셀룰러 네트워크 KPI 손실 압축: 효율과 분석 투명성

초록

본 논문은 셀룰러 네트워크에서 수집되는 대용량 KPI 시계열을 예측‑양자화‑엔트로피 코딩 기반의 손실 압축으로 8∼10배 압축하면서도 30 dB 수준의 SNR을 유지함을 보인다. 변환 기반(DCT, KLT) 압축이 가장 효율적이며, 셀 단위 3∼4비트/샘플, 1∼2비트/샘플 수준에서도 집계 트래픽이나 주간 예측(MWS) 성능에 거의 영향을 주지 않는다.

상세 분석

이 연구는 3000개 이상의 4G 셀에서 1개월 간 수집된 3가지 KPI(다운링크 트래픽 볼륨, PRB 점유율, 활성 사용자 수)를 대상으로 손실 압축의 근본적인 압축 가능성을 정량화한다. 저자들은 먼저 PCM, DPCM, 블록 DCT, 데이터 기반 KLT 네 가지 스키마를 구현하고, 동일한 양자화 스텝 Δ를 변화시켜 엔트로피 코딩 가정하에 비트/샘플(R)과 평균 제곱오차 기반 SNR 간의 레이트‑디스토션 곡선을 도출한다. 결과는 변환 기반 스키마가 샘플 기반 PCM보다 10배 이상 높은 압축 효율을 보이며, 특히 KLT가 저비트 영역(1∼2 bit/샘플)에서 가장 높은 SNR을 제공한다. 그러나 KLT는 사전 학습이 필요하고 구현 복잡도가 높아 실무에서는 DCT가 충분히 근접한 성능을 제공한다는 실용적 결론을 제시한다.

다음으로 저자들은 압축이 실제 네트워크 운영에 미치는 영향을 두 가지 다운스트림 작업을 통해 검증한다. 첫 번째는 셀별 KPI를 단순 합산해 코어 네트워크 수준의 총 트래픽을 재구성하는 집계 작업이다. 여기서는 셀당 SNR이 15 dB 수준(≈1 bit/샘플)이라도 1000셀 이상을 합산하면 전체 SNR이 30 dB를 초과한다는 ‘노이즈 평균화’ 효과를 확인한다. 이는 양자화 잡음이 셀 간에 비상관적으로 누적되는 반면, 실제 트래픽 신호는 상관적으로 합산되기 때문이다.

두 번째 작업은 Median Weekly Signature(MWS) 기반의 1주 예측이다. KLT 압축 후 재구성된 KPI를 사용해도 셀당 SNR이 30 dB 이상이면 RMSE가 원본 데이터와 거의 구분되지 않는다. 즉, 압축이 시계열의 주간 패턴을 보존하고, 예측 모델이 요구하는 구조적 정보를 손상시키지 않는다.

전체적으로 논문은 “압축률 8∼10배, 3∼4 bit/샘플” 수준에서도 KPI 기반 분석 파이프라인이 실질적으로 영향을 받지 않으며, 더 낮은 비트(1∼2 bit/샘플)에서도 집계 수준에서는 충분히 정확함을 입증한다. 이는 네트워크 운영자가 스토리지·전송 비용을 크게 절감하면서도 기존 모니터링·예측 체계를 그대로 유지할 수 있음을 의미한다. 향후 연구에서는 셀 간 공간 상관성을 활용한 다차원 변환이나 딥러닝 기반 압축 모델을 탐색할 여지가 있다.