[논문 리뷰] Semantic Communication for Internet of Vehicles: A Multi-User Cooperative Approach

Wenjun Xu, Yimeng Zhang외 4명|arXiv (Cornell University)|2022. 12. 06.

IoT and Edge/Fog Computing인용 수 5

한 줄 요약

이 논문은 다중 사용자 의미 상관관계를 활용하여 데이터 트래픽과 무선 자원 사용을 줄이는 차량인터넷(IoV)를 위한 협업적 의미 통신(Co-SC) 아키텍처를 제안한다. 의미 인코딩과 협업적 통합 소스-채널 인코딩을 공동 최적화함으로써 Co-SC는 저SNR 환경에서 기존 방법 대비 전송 오버헤드를 최대 99.9% 감소시키면서도 의미 재구성 및 이미지 검색 정확도를 향상시켜 뛰어난 성능을 달성한다.

ABSTRACT

Internet of Vehicles (IoV) is expected to become the central infrastructure to provide advanced services to connected vehicles and users for higher transportation efficiency and security. A variety of emerging applications/services bring explosively growing demands for mobile data traffic between connected vehicles and roadside units (RSU), imposing the significant challenge of spectrum scarcity to IoV. In this paper, we propose a cooperative semantic-aware architecture to convey essential semantics from collaborated users to servers for lowering the data traffic. In contrast to current solutions that are mainly based on piling up highly complex signal processing techniques and multiple access capabilities in terms of syntactic communications, this paper puts forth the idea of semantic-aware content delivery in IoV. Specifically, the successful transmission of essential semantics of the source data is pursued, rather than the accurate reception of symbols regardless of its meaning as in conventional syntactic communications. To assess the benefits of the proposed architecture, we provide a case study of the image retrieval task for vehicles in intelligent transportation systems. Simulation results demonstrate that the proposed architecture outperforms the existing solutions with fewer radio resources, especially in a low signal-to-noise-ratio (SNR) regime, which can shed light on the potential of the proposed architecture in extending the applications in extreme environments.

연구 동기 및 목표

• 연결된 차량과 RSU로부터 급격히 증가하는 모바일 데이터로 인한 IoV의 스펙트럼 부족 문제를 해결하기 위해.
• 과도한 중복성과 의미와 무관한 데이터를 전송하는 전통적 문법적 통신의 비효율성을 극복하기 위해.
• 다중 차량 간의 의미 상관관계를 활용하여 전송 오버헤드를 최소화하면서도 통신 효과성을 손상시키지 않기 위해.
• 소스 및 채널 인코딩을 공동 최적화하는 협업적 의미 인식 아키텍처를 개발하여 차량 네트워크에서의 강건성과 효율성을 향상시키기 위해.
• 의미 기반 통신이 스마트 교통 시스템과 같은 실제 IoV 애플리케이션(예: 이미지 검색)에서 실현 가능하고 우수한 성능을 보임을 입증하기 위해.

제안 방법

• 다양한 차량들로부터 필수적인 의미 정보만을 추출하고 전송하는 협업적 의미 통신(Co-SC) 아키텍처를 제안한다.
• 사용자 간 의미 상관관계를 활용하여 중복을 제거하고 다중 사용자 의미 상관관계를 활용하는 협업적 통합 소스-채널(JSC) 인코딩 기법을 도입한다.
• 딥 러닝 기반 의미 인코더/디코더를 사용하여 이미지에서 작업에 관련된 특징(예: 차량 식별자)을 추출하고 배경 정보 등 관련 없는 정보를 필터링한다.
• 공유된 무선 채널을 사용하여 협업 전송을 구현함으로써 수신기가 노이즈에 더 강건한 개별 사용자 의미를 재구성할 수 있도록 한다.
• 의미 인코딩과 채널 인코딩을 공동 최적화하는 프레임워크를 설계하여 왜곡을 최소화하면서도 무선 자원 사용을 줄인다.
• 실제 채널 모델을 사용한 스마트 교통 시스템에서의 이미지 검색 사례 연구를 통해 아키텍처의 타당성과 성능을 검증한다.

실험 결과

연구 질문

• RQ1 기존의 문법적 전송 방식에 비해 협업적 의미 기반 통신이 다중 사용자 IoV 환경에서 데이터 트래픽을 크게 줄일 수 있는가?
• RQ2 저SNR 조건에서 사용자 간 의미 상관관계를 활용할 경우 시스템 성능가 어떻게 향상되는가?
• RQ3 의미 인식 전송 방식이 작업 정확도를 유지하거나 향상시키면서도 무선 자원 소비를 어느 정도 줄일 수 있는가?
• RQ4 협업적 JSC 인코딩 기법이 개별 전송 방식에 비해 의미 재구성의 강건성을 얼마나 향상시키는가?
• RQ5 이미지 검색 작업에서 Co-SC는 기존 의미 기반 및 기존 전통적 통신 방법에 비해 얼마나 더 높은 성능 향상을 달성하는가?

주요 결과

• Co-SC는 전송 기호의 평균 수를 ~310,000(JPEG+LDPC+BPSK) 및 ~260,000(SoftCast)에서 단 16기호로 줄여 데이터 트래픽을 99.9% 감소시켰다.
• -3 dB SNR에서 Co-SC는 융합 없이 구현한 Co-SC 대비 순위-1 정확도 2.4% 향상 및 mAP 8.3% 향상하여 의미 융합의 유용성을 입증했다.
• 저SNR 환경에서 협업적 JSC 디코더는 별도의 JSC 디코더보다 뚜렷이 뛰어난 성능을 보이며, SNR 증가에 따라 MSE 감소 속도도 더 빠르게 나타났다.
• 특히 저SNR 조건에서 Co-SC는 DL-S 및 기존 방법보다 더 뛰어난 의미 재구성 및 이미지 검색 성능을 달성했다.
• 제안된 아키텍처는 최소한의 무선 자원으로도 높은 성능를 유지하여 채널 품질이 열악한 극한 환경에서도 효과적임을 입증했다.
• 시스템은 추가 전송 오버헤드 없이도 의미 수준의 상관관계를 활용할 수 있음을 보여주며, 강건성과 효율성을 향상시켰다.