⚡ electrical engineering

A Disaster-Aware Integrated TN-NTN System-Level Simulator for Resilient 6G Wireless Networks

Ce document présente un simulateur au niveau système léger et conforme aux normes 3GPP, conçu pour évaluer la résilience et les compromis de performance des réseaux 6G intégrés terrestres et non terrestres dans des scénarios de catastrophe à défaillance partielle, démontrant comment les opérations hybrides peuvent maintenir la fiabilité du service grâce à une migration efficace du trafic.

Auteurs originaux : Donglin Wang, Anjie Qiu, Qiuheng Zhou, Hans D. Schotten

Publié 2026-05-08

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Donglin Wang, Anjie Qiu, Qiuheng Zhou, Hans D. Schotten

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez le réseau mobile d'une ville comme un système autoroutier très fréquenté. Dans des conditions normales, tout le monde circule sur le Réseau Terrestre (TN) — les routes locales, les tunnels et les ponts intégrés directement au sol. Ces routes sont rapides, efficaces et parfaites pour les trajets quotidiens.

Cependant, lorsqu'une catastrophe frappe (comme un tremblement de terre majeur ou une tempête), ces routes locales peuvent être bloquées, endommagées ou totalement détruites. Si les routes locales disparaissent, la circulation s'arrête et les gens se retrouvent bloqués.

Ce document présente un « simulateur de crash-test numérique » conçu pour déterminer comment maintenir la circulation lorsque les routes locales tombent en panne. Il teste un plan de secours utilisant les Réseaux Non Terrestres (NTN) — imaginez une flotte de drones de livraison ou de satellites survolant la ville en haute altitude. Ils ne peuvent pas être aussi rapides que les routes locales, mais ils ne peuvent pas être détruits par une tempête au sol.

Voici comment l'article décompose ce concept en termes simples :

1. Le Problème : Quand le Sol Tombe en Panne

Les auteurs notent que notre monde moderne dépend fortement des antennes-relais. Si une catastrophe coupe l'alimentation électrique ou détruit les tours, le réseau s'effondre. Bien que des satellites (LEO) et des drones (UAV) existent pour aider, nous n'avions pas de moyen simple et rapide pour tester exactement à quel point ils fonctionnent ensemble avec le réseau terrestre pendant une crise. Les outils existants étaient soit trop complexes (comme simuler chaque onde radio individuelle), soit ne regardaient qu'un seul type de réseau de manière isolée.

2. La Solution : Un Simulateur « Et Si »

L'équipe a construit un simulateur léger. Imaginez-le non pas comme un jeu vidéo, mais comme un tableur sophistiqué qui exécute des milliers de scénarios « et si » en quelques secondes.

La Configuration : Ils ont créé une ville virtuelle avec 10 antennes-relais (le réseau terrestre) et un anneau de satellites en surplomb.
La Catastrophe : Ils « cassent » aléatoirement certaines antennes-relais (simulant une catastrophe où 50 % pourraient tomber en panne).
Le Sauvetage : Le simulateur redirige automatiquement les personnes ayant perdu leur connexion locale vers les satellites. Il vérifie également si les antennes terrestres restantes sont trop encombrées et déplace certaines personnes vers les satellites pour éviter les embouteillages.

3. Les Règles du Jeu

Le simulateur suit des règles spécifiques basées sur des normes réelles (3GPP) :

Le Facteur « Panique » : Lorsque la catastrophe frappe, les gens ne restent pas immobiles ; ils se déplacent (simulé comme une « mobilité de panique »).
Le Transfert : Si votre antenne locale est cassée, vous êtes forcé de basculer vers le satellite. Si votre antenne locale fonctionne encore mais est extrêmement encombrée, le système peut volontairement vous déplacer vers le satellite pour maintenir la fluidité.
Le Goulot d'Étranglement : Les satellites disposent d'un « lien d'alimentation » — un énorme tuyau les connectant au cœur d'Internet. Si trop de personnes tentent d'utiliser le satellite en même temps, ce tuyal se bouche, ralentissant tout le monde.

