移动通信低时延高可靠业务资源预留算法研究

么欣桐，陈 健，黎 军

（1.南京邮电大学，江苏 南京 210000；2.中国空间技术研究院西安分院 空间微波技术重点实验室，陕西 西安 710000）

0 引 言

随着移动通信量的爆炸式增长，无线行业正在经历各种各样的新兴应用和服务。第三代伙伴关系项目（3GPP）将这些不同的场景分为三大类：增强移动宽带（eMBB）、大规模机器类型通信（mMTC）和超可靠低延迟通信（uRLLC）。其中，eMBB 场景集中表现为超高的数据传输速率、广覆盖下的移动性保证等，针对的是大流量移动宽带业务，其主要的具体应用场景有3D/超高清视频、VR/AR 等业务。mMTC 重点解决传统移动通信无法很好地支持物联网及垂直行业应用的问题，主要的应用场景有面向智慧城市、智能家居等以传感和数据采集为目标的应用场景。uRLLC 场景面对的是高可靠、低时延、极高可用性的应用场景，不同的业务对时延有不同的要求，uRLLC 场景包括以下具体应用场景：工业应用和控制、交通安全和控制、远程制造、远程培训、远程手术等。此外，uRLLC 在无人驾驶业务方面拥有很大潜力。在5G uRLLC 场景下，面向不同的业务需求，合理的端到端uRLLC 保障技术将是提升5G 网络uRLLC性能指标、降低网络建设与运维成本的关键因素。

三大类应用场景业务自身特征迥异，业务需求不同，对网络的要求也不尽相同。目前，eMBB 场景作为5G 移动通信网络的基础场景已得到了市场应用，而uRLLC 场景和mMTC 场景所涉及的技术和标准还在国际标准化组织的研究中，预计2023—2024 年将逐步推出。可以预想，多应用场景在5G 移动通信网络共存时，在有限的系统资源情况下，三大应用场景对系统资源的竞争将是5G 移动通信系统不可避免的现象。eMBB 场景业务作为5G 移动通信的基础业务，在流量上占有主导地位，而uRLLC 业务数据包短，对时延、时延抖动、丢包率等参数敏感，尤其是具有突发特征的uRLLC 业务会对eMBB 业务造成较大的冲击影响。因此，在满足uRLLC 业务服务质量（QoS）的前提下，如何降低对eMBB 业务的影响以及提高资源利用率是5G 移动通信系统的一个核心问题。

近年来，业界和学术界对同一物理资源上的eMBB业务和uRLLC 业务多路复用的研究越来越多，如文献[6]中对eMBB 和uRLLC 流量进行了基于信息论论证的性能分析；文献[7]引入了eMBB 影响最小化问题，以保护uRLLC 流量不受主流eMBB 服务的影响；文献[8]提出了一种有效的多路复用解决方案，但没有解决复用中的资源分配问题。本文通过随机网络演算理论，建立两种业务共存的通用模型，在已有学者提出随机业务uRLLC资源预留与资源抢占的基础上，提出了一种突发业务与随机业务并存的三层多占比动态资源预留与抢占机制。通过对时延边界分布的分析，从理论上推导出满足随机到达和突发uRLLC 业务的资源预留边界，作为多占比动态资源预留和抢占系统理论基础。借助随机网络理论，对两种业务时延特性进行深入探讨，分析资源预留和抢占对eMBB 业务的性能影响。

1 资源预留系统模型

传统业务的服务质量己经不能满足于未来的新型业务，eMBB 与uRLLC 带来了超高峰值速率、超大热点容量、超低时延、超高可靠等巨大挑战。5G 主张对eMBB 与uRLLC 实行流量共享，共同分配时频资源。频段上预留出一定的空闲资源用于uRLLC 资源分配，预留的空闲资源可以最大限度防止uRLLC 业务的网络阻塞，最大可能地满足uRLLC 业务的低时延要求。

文献[9]中给出的系统模型可以很好地对以泊松分布到达的uRLLC 数据进行动态的资源预留分配。但在实际场景中，对于突发性uRLLC 业务会在短时间内到达，同样需要超低的时延和超高可靠性保障，如采用传统预留机制会给eMBB 业务和随机uRLLC 业务造成巨大冲击，同时难以充分保障突发uRLLC 业务的需求。因此本文考虑uRLLC 与eMBB 混合业务复用的系统模型，uRLLC 包括随机到达和突发到达两种情况。

突发性uRLLC 业务，若按照其峰值速率进行资源预留会极大降低系统的资源利用率，同时eMBB 业务吞吐量和时延受到限制和影响。因此，应该考虑在保证uRLLC 业务QoS 情况下尽可能减少对eMBB 业务的影响。对于随机到达的uRLLC 业务，可采用静态预留对其进行资源预留；对于突发性uRLLC 业务，可采用动态抢占机制进行资源预留。

