5G RAN 큐와 QUIC 비디오 스트리밍 성능 종합 분석

초록

**
본 논문은 5G 무선 접속망(RAN)에서의 RLC 버퍼와 최신 AQM(RED, CoDel, L4S) 적용이 QUIC 기반 적응형 비디오 스트리밍에 미치는 영향을 다층적으로 평가한다. 다양한 QUIC 구현체(MVFST, NG‑TCP2, QUINN, S2N‑QUIC), 혼잡 제어 알고리즘(BBR, CUBIC) 및 ABR 전략(Pensieve, 전통적 스루풋 기반)과의 상호작용을 실험적으로 분석하고, ECN 연계 AQM이 QoE(시작 지연, 재버퍼링, 비디오 품질 안정성)를 크게 개선함을 보인다. 결과는 네트워크·전송·응용 계층이 실시간으로 협조하는 통합 적응 메커니즘이 필요함을 강조한다.

**

상세 분석

**
이 연구는 5G gNB의 RLC 레이어에 삽입된 AQM이 QUIC 전송에 미치는 영향을 정량화하기 위해, 네트워크 시뮬레이터와 실제 모바일 트레이스 데이터를 결합한 하이브리드 실험 프레임워크를 구축하였다. 먼저, 전통적인 Drop‑Tail 방식과 비교해 RED, CoDel, L4S 세 가지 AQM을 각각 적용했으며, 각 AQM에 대해 최소/최대 큐 길이, 타임스탬프 기반 지연 목표, ECN 마킹 비율 등 파라미터를 광범위하게 튜닝하였다.

QUIC 구현체별로는 MVFST(메타), NG‑TCP2(구글), QUINN(러스트 기반), S2N‑QUIC(아마존) 네 가지를 선택했는데, 각각이 내부적으로 지원하는 혼잡 제어(CC) 알고리즘이 다르다. MVFST와 NG‑TCP2는 기본적으로 BBR와 CUBIC을 모두 제공하며, QUINN은 최신 BBRv2와 Reno를, S2N‑QUIC은 CUBIC과 HyStart++를 지원한다. 이러한 다양성은 AQM이 제공하는 조기 혼잡 신호(ECN 마킹 혹은 패킷 드롭)가 CC 알고리즘에 어떻게 전달되는지를 비교할 수 있는 좋은 실험 조건을 만든다.

ABR 측면에서는 학습 기반 Pensieve와 전통적인 스루풋‑예측 기반 알고리즘을 채택하였다. Pensieve는 강화학습을 통해 네트워크 상태와 버퍼 레벨을 입력으로 받아 최적 비트레이트를 선택하고, 스루풋 기반 ABR은 최근 5초 평균 전송량을 기준으로 비트레이트를 조정한다. 두 ABR 모두 QUIC의 RTT와 손실률을 실시간 피드백으로 활용한다.

핵심 실험 결과는 다음과 같다.

1. AQM‑ECN 연계가 CC 성능을 크게 향상시킨다. 특히 BBR 계열 알고리즘은 ECN 마킹을 빠르게 감지해 전송 윈도우를 조정하므로, 패킷 손실 없이도 지연을 30 % 이상 감소시켰다. CUBIC은 손실 기반 피드백에 의존하므로 ECN만으로는 충분히 반응하지 못했지만, CoDel과 결합했을 때 드롭 발생 빈도가 감소해 전반적인 스루풋이 12 % 상승했다.
2. AQM 종류에 따른 ABR 안정성 차이가 뚜렷했다. L4S는 초저지연 큐를 제공하면서도 ECN 마킹 비율을 0.1 % 수준으로 낮게 유지해, 재버퍼링 이벤트를 45 % 감소시켰다. 반면 RED는 마킹 임계값 설정이 민감해 과도한 드롭을 유발, 특히 고해상도(4K) 스트리밍 시 비트레이트 급변으로 인한 화질 진동이 심했다.
3. RLC 버퍼 크기와 AQM 파라미터의 상호작용이 QoE에 결정적 영향을 미쳤다. 버퍼를 200 ms 이상으로 크게 잡으면 일시적인 트래픽 피크를 흡수하지만, AQM이 비활성화된 경우 지연이 150 ms 이상 증가해 스타트업 딜레이가 크게 늘었다. 최적의 설정은 100 ms~150 ms 범위 내에서 CoDel 혹은 L4S의 목표 지연을 5 ms로 설정한 경우였다.
4. QUIC 구현체 간 차이는 주로 초기 연결 설정(0‑RTT vs 1‑RTT)과 스트림 멀티플렉싱 효율에 기인한다. LS‑QUIC과 T‑QUIC은 0‑RTT 재연결 시 지연을 2 ms 이하로 유지했지만, 보안 상의 재전송 비용이 증가해 장기 세션에서는 BBR와 결합된 MVFST가 가장 높은 VMAF 평균(85점)을 기록했다.

이러한 결과는 “단일 계층 최적화는 한계가 있다”는 기존 가설을 실증적으로 부정한다. 특히, ECN‑enabled AQM이 CC와 ABR 사이에 명시적인 피드백 루프를 형성함으로써, 네트워크 혼잡 상황을 사전에 감지하고 전송률을 조정할 수 있음을 보여준다. 따라서 5G RAN에서의 RLC 버퍼 관리, AQM 파라미터 튜닝, QUIC CC 선택, 그리고 ABR 전략을 동시 최적화하는 통합 제어 프레임워크가 필요하다.

**