KR20230155287A - 무선 통신 시스템에서 네트워크 혼잡 정보에 기반하여 머신 러닝 모델을 결정하기 위한 방법 및 장치 - Google Patents

무선 통신 시스템에서 네트워크 혼잡 정보에 기반하여 머신 러닝 모델을 결정하기 위한 방법 및 장치 Download PDF

Info

Publication number
KR20230155287A
KR20230155287A KR1020220055000A KR20220055000A KR20230155287A KR 20230155287 A KR20230155287 A KR 20230155287A KR 1020220055000 A KR1020220055000 A KR 1020220055000A KR 20220055000 A KR20220055000 A KR 20220055000A KR 20230155287 A KR20230155287 A KR 20230155287A
Authority
KR
South Korea
Prior art keywords
network
terminal
information
request message
amf
Prior art date
Application number
KR1020220055000A
Other languages
English (en)
Inventor
박중신
메다드 샬리아트
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020220055000A priority Critical patent/KR20230155287A/ko
Priority to PCT/KR2023/005861 priority patent/WO2023214752A1/en
Priority to US18/309,297 priority patent/US20230362716A1/en
Publication of KR20230155287A publication Critical patent/KR20230155287A/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0803—Configuration setting
    • H04L41/0813—Configuration setting characterised by the conditions triggering a change of settings
    • H04L41/082—Configuration setting characterised by the conditions triggering a change of settings the condition being updates or upgrades of network functionality
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • H04L43/0876—Network utilisation, e.g. volume of load or congestion level
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/10—Flow control; Congestion control
    • H04L47/11—Identifying congestion
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/08—Testing, supervising or monitoring using real traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/0284—Traffic management, e.g. flow control or congestion control detecting congestion or overload during communication
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/0289—Congestion control
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W60/00—Affiliation to network, e.g. registration; Terminating affiliation with the network, e.g. de-registration
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W8/00—Network data management
    • H04W8/18—Processing of user or subscriber data, e.g. subscribed services, user preferences or user profiles; Transfer of user or subscriber data
    • H04W8/20—Transfer of user or subscriber data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
    • H04W88/14—Backbone network devices
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/20—Arrangements for monitoring or testing data switching networks the monitoring system or the monitored elements being virtualised, abstracted or software-defined entities, e.g. SDN or NFV

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

본 개시는 보다 높은 데이터 전송률을 지원하기 위한 5G 또는 6G 통신 시스템에 관련한 것이다. 본 개시는 4G 시스템 이후 보다 높은 데이터 전송률을 지원하기 위한 5G 통신 시스템을 IoT 기술과 융합하는 통신 기법 및 그 시스템에 관한 것이다. 본 개시는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스 (예를 들어, 스마트 홈, 스마트 빌딩, 스마트 시티, 스마트 카 혹은 커넥티드 카, 헬스 케어, 디지털 교육, 소매업, 보안 및 안전 관련 서비스 등)에 적용될 수 있다. 본 개시의 다양한 실시예들에 따르면, 무선 통신 시스템에 있어서, AMF(access and mobility management function)에 의해 수행되는 방법은, 단말로부터 네트워크 상태 정보의 요청을 포함하는 등록 요청 메시지를 수신하는 단계, 상기 수신한 등록 요청 메시지에 기반하여 상기 단말이 요청한 상기 네트워크 상태 정보가 허용 가능한지 결정하는 단계, 상기 단말에게 상기 결정한 네트워크 상태 정보를 포함하는 등록 응답 메시지를 송신하는 단계, 상기 수신한 등록 요청 메시지에 기반하여, SMF(session management function) 또는 UPF(user plane function) 중 적어도 하나 및 NWDAF(network data collection and analysis function)에게 자원 상태 정보 또는 네트워크 성능 분석 정보 중 적어도 하나를 요청하는 네트워크 상태 정보 요청 메시지를 송신하는 단계, 상기 송신한 네트워크 상태 정보 요청 메시지에 기반하여, 상기 자원 상태 정보 또는 네트워크 성능 분석 정보 중 적어도 하나가 포함된 네트워크 상태 정보 응답 메시지를 수신하는 단계, 상기 수신한 네트워크 상태 정보 응답 메시지에 기반하여 네트워크의 혼잡 수준에 관한 정보를 결정하는 단계, 및 상기 결정한 네트워크의 혼잡 수준에 대한 정보를 포함하는 제어 메시지를 상기 단말에게 송신하는 단계를 포함할 수 있다.

