【无线通讯Paper】[2] Vivisecting Mobility Management in 5G Cellular Networks

这篇是发表在SIGCOMM上的一篇paper

研究方向国内一些移动应用APP厂商：比如抖音,腾讯可以借鉴一下，和终端

厂商联合开发，提高其QOE。

摘要

        随着5G技术对多种无线电频段和不同部署模式（例如独立组网（SA）与非独立组网（NSA））的支持，移动性管理，尤其是切换过程，变得愈发复杂。测量研究表明，频繁的切换会导致5G吞吐量剧烈波动，甚至最糟糕的情况是服务中断。

       我们进行了一次跨国（6,200多公里）驾驶旅行，通过深入测量来研究美国三大运营商当前采用的5G移动性管理实践。利用这一丰富的数据集，我们进行了系统分析，以揭示5G运营商所采用的切换机制，并从（4G与5G）无线技术、无线电（低频、中频和高频）频段以及部署（SA与NSA）模式等多个维度对它们进行了比较。

      我们进一步量化了移动性对应用程序性能、功耗和信令开销的影响。我们确定了当前NSA 5G部署面临的关键挑战，这些挑战导致不必要的切换和覆盖范围缩小。

     最后，我们设计了一个全面的切换预测系统Prognos，并证明了其能够提高两个5G应用程序（16K全景视频点播和实时立体视频流）的用户体验质量（QoE）。我们的研究成果已发布在https://github.com/SIGCOMM22-5GMobility/artifact上。

---

目录：

1.    INTRODUCTION
2.    MOBILITY MANAGEMENT TODAY
3.    MEASUREMENT METHODOLOGY
4.    IMPACT OF MOBILITY ON APPLICATION  PERFORMANCE
5.    CHARACTERISTICS OF 5G HANDOVERS
6.    IMPLICATIONS OF 5G HANDOVERS ON CARRIERS
7.    4G/5G HANDOVER PREDICTION
8.    RELATEDWORK
9.    DISCUSSION
10.    CONCLUDING REMARKS
11.   ACKNOWLEDGMENTS

---

一   INTRODUCTION

        由于5G支持多种无线电频段，移动性管理变得更为复杂。此外，与上一代相比，5G的基站单元（小区）通常更小、更密集，因此小区之间的5G切换（HOs）更为频繁。鉴于4G和5G预计将共存，3GPP已经引入了多种5G非独立组网（NSA）部署架构和5G独立组网（SA）模式[2]。所有这些因素进一步复杂化了5G切换流程：

        除了同一技术内小区之间的水平切换（例如，5G-to-5G 低频段、5G-to-5G-中频段、5G-to-5G 高频段）外，还存在跨技术的垂直切换（例如，4G-to-5G和5G-to-4G）以往在4G/LTE领域的研究[35, 43, 63, 66] 以及最近在5G领域的研究[50, 51, 53, 54, 65]表明，频繁切换会导致5G吞吐量剧烈波动，在最坏的情况下，甚至会导致服务完全“中断”（out-of-service)。这些性能损害将导致应用程序表现不佳，特别是对于5G本应支持的低延迟应用程序，如增强现实/虚拟现实（AR/VR）、edge offloading 和车联万物（V2X）通信。而在3G/4G中观察到的不当切换配置[35, 36, 59]将进一步加剧这种影响。

1.1   学习目标、挑战与数据收集

      鉴于5G切换（Handover, HO）的重要性和复杂性，彻底了解当前商业运营商所采用的5G切换机制和实践做法势在必行。基于这一目标，我们据我们所知首次对5G移动性管理进行了全面而深入的研究。

与实验室实验不同，在真实环境中测量5G切换面临着诸多挑战：

（1）  如何从未越狱的智能手机上获取关键的控制平面信令事件？

（2） 如何在有限的人力和预算下彻底调查各种5G架构（独立组网SA与非独立组网NSA）、无线电频段和运营商？

（3）  如何协调不同层级的数据收集任务？

（4） 如何准确分析切换对用户设备（User Equipment, UE）能耗的影响？

  为了克服这些挑战，我们搭建了一个测量平台，该平台包括：

（1）多部可访问美国三大5G运营商的5G智能手机；

（2）一款定制软件，用于在未越狱的智能手机上捕获与移动性相关的信息；

（3）一款专业测量工具，用于收集蜂窝控制平面事件；

（4）一个带有外部充电宝的物理功耗监测器，用于准确分析用户设备的电池消耗情况。

      利用这一平台，我们进行了一次跨国数据收集实地考察，沿高速公路（超过5560公里）和几个主要城市内部（超过712公里）进行了测量。我们收集了超过600GB的日志数据，在跨越多个维度的数据集中观察到了47,000多次切换，这些维度包括：

（1）运营商（标记为OpX、OpY和OpZ），

（2）无线技术（5G与4G）

（3）5G架构（非独立组网NSA与独立组网SA）

   4）5G频段——低频段、中频段、毫米波（高频段）

据我们所知，这是里程数最大的一次商用5G网络跨层驾驶测试。

 利用表1中总结的独特驾驶数据集，我们进行了详细分析，以获得关于5G切换的关键见解，并揭示其影响。我们的研究发现，主要5G运营商所采用的切换机制之间确实存在显著差异，且这些差异对性能有着重要影响，具体如下所述。

1.2  5G切换如何影响应用？（第4节）

为了研究5G切换对应用体验质量（QoE）的影响，我们考虑了三个案例研究：

i)   实时视频会议，

ii)  实时3D视频流，

iii) 云游戏。

我们的实验表明，5G切换对应用的体验质量产生了不利影响。

例如：

在实时视频会议应用中发生的切换事件导致平均帧率损失率增加了2.24倍，

端到端延迟增加了2.26倍（最高可达14.5倍）。

对于以60帧每秒（FPS）运行的4K云游戏，

我们观察到由于切换，丢帧率平均增加了3.64倍。

    基于我们的实验结果以及对3G/4G移动性研究的先前成果[63, 66]，我们注意到5G切换对比4G切换对应用体验质量的影响更为严重——其严重程度取决于切换类型、无线电频段和无线电接入技术。

