Towards Seamless Mobile Real-Time Communications with QoE-Driven RAN = QoE 기반의 RAN을 통한 원활한 모바일 실시간 통신

다국어 초록 (Multilingual Abstract)

Mobile real-time communication (RTC) applications, such as video calls, cloud gaming, and VR/AR, require consistently high throughput and low latency to ensure good quality of experience (QoE). Although advanced 5G networks are widely regarded as key enablers of seamless mobile RTC, real-world deployments still suffer from frequent QoE degradation even when sufficient bandwidth is available. A fundamental reason is that today’s radio access networks (RANs) lack awareness of application QoE and primarily optimize radio resource efficiency.

In this dissertation, we present a QoE-driven RAN design for RTC applications that leverages the programmability of the Open RAN architecture. Our approach focuses on two goals: first, identifying the root causes of QoE degradation in existing RAN mechanisms, and second, designing RAN-side mechanisms that improve application QoE without compromising radio resource efficiency.

We first introduce PAVE, a RAN-side solution that breaks the long-standing trade-off between spectral efficiency and RTC latency. Despite abundant 5G bandwidth, video calls often experience poor quality and excessive latency during channel fluctuations, not due to congestion or limited capacity, but due to non-congestive delays within the RAN. These delays originate from general-purpose transmission procedures that prioritize reactive scheduling and static timer-based retransmissions over application latency. Existing solutions either target congestion-induced delays or reduce spectral efficiency to mitigate non-congestive delays. PAVE exploits two intrinsic properties of RTC traffic—periodic frame generation and deadline-driven urgency—to improve QoE while preserving efficiency. For practical deployment, PAVE infers these properties within the RAN, enables resource preallocation beyond strictly periodic traffic patterns, and incorporates selective retransmission and packet skipping that strategically leverages application-layer recovery. Implemented in an Open-RAN-compliant RAN Intelligent Controller, PAVE significantly improves tail frame rates and reduces video stalls in real-world experiments.

Next, we present QCON, a QoE-driven multi-connectivity framework for mitigating wireless bandwidth fluctuations. While existing multipath transport solutions can address link variability, they typically require multiple cellular subscriptions, which are impractical for most mobile users. QCON instead leverages 5G multi-connectivity, which allows simultaneous connections to multiple base stations, such as 5G and 4G, and is already deployed in commercial networks. Our measurements show that operator policies often restrict multi-connectivity to preserve backup links, leaving RTC applications vulnerable to single-link fluctuations. QCON optimizes application QoE while respecting such policies by introducing a RAN-side QoE monitor, multi-link scheduling that jointly optimizes QoE and radio resource efficiency, and priority-based re-injection that exploits RAN link recovery mechanisms. Experimental results from an Open-RAN testbed demonstrate substantial improvements in achieved bitrate and tail frame rates compared to existing multi-link scheduling schemes.

Finally, we propose Apollo, a semantic queue management system designed to prevent bursty stalls during short-term capacity shortages. In capacity-limited 5G networks, packet queues frequently build up, causing frames to miss playback deadlines or become undecodable due to lost dependencies. However, existing RANs enforce in-order delivery regardless of semantic validity, delaying even frames that could still be decoded on time. Apollo addresses this limitation by prioritizing semantically important packets and discarding those that no longer contribute to playback quality. We tackle two key challenges: inferring packet importance using only RAN-visible information by leveraging standard RTP header extensions that expose frame dependencies, and enforcing semantic-aware scheduling within rigid RAN protocol constraints. Evaluation on a Linux netem-based 5G emulator shows that Apollo significantly improves frame rates and reduces video freeze time compared to baseline approaches.

국문 초록 (Abstract)

비디오 통화, 클라우드 게임, VR/AR과 같은 모바일 실시간 통신(RTC) 애플리케이션은 사용자 체감 품질(QoE)을 보장하기 위해 지속적으로 높은 처리량과 낮은 지연시간을 요구한다. 첨단 5G 네트워크는 원활한 모바일 RTC를 가능하게 하는 핵심 기술로 여겨지지만, 실제 상용 환경에서는 충분한 대역폭이 제공됨에도 불구하고 여전히 빈번한 QoE 저하가 발생한다. 이러한 문제의 근본 원인은 무선 액세스 네트워크(RAN)가 애플리케이션 QoE를 고려하지 않고 무선 자원 효율성만을 우선적으로 최적화한다는 점에 있다.