Description

무선 통신 시스템에서 네트워크 혼잡 정보에 기반하여 머신 러닝 모델을 결정하기 위한 방법 및 장치 {METHOD AND APPARATUS FOR DETERMINING A MACHINE LEARNING MODEL BASED ON NETWORK CONGESTION INFORMATION IN A WIRELESS COMMUNICATION SYSTEM}
본 개시는 무선 통신 시스템에서 머신 러닝 모델 및 알고리즘을 결정하기 위한 방법 및 장치에 관한 것이다.
구체적으로, 본 개시는 무선 통신 시스템에서 단말의 머신 러닝 애플리케이션이 네트워크로부터 네트워크 혼잡 정보를 수신하고, 수신한 정보에 기반하여 애플리케이션에 적용할 머신 러닝 모델을 결정하는 방법 및 장치에 관한 것이다.
5G 이동통신 기술은 빠른 전송 속도와 새로운 서비스가 가능하도록 넓은 주파수 대역을 정의하고 있으며, 3.5 기가 헤르츠(3.5GHz) 등 6GHz 이하 주파수('Sub 6GHz') 대역은 물론 28GHz와 39GHz 등 밀리미터파(㎜Wave)로 불리는 초고주파 대역('Above 6GHz')에서도 구현이 가능하다. 또한, 5G 통신 이후(Beyond 5G)의 시스템이라 불리어지는 6G 이동통신 기술의 경우, 5G 이동통신 기술 대비 50배 빨라진 전송 속도와 10분의 1로 줄어든 초저(Ultra Low) 지연시간을 달성하기 위해 테라 헤르츠(Terahertz) 대역(예를 들어, 95GHz에서 3 테라 헤르츠(3THz) 대역과 같은)에서의 구현이 고려되고 있다.
5G 이동통신 기술의 초기에는, 초광대역 서비스(enhanced Mobile Broad Band, eMBB), 고신뢰/초저지연 통신(Ultra-Reliable Low-Latency Communications, URLLC), 대규모 기계식 통신 (massive Machine-Type Communications, mMTC)에 대한 서비스 지원과 성능 요구사항 만족을 목표로, 초고주파 대역에서의 전파의 경로손실 완화 및 전파의 전달 거리를 증가시키기 위한 빔 포밍(Beamforming) 및 거대 배열 다중 입출력(Massive MIMO), 초고주파수 자원의 효율적 활용을 위한 다양한 뉴머롤로지 지원(복수 개의 서브캐리어 간격 운용 등)와 슬롯 포맷에 대한 동적 운영, 다중 빔 전송 및 광대역을 지원하기 위한 초기 접속 기술, BWP(Band-Width Part)의 정의 및 운영, 대용량 데이터 전송을 위한 LDPC(Low Density Parity Check) 부호와 제어 정보의 신뢰성 높은 전송을 위한 폴라 코드(Polar Code)와 같은 새로운 채널 코딩 방법, L2 선-처리(L2 pre-processing), 특정 서비스에 특화된 전용 네트워크를 제공하는 네트워크 슬라이싱(Network Slicing) 등에 대한 표준화가 진행되었다.
현재, 5G 이동통신 기술이 지원하고자 했던 서비스들을 고려하여 초기의 5G 이동통신 기술 개선(improvement) 및 성능 향상(enhancement)을 위한 논의가 진행 중에 있으며, 차량이 전송하는 자신의 위치 및 상태 정보에 기반하여 자율주행 차량의 주행 판단을 돕고 사용자의 편의를 증대하기 위한 V2X(Vehicle-to-Everything), 비 면허 대역에서 각종 규제 상 요구사항들에 부합하는 시스템 동작을 목적으로 하는 NR-U(New Radio Unlicensed), NR 단말 저전력 소모 기술(UE Power Saving), 지상 망과의 통신이 불가능한 지역에서 커버리지 확보를 위한 단말-위성 직접 통신인 비 지상 네트워크(Non-Terrestrial Network, NTN), 위치 측위(Positioning) 등의 기술에 대한 물리계층 표준화가 진행 중이다.
뿐만 아니라, 타 산업과의 연계 및 융합을 통한 새로운 서비스 지원을 위한 지능형 공장 (Industrial Internet of Things, IIoT), 무선 백홀 링크와 액세스 링크를 통합 지원하여 네트워크 서비스 지역 확장을 위한 노드를 제공하는 IAB(Integrated Access and Backhaul), 조건부 핸드오버(Conditional Handover) 및 DAPS(Dual Active Protocol Stack) 핸드오버를 포함하는 이동성 향상 기술(Mobility Enhancement), 랜덤 액세스 절차를 간소화하는 2 단계 랜덤 액세스(2-step RACH for NR) 등의 기술에 대한 무선 인터페이스 아키텍쳐/프로토콜 분야의 표준화 역시 진행 중에 있으며, 네트워크 기능 가상화(Network Functions Virtualization, NFV) 및 소프트웨어 정의 네트워킹(Software-Defined Networking, SDN) 기술의 접목을 위한 5G　베이스라인 아키텍쳐(예를 들어, Service based Architecture, Service based Interface), 단말의 위치에 기반하여 서비스를 제공받는 모바일 엣지 컴퓨팅(Mobile Edge Computing, MEC) 등에 대한 시스템 아키텍쳐/서비스 분야의 표준화도 진행 중이다.
이와 같은 5G 이동통신 시스템이 상용화되면, 폭발적인 증가 추세에 있는 커넥티드 기기들이 통신 네트워크에 연결될 것이며, 이에 따라 5G 이동통신 시스템의 기능 및 성능 강화와 커넥티드 기기들의 통합 운용이 필요할 것으로 예상된다. 이를 위해, 증강현실(Augmented Reality, AR), 가상현실(Virtual Reality, VR), 혼합 현실(Mixed Reality, MR) 등을 효율적으로 지원하기 위한 확장 현실(eXtended Reality, XR), 인공지능(Artificial Intelligence, AI) 및 머신러닝(Machine Learning, ML)을 활용한 5G 성능 개선 및 복잡도 감소, AI 서비스 지원, 메타버스 서비스 지원, 드론 통신 등에 대한 새로운 연구가 진행될 예정이다.
또한, 이러한 5G 이동통신 시스템의 발전은 6G 이동통신 기술의 테라 헤르츠 대역에서의 커버리지 보장을 위한 신규 파형(Waveform), 전차원 다중입출력(Full Dimensional MIMO, FD-MIMO), 어레이 안테나(Array Antenna), 대규모 안테나(Large Scale Antenna)와 같은 다중 안테나 전송 기술, 테라 헤르츠 대역 신호의 커버리지를 개선하기 위해 메타물질(Metamaterial) 기반 렌즈 및 안테나, OAM(Orbital Angular Momentum)을 이용한 고차원 공간 다중화 기술, RIS(Reconfigurable Intelligent Surface) 기술 뿐만 아니라, 6G 이동통신 기술의 주파수 효율 향상 및 시스템 네트워크 개선을 위한 전이중화(Full Duplex) 기술, 위성(Satellite), AI(Artificial Intelligence)를 설계 단계에서부터 활용하고 종단간(End-to-End) AI 지원 기능을 내재화하여 시스템 최적화를 실현하는 AI 기반 통신 기술, 단말 연산 능력의 한계를 넘어서는 복잡도의 서비스를 초고성능 통신과 컴퓨팅 자원을 활용하여 실현하는 차세대 분산 컴퓨팅 기술 등의 개발에 기반이 될 수 있을 것이다.
한편, 인터넷은 인간이 정보를 생성하고 소비하는 인간 중심의 연결 망에서, 사물 등 분산된 구성 요소들 간에 정보를 주고 받아 처리하는 사물인터넷(Internet of Things, IoT) 망으로 진화하고 있다. IoE(Internet of Everything) 기술은 클라우드 서버 등과의 연결을 통한 빅 데이터(Big data) 처리 기술 등이 IoT 기술에 결합된 하나의 예가 될 수 있다.
IoT를 구현하기 위해서, 센싱 기술, 유무선 통신 및 네트워크 인프라, 서비스 인터페이스 기술, 및 보안 기술 등과 같은 기술 요소 들이 요구되어, 최근에는 사물간의 연결을 위한 센서 네트워크(sensor network), 사물 통신(Machine to Machine, M2M), MTC(Machine Type Communication) 등의 기술이 연구되고 있다.
IoT 환경에서는 연결된 사물들에서 생성된 데이터를 수집, 분석하여 인간의 삶에 새로운 가치를 창출하는 지능형 IT(Internet Technology) 서비스가 제공될 수 있다. IoT는 기존의 IT 기술과 다양한 산업 간의 융합 및 복합을 통하여 스마트홈, 스마트 빌딩, 스마트 시티, 스마트 카 혹은 커넥티드 카, 스마트 그리드, 헬스 케어, 스마트 가전, 첨단의료서비스 등의 분야에 응용될 수 있다.
이에, 5G 통신 시스템을 IoT 망에 적용하기 위한 다양한 시도들이 이루어지고 있다. 예를 들어, 센서 네트워크, 사물 통신, MTC 등의 기술이 5G 통신 기술이 빔 포밍, MIMO, 및 어레이 안테나 등의 기법에 의해 구현되고 있는 것이다. 앞서 설명한 빅 데이터 처리 기술로써 클라우드 무선 액세스 네트워크(cloud RAN)가 적용되는 것도 5G 기술과 IoT 기술 융합의 일 예라고 할 수 있을 것이다.
상술한 바와 같은 이동 통신 시스템의 발전에 따라 단말이 이동 통신 시스템을 통해 네트워크의 서버가 제공하는 컴퓨팅 능력을 필요에 따라 손쉽게 이용할 수 있게 되면서, 단말에서는 불가능한 것으로 여겨졌던 복잡한 연산을 필요로 하는 머신 러닝(Machine Learning, ML) 알고리즘을 적용하는 AI 애플리케이션들의 활용이 점차 고려되고 있다. 이러한 AI 애플리케이션들은 무선 통신 시스템을 통해 네트워크 서버의 자원을 활용하는 방식으로, 무선 통신 시스템의 통신 상태에 따라 사용자가 체감하는 애플리케이션의 성능이 크게 영향을 받게 되며, 이에 따라 무선 통신 시스템의 상태에 대응하여 ML 모델이나 알고리즘을 제어할 수 있는 방법이 요구된다.
상술한 바와 같은 논의를 바탕으로, 본 개시(disclosure)는, 무선 통신 시스템에서 어플리케이션의 원활한 효율성을 제공할 수 있는 장치 및 방법을 제공하고자 한다.
또한, 본 개시는 무선 통신 시스템에서 단말이 네트워크 상태 정보를 요청하여 수신하고 이로부터 애플리케이션에 적용할 머신 러닝 모델 및 알고리즘을 결정하는 방법 및 장치를 제공한다.
본 개시는 무선 통신 시스템에서 데이터의 분석 및 수집 기능을 제공하는 네트워크 엔티티에서 단말(user equipment, UE)이 요청한 네트워크 상태 정보를 제공하는 방법 및 장치를 제공한다.
본 개시는 네트워크 혼잡 상태의 분석에 필요한 데이터를 전달하기 위한 네트워크 기능(network function, NF) 엔티티들 간의 신호 흐름을 제어하는 방법 및 장치를 제공한다.
본 개시는 네트워크 상태 정보를 단말로 전달하기 위한 단말 및 네트워크 기능 엔티티들 간의 신호 흐름을 제어하는 방법 및 장치를 제공한다.
본 개시의 다양한 실시예들에 따른, 무선 통신 시스템에서 AMF(access and mobility management function)에 의해 수행되는 방법은, 단말로부터 네트워크 상태 정보의 요청을 포함하는 등록 요청 메시지를 수신하는 단계, 상기 수신한 등록 요청 메시지에 기반하여 상기 단말이 요청한 상기 네트워크 상태 정보가 허용 가능한지 결정하는 단계, 상기 단말에게 상기 결정한 네트워크 상태 정보와 관련한 등록 응답 메시지를 송신하는 단계, 상기 수신한 등록 요청 메시지에 기반하여, SMF(session management function) 또는 UPF(user plane function) 중 적어도 하나 및 NWDAF(network data collection and analysis function)에게 자원 상태 정보 또는 네트워크 성능 분석 정보 중 적어도 하나를 요청하는 네트워크 상태 정보 요청 메시지를 송신하는 단계, 상기 송신한 네트워크 상태 정보 요청 메시지에 기반하여, 상기 자원 상태 정보 또는 네트워크 성능 분석 정보 중 적어도 하나가 포함된 네트워크 상태 정보 응답 메시지를 수신하는 단계, 상기 수신한 네트워크 상태 정보 응답 메시지에 기반하여 네트워크의 혼잡 수준에 관한 정보를 결정하는 단계, 및 상기 결정한 네트워크의 혼잡 수준에 대한 정보를 포함하는 제어 메시지를 상기 단말에게 송신하는 단계를 포함할 수 있다.
일 실시예에 따라, 상기 단말이 요청한 네트워크 상태 정보가 허용 가능한지 결정하는 단계는, 상기 수신한 등록 요청 메시지에 기반하여, 상기 단말의 ID(identifier)를 포함하는 단말 정보 요청 메시지를 UDM에게 송신하는 단계, 상기 송신한 단말 정보 요청 메시지에 기반하여, 상기 단말의 가입 정보를 포함하는 단말 정보 응답 메시지를 수신하는 단계, 및 상기 수신한 단말 정보 응답 메시지에 기반하여 상기 단말이 요청한 상기 네트워크 상태 정보가 허용 가능한지 결정하는 단계를 더 포함할 수 있다.
본 개시의 다양한 실시예들에 따라, 무선 통신 시스템에 있어서, 단말에 의해 수행되는 방법은, AMF(access and mobility management function)에게 네트워크 상태 정보의 요청을 포함하는 등록 요청 메시지를 송신하는 단계, 상기 AMF로부터, 상기 송신한 등록 요청 메시지에 기반하여 상기 AMF에 의해 결정된, 상기 네트워크 상태 정보를 포함하는 등록 응답 메시지 및 네트워크의 혼잡 수준에 대한 정보를 포함하는 제어 메시지를 수신하는 단계, 상기 수신한 제어 메시지에 기반하여 AI(artificial intelligence) 또는 ML(machine learning)의 모델을 결정하는 단계, 및 상기 결정된 AI 또는 ML의 모델 또는 상기 네트워크 상태 정보 중 적어도 하나를 포함하는 AI 또는 ML의 모델 변경 요청 메시지를 ML 서버에게 송신하는 단계를 포함할 수 있다.
본 개시의 다양한 실시예들은 무선 통신 시스템에서 서비스를 효과적으로 제공할 수 있는 장치 및 방법을 제공할 수 있다.
본 개시에서 얻을 수 있는 효과는 다양한 실시예들에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 개시의 다양한 실시예들에 따른 무선 통신 시스템에서 코어 망 객체들(core network entity)을 포함하는 통신 망(communication network)을 도시한다.
도 2a는 본 개시의 다양한 실시예들에 따른 무선 통신 시스템에서 코어 망을 포함하는 무선 환경을 도시한다.
도 2b는 본 개시의 다양한 실시예들에 따른 무선 통신 시스템에서 코어 망 객체의 구성을 도시한다.
도 2c는 본 개시의 다양한 실시예들에 따른 무선 통신 시스템에서 단말의 구성을 도시한다.
도 3은 본 개시의 다양한 실시예들에 따른 네트워크 데이터 수집 및 분석 기능을 포함하는 통신 망을 도시한다.
도 4는 본 개시의 다양한 실시예들에 따른 단말이 네트워크 혼잡 정보를 수신하고 적용하는 무선 통신 시스템의 개괄적인 구조를 도시한다.
도 5는 본 개시의 다양한 실시예들에 따른 단말이 네트워크 데이터의 수집 및 분석하기 위한 신호의 흐름을 도시한다.
도 6은 본 개시의 다양한 실시예들에 따른 단말이 수신한 네트워크 혼잡 정보에 기반하여 적용할 모델 및 알고리즘을 변경하기 위한 신호의 흐름을 도시한다.
도 7은 본 개시의 다양한 실시예들에 따른 네트워크 혼잡 정보에 기반하여 머신 러닝 모델을 결정하기 위한 AMF의 동작 흐름도를 도시한다.
도 8은 본 개시의 다양한 실시예들에 따른 네트워크 혼잡 정보에 기반하여 머신 러닝 모델을 결정하기 위한 단말의 동작 흐름도를 도시한다.
이하 본 개시의 실시예들이 첨부한 도면과 함께 상세히 서술된다.
본 개시의 실시예들을 설명함에 있어서 관련된 기능 혹은 구성에 대한 구체적인 설명이 본 개시의 요지를 불필요하게 흐릴 수 있다고 판단된 경우 그 상세한 설명은 생략한다. 그리고 후술되는 용어들은 본 개시에서의 기능을 고려하여 정의된 용어로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