    例如，当前大多数5G部署采用非独立组网（NSA），其中4G作为控制平面，5G新空口（5G-NR）作为高速数据平面，此后称为NSA-4C。

   NSA-4C和5G-NR分别在4G eNodeB（eNB）和5G gNodeB（gNB）上发生单独的切换，导致切换更加频繁。特别是，由于毫米波（mmWave）无线电的方向性和较短范围，与使用中频和低频段的5G相比，使用毫米波5G的应用由于毫米波切换（波束之间）而遭受更高的性能波动。从积极的一面来看，在NSA 5G中采用双模式的应用（用户数据可以通过4G和5G同时传输）由于灵活的多无线电范式，减轻了切换的负面影响。

1.3 5G切换的关键特征是什么？

           基于上述发现，我们对5G切换（HO）进行了深入的、基于测量的研究，以揭示其关键特征。我们重点关注三个方面：切换频率、持续时间和用户设备（UE）的能耗。

          我们发现，5G切换确实频繁触发。在高速公路上行驶时，平均每0.4公里就会发生一次5G切换，而4G则是每0.6公里一次。切换频率取决于5G的架构和频段：与非独立组网（NSA）相比，5G低频段独立组网（SA）的切换频率较低（NSA每0.4公里一次，而5G低频段SA每0.9公里一次），这是因为NSA需要为NSA-4C和5G-NR分别执行切换程序；在毫米波（mmWave）5G中，NSA切换尤为频繁（每0.13公里一次），而中低频段5G的切换频率较低（每0.35/0.4公里一次），这是由于毫米波基站的覆盖范围较小。

          在切换持续时间方面，NSA 5G的平均切换完成时间为167毫秒，比4G切换长1.19倍。为了理解5G切换时间更长的原因，我们将5G切换分解为多个阶段。研究发现，在NSA 5G中，切换准备阶段（即基站做出切换决策的阶段）占整个切换持续时间的41%。

         与4G相比，NSA 5G的切换准备阶段平均增加了48%，这导致了数据面中断时间更长（比4G长1.4倍）。这表明NSA 5G切换的复杂性可能是主要原因，因为它同时涉及5G基站（gNB）和4G基站（eNB）。令人惊讶的是，我们在许多SA 5G切换中也观察到较高的准备时间，这可能归因于当前SA 5G技术尚不成熟，仍处于商业部署的早期阶段。

       我们还研究了5G切换对UE能耗的影响。结果表明，这种影响不可忽视：一部智能手机以130公里/小时的速度行驶1小时（无用户数据传输或接收），平均会经历553次5G切换，消耗34.7毫安时的能量。相比之下，4G切换仅消耗3.4毫安时的能量。这表明减少与切换相关的信令消息数量非常重要，因为这些消息与5G切换期间能耗的增加呈正相关。

       每分钟9次

 5G切换对运营商的影响是什么？

我们的分析还揭示了运营商侧潜在的改进空间。我们总结了三个关键发现：

首先:

  我们通过广泛的驾驶测试描绘了与切换密切相关的5G小区覆盖情况。我们发现，对于NSA 5G：

  单个5G小区的平均覆盖范围（直径）在低频段、中频段和毫米波频段分别为1.4公里、0.73公里和0.15公里。

特别是对于低频段NSA 5G，尽管数据面（5G-NR）在低频段运行，但其耦合的控制面（NSA-4C）仍然使用中频段，这降低了低频段5G-NR的有效覆盖范围，因为NSA-4C的切换总是会触发5G-NR的切换。

其次:  切换的目的是提高用户设备（UE）的接收信号强度，从而提升吞吐量。然而，我们发现，在两个gNB之间的5G→5G切换往往会降低性能，切换后的中位带宽减少了14%。这是因为NSA 5G不支持gNB之间的直接切换；相反，UE会经历5G→4G和4G→5G的切换，每次切换都是独立进行的，而没有考虑整体（5G→5G）信号强度的提升。

第三:   我们发现，对于NSA切换，如果（源或目标）gNB和eNB位于同一物理塔上，其切换持续时间显著短于gNB和eNB不在同一位置的切换，因为跨塔通信会引入延迟。

这些发现不仅揭示了NSA 5G的新低效问题，还为运营商如何减轻5G切换的影响提供了有价值的提示，例如考虑4G/5G天线的位置，以及在做出切换决策时考虑整体切换顺序。

我们能否预测5G切换以改善应用体验质量？

最后但同样重要的是，我们探索5G切换预测，以帮助应用程序适应并减轻频繁5G切换带来的负面影响。为此，我们开发了一个稳健且有效的5G切换预测框架（称为Prognos）。该框架利用观察到的信号强度读数、用户设备（UE）端的测量报告（MRs）以及过去的切换来预测未来的切换及其类型。Prognos可以与任何符合3GPP标准的5G部署配合使用，而无需从运营商处获取专有信息。Prognos包含一个新颖的两阶段预测流程。它首先预测决定用户设备向基站发送的测量报告的未来信号强度，然后学习基站基于测量报告做出切换决策的逻辑。与单一模型相比，将用户设备测量报告推断和网络侧决策逻辑学习解耦，通过消除间接或不必要的特征，降低了模型复杂性并提高了准确性。

我们使用自己的数据集对Prognos进行了广泛评估。

在预测4G/5G切换方面&#