KR20210069588A - 무인항공기를 이용한 모바일 엣지 컴퓨팅 시스템에서의 태스크 오프로딩 방법 및 그를 이용한 모바일 엣지 컴퓨팅 시스템, 그를 위한 무인 항공기 - Google Patents

무인항공기를 이용한 모바일 엣지 컴퓨팅 시스템에서의 태스크 오프로딩 방법 및 그를 이용한 모바일 엣지 컴퓨팅 시스템, 그를 위한 무인 항공기 Download PDF

Info

Publication number
KR20210069588A
KR20210069588A KR1020200166675A KR20200166675A KR20210069588A KR 20210069588 A KR20210069588 A KR 20210069588A KR 1020200166675 A KR1020200166675 A KR 1020200166675A KR 20200166675 A KR20200166675 A KR 20200166675A KR 20210069588 A KR20210069588 A KR 20210069588A
Authority
KR
South Korea
Prior art keywords
unmanned aerial
aerial vehicle
task
iot device
edge computing
Prior art date
Application number
KR1020200166675A
Other languages
English (en)
Other versions
KR102463776B1 (ko
Inventor
홍충선
마디안 압둘라 오스만 알센위
이민경
Original Assignee
경희대학교 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 경희대학교 산학협력단 filed Critical 경희대학교 산학협력단
Publication of KR20210069588A publication Critical patent/KR20210069588A/ko
Application granted granted Critical
Publication of KR102463776B1 publication Critical patent/KR102463776B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5094—Allocation of resources, e.g. of the central processing unit [CPU] where the allocation takes into account power or heat criteria
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64C—AEROPLANES; HELICOPTERS
    • B64C39/00—Aircraft not otherwise provided for
    • B64C39/02—Aircraft not otherwise provided for characterised by special use
    • B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • B64C2201/12—
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2101/00—UAVs specially adapted for particular uses or applications
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Abstract

본 발명의 일 기술적 측면에 따른 태스크 오프로딩을 이용한 모바일 엣지 컴퓨팅 시스템은, 시스템 대역폭 F을 가지는 MEC(Multi-access Edge Computing) 서버를 포함하는 공중 기지국으로서 작동하는 무인 항공기 및 입력 데이터의 전체 데이터 크기, IoT(Internet On Thins) 디바이스의 CPU(Central Processing Unit) 용량 및 작업의 대기 시간을 포함하는 컴퓨팅 태스크 정보를 각각 가지는 복수의 IoT(Internet On Thins) 디바이스를 포함한다. 상기 무인 항공기는, 상기 복수의 IoT 디바이스로부터 각각 컴퓨팅 태스크 정보를 수집하고, 수집된 컴퓨팅 태스크에 대하여 각각 에너지 소비량, 계산 시간, 업링크 전송 시간 및 전송 에너지를 산출하여 상기 무인 항공기에서 오프로딩 되어 처리될 작업을 결정 할 수 있다. 본 발명의 일 실시형태에 따르면, 무인 항공기를 멀티 억세스 엣지 컴퓨팅 장치로서 활용하여 이동형 MEC 컴퓨팅 환경을 제공 할 수 있는 효과가 있다.

