KR101924628B1 - 트래픽 오프로딩을 제어하기 위한 장치 및 방법 - Google Patents

트래픽 오프로딩을 제어하기 위한 장치 및 방법 Download PDF

Info

Publication number
KR101924628B1
KR101924628B1 KR1020180119965A KR20180119965A KR101924628B1 KR 101924628 B1 KR101924628 B1 KR 101924628B1 KR 1020180119965 A KR1020180119965 A KR 1020180119965A KR 20180119965 A KR20180119965 A KR 20180119965A KR 101924628 B1 KR101924628 B1 KR 101924628B1
Authority
KR
South Korea
Prior art keywords
application
offloading
electronic device
probability
traffic
Prior art date
Application number
KR1020180119965A
Other languages
English (en)
Inventor
김재현
천혜림
Original Assignee
아주대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 아주대학교 산학협력단 filed Critical 아주대학교 산학협력단
Priority to KR1020180119965A priority Critical patent/KR101924628B1/ko
Application granted granted Critical
Publication of KR101924628B1 publication Critical patent/KR101924628B1/ko
Priority to PCT/KR2019/013202 priority patent/WO2020076056A1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/56—Provisioning of proxy services
    • H04L67/59—Providing operational support to end devices by off-loading in the network or by emulation, e.g. when they are unavailable
    • H04L67/2861—
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
    • H04L69/40—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass for recovering from a failure of a protocol instance or entity, e.g. service redundancy protocols, protocol state redundancy or protocol service redirection
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/08—Load balancing or load distribution

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Security & Cryptography (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

기지국의 트래픽 오프로딩 제어 장치에 의해 수행되는 트래픽 오프로딩 방법을 제안된다. 트래픽 오프로딩 방법은, 기지국에 접속된 전자기기에서 실행된 어플리케이션을 통해 전자기기의 사용자와 데이터를 공유하는 관계인 인접 관계에 있는 어플리케이션의 다른 사용자들의 수를 나타내는 전자기기의 사용자의 네트워크 중심도를 획득하는 단계, 획득된 네트워크 중심도에 기초하여, 전자기기에서 어플리케이션이 실행될 확률을 산출하는 단계 및 산출된 확률에 따라 결정되는 전자기기에서 어플리케이션으로부터 발생하는 트래픽의 오프로딩 확률에 따라 트래픽의 오프로딩을 수행하는 단계를 포함할 수 있다.

