KR20190093892A - 군집 드론의 데이터 처리 작업 결정 방법 - Google Patents

군집 드론의 데이터 처리 작업 결정 방법 Download PDF

Info

Publication number
KR20190093892A
KR20190093892A KR1020180013263A KR20180013263A KR20190093892A KR 20190093892 A KR20190093892 A KR 20190093892A KR 1020180013263 A KR1020180013263 A KR 1020180013263A KR 20180013263 A KR20180013263 A KR 20180013263A KR 20190093892 A KR20190093892 A KR 20190093892A
Authority
KR
South Korea
Prior art keywords
drone
cluster
data processing
data
energy consumption
Prior art date
Application number
KR1020180013263A
Other languages
English (en)
Other versions
KR102029222B1 (ko
Inventor
민홍
정진만
김태식
Original Assignee
호서대학교 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 호서대학교 산학협력단 filed Critical 호서대학교 산학협력단
Priority to KR1020180013263A priority Critical patent/KR102029222B1/ko
Publication of KR20190093892A publication Critical patent/KR20190093892A/ko
Application granted granted Critical
Publication of KR102029222B1 publication Critical patent/KR102029222B1/ko

Links

Images

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G5/00Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0043Traffic management of multiple aircrafts from the ground

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

본 발명은 군집 드론의 데이터 처리 작업 결정 방법에 관한 것으로, 더욱 상세하게는 지상의 탐지 구역에 대해 드론으로부터 수집한 데이터의 처리 작업을 드론에서의 실시간의 수행 완료 시간과 에너지 소모량을 고려한 비용 분석에 따라 드론 및 클라우드 중 어느 하나에서 데이터 처리 작업을 수행할 것인지를 결정함으로써, 보다 안정적이고 효율적인 데이터 작업이 가능하도록 한 군집 드론의 데이터 처리 작업 결정 방법에 관한 것이다.

