摘要

對安全至關重要的高級駕駛輔助系統（ADAS）預計將受益于蜂窩式車對車通信，在車輛和道路/網絡基礎設施設備之間提供短距離和長距離無線連接。? 然而，在屬于不同網絡運營商的相鄰覆蓋區之間切換時，無線連接可能會被中斷。這個問題阻礙了網絡服務的連續性，導致ADAS服務的可用性中斷。在本文中，我們旨在評估由于這種網絡重新選擇程序導致的服務中斷的平均時間。我們提供了性能評估結果，強調在最佳情況和最壞情況之間存在很大差距。此外，我們提出了一個簡單的啟發式方法來限制網絡運營商之間缺乏合作的弊端；我們的啟發式算法，不需要操作者之間的緊密結合，表現比最壞的情況好得多，它與最佳情況相當。然而，目前的工作強調了網絡運營商之間更緊密的整合的重要性，以將延遲降到最低。

I.簡介

汽車垂直市場對互聯和自動駕駛的需求不斷增加，這將促進新的運輸模式[1]并提高司機的安全[2]。為了實現這一目標，必須普遍采用先進的駕駛輔助系統（ADAS），利用各種車內傳感器和無線鏈路 用于車輛間的互動，以增強對周圍和未來環境的感知。

目前的ADAS主要基于車對車通信(如協同環境地圖重建)和車對基礎設施通信(如與交通燈通信或與提供交通信息的路邊單元通信)。然而，人們普遍認為，這種基于ITS-G5或PC5無線接入技術（RAT）的短程鏈路不足以實現高自動化水平，如汽車工程師學會（SAE）的4級和5級。

事實上，ADAS的普遍采用不能撇開第四代（4G）和第五代（5G）蜂窩網絡所提供的長距離無線連接。這一趨勢也得到了5G汽車協會（5GAA）的支持，該協會成立于2016年，旨在匯集汽車和電信行業，加速部署與5G系統集成的智能交通系統，從而提供有效的蜂窩式車輛到一切（C- V2X）通信技術[3]。

支持C-V2X的ADAS有望通過增加Uu接口作為PC5的額外通信接口來提高彈性，并通過5G新無線電（NR）的進步來減少延遲。此外，邊緣計算平臺可以被用來運行集中式ADAS應用，以實現對道路環境更廣泛的感知。

相反，遠程蜂窩連接仍然存在弱點，正如三個活躍的ICT-18歐洲項目1所顯示的那樣，這些項目調查了高速公路沿線跨國界的服務連續性問題。例如，5G-CARMEN一直在研究如何實現合作車道合并（CLM），作為跨境場景中安全和延遲關鍵的ADAS操縱，其中CLM服務的可用性受到不可忽視的連接漏洞的限制。這個問題是由移動網絡運營商（MNOs）之間在支持車輛用戶從自己的公共陸地移動網絡（PLMN）切換到下一個網絡時整合不力造成的。這個問題的一個簡單的解決方案可能是切換到短程通信；然而，值得注意的是，通信可靠性的降低可能會導致允許的車輛自動化水平下降，可能需要司機推翻車輛控制，切換到手動模式。

在傳統的基本漫游場景中，主要的延遲組成部分是缺乏關于網絡重選參數的先驗信息，這迫使移動站(MS)在能夠在被訪問的國家找到合適的小區之前掃描整個頻譜。MNO之間更嚴格的漫游協議（例如，宣布彼此為等效的PLMN（E-PLMN））和/或核心網絡中額外的漫游接口（例如，兩個MNO的移動管理實體（MME）實例之間）將使特定的信令指示在掃描過程中協助MS，甚至使（PLMN之間）S1移交，從而將連接中斷時間減少到100毫秒[4] 。

然而，這些方法將以增加移動網絡運營商方面的實施努力為代價。然而，值得注意的是，網絡重新選擇的標準程序的各種特征是取決于實施的，因此有空間設計算法來探索頻譜，利用不同程度的先驗信息，這取決于移動網絡運營商的整合水平。

在本文中，我們將忽略移動網絡運營商之間最緊密的整合方案，即S1切換，因為它需要移動網絡運營商太多的實施努力，相反，我們將重點評估由于網絡重新選擇程序導致的服務中斷。提出了一個簡單的啟發式方法，旨在減少頻率掃描的時間，并與最壞的情況（即由終端進行完整的頻率掃描）和最好的情況（即指示要搜索的頻率）進行比較。

