[論文レビュー] Mobile Edge Computing for Cellular-Connected UAV: Computation Offloading and Trajectory Optimization

Xiaowen Cao, Jie Xu+1 more|arXiv (Cornell University)|Mar 10, 2018

UAV Applications and OptimizationEngineering参考文献 8被引用数 16

ひとこと要約

本稿では、複数の地上基地局（GBS）を活用して並列処理を実現することで、ミッション完了時間を最小化するため、セルラー接続型UAVの共同軌道および計算オフロード最適化フレームワークを提案する。交互最適化と逐次凸近似を用いることで、動的かつ最適なUAV飛行経路を実現し、特に高計算負荷タスクにおいて顕著な遅延低減を達成する。

ABSTRACT

This paper studies a new mobile edge computing (MEC) setup where an unmanned aerial vehicle (UAV) is served by cellular ground base stations (GBSs) for computation offloading. The UAV flies between a give pair of initial and final locations, during which it needs to accomplish certain computation tasks by offloading them to some selected GBSs along its trajectory for parallel execution. Under this setup, we aim to minimize the UAV's mission completion time by optimizing its trajectory jointly with the computation offloading scheduling, subject to the maximum speed constraint of the UAV, and the computation capacity constraints at GBSs. The joint UAV trajectory and computation offloading optimization problem is, however, non-convex and thus difficult to be solved optimally. To tackle this problem, we propose an efficient algorithm to obtain a high-quality suboptimal solution. Numerical results show that the proposed design significantly reduces the UAV's mission completion time, as compared to benchmark schemes.

研究の動機と目的

• サイズ・重量・消費電力（SWAP）制約によるUAVの搭載計算リソース制限の課題に対処する。
• MEC機能を備えた複数のセルラー地上基地局（GBS）への効率的な計算オフロードを実現する。
• 速度、位置、GBS容量制約下で、軌道とオフロードスケジューリングを共同最適化することで、UAVミッション完了時間を最小化する。
• 非凸性を有する共同最適化問題を、部分的に最適だが効率的なアルゴリズム設計によって克服する。

提案手法

• UAVミッション完了時間を最小化する非凸最適化問題を、軌道と計算オフロードスケジューリングの共同最適化として定式化する。
• 交互最適化を適用し、軌道変数とオフロード変数を分離し、反復的に最適化を実行する。
• 逐次凸近似（SCA）を用いて、非凸制約を反復的に凸近似することで、解法の実行可能性を高める。
• 初期ヒューリスティックな軌道（直線飛行）を設計し、時間区間のバイセクションサーチを用いて妥当性を保証する。
• 性能比較のため、順次ホーバー＆フライ基準手法における時間割り当てとホーバー時間の最適化を実施する。
• 変動するタスク負荷下での最適化飛行経路の可視化と分析を目的に、1秒ごとのサンプリングベースの軌道プロジェクションを実装する。

実験結果

リサーチクエスチョン

• RQ1 セルラー接続型MEC環境下で、UAVの軌道と計算オフロードをどのように共同最適化することでミッション完了時間を最小化できるか？
• RQ2 タスクサイズが最適なUAV飛行戦略とオフロード効率に与える影響は何か？
• RQ3 提案手法の共同最適化は、直線飛行および順次ホーバー＆フライなどのベンチマーク手法と比較して、遅延低減の面でどの程度優れているか？
• RQ4 計算容量が制限される状況下で、動的軌道適応がオフロード性能をどの程度向上できるか？

主な発見

• 小規模なタスクサイズ（例：L = 100 Mbits）では、直線飛行手法が提案手法と同等のミッション完了時間を達成する。これは飛行時間が支配的であるためである。
• タスクサイズが増加する（例：L = 200 Mbits）と、UAVはGBS 1、4、5に近づくように経路を変更し、より良好なチャネル状態を活用してオフロードを最適化する。
• 大規模なタスク（L = 500 Mbits）では、UAVはGBS 4と5の上空でホーバーし、往復飛行を繰り返すようになる。これは計算時間が主なボトルネックであることを示している。
• 提案手法は、すべてのタスクサイズにおいて両ベンチマーク手法を上回り、タスクサイズが増加するにつれて性能差が拡大する。
• 順次ホーバー＆フライ手法はL = 300 Mbitsでは提案手法とほぼ同等の性能を示すが、負荷が高くなると固定の訪問順序と長い飛行経路のため、著しく性能が劣る。
• 数値結果により、特に高計算ワークロード下で、提案アルゴリズムがミッション完了時間の顕著な低減を実現することが確認された。