• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.05a
• /
• pp.109-110
• /
• 2020

최근 엣지 컴퓨팅을 활용한 자율주행차 서비스 개발 연구가 진행 중이다. 특히, 최근 개발 중인 차량 엣지 컴퓨팅 기술은 도로 상황 및 교통 정보를 실시간으로 수집하여 빠른 처리를 통해 안정된 차량 및 교통 서비스를 제공할 수 있는 기술로 평가받고 있다. 따라서 본 논문에서는 자율주행차 서비스를 위해 차량 엣지 컴퓨팅 간, 엣지-클라우드간 협업 모델을 제안하고 차량 안전 메시지와 같은 긴급 메시지의 빠른 전달을 위한 초지연 메지시 전달 기법을 제안한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.05a
• /
• pp.66-69
• /
• 2021

최근 실시간 응답 및 처리에 민감한 서비스들이 급증하면서 멀티액세스 엣지 컴퓨팅(MEC)이 차세대 기술로 주목받고 있다. 사용자들의 잦은 이동성 때문에 MEC 서버들 사이에서의 마이그레이션은 중요한 문제로 다뤄진다. 본 논문에서는 이동성이 많은 차량 엣지 컴퓨팅 환경을 고려하였으며, 강화학습 기법인 Q-learning 을 사용하여 마이그레이션 여부 및 대상을 결정하는 기법을 제안하였다. 제안 기법의 목적은 지연 제약조건을 만족시키면서 차량 엣지 컴퓨팅 서버(VECS) 사이의 로드 밸런싱을 최적화하는 것이다. 제안 기법의 성능 비교를 통하여 다른 기법들보다 로드 밸런싱 측면에서 약 22-30%, 지연 제약조건 만족도 측면에서 약 20-31%로 더 좋은 성능을 보임을 확인하였다.

• KIPS Transactions on Computer and Communication Systems
• /
• v.10 no.12
• /
• pp.311-318
• /
• 2021

With the rapid development of the Internet of Things(IoT) technology recently, multi-access edge computing(MEC) is emerged as a next-generation technology for real-time and high-performance services. High mobility of users between MECs with limited service areas is considered one of the issues in the MEC environment. In this paper, we consider a vehicle edge computing(VEC) environment which has a high mobility, and propose a task migration algorithm to decide whether or not to migrate and where to migrate using DQN, as a reinforcement learning method. The objective of the proposed algorithm is to improve the system throughput while satisfying QoS(Quality of Service) requirements by minimizing the difference between queueing delays in vehicle edge computing servers(VECSs). The results show that compared to other algorithms, the proposed algorithm achieves approximately 14-49% better QoS satisfaction and approximately 14-38% lower service blocking rate.

• KIPS Transactions on Computer and Communication Systems
• /
• v.11 no.12
• /
• pp.437-444
• /
• 2022

Recently, research on mobile edge services has been conducted to handle computationally intensive and latency-sensitive tasks occurring in wireless networks. However, MEC, which is fixed on the ground, cannot flexibly cope with situations where task processing requests increase sharply, such as commuting time. To solve this problem, a technology that provides edge services using UAVs (Unmanned Aerial Vehicles) has emerged. Unlike ground MEC servers, UAVs have limited battery capacity, so it is necessary to optimize energy efficiency through load balancing between UAV MEC servers. Therefore, in this paper, we propose a load balancing technique with consideration of the energy state of UAVs and the mobility of vehicles. The proposed technique is composed of task offloading scheme using genetic algorithm and task migration scheme using Q-learning. To evaluate the performance of the proposed technique, experiments were conducted with varying mobility speed and number of vehicles, and performance was analyzed in terms of load variance, energy consumption, communication overhead, and delay constraint satisfaction rate.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.1269-1272
• /
• 2021

급격한 차량 수요의 증가로 인한 주차공간의 부족으로 인력기반 주차관리의 한계점을 이용한 여러 위법 행위가 발생함에 따라 관리자의 정기적인 순찰 및 관리의 필요성이 증가하고 있다. 기존 인력기반 주차관리 시스템은 관리자에게 전적으로 의존하고 있어 관리의 정확도 및 효율성이 비교적 낮다. 본 논문에서는 엣지 컴퓨팅 기반의 클라우드 주차관리 시스템을 제안하며, 이는 효율적인 주차관리를 통한 시간과 노동력 절감에 기여한다. 본 시스템이 제공하는 주요 기능은 다음과 같다. 1) 주차구역 및 주차 차량 정보를 분석하여 입·출차를 관리하고 관리자에게 실시간 주차 현황 정보를 제공한다. 2) 추출된 차량 정보를 바탕으로 부정주차 여부를 감지하여 지정주차 구역 관리를 자동화한다. 3) 관리자에게 시간대별 주차구역 점유율 정보를 제공하여 거주자의 가용 주차공간을 확보한다. 4) 거주자의 선호 주차구역 및 시간대를 파악하여 거주자의 주차 편의성을 제공한다. 위 기능을 통해 기존 주차관리의 비효율성을 개선하고자 한다.