Description

트래픽 오프로딩을 제어하기 위한 장치 및 방법{Apparatus and Method for controlling traffic offloading}
사용자의 사용 정보 등을 이용하여 트래픽의 오프로딩을 제어함으로써 코어 네트워크의 부하를 감소시키고 네트워크의 효율성을 증가시키기 위한 장치 및 방법에 관한 것이다.
이동통신 기술의 발전과 스마트 모바일 기기의 확산은 모바일 트래픽의 폭발적인 증가를 가져왔으며, 이로 인해 코어망의 부하가 가중되고 있다. 한편, 이러한 모바일 트래픽 중 두 번째로 많은 트래픽이 소셜 네트워킹 서비스(social networking service: SNS)로 인해 발생되고 있다.
따라서, 사용자의 소셜 컨텍스트(social context)를 활용하여 코어망 부하를 감소시키면서 사용자의 QoE(quality of user experience)를 증가시키기 위한 트래픽의 오프로딩이 필요하다. 하지만, 소셜 컨텍스트를 활용하기 위해서는 복잡한 계산이 필요하기 때문에, 코어망을 거쳐 인터넷 상의 클라우드에서 이를 처리하는 기존 클라우드 컴퓨팅 구조에서는 상당한 지연이 발생할 수 있다.
본 개시는 상기 문제점을 해결하기 위하여 사용자의 소셜 컨텍스트를 활용하여 코어망의 부하를 감소시키면서 네트워크 성능을 향상시키기 위한 오프로딩 방식을 제안한다. 본 실시 예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 이하의 실시 예들로부터 또 다른 기술적 과제들이 유추될 수 있다.
일 측면에 따른, 기지국의 오프로딩 제어 장치에 의해 수행되는 오프로딩 방법은, 기지국에 접속된 I 개의 전자기기들 및 I 개의 전자기기들 중 적어도 하나의 전자기기에서 실행된 J 개의 어플리케이션들간의 P(P는 IXJ)개의 전자기기-어플리케이션 조합들 각각에 대하여, J 개의 어플리케이션들 중 적어도 일부를 통하여, 제 i(i는 각각의 전자기기 및 대응하는 사용자를 식별하기 위한 인덱스로서, 1<= i <=I인 정수) 전자기기의 제 i 사용자와 데이터를 공유하는 관계인 인접 관계에 있는 다른 사용자들의 수를 나타내는 제 i 사용자의 네트워크 중심도를 획득하는 단계, 제 i 전자기기에서 제 j 어플리케이션의 실행 빈도를 포함하는 이력 정보 및 획득된 제 i 사용자의 네트워크 중심도에 기초하여, 제 i 전자기기에서 제 j(j는 각각의 어플리케이션을 식별하기 위한 인덱스로서, 1<= j <=J인 정수) 어플리케이션이 실행될 확률을 산출하는 단계, 및 제 i 전자기기에서 제 j 어플리케이션이 실행될 확률에 기초하여 결정된 제 p(p는 각각의 전자기긱-어플리케이션 조합을 식별하기 위한 인덱스로서, 1<=p<=P인 정수) 전자기기-어플리케이션 조합과 관련된 트래픽의 오프로딩 확률에 따라, 트래픽의 오프로딩을 수행하는 단계를 포함할 수 있다.
도 1은 일 실시 예에 따른 트래픽(traffic)의 오프로딩(offloading)을 개괄적으로 설명하기 위한 도면이다.
도 2는 일 실시 예에 따른 오프로딩을 제어하는 장치의 블록도이다.
도 3은 일 실시 예에 따른 오프로딩을 제어하는 장치가 오프로딩을 제어하는 방법의 흐름도이다.
도 4는 일 실시 예에 따른 오프로딩 제어 장치가 복수의 전자기기-어플리케이션 조합들에 대한 트래픽 오프로딩을 제어하는 방법의 흐름도이다.
도 5는 일 실시 예에 따른 오프로딩 제어 장치가 근사화된 네트워크 성능 함수를 이용하여 오프로딩 확률 조합을 결정하는 방법의 흐름도이다.
이하, 본원의 다양한 실시 예가 첨부된 도면을 참조하여 기재된다. 그러나, 이는 본원에 기재된 기술을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본원 실시예의 다양한 변경(modifications), 균등물(equivalents), 및/또는 대체물(alternatives)을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다.
본원에서, "가진다," "가질 수 있다," "포함한다," 또는 "포함할 수 있다" 등의 표현은 해당 특징(예: 수치, 기능, 동작, 또는 부품 등의 구성요소)의 존재를 가리키며, 추가적인 특징의 존재를 배제하지 않는다.
본원에서, "A 또는 B," "A 또는/및 B 중 적어도 하나," 또는 "A 또는/및 B 중 하나 또는 그 이상"등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. 예를 들면, "A 또는 B," "A 및 B 중 적어도 하나," 또는 "A 또는 B 중 적어도 하나"는, (1) 적어도 하나의 A를 포함, (2) 적어도 하나의 B를 포함, 또는 (3) 적어도 하나의 A 및 적어도 하나의 B 모두를 포함하는 경우를 모두 지칭할 수 있다.
본원에서 사용된 "제 1," "제 2," "첫째," 또는 "둘째,"등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다. 예를 들면, 제 1 사용자 기기와 제 2 사용자 기기는, 순서 또는 중요도와 무관하게, 서로 다른 사용자 기기를 나타낼 수 있다. 예를 들면, 본 문서에 기재된 권리 범위를 벗어나지 않으면서 제 1 구성요소는 제 2 구성요소로 명명될 수 있고, 유사하게 제 2 구성요소도 제 1 구성요소로 바꾸어 명명될 수 있다.
본원에서 사용된 표현 "~하도록 구성된(또는 설정된)(configured to)"은 상황에 따라, 예를 들면, "~에 적합한(suitable for)," "~하는 능력을 가지는(having the capacity to)," "~하도록 설계된(designed to)," "~하도록 변경된(adapted to)," "~하도록 만들어진(made to)," 또는 "~를 할 수 있는(capable of)"과 바꾸어 사용될 수 있다. 용어 "~하도록 구성된(또는 설정된)"은 하드웨어적으로 "특별히 설계된(specifically designed to)" 것만을 반드시 의미하지 않을 수 있다. 대신, 어떤 상황에서는, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들면, 문구 "A, B, 및 C를 수행하도록 구성된(또는 설정된) 프로세서"는 해당 동작을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(generic-purpose processor)(예: CPU 또는 application processor)를 의미할 수 있다. 본원에서 제어부는 하나 이상의 프로세서를 의미한다.
본원에서 사용된 용어들은 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 다른 실시예의 범위를 한정하려는 의도가 아닐 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 용어들은 본 문서에 기재된 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가질 수 있다. 본원에서 사용된 용어들 중 일반적인 사전에 정의된 용어들은, 관련 기술의 문맥상 가지는 의미와 동일 또는 유사한 의미로 해석될 수 있으며, 본 문서에서 명백하게 정의되지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. 경우에 따라서, 본원에서 정의된 용어일지라도 본원의 실시 예들을 배제하도록 해석될 수 없다.
도 1은 일 실시 예에 따른 트래픽(traffic)의 오프로딩(offloading)을 개괄적으로 설명하기 위한 도면이다.
모바일 엣지 컴퓨팅(mobile edge computing)은 온라인 서비스 및 컨텐츠를 사용자 단말기(101, 102, 103)에 근접시킴으로써, 서비스의 제공 속도를 증가시키고 코어망의 부하를 완화한다.
무선 네트워크의 엣지인 기지국을 컨텐츠 및 서비스 사업자에게 개방함으로써, 기지국 상에 응용 서버가 네트워크 트래픽을 제어할 수 있다. 이러한 응용 서버를 이하 엣지 서버라 한다.
엣지 서버(100)는 엣지 서버(100)가 제어하는 기지국(110) 내에 위치한 사용자 단말기(101, 102, 103)와 관련된 트래픽을 제어할 수 있다. 즉, 엣지 서버(100)는 사용자 단말기(101, 102, 103)를 통한 온라인 서비스 이용으로 야기되는 네트워크 상의 트래픽 량을 제어할 수 있다.
예를 들어, 기지국(110)은 소형셀(small cell) 기지국일 수 있다. 소형셀 기지국이란 수 킬로미터(km) 정도의 광대역 커버리지를 지원하는 매크로셀과 구별하여, 수십/수백 m 정도의 출력 커버리지를 갖는 기지국을 말한다.
소형셀 기지국(110)은 셀의 크기와 용도에 따라 Residential Femtocell, Enterprise형 Picocell, 도심이나 시골지역에서 사용하는 Metrocell과 Microcell 등으로 구분된다.
소형셀은 기존의 상대적으로 큰 커버리지(coverage)를 갖는 셀, 예를 들어, 매크로 셀(Macro cell)의 단점을 보완하여, 공공장소, 인구 밀집 지역 등에서 효과적인 트래픽 수용 기술로 등장하고 있으며, 매크로 셀과의 간섭제어 및 협력전송에 의하여 용량 증대 효과를 가져온다. 예를 들어, 소형셀은 Home eCodeB 또는 fetom Cell과 같은 개념로서 사용되었으나, 이에 제한되지 아니한다.
장소 및 용도에 따라 소형셀은 독립적으로 구축될 수도 있고, 무선라디오 유닛과 베이스밴드 유닛이 분리된 Cloud RAN 구조로 구축될 수도 있을 것이다.
Cloud(or centralized) RAN 구조와 관련하여, ALU(Alcatel Lucent)의 Light Radio, China Mobile, ZTE, HUAWEI 등의 C-RAN, NSN의 LightNet, IBM의 Cloud 기반의 WiMAX, Ericsson의 LTE 기반의 Cloud RAN 등이 현재 PoC(Proof-of-Concept) Level에서 검증되었다. Cloud RAN 구조의 경우 현재는 RRH(Remote Radio Head)와 DU(Digital Unit)가 분리되며, 4G와 5G 이동통신을 위한 무선 액세스 가상화는 유연한 자원의 사용, 다양한 무선액세스의 지원, 스펙트럼의 다양화 등이 진행된다.
