A RAN intelligent Controller(RIC) a virtualiz\u00e1lt h\u00e1l\u00f3zatok kulcsfontoss\u00e1g\u00fa eleme. Fel\u00e9pit\u00e9se \u00e9s funkci\u00f3i az O-RAN Alliance dokument\u00e1ci\u00f3in \u00e9s ny\u00edlt szabv\u00e1nyokon alapulnak.<\/p>\n\n\n\n
Az O-RAN Sz\u00f6vets\u00e9g szabv\u00e1nyaira \u00e9p\u00fcl\u0151 RIC-nek k\u00e9t form\u00e1ja van, a nem val\u00f3s idej\u0171 (non-RT) RIC \u00e9s a k\u00f6zel val\u00f3s idej\u0171 (near-RT) RIC. Mindk\u00e9t RIC funkci\u00f3 aktivan r\u00e9sztvesz a RAN h\u00e1l\u00f3zatok optimiz\u00e1l\u00e1s\u00e1ban AI\/ML modelleket alkalmazva, policy guideline-okat k\u00e9szitve, visszacsatol\u00e1sokon kereszt\u00fcl \u00e9rt\u00e9kelve a h\u00e1l\u00f3zat viselked\u00e9s\u00e9t \u00e9s beavatkozva a folyamatokba mikor sz\u00fcks\u00e9ges.<\/p>\n\n\n\n
<\/p>\n\n\n\n
A RAN funkci\u00f3 feloszt\u00e1sa lehet\u00f5v\u00e9 teszi nagy adathalmazok (big data) l\u00e9trehoz\u00e1s\u00e1t \u00e9s felhaszn\u00e1l\u00e1s\u00e1t a klasszikus RRM probl\u00e9m\u00e1k adatk\u00f6zpont\u00fa megk\u00f6zel\u00edt\u00e9seinek tanulm\u00e1nyoz\u00e1s\u00e1ra. Ennek a t\u00e1mogat\u00e1s\u00e1ra az O-RAN sz\u00f6vets\u00e9g specifik\u00e1ci\u00f3kat hat\u00e1roz meg. A RIC az adatvez\u00e9relt AI\/ML modelleket haszn\u00e1lva jobb hat\u00e1sfokkal \u00e9s gyorsabban k\u00e9pes a h\u00e1l\u00f3zat managel\u00e9s\u00e9re \u00e9s a performance optimaliz\u00e1l\u00e1sra.<\/p>\n\n\n\n
<\/p>\n\n\n\n
Az O-RAN-ban az ML modellek offline tanul\u00e1sban r\u00e9szes\u00fclnek \u00e9s xApps-okban online ker\u00fclnek telep\u00edt\u00e9sre a RIC-ben. Eddig az egyik leg\u00edg\u00e9retesebb megk\u00f6zel\u00edt\u00e9s a Reinforcement Learning (RL), amely egy \u00fcgyn\u00f6k\u00f6t “agent” tan\u00edt hogyan v\u00e1lasszon a cselekv\u00e9si lehet\u0151s\u00e9gek k\u00f6z\u00fcl az adott k\u00f6rnyezetben, hogy maximaliz\u00e1lja a jutalmat az id\u0151 m\u00fal\u00e1s\u00e1val. Az RL “agent” c\u00e9lja ezut\u00e1n egy “policy” kidolgoz\u00e1sa, amely egy lek\u00e9pez\u00e9s a k\u00f6rnyezeti \u00e1llapotok \u00e9s cselekv\u00e9sek k\u00f6z\u00f6tt a hossz\u00fa t\u00e1v\u00fa jutalom maximaliz\u00e1l\u00e1sa \u00e9rdek\u00e9ben.<\/p>\n\n\n\n
<\/p>\n\n\n\n
Az Open RAN h\u00e1l\u00f3zatokban a hagyom\u00e1nyos RAN optimiz\u00e1l\u00e1si probl\u00e9m\u00e1k \u00fajragondol\u00e1s\u00e1n az AI\/ML intelligenci\u00e1k alkalmaz\u00e1s\u00e1ra alapozva \u00faj, innovativ megold\u00e1sokat keresnek a gy\u00e1rt\u00f3k \u00e9s szolg\u00e1ltat\u00f3k. Az innov\u00e1ci\u00f3n \u00e9s gyorsas\u00e1gon t\u00fal az energiahat\u00e9konys\u00e1g is fontos t\u00e9nyez\u0151. A szolg\u00e1ltat\u00f3k m\u00e1r fontosnak tartj\u00e1k a h\u00e1l\u00f3zat min\u00e9l energiahat\u00e9konyabb m\u0171k\u00f6d\u00e9s\u00e9t. Ennek \u00e9rdek\u00e9ben igyekeznek min\u00e9l ink\u00e1bb kiakn\u00e1zni az intelligens RIC k\u00e9pess\u00e9geit.<\/p>\n\n\n\n
