CC BY
62
АНАЛИЗ ОБРЫВОВ СОЕДИНЕНИЙ ПО ПРОТОКОЛУ E-RAB
МОБИЛЬНОЙ СЕТИ и^/и^^
DOI 10.24411/2072-8735-2018-10327
Фадеев Владимир Анатольевич,
ФГБОУ ВО "Казанский национальный исследовательский технический университет им. А.Н. Туполева-КАИ", г. Казань, Россия, VAFadeev@stud.kai.ru
Корсукова Ксения Алексеевна,
ФГБОУ ВО "Казанский национальный исследовательский технический университет им. А.Н. Туполева-КАИ", г. Казань, Россия, ksenia.belonogova@yandex.ru
Надеев Адель Фирадович,
ФГБОУ ВО "Казанский национальный исследовательский технический университет им. А.Н. Туполева-КАИ", г. Казань, Россия, afnadeev@kai.ru
Ключевые слова: ключевые показатели качества (KPI), протокол RAB (Radio Access Bearer), протокол E-RAB (E-UTRAN Radio Access Bearer), сеть LTE (Long-Term Evolution), сеть LTE-Advanced.
Для изучения свойств сложных систем широко используется подход, основанный на анализе временных рядов, данный подход используется и для изучения эксплуатационных показателей качества сетей сотовой связи стандартов LTE/LTE-A. Показатели качества подразделяются на технические (QoS -Quality of Service) и пользовательские (QoE - Quality of Experience), которые в свою очередь состоят из ряда ключевых показателей производительности (KPI - Key Performace Identifier). Рассматриваются вероятностные характеристики E-RAB протокола сети указанных стандартов одного из региональных сотовых операторов LTE/LTE-A. Основной целью данной работы является детализированный анализ выбранного параметра с точек зрения статистической обработки данных, а также корреляционного анализа, для выявления внутренних взаимосвязей между параметрами качества сети, а также причин возникновения инцидентов нештатной работы. Полученные результаты важны для последующего анализа рассматриваемого параметра, а также для его прогнозирования в краткосрочной и долгосрочной перспективах. Полученные результаты могут быть полезными с точки зрения общего понимания функционирования и э ксплуатации сетей LTE/LTE-A в рамках регионального управления, а также управления сегментами сети в пределах одного часового пояса в части непрерывности предоставления услуг на основе IP-протокола. На основе результатов формируются промежуточные рекомендации по оптимизации выбранного параметра в рамках существующих ресурсов оператора.
Информация об авторах:
Фадеев Владимир Анатольевич, аспирант, ФГБОУ ВО "Казанский национальный исследовательский технический университет им. А.Н. Туполева-КАИ", г. Казань, Россия
Корсукова Ксения Алексеевна, магистрант, ФГБОУ ВО "Казанский национальный исследовательский технический университет им. А.Н. Туполева-КАИ", г. Казань, Россия
Надеев Адель Фирадович, д.ф.-м.н., профессор, ФГБОУ ВО "Казанский национальный исследовательский технический университет им. А.Н. Туполева-КАИ", г. Казань, Россия
Для цитирования:
Фадеев В.А., Корсукова К.А., Надеев А.Ф. Анализ обрывов соединений по протоколу E-RAB мобильной сети LTE/LTE-A // T-Comm: Телекоммуникации и транспорт. 2019. Том 13. №12. С. 4-12.
For citation:
Fadeev V.A., Korsukova K.A., Nadeev A.F. (2019) Analysis of connection releases over E-RAB protocol of the LTE/LTE-a mobile network. T-Comm, vol. 13, no.12, pр. 4-12. (in Russian)
7TT
Введение
В настоящее время одной из наиболее распространенных технологий широкополосного абонентского доступа является технология LTE [1]. В сетях стандарта LTE управляющие функции в значительной части перешли к радиоузлам (e-Node-B), которые, помимо выполнения функций узлов сети радиодоступа, стали участвовать в управлении мобильностью и маршрутизации абонентского трафика. При этом одной из главных проблем является проблема управления чрафиком на радиоинтерфейсе с целью обеспечения заданных показателей качества (QoS - Quality of Service) по каждой предоставляемой услуге
Сеть LTE состоит из двух ключевых компонентов: сети радиодоступа EUTRAN (Evolved Universal Terrestrial Radio Access Network) и базовой сети EPC (Evolved Packet Core) (рис. 1).