Description

무인항공기를 이용한 모바일 엣지 컴퓨팅 시스템에서의 태스크 오프로딩 방법 및 그를 이용한 모바일 엣지 컴퓨팅 시스템, 그를 위한 무인 항공기 {METHOD FOR TASK OFFLOADING IN MOBILE EDGE COMPUING SYSTEM USING THE UNMANNED AERIAL VEHICLES AND MOBILE EDGE COMPUING SYSTEM USING THE SAME AND UNMMANNED AERIAL VEHICLES THEREOF}
본 발명은 무인 항공기를 기반으로 하는 모바일 엣지 컴퓨팅 시스템에서 에너지 효율적인 작업 오프로딩 방법을 적용한 태스크 오프로딩 방법, 그를 이용한 모바일 엣지 컴퓨팅 시스템 및 그를 위한 무인 항공기에 관한 것이다.
무선 네트워크 통신 기술의 발전에 따라, 무선 연결에 대한 고품질 및 고사양의 서비스에 대한 높은 기준이 요구된다.
이러한 무선 네트워크에 대한 엄격한 요구 사항은 기존의 네트워크 인프라, 즉, 기지국만으로 구성되는 네트워크 인프라로서는 달성하기 어려운 한계점을 가지고 있다.
이에 따라, 기존의 무선 네트워크 인프라를 보완하기 위하여, 무인 항공기를 공중의 이동 기지국으로서 서비스하는 네트워크 인프라에 대한 개발이 이루어지고 있다.
이에 대한 종래 기술로는 한국 등록특허공보 제10-2023094호 등이 있다. 그러나, 이러한 종래의 기술들은 무인 항공기를 이동 기지국으로 사용하는 것에 중점을 두고 있을 뿐, 무인 항공기 자체에 대한 컴퓨팅 기능은 전혀 부여하지 못하고 있다.
이러한 종래 기술의 경우, 별도의 집중형 컴퓨팅 환경이 요구되는 클라우드 컴퓨팅 환경을 기반으로 하고 있으며, 그에 따라, 데이터량의 증가에 따른 시스템 부하가 발생하는 등의 문제점을 가지고 있다.
이에 따라, 무인항공기를 이용하여 모바일 엣지 컴퓨팅 시스템을 수립하고자 하는 다양한 기술개발이 이루어지고 있다. 그러나, 무인항공기를 이용한 모바일 엣지 컴퓨팅 시스템은 무인항공기의 제한적 리소스라는 문제점을 가지고 있어, 이에 대한 기술적 보완이 요구되고 있다.
한국 등록특허공보 제10-2023094호
본 발명의 일 기술적 측면은 상기한 종래 기술의 문제점을 해결하기 위한 것으로써, 무인 항공기를 멀티 억세스 엣지 컴퓨팅 장치로서 활용하여 이동형 MEC 컴퓨팅 환경을 제공하는 것이다.
또한, 본 발명의 일 기술적 측면은, 모바일 엣지 컴퓨팅 환경의 전체 네트워크의 에너지 효율성을 향상시키고, 그에 따라 이동형 MEC 컴퓨팅 환경의 운영 성능을 증대시키는 것이다.
또한, 본 발명의 일 기술적 측면은, 무인 항공기를 이용하여 네트워크를 구성함으로써 저비용 및 높은 유연성을 제공하며, 농촌이나 군사 작전 지역과 같은 인프라 커버리지가 없는 지역에서도 원활하게 MEC 컴퓨팅 환경을 제공하는 것이다.
본 발명의 상기 목적과 여러 가지 장점은 이 기술분야에 숙련된 사람들에 의해 본 발명의 바람직한 실시예로부터 더욱 명확하게 될 것이다.
본 발명의 일 기술적 측면은 태스크 오프로딩을 이용한 모바일 엣지 컴퓨팅 시스템을 제안한다. 상기 태스크 오프로딩을 이용한 모바일 엣지 컴퓨팅 시스템은, 시스템 대역폭 F을 가지는 MEC(Multi-access Edge Computing) 서버를 포함하는 공중 기지국으로서 작동하는 무인 항공기 및 입력 데이터의 전체 데이터 크기, IoT(Internet On Thins) 디바이스의 CPU(Central Processing Unit) 용량 및 작업의 대기 시간을 포함하는 컴퓨팅 태스크 정보를 각각 가지는 복수의 IoT(Internet On Thins) 디바이스를 포함한다. 상기 무인 항공기는, 상기 복수의 IoT 디바이스로부터 각각 컴퓨팅 태스크 정보를 수집하고, 수집된 컴퓨팅 태스크에 대하여 각각 에너지 소비량, 계산 시간, 업링크 전송 시간 및 전송 에너지를 산출하여 상기 무인 항공기에서 오프로딩 되어 처리될 작업을 결정 할 수 있다.
일 실시예에서, 상기 무인 항공기는, 각 IoT 디바이스에 대하여, 상기 입력 데이터를 상기 무인 항공기에서 처리될데이터 크기
Figure pat00001
와, IoT 디바이스에서 자체로 처리될 데이터 크기
Figure pat00002
로 구분하여, 상기 오프로딩 되어 처리될 작업을 설정 할 수 있다.
일 실시예에서, 상기 무인 항공기는, 수학식
Figure pat00003
을 이용하여 각각의 IoT 디바이스에서 소비되는 에너지 소비량
Figure pat00004
을 산출하고, 여기에서, 상기
Figure pat00005
는 IoT 디바이스 u의 초당 CPU 사이클 수, 상기
Figure pat00006
는 IoT 디바이스 u의 입력 데이터의 전체 데이터 크기, 상기
Figure pat00007
는 IoT 디바이스 u의 CPU 용량일 수 있다.
일 실시예에서, 상기 무인 항공기는, 수학식
Figure pat00008
을 이용하여 각각의 IoT 디바이스에서 요구되는 계산 시간
Figure pat00009
을 산출 할 수 있다.
일 실시예에서, 상기 무인 항공기의 시스템 대역폭 F는, 복수의 리소스 블록을 포함하는 리소스 블록 세트 = {1,2,3, …, B}로 나뉘어지고, 각각의 리소스 블록은 대역폭
Figure pat00010
를 가질 수 있다.
일 실시예에서, 상기 무인 항공기는, 수학식
Figure pat00011
을 이용하여 상기 전송 에너지
Figure pat00012
를 산출하고, 여기에서,
Figure pat00013
는 할당된 리소스 블록 b에 대한 IoT 디바이스 u의 달성 가능한 데이터 비율,
Figure pat00014
는 리소스 블록 할당 변수 일 수 있다.
일 실시예에서, 상기 무인 항공기는, 수학식
Figure pat00015
을 이용하여 상기 업링크 전송 시간
Figure pat00016
을 산출하고, 여기에서,
Figure pat00017
는 업링크 전송 시간,
Figure pat00018
는 할당된 리소스 블록 b에 대한 IoT 디바이스 u의 달성 가능한 데이터 비율,
Figure pat00019
는 리소스 블록 할당 변수 일 수 있다.
본 발명의 다른 일 기술적 측면은 모바일 엣지 컴퓨팅 환경에서 태스크 오프로딩을 이용한 무인 항공기를 제안한다. 상기 무인 항공기는, 컴퓨팅 태스크 정보를 각각 가지는 복수의 IoT(Internet On Thins) 디바이스에게 MEC(Multi-access Edge Computing) 공중 기지국을 제공하는 무인 항공기로서, 복수의 IoT 디바이스로부터 입력 데이터의 전체 데이터 크기, IoT(Internet On Thins) 디바이스의 CPU(Central Processing Unit) 용량 및 작업의 대기 시간을 포함하는 컴퓨팅 태스크 정보를 수집하는 태스크 정보 수집부 및 상기 태스크 정보를 기초로 수집된 컴퓨팅 태스크에 대하여 각각 에너지 소비량, 계산 시간, 업링크 전송 시간 및 전송 에너지를 산출하여, 무인 항공기에서 오프로딩 되어 처리될 작업을 결정하는 오프로딩 결정부를 포함 할 수 있다.
일 실시예에서, 상기 오프로딩 결정부는, 각 IoT 디바이스에 대하여, 상기 입력 데이터를 상기 무인 항공기에서 처리될데이터 크기
Figure pat00020
와, IoT 디바이스에서 자체로 처리될 데이터 크기
Figure pat00021
로 구분하여, 오프로딩 되어 처리될 작업을 설정 할 수 있다.
일 실시예에서, 상기 오프로딩 결정부는, 수학식
Figure pat00022
을 이용하여 각각의 IoT 디바이스에서 소비되는 에너지 소비량
Figure pat00023
을 산출하고, 여기에서, 상기
Figure pat00024
는 IoT 디바이스 u의 초당 CPU 사이클 수, 상기
Figure pat00025
는 IoT 디바이스 u의 입력 데이터의 전체 데이터 크기, 상기
Figure pat00026
는 IoT 디바이스 u의 CPU 용량일 수 있다.
일 실시예에서, 상기 오프로딩 결정부는, 수학식
Figure pat00027
을 이용하여 각각의 IoT 디바이스에서 요구되는 계산 시간
Figure pat00028
을 산출 할 수 있다.
일 실시예에서, 상기 무인 항공기의 시스템 대역폭 F는, 복수의 리소스 블록을 포함하는 리소스 블록 세트 = {1,2,3,…, B}로 나뉘어지고, 각각의 리소스 블록은 대역폭
Figure pat00029
를 가질 수 있다.
일 실시예에서, 상기 오프로딩 결정부는, 수학식
Figure pat00030
을 이용하여 상기 전송 에너지
Figure pat00031
를 산출하고, 여기에서,
Figure pat00032
는 할당된 리소스 블록 b에 대한 IoT 디바이스 u의 달성 가능한 데이터 비율,
Figure pat00033
는 리소스 블록 할당 변수 일 수 있다.
일 실시예에서, 상기 오프로딩 결정부는, 수학식
Figure pat00034
을 이용하여 상기 업링크 전송 시간
Figure pat00035
을 산출하고, 여기에서,
Figure pat00036
는 업링크 전송 시간,
Figure pat00037
는 할당된 리소스 블록 b에 대한 IoT 디바이스 u의 달성 가능한 데이터 비율,
Figure pat00038
는 리소스 블록 할당 변수 일 수 있다.
본 발명의 또 다른 일 기술적 측면은 무인 항공기에서 수행되는 태스크 오프로딩 방법을 제안한다. 상기 무인 항공기에서 수행되는 태스크 오프로딩 방법은, 컴퓨팅 태스크 정보를 각각 가지는 복수의 IoT(Internet On Thins) 디바이스에게 MEC(Multi-access Edge Computing) 공중 기지국을 제공하는 무인 항공기에서 수행되는 태스크 오프로딩 방법으로서, 복수의 IoT 디바이스로부터 입력 데이터의 전체 데이터 크기, IoT(Internet On Thins) 디바이스의 CPU(Central Processing Unit) 용량 및 작업의 대기 시간을 포함하는 컴퓨팅 태스크 정보를 수집하는 단계 및 상기 태스크 정보를 기초로 수집된 컴퓨팅 태스크에 대하여 각각 에너지 소비량, 계산 시간, 업링크 전송 시간 및 전송 에너지를 산출하여, 무인 항공기에서 오프로딩 되어 처리될 작업을 결정하는 단계를 포함 할 수 있다.
일 실시예에서, 상기 무인 항공기에서 오프로딩 되어 처리될 작업을 결정하는 단계는, 각 IoT 디바이스에 대하여, 상기 입력 데이터를 상기 무인 항공기에서 처리될데이터 크기
Figure pat00039
와, IoT 디바이스에서 자체로 처리될 데이터 크기
Figure pat00040
로 구분하여, 오프로딩 되어 처리될 작업을 설정하는 단계를 포함 할 수 있다.
일 실시예에서, 상기 무인 항공기에서 오프로딩 되어 처리될 작업을 결정하는 단계는, 수학식
Figure pat00041
을 이용하여 각각의 IoT 디바이스에서 소비되는 에너지 소비량
Figure pat00042
을 산출하는 단계 및 수학식
Figure pat00043
을 이용하여 각각의 IoT 디바이스에서 요구되는 계산 시간
Figure pat00044
을 산출하는 단계를 더 포함할 수 있다. 여기에서, 상기
Figure pat00045
는 IoT 디바이스 u의 초당 CPU 사이클 수, 상기
Figure pat00046
는 IoT 디바이스 u의 입력 데이터의 전체 데이터 크기, 상기
Figure pat00047
는 IoT 디바이스 u의 CPU 용량 일 수 있다.
일 실시예에서, 상기 무인 항공기에서 오프로딩 되어 처리될 작업을 결정하는 단계는, 상기 무인 항공기의 시스템 대역폭 F을, 대역폭
Figure pat00048
를 가지는 리소스 블록을 복수개 포함하는 리소스 블록 세트 = {1,2,3,…, B}로 나누는 단계를 포함 할 수 있다.
일 실시예에서, 상기 무인 항공기에서 오프로딩 되어 처리될 작업을 결정하는 단계는, 수학식
Figure pat00049
을 이용하여 상기 전송 에너지
Figure pat00050
를 산출하는 단계 및
수학식
Figure pat00051
을 이용하여 상기 업링크 전송 시간
Figure pat00052
을 설정하는 단계를 더 포함 할 수 있다. 여기에서,
Figure pat00053
는 할당된 리소스 블록 b에 대한 IoT 디바이스 u의 달성 가능한 데이터 비율,
Figure pat00054
는 리소스 블록 할당 변수,
Figure pat00055
는 업링크 전송 시간,
Figure pat00056
