차량 네트워크에서 차량 이동성 기반의 클라우드 형성 및 관리 방안 :Vehicular Cloud Construction and Management based on Mobility Information in VANETs

최현석

추천

검색

자료유형: 학위논문

저자정보: 최현석 (충북대학교 )

지도교수: 이의신

발행연도: 2023

저작권: 충북대학교 논문은 저작권에 의해 보호받습니다.

이용수9

이 논문의 연구 히스토리 (5)

2023

차량 네트워크에서 차량 이동성 기반의 클라우드 형성 및 관리 방안

최현석 전파통신공학과 2023.01 학위논문

2021

차량 네트워크에서 차량의 이동성 정보를 이용한 차량 클라우드 서비스 안정성 향상을 위한 차량 클라우드 관리 방안

최현석 , 남영주 , 신용제 외 3명 한국통신학회 학술대회논문집 2021.02 학술대회자료

2020

차량 애드 혹 네트워크에서 로드사이드 유닛을 활용한 효율적인 차량 클라우드 재구성 프로토콜

최현석 , 남영주 , 신용제 외 1명 한국통신학회 학술대회논문집 2020.08 학술대회자료

2018

도심 교차로에서 로드사이드 유닛을 활용한 다중 홉 차량 클라우드 형성 방안

최현석 , 남영주 , 신용제 외 1명 한국통신학회 학술대회논문집 2018.01 학술대회자료

2017

차량 애드혹 망에서의 다중 홉 차량 클라우드 구성 방안

최현석 , 신용제 , 이현규 외 1명 한국통신학회 학술대회논문집 2017.06 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

차량 애드혹 네트워크는 차량 기술의 비약적인 발전으로 차세대 네트워크 중 하나로 각광받고 있다. 소프트웨어 및 하드웨어 측면에서 차량의 발전은 운전자와 승객에게 안전성과 편의성을 제공하고, 더 나아가 자율주행 기술의 발전으로 다수의 센서를 통한 주변환경 모니터링과 차량 내에서의 엔터테인먼트를 위한 새로운 애플리케이션의 등장을 유도하고 있다. 가까운 미래에 자율주행차가 상용화될 때 운전자는 차량 운전에서 자유로워질 수 있게 될 것이다. 이에 따라, 차량 운전에서 자유로워진 운전자와 승객은 운전과 관련된 기존의 안전성 및 편의성에 중점을 둔 애플리케이션들 외에도 엔터테인먼트에 중점을 둔 애플리케이션의 필요성이 대두되고 있다. 그러나, 엔터테인먼트 애플리케이션은 디지털 기술의 발전에 따라 점점 고화질 및 대용량화가 진행되고 있다. 따라서, 차량 한 대의 가용 자원으로 엔터테인먼트 콘텐츠를 제작하고 소비하는데 한계가 있다. 이러한 어플리케이션 패러다임 전환을 가능하게 하기 위해서 차량 에드혹 네트워크상에서 대한 차량 클라우드 컴퓨팅 기술이 필요하다.
차량용 클라우드 컴퓨팅 기술은 클라우드 컴퓨팅 기술을 차량 네트워크에 적용하는 차세대 클라우드 컴퓨팅 기술이다. 거리에서 이동 중인 차량, 도로 및 주차장에 주차되어 있는 많은 차량은 다양한 애플리케이션 서비스를 제공하는 데 사용될 수 있는 강력하고 활용도가 높은 자원이다. 그러나 차량 네트워크는 기존의 네트워크 환경과 구별되는 이동성이라는 특징이 있다. 차량의 이동성은 다른 고정된 노드 또는 차량 네트워크상의 이동중인 노드와 통신 가능한 시간이 매우 짧을 수 있으므로 클라우드 서버 역할을 하는 노드의 능력을 감소시키는 주요 요인 중 하나이다. 이러한 특징은 차량 클라우드 설계에 영향을 주고, 설계자들이 차량이 정지해 있을 때만 클라우드 서버로 사용할 수 있도록 만든다. 이러한 문제점은 이동중인 차량들이 서로 통신하여 각자의 자원을 공유하여 클라우드를 만들고, 도로 상황에 따라 발생하는 돌발 교통 문제를 실시간으로 해결할 수 있도록 한다.
특정 상황에서 가치 있는 콘텐츠를 생산하고 소비하기 위해서는 여러 대의 차량이 서로 통신하여 각자의 자원을 공유해 큰 자원을 가진 하나의 차량과 같이 만드는 차량 클라우드가 필요하다. 차량 클라우드는 구성 요소에 따라 크게 정적 차량 클라우드, 동적 차량 클라우드 및 하이브리드 차량 클라우드의 세 가지 유형으로 분류할 수 있다. 정적 차량 클라우드는 정지 또는 주차된 차량들이 일정 시간 동안 한 장소에서 서로의 자원을 공유하는 것이다. 동적 차량 클라우드는 차량들이 도로를 주행하고 있으며, 이동성이 유사한 차량들이 클라우드를 형성하여 이동하므로 공유된 리소스가 이동성을 가진다. 그러나 각 차량은 각각의 이동성을 기반으로 목적지까지 이동하므로 잦은 네트워크 연결 끊김과 토폴로지 변화 등의 특징이 있다. 하이브리드 차량 클라우드는 정적 차량 클라우드와 동적 차량 클라우드를 모두 사용한다. 정적 및 동적 차량 클라우드의 장점을 활용할 수 있다. 차량 클라우드는 차량과 도로변 장치 사이의 통신 클라우드와 차량과 차량 사이의 클라우드라는 두 가지 통신 유형으로 구성된다. 차량과 도로변 장치 사이의 통신 클라우드는 요청 차량이 고정된 도로변 장치를 통해 인터넷에 연결되어 원하는 콘텐츠를 다운로드한다. 차량과 차량 사이의 클라우드는 이동성이 유사한 차량들이 서로 통신하여 구성된다.
차량 에드혹 네트워크에서 주요 특징 중 하나는 차량이 자신의 목적지에 따라 도로를 자유롭게 이동한다는 점이다. 이 특징은 차량 클라우드 관리에 영향을 미친다. 차량이 도로 위를 자유롭게 이동할 경우 이용 중인 클라우드 서비스 종료 전에 차량 클라우드 내의 한 멤버 차량이 클라우드를 이탈할 수 있고, 이로 인해 차량 클라우드가 깨질 수 있다. 깨진 차량 클라우드를 재구성하기 위해서는 이탈하는 멤버 차량을 새로운 멤버 차량으로 대체하기 위한 클라우드 멤버 교체 방안이 필요하다.
본 논문에서는 차량 클라우드 관리를 위한 세 가지 클라우드 멤버 교체 방안을 제시한다. Reactive와 Proactive 방안, MIN, MAX and AVG 방안, 최적화 방안을 제안한다. 첫째, Reactive와 Proactive 방안은 언제, 어떻게 멤버를 교체에 따라 반응형 및 능동형이라는 두 가지 체계를 제안한다. Reactive 방안은 한 멤버가 이탈할 때마다 새로운 멤버로 교체하는 방안이다. 반면에, Proactive 방안은 한 멤버가 이탈할 때 새로운 멤버의 조합으로 클라우드를 다시 구성하는 방안이다. 둘째, MIN, MAX and AVG 방안은 차량 클라우드에서 출발 시간이 다른 여러 이탈 멤버 차량을 교체하는 문제를 해결하기 위해 각 이탈 시점을 세 가지로 분류하여 멤버를 교체하는 방안이다. 세 가지 방안은 각각 MIN, MAX, AVG이며, 각각 다른 교체 시간으로 나뉘어진다. 마지막으로, 최적화 방안은 차량의 이동성 예측을 기반으로 클라우드를 재구성하는데 필요한 최적의 멤버로 클라우드 멤버를 교체하는 방안이다. 다양한 환경에서 수행된 각 방안의 시뮬레이션 결과는 클라우드 멤버 교체를 위한 제안 방안들이 기존 방안들보다 성능을 향상시킬 수 있음을 보여준다.

