本文转载自微信公众号「网优雇佣军」，作者通信。转载本文请联系网优雇佣军公众号。
3GPP网站上已经列出了一些正在讨论的R18版本早期阶段的工作项目。仔细看了一下，作为5G-Advanced的首个版本，其中一些新项目非常有趣。
来源：https://www.3gpp.org/DynaReport/GanttChart-Level-2.htm#bm900026
Enhanced Access to and Support of Network Slice
网络切片接入和支持增强
网络切片是5G系统的一项基本功能，它允许灵活、动态的对网络资源进行部署和调整，以满足各种需求。在R18中，将对网络切片接入和支持相关功能进行增强，包括：一、当存在不同类型的限制(比如无线资源、频段等)时，支持UE接入网络切片，并当网络切片或分配的资源发生变化时，将服务中断影响降到最低;二、支持向第三方公开网络切片控制/配置等服务。
支持成员：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弹性授时系统
电力、交通、金融等垂直行业越来越依靠精准的时钟同步，但当前使用的GNSS卫星授时服务存在一定的脆弱性，比如存在抗干扰能力低、室内可用性差、欺骗干扰威胁等问题。针对这些问题，一些国家政府和行业正在积极研究GNSS卫星授时的替代/备用解决方案。5G Timing Resiliency System主要针对GNSS卫星授时服务脆弱性，研究与5G系统一致的其他时钟同步技术作为终端用户的弹性的时钟源，以作为GNSS卫星授时的补充、备份或替代。
支持成员：Nokia、Nokia Shanghai Bell、AT&T、Deutsche Telekom、Intel、KDDI、KPN、LG Electronics、NextNav、NTT DoCoMo、Thales、Verizon UK Ltd
Ranging-based Services
基于测距的服务
定位算法包括基于测距 (range-based)定位算法，即基于测距算法测量点到点的距离或角度信息。当前，基于测距的定位算法在智能家居、智慧城市、智慧交通、智慧零售、工业4.0等领域越来越受欢迎。但不同的垂直行业的不同应用对距离精度、角度信息精度、最大测距范围、测距时延等性能指标要求不尽相同。R18将研究测距服务需求的相关规范，涵盖UE之间的测距操作、运营商对许可频谱下的测距功能的控制、测距的KPI(距离精度和方位精度等)和安全性方面等。
支持成员：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
工业物联网场景的低功耗高精度定位
低功耗高精度定位对于工业物联网至关重要，一方面，工业物联网设备要实现高精度定位，需频繁的获取实时位置信息来定位，需要消耗更多的电池电量;另一方面，工业物联网设备多部署于一些“危险场景”，比如发电厂、化工厂、矿场的生产作业区域，频繁的更换电池非常不方便，因此，需研究增强的低功耗技术来延长电池使用寿命(可能需1到2年)，来满足工业物联网的高精度定位需求。目前，3GPP已定义低精度定位(定位精度约为10米)，但不管是定位精度还是功耗方面都达不到工业物联网场景的低功耗高精度定位的要求。
支持成员：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
铁路智慧车站服务
铁路智慧车站可以为乘客提供各种运营服务和增值服务，比如，通过5G网络、平台和AI等融合提供温馨提示、智能疏散、智能验票、智能查询等服务，不仅能完善铁路车站服务体系，还可提高服务效率，降低服务成本。3GPP将研究站台运行监控、乘客支持服务等与铁路智能车站服务相关的用例。
支持成员：Hansung University、LG Uplus、KT、SK Telecom、ETRI、UIC、LG Electronics
Off-Network for Rail
网外铁路通信
未来的铁路通信是铁路运营数字化的重要组成部分。在铁路移动通信领域，除了基于网络的通信外，还包括独立于网络的UE与UE之间的直接通信，这就是Off-Network技术。
Off-Network是铁路通信领域的新术语，已在3GPP MCX标准中引入。当网络出现故障，或者在偏远山区没有网络覆盖时，铁路通信可以采用Off-Network来进行通信。3GPP MCX规范中定义，即使在网络可用的情况下，铁路通信也可以采用Off-Network。
