3GPP 網站上已經列出了一些正在討論的 R18 版本早期階段的工作項目。仔細看了一下,作為 5G-Advanced 的首個版本,其中一些新項目非常有趣。

Enhanced Access to and Support of Network Slice

網絡切片接入和支持增強

網絡切片是 5G 系統的一項基本功能,它允許靈活、動態的對網絡資源進行部署和調整,以滿足各種需求。在 R18 中,將對網絡切片接入和支持相關功能進行增強,包括:一、當存在不同類型的限制(比如無線資源、頻段等)時,支持 UE 接入網絡切片,并當網絡切片或分配的資源發生變化時,將服務中斷影響降到最低;二、支持向第三方公開網絡切片控制 / 配置等服務。

支持成員:LG Electronics、Vivo、Tencent 、LG Uplus、Futurewei、Nokia、Nokia Shanghai Bell、ETRI、OPPO、 KT、Apple、AT&T、InterDigital、KDDI、KPN、Samsung、KRRI、T-Mobile USA、Deutsche Telekom、NTT Docomo、Intel

5G Timing Resiliency System

5G 彈授時系統

電力、交通、金融等垂直行業越來越依靠精準的時鐘同步,但當前使用的 GNSS 衛星授時服務存在一定的脆弱,比如存在抗干擾能力低、室內可用差、欺騙干擾威脅等問題。針對這些問題,一些國家政府和行業正在積極研究 GNSS 衛星授時的替代 / 備用解決方案。5G Timing Resiliency System 主要針對 GNSS 衛星授時服務脆弱,研究與 5G 系統一致的其他時鐘同步技術作為終端用戶的彈的時鐘源,以作為 GNSS 衛星授時的補充、備份或替代。

支持成員:Nokia、Nokia Shanghai Bell、AT&T、Deutsche Telekom、Intel、KDDI、KPN、LG Electronics、NextNav、NTT DoCoMo、Thales、Verizon UK Ltd

Ranging-based Services

基于測距的服務

定位算法包括基于測距 (range-based) 定位算法,即基于測距算法測量點到點的距離或角度信息。當前,基于測距的定位算法在智能家居、智慧城市、智慧交通、智慧零售、工業 4.0 等領域越來越受歡迎。但不同的垂直行業的不同應用對距離精度、角度信息精度、最大測距范圍、測距時延等能指標要求不盡相同。R18 將研究測距服務需求的相關規范,涵蓋 UE 之間的測距操作、運營商對許可頻譜下的測距功能的控制、測距的 KPI(距離精度和方位精度等)和安全方面等。

支持成員:Xiaomi、CATT、CMCC、China Telecom、Deutsche Telekom、Fudan、Futurewei、Huawei、Lenovo、OPPO、Sharp、Spreadtrum Communications、vivo、ZTE

Low Power High Accuracy Positioning for Industrial IoT Scenarios

工業物聯網場景的低功耗高精度定位

低功耗高精度定位對于工業物聯網至關重要,一方面,工業物聯網設備要實現高精度定位,需頻繁的獲取實時位置信息來定位,需要消耗更多的電池電量;另一方面,工業物聯網設備多部署于一些“危險場景”,比如發電廠、化工廠、礦場的生產作業區域,頻繁的更換電池非常不方便,因此,需研究增強的低功耗技術來延長電池使用壽命(可能需 1 到 2 年),來滿足工業物聯網的高精度定位需求。目前,3GPP 已定義低精度定位(定位精度約為 10 米),但不管是定位精度還是功耗方面都達不到工業物聯網場景的低功耗高精度定位的要求。

支持成員:Huawei、Hisilicon、China Mobile、Spreadtrum、CATT、Vivo、Novamint、EDF、Orange、KPN、Vodafone、Xiaomi、Nokia、Sony、Deutsche Telekom、China Telecom、China Unicom、Philips