소형셀의 밀집화된 배치와 함께 고려해야 하는 무선 액세스 망구조 중 하나는 HetNet이다. 5G 이동통신에서 소형셀은 음영지역이나, 도심 밀집지역의 트래픽이 폭주하는 지역에 사용될 가능성이 높으며, 매크로 기지국과 함께 HetNet 구조를 이루게 될 것이다. HetNet 환경에서의 간섭제어, 협력전송 등의 기법이 연구된다.
5G 이동통신에서 소형셀을 고려한 무선 액세스 망구조는 HetNet 구조를 가정한 무선 액세스 가상화, RF, L1, L2, L3 각 프로토콜 계층에서의 분산과 중앙집중 제어를 고려한 가상화 구조, 다양한 무선전송 방식에 유연한 가상화 구조, 통합된 무선 자원 제어가 가능한 구조들에 대한 연구가 진행될 수 있다.
한편, 소설 네트워킹, 컨텐츠 공유 등과 관련된 어플리케이션의 사용이 증가함에 따라, 네트워크를 통한 데이터 이동량이 폭발적으로 증가하였다. 모바일 데이터 트래픽 량이 증가함에 따라, 네트워크의 용량 한계로 인한 오버로딩이 발생할 수 있다. 이를 해결하기 위한 방법으로, 오프로딩 기술이 제안된다.
도 1을 참조하면, 오프로딩이 수행되지 않는 경우, 엣지 서버(100)는 사용자 단말기가 속한 기지국(110), 예를 들어, 소형셀 기지국(110)의 백홀망으로부터 코어 네트워크(170)을 거쳐 컨텐츠 제공자 서버의 백홀망을 연결하는 코어 네트워크 트래픽(160)을 형성한다.
반면, 엣지 서버(100)가 오프로딩 트래픽을 결정한 경우, 엣지 서버(100)는, 코어망을 거치지 않고, 소형셀 기지국(110)과 직접 컨텐츠 제공자의 서버(1401)의 백홀망 또는 인터넷(140)을 연결하는 오프로딩 트래픽(150)을 형성한다.
엣지 서버(100)는 사용자 단말기에서 선택된 어플리케이션의 사용 빈도나 소셜 네트워킹 등의 어플리케이션에 있어서 사용자 단말기(101, 102, 103)에 대응하는 소셜 네트워크 가입자들(131, 132, 133) 각각의 중요도를 고려하여, 사용자 단말기(101, 102, 103)의 오프로딩 여부를 결정할 수 있다.
도 1을 참조하면, 소형셀 기지국(110)에 속한 복수의 사용자들 중 사용자 (132)가 다른 사용자들(131, 133)과의 연결 정도가 높은 경우, 엣지 서버(100)는 사용자(132)와 관련된 모바일 디바이스(102)에서 발생하는 트래픽에 대하여 오프로딩을 수행하기로 결정할 수 있다.
이하 도면을 참조하여 엣지 서버(100)를 포함하는 오프로딩 제어 장치에 의해 수행되는 오프로딩 제어 방식에 대하여 설명하도록 한다.
도 2는 일 실시 예에 따른 오프로딩을 제어하는 장치(200)의 블록도이다.
장치(200)는 제어부(210), 통신부(220) 및 메모리(230)를 포함할 수 있다.
장치(200)는 메모리(230)에 프로그램 코드를 저장할 수 있다.
제어부(210)는 시스템 버스를 통해 메모리(230)에서 불러들인 프로그램 코드를 실행함으로써 트래픽의 오프로딩을 제어하는 동작을 처리할 수 있다.
예를 들어, 통신부(220)는 Wi-Fi, 근거리 무선 통신 등 무선 통신 장치를 포함하고, 장치(200)는 통신부(220)를 통하여 외부 기기와 데이터를 송수신할 수 있다. 또는, 통신부(220)는 데이터 통신 케이블을 이용하여 다른 기기와 유선 통신을 지원하는 장치를 포함할 수 있으나 이에 제한되지 아니한다.
메모리(230)는 로컬 메모리 또는 하나 이상의 대용량 저장 장치들(bulk storage devices)과 같은 하나 이상의 물리적 메모리 장치들을 포함할 수 있다. 이 때, 로컬 메모리는 RAM(Random Access Memory) 또는 프로그램 코드를 실제로 실행하는 동안 일반적으로 사용되는 다른 휘발성 메모리 장치를 포함할 수 있다. 대용량 저장 장치는 HDD(Hard Disk Drive), SSD(Solid State Drive) 또는 다른 비휘발성 메모리 장치로 구현될 수 있다. 또한, 장치(200)는 압축 동작을 수행하는 동안에 대용량 저장 장치들에서 프로그램 코드를 검색하는 횟수를 줄이기 위해, 적어도 일부 프로그램 코드의 임시 저장 공간을 제공하는, 하나 이상의 캐시 메모리들(미도시)을 포함할 수 있다.
메모리(230)에 저장된 실행 가능한 프로그램 코드가 장치(200)에 의해 실행됨에 따라, 제어부(210)에 의해 본 개시에 기재된 다양한 동작들을 수행할 수 있다. 예를 들어, 메모리(230)는 제어부(210)가 도 3 내지 5에 기재된 하나 이상의 동작을 수행하도록 하기 위한 프로그램 코드를 저장할 수 있다.
구현되는 장치의 특정 유형에 따라, 장치(200)는 도시된 구성 요소보다 적은 구성 요소들 또는 도 2에 도시되지 않은 추가적인 구성 요소들을 포함할 수 있다. 또한, 하나 이상의 구성 요소들은 다른 구성 요소에 포함될 수 있고, 그렇지 않으면 다른 구성 요소의 일부를 형성할 수 있다.
단계 310에서, 제어부(210)는 기지국에 접속된 전자기기에서 실행된 어플리케이션을 통해 전자기기의 사용자와 데이터를 공유하는 관계인 인접 관계에 있는 어플리케이션의 다른 사용자들의 수를 나타내는 전자기기의 사용자의 네트워크 중심도를 획득할 수 있다.
인접 관계란 사용자가 어플리케이션을 통하여 상호간 컨텐츠를 공유하는 관계를 나타낼 수 있다. 예를 들어, 소셜 네트워크에서 "친구" 관계, "1촌" 관계 또는 "팔로윙/팔로워" 등의 관계를 나타낼 수 있다.
일 실시 예에 따라, 제어부(210)는 인접 관계에 대한 정보를 기지국에 접속된 복수의 단말기들 각각으로부터 획득할 수 있다. 예를 들어, 제어부(210)는 복수의 단말기들 각각에서 어플리케이션이 실행될 때마다 복수의 전자기기에 저장되는 로그로부터 인접 관계에 대한 정보를 획득할 수 있다.
또는, 제어부(210)는 전자단말기가 접속하는 어플리케이션을 관리하는 서버와 통신을 통하여 어플리케이션과 관련된 인접 관계에 대한 정보를 획득할 수 있다.
예를 들어, 인접 관계에 대한 정보는 각각의 어플리케이션에 대하여 별도로 정의될 수 있다.
또는, 제어부(210)는 복수의 서로 다른 어플리케이션들 중 적어도 일부의 어플리케이션에서 인접 관계가 있는지 여부를 고려하여, 사용자의 인접 관계를 결정할 수 있다.
예를 들어, 기지국의 커버리지(coverage)에는 복수의 전자 기기가 속할 수 있다. 이 때, 복수의 전자기기는 기지국에 접속하여 인터넷이나 외부 서버와 통신 네트워크를 형성할 수 있다. 또한, 제어부(210)는 기지국에 접속된 복수의 전자 기기들 중 적어도 일부에서 실행되어 트래픽을 발생시키는 복수의 어플리케이션들을 결정할 수 있다. 이 때, 제어부(210)는 결정된 복수의 어플리케이션들의 트래픽을 관리할 수 있다. 또는, 제어부(210)는 미리 결정된 개수의 복수의 어플리케이션들의 트래픽을 관리할 수 있다.
인접 관계는 사용자와의 관계에서 결정될 수 있다. 예를 들어, 기지국에 접속한 복수의 전자기기들 각각마다 별도의 사용자가 대응될 수 있다. 예를 들어, 일 어플리케이션에 대한 계정을 가진 복수의 사용자 각각이 대응하는 복수의 전자기기 각각을 통하여 어플리케이션을 실행할 수 있다.
다른 예로서, 복수의 전자기기들 중 두 개 이상의 전자기기들을 통하여 일 사용자가 동일한 어플리케이션이나 두 개 이상의 서로 다른 어플리케이션들 각각을 실행할 수 있다. 해당 실시 예에서, 두 개 이상의 전자기기를 독립적인 전자기기라 가정하며, 해당 두 개 이상의 전자기기에 대응하는 일 사용자를 각각의 전자기기에 대응하는 독립적 사용자라 가정하고 본원 개시의 실시 예가 적용될 수 있다.
단계 320에서 제어부(210)는 획득된 네트워크 중심도에 기초하여, 전자기기에서 어플리케이션이 실행될 확률을 산출할 수 있다.
예를 들어, 전자기기를 통해 어플리케이션을 실행하는 사용자의 네트워크 중심도가 클수록, 전자기기를 통해 어플리케이션을 실행할 확률을 높게 결정할 수 있다. 확률적으로, 사용자의 네트워크 중심도가 클수록 어플리케이션을 통하여 트래픽을 발생시키는 데이터의 공유가 수행될 가능성이 높을 수 있다.
예를 들어, 네트워크 중심도는 복수의 어플리케이션들을 통합적으로 고려하여 결정될 수 있다. 이 경우, 어플리케이션의 실행 확률을 산출하기 위해 이용되는 네트워크 중심도는 복수의 어플리케이션들에 대하여 동일할 수 있다.
다른 일 예로서, 네트워크 중심도는 복수의 어플리케이션들 각각에 대하여 독립적으로 결정될 수 있다. 이 경우, 어플레케이션의 실행 확률을 산출하기 위해 이용되는 네트워크 중심도는 복수의 어플리케이션들 각각에 대하여 독립적으로 결정될 수 있다.
또한, 제어부(210)는 전자기기에서 어플리케이션이 실행된 횟수에 관한 이력 정보에 기초하여 어플리케이션이 실행될 확률을 산출할 수 있다.
인접 관계에 대한 정보와 마찬가지로, 제어부(210)는 전자기기에 저장된 어플리케이션이 실행된 횟수에 관한 이력정보를 전자기기로부터 획득할 수 있다. 다른 일 예로서, 제어부(210)는 어플리케이션에 대응하는 서버로부터 전자기기로부터 실행된 횟수를 포함하는 이력 정보를 획득할 수 있다.
예를 들어, 제어부(210)는 전자기기에서 해당 어플리케이션이 실행된 횟수가 많을수록 어플리케이션이 실행될 확률을 높게 결정할 수 있다.
또한, 제어부(210)는 전자기기에 대응하는 사용자의 네트워크 중심도 및 전자기기에서 해당 어플리케이션이 실행된 횟수를 고려하여 어플리케이션이 실행될 확률을 결정할 수 있다.
단계 330에서, 제어부(210)는 산출된 확률에 따라 결정되는 전자기기에서 어플리케이션으로부터 발생하는 트래픽의 오프로딩 확률에 따라 트래픽의 오프로딩을 수행할 수 있다.