本文的其余部分組織如下。在第二節中，我們概述了問題陳述，在第三節中，我們推導出默認網絡重新選擇程序的簡單數學模型，以及所提出的啟發式方法。在第四節中，我們量化了各種程序所帶來的延遲，為進一步的可能解決方案提供了提示。最后，在第五節中，我們得出了結論，并描述了這項初步工作的擴展計劃。為了方便讀者，我們在附錄中提供了首字母縮寫的清單。

II.場景設定

A.?參考場景

讓我們考慮一個汽車場景，在這個場景中，一個車輛MS需要從它的服務小區切換到下一個小區（切換），因為它的移動模式和/或即將到來的用戶PLMN的無線接入網絡（RAN）的覆蓋范圍。MS需要從它的服務小區切換到下一個小區（切換），因為它的移動模式和/或用戶的PLMN（即它的家庭PLMN（H-PLMN））的無線接入網絡（RAN）即將缺乏覆蓋。我們想說的是，特別是在ADAS的安全相關應用的情況下，例如，CLM操縱，應盡可能地保持服務的連續性，防止可能影響應用本身的有效性的中斷，從而影響乘客的安全。

雖然在同一MNO的兩個小區之間的切換已經進行了大量的工作[5]-[7]，但最具挑戰性的情況需要在不同MNO擁有的小區之間切換，也就是漫游情況。請注意，這種情況既可能發生在跨境部署中，即車輛從一個國家到另一個國家，也可能發生在同一國家，即H-PLMN的無線電覆蓋不足以提供足夠的服務質量（QoS）水平。在PLMN之間切換時的主要問題是，由于小區搜索和選擇，所設置的空閑模式移動程序很耗時[8]。將服務中斷減少到零的直接解決方案包括為車輛提供多個用戶身份模塊（SIM），使MS總是連接到至少一個PLMN。

? 圖1. 4G 3GPP系統中網絡重新選擇程序的簡化狀態機 ? ?

顯然，這種方法沒有規模：有多少SIM卡就有多少國家MNO或被訪國家的MNO的數量，這是不合理的。因此，這不能被認為是一個可行的解決方案，我們應該訴諸于標準程序來執行所謂的網絡重新選擇。

B.?審查網絡重新選擇的標準程序

現在我們將對第三代合作伙伴計劃（3GPP）蜂窩系統的網絡重新選擇程序進行總結。由于在撰寫本文時，大多數蜂窩網絡的部署都是基于4G長期演進（LTE）標準[9]，在下文中，我們將參考LTE的技術規范，同時牢記非常類似的程序也是為5G NR標準設計。

網絡重新選擇過程涉及協議棧的非接入層（NAS）和接入層（AS）層的互動[10,§4.2]。具體來說，NAS負責PLMN的選擇，而AS則負責小區的選擇和重新選擇。一旦MS決定在所選小區的跟蹤區域內登記其存在，NAS和AS都將負責位置登記。這三個任務之間的相互作用在圖1中顯示。

在本文中，我們將主要關注前兩項任務，即PLMN選擇和小區選擇/重新選擇。無線電小區與一個載波相關聯，該載波由i）載波中心頻率和ii）信道帶寬定義[11]。一個MS在遇到覆蓋中斷時進行小區選擇，而當它處于無線電資源控制（RRC）空閑模式時則進行小區重新選擇[9]。在這兩種情況下，MS試圖找到一個合適的小區，即屬于H-PLMN或E-PLMN的小區，根據基于無線電信道質量測量的明確定義的小區選擇/重新選擇標準來進行營建[10]。

如果在任何載波中心頻率上都沒有找到合適的小區，MS應該嘗試尋找一個可接受的小區，即不屬于H-PLMN或E-PLMN的小區[10]。除了合適的和可接受的小區外，保留的小區以及被禁止的小區對車輛MS能夠操作的頻譜范圍內可用小區的總計數有貢獻。

為了了解一個小區是否合適或可接受，MS解碼可用小區所宣傳的系統信息。小區公布的PLMN身份（ID）和RAT的組合被MS自動或手動認為是合適的或可接受的；在下文中，我們將只考慮前一種模式，從自主汽車應用的角度來看，這種模式更合理。按照[12]，自動PLMN選擇標準是由NAS層建立的，它持有一個按優先順序排列的PLMN ID列表：最高優先級是H-PLMN，然后是E-PLMN，最后是其他PLMN，一旦被選中，將只是一個被訪問的PLMN（V-PLMN）。