Supporting of Railway Smart Station Services

鐵路智慧車站服務

鐵路智慧車站可以為乘客提供各種運營服務和增值服務,比如,通過 5G 網絡、臺和 AI 等融合提供溫馨提示、智能疏散、智能驗票、智能查詢等服務,不僅能完善鐵路車站服務體系,還可提高服務效率,降低服務成本。3GPP 將研究站臺運行監控、乘客支持服務等與鐵路智能車站服務相關的用例。

支持成員:Hansung University、LG Uplus、KT、SK Telecom、ETRI、UIC、LG Electronics

Off-Network for Rail

網外鐵路通信

未來的鐵路通信是鐵路運營數字化的重要組成部分。在鐵路移動通信領域,除了基于網絡的通信外,還包括獨立于網絡的 UE 與 UE 之間的直接通信,這就是 Off-Network 技術。

Off-Network 是鐵路通信領域的新術語,已在 3GPP MCX 標準中引入。當網絡出現故障,或者在偏遠山區沒有網絡覆蓋時,鐵路通信可以采用 Off-Network 來進行通信。3GPP MCX 規范中定義,即使在網絡可用的情況下,鐵路通信也可以采用 Off-Network。

除了語音通信外,未來 Off-Network 通信將應用于自動列車保護、列車自動操作、實時視頻、虛擬耦合數據通信等關鍵任務的數據通信。在 R18 中,3GPP 將研究基于 Off-Network 的未來鐵路移動通信系統的新用例,以及 QoS、優先級、UE ID 和位置識別、多播 / 廣播 / 單播、通信范圍、潛在頻譜等相關技術。

支持成員:UIC、Nokia、Nokia Shanghai Bell、Hansung University、ETRI、KT Corp、LG Uplus、FirstNet、BDBOS

supporting tactile and multi-modality communication services

支持觸覺和多模態通信服務

觸覺和多模態通信,指通過視頻、音頻、環境感知、觸覺等影響用戶體驗的多種通信信道響應輸入,并結合超低時延、超高可靠和安全等網絡能力,來實現真正的沉浸式用戶體驗。其中,環境感知指通過傳感器感知亮度、溫度、濕度等信息;觸覺數據包括觸摸物體表面時反饋的壓力、紋理、振動、溫度等感知數據,以及重力、拉力、位置等感知數據。該技術可應用于遠程人機交互、遠程操作、機器人社交網絡、工業物聯網服務等多個領域。

比如,在實時遠程 VR 服務中,VR 用戶會使用多個獨立的設備來分別采集音頻、視頻、環境和觸覺數據,同時接收來自多個應用服務器的音頻、視頻、環境和觸覺反饋。在這種場景下,用戶會戴上 VR 眼鏡來接收圖像和聲音,并通過觸感手套來接收觸覺信息,以及通過攝像頭、麥克風、可穿戴感應器等將觸覺和環境等信息提供給對端用戶。

為支持觸覺和多模態通信服務,5G 系統需滿足不同數據流的不同的網速、時延和可靠需求,還需要實現并行多數據流的同步,因此,對 5G 網絡能力是一大挑戰。R18 將研究涉及觸覺和多模態通信技術的新用例,以及這些用例相關的網絡可靠、可用、安全、私密、數據速率、時延、傳輸間隔等技術指標。

支持成員:China Mobile、Huawei、Spreadtrum Communications、Futurewei、ZTE、Tencent、VIVO、OPPO、CATT、China Telecom、China Unicom、CAICT、InterDigital、Verizon UK、CEPRI、Xiaomi、KPN、ABS、Orange

Vehicle-Mounted Relays

車載 5G 中繼

隨著 5G 不斷發展,對網絡覆蓋和容量要求越來越高,需部署越來越密集的基站,但問題是,城市里的站址資源是有限的,基站選址越來越困難,站址租金成本越來越高昂。為此,R18 將研究通過在車輛上部署 5G 中繼站的方式來擴展 5G 網絡覆蓋,以充分利用城市里大量的車輛作為“站址資源”。5G 中繼站以 5G 宏基站作為施主基站,并通過 5G 無線回傳連接 5G 宏基站,無需部署光纖,具有很強的部署靈活。

