[論文レビュー] Stochastic Resource Allocation for Semantic Communication-aided Virtual Transportation Networks in the Metaverse

Wei Chong Ng, Hongyang Du+4 more|arXiv (Cornell University)|Aug 31, 2022

Robotics and Automated SystemsEngineering被引用数 19

ひとこと要約

本稿では、不確実なユーザー需要下でのメタバースにおける仮想輸送ネットワークのコストを最小化するために、2段階の確率的整数プログラミングを用いた確率的意味的伝送方式（SSTS）を提案する。リアルタイムのエッジデバイスデータに基づき、予約済みおよびオンデマンドの意味的データサブスクリプションを動的に割り当てることで、SSTSは伝送コスト、ストレージコスト、エネルギーコストを削減し、実際のシンガポール展開データを用いたシミュレーションにおいて、EVFおよびランダム割り当て手法を上回る性能を示す。

ABSTRACT

The physical-virtual world synchronization to develop the Metaverse will require a massive transmission and exchange of data. In this paper, we introduce semantic communication for the development of virtual transportation networks in the Metaverse. Leveraging the perception capabilities of edge devices, virtual service providers (VSPs) can subscribe to their preferred edge devices to receive the semantic data of interest. However, the demands of the VSPs are highly dependent on the users that they are serving. To address the resource allocation problem amid stochastic user demand, we propose a stochastic semantic transmission scheme (SSTS) based on two-stage stochastic integer programming. Using real data captured by edge devices we deploy in Singapore, the simulation results show that SSTS can minimize the transmission cost of the VSPs while accounting for the users' demand uncertainties.

研究の動機と目的

• 意味的データのユーザー需要が不確実であるため、メタバース仮想輸送ネットワークにおける高いかつ変動しやすいデータ伝送コストの課題に対処すること。
• 需要の不確実性下で、伝送コスト、ストレージコスト、エネルギーコストの合計を最小化する動的リソース割り当てフレームワークを設計すること。
• AI駆動のメタバースアプリケーション、特に仮想輸送システムにおいて、意味的通信と確率的最適化を統合すること。
• 需要確率とオンデマンド価格の変動に応じて、提案手法の性能をEVF（期待値フォーミュレーション）およびランダム割り当てと比較して評価すること。

提案手法

• 仮想サービスプロバイダー（VSP）の最適な予約およびオンデマンドサブスクリプション計画を決定するため、2段階の確率的整数プログラミング（SIP）モデルを構築する。
• シンガポールに展開されたエッジデバイスからの実際の意味的データを用い、ユーザー需要シナリオとデータ関連性の類似度スコアをモデル化する。
• 第二段階で、実際の需要が予約容量を上回った場合の不足分を補うためのリカバリ行動（ recourse actions ）を組み込む。
• 2段階価格制度を用いてサブスクリプションコストをモデル化する：低コストの予約バンドルと、高コストの伝送単価のオンデマンド料金。
• 確率的需要シナリオ下で、固定予約費と変動オンデマンド費のバランスを取るよう、SIPモデルを解き、合計コストを最小化する。
• 離散的な需要確率（例：P(λ₁) = 0.2, 0.4）を用いたシナリオベースの手法を採用し、VSP間でのユーザー関心の不確実性を表現する。

Figure 1: An illustrative example of the system model with one VSP from a bus company and four edge devices and they are placed at the traffic junction. The VSP is from an autonomous company and has an interest

実験結果

リサーチクエスチョン

• RQ1 メタバースベースの仮想輸送ネットワークにおけるデータ伝送コストを低減するために、意味的通信をどのように活用できるか？
• RQ2 意味的データのユーザー需要が不確実な状況下で、予約とオンデマンドサブスクリプション計画の最適なトレードオフは何か？
• RQ3 提案された確率的整数プログラミングフレームワークは、オンデマンド価格と需要確率の変化にどのように適応するか？
• RQ4 需要条件が変化する中で、SSTS方式はEVFおよびランダム割り当て戦略に比べてコスト効率に優れているか？

主な発見

• 需要確率P(λ₂) = 1（つまりP(λ₁) = 0）の場合、両VSPは予約プランのみを採用し、保証的な高需要下ではオンデマンドより安価なため、コストが最低になる。
• P(λ₁) = 0.2の場合、VSP 1は伝送数が少ない（200 vs. 300）ことと予約の固定コストが高いことから、予約からオンデマンドに切り替えるが、VSP 2は引き続き予約を維持する。
• P(λ₁) ≥ 0.4の場合、両VSPはオンデマンドに切り替えられ、P(λ₁)が増加するにつれて合計コストは減少し、P(λ₁) = 1（需要なし）の時点でゼロに達する。
• 関心度が変化するシナリオでは、P(λ₁) = 0のときVSP 1はスマートフォン1（類似度が最高）から11個の予約バンドルを選択し、P(λ₁)が増加するにつれて不足分を補うために12個に増加する。
• P(λ₁) = 1のとき、VSP 1は完全に類似度スコアが最も高い（0.83）スマートフォン3からの10個の予約バンドルに切り替える。
• SIPに基づくSSTSは、EVFおよびランダム方式を常に上回り、オンデマンド価格の変動にかかわらず安定したコストパフォーマンスを維持するのに対し、EVFおよびランダム方式はコスト変化に適応できない。

Figure 2: Locations of the smartphones in Singapore and an illustrative example of a virtual transportation case study.