日本のIP電話の種類（0AB-J型/050型）

VoIPとIP電話の関係

• VoIP(Voice over IP):音声をデジタル化してIPパケットで運ぶ技術の総称です。SIP、SDP、RTPはこの部品にあたります。

• IP電話:VoIPを使って提供される電話サービスです。日本では電気通信事業の制度上の区分としても使われる言葉です。

LINE通話、Zoom、Teamsの音声もVoIPですが、普通は「IP電話」とは呼びません。電話番号を持たず、一般の電話網とつながらないからです。日本で「IP電話」と言うときは、電話番号が割り当てられ、一般電話と相互に発着信できるVoIPサービスを指すことが多いです。

IP電話の種類

総務省は通話品質に基準を設け、満たす品質によって使える番号を分けています。

0AB-J番号は「その番号ならこの地域」「緊急通報が正しい消防署・警察につながる」といった前提を持つ番号です。そのため、遅延や音切れが少なく場所が特定できることが条件になります。050はその縛りがない代わりに、品質の保証も緩くなっています。

ひかり電話の位置づけ

ひかり電話は0AB-J型IP電話です。中身は完全にVoIPで、この流れで説明してきた仕組みそのものが動いています。

• 家のひかり電話対応ルータ(HGW)が、アナログ電話機の信号をSIP/RTPに変換する

• 呼制御はNGN上のSIPサーバとSIPでやり取りする

• 音声はRTPでNGN内を流れる

それでも固定電話並みの品質と番号を維持できるのは、インターネットを通らず、NTT東西のNGNという閉域網の中で完結しているからです。NGNは帯域を優先制御(QoS)できるので、音声パケットを他の通信より優先して運べます。通常のインターネットのベストエフォート回線上で動く050サービスとはここが違います。

補足:今は「普通の固定電話」も中身はIP

2024年1月に、NTT東西の加入電話(メタル回線の従来型電話)の中継・交換網もIP網へ移行しました。電話機から局舎までは今もメタル回線ですが、その先はIPで運ばれています。つまり現在の日本では、ひかり電話かどうかに関係なく、固定電話の通話の大部分が裏側ではVoIPで運ばれています。

SIPはサーバを経由するのに、RTP(緑線)はサーバを通りません。SIPサーバは誰と誰をつなぐかを仲介する交換手役で、話がまとまったら音声の通り道からは外れます。HGW同士は、SDPで教え合ったお互いのIPv6アドレスとポートに向けて、直接RTPを送り合います。

SIPメッセージのイメージ

1枚目の図の「開始行・ヘッダ群・SDP」を、実際のテキストに当てはめると次のようになります(アドレス・番号は例です)。

INVITE sip:0312345678@ntt-east.ne.jp SIP/2.0        ← 開始行:メソッドと宛先
Via: SIP/2.0/UDP [2001:db8::10]:5060;branch=z9hG4bK7
From: <sip:0311112222@ntt-east.ne.jp>;tag=1a2b      ← 発信者
To: <sip:0312345678@ntt-east.ne.jp>                 ← 着信者
Call-ID: 8f3c21@2001:db8::10                        ← この通話の識別子
CSeq: 1 INVITE
Contact: <sip:0311112222@[2001:db8::10]:5060>
Content-Type: application/sdp                       ← 本体はSDPだと宣言
Content-Length: 130
                                                     ← 空行(ここからが本体)
v=0
o=- 1 1 IN IP6 2001:db8::10
s=-
c=IN IP6 2001:db8::10                               ← 音声はこのアドレスへ
t=0 0
m=audio 10000 RTP/AVP 0                             ← ポート10000、PT=0(G.711)
a=ptime:20                                          ← 20msごとに1パケット

HTTPとそっくりな「開始行 → ヘッダ → 空行 → 本体」の構造です。Content-Type: application/sdp で「本体はSDPです」と宣言しており、SIPが封筒、SDPが中身という関係がそのまま形になっています。

各部分の役割は次のとおりです。

• Via:応答を返す経路を記録する。サーバを経由するたびに1行ずつ積まれる

• Call-ID と From/To のtag:この3つでひとつの通話(ダイアログ)を特定する。後で届くBYEがどの通話を切るものかは、これで判別する

• CSeq:同じ通話の中でのリクエストの通し番号

NGNにおける特徴

ひかり電話には次の特徴があります。

• IPv6・IPoE:NGN上のひかり電話はIPv6で動作し、PPPoEは使いません。図でEthernetの直上がIPv6になっているのはこのためです

• 閉域網なのでNATがない:前回話したSDPとNATの片通話問題が、構造的に起きません

• QoSで音声を優先:RTPパケットは優先クラスで転送されるため、遅延とジッタが小さく抑えられます。これが0AB-J番号の品質要件を満たせる理由です。

結論から言うと、閉域網の設計上、まず通りません。ただ「なぜ通らないか」を見ていくと、キャリアのQoSがどう作られているかがよくわかるので、その観点で説明します。

QoS

QoSの基本は、パケットに優先度の印を付けて、ルータがそれを見て扱いを変えるという仕組みです。IPv6ならTraffic Classフィールド(DSCP)がその印にあたります。すると次の2つを思いつきます。

1. 自分のデータパケットにも音声と同じDSCPを付ければいいのでは

2. データをRTPやUDP 5060番の形に包めば、音声と見分けられないのでは

どちらも、企業LANのような「印を信用する」ネットワークでは実際に効いてしまいます。社内ネットワークでQoS設定がゆるいと、PCが勝手にEF(音声用のDSCP)を付けて帯域を横取りする、というのは現場でよくある話です。

キャリア網では3段階で止まる

キャリアは利用者の付けた印を信用しません。防御が何重にもなっています。

1. 入口で印を付け直す(信頼境界)
網の入口(エッジ)は、利用者から来たパケットのDSCPをいったん無視して自分で付け直します。「どのパケットが優先か」を決めるのはキャリア側だけ、という原則です。利用者が自分で付けたEFは、入口で普通のベストエフォートに戻されます。

2. 優先されるのは「SIPで許可された通話」だけ
ここが一番本質的なところで、優先扱いの判定は、パケットの見た目ではなくSIPで確立したセッションの情報にもとづいています。SIPサーバが呼を受け付けると、SDPに書かれた「このアドレス・このポート・この帯域」の組だけが優先対象として網に登録されます(受付制御、アドミッション制御)。SIPを経ずに流れてきたRTP風のパケットは、どれだけ形がそっくりでも登録外なので優先されません。

3. 許可された枠を超えた分は捨てる(ポリシング)
正規の呼の中に音声以外を詰め込む手も考えられますが、優先枠はSDPで宣言したコーデックの帯域ぶん(G.711なら100kbps弱)しかありません。超えた分は捨てられるか、優先度を落とされます。仮に詰め込めたとしても、1通話あたり100kbps弱の優先路にしかならず、割に合いません。
しかも、そのSIPを話せるのは認証されたHGWだけです。利用者が勝手なSIPメッセージで「データ用に100Mbpsください」と要求する入口がそもそもありません。
前回の話とつなげると、SIP/SDPは単に通話をつなぐ手順ではなく、網の資源を予約する申請書の役割も担っているということです。キャリアのVoIPが「SIPの中身を網が見る」作りになっているのは、このためでもあります。

NTTがSIPで帯域確保型のデータ通信をつなぐサービスを出している

面白いのは、NTTがこの仕組みを逆手にとって、SIPで帯域確保型のデータ通信をつなぐサービスを正規に作っています。「データコネクト」と言い、ひかり電話の番号宛てにSIPで呼を張り、音声の代わりにデータ用の帯域をNGN内で確保できます。