4. Ce Que le Simulateur a Découvert

Les chercheurs ont exécuté la simulation avec différents nombres de personnes (de 100 à 500 utilisateurs) et différents niveaux de gravité de catastrophe. Voici ce qu'ils ont découvert :

Temps Normaux (Pas de Catastrophe) : Le réseau terrestre est le grand gagnant. Il est plus rapide et présente une « latence » (délai) plus faible. Le satellite est plus lent car le signal doit voyager jusqu'à l'espace et revenir.
Temps de Catastrophe : Lorsque le réseau terrestre est endommagé, le système hybride (Terre + Satellite) sauve la mise.
- Fiabilité : Même si la moitié des tours sont hors service, le système continue de fonctionner. Le « Taux de Réception des Paquets » (combien de messages passent) augmente même car le satellite garantit que personne ne reste complètement hors ligne.
- Le Compromis : Vous obtenez de la fiabilité, mais vous payez le prix en vitesse. À mesure que plus de personnes comptent sur le satellite, la vitesse moyenne baisse et le délai augmente. C'est comme passer d'une voiture de sport à un bus : le bus vous y emmène lorsque la route est bloquée, mais il est plus lent et moins confortable.
La Limite du « Lien d'Alimentation » : Ils ont constaté que si le tuyau de connexion du satellite (l'alimentation) est trop petit, il devient un goulot d'étranglement. Augmenter la taille du tuyau aide beaucoup jusqu'à un certain point (environ 450 Mbps), mais au-delà, la vitesse est limitée par le nombre de personnes tentant d'utiliser le satellite, et non par la taille du tuyau lui-même.

5. La Grande Image

L'article conclut que ce simulateur est un outil utile pour les ingénieurs. Il prouve que, bien que le réseau terrestre soit le meilleur pour la vitesse et le réseau satellite le meilleur pour la couverture, les combiner crée un système résilient.

Lorsqu'une catastrophe frappe, le système déplace automatiquement la circulation vers le ciel. Ce n'est pas parfait (c'est plus lent), mais cela garantit que la communication ne s'arrête pas complètement. Le simulateur aide les planificateurs à déterminer exactement combien de satellites ils ont besoin et quelle taille doivent avoir leurs « tuyaux » pour gérer une crise sans être submergés.

En bref : L'article présente un laboratoire d'essai numérique montrant comment mélanger des antennes terrestres avec des satellites basés dans le ciel peut sauver la mise lorsqu'une catastrophe met le sol hors service, garantissant que nous restons connectés même lorsque les routes sont brisées.

Résumé Technique : Un Simulateur de Niveau Système Intégré et Conscient des Catastrophes pour des Réseaux Sans Fil 6G Résilients

Énoncé du Problème
Les sociétés modernes dépendent fortement des réseaux cellulaires terrestres (TN), qui sont intrinsèquement vulnérables aux dommages d'infrastructure, aux coupures de courant et à la congestion lors de catastrophes naturelles et de défaillances à grande échelle. Bien que le Projet de Partenariat de 3e Génération (3GPP) ait standardisé les Réseaux Non Terrestres (NTN) — incluant les satellites en orbite basse (LEO), les stations de plateforme à haute altitude (HAPS) et les véhicules aériens sans pilote (UAV) — en tant que mécanisme de résilience pour la 5G-Advanced et la 6G, l'évaluation du comportement conjoint des systèmes intégrés TN-NTN dans des conditions de catastrophe reste un défi. La littérature existante se concentre souvent sur la modélisation de haute fidélité de la couche physique ou sur la performance isolée soit des TN, soit des NTN, faisant défaut des outils dédiés capables de capturer le couplage, la migration de service et les dynamiques de récupération nécessaires à l'analyse de résilience au niveau système dans des environnements post-catastrophe chaotiques.

Méthodologie
Les auteurs présentent un simulateur de niveau système léger, piloté par des paramètres, conçu pour évaluer le comportement de repli après défaillance dans des réseaux intégrés TN-NTN. Le cadre adhère aux principes de modélisation de la 3GPP Release 17/18 et utilise une approche de snapshot statique post-défaillance plutôt qu'un processus complet d'évolution temporelle de la récupération.

Architecture : La simulation modélise un réseau hétérogène où un segment terrestre (10 gNB dans une disposition hexagonale perturbée) fonctionne parallèlement à une superposition NTN (satellites LEO à 600 km d'altitude). Le système prend en charge la migration dynamique de service où le trafic est déchargé des liens terrestres dégradés vers les liens satellitaires.
Modèle de Catastrophe : Le scénario de catastrophe est défini par un modèle de défaillance probabiliste où les gNB terrestres sont indépendamment marqués comme « défaillants » sur la base d'une probabilité de défaillance ( $p_f$ ).
Logique Opérationnelle : Le simulateur emploie un algorithme de partitionnement en deux étapes :
1. Transfert Forcé : Les utilisateurs attachés aux gNB défaillants sont forcés de migrer vers le NTN.
2. Déchargement Proactif : Basé sur un paramètre d'agressivité configuré ( $\eta$ ), des utilisateurs supplémentaires sur des cellules terrestres survivantes mais surchargées ou faibles sont proactivement basculés vers le NTN.
3. Métrique d'Association : L'association des utilisateurs est déterminée par un score conscient de la charge ( $\Gamma_{u,b}$ ) qui pénalise les cellules fortement chargées, calculé comme la différence entre le SINR et un terme de pénalité de charge.
Modélisation des Performances : Le simulateur calcule les Indicateurs Clés de Performance (KPI) incluant le débit, le Taux de Réception de Paquets (PRR) et la latence. Il intègre des modèles de surcharge simplifiés, incluant des pénalités de migration fixes, des pénalités de réassociation pour les utilisateurs terrestres, et une contrainte de capacité de liaison montante partagée pour le NTN.
Implémentation : L'outil est implémenté comme un framework Python utilisant des simulations de Monte Carlo pour capturer la géométrie stochastique, l'échantillonnage des défaillances et les effets d'ombrage.