Description

군집 드론의 데이터 처리 작업 결정 방법{Method for determining data process of group drone}
본 발명은 군집 드론의 데이터 처리 작업 결정 방법에 관한 것으로, 더욱 상세하게는 지상의 탐지 구역에 대해 드론으로부터 수집한 데이터의 처리 작업을 드론에서의 실시간의 수행 완료 시간과 에너지 소모량을 고려한 비용 분석에 따라 드론 및 클라우드 중 어느 하나에서 데이터 처리 작업을 수행할 것인지를 결정함으로써, 보다 안정적이고 효율적인 데이터 작업이 가능하도록 한 군집 드론의 데이터 처리 작업 결정 방법에 관한 것이다.
군사적 목적으로 사용되던 드론이 민간 분야에도 적극적으로 활용되면서 다양한 드론 관련 응용 및 서비스가 개발되고 있다.
구글 (Googl) 과 아마존(Amazon)은 소포를 목적지에 배달하는 드론을 개발하고 있으며, 페이스북(Facebook)은 드론을 사용하여 데이터 전송 속도가 떨어지는 시골이나 오지에서도 빠른 속도의 인터넷을 지원하기 위한 연구를 진행하고 있다.
또한 고성능의 카메라를 탑재한 드론을 활용하여 대상을 감시, 추적하고 추도시 내의 시설물을 관리하는 응용도 개발되고 있다.
드론은 무선 통신 기술을 활용한 원격 조정뿐만 아니라 자율 비행이 가능하며, 사람이 접근하기 어려운 곳을 쉽게 접근할 수 있고 비행 도중 프로그램 업데이트와 같은 기능도 수행할 수 있다. 또한 비행 시간도 늘어나면서, 앞서 언급한 응용들에 드론을 사용할 경우 안정적이고 유연한 시스템을 구성할 수 있는 장점이 있다.
기존에 단일 드론을 활용하는 시스템에서 다중의 드론이 군집 비행을 하면서 동일한 목적의 작업을 분할해서 수행하는 시스템도 고안되고 있으며, 클라우드 서버와의 연동을 통해 실시간 데이터를 사용자와 인터넷을 통해 공유하는 시스템도 제안되었다.
군집 드론을 활용한 시스템의 경우, 기기 오류 등과 같은 단일 기기상의 문제에 대응이 쉽고, 해결해야 할 미션의 부하가 커지면 추가로 드론을 투입해 작업 부하를 줄일 수 있다. 또한 여러 장치에서 데이터를 수집하기 때문에 신뢰도가 높아지고 동일 작업을 수행함에 있어 고가의 드론을 사용하기보다 저가의 드론을 여러 대 사용하여 비용을 줄일 수 있다.
그러나 여러 대를 동시에 제어해야 하기 때문에 관리가 복잡해지고 서로 간의 데이터 전달이 필요할 때는 데이터 충돌로 인한 손실을 줄이기 위해 별도의 조율이 필요하다.
일반적으로 드론은 배터리로 동작하기 때문에 에너지 효율성을 고려해야 하고, 무선을 통한 데이터 송수신의 경우 대역폭이 제한되는 문제점이 있다. 따라서 상당한 컴퓨팅 파워와 데이터 통신이 필요한 응용의 경우 드론 자체에서 작업을 수행하기보다는 클라우드에 작업을 위탁하고 그 결과를 반환받는 오프로딩(offloading) 기법이 더 효율적이다. 단일 드론 시스템에서는 오프로딩 기법을 활용하는 것이 효과적이지만, 군집 드론 시스템에서는 다수의 드론의 여유 자원을 활용하여 자체적으로 작업을 처리하는 방법이 효율적일 수 있다.
본 발명에서 공동의 목표를 공유하는 다수의 드론을 활용하여 데이터를 수집하고 클라우드에서 이를 처리하는 시스템에서 다수의 드론들이 협업할 때의 비용 과 클라우드에서 수행할 때의 비용을 비교하여 작업에 특성에 따라 오프로딩 결정하는 기법을 제안한다.
따라서, 본 발명은 상기와 같은 문제점을 감안하여 안출된 것으로, 본 발명의 목적은, 다수의 군집 드론을 활용한 데이터 처리 작업에 있어서 작업의 수행 완료 시간과 에너지 소모를 고려한 비용 분석을 진행하고, 분석된 결과를 바탕으로 조건의 변화에 따라 수행 완료 시간과 에너지 소모량을 비교하여 군집 드론의 오프로딩 여부를 결정함으로써, 보다 안정적이고 효율적인 데이터 처리가 가능한 군집 드론의 데이터 처리 작업 결정 방법을 제공하는 것이다.
상기 목적들을 달성하기 위한 본 발명에 의한 군집 드론의 데이터 처리 작업 결정 방법은, 지상의 탐지 구역에 대한 데이터를 수집하고, 상기 수집된 데이터를 클라우드로 전송하는 군집 드론의 데이터 처리 작업 결정 방법으로서, 다수의 드론이 탐지 구역으로 이동하여 탐지 구역에 대한 데이터를 수집하는 단계; 상기 수집된 데이터를 클라우드로 전송하는 단계; 및 상기 수집된 데이터의 처리 작업을 드론에서의 실시간의 수행 완료 시간과 에너지 소모량을 고려하여 제어부에서 상기 드론 및 상기 클라우드 중 어느 하나에서 데이터 처리 작업을 수행할 것인지를 결정하는 단계를 포함하여 이루어지는 것을 특징으로 한다.
여기서, 상기 클라우드는 사용자가 원하는 데이터 처리 작업 정보를 수신하고, 상기 사용자로부터 수신된 데이터 처리 작업 정보에 따라 상기 군집 드론에게 목적 장소인 탐지 구역으로 군집 드론에게 이동 명령을 지시하고, 상기 군집 드론으로부터 수집된 데이터를 전송받는 것이 바람직하다.
또한, 상기 군집 드론과 상기 클라우드 사이에 지상 제어 센터가 개재되어 상기 군집 드론의 이동 명령 및 데이터 전송 명령을 포함하는 제어 명령을 전달하는 역할을 수행함이 바람직하다.
또한, 상기 제어부가 실시간의 군집 드론의 수행 완료 시간과 에너지 소모량을 종합적으로 고려하여 상기 드론 및 상기 클라우드 중 어느 하나에서 데이터 처리 작업을 수행할 것인지를 결정하는 판단 기준인 비용 분석 결과값은 하기의 수학식 1과 같다.
수학식 1)
Figure pat00001
여기서, C는 비용 분석 결과값, Wt는 군집 드론의 수행 완료 시간에 대한 가중치이고, We는 군집 드론의 에너지 소모량에 대한 가중치이고, Tdronnes 및 Edrones는 수행 완료 시간과 에너지 소모량을 의미하며, Toffloading 및 Eoffloading은 오프로딩시 수행 완료 시간과 에너지 소모량을 의미한다.
또한, 상기 제어부는, 상기 수학식 1에서 제시된 군집 드론의 수행 완료 시간과 에너지 소모량을 고려한 상기 비용 분석 결과값이 1보다 크면 상기 군집 드론에서 데이터 처리 작업이 수행되도록 제어 명령을 상기 군집 드론과 상기 클라우드에 지시하고, 상기 비용 분석 결과값이 1보다 작거나 같은 경우에는 상기 군집 드론를 오프로딩시키고 상기 클라우드에서 데이터 처리 작업이 수행되도록 제어 명령을 상기 군집 드론과 상기 클라우드에 전송함이 바람직하다.
또한, 상기 군집 드론의 각 드론에서 데이터 처리 작업시, 상기 수행 완료 시간(Tdronnes )은 각 드론이 동일한 성능을 가진다는 가정하에 하기 수학식 2와 같다.
수학식 2)
Figure pat00002
여기서, Ncmd는 전체 데이터 처리 작업량이고, n은 군집 드론의 개수이고, f는 각 드론에 탑재된 프로세서의 성능이고, trx는 데이터 처리 작업 수행을 위해서 필요한 데이터를 수신하는 시간에 대해 1바이트당 바이트당 수신 지연시간이고, Darg는 수신 데이터의 크기이고, ttx는 처리 작업 수행 결과값을 전송하는 시간에 대한 1바이트당 송신 지연 시간이고, Dret는 전송할 데이터의 크기이다.
또한, 상기 군집 드론의 오프로딩시 수행 완료 시간(Toffloading)은 하기의 수학식 3과 같다.
수학식 3)
Figure pat00003
여기서, ti tx는 각 드론에서 전송될 영상 데이터의 송신 지연 시간이고, Di video는 각 드론에서 전송된 영상 데이터의 양이다.
또한, 상기 클라우드에서 데이터 처리 작업시의 작업 수행 시간은 드론에서의 작업 수행 시간에 비해 작은 것이 바람직하다.
또한, 상기 군집 드론의 각 드론에서 데이터 처리 작업 시, 에너지 소모량(Edrones)는 하기 수학식 4와 같다.
수학식 4)
Figure pat00004
여기서, Ncmd는 전체 데이터 처리 작업량이고, n은 군집 드론의 개수이고, ef는 n개의 드론이 하나의 명령어 처리에 필요한 에너지이고, erx는 데이터 처리 작업 수행을 위해서 필요한 데이터를 수신하는 데 소모되는 에너지이고, etx는 처리 작업 수행 결과값을 변화하는데 소모되는 에너지이고, Darg는 수신 데이터의 크기이고, Dret는 전송할 데이터의 크기이다.
또한, 상기 군집 드론의 오프로딩시 에너지 소모량(Eoffloading)은 하기 수학식 5와 같다.
수학식 5)
Figure pat00005
여기서, ei tx는 각 드론에서 전송될 영상 데이터의 1바이트 전송에 필요한 에너지이고, Di video는 각 드론에서 전송된 영상 데이터의 양이다.
또한, 상기 군집 드론의 오프로딩시에는 상기 클라우드 내에서의 에너지 소모는 무시하고, 상기 드론 측면에서만 에너지 소모량을 계산됨이 바람직하다.
또한, 상기 군집 드론의 각 드론에서 데이터 처리 작업 시, 수행 완료 시간(Tdronnes)은 드론의 개수가 많아질수록 처리량이 늘어나 수행 완료 시간이 줄어드는 것이 바람직하다.
