• 한국산학기술학회논문지
• /
• 제18권10호
• /
• pp.669-674
• /
• 2017

화석 연료의 고갈 및 환경오염의 증가로 인하여 전기 에너지를 사용하는 전기 자동차가 차세대 교통수단으로 주목받고 있으며 전 세계적으로 인기를 끌고 있다. 전기 자동차의 보급률 및 관심이 높아짐에 따라 V2G (Vehicle to Grid) 및 IT 기술을 이용한 충전 인프라에 대한 연구가 활발히 진행되고 있다. 특히, 전기 자동차의 안정적인 충전 및 부하 관리를 위하여 그리드 네트워크와의 통신은 가장 중요한 요소이다. 그러나 기존의 중앙 집중형 인프라 구조의 경우 제어 메시지 요청이 증가할 경우 느린 응답속도로 인하여 충전 인프라가 효율적으로 작동하지 못하는 문제점들이 존재한다. 본 논문에서는 분산형 클라우드 컴퓨팅 기술을 무선 기지국에 적용하여 충전 인프라에 혼잡을 줄이고 지연시간을 줄이기 위해 MEC (Mobile Edge Computing)를 활용한 새로운 전기자동차 충전 인프라 구조를 제안한다. 성능 평가를 통해 본 논문에서 제안한 저 지연시간을 가지는 충전 인프라가 기존에 존재하는 충전 인프라보다 효율적으로 전력 피크 상황에 대처함을 확인하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권2호
• /
• pp.383-403
• /
• 2021

With the development of mobile edge computing (MEC), some late-model application technologies, such as self-driving, augmented reality (AR) and traffic perception, emerge as the times require. Nevertheless, the high-latency and low-reliability of the traditional cloud computing solutions are difficult to meet the requirement of growing smart cars (SCs) with computing-intensive applications. Hence, this paper studies an efficient offloading decision and resource allocation scheme in collaborative vehicular edge computing networks with multiple SCs and multiple MEC servers to reduce latency. To solve this problem with effect, we propose a context-aware offloading strategy based on differential evolution algorithm (DE) by considering vehicle mobility, roadside units (RSUs) coverage, vehicle priority. On this basis, an autoregressive integrated moving average (ARIMA) model is employed to predict idle computing resources according to the base station traffic in different periods. Simulation results demonstrate that the practical performance of the context-aware vehicular task offloading (CAVTO) optimization scheme could reduce the system delay significantly.

• 한국항행학회논문지
• /
• 제27권6호
• /
• pp.770-775
• /
• 2023

최근 디지털 데이터 양의 기하급수적 증가는 데이터 처리 시스템의 중요성을 부각시켰다. 이 연구는 클라우드 컴퓨팅 (CC; cloud computing), 엣지 컴퓨팅 (EC; edge computing), 그리고 UAV (unmanned aerial vehicle) 기반 지능형 에지 컴퓨팅 (UEC; unmanned aerial vehicle-based intelligent edge computing) 간의 성능을 비교하였으며, 특히 회랑감시와 같은 실시간 대용량 데이터 처리 상황에 초점을 맞추었습니다. UAV 기반 지능형 에지 컴퓨팅은 이동성과 특수 환경에서의 대규모 데이터 처리 및 분석에 높은 효과성을 보인다. 이러한 연구 결과를 바탕으로 각 상황에 맞게 최적화된 시스템 선택 방법론을 제안한다.

