[论文解读] 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 0

一句话总结

tldr: CollabORAN 提出一个分层的多时域 rApp–xApp–dApp 框架，用于在 O-RAN 中进行端到端的公平感知频谱共享，结合流量预测、干扰感知 PRB 分配与快速时序调度。

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.

研究动机与目标

• 介绍一个协作的多时域控制框架 (rApp–xApp–dApp) 用于在 O-RAN 中实现公平自适应的频谱共享。
• 将优化任务与非 RT RIC、近实时时 RIC、DU 解耦，以匹配各自的时域。
• 开发一个基于超图着色的干扰感知 PRB 分配机制。
• 实现一个时序公平性调度器，防止用户饥饿现象。
• 在动态、密集的 O-RAN 环境中展示端到端闭环性能。

提出的方法

• FrerApp（非 RT RIC）生成基于流量预测且符合 SLA 的策略。
• FrexApp（近实时 RIC）构建干扰超图并通过图着色进行 PRB 分配。
• FredApp（DU）执行快速的时序 PRB 轮换以确保公平性。
• 嵌套的闭环工作流在分钟、秒和毫秒层面协调策略、分配和调度。
• 离线训练与在线控制回路使跨多时域的自适应频谱管理成为可能。

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

实验结果

研究问题

• RQ1 rApp–xApp–dApp 在多时域协作如何提升 O-RAN 频谱共享的公平性？
• RQ2 基于流量预测的策略结合干扰感知分配和快速调度，是否能在保持频谱重用的同时减少用户饥饿？
• RQ3 分层控制对满意度、Jain 公平性等动态 O-RAN 环境中的性能指标有何影响？
• RQ4 在不同负载条件下，基于超图的 PRB 着色与基线分配方案相比有何差异？

主要发现

• 基于图的干扰感知分配与超图着色显著优于随机和顺序基线。
• Welsh-Powell 基于着色在低负载时达到 98.8% 的成功率，在较高负载下为 95.4%。
• CollabORAN 在需求水平下保持较高的用户满意度（≥91%）和较高的公平性（≥92%）。
• 多时域协作在效率与公平之间实现了比单层方法更好的权衡。
• FrexApp 的近实时分配结合 FredApp 的快速调度在缓解饥饿的同时保持频谱重用。

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