[논문 리뷰] Drone-Assisted Communications for Remote Areas and Disaster Relief

Anousheh Gholami, Usman A. Fiaz외 1명|arXiv (Cornell University)|2019. 09. 04.

UAV Applications and Optimization참고 문헌 8인용 수 6

한 줄 요약

이 논문은 원격 또는 재해 영향을 받은 지역에서 기지국 인프라가 제한되거나 없는 상황에서 전체 연결성과 에너지 효율성을 확보하면서 드론 수를 최소화하는 세 단계로 구성된 UAV 보조 통신 프레임워크를 제안한다. 가중치가 부여된 k-means 군집화, 결정론적 냉각(Deterministic Annealing)을 활용한 병합 알고리즘을 통한 UAV 배치, 그리고 전력 소비를 최소화하면서 최대한의 트래픽을 지원하는 에너지 인지 라우팅의 믹스드 인티거 선형계획법(MILP)을 적용하여, 최적의 UAV 배치로 거의 영향을 받지 않는 트래픽을 달성한다.

ABSTRACT

We explore an end-to-end (including access and backhaul links) UAV-assisted wireless communication system, considering both uplink and downlink traffics, with the goal of supporting demand of the Ground Users (GUs) using the minimum number of UAVs. Moreover, in order to extend the operational (flight) time of UAVs, we exploit an energy-aware routing scheme. Our intention is to design and analyze the access and backhaul connectivity of a drone-assisted communication network for remote and crowded areas and disaster relief, while minimizing the resources required i.e., the number of UAVs.

연구 동기 및 목표

• 기지국 인프라가 제한되거나 없는 원격 또는 재해 영향을 받은 지역에서 UAV를 배치하는 데 도전 과제를 해결한다.
• 지상 네트워크에서 분리된 클러스터가 존재하는 상황에서 전체 트래픽 수요를 지원하기 위해 필요한 드론 수를 최소화한다.
• 공중-지상(A2G) 액세스 링크와 공중-공중(A2A) 백홀 링크를 통해 신뢰할 수 있는 연결성을 확보한다.
• 트래픽 지원과 전력 소비의 균형을 맞추는 에너지 인지 라우팅을 통해 UAV 비행 시간을 연장한다.
• UAV 보조 네트워크에서 업링크 및 다운링크 트래픽을 위한 통합적이고 종단 간 솔루션을 개발한다.

제안 방법

• 원격 사용자 네트워크를 그래프 $G=(\mathcal{N},\mathcal{L})$로 모델링하고, 원천-목적지 쌍에 대한 트래픽 수요 행렬 $D$를 설정한다.
• 밀도 기반 초기화를 적용한 가중치가 부여된 k-means 군집화를 사용하여 트래픽 수요와 공간적 근접도를 기반으로 지상 사용자를 군집화한다.
• 드론을 클러스터 중심지에 할당하기 위한 병합 알고리즘을 적용하여, 각 드론이 $C_{\text{max}}$ 이하의 총 수요를 처리하면서도 연결성을 유지하도록 한다.
• 네트워크 단절을 해결하기 위해 결정론적 냉각(DA)을 적용하여 필요에 따라 추가 드론을 배치한다.
• 전체 전력 소비를 최소화하면서 지원 가능한 트래픽을 극대화하기 위한 에너지 인지 라우팅 문제를 믹스드 인티거 선형계획법(MILP)으로 수식화한다.
• 고정된 드론 고도 $h$를 가정하고 3차원 이동성을 활용하여 선로 간 시야(LoS) A2G 및 A2A 링크를 확보하여 채널 품질을 향상시킨다.

실험 결과

연구 질문

• RQ1 고립되거나 재해 영향을 받은 지역에서 드론 수를 최소화하면서도 지상 사용자에 대한 전체 연결성과 커버리지를 확보하기 위해 UAV를 어떻게 최적화하여 배치할 수 있는가?
• RQ2 UAV 보조 네트워크에서 다중 홉 백홀 연결성(A2A 링크)은 네트워크 신뢰성과 UAV 배치 효율성에 어떤 영향을 미치는가?
• RQ3 에너지 인지 라우팅은 UAV 네트워크에서 트래픽 지원과 전력 소비 간의 트레이드오프에 어떻게 영향을 미치는가?
• RQ4 분리된 클러스터가 존재하는 지상 네트워크에서 UAV 배치가 영향을 받지 않는 트래픽을 얼마나 줄일 수 있는가?
• RQ5 기존의 단일 목적 전략에 비해 제안된 세 단계 프레임워크는 UAV 수, 에너지 효율성, 네트워크 연결성 측면에서 어떻게 비교되는가?

주요 결과

• 제안된 UAV 배치 알고리즘이 최소한의 드론 수로도 고밀도의 원천-목적지 쌍을 가진 네트워크에서 영향을 받지 않는 트래픽을 거의 0으로 줄이는 데 성공한다.
• 드론이 없는 경우, 원천-목적지 쌍의 수가 증가할수록 평균 영향을 받지 않는 트래픽 수요가 크게 증가하여 드론 지원의 필수성을 입증한다.
• 에너지 인지 라우팅을 적용함으로써 전체 전력 소비는 크게 감소시키면서도 높은 트래픽 지원 수준을 유지하여 에너지 효율성과 성능 간의 타당한 트레이드오프를 입증한다.
• 결정론적 냉각의 활용은 초기 배치로 인해 분리된 클러스터가 발생할 경우 네트워크 연결성을 복구하기 위한 효과적인 드론 위치 재구성 가능성을 보여준다.
• 군집화, 드론 배치 및 병합, 에너지 인지 라우팅의 세 단계 접근 방식은 연결성과 에너지 효율성을 동시에 확보하여 기존의 단일 목적 드론 배치 전략보다 뛰어난 성능을 발휘한다.
• 시뮬레이션 결과, 클러스터 중심지에 배치된 드론이 최적 범위 커버리지를 확보함으로써 모든 지상 사용자 수요를 충족함을 확인하여 제안된 배치 및 라우팅 프레임워크의 효과성을 입증한다.