[论文解读] Air-Ground Integrated Mobile Edge Networks: Architecture, Challenges and Opportunities

Nan Cheng, Wenchao Xu+6 more|arXiv (Cornell University)|Apr 13, 2018

UAV Applications and Optimization参考文献 9被引用 9

一句话总结

本文提出了一种空中-地面一体化移动边缘网络（AGMEN），利用无人机（UAV）增强移动边缘网络中的通信、缓存与计算能力。通过将无人机作为动态的无人机基站和边缘服务的智能代理，AGMEN提升了网络容量，降低了时延，并通过联合优化移动性、任务卸载与资源调度，实现了节能且自适应的部署。

ABSTRACT

The ever-increasing mobile data demands have posed significant challenges in the current radio access networks, while the emerging computation-heavy Internet of things (IoT) applications with varied requirements demand more flexibility and resilience from the cloud/edge computing architecture. In this article, to address the issues, we propose a novel air-ground integrated mobile edge network (AGMEN), where UAVs are flexibly deployed and scheduled, and assist the communication, caching, and computing of the edge network. In specific, we present the detailed architecture of AGMEN, and investigate the benefits and application scenarios of drone-cells, and UAV-assisted edge caching and computing. Furthermore, the challenging issues in AGMEN are discussed, and potential research directions are highlighted.

研究动机与目标

• 应对由物联网及VR、AR等计算密集型应用推动的低时延、高容量网络需求增长。
• 克服传统蜂窝与云架构的局限，如回传拥塞、延迟过长及部署不灵活等问题。
• 提出一种融合无人机与地面移动边缘网络的集成架构，以增强网络韧性、覆盖范围与服务灵活性。
• 研究无人机调度与空-地协同机制，联合优化无人机基站部署、边缘缓存与移动边缘计算性能。
• 识别在动态信道建模、能量效率与智能无人机轨迹规划方面的关键挑战与开放研究方向。

提出的方法

• 设计一种分层AGMEN架构，将无人机作为移动边缘服务器，实现动态部署与按需服务提供。
• 采用随机几何模型与基于几何的随机信道（GSMC）建模方法，表征时变的A2A、A2G与V2V信道特性。
• 应用基于Galerkin投影的模式降级方法，求解AGMEN信道优化中的高维、多系数不确定性量化问题。
• 采用SDN控制并结合CSI反馈，实现空中-地面链路间自适应路由与动态资源分配。
• 开发智能无人机调度算法，联合优化无人机基站覆盖范围、边缘缓存与任务卸载，同时满足能量与移动性约束。
• 结合移动性预测与D2D通信，提升数据传输效率，尤其在延迟容忍场景中利用无人机作为“飞行数据骡子”实现高效通信。

实验结果

研究问题

• RQ1 如何有效将无人机集成到移动边缘网络中，以增强通信、缓存与计算能力？
• RQ2 在空-地一体化移动边缘网络中，动态信道建模与资源分配的关键挑战是什么？
• RQ3 如何联合优化无人机移动性与能量约束，以提升AGMEN中的网络性能？
• RQ4 无人机在通过视 Line-of-Sight（LoS）链路及延迟容忍转发方面可发挥何种作用？
• RQ5 何种智能调度策略可实现AGMEN中性能、能效与服务质量之间的平衡？

主要发现

• 通过将无人机作为靠近用户的移动边缘服务器部署，AGMEN显著提升了网络容量并降低了端到端时延。
• 随机几何模型与GSMC建模方法有效捕捉了三维环境中A2G与A2A信道的动态性与不确定性。
• 基于Galerkin投影的模式降级方法能够高效求解AGMEN信道优化中的复杂高维不确定性量化问题。
• 基于SDN的控制机制结合CSI反馈，实现了实时自适应路由与资源分配，提升了网络可靠性与吞吐量。
• 联合优化无人机移动性、缓存与任务卸载，可在无人机能量预算受限条件下提升能效与服务性能。
• 通过无人机辅助的数据传输（作为飞行数据骡子）可在稀疏或中断的地面网络中实现可靠通信，尤其在结合移动性预测与D2D通信时效果更佳。