는 할당된 리소스 블록 b에 대한 IoT 디바이스 u의 달성 가능한 데이터 비율,
Figure pat00057
는 리소스 블록 할당 변수 일 수 있다.
상기한 과제의 해결 수단은, 본 발명의 특징을 모두 열거한 것은 아니다. 본 발명의 과제 해결을 위한 다양한 수단들은 이하의 상세한 설명의 구체적인 실시형태를 참조하여 보다 상세하게 이해될 수 있을 것이다.
본 발명의 일 실시형태에 따르면, 무인 항공기를 멀티 억세스 엣지 컴퓨팅 장치로서 활용하여 이동형 MEC 컴퓨팅 환경을 제공 할 수 있는 효과가 있다.
또한, 본 발명의 일 실시형태에 따르면, 모바일 엣지 컴퓨팅 환경의 전체 네트워크의 에너지 효율성을 향상시키고, 그에 따라 이동형 MEC 컴퓨팅 환경의 운영 성능을 증대시킬 수 있는 효과가 있다.
또한, 본 발명의 일 실시형태에 따르면, 무인 항공기를 이용하여 네트워크를 구성함으로써 저비용 및 높은 유연성을 제공하며, 농촌이나 군사 작전 지역과 같은 인프라 커버리지가 없는 지역에서도 원활하게 MEC 컴퓨팅 환경을 제공 할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 멀티 엑서스 엣지 컴퓨팅 (MEC)이 가능한 무인 항공기(UAV) 네트워크의 개념적인 설명을 위한 도면이다.
도 2는 무인 항공기(200)의 MEC 서버에서 제공하는 시스템 대역폭 F를 예시적으로 도시하는 도면이다.
도 3은 본 발명의 일 실시예에 따른 무인 항공기의 하드웨어 구성의 일 예를 설명하는 블록 구성도이다.
도 4는 본 발명의 일 실시예에 따른 무인 항공기를 설명하는 블록 구성도이다.
도 5는 본 발명의 일 실시예에 따른 모바일 엣지 컴퓨팅 환경에서의 태스크 오프로딩 방법을 설명하는 순서도이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시 형태들을 설명한다.
그러나, 본 발명의 실시형태는 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 이하 설명하는 실시 형태로 한정되는 것은 아니다. 또한, 본 발명의 실시형태는 당해 기술분야에서 평균적인 지식을 가진 자에게 본 발명을 더욱 완전하게 설명하기 위해서 제공되는 것이다.
즉, 전술한 목적, 특징 및 장점은 첨부된 도면을 참조하여 상세하게 후술되며, 이에 따라 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 상세한 설명을 생략한다. 이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하기로 한다. 도면에서 동일한 참조부호는 동일 또는 유사한 구성요소를 가리키는 것으로 사용된다.
또한, 본 명세서에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "구성된다" 또는 "포함한다" 등의 용어는 명세서 상에 기재된 여러 구성 요소들, 또는 여러 단계들을 반드시 모두 포함하는 것으로 해석되지 않아야 하며, 그 중 일부 구성 요소들 또는 일부 단계들은 포함되지 않을 수도 있고, 또는 추가적인 구성 요소 또는 단계들을 더 포함할 수 있는 것으로 해석되어야 한다.
또한, 이하에서 본 발명에 따른 시스템을 설명하기 위하여 다양한 구성요소 및 그의 하부 구성요소에 대하여 설명하고 있다. 이러한 구성요소 및 그의 하부 구성요소들은, 하드웨어, 소프트웨어 또는 이들의 조합 등 다양한 형태로서 구현될 수 있다. 예컨대, 각 요소들은 해당 기능을 수행하기 위한 전자적 구성으로 구현되거나, 또는 전자적 시스템에서 구동 가능한 소프트웨어 자체이거나 그러한 소프트웨어의 일 기능적인 요소로 구현될 수 있다. 또는, 전자적 구성과 그에 대응되는 구동 소프트웨어로 구현될 수 있다.
본 명세서에 설명된 다양한 기법은 하드웨어 또는 소프트웨어와 함께 구현되거나, 적합한 경우에 이들 모두의 조합과 함께 구현될 수 있다. 본 명세서에 사용된 바와 같은 "부(Unit)", "서버(Server)" 및 "시스템(System)" 등의 용어는 마찬가지로 컴퓨터 관련 엔티티(Entity), 즉 하드웨어, 하드웨어 및 소프트웨어의 조합, 소프트웨어 또는 실행 시의 소프트웨어와 등가로 취급할 수 있다. 또한, 본 발명의 시스템에서 실행되는 각 기능은 모듈단위로 구성될 수 있고, 하나의 물리적 메모리에 기록되거나, 둘 이상의 메모리 및 기록매체 사이에 분산되어 기록될 수 있다.
본 발명의 실시형태를 설명하기 위하여 다양한 순서도가 개시되고 있으나, 이는 각 단계의 설명의 편의를 위한 것으로, 반드시 순서도의 순서에 따라 각 단계가 수행되는 것은 아니다. 즉, 순서도에서의 각 단계는, 서로 동시에 수행되거나, 순서도에 따른 순서대로 수행되거나, 또는 순서도에서의 순서와 반대의 순서로도 수행될 수 있다.
모바일 멀티 엑서스 엣지 컴퓨팅 (MEC, Multi-access edge computing) 패러다임을 이용하여, 네트워크 엣지에서 애플리케이션을 위한 캐싱, 연산 및 제어의 통합 범위를 촉발시키고, 중앙 클라우드 방식에서 유발되는 백홀 트래픽을 더욱 완화 가능하다.
이하에서는, 무인 항공기(UAV)를 이용한 모바일 멀티엑서스 엣지 컴퓨팅 시스템에 대하여 설명한다.
도 1은 본 발명의 일 실시예에 따른 멀티 엑서스 엣지 컴퓨팅 (MEC)이 가능한 무인 항공기(UAV) 네트워크의 개념적인 설명을 위한 도면이다.
무인 항공기(UAV, Unmanned Aerial Vehicles)는 높은 유연성과 낮은 배치 비용으로 인해 그 활용성이 높다.
본 발명에서는 무인 항공기(UAV)에 멀티 엑서스 엣지 컴퓨팅(MEC, Multi-access Edge Computing) 서버 기능을 적용하여, 모바일 엣지 컴퓨팅 환경을 제공한다.
도 1에서 보듯이 무인 항공기(200)는 네트워크를 형성할 수 있다. 무인 항공기(UAV) 네트워크는 각각 멀티 엑서스 엣지 컴퓨팅 기능을 수행하는 복수의 무인 항공기(200)(UAV)를 포함한다. 각각의 무인 항공기(200)는 멀티 엑서스 엣지 컴퓨팅 기능을 제공하는 엣지 자원 제공자로서 동작하고, 무인 항공기 네트워크는 이러한 무인 항공기를 복수개 포함하여 멀티 엑서스 엣지 컴퓨팅을 구현할 수 있다.
무인 항공기(UAV)는 사용자 단말, 즉, IoT 디바이스(IoTD, Internet On Thins Devices)과 연동하여 사용자 단말에 모바일 엣지 컴퓨팅 환경을 제공할 수 있다.
사용자는 IoT 디바이스(IMDs, intelligent mobile devices)를 사용하여 모바일 서비스를 제공받는다. 예컨대, IoT 디바이스(100)는 스마트폰, 모바일 컴퓨터, 지능형 차량 등 일 수 있다.
하나의 무인 항공기(UAV)에는 복수의 IoT 디바이스(100)가 접속 가능하다. IoT 디바이스(100)는 계산 집약적인 작업을 생성 수행하나, 각 IoT 디바이스(100)에서 계산 작업을 로컬로 모두 처리하는 것은 불가능하다.
따라서, IoT 디바이스(100)는 무인 항공기(UAV)와 연동하여, IoT 디바이스(100)의 계산 작업을 무인 항공기(UAV)에서 처리하도록 하며, 이를 '오프로드'라 칭한다.
즉, IoT 디바이스(100)는 계산 작업의 대상이 되는 태스크를 가지고 있고, 태스크 중 적어도 일부를 무인 항공기(UAV)에 오프로드하여 처리할 수 있다.
무인 항공기(200)는 IoT 디바이스(100)에서 오프로드된 작업을 실행하고, 그 작업 결과를 IoT 디바이스(100)에 보낼 수 있다.
이와 같이, 무인 항공기(200)가 복수의 IoT 디바이스들의 요청에 따른 오프로드 처리를 수행함에 있어서, 오프로드 처리에 의하여 유발되는 전력 소모를 고려하여야 한다. 또한, IoT 디바이스(100)에서 유발되는 전력 소모도 함께 고려되어야 한다.
따라서, 본 발명의 일 실시예에서는, IoT 디바이스(100)와 무인 항공기(200)의 전력 소모를 함께 고려한다.
<시스템 모델>
무인 항공기(200)는 시스템 대역폭 F을 가지는 MEC 서버를 포함하는 공중 기지국으로서 작동한다.
무인 항공기(200)는 복수의 IoT 디바이스로부터 각각 컴퓨팅 태스크 정보를 수집하고, 수집된 컴퓨팅 태스크에 대하여 각각 업링크 전송 시간, 전송 에너지 등을 산출하여 상기 무인 항공기에서 오프로딩 되어 처리될 작업을 설정할 수 있다.
이후, 설정된 작업을 대상으로 무인 항공기(200)의 MEC 서버에서 제공하는 시스템 대역폭을 할당하여 작업을 수행할 수 있다.
여기에서, IoT 디바이스(100)가 서로 다른 지연시간의 제약 하에 서로 다른 계산 작업을 계산하기 위해 필요한 시나리오를 고려한다.
상술한 모바일 멀티 엑서스 엣지 컴퓨팅 (MEC, Multi-access edge computing) 네트워크에서, 각 사용자, 즉, 각각의 IoT 디바이스(100)는
Figure pat00058
로 정의되는 컴퓨팅 태스크 정보를 가진다.
여기에서,
Figure pat00059
는 사용자(IoT 디바이스) 의 입력 데이터의 전체 데이터 크기,
Figure pat00060
는 계산 작업의 1비트를 수행하는 데 필요한 총 CPU 사이클 수(IoT 장치의 CPU 용량),
Figure pat00061
는 사용자 의 작업의 대기 시간을 의미한다.
각각의 IoT 디바이스(100)의 컴퓨팅 태스크는 로컬(해당 IoT 디바이스)에서 직접실행되거나, 또는 무인 항공기(200)의 MEC 서버로 오프로드 될 수 있다.
여기에서, 각 사용자의 총 입력 데이터 크기를 원격 컴퓨팅에서 처리되는 데이터 크기
Figure pat00062
와 로컬 컴퓨팅에서 처리되는 데이터 크기
Figure pat00063
로 구분 될 수 있다. 하여 부분 작업 오프로드를 수행할 수 있다.
즉, 원격 컴퓨팅
Figure pat00064
는 무인 항공기(200)의 MEC 서버로 오프로드 되어 처리되는 것을, 로컬 컴퓨팅
Figure pat00065
는 해당 해당 IoT 디바이스에서 직접실행 되는 것을 의미한다.
IoT 디바이스(100)의 최대 연산용량, 즉, 초당 CPU 사이클 수를
Figure pat00066
로 정의한다.
IoT 디바이스 u가 작업의 일부를 로컬에서, 즉, 자체적으로 실행하는 경우, 계산 실행시간(지연시간)
Figure pat00067
및 IoT 디바이스(100)의 에너지 소비량
Figure pat00068
은 다음의 수학식 1 및 2를 만족한다.
[수학식 1]
Figure pat00069
[수학식 2]
Figure pat00070
여기에서, k는 상수, u는 각각의 IoT 디바이스를, U는 무인 항공기와 연동 중인 IoT 디바이스 집합을 의미한다. 이러한 계산은 무인 항공기(200)에서 수행될 수 있다.
도 2는 무인 항공기(200)의 MEC 서버에서 제공하는 시스템 대역폭 F를 예시적으로 도시하는 도면이다.
시스템 대역폭 F는 리소스 블록(RBs) 세트 = {1,2,3,…, B}로 나뉘어지며, 여기에서 각각의 리소스 블록(RB)는 대역폭
Figure pat00071
를 가진다. 일 예로, 각 리소스 블록(RB)의 지속 시간은 1밀리초 일 수 있다.
IoT 디바이스(100)가 입력 데이터를 무인 항공기(200)의 MEC 서버로 오프로드 하면, 무인 항공기(200)는 IoT 디바이스(100)에서 오프로드한 컴퓨팅 태스크에 대하여 리소스 블록을 할당한다.
리소스 블록 할당 변수
Figure pat00072
는 사용자 u에게 리소스 블록 이 할당되었는지 여부를 나타낸다.
업링크 전송 시간은
Figure pat00073
, 업링크 전송 에너지는
Figure pat00074
로 표시하여, 아래의 수학식 3이 만족된다.
[수학식 3]
Figure pat00075
여기에서,
Figure pat00076
는 할당된 리소스 블록 에 대한 사용자 의 달성 가능한 데이터 비율이다.
또한, 아래의 수학식 4가 만족된다.
[수학식 4]
Figure pat00077
여기에서,
Figure pat00078
는 무인항공기로부터 IoT 디바이스로의 전송 전력을 의미한다.
무인 항공기(200)는 수학식 1 내지 4를 이용하여, 오프로딩 될 작업을 설정할 수 있다.
무인 항공기(200)는 설정된 오프로딩 될 작업에 대하여, 각 IoT 디바이스에게 알려준다.
각 IoT 디바이스는 무인 항공기(200)에서 알려준 정보를 기초로, 오프로딩을 수행한다.