또한, 상기 군집 드론의 오프로딩시의 에너지 소모량(Eoffloading)은 군집 드론의 각 드론에서 클라우드로 전송하는 데이터의 크기가 크기 때문에 드론의 개수가 늘어남에 따라 에너지 소모가 급격하게 증가할 수 있다.
또한, 상기 군집 드론의 각 드론에서 데이터 처리 작업 시, 에너지 소모량(Edrones)은 상기 군집 드론과 클라우드 사이에 전송할 데이터의 크기가 크지 않아 에너지 소모가 완만하게 증가할 수 있다.
또한, 상기 군집 드론의 오프로딩시의 수행 완료 시간(Toffloading)은 명령어의 증가에도 수행 완료 시간은 변화하지 않는 것이 바람직하다.
또한, 상기 군집 드론의 각 드론에서 데이터 처리 작업 시, 명령어 개수가 늘어나면 수행 완료 시간도 급격하게 증가할 수 있다.
또한, 상기 군집 드론의 오프 로딩시의 에너지 소모량(Eoffloading)은 명령어 개수가 늘어나도 추가적인 에너지 소모가 없는 반면, 상기 군집 드론의 각 드론에서 데이터 처리 작업 시에는 에너지 소모량(Edrones)은 각 드론 에서 처리해야 하는 작업량이 늘어나 에너지 소모가 증가할 수 있다.
상술한 바와 같이, 본 발명에 따른 군집 드론의 데이터 처리 작업 결정 방법에 의하면, 지상의 탐지 구역에 대해 드론으로부터 수집한 데이터의 처리 작업을 드론에서의 실시간의 수행 완료 시간과 에너지 소모량을 고려한 비용 분석에 따라 드론 및 클라우드 중 어느 하나에서 데이터 처리 작업을 수행할 것인지를 결정함으로써, 보다 안정적이고 효율적인 데이터 작업이 가능한 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 군집 드론의 데이터 처리 작업 결정 시스템의 개략적인 블록도이다.
도 2는 본 발명의 일 실시예에 따른 군집 드론을 활용한 얼굴 인식 시스템의 예시도이다.
도 3a 및 도 3b는 각각 군집 드론의 개수의 변화에 따른 수행 완료 시간과 에너지 소모량을 비교한 결과를 나타내는 그래프도이다.
도 4a 및 도 4b는 각각 명령의 개수의 변화에 따른 수행 완료 시간과 에너지 소모량을 비교한 결과를 나타내는 그래프도이다.
본 발명은 그 기술적 사상 또는 주요한 특징으로부터 벗어남이 없이 다른 여러가지 형태로 실시될 수 있다. 따라서, 본 발명의 실시예들은 모든 점에서 단순한 예시에 지나지 않으며 한정적으로 해석되어서는 안된다.
제 1, 제 2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다.
상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성요소는 제 2 구성요소로 명명될 수 있고, 유사하게 제 2 구성요소도 제 1 구성요소로 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 출원에서, "포함하다" 또는 "구비하다", "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다.
일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있을 정도로 상세히 설명하기 위하여, 본 발명의 가장 바람직한 실시예를 첨부된 도면을 참조로 하여 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 군집 드론의 데이터 처리 작업 결정 시스템의 개략적인 블록도이고, 도 2는 본 발명의 일 실시예에 따른 군집 드론을 활용한 얼굴 인식 시스템의 예시도이다.
먼저, 도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 군집 드론의 데이터 처리 작업 결정 시스템(1)은, 지상의 탐지 구역(2)에 대한 데이터를 수집하는 군집 드론(10); 사용자(3)의 원하는 데이터 처리 작업 정보에 따라 상기 군집 드론(10)에게 목적 장소인 탐지 구역(2)으로 이동하도록 하는 클라우드(20); 상기 클라우드와 군집 드론 사이에서 제어 명령을 전달하는 지상 제어 센터(30); 및 드론에서의 실시간의 수행 완료 시간과 에너지 소모량을 고려하여 상기 드론 및 상기 클라우드 중 어느 하나에서 데이터 처리 작업을 수행할 것인지를 결정하는 제어부(40)를 포함하여 이루어진다.
여기서, 상기 데이터 처리 작업이란 것은 탐지 구역(2)에 대한 데이터를 토대로 사용자(3)가 원하는 처리 작업 예를 들면, 탐지 구역의 사람 얼굴 데이터로부터 사용자가 원하는 인물의 얼굴과 비교하여 인식하는 얼굴 인식 처리 작업(도 2 참조) 등을 지칭하는 것이며, 본 발명에 있어 다양한 종류의 데이터 처리 작업이 포함될 수 있음을 이해하여야 할 것이다.
또한, 본 발명의 특징은 상기 데이터 처리 작업이 군집 드론(10)에서도 수행될 수 있으나, 군집 드론의 제약에 따라 클라우드(20)에서 위탁하여 데이터 처리 작업이 가능하며, 이때 드론에서의 수행 완료 시간과 에너지 소모량을 함께 고려하여 상기 제어부(40)의 제어에 따라 상기 드론 및 상기 클라우드 중 어느 하나에서 데이터 처리 작업을 수행할 것인지를 실시간으로 결정하여 군집 드론의 안정화된 데이터 처리 작업을 위한 최적화된 기법을 제공하는 것이다.
상기 군집 드론(10)은 다수의 드론으로 이루어지는 것으로, 사용자(3)의 원하는 데이터 처리 작업 정보에 따라 해당 탐지 구역(2)으로 이동하여 지상의 탐지 구역(2)에 대한 데이터를 수집하고, 또 상기 수집된 데이터를 클라우드(20)로 전송하게 된다.
여기서, 상기 군집 드론(10)은 자신의 실시간의 수행 완료 시간과 에너지 소모량을 함께 고려하여 상기 제어부(40)의 제어(결정)에 따라 자체적으로 해당 데이터 처리 작업을 협업하여 수행할 수도 있다. 물론, 상기 군집 드론(10)이 자체적으로 데이터 처리 작업을 수행하는 경우 실시간의 수행 완료 시간과 에너지 소모량의 부하가 클 경우에 상기 제어부(40)의 제어(결정)에 따라 군집 드론(10)을 오프로딩(offloading)시키고, 클라우드(20)에서 상기 군집 드론(10)으로부터 해당 데이터를 전송받아 데이터 처리 작업이 이루어 질 수도록 하게 된다.
상기 클라우드(20)는 다수의 사용자(3)가 원하는 데이터 처리 작업 정보를 수신하고, 상기 사용자(3)로부터 수신된 데이터 처리 작업 정보에 따라 상기 군집 드론(10)에게 목적 장소인 탐지 구역(2)으로 군집 드론(10)에게 이동 명령을 지시하고 군집 드론(10)으로부터 수집된 데이터를 전송받을 수 있도록 되어 있다.
여기서, 상기 클라우드(20)는 군집 드론(10)의 실시간의 수행 완료 시간과 에너지 소모량을 함께 고려하여 상기 제어부(40)의 제어(결정)에 따라 데이터 처리 작업에 대해 군집 드론(10)에서 오프로딩시키고, 상기 군집 드론(10)으로부터 수신된 데이터를 토대로 해당 데이터 처리 작업을 수행하게 된다. 물론, 상기 군집 드론의 오프로딩시에 수행 완료 시간과 에너지 소모량이 늘어날 경우, 상기 제어부(40)의 제어에 따라 상기 군집 드론(10)을 오프로딩하지 않고 각 드론의 협업을 통해 데이터 처리 작업이 이루어질 수 있게 된다.
상기 지상 제어 센터(30)는 상기 군집 드론(10)과 클라우드(20) 사이에서 군집 드론(100의 이동 명령, 데이터 전송 명령 등을 포함하는 각종 제어 명령을 전달하는 역할을 수행한다.
상기 제어부(40)는 실시간의 군집 드론의 수행 완료 시간과 에너지 소모량을 종합적으로 고려하여 상기 드론(10) 및 상기 클라우드(20) 중 어느 하나에서 데이터 처리 작업을 수행할 것인지를 결정하여 해당 결정 제어 명령을 상기 드론(10)과 상기 클라우드(20)에 전달하여 데이터 처리 작업이 드론(10) 또는 클라우드(20)에서 이루어질 수 있도록 한다.
한편, 도 2는 데이터 처리 작업의 예로서 얼굴 인식 처리 작업의 예시도로서, 도 1을 함께 참조하여 설명하기로 한다.
먼저, 사용자(3)가 원하는 탐지 구역(2)에서 찾고자 하는 사람의 데이터를 클라우드(20)에 전송하게 되면, 클라우드(20)는 지상 제어 센터(30)를 통해 군집 드론(10)에게 원하는 탐지 구역(2)으로의 이동 명령을 전송하여 군집 드론(10)은 해당 탐지 구역(2)으로 이동하게 된다.
이때, 클라우드(20)에서 얼굴 인식을 위한 데이터 처리 작업이 이루어지는 경우에는, 목적된 장소인 탐지 구역(2)로 이동한 군집 드론(10)은 자신의 탐지 구역(20을 설정하고, 탐지 구역으로 촬영된 영상 데이터를 지상 제어 센터(30)를 통해 클라우드(20)로 전송하게 된다. 클라우드(20)에서는 상기 군집 드론(10)으로부터 수신하여 수집된 영상 데이터를 분석하여 사용자가 원하는 사람이 있는지에 대한 여부를 확인하고, 그 결과를 사용자(3)에 통지하게 된다.