Contributions Clés

Moteur de Simulation Léger : L'article introduit un simulateur de niveau système traitable qui comble le fossé entre des outils spécialisés de haute fidélité et des études de réseau isolées, spécifiquement adapté à l'expérimentation de type « et si » dans des scénarios de catastrophe.
Modélisation de Défaillance Intégrée : Le cadre modélise explicitement le couplage entre les liens terrestres et satellitaires, capturant les dynamiques de migration de service, de soulagement de la congestion et les compromis entre l'efficacité terrestre et la résilience non terrestre.
Analyse Quantitative des Compromis : Le simulateur fournit un mécanisme pour analyser le compromis capacité-délais des opérations terrestres par rapport à la fiabilité et la stabilité des services non terrestres sous des charges d'utilisateurs variables, des sévérités de catastrophe et des niveaux de provisionnement NTN.

Résultats
Le simulateur a été évalué sur des charges d'utilisateurs allant de 100 à 500 UE et des probabilités de défaillance de gNB variables ( $p_f$ ). Les principales conclusions incluent :

Compromis Capacité-Délais : Dans des conditions nominales, les réseaux terrestres offrent la latence la plus faible mais souffrent d'une dégradation du débit à mesure que la charge augmente. Le NTN fournit une latence stable (dominée par le délai de propagation) mais une capacité par utilisateur plus faible.
Résilience Hybride : En mode catastrophe (par exemple, $p_f = 0,5$ ), le mode hybride TN-NTN offre un compromis intermédiaire. Bien que le débit soit inférieur à celui du TN nominal en raison des pénalités de migration et des contraintes de liaison montante, le système maintient la continuité de service.
Impact de la Sévérité de la Catastrophe : À mesure que la probabilité de défaillance des gNB augmente, le taux de repli NTN réalisé ( $\hat{\eta}$ ) augmente de manière monotone. Cela entraîne un léger gain initial de débit (dû au soulagement de la congestion) suivi d'une chute brutale à mesure que le système devient entièrement dépendant du chemin NTN limité par la liaison montante. Cependant, le Taux de Réception de Paquets (PRR) s'améliore considérablement (de 0,67 à 0,94) car le repli NTN assure la connectivité pour les utilisateurs qui seraient autrement déconnectés.
Goulot d'Étranglement de la Liaison Montante : L'analyse de sensibilité révèle que la capacité de la liaison montante NTN est un goulot d'étranglement dominant uniquement en dessous d'un seuil modéré (environ 450 Mbps). Au-delà, la performance est limitée par le partage côté accès et la surcharge de migration plutôt que par l'échelle de la liaison montante.

Signification et Revendications
L'article revendique que le cadre proposé sert d'« outil traitable » pour étudier la résilience des réseaux sans fil et la gestion du trafic dans les futurs systèmes 6G intégrés. Les auteurs positionnent le simulateur non pas comme une implémentation calibrée de la pile de protocoles, mais comme un moteur d'exploration pour une analyse comparative rapide.

La signification réside dans sa capacité à identifier les goulots d'étranglement critiques du cœur et les facteurs de congestion que des outils spécialisés de haute fidélité pourraient négliger en raison de la complexité computationnelle. Les résultats démontrent que, bien que les réseaux terrestres restent avantageux pour les services à faible latence sous des charges modérées, le NTN fournit une continuité essentielle lorsque l'accès terrestre se dégrade. L'opération hybride est présentée comme une solution pratique offrant un compromis équilibré entre capacité, fiabilité et délai. Les auteurs concluent que cet outil convient à l'analyse de type « et si » avant de passer à des outils de plus haute fidélité ou à des benchmarks de validation externe, et ils notent que les travaux futurs étendront cette abstraction statique pour inclure la dynamique satellitaire variant dans le temps et des processus de défaillance-récupération plus riches.