[논문 리뷰] Distributed Vehicular Computing at the Dawn of 5G: a Survey

Ahmad Alhilal, Finley, Benjamin외 3명|arXiv (Cornell University)|2020. 01. 20.

Vehicular Ad Hoc Networks (VANETs)참고 문헌 111인용 수 17

한 줄 요약

이 종합 검토는 5G 시대의 분산 차량 컴퓨팅을 포괄적으로 분석하며, 저지연, 맥락 인식형, 신뢰할 수 있는 차량 응용 프로그램을 가능하게 하는 엣지 및 클라우드 컴퓨팅 아키텍처에 초점을 맞춘다. 실시간 의사결정, 동적 모델링, 그리고 지능형 교통 시스템의 보안 문제를 해결하기 위해 5G, 엣지 컴퓨팅, 빅데이터 처리, 그리고 새로운 6G 비전을 통합한다.

ABSTRACT

Recent advances in information technology have revolutionized the automotive industry, paving the way for next-generation smart vehicular mobility. Vehicles, roadside units, and other road users can collaborate to deliver novel services and applications. These services and applications require 1) massive volumes of heterogeneous and continuous data to perceive the environment, 2) reliable and low-latency communication networks, 3) real-time data processing that provides decision support under application-specific constraints. Addressing such constraints introduces significant challenges for current communication and computing technologies. Relatedly, the fifth generation of cellular networks (5G) was developed to respond to communication challenges by providing for low-latency, high-reliability, and high bandwidth communications. As a major part of 5G, edge computing allows data offloading and computation at the edge of the network, ensuring low-latency and context-awareness, and 5G efficiency. In this work, we aim at providing a comprehensive overview of the state of research on vehicular computing in the emerging age of 5G and big data.

연구 동기 및 목표

• 5G와 엣지 컴퓨팅의 통합이 실시간, 저지연 차량 응용 프로그램을 어떻게 가능하게 하는지 분석하기.
• 데이터 이질성, 간헐적 연결성, 동적 주행 환경과 같은 주요 과제를 특정하기.
• 빅데이터 처리, 지속적 학습, 안전한 원격 계산이 차량 시스템에서 수행하는 역할 탐색하기.
• 미래의 지능형 교통 시스템에서 5G에서 6G로의 전환 과정을 검토하며, 밀리초 이내의 지연 요구 사항을 충족하기 위한 방안 모색하기.
• 실세계 차량 환경에서 AR 윈셔드, C-V2X, 적응형 모델을 구현할 때의 실현 가능성과 연구 격차 평가하기.

제안 방법

• 차량 컴퓨팅, 5G, 엣지/클라우드 컴퓨팅, 빅데이터 아키텍처 분야의 최신 연구를 종합한 서베이 기반의 합성 분석.
• 통신 및 계산 요구 사항에 따라 차량 응용 프로그램을 인포테인먼트, 안전 중심, 교통 관리 기능으로 분류하기.
• 계산 오프로딩 및 지연 감소를 위한 차량 엣지 컴퓨팅(Vehicle Edge Computing, VEC)과 차량 클라우드 컴퓨팅(Vehicle Cloud Computing, VCC) 분석하기.
• 비정상적인 주행 패턴과 치명적 기억 상실을 방지하기 위해 지속적 학습 기법(예: 점진적 학습, GDPC) 평가하기.
• 엣지에서 계산된 결과의 신뢰성 확보를 위한 데이터 증명 및 신뢰할 수 있는 원격 실행 메커니즘 등 보안 기법 검토하기.
• 증강현실(AR) 윈셔드의 지연 및 인간공학적 도전 과제 탐색, 특히 움직임에서 영상 출력까지의 지연과 물체 선택 문제 분석하기.

실험 결과

연구 질문

• RQ1 5G와 엣지 컴퓨팅이 안전 중심 차량 응용 프로그램의 저지연성과 고신뢰성 요구 사항을 어떻게 동시에 충족시킬 수 있는가?
• RQ2 실시간으로 비정상적, 지속적, 급격한 변화를 보이는 차량 데이터 스트림을 처리할 때의 주요 과제는 무엇인가?
• RQ3 기계 학습 모델이 치명적 기억 상실 없이 변화하는 주행 패턴에 어떻게 적응할 수 있는가?
• RQ4 차량 엣지 환경에서 신뢰할 수 있는 원격 실행을 위한 아키텍처적 및 보안 요구 사항은 무엇인가?
• RQ5 6G는 차량 네트워크에서 밀리초 이내 지연을 요구하는 터치 인터넷과 같은 미래 응용 프로그램을 어떻게 가능하게 할 것인가?

주요 결과

• 5G 기반 엣지 컴퓨팅은 C-V2X를 통한 안전 중심 통신과 함께 실시간 차량 응용 프로그램의 지연을 크게 감소시키고 신뢰성을 향상시킨다.
• 점진적 학습 및 가우시안 기반 동적 확률 클러스터링(GDPC)과 같은 지속적 학습 기법은 변화하는 주행 패턴에 적응하면서 치명적 기억 상실을 완화시킨다.
• AR 윈셔드는 움직임에서 영상 출력까지의 지연과 정렬 오류로 인해 심각한 도전 과제를 안고 있으며, 이는 사용성 향상을 위해 저지연 네트워킹과 고도의 인간공학 기법이 필요하다.
• 현재의 5G 시스템은 터치 인터넷 사용 사례에 필요한 밀리초 이내의 종단 간 지연을 충족하지 못하므로, 향상된 KPI를 갖춘 6G 개발이 필수적이다.
• 데이터 증명 및 신뢰할 수 있는 실행 환경을 통한 안전한 원격 계산은 차량 시스템에서 엣지에서 계산된 결과의 정확성과 무결성을 확보하기 위해 필수적이다.
• 차량 네트워크에서의 빅데이터 처리는 차량, RSU, 인프라에서 유입되는 이질적 데이터 소스를 융합할 수 있는 확장성 있고 맥락 인식형 아키텍처가 필요하며, 이는 실시간 의사결정 지원을 위한 기반이 된다.