[論文レビュー] Hierarchical Aerial Computing for Internet of Things via Cooperation of HAPs and UAVs

Ziye Jia, Qihui Wu+3 more|arXiv (Cornell University)|Feb 12, 2022

UAV Applications and Optimization被引用数 4

ひとこと要約

本稿では、高高度プラットフォーム（HAPs）と無人航空機（UAVs）を用いた階層的空中コンピューティングフレームワークを提案し、地上ネットワークが整備されていない地域や災害発生地域におけるIoTデバイスの計算オフロードを最大化することを目的としている。IoTデバイスからUAVへのオフロードにはマッチングゲーム理論に基づくアルゴリズムを、UAVからHAPへのオフロードにはヒューリスティックアルゴリズムを採用しており、計算量を大幅に削減しながらほぼ最適な性能を達成しており、単独でのUAVまたはHAPソリューションを上回る総合的な処理データ量とユーザー数のサポートを実現している。

ABSTRACT

With the explosive increment of computation requirements, the multi-access edge computing (MEC) paradigm appears as an effective mechanism. Besides, as for the Internet of Things (IoT) in disasters or remote areas requiring MEC services, unmanned aerial vehicles (UAVs) and high altitude platforms (HAPs) are available to provide aerial computing services for these IoT devices. In this paper, we develop the hierarchical aerial computing framework composed of HAPs and UAVs, to provide MEC services for various IoT applications. In particular, the problem is formulated to maximize the total IoT data computed by the aerial MEC platforms, restricted by the delay requirement of IoT and multiple resource constraints of UAVs and HAPs, which is an integer programming problem and intractable to solve. Due to the prohibitive complexity of exhaustive search, we handle the problem by presenting the matching game theory based algorithm to deal with the offloading decisions from IoT devices to UAVs, as well as a heuristic algorithm for the offloading decisions between UAVs and HAPs. The external effect affected by interplay of different IoT devices in the matching is tackled by the externality elimination mechanism. Besides, an adjustment algorithm is also proposed to make the best of aerial resources. The complexity of proposed algorithms is analyzed and extensive simulation results verify the efficiency of the proposed algorithms, and the system performances are also analyzed by the numerical results.

研究の動機と目的

• 地上ネットワークが整備されていない地域や災害発生地域における、低遅延・高容量のMECサービスを提供する課題に対処すること。
• 遅延、計算、エネルギー、送信リソースの共同制約下で、合計して成功裏に処理されたIoTデータ量を最大化するための整数プログラミング問題を定式化すること。
• 大規模な空中コンピューティングネットワークにおける総当り探索の非現実的な計算複雑性を、計算的に取り扱えるアルゴリズムによって克服すること。
• IoTデバイスからUAV、UAVからHAPへの2段階の階層的オフロード意思決定をモデル化することで、HAPとUAV間の効率的な協調を可能にすること。
• 空中プラットフォームの配置とタスク配分を最適化する調整アルゴリズムを導入し、リソース利用効率を向上させること。

提案手法

• UAVが中間リレーや、HAPが大容量のエッジサーバーとして重い計算タスクを処理する階層的空中コンピューティングフレームワークを構築する。
• IoTデバイスのUAVへのオフロード意思決定をモデル化・解法するため、遅延、エネルギー、計算制約を組み込んだ優先順位リストを有するマッチングゲーム理論ベースのアルゴリズムを適用する。
• IoTデバイス同士のオフロード意思決定の相互依存性（外部性）を処理するための外部性除去メカニズムを導入し、安定的かつ効率的なマッチング結果を保証する。
• UAVからHAPへのオフロード意思決定にヒューリスティックアルゴリズムを設計し、リソース制限下でのエネルギー効率とタイムリーな計算を最優先とする。
• HAPとUAVの役割と位置を動的に再構成することでリソース利用効率とシステムスループットを最大化する調整アルゴリズムを提案する。
• 提案されたすべてのアルゴリズムの計算複雑性を分析し、総当り探索およびベースライン手法と比較するための広範なシミュレーションによる性能検証を実施する。

実験結果

リサーチクエスチョン

• RQ1 HAPとUAVをどのように共同で制御することで、空中MECネットワークにおけるIoTデータの合計処理量を最大化できるか？
• RQ2 厳密な遅延制約およびリソース制約下で、IoTデバイスがUAVとHAPの間で最適なオフロード戦略をどのように選択すべきか？
• RQ3 IoTデバイスのオフロード意思決定同士の相互依存性（外部性）をどのように軽減すれば、安定的かつ効率的なマッチング結果を確保できるか？
• RQ4 HAPおよびUAVの計算能力の変動が、システム性能およびエネルギー消費に与える影響は何か？
• RQ5 大規模な空中コンピューティング展開において、総当り探索に比べてほぼ最適な性能を達成しつつ、計算量を大幅に削減できる低複雑性アルゴリズムは存在するか？

主な発見

• 提案された階層的HAP-UAVコンピューティングフレームワークは、単独のUAVのみ、またはHAPのみのMECモードに比べ、合計処理データ量およびサービス対象IoTユーザー数の両面で優れた性能を示している。
• IoTデバイスからUAVへのオフロードに用いたマッチングゲームベースのアルゴリズムは、総当り探索に比べて著しく計算複雑性を低減しながらも、ほぼ最適な性能を達成している。
• HAPの計算能力は、複数のUAVおよびIoTデバイスを統合的に処理する中央処理ハブとしての役割を果たすため、システム性能への影響がUAVの計算能力よりも顕著である。
• HAPまたはUAVの計算能力を向上させることで、合計エネルギー消費量が増加するが、HAPの能力向上がより顕著な影響を及ぼす。これは、HAPが広範囲をカバーし、高い負荷を負っているためである。
• 調整アルゴリズムはリソース利用効率を著しく向上させ、動的なネットワーク環境への適応性とシステムスループットの向上を実現している。
• シミュレーション結果から、提案アルゴリズムが最適解に非常に近い性能を達成している一方で、計算オーバーヘッドを低く抑えていることが確認され、実世界への実装可能性が裏付けられている。