城市里的車輛通常都以低速行駛,同時公交車、有軌電車等車輛的行駛路線是固定的,且大部分公交車站的周圍都是用戶密集區,通過在車輛上安裝 5G 中繼站的方式,不但可以向車外周圍環境提供 5G 覆蓋,還可以為車內的乘客提供 5G 服務。

支持成員:Qualcomm Incorporated、Sony、SHARP、InterDigital、OPPO、AT&T、FIRSTNET、Verizon UK Ltd、LG Electronics、Xiaomi、ZTE Corporation、Telstra、vivo Mobile Communications Ltd、SyncTechno、ETRI、DENSO、Robert Bosch、Volkswagen AG

5G Smart Energy and Infrastructure

5G 智能電網通信基礎設施

打造高效、安全和穩定的智能電網已是各國電力行業的發展目標,而通信基礎設施對于成功實現智能電網至關重要。電網包括發電、輸電、配電和用電四大環節,每一個環節都需要通過通信基礎設施與能源管理系統、配電管理系統等臺融合,來實現對電網的數據采集、監視、分析和管控,最終實現信息化、數字化、自動化、互動化的智能電網。5G 智能電網通信基礎設施將支持微電網分布式發電、安全高效的變電和輸電、靈活可靠的配電、綠色用電、網絡安全和彈等多個方面。

在 5G 智能電網領域,我國相關企業在推動標準制定方面做出了重大貢獻。在國家電網等企業聯合發布的《5G 網絡切片使能智能電網》和南方電網等企業聯合發布的《5G 助力智能電網應用白皮書》中,已定義了一些 5G 智能電網的服務和要求,比如通過探索實踐,針對電網自動化配電系統中的繼電保護、遙測、遠程控制、差動保護等,確定了網絡時延、時鐘同步、抖動、可靠、連接密度、業務隔離度等相關指標。R18 將對 5G 智能電網的潛在服務需求進行研究,包括研究滿足 5G 智能電網服務的容量、時延、可靠、端到端 QoS、彈和安全等通信需求,研究分布式電源系統、配電自動化、高精度電力負荷監測與控制、電表自動化等用例,研究微電網分布式發電所需的 5G 無線通信的 KPI 和服務要求,等等。

支持成員:Alibaba、CATT、CEPRI-China、China Mobile、China Southern Power Grid、China Telecom、China Unicom、Fudan University、Futurewei、Huawei、Huawei Device、Novamint、OPPO、Orange、Samsung、Sequans、SONY、Spreadtrum、Thales、Telefonica 、Tencent、Telus、Xiaomi、ZTE

Enhancements for Residential 5G

住宅 5G 增強功能

有線與無線融合,固網與移動網絡融合,是大趨勢。一方面,運營商可通過家庭寬帶與移動套餐捆綁的方式,來擴展用戶和增加用戶的黏;另一方面,人們下班之后總會在家里看看視頻、玩玩游戲,家庭是高流量場景,也是運營商的高價值場景,但由于 5G 頻段更高,信號難以從室外穿透到室內,家庭場景也是 5G 的弱覆蓋區域或覆蓋盲區,需通過與固網融合的方式,在家庭中部署 5G 微站,來改善家庭網絡覆蓋,增加運營商的收入來源。

但問題是,固網和移動網絡分屬不同的系統,兩者該如何完美融合?在移動網絡中,終端對于移動核心網是可知的、可識別的,這能為不同終端提供定制化、差異化服務,利于提升服務水,也利于網絡管理和運營。但那些通過固定網絡連接的終端,對于移動核心網而言是未知的、不可識別的。住宅 5G 增強將基于固移融合趨勢,將無線接入網和固定接入網統一接入 5G 核心網,讓核心網也能識別和管理固網家庭網關下的終端,并將在增強固移融合、增強固網 LAN 和 5G LAN 融合、增強型室內微站等方面進行研究。

