[논문 리뷰] Predictive Deployment of UAV Base Stations in Wireless Networks: Machine Learning Meets Contract Theory

Qianqian Zhang, Walid Saad외 4명|arXiv (Cornell University)|2018. 11. 03.

UAV Applications and Optimization참고 문헌 31인용 수 23

한 줄 요약

이 논문은 교통 수요 예측을 위한 가중치 기반 기대값 최대화(WEM)와 UAV 운영자와 지상 기지국 간의 정직한 정보 공유를 보장하는 계약 이론을 융합한 예측 기반 무인항공기(UAV) 기지국 배치 프레임워크를 제안한다. 이 방법은 예측 오차 10%를 기록하며, 이벤트 기반 기반의 기존 방법에 비해 다운링크 용량, 에너지 효율성 및 수익성을 크게 향상시킨다.

ABSTRACT

In this paper, a novel framework is proposed to enable a predictive deployment of unmanned aerial vehicles (UAVs) as temporary base stations (BSs) to complement ground cellular systems in face of downlink traffic overload. First, a novel learning approach, based on the weighted expectation maximization (WEM) algorithm, is proposed to estimate the user distribution and the downlink traffic demand. Next, to guarantee a truthful information exchange between the BS and UAVs, using the framework of contract theory, an offload contract is developed, and the sufficient and necessary conditions for having a feasible contract are analytically derived. Subsequently, an optimization problem is formulated to deploy an optimal UAV onto the hotspot area in a way that the utility of the overloaded BS is maximized. Simulation results show that the proposed WEM approach yields a prediction error of around 10%. Compared with the expectation maximization and k-mean approaches, the WEM method shows a significant advantage on the prediction accuracy, as the traffic load in the cellular system becomes spatially uneven. Furthermore, compared with two event-driven deployment schemes based on the closest-distance and maximal-energy metrics, the proposed predictive approach enables UAV operators to provide efficient communication service for hotspot users in terms of the downlink capacity, energy consumption and service delay. Simulation results also show that the proposed method significantly improves the revenues of both the BS and UAV networks, compared with two baseline schemes.

연구 동기 및 목표

• 이론적 과부하 상황에서 예측 기반 UAV 배치 문제를 해결하기 위해.
• 비대칭 정보 하에서 지상 기지국과 UAV 운영자 간의 정직한 정보 교환을 가능하게 하기 위해.
• 최적의 UAV 배치를 통해 과부하가 발생한 지상 기지국의 유틸리티를 최대화하기 위해.
• 다운링크 용량, 에너지 효율성 및 서비스 지연 시간 측면에서 네트워크 성능을 향상시키기 위해.
• 인centive-compatible 메커니즘을 통해 지상 네트워크와 UAV 네트워크 양측의 수익을 증대시키기 위해.

제안 방법

• 기대값 최대화(EM)와 k-means보다 더 높은 정확도로 사용자 분포와 다운링크 교통 수요를 추정하기 위해 가중치 기반 기대값 최대화(WEM) 알고리즘을 제안한다.
• UAV의 허위 보고를 방지하기 위해 계약 이론을 활용한 이동 기반 계약을 개발한다.
• 가능한 계약을 보장하기 위한 필요 및 충분 조건을 유도하여 개인적 합리성과 인센티브 호환성을 확보한다.
• 지상 기지국의 유틸리티를 최대화하기 위해 핫스팟 지역에 UAV를 최적으로 배치하기 위한 최적화 문제를 수립한다.
• 교통 수요 예측과 계약 기반 UAV 선택을 통합하여 에너지 효율성과 서비스 품질을 균형 있게 조절한다.
• 수학적 모델링을 통해 계약 메커니즘이 UAV의 능력에 기반해 정직한 보고를 보장함을 증명한다.

실험 결과

연구 질문

• RQ1 기계학습을 어떻게 활용하여 셀룰러 네트워크에서 교통 수요와 사용자 분포를 정확하게 예측할 수 있는가?
• RQ2 비공개 능력을 지닌 UAV 운영자로부터 정직한 정보 보고를 보장하기 위한 계약 설계는 무엇인가?
• RQ3 예측 기반 UAV 배치가 네트워크 성능 측면에서 이벤트 기반 기반의 방법에 비해 어떻게 뛰어나게 되는가?
• RQ4 지상 기지국과 UAV 간의 인센티브 호환성 계약의 타당성을 보장하는 조건은 무엇인가?
• RQ5 제안된 프레임워크는 UAV 보조 셀룰러 네트워크에서 수익과 서비스 품질을 어떻게 향상시키는가?

주요 결과

• WEM 알고리즘은 예측 오차 약 10%를 기록하며, 특히 공간적으로 불균형한 교통 부하 상황에서 EM 및 k-means보다 뛰어난 성능을 보인다.
• 제안된 예측 기반 배치 방식은 가장 가까운 거리 기반 및 최대 에너지 기반의 이벤트 기반 기반 방식에 비해 서비스 지연을 감소시키고 다운링크 용량을 향상시킨다.
• 예측된 수요에 기반한 최적화된 UAV 위치 설정으로 인해 에너지 소비가 감소하여 UAV의 비행 지속 시간이 향상된다.
• 분석적 유도를 통해 계약 기반 메커니즘이 UAV의 능력에 따라 정직한 보고를 보장함을 입증하였다.
• 효율적인 자원 할당과 정직한 협업 덕분에 기준 기반 방식에 비해 지상 기지국과 UAV 네트워크 양측 모두 수익이 크게 증가하였다.
• 이론적 분석을 통해 유도된 조건 하에서 계약 메커니즘이 개인적 합리성과 인센티브 호환성을 충족함을 확인하였다.