IoT 디바이스(100)에서 오프로딩 된 작업이 모두 무인 항공기(200)의 MEC 서버에 도달하면, MEC 서버는 오프로딩 된 각 작업에 연산용량, 즉, CPU용량을 할당한다.
여기에서, MEC 서버는 가중비례 배분 기반 계산자원 할당 방식을 적용할 수 있다.
가중비례 배분 기반 계산자원 할당 방식에서, 각 오프로드 된 작업에 할당 된 계산 용량은 각 오프로드 된 작업의 크기에 따라 획득된다. 즉, 아래의 수학식 5와 같이 fu를 얻을 수 있다.
[수학식 5]
Figure pat00079
이후, 원격 계산에 대한 사용자 u의 총 대기 시간을 다음의 수학식 6과 같이 나타낼 수 있고, 또한 이하의 수학식 7을 만족한다.
[수학식 6]
Figure pat00080
[수학식 7]
Figure pat00081
여기에서,
Figure pat00082
는 IoT 디바이스(100) u의 오프로드 된 입력 데이터를 수행하기 위한 작업실행 시간을 의미하고,
Figure pat00083
는 사용자의 오프로드된 작업을 처리하기 위해 서버에 할당된 CPU 용량이다
결국, 무인 항공기는, 입력 데이터의 전체 데이터 크기, IoT(Internet On Thins) 디바이스의 CPU(Central Processing Unit) 용량 및 작업의 대기 시간을 포함하는 컴퓨팅 태스크 정보를 이용하여 IoT 디바이스에서 소비되는 에너지 소비량
Figure pat00084
, IoT 디바이스에서 요구되는 계산 시간
Figure pat00085
, 전송 에너지
Figure pat00086
, 업링크 전송 시간
Figure pat00087
을 계산하고, 계산된 네 요소가 컴퓨팅 태스크 정보의 제한을 만족시키도록 설정할 수 있다.
또한, IoT 디바이스(100)에서 각 작업의 대기 시간 제약을 고려하면서 시스템 에너지 소비 최소화를 목표로 하는 최적화 문제를 해결하며 각 IoT 장치에서 서버로 오프로드 해야 할 입력 데이터 크기의 비트 수를 결정할 수 있다.
일 예로, 무인 항공기(200)는 각각의 IoT 디바이스에서 오프로드와 관련된 컴퓨팅 태스크 정보 -즉, 총 입력 데이터 크기, 각 작업에 필요한 대기 시간, IoT 디바이스의 CPU 용량- 을 수집 한 이후, 각 작업의 대기 시간을 만족시키기 위해 오프로드 할 작업의 부분을 결정함으로써 에너지 소비를 최소화 할 수 있는 것이다.
상술한 바와 같이, 본 발명에 따르면 전체 네트워크의 에너지 효율성을 향상시킬 수 있다. 또한 스마트 파밍 등과 같이, 인프라가 미 구축된 상황에서도 무인 항공기를 이용한 MEC 서비스를 이용할 수 있다.
이하, 이러한 무인 항공기(UAV)에 대하여 이하에서 보다 상세히 설명한다.
도 3은 본 발명의 일 실시예에 따른 무인 항공기의 하드웨어 구성의 일 예를 설명하는 블록 구성도이다.
도 3을 참조하면, 무인 항공기(200)는 비행 구동을 위한 기계적 구성과 그를 제어하며 멀티 엑서스 엣지 컴퓨팅 서버로서의 기능을 수행하는 컴퓨팅 장치(200)로 구현될 수 있다.
무인 항공기(200)는 멀티 엑서스 엣지 컴퓨팅 서버로서의 기능을 가질 수 있다. 무인 항공기(200)는 시스템 메모리 내의 로직 시나리오에 따라 멀티 엑서스 엣지 컴퓨팅 서버로서의 기능을 수행하는 애플리케이션을 실행하는 임의의 컴퓨팅 장치일 수 있으며, 적어도 프로세싱 유닛(203)과 시스템 메모리(201)를 포함할 수 있다. 프로세싱 유닛(203)은 프로그램을 실행할 때 협조하는 복수의 프로세싱 유닛을 포함할 수도 있다. 시스템 메모리(201)는 휘발성(예컨대, 램(RAM)), 비휘발성(예컨대, 롬(ROM), 플래시 메모리 등) 또는 이들의 조합일 수 있다. 시스템 메모리(201)는 플랫폼의 동작을 제어하기 위한 적합한 운영 체제(202)를 포함할 수 있다. 시스템 메모리(201)는 프로그램 모듈, 애플리케이션 등의 같은 하나 이상의 소프트웨어 애플리케이션을 저장하며, 이들은 운영체제 환경에서 구동될 수 있다.
무인 항공기(200)는 무인 항공을 위한 추가적 특징 또는 기능을 가질 수 있다. 무인 항공기(200)는 비행을 위하여 무인 항공기(200)를 구동 제어하는 구동부(204), 비행 시 요구되는 각종 센싱 데이터를 감지하는 센서를 포함하는 센서부(205), 무인 항공기(200)의 각 구성요소에 전원을 공급하는 전원부(206) 및 무선 통신을 수행하는 통신부(207)를 포함할 수 있다. 통신부(207)는 타 무인 항공기(200)와, 지상 기지국(100)과, 또는 지능형 모바일 디바이스(300)와의 무선 통신 링크를 형성할 수 있으며, 복수의 무선 통신 방식을 지원할 수 있다. 예컨대, 지상 기지국(100)과 WiMax 등의 라디오 링크를, 지능형 모바일 디바이스(300)와 무선통신(wireless) 링크를 형성할 수 있다.
도 4는 본 발명의 일 실시예에 따른 무인 항공기를 설명하는 블록 구성도로서, 이하, 도 4를 참조하여 무인 항공기의 각 구성요소에 대하여 보다 상세하게 설명한다.
도 4를 참조하면, 무인 항공기(200)는 태스크 정보 수집부(210), 오프로딩 결정부(220) 및 리소스 블록 할당부(230)를 포함할 수 있다.
태스크 정보 수집부(210)는 태스크 정보 수집 모듈(211)을 포함하고, 태스크 정보 수집 모듈(211)은 복수의 IoT 디바이스로부터 입력 데이터의 전체 데이터 크기, IoT(Internet On Thins) 디바이스의 CPU(Central Processing Unit) 용량 및 작업의 대기 시간을 포함하는 컴퓨팅 태스크 정보를 수집할 수 있다.
오프로딩 결정부(220)는 상기 태스크 정보를 기초로 수집된 컴퓨팅 태스크에 대하여 각각 에너지 소비량, 계산 시간, 업링크 전송 시간 및 전송 에너지를 산출하여, 무인 항공기에서 오프로딩 되어 처리될 작업을 결정할 수 있다.
오프로딩 결정부(220)는 각 IoT 디바이스에 대하여, 상기 입력 데이터를 상기 무인 항공기에서 처리될데이터 크기
Figure pat00088
와, IoT 디바이스에서 자체로 처리될 데이터 크기
Figure pat00089
로 구분하여, 오프로딩 되어 처리될 작업을 설정할 수 있다.
오프로딩 결정부(220)는 에너지 소비량 산출모듈(221), 계산 시간 산출모듈(222), 전송 에너지 산출모듈(223) 및 업링크 시간 산출모듈(224)를 포함할 수 있다.
에너지 소비량 산출모듈(221)은 상술한 수학식 2, 즉,
Figure pat00090
를 이용하여 을 이용하여 각각의 IoT 디바이스에서 소비되는 에너지 소비량
Figure pat00091
을 산출할 수 있다.
계산 시간 산출모듈(222)은 상술한 수학식 1, 즉,
Figure pat00092
을 이용하여 각각의 IoT 디바이스에서 요구되는 계산 시간
Figure pat00093
을 산출할 수 있다.
전송 에너지 산출모듈(223)은 상술한 수학식 4, 즉,
Figure pat00094
을 이용하여 전송 에너지
Figure pat00095
를 산출할 수 있다.
업링크 시간 산출모듈(224)은 상술한 수학식 3, 즉,
Figure pat00096
을 이용하여 업링크 전송 시간
Figure pat00097
을 산출할 수 있다.
리소스 블록 할당부(230)는 IoT 디바이스(100)가 입력 데이터를 무인 항공기(200)의 MEC 서버로 오프로드 하면, 무인 항공기(200)는 IoT 디바이스(100)에서 오프로드한 컴퓨팅 태스크에 대하여 리소스 블록을 할당할 수 있다.
이상에서는 도 1 내지 도 4를 참조하여, 태스크 오프로딩을 이용한 모바일 엣지 컴퓨팅 시스템에 대하여 설명하였다.
이하에서는, 도 5를 참조하여, 모바일 엣지 컴퓨팅 환경에서의 태스크 오프로딩 방법에 대하여 설명한다.
이하에서 설명할 모바일 엣지 컴퓨팅 환경에서의 태스크 오프로딩 방법은, 도 1 내지 도 4를 참조하여 상술한 태스크 오프로딩을 이용한 모바일 엣지 컴퓨팅 시스템에서 수행된다. 따라서, 도 1 내지 도 4를 기초로 상술한 설명을 참고하여 쉽게 이해할 수 있다.
도 5는 본 발명의 일 실시예에 따른 모바일 엣지 컴퓨팅 환경에서의 태스크 오프로딩 방법을 설명하는 순서도이다.
도 5를 참조하면, 무인 항공기(200)는, 컴퓨팅 태스크 정보를 수집하고, 에너지 소비량, 계산 시간, 업링크 전송 시간 및 전송 에너지를 산출하여 무인 항공기에서 오프로딩 되어 처리될 작업을 설정할 수 있다(S510).
이후, 무인 항공기(200)는 무인 항공기(200)가 보유한 리소스 블록을 오프로딩 되어 처리될 작업에 할당하고(S520), 리소스 블록에 대응하여 계산 자원을 할당하여 오프로딩 된 작업을 처리할 수 있다(S530).
단계 S510에 대한 일 실시예에서, 무인 항공기(200)는, 복수의 IoT 디바이스로부터 입력 데이터의 전체 데이터 크기, IoT(Internet On Thins) 디바이스의 CPU(Central Processing Unit) 용량 및 작업의 대기 시간을 포함하는 컴퓨팅 태스크 정보를 수집하는 단계와, 무인 항공기(200)는, 태스크 정보를 기초로 수집된 컴퓨팅 태스크에 대하여 각각 에너지 소비량, 계산 시간, 업링크 전송 시간 및 전송 에너지를 산출하여, 무인 항공기에서 오프로딩 되어 처리될 작업을 결정하는 단계를 수행할 수 있다.
단계 S510에 대한 일 실시예에서, 무인 항공기(200)는, 각 IoT 디바이스에 대하여, 상기 입력 데이터를 상기 무인 항공기에서 처리될데이터 크기
Figure pat00098
와, IoT 디바이스에서 자체로 처리될 데이터 크기
Figure pat00099
로 구분하여, 오프로딩 되어 처리될 작업을 설정하는 단계를 포함 할 수 있다.
단계 S510에 대한 일 실시예에서, 무인 항공기(200)는, 수학식
Figure pat00100
을 이용하여 각각의 IoT 디바이스에서 소비되는 에너지 소비량
Figure pat00101
을 산출하고, 수학식
Figure pat00102
을 이용하여 각각의 IoT 디바이스에서 요구되는 계산 시간
Figure pat00103
을 산출 할 수 있다. 여기에서, 상기
Figure pat00104
는 IoT 디바이스 u의 초당 CPU 사이클 수, 상기
Figure pat00105
는 IoT 디바이스 u의 입력 데이터의 전체 데이터 크기, 상기
Figure pat00106
는 IoT 디바이스 u의 CPU 용량 일 수 있다.
단계 S510에 대한 일 실시예에서, 무인 항공기(200)는, 무인 항공기의 시스템 대역폭 F을, 대역폭
Figure pat00107
를 가지는 리소스 블록을 복수개 포함하는 리소스 블록 세트 = {1,2,3,…, B}로 나눌 수 있다.
단계 S510에 대한 일 실시예에서, 무인 항공기(200)는, 수학식
Figure pat00108
을 이용하여 상기 전송 에너지
Figure pat00109
를 산출하고, 수학식
Figure pat00110
을 이용하여 상기 업링크 전송 시간
Figure pat00111
을 산출 할 수 있다. 여기에서,
Figure pat00112
는 할당된 리소스 블록 b에 대한 IoT 디바이스 u의 달성 가능한 데이터 비율,
Figure pat00113
는 리소스 블록 할당 변수,
Figure pat00114
는 업링크 전송 시간,
Figure pat00115
는 할당된 리소스 블록 b에 대한 IoT 디바이스 u의 달성 가능한 데이터 비율,
Figure pat00116
는 리소스 블록 할당 변수 일 수 있다.
이상에서 설명한 본 발명은 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니고 후술하는 특허청구범위에 의해 한정되며, 본 발명의 구성은 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 그 구성을 다양하게 변경 및 개조할 수 있다는 것을 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 쉽게 알 수 있다.
100 : IoTD
200 : 무인 항공기
201 : 시스템 메모리 202 : 운영체제
203 : 프로세싱 유닛 204 : 저장소
205 : 입력장치 206 : 출력장치
207 : 통신장치
210 : 태스크 정보 수집부 220 : 오프로딩 결정부
230 : 리소스 블록 할당부
211 : 태스크 정보 수집모듈
221 : 에너지 소비량 산출모듈 222 : 계산시간 산출모듈
223 : 전송 에너지 산출모듈 224 : 업링크 시간 산출모듈
231 : 리소스 블록 할당모듈

