Autonomous Vehicle Offloading Optimization in Congested Networks: A Large-Scale Virtual Testbed Analysis

Abstract

본 연구는 RSU–클라우드 기반의 3계층 분산 아키텍처 환경에서 자율주행 차량의 연산 및 통신 부하를 효율적으로 관리하기 위한 동적 로드밸런싱 기법의 성능을 대규모 테스트베드 기반 시뮬레이션을 통해 정량적으로 분석하였다. 기존의 로컬 연산(Local Only) 또는 전면 오프로딩(Offloading Only) 방식은 차량 밀도 및 네트워크 부하에 따라 큐 지연과 에너지 소비가 급증하는 한계를 갖는다. 이를 극복하기 위해, 본 연구에서는 연산 자원 상태와 네트워크 환경(PDR, 링크 품질 등)을 동시에 고려하는 로드밸런싱 전략을 적용하고, 그 효과를 다각도로 검증하였다. 시뮬레이션 환경은 실제 도로망(인천 청라지구)을 기반으로 구축되었으며, 총 400대의 차량(OBU), 50개의 RSU, 1개의 클라우드 서버로 구성된 대규모 분산 테스트베드를 구현하였다. 차량들은 주기적으로 센서 기반 애플리케이션 데이터를 생성하고, 각 시간 슬롯마다 로컬 처리 혹은 외부 오프로딩 여부를 결정한다. 실험 결과, 제안된 로드밸런싱 방식은 기존 방식 대비 OBU, RSU, 클라우드 전체에서 큐 길이 안정화, 평균 PDR 향상, 에너지 소비 감소 등에서 우수한 성능을 보였으며, 특히 보통 수준의 차량 혼잡 환경에서 자원 활용 효율과 통신 신뢰성이 모두 안정적으로 유지됨을 확인하였다. 다만, 차량 밀도가 급격히 증가하는 시점에서는 특정 RSU에 트래픽이 집중되며 병목 현상 및 PDR 저하가 발생하였고, 이로 인해 시스템 전반에 혼잡이 확산되는 파급 효과(Ripple Effect) 또한 관측되었다. 이는 로드밸런싱만으로는 물리적인 통신 자원 제약을 완전히 극복하기 어렵다는 점과, 특정 지역에의 차량 집중이 전체 네트워크 성능에 부정적 영향을 줄 수 있음을 시사한다. 본 연구는 현실적인 도시 구조와 차량 통신 조건을 반영한 시뮬레이션 기반 평가를 통해, 제안 기법의 실효성과 한계점을 동시에 검증 및 분석하였다. 이를 통해 자율주행 차량 통신 인프라의 설계 및 운영에 있어 핵심적인 기준과 기초 데이터를 제시하며, 향후 실증 기반 자원 제어 기술 및 지능형 네트워크 운영 전략 개발로의 확장 가능성을 제시한다.|Autonomous vehicles are evolving into intelligent platforms that must simultaneously support safety-critical control functions and process large volumes of sensor-based application data. As a result, efficient load balancing strategies that offload computational tasks to RSUs (edge servers) and cloud infrastructure are becoming increasingly essential to overcome the limitations of onboard resources and ensure real-time performance. This study implements a large-scale simulation testbed based on the real road network of Cheongna District in Incheon, Korea consisting of 400 vehicles, 50 RSUs, and one cloud server, to quantitatively evaluate the performance of a dynamic load balancing scheme that distributes tasks according to both computing and network resource states. Compared to the conventional Local Only and Offloading Only approaches, the proposed method demonstrated improved performance in terms of queue stability, packet delivery ratio (PDR), and energy efficiency. In particular, under moderate traffic congestion, the system maintained a stable balance between real-time responsiveness and energy consumption. However, when the vehicle density sharply increased, traffic became concentrated on specific RSUs, leading to communication bottlenecks and the spread of interference to neighboring RSUs exhibiting a ripple effect of congestion. These results empirically reveal the operational limits of load balancing in high-density urban environments. This analysis highlights the need for dynamic resource management strategies that account for both scalability and reliability in the design of future autonomous vehicle communication infrastructures. It also provides a foundational reference for developing integrated control technologies that combine networking and computing under real-world constraints.