• 산업과 과학
• /
• 제3권1호
• /
• pp.23-29
• /
• 2024

본 연구에서는 자율 주행을 위한 지능형 교통 시스템(ITS)을 최적화하는 데 있어 엣지 컴퓨팅의 혁신적인 잠재력을 연구하였다. 방대한 양의 데이터를 로컬에서 실시간으로 처리하는 엣지 컴퓨팅의 능력은 신속한 의사 결정 및 향상된 안전 조치를 포함하여 자율주행차의 중요한 요구 사항을 해결하는 데 필수 요소이다. 엣지 컴퓨팅과 기존 ITS 인프라의 통합을 탐구하고, 현지화된 데이터 처리가 대기 시간을 크게 줄여 자율주행차의 반응성을 향상시키는 방법을 강조한다. 실시간 교통 관리, 충돌 방지 시스템 및 동적 경로 최적화를 지원하는 강력한 프레임워크를 집합적으로 형성하는 엣지서버, 센서 및 V2X(Vehicle-to-Everything) 통신 기술의 배포를 검토한다. 또한 본 연구는 보안, 데이터 통합, 시스템 확장성 등 ITS에서 엣지 컴퓨팅을 구현하는 데 있어 가장 중요한 과제를 다루며 잠재적인 솔루션과 향후 연구 방향에 대한 통찰력을 제공한다. 이 논문은 완전 자율 주행이라는 비전을 실현하는 데 있어 엣지 컴퓨팅의 중추적인 역할을 강조하고, 보다 안전하고 효율적이며 지속 가능한 교통 시스템을 달성하는 데 기여하는 논문이다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제18권1호
• /
• pp.211-232
• /
• 2024

In this paper, we consider the resource allocation and offloading decisions of device-to-device (D2D) cooperative UAV-assisted mobile edge computing (MEC) system, where the device with task request is served by unmanned aerial vehicle (UAV) equipped with MEC server and D2D device with idle resources. On the one hand, to ensure the fairness of time-delay sensitive devices, when UAV computing resources are relatively sufficient, an optimization model is established to minimize the maximum delay of device computing tasks. The original non-convex objective problem is decomposed into two subproblems, and the suboptimal solution of the optimization problem is obtained by alternate iteration of two subproblems. On the other hand, when the device only needs to complete the task within a tolerable delay, we consider the offloading priorities of task to minimize UAV computing resources. Then we build the model of joint offloading decision and power allocation optimization. Through theoretical analysis based on KKT conditions, we elicit the relationship between the amount of computing task data and the optimal resource allocation. The simulation results show that the D2D cooperation scheme proposed in this paper is effective in reducing the completion delay of computing tasks and saving UAV computing resources.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제16권11호
• /
• pp.3523-3543
• /
• 2022

Autonomous vehicles are gradually being regarded as the mainstream trend of future development of the automobile industry. Autonomous driving networks generate many intensive and delay-sensitive computing tasks. The storage space, computing power, and battery capacity of autonomous vehicle terminals cannot meet the resource requirements of the tasks. In this paper, we focus on the task scheduling problem of autonomous driving in software-defined edge networks. By analyzing the intensive and delay-sensitive computing tasks of autonomous vehicles, we propose an emotion model that is related to task urgency and changes with execution time and propose an optimal base station (BS) task scheduling (OBSTS) algorithm. Task sentiment is an important factor that changes with the length of time that computing tasks with different urgency levels remain in the queue. The algorithm uses task sentiment as a performance indicator to measure task scheduling. Experimental results show that the OBSTS algorithm can more effectively meet the intensive and delay-sensitive requirements of vehicle terminals for network resources and improve user service experience.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제10권12호
• /
• pp.311-318
• /
• 2021

최근 사물인터넷의 기술이 빠르게 발전하면서 실시간 및 고성능의 처리를 요구하는 서비스들을 위해 멀티 액세스 엣지 컴퓨팅(MEC)이 차세대 기술로 부상하고 있다. 제한적인 서비스 영역을 가지는 MEC 사이에서 사용자들의 잦은 이동성은 MEC 환경에서 다뤄야 할 문제 중 하나이다. 본 논문에서는 이동성이 많은 차량 엣지 컴퓨팅 환경(VEC)을 고려하였으며, 강화 학습 기법의 일종인 DQN을 이용하여 마이그레이션 여부와 대상을 결정하는 태스크 마이그레이션 기법을 제안하였다. 제안한 기법의 목표는 차량 엣지 컴퓨팅 서버(VECS)들의 큐잉 지연시간의 차이를 이용한 로드 밸런싱을 고려하여 QoS 만족도 향상과 시스템의 처리량을 향상시키는 것이다. 제안한 기법을 다른 기법들과의 성능 비교를 통해 QoS 만족도 측면에서 약 14-49%, 서비스 거절률 측면에서는 약 14-38%로 더 좋은 성능을 보임을 확인하였다.

