| Abstract |
Šajā bakalaura darbā sniegta padziļināta Open RAN attīstības analīze 5G tīklos,
izceļot galvenos izaicinājumus un aplūkojot inteliģentus nākotnes risinājumus to
pārvarēšanai. Open RAN tiek uzskatīts par jaunu paradigmu mobilo tīklu attīstībā, jo
tas pārveido tradicionālo, slēgto, uz konkrētiem ražotājiem balstīto un cieši integrēto
RAN arhitektūru par atvērtāku, pielāgojamāku un uz programmatūru orientētu
arhitektūru. Darbā tiek aplūkota RAN evolūcija no D-RAN uz C-RAN un tālāk uz Open
RAN, kā arī funkcionalitātes, kas saistītas ar funkcionālajiem sadalījumiem, atvērtajām
saskarnēm, mākoņvidē balstītu ieviešanu un RAN inteliģento kontrolieri.
Darba mērķis ir izpētīt Open RAN ieviešanas problēmas un noskaidrot, cik lielā
mērā inteliģentas metodes var tikt izmantotas tā darbības uzlabošanai. Darbā ir
identificēti un apspriesti dažādi ekspluatācijas, biznesa un drošības izaicinājumi,
piemēram, savietojamība, aizture, mākoņvides ieviešana, tīkla šķēlēšana,
energoefektivitāte, izmaksas, prasmju trūkums un ražotāju atbildība. Tāpat ir analizēta
xApps, rApps, Near-RT RIC, Non-RT RIC un mašīnmācīšanās loma mākoņvidē
balstītā 5G sistēmā, padarot to inteliģentāku un elastīgāku.
Tika analizēts reālās vides scenārijs, kurā izmantoti 5G bāzes stacijas dati no
NetData datu kopas, lai novērtētu mašīnmācīšanās ietekmi uz bāzes stacijas
energoefektivitāti. Tika izstrādāts lēmumu koka modelis, lai prognozētu konkrētas 5G
tīkla šūnas nākotnes enerģijas stāvokli un novērtētu enerģijas ietaupījumu, ko nodrošina
uz mašīnmācīšanos balstīts risinājums salīdzinājumā ar “vienmēr ieslēgtu” etalona
scenāriju. Modeļa precizitāte bija 81,48%, un enerģijas patēriņš testa periodā
samazinājās no 9,00 kWh līdz 8,05 kWh, kas ir 0,95 kWh jeb 10,52% samazinājums.
Tas parāda mašīnmācīšanās potenciālu enerģijas taupīšanai bāzes stacijās, tomēr pirms
ieviešanas reālā O-RAN sistēmā ir jāņem vērā drošības robežas un pakalpojuma
kvalitāte. |