KX-
E-tTKAN F.W:
Рис. 1. Архитекту ра сети LTE [2]
LTE-Advanced [3] - это название спецификации 3GPP 10 версии, которым Международный союз электросвязи (МСЭ) присвоил сертификат «IMT-Advanced». Возможность агрегирования спектра является, пожалуй, самой главной характерной особенностью LTE-A и обеспечивает дополнительную гибкость использования спектра, изначально заложенную в системе LTE в форме набора каналов с масштабированной шириной. К LTE-A применяются более жесткие требования, по сравнению с предыдущими технологиями.
Следует отметить, что сегмент LTE/LTE-A является по статистике наиболее уязвимым с точки зрения жалоб абонентов на качество основных видов услуг (рис. 2), в силу изначально больших требований к предоставляемым сервисам, а также высокой нагрузке на сеть указанного стандарта из-за высокой востребованности предоставляемых на базе IP (Internet Protocol) услуг.
В данной работе используются данные регионального оператора сотовой связи, а именно данные относящиеся к сегменту сети LTE/LTE-Л на базе оборудования компании Huawei.
По данному кластеру сот общее количество активных абонентов, одномоментно находящихся в сети, составляет примерно 120 тысяч человек. Общее количество активных абонентов всего сегмента LTE/LTE-A составляет порядка 300 тысяч.
'M'j
Рис. 2. Диаграмма соотношений жалоб абонентов на основные виды услуг рассматриваемого оператора (доля жалоб за месяц составляет примерно 1% от общего числа активных абонентов за тот же период)
Обработка статистических данных становится неотъемлемой частью работы каждой инфокоммуникационной сети. Оборудование, снимающее статистику, относится как к сег-менгу базовых станций, так и к ядру пакетной передачи (рис. 3).
ВТS BSC
Рис. 3. Структурная схема сбора статистики рассматриваемой сети
Одним из ключевых показателей качества (KPI - Key Performance Identifier) является показатель, составленный из неуспешных установлений и соединений по протоколам E-RRC (Evolved Radio Resource Control), и E-RAB (Evolved Radio Access Bearer), а также из количества обрывов соединения по протоколу E-RAB. Методика сбора мезрик неуспешных соединений и разрывов связи, заключающаяся в подсчете инцидентов на каждом этапе установления соединения без включения в статистику инцидентов по предшествующим этапам, позволяет рассматривать каждый из параметров автономно.
В данной работе рассмотрен параметр обрывов соединений по протоколу E-RAB. Согласно [4J E-RAB относится к процедуре конкатенации канала S1 и соответствующего радиоканала (Radio Bearer) (рис, 4).
7ТЛ
T-Comm Vol.I3. #I2-20I9
T-Comm Vol.I3. #I2-20I9
Более детальный анализ причин обрывов (рис. 13) дополняет полученную картину. Данный факт даёт предпосылки к возможном оптимизационным мероприятиям со стороны планирования ресурсов сети.
Характер рассматриваемого параметра позволяет достаточно легко прогнозировать общий тренд изменений в достаточно долгой перспективе (рис. 14), а также простыми методами описывать суточные изменения (рис. 15) с допустимой долей погрешности (МАЕ = 0,018 %). Зафиксированные выбросы не были приняты к подробному рассмотрению по двум основным причинам:
1) значения выбросов не достигали минимальных пороговых значений, заданных оператором;
2) точечный характер выбросов, а также их относительно небольшое количество позволяет считать данные инциденты слабо влияющими на общую картину работы рассматриваемой сети связи.
Следующим этапом нашей работы является анализ инцидентов, связанных с протоколом E-RRC, а также детальное рассмотрение неуспешных попыток соединения по протоколу E-RAB.
Литература
!. LTE // 3GPP. URL: https://www.3gpp.org/technologies/ keywords-acronyms/98-lte (дата обращения 22.08.2019).
2. Gómez G. et al. Towards а QoE-driven resource control in LTti and LTE-A networks //Journal of Computer Networks and Communications. 2013. Vol. 2013.
3. LTE-A // 3GPP. URL: https://www.3gpp.org/technologies/ keywords-acronyms/98-lte (дата обращения 22.08.2019}/
4. Sesia S„ Baker M. Toufik 1. LTE-the UMTS long term evolution: from theory to practice. John Wiley & Sons, 2011, pp. 35-36.
5. VoLTE // 3GPP. URL: https://www.3gpp.org/news-events/partners-news/l 600-gsa_volte (дата обращения 22.08.2019}
6. Stefan van der Walt, S. Chris Colben and Gael Varoquaux. The NumPy Array: A Structure for Efficient Numerical Computation, Computing in Science & Engineering, 13, 22-30 (2011}, DOLIO.I ¡09/MCSE.2011.37 (publisher link}.
7. Wes McKinney. Data Structures for Statistical Computing in Python, Proceedings of the 9th Python in Science Conference, 51-56 (2010} (publisher link}.