마찬가지 이유로 첨부 도면에 있어서 일부 구성요소는 과장되거나 생략되거나 개략적으로 도시될 수 있다. 또한, 각 구성요소의 크기는 실제 크기를 전적으로 반영하는 것이 아니다. 각 도면에서 동일한 또는 대응하는 구성요소에는 동일한 참조 번호를 부여하였다.
본 개시의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 개시는 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 실시예들은 본 개시의 설명이 완전하도록 하고, 본 개시의 실시예들이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 개시의 청구하고자 하는 범위는 청구항의 범주에 의해 정의될 뿐이다.
이때, 처리 흐름도를 보이는 도면들의 각 블록과 처리 흐름도 도면들의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수 있음을 이해할 수 있을 것이다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서를 통해 수행되는 그 인스트럭션들이 흐름도 블록(들)에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 흐름도 블록(들)에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 흐름도 블록(들)에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.
또한, 각 블록은 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실행 예들에서는 블록들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
본 개시에서 사용되는 '~부(unit or part)'라는 용어는 소프트웨어 또는 FPGA(field-Programmable Gate Array) 또는 ASIC(Application Specific Integrated Circuit)과 같은 하드웨어 구성요소를 의미하며, '~부'는 특정한 역할들을 수행하도록 구성될 수 있다. 그렇지만 '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 실행시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들, 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다. 또한 실시예에서 '~부'는 하나 이상의 프로세서 및/또는 장치를 포함할 수 있다.
이하 설명의 편의를 위하여, 3GPP(3rd Generation Partnership Project Long Term Evolution) 기반의 통신 규격(예를 들어 5G, NR, LTE 또는 이와 유사한 시스템의 규격)에서 정의하고 있는 용어 및 명칭들이 일부 사용될 수 있다. 하지만, 본 개시가 용어 및 명칭들에 의해 한정되는 것은 아니며, 다른 규격에 따르는 시스템에도 동일하게 적용될 수 있다.
이하 설명에서 사용되는 접속 노드(node)를 식별하기 위한 용어, 네트워크 개체(network entity)들을 지칭하는 용어, 메시지들을 지칭하는 용어, 망 객체들 간 인터페이스를 지칭하는 용어, 또는 다양한 식별 정보들을 지칭하는 용어는 설명의 편의를 위해 예시된 것이다. 따라서, 본 개시는 이하에서 설명되는 용어들에 한정되는 것은 아니며, 동등한 기술적 의미를 가지는 대상을 지칭하는 다른 용어가 사용될 수 있다.
이하 본 개시는 무선 통신 시스템에서 머신 러닝(machine learning, ML) 모델을 결정하기 위한 장치 및 방법에 관한 것이다. 구체적으로, 본 개시는 무선 통신 시스템에서 단말의 머신 러닝 애플리케이션이 네트워크로부터 네트워크 혼잡 정보를 수신하고, 수신한 정보에 기반하여 애플리케이션에 적용할 머신 러닝 모델을 결정하기 위한 기술을 설명한다.
도 1은 본 개시의 다양한 실시예들에 따른 무선 통신 시스템에서 코어 망 객체들(core network entities)을 포함하는 통신 망(communication network)을 도시한다. 5G 이동통신 네트워크는 5G UE(user equipment)(110), 5G RAN(radio access network)(120), 및 5G 코어망을 포함하여 구성될 수 있다.
5G 코어망은 UE의 이동성 관리 기능을 제공하는 AMF(access and mobility management function)(150), 세션 관리 기능을 제공하는 SMF(session management function)(160), 데이터 전달 역할을 수행하는 UPF(user plane function)(170), 정책 제어 기능을 제공하는 PCF(policy control function)(180), 가입자 데이터 및 정책 제어 데이터 등 데이터 관리 기능을 제공하는 UDM(unified data management)(153) 또는 다양한 네트워크 기능(network function)들의 데이터를 저장 하는 UDR(unified data repository) 등의 네트워크 기능들을 포함하여 구성될 수 있다.
도 1을 참조하면, 단말(user equipment, UE)(110)은 기지국(예: eNB, gNB)과 형성되는 무선 채널, 즉 액세스 네트워크를 통해 통신을 수행할 수 있다. 일부 실시예들에서, 단말(110)은 사용자에 의해 사용되는 장치로서, 사용자 인터페이스(user interface, UI)를 제공하도록 구성된 장치일 수 있다. 일 예시로, UE(110)는 주행(driving)을 위한 자동차(vehicle)에 장착된(equipment) 단말일 수 있다. 다른 일부 실시예들에서, 단말(110)은 사용자의 관여 없이 운영되는 기계 타입 통신(machine type communication, MTC)을 수행하는 장치이거나, 또는 자율 주행차량(autonomous vehicle)일 수 있다. UE는 전자 장치 외 '단말(terminal)', '차량용 단말(vehicle terminal)', '사용자 장비(user equipment, UE)', '이동국(mobile station)', '가입자국(subscriber station)', '원격 단말(remote terminal)', '무선 단말(wireless terminal)', 또는 '사용자 장치(user device)' 또는 이와 동등한 기술적 의미를 가지는 다른 용어로 지칭될 수 있다. 단말기로서, UE 외에 고객댁내장치(Customer-premises equipment, CPE) 또는 동글(dongle) 타입 단말이 이용될 수 있다. 고객댁내장치는 UE와 같이 NG-RAN 노드에 연결되는 한편, 다른 통신 장비(예: 랩탑)에게 네트워크를 제공할 수 있다.
도 1을 참조하면, AMF(150)는 단말(110) 단위의 접속 및 이동성 관리를 위한 기능을 제공하며, 하나의 단말(110) 당 기본적으로 하나의 AMF(150)에 연결될 수 있다. 구체적으로, AMF(150)는 3GPP 액세스 네트워크들 간의 이동성을 위한 코어 네트워크 노드들 간 시그널링, 무선 액세스 네트워크(예: 5G RAN)(120) 간 인터페이스(N2 인터페이스), 단말(110)과의 NAS 시그널링, SMF(160)의 식별, 단말(110)과 SMF(160) 간의 세션 관리(session management, SM) 메시지의 전달 제공 중 적어도 하나의 기능을 수행할 수 있다. AMF(150)의 일부 또는 전체의 기능들은 하나의 AMF(150)의 단일 인스턴스(instance) 내에서 지원될 수 있다.
도 1을 참조하면, SMF(160)는 세션 관리 기능을 제공하며, 단말(110)이 다수 개의 세션을 가지는 경우 각 세션 별로 서로 다른 SMF(160)에 의해 관리될 수 있다. 구체적으로, SMF(160)는 세션 관리(예를 들어, UPF(170)와 액세스 네트워크 노드 간의 터널(tunnel) 유지를 포함하여 세션 확립, 수정 및 해제), UP(user plane) 기능의 선택 및 제어, UPF(170)에서 트래픽을 적절한 목적지로 라우팅하기 위한 트래픽 스티어링(traffic steering) 설정, NAS 메시지의 SM 부분의 종단, 하향링크 데이터 통지(downlink data notification, DDN), AN 특정 SM 정보의 개시자(예: AMF(150)를 경유하여 N2 인터페이스 통해 액세스 네트워크에게 전달) 중 적어도 하나의 기능을 수행할 수 있다. SMF(160)의 일부 또는 전체의 기능들은 하나의 SMF(160)의 단일 인스턴스(instance) 내에서 지원될 수 있다.
3GPP 시스템에서는 5G 시스템 내 NF(network function)들 간을 연결하는 개념적인 링크들은 참조 포인트(reference point)라고 지칭될 수 있다. 참조 포인트는 인터페이스(interface)라고 지칭될 수도 있다. 다음은 도 1 내지 도 7에 걸쳐 표현된 5G 시스템 아키텍처에 포함되는 참조 포인트를 예시한다.
- N1: UE(110)와 AMF(150) 간의 참조 포인트
- N2: (R)AN(120)과 AMF(150) 간의 참조 포인트
- N3: (R)AN(120)과 UPF(170) 간의 참조 포인트
- N4: SMF(160)와 UPF(170) 간의 참조 포인트
- N5: PCF(180)와 AF(130) 간의 참조 포인트
- N6: UPF(170)와 DN(140) 간의 참조 포인트
- N7: SMF(160)와 PCF(180) 간의 참조 포인트
- N8: UDM(153)과 AMF(150) 간의 참조 포인트
- N9: 2개의 코어 UPF(170)들 간의 참조 포인트
- N10: UDM(153)과 SMF(160) 간의 참조 포인트
- N11: AMF(150)와 SMF(160) 간의 참조 포인트
- N12: AMF(150)와 인증 서버 기능(authentication server function , AUSF)(151) 간의 참조 포인트
- N13: UDM(153)과 인증 서버 기능(151) 간의 참조 포인트
- N14: 2개의 AMF(150)들 간의 참조 포인트
- N15: 비-로밍 시나리오의 경우, PCF(180)와 AMF(150) 간의 참조 포인트, 로밍 시나리오의 경우 방문 네트워크(visited network) 내 PCF(180)와 AMF(150) 간의 참조 포인트
도 2a는 본 개시의 다양한 실시예들에 따른 무선 통신 시스템에서 코어 망(200)을 포함하는 무선 환경을 도시한다.
도 2a를 참조하면, 무선 통신 시스템은 무선 접속 망(radio access network, RAN)(120) 및 코어 망(core network, CN)(200)을 포함한다.
무선 접속 망(120)은 사용자 장치, 예를 들어, 단말(110)과 직접 연결되는 네트워크로서, 단말(110)에게 무선 접속을 제공하는 인프라스트럭쳐(infrastructure)이다. 무선 접속 망(120)은 기지국(125)을 포함하는 복수의 기지국들의 집합을 포함하며, 복수의 기지국들은 상호 간 형성된 인터페이스를 통해 통신을 수행할 수 있다. 복수의 기지국들 간 인터페이스들 중 적어도 일부는 유선이거나 무선일 수 있다. 기지국(125)은 CU(central unit) 및 DU(distributed unit)으로 분리된 구조를 가질 수 있다. 이 경우, 하나의 CU가 복수의 DU들을 제어할 수 있다. 기지국(125)은 기지국(base station) 외에 '액세스 포인트(access point, AP)', 'gNB(next generation node B)', '5G 노드(5th generation node)', '무선 포인트(wireless point)', '송수신 포인트(transmission/reception point, TRP)', 또는 이와 동등한 기술적 의미를 가지는 다른 용어로 지칭될 수 있다. 단말(110)은 무선 접속 망(120)에 접속하고, 기지국(125)과 무선 채널을 통해 통신을 수행한다. 단말(110)은 단말(terminal) 외 '사용자 장비(user equipment, UE)', '이동국(mobile station)', '가입자국(subscriber station)', '원격 단말(remote terminal)', '무선 단말(wireless terminal)', 또는 '사용자 장치(user device)' 또는 이와 동등한 기술적 의미를 가지는 다른 용어로 지칭될 수 있다.
코어 망(200)은 전체 시스템을 관리하는 네트워크로서, 무선 접속 망(120)을 제어하고, 무선 접속 망(120)을 통해 송수신되는 단말(110)에 대한 데이터 및 제어 신호들을 처리한다. 코어 망(200)은 사용자 플랜(user plane) 및 제어 플랜(control plane)의 제어, 이동성(mobility)의 처리, 가입자 정보의 관리, 과금, 다른 종류의 시스템(예: LTE(long term evolution) 시스템)과의 연동 등 다양한 기능들을 수행한다. 상술한 다양한 기능들을 수행하기 위해, 코어 망(200)은 서로 다른 NF(network function)들을 가진 기능적으로 분리된 다수의 객체(entity)들을 포함할 수 있다. 예를 들어, 코어 망(200)은 AMF(access and mobility management function)(150), SMF(session management function)(160), UPF(user plane function)(170), PCF(policy and charging function)(180), NRF(network repository function)(159), UDM(user data management)(153), NEF(network exposure function)(155), UDR(unified data repository)(157)을 포함할 수 있다.
단말(110)은 무선 접속 망(120)과 연결되어 코어 망(200)의 이동성 관리 기능 (mobility management function)을 수행하는 AMF(150)에 접속한다. AMF(150)는 무선 접속 망(120)의 접속과 단말(110)의 이동성 관리(mobility management)를 모두 담당하는 기능 또는 장치이다. SMF(160)는 세션을 관리하는 NF이다. AMF(150)는 SMF(160)와 연결되고, AMF(150)는 SMF(160)로 단말(110)에 대한 세션 관련 메시지를 라우팅한다. SMF(160)는 UPF(170)와 연결하여 단말(110)에게 제공할 사용자 평면 자원(resource)을 할당하며, 기지국(125)과 UPF(170) 사이에 데이터를 전송하기 위한 터널을 수립한다. PCF(180)는 단말(110)이 사용하는 세션에 대한 정책(policy) 및 과금(charging)에 관련된 정보를 제어한다. NRF(159)는 이동통신 사업자 네트워크에 설치된 NF들에 대한 정보를 저장하고, 저장된 정보를 알려주는 기능을 수행한다. NRF(159)는 모든 NF들과 연결될 수 있다. 각 NF들은 사업자 네트워크에서 구동을 시작할 때, NRF(159)에 등록함으로써 NRF(159)로 해당 NF가 네트워크 내에서 구동되고 있음을 알린다. UDM(153)는 4G 네트워크의 HSS(home subscriber server)와 유사한 역할을 수행하는 NF로서, 단말(110)의 가입정보, 또는 단말(110)이 네트워크 내에서 사용하는 컨텍스트(context)를 저장한다.