제어부(210)는 전자기기에서 실행되는 어플리케이션으로부터 발생하는 트래픽의 오프로딩 확률을 상기 기지국과 관련된 로컬 네트워크 및 코어 네트워크의 성능을 최대화 하도록 결정할 수 있다.
제어부(210)는 전자기기에서 어플리케이션이 실행될 확률에 기초하여 오프로딩 확률의 범위를 결정할 수 있다.
예를 들어, 전자기기에서 실행되는 복수의 어플리케이션들 중 일 어플리케이션이 실행될 확률의 비중이 큰 경우, 전자기기에서 해당하는 일 어플리케이션의 오프로딩 확률의 범위를 상대적으로 높은 확률의 범위로 결정할 수 있다. 예를 들어, 전자기기에서 실행되는 복수의 어플리케이션들 중 일 어플리케이션이 실행될 확률의 비중이 큰 경우, 해당하는 일 어플리케이션의 오프로딩 확률의 범위의 상한을 높게 결정할 수 있다.
또한, 제어부(210)는 기지국과 관련된 로컬 네트워크 및 코어 네트워크의 트래픽 부하 정도를 고려하여 오프로딩 확률의 범위를 결정할 수 있다.
예를 들어, 제어부(210)는 기지국과 관련된 로컬 네트워크의 트래픽 부하 정도에 대한 코어 네트워크의 트래픽 부하 정도가 클수록 오프로딩 확률의 범위를 높은 범위를 결정할 수 있다. 예를 들어, 제어부(210)는 기지국과 관련된 로컬 네트워크의 트래픽 부하 정도에 대한 코어 네트워크의 트래픽 부하 정도가 클수록 오프로딩 확률의 범위의 하한을 높게 결정할 수 있다.
예를 들어 트래픽의 부하 정도는 이용률(utilization)에 기초하여 결정될 수 있다. 이용률은 네트워크의 지원 가능한 트래픽 용량 중 어플리케이션에 의해 발생한 트래픽 량을 나타낼 수 있다.
제어부(210)는 기지국과 관련된 로컬 네트워크 및 코어 네트워크의 이용률을 고려하여 오프로딩 확률의 범위를 결정할 수 있다. 예를 들어, 제어부(210)는 로컬 네트워크의 이용률과 코어 네트워크의 이용률의 합에서 로컬 네트워크의 이용률의 비율을 고려하여 어플리케이션의 오프로딩 확률의 범위를 결정할 수 있다. 예를 들어, 제어부(210)는 로컬 네트워크의 이용률과 코어 네트워크의 이용률의 합에서 로컬 네트워크의 이용률의 비율이 클수록 오프로딩 확률의 범위의 하한을 높게 결정할 수 있다.
제어부(210)는 데이터율의 속도가 증가하고, 전송 지연이 감소하며 패킷 에러 손실률이 감소할수록 증가하는 네트워크 성능이 최대화 되도록 오프로딩 확률을 결정할 수 있다.
예를 들어, 제어부(210)는 오프로딩 확률에 대응하는 데이터율의 예측치, 전송 지연의 예측치 및 패킷 에러손실률의 예측치에 따라 결정되는 네트워크 성능 함수 값이 최대가 되도록, 오프로딩 확률을 결정할 수 있다.
도 3은 일 실시 예에 따른 오프로딩을 제어하는 장치가 오프로딩을 제어하는 방법의 흐름도이다.
도 3의 방법은 오프로딩 관리 장치(도 2의 200)에 의해 수행될 수 있다.
단계 310에서, 장치는 기지국에 접속된 전자기기에서 실행된 어플리케이션을 통해 전자기기의 사용자와 데이터를 공유하는 관계인 인접 관계에 있는 어플리케이션의 다른 사용자들의 수를 나타내는 전자기기의 사용자의 네트워크 중심도를 획득할 수 있다.
일 실시 예에 따라, 장치는 인접 관계에 대한 정보를 기지국에 접속된 복수의 단말기들 각각으로부터 획득할 수 있다. 예를 들어, 장치는 복수의 단말기들 각각에서 어플리케이션이 실행될 때마다 복수의 전자기기에 저장되는 로그로부터 인접 관계에 대한 정보를 획득할 수 있다.
또는, 장치는 전자단말기가 접속하는 어플리케이션을 관리하는 서버와 통신을 통하여 어플리케이션과 관련된 인접 관계에 대한 정보를 획득할 수 있다.
예를 들어, 인접 관계에 대한 정보는 각각의 어플리케이션에 대하여 별도로 정의될 수 있다.
또는, 장치는 복수의 서로 다른 어플리케이션들 중 적어도 일부의 어플리케이션에서 인접 관계가 있는지 여부를 고려하여, 사용자의 인접 관계를 결정할 수 있다.
예를 들어, 기지국의 커버리지(coverage)에는 복수의 전자 기기가 속할 수 있다. 이 때, 복수의 전자기기는 기지국에 접속하여 인터넷이나 외부 서버와 통신 네트워크를 형성할 수 있다. 또한, 장치는 기지국에 접속된 복수의 전자 기기들 중 적어도 일부에서 실행되어 트래픽을 발생시키는 복수의 어플리케이션들을 결정할 수 있다. 이 때, 장치는 결정된 복수의 어플리케이션들의 트래픽을 관리할 수 있다. 또는, 장치는 미리 결정된 개수의 복수의 어플리케이션들의 트래픽을 관리할 수 있다.
인접 관계는 사용자와의 관계에서 결정될 수 있다. 예를 들어, 기지국에 접속한 복수의 전자기기들 각각마다 별도의 사용자가 대응될 수 있다. 예를 들어, 일 어플리케이션에 대한 계정을 가진 복수의 사용자 각각이 대응하는 복수의 전자기기 각각을 통하여 어플리케이션을 실행할 수 있다.
다른 예로서, 복수의 전자기기들 중 두 개 이상의 전자기기들을 통하여 일 사용자가 동일한 어플리케이션이나 두 개 이상의 서로 다른 어플리케이션들 각각을 실행할 수 있다. 해당 실시 예에서, 두 개 이상의 전자기기를 독립적인 전자기기라 가정하며, 해당 두 개 이상의 전자기기에 대응하는 일 사용자를 각각의 전자기기에 대응하는 독립적 사용자라 가정하고 본원 개시의 실시 예가 적용될 수 있다.
단계 320에서 장치는 획득된 네트워크 중심도에 기초하여, 전자기기에서 어플리케이션이 실행될 확률을 산출할 수 있다.
예를 들어, 전자기기를 통해 어플리케이션을 실행하는 사용자의 네트워크 중심도가 클수록, 전자기기를 통해 어플리케이션을 실행할 확률을 높게 결정할 수 있다. 확률적으로, 사용자의 네트워크 중심도가 클수록 어플리케이션을 통하여 트래픽을 발생시키는 데이터의 공유가 수행될 가능성이 높을 수 있다.
예를 들어, 네트워크 중심도는 복수의 어플리케이션들을 통합적으로 고려하여 결정될 수 있다. 이 경우, 어플리케이션의 실행 확률을 산출하기 위해 이용되는 네트워크 중심도는 복수의 어플리케이션들에 대하여 동일할 수 있다.
다른 일 예로서, 네트워크 중심도는 복수의 어플리케이션들 각각에 대하여 독립적으로 결정될 수 있다. 이 경우, 어플레케이션의 실행 확률을 산출하기 위해 이용되는 네트워크 중심도는 복수의 어플리케이션들 각각에 대하여 독립적으로 결정될 수 있다.
또한, 장치는 전자기기에서 어플리케이션이 실행된 횟수에 관한 이력 정보에 기초하여 어플리케이션이 실행될 확률을 산출할 수 있다.
인접 관계에 대한 정보와 마찬가지로, 장치는 전자기기에 저장된 어플리케이션이 실행된 횟수에 관한 이력정보를 전자기기로부터 획득할 수 있다. 다른 일 예로서, 장치는 어플리케이션에 대응하는 서버로부터 전자기기로부터 실행된 횟수를 포함하는 이력 정보를 획득할 수 있다.
예를 들어, 장치는 전자기기에서 해당 어플리케이션이 실행된 횟수가 많을수록 어플리케이션이 실행될 확률을 높게 결정할 수 있다.
또한, 장치는 전자기기에 대응하는 사용자의 네트워크 중심도 및 전자기기에서 해당 어플리케이션이 실행된 횟수를 고려하여 어플리케이션이 실행될 확률을 결정할 수 있다.
단계 330에서, 장치는 산출된 확률에 따라 결정되는 전자기기에서 어플리케이션으로부터 발생하는 트래픽의 오프로딩 확률에 따라 트래픽의 오프로딩을 수행할 수 있다.
장치는 전자기기에서 실행되는 어플리케이션으로부터 발생하는 트래픽의 오프로딩 확률을 상기 기지국과 관련된 로컬 네트워크 및 코어 네트워크의 성능을 최대화 하도록 결정할 수 있다.
장치는 전자기기에서 어플리케이션이 실행될 확률에 기초하여 오프로딩 확률의 범위를 결정할 수 있다.
예를 들어, 전자기기에서 실행되는 복수의 어플리케이션들 중 일 어플리케이션이 실행될 확률의 비중이 큰 경우, 전자기기에서 해당하는 일 어플리케이션의 오프로딩 확률의 범위를 상대적으로 높은 확률의 범위로 결정할 수 있다. 예를 들어, 전자기기에서 실행되는 복수의 어플리케이션들 중 일 어플리케이션이 실행될 확률의 비중이 큰 경우, 해당하는 일 어플리케이션의 오프로딩 확률의 범위의 상한을 높게 결정할 수 있다.
또한, 장치는 기지국과 관련된 로컬 네트워크 및 코어 네트워크의 트래픽 부하 정도를 고려하여 오프로딩 확률의 범위를 결정할 수 있다.
예를 들어, 장치는 기지국과 관련된 로컬 네트워크의 트래픽 부하 정도에 대한 코어 네트워크의 트래픽 부하 정도가 클수록 오프로딩 확률의 범위의 하한을 높게 결정할 수 있다.
예를 들어 트래픽의 부하 정도는 이용률(utilization)에 기초하여 결정될 수 있다. 이용률은 네트워크의 지원 가능한 트래픽 용량 중 어플리케이션에 의해 발생한 트래픽 량을 나타낼 수 있다.
장치는 데이터율의 속도가 증가하고, 전송 지연이 감소하며 패킷 에러 손실률이 감소할수록 증가하는 네트워크 성능이 최대화 되도록 오프로딩 확률을 결정할 수 있다.
예를 들어, 장치는 오프로딩 확률에 대응하는 데이터율의 예측치, 전송 지연의 예측치 및 패킷 에러손실률의 예측치에 따라 결정되는 네트워크 성능 함수 값이 최대가 되도록, 오프로딩 확률을 결정할 수 있다. 네트워크 성능 함수 등과 관련하여 하기 도 4 및 도 5를 참조하여 자세히 설명하도록 한다.
도 4는 일 실시 예에 따른 오프로딩 제어 장치가 복수의 전자기기-어플리케이션 조합들에 대한 트래픽을 오프로딩은 제어하는 방법의 흐름도이다.
도 4의 방법은 오프로딩 관리 장치(도 2의 200)에 의해 수행될 수 있다.
도 4에서, 기지국 내에 I 개의 전자기기들이 접속한 상태라 가정한다. 이 때, 소문자 i는 전자기기각각의 인덱스로서, i는 1<=i<=I인 정수이다.
또한, I 개의 전자기기들 중 적어도 하나의 전자기기를 통해 실행되어, 기지국과 관련된 로컬 네트워크 및/또는 코어 네트워크를 통하여 트래픽을 발생시키는 어플리케이션의 개수를 J 개라 가정한다. 이 때, 소문자 j는 어플리케이션 각각의 인덱스로서, j는 1<=j<=J인 정수이다.
이 때, I 개의 전자기기 각각과 I 개의 전자기기 각각에서 실행될 수 있는 M 개의 어플리케이션들 각각의 전자기기-어플리케이션 조합들의 개수는 P=MxN 개로서, 소문자 p는 각각의 전자기기-어플리케이션 조합의 정수 인덱스를 나타낸다. p는 1<= p <= P인 정수이다.