Claims (19)

  1. 시스템 대역폭 F을 가지는 MEC(Multi-access Edge Computing) 서버를 포함하는 공중 기지국으로서 작동하는 무인 항공기; 및
    입력 데이터의 전체 데이터 크기, IoT(Internet On Thins) 디바이스의 CPU(Central Processing Unit) 용량 및 작업의 대기 시간을 포함하는 컴퓨팅 태스크 정보를 각각 가지는 복수의 IoT(Internet On Thins) 디바이스;
    를 포함하고,
    상기 무인 항공기는
    상기 복수의 IoT 디바이스로부터 각각 컴퓨팅 태스크 정보를 수집하고, 수집된 컴퓨팅 태스크에 대하여 각각 에너지 소비량, 계산 시간, 업링크 전송 시간 및 전송 에너지를 산출하여 상기 무인 항공기에서 오프로딩 되어 처리될 작업을 결정하는 것
    을 특징으로 하는 태스크 오프로딩을 이용한 모바일 엣지 컴퓨팅 시스템.
  2. 제1항에 있어서, 상기 무인 항공기는
    각 IoT 디바이스에 대하여, 상기 입력 데이터를 상기 무인 항공기에서 처리될데이터 크기
    Figure pat00117
    와, IoT 디바이스에서 자체로 처리될 데이터 크기
    Figure pat00118
    로 구분하여, 상기 오프로딩 되어 처리될 작업을 설정하는 것
    을 특징으로 하는 태스크 오프로딩을 이용한 모바일 엣지 컴퓨팅 시스템
  3. 제2항에 있어서, 상기 무인 항공기는
    수학식
    Figure pat00119