Vehicular ad-hoc networks (VANETs) is one of the promising networks with powerful developments in vehicular technology. The developments of vehicles in terms of software and hardware enable to provide safety and convenience to drivers and passengers and furthermore introduce new applications for entertainment and environment monitoring. Entertainment applications are gradually becoming high-definition and large-capacity with the development of digital technology. Vehicular cloud computing (VCC) is a promising approach that makes use of the advantages of cloud computing and applies them to vehicular networks. A number of vehicles on the streets, roads, and parking lots will be treated as powerful and underutilized resources that can be used for providing various application services. However, VANETs has basic characteristic that distinguishes other traditional network environments'' mobility. The mobility of vehicles is one of the main factors that reduce their ability to serve as cloud servers since they could have very short periods of time during which they are in contact with other fixed or mobile VANET nodes. This feature has an effect on the management of vehicular clouds. If vehicles freely move on roads, member vehicles within a vehicular cloud could leave the cloud before the end of the cloud service, and thus the vehicular cloud could be destructed. For this reason, a cloud member replacement process is required to substitute the leaving member vehicles with new member vehicles in order to reconstruct the vehicular cloud. However, the research about the cloud member replacement for vehicular clouds has little interest and is still in its early stage. Thus, it needs to study in detail for vehicular cloud management.
Therefore, this dissertation proposes three schemes for supporting the vehicular cloud management called Cloud Member Replacement (CMR); Cloud Member Replacement Reactive and Proactive schemes (CMR_RP), Cloud Member Replacement Min, Max, and Avg schemes (CMR_MMA) and Cloud Member Replacement Optimization scheme (CMR_OPT). When any member vehicle leaves a vehicular cloud, a naive scheme to manage the cloud is to conduct a full cloud member replacement to entirely reconstruct the vehicular cloud. This scheme causes high traffic and delay to search for new member vehicles and to reconstruct the vehicular cloud. For efficient cloud member replacement, we propose the first cloud member replacement scheme called CMR_RP. CMR_RP is composed of two schemes depending on how to replace the leaving member vehicle to the new member vehicle to reconstruct the vehicular cloud. The reactive scheme replaces leaving member vehicles to new member vehicles one by one. The proactive scheme releases the vehicular cloud when the first leaving member vehicle leaves the vehicular cloud and reconstructs the vehicular cloud as the new set of member vehicles. In the simulation results, the proactive scheme shows better performances than the others in various metrics. For the next, we expect that the cloud member replacement time affects the performance of the proactive scheme. Depending on the characteristic of the intersection, the proactive scheme shows different performances based on each replacement time. Thus, we propose the second cloud member replacement scheme called CMR_MMA. CMR_MMA is composed of three schemes of replacing multiple leaving member vehicles with different leaving times in the vehicular cloud; MIN, MAX, and AVG leaving time, respectively. Depending on each leaving time, the times of releasing and reconstructing the vehicular cloud are different, and these times affect the wasted resource of member vehicles. However, the proposed CMR\_RP and CMR_MMA select the new member vehicles that provide more than the required amount of resources. In this case, if multiple requester vehicles request available resources, some requester vehicles cannot search for any new member vehicles. To meet the requirements of as many requester vehicles as possible, it needs to optimize the available resources to provide each requester vehicle. For this, we propose the third cloud member replacement scheme called CMR_OPT. CMR_OPT proposes an RSU-aided optimal member replacement scheme based on the improved mobility prediction to enhance the accuracy of the connectivity prediction between vehicles in a vehicular cloud and identify optimal replacement member vehicles to minimize the wasted resources of vehicles. The simulation results of each scheme conducted in various environments present these schemes can improve better performances than existing schemes for vehicular cloud reconstruction.