8. John D. Hunter. Matplotlib: A 2D Graphics Environment, Computing in Science & Engineering. 9, 90-95 (2007}, DOI: 10.1109/MCSE.2007.55 (publisher link}.
9. Fabian Pedregosa, Gael Varoquaux. Alexandre Gramfort, Vincent Michel, BertramI Thirion. Olivier Grisel. Mathieu Blonde!, Peter Prettenhofer. Run Weiss. Vincent Dubourg, Jake Vanderplas. Alexandre Pas sos, David Coumapeau, Matt hie и Brucher, Matthieu Perrot, Edouard Duchesnay. Scikit-learn: Machine Learning in Python, Journal of Machine Learning Research, 12, 2825-2830 (2011} (publisher link}.
10. Чабдаров Ш.М.. Коробков А.А. Вероятностные спектры случайных величин: условия существования и некоторые свойства // Системы синхронизации, формирования и обработки сигналов. 2018. Т.9. №2. С. 162-169,
11. Gaussian mixture models // Seikil-leam project. URL: https://seikit-learn.org/stable/modules/mixture.html (дата обращения 22.08.2019).
12. Liu Y. et al. Non-orthogonal multiple access for 5G and beyond //arXiv preprint arXiv: 1808.00277. 2018.
13. Garg C„ Kalra A„ Kalra S. Performance Comparison of OKDMA and SCFDMA in LTE Systems.
14. Guide to Optimizing LTE Service Drops // Huawei. URL: https://www.academia.edu/353604l 5/Guide-to-Optimizing-LTE-Service-Drops.pdf (дата обращения 22.08.2019).
15. Lee Y. et al. Effects of time-to-trigger parameter on handover performance in SON-based LTE systems //2010 16th Asia-Pacific Conference on Communications (APCC), IEEE, 2010, C. 492-496.
16. Awada A. et al. A SON-based algorithm for the optimization of inter-RAT handover parameters // IEEE Transactions on Vehicular Technology. 2013. T. 62, №. 5. C. 1906-1923,
17. Nagarajem DR.. Thiagarajah S.P.. Alias M.Y, Robust son system with enhanced handover performance system //20)7 IEEE 13th Malaysia International Conference oil Communications (MICC). IEEE, 2017. C, 276-281,
18. Grits J. Data science from scratch: first principles with python. O'Reilly Media, Inc., 2015. C.199-202.
19. Bruschi R„ Burgarella G„ & Lago P. (2017, September). A Lightweight Prediction Method for Scalable Analytics of Multi-seasonal KPIs. In International Tyrrhenian Workshop on Digital Communication (pp. 61-70). Springer, Cham.
20. Joshi M., Hadi Т.Н. A review of network traffic analysis and prediction techniques//arXiv preprint arXiv: 1507.05722. 2015.
21. Feng N.. Shtt Y. Study on network traffic prediction techniques // Wireless Communications, Networking and Mobile Computing/2005 Proceedings. 2005 Intcrnatonal Conference on. IEEE, 2005. Vol.2, pp. 1041-1044.
22. Katris C., Daskalaki S. Comparing forecasting approaches for Internet traffic // Expert Systems with Applications. 2015. Vol. 42. No. 21, pp. 8172-8183.
7TT
ANALYSIS OF CONNECTION RELEASES OVER E-RAB PROTOCOL OF THE LTE/LTE-A MOBILE NETWORK
Vladimir A. Fadeev, Kazan National Research Technical University named after A.N. Tupolev-KAI, Kazan, Russia,
vladimir_fadeev1993@mail.ru
Ksenia A. Korsukova, Kazan National Research Technical University named after A.N. Tupolev-KAI, Kazan, Russia,
ksenia.belonogova@yandex.ru
Adel F. Nadeev, Kazan National Research Technical University named after A.N. Tupolev-KAI, Kazan, Russia,
nad15@mail.ru
Abstract
Currently, an approach based on the analysis of time series is widely used to research the properties of complex systems. In particular, this approach is also used to analyze the performance indicators of the quality of cellular networks of LTE/LTE-A standards. As a rule, quality indicators are divided into technical (QoS - Quality of Service) and user-defined (QoE - Quality of Experience), which consist of a number of key performance indicators (KPI). This paper discusses the characteristics of the percentage of disconnections over the E-RAB protocol of the network of the specified standards of one of the regional cellular operators of the Russian Federation. The main goal of this work is a detailed analysis of the selected parameter from the point of view of statistical data processing, as well as correlation analysis, to identify the internal relationships between network quality parameters, as well as the causes of abnormal work incidents. The results obtained are important for the subsequent analysis of the parameter under consideration, as well as for its forecasting in the short and long term. The experience gained in this work is also important from the point of view of a general understanding of the operation and optimization of LTE/LTE-A networks within the framework of regional management, or the management of network segments within the same time zone. Namely, in terms of the continuity of the provision of services based on the IP protocol. Based on the results, intermediate recommendations are generated on optimizing the selected parameter within the framework of the existing operator resources, which is a demonstration of the importance of this study from the point of view of technical applicability.
