースの着色は、低負荷時に最大98.8%、高負荷時に95.4%の成功率を達成。
• CollabORANは需要レベルを横断して高いユーザー満足度（≥91%）と高い公平性（≥92%）を維持。
• マルチタイムスケールの協調は、単一レイヤーのアプローチより効率と公平性のトレードオフを改善する。
• FrexAppのほぼリアルタイム割り当てとFredAppの高速スケジューリングが、スペクトラム再利用を維持しつつ飢餓を緩和する。

Figure 2: Monitoring and control interactions among heterogeneous O-RAN areas, FrerApp, FrexApp and FredApp.