在5G 移动通信业务中，eMBB 业务量是最大的，可预留一部分固定资源供其使用。对于uRLLC 业务，考虑其业务类型包括随机业务和突发业务两种，可以将资源预留分为两部分：第一部分静态资源预留是uRLLC业务基本保障资源，对于随机到达的uRLLC 业务可以使用该部分预留资源进行传输；第二部分动态资源预留区域是uRLLC 和eMBB 业务的公共区域，该部分资源是供给突发性uRLLC 业务使用的，在突发性uRLLC 业务处于突发状态时可抢占该部分相应的资源，而在突发uRLLC 业务处于非突发状态时由eMBB 业务使用，如图1所示。对于图1 的系统模型，随机到达uRLLC 业务静态资源占比以及固定eMBB 业务资源占比是本模型的关键。

图1 系统模型

2 理论分析

2.1 随机网络演算理论

SNC（随机网络演算）是计算机网络提供随机服务保障的一种不断发展的方法。对于在网络中传输的数据流而言，衡量其性能的指标主要包括时延、积压、丢包率等。作为网络性能分析工具而言，随机网络演算与排队论和确定性网络演算不同，其能很好地分析随机性较强的无线网络性能。通过建立网络中数据流的流量到达模型和服务器的服务模型，计算出QoS 指标结果。本文通过最小加代数理论和随机网络演算建立系统模型、业务到达曲线、服务曲线，通过计算分析动态资源预留系统的性能特点。

定义()，()，()分别为数据流的到达过程、服务过程、离开过程。根据随机网络演算有如下定义：

定义1：随机到达曲线，对于所有的≥0，≥0 均有

成立，则称()与()为数据流的随机到达曲线，记为()<,>。式中：(,)表示从时间到时间积累的到达服务器的数据量；()表示边界函数。假设随机到达曲线()有时可能被到达过程()超过，但被超过的概率受边界函数()的限制。

定义2：随机服务曲线，对于所有的≥0，≥0，均有

成立，则称()和函数()满足服务器的服务曲线，表示为()<,>。其中：产生超出服务能力的数据的概率可以由边界函数()约束；符号“⊗”表示最小加卷积运算。

从文献[15]中可以更好地理解到达过程、离开过程和服务过程之间的关系。利用这些基本过程和曲线可以讨论时延边界的定义。

定义3：延迟过程，设()和()分别为到达过程和离开过程，定义≥0 时刻的延迟过程()为：

根据延迟过程的定义，利用随机到达曲线和随机服务曲线，可以推导出随机延迟边界的定义。具体推导过程由文献[16]给出。

随机时延边界

设定系统的输入数据流具有随机到达曲线()<,>，服务器为数据流提供的随机服务曲线为()<,>，则对所有≥0,≥0，系统的随机时延上界为：

式中函数(+,)表示+和之间的最大水平距离，可以写成：

2.2 业务模型

uRLLC 业务数据从源端产生。根据uRLLC 业务的要求，可靠性和延迟可以描述为：

式中：()为数据包所经历的实际时延；表示可容忍的最大时延；代表业务可容忍的最大错误率。公式（6）表示5G uRLLC 网络成功传输数据，满足时延和可靠性要求。

泊松过程是用于网络业务建模的典型工具，在随机到达uRLLC 场景中，数据通常是固定的单位数据包大小，因此假设到达的数据将会近似于平均速率λ的泊松分布。因此到达曲线()=，边界函数为：

记泊松过程uRLLC 业务随机到达曲线为A<,>，证明过程详见文献[19]。

对于突发uRLLC，其业务到达具有不确定性，可以考虑使用ON/OFF 模型对突发性uRLLC 业务建模，ON/OFF 模型可以很好地反映业务生成过程中的状态转移特性。

业务源在激活状态（ON 状态）和静默状态（OFF 状态）之间切换。假设突发性uRLLC 业务的数据流为一个马尔科夫调制的ON/OFF 流量模型，在激活状态以速率产生数据，在静默状态时不产生数据。从ON 状态到OFF 状态的转移率为，从OFF 状态转移到ON 状态的概率为。则该突发性uRLLC 业务的随机到达曲线为()=()，边界函数为()=e，其中为一个大于0 的自由参数。

记突发性 uRLLC 业务随机到达曲线为A<,>。

2.3 服务模型

为了简化问题，假设系统为常速率服务系统且为单个节点的单个服务器，平均传输速率为，则系统的随机服务曲线为()=，边界函数为()=e。根据上述动态资源预留系统模型，假设静态预留资源占比为，动态预留资源占比为。可以得到业务混合传输时，随机uRLLC 业务、突发uRLLC、eMBB 业务分别可以获得真正的服务能力：