한편, 다수의 드론의 된 군집 드론(10)이 자체적으로 얼굴 인식을 위한 데이터 처리 작업을 수행하는 경우, 군집 드론(10)은 클라우드(20)로부터 찾으려는 대상에 대한 얼굴 이미지 데이터를 전송받고 이를 자신이 수집한 촬영 영상 데이터와 비교 분석하여 사용자가 원하는 사람이 있는지에 대한 여부를 확인하고, 그 결과를 지상 제어 센터(30)를 통해 클라우드(20)로 전송하고, 사용자(3)에게 통지하게 된다.
이때, 상기 제어부(40)는 상기 군집 드론(10) 또는 상기 클라우드에서의 데이터 처리 작업(도 2에서는 얼굴 인식을 위한 데이터 처리 작업)을 결정하게 되며, 그 결정 요소는 전술한 바와 같이, 실시간의 군집 드론의 수행 완료 시간과 에너지 소모량이다.
즉, 군집 드론의 자원 제약적인 특성으로 인해 군집 드론(10)을 오프로딩 시켜 부하가 큰 작업을 수행하는 클라우드(20)로 위탁하여 데이터 처리 작업을 수행하다가, 상기 군집 드론(10)의 오프로딩시에 수행 완료 시간과 에너지 소모량이 늘어날 경우, 상기 제어부(40)의 제어에 따라 상기 군집 드론(10)을 오프로딩하지 않고 각 드론(10)의 협업을 통해 데이터 처리 작업이 이루어질 수 있게 된다. 물론, 반대로 상기 제어부(40)는 실시간의 군집 드론(10)의 수행 완료 시간과 에너지 소모량을 계산하여 클라우드(20)에서 데이터 처리 작업이 수행하는 것이 필요하다면, 클라우드(20)에서 데이터 처리 작업이 수행되도록 제어 명령을 전달하게 된다.
이때, 상기 제어부(40)가 실시간의 군집 드론의 수행 완료 시간과 에너지 소모량을 종합적으로 고려하여 상기 드론(10) 및 상기 클라우드(20) 중 어느 하나에서 데이터 처리 작업을 수행할 것인지를 결정하는 판단 기준은 하기의 수학식 1과 같이, 실시간의 군집 드론의 수행 완료 시간과 에너지 소모량을 고려한 비용 분석 결과값(C)으로 나타난다.
수학식 1)
Figure pat00006
여기서, Wt는 군집 드론의 수행 완료 시간에 대한 가중치이고, We는 군집 드론의 에너지 소모량에 대한 가중치이고, Tdronnes 및 Edrones는 수행 완료 시간과 에너지 소모량을 의미하며, Toffloading 및 Eoffloading은 오프로딩시 수행 완료 시간과 에너지 소모량을 의미한다.
여기서, 상기 가중치(Wt, We)는 상수 값으로 예를 들면 각각 0.5로 동일 값을 부여할 수도 있으나, 수행 완료 시간 또는 에너지 소모에 대한 비중에 따라 값이 변경될 수 있음은 물론이다.
이때, 상기 제어부(40)는 상기 수학식 1에서 제시된 군집 드론의 수행 완료 시간과 에너지 소모량을 고려한 비용 분석 결과값(C)이 1보다 크면 군집 드론에서 데이터 처리 작업이 수행되도록 제어 명령을 군집 드론(10)과 클라우드(20)에 지시하고, 비용 분석 결과값(C)이 1보다 작거나 같은 경우에는 군집 드론(10)를 오프로딩시키고 클라우드(20)에서 데이터 처리 작업이 수행되도록 제어 명령을 군집 드론(10)과 클라우드(20)에 전송한다.
군집 드론(10)의 각 드론에서 데이터 처리 작업 시, 수행 완료 시간(Tdronnes)은 각 드론이 동일한 성능을 가진다는 가정하에 하기 수학식 2와 같이 정의할 수 있다.
수학식 2)
Figure pat00007
여기서, Ncmd는 전체 데이터 처리 작업량이고, n은 군집 드론의 개수이고, f는 각 드론에 탑재된 프로세서의 성능이고, trx는 데이터 처리 작업 수행을 위해서 필요한 데이터를 수신하는 시간에 대해 1바이트당 바이트당 수신 지연시간이고, Darg는 수신 데이터의 크기이고, ttx는 처리 작업 수행 결과값을 전송하는 시간에 대한 1바이트당 송신 지연 시간이고, Dret는 전송할 데이터의 크기이다.
상기 군집 드론(10)의 오프로딩시 수행 완료 시간(Toffloading)은 하기의 수학식 3과 같이 정의할 수 있다.
수학식 3)
Figure pat00008
여기서, ti tx는 각 드론에서 전송될 영상 데이터의 송신 지연 시간이고, Di video는 각 드론에서 전송된 영상 데이터의 양이다.
즉, 상기 수학식 3과 같이, 클라우드(20)에 데이터 처리 작업시의 작업 수행 시간은 드론에서 비해 작기 때문에 각 드론으로부터 전송되는 영상 데이터의 양(Di video)과 송신 지연 시간(ti tx)에 영향을 받게 된다.
군집 드론(10)의 각 드론에서 데이터 처리 작업 시, 에너지 소모량(Edrones)는 하기 수학식 4와 같이 정의할 수 있다.
수학식 4)
Figure pat00009
여기서, Ncmd는 전체 데이터 처리 작업량이고, n은 군집 드론의 개수이고, ef는 n개의 드론이 하나의 명령어 처리에 필요한 에너지이고, erx는 데이터 처리 작업 수행을 위해서 필요한 데이터를 수신하는 데 소모되는 에너지이고, etx는 처리 작업 수행 결과값을 변화하는데 소모되는 에너지이고, Darg는 수신 데이터의 크기이고, Dret는 전송할 데이터의 크기이다.
군집 드론(10)의 오프로딩시 에너지 소모량(Eoffloading)은 하기 수학식 5와 같이 정의할 수 있다.
수학식 5)
Figure pat00010
여기서, ei tx는 각 드론에서 전송될 영상 데이터의 1바이트 전송에 필요한 에너지이고, Di video는 각 드론에서 전송된 영상 데이터의 양이다.
즉, 상기 수학식 5와 같이, 군집 드론(10)의 오프로딩시에는 클라우드(20) 내에서의 에너지 소모는 무시하고, 드론 측면에서만 에너지 소모량을 계산하면, 각 드론에서 전송된 영상 데이터의 양(Di video)과 각 드론에서 전송될 영상 데이터의 1바이트 전송에 필요한 에너지(ei tx)에 영향을 받는다.
하기의 표 1은 상기 수학식 1 내지 5의 계산을 위해 설정된 값을 나타내며, 이는 공지의 LTE(Long Term Evolution) 통신 관련 송수신 지연 시간과 에너지 소모량을 토대로 하여 분석결과를 토대로 계산한 것이다.
Figure pat00011
도 3a 및 도 3b는 각각 군집 드론의 개수의 변화에 따른 수행 완료 시간과 에너지 소모량을 비교한 결과를 나타내는 그래프도이다.
도 3a에 도시된 바와 같이, 군집 드론(10)의 오프로딩시의 수행 완료 시간(Toffloading)은 드론의 컴퓨팅 파워를 활용하지 않기 때문에 데이터 전송을 위한 시간만 소모되어 변화가 거의 없게 된다.
또한 군집 드론(10)의 각 드론에서 데이터 처리 작업 시, 수행 완료 시간(Tdronnes )은 드론의 개수가 많아질수록 처리량이 늘어나 수행 완료 시간이 줄어 드는 것을 알 수 있다.
도 3b에 도시된 바와 같이, 군집 드론(10)의 오프로딩시의 에너지 소모량(Eoffloading)은 군집 드론(10)의 각 드론에서 클라우드(20)로 전송하는 데이터의 크기가 크기 때문에 드론의 개수가 늘어남에 따라 에너지 소모가 급격하게 증가한다.
반면, 군집 드론(10)의 각 드론에서 데이터 처리 작업 시, 에너지 소모량(Edrones)은 군집 드론(10)과 클라우드(20) 사이에 전송할 데이터의 크기가 크지 않기 때문에 에너지 소모가 완만하게 증가함을 알 수 있다.
도 4a 및 도 4b는 각각 명령의 개수의 변화에 따른 수행 완료 시간과 에너지 소모량을 비교한 결과를 나타내는 그래프도로서, 군집 드론(10)의 개수를 30개로 설정하고, 명령어 개수의 변화에 수행 완료 시간과 에너지 소모량을 비교하였다.
도 4a에 도시된 바와 같이, 군집 드론(10)의 오프로딩시의 수행 완료 시간(Toffloading)은 클라우드(20)의 컴퓨팅 파워를 사용하기 때문에 명령어의 증가에도 수행 완료 시간의 변화가 거의 없다.
반면, 또한 군집 드론(10)의 각 드론에서 데이터 처리 작업 시, 명령어 개수가 늘어나면 수행 완료 시간도 급격하게 증가함을 알 수 있다.
도 4b에 도시된 바와 같이, 군집 드론(10)의 오프로딩시의 에너지 소모량(Eoffloading)은 명령어 증가로 인한 추가적인 에너지 소모가 없다.
반면, 군집 드론(10)의 각 드론에서 데이터 처리 작업 시, 에너지 소모량(Edrones)은 각 드론에서 처리해야 하는 작업량이 늘어나 에너지 소모가 증가하게 된다.
본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 상기 설명된 실시예에 한정되지 않으며, 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략되었다. 이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.
1: 군집 드론의 데이터 처리 작업 결정 시스템
2: 지상의 탐지 구역
3: 사용자
10: 군집 드론
20: 클라우드
30: 지상 제어 센터
40: 제어부

