차량 엣지 컴퓨팅 환경에서 강화학습 기반의 서비스 마이그레이션

Abstract

사용자에게 초저지연 및 실시간 서비스를 제공할 수 있어 엣지 컴퓨팅은 사물인터넷을 이끌 수 있는 유망 기술로 부상하고 있다. 하지만 사용자의 이동성과 엣지 서버의 제한적인 커버리지 때문에 서비스 중단과 QoS 저하를 초래한다. 그래서 끊김 없는 서비스를 보장하기 위해 서비스 마이그레이션이 중요한 이슈로 다뤄진다. 본 논문에서는 차량 엣지 컴퓨팅 환경에서 Q-learning 강화학습 기법을 사용하여 마이그레이션에 관해 결정하는 알고리즘을 제안한다. 제안한 알고리즘은 차량의 이동에 따라 마이그레이션 진행 여부와 대상을 결정하는 것이다. 제안한 알고리즘의 목적은 지연 제약조건을 충족하며 시스템 비용을 최소화하는 것이다. 본 논문에서는 제안 알고리즘의 성능 비교를 통하여 기존 기법에 비하여 마이그레이션 진행 여부와 대상 결정의 측면에서 더 나은 성능을 보임을 확인하였다.