C.?我們的貢獻

科學文獻[13]-[15]和專利文獻[16]-[18]中的相關工作都集中在對默認網絡重新選擇程序和相關參數設置提出改進。在本文中，我們的目標是評估在網絡重選延遲D方面，最佳情況和最差情況之間的差距，即：

● 方法#1：明確指示--MS被H-PLMN的RRC層強制從連接狀態轉到空閑狀態，狀態轉換信息為其提供必要的（先驗的）信息，以選擇覆蓋下一個跟蹤區域的合適小區；

●?方法#2：徹底搜索——MS從無線電覆蓋中斷中恢復，因此它不知道有關周圍單元的任何信息。在這種情況下，MS必須掃描所有可用的載波中心頻率，然后再挑選出最佳的合適/可接受的小區。

顯然，前一種方法使網絡重選延遲最小，而后一種方法提供了這種延遲的上限。然而，由于網絡重新選擇的幾個方面通常是留給實施的[10]，[12]，我們將展示一個簡單的啟發式方法如何在方法1和方法2之間提供一個中間性能。所提出的啟發式定義如下：

● 方法#3：搜索直到第一次成功--MS一旦發現合適的小區的第一個實例，就會停止小區搜索。

為了評估這些方法，我們將考慮一個現實的頻率規劃，同時我們忽略了對無線電鏈路質量和位置登記的測量。

III.系統模型

在本節中，我們提供了上述三種網絡重選方法所提供的網絡重選延遲D的數學特征。

A.? 定義

我們定義了以下參數。

● ??N是E-UTRAN絕對射頻信道數（EARFCN）的總量，可供MS測試。我們有

其中I是所考慮的演進式通用地面無線電接入（E-UTRA）工作頻段的數量，ni是第i個頻段要測試的EARFCN的數量。

● M是實際分配給可用單元的EARFCN指數的數量。我們有

其中mi是在第i個頻段分配的EARFCN的數量；

● τ是MS解調和（最終）解碼一個可用小區的系統信息所需的處理時間。

B.? 數學模型

對于方法#1,MS必須只掃描由RRC指示的載體，因此

對于方法#2，MS必須掃描整個頻譜，在實際注冊到最佳單元之前，按降序排列合適的單元。掃描過程需要進行N次頻率掃描，再加上對所選單元的一次最終掃描，得出的結果是

最后，對于方法#3，持續時間τ的頻率掃描必須重復一個隨機次數X。這個隨機變量代表了MS實際找到第一個合適小區之前的時間。因此，X可以被建模為一個截斷的幾何隨機變量，其中

其中，p是當前EARFCN與合適單元相關聯的概率。因此，網絡重選延遲平均來說，

C.?N和p的分析性表達

N和p的實際值取決于MS可以工作的頻譜的具體頻率規劃，即分配的載波中心頻率和信道帶寬[11]。在一個給定的E-UTRA工作頻段中，每個可能的載波中心頻率都由一個EARFCN指數來識別?

并對應于100kHz的整數倍。相應的下行鏈路載波頻率（以MHz為單位）可按以下方式得出：

其中 νL()?是下行EARFCN指數， FDL ?low 和 νO?s-DL ?在[11，表5.7.3-1]中給出。一個類似的方程適用于上行載波頻率。兩個相鄰載波之間的標稱信道間距定義為

其中 Bj 是第j個載波的帶寬，以MHz表示。我們注意到，N的正確值是通過從特定工作頻段的候選EARFCN指數總數中減去實際利用的指數和檢測到有效指數后的最小帶寬占用而得到的。具體來說，對于每個分配的 ν?我們必須排除所有包含在當前載波和一個（假定的）具有最小帶寬的相鄰載波之間的名義信道間隔中的指數，也就是說，

關于p，在這項工作中，我們假設在工作頻段內找到合適小區的概率是均勻的。因此，p可以按以下方式計算：

IV.績效評估

在本節中，我們提供了一些基于現實網絡部署的平均網絡重選延遲的數值結果。

A.?評估參數

如同在[8]中所做的，我們考慮意大利的信道分配情況，LTE系統通常部署在三個E-UTRA工作頻段，即#3、#7和#20，產生I=3。各個PLMNs在這些頻譜部分的完整頻率分配可以通過利用[19]提供的關于實際載波分配的信息得出，并在表I中報告。

