К анализу системы массового обслуживания для сети 5G с технологией NS и приоритетным управлением доступом к радиоресурсам

Обложка

Цитировать

Полный текст

Аннотация

Переход к беспроводным сетям пятого поколения 5G ознаменовал новый этап развития информационных и коммуникационных технологий. Сети пятого поколения должны решить такие проблемы, как негибкость «традиционных» сетей и нехватка частотных радиоресурсов для качественного предоставления услуг. Предполагается, что, используя эти сети, мобильные операторы смогут значительно расширить спектр услуг и обеспечить требуемое качество их предоставления. Для удовлетворения требований к качеству обслуживания ( англ. Quality of Service - QoS) операторам необходимо выполнение «ключевых показателей эффективности» ( англ. Key Performance Indicators - KPI), описанных в стандартах связи. Для этой цели могут быть использованы алгоритмы приоритетного облуживания. В статье рассмотрена модель беспроводной сети 5G, поддерживающая технологию нарезки сети и реализующая управление доступом к сетевым радиоресурсам при помощи введения приоритетов. Изучена работа модели в рамках двух алгоритмов. Проведён сравнительный анализ основных показателей эффективности модели.

Об авторах

К. И. Б. Аду

Российский университет дружбы народов

Автор, ответственный за переписку.
Email: 1042205051@rudn.ru
ORCID iD: 0000-0003-4669-0898

PhD Student at the Department of Applied Probability and Informatics, Faculty of Science

ул. Миклухо-Маклая, д. 6, Москва, Россия, 117198

Е. В. Маркова

Российский университет дружбы народов

Email: markova-ev@rudn.ru
ORCID iD: 0000-0002-7876-2801

Candidate of Physical and Mathematical Sciences, Associate Professor at the Department of Applied Probability and Informatics, Faculty of Science

ул. Миклухо-Маклая, д. 6, Москва, Россия, 117198

Е. А. Жбанкова

Российский университет дружбы народов

Email: 1032202159@rudn.ru
ORCID iD: 0000-0003-2482-4488

MSc student at the Department of Applied Probability and Informatics, Faculty of Science

