📘 《AI 時代系列（6）：進階通訊工程——邁向2035年太空星鏈網路時代》
📘 第 6周 🚦 網路會塞車嗎？排隊理論 × 切片 × 資源管理
網路容量與壅塞控制的核心科學
55／150單元： 延遲與壅塞分析：從基地台到太空軌道（含 LEO vs GEO）
________________________________________
🎯 單元導讀
前面我們談過：
• M/M/1
• M/M/k
• Little’s Law
• 流量建模（Traffic Modeling）
現在要回答整個通訊工程裡最殘酷、也最核心的一個問題：
⭐ 延遲到底從哪裡來？網路為什麼會塞車？
更重要的是：
6G 時代不只地面網路，還牽涉 LEO（低軌） 與 GEO（中華電信太空回程常用的高軌）。
這一單元會讓你真正看懂：
• 壅塞（Congestion）產生的機制
• 延遲為什麼突然暴增
• ρ（利用率）到 1 時會發生什麼
• LEO 與 GEO 的延遲差異
• 為什麼 LEO 也會塞車
一句話：
⭐ **延遲不是魔法，是數學；
壅塞不是偶然，是流量與資源必然的結果。**
________________________________________
🧠 一、延遲是什麼？延遲 = 等待 + 服務
每個封包的延遲由兩部分組成：
⭐ W = Wq + 1/μ
• Wq：排隊等待時間
• 1/μ：服務時間（處理所需時間）
延遲爆炸的原因幾乎都來自：
⭐ Wq（等待時間）急速上升
而不是服務（1/μ）變慢。
這就是壅塞的數學本質。
________________________________________
🧠 二、壅塞（Congestion）真正是什麼？
一句話：
⭐ 壅塞 = 需求 λ > 系統可承受能力 kμ
不管你是：
• gNodeB
• UPF
• MEC
• Wi-Fi AP
• 5G core
• 雲端 HTTP 伺服器
• Starlink 地面閘道
• LEO / GEO 衛星 RF chain
如果 λ > kμ，就一定塞。
________________________________________
🧠 三、延遲爆炸的關鍵參數：利用率 ρ
⭐ ρ = λ / (kμ)
以下三個區間決定你的網路命運：
• ρ < 0.5： 延遲極低
• ρ 接近 0.7： 進入高負載區
• ρ → 1： 排隊延遲爆炸（Wq → ∞）
📌 這就是為什麼：
• 高峰時基地台延遲突然噴高
• 雲端系統在 traffic spike 時瞬間塞住
• Starlink 遇到城市重負載會延遲變糟
因為它們的 ρ 逼近 1。
________________________________________
🧠 四、壅塞不是線性的，是「臨界跳變」
這是網路工程最殘酷的現象：
⭐ 延遲不是慢慢增加，而是突然爆炸。
ASCII 圖看最清楚：
延遲 W
^ ● 爆炸區（ρ → 1）
| ●
| ●
| ●
| ●
+----------------------> ρ
0.3 0.5 0.7 0.9
你以為網路慢慢變差？
❌ 錯。
延遲其實是「瞬間垂直上升」。
________________________________________
🛰️ 五、LEO vs GEO：延遲根本原因比較
地面網路外，延遲最高的環節就是「太空」。
但 LEO 與 GEO 完全是不同世界。
________________________________________
⭐ 🌍 GEO（高軌 36,000 km）＝高延遲但穩定
① 延遲來源：
• 傳輸距離極長（單趟 36,000 km）
• RTT 約 500–700 ms
• 天線、RF chain、processing 很規律
② 壅塞特性：
• ρ 較低，因為用戶數較少
• 幾乎沒有 burst 問題
• 適合廣播、衛星電視、低速物聯網
③ 問題：
• latency 先天限制 → 永遠快不了
• 不適合 gaming、實時視訊
________________________________________
⭐ 🛰 LEO（低軌 550 km）＝低延遲但容易壅塞
① 延遲來源：
• 距離短，但多跳 routing
• RTT 約 25–40 ms（媲美地面網路）
• RF chain 數量有限
• 多波束（multi-beam）共享容量
② 壅塞原因（重點）：
1. 每顆衛星的 RF chain 限制（有限 k）
2. 城市用戶密度高 → λ 爆升
3. video/gaming 流量是 burst 流量（非 Poisson）
4. beam-hopping 的瞬時負載差異大
③ 結果：
⭐ LEO 延遲不是因為高度，而是因為壅塞（ρ → 1）造成。