NEF(155)는 제3자(3rd party) 서버와 5G 이동통신 시스템 내의 NF를 연결해주는 역할을 수행한다. 또한 UDR(157)에 데이터를 제공하거나 업데이트, 또는 데이터를 획득하는 역할을 수행한다. UDR(157)은 단말 120의 가입 정보를 저장하거나, 정책 정보를 저장하거나, 외부로 노출(exposure)되는 데이터를 저장하거나, 또는 제3자 어플리케이션(3rd party application)에 필요한 정보를 저장하는 기능을 수행한다. 또한, UDR(157)는 저장된 데이터를 다른 NF에 제공해주는 역할도 수행한다.
도 2b는 본 개시의 다양한 실시예들에 따른 무선 통신 시스템에서 코어 망 객체의 구성을 도시한다. 도 2b에 예시된 구성(200)은 도 1의 (150, 153, 155, 157, 160, 170, 180, 190) 중 적어도 하나의 기능을 가지는 장치의 구성으로서 이해될 수 있다. 이하 사용되는 '…부', '…기' 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어, 또는, 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
도 2b를 참고하면, 코어 망 객체는 통신부(210), 저장부(230), 제어부(220)를 포함하여 구성된다.
통신부(210)는 네트워크 내 다른 장치들과 통신을 수행하기 위한 인터페이스를 제공한다. 즉, 통신부(210)는 코어 망 객체에서 다른 장치로 송신되는 비트열을 물리적 신호로 변환하고, 다른 장치로부터 수신되는 물리적 신호를 비트열로 변환한다. 즉, 통신부(210)는 신호를 송신 및 수신할 수 있다. 이에 따라, 통신부(210)는 모뎀(modem), 송신부(transmitter), 수신부(receiver) 또는 송수신부(transceiver)로 지칭될 수 있다. 이때, 통신부(210)는 코어 망 객체가 백홀 연결(예: 유선 백홀 또는 무선 백홀)을 거쳐 또는 네트워크를 거쳐 다른 장치들 또는 시스템과 통신할 수 있도록 한다.
저장부(230)는 코어 망 객체의 동작을 위한 기본 프로그램, 응용 프로그램, 설정 정보 등의 데이터를 저장한다. 저장부(230)는 휘발성 메모리, 비휘발성 메모리 또는 휘발성 메모리와 비휘발성 메모리의 조합으로 구성될 수 있다. 그리고, 저장부(230)는 제어부(220)의 요청에 따라 저장된 데이터를 제공한다.
제어부(220)는 코어 망 객체의 전반적인 동작들을 제어한다. 예를 들어, 제어부(220)는 통신부(210)를 통해 신호를 송수신한다. 또한, 제어부(220)는 저장부(230)에 데이터를 기록하고, 읽는다. 이를 위해, 제어부(220)는 적어도 하나의 프로세서(processor)를 포함할 수 있다. 본 개시의 다양한 실시예들에 따라, 제어부(220)는 무선 통신망을 이용한 동기화를 수행하도록 제어할 수 있다. 예를 들어, 제어부(220)는 코어 망 객체가 후술하는 다양한 실시예들에 따른 동작들을 수행하도록 제어할 수 있다.
도 2c는 본 개시의 다양한 실시예들에 따른 무선 통신 시스템에서 단말의 구성을 도시한다. 도 2c에 예시된 구성은 단말(110)의 구성으로서 이해될 수 있다. 이하 사용되는 '…부', '…기' 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어, 또는, 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
도 2c 을 참조하면, 단말은 통신부(240), 저장부(250), 제어부(260)를 포함한다.
통신부(240)는 무선 채널을 통해 신호를 송수신하기 위한 기능들을 수행한다. 예를 들어, 통신부(240)는 시스템의 물리 계층 규격에 따라 기저대역 신호 및 비트열 간 변환 기능을 수행한다. 예를 들어, 데이터 송신 시, 통신부(240)는 송신 비트열을 부호화 및 변조함으로써 복소 심벌들을 생성한다. 또한, 데이터 수신 시, 통신부(240)는 기저대역 신호를 복조 및 복호화를 통해 수신 비트열을 복원한다. 또한, 통신부(240)는 기저대역 신호를 RF 대역 신호로 상향변환한 후 안테나를 통해 송신하고, 안테나를 통해 수신되는 RF 대역 신호를 기저대역 신호로 하향변환한다. 예를 들어, 통신부(240)는 송신 필터, 수신 필터, 증폭기, 믹서, 오실레이터, DAC, ADC 등을 포함할 수 있다.
또한, 통신부(240)는 다수의 송수신 경로(path)들을 포함할 수 있다. 나아가, 통신부 (240)는 다수의 안테나 요소들로 구성된 적어도 하나의 안테나 어레이를 포함할 수 있다. 하드웨어의 측면에서, 통신부(240)는 디지털 회로 및 아날로그 회로(예: RFIC(radio frequency integrated circuit))로 구성될 수 있다. 여기서, 디지털 회로 및 아날로그 회로는 하나의 패키지로 구현될 수 있다. 또한, 통신부(240)는 다수의 RF 체인들을 포함할 수 있다. 나아가, 통신부(240)는 빔포밍을 수행할 수 있다.
통신부(240)는 상술한 바와 같이 신호를 송신 및 수신한다. 이에 따라, 통신부(240)의 전부 또는 일부는 '송신부', '수신부' 또는 '송수신부'로 지칭될 수 있다. 또한, 이하 설명에서 무선 채널을 통해 수행되는 송신 및 수신은 통신부(240)에 의해 상술한 바와 같은 처리가 수행되는 것을 포함하는 의미로 사용된다.
저장부(250)는 단말의 동작을 위한 기본 프로그램, 응용 프로그램, 설정 정보 등의 데이터를 저장한다. 저장부(250)는 휘발성 메모리, 비휘발성 메모리 또는 휘발성 메모리와 비휘발성 메모리의 조합으로 구성될 수 있다. 그리고, 저장부(250)는 제어부(260)의 요청에 따라 저장된 데이터를 제공한다.
제어부(260)는 단말의 전반적인 동작들을 제어한다. 예를 들어, 제어부(260)는 통신부(240)를 통해 신호를 송신 및 수신한다. 또한, 제어부(260)는 저장부(250)에 데이터를 기록하고, 읽는다. 그리고, 제어부(260)는 통신 규격에서 요구하는 프로토콜 스택의 기능들을 수행할 수 있다. 이를 위해, 제어부(260)는 적어도 하나의 프로세서 또는 마이크로(micro) 프로세서를 포함하거나, 또는, 프로세서의 일부일 수 있다. 또한, 통신부 (240)의 일부 및 제어부(260)는 CP(communication processor)라 지칭될 수 있다. 다양한 실시예들에 따라, 제어부(260)는 무선 통신망을 이용한 동기화를 수행하도록 제어할 수 있다. 예를 들어, 제어부(260)는 단말이 후술하는 다양한 실시예들에 따른 동작들을 수행하도록 제어할 수 있다.
이하 설명에서 사용되는 접속 노드(node)를 식별하기 위한 용어, 망 객체(network entity)들을 지칭하는 용어, 메시지들을 지칭하는 용어, 망 객체들 간 인터페이스를 지칭하는 용어, 다양한 식별 정보들을 지칭하는 용어 등은 설명의 편의를 위해 예시된 것이다. 따라서, 본 개시가 후술되는 용어들에 한정되는 것은 아니며, 동등한 기술적 의미를 가지는 대상을 지칭하는 다른 용어가 사용될 수 있다.
본 개시의 실시예들을 구체적으로 설명함에 있어서, 이동통신 규격 표준화 단체인 3GPP가 명세하고 있는 5G 이동통신 규격 상의 무선 접속 네트워크인 New Radio(NR)과 코어 망인 패킷 코어(5G System, 또는 5G Core Network, 또는 NG Core(next generation core))를 주된 대상으로 할 것이지만, 본 개시의 주요한 요지는 유사한 기술적 배경을 가지는 여타의 통신 시스템에도 본 개시의 범위를 크게 벗어 나지 아니 하는 범위에서 약간의 변형으로 적용 가능하며, 이는 본 개시의 기술 분야에서 숙련된 기술적 지식을 가진 자의 판단으로 가능할 것이다.
5G 시스템에서는, 네트워크 자동화 지원을 위해서, 5G 네트워크 망에서 수집된 데이터를 분석하여 제공하는 기능을 제공하는 네트워크 기능인 네트워크 데이터 수집 및 분석 기능(network data collection and analysis function, NWDAF)가 정의될 수 있다. NWDAF는 5G 네트워크로부터 정보를 수집/저장/분석하여 결과를 적어도 하나의 네트워크 기능(network function, NF)에게 제공할 수 있으며, 분석 결과는 각 NF에서 독립적으로 이용할 수 있다.
5G 이동통신 시스템은 NF들이 NWDAF를 통해 네트워크 관련 데이터(이하 네트워크 데이터라 칭함)의 수집 및 분석 결과를 이용할 수 있도록 지원할 수 있다. 이는 각 NF들이 자신이 제공하고 있는 기능들을 효과적으로 제공하기 위해, 필요한 네트워크 데이터의 수집 및 분석을 집중화된 형태로 제공하기 위함이다. NWDAF는 네트워크 슬라이스(network slice)를 기본 단위로 하여 네트워크 데이터의 수집 및 분석을 수행할 수 있다. 하지만, 본 개시의 범위는 네트워크 슬라이스 단위에 한정되지 않으며, NWDAF는 사용자 장치(user equipment, UE), PDU(protocol data unit) 세션(session), NF 상태 및/또는 외부 서비스 서버로부터 획득한 다양한 정보(예: 서비스 품질)를 추가적으로 분석할 수 있다.
NWDAF를 통해 분석된 결과는 해당 분석 결과를 요청한 각 NF들에게 전달되고, 전달된 분석 결과는 서비스 품질(quality of service, QoS) 보장/향상, 트래픽 제어, 이동성 관리, 부하 분산과 같은 네트워크 관리 기능들을 최적화하기 위해 사용될 수 있다.
5G 네트워크 시스템이 제공하는 각 기능들을 수행하는 단위 노드는 NF(예: NF 개체 또는 NF 노드)로 정의될 수 있다. 각 NF는 단말의 액세스 네트워크(access network, AN)에 대한 접근과 이동성을 관리하는 AMF(access and mobility management function), 세션과 관련된 관리를 수행하는 SMF(session management function), 사용자 데이터 평면을 관리하는 UPF(user plane function), 단말이 이용 가능한 네트워크 슬라이스 인스턴스(network slice instance)를 선택하는 NSSF(network slice selection function) 중 적어도 하나를 포함할 수 있다.
도 3은 본 개시의 다양한 실시예들에 따른 네트워크 데이터 수집 및 분석 기능(NWDAF)을 포함하는 통신 망을 도시한다.
도 3을 참조하면, NWDAF(305)는 적어도 하나의 소스 NF(예: AMF(310)나 SMF(315)나 UPF(325, 330, 335)와 같은 5G 코어 네트워크 내의 NF들, 효율적인 서비스 제공을 위한 AF(Application Function), 네트워크 노출 기능(network exposure function, NEF), 또는 OAM(operation, administration, and maintenance))로부터 다양한 방식으로 네트워크 데이터를 수집할 수 있다. AMF(310)는 단말(300) 및 무선 액세스 네트워크(radio access network, RAN)(320)과 접속될 수 있다. UPF(325, 330, 335)는 RAN(320)을 통한 단말(300)의 사용자 트래픽을 적어도 하나의 데이터 네트워크(data network, DN)(340)로 연결할 수 있다.
NWDAF(305)는 적어도 하나의 수요자 NF에게 네트워크 또는 외부에서 수집된 네트워크 데이터의 분석을 제공할 수 있다. NWDAF(305)는 네트워크 슬라이스 인스턴스의 부하 정도(load level)를 수집 및 분석하여 특정 단말이 이용할 수 있도록 선택하는데 이용할 수 있도록 NSSF에게 제공할 수 있다. AMF 및 SMF와 같은 NF들(310, 315)과 NWDAF(305) 사이에 분석 정보를 요청하거나 분석 결과를 포함하는 분석 정보를 전달하는 데, 5G 네트워크에서 정의한 서비스 기반 인터페이스(service based interface)가 사용될 수 있다. 분석 정보의 전달 방법으로 HTTP(hypertext transfer protocol) 및/또는 JSON(javascript object notation) 문서가 사용될 수 있다.
일 실시예에 따라, NWDAF(305)의 수집 데이터는, PCF(point coordination function)로부터의 응용 식별자(application identifier(ID)), IP(internet protocol) 필터 정보, 미디어/응용 대역폭, AMF(310)로부터의 단말 식별자, 위치 정보, SMF로부터의 목적지 데이터 네트워크 이름(data network name, DNN), 단말 IP, QoS flow bit rate, Qos Flow ID(QFI), QoS flow error rate, QoS flow delay 또는 UPF로부터의 traffic usage report 중 적어도 하나를 포함할 수 있다.
NWDAF(305)는 코어 네트워크를 구성하는 NF들 이외에 단말(300)과 서비스 서버 사이의 연결에 영향을 줄 수 있는 엔티티인 OAM으로부터 제공받는 NF 자원 상황(resource status), NF 처리 능력(throughput) 또는 SLA(service level agreement) 정보 중 적어도 하나, 또는 단말(300)로부터 제공받는 UE status, UE application information 또는 UE Usage Pattern 중 적어도 하나, 또는 AF로부터 제공받는 서비스의 응용 식별자, 서비스 경험, 또는 트래픽 패턴 중 적어도 하나를 추가적으로 수집하여 분석에 활용할 수 있다.
이하, 표 1 내지 표 3은 NWDAF가 수집하는 네트워크 데이터의 예시들을 나타낸 것이다. 다만, 본 개시의 다양한 실시예들에 따라, 이는 예시일 뿐, NWDAF가 수집하는 네트워크 데이터는 표 1 내지 표 3에 제한되지 않는다. NWDAF(305)가 각 엔티티로부터 네트워크 데이터를 수집하는 기간 및 시점은 엔티티 별로 상이할 수 있다. 각 수집 대상의 데이터를 상관시키기 위한 상관 식별자(correlation ID)와, 수집 시간을 기록하기 위한 타임 스탬프(timestamp)를 통해, 수집된 데이터의 상관 관계가 구분될 수 있다.
Information Source Description
Application ID AF To identify the service and support analytics per type of service (the desired level of service)
IP filter information AF Identify a service flow of the UE for the application
Locations of Application AF/NEF Locations of application represented by a list of DNAI(s). The NEF may map the AF-Service-Identifier information to a list of DNAI(s) when the DNAI(s) being used by the application are statically defined.
Service Experience AF Refers to the QoE per service flow as established in the SLA and during on boarding. It can be either e.g. MOS or video MOS as specified in ITU-T P.1203.3 or a customized MOS
Timestamp AF A time stamp associated to the Service Experience provided by the AF, mandatory if the Service Experience is provided by the ASP.
Information Source Description
