3GPP Release 18에서는 AI/ML 기반 NG-RAN 데이터 수집 및 인텔리전스 향상(AI/ML-powered RAN Data Collection Enhancements) 기능이 도입되어, 무선접속망(NG-RAN)에서 더 똑똑하고 정밀한 데이터 수집/분석/예측이 가능해졌습니다.
이는 셀 품질 모니터링, 자원 최적화, 트래픽 예측, 장애 감지 등을 자동화하기 위한 기반 기술로서, RAN Intelligent Controller (RIC) 및 NWDAF, MDT 등과 연계됩니다.
1. 목적 및 배경
| 셀/슬라이스 운영 효율화 | RAN에서 수집되는 데이터 기반으로 자동 최적화 |
| AI 기반 품질 예측 | 셀 간섭, 핸드오버 실패, 사용자 체감 QoE를 AI로 예측 |
| 비용 절감 + 성능 향상 | O&M 자동화, 장애 조기 탐지 등으로 운영 효율화 |
2. Release 18 주요 기능 항목
| AI-Optimized RAN Data Collection | 수집할 데이터 항목, 주기, 조건을 AI가 동적으로 설정 |
| Context-aware MDT (Minimization of Drive Test) | 사용자 위치/속도/앱 정보 기반으로 Drive Test 자동 수행 |
| RIC 연동 AI 모델 등록/실행 | SMO → RIC에 등록된 AI/ML 모델로 RAN 분석 수행 |
| RRC 기반 데이터 수집 향상 | UE RRC 상태 변화, 핸드오버, QoS 변화 이벤트 중심 수집 |
| QoE Prediction 기반 트리거 수집 | 사용자의 체감 품질 저하 예측 시만 데이터 수집 시작 |
| RAN 시계열 예측 모델 연동 | 트래픽 패턴/간섭 패턴 예측 → Scheduling 개선 가능 |
3. 구성 구조도 (Rel-18 기준)
│
▼ RRC/Layer3 이벤트
[gNB]
│ ▲ ▲
│ │ AI/ML 모델 │
▼ ▼ │
[RAN Intelligent Controller (RIC)] ← AI 엔진 (정책, 예측)
│
▼
[SMO (Service Mgmt & Orchestration)] ↔ NWDAF / DataLake / OAM
- RIC: RAN 내 AI/ML 기반 분석 실행 및 데이터 수집 정책 수립
- NWDAF: 분석 결과를 Core로 전달하거나 RAN 슬라이스에 피드백
4. AI/ML 연계 예시
| Mobility | 핸드오버 실패 예측, 셀 가장자리 사용자 탐지 |
| QoS Scheduling | 사용 앱/시간대 기반으로 최적 자원 할당 |
| Slice QoE 감시 | 슬라이스별 사용자 불만 예측 후 재배치 |
| Interference Forecast | 근처 셀 간섭 패턴 예측 → 파워 조정 |
5. Rel-17 대비 향상점
| 데이터 수집 방식 | 정적 정책 기반 | AI 기반 조건부 수집 트리거 |
| RRC 연계 | 기본 UE 이벤트 | QoE 저하/속도 저하 중심 이벤트 수집 |
| SMO ↔ RIC 연동 | 제어 수준 | AI/ML 모델 등록 및 제어 가능 |
| 드라이브 테스트 | 수동/스케줄 | 사용자 앱/위치 기반 자동화 MDT |
6. 주요 표준 문서
| TR 38.843 | AI/ML 기반 RAN 데이터 수집 향상 (Rel-18 신설) |
| TS 28.552 | RIC–SMO 간 인터페이스 및 모델 등록 구조 |
| TS 38.300 / 38.401 | RAN 아키텍처 및 데이터 수집 연계 |
| TR 28.812 | OAM에서의 AI 모델 운용 예 |
다음은 3GPP Rel-15부터 Rel-18까지의 NG-RAN 데이터 수집 및 AI/ML 기반 자동화 기능의 진화를 비교한 종합 테이블입니다.
핵심은 수집 → 분석 → 예측 → 자율 제어로 발전하고 있다는 점입니다.