2.4 uRLLC 业务资源预留分析

将随机到达曲线A和随机服务曲线S代入定理1，可以获得随机到达uRLLC 业务时延边界为：

将随机到达曲线A和随机服务曲线S代入定理1，可以获得突发性uRLLC 业务时延边界为：

令f()=e=可以推导出第二层动态资源预留的比例为：

2.5 eMBB 性能损失影响分析

对于eMBB 业务，也可以将其到达过程以泊松模型建立，与上述泊松过程到达uRLLC 业务相同，可以得到eMBB 业务的随机到达曲线为A～<,>。当系统全部资源可以给eMBB 业务使用的时候，由定理1 可知eMBB数据的时延分布上界限为：

为了保证突发性uRLLC 业务的超低时延要求，传统资源预留机制会将本系统的第一部分资源与第二部分合并，因此传统资源预留系统资源预留比例为+，时延边界会恶化为：

将随机到达曲线A和随机服务曲线S代入定理1，可以计算出当存在uRLLC 业务时，本系统的eMBB 业务时延边界可以优化为：

eMBB 业务时延边界可以转化为：

通过上述理论推导，在给定业务到达速率、时延要求、最大错误率和系统服务速率的情况下可以得出静态资源预留和动态资源预留的界限，。

3 仿真分析

3.1 资源预留占比仿真

本节研究uRLLC 业务QoS 对资源预留大小的影响。假设服务器为服务速率为=20 Mb/s 的常速率服务系统，uRLLC 业务的时延要求为1 ms。随机uRLLC 业务的到达速率λ=1 Mb/s。突发性uRLLC 业务由于其突发性，应满足业务发生概率远小于业务停止概率的要求，所以假设业务从发生状态到停止状态的转移率=0.1，停止状态到发生状态的转移率为=0.01。业务在发生状态时以=1.5 Mb/s 产生数据。

图2 给出了在时延要求确定时，业务的可靠性要求对预留资源占比的影响。

图2 资源预留比例分布（一）

从图2 可以看出，在违反概率小于0.1 时，预留资源比例大幅下降。

图3 给出了在违反概率确定为=10时，业务的时延要求对资源占比的影响。

图3 资源预留比例分布（二）

从图3 中可以看出，时延要求越高，预留资源越大；在时延要求小于2 ms 时，预留资源随着时延要求的提高变化显著。

3.2 混合业务仿真

下面给出自动驾驶业务在本文设计的动态资源预留系统中业务时延分布曲线。在自动驾驶业务中，路况信息、车辆信息的数据到达曲线采用泊松模型，设到达速率λ=1 Mb/s，车辆遇到突发状况需要紧急制动的数据到达曲线采用ON/OFF 到达模型，设业务在ON 状态时以=1.5 Mb/s 产生速率，在OFF 状态不产生数据。ON 到OFF 的转移率为=0.1，OFF 到ON 的转移率为=0.01。通过计算得出系统预留资源的界限分别为=11.9%，=40%。对业务进行仿真得出业务时延与违反概率的关系如图4所示。

图4 uRLLC 业务概率时延分布

从图4 中可以看出，对于类似制动这种突发且紧急的uRLLC 业务，该系统可以保证业务数据包的时延在1 ms 以内，对于随机uRLLC 业务可以保证时延在10 ms以内。

3.3 eMBB 性能损失仿真

设eMBB 到达速率为λ=8 Mb/s，uRLLC 业务为上述自动驾驶业务。图5 仿真了当两种业务共存时，传统资源预留机制和本文预留机制eMBB 业务的时延曲线，图6 为时延优化曲线。

图5 eMBB 业务概率时延分布

图6 时延优化曲线

从图6 可以得出，本文设计的资源预留机制与传统机制相比，减少了eMBB 业务的性能损失。随着违反概率的降低，时延的优化更加显著，峰值可以达到350 ms左右，对因资源预留导致的eMBB 业务的时延恶化有极大缓解。因此，本文设计的优化机制既保证了uRLLC业务的QoS 需求，又使对eMBB 业务的影响降到最低。

4 结 语

针对5G 移动通信系统多种业务场景复用传输过程中，在保障随机和突发uRLLC 业务QoS 的基础上，尽量降低对eMBB 业务的影响，本文提出了一种突发业务与随机业务并存的多占比动态资源预留与抢占机制。经过随机网络演算理论分析，确定了静态eMBB 业务和动态uRLLC 业务的占比界限。对于不同类型的uRLLC 业务动态的调整预留资源，为系统的实现做出理论指导分析。与文献[9]相比，综合考虑了不同类型的uRLLC 业务特性，为突发uRLLC 业务进行动态预留机制并对预留机制进行优化。仿真分析结果表明，相比传统纯资源预留机制，eMBB 业务时延因资源预留导致的恶化大幅降低，在0.1 的违反概率下可达到120～350 ms 的优化，显著提升了eMBB 业务的性能，实现了以尽量少的牺牲eMBB 业务性能来满足突发性uRLLC 业务的时延和可靠性要求。