    을 이용하여 각각의 IoT 디바이스에서 소비되는 에너지 소비량
    Figure pat00120
    을 산출하고,
    여기에서, 상기
    Figure pat00121
    는 IoT 디바이스 u의 초당 CPU 사이클 수, 상기
    Figure pat00122
    는 IoT 디바이스 u의 입력 데이터의 전체 데이터 크기, 상기
    Figure pat00123
    는 IoT 디바이스 u의 CPU 용량인 것
    을 특징으로 하는 태스크 오프로딩을 이용한 모바일 엣지 컴퓨팅 시스템.
  4. 제3항에 있어서, 상기 무인 항공기는
    수학식
    Figure pat00124

    을 이용하여 각각의 IoT 디바이스에서 요구되는 계산 시간
    Figure pat00125
    을 산출하는 것
    을 특징으로 하는 태스크 오프로딩을 이용한 모바일 엣지 컴퓨팅 시스템.
  5. 제2항에 있어서, 상기 무인 항공기의 시스템 대역폭 F는
    복수의 리소스 블록을 포함하는 리소스 블록 세트 = {1,2,3,…, B}로 나뉘어지고, 각각의 리소스 블록은 대역폭
    Figure pat00126
    를 가지는 것
    을 특징으로 하는 태스크 오프로딩을 이용한 모바일 엣지 컴퓨팅 시스템.
  6. 제5항에 있어서, 상기 무인 항공기는
    Figure pat00127

    을 이용하여 상기 전송 에너지
    Figure pat00128
    를 산출하고,
    여기에서,
    Figure pat00129
    는 할당된 리소스 블록 b에 대한 IoT 디바이스 u의 달성 가능한 데이터 비율,
    Figure pat00130
    는 리소스 블록 할당 변수 인 것
    을 특징으로 하는 태스크 오프로딩을 이용한 모바일 엣지 컴퓨팅 시스템.
  7. 제6항에 있어서, 상기 무인 항공기는
    수학식
    Figure pat00131

    을 이용하여 상기 업링크 전송 시간
    Figure pat00132
    을 산출하고,
    여기에서,
    Figure pat00133
    는 업링크 전송 시간,
    Figure pat00134
    는 할당된 리소스 블록 b에 대한 IoT 디바이스 u의 달성 가능한 데이터 비율,
    Figure pat00135
    는 리소스 블록 할당 변수인 것
    을 특징으로 하는 태스크 오프로딩을 이용한 모바일 엣지 컴퓨팅 시스템.
  8. 컴퓨팅 태스크 정보를 각각 가지는 복수의 IoT(Internet On Thins) 디바이스에게 MEC(Multi-access Edge Computing) 공중 기지국을 제공하는 무인 항공기로서,
    복수의 IoT 디바이스로부터 입력 데이터의 전체 데이터 크기, IoT(Internet On Thins) 디바이스의 CPU(Central Processing Unit) 용량 및 작업의 대기 시간을 포함하는 컴퓨팅 태스크 정보를 수집하는 태스크 정보 수집부; 및
    상기 태스크 정보를 기초로 수집된 컴퓨팅 태스크에 대하여 각각 에너지 소비량, 계산 시간, 업링크 전송 시간 및 전송 에너지를 산출하여, 무인 항공기에서 오프로딩 되어 처리될 작업을 결정하는 오프로딩 결정부;
    를 포함하는 것을 특징으로 하는 모바일 엣지 컴퓨팅 환경에서 태스크 오프로딩을 이용한 무인 항공기.
  9. 제8항에 있어서, 상기 오프로딩 결정부는
    각 IoT 디바이스에 대하여, 상기 입력 데이터를 상기 무인 항공기에서 처리될데이터 크기
    Figure pat00136
    와, IoT 디바이스에서 자체로 처리될 데이터 크기
    Figure pat00137
    로 구분하여, 오프로딩 되어 처리될 작업을 설정하는 것
    을 특징으로 하는 모바일 엣지 컴퓨팅 환경에서 태스크 오프로딩을 이용한 무인 항공기.
  10. 제9항에 있어서, 상기 오프로딩 결정부는
    수학식
    Figure pat00138