N\u00e9h\u00e1ny a legfontosabb RAN optimiz\u00e1l\u00e1si feladatok k\u00f6z\u00fcl:<\/p>\n\n\n\n
<\/p>\n\n\n\n
A Traffic Steering rApp\/xApp jav\u00edtja a felhaszn\u00e1l\u00f3i \u00e9lm\u00e9nyt az\u00e1ltal, hogy dinamikusan kiegyenl\u00edti a terhel\u00e9st a h\u00e1l\u00f3zatban. Ennek egyik m\u00f3dja a felhaszn\u00e1l\u00f3 (UE) \u00e1thelyez\u00e9se egy t\u00falterhelt cell\u00e1b\u00f3l egy szomsz\u00e9dos, enyh\u00e9n terhelt cell\u00e1ba. A jelenlegi h\u00e1l\u00f3zat optimiz\u00e1l\u00e1si gyakorlat, mint p\u00e9ld\u00e1ul a cell re-selection, handover, valamint a priorit\u00e1sok be\u00e1ll\u00edt\u00e1sa, ink\u00e1bb cellak\u00f6zpont\u00faak, mint UE k\u00f6zpont\u00faak. A RIC Traffic Steering funkci\u00f3ja ezt \u00fagy oldja meg, hogy a terhel\u00e9sre \u00e9s az \u00e1tvitelre vonatkoz\u00f3 cella\/UE m\u00e9r\u0151sz\u00e1mokat figyelembe v\u00e9ve \u00fajra elosztja az UE-ket az el\u00e9rhet\u0151 cell\u00e1kon. A RIC Traffic Steering funkci\u00f3ja lehet\u0151v\u00e9 teszi az r\u00e1di\u00f3s er\u0151forr\u00e1sok hat\u00e9kony haszn\u00e1lat\u00e1t a kapacit\u00e1sig\u00e9nyek kiel\u00e9g\u00edt\u00e9s\u00e9re a tov\u00e1bbi befektet\u00e9sek n\u00e9lk\u00fcl. Amig a hagyom\u00e1nyos RAN h\u00e1l\u00f3zatokban a handoverek csatorna min\u0151s\u00e9g \u00e9s\/vagy terhel\u00e9seloszt\u00e1s alapj\u00e1n t\u00f6rt\u00e9nnek az intelligens RIC ML modelleket haszn\u00e1l mind a target cell\u00e1k minda UE-k kiv\u00e1laszt\u00e1s\u00e1hoz. Teszi mindezt a near-RT xApps-ok segyts\u00e9g\u00e9vel 1 sec intervallumon bel\u00fcl.<\/p>\n\n\n\n
Az intelligens RIC \u00e1ltal alkalmazott adat vez\u00e9relt xApp-ok z\u00e1rt hurk\u00fa (closed loop) microszervizekk\u00e9nt az adatvez\u00e9relt ML-et alkalmazva egyedi alapon kezelik az egyes UE-ket. A Deep Learning strat\u00e9gi\u00e1t alkalmazva dinamikusan k\u00e9pes el\u0151re megj\u00f3solni a torl\u00f3d\u00e1sokat a service \u00e9s a szomsz\u00e9dos cell\u00e1kban. Ezzel elker\u00fclve a hagyom\u00e1nyos param\u00e1trekkel optimaliz\u00e1lt RAN h\u00e1l\u00f3zatokban gyakori torl\u00f3d\u00e9sok miatti felhaszn\u00e1l\u00f3i min\u0151s\u00e9g roml\u00e1st.<\/p>\n\n\n\n
Az intelligens RIC felhaszn\u00e1lva az adat vez\u00e9relt h\u00e1l\u00f3zatok kin\u00e1lta lehet\u0151s\u00e9geket, ugymint a h\u00e1l\u00f3zat \u00e9s a UE-k statisztikai jellemz\u0151it \u00f6sszegy\u0171jt\u0151 \u00e9s elemz\u0151 ML technologia lehet\u0151s\u00e9get ad a szolg\u00e1ltat\u00f3knak, hogy az ML algoritmusokat alkalmazva jelent\u0151sen javits\u00e1k az interferencia miatti min\u0151s\u00e9groml\u00e1st. A szomsz\u00e9dos cell\u00e1kb\u00f3l kinyert \u00e9s a servicng cell\u00e1ban m\u00e9rt interferencia, forgalom \u00e9s er\u00f3forr\u00e1s haszn\u00e1lati adatokat elemezve a RIC a cella sz\u00e9leken mind\u00edg a legmegfelel\u0151bb cell\u00e1hoz rendeli a UE-ket, ezzel az interferncia okozta adatsebess\u00e9g cs\u00f6kken\u00e9s kik\u00fcsz\u00f6b\u00f6lhet\u0151.<\/p>\n\n\n\n