支持成員:KPN、TNO、Deutsche Telekom、T-Mobile USA、Orange、Telefonica、Convida Wireless、China Telecom、InterDigital、Huawei、Vodafone、Philips、Intel

Personal IoT Networks

個人物聯網

個人物聯網(PIoT),指圍繞個人和家庭場景的物聯網,其終端設備包括家庭里的門感、電燈開關、烤箱、電視、空調、洗衣機、冰箱、語音助手等家電家居設備,以及圍繞個人的相機、耳機、手表、汽車、單車等設備,通信距離為幾十米以內。3GPP 已制定了針對工業物聯網的 NB-IoT 和 eMTC 標準,但還沒有關注個人物聯網領域。

目前,個人物聯網領域采用的通信技術多種多樣,比如在智能家庭場景中,PIoT 網絡內可采用 Z-Wave、Zigbee、藍牙、NFC 和 WLAN 等多種非 3GPP 無線技術,同時,PIoT 網絡外還需通過互聯網或移動通信網絡將家庭內的智能網關與云端或者手機連接,以便于對智慧家庭進行遠程監控和管理,這給個人物聯網帶來了連接復雜、配置繁瑣等問題,也存在網絡不穩定的隱患,比如盡力而為的互聯網連接本身是不穩定的。為解決這些問題,R18 將研究增強 5G 系統對于 PIoT 的支持,比如研究通過本地 RAN 網關來實現 PIoT 網絡與 5G 核心網之間連接,以及研究基于 5G 系統支持的 PIoT 網絡的相關用例和技術指標要求等。

支持成員:vivo Mobile Communications Ltd、China Mobile、China Telecom、China Unicom、Convida Wireless、Huawei、Huawei Device、InterDigital、KPN、NOVAMINT、Philips、Qualcomm Incorporated、Sony、Xiaomi

traffic characteristics and performance requirements for AI/ML model transfer in 5GS

在 5G 系統中傳輸 AI/ML 模型的流量特能需求研究

5G 時代,AI 將分布于云、邊、管、端各個環節,并采用云邊端協同進行 AI 處理的方式,比如,云端負責模型訓練,再將生成的模型下發到邊緣 / 終端進行推理和分析;再比如,受限于終端的計算能力和功耗,終端會將數據傳送到邊緣進行推理,并執行來自邊緣的命令;同時,由于集中訓練會給云端帶來巨大的計算負擔,加之數據隱私保護原因,一些場景不允許將本地數據上傳到云端進行訓練,還會出現云端和本地相結合的聯邦學與分布式學模式。

這樣一來,AI/ML 模型、訓練數據將成為一種新的流量類型在 5G 網絡中傳輸,因此,需要研究在 5G 網絡中傳輸的 AI/ML 模型的流量特能需求。R18 將研究 AI/ML 模型上傳 / 下載所要求的速率、時延、可靠、覆蓋、容量等網絡能需求,研究分割式 AI/ML 操作、AI/ML 模型與數據的分發共享、聯邦學與分布式學等場景下的流量特征識別和能需求,等等,以更好的支持圖像識別、語音識別、機器人、智能汽車等 AI/ML(機器學)業務。

支持成員:OPPO 、China Mobile、China Telecom、China Unicom、Telstra、Verizon UK Ltd、Qualcomm、LG Electronics、Sony、Huawei、FutureWei、Alibaba、CATT、ZTE、Peking University、BUPT

總的來看,R18 將向能源、交通、制造、媒體、醫療等垂直領域持續邁進。

本文參考:SP-210210、SP-210211、SP-210212、SP-210216、SP-190838、SP-200572、SP-201039、SP-200798、SP-200574、SP-200576、SP-200592、SP-191040 等 3GPP 工作項目描述