오프로딩이 수행될 경우, 기지국의 백홀, 즉, 로컬 네트워크를 통하여 직접 인터넷으로 연결되는 트래픽이 발생한다.
오프로딩이 수행되지 않을 경우, 기지국의 백홀, 즉, 로컬 네트워크로부터 코어 네트워크를 거쳐 인터넷으로 연결되는 트래픽이 발생한다.
단계 410에서 오프로딩 제어 장치는 전자기기-어플리케이션 조합들 각각에서 i 디바이스에서 j 어플리케이션이 실행될 확률 산출할 수 있다.
일 실시 예에 따라, 장치는 네트워크의 접속된 I 전자 기기에 대응하는 I 명의 사용자들 각각에 대하여, J 개의 어플리케이션들 중 적어도 일부의 어플리케이션을 통하여 제 i 사용자와 데이터를 공유하는 다른 사용자들의 수를 획득할 수 있다.
예를 들어, 오프로딩 제어 장치는 I 명의 사용자들을 vertex로 하고, I 명의 사용자들 중 어느 두 명이 인접 관계인 경우, 해당하는 어느 두 명에 대응하는 두 개의 vertext간 edge를 형성하는 그래프 G를 획득할 수 있다.
또한, 오프로딩 제어 장치는 그래프 G를 통하여, I 명의 사용자들 각각에 대하여 제 i 사용자와 인접 관계에 있는 다른 사용자들의 수를 나타내는 제 i 사용자의 네트워크 중심도
Figure 112018099191417-pat00001
를 획득할 수 있다.
일 실시 예에 따라, 장치는 네트워크의 접속된 I 전자 기기들 각각에 대하여, 제 i 전자기기에서 J 개의 어플리케이션들 각각의 실행 빈도에 따라, 실행 빈도가 많은 순서로 어플리케이션 실행 빈도의 순위
Figure 112018099191417-pat00002
를 획득할 수 있다. 이 때,
Figure 112018099191417-pat00003
는 1<=
Figure 112018099191417-pat00004
<= J인 정수이다.
예를 들어, 기지국에 접속된 전자기기의 개수가 2개 이고 관련된 어플리케이션의 수가 제 1 어플리케이션, 제 2 어플리케이션, 제 3 어플리케이션으로 3 개인 경우, 제 1 전자기기에서, 실행 빈도가 많은 순서대로, 제 1 어플리케이션, 제 3 어플리케이션, 제 2 어플리케이션이 결정된 경우, 제 1 전자기기에서 제 1 어플리케이션에 대한 실행 빈도 순위를 나타내는
Figure 112018099191417-pat00005
, 제 1 전자기기에서 제 2 어플리케이션에 대한 실행 빈도 순위를 나타내는
Figure 112018099191417-pat00006
, 제 1 전자기기에서 제 3 어플리케이션에 대한 실행 빈도 순위를 나타내는
Figure 112018099191417-pat00007
일 수 있다.
또한, 제 2 전자기기에서, 실행 빈도가 많은 순서대로, 제 3 어플리케이션, 제 2 어플리케이션, 제 1 어플리케이션이 결정된 경우, 제 2 전자기기에서 제 1 어플리케이션에 대한 실행 빈도 순위를 나타내는
Figure 112018099191417-pat00008
, 제 2 전자기기에서 제 2 어플리케이션에 대한 실행 빈도 순위를 나타내는
Figure 112018099191417-pat00009
, 제 2 전자기기에서 제 3 어플리케이션에 대한 실행 빈도 순위를 나타내는
Figure 112018099191417-pat00010
일 수 있다.
장치는 제 i 사용자의 네트워크 중심도 및 제 i 디바이스에서 제 j 어플리케이션의 실행 빈도 순위에 기초하여, 디바이스-어플리케이션 조합들 각각의 실행 확률을 획득할 수 있다.
예를 들어, 장치는 오프로딩 결정 기준 시간 t에서, I 개의 전자기기의 사용자들 중 제 i 사용자와 인접 관계에 있는 적어도 하나의 전자기기의 사용자가 존재하며, 상기 제 i 전자기기에서 상기 j 어플리케이션이 실행되었는지 여부인 활용 조건에 부합하는지 여부를 결정할 수 있다.
장치는 활용 조건에 부합한다고 결정함에 따라, 제 i 전자기기에서 j 어플리케이션의 실행 확률
Figure 112018099191417-pat00011
을 하기 수학식 1에 따라 결정할 수 있다.
Figure 112018099191417-pat00012
수학식 1에서,
Figure 112018099191417-pat00013
는 포아송 분포 파라미터(poisson distribution parameter),
Figure 112018099191417-pat00014
은, t일 때, 제 i 전자기기에서 실행된 어플리케이션들의 개수들을 나타낸다.
또한, 장치는 활용 조건에 부합하지 않는다고 결정함에 따라, 제 i 전자기기에서 상기 j 어플리케이션의 실행 확률
Figure 112018099191417-pat00015
을 하기 수학식 2에 따라 결정할 수 있다.
Figure 112018099191417-pat00016
수학식 2에서,
Figure 112018099191417-pat00017
은, t일 때, 상기 제 i 사용자와 인접관계에 있는 다른 사용자들이 상기 제 j 어플리케이션을 실행한 횟수를 나타낸다.
단계 420에서 장치는 전자기기-어플리케이션 조합들 각각에 대하여, i 디바이스에서 실행된 j 어플리케이션의 오프로딩 확률의 범위 결정할 수 있다.
오프로딩 결정 기준 시간 t에서, 제 i 전자기기 및 제 j 어플리케이션 조합에 대응하는 오프로딩 확률을
Figure 112018099191417-pat00018
이라 하고, 직전 오프로딩 결정 기준 시간을 t-1이라 나타낸다.
장치는 상기 오프로딩 확률을
Figure 112018099191417-pat00019
은, 하기 수학식 3의 범위에서 결정할 수 있다.
Figure 112018099191417-pat00020
수학식 3에서
Figure 112018099191417-pat00021
은 상기 기지국과 관련된 로컬 네트워크의 지원 가능한 트래픽 용량 중 상기 M 개의 어플리케이션에 의해 발생한 트래픽인 로컬 네트워크의 이용률(utilization)를 나타내며, 하기 수학식 4에 따라 산출될 수 있다.
Figure 112018099191417-pat00022
수학식 3에서
Figure 112018099191417-pat00023
은 상기 기지국과 관련된 코어 네트워크의 지원 가능한 트래픽 용량 중 상기 M 개의 어플리케이션에 의해 발생한 트래픽인 코어 네트워크의 이용률을 나타내며, 하기 수학식5에 따라 산출될 수 있다.
Figure 112018099191417-pat00024
단계 430에서 전자기기-어플리케이션 조합들 각각에 대한 오프로딩 확률의 범위에서, 네트워크 성능 함수 값을 최대화 하는 오프로딩 확률의 조합을 결정
장치는, 하기 수학식 6에 따라 네트워크 성능 함수
Figure 112018099191417-pat00025
를 산출할 수 있다.
Figure 112018099191417-pat00026
수학식 6에서,
Figure 112018099191417-pat00027
은 데이터율의 예측치를 나타내면, 장치는 하기 수학식 7에 따라
Figure 112018099191417-pat00028
을 산출할 수 있다.
Figure 112018099191417-pat00029
상기 수학식 4에서,
Figure 112018099191417-pat00030
은 상기 기지국의 로컬 네트워크에서 데이터율,
Figure 112018099191417-pat00031
은 상기 기지국과 관련된 코어 네트워크에서 데이터율을 나타낸다.
데이터율은 네트워크 상에서 데이터의 전송 속도를 나타낼 수 있다.
장치는, 직전 오프로딩 확률 결정 시점 t-1에서, 로컬 네트워크와 코어 네트워크 각각으로부터 데이터율을 획득하거나, 로컬 네트워크 및 코어 네트워크 각각을 모니터링하여 데이터율을 획득할 수 있다.
수학식 6에서,
Figure 112018099191417-pat00032
는 전송 지연율의 예측치를 나타내며, 장치는 하기 수학식 8에 따라
Figure 112018099191417-pat00033
을 결정할 수 있다.
Figure 112018099191417-pat00034
상기 수학식 8에서,
Figure 112018099191417-pat00035
은 상기 기지국의 로컬 네트워크에서 제 j 어플리케이션의 평균 전송 지연을 나타내며 하기 수학식 9에 따라 산출될 수 있다.
Figure 112018099191417-pat00036
상기 수학식 8에서,
Figure 112018099191417-pat00037
은 상기 기지국과 관련된 코어 네트워크에서 제 j 어플리케이션의 평균 전송 지연을 나타내면 하기 수학식 10에 따라 산출될 수 있다.
Figure 112018099191417-pat00038
수학식 9 및 상기 수학식 10에서,
Figure 112018099191417-pat00039
는 상기 제 j 어플리케이션의 평균 패킷 사이즈(packet size)를 나타낼 수 있다. 제 j 어플리케이션의 평균 패킷 사이즈
Figure 112018099191417-pat00040
는 장치가 모니터링을 통하여 획득하거나, 어플리케이션 서버나 다른 기기들로부터 획득할 수 있다.
수학식 6에서,
Figure 112018099191417-pat00041
는 패킷 에러 손실률의 예측치를 나타내며, 장치는 패킷 에러 손실률의 예측치
Figure 112018099191417-pat00042
을 하기 수학식 11에 따라 산출할 수 있다.
Figure 112018099191417-pat00043
상기 수학식 11에서,
Figure 112018099191417-pat00044
은 상기 기지국의 로컬 네트워크에서 패킷 에러 손실률,
Figure 112018099191417-pat00045
은 상기 기지국과 관련된 코어 네트워크에서 패킷 에러 손실률을 나타낸다.
수학식 7, 8 및 11에서, 데이터율의 예측치, 전송 지연율의 예측치 및 패킷 에러 손실률의 예측치는 획득된 정보인 직전 오프로딩 결정 시간 t-1에서 네트워크 성능 정보, 예를 들어, 직전 오프로딩 결정 시간 t-1에서의 로컬 네트워크 및 코어 네트워크 각각의 데이터율, 패킷 에러 손실률뿐만 아니라, 현재 오프로딩 결정 시간 t에서 결정되는 가중치 오프로딩 확률