我們可以看到，m1 = m2= 5，而m3 = 3，總體上M =13分配的EARFCN。請注意，我們忽略了可能存在的屬于虛擬MNO的可用單元，這些單元可能與MNO運營商有關。第i個工作頻段的EARFCN指數的數量為

? 圖2. 在給定5個可用單元的情況下，以采集時間單位（τ）表示的網絡重選延遲←與合適單元的數量

其中，B是LTE系統中可用帶寬的集合[8，表一]，kB是第i個頻段中帶寬為B的分配載波數量。系數10是由于表示帶寬的MHz單位（106）和EARFCN間隔100kHz（105）之間的劃分。

例如，讓我們考慮E-UTRA工作頻段#3（i = 1）。我們在這個頻段有1949-1200+1=750個指數，有5個PLMN ID；其中3個分配了Bj=20MHz的帶寬（k20=3），2個分配了Bj=10MHz的帶寬（k10=2），還有一個分配了Bj=5MHz的帶寬（k5=1）。因此，考慮到最小信道帶寬為Bmin = 1.4MHz [8]，

每個20MHz寬的載波排除了?Bmin（20）=21.4/2=10.7MHz，也就是說，107-2=105個EARFCN指數；

每個10兆赫寬的載波不包括 ?Bmin (10) =11.4/2=5.7MHz，也就是說，57-2=55個EARFCN指數；

the 5-MHz-wide carrierexcludes ?Bmin (5) = 6.4/2 =3.2 MHz, that is, 32 - 2 =30 EARFCN indices.? ? ? ?

因此，原來的750個指數集減少了3×105+2 x 55 + 30 = 455，得出EARFCN n1=295的實際數量。表I中報告了i e {1, 2, 3}的ni的值。

最后，為了保持網絡重選延遲與具體的MS硬件無關[8]，我們不提供常數τ的明確值，而是用采集時間單位來表示延遲。

B.? 數值結果

圖2提供了數值結果；網絡重選延遲以τ單位表示。我們可以做出以下觀察。

方法3（搜索到第一次成功）引入的平均延遲比最壞的情況（方法2--詳盡搜索）更接近于基準（方法1--明確指示）。特別是，相對于方法2，方法3提供了一個>70%的延遲減少。

方法#3引入的平均延遲隨著合適單元數量的增加而減少。就τ單位而言，在單個合適的單元和所有可用單元都合適的情況下，延遲減少約為60%。

C.? 備注

我們注意到，在像本文所考慮的典型頻率分配中，在網絡重新選擇的最佳情況（方法1）和最差情況（方法2）之間會出現很大的差距。造成這種差距的原因是MNO之間缺乏整合，這導致MS在注冊到新的PLMN之前要進行大量的嘗試來找到一個合適的/可接受的小區，特別是在MS必須掃描大的頻譜部分的情況下。

在擴展漫游協議方面，MNOs之間更緊密的整合，為MS提供一個長的E-PLMN列表，將允許減少網絡重新選擇的延遲。這種有益的效果在我們的性能評估結果中很明顯：如果所有可用的小區都變得合適（即它們的PLMN ID在H-PLMN提供的E-PLMN列表中），那么p - M/N，因此它是最大化的。我們注意到，方法#3所要求的整合并不像方法#1那樣需要傳輸臨時的RRC信令信息，因此導致了較輕的實施工作。

V.總結

在本文中，我們推導出一個數學模型來評估執行網絡重新選擇程序的平均延遲，這可能會嚴重影響服務的連續性，從而影響ADAS在某些關鍵場景下的應用，例如，跨境環境。

性能評估結果表明，在所考慮的情況下，最佳情況（表示為方法1--明確指示）和最差情況（表示為方法2--窮舉搜索）之間存在很大差距。我們提供了一個簡單的啟發式方法來填補這一空白，顯示了移動網絡運營商之間的合作對減少網絡重選的積極影響。至于未來的工作，我們計劃通過包括基于實際無線電鏈路質量的小區選擇/重新選擇標準來擴展所提出的模型，考慮到現實的跨境無線電環境。此外，利用這樣一個擴展的模型，我們將設計新的網絡重選解決方案。

縮略詞

審核編輯：劉清