ул. Миклухо-Маклая, д. 6, Москва, Россия, 117198

Список литературы

  1. W. Lehr, F. Queder, and J. Haucap, “5G: A new future for Mobile Network Operators, or not?” Telecommunications Policy, vol. 45, no. 3, p. 102086, Jan. 2021. doi: 10.1016/j.telpol.2020.102086.
  2. Z. Ofir. “What will be the impact of 5g on network operators?” (Nov. 2021), [Online]. Available: https://www.forbes.com/sites/forbestechcouncil/2020/11/24/what-will-be-the-impact-of5g-on-network-operators/.
  3. “Cloud computing services drive companies’ digital transformation.” (Jan. 2022), [Online]. Available: https://www.telefonica.com/en/communication-room/blog/cloud-computing-services-drivecompanies-digital-transformation/.
  4. K. Budka. “AI + Augmented: Pushing the Limits of What Machines Can Do.” (Sep. 2021), [Online]. Available: https://www.industryweek.com/technology-and-iiot/emerging-technologies/article/ 21174112/ai-augmented-pushes-the-limits-of-what-machinescan-do.
  5. C. Johnson. “What Companies And Governments Really Want From Industry 4.0.” (Nov. 2021), [Online]. Available: https://www.forbes.com/sites/nokia-industry-40/2021/11/18/what-companies-andgovernments-really-want-from-industry-40/.
  6. Nokia. “How Supply Chain 4.0 delivers the goods other approaches can’t.” (Dec. 2021), [Online]. Available: http://www.ft.com/partnercontent/nokia/how-supply-chain-4-0-delivers-thegoods-other-approaches-cant.html.
  7. A. Sultan and M. Pope, “Feasibility study on new services and markets technology enablers for network operation; Stage 1,” 3rd Generation Partnership Project (3GPP), Technical report (TR) 22.864, Sep. 2016, Version 15.0.0.
  8. J. M. Meredith, F. Firmin, and M. Pope, “Release 16 Description; Summary of Rel-16 Work Items,” 3rd Generation Partnership Project (3GPP), Technical report (TR) 21.916, Jan. 2022, Version 16.1.0.
  9. J. M. Meredith, M. C. Soveri, and M. Pope, “Management and orchestration; 5G end to end Key Performance Indicators (KPI),” 3rd Generation Partnership Project (3GPP), Technical specification (TS) 28.554, Dec. 2021, Version 17.5.0.
  10. “5G industry campus network deployment guideline,” GSM Association (GSMA), Official Document NG.123, Oct. 2021, Version 2.0.
  11. I. Markopoulos et al., “Service performance measurement methods over 5G experimental networks,” 5G PPP, white paper ICT-19, Mar. 2021, Version 1.0. doi: 10.5281/zenodo.4748482.
  12. L. Nielsen et al., “Basic Testing Guide - A Starter Kit for Basic 5G KPIs Verification,” 5G PPP, white paper, Nov. 2021, Version 1.0. doi: 10.5281/zenodo.5704519.
  13. O. Ohlsson, P. Wallentin, and C.-G. Persson. “Reducing mobility interruption time in 5G networks.” (Apr. 2020), [Online]. Available: https://www.ericsson.com/en/blog/2020/4/reducing-mobilityinterruption-time-5g-networks.
  14. G. Sevilla. “2022 predictions: Internet and network outages will continue to get worse before they get better.” (Dec. 2021), [Online]. Available: https://www.emarketer.com/content/2022-predictionsinternet-network-outages-will-continue-worse-before-theybetter.
  15. H. Zhu, G. Zhang, D. Hong, S. Zhang, and S. Huang, “Data Access Control Method of Power Terminal Based on 5G Technology,” in Advanced Hybrid Information Processing, S. Liu and X. Ma, Eds., Cham: Springer International Publishing, 2022, pp. 26-39. doi: 10.1007/978-3-03094554-1_3.
  16. D. Alotaibi, V. Thayananthan, and J. Yazdani, “The 5G network slicing using SDN based technology for managing network traffic,” Procedia Computer Science, vol. 194, pp. 114-121, Dec. 2021, 18th International Learning & Technology Conference 2021. doi: 10.1016/j.procs.2021.10.064.
  17. R. Moreira, P. F. Rosa, R. L. A. Aguiar, and F. de Oliveira Silva, “NASOR: A network slicing approach for multiple Autonomous Systems,” Computer Communications, vol. 179, pp. 131-144, Jul. 2021. DOI: 10. 1016/j.comcom.2021.07.028.
  18. P. Zhu, J. Zhang, Y. Xiao, J. Cui, L. Bai, and Y. Ji, “Deep reinforcement learning-based radio function deployment for secure and resource-efficient NG-RAN slicing,” Engineering Applications of Artificial Intelligence, vol. 106, p. 104490, 2021. doi: 10.1016/j.engappai.2021.104490.
  19. H. Yang, T. So, and Y. Xu, “Chapter 12 - 5G network slicing,” in 5G NR and Enhancements, J. Shen, Z. Du, Z. Zhang, N. Yang, and H. Tang, Eds., Elsevier, 2022, pp. 621-639. doi: 10.1016/B978-0-323-910606.00012-X.
  20. N. Suganthi and S. Meenakshi, “An efficient scheduling algorithm using queuing system to minimize starvation of non-real-time secondary users in Cognitive Radio Network,” Cluster Computing, vol. 25, no. 1, pp. 1-11, Jan. 2022. doi: 10.1007/s10586-017-1595-8.
  21. A. Fathalla, K. Li, and A. Salah, “Best-KFF: a multi-objective preemptive resource allocation policy for cloud computing systems,” Cluster Computing, vol. 25, no. 1, pp. 321-336, Feb. 2022. doi: 10.1007/s10586021-03407-z.
  22. S. J. Ahmad et al., “A Dynamic Priority Based Scheduling Scheme for Multimedia Streaming Over MANETs to Improve QoS,” in Distributed Computing and Internet Technology, Cham: Springer International Publishing, 2016, pp. 122-126. doi: 10.1007/978-3-319-28034-9_15.
  23. A. Belgacem and K. Beghdad-Bey, “Multi-objective workflow scheduling in cloud computing: trade-off between makespan and cost,” Cluster Computing, vol. 25, no. 1, pp. 579-595, Feb. 2022. doi: 10.1007/s10586021-03432-y.
  24. J. R. Artalejo and A. Gómez-Corral, Retrial Queueing Systems. Springer, Berlin, Heidelberg, Jan. 2008. doi: 10.1007/978-3-540-78725-9.
  25. P. P. Bocharov, C. D’Apice, and A. V. Pechinkin, Queueing Theory. De Gruyter, 2011. doi: 10.1515/9783110936025.
  26. G. P. Basharin, Y. V. Gaidamaka, and K. E. Samouylov, “Mathematical Theory of Teletraffic and its Application to the Analysis of Multiservice Communication of Next Generation Networks,” Automatic Control and Computer Sciences, vol. 47, no. 2, pp. 62-69, 2013. DOI: 10.3103/ S0146411613020028.
  27. K. Y. Adou and E. V. Markova, “Methods for Analyzing Slicing Technology in 5G Wireless Network Described as Queueing System with Unlimited Buffer and Retrial Group,” in Information Technologies and Mathematical Modelling. Queueing Theory and Applications, Cham: Springer International Publishing, Mar. 2021, pp. 264-278. doi: 10.1007/978-3-030-72247-0_20.
  28. E. Markova, Y. Adou, D. Ivanova, A. Golskaia, and K. Samouylov, “Queue with Retrial Group for Modeling Best Effort Traffic with Minimum Bit Rate Guarantee Transmission Under Network Slicing,” in Distributed Computer and Communication Networks, Cham: Springer International Publishing, 2019, pp. 432-442. DOI: 978-3-030-366148_33.
  29. M. Korenevskaya, O. Zayats, A. Ilyashenko, and V. Muliukha, “Retrial Queuing System with Randomized Push-Out Mechanism and NonPreemptive Priority,” Procedia Computer Science, vol. 150, pp. 716-725, 2019, Proceedings of the 13th International Symposium “Intelligent Systems 2018” (INTELS’18), 22-24 October, 2018, St. Petersburg, Russia. doi: 10.1016/j.procs.2019.02.016.
  30. A. M. Yadav, K. N. Tripathi, and S. C. Sharma, “An enhanced multiobjective fireworks algorithm for task scheduling in fog computing environment,” Cluster Computing, Nov. 2021. doi: 10.1007/s10586021-03481-3.
  31. S. N. Stepanov, Fundamentals of Multiservice Networks [Osnovy teletraffika multiservisnykh setei]. Moscow: Eqo-Trends, 2010, p. 392, in Russian.
  32. S. N. Stepanov, Theory of Teletraffic: Concepts, Models, Applications [Teoriya teletraffika: kontseptsii, modeli, prilozheniya]. Moscow: Goryachaya Liniya-Telekom, 2015, p. 868, in Russian.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».