Figure 112018099191417-pat00046
에 기초하여 산출된다.
장치는 P=IxJ 개의 전자기기-어플리케이션 조합들 각각, 즉 제 i 디바이스 및 제 j 어플리케이션에 대응하는 오프로딩 확률
Figure 112018099191417-pat00047
를 상술한 수학식 3의 범위에서 소정의 차이 값
Figure 112018099191417-pat00048
만큼 변화시켜가며 수학식 7, 8 및 11에 대입하여, 대응하는
Figure 112018099191417-pat00049
및
Figure 112018099191417-pat00050
산출하고, 이로부터 수학식 6에 따라 네트워크 성능 함수 값
Figure 112018099191417-pat00051
을 산출한다. 이와 같은 휴리스틱(heuristic) 방식을 통하여, 장치는 P=IxJ개의 디바이스-어플리케이션 조합들 각각에 대응하는 오프로딩 확률의 조합들 중 네트워크 성능 함수 값
Figure 112018099191417-pat00052
를이 최대인 오프로딩 확률 조합을 결정한다.
예를 들어, 모든 디바이스-어플리케이션의 조합들 각각에 대응하는 오프로딩 확률의 범위가 [0.2, 0.5]이고 0.1 간격으로 오프로딩 확률을 변화시켜가면 탐색을 할 경우, 각각의 디바이스-어플리케이션에 대하여 추정되는 오프로딩 확률은, 0.2, 0.3, 0.4 및 0.5로서 4가지 이므로 모두 4^(IxJ)개의 오프로딩 확률 조합이 있을 수 있고, 장치는 모든 오프로딩 확률 조합들에 대한 네트워크 성능 함수 값을 비교하기 위하여, 4^(IxJ)번의 네트워크 성능 함수 값을 계산해야 한다.
도 5는 일 실시 예에 따른 오프로딩 제어 장치가 근사화된 네트워크 성능 함수를 이용하여 오프로딩 확률 조합을 결정하는 방법의 흐름도이다.
도 5의 방법은 오프로딩 관리 장치(도 2의 200)에 의해 수행될 수 있다.
모든 디바이스-어플리케이션 조합 각각의 오프로딩 확률 구간에서 L개의 후보 오프로딩 확률들을 대입하여 산출된 네트워크 성능 함수 값들 중, 네트워크 성능 함수 값이 최대인 오프로딩 확률의 조합을 결정하기 위해, 이론적으로 L^(IXJ)번의 네트워크 성능 함수 값의 산출이 필요하다.
이는 상대적으로 많은 연산량이 필요하기 때문에, 처리 속도를 향상하기 위해 근사 네트워크 성능 함수를 이용함으로써 연산량을 감소시키고 효율성을 증대 시킬 수 있다.
근사 네트워크 성능 함수는 하나의 디바이스-어플리케이션 조합, 즉 제 i디바이스 및 제 j 어플리케이션에 대하여 대응하는 오프로딩 확률 wij 범위에서 L개의 오프로딩 확률의 후보 값들 각각에 대하여 근사 네트워크 성능 함수 값을 산출한 후, L 개의 근사 네트워크 함수 값들 중 최대 값에 대응하는 오프로딩 확률 wij를 해당하는 디바이스-어플리케이션 조합, 즉, 제 i디바이스 및 제 j 어플리케이션 조합의 오프로딩 확률 wij로 결정한다.
이 때, 각각의 조합에 대하여 L 번의 근사 네트워크 성능 함수 값을 산출하기 때문에, 총 MxN개의 조합들에 대하여 MxNxL 번의 근사 네트워크 성능 함수 값을 산출하면, 근사화된 최적의 오프로딩 확률 조합을 산출할 수 있다. 따라서, 연산량이 크게 줄어들고 시스템의 효율이 증대될 수 있다.
단계 505에서, 장치는 디바이스를 식별하는 인덱스 i를 1로 설정할 수 있다. 또한, 단계 510에서, 장치는 어플리케이션을 식별하기 위한 인덱스 j를 1로 설정할 수 있다.
이후, i 및 j를 변경하면서, 각각의 디바이스-어플리케이션 조합에 대하여 오프로딩 확률이 결정된다.
단계 515에서, 장치는 제 i 디바이스 및 제 j 디바이스에 대응하는 오프로딩 확률의 범위의 상한 값 upper(wij) 및 하한 값 lower(wij)을 획득한다.
예를 들어, 장치는 수학식 3에 따라, 오프로딩 확률의 범위를 획득할 수 있다. 이 때, 오프로딩 확률의 범위의 상한 값 upper(wij)은
Figure 112018099191417-pat00053
이고, 하한 값 lower(wij)은
Figure 112018099191417-pat00054
으로 결정될 수 있다.
단계 520에서, 장치는 오프로딩 확률의 범위에서 오프로딩 확률의 후보들을 나타내는 인덱스 k를 1로 설정할 수 있다.
예를 들어, 장치는 결정된 오프로딩 확률의 범위에서 L 개의 후보 값을 결정할 수 있다. 이 때, k는 1부터 L까지의 정수 값이다.
k가 1일 때, wij,k는 하한 값 lower(wij)을 가지며, k가 L일 때, wij,k는 상한 값 upper(wij)을 갖는다.
단계 525에서, 장치는
Figure 112018099191417-pat00055
를 이용하여 근사화된 네트워크 성능 함수
Figure 112018099191417-pat00056
를 산출할 수 있다.
예를 들어, 장치는 수학식 12에 따라 근사화된 네트워크 성능 함수 값
Figure 112018099191417-pat00057
을 산출할 수 있다.
Figure 112018099191417-pat00058
수학식 12에서,
Figure 112018099191417-pat00059
및
Figure 112018099191417-pat00060
는 각각 데이터율의 예측치, 전송 지연율의 예측치 및 패킷 에러 손실률의 예측치를 나타내며, 도 x에서 상술한 수학식 7 내지 11에서
Figure 112018099191417-pat00061
에 현재 후보 값인
Figure 112018099191417-pat00062
을 대입하여 산출할 수 있다.
수학식 12에서,
Figure 112018099191417-pat00063
는 j 어플리케이션 이외의 어플리케이션들을 나타내는 인덱스이며,
Figure 112018099191417-pat00064
및
Figure 112018099191417-pat00065
는 제 i 디바이스 및 다른 어플리케이션인 제
Figure 112018099191417-pat00066
어플리케이션들간의 조합에 대응하는 오프로딩 확률을
Figure 112018099191417-pat00067
으로 가정하는 것으로서, k=1 즉 하한 값인 최소 값으로 가정하는 것이다.
또한, 장치는 현재 디바이스-어플리케이션 조합에 대응하는 근사화된 네트워크 성능 함수 리스트
Figure 112018099191417-pat00068
에
Figure 112018099191417-pat00069
를 이용하여 산출된 근사화된 네트워크 성능 함수 값
Figure 112018099191417-pat00070
을 추가하여 저장할 수 있다.
단계 535에서 장치는 k가 L인지 결정할 수 있다.
만약 k가 L이 아닌 경우, 아직 오프로딩 확률 범위에서 추가 후보 군에 대하여 단계 530을 반복적으로 수행하여야 하므로, 단계 540으로 진행하여 장치는 k에 1을 더하여 k 값을 갱신할 수 있다.
만약 k가 L인 경우 현재 디바이스 i 및 어플리케이션 j 조합에서 모든 오프로딩 확률 후보 값들에 대하여 근사화된 네트워크 성능 함수 값을 산출하였음을 나타내고, 장치는 단계 545를 수행한다.
단계 545에서 장치는 근사화된 네트워크 성능 함수 리스트
Figure 112018099191417-pat00071
에서, 최대의 근사화된 함수 값
Figure 112018099191417-pat00072
을 갖는 오프로딩 확률
Figure 112018099191417-pat00073
을 디바이스 i 및 어플리케이션 j 조합에 대응하는 오프로딩 확률로 결정할 수 있다.
상술한 바와 같이, 장치는 단계 515 내지 단계 545를 수행하면서, 각각의 제 i 디바이스 및 제 j 어플리케이션 조합에 대하여 오프로딩 확률을 결정할 수 있다.
단계 550에서, 장치는 j가 전체 어플리케이션의 개수 J와 같은지 결정할 수 있다.
만약 j가 전체 어플리케이션의 개수 J와 다른 경우, 현재 제 i 디바이스와 다른 어플리케이션 조합에 대하여 단계 515 내지 단계 545를 반복적으로 수행한다. 따라서, 장치는 단계 555에서 어플리케이션을 식별하는 인덱스 j를 j+1로 갱신하고 단계 515으로 되돌아가 이후 단계들을 진행한다.
만약 j가 전체 어플리케이션의 개수 J와 같은 경우 현재 i 디바이스에 대한 모든 어플리케이션들 조합에 대하여 오프로딩 확률을 결정한 것이므로, 장치는 오프로딩 확률의 대상이 되는 디바이스의 변경 또는 종료 여부를 결정하기 위해, 단계 560을 수행한다.
단계 560에서 장치는 디바이스를 식별하는 인덱스 i가 디바이스의 개수 I와 같은지 결정한다.
만약 i가 전체 디바이스의 개수 I와 다른 경우, 현재 제 i 디바이스와 다른 디바이스에 대하여 단계 515 내지 단계 545를 반복적으로 수행한다. 따라서, 장치는 단계 565에서 디바이스를 식별하는 인덱스 i를 i+1로 갱신하고 제 1 어플리케이션부터 차례대로 오프로딩 확률을 결정하기 위하여, 단계 510으로 되돌아가 이후 단계들을 진행한다.
만약 단계 560에서, 장치는 디바이스를 식별하는 인덱스 i가 디바이스의 개수 I와 같은 경우, 모든 디바이스 및 어플리케이션 조합들에 대하여 오프로딩 확률을 결정한 것이므로, 프로세스를 종료한다.
한편, 상술한 본 발명의 실시예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 또한, 상술한 본 발명의 실시예에서 사용된 데이터의 구조는 컴퓨터로 읽을 수 있는 기록매체에 여러 수단을 통하여 기록될 수 있다. 컴퓨터로 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드 디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등)와 같은 저장매체를 포함한다.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

