[논문 리뷰] Cities of the Future: Employing Wireless Sensor Networks for Efficient Decision Making in Complex Environments

Alex Doboli, Daniel-Ioan Curiac외 7명|arXiv (Cornell University)|2018. 08. 03.

Energy Efficient Wireless Sensor Networks참고 문헌 74인용 수 14

한 줄 요약

이 논문은 교통 및 인프라 관리와 같은 복잡한 도시 환경에서 확장 가능하고 자율적이며 예측 가능한 의사결정을 가능하게 하기 위해 무선 센서 네트워크를 사용하는 계층적 의미 모델링 프레임워크를 제안한다. 다양한 추상 수준에서 유 endiary 상태 기계, 조건부 작업 그래프, 마르코프 결정 과정, 기능 그래프를 통합함으로써, 지역적 및 전반적 제어 간 실시간 피드백을 가능하게 하여 성능 제약 조건을 충족시키면서도 동적인 조건에서도 적응성과 효율성을 유지한다.

ABSTRACT

Decision making in large scale urban environments is critical for many applications involving continuous distribution of resources and utilization of infrastructure, such as ambient lighting control and traffic management. Traditional decision making methods involve extensive human participation, are expensive, and inefficient and unreliable for hard-to-predict situations. Modern technology, including ubiquitous data collection though sensors, automated analysis and prognosis, and online optimization, offers new capabilities for developing flexible, autonomous, scalable, efficient, and predictable control methods. This paper presents a new decision making concept in which a hierarchy of semantically more abstract models are utilized to perform online scalable and predictable control. The lower semantic levels perform localized decisions based on sampled data from the environment, while the higher semantic levels provide more global, time invariant results based on aggregated data from the lower levels. There is a continuous feedback between the levels of the semantic hierarchy, in which the upper levels set performance guaranteeing constraints for the lower levels, while the lower levels indicate whether these constraints are feasible or not. Even though the semantic hierarchy is not tied to a particular set of description models, the paper illustrates a hierarchy used for traffic management applications and composed of Finite State Machines, Conditional Task Graphs, Markov Decision Processes, and functional graphs. The paper also summarizes some of the main research problems that must be addressed as part of the proposed concept

연구 동기 및 목표

• 대규모 도시 환경에서 전통적인 인간 의존적 의사결정의 비효율성과 높은 비용을 해결하기 위해.
• 동적인 도시 인프라 관리에 대한 자율적이고 확장 가능하며 예측 가능한 제어 시스템을 개발하기 위해.
• 의미적 추상 수준 간 이질적인 모델을 통합하여 실시간으로 적응 가능한 제어를 가능하게 하기 위해.
• 고수준 제약 조건과 저수준 실행 가능성 간 双방향 피드백을 통해 성능 보장을 확보하기 위해.
• 센서 데이터를 활용하여 복잡하고 예측 불가능한 도시 환경에서 인간 간섭을 줄이기 위한 온라인 최적화 및 예측 분석을 통합하기 위해.

제안 방법

• 시스템은 다중 수준의 의미적 계층을 사용한다: 하위 수준은 국지적이고 데이터 기반의 의사결정을 위해 유한 상태 기계와 조건부 작업 그래프를 사용한다.
• 중간 수준은 확률적 행동을 모델링하고 장기적 결과를 최적화하기 위해 마르코프 결정 과정을 적용한다.
• 고수준은 집계된 데이터를 바탕으로 전역적이고 시간에 따라 변하지 않는 제어 정책을 표현하기 위해 기능 그래프를 사용한다.
• 지속적인 피드백 루프를 통해 상위 수준은 성능 제약 조건을 설정하고, 하위 수준은 실행 가능성 검증 및 피드백을 제공한다.
• 무선 센서 네트워크가 실시간 환경 샘플링을 제공하여 온라인 데이터 수집과 동적 적응을 가능하게 한다.
• 프레임워크는 모델에 종속되지 않게 설계되어 특정 도시 응용 분야에 맞게 조정 가능한 다양한 의미 모델을 지원한다.

실험 결과

연구 질문

• RQ1 계층적 의미 모델은 도시 의사결정 시스템의 확장성과 예측 가능성에 어떻게 기여하는가?
• RQ2 추상 수준 간 피드백 메커니즘이 성능 제약 조건을 유지하는 데 어떤 역할을 하는가?
• RQ3 무선 센서 네트워크는 의미 모델과 어떻게 통합되어 실시간으로 적응 가능한 제어를 가능하게 하는가?
• RQ4 도시 인프라에 적합한 다양한 추상 수준에서 가장 효과적인 의미 모델(예: FSM, MDP, 작업 그래프)은 무엇인가?
• RQ5 자동 분석과 온라인 최적화는 센서 데이터와 어떻게 통합되어 복잡한 도시 환경에서 인간 간섭을 줄일 수 있는가?

주요 결과

• 계층적 의미 프레임워크는 지역적 의사결정과 전반적 정책 시행을 분리함으로써 확장 가능하고 예측 가능한 제어를 가능하게 한다.
• 추상 수준 간 피드백은 동적인 환경 조건에서도 고수준 성능 제약 조건이 실행 가능하게 유지됨을 보장한다.
• 유한 상태 기계, 조건부 작업 그래프, 마르코프 결정 과정, 기능 그래프의 통합은 민첩하고 확장 가능한 모델링 스택을 제공한다.
• 지속적인 데이터 기반 적응을 통해 의사결정을 자동화함으로써 인간 운영자에 대한 의존도를 감소시킨다.
• 이 접근법은 온라인 최적화 및 예측 분석을 지원하여 예측 불가능한 도시 시나리오에서의 반응성을 향상시킨다.
• 프레임워크는 특정 모델 세트에 종속되지 않으며 일반화 가능하므로 다양한 도시 관리 작업에 적용 가능하다.