분야
전기/전자,정보/통신
발행기관
한국전자통신연구원
발행일
2020.08.01
URL
2G부터 세대를 거듭하면서 이동통신망의 복잡성 증가로 망 구성, 최적화 및 문제 해결의 망 관리가 더욱 어려워져서 자본 투자 및 운영 지출 모두에 더 높은 비용을 초래하고 있다. 이 복잡한 문제 해결을 위해 초기에는 전통적 분석과 시뮬레이션 모델 기반의 자가 조직화 네트워크(SON: Self-Organizing Network) 연구에 많은 노력을 기울였으나, 최근에는 이동통신망에서 수집되는 빅 데이터 기반으로 자원 할당, 공유, 활용 등 기존 트레이드 오프 문제 등 해결을 위해 기계학습(ML: Machine Learning)이 적용 연구되고 있다. 즉, 망의 노드가 장애를 자동 검출·진단·복구를 네트워크 정책에 따라 자율적으로 안정된 동작을 하도록 조정하는 데 ML을 적용하는 것이다. 그리고 5G와 Beyond 5G에서는 사용자의 행동을 추적하고 고객 위치, 이동성(움직임 속도) 및 데이터 요구 사항에 따라 제공할 수 있는 최상의 리소스를 제공할 수 있도록 더욱더 지능화 될 것으로 전망한다. 이를 위해서 이동통신망은 최종 사용자와 관련된 많은 파라미터를 추적·예측할 수 있어야 한다.
특히 전 세계적으로 대규모로 설치·운용 서비스되는 LTE 망에 SON(자가 구성, 자가 최적화, 자가 치유)에 다양한 ML 알고리즘 적용 연구가 진행되어 왔다. 본 고의 Ⅱ~Ⅳ장에서는 2G부터 5G 표준에서 자가 구성, 자가 최적화와 자가 치유에 적용된 ML 기술 연구 동향을 간략하게 분석 정리하였고, Ⅴ장에서는 2019년 말부터 상용화되는 5G와 Beyond 5G를 위한 ML 기반 SON 기술 전망을 하였다.
Ⅱ. 자가 구성에서 기계학습
Ⅲ. 자가 최적화에서 기계학습
1. 커버리지와 용량
2. 이동성 관리
3. 핸드오버 파라미터 최적화
4. 부하 밸런싱
5. 자원 최적화
6. SON 기능 조정
Ⅳ. 자가 치유에서 기계학습
1. 결함 검출
2. 결함 분류
3. 셀 Outage 관리
Ⅴ. 기계학습 기반 SON 기술 전망
1. 자가 구성
2. 자가 최적화
3. 자가 치유
4. 데이터 분석
5. 5G와 Beyond 5G에서 기계학습
약어 정리
* 자세한 내용은 바로가기(URL)와 첨부파일을 통해 확인하시기 바랍니다.
추천 리포트
-
[코센리포트] STEM 교육에서 AI 활용 현황 및 전망
-
[코센리포트] 기계학습에서 3D 재건의 동향
-
[동향보고서] 섭식 장애와 관련된 정상적인 뇌 연결의 변화
-
[동향보고서] 우주 광통신 기술 동향
-
[동향보고서] JPEG Pleno Holography 표준화 현황
-
[동향보고서] 글로벌 보건산업 동향 Vol.467(2023.03.27)
-
[동향보고서] 제4차 우주개발진흥 기본계획
-
리포트 평점
해당 콘텐츠에 대한 회원님의 소중한 평가를 부탁드립니다. -
0.0 (0개의 평가)