• Journal of Platform Technology
• /
• v.11 no.3
• /
• pp.3-11
• /
• 2023

Real-time control systems are growing rapidly as infrastructure technologies such as IoT and mobile communication develop and services that value real-time such as factory management and vehicle operation checks increase. Various solutions have been proposed to increase the time sensitivity of this system, but most real-time control systems are currently composed of local servers and multiple clients located in control stations, which are transmitted to local servers where control systems are located. In this paper, we proposed an edge computing-based real-time control model that can reduce the time it takes for the bus information system, one of the real-time control systems, to provide the information to the user at the time it collects the information. Simulating the existing model and the edge computing model, the edge computing model confirmed that the cost for users to receive data is reduced from at least 10% to up to 80% compared to the existing model.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.144-146
• /
• 2022

차량 환경에서 발생하는 계산 집약적인 태스크가 증가하면서 모바일 엣지 컴퓨팅(MEC, Mobile Edge Computing)의 필요성이 높아지고 있다. 하지만 지상에 존재하는 MEC 서버는 출퇴근 시간과 같이 태스크가 일시적으로 급증하는 상황에 유동적으로 대처할 수 없으며, 이러한 상황을 대비하기 위해 지상 MEC 서버를 추가로 설치하는 것은 자원의 낭비를 불러온다. 최근 이 문제를 해결하기 위해 UAV(Unmanned Aerial Vehicle)기반 MEC 서버를 추가로 사용해 엣지 서비스를 제공하는 연구가 진행되고 있다. 그러나 UAV MEC 서버는 지상 MEC 서버와 달리 한정적인 배터리 용량으로 인해 서버 간 로드밸런싱을 통해 에너지 사용량을 최소화 하는 것이 필요하다. 본 논문에서는 UAV MEC 서버의 에너지 사용량을 고려한 마이그레이션 기법을 제안한다. 또한 GRU(Gated Recurrent Unit) 모델을 활용한 트래픽 예측을 바탕으로 한 마이그레이션을 통해 지연시간을 최소화할 수 있도록 한다. 제안 시스템의 성능을 평가하기 위해 MEC의 마이그레이션 시점을 결정하는 기준점와 차량의 밀도에 따라 실험을 진행하고, 서버의 로드 편차, UAV MEC 서버의 에너지 사용량 그리고 평균 지연 시간 측면에서 성능을 분석한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2017.04a
• /
• pp.1224-1227
• /
• 2017

포그 컴퓨팅 기술은 물리적 환경과 빈번하게 상호작용이 일어나는 사이버-물리 시스템에서 네트워크의 엣지에 있는 시스템이 컴퓨팅 작업을 수행하도록 함으로써 지역의 데이터를 실시간으로 수집하고 처리할 수 있다. 본 논문에서는 스쿨존내에서 안전을 높이기 위한 횡단보도의 신호등에 포그 컴퓨팅 기술을 적용한다. 신호등 시스템은 횡단보도에 접근하는 자동차를 인지하고, 위험 상황을 미리 방지하기 위해 자동차를 제어할 수 있다. 실험을 위해 사물인터넷 기술을 이용해 소형 테스트베드를 만들었으며, 신호 정보를 변화시키며 실험을 수행한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.100-103
• /
• 2021

5G 의 발전과 함께 차량과 IT 통신 기술을 융합한 어플리케이션들이 급증하면서 멀티 액세스 엣지 컴퓨팅(MEC)이 차세대 기술로 등장했다. 낮은 지연시간 안에 계산 집약적인 서비스들을 제공하기 위해 단독적인 MECS 서버(MECS)에서의 수행이 아닌 다수의 MECS 에서 동시에 연산을 수행할 수 있도록 태스크를 파티셔닝하는 기법이 주목받고 있다. 특히 차량이 다수의 MECS 로 태스크를 파티셔닝하여 오프로딩하는 기법과 하나의 MECS 로 오프로딩한 후 다른 MECS 들로 파티셔닝하여 마이그레이션하는 기법들이 연구되고 있다. 본 논문에서는 오프로딩과 마이그레이션을 이용한 파티셔닝 기법들을 서비스 지연시간과 차량의 에너지 소비량 측면에서 성능을 비교 분석을 하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.05a
• /
• pp.52-55
• /
• 2022

5G 시대에 스마트 모바일 기기가 기하급수적으로 증가하면서 멀티 액세스 엣지 컴퓨팅(MEC)이 유망한 기술로 부상했다. 낮은 지연시간 안에 계산 집약적인 서비스를 제공하기 위해 MEC 서버로 오프로딩하는 특히, 태스크 도착률과 무선 채널의 상태가 확률적인 MEC 시스템 환경에서의 오프로딩 연구가 주목받고 있다. 본 논문에서는 차량의 전력과 지연시간을 최소화하기 위해 로컬 실행을 위한 연산 자원과 오프로딩을 위한 전송 전력을 할당하는 심층 강화학습 기반의 오프로딩 기법을 제안하였다. Deep Deterministic Policy Gradient (DDPG) 기반 기법과 Deep Q-network (DQN) 기반 기법을 차량의 전력 소비량과 큐잉 지연시간 측면에서 성능을 비교 분석하였다.