5G 레이턴시 분석을 위한 ChronoRAN 프레임워크

초록

ChronoRAN은 5G 무선접속망(RAN) 내부의 일방향 지연을 수학적으로 모델링하고, 다양한 시스템 파라미터와 스케줄링 정책을 고려해 정확한 지연 분포를 예측한다. 실험적으로 srsRAN, OAI, 상용 5G 네트워크에서 검증했으며, 기존 시뮬레이터 대비 40배 이상 낮은 와서슈타인 거리와 20‑35배 낮은 평균 절대 오차를 달성한다. 또한 수십억 개의 설정을 탐색하는 최적화 엔진을 제공해 URLLC 목표를 만족하는 구성을 자동으로 찾아준다.

상세 분석

ChronoRAN은 5G RAN의 지연을 크게 세 가지 카테고리(처리 지연, 프로토콜 지연, 라디오 지연)로 분류하고, 각 카테고리 내에서 발생하는 구체적인 요소들을 확률 변수로 모델링한다. 특히 TDD 패턴, 서브캐리어 스페이싱(𝜇), 슬롯 길이, Grant‑Free vs. Grant‑Based 접근 방식 등 시스템 레벨 파라미터가 지연에 미치는 복합적인 상호작용을 수식화하였다. 논문은 먼저 “핑(ping) 요청”을 기준으로 UL/ DL 흐름을 단계별로 분해하고, 각 단계에 대한 처리 시간과 라디오 인터페이스 대기 시간을 측정해 경험적 분포를 구축한다. 비결정적 요소(예: OS 스케줄링 지연, PCIe 전송 지연)는 현장 측정을 통해 얻은 히스토그램을 샘플링함으로써 몬테카를로 방식으로 반영한다.

수학적 모델은 기본적인 “Size‑1 패킷”(단일 슬롯 내 전송 가능)부터 “Size‑2 패킷”(추가 슬롯 필요)까지 확장되며, 라디오 지연이 TDD 주기보다 클 경우 전체 패턴을 놓치는 현상을 정확히 포착한다. 또한 연속 패킷 전송(패킷 트레인) 상황에서 RLC 버퍼링 효과를 마코프 체인 형태로 모델링해 지연 누적을 정량화한다. Grant‑Free 모드에서는 SR/Grant 절차를 생략함으로써 프로토콜 지연을 크게 감소시키지만, UE 수가 증가하면 충돌 확률이 급격히 상승하는 점을 확률적 충돌 모델로 설명한다.

최적화 엔진은 위의 수식들을 목적 함수(예: 99.999 % 신뢰도 하 0.5 ms 이하 지연)와 제약 조건(주파수 대역, TDD 패턴, 스케줄링 정책)에 매핑한다. 탐색 공간을 수십억 개로 가정하지만, 파라미터 간 의존성을 이용한 가지치기와 라티스 기반 그리드 서치를 결합해 몇 분 안에 최적 구성을 도출한다. 실험 결과, 서브‑6 GHz 대역에서 Grant‑Free 설정이 1 ms 이하 지연을 1.05 %의 구성에서 만족시키는 반면, 기존 Grant‑Based 설정은 0.5 ms 목표를 달성하지 못한다는 중요한 인사이트를 제공한다.

ChronoRAN은 또한 기존 MATLAB 5G Toolbox와 ns‑3 기반 5G‑LENA 시뮬레이터가 실제 측정값을 크게 과소평가하는 문제를 정량적으로 보여준다. 와서슈타인 거리 0.003–0.035 수준을 달성함으로써, 모델이 실제 지연 분포를 거의 그대로 재현함을 증명한다. 이러한 정확도는 네트워크 설계 단계에서 시뮬레이션 대신 빠른 수학적 예측을 가능하게 하여, URLLC 서비스 론칭 시 비용과 시간을 크게 절감한다.