📘 AI時代系列(4):AI 驅動的電信網路規劃與設計 🌐
27/100 第三週:📌 核心網與數據承載
27. 移動性管理與切換流程 🚗 —— 行動中不斷線的關鍵技術
________________________________________
🎯 單元導讀
想像你正在開車或搭高鐵看影片,若網路頻繁斷線,體驗會非常差。
為了確保「邊移動邊連線不中斷」,無線網路引入 移動性管理(Mobility Management, MM) 與 切換流程(Handover)。
這是行動網路從 2G 到 5G 的基石之一,也是 AMF/MME 在核心網的重要職責。
________________________________________
🧠 一、移動性管理(Mobility Management, MM)
• 功能:追蹤用戶位置,確保 UE(使用者設備)在不同小區或基地台間移動時能維持連線。
• 主要內容:
1. 位置更新(Location Update / Tracking Area Update)
UE 進入新區域,向核心網回報位置。
2. 漫遊(Roaming)
在跨網營運商時,維持認證與連線。
3. 切換管理(Handover Management)
負責 UE 在基地台或小區之間平順切換。
________________________________________
🧠 二、切換流程(Handover)類型
1. 硬切換(Hard Handover)
o “Break before Make”:先斷再連。
o 常見於 3G/4G。
o 優點:簡單,資源利用率高。
o 缺點:可能短暫中斷。
2. 軟切換(Soft Handover)
o “Make before Break”:先連新基站,再斷舊基站。
o 常見於 3G CDMA。
o 優點:不中斷,連線更穩定。
o 缺點:佔用資源較多。
3. 5G 切換(Seamless Handover)
o 利用 AMF/SMF 協調 + gNodeB 間協作,實現近乎零中斷。
o 支援 跨 RAT 切換(例如 5G ↔ 4G VoLTE fallback)。
________________________________________
🔁 三、ASCII 切換流程示意
一般 Handover
[UE] → [舊 gNB] ──測量報告──► [AMF/SMF] ──切換命令──► [新 gNB]
│ │
└───────────────數據暫存──────────────┘
高速移動場景(例如高鐵)
UE 🚄 → gNB A → gNB B → gNB C
(核心網 AMF/SMF 預測 UE 移動軌跡,提前配置資源)
這張圖對比了 一般 Handover 與高速移動場景下的差異:
在一般情況下,UE 會先將測量報告回傳給舊 gNB,由 AMF/SMF 判斷並下達切換命令,再由新 gNB 接手,同時透過數據暫存確保不中斷。
但在 高速移動場景(如高鐵),由於 UE 會在短時間內快速跨越多個基站,若每次都逐步切換會造成延遲甚至掉線,因此核心網需要 預測 UE 的移動軌跡,並提前在多個 gNB 配置資源,確保使用者體驗連續、不中斷。
👉 總結:普通 handover 是「即時反應」,高速場景下則必須依靠「預測與提前配置」來保障穩定連線。
________________________________________
🧪 四、應用場景
1. 高鐵/高速公路:UE 以 300km/h 移動時,仍能不中斷看影片。
2. 智慧物流車隊:車聯網需要穩定低延遲切換,確保定位與協同。
3. 語音通話(VoLTE/VoNR):移動中切換基站,語音不中斷。
4. IoT 裝置:智慧城市感測器跨小區移動,需維持穩定上報數據。
________________________________________
⚙️ 五、AI 在移動性管理的角色
• 移動軌跡預測:AI 預測 UE 移動方向,提前準備切換資源。
• 異常檢測:AI 分析掉話率與切換失敗率,找出干擾或配置問題。
• 智慧選網:AI 決定 UE 連接最佳 gNB,避免壅塞或訊號差。
• 資源最佳化:AI 動態分配頻譜與切片,確保移動中的 QoS。
________________________________________
💭 六、問題與思考
1. 為什麼「硬切換」容易造成短暫斷線,而 5G 能做到近乎無縫切換?
• 硬切換 (Hard Handover):先斷開舊 gNB,再連接新 gNB,中間會有短暫「斷網空窗期」,導致語音卡頓或數據中斷。
• 5G 的改進:5G 支援 雙連線 (Dual Connectivity, DC) 與 軟切換 (Make-Before-Break),UE 在連上新 gNB 前,仍保持與舊 gNB 的鏈路,數據不中斷。
👉 結論:5G 透過「雙連線 + 軟切換」,讓用戶體驗近乎無縫的持續連線。
________________________________________
2. 在高鐵場景下,為什麼需要 AI 預測 UE 移動軌跡?
• 高鐵時速 300 km 以上,UE 幾秒鐘就跨過多個小區。
• 傳統「即時量測 → 回報 → 下發切換」的流程會跟不上,容易掉線。
• AI 可利用 歷史數據、速度、地理資訊 預測 UE 的移動軌跡,提前在下一個基站預留資源。
👉 結論:AI 預測能縮短切換延遲,避免 UE 還沒連上新 gNB 就已經脫離覆蓋。
________________________________________
3. 如果 AMF 錯誤管理移動性,會對用戶體驗造成什麼影響?
• 切換失敗:UE 無法順利連上新 gNB,導致斷線。
• 延遲升高:重複切換或錯誤判斷會造成數據丟包、語音斷續。
• 資源浪費:在錯誤小區預留資源,導致真實需求的小區負荷不足。
• 體驗劣化:高鐵、地鐵或演唱會場景中,用戶會感覺到「網路卡、掉線、直播中斷」。
👉 結論:AMF 若錯誤管理移動性,最直接的後果就是 斷線與品質下降,嚴重影響用戶體驗。
________________________________________
✅ 七、小結與啟示
• 移動性管理:確保 UE 在不同小區/基站間移動時能持續連線。
• 切換流程:分為硬切換、軟切換、5G 無縫切換。
• 應用場景:高速移動、自駕車、語音通話、IoT。
• AI 加持:預測移動、智慧選網、自動優化,大幅提升切換成功率。
• 就像旅客換車站月台,若有「引導員(AMF/AI)」提前安排,就能無縫轉乘不中斷。