也就是：
• 早上 OK
• 晚上爆炸
• 城市爆炸
• 鄉下正常
• 運動賽事場館爆炸
📌 這完全符合排隊理論。
________________________________________
🧠 六、LEO 與 GEO 延遲拆解（Delay Breakdown）
用工程版語言描述它們的延遲：
________________________________________
🌍 GEO：延遲由距離主導
W ≈ 傳輸延遲(距離) + RF 處理 + Routing
幾乎沒有排隊延遲（Wq）。
________________________________________
🛰 LEO：延遲由壅塞主導
W ≈ Wq(壅塞) + RF chain 處理 + Routing + 多跳衛星轉發
其中 Wq（排隊等待）是主要問題。
________________________________________
⭐ LEO 的延遲不是物理，而是排隊理論。
________________________________________
🧠 七、真實案例：Starlink 高峰時延遲變 2–3 倍
原因不是：
❌ 天空不好
❌ 衛星壞掉
而是：
⭐ λ 太大 → ρ 接近 1 → 排隊延遲（Wq）暴增。
完全符合 M/M/k 理論。
________________________________________
🧠 八、ASCII 圖：LEO 與 GEO 的延遲差異
延遲 W (ms)
^
| GEO: 600ms -------------------------------●--------------------
| LEO: 20ms----25ms----30ms-----40ms----●(壅塞時 80–120ms)
|
+------------------------------------------------------------> 時間 / 負載
此示意圖比較 GEO 與 LEO 衛星系統的延遲特性差異：GEO 衛星因高度約 36,000 公里，訊號往返距離極長，延遲幾乎固定在約 600 ms，即使系統負載變化，延遲也難以改善；相對地，LEO 衛星軌道高度低，正常情況下延遲僅約 20–40 ms，但其延遲會隨流量負載與排隊效應而上升，在壅塞時可能增加至 80–120 ms。這說明 LEO 的延遲優勢來自距離短，但仍受流量與系統容量影響，而 GEO 的延遲則主要受物理距離主導、幾乎不可避免。
一看就懂：
• GEO：固定高延遲
• LEO：低延遲，但會「爆炸」
________________________________________
🧠 九、三個模擬習題
**1️⃣ 專業題：
為什麼 LEO 延遲比 GEO 低？**
📦 答案：
因為距離較短（550 km vs 36,000 km），傳輸延遲大幅減少。
________________________________________
**2️⃣ 應用題：
LEO 在高流量城市延遲變差原因？**
A. 高度變高
B. RF chain 變慢
C. λ 太大 → 排隊延遲上升 ✔
D. 路由表錯誤
因為高流量城市使到達率 λ 大幅上升，超過可服務能力後產生排隊效應，導致平均延遲顯著增加。
________________________________________
**3️⃣ 情境題：
UPF 核心擴充到 16 核仍會延遲爆高，是因為？**
📦 答案：
ρ → 1 時，k 再多延遲還是爆炸（M/M/k 特性）
________________________________________
🛠 十、實務演練題（Engineering Tasks）
1️⃣ 模擬 LEO 在 λ = 0.4, 0.6, 0.8, 0.95 下的延遲
2️⃣ 計算 GEO 與 LEO 的物理傳輸延遲
3️⃣ 設計「LEO 負載平衡」演算法（控制 λ）
4️⃣ 模擬 UPF 多核與 k 增加的邊際效益
5️⃣ 分析 Starlink beam-hopping 下的 burst traffic 行為
________________________________________
✅ 十一、小結與啟示：延遲是數學，不是命運
✔ 延遲 = 排隊 + 服務
✔ 壅塞 = λ > k μ
✔ 延遲爆炸是「臨界跳變」
✔ LEO 的延遲問題不是高度，而是壅塞
✔ GEO 穩定但先天高延遲
✔ 6G 想要穩定低延遲 → 必須控制 ρ
✔ Traffic Modeling + M/M/k + Little’s Law 是分析依據
一句話總結：
⭐ 工程世界裡，延遲不是偶然，而是 ρ 的數學結果
