5G URLLC 트래픽의 적시성을 보장하기 위한 Configured-Grant 스케줄링 기법 = A Configured-Grant Scheduling Method for Ensuring Data Freshness under 5G URLLC Scenarios

국문 초록 (Abstract)

5G의 주요 응용 시나리오 중 하나인 URLLC(Ultra-Reliable and Low-Latency Communications)에서는 사용자트래픽이 최대 1ms 이내로 처리되어야 한다. 이를 만족하기 위해 기존 연구들은 Configured-Grant 스케줄링 방식을 통해 주기적으로 발생하는 URLLC 트래픽에 대해 상향링크 자원을 사전에 할당함으로써 초저지연 서비스를효과적으로 제공해왔다. 그러나 이러한 방식은 throughput, delay, fairness와 같은 전통적인 메트릭에 초점을 맞추어 시스템 성능을 최적화하기 때문에 긴급 데이터의 적시성을 충분히 보장하지 못하는 한계가 있다. 이를 해결하기 위해, 본 논문에서는 데이터의 신선도를 평가하는 AoI(Age of Information)와 패킷의 우선순위를 반영한W-AoI(Weighted-AoI) 메트릭을 활용하여 URLLC 트래픽의 적시성을 보장하는 새로운 Configured-Grant 스케줄링 기법을 제안한다. 제안된 스케줄러는 NS-3 네트워크 시뮬레이터의 5G-Lena 모듈을 확장하여 구현되었으며, 성능 평가 결과 기존 스케줄링 방식 대비 1ms 전송 주기에서 시스템 평균 AoI를 최대 16.4% 감소시켜 데이터 적시성을 효과적으로 개선할 수 있음을 입증하였다.

다국어 초록 (Multilingual Abstract)

One of the key application scenarios of 5G, URLLC (Ultra-Reliable and Low-Latency Communications), requires user traffic to be processed within 1 ms. To meet this requirement, prior studies have employed Configured-Grant scheduling methods, which allocate uplink resources in advance for periodically generated URLLC traffic, enabling efficient provision of ultra-low-latency services. However, these conventional Configured-Grant scheduling approaches primarily optimize system performance based on traditional metrics such as throughput, delay, and fairness, making it challenging to guarantee the timeliness of urgent data. To address this limitation, this paper proposes a novel Configured-Grant scheduling algorithm that ensures the timeliness of a URLLC traffic by incorporating AoI (Age of Information), a metric representing data freshness, combined with packet priority into the W-AoI (Weighted-AoI) metric. The proposed scheduler is implemented by extending the 5G-Lena module of the NS-3 network simulator. Performance evaluations demonstrate that the proposed approach achieves up to a 16.4% reduction in the average system AoI at a 1 ms transmission period compared to conventional scheduling methods, effectively improving data timeliness.