[논문 리뷰] Optimized Deployment of Autonomous Drones to Improve User Experience in Cellular Networks

Hailong Huang, Andrey V. Savkin외 2명|arXiv (Cornell University)|2017. 12. 06.

UAV Applications and Optimization참고 문헌 16인용 수 6

한 줄 요약

이 논문은 도시 무선 통신망에서 사용자 단말기(UE) 커버리지와 경험 품질(QoE)을 극대화하기 위해 실용적인 도로 그래프 기반 모델을 제안한다. Momo 앱에서 확보한 실제 UE 밀도 데이터를 통합하고, 유용성 기둥에서의 충전을 고려한 배터리 제약 조건을 모델링하여, 그라디언트 알고리즘을 사용해 네 가지 NP-난이도 문제를 수립하고 해결함으로써, 에너지 인지 기반 배치가 실용적 성능과 네트워크 효율성을 크게 향상시킨다는 것을 입증한다.

ABSTRACT

Modern wireless traffic demand pushes Internet Service Providers to develop effective strategies to improve user experience. Since deploying dense Base Stations (BSs) is not cost efficient, an alternative is to deploy autonomous drones to supplement existing BSs. A street graph is adopted to represent the area of interest. The outdoor User Equipments (UEs) to be served locate near streets and the 2D projections of drones are restricted to streets to avoid collision with buildings. We build up a UE density function based on a real dataset, reflecting the traffic in the area. We study four problems: where to deploy single drone to cover maximum UEs, where to deploy $k$ drones cover maximum UEs subject to an inner drone distance constraint, where to deploy $k$ drones cover maximum UEs subject to inner drone distance constraint and drones' battery constraints, and the minimum drones to cover a given percentage of UEs subject to inner drone distance constraint. We prove that the latter three problems are NP-hard and propose greedy algorithms with theoretical analysis. To our best knowledge, this is the first paper to consider the battery constraints for drone deployments. Extensive simulations have been conducted to verify the effectiveness of our approaches.

연구 동기 및 목표

• 도시 무선 통신망에서 증가하는 모바일 데이터 용량 수요와 사용자 경험 향상을 해결하기 위해.
• 밀도 높은 고정 기지국 배치의 높은 비용과 비효율성을 해결하기 위해 자율 드론을 비행 기지국으로 활용함으로써.
• 도로 수준의 UE 분포, 드론의 유용성 기둥에서의 충전, 배터리 에너지 제약 조건을 고려한 현실적인 배치 모델을 개발하기 위해.
• 네 가지 최적화 문제를 수립하고 해결하기 위해: 단일 드론 배치, 상호 드론 간 거리 및 에너지 제약 조건이 있는 k개 드론 배치, 목표 커버리지에 대한 최소 드론 수 확보.
• 네트워크 용량, 드론 효율성, 운영 가능성 간 균형을 고려한 실용적인 에너지 인지 기반 배치 전략 제공.

제안 방법

• 드론이 건물 충돌을 피하기 위해 도로에 제한되어 비행하도록 하는 도시 지역을 도로 그래프로 모델링.
• 실제 Momo 소셜 디스커버리 앱에서 확보한 데이터를 기반으로 시간에 따라 변하는 교통 패턴을 반영하는 UE 밀도 함수 수립.
• 네 가지 최적화 문제 수립: SDD(단일 드론), kDD(k대 드론 간 거리 제약 조건), EkDD(에너지 인지 기반 k대 드론, 배터리 및 충전 제약 조건), MinDD(목표 커버리지에 필요한 최소 드론 수).
• kDD, EkDD, MinDD 문제가 NP-난이도임을 증명하고, 이론적 성능 보장을 갖춘 그라디언트 알고리즘 제안.
• 드론 비행 시간, 유용성 기둥에서의 충전, 시간 슬롯 기반 에너지 제약 조건(식 20)을 유도하여 배터리 제약 조건 통합.
• Momo 데이터셋을 기반으로 시뮬레이션을 수행하여 비행 속도, 커버리지 임계값, 네트워크 부하 변화에 따른 성능 평가.

실험 결과

연구 질문

• RQ1 단일 자율 드론이 도로 그래프에 최적으로 어떻게 설치되어야 사용자 수를 극대화할 수 있는가?
• RQ2 상호 드론 간 거리 및 배터리 제약 조건 하에서 k대의 자율 드론을 최적으로 어떻게 설치하여 UE 커버리지를 극대화할 수 있는가?
• RQ3 에너지 제약 조건과 유용성 기둥에서의 충전이 드론 위치 설정과 네트워크 성능에 어떤 영향을 미치는가?
• RQ4 목표 커버리지 비율을 달성하기 위해 필요한 드론 최소 수는 얼마이며, 이는 교통 수요 증가에 따라 어떻게 변화하는가?

주요 결과

• 에너지 인지 기반 드론 배치(EkDD) 문제는 NP-난이도이며, 제안된 그라디언트 알고리즘이 1/2의 증명된 근사 비율을 달성한다.
• 시뮬레이션 결과, 더 높은 드론 비행 속도(예: 6 m/s)는 충전 시간 제약이 감소하여 더 나은 커버리지 성능을 유도하며, 6 m/s 이상에서는 성능이 안정화됨.
• 주중 정점 시간대(350 UE)에서 드론 비행 속도가 증가함에 따라 서비스 제공 UE 비율이 증가하여 6 m/s에서 최대에 도달하며, 그 이상에서도 일관된 성능 유지.
• UE의 90%를 커버하기 위해 평일에는 약 12~15대의 드론이 필요하지만, 주말에는 UE 밀도가 낮아 6~8대로 충분함.
• 커버리지 목표(γ)가 90%에서 98%로 증가함에 따라 드론당 평균 서비스 제공 UE 수가 감소하여 드론 활용 효율성의 감소 추세를 보임.
• 네트워크 용량은 높은 커버리지 목표에서 증가하지만, 주말에는 총 UE 수가 적어 상대적으로 낮은 성능를 보이며, 투자(드론 수)와 성능 향상 간의 상충 관계를 드러냄.