Joint Optimization of Data Aggregation and Offloading for UAV-Aided IoT Systems

Abstract

최근 무인 비행체(UAV)는 방대한 응용 분야, 모니터링 및 감시 기능, 편재성, 이동성 등으로 사물 인터넷 프레임워크를 확장하기 위해 사용되고 있다. 사물 인터넷(IoT) 요구사항을 지원하기 위해서는 UAV 가 실시간으로 데이터를 집계, 처리 및 전송할 수 있어야 하고, IoT 기기의 수뿐만 아니라 수집해야 할 데이터의 양이 증가함에 따라 데이터 집계의 중요성이 매우 커지고 있으며, 최근에는 항공 데이터 집계와 연계하여 모바일 엣지 컴퓨팅 서버로서의 기능도 수행하고 있다. 높은 유연성과 신속한 배치로 인해 무인 비행체는 재난 이후 상황에서 IoT 장치에 대한 네트워크 커버리지를 제공할 수 있다. UAV 지원 모바일 에지 컴퓨팅(MEC)은 지상 IoT 장치에 대한 최적의 의사 결정 프로세스뿐만 아니라 계산 지원을 제공한다. 그럼에도 불구하고, 데이터 집계와 계산 오프로딩은 각각 별도로 연구되어 오고 있다. 본 연구에서는 재난 이후 상황에 대한 UAV 활용 IoT 시스템에서 데이터 집계 및 계산 오프로딩의 공동 최적화(JDACO) 기법을 제안한다. JDACO 는 UAV 를 MEC 서버로 활용하고 여러 UAV 를 배치하여 데이터 집계 및 계산 과정의 총 에너지 비용과 지연을 최소화하는 데 중점을 둔다. 먼저, 데이터 집계 및 오프로딩 과정과 관련된 비용을 평가하는 목표 함수를 설계한다. 이어서 Markov 모델로서의 최적화 문제를 제시하고 이중 심층 Q-네트워크 알고리즘을 사용하여 최적의 데이터 집계 및 비용 효율적인 오프로딩 과정을 허용하는 다중 에이전트 심층 강화 학습 알고리즘을 채택한다. 실험 결과에 따르면, 제안한 JDACO 기법은 최대 수의 IoT 장치를 지원하면서 훈련 시간, 계산 데이터, 에너지 소비 및 임무 수행 시간 측면에서 기존의 방법들보다 우수하다|In recent years, unmanned aerial vehicles (UAVs) have been used to extend the Internet of things (IoT) framework owing to their vast applications, monitoring and surveillance capability, ubiquity, and mobility. To support IoT requirements, UAVs must be capable of aggregating, processing, and transmitting data in real-time basis. As not only the number of IoT devices but also the amount of data to be collected has increased, data aggregation is of great importance. Recently, the UAV can also function as a mobile edge computing server in association with aerial data aggregation. Owing to high flexibility and rapid deployment, unmanned aerial vehicles (UAVs) can provide network coverage for IoT devices in post-disaster scenarios. UAV-aided mobile edge computing (MEC) corroborates computational support as well as optimal decision-making process for ground IoT devices. Nonetheless, both data aggregation and computational offloading have been separately studied in the existing literature. In this thesis, therefore, we propose a joint data aggregation and computational offloading (JDACO) scheme in UAV-enabled IoT for post-disaster scenarios. JDACO focuses on minimizing the total cost of energy and delay in aggregation and computation process by utilizing UAV as MEC server and deploying multiple UAVs. Firstly, designing our objective function to evaluate the cost associated with aggregation and offloading process. Then, the optimization problem as Markov model is presented and multi-agent deep reinforcement learning algorithm is adopted, in which value decomposition with double deep Q-Network algorithm allows optimal data aggregation and cost-effective offloading process by utilizing the cooperative learning process. The experiment results reveal that the proposed JDACO scheme outperforms the existing schemes in terms of training time, computed data, energy consumption, and mission time while serving the maximum number of IoT devices.