Timestamp 5GC NF A time stamp associated with the collected information.
Location AMF The UE location information.
SUPI(s) AMF If UE IDs are not provided as target of analytics reporting for slice service experience, AMF returns the UE IDs matching the AMF event filters.
DNN SMF DNN for the PDU Session which contains the QoS flow
S-NSSAI SMF S-NSSAI for the PDU Session which contains the QoS flow
Application ID SMF Used by NWDAF to identify the application service provider and application for the QoS flow
IP filter information SMF Provided by the SMF, which is used by NWDAF to identify the service data flow for policy control and/or differentiated charging for the QoS flow
QFI SMF QoS Flow Identifier
QoS flow Bit Rate UPF The observed bit rate for UL direction; andThe observed bit rate for DL direction
QoS flow Packet Delay UPF The observed Packet delay for UL direction; andThe observed Packet delay for the DL direction
Packet transmission UPF The observed number of packet transmission
Packet retransmission UPF The observed number of packet retransmission
Information Source Description
Timestamp OAM A time stamp associated with the collected information.
Reference Signal Received Power OAM The per UE measurement of the received power level in a network cell, including SS-RSRP, CSI-RSRP as specified in clause 5.5 of TS 38.331 and E-UTRA RSRP as specified in clause 5.5.5 of TS 36.331
Reference Signal Received Quality OAM The per UE measurement of the received quality in a network cell, including SS-RSRQ, CSI-RSRQ as specified in clause 5.5 of TS 38.331 and E-UTRA RSRQ as specified in clause 5.5.5 of TS 36.331
Signal-to-noise and interference ratio OAM The per UE measurement of the received signal to noise and interference ratio in a network cell, including SS-SINR, CSI-SINR, E-UTRA RS-SINR, as specified in clause 5.1 of TS 38.215
도 4는 본 개시의 다양한 실시예들에 따른 단말이 네트워크 혼잡 정보를 수신하고 적용하는 무선 통신 시스템의 개괄적인 구조를 도시한다. 구체적으로, 도 4는 단말의 AI(artificial intelligence)/ML(machine learning) 애플리케이션(410)이 통신 사업자가 제공하는 네트워크 혼잡 정보를 수신하고, 수신한 정보를 ML 모델에 적용하는 무선 통신 시스템의 개괄적인 구조를 도시한 것이다.
도 4를 참조하면, 단말의 AI/ML 애플리케이션(410)은 학습 혹은 추론에 사용할 ML 모델 및 알고리즘을 결정하기 위하여, 네트워크 상태 정보를 무선 통신 네트워크로 요청할 수 있다. 애플리케이션(410)이 사용하는 ML 모델은 네트워크 상태에 따라 선택이 가능하도록 서로 다른 정확도(예: 추론 성능)와 컴퓨팅 수준을 요구하는 모델들로 구성될 수 있다. 일 실시예에 따라, 각 네트워크 상태에 따라 Deep Learning 모델의 layer 수를 증감하거나 각 layer를 구성하는 Depth를 변경하는 방법 등으로 서로 다른 모델을 구성할 수 있다. 일 실시예에 따라, 각 네트워크 상태에 따라 DNN(deep neural network), CNN(convolutional neural network), RL(reinforcement learning) 등 다른 알고리즘의 모델이 적용될 수 있다. 일 실시예에 따라, 애플리케이션(410) 내에서 이러한 ML 모델들에 대한 정보는 각 네트워크 상태에서 사용 가능한 모델들의 우선 순위 형태로 구성될 수도 있다. 단말(420)의 애플리케이션(410)은 네트워크 상태 정보를 요청하는 과정에서 각 ML 모델 및 알고리즘 별로 요구되는 최소 데이터 전송률 및 지연 수준 정보를 네트워크 상태 정보 요청과 함께 네트워크로 전달할 수 있다. 단말(420)의 애플리케이션(410)이 전달하는 정보는 네트워크가 단말에 네트워크 혼잡 정보를 전달할 때 혼잡 수준을 보고하는 기준으로 활용될 수 있다. 단말(420)의 애플리케이션(410)이 전달하는 네트워크 상태 정보를 요청하는 제어 메시지에는, AI/ML 애플리케이션 식별자, 단말 위치 정보, 보고 주기, 보고 기준 또는 정확도 중 적어도 하나에 대한 정보가 포함될 수 있다. 네트워크 상태 정보 요청 메시지에 포함된 보고 기준은, 혼잡 수준, S-NSSAI(single-network slice selection assistance information), DNN(data network name) 또는 예측 수준 중 적어도 하나가 포함될 수 있다. AI/ML 애플리케이션(410)의 네트워크 상태 정보에 대한 요청은, 단말(420)의 OS(operation system) 또는 시스템 애플리케이션 등을 통해 단말의 모뎀으로 전달될 수 있다(415). 단말 모뎀(420)은 애플리케이션으(410)로부터 수신한 요청 정보를 별도로 저장하거나 또는 바로 사용하여 네트워크로 네트워크 상태 정보를 요청할 수 있다. 단말 모뎀(420)이 API(application programming interface)를 제공하는 경우에는, AI/ML 애플리케이션(410)이 모뎀의 API 통해 네트워크 상태 정보 요청을 모뎀으로 직접 전달하는 것도 가능하다.
단말의 모뎀(420)은, 네트워크 등록 과정에서 등록 요청 메시지를 사용하거나 또는 별도의 지정된 제어 메시지를 통해 AI/ML 애플리케이션(410)으로부터 수신한 네트워크 상태 정보 요청 정보를 무선 통신 시스템의 네트워크(예: 코어 네트워크, CN)로 전달할 수 있다(435). 단말의 모뎀(420)이 전송하는 네트워크 상태 정보 요청 메시지는, AI/ML 애플리케이션 식별자, 단말 위치 정보, 보고 주기, 보고 기준 또는 정확도 중 적어도 하나를 포함할 수 있다.
단말(420)로부터 등록 요청 메시지 또는 지정된 제어 메시지를 통해 네트워크 상태 정보 요청을 수신한 AMF(430)는 UDM에게 단말의 가입정보를 요청할 수 있다. AMF(430)는 UDM으로부터 등록 요청 메시지에 기반하여 가입 정보를 수신할 수 있다. AMF(430)는 수신한 가입 정보로부터 단말의 AI/ML 애플리케이션(410)이 상태 정보를 수신하도록 허용된 애플리케이션인지 여부 또는 어떤 상태 정보가 허용 가능한지 등을 식별할 수 있다.
UDM으로부터 수신한 가입정보로부터, 단말(420)의 AI/ML 애플리케이션(410)이 해당 네트워크 상태 정보를 수신하도록 허용되었음을 확인한 후, AMF(430)는, 단말(420)이 요청한 네트워크 상태 정보를 결정하는데 필요한 정보의 수집을 위하여, NWDAF(450), SMF 또는 UPF(440)에게 분석 정보 또는 세션 별 자원 상태 정보 중 적어도 하나를 요청하는 메시지를 전송할 수 있다(445, 455). AMF(430)는 NWDAF(450), SMF 또는 UPF(440)로부터 요청 메시지에 기반하여 분석 정보 또는 세션 별 자원 상태 정보 중 적어도 하나를 수신할 수 있다. AMF(430)는 수신한 정보로부터 네트워크의 혼잡 수준을 결정할 수 있다(465). AMF(430)는 결정된 네트워크의 혼잡 수준에 기반하여, 단말(420)이 요청한 조건에 해당될 경우(예: 자원 사용 수준이 70%를 초과한 경우 또는 해당 슬라이스를 사용하는 전체 단말의 수가 지정된 시간 내에 일정 기준을 초과할 것이 예측되는 경우 등)에는 제어 메시지를 통해 네트워크 혼잡 예측 정보를 단말로 전달할 수 있다(475). 단말(420)이 수신한 제어 메시지에 포함된 네트워크 혼잡 예측 정보는 단말 모뎀으로부터 AI/ML 애플리케이션(410)으로 전달될 수 있다(425). 수신한 제어 메시지에 기반하여, AI/ML 애플리케이션(410)은 네트워크 혼잡 예측 정보를 식별할 수 있다. AI/ML 애플리케이션(410)은 식별된 네트워크 혼잡 예측 정보에 기반하여, 학습 및 추론에 사용할 AI/ML 모델 및 알고리즘을 결정할 수 있다. 일 실시예에 따라, 혼잡 수준이 낮은 것으로 예측된 경우, 애플리케이션(410)은 학습 및 추론에 사용할 모델로 정확도가 높으며 컴퓨팅 요구사항이 높은 모델을 선택할 수 있다(405). 일 실시예에 따라, 혼잡 수준이 높을 것으로 예측된 경우에는 애플리케이션은 학습 및 추론에 사용할 모델로 정확도가 낮으며 컴퓨팅 요구사항이 낮은 모델을 선택하거나 또는 학습 및 추론 동작을 수행하는 것을 미룰 수 있다. 일 실시예에 따라, AI/ML 애플리케이션(410)은 AI/ML AF(460)에게 적용할 AI/ML 모델의 수정 및 학습 데이터의 크기를 변경하도록 요청할 수 있다(485).
도 5는 본 개시의 다양한 실시예들에 따른 단말이 네트워크 데이터의 수집 및 분석하기 위한 신호의 흐름을 도시한다. 구체적으로, 도 5는 단말의 AI/ML 애플리케이션이 요청한 네트워크 혼잡 정보를 분석하기 위하여 네트워크 데이터의 수집 및 분석하는 동작을 도시하는 신호 흐름도이다.
단계 (501)를 참조하면, 단말(510)은 단말의 AI/ML 애플리케이션이 네트워크 상태 정보를 요청할 경우, 단말의 네트워크와의 등록 과정에서 네트워크 상태 정보의 전달이 필요하다는 것을 나타내는 정보를 네트워크로 전달할 수 있다. 일 실시예에 따라, 단말(510)은 네트워크 상태 정보를 요청하는 등록 요청 메시지를 AMF(520)에게 송신할 수 있다. 단말(510)이 송신하는 단말의 등록 요청 메시지는, 네트워크 상태 정보를 요청한 애플리케이션의 식별자, 네트워크 상태 정보 요청을 지시하는 정보, 상태 정보 보고를 위한 기준, 상태 보고가 필요한 네트워크 슬라이스 또는 DNN 정보 중 적어도 하나를 포함할 수 있다.
단계(503) 및 단계(505)를 참조하면, AMF(520)는 단말로부터 단말의 등록 요청 메시지를 수신할 수 있다. 등록 요청을 수신한 AMF(520)는 등록 요청 메시지에 기반하여 UDM(550)에게 단말의 가입 정보를 요청할 수 있다. AMF(520)는 UDM(550)으로부터 수신한 단말의 가입 정보 요청에 기반하여 단말의 가입 정보가 포함된 응답 메시지를 수신할 수 있다. 단계(505)를 참조하여, AMF(520)가 UDM(550)으로부터 수신하는 응답 메시지는, 단말의 가입 정보의 일부 또는 별도 정보로서, 단말에 대해 이동 통신 사업자가 허용한(allow) 네트워크 상태 정보 목록, 네트워크 상태 정보 이용이 허용된 애플리케이션 식별자 목록, 네트워크 슬라이스에 대한 정보 또는 DNN 정보 중 적어도 하나를 포함할 수 있다.
단계(507)를 참조하면, AMF(520)는 UDM(550)으로부터 수신한 단말의 가입 정보가 포함된 응답메시지에 기반하여 단말이 요청한 네트워크 상태 정보가 허용(acceptance) 가능한 것인지 결정할 수 있다.
단계(509)를 참조하면, AMF(520)는 단말에게 등록 응답 메시지를 송신할 수 있다. AMF(520)가 송신하는 등록 응답 메시지는, 단말이 요청한 네트워크 상태 정보의 허용 여부와 함께 네트워크 정보 제공이 허용된 애플리케이션 목록 또는 허용된 상태 정보 목록 등을 포함할 수 있다.
단계(511)를 참조하면, AMF(520)는 SMF, UPF(530) 및 NWDAF(540)에게, 단말이 요청한 네트워크 상태 정보와 관련된 각 슬라이스, DNN , NF별 자원 상태 정보 또는 네트워크 성능 분석 정보 중 적어도 하나를 요청하는 메시지를 송신할 수 있다.
단계(513)를 참조하면, AMF(520)는 단계(511)에서 송신한 요청 메시지에 기반하여, SMF, UPF(530) 및 NWDAF(540)로부터, 자원 상태 정보 또는 네트워크 성능 분석 정보 중 적어도 하나를 수신할 수 있다.
단계(515)를 참조하면, AMF(520)는 SMF, UPF(530) 및 NWDAF(540)로부터 수신한 정보에 기반하여, 현재 네트워크의 혼잡 수준 또는 단말이 지정한 예측 기간에서의 혼잡 수준 중 적어도 하나를 식별할 수 있다. 일 실시예에 따라, AMF(520)는 수신한 정보에 기반하여 네트워크의 혼잡 수준을 예측할 수 있다.
단계(517)를 참조하면, AMF(520)는 분석 또는 식별한 네트워크 혼잡 수준이 단말이 지정한 혼잡 수준에 해당하거나 변경된 경우, 혼잡이 발생할 수 있음을 알리는 경고 지시자 또는 제어 메시지를 단말(510)에게 송신할 수 있다. 일 실시예에 따라, AMF(520)는 단말이 지정한 보고 주기마다 혼잡이 발생할 수 있음을 알리는 경고 지시자 또는 제어 메시지를 단말에게 송신할 수 있다. AMF(520)가 단말에게 송신하는 경고 지시자 또는 제어 메시지는, AMF(520)가 식별한 혼잡 수준 정보 또는 지원 가능한 QoS 수준 정보 중 적어도 하나를 포함할 수 있다.
단계(519)를 참조하면, 단말(510)은 수신한 네트워크 혼잡 예측 정보를 AI/ML 애플리케이션에게 송신할 수 있다. AI/ML 애플리케이션은 단말로부터 수신한 네트워크 혼잡예측 정보에 기반하여 학습 및 추론에 적용할 AI/ML 모델 및 알고리즘을 결정할 수 있다. 일 실시예에 따라, 혼잡 수준이 증가할 것으로 식별 또는 예측된 경우, AI/ML 애플리케이션은 빠른 동작을 위해 보다 간단하고 컴퓨팅 요구 수준이 낮은 모델을 사용하도록 결정할 수 있다. 일 실시예에 따라, 혼잡 수준이 감소할 것으로 식별 또는 예측된 경우, 향상된 정확도를 위해 좀 더 복잡하고 컴퓨팅 요구 수준이 높은 모델을 사용하도록 결정할 수 있다.
단계(521)를 참조하면, 단말의 AI/ML 애플리케이션은 AI/ML서버(560)로 적용할 AI/ML 모델의 정보 또는 네트워크 상태 정보 중 적어도 하나를 송신할 수 있다. 단말의 AI/ML 애플리케이션이 송신하는 AI/ML 모델의 정보는 모델 식별자, 적용할 모델의 크기 또는 모델 파라미터 중 적어도 하나를 포함할 수 있다. 단말의 AI/ML 애플리케이션이 송신하는 네트워크 상태 정보는 네트워크 혼잡 예측 정보를 포함할 수 있다.
도 6은 본 개시의 다양한 실시예들에 따른 단말이 수신한 네트워크 혼잡 정보에 기반하여 적용할 모델 및 알고리즘을 변경하기 위한 신호의 흐름을 도시한다.
