시간 가변 포아송 모델을 이용한 WWW 트래픽 베이지안 예측

초록

본 논문은 시간에 따라 변하는 포아송 과정으로 WWW 트래픽을 모델링하고, 베이지안 프레임워크를 적용해 미래 트래픽을 간단한 산술 연산만으로 예측하는 방법을 제시한다. 사전‑사후 업데이트가 닫힌 형태로 가능하도록 적절한 초평균 사전분포를 선택하고, 예측값을 최소 평균제곱오차(MMSE) 기준의 베이즈 추정량으로 도출한다. 실제 웹 로그 데이터를 이용한 실험에서 제안 방법이 기존 고정‑파라미터 모델보다 예측 정확도가 높고 계산 비용이 낮음을 확인하였다.

상세 분석

이 연구는 웹 서비스 운영자가 실시간 혹은 근시일 내에 필요한 서버 용량을 사전에 파악할 수 있도록, 트래픽 데이터의 시계열 특성을 포아송 분포의 강도 λ가 시간에 따라 변하는 형태로 모델링한다. 핵심은 λt 를 동적 상태 변수로 두고, λt+1 = λt·εt (εt는 평균 1, 분산 σ²인 로그정규분포)와 같은 곱셈적 전이 과정을 가정함으로써, 급격한 트래픽 변동을 자연스럽게 포착한다는 점이다. 베이지안 관점에서 λt 의 사전분포를 감마분포(α,β)로 설정하면, 포아송 관측 모델과의 공액성으로 인해 사후분포 역시 감마분포 형태를 유지한다. 따라서 관측값 yt 가 들어올 때마다 α←α+yt, β←β+1 로 간단히 업데이트가 가능해, 실시간 시스템에 적용하기에 연산량이 매우 적다.

예측 단계에서는 사후감마분포의 평균을 사용해 λ̂t+1 를 추정하고, 이를 포아송 예측분포의 평균값으로 전이한다. 논문은 이 추정량이 평균제곱오차(MSE)를 최소화하는 베이즈 최적 추정임을 증명하고, 통계적 의사결정 이론에 기반한 손실함수(예: L2 손실)와의 일치성을 강조한다. 또한, 감마‑포아송 결합으로부터 얻어지는 예측분포는 음이항분포와 동일함을 보여, 불확실성(분산)도 동시에 제공한다는 장점을 갖는다.

실증 부분에서는 실제 웹 서버 로그(예: 1분 단위 요청 수)를 30일간 수집해, 제안 모델과 고정 λ 포아송 모델, 그리고 ARIMA와 같은 전통적 시계열 모델을 비교한다. 결과는 제안 모델이 평균절대오차(MAE)와 평균제곱오차(RMSE) 모두에서 우수했으며, 특히 트래픽 급증 구간에서 빠르게 λ를 조정해 과소예측을 방지한다는 점을 확인했다. 계산 복잡도 측면에서도, 감마‑포아송 업데이트는 O(1) 연산으로 구현 가능해, 대규모 트래픽 모니터링 시스템에 적합함을 입증한다.

한계점으로는 로그정규 전이분포의 파라미터 σ² 를 사전에 고정하거나 경험적으로 추정해야 하는 점, 그리고 다변량 트래픽(예: 여러 서비스 별 동시 요청)에는 확장이 필요하다는 점을 언급한다. 향후 연구에서는 베이지안 비선형 상태공간 모델이나 변분 추론을 도입해 다중 시계열을 동시에 다루는 방법을 모색할 예정이다.