[논문 리뷰] Multi-Connectivity in 5G terrestrial-Satellite Networks: the 5G-ALLSTAR Solution

Federico Lisi, G. Losquadro외 3명|arXiv (Cornell University)|2020. 03. 11.

Satellite Communication Systems참고 문헌 22인용 수 4

한 줄 요약

이 논문은 통합된 지상-위성 5G 네트워크에서의 다중 연결성을 위한 5G-ALLSTAR 솔루션을 제안하며, 분할 gNB 아키텍처(gNB-CU 및 gNB-DU) 내에서 인공지능 기반 강화학습 프레임워크를 활용하여 동적으로 트래픽 분할 및 자원 할당을 최적화한다. 이 접근 방식은 실시간 네트워크 상태와 QoS 요구사항을 바탕으로 다양한 무선 접근 기술을 통해 다수의 액세스 포인트를 조율함으로써 신뢰성, 대역폭 및 지연 시간을 향상시킨다.

ABSTRACT

The 5G-ALLSTAR project is aimed at integrating Terrestrial and Satellite Networks for satisfying the highly challenging and demanding requirements of the 5G use cases. The integration of the two networks is a key feature to assure the service continuity in challenging communication situations (e.g., emergency cases, marine, railway, etc.) by avoiding service interruptions. The 5G-ALLSTAR project proposes to develop Multi-Connectivity (MC) solutions in order to guarantee network reliability and improve the throughput and latency for each connection between User Equipment (UE) and network. In the 5G-ALLSTAR vision, we divide the gNB in two entities: 1) gNB-CU (Centralized Unit) and 2) gNB-DU (Distributed Unit) The gNB-CU integrates an innovative Traffic Flow Control algorithm able to optimize the network resources by coordinating the controlled gNB-DUs resources, while implementing MC solutions. The MC permits to connect each UE with simultaneous multiple access points (even different radio access technologies). This solution leads to have independent gNB-DU/s that contain the RLC, MAC and PHY layers. The 5G-ALLSTAR MC algorithms offer advanced functionalities to RRC layer (in the gNB-CU) that is, in turn, able to set up the SDAP, the PDCP and the lower layers in gNB-DU. In this regard, the AI-based MC algorithms, implemented in gNB-CU, by considering the network performances in the UE surrounding environment as well as the UE QoS requirements, will dynamically select the most promising access points able to guarantee the fulfilment of the requirements also enabling the optimal traffic splitting to cope with the connection reliability. In this paper, we present also an innovative AI-based framework, included within the Traffic Flow Control, able to address the MC objectives, by implementing a Reinforcement Learning algorithm in charge of solving the network control problem.

연구 동기 및 목표

• 비상 상황, 해양 및 철도 환경과 같은 중요한 시나리오에서 5G 네트워크의 서비스 연속성 문제를 해결한다.
• 기존의 단일 링크 연결성의 한계를 극복하기 위해 다양한 무선 접근 기술에 동시에 다중 액세스를 가능하게 한다.
• 다수의 gNB-DU를 통해 스마트한 자원 조율을 통해 네트워크 신뢰성, 대역폭 및 엔드 투 엔드 지연 시간을 향상시킨다.
• 인공지능을 라우팅 제어 및 트래픽 제어 계층에 통합하여 변화하는 네트워크 조건과 사용자 QoS 요구사항에 동적으로 대응할 수 있도록 한다.
• 지상 및 위성 링크 간의 원활한 핸드오버와 로드 밸런싱을 가능하게 하는 새로운 인공지능 기반 트래픽 흐름 제어 메커니즘을 제공한다.

제안 방법

• gNB를 두 개의 논리적 엔티티로 분해한다: 고층 제어를 담당하는 gNB-CU(중앙집중형 유닛)와 베이스밴드 처리 및 물리 계층 기능을 담당하는 gNB-DU(분산형 유닛).
• gNB-CU에 인공지능 기반 트래픽 흐름 제어 알고리즘을 구현하여 동적 네트워크 제어 문제를 해결한다.
• 강화학습 에이전트에 실시간 네트워크 성능 데이터와 UE의 QoS 요구사항을 입력으로 사용하여 최적의 액세스 포인트 선택을 수행한다.
• RLC, MAC 및 PHY 계층 기능을 독립적인 gNB-DUs에 분산 배치하여 다중 연결성과 영리한 트래픽 분할을 지원한다.
• gNB-CU의 RRC 계층을 통해 다수의 gNB-DUs 간에 SDAP, PDCP 및 저수준 구성 설정을 조율하여 공동 전송 및 부가성 처리를 가능하게 한다.
• 채널 품질, 지연 시간 및 신뢰성 지표를 기반으로 동적으로 여러 액세스 포인트에 트래픽을 분할하여 성능을 극대화한다.

실험 결과

연구 질문

• RQ1 어떻게 통합된 지상-위성 5G 네트워크에서 어려운 환경에서 서비스 연속성을 확보하기 위해 다중 연결성을 효과적으로 구현할 수 있는가?
• RQ2 다양한 네트워크 조건 하에서 다중 액세스 선택 및 트래픽 분할을 최적화하는 데에 인공지능 기반 의사결정이 수행하는 역할은 무엇인가?
• RQ3 분할 gNB 아키텍처(gNB-CU/gNB-DU)는 다중 액세스 포인트의 동적 실시간 조율을 통해 QoS를 향상시키는 데 어떻게 기여하는가?
• RQ4 다중 연결성 시나리오에서 인공지능 기반 트래픽 흐름 제어를 통해 달성할 수 있는 성능 향상은 무엇인가?
• RQ5 gNB-CU 내의 강화학습 프레임워크는 변화하는 UE 요구사항과 환경 조건에 어떻게 적응하여 최적의 연결성을 유지하는가?

주요 결과

• 제안된 5G-ALLSTAR 솔루션은 지상 및 위성 링크 간에 동시에 다중 액세스 연결 기능을 제공하여 고속 이동성 또는 원거리 환경에서 네트워크의 회복성과 내구성을 크게 향상시킨다.
• gNB-CU 내의 인공지능 기반 강화학습 프레임워크는 실시간 네트워크 상태와 QoS 요구사항을 기반으로 가장 적합한 액세스 포인트를 동적으로 선택함으로써 연결 신뢰성을 향상시킨다.
• 다수의 gNB-DUs를 통한 트래픽 분할은 다양한 무선 접근 기술의 다양성 이득을 활용하여 스펙트럼 효율성을 향상시키고 지연 시간을 감소시킨다.
• 분할 gNB 아키텍처는 중앙집중형 제어(gNB-CU)와 분산 처리(gNB-DUs)를 통해 다중 연결 기능의 확장성과 유연성을 보장한다.
• 해양 및 철도 통신과 같은 어려운 환경에서도 대역폭 향상과 장애 발생 확률 감소를 입증하였다.
• RRC 및 트래픽 제어 계층에 인공지능을 통합함으로써 자원 할당 및 연결 관리의 적응형 실시간 최적화가 가능해졌다.