Keywords: KPI, RAB (Radio Access Bearer), E-RAB Protocol (E-UTRAN Radio Access Bearer), LTE, LTE-A. References
1. LTE // 3GPP. URL: https://www.3gpp.org/technologies/keywords-acronyms/98-lte (Downloaded: 22 August 2019).
2. Gomez G., et al. Towards a QoE-driven resource control in LTE and LTE-A networks. Journal of Computer Networks and Communications. 2013. Vol. 2013.
3. LTE-A // 3GPP. URL: https://www.3gpp.org/technologies/keywords-acronyms/98-lte (Downloaded: 22 August 2019).
4. Sesia S., Baker M., Toufik I. (2011). LTE-the UMTS long term evolution: from theory to practice. John Wiley & Sons, pp. 35-36.
5. VoLTE // 3GPP. URL: https://www.3gpp.org/news-events/partners-news/l600-gsa_volte (Downloaded: 22 August 2019).
6. Stefan van der Walt, S. Chris Colbert and Gael Varoquaux. (2011). The NumPy Array: A Structure for Efficient Numerical Computation. Computing in Science & Engineering, 13, pp. 22-30. D0I:l0.ll09/MCSE.20ll.37. (publisher link)
7. Wes McKinney. Data Structures for Statistical Computing in Python. (20l0). Proceedings of the 9th Python in Science Conference, pp. 5l-56. (publisher link)
8. John D. Hunter. (2007). Matplotlib: A 2D Graphics Environment. Computing in Science & Engineering. No. 9, pp. 90-95, D0I:l0.ll09/MCSE.2007.55 (publisher link)
9. Fabian Pedregosa, et al. (20ll). Scikit-learn: Machine Learning in Python. Journal of Machine Learning Research. No. l2, pp. 2825-2830. (publisher link)
10. Chabdarov Sh.M., Korobkov A.A. (2018). Probabilistic spectra of random variables: conditions of existence and some properties. Systems of Synchronization, signal formation and processing. 20l8. Vol. 9. No.2, pp. l62-l69.
11. Gaussian mixture models // Scikit-learn project. URL: https://scikit-learn.org/stable/modules/mixture.html (Downloaded: 22 August 20l9).
12. Liu Y., et al. Non-orthogonal multiple access for 5G and beyond //arXiv preprint arXiv:l808.00277. 20l8.
13. Garg C., Kalra A., Kalra S. Performance Comparison of OFDMA and SCFDMA in LTE Systems.
14. Guide to Optimizing LTE Service Drops // Huawei. URL: https://www.academia.edu/353604l5/Guide-to-0ptimizing-LTE-Service-Drops.pdf (Downloaded: 22 August 20l9).
15. Lee Y., et al. (20l0). Effects of time-to-trigger parameter on handover performance in SON-based LTE systems. 2010 16th Asia-Pacific Conference on Communications (APCC). IEEE, pp. 492-496.
16. Awada A. et al. (20l3). A SON-based algorithm for the optimization of inter-RAT handover parameters. IEEE Transactions on Vehicular Technology. -Vol. 62. No. 5, pp. l906-l923.
17. Nagarajan D. R., Thiagarajah S. P., Alias M. Y. (20l7). Robust son system with enhanced handover performance system. 2017 IEEE 13th Malaysia International Conference on Communications (MICC). IEEE, pp. 276-28l.
18. Grus J. (20l5). Data science from scratch: first principles with python. O'Reilly Media, Inc., pp. l99-202.
19. Bruschi R., Burgarella G., & Lago P. (20l7, September). A Lightweight Prediction Method for Scalable Analytics of Multi-seasonal KPIs. International Tyrrhenian Workshop on Digital Communication (pp. 6l-70). Springer, Cham.
20. Joshi M., Hadi T.H. (20l5). A review of network traffic analysis and prediction techniques//arXiv preprint arXiv:l507.05722.
21. Feng H., Shu Y. (2005). Study on network traffic prediction techniques. Wireless Communications, Networking and Mobile Computing. 2005 International Conference on. IEEE. Vol. 2, pp. l04l-l044.
22. Katris C., Daskalaki S. (2015). Comparing forecasting approaches for Internet traffic. Expert Systems with Applications. Vol. 42. No.. 2l, pp. 8l72-8l83.