Claims (17)

  1. 지상의 탐지 구역에 대한 데이터를 수집하고, 상기 수집된 데이터를 클라우드로 전송하는 군집 드론의 데이터 처리 작업 결정 방법으로서,
    다수의 드론이 탐지 구역으로 이동하여 탐지 구역에 대한 데이터를 수집하는 단계;
    상기 수집된 데이터를 클라우드로 전송하는 단계; 및
    상기 수집된 데이터의 처리 작업을 드론에서의 실시간의 수행 완료 시간과 에너지 소모량을 고려하여 제어부에서 상기 드론 및 상기 클라우드 중 어느 하나에서 데이터 처리 작업을 수행할 것인지를 결정하는 단계를 포함하여 이루어지는 것을 특징으로 하는 군집 드론의 데이터 처리 작업 결정 방법.
  2. 제 1 항에 있어서,
    상기 클라우드는 사용자가 원하는 데이터 처리 작업 정보를 수신하고, 상기 사용자로부터 수신된 데이터 처리 작업 정보에 따라 상기 군집 드론에게 목적 장소인 탐지 구역으로 군집 드론에게 이동 명령을 지시하고, 상기 군집 드론으로부터 수집된 데이터를 전송받는 것을 특징으로 하는 군집 드론의 데이터 처리 작업 결정 방법.
  3. 제 2 항에 있어서,
    상기 군집 드론과 상기 클라우드 사이에 지상 제어 센터가 개재되어 상기 군집 드론의 이동 명령 및 데이터 전송 명령을 포함하는 제어 명령을 전달하는 역할을 수행하는 것을 특징으로 하는 군집 드론의 데이터 처리 작업 결정 방법.
  4. 제 1 항에 있어서,
    상기 제어부가 실시간의 군집 드론의 수행 완료 시간과 에너지 소모량을 종합적으로 고려하여 상기 드론 및 상기 클라우드 중 어느 하나에서 데이터 처리 작업을 수행할 것인지를 결정하는 판단 기준인 비용 분석 결과값은 하기의 수학식 1과 같은 것을 특징으로 하는 군집 드론의 데이터 처리 작업 결정 방법.
    수학식 1)
    Figure pat00012