• Journal of Information Processing Systems
• /
• 제17권3호
• /
• pp.489-504
• /
• 2021

By distributing computing tasks among devices at the edge of networks, edge computing uses virtualization, distributed computing and parallel computing technologies to enable users dynamically obtain computing power, storage space and other services as needed. Applying edge computing architectures to Internet of Vehicles can effectively alleviate the contradiction among the large amount of computing, low delayed vehicle applications, and the limited and uneven resource distribution of vehicles. In this paper, a predictive offloading strategy based on the MEC load state is proposed, which not only considers reducing the delay of calculation results by the RSU multi-hop backhaul, but also reduces the queuing time of tasks at MEC servers. Firstly, the delay factor and the energy consumption factor are introduced according to the characteristics of tasks, and the cost of local execution and offloading to MEC servers for execution are defined. Then, from the perspective of vehicles, the delay preference factor and the energy consumption preference factor are introduced to define the cost of executing a computing task for another computing task. Furthermore, a mathematical optimization model for minimizing the power overhead is constructed with the constraints of time delay and power consumption. Additionally, the simulated annealing algorithm is utilized to solve the optimization model. The simulation results show that this strategy can effectively reduce the system power consumption by shortening the task execution delay. Finally, we can choose whether to offload computing tasks to MEC server for execution according to the size of two costs. This strategy not only meets the requirements of time delay and energy consumption, but also ensures the lowest cost.

• ETRI Journal
• /
• 제45권4호
• /
• pp.627-635
• /
• 2023

In vehicular edge computing (VEC) networks, the rapid expansion of intelligent transportation and the corresponding enormous numbers of tasks bring stringent requirements on timely task offloading. However, many tasks typically appear within a short period rather than arriving simultaneously, which makes it difficult to realize effective and efficient resource scheduling. In addition, some key information about tasks could be learned due to the regular data collection and uploading processes of sensors, which may contribute to developing effective offloading strategies. Thus, in this paper, we propose a model that considers the deterministic demand of multiple tasks. It is possible to generate effective resource reservations or early preparation decisions in offloading strategies if some feature information of the deterministic demand can be obtained in advance. We formulate our scenario as a 0-1 programming problem to minimize the average delay of tasks and transform it into a convex form. Finally, we proposed an efficient optimal offloading algorithm that uses the interior point method. Simulation results demonstrate that the proposed algorithm has great advantages in optimizing offloading utility.

• Journal of Platform Technology
• /
• 제11권3호
• /
• pp.3-11
• /
• 2023

실시간 관제 시스템은 IoT, 이동통신과 같은 기반 기술의 발달과 공장관리, 차량 운행 체크 등 실시간성이 중요시되는 서비스가 증가함에 따라 급격히 성장하고 있다. 이 시스템의 시간적 민감성을 높이기 위해 다양한 솔루션이 제시되어 왔으나, 현재 대부분의 실시간 관제 시스템은 관제소 등에 위치한 로컬 서버와 다수의 클라이언트로 구성되어 있고, 이들은 다양한 단계를 거쳐 관제 시스템이 위치한 로컬 서버로 전송되고, 그 대응 역시 동일한 단계를 거쳐 진행되는 등 기존 네트워크 및 시스템의 구조적 한계가 있다. 본 논문에서는 실시간 관제 시스템 중 하나인 버스 정보 시스템이 정보를 수집한 시점에서 사용자에게 해당 정보를 제공하기까지 소모되는 시간을 줄일 수 있는 엣지 컴퓨팅 기반 실시간 관제 모델을 제안하였다. 기존 모델과 엣지 컴퓨팅 모델을 시뮬레이션 한 결과, 엣지 컴퓨팅 모델은 사용자에게 데이터를 전송하기 위한 코스트가 기존 모델에 비해 최소 10% 에서 최대 80%까지 감소함을 확인하였다.