Q4Health

Enabling low latency services in standard 
LTE networks
FMEC 2016
César Augusto García Pérez (cgarcia@lcc.uma.es)
Pedro Merino Gómez (pedro@lcc.uma.es)

www.q4health.eu
dmorris@redzinc.net
Donal Morris
 Q4Health

Q4Health Project
• Optimization of the communications of real‐time video for emergency 
services over LTE. 
• The project is focused on the optimization of BlueEye, a wearable 
video system designed to assist first responders by Redzinc Ltd.
• Innovation Action conducted over two FIRE experimental platforms: 
PerformNetworks (UMA) and OpenAir5G Lab (Eurecom).
 Q4Health

Q4Health Challenges
• Remote Assistance to the 
patience during the golden 
hour.
• Scenarios including bad 
coverage and in‐building 
handover
• Real Time video system from a 
first responder wearable
• Support of QoS demands by third party 
applications.
• Reduce latency (LTE and future networks).
• Optimization of BS schedulers based on app type.
• Mitigation of the effect of in‐building handovers.
• Differentiation of the QoS
 Q4Health

Use Case
 Q4Health

Objectives
• Improving mission critical communications by reducing the latency.
• Enable certain services on network nodes to work without much 
interaction with the core network.
• Reduce the communication delay between peers located in the same 
cell
• Implement an efficient group communication scheme.
 Q4Health

Background: LTE Basic Architecture
 Q4Health

LTE Background: Centralised Network
• The most common scenario is an  EPC
operator having a single core 
network.
• Besides the delay to the service the 
delay to the EPC has also to be 
added
• This is worst for mobile peers 
communicating via a service in the 
cloud.
 Q4Health

LTE Background: Data plane
• The IP layer of the UE is
transported to the SGW via a 
tunnel. The traffic coming from
the SGW uses a different tunnel.
• A GTP tunnel is defined by its
transport addresses (eNB and 
SGW) and its TEID.
• An UE might have several
tunnels for uplink and downlink
to have traffic prioritization.
 Q4Health

Background: LTE Time Split
Latency Split Measurement
Te2e Radio+EPC < 20 ms
T_EPC SGW+PGW < 2,5 ms
T_Radio UE < 5 ms
Scheduling Request < 5,5 ms
+ Grant
HARQ <2,5 ms
Retransmission
From “The impact of latency on application performance,”
Nokia Siemens Networks,  White Paper., 2009.
 Q4Health

Fog Gateway: Architecture
 Q4Health

Fog Gateway Overview
• Create a user database based on 
the GTP packets received. The 
database index each user IP with 
its TEID and transport addresses.
• For each packet received from the 
eNB:
• If it is for an IP of the fog, remove 
GTP header and inject it.
• If it is for a UE registered in the 
database change the TEID and send 
to the eNB
• Other cases: forward to the SGW.
 Q4Health
Fog Gateway: latency reduction and 
limitations
 Impact of the system is low, handling the GTP headers do not take 
much time. It could be improved with dedicated hardware equipment.
With SDN techniques group services can be supported more efficiently.
Combined with techniques like semi‐persistent scheduling can be very 
effective reducing the latency.
And even more with modifications to the base stations.
‐ The downlink of the fog only works if the UE has previously received 
downlink messages from the SGW.
‐ Handover with change of SGW might lead to packet duplication.
 Q4Health

Methodology: PerformNetworks Testbed
 Q4Health

Methodology: Experiments definition
• Tools developed to analyze RTT time split between the different 
components of the testbed.
• All the components are synchronized with a stratum 1 GPS PTP server
• Two main scenarios:
• Conformance Testing Equipment connected to EPC
• Small Cells connected to EPC
• Experiments:
• Control plane time analysis
• Basic time split
• Channel impairments effects
• Emulated F‐GW
 Q4Health
Results: Conformance Testing Equipment vs 
Small cells
COTS Small Cells Conformance Testing
Equipment
Time Median  MAD  Median  MAD 
RTT(ms) RTT(ms) RTT(ms) RTT(ms)
T_e2e 28,775 4,887 11,830 0,253

T_Radio 28,223 4,882 11,577 0,247

T_EPC 0,227 0,002 0,229 0,003

 Q4Health

Results: Control Plane Analisys
• Attach time, ongoing 
progress with more 
signaling procedures.
• Median 534,498 ms
• MAD 94,367 ms
• Results from samples 
of all the history of the 
testbed.
 Q4Health

Results: RTT Baseline

Conditions Median  MAC BLER 

RTT (ms) (%)
Ideal 57,762  0
Medium 58,179 10
Bad 71,547 50
 Q4Health

Results: Emulating the F‐GW

Conditions Median  MAD

RTT (ms) RTT (ms)
F‐GW 12,5 6,2
Without SGW 58,8 6,7
 Q4Health

Current Status
• Prototype of the F‐GW is under integration in our network.
• Tools to calculate one way delay under development.
• Prototype of video platform also deployed on the testbed.
• SDN effect of the network has been characterized.
• Exploring improved versions: non GTP stations connected to GTP 
routers.
• Adding more statistics on signalling procedures (service request, 
dedicated bearer establishment and usage, etc.)
 Q4Health

Platform Evolution
 www.q4health.eu Q4Health

Thank You!
Let’s talk…

cgarcia@lcc.uma.es pedro@lcc.uma.es
César Augusto García Pérez Pedro Merino