    여기서, C는 비용 분석 결과값, Wt는 군집 드론의 수행 완료 시간에 대한 가중치이고, We는 군집 드론의 에너지 소모량에 대한 가중치이고, Tdronnes 및 Edrones는 수행 완료 시간과 에너지 소모량을 의미하며, Toffloading 및 Eoffloading은 오프로딩시 수행 완료 시간과 에너지 소모량을 의미한다.
  5. 제 4 항에 있어서,
    상기 제어부는, 상기 수학식 1에서 제시된 군집 드론의 수행 완료 시간과 에너지 소모량을 고려한 상기 비용 분석 결과값이 1보다 크면 상기 군집 드론에서 데이터 처리 작업이 수행되도록 제어 명령을 상기 군집 드론과 상기 클라우드에 지시하고, 상기 비용 분석 결과값이 1보다 작거나 같은 경우에는 상기 군집 드론를 오프로딩시키고 상기 클라우드에서 데이터 처리 작업이 수행되도록 제어 명령을 상기 군집 드론과 상기 클라우드에 전송하는 것을 특징으로 하는 군집 드론의 데이터 처리 작업 결정 방법.
  6. 제 4 항에 있어서,
    상기 군집 드론의 각 드론에서 데이터 처리 작업시, 상기 수행 완료 시간(Tdronnes )은 각 드론이 동일한 성능을 가진다는 가정하에 하기 수학식 2와 같은 것을 특징으로 하는 군집 드론의 데이터 처리 작업 결정 방법.
    수학식 2)
    Figure pat00013