도 6을 참조하면, 단계(601)에서 단말(610)의 통신 모듈(615)은 네트워크로부터 네트워크 혼잡 예측 정보를 수신할 수 있다. 일 실시예에 따라, 단말(610)의 통신 모듈(615)이 네트워크 혼잡 예측 정보를 수신하는 동작은 도 5에서 서술된 과정을 통해 수행될 수 있다.
단계(602)에서, 단말의 AI/ML 애플리케이션(611)은 적합한 AI/ML 모델 혹은 알고리즘을 결정하기 위하여 단말의 통신 모듈(615)에게 네트워크 상태 정보를 요청할 수 있다. AI/ML 애플리케이션(611)은 네트워크 혼잡 요청에 대한 정보를 포함하는 네트워크 상태 정보 요청 메시지를 통신 모듈(615)에게 송신할 수 있다.
단계(603)에서, 단말의 통신 모듈(615)은 단말의 AI/ML 애플리케이션(611)에 대하여 허용된 네트워크 상태 정보가 저장되어 있는지를 확인할 수 있다. 단말의 통신 모듈(615)은 필요한 경우, 도 5에서 서술된 과정을 수행하여 네트워크로 네트워크 혼잡 예측 정보를 수신하기 위한 동작을 수행할 수 있다.
단계(604)에서, 단말의 통신 모듈(615)은 네트워크로부터 수신한 네트워크 혼잡 예측 정보를 AI/ML 애플리케이션(611)으로 전달할 수 있다. 단말의 통신 모듈(615)은 혼잡 알림, 정도(level) 또는 지원되는 QoS 중 적어도 하나에 대한 정보를 포함하는 네트워크 상태 정보 응답 메시지를 AI/ML 애플리케이션(611)에게 송신할 수 있다.
단계(605)에서, 단말의 AI/ML애플리케이션(611)은 단말의 통신 모듈(615)로부터 수신한 네트워크 혼잡 예측 정보에 기반하여 학습 및 추론 과정에 사용할 AI/ML 모델 또는 알고리즘을 결정할 수 있다. 일 실시예에 따라, AI/ML 애플리케이션(611)은 네트워크의 혼잡이 높은 확률로 예측되었을 경우에는 AI/ML 애플리케이션은 학습 및 추론을 위하여 모델 크기가 작고(예: 모델의 레이어 수가 적거나 각 레이어가 적은 수의 파라미터를 사용하도록 설계된 모델) 복잡하지 않은 학습 및 추론 모델을 사용하도록 결정할 수 있다. 일 실시예에 따라, AI/ML 애플리케이션(611)은 네트워크의 혼잡이 없을 것으로 예측되는 경우에는 모델 크기가 크고 복잡한 알고리즘을 적용한 학습 및 추론 모델을 사용하도록 결정할 수 있다.
단계(605)에서, 단말의 AI/ML애플리케이션(611)은 단계(604)로부터 결정된 학습 및 추론 모델을 사용하기 위해 필요한 변경을 AI/ML 서버(620)에게 요청할 수 있다. 단말의 AI/ML애플리케이션(611)은 단계(604)로부터 결정된 학습 및 추론 모델에 기반하여 모델의 ID(identifier), 크기 또는 네트워크 상태 중 적어도 하나에 대한 정보를 포함하는 ML 모델 변경 요청 메시지를 AI/ML 서버(620)에게 송신할 수 있다.
일 실시예에 따라, 단말에 포함된 유닛(ML/AI 애플리케이션(611), 오퍼레이팅 시스템(613) 또는 통신 모듈(615))은 단말의 제어부로서 구현될 수 있다. 각 유닛이 구현되는 제어부는 하나의 논리적 유닛에 포함되어 있을 수 있을 수 있으나, 이에 제한되지 않고 각각의 논리적 유닛들에 분산되어 구현될 수 있다.
도 7은 본 개시의 다양한 실시예들에 따른 네트워크 혼잡 정보에 기반하여 머신 러닝 모델을 결정하기 위한 AMF의 동작 흐름도를 도시한다.
도 7을 참조하면, 단계(705)에서, AMF는 단말로부터 단말의 등록 요청 메시지를 수신할 수 있다. 일 실시예에 따라, AMF가 수신하는 단말의 등록 요청 메시지는, 네트워크 상태 정보를 요청한 애플리케이션의 식별자, 네트워크 상태 정보 요청을 지시하는 정보, 상태 정보 보고를 위한 기준, 상태 보고가 필요한 네트워크 슬라이스 또는 DNN 정보 중 적어도 하나를 포함할 수 있다. 도 7에는 도시되지 않았으나, 등록 요청을 수신한 AMF는 등록 요청 메시지에 기반하여 UDM에게 단말의 가입 정보를 요청할 수 있다. AMF는 UDM으로부터 수신한 단말의 가입 정보 요청에 기반하여 단말의 가입 정보가 포함된 응답 메시지를 수신할 수 있다. AMF가 UDM으로부터 수신하는 응답 메시지는, 단말의 가입 정보의 일부 또는 별도 정보로서, 단말에 대해 이동 통신 사업자가 허용한(allow) 네트워크 상태 정보 목록, 네트워크 상태 정보 이용이 허용된 애플리케이션 식별자 목록, 네트워크 슬라이스에 대한 정보 또는 DNN 정보 중 적어도 하나를 포함할 수 있다. AMF는 UDM으로부터 수신한 단말의 가입 정보가 포함된 응답메시지에 기반하여 단말이 요청한 네트워크 상태 정보가 허용(acceptance) 가능한 것인지 결정할 수 있다. AMF는 단말에게 등록 응답 메시지를 송신할 수 있다. AMF가 송신하는 등록 응답 메시지는, 단말이 요청한 네트워크 상태 정보의 허용 여부와 함께 네트워크 정보 제공이 허용된 애플리케이션 목록 또는 허용된 상태 정보 목록 등을 포함할 수 있다.
단계(715)에서, AMF는 SMF, UPF 및 NWDAF에게, 단말이 요청한 네트워크 상태 정보와 관련된 각 슬라이스, DNN , NF별 자원 상태 정보 또는 네트워크 성능 분석 정보 중 적어도 하나를 요청하는 메시지를 송신할 수 있다.
단계(725)에서, AMF는 송신한 요청 메시지에 기반하여, SMF, UPF 및 NWDAF로부터, 자원 상태 정보 또는 네트워크 성능 분석 정보 중 적어도 하나를 수신할 수 있다.
단계(735)에서, AMF는 SMF, UPF 및 NWDAF로부터 수신한 정보에 기반하여, 현재 네트워크의 혼잡 수준 또는 단말이 지정한 예측 기간에서의 혼잡 수준 중 적어도 하나를 식별할 수 있다. 일 실시예에 따라, AMF는 수신한 정보에 기반하여 네트워크의 혼잡 수준을 예측할 수 있다.
단계(745)에서, AMF는 분석 또는 식별(또는 예측)한 네트워크 혼잡 수준이 단말이 지정한 혼잡 수준에 해당하거나 변경된 경우, 혼잡이 발생할 수 있음을 알리는 경고 지시자 또는 제어 메시지를 단말에게 송신할 수 있다. 일 실시예에 따라, AMF는 단말이 지정한 보고 주기마다 혼잡이 발생할 수 있음을 알리는 경고 지시자 또는 제어 메시지를 단말에게 송신할 수 있다. AMF가 단말에게 송신하는 경고 지시자 또는 제어 메시지는, AMF가 식별한 혼잡 수준 정보 또는 지원 가능한 QoS 수준 정보 중 적어도 하나를 포함할 수 있다.
도 8은 본 개시의 다양한 실시예들에 따른 네트워크 혼잡 정보에 기반하여 머신 러닝 모델을 결정하기 위한 단말의 동작 흐름도를 도시한다.
도 8을 참조하면, 단계(805)에서, 단말은 AMF에게 단말 등록 요청 메시지를 송신할 수 있다. 구체적으로, 단말은 단말의 AI/ML 애플리케이션이 네트워크 상태 정보를 요청할 경우, 단말의 네트워크와의 등록 과정에서 네트워크 상태 정보의 전달이 필요하다는 것을 나타내는 정보를 네트워크로 전달할 수 있다. 일 실시예에 따라, 단말은 네트워크 상태 정보를 요청하는 등록 요청 메시지를 AMF에게 송신할 수 있다. 단말이 송신하는 단말의 등록 요청 메시지는, 네트워크 상태 정보를 요청한 애플리케이션의 식별자, 네트워크 상태 정보 요청을 지시하는 정보, 상태 정보 보고를 위한 기준, 상태 보고가 필요한 네트워크 슬라이스 또는 DNN 정보 중 적어도 하나를 포함할 수 있다.
도 8에는 도시되지 않았으나, 등록 요청을 수신한 AMF는 등록 요청 메시지에 기반하여 UDM에게 단말의 가입 정보를 요청할 수 있다. AMF는 UDM으로부터 수신한 단말의 가입 정보 요청에 기반하여 단말의 가입 정보가 포함된 응답 메시지를 수신할 수 있다. AMF가 UDM으로부터 수신하는 응답 메시지는, 단말의 가입 정보의 일부 또는 별도 정보로서, 단말에 대해 이동 통신 사업자가 허용한(allow) 네트워크 상태 정보 목록, 네트워크 상태 정보 이용이 허용된 애플리케이션 식별자 목록, 네트워크 슬라이스에 대한 정보 또는 DNN 정보 중 적어도 하나를 포함할 수 있다. AMF는 UDM으로부터 수신한 단말의 가입 정보가 포함된 응답메시지에 기반하여 단말이 요청한 네트워크 상태 정보가 허용(acceptance) 가능한 것인지 결정할 수 있다.
단계(815)에서, 단말은 AMF로부터 등록 응답 메시지를 수신할 수 있다. 단말이 수신하는 등록 응답 메시지는, 단말이 요청한 네트워크 상태 정보의 허용 여부와 함께 네트워크 정보 제공이 허용된 애플리케이션 목록 또는 허용된 상태 정보 목록 등을 포함할 수 있다.
도 8에는 도시되지 않았으나, AMF는 SMF, UPF 및 NWDAF에게, 단말이 요청한 네트워크 상태 정보와 관련된 각 슬라이스, DNN , NF별 자원 상태 정보 또는 네트워크 성능 분석 정보 중 적어도 하나를 요청하는 메시지를 송신할 수 있다. AMF는 단계(511)에서 송신한 요청 메시지에 기반하여, SMF, UPF 및 NWDAF로부터, 자원 상태 정보 또는 네트워크 성능 분석 정보 중 적어도 하나를 수신할 수 있다. AMF는 SMF, UPF 및 NWDAF로부터 수신한 정보에 기반하여, 현재 네트워크의 혼잡 수준 또는 단말이 지정한 예측 기간에서의 혼잡 수준 중 적어도 하나를 식별할 수 있다. 일 실시예에 따라, AMF는 수신한 정보에 기반하여 네트워크의 혼잡 수준을 예측할 수 있다
단계(825)에서, AMF가 분석 또는 식별한 네트워크 혼잡 수준이 단말이 지정한 혼잡 수준에 해당하거나 변경된 경우, 단말은 AMF로부터 혼잡이 발생할 수 있음을 알리는 경고 지시자 또는 제어 메시지를 수신할 수 있다. 일 실시예에 따라, AMF는 단말이 지정한 보고 주기마다 혼잡이 발생할 수 있음을 알리는 경고 지시자 또는 제어 메시지를 단말에게 송신할 수 있다. AMF가 단말에게 송신하는 경고 지시자 또는 제어 메시지는, AMF가 식별한 혼잡 수준 정보 또는 지원 가능한 QoS 수준 정보 중 적어도 하나를 포함할 수 있다.
단계(835)에서, 단말은 수신한 네트워크 혼잡 예측 정보를 AI/ML 애플리케이션에게 송신할 수 있다. AI/ML 애플리케이션은 단말로부터 수신한 네트워크 혼잡예측 정보에 기반하여 학습 및 추론에 적용할 AI/ML 모델 및 알고리즘을 결정할 수 있다. 일 실시예에 따라, 혼잡 수준이 증가할 것으로 식별 또는 예측된 경우, AI/ML 애플리케이션은 빠른 동작을 위해 보다 간단하고 컴퓨팅 요구 수준이 낮은 모델을 사용하도록 결정할 수 있다. 일 실시예에 따라, 혼잡 수준이 감소할 것으로 식별 또는 예측된 경우, 향상된 정확도를 위해 좀 더 복잡하고 컴퓨팅 요구 수준이 높은 모델을 사용하도록 결정할 수 있다.
단계(845)에서, 단말의 AI/ML 애플리케이션은 AI/ML서버로 적용할 AI/ML 모델의 정보 또는 네트워크 상태 정보 중 적어도 하나를 송신할 수 있다. 단말의 AI/ML 애플리케이션이 송신하는 AI/ML 모델의 정보는 모델 식별자, 적용할 모델의 크기 또는 모델 파라미터 중 적어도 하나를 포함할 수 있다. 단말의 AI/ML 애플리케이션이 송신하는 네트워크 상태 정보는 네트워크 혼잡 예측 정보를 포함할 수 있다.
본 개시의 다양한 실시예들에 따른, 무선 통신 시스템에서 AMF(access and mobility management function)에 의해 수행되는 방법은, 단말로부터 네트워크 상태 정보의 요청을 포함하는 등록 요청 메시지를 수신하는 단계, 상기 수신한 등록 요청 메시지에 기반하여 상기 단말이 요청한 상기 네트워크 상태 정보가 허용 가능한지 결정하는 단계, 상기 단말에게 상기 결정한 네트워크 상태 정보와 관련한 등록 응답 메시지를 송신하는 단계, 상기 수신한 등록 요청 메시지에 기반하여, SMF(session management function) 또는 UPF(user plane function) 중 적어도 하나 및 NWDAF(network data collection and analysis function)에게 자원 상태 정보 또는 네트워크 성능 분석 정보 중 적어도 하나를 요청하는 네트워크 상태 정보 요청 메시지를 송신하는 단계, 상기 송신한 네트워크 상태 정보 요청 메시지에 기반하여, 상기 자원 상태 정보 또는 네트워크 성능 분석 정보 중 적어도 하나가 포함된 네트워크 상태 정보 응답 메시지를 수신하는 단계, 상기 수신한 네트워크 상태 정보 응답 메시지에 기반하여 네트워크의 혼잡 수준에 관한 정보를 결정하는 단계, 및 상기 결정한 네트워크의 혼잡 수준에 대한 정보를 포함하는 제어 메시지를 상기 단말에게 송신하는 단계를 포함할 수 있다.
일 실시예에 따라, 상기 단말이 요청한 네트워크 상태 정보가 허용 가능한지 결정하는 단계는, 상기 수신한 등록 요청 메시지에 기반하여, 상기 단말의 ID(identifier)를 포함하는 단말 정보 요청 메시지를 UDM에게 송신하는 단계, 상기 송신한 단말 정보 요청 메시지에 기반하여, 상기 단말의 가입 정보를 포함하는 단말 정보 응답 메시지를 수신하는 단계, 및 상기 수신한 단말 정보 응답 메시지에 기반하여 상기 단말이 요청한 상기 네트워크 상태 정보가 허용 가능한지 결정하는 단계를 더 포함할 수 있다.
본 개시의 다양한 실시예들에 따라, 무선 통신 시스템에 있어서, 단말에 의해 수행되는 방법은, AMF(access and mobility management function)에게 네트워크 상태 정보의 요청을 포함하는 등록 요청 메시지를 송신하는 단계, 상기 AMF로부터, 상기 송신한 등록 요청 메시지에 기반하여 상기 AMF에 의해 결정된, 상기 네트워크 상태 정보를 포함하는 등록 응답 메시지 및 네트워크의 혼잡 수준에 대한 정보를 포함하는 제어 메시지를 수신하는 단계, 상기 수신한 제어 메시지에 기반하여 AI(artificial intelligence) 또는 ML(machine learning)의 모델을 결정하는 단계, 및 상기 결정된 AI 또는 ML의 모델 또는 상기 네트워크 상태 정보 중 적어도 하나를 포함하는 AI 또는 ML의 모델 변경 요청 메시지를 ML 서버에게 송신하는 단계를 포함할 수 있다.
한편, 본 명세서와 도면에 개시된 본 발명의 실시예들은 본 발명의 기술 내용을 쉽게 설명하고 본 발명의 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 즉, 본 발명의 기술적 사상에 바탕을 둔 다른 변형예들이 실시 가능하다는 것은 본 발명의 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다. 또한 각각의 실시예는 필요에 따라 서로 조합되어 운용할 수 있다. 예컨대, 본 발명의 실시예들 각각의 적어도 일부분이 서로 조합되어 기지국 혹은 단말에 의해 운용될 수 있다.
상술한 본 개시의 구체적인 실시예들에서, 개시에 포함되는 구성 요소는 제시된 구체적인 실시예에 따라 단수 또는 복수로 표현되었다. 그러나, 단수 또는 복수의 표현은 설명의 편의를 위해 제시한 상황에 적합하게 선택된 것으로서, 본 개시가 단수 또는 복수의 구성 요소에 제한되는 것은 아니며, 복수로 표현된 구성 요소라 하더라도 단수로 구성되거나, 단수로 표현된 구성 요소라 하더라도 복수로 구성될 수 있다.
본 명세서와 도면에 개시된 실시예들은 본 개시의 기술 내용을 쉽게 설명하고, 본 개시의 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 개시의 범위를 한정하고자 하는 것은 아니다. 또한 앞서 설명된 본 개시에 따른 실시예들은 예시적인 것에 불과하며, 당해 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 범위의 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 개시의 진정한 기술적 보호 범위는 다음의 특허청구범위에 의해서 정해져야 할 것이다.