본 논문에서는 Open RAN 아키텍처의 프로그래밍 가능성을 활용하여 RTC 애플리케이션을 위한 QoE 기반 RAN 설계를 제안한다. 이를 위해 (i) 기존 RAN 메커니즘에서 발생하는 QoE 저하의 원인을 체계적으로 분석하고, (ii) 무선 자원 효율성을 저해하지 않으면서 애플리케이션 QoE를 극대화할 수 있는 RAN 메커니즘을 설계한다.

먼저, 스펙트럼 효율성과 RTC 지연시간 간의 근본적인 트레이드오프를 해소하는 RAN 측 솔루션인 PAVE를 제안한다. 풍부한 5G 대역폭 환경에서도 비디오 통화는 채널 변동 시 낮은 화질과 과도한 지연을 빈번하게 경험하는데, 이는 혼잡이나 용량 부족이 아니라 RAN 내부에서 발생하는 비혼잡성 지연 때문이다. 이러한 지연은 반응적 스케줄링과 정적 타이머 기반 재전송을 사용하는 범용 RAN 전송 절차가 애플리케이션 지연보다 무선 자원 효율성을 우선시하기 때문에 발생한다. 기존 연구들은 혼잡으로 인한 지연에 초점을 맞추거나 비혼잡성 지연을 완화하기 위해 스펙트럼 효율성을 희생한다. 이에 반해 PAVE는 RTC 트래픽이 주기적인 프레임 생성과 마감시간 기반 긴급성이라는 고유한 특성을 가진다는 점에 착안하여, 효율성을 유지하면서 QoE를 최적화한다. 실제 배치를 위해 PAVE는 RAN에서 이러한 특성을 추론하고, 엄격한 주기성을 넘어서는 자원 사전 할당을 가능하게 하며, 애플리케이션 계층 복구를 전략적으로 활용하는 선택적 재전송 및 패킷 건너뛰기 메커니즘을 통합한다. Open-RAN 호환 RAN 지능형 컨트롤러에서 구현된 PAVE는 실제 환경에서 테일 프레임율을 1.8배 향상시키고 비디오 정지를 94\% 감소시켰다.

다음으로, 변동하는 무선 대역폭 환경에서 QoE를 개선하기 위한 멀티 연결 기반 솔루션인 QCON을 제안한다. 기존의 다중 경로 전송 기법들은 무선 변동에 효과적일 수 있으나, 대부분 여러 개의 셀룰러 구독을 요구하여 현실적인 적용이 어렵다. QCON은 이미 상용 네트워크에 배치된 5G 멀티 연결 기능을 활용하여 여러 기지국(예: 5G 및 4G)에 동시에 연결한다. 그러나 측정 결과, 운영자들은 백업 링크 보존을 위해 애플리케이션 요구와 무관하게 멀티 연결 사용을 제한하고 있으며, 이로 인해 RTC 애플리케이션은 여전히 단일 링크 변동에 취약하다. QCON은 이러한 운영자 정책을 존중하면서도 QoE를 최적화하기 위해 RAN 내 QoE 모니터, QoE와 무선 자원 효율성을 공동으로 최적화하는 다중 링크 스케줄링, 그리고 비디오 정지를 방지하는 우선순위 기반 재주입 메커니즘을 설계한다. Open-RAN 테스트베드에서 구현된 QCON은 기존 방식 대비 비트레이트를 2.1배 향상시키고, 백업 링크를 효율적으로 사용하면서 테일 프레임율을 4--5배 개선하였다.

마지막으로, 무선 용량이 제한되는 상황에서 급격한 재생 정지를 방지하기 위한 의미적 큐 관리 시스템인 Apollo를 제안한다. 5G 네트워크에서 용량이 제한되면 큐가 빠르게 증가하여 프레임이 재생 마감시간을 초과하거나 의존성 손실로 인해 디코딩 불가능해지는 문제가 발생한다. 그러나 기존 RAN은 의미적 유효성과 무관하게 순서 전달을 강제하여, 제시간에 디코딩 가능한 프레임마저 지연시킨다. Apollo는 재생 품질에 기여하는 의미적으로 중요한 패킷을 우선 전송하고, 더 이상 유효하지 않은 패킷을 선택적으로 폐기함으로써 이 문제를 해결한다. 이를 위해 표준 RTP 헤더 확장을 활용하여 프레임 의존성을 추론하고, 엄격한 RAN 프로토콜 제약 내에서 의미 인식 스케줄링을 구현한다. Linux netem 기반 5G 에뮬레이터 평가 결과, Apollo는 기존 방식 대비 프레임율을 1.9배 향상시키고 재생 정지 시간을 73\% 감소시켰다.