Claims (2)

  1. 기지국의 오프로딩 제어 장치에 의해 수행되는 오프로딩 방법으로서,
    상기 기지국에 접속된 I(I는 2 이상의 정수) 개의 전자기기들 및 상기 I 개의 전자기기들 중 적어도 하나의 전자기기에서 실행된 J(J는 2 이상의 정수) 개의 어플리케이션들간의 P(P는 IXJ)개의 전자기기-어플리케이션 조합들 각각에 대하여,
    상기 J 개의 어플리케이션들 중 적어도 일부를 통하여, 제 i(i는 각각의 전자기기 및 대응하는 사용자를 식별하기 위한 인덱스로서, 1<= i <=I인 정수) 전자기기의 제 i 사용자와 데이터를 공유하는 관계인 인접 관계에 있는 다른 사용자들의 수를 나타내는 상기 제 i 사용자의 네트워크 중심도를 획득하는 단계;
    상기 제 i 전자기기에서 제 j(j는 각각의 어플리케이션을 식별하기 위한 인덱스로서, 1<= j <=J인 정수) 어플리케이션의 실행 빈도를 포함하는 이력 정보 및 상기 획득된 제 i 사용자의 네트워크 중심도에 기초하여, 상기 제 i 전자기기에서 상기 제 j 어플리케이션이 실행될 확률을 산출하는 단계; 및
    상기 제 i 전자기기에서 상기 제 j 어플리케이션이 실행될 확률에 기초하여 결정된 제 p(p는 각각의 전자기기-어플리케이션 조합을 식별하기 위한 인덱스로서, 1<=p<=P인 정수) 전자기기-어플리케이션 조합과 관련된 트래픽의 오프로딩 확률에 따라, 트래픽의 오프로딩을 수행하는 단계를 포함하고,
    상기 확률을 산출하는 단계는,
    오프로딩 결정 기준 시간 t에서, 상기 I 개의 전자기기들의 사용자들 중 상기 제 i 사용자와 인접 관계에 있는 적어도 하나의 전자기기의 사용자가 존재하며, 상기 제 i 전자기기에서 상기 제 j 어플리케이션이 실행되었는지 여부인 활용 조건에 부합하는지 여부를 결정하는 단계를 포함하고,
    상기 획득된 제 i 사용자의 네트워크 중심도를
    Figure 112018110856486-pat00074
    , 상기 제 i 전자기기에서 상기 J 개의 어플리케이션들 중 실행 빈도가 많은 순서로 상기 제 j 어플리케이션의 실행 빈도의 순위를
    Figure 112018110856486-pat00075
    (
    Figure 112018110856486-pat00076
    는 양의 정수)라 하면,
    상기 활용 조건에 부합한다고 결정함에 따라, 상기 제 i 전자기기에서 상기 제 j 어플리케이션의 실행 확률
    Figure 112018110856486-pat00077
    을 하기 수학식 1에 따라 결정하고,
    -수학식 1-
    Figure 112018110856486-pat00078