Claims (3)

  1. 무선 통신 시스템에 있어서, AMF(access and mobility management function)에 의해 수행되는 방법은,
    단말로부터 네트워크 상태 정보의 요청을 포함하는 등록 요청 메시지를 수신하는 단계;
    상기 수신한 등록 요청 메시지에 기반하여 상기 단말이 요청한 상기 네트워크 상태 정보가 허용 가능한지 결정하는 단계;
    상기 단말에게 상기 결정한 네트워크 상태 정보를 포함하는 등록 응답 메시지를 송신하는 단계;
    상기 수신한 등록 요청 메시지에 기반하여, SMF(session management function) 또는 UPF(user plane function) 중 적어도 하나 및 NWDAF(network data collection and analysis function)에게 자원 상태 정보 또는 네트워크 성능 분석 정보 중 적어도 하나를 요청하는 네트워크 상태 정보 요청 메시지를 송신하는 단계;
    상기 송신한 네트워크 상태 정보 요청 메시지에 기반하여, 상기 자원 상태 정보 또는 네트워크 성능 분석 정보 중 적어도 하나가 포함된 네트워크 상태 정보 응답 메시지를 수신하는 단계;
    상기 수신한 네트워크 상태 정보 응답 메시지에 기반하여 네트워크의 혼잡 수준에 관한 정보를 결정하는 단계; 및
    상기 결정한 네트워크의 혼잡 수준에 대한 정보를 포함하는 제어 메시지를 상기 단말에게 송신하는 단계를 포함하는 방법.
  2. 청구항 1에 있어서, 상기 단말이 요청한 네트워크 상태 정보가 허용 가능한지 결정하는 단계는,
    상기 수신한 등록 요청 메시지에 기반하여, 상기 단말의 ID(identifier)를 포함하는 단말 정보 요청 메시지를 UDM에게 송신하는 단계;
    상기 송신한 단말 정보 요청 메시지에 기반하여, 상기 단말의 가입 정보를 포함하는 단말 정보 응답 메시지를 수신하는 단계; 및
    상기 수신한 단말 정보 응답 메시지에 기반하여 상기 단말이 요청한 상기 네트워크 상태 정보가 허용 가능한지 결정하는 단계를 더 포함하는 방법.
  3. 무선 통신 시스템에 있어서, 단말에 의해 수행되는 방법은,
    AMF(access and mobility management function)에게 네트워크 상태 정보의 요청을 포함하는 등록 요청 메시지를 송신하는 단계;
    상기 AMF로부터, 상기 송신한 등록 요청 메시지에 기반하여 상기 AMF에 의해 결정된, 상기 네트워크 상태 정보를 포함하는 등록 응답 메시지 및 네트워크의 혼잡 수준에 대한 정보를 포함하는 제어 메시지를 수신하는 단계;
    상기 수신한 제어 메시지에 기반하여 AI(artificial intelligence) 또는 ML(machine learning)의 모델을 결정하는 단계; 및
    상기 결정된 AI 또는 ML의 모델 또는 상기 네트워크 상태 정보 중 적어도 하나를 포함하는 AI 또는 ML의 모델 변경 요청 메시지를 ML 서버에게 송신하는 단계를 포함하는 방법.
KR1020220055000A 2022-05-03 2022-05-03 무선 통신 시스템에서 네트워크 혼잡 정보에 기반하여 머신 러닝 모델을 결정하기 위한 방법 및 장치 KR20230155287A (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020220055000A KR20230155287A (ko) 2022-05-03 2022-05-03 무선 통신 시스템에서 네트워크 혼잡 정보에 기반하여 머신 러닝 모델을 결정하기 위한 방법 및 장치
PCT/KR2023/005861 WO2023214752A1 (en) 2022-05-03 2023-04-28 Method and apparatus for determining machine learning model based on network congestion information in wireless communication system
US18/309,297 US20230362716A1 (en) 2022-05-03 2023-04-28 Method and apparatus for determining machine learning model based on network congestion information in wireless communication system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220055000A KR20230155287A (ko) 2022-05-03 2022-05-03 무선 통신 시스템에서 네트워크 혼잡 정보에 기반하여 머신 러닝 모델을 결정하기 위한 방법 및 장치

