earticle

영어

Recently, big data, markov model and machine learning technologies have been applied in various ways so that some systems of the 4G LTE Core Network can be operated more efficiently. In particular, these technologies are being used in various ways in MME where functional or performance improvement is required. In this paper, a new method collects, analyzes, and learns using UE mobility data among eNodeBs in the MME, then applying markov model-based probabilistic paging method instead of the conventional paging method in the MME. It predicted the most probable eNodeB of the UE moved while the UE was in idle mode and it applied to attempts paging. By applying the proposed paging method, the MME could generate a probabilistic eNodeB list based on the movement data of UEs and predict the eNodeB using these list when attempts paging. Compared to the conventional method of finding the location of the UE using the visited eNodeB list, the proposed paging method is effective in reducing the number of paging signals and providing fast paging response. This paper shows the paging method and procedure applied with markov chain based probabilistic process and analyzes the performance improvement results accordingly.

한국어

최근 빅데이터, 마코프 모델, 머신 러닝 등의 기술은 4G LTE 코어 네트워크의 여러 시스템을 보다 효율적으로 운 영되어질 수 있도록 다양하게 적용되고 있는데, 특히 MME(Mobility Management Entity)에서도 기능이나 성 능 개선이 요구되는 부분에 다양하게 활용되고 있다. 본 논문은 MME에서 기존의 페이징 방법 대신에 마코프 체인 기반의 확률적 페이징 방법을 적용하여 MME에서 eNodeB(Evolved Node B)간의 UE(User Equipment) 이동 성 데이터를 수집, 분석 및 학습하고, UE가 유휴 모드에 있는 동안에 이동한 UE가 존재할 가능성이 높은 eNodeB 를 예측하고 페이징 시도시 적용할 수 있게 하였다. 제안된 페이징 방법에서 MME는 UE들의 이동 데이터에 기반 한 확률적 eNodeB 리스트를 생성하고 이 리스트를 페이징시 사용함으로써 eNodeB를 예측 할 수 있었으며, TA(Tracking Area)내에서 최근에 방문한 eNodeB 리스트를 이용하여 UE의 위치를 찾는 기존의 페이징 방법의 비교에서 빠른 페이징 응답과 감소된 페이징 시그널 횟수를 보였다. 본 논문에서는 마코프 체인의 확률 과정을 적용 한 페이징 방법과 절차를 보이고, 그에 따른 성능 개선 결과에 대해서 분석한다.