[논문 리뷰] Air-Ground Collaborative Mobile Edge Computing: Architecture, Challenges, and Opportunities

Zhen Qin, Wang Hai외 3명|arXiv (Cornell University)|2021. 01. 20.

IoT and Edge/Fog Computing참고 문헌 11인용 수 8

한 줄 요약

이 논문은 6G 네트워크에서 계산 효율성과 서비스 품질을 향상시키기 위해 공중(무인항공기, 고도기구, 고도계)과 지상(기지국, RSU, 차량, 고성능 사용자) MEC 서버를 통합하는 에어-그라운드 협업 모바일 에지 컴퓨팅(AGC-MEC) 아키텍처를 제안한다. 서비스 배치와 UAV 궤도를 공동 최적화함으로써 제안된 방법은 로컬 실행 대비 UE 에너지 소비를 최대 87.89% 감소시켜, 계층 간 협업을 통한 지연과 에너지 효율성 향상에서 뚜렷한 성과를 보였다.

ABSTRACT

By pushing computation, cache, and network control to the edge, mobile edge computing (MEC) is expected to play a leading role in fifth generation (5G) and future sixth generation (6G). Nevertheless, facing ubiquitous fast-growing computational demands, it is impossible for a single MEC paradigm to effectively support high-quality intelligent services at end user equipments (UEs). To address this issue, we propose an air-ground collaborative MEC (AGC-MEC) architecture in this article. The proposed AGC-MEC integrates all potentially available MEC servers within air and ground in the envisioned 6G, by a variety of collaborative ways to provide computation services at their best for UEs. Firstly, we introduce the AGC-MEC architecture and elaborate three typical use cases. Then, we discuss four main challenges in the AGC-MEC as well as their potential solutions. Next, we conduct a case study of collaborative service placement for AGC-MEC to validate the effectiveness of the proposed collaborative service placement strategy. Finally, we highlight several potential research directions of the AGC-MEC.

연구 동기 및 목표

• 미래 6G 네트워크의 동적이고 고성능 컴퓨팅 수요를 충족시키지 못하는 독립형 지상 또는 공중 MEC 시스템의 한계를 해결하기 위해.
• 고정형 지상 MEC(이동성 부족)와 공중 MEC(배터리 제한, 낮은 신뢰성)의 제약을 통합된 공중-지상 협업을 통해 극복하기 위해.
• 무인항공기, 고도기구, 기지국, 차량, 이동 사용자 등 이질적인 MEC 패러다임 간 협업 서비스 배치 및 자원 관리에 대한 통합 프레임워크를 개발하기 위해.
• 6G 환경에서 지연 민감하고 계산 집약적인 애플리케이션의 에너지 효율성 향상과 지연 감소를 위해.
• AGC-MEC 시스템에서의 네트워크 제어, 보안, 지능형 협업과 같은 핵심 과제를 규명하고 해결하기 위해.

제안 방법

• 두 계층의 AGC-MEC 아키텍처를 제안: 공중 MEC(UAV, 고도기구/풍선)와 지상 MEC(기지국, AP, RSU, 차량, 고성능 이동 사용자).
• UE 에너지 소비를 최소화하기 위해 UAV 궤도와 UAV 및 기지국 간 서비스 배치를 공동 최적화하는 협업 서비스 배치 알고리즘을 도입.
• 계산, 저장, 통신 자원 제약 조건을 포함한 혼합정수비선형계획형식(MINLP)을 사용해 공동 최적화 문제를 수식화.
• 비볼록 MINLP 문제를 효율적으로 해결하기 위해 교대 최적화와 순차적 볼록 근사 기반 휠리스 알고리즘을 활용.
• 변동하는 UE 워크로드와 네트워크 조건에 적응하는 동적 서비스 배치 전략을 통합.
• 실제 파rameter를 기반으로 한 시뮬레이션을 통해 접근 방식을 검증하며, 기준 전략(Randm, Greedy, Local)과의 성능 비교 수행.

(a) Collaborations between air and ground

실험 결과

연구 질문

• RQ1 어떻게 공중과 지상 MEC 서버를 효과적으로 통합하여 6G 네트워크에서 확장 가능하고 저지연, 저에너지 소비 컴퓨팅 서비스를 제공할 수 있는가?
• RQ2 동적이고 이질적인 네트워크에서 종단 사용자 에너지 소비를 최소화하기 위해 MEC 서비스의 최적 공동 배치와 UAV 궤도를 어떻게 설정할 수 있는가?
• RQ3 다양한 저장 용량과 워크로드가 협업 기반 MEC 서비스 배치 전략의 성능에 미치는 영향는 어떠한가?
• RQ4 이질적이고 대규모인 AGC-MEC 네트워크를 관리하는 데 있어 핵심 과제는 무엇이며, 이를 해결하기 위한 아키텍처 솔루션은 무엇인가?
• RQ5 SDN, 블록체인, AI 등 신규 기술들은 AGC-MEC 시스템에서 안전하고 지능적이며 확장 가능한 제어를 가능하게 하는가?

주요 결과

• 제안된 협업 서비스 배치 알고리즘이 빠르게 수렴하여, 총 UE 에너지 소비를 150.5956 J에서 단 3회 반복 이내에 31.8719 J로 감소시켰다.
• UAV 궤도 최적화로 UAV가 UE에 더 가까이 이동하여 통신 품질을 향상시키고 오프로딩 지연을 감소시켰다.
• 저장 용량이 증가함에 따라 모든 알고리즘에서 UE 에너지 소비가 감소했으며, 제안된 방법은 Random 대비 65.96%, Greedy 대비 49.35%, Local 실행 대비 87.89%의 에너지 소비 감소를 기록했다.
• UE 워크로드가 증가함에 따라(CPU 사이클 수로 측정), 제안된 알고리즘이 Random 대비 46.62%, Greedy 대비 48.42%, Local 실행 대비 75.53%의 에너지 소비 감소를 달성했다.
• UAV의 이동성과 지상 MEC 서버의 신뢰성 및 용량을 조합함으로써 AGC-MEC 아키텍처가 단일 패러다임 MEC 시스템을 뛰어넘는 성능을 보였다.
• 시뮬레이션 결과는 공중과 지상 MEC 노드 간 협업 기반 자원 관리가 에너지 효율성 향상과 지연 감소 측면에서 시스템 성능을 크게 향상시킨다는 것을 확인했다.

(b) Typical use cases