Core Concepts
O-RAN에서 트랜스포머 기반 무선 트래픽 예측을 통해 트래픽 스티어링 xApp 또는 셀 슬리핑 rApp을 동적으로 활성화하여 성능 지표를 향상시킬 수 있다.
Abstract
이 논문은 O-RAN에서 트랜스포머 아키텍처를 사용하여 짧은 시간 간격으로 무선 네트워크 트래픽을 예측하는 혁신적인 방법을 소개한다. 예측된 트래픽에 따라 시스템은 강화 학습 기반 트래픽 스티어링 xApp 또는 셀 슬리핑 rApp을 실행한다. 시뮬레이션 결과, 제안된 트래픽 예측 기반 네트워크 최적화 메커니즘은 전체 시뮬레이션 시간 동안 항상 실행되는 독립형 RAN 애플리케이션과 성능이 동등하면서도 주문형 활성화를 제공한다. 이 기능은 트래픽 볼륨의 갑작스러운 변동이 있는 경우에 특히 유리하다. 실제 수신 트래픽 조건에 관계없이 특정 애플리케이션을 지속적으로 작동시키는 대신, 제안된 예측 기반 방법은 평균 에너지 효율을 39.7% 향상시키고 '항상 켜진 셀 슬리핑 rApp'과 비교하여 처리량을 10.1% 높인다.
Stats
제안된 방법은 'Always on Traffic Steering xApp'과 비교하여 평균 에너지 효율을 39.7% 향상시켰다.
제안된 방법은 '항상 켜진 셀 슬리핑 rApp'과 비교하여 처리량을 10.1% 향상시켰다.
Quotes
"제안된 트래픽 예측 기반 네트워크 최적화 메커니즘은 전체 시뮬레이션 시간 동안 항상 실행되는 독립형 RAN 애플리케이션과 성능이 동등하면서도 주문형 활성화를 제공한다."
"실제 수신 트래픽 조건에 관계없이 특정 애플리케이션을 지속적으로 작동시키는 대신, 제안된 예측 기반 방법은 평균 에너지 효율을 39.7% 향상시키고 '항상 켜진 셀 슬리핑 rApp'과 비교하여 처리량을 10.1% 높인다."