    여기서, Ncmd는 전체 데이터 처리 작업량이고, n은 군집 드론의 개수이고, f는 각 드론에 탑재된 프로세서의 성능이고, trx는 데이터 처리 작업 수행을 위해서 필요한 데이터를 수신하는 시간에 대해 1바이트당 바이트당 수신 지연시간이고, Darg는 수신 데이터의 크기이고, ttx는 처리 작업 수행 결과값을 전송하는 시간에 대한 1바이트당 송신 지연 시간이고, Dret는 전송할 데이터의 크기이다.
  7. 제 6 항에 있어서,
    상기 군집 드론의 오프로딩시 수행 완료 시간(Toffloading)은 하기의 수학식 3과 같은 것을 특징으로 하는 군집 드론의 데이터 처리 작업 결정 방법.
    수학식 3)
    Figure pat00014

    여기서, ti tx는 각 드론에서 전송될 영상 데이터의 송신 지연 시간이고, Di video는 각 드론에서 전송된 영상 데이터의 양이다.
  8. 제 7 항에 있어서,
    상기 클라우드에서 데이터 처리 작업시의 작업 수행 시간은 드론에서의 작업 수행 시간에 비해 작은 것을 특징으로 하는 군집 드론의 데이터 처리 작업 결정 방법.
  9. 제 7 항에 있어서,
    상기 군집 드론의 각 드론에서 데이터 처리 작업 시, 에너지 소모량(Edrones)는 하기 수학식 4와 같은 것을 특징으로 하는 군집 드론의 데이터 처리 작업 결정 방법.
    수학식 4)
    Figure pat00015

    여기서, Ncmd는 전체 데이터 처리 작업량이고, n은 군집 드론의 개수이고, ef는 n개의 드론이 하나의 명령어 처리에 필요한 에너지이고, erx는 데이터 처리 작업 수행을 위해서 필요한 데이터를 수신하는 데 소모되는 에너지이고, etx는 처리 작업 수행 결과값을 변화하는데 소모되는 에너지이고, Darg는 수신 데이터의 크기이고, Dret는 전송할 데이터의 크기이다.
  10. 제 9 항에 있어서,
    상기 군집 드론의 오프로딩시 에너지 소모량(Eoffloading)은 하기 수학식 5와 같은 것을 특징으로 하는 군집 드론의 데이터 처리 작업 결정 방법.
    수학식 5)
    Figure pat00016

    여기서, ei tx는 각 드론에서 전송될 영상 데이터의 1바이트 전송에 필요한 에너지이고, Di video는 각 드론에서 전송된 영상 데이터의 양이다.
  11. 제 10 항에서,
    상기 군집 드론의 오프로딩시에는 상기 클라우드 내에서의 에너지 소모는 무시하고, 상기 드론 측면에서만 에너지 소모량을 계산되는 것을 특징으로 하는 군집 드론의 데이터 처리 작업 결정 방법.
  12. 제 4 항에 있어서,
    상기 군집 드론의 각 드론에서 데이터 처리 작업 시, 수행 완료 시간(Tdronnes)은 드론의 개수가 많아질수록 처리량이 늘어나 수행 완료 시간이 줄어드는 것을 특징으로 하는 군집 드론의 데이터 처리 작업 결정 방법.
  13. 제 4 항에 있어서,
    상기 군집 드론의 오프로딩시의 에너지 소모량(Eoffloading)은 군집 드론의 각 드론에서 클라우드로 전송하는 데이터의 크기가 크기 때문에 드론의 개수가 늘어남에 따라 에너지 소모가 급격하게 증가하는 것을 특징으로 하는 군집 드론의 데이터 처리 작업 결정 방법.
  14. 제 13 항에 있어서,
    상기 군집 드론의 각 드론에서 데이터 처리 작업 시, 에너지 소모량(Edrones)은 상기 군집 드론과 클라우드 사이에 전송할 데이터의 크기가 크지 않아 에너지 소모가 완만하게 증가하는 것을 특징으로 하는 군집 드론의 데이터 처리 작업 결정 방법.
  15. 제 4 항에 있어서,
    상기 군집 드론의 오프로딩시의 수행 완료 시간(Toffloading)은 명령어의 증가에도 수행 완료 시간은 변화하지 않는 것을 특징으로 하는 군집 드론의 데이터 처리 작업 결정 방법.
  16. 제 15 항에 있어서,
    상기 군집 드론의 각 드론에서 데이터 처리 작업 시, 명령어 개수가 늘어나면 수행 완료 시간도 급격하게 증가하는 것을 특징으로 하는 군집 드론의 데이터 처리 작업 결정 방법.
  17. 제 4 항에 있어서,
    상기 군집 드론의 오프 로딩시의 에너지 소모량(Eoffloading)은 명령어 개수가 늘어나도 추가적인 에너지 소모가 없는 반면, 상기 군집 드론의 각 드론에서 데이터 처리 작업 시에는 에너지 소모량(Edrones)은 각 드론 에서 처리해야 하는 작업량이 늘어나 에너지 소모가 증가하는 것을 특징으로 하는 군집 드론의 데이터 처리 작업 결정 방법.
KR1020180013263A 2018-02-02 2018-02-02 군집 드론의 데이터 처리 작업 결정 방법 KR102029222B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180013263A KR102029222B1 (ko) 2018-02-02 2018-02-02 군집 드론의 데이터 처리 작업 결정 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180013263A KR102029222B1 (ko) 2018-02-02 2018-02-02 군집 드론의 데이터 처리 작업 결정 방법

