[論文レビュー] Optimized Deployment of Autonomous Drones to Improve User Experience in Cellular Networks

Hailong Huang, Andrey V. Savkin+2 more|arXiv (Cornell University)|Dec 6, 2017

UAV Applications and Optimization参考文献 16被引用数 6

ひとこと要約

本稿では、都市部のセルラー通信網における自律型ドローンの展開最適化を目的として、現実的なストリートグラフベースのモデルを提案する。このモデルは、ユーザー設備（UE）のカバレッジと体験品質（QoE）を最大化することを目的としている。実際のMomoアプリから得たUE密度データを統合し、電源ポールでの充電を考慮したバッテリー制約をモデル化することで、4つのNP困難なドローン展開問題を定式化・解釈し、貪欲アルゴリズムを用いて解いている。その結果、エネルギーに配慮した展開が実用的性能およびネットワーク効率を著しく向上させることを示している。

ABSTRACT

Modern wireless traffic demand pushes Internet Service Providers to develop effective strategies to improve user experience. Since deploying dense Base Stations (BSs) is not cost efficient, an alternative is to deploy autonomous drones to supplement existing BSs. A street graph is adopted to represent the area of interest. The outdoor User Equipments (UEs) to be served locate near streets and the 2D projections of drones are restricted to streets to avoid collision with buildings. We build up a UE density function based on a real dataset, reflecting the traffic in the area. We study four problems: where to deploy single drone to cover maximum UEs, where to deploy $k$ drones cover maximum UEs subject to an inner drone distance constraint, where to deploy $k$ drones cover maximum UEs subject to inner drone distance constraint and drones' battery constraints, and the minimum drones to cover a given percentage of UEs subject to inner drone distance constraint. We prove that the latter three problems are NP-hard and propose greedy algorithms with theoretical analysis. To our best knowledge, this is the first paper to consider the battery constraints for drone deployments. Extensive simulations have been conducted to verify the effectiveness of our approaches.

研究の動機と目的

• 都市部のセルラー通信網におけるモバイルデータ容量の増加とユーザー体験の向上に対応するため。
• 高価で非効率な密集型固定基地局の展開を回避するため、自律ドローンを飛行基地局として活用するため。
• ストリートレベルのUE分布、電源ポールでのドローン充電、バッテリーエネルギー制約を考慮した現実的な展開モデルを開発するため。
• 4つの最適化問題を定式化・解釈するため：単一ドローン展開、距離制約およびエネルギー制約を伴うkドローン展開、目的カバレッジを達成するための最小ドローン展開。
• ネットワーク容量、ドローン効率、運用可能性のバランスを取った実用的でエネルギーに配慮した展開戦略を提供するため。

提案手法

• ドローンが建物の衝突を避けるために道路に従って飛行することを制限する、ストリートグラフとしての都市部のモデル化。
• Momoソーシャルディスカバリーアプリから得た実世界データに基づき、時間変動する交通パターンを反映するUE密度関数の構築。
• 4つの最適化問題の定式化：SDD（単一ドローン）、kDD（相互ドローン間距離制約付きkドローン）、EkDD（バッテリーおよび充電制約を考慮したエネルギーに配慮したkドローン）、MinDD（目的カバレッジのための最小ドローン数）。
• kDD、EkDD、MinDDがNP困難であることを証明し、理論的性能保証を有する貪欲アルゴリズムを提案。
• ドローンの飛行時間、電源ポールでの充電、および時間スロットベースのエネルギー制約（式20）を導出し、実行可能な展開位置を制限する。
• Momoデータセットを用いたシミュレーションにより、異なる飛行速度、カバレッジ閾値、ネットワーク負荷下での性能を評価。

実験結果

リサーチクエスチョン

• RQ1 ストリートグラフ上に配置された単一の自律ドローンを、サービス対象UE数を最大化するように最適に展開する方法は何か？
• RQ2 相互ドローン間距離制約およびバッテリー制約を満たす条件下で、k台の自律ドローンを最適に展開する方法は何か？
• RQ3 バッテリー制約および電源ポールでの充電が、ドローンの位置決めおよびネットワーク性能に与える影響は何か？
• RQ4 所定の割合のUEカバレッジを達成するために必要な最小ドローン数は何か？また、交通需要の増加に伴い、その数はどのように変化するか？

主な発見

• エネルギーに配慮したドローン展開（EkDD）問題はNP困難であり、提案された貪欲アルゴリズムは保証された近似比1/2を達成する。
• シミュレーションの結果、ドローンの飛行速度が速い（例：6 m/s）ほど、充電に要する時間制約が軽減され、カバレッジ性能が向上することが判明。6 m/s以上では性能が安定する。
• 平日ピーク時（350 UE）では、飛行速度が上昇するにつれてサービス対象UE比が増加し、6 m/sで最大に達し、それ以上は一定に保たれる。
• 90%のUEをカバーするには平日で約12〜15台のドローンが必要であるが、週末はUE密度が低いため6〜8台で十分である。
• カバレッジ目標（γ）を90%から98%に引き上げると、ドローン1台あたりの平均サービス対象UE数が減少し、ドローン利用効率に次第に効果が薄れる傾向が示された。
• ネットワーク容量は高いカバレッジ目標で増加するが、週末は総UE数が少ないため著しく低くなる。これは、ドローン数の投資と性能向上のトレードオフを示している。