클라우드-RSU-차량 아키텍처에서 에너지 지연 균형을 위한 동적 로드밸런싱 알고리즘

Abstract

레벨 4 이상의 첨단 자율주행 서비스는 운전자의 지속적인 개입을 필요로 하지 않으며 차량이 자율적으로 다양한 주행 시나리오에 대응할 수 있도록 한다. V2X 통신을 활용한 On Board Unit (OBU), Road Side Units (RSU) 및 클라우드 인프라와 같은 Vehicle Edge Computing (VEC) 구성 요소의 통합을 통해 각 구성 요소에 산재된 네트워킹 자원과 컴퓨팅 자원을 효율적으로 사용하여 차량의 사물 인식, 의사 결정 및 제어 기능의 성능을 향상시킬 수 있다. 하지만 기존 LTE-V2X나 5G NR V2X 표준은 자율 주행 시스템의 네트워킹 자원에 관해서만 집중하여 다루고 있으며 차량 혹은 RSU의 연산 능력이나 태스크의 처리 밀도 등 컴퓨팅 자원에 관해서는 거의 다루지 않는다. 이를 해결하기 위해 우리는 클라우드-RSU-차량 아키텍처를 위한 동적 컴퓨팅 로드밸런싱 알고리즘을 제안한다. 제안 알고리즘은 Lyapunov 최적화 기술을 사용하여 네트워크 상태, 차량의 연산 능력 및 처리 대기열을 함께 고려하여 자원 할당과 오프로딩을 동적으로 결정함으로써 평균 처리 지연을 일정 수준으로 유지하는 동시에 차량의 평균 에너지 소모를 최소화한다. 자율주행 시나리오에서의 시뮬레이션을 통해 알고리즘이 동적으로 변화하는 네트워크 속도와 서비스 요청에 적응적으로 동작하여 차량 내에서 처리하는 방법에 비해 처리 지연을 비슷하게 유지하면서 차량의 에너지 소모를 훨씬 더 많이 줄일 수 있음을 보인다.

Advanced autonomous driving services at Level 4 and above eliminate the need for constant driver supervision, enabling vehicles to respond autonomously to various driving scenarios. The integration of components under edge environment such as the On Board Unit (OBU), Road Side Units (RSUs), and cloud infrastructure, facilitated by V2X communication, enhances perception, decision making, and control capabilities by efficiently utilizing networking and computing resources scattered across each component. However, existing standards like LTE-V2X or 5G NR V2X focus on networking resources and lack guidance on efficient computing resource management in autonomous driving systems. To tackle this, we propose a dynamic computing load balancing algorithm for the cloud-RSU-vehicle architecture. The proposed algorithm minimizes the average energy consumption of the vehicle while keeping the average processing delay under a certain level through resource allocation and offloading decisions considering network conditions, computational capabilities, and processing queues using Lyapunov optimization techniques. Via simulations under autonomous vehicle scenario, we show that the proposed algorithm operates adaptively to dynamically changing network speeds and service requests; thereby it significantly saves the average energy consumption with similar average processing delay compared to a policy of only vehicle computing.