[논문 리뷰] Stochastic Resource Allocation for Semantic Communication-aided Virtual Transportation Networks in the Metaverse

Wei Chong Ng, Hongyang Du외 4명|arXiv (Cornell University)|2022. 08. 31.

Robotics and Automated SystemsEngineering인용 수 19

한 줄 요약

이 논문은 불확실한 사용자 수요 하에서 메타버스의 가상 운송 네트워크 비용을 최소화하기 위해 이중 단계의 스토하스틱 정수 프로그래밍을 사용하는 확률적 의미 전송 방식(SSTS)을 제안한다. 실세계 엣지 장치 데이터를 기반으로 예약 및 즉시 요청 의미 데이터 구독을 동적으로 할당함으로써, SSTS는 전송, 저장 및 에너지 비용을 감소시키며, 실사용자 데이터 기반 시뮬레이션에서 EVF 및 무작위 할당 방법보다 우수한 성능을 보인다.

ABSTRACT

The physical-virtual world synchronization to develop the Metaverse will require a massive transmission and exchange of data. In this paper, we introduce semantic communication for the development of virtual transportation networks in the Metaverse. Leveraging the perception capabilities of edge devices, virtual service providers (VSPs) can subscribe to their preferred edge devices to receive the semantic data of interest. However, the demands of the VSPs are highly dependent on the users that they are serving. To address the resource allocation problem amid stochastic user demand, we propose a stochastic semantic transmission scheme (SSTS) based on two-stage stochastic integer programming. Using real data captured by edge devices we deploy in Singapore, the simulation results show that SSTS can minimize the transmission cost of the VSPs while accounting for the users' demand uncertainties.

연구 동기 및 목표

• 의미 데이터에 대한 사용자 수요의 불확실성으로 인한 메타버스 가상 운송 네트워크에서의 높고 변동성이 큰 데이터 전송 비용 문제를 해결하기 위해.
• 수요의 불확실성 하에서 총 운영 비용(전송, 저장, 에너지)을 최소화하는 동적 자원 할당 프레임워크를 설계하기 위해.
• 의미 있는 통신을 스토하스틱 최적화와 융합하여, 특히 가상 운송 시스템에서 AI 기반 메타버스 응용 프로그램을 위한 기반을 마련하기 위해.
• 다양한 즉시 요청 가격과 수요 확률 조건에서 기준 대비 성능 평가를 위해 제안된 방식을 EVF(Expected-Value Formulation) 및 무작위 할당과 비교하기 위해.

제안 방법

• 가상 서비스 공급자(VSP)의 최적 예약 및 즉시 요청 구독 계획을 결정하기 위해 이중 단계 스토하스틱 정수 프로그래밍(SIP) 모델을 수립한다.
• 싱가포르에 구축된 엣지 장치에서 수집한 실세계 의미 데이터를 활용하여 사용자 수요 시나리오 및 데이터 관련성에 대한 유사도 점수를 모델링한다.
• 실제 수요가 예약된 용량을 초과할 경우를 대비해 제2단계에서 보완 조치를 포함하여 부족한 수요를 보완한다.
• 이중 가격 체계를 사용하여 구독 비용을 모델링한다: 저비용 예약 패키지와 고비용 즉시 요청 당 전송 수수료.
• 확률적 수요 시나리오 하에서 고정 예약 수수료와 변동 수요 수수료 간의 균형을 맞추기 위해 SIP 모델을 최소화하여 총 비용을 최소화한다.
• 이산적 수요 확률(예: P(λ₁) = 0.2, 0.4)을 활용한 시나리오 기반 접근 방식을 통해 VSP 간 사용자 관심의 불확실성을 표현한다.

Figure 1: An illustrative example of the system model with one VSP from a bus company and four edge devices and they are placed at the traffic junction. The VSP is from an autonomous company and has an interest

실험 결과

연구 질문

• RQ1 메타버스 기반 가상 운송 네트워크에서 의미 통신을 어떻게 활용하여 데이터 전송 비용을 절감할 수 있는가?
• RQ2 의미 데이터에 대한 사용자 수요의 불확실성 하에서 예약과 즉시 요청 구독 계획 간 최적의 트레이드오프는 무엇인가?
• RQ3 제안된 스토하스틱 정수 프로그래밍 프레임워크는 즉시 요청 가격과 수요 확률의 변화에 어떻게 대응하는가?
• RQ4 다양한 수요 조건 하에서 SSTS 방식은 EVF 및 무작위 할당 전략에 비해 비용 효율성 면에서 어떻게 비교되는가?

주요 결과

• 수요 확률 P(λ₂) = 1일 때(즉, P(λ₁) = 0), 두 VSP 모두 예약 계획만을 사용하며, 이는 고정된 고수요 상황에서 즉시 요청보다 저렴하므로 최저 비용을 기록한다.
• P(λ₁) = 0.2일 때, VSP 1은 전송 수요가 낮은(200 대비 300) 점에서 예약에서 즉시 요청으로 전환하며, 예약의 고정 비용이 높기 때문이다. 반면 VSP 2는 여전히 예약 계획을 유지한다.
• P(λ₁) ≥ 0.4일 때, 두 VSP 모두 즉시 요청으로 전환하며, 총 비용은 P(λ₁) 증가함에 따라 감소하여 P(λ₁) = 1일 때(수요 없음) 총 비용이 0이 된다.
• 다양한 관심도 시나리오에서는 P(λ₁) = 0일 때 VSP 1이 스마트폰 1(가장 높은 유사도)에서 11개의 예약 패키지를 선택하고, P(λ₁) 증가함에 따라 부족분을 보완하기 위해 12개로 증가시킨다.
• P(λ₁) = 1일 때, VSP 1은 시나리오 1에서 유사도 점수가 가장 높은(0.83) 스마트폰 3에서 10개의 예약 패키지로 완전히 전환한다.
• SIP 기반 SSTS는 EVF 및 무작위 방식보다 일관되게 우수한 성능을 보이며, 다양한 즉시 요청 가격 변화에 대비해 안정적인 비용 성능을 유지한다. 반면 EVF 및 무작위 방식은 비용 변화에 대응하지 못한다.

Figure 2: Locations of the smartphones in Singapore and an illustrative example of a virtual transportation case study.