[논문 리뷰] Hierarchical Aerial Computing for Internet of Things via Cooperation of HAPs and UAVs

Ziye Jia, Qihui Wu외 3명|arXiv (Cornell University)|2022. 02. 12.

UAV Applications and Optimization인용 수 4

한 줄 요약

이 논문은 고고도 플랫폼(HAPs)과 무인 항공기(UAVs)를 활용한 계층적 공중 컴퓨팅 프레임워크를 제안하여, 지상 네트워크 커버리지가 없는 원거리 또는 재해 영향을 받는 지역의 IoT 기기에서 최대한의 계산 이송 성능을 달성하고자 한다. IoT 기기에서 UAV로의 이송에는 매칭 게임 이론 기반 알고리즘을, UAV에서 HAP로의 이송에는 휠추 알고리즘을 적용하여 복잡도를 낮추면서도 거의 최적의 성능를 달성하며, 단독으로 사용하는 UAV 또는 HAP 솔루션보다 총 처리된 데이터량과 사용자 지원 수에서 뛰어난 성능을 보였다.

ABSTRACT

With the explosive increment of computation requirements, the multi-access edge computing (MEC) paradigm appears as an effective mechanism. Besides, as for the Internet of Things (IoT) in disasters or remote areas requiring MEC services, unmanned aerial vehicles (UAVs) and high altitude platforms (HAPs) are available to provide aerial computing services for these IoT devices. In this paper, we develop the hierarchical aerial computing framework composed of HAPs and UAVs, to provide MEC services for various IoT applications. In particular, the problem is formulated to maximize the total IoT data computed by the aerial MEC platforms, restricted by the delay requirement of IoT and multiple resource constraints of UAVs and HAPs, which is an integer programming problem and intractable to solve. Due to the prohibitive complexity of exhaustive search, we handle the problem by presenting the matching game theory based algorithm to deal with the offloading decisions from IoT devices to UAVs, as well as a heuristic algorithm for the offloading decisions between UAVs and HAPs. The external effect affected by interplay of different IoT devices in the matching is tackled by the externality elimination mechanism. Besides, an adjustment algorithm is also proposed to make the best of aerial resources. The complexity of proposed algorithms is analyzed and extensive simulation results verify the efficiency of the proposed algorithms, and the system performances are also analyzed by the numerical results.

연구 동기 및 목표

• 지상 네트워크 커버리지가 없는 원거리 또는 재해 영향을 받는 지역의 IoT 기기에서 저지연, 고대역폭 MEC 서비스를 제공하는 데 도전 과제를 해결한다.
• 지연, 계산, 에너지, 전송 자원의 공동 제약 조건 하에서 총 성공적으로 처리된 IoT 데이터량을 최대화하기 위해 정수 프로그래밍 문제를 수립한다.
• 대규모 공중 컴퓨팅 네트워크에서 전수 탐색의 금방한 복잡도를 해결하기 위해 계산적으로 타당한 알고리즘을 개발한다.
• IoT 기기에서 UAV로, 그리고 UAV에서 HAP로의 이중 계층적 이송 결정을 모델링하여 HAP와 UAV 간의 효율적 협업을 가능하게 한다.
• 공중 플랫폼의 배치와 작업 분배를 최적화하는 조정 알고리즘을 통해 자원 활용도를 향상시킨다.

제안 방법

• UAV가 중간 릴레이 역할을 하며 HAP가 고용량 엣지 서버로서 무거운 계산 작업을 처리하는 계층적 공중 컴퓨팅 프레임워크를 개발한다.
• IoT 기기의 UAV로의 이송 결정을 모델링하고 해결하기 위해 매칭 게임 이론 기반 알고리즘을 적용하며, 지연, 에너지, 계산 제약 조건을 반영한 선호도 목록을 포함한다.
• IoT 기기 간의 이송 결정 상호작용(외부성)을 처리하기 위해 외부성 제거 메커니즘을 도입하여 안정적이고 효율적인 매칭 결과를 보장한다.
• 자원 제약 조건 하에서 에너지 효율성과 적시 계산을 우선시하는 휠추 알고리즘을 설계하여 UAV에서 HAP로의 이송 결정을 처리한다.
• 자원 활용도와 시스템 스루풋을 극대화하기 위해 UAV와 HAP의 역할 및 위치를 동적으로 재구성하는 조정 알고리즘을 제안한다.
• 모든 제안된 알고리즘의 계산 복잡도를 분석하고, 전수 탐색 및 기준 대비 시뮬레이션을 통해 성능를 검증한다.

실험 결과

연구 질문

• RQ1 어떻게 HAP와 UAV를 공동으로 조율하여 공중 MEC 네트워크에서 성공적으로 처리된 총 IoT 데이터량을 극대화할 수 있는가?
• RQ2 엄격한 지연 및 자원 제약 조건 하에서 IoT 기기의 UAV와 HAP 간 최적의 이송 전략은 무엇인가?
• RQ3 IoT 기기의 이송 결정 상호작용(외부성)은 어떻게 완화하여 안정적이고 효율적인 매칭 결과를 확보할 수 있는가?
• RQ4 HAP와 UAV의 계산 능력 변화가 시스템 성능와 에너지 소비에 미치는 영향는 어떠한가?
• RQ5 대규모 공중 컴퓨팅 환경에서 전수 탐색에 비해 낮은 복잡도의 알고리즘이 거의 최적의 성능를 달성할 수 있는가?

주요 결과

• 제안된 계층적 HAP-UAV 컴퓨팅 프레임워크는 총 처리된 데이터량과 서비스 제공 IoT 사용자 수에서 단독 UAV 또는 HAP MEC 모드보다 뛰어난 성능를 보였다.
• IoT에서 UAV로의 이송에 사용된 매칭 게임 기반 알고리즘은 전수 탐색 대비 상당히 낮은 계산 복잡도로 거의 최적의 성능를 달성하였다.
• HAP의 계산 능력은 UAV의 계산 능력보다 시스템 성능에 더 큰 영향을 미치며, HAP는 다수의 UAV와 IoT 기기를 중심으로 처리하는 핵심 처리 허브 역할을 하기 때문이다.
• HAP나 UAV의 계산 능력을 증가시키면 총 에너지 소비량이 증가하며, HAP 능력 증가는 더 넓은 커버리지와 높은 부하로 인해 더 뚜렷한 영향을 미친다.
• 조정 알고리즘이 자원 활용도를 효과적으로 향상시켜 동적인 네트워크 조건에 더 잘 대응하고 시스템 스루풋을 향상시켰다.
• 시뮬레이션 결과, 제안된 알고리즘이 최적 솔루션에 매우 가까운 성능를 달성하면서도 낮은 계산 오버헤드를 유지함으로써 실세계 구현 가능성은 검증되었다.