除了语音通信外，未来Off-Network通信将应用于自动列车保护、列车自动操作、实时视频、虚拟耦合数据通信等关键任务的数据通信。在R18中，3GPP将研究基于Off-Network的未来铁路移动通信系统的新用例，以及QoS、优先级、UE ID和位置识别、多播/广播/单播、通信范围、潜在频谱等相关技术。
支持成员：UIC、Nokia、Nokia Shanghai Bell、Hansung University、ETRI、KT Corp、LG Uplus、FirstNet、BDBOS
supporting tactile and multi-modality communication services
支持触觉和多模态通信服务
触觉和多模态通信，指通过视频、音频、环境感知、触觉等影响用户体验的多种通信信道响应输入，并结合超低时延、超高可靠性和安全性等网络能力，来实现真正的沉浸式用户体验。其中，环境感知指通过传感器感知亮度、温度、湿度等信息;触觉数据包括触摸物体表面时反馈的压力、纹理、振动、温度等感知数据，以及重力、拉力、位置等感知数据。该技术可应用于远程人机交互、远程操作、机器人社交网络、工业物联网服务等多个领域。
比如，在实时远程VR服务中，VR用户会使用多个独立的设备来分别采集音频、视频、环境和触觉数据，同时接收来自多个应用服务器的音频、视频、环境和触觉反馈。在这种场景下，用户会戴上VR眼镜来接收图像和声音，并通过触感手套来接收触觉信息，以及通过摄像头、麦克风、可穿戴感应器等将触觉和环境等信息提供给对端用户。
为支持触觉和多模态通信服务，5G系统需满足不同数据流的不同的网速、时延和可靠性需求，还需要实现并行多数据流的同步，因此，对5G网络能力是一大挑战。R18将研究涉及触觉和多模态通信技术的新用例，以及这些用例相关的网络可靠性、可用性、安全性、私密性、数据速率、时延、传输间隔等技术指标。
支持成员：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
车载5G中继
随着5G不断发展，对网络覆盖和容量要求越来越高，需部署越来越密集的基站，但问题是，城市里的站址资源是有限的，基站选址越来越困难，站址租金成本越来越高昂。为此，R18将研究通过在车辆上部署5G中继站的方式来扩展5G网络覆盖，以充分利用城市里大量的车辆作为“站址资源”。5G中继站以5G宏基站作为施主基站，并通过5G无线回传连接5G宏基站，无需部署光纤，具有很强的部署灵活性。
城市里的车辆通常都以低速行驶，同时公交车、有轨电车等车辆的行驶路线是固定的，且大部分公交车站的周围都是用户密集区，通过在车辆上安装5G中继站的方式，不但可以向车外周围环境提供5G覆盖，还可以为车内的乘客提供5G服务。
支持成员：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智能电网通信基础设施
打造高效、安全和稳定的智能电网已是各国电力行业的发展目标，而通信基础设施对于成功实现智能电网至关重要。电网包括发电、输电、配电和用电四大环节，每一个环节都需要通过通信基础设施与能源管理系统、配电管理系统等平台融合，来实现对电网的数据采集、监视、分析和管控，最终实现信息化、数字化、自动化、互动化的智能电网。5G智能电网通信基础设施将支持微电网分布式发电、安全高效的变电和输电、灵活可靠的配电、绿色用电、网络安全和弹性等多个方面。
在5G智能电网领域，我国相关企业在推动标准制定方面做出了重大贡献。在国家电网等企业联合发布的《5G网络切片使能智能电网》和南方电网等企业联合发布的《5G助力智能电网应用白皮书》中，已定义了一些5G智能电网的服务和要求，比如通过探索实践，针对电网自动化配电系统中的继电保护、遥测、远程控制、差动保护等，确定了网络时延、时钟同步、抖动、可靠性、连接密度、业务隔离度等相关指标。R18将对5G智能电网的潜在服务需求进行研究，包括研究满足5G智能电网服务的容量、时延、可靠性、端到端QoS、弹性和安全性等通信需求，研究分布式电源系统、配电自动化、高精度电力负荷监测与控制、电表自动化等用例，研究微电网分布式发电所需的5G无线通信的KPI和服务要求，等等。