A felhaszn\u00e1l\u00f3k \u00e1ltal m\u00e9rt vagy tapasztalt adatsebess\u00e9g a Traffic Steering \u00e9s Load Balancing funkci\u00f3knak k\u00f6sz\u00f6nhet\u0151en jelent\u0151s javul\u00e1st mutathat. Az intelligens Admission Control \u00e9s preemtion funkci\u00f3k ezt tov\u00e1bb javithatj\u00e1k a ML algoritmusokat alklamazva. Az interferenci cancellation funkci\u00f3val az adatsebess\u00e9g tov\u00e1bb n\u00f6velhet\u0151 a cella sz\u00e9leken.<\/p>\n\n\n\n
Az Admission Control rApp\/xApp lehet\u0151v\u00e9 teszi a r\u00e1di\u00f3s er\u0151forr\u00e1sok PDU-k (Protocol Data Units) UE-k val\u00f3s idej\u0171 nyomon k\u00f6vet\u00e9s\u00e9t \u00e9s managel\u00e9s\u00e9t. A szolg\u00e1ltat\u00f3k az rApp\/xApp-ok \u00e1ltal differenc\u00e1lhatnak felhaszn\u00e1l\u00f3kat, kiemelt szolg\u00e1ltat\u00e1sokat ny\u00fajthatnak a felhaszn\u00e1l\u00f3k bizonyos csoportjainak. Az Admission Control rApp\/xApp z\u00e1rt hurk\u00fa (closed loop) optimaliz\u00e1l\u00e1st haszn\u00e1l a maxim\u00e1lis PDU \u00e9s UE eloszt\u00e1s dinamikus be\u00e1ll\u00edt\u00e1s\u00e1hoz \u00e9s az egyenetlen forgalom kezel\u00e9s\u00e9re.<\/p>\n\n\n\n
Energy Efficiency- Energia Hat\u00e9konys\u00e1g<\/strong><\/p>\n\n\n\n A RIC rApp-ok \u00e9s xApp-ok \u00e1ltal vez\u00e9relt MIMO \u00e9s Sleeping Cella m\u00f3doknak k\u00f6sz\u00f6nhet\u0151en az alacsony forgalm\u0171 id\u0151szakokban a felhaszn\u00e1l\u00f3k \u00e1ltal nem haszn\u00e1lt r\u00e1di\u00f3s er\u0151forr\u00e1sokat a RIC lekapcsolja amig azokra \u00fajb\u00f3l nem lesz sz\u00fcks\u00e9g. A cell\u00e1k alv\u00f3 m\u00f3dba helyez\u00e9se illetve \u00fajra bekepcsol\u00e1sa 1 sec alatti intervallumokban t\u00f6rt\u00e9nik a near-RT RIC xApps-ok \u00e1ltal. Ezzel a m\u00f3dszerrel a szolg\u00e1ltat\u00f3k jelent\u0151s energiamegtakarit\u00e1st tudnak el\u00e9rni.<\/p>","protected":false},"excerpt":{"rendered":" A RAN intelligent Controller(RIC) a virtualiz\u00e1lt h\u00e1l\u00f3zatok kulcsfontoss\u00e1g\u00fa eleme. Fel\u00e9pit\u00e9se \u00e9s funkci\u00f3i az O-RAN Alliance dokument\u00e1ci\u00f3in \u00e9s ny\u00edlt szabv\u00e1nyokon alapulnak. Az O-RAN Sz\u00f6vets\u00e9g szabv\u00e1nyaira \u00e9p\u00fcl\u0151 RIC-nek k\u00e9t form\u00e1ja van, a nem val\u00f3s idej\u0171 (non-RT) RIC \u00e9s a k\u00f6zel val\u00f3s idej\u0171 (near-RT) RIC. Mindk\u00e9t RIC funkci\u00f3 aktivan r\u00e9sztvesz a RAN h\u00e1l\u00f3zatok optimiz\u00e1l\u00e1s\u00e1ban AI\/ML modelleket alkalmazva, policy …<\/p>\n