[論文レビュー] Mobility-Aware Analysis of 5G and B5G Cellular Networks: A Tutorial

Hina Tabassum, Mohammad Salehi+1 more|arXiv (Cornell University)|May 7, 2018

Advanced MIMO Systems OptimizationEngineering参考文献 67被引用数 18

ひとこと要約

本チュートリアルでは、確率的幾何学と移動モデルを活用して、5Gおよびそれ以降の5G（B5G）セルラー網における移動対応性能評価フレームワークを包括的に提示する。ハンドオフレート、カバレッジ確率、滞在時間といった主要な指標を評価する。トラジェクトリーベースおよびアソシエーション／ハンドオフベースの2つの解析的手法を導入し、ランダムおよび非ランダムなネットワークトポロジーへの応用を示し、六角形格子および正方形格子、およびポアソン点過程に基づく展開を対象に、シミュレーションおよび数値結果による検証を実施する。

ABSTRACT

Providing network connectivity to mobile users is a key requirement for cellular wireless networks. User mobility impacts network performance as well as user perceived service quality. For efficient network dimensioning and optimization, it is therefore required to characterize the mobility-aware network performance metrics such as the handoff rate, handoff probability, sojourn time, direction switch rate, and users' throughput or coverage. This characterization is particularly challenging for heterogeneous, dense/ultra-dense, and random cellular networks such as the emerging 5G and beyond 5G (B5G) networks. In this article, we provide a tutorial on mobility-aware performance analysis of both the spatially random and non-random, single-tier and multi-tier cellular networks. We first provide a summary of the different mobility models which include purely random models, spatially correlated, and temporally correlated models. The differences among various mobility models, their statistical properties, and their pros and cons are presented. We then describe two main analytical approaches for mobility-aware performance analysis of both random and non-random cellular networks. For the first approach, we describe a general methodology and present several case studies for different cellular network tessellations such as square lattice, hexagon lattice, single-tier and multi-tier models in which base-stations (BSs) follow a homogeneous Poisson Point Process (PPP). For the second approach, we also outline the general methodology. In addition, we discuss some limitations/imperfections of the existing techniques and provide corrections to these imperfections. Finally, we point out specific 5G application scenarios where the impact of mobility would be significant and outline the challenges associated with mobility-aware analysis of those scenarios.

研究の動機と目的

• 密な、異種的で超密な5G/B5Gネットワークにおけるユーザ移動のモデリングという重要な課題に取り組み、ネットワーク性能とQoSを向上させる。
• 空間的にランダムおよび構造的セルラー展開における移動対応指標（ハンドオフレート、ハンドオフ確率、滞在時間、方向変更レートなど）を特定・特徴付ける。
• 移動モデル（ランダム、空間的／時間的相関あり）および解析的手法（トラジェクトリーベースおよびアソシエーション／ハンドオフベース）の系統的比較を行い、性能評価に資する。
• 既存の解析的手法における制限を特定し、移動影響がネットワーク性能に与える影響をより正確にモデル化するための修正を提案する。
• 無人航空機（UAV）、V2X、ネットワークスライシングを含む新興5Gユースケースにおける移動の影響を検討し、SDNおよび機械学習を用いた適応型ソリューションを提案する。

提案手法

• 移動モデルを完全にランダム（例：ランダムウォーク、ランダムウェイポイント）、空間的相関あり（例：プロース、コロナ）、時間的相関あり（例：ガウス＝マルコフ、レヴィフライト）に分類し、統計的性質とネットワークモデリングへの適性を分析する。
• 均一なポアソン点過程（PPP）として配置された基地局（BS）を有する単層およびマルチティアのセルラー網におけるユーザ移動をモデル化するため、確率的幾何学を用いたトラジェクトリーベースの解析的手法を開発する。
• 信号強度に基づくハンドオフ意思決定とユーザ移動パターンに注目した、ハンドオフダイナミクスとカバレッジ確率を評価するためのアソシエーション／ハンドオフベースの解析手法を実装する。
• 異なるネットワークタイセレーション（六角形、正方形格子）および展開シナリオ（単層、マルチティア）において、数値結果とシミュレーションを用いて解析モデルをキャリブレーションする。
• シグナルオーバーヘッドを低減し、ハンドオフ効率を向上させるために、SDNベースの移動管理技術（自動ネイバー関係（ANR）、分離制御／データプレーンアーキテクチャ）を統合する。
• 解析的手法が不適切な複雑な密な5G/B5G環境において、データ駆動型ディープラーニングモデル（例：DNN、オートエンコーダ、RNN）を用いて移動パターンとネットワーク性能指標を予測する。トレーニングおよびテストデータセットを用いてモデル最適化を実施する。

実験結果

リサーチクエスチョン

• RQ1 異なる移動モデル（ランダム、空間的相関、時間的相関）は、5G/B5Gネットワークにおけるハンドオフレートやカバレッジ確率といった主要な性能指標にどのように影響を与えるか？
• RQ2 ランダムおよび非ランダムなセルラートポロジーにおける移動対応性能モデリングにおいて、トラジェクトリーベースとアソシエーション／ハンドオフベースの解析手法の相対的な長所と短所は何か？
• RQ3 ユーザ移動は、特にeMBBとmMTCの間で異なるネットワークスライスにおけるハンドオフ頻度とシグナルオーバーヘッドにどのように影響を与えるか？
• RQ4 SDNによる制御プレーン分離は、超密ネットワークにおける高移動度ユーザに対して、ハンドオフシグナルオーバーヘッドをどの程度低減し、QoSを向上させ得るか？
• RQ5 解析的手法が不適切な複雑で密な5G/B5G環境において、ディープラーニングモデルは移動パターンとネットワーク性能指標を正確に予測できるか？

主な発見

• 5G/B5Gネットワークにおけるハンドオフレートとカバレッジ確率は、移動パターンに大きく依存しており、高移動度ユーザは静的または低移動度ユーザと比較して著しく高いハンドオフ頻度を示す。
• PPPベースのモデルはSINRカバレッジ確率に対して楽観的でない下限を提供するが、六角形グリッドモデルは楽観的でない上限を提供する。この結果は、解析的性能評価に確率的幾何学を用いる有効性を裏付けている。
• 分離制御およびデータプレーンアーキテクチャは、高速移動ユーザに対して最大50％のハンドオフ頻度低減を実現し、シグナルオーバーヘッドを著しく低減し、QoSを向上させる。
• 移動対応キャッシュ戦略は、モバイルユーザとBS間のランダムな接触時間に配慮することで、特に動画ストリーミングシナリオにおいてキャッシュヒット確率を向上させる。
• 解析的手法が不適切な状況において、RNNやDNNを含むデータ駆動型ディープラーニングモデルは、移動パターンとネットワーク性能指標を効果的に予測できるが、大規模なトレーニングデータセットと慎重なアーキテクチャチューニングを要する。
• 5G/B5Gネットワークスライシングは、URRLCおよびmMTCサービスに特に必要な多様な移動要件を管理するため、適応型ハンドオフしきい値とマルチRAT連携を必要とする。