NG-RAN 데이터 수집 및 AI/ML 적용: Rel-15 ~ Rel-18 비교표
| 항목 | Rel-15 | Rel-16 | Rel-17 | Rel-18 |
| 기본 수집 구조 | OAM 기반 KPI 수집 (정적) | MDT(Minimization of Drive Test) 최초 정의 | UE-triggered 이벤트 수집 도입 | AI/ML 기반 조건부 수집 트리거 적용 |
| MDT 기능 | 수동 드라이브 테스트 (필드 테스트) | 배경 MDT / 설정 기반 UE 수집 | RRC 이벤트 중심 수집 향상 | 위치, QoE 기반 자동 MDT 조건 도입 |
| NWDAF 연계 | 없음 | 초기 구조 정의 | 코어 기반 데이터 분석 가능 | RAN-NWDAF 연계 + 예측 피드백 가능 |
| RIC/SMO 구조 | 미정의 | 초기 O-RAN RIC 개념 언급 | RIC 기반 제어 (Near RT) | RIC + AI모델 연동 정식 표준화 |
| AI/ML 모델 통합 | 없음 | SMO 자체 운영 가능성 제시 | 사전 학습 모델 수동 연계 | 모델 등록/관리/실행 인터페이스 명시 (TS 28.552) |
| QoE 기반 수집 | 미지원 | - | 예비 분석 가능 | QoE 저하 예측 → 데이터 수집 유도 (예측 트리거) |
| 셀 자율제어 연동 | 불가 | OAM 기준 수동 제어 | NWDAF 기반 피드백 제어 가능 | SMO-RIC-AI 통한 자율 최적화 시도 가능 |
| 사용자 맥락 기반 | 없음 | UE ID 중심 | UE + 위치/앱 프로파일 기반 | 위치 + 속도 + 사용 앱 + 슬라이스까지 분석 대상 확대 |
요약 흐름
| Rel-15 | 수동 KPI/MDT 수집 → 정적 품질 관리 중심 |
| Rel-16 | Drive Test 자동화 시작 + NWDAF 초기 구조 |
| Rel-17 | RIC 도입, RRC 기반 이벤트 수집 고도화 |
| Rel-18 | AI/ML 중심 예측 기반 수집 + 자동화 제어 본격화 |
적용 예시 변화
| Rel-15 | 주간 보고용 KPI 수집 + 수작업 튜닝 |
| Rel-16 | Drive Test를 UE가 백그라운드로 자동 수행 |
| Rel-17 | 핸드오버 실패 구간 자동 탐지 + 분석 피드백 |
| Rel-18 | AI 예측 기반 셀 리소스 조정, 트래픽 분산, 슬라이스 재설정 자동화 |
기술백서에 부록 8: NWDAF – RIC 연동 기반 구조도 및 설명이 추가되었으며, 다음 항목을 포함합니다:
- 전체 연동 흐름 구조도
- 각 구성 요소별 역할 정리
- 실무 시나리오 (과부하 예측, QoE 저하 대응 등)
- 연관 3GPP 표준 문서
# 부록 8: NWDAF – RIC 연동 기반 구조도 및 설명
## 1. 전체 연동 구조도
```
[UE]
│ RRC 측정/이벤트
▼
[gNB]
│
▼
[Near-RT RIC] ←→ [SMO]
│ │
▼ ▼
[NWDAF] ←→ AI Model Store / Policy Engine
│
▼
[5G Core (AMF / PCF / SMF)]
```
## 2. 주요 구성 요소 설명
| 구성 요소 | 역할 |
|------------|------|
| **UE** | RRC 상태, QoS 변화, 위치정보 등의 실시간 입력을 전송함 |
| **gNB** | UE로부터의 이벤트를 수신하여 RIC로 전달함 |
| **Near-RT RIC** | gNB로부터 받은 이벤트를 기반으로 수집 정책을 설정하고, 예측 및 제어 로직 실행함 |
| **SMO (Service Management & Orchestration)** | AI 모델의 배포/관리, RIC 정책 설정, SLA 기준 전달 수행함 |
| **NWDAF** | 전체 네트워크 상태(트래픽, 슬라이스, QoE)를 분석하고 예측하여 정책 결정에 활용함 |
| **5GC (AMF/PCF/SMF)** | RIC 및 NWDAF의 판단에 따라 슬라이스 및 QoS 설정을 조정함 |
## 3. 예측 기반 자동 제어 시나리오
### A. 트래픽 과부하 예측
- NWDAF가 특정 셀의 **향후 15분 내 트래픽 초과**를 예측
- SMO가 RIC에 리소스 재조정 정책 하달
- RIC가 해당 셀에 리소스를 미리 증설
### B. 슬라이스 수요 급증 대응
- NWDAF가 슬라이스 X의 사용자 수 급증 예측
- PCF에 슬라이스 우선순위 변경 지시
- SMF가 슬라이스 QoS Rule을 재배정함
### C. QoE 저하 선제 대응
- UE가 핸드오버 실패를 반복할 경우
- RIC가 예측모델에 따라 QoE 저하 예측
- 다른 셀로 강제 재배치 or 슬라이스 변경
## 4. 핵심 표준 문서
| 문서 | 설명 |
|------|------|
| **TS 23.288** | NWDAF 아키텍처, 수집 항목, 정책 연계 흐름 |
| **TS 28.552** | SMO–RIC 간 인터페이스, AI/ML 모델 구조 명세 |
| **TR 38.843** | AI 기반 RAN 수집/제어 구조도 및 예시 시나리오 |
| **TS 23.501 / 503** | 슬라이스 정책 연동 및 제어 흐름 명세
위 이미지는 3GPP Rel-18에서의 NWDAF – RIC 연동 기반 구조도입니다.
이 구조는 AI 기반 예측 분석이 실제 RAN/슬라이스 제어에 반영되는 전체 흐름을 시각화한 것으로:
- UE → gNB → Near-RT RIC: 실시간 이벤트 전달
- RIC ↔ SMO ↔ NWDAF: 예측 분석 및 정책 적용
- NWDAF → 5GC: 트래픽/슬라이스 조정 명령 전달
'IT 정보' 카테고리의 다른 글
| 갤럭시링에 어떤기능이 들어가면 히트 상품이 될까? 소비자가 원하는 상품은 댓글로 많은 기능제안해주세요 (0) | 2025.04.25 |
|---|---|
| Carima IMD 3D 프린터(한) (0) | 2025.04.25 |
| 보안 및 관리 향상. 가상화 네트워크의 보안 요구사항 (0) | 2025.04.23 |
| UAV(Unmanned Aerial Vehicle, 무인 항공기) 지원 향상 (0) | 2025.04.23 |
| IoT NTN 향상 (IoT over Non-Terrestrial Networks enhancement) (0) | 2025.04.23 |