支持成员：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增强功能
有线与无线融合，固网与移动网络融合，是大趋势。一方面，运营商可通过家庭宽带与移动套餐捆绑的方式，来扩展用户和增加用户的黏性;另一方面，人们下班之后总会在家里看看视频、玩玩游戏，家庭是高流量场景，也是运营商的高价值场景，但由于5G频段更高，信号难以从室外穿透到室内，家庭场景也是5G的弱覆盖区域或覆盖盲区，需通过与固网融合的方式，在家庭中部署5G微站，来改善家庭网络覆盖，增加运营商的收入来源。
但问题是，固网和移动网络分属不同的系统，两者该如何完美融合?在移动网络中，终端对于移动核心网是可知的、可识别的，这能为不同终端提供定制化、差异化服务，利于提升服务水平，也利于网络管理和运营。但那些通过固定网络连接的终端，对于移动核心网而言是未知的、不可识别的。住宅5G增强将基于固移融合趋势，将无线接入网和固定接入网统一接入5G核心网，让核心网也能识别和管理固网家庭网关下的终端，并将在增强固移融合、增强固网LAN和5G LAN融合、增强型室内微站等方面进行研究。
支持成员：KPN、TNO、Deutsche Telekom、T-Mobile USA、Orange、Telefonica、Convida Wireless、China Telecom、InterDigital、Huawei、Vodafone、Philips、Intel
Personal IoT Networks
个人物联网
个人物联网(PIoT)，指围绕个人和家庭场景的物联网，其终端设备包括家庭里的门感、电灯开关、烤箱、电视、空调、洗衣机、冰箱、语音助手等家电家居设备，以及围绕个人的相机、耳机、手表、汽车、单车等设备，通信距离为几十米以内。3GPP已制定了针对工业物联网的NB-IoT和eMTC标准，但还没有关注个人物联网领域。
目前，个人物联网领域采用的通信技术多种多样，比如在智能家庭场景中，PIoT网络内可采用Z-Wave、Zigbee、蓝牙、NFC和WLAN等多种非3GPP无线技术，同时，PIoT网络外还需通过互联网或移动通信网络将家庭内的智能网关与云端或者手机连接，以便于对智慧家庭进行远程监控和管理，这给个人物联网带来了连接复杂、配置繁琐等问题，也存在网络不稳定的隐患，比如尽力而为的互联网连接本身是不稳定的。为解决这些问题，R18将研究增强5G系统对于PIoT的支持，比如研究通过本地RAN网关来实现PIoT网络与5G核心网之间连接，以及研究基于5G系统支持的PIoT网络的相关用例和技术指标要求等。
支持成员：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系统中传输AI/ML模型的流量特性与性能需求研究
5G时代，AI将分布于云、边、管、端各个环节，并采用云边端协同进行AI处理的方式，比如，云端负责模型训练，再将生成的模型下发到边缘/终端进行推理和分析;再比如，受限于终端的计算能力和功耗，终端会将数据传送到边缘进行推理，并执行来自边缘的命令;同时，由于集中训练会给云端带来巨大的计算负担，加之数据隐私保护原因，一些场景不允许将本地数据上传到云端进行训练，还会出现云端和本地相结合的联邦学习与分布式学习模式。
这样一来，AI/ML模型、训练数据将成为一种新的流量类型在5G网络中传输，因此，需要研究在5G网络中传输的AI/ML模型的流量特性与性能需求。R18将研究AI/ML模型上传/下载所要求的速率、时延、可靠性、覆盖、容量等网络性能需求，研究分割式AI/ML操作、AI/ML模型与数据的分发共享、联邦学习与分布式学习等场景下的流量特征识别和性能需求，等等，以更好的支持图像识别、语音识别、机器人、智能汽车等AI/ML(机器学习)业务。
支持成员：OPPO 、China Mobile、China Telecom、China Unicom、Telstra、Verizon UK Ltd、Qualcomm、LG Electronics、Sony、Huawei、FutureWei、Alibaba、CATT、ZTE、Peking University、BUPT
总的来看，R18将向能源、交通、制造、媒体、医疗等垂直领域持续迈进。
本文参考：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工作项目描述
