[论文解读] Stochastic Resource Allocation for Semantic Communication-aided Virtual Transportation Networks in the Metaverse

Wei Chong Ng, Hongyang Du+4 more|arXiv (Cornell University)|Aug 31, 2022

Robotics and Automated SystemsEngineering被引用 19

一句话总结

本文提出了一种基于两阶段随机整数规划的随机语义传输方案（SSTS），以在用户需求不确定的情况下最小化元宇宙中虚拟交通网络的运营成本。通过根据现实世界边缘设备的数据动态分配预留和按需语义数据订阅，SSTS 在使用新加坡实际部署数据的仿真中，有效降低了传输、存储和能耗成本，且在性能上优于EVF和随机分配方法。

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.

研究动机与目标

• 为解决由于语义数据用户需求不确定，导致元宇宙虚拟交通网络中数据传输成本高且波动大的挑战。
• 设计一种动态资源分配框架，在需求不确定条件下最小化总运营成本（传输、存储和能耗）。
• 将语义通信与随机优化相结合，用于人工智能驱动的元宇宙应用，特别是在虚拟交通系统中的应用。
• 在不同按需定价和需求概率条件下，评估所提方案与基线方法（如期望值公式法EVF和随机分配法）的性能表现。

提出的方法

• 构建两阶段随机整数规划（SIP）模型，以确定虚拟服务提供商（VSPs）的最优预留与按需订阅计划。
• 利用在新加坡部署的边缘设备获取的真实语义数据，建模用户需求场景及数据相关性评分。
• 在第二阶段引入校正措施，以应对实际需求超过预留容量时的欠订阅问题。
• 采用双层定价机制建模订阅成本：低价预留套餐与高价按次传输的按需费用。
• 求解SIP模型以最小化总成本，在概率性需求场景下平衡固定预留费用与可变按需成本。
• 采用基于场景的方法，使用离散需求概率（如P(λ₁) = 0.2, 0.4）表示各VSP间用户兴趣的不确定性。

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

实验结果

研究问题

• RQ1 如何利用语义通信降低元宇宙虚拟交通网络中的数据传输成本？
• RQ2 在语义数据用户需求不确定的情况下，预留与按需订阅计划之间的最优权衡是什么？
• RQ3 所提出的随机整数规划框架如何适应按需定价和需求概率的变化？
• RQ4 在不同需求条件下，SSTS方案在成本效率上与EVF和随机分配策略相比表现如何？

主要发现

• 当需求概率P(λ₂) = 1（即P(λ₁) = 0）时，两个VSP均仅使用预留计划，达到最低成本，因为对于保证的高需求，预留成本低于按需成本。
• 在P(λ₁) = 0.2时，VSP 1因传输需求较低（200 vs. 300）且预留固定成本较高，从预留转为按需；而VSP 2仍保持预留模式。
• 当P(λ₁) ≥ 0.4时，两个VSP均切换至按需模式，且总成本随P(λ₁)增加而下降，当P(λ₁) = 1（无需求）时，成本降为零。
• 在兴趣多变场景中，当P(λ₁) = 0时，VSP 1从智能手机1（相关性最高）选择11个预留包；随着P(λ₁)增加，为弥补不足，增加至12个预留包。
• 当P(λ₁) = 1时，VSP 1完全切换至从智能手机3获取10个预留包，因其在场景1中的相似度评分最高（0.83）。
• 基于SIP的SSTS始终优于EVF和随机方案，在不同按需价格下保持稳定的成本表现，而EVF和随机方案无法适应成本变化。

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