核心概念
整合式接取與回傳網路中的拓撲適應演算法若能考慮網路負載,將能提升行動用戶的服務品質。
摘要
研究目標
本研究旨在探討行動整合式接取與回傳 (mIAB) 網路中,基於負載平衡的拓撲適應 (TA) 演算法,並與僅考慮參考訊號接收功率 (RSRP) 的標準 TA 演算法進行比較。
研究方法
本研究採用模擬方法,模擬一個配備 mIAB 節點的公車在簡化的馬德里網格中行駛,並與三個 IAB 供體節點進行連線。模擬中考慮了不同 IAB 供體節點的負載情況,並比較了兩種 TA 演算法對乘客和行人用戶上行和下行吞吐量的影響。
主要發現
- 基於負載平衡的 TA 演算法能有效避免 mIAB 節點連線到負載過高的 IAB 供體節點,從而降低緩衝區的資料量,並提升乘客的服務品質。
- 與標準 TA 演算法相比,基於負載平衡的 TA 演算法能顯提升乘客的上行吞吐量,尤其是在高百分位數的用戶群體中。
- 雖然基於負載平衡的 TA 演算法可能會些微降低部分行人用戶的吞吐量,但整體而言,行人用戶的服務品質並未受到顯著影響。
主要結論
基於負載平衡的 TA 演算法能有效提升 mIAB 網路中乘客的服務品質,而不會顯著影響行人用戶的體驗。
研究意義
本研究結果顯示,在 mIAB 網路部署中,考慮網路負載的 TA 演算法對於提升行動用戶的服務品質至關重要。
研究限制與未來方向
本研究僅考慮了簡化的網路拓撲和流量模型,未來研究可進一步探討更複雜的場景,並評估不同負載平衡演算法的效能。
統計資料
在模擬中,公車以 50 公里/小時的恆定速度行駛。
網路中有 22 個資源區塊 (RB) 供所有節點共享。
採用固定位元率 (CBR) 流量模型,每 1 毫秒產生 4,096 位元的封包。
中央 IAB 供體節點服務 40 個行人用戶,而其他 IAB 供體節點則分別服務 5 個行人用戶。
引述
"As mIAB nodes move, the traffic load in the system becomes more dynamic and heterogeneous."
"Thus, depending on the system load distribution, not all IAB donors can provide satisfactory backhaul service to a coming mIAB node, due to the lack of available radio resources."
"Results show that our proposed algorithm improves the passengers worst connections throughput in uplink (UL) and, more modestly, also in downlink (DL), without impairing the pedestrian quality of service (QoS) significantly."