5G 低时延通信的单向时延如何建模？

高负载下排队时延主导单向时延

论文从一个实际问题出发：基于时延的拥塞控制需要知道瓶颈处的队列何时开始堆积，但发送端与接收端的时钟不同步，单向时延（OWD）很难准确测量。往返时延也有缺陷，因为反向路径上的排队会扭曲这一信号。作者转而追问：能否用更容易观测的分量，重建基站处的排队时延（QD）。

他们的答案取决于瓶颈的位置。在论文研究的边缘架构中，边缘服务器靠近基站，无线链路比有线回传更慢，因此有线域中的最后一个缓冲区，也就是基站的无线链路控制（RLC）缓冲区，是数据包堆积的地方。论文据此把 OWD 建模为 QD 加上一个称为 Tsys 的项，后者涵盖处理时间、传输时间间隔和对齐时延，这些量由 5G 规范固定或有界。

仿真支持把 QD 视为主要部分，但这一结论是有条件的。在网络接近饱和、资源利用率接近最大值时，单用户和多用户两种场景下 QD 都占到 OWD 的 90% 以上。而在低负载时，QD 在 OWD 中的占比反而略有下降，因为 OWD 增长得比 QD 更快。这一区分很重要：该近似恰恰在论文所指的低时延应用工作区间，也就是高速率、接近饱和的区域最强。

聚合时延与信道接入时间拆解队列

论文的核心做法是把一个数据包的 QD 拆开，这个包由传输块（TB）承载，TB 是 MAC 层交给物理层进行一次空口传输的单位。多个数据包被组合进一个 TB，组合的包数就是聚合级别。由于同一 TB 内的所有包一起离开 RLC 队列，它们共享同一个离开时刻，但到达时刻不同，这个差值就是第一个分量。

聚合时延（AD）指一个包在 RLC 队列中等待、直到其所在 TB 的最后一个包到达所经历的时间。因此 TB 中的第一个包 AD 最大，最后一个包 AD 为零。第二个分量信道接入时间（Taccess）是从最后一个包到达，到该 TB 离开队列之间的间隔。一个包的 QD 就等于 AD 加 Taccess。

这种拆解之所以有用，是因为两部分在不同位置可观测。边缘服务器给每个包打上发送时间戳，UE 可以从载荷中读出该时间戳，因此 AD 无需同步时钟就能在 UE 端测得。Taccess 无法用同样方式测量，但论文认为可以根据网络状况估计；对 TB 中的最后一个包而言，它等于该包的 QD，从而把估计值重新与可观测的 OWD 联系起来。

UE 借助 MAC 时间戳测量聚合时延

这条测量路径依赖无线链路的一个具体特性：聚合进同一 TB 的包在同一时刻到达 UE 的 MAC 层，并带有相同的 MAC 时间戳。因此，能访问 MAC 层信息的 UE 可以识别哪些包被组合在一起，并直接读出聚合级别。论文提到，开源 UE 协议栈和监测工具可以在商用手机上实现这一点。

知道分组之后，每个包的 AD 就可以由边缘服务器写入载荷的发送时间戳推出。论文用边缘服务器的发送时间替代 RLC 队列到达时间，其依据是若干假设：回传理想、包从服务器到基站沿同一路径传输时间一致、物理链路不发生重排序。在这些假设下，发送时间之差等于队列到达时间之差。

这也是模型适用范围最窄的地方。它假设发往同一 UE 的所有流量共享单一数据无线承载，因而共用一个 RLC 队列；假设数据包能装入一个最大传输单元而无需分段；还假设 RLC 层运行在非确认模式，不进行重传。作者指出，由于不同承载使用专用缓冲区，该方法也能扩展到非同一流量，但正是单队列假设让逐包计算保持简洁。

信道接入时间区分排空与积压

Taccess 是较难的一半。论文在 TB 最后一个包到达 RLC 队列之后，把网络运行分成两种情景来分析。第一种情景中，MAC 调度器在下一次调度决策时分配了足够的物理资源块来发送该 TB，因此 Taccess 介于零和一个调度间隔之间。如果连续多个 TB 都落在这个范围内，说明每一轮调度都把队列排空，没有持续积压。