1 Introduction 1
1.1 Background and Motivation . . . . . . . . . . . . . . . . 1
1.2 Dissertation Statement . . . . . . . . . . . . . . . . . . . 8
1.3 Preliminary Overview . . . . . . . . . . . . . . . . . . . . 13
2 Related Works 15
2.1 Vehicular Ad-hoc Networks . . . . . . . . . . . . . . . . 15
2.2 Vehicular Cloud Computing . . . . . . . . . . . . . . . . 20
2.3 Vehicular Edge Computing . . . . . . . . . . . . . . . . . 22
2.4 Vehicular cloud construction . . . . . . . . . . . . . . . . 26
2.4.1 Vehicle to infrastructure (V2I) cloud construction 27
2.4.2 Vehicle to vehicle (V2V) cloud construction . . . 30
2.5 Contribution . . . . . . . . . . . . . . . . . . . . . . . . . 32
3 Cloud Member Replacement: Reactive and Proactive
Schemes 36
3.1 Network Model and Protocol Overview . . . . . . . . . . 37
3.2 Cloud Member Replacement Schemes . . . . . . . . . . . 39
3.2.1 Mathematical formulation for the optimized member
replacement . . . . . . . . . . . . . . . . . . . 41
3.2.2 Reactive CMR Scheme . . . . . . . . . . . . . . . 44
3.2.3 Proactive CMR Scheme . . . . . . . . . . . . . . 49
3.3 Performance Evaluation . . . . . . . . . . . . . . . . . . 55
3.3.1 Simulation Model and Performance Evaluation Metrics
. . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.3.2 Simulation Results . . . . . . . . . . . . . . . . . 58
4 Cloud Member Replacement: MIN, MAX and AVG Replacement
Time Schemes 75
4.1 Network Model and Protocol Overview . . . . . . . . . . 75
4.2 MIN, MAX, and AVG Replacement Time Schemes . . . 80
4.2.1 MIN Replacement Time Scheme . . . . . . . . . . 81
4.2.2 MAX Replacement Time Scheme . . . . . . . . . 87
4.2.3 AVG Replacement Time Scheme . . . . . . . . . . 90
4.3 Performance Evaluation . . . . . . . . . . . . . . . . . . 92
4.3.1 Simulation Model and Performance Evaluation Metrics
. . . . . . . . . . . . . . . . . . . . . . . . . . 92
4.3.2 Simulation Results . . . . . . . . . . . . . . . . . 95
5 Cloud Member Replacement: Optimization Scheme 103
5.1 Network Model and Protocol Overview . . . . . . . . . . 103
5.2 Cloud Member Replacement Optimization Scheme . . . . 111
5.2.1 Probability of the Connection in One Direction . 112
5.2.2 Probability of the Connection in Multiple Directions115
5.2.3 Calculation of the Wasted Resources . . . . . . . 117
5.2.4 Optimization of the Wasted Resources . . . . . . 119
5.3 Performance Evaluation . . . . . . . . . . . . . . . . . . 121
5.3.1 Simulation Model and Performance Evaluation Metrics
. . . . . . . . . . . . . . . . . . . . . . . . . . 122
5.3.2 Simulation Results . . . . . . . . . . . . . . . . . 124
6 Conclusion and Future Work 135
6.1 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . 135
6.2 Future Work . . . . . . . . . . . . . . . . . . . . . . . . . 138
Reference 140
Abstract in Korean 153

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (5)

초록· 키워드

목차

최근 본 자료

댓글(0)