목차 (Table of Contents)

• Abstract ii
• Contents v
• List of Tables ix
• List of Figures x
• 1 Introduction 1
• 1.1 Motivation and Challenges 1
• 1.2 Proposed System: QoE-Driven RAN 3
• 1.2.1 Design Goals 3
• 1.2.2 Overview 4
• 1.2.3 Contributions 5
• 1.2.4 Dissertation Overview 5
• 2 Related Works 6
• 3 PAVE: Mitigating Inherent RAN Delay Leveraging RTC Characteristics 8
• 3.1 Introduction 8
• 3.2 Backgrounds 12
• 3.2.1 5G Data Transmission in the Uplink 12
• 3.2.2 WebRTC Overview 14
• 3.3 Unveiling RTC App Performance over 5G 15
• 3.3.1 Poor Performance of RTC applications on 5G 15
• 3.3.2 Non-Congestive RAN Delays on Poor RTC Performance 16
• 3.3.3 Approach 18
• 3.4 PAVE Design 18
• 3.4.1 Design Challenges 19
• 3.4.2 Key Design Ideas 19
• 3.5 PAVE System 21
• 3.5.1 Metadata-based RTC Profiler 22
• 3.5.2 Cross-layer Resource Preallocator 23
• 3.5.3 Urgency-aware RLC Manager 24
• 3.6 Implementation 26
• 3.7 Evaluation 28
• 3.7.1 Experimental Setup 29
• 3.7.2 Real-World Performance Improvements 30
• 3.7.3 Microbenchmarks 32
• 3.7.4 PAVE Deep Dive 33
• 4 QCON: Tackling Bandwidth Fluctuations with Multi-Connectivity 35
• 4.1 Introduction 35
• 4.2 Backgrounds 39
• 4.2.1 5G Primer 39
• 4.2.2 Overview of WebRTC 40
• 4.3 Motivations 41
• 4.3.1 Multi-Connectivity Status in Commercial 5G 41
• 4.3.2 Poor Performance of RTS Application on 5G 42
• 4.3.3 Underutilization of Multi-Connectivity 43
• 4.3.4 Approach 45
• 4.4 QCON Design 46
• 4.4.1 Design Challenges 46
• 4.4.2 Frame-Level Insights into Application QoE 47
• 4.4.3 Frame-Aware Multi-Link Scheduling 48
• 4.4.4 Priority-Based Multi-Link Re-Injection 49
• 4.5 QCON System 50
• 4.5.1 System Overview 50
• 4.5.2 QoE Monitor 51
• 4.5.3 CU Controller 53
• 4.5.4 DU Controller 56
• 4.6 Implementation 58
• 4.7 Performance Evaluation 60
• 4.7.1 Experimental Testbed 60
• 4.7.2 Evaluation Setup 61
• 4.7.3 Trace-Driven Emulation 62
• 4.7.4 Real-World Experiments 63
• 4.7.5 Microbenchmarks 65
• 4.7.6 System-Level Overheads 68
• 5 Apollo: Preventing Bursty Stalls via Semantic Queue Management 70
• 5.1 Introduction 70
• 5.2 Backgrounds and Motivational Studies 72
• 5.2.1 High-Quality RTC 72
• 5.2.2 5G RAN Packet Transmission 73
• 5.2.3 Frequent Long Stalls in High-Quality RTC over 5G 74
• 5.2.4 Limitations of Existing Works 75
• 5.3 Our Approach: Semantic Queue Management 77
• 5.3.1 Challenges 77
• 5.4 Apollo System 78
• 5.4.1 Semantic Identifier 79
• 5.4.2 Dual-Track Queue Manager 81
• 5.5 Evaluation 83
• 5.5.1 Implementation 83
• 5.5.2 Experimental Setup 83
• 5.5.3 Overall Performance 84
• 6 Conclusion 85
• 6.1 Discussions 85
• 6.2 Summary 86
• 초록 88
• References 90
• A Appendices 105
• A.1 Commercial 5G Experiments Detail 105
• A.1.1 Real-world 5G experiments 105
• A.1.2 Commercial RTS Application Measurements 105