    을 이용하여 각각의 IoT 디바이스에서 소비되는 에너지 소비량
    Figure pat00139
    을 산출하고,
    여기에서, 상기
    Figure pat00140
    는 IoT 디바이스 u의 초당 CPU 사이클 수, 상기
    Figure pat00141
    는 IoT 디바이스 u의 입력 데이터의 전체 데이터 크기, 상기
    Figure pat00142
    는 IoT 디바이스 u의 CPU 용량인 것
    을 특징으로 하는 모바일 엣지 컴퓨팅 환경에서 태스크 오프로딩을 이용한 무인 항공기.
  11. 제10항에 있어서, 상기 오프로딩 결정부는
    수학식
    Figure pat00143

    을 이용하여 각각의 IoT 디바이스에서 요구되는 계산 시간
    Figure pat00144
    을 산출하는 것
    을 특징으로 하는 모바일 엣지 컴퓨팅 환경에서 태스크 오프로딩을 이용한 무인 항공기.
  12. 제9항에 있어서, 상기 무인 항공기의 시스템 대역폭 F는
    복수의 리소스 블록을 포함하는 리소스 블록 세트 = {1,2,3,…, B}로 나뉘어지고, 각각의 리소스 블록은 대역폭
    Figure pat00145
    를 가지는 것
    을 특징으로 하는 모바일 엣지 컴퓨팅 환경에서 태스크 오프로딩을 이용한 무인 항공기.
  13. 제12항에 있어서, 상기 오프로딩 결정부는
    Figure pat00146

    을 이용하여 상기 전송 에너지
    Figure pat00147
    를 산출하고,
    여기에서,
    Figure pat00148
    는 할당된 리소스 블록 b에 대한 IoT 디바이스 u의 달성 가능한 데이터 비율,
    Figure pat00149
    는 리소스 블록 할당 변수 인 것
    을 특징으로 하는 모바일 엣지 컴퓨팅 환경에서 태스크 오프로딩을 이용한 무인 항공기.
  14. 제13항에 있어서, 상기 오프로딩 결정부는
    수학식
    Figure pat00150

    을 이용하여 상기 업링크 전송 시간
    Figure pat00151
    을 산출하고,
    여기에서,
    Figure pat00152
    는 업링크 전송 시간,
    Figure pat00153
    는 할당된 리소스 블록 b에 대한 IoT 디바이스 u의 달성 가능한 데이터 비율,
    Figure pat00154
    는 리소스 블록 할당 변수인 것
    을 특징으로 하는 모바일 엣지 컴퓨팅 환경에서 태스크 오프로딩을 이용한 무인 항공기.
  15. 컴퓨팅 태스크 정보를 각각 가지는 복수의 IoT(Internet On Thins) 디바이스에게 MEC(Multi-access Edge Computing) 공중 기지국을 제공하는 무인 항공기에서 수행되는 태스크 오프로딩 방법으로서,
    복수의 IoT 디바이스로부터 입력 데이터의 전체 데이터 크기, IoT(Internet On Thins) 디바이스의 CPU(Central Processing Unit) 용량 및 작업의 대기 시간을 포함하는 컴퓨팅 태스크 정보를 수집하는 단계; 및
    상기 태스크 정보를 기초로 수집된 컴퓨팅 태스크에 대하여 각각 에너지 소비량, 계산 시간, 업링크 전송 시간 및 전송 에너지를 산출하여, 무인 항공기에서 오프로딩 되어 처리될 작업을 결정하는 단계;
    를 포함하는 것을 특징으로 하는 무인항공기를 이용한 모바일 엣지 컴퓨팅 시스템에서의 태스크 오프로딩 방법.
  16. 제15항에 있어서, 상기 무인 항공기에서 오프로딩 되어 처리될 작업을 결정하는 단계는,
    각 IoT 디바이스에 대하여, 상기 입력 데이터를 상기 무인 항공기에서 처리될데이터 크기
    Figure pat00155
    와, IoT 디바이스에서 자체로 처리될 데이터 크기
    Figure pat00156
    로 구분하여, 오프로딩 되어 처리될 작업을 설정하는 단계;
    를 포함하는 것을 특징으로 하는 무인항공기를 이용한 모바일 엣지 컴퓨팅 시스템에서의 태스크 오프로딩 방법.
  17. 제16항에 있어서, 상기 무인 항공기에서 오프로딩 되어 처리될 작업을 결정하는 단계는,
    수학식
    Figure pat00157

    을 이용하여 각각의 IoT 디바이스에서 소비되는 에너지 소비량
    Figure pat00158
    을 산출하는 단계; 및
    수학식
    Figure pat00159

    을 이용하여 각각의 IoT 디바이스에서 요구되는 계산 시간
    Figure pat00160
    을 산출하는 단계;
    를 더 포함하고,
    여기에서, 상기
    Figure pat00161
    는 IoT 디바이스 u의 초당 CPU 사이클 수, 상기
    Figure pat00162
    는 IoT 디바이스 u의 입력 데이터의 전체 데이터 크기, 상기
    Figure pat00163
    는 IoT 디바이스 u의 CPU 용량인 것
    을 특징으로 하는 무인항공기를 이용한 모바일 엣지 컴퓨팅 시스템에서의 태스크 오프로딩 방법.
  18. 제16항에 있어서, 상기 무인 항공기에서 오프로딩 되어 처리될 작업을 결정하는 단계는,
    상기 무인 항공기의 시스템 대역폭 F을, 대역폭
    Figure pat00164
    를 가지는 리소스 블록을 복수개 포함하는 리소스 블록 세트 = {1,2,3,…, B}로 나누는 단계;
    를 포함하는 것을 특징으로 하는 무인항공기를 이용한 모바일 엣지 컴퓨팅 시스템에서의 태스크 오프로딩 방법.
  19. 제18항에 있어서, 상기 무인 항공기에서 오프로딩 되어 처리될 작업을 결정하는 단계는,
    수학식
    Figure pat00165

    을 이용하여 상기 전송 에너지
    Figure pat00166
    를 산출하는 단계; 및
    수학식
    Figure pat00167

    을 이용하여 상기 업링크 전송 시간
    Figure pat00168
    을 설정하는 단계;
    를 더 포함하고,
    여기에서,
    Figure pat00169
    는 할당된 리소스 블록 b에 대한 IoT 디바이스 u의 달성 가능한 데이터 비율,
    Figure pat00170
    는 리소스 블록 할당 변수,
    Figure pat00171
    는 업링크 전송 시간,
    Figure pat00172
    는 할당된 리소스 블록 b에 대한 IoT 디바이스 u의 달성 가능한 데이터 비율,
    Figure pat00173
    는 리소스 블록 할당 변수인 것
    을 특징으로 하는 무인항공기를 이용한 모바일 엣지 컴퓨팅 시스템에서의 태스크 오프로딩 방법.
KR1020200166675A 2019-12-03 2020-12-02 무인항공기를 이용한 모바일 엣지 컴퓨팅 시스템에서의 태스크 오프로딩 방법 및 그를 이용한 모바일 엣지 컴퓨팅 시스템, 그를 위한 무인 항공기 KR102463776B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020190158684 2019-12-03
KR20190158684 2019-12-03

Publications (2)

Publication Number Publication Date
KR20210069588A true KR20210069588A (ko) 2021-06-11
KR102463776B1 KR102463776B1 (ko) 2022-11-04

Family

ID=76376767

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200166675A KR102463776B1 (ko) 2019-12-03 2020-12-02 무인항공기를 이용한 모바일 엣지 컴퓨팅 시스템에서의 태스크 오프로딩 방법 및 그를 이용한 모바일 엣지 컴퓨팅 시스템, 그를 위한 무인 항공기

Country Status (1)