Publications (1)

Publication Number Publication Date
KR20230155287A true KR20230155287A (ko) 2023-11-10

Family

ID=88646657

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220055000A KR20230155287A (ko) 2022-05-03 2022-05-03 무선 통신 시스템에서 네트워크 혼잡 정보에 기반하여 머신 러닝 모델을 결정하기 위한 방법 및 장치

Country Status (3)

Country Link
US (1) US20230362716A1 (ko)
KR (1) KR20230155287A (ko)
WO (1) WO2023214752A1 (ko)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3857824A1 (en) * 2018-09-26 2021-08-04 NEC Corporation Network data analytics function, access and mobility function, and control method for ue analytics assistance for network automation and optimisation
GB2577804B (en) * 2018-10-03 2022-03-02 Samsung Electronics Co Ltd Improvements in and relating to telecommunications networks
KR102700547B1 (ko) * 2018-10-05 2024-08-30 삼성전자 주식회사 5g 이동 통신 시스템에서 네트워크 분석 정보를 활용한 효율적 mico 모드 관리 방법
WO2020162720A1 (ko) * 2019-02-08 2020-08-13 엘지전자 주식회사 무선 통신 시스템에서 nwdaf의 신호 송수신 방법 및 이를 위한 장치.
WO2021028063A1 (en) * 2019-08-12 2021-02-18 Telefonaktiebolaget Lm Ericsson (Publ) Predicting congestion levels in a communications network

Also Published As

Publication number Publication date
US20230362716A1 (en) 2023-11-09
WO2023214752A1 (en) 2023-11-09

Similar Documents

Publication Publication Date Title
KR102700547B1 (ko) 5g 이동 통신 시스템에서 네트워크 분석 정보를 활용한 효율적 mico 모드 관리 방법
EP4099635A1 (en) Method and device for selecting service in wireless communication system
CN114651523A (zh) 用于在无线通信系统中管理网络切片的方法和装置
US11617146B2 (en) Method and apparatus for registering with network slice in wireless communication system
KR20210054923A (ko) 이동통신 네트워크에서 rfsp 인덱스 선택을 위한 네트워크 분석 정보 제공하는 방법 및 장치
CN117837192A (zh) 用于增强型机器学习模型训练和推断的网络测量
US11805022B2 (en) Method and device for providing network analytics information in wireless communication network
KR20240021062A (ko) 무선 통신 시스템의 성능 분석 방법 및 장치
US20230209452A1 (en) Method and apparatus for supporting mobility for collection and analysis of network data in wireless communication network
US20230199570A1 (en) Communication method and device in wireless communication system supporting network slicing
KR20230068874A (ko) 무선 통신 시스템에서 네트워크 데이터 분석 기능을 활용한 세션 연결 모드 설정 방법 및 장치
KR20230065806A (ko) 무선 통신 시스템에서 분할 컴퓨팅 서비스를 제공하는 방법 및 장치
KR20230155287A (ko) 무선 통신 시스템에서 네트워크 혼잡 정보에 기반하여 머신 러닝 모델을 결정하기 위한 방법 및 장치
KR20210059468A (ko) 무선통신 시스템에서 네트워크 슬라이스별 데이터 속도를 제어하는 방법 및 장치
CN114868423A (zh) 侧向链路中间层框架的拥塞控制
US20240056868A1 (en) Method and apparatus to collect data for network data analysis in mobile communication system
KR20230155829A (ko) 무선 통신 시스템에서 네트워크 데이터 서버 정보를 획득하는 방법 및 장치
US20230362639A1 (en) Method and apparatus for transferring network information to ai/ml application in wireless communication system
US20230135667A1 (en) Method and apparatus for providing network slice in wireless communication system
US20240040465A1 (en) Method and apparatus for managing service area for ue in wireless communication system
US20240236823A1 (en) Method and apparatus for supporting monitoring for external services in a wireless communication system
KR20230155955A (ko) 무선 통신 시스템에서 ai/ml 애플리케이션에 네트워크 정보를 전달하는 방법 및 장치
US20230164649A1 (en) Method and apparatus for providing access policy in wireless communication system
WO2023184310A1 (en) Centralized machine learning model configurations
US20240259782A1 (en) Method and device for transmitting data of roaming terminal in wireless communication system