第二种情景中，该 TB 未获准发送，必须等待后续调度周期，周期之间相隔整数个调度间隔。这正是排队开始堆积的区间，论文的仿真结果显示，此时 Taccess 成为 QD 的主导部分，网络拥塞后超过 95%。拥塞之前则相反：在资源利用率接近最大时，单用户场景下 AD 最高达到 QD 的 80%，多用户场景下达到 70%，而 Taccess 分别降到 20% 和 30%。

这两种情景给出了模型的实用读法：Taccess 被限制在一个调度间隔内，意味着队列已被排空；Taccess 跨越多个调度周期，则意味着出现积压。由于调度器、交叉流量、缓冲区大小和信道质量都会影响 Taccess，论文把它当作需要根据网络状况估计、而非直接测量的量。

仿真时延曲线与两部分之和吻合

验证使用 NS3 和 5G-LENA 模块：基站采用每 UE 独立排队策略，信道为视距室内办公场景，带宽 40 MHz，频段 n78，numerology 为 0，即子载波间隔 15 kHz，调度器为轮询调度，MCS 固定为 28，发射功率 10 dBm，传输协议为 UDP，MTU 为 1500 字节。实验覆盖单 UE 和双 UE 场景，后者用一个 UDP 流与一个 TCP Cubic 流作为交叉流量，并覆盖低、高发送速率。

在报告的曲线中，AD 与 Taccess 之和在不同负载和场景下都与 QD 曲线吻合。有两点值得注意。其一，同一 TB 内第一个包的时延最高，最后一个包最低，与聚合逻辑一致。其二，OWD 与 QD 呈现相似的锯齿形，原因是多个包被组合进一个 TB；两者之间存在约 2.5 ms 的持续差距，论文将其归因于处理时间和传输时间间隔等固定或有界的时延来源。

这个差距就是 Tsys 在实测中的体现。论文指出，在低网络负载下 Tsys 可能与 QD 相当，这也是“QD 主导 OWD”这一结论依赖负载、而非普遍成立的原因之一。多 UE 场景中 QD 占 OWD 的比例也高于单 UE 场景，作者将其归因于另一用户竞争资源时调度时延带来的更大 Taccess。

仿真证据尚未覆盖现网验证

所有报告的验证都来自仿真，而非已部署网络。作者表示，计划在开源 5G 平台上针对不同场景和流量类型对模型进行实验评估，并利用该框架在传输层设计端到端的速率分配策略。在此之前，精度结论依赖于所描述的 NS3 配置，包括其理想回传和非确认模式假设。

模型也继承了其建模选择带来的限制。它把 RLC 缓冲区当作唯一瓶颈，其余因素都归入有界的 Tsys，因此如果边缘服务器与基站之间的时延不可忽略，就需要把这段时延加入 Tsys，论文本身也指出了这一点。论文称框架能计入重传，但分析中使用的却是非确认模式假设，因此读者应把重传情形视为作者的断言，而非所展示结果已经证明的结论。

先约束信道接入时间再压缩聚合

论文最具决策意义的结果是一个优先级排序，而非某个单一数值。拥塞之前，聚合时延可能占 QD 的大部分，单 UE 场景峰值达 80%，有交叉流量时为 70%。一旦资源利用率上升、队列开始积压，信道接入时间便以超过 95% 的占比接管主导地位。因此，该调节哪个量取决于链路处于哪个区间。

对于接近饱和的链路，模型指向把约束 Taccess 作为关键，同时监测聚合级别以调节 AD。这对应论文的第一种情景：Taccess 保持在一个调度间隔内，队列每轮都被排空。该框架提供的实用阈值正是这条边界：Taccess 能装进一个调度间隔，说明没有持续积压；跨越多个调度周期，则标志着论文希望拥塞控制检测到的排队起点。

这种拆解的价值在于，它把基站处一个难以测量的量，变成两个可观测性不同的部分：一个在 UE 端由 MAC 时间戳读出，另一个根据网络状况估计。这一替代在真实 5G 部署中是否成立，而不只是在带理想回传的仿真边缘架构中成立，是作者留给未来实验工作的问题。

本文引用的文献