Analysis of AI/ML algorithms for the management of open 5G mobile networks: xApps in O-RAN

Abstract

[ES] Uno de los elementos clave habilitadores de la nueva tecnología 5G es la virtualización de los componentes hardware tradicionales de las redes de telecomunicación. En 5G, el hardware dedicado tradicional es sustituido por hardware genérico con software ejecutándose en la nube, por lo que la red de transporte (core network) y las interfaces entre componentes incrementan su importancia ya que el énfasis se pone en la interoperabilidad y accesibilidad entre las diferentes partes para garantizar el servicio. A raíz de esta virtualización, surge la iniciativa de hacer también virtualizada, abierta e interoperable la RAN. En este contexto, surge O-RAN (Open Radio Access Network), un despliegue de red de acceso radio de arquitectura abierta y flexible, cuya componente más característica es el RIC (RAN Intelligent Controller). Este último está pensado para que mediante herramientas de inteligencia artificial (IA) gestionadas por aplicaciones dedicadas, se facilite la gestión de recursos radio. En este Trabajo Fin de Master, se analizarán las aplicaciones de control de recursos radio para O-RAN conocidas como xApps. En particular, el trabajo se centrará en el caso de uso de Traffic Steering definido por la comunidad O-RAN, compuesto de varias xApps que se ocupan de la monitorización de la calidad de servicio (QoS), la detección de anomalías o el cambio de celdas. Más en concreto, se evaluarán distintos algoritmos de AI/ML para el funcionamiento óptimo de las xApps para el uso de caso bajo consideración.

[EN] One of the key enabling elements of the new 5G technology is the virtualization of the traditional hardware components of telecommunication networks. In 5G, traditional dedicated hardware is replaced by generic hardware with software running in the cloud, so the core network and interfaces between components increase in importance as the emphasis is on interoperability and accessibility between the different parts to guarantee the service. As a result of this virtualization, the initiative arose to make the RAN also virtualized, open and interoperable. In this context, O-RAN (Open Radio Access Network) emerges, a radio access network deployment with an open and flexible architecture, whose most characteristic component is the RIC (RAN Intelligent Controller). The latter is designed so that through artificial intelligence (AI) tools managed by dedicated applications, the management of radio resources is facilitated. In this Master¿s Thesis, radio resource control applications for O-RAN known as xApps will be analyzed. In particular, the work will focus on the use case of Traffic Steering defined by the O-RAN community, composed of several xApps that deal with Quality of Service (QoS) monitoring, anomaly detection or cell switching. More specifically, different AI/ML algorithms will be evaluated for the optimal performance of xApps for the use case under consideration.