Publications (2)

Publication Number Publication Date
KR20190093892A true KR20190093892A (ko) 2019-08-12
KR102029222B1 KR102029222B1 (ko) 2019-10-07

Family

ID=67624885

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180013263A KR102029222B1 (ko) 2018-02-02 2018-02-02 군집 드론의 데이터 처리 작업 결정 방법

Country Status (1)

Country Link
KR (1) KR102029222B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210086004A (ko) * 2019-12-31 2021-07-08 한국기술교육대학교 산학협력단 무인 이동체와의 군집화 기반의 통신

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102267764B1 (ko) 2019-12-26 2021-06-23 한국항공우주연구원 군집 드론 기반 광대역 정찰 감시 시스템 및 이를 이용한 광대역 정찰 감시 방법
KR102472809B1 (ko) 2022-05-16 2022-12-01 고려대학교 산학협력단 복수의 무인이동체를 이용한 감시 시스템

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101475629B1 (ko) * 2013-11-22 2014-12-22 인하공업전문대학산학협력단 무인 항공기의 교대 제어 장치 및 그 방법
KR101651890B1 (ko) * 2015-04-01 2016-09-09 고려대학교 산학협력단 드론 편대 기반의 지연 내성 네트워크 서비스 제공 장치
KR20160118036A (ko) * 2015-04-01 2016-10-11 고려대학교 산학협력단 드론 편대 제어 방법
KR20170027116A (ko) * 2015-09-01 2017-03-09 주식회사 크레디프 드론과 IoT를 연동한 재난 안전 시스템

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101475629B1 (ko) * 2013-11-22 2014-12-22 인하공업전문대학산학협력단 무인 항공기의 교대 제어 장치 및 그 방법
KR101651890B1 (ko) * 2015-04-01 2016-09-09 고려대학교 산학협력단 드론 편대 기반의 지연 내성 네트워크 서비스 제공 장치
KR20160118036A (ko) * 2015-04-01 2016-10-11 고려대학교 산학협력단 드론 편대 제어 방법
KR20170027116A (ko) * 2015-09-01 2017-03-09 주식회사 크레디프 드론과 IoT를 연동한 재난 안전 시스템

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
김민지, 문성태, 공현철 (2015). 실외 군집비행을 위한 드론 조사 및 이기종 기체 지상 제어 시스템 개발. 한국항공우주학회 학술발표회 논문집, 2144-2147. *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210086004A (ko) * 2019-12-31 2021-07-08 한국기술교육대학교 산학협력단 무인 이동체와의 군집화 기반의 통신

Also Published As

Publication number Publication date
KR102029222B1 (ko) 2019-10-07

Similar Documents

Publication Publication Date Title
CN110553629B (zh) 一种基于边缘计算的无人机目标追踪功耗优化方法及系统
KR102029222B1 (ko) 군집 드론의 데이터 처리 작업 결정 방법
CN110647391B (zh) 面向星地协同网络的边缘计算方法及系统
CN110287945B (zh) 一种5g环境下无人机目标检测方法
JP5684911B2 (ja) クラウドロボットシステムおよびその実現方法
Luo et al. Stability of cloud-based UAV systems supporting big data acquisition and processing
CN113395679B (zh) 一种无人机边缘服务器的资源和任务分配优化系统
US10834766B2 (en) Unmanned vehicle controlling system and method of operating same
CN111787509A (zh) 边缘计算中基于强化学习的无人机任务卸载方法及系统
CN111552279B (zh) 向被控制的设备传送指令数据项的方法和装置
Challita et al. Artificial intelligence for wireless connectivity and security of cellular-connected UAVs
WO2019127478A1 (zh) 无人机的控制方法、飞行控制器及无人机
Jung et al. Adaptive offloading with MPTCP for unmanned aerial vehicle surveillance system
Hu et al. Task and bandwidth allocation for UAV-assisted mobile edge computing with trajectory design
Zhang et al. Transfer learning for distributed intelligence in aerial edge networks
CN109995117B (zh) 基于机器人的充电系统及方法
CN116233790A (zh) 一种基于5g的无人机集群边缘计算架构系统及处理方法
CN112789572A (zh) 可移动平台的控制方法、装置、可移动平台及存储介质
KR102500352B1 (ko) 딥러닝 기반의 초해상화 이미지 처리 시스템과 방법 및 이를 위한 컴퓨터 프로그램
Shimaday et al. Novel workload balancing method for UAV-based edge cloud computing systems with handover
KR102025885B1 (ko) 군집 무인 항공 시스템 환경을 위한 실시간 통신 장치
TW202312709A (zh) 優化網路的系統和方法
KR20230055271A (ko) 딥러닝 애플리케이션의 캐싱 및 오프로딩을 지원하는 엣지 서버
Rahbari et al. Edge-to-Fog Collaborative Computing in a Swarm of Drones
WO2021115611A1 (en) Access network and wireless device

Legal Events

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