Oranits: Mission Assignment and Task Offloading in Open RAN-based ITS using Metaheuristic and Deep Reinforcement Learning

작성자

Haebom

카테고리

Empty

저자

Ngoc Hung Nguyen, Nguyen Van Thieu, Quang-Trung Luu, Anh Tuan Nguyen, Senura Wanasekara, Nguyen Cong Luong, Fatemeh Kavehmadavani, Van-Dinh Nguyen

💡 개요

본 논문은 Open RAN 기반 지능형 교통 시스템(ITS)에서 자율주행차가 모바일 엣지 컴퓨팅을 활용하여 미션 할당 및 작업 오프로딩을 최적화하는 'Oranits' 시스템을 제안한다. 기존 연구의 한계를 극복하기 위해 미션 간 상호 의존성과 엣지 서버 오프로딩 비용을 고려했으며, 메타휴리스틱 및 심층 강화학습 기반의 두 가지 최적화 접근 방식을 제시한다. 제안된 방법론은 미션 완료율과 전반적인 이익을 크게 향상시킨다.

🔑 시사점 및 한계

•

Open RAN 환경에서 자율주행차의 효율적인 미션 수행 및 작업 처리를 위한 새로운 시스템 모델 'Oranits' 제시

•

미션 간 의존성과 오프로딩 비용을 고려한 메타휴리스틱(CGG-ARO) 및 다중 에이전트 심층 강화학습(MA-DDQN) 기반 최적화 방법론 제안

•

MA-DDQN은 미션 할당 시간을 단축하고 적응성을 높여 기존 방법 대비 뛰어난 성능 향상 (미션 완료율 11.0%, 전반적 이익 12.5% 개선)

•

실제 ITS 환경에서의 적용 가능성 및 확장성에 대한 추가적인 연구 필요

PDF 보기

Made with Slashpage