Country Link
KR (1) KR102463776B1 (ko)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113835886A (zh) * 2021-09-14 2021-12-24 北京信息科技大学 物联网资源分配方法、装置、电子设备及存储介质
CN114363338A (zh) * 2022-01-07 2022-04-15 山东大学 一种基于竞争合作平均场博弈的多址接入边缘计算网络任务卸载策略的优化方法
CN115277770A (zh) * 2022-07-20 2022-11-01 华北电力大学（保定） 一种节点接入和飞行策略联合优化的无人机信息收集方法
KR20230008321A (ko) * 2021-07-07 2023-01-16 중앙대학교 산학협력단 무선 엣지 컴퓨팅 기반 네트워크에서의 최적의 부분 오프로딩 방법 및 오프로딩을 위한 시스템
KR20230032754A (ko) * 2021-08-31 2023-03-07 연세대학교 산학협력단 Mec 기반 무선 네트워크의 태스크 오프로딩 장치 및 방법
KR20230094893A (ko) * 2021-12-21 2023-06-28 경희대학교 산학협력단 태스크 오프로딩을 지원하는 무인 항공기 및 방법
CN116582892A (zh) * 2023-07-14 2023-08-11 南昌大学 全双工无人机辅助mec安全卸载的能耗优化方法
KR20230131581A (ko) * 2022-03-07 2023-09-14 연세대학교 산학협력단 공간분할 다중접속 기반 에너지 효율성 향상을 위한 오프로딩 무선 통신 시스템
CN116862152A (zh) * 2023-06-19 2023-10-10 广东电网有限责任公司汕尾供电局 一种基于负载均衡的电力杆塔验收无人机任务分配方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101702807B1 (ko) * 2016-02-29 2017-02-03 동국대학교 경주캠퍼스 산학협력단 이동체 정보 분산 저장 시스템 및 방법
JP2018160017A (ja) * 2017-03-22 2018-10-11 日本電気株式会社 サーバ、サービス提供システム、サービス提供方法及びプログラム
CN109302463A (zh) * 2018-09-17 2019-02-01 上海交通大学 一种面向边缘计算的自组云架构与优化方法及系统
KR102023094B1 (ko) 2019-03-26 2019-09-19 국방과학연구소 블록체인 네트워크를 이용한 무인비행체 임무계획 관리 시스템 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101702807B1 (ko) * 2016-02-29 2017-02-03 동국대학교 경주캠퍼스 산학협력단 이동체 정보 분산 저장 시스템 및 방법
JP2018160017A (ja) * 2017-03-22 2018-10-11 日本電気株式会社 サーバ、サービス提供システム、サービス提供方法及びプログラム
CN109302463A (zh) * 2018-09-17 2019-02-01 上海交通大学 一种面向边缘计算的自组云架构与优化方法及系统
KR102023094B1 (ko) 2019-03-26 2019-09-19 국방과학연구소 블록체인 네트워크를 이용한 무인비행체 임무계획 관리 시스템 및 방법

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Jingyu Xiong 외 2명. ‘Task Offloading in UAV-Aided Edge Computing: Bit Allocation and Trajectory Optimization’. IEEE Communication Letters, Vol.23, No.3, 2019.03., pp.538-541.* *
Linpei Li 외 5명. 'Energy-Efficient UAV-Enabled MEC System: Bits Allocation Optimization and Trajectory Design'. Sensors, 2019.10.17., pp.1-21. *
Xiaoyan Hu 외 3명. ‘UAV-Assisted Relaying and Edge Computing: Scheduling and Trajectory Optimization’. IEEE Transactions on Wireless Communications, Vol.18, No.10, 2019.10., pp.4738-4752.* *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230008321A (ko) * 2021-07-07 2023-01-16 중앙대학교 산학협력단 무선 엣지 컴퓨팅 기반 네트워크에서의 최적의 부분 오프로딩 방법 및 오프로딩을 위한 시스템
KR20230032754A (ko) * 2021-08-31 2023-03-07 연세대학교 산학협력단 Mec 기반 무선 네트워크의 태스크 오프로딩 장치 및 방법
CN113835886B (zh) * 2021-09-14 2023-08-29 北京信息科技大学 物联网资源分配方法、装置、电子设备及存储介质
CN113835886A (zh) * 2021-09-14 2021-12-24 北京信息科技大学 物联网资源分配方法、装置、电子设备及存储介质
KR20230094893A (ko) * 2021-12-21 2023-06-28 경희대학교 산학협력단 태스크 오프로딩을 지원하는 무인 항공기 및 방법
WO2023120773A1 (ko) * 2021-12-21 2023-06-29 경희대학교 산학협력단 태스크 오프로딩을 지원하는 무인 항공기 및 방법
CN114363338A (zh) * 2022-01-07 2022-04-15 山东大学 一种基于竞争合作平均场博弈的多址接入边缘计算网络任务卸载策略的优化方法
CN114363338B (zh) * 2022-01-07 2023-01-31 山东大学 一种基于竞争合作平均场博弈的多址接入边缘计算网络任务卸载策略的优化方法
KR20230131581A (ko) * 2022-03-07 2023-09-14 연세대학교 산학협력단 공간분할 다중접속 기반 에너지 효율성 향상을 위한 오프로딩 무선 통신 시스템
CN115277770B (zh) * 2022-07-20 2023-04-25 华北电力大学（保定） 一种节点接入和飞行策略联合优化的无人机信息收集方法
CN115277770A (zh) * 2022-07-20 2022-11-01 华北电力大学（保定） 一种节点接入和飞行策略联合优化的无人机信息收集方法
CN116862152A (zh) * 2023-06-19 2023-10-10 广东电网有限责任公司汕尾供电局 一种基于负载均衡的电力杆塔验收无人机任务分配方法
CN116862152B (zh) * 2023-06-19 2024-03-05 广东电网有限责任公司汕尾供电局 一种基于负载均衡的电力杆塔验收无人机任务分配方法
CN116582892A (zh) * 2023-07-14 2023-08-11 南昌大学 全双工无人机辅助mec安全卸载的能耗优化方法

Also Published As

Publication number Publication date
KR102463776B1 (ko) 2022-11-04

Similar Documents

Publication Publication Date Title
KR102463776B1 (ko) 무인항공기를 이용한 모바일 엣지 컴퓨팅 시스템에서의 태스크 오프로딩 방법 및 그를 이용한 모바일 엣지 컴퓨팅 시스템, 그를 위한 무인 항공기
CN109413615B (zh) 车联网中基于mec的能量感知卸载的能量延迟折衷
Chang et al. Energy efficient optimization for computation offloading in fog computing system
CN107249218B (zh) 一种mec中无线资源和云资源的联合分配方法
US10929189B2 (en) Mobile edge compute dynamic acceleration assignment
Chai et al. Task execution cost minimization-based joint computation offloading and resource allocation for cellular D2D MEC systems
Li et al. Integrating edge computing into low earth orbit satellite networks: Architecture and prototype
US20210344612A1 (en) System and method of managing data connections to a communication network using tiered devices and telemetry data
Dai et al. Joint offloading and resource allocation in vehicular edge computing and networks
Zhu et al. Cooperative computation offloading for UAVs: A joint radio and computing resource allocation approach
CN111770535B (zh) 一种基于意图的网络配置方法、装置及系统
CN111885147A (zh) 边缘计算中的一种资源动态定价方法
Almutairi et al. Delay-optimal task offloading for UAV-enabled edge-cloud computing systems
CN111083634A (zh) 基于cdn和mec的车联网移动性管理方法
Vu et al. Joint energy and latency optimization for upstream IoT offloading services in fog radio access networks
Liu et al. Energy-efficiency computation offloading strategy in UAV aided V2X network with integrated sensing and communication
Guha Roy et al. Service aware resource management into cloudlets for data offloading towards IoT
Kansal et al. Classification of resource management approaches in fog/edge paradigm and future research prospects: a systematic review
KR20200013902A (ko) 에너지 수요 모델 생성 방법 및 시스템
CN116547648A (zh) 用于在多址边缘计算平台架构中支持应用移动性的方法和装置
Yao et al. Energy-aware task allocation for mobile IoT by online reinforcement learning
Tang et al. Task caching in vehicular edge computing
Shukla et al. Software-defined network based resource allocation in distributed servers for unmanned aerial vehicles
He et al. An offloading scheduling strategy with minimized power overhead for internet of vehicles based on mobile edge computing
Wang et al. Task offloading and resource allocation for UAV-assisted mobile edge computing with imperfect channel estimation over Rician fading channels

Legal Events

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