    상기 수학식 1에서,
    Figure 112018110856486-pat00079
    는 포아송 분포 파라미터(poisson distribution parameter),
    Figure 112018110856486-pat00080
    은, 상기 오프로딩 결정 기준 시간 t에서 상기 제 i 전자기기에서 실행된 어플리케이션들의 개수들을 나타내며,
    상기 활용 조건에 부합하지 않는다고 결정함에 따라, 상기 제 i 전자기기에서 상기 제 j 어플리케이션의 실행 확률
    Figure 112018110856486-pat00081
    을 하기 수학식 2에 따라 결정하고,
    -수학식 2-
    Figure 112018110856486-pat00082

    상기 수학식 2에서,
    Figure 112018110856486-pat00083
    은, 상기 오프로딩 결정 기준 시간 t에서, 상기 제 i 사용자와 인접관계에 있는 다른 사용자들에 의해 상기 제 j 어플리케이션이 실행된 횟수를 나타내는, 방법.
  2. 제 1 항에 있어서,
    상기 제 p 전자기기-어플리케이션 조합과 관련된 트래픽의 오프로딩 확률은 상기 P 개의 전자기기-어플리케이션 조합들 각각과 관련된 트래픽의 오프로딩 확률 조합들에 따라 예측되는 데이터율(data rate)의 예측치, 전송 지연(delay)의 예측치 및 패킷 에러 손실률(packet error loss rate)의 예측치 중 적어도 하나의 예측치를 획득하고,
    상기 획득된 적어도 하나의 예측치에 따라 결정되는 상기 기지국과 관련된 네트워크 성능 함수 값이 최대가 되도록 상기 트래픽의 오프로딩 확률 조합들을 결정하는, 방법
KR1020180119965A 2018-10-08 2018-10-08 트래픽 오프로딩을 제어하기 위한 장치 및 방법 KR101924628B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020180119965A KR101924628B1 (ko) 2018-10-08 2018-10-08 트래픽 오프로딩을 제어하기 위한 장치 및 방법
PCT/KR2019/013202 WO2020076056A1 (ko) 2018-10-08 2019-10-08 트래픽 오프로딩을 제어하기 위한 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180119965A KR101924628B1 (ko) 2018-10-08 2018-10-08 트래픽 오프로딩을 제어하기 위한 장치 및 방법

Publications (1)

Publication Number Publication Date
KR101924628B1 true KR101924628B1 (ko) 2018-12-03

Family

ID=64743259

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180119965A KR101924628B1 (ko) 2018-10-08 2018-10-08 트래픽 오프로딩을 제어하기 위한 장치 및 방법

Country Status (2)

Country Link
KR (1) KR101924628B1 (ko)
WO (1) WO2020076056A1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200143793A (ko) 2019-06-17 2020-12-28 한국전자통신연구원 멀티-액세스 엣지 컴퓨팅 플랫폼 기반 시뮬레이션 서비스 제공 장치 및 그것의 동작 방법
KR102298698B1 (ko) * 2020-12-16 2021-09-03 재단법인대구경북과학기술원 에지 컴퓨팅 네트워크에서의 서비스 캐싱 방법 및 장치

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230065207A1 (en) * 2021-08-25 2023-03-02 At&T Intellectual Property I, L.P. User quality of experience assessment in radio access networks

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170289047A1 (en) 2016-04-05 2017-10-05 Nokia Technologies Oy METHOD AND APPARATUS FOR END-TO-END QoS/QoE MANAGEMENT IN 5G SYSTEMS
US20180183855A1 (en) 2016-12-28 2018-06-28 Intel Corporation Application computation offloading for mobile edge computing

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10225788B2 (en) * 2006-05-25 2019-03-05 Truconnect Technologies, Llc Method and system for selecting a wireless network for offloading
US11405841B2 (en) * 2012-07-20 2022-08-02 Qualcomm Incorporated Using UE environmental status information to improve mobility handling and offload decisions
US10321352B2 (en) * 2015-03-16 2019-06-11 Telefonaktiebolaget Lm Ericsson (Publ) Method and apparatus for traffic steering

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170289047A1 (en) 2016-04-05 2017-10-05 Nokia Technologies Oy METHOD AND APPARATUS FOR END-TO-END QoS/QoE MANAGEMENT IN 5G SYSTEMS
US20180183855A1 (en) 2016-12-28 2018-06-28 Intel Corporation Application computation offloading for mobile edge computing

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
MEC 환경에서의 Social Context를 이용한 트래픽 오프로딩 알고리즘(천혜림 외 2명, 한국통신학회논문지 제42권 제2호, p514-522, 2017년2월)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200143793A (ko) 2019-06-17 2020-12-28 한국전자통신연구원 멀티-액세스 엣지 컴퓨팅 플랫폼 기반 시뮬레이션 서비스 제공 장치 및 그것의 동작 방법
KR102298698B1 (ko) * 2020-12-16 2021-09-03 재단법인대구경북과학기술원 에지 컴퓨팅 네트워크에서의 서비스 캐싱 방법 및 장치

Also Published As

Publication number Publication date
WO2020076056A1 (ko) 2020-04-16

Similar Documents

Publication Publication Date Title
CN109151864B (zh) 一种面向移动边缘计算超密集网络的迁移决策与资源优化分配方法
WO2019129169A1 (zh) 用于无线通信的电子设备和方法以及计算机可读存储介质
KR101924628B1 (ko) 트래픽 오프로딩을 제어하기 위한 장치 및 방법
US10542465B2 (en) Analytics driven wireless device session context handover in operator cloud
EP3682663B1 (en) Global optimization process for link associations
Li et al. Deployment of edge servers in 5G cellular networks
US20220386136A1 (en) Facilitating heterogeneous network analysis and resource planning for advanced networks
Li et al. DQN-enabled content caching and quantum ant colony-based computation offloading in MEC
Goyal et al. Fuzzy AHP based technique for handover optimization in heterogeneous network
Li et al. Deep reinforcement learning-based resource allocation and seamless handover in multi-access edge computing based on SDN
Jo et al. Deep reinforcement learning‐based joint optimization of computation offloading and resource allocation in F‐RAN
Malazi et al. Distributed service placement and workload orchestration in a multi-access edge computing environment
WO2022217503A1 (zh) 一种面向云网融合的多接入边缘计算架构
CN113315806B (zh) 一种面向云网融合的多接入边缘计算架构
KR101404436B1 (ko) 통신 시스템들에서 리소스 사용을 제어하는 방법
CN111935795B (zh) 终端设备切换处理方法、装置、电子设备及可读存储介质
US11622322B1 (en) Systems and methods for providing satellite backhaul management over terrestrial fiber
Chabbouh et al. A strategy for joint service offloading and scheduling in heterogeneous cloud radio access networks
KR102163214B1 (ko) CoMP 기반 스몰 셀 네트워크에서의 기계학습을 활용한 능동 캐싱 기법
US11665596B2 (en) Planning of fixed wireless internet
CN116016514B (zh) 一种边缘计算服务的智能自适应编排方法
JP7539713B2 (ja) 異種ネットワークでモビリティ情報を使用するためのシステムおよび方法
Mahbub et al. Energy and Latency-Aware Computation Offloading and Resource Allocation for a Multi-Access Edge Computing-Enabled Heterogeneous Network
Hridita et al. Task allocation for mobile cloud computing: State-of-the-art and open challenges
Bonab et al. Effective resource allocation and load balancing in hierarchical HetNets: Toward QoS-aware multi-access edge computing

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant