[논문 리뷰] DRIVE: A Digital Network Oracle for Cooperative Intelligent Transportation Systems

Ioannis Mavromatis, Robert J. Piechocki외 2명|arXiv (Cornell University)|2020. 07. 07.

Vehicular Ad Hoc Networks (VANETs)참고 문헌 22인용 수 10

한 줄 요약

DRIVE는 협동 지능형 교통 시스템(C-ITS)을 위한 도시 규모 디지털 네트워크 오라클이며, 지능형 에이전트와 시뮬레이션된 도시 환경 간 실시간 양방향 상호작용을 가능하게 한다. 이는 모듈식이고 확장 가능한 시뮬레이션과 실시간 사용자 밀도에 기반한 전송 전력 등의 네트워크 파라미터의 동적 적응을 결합하여 낮은 계산 오버헤드를 달성하면서도 대규모이고 현실적인 C-ITS 실험을 기계학습 에이전트와 함께 지원한다.

ABSTRACT

In a world where Artificial Intelligence revolutionizes inference, prediction and decision-making tasks, Digital Twins emerge as game-changing tools. A case in point is the development and optimization of Cooperative Intelligent Transportation Systems (C-ITSs): a confluence of cyber-physical digital infrastructure and (semi)automated mobility. Herein we introduce Digital Twin for self-dRiving Intelligent VEhicles (DRIVE). The developed framework tackles shortcomings of traditional vehicular and network simulators. It provides a flexible, modular, and scalable implementation to ensure large-scale, city-wide experimentation with a moderate computational cost. The defining feature of our Digital Twin is a unique architecture allowing for submission of sequential queries, to which the Digital Twin provides instantaneous responses with the "state of the world", and hence is an Oracle. With such bidirectional interaction with external intelligent agents and realistic mobility traces, DRIVE provides the environment for development, training and optimization of Machine Learning based C-ITS solutions.

연구 동기 및 목표

• 기존의 차량 및 네트워크 시뮬레이터가 대규모, 실시간, 상호작용 가능한 C-ITS 실험을 지원하는 데에 한계를 보이고 있는 문제를 해결하기 위해.
• 협동 지능형 교통 시스템을 위한 기계학습 및 강화학습 에이전트의 개발과 훈련을 가능하게 하기 위해.
• 실제 이동성 트레이스와의 이중 상호작용을 지원하는 유연하고 모듈식이며 계산적으로 효율적인 시뮬레이션 프레임워크를 제공하기 위해.
• 사용자 밀도에 기반한 동적 전송 전력 적응과 같은 동적 네트워크 행동을 모델링하여 현실성과 시스템 성능 평가를 향상시키기 위해.
• 시스템-오브-시스템(SoS) C-ITS 연구 및 프로토타이핑을 위한 확장 가능하고, 확장 가능한, 오픈소스 플랫폼을 구축하기 위해.

제안 방법

• 프레임워크는 마이크로스코픽 교통 시뮬레이션을 위한 SUMO와 V2X 통신 및 전파 전파를 모델링하기 위한 커스터마이징된 네트워크 시뮬레이션 레이어를 통합한다.
• 도시 지도의 타일 기반 공간 이산화(200m × 200m)를 사용하여 이동성 및 사용자 밀도 데이터를 사전 캐시함으로써 런타임 계산을 줄인다.
• 실시간 사용자 밀도에 기반해 매크로셀 및 페트로셀 기지국의 전송 전력을 동적으로 조정하는 메커니즘이 구현되며, 매크로셀의 전력 수준은 20 dBm에서 43 dBm 사이로 조절된다.
• 지능형 에이전트와의 이중 상호작용을 지원하여, 에이전트가 가상 세계의 상태를 질의하고 실시간으로 그에 따라 행동할 수 있도록 한다.
• 모듈식이고 이벤트 기반 아키텍처를 사용하여 이동성 트레이스, 네트워크 파라미터, 성능 메트릭스의 유연한 구성이 가능하다.
• 고도로 확장 가능한 설계를 통해 사전 캐시 및 효율적인 데이터 구조를 활용하여 도시 전체 시뮬레이션에 대해 최소한의 계산 비용으로 구현된다.

실험 결과

연구 질문

• RQ1 디지털 트윈 프레임워크는 지능형 에이전트와 시뮬레이션된 도시 교통 환경 간 실시간 양방향 상호작용을 어떻게 지원할 수 있는가?
• RQ2 도시 C-ITS 시나리오에서 동적 전송 전력 적응은 달성 가능한 데이터 전송 속도에 어떤 영향을 미치는가?
• RQ3 모듈식이고 확장 가능한 시뮬레이션 프레임워크는 대규모 도시 C-ITS 시뮬레이션에서 높은 현실성과 함께 계산 오버헤드를 줄일 수 있는가?
• RQ4 이 프레임워크는 협동 이동성 시나리오에서 강화학습 에이전트의 훈련과 평가를 얼마나 효과적으로 지원할 수 있는가?
• RQ5 실제 이동성 트레이스의 통합은 시뮬레이션 환경의 정밀도와 유용성을 어느 정도 향상시키는가?

주요 결과

• 공간 타일 기반으로 이동성 및 사용자 밀도 데이터를 사전 캐시함으로써 도시 규모 시뮬레이션의 실행 시간을 줄였으며, 더 큰 타일 크기에서 실행 시간이 크게 감소함을 확인했다.
• 사용자 밀도에 기반한 적응형 전송 전력은 데이터 전송 속도 향상에 명백한 영향을 미치며, 높은 전력 수준(최대 43 dBm)은 고밀도 지역에서 데이터 전송 속도를 증가시킨다.
• 시스템은 실시간 반응성을 달성하여 가상 세계의 현재 상태에 대한 즉각적인 질의 응답을 가능하게 하여 디지털 네트워크 오라클의 역할을 성실히 수행한다.
• 모듈식 설계 덕분에 성능이나 확장성에 손상 없이 네트워크 파라미터 및 이동성 시나리오를 다양하게 구성할 수 있다.
• 실제 이동성 트레이스의 통합을 통해 다양한 교통 및 사용자 밀도 조건에서 C-ITS 성능의 현실적이고 동적 평가가 가능해졌다.
• 상태 기반의 상호작용 가능한 시뮬레이션 환경 덕분에 이상 탐지, 스트레스 테스트, QoS 분석과 같은 복잡한 사용 사례를 지원할 수 있다.