비행을 배우다 UAV 지원 네트워크의 3차원 배치와 사용자 연합을 위한 분산 메커니즘

본 논문은 도시 환경에서 손상·과부하된 지상 기지국을 보조하기 위해 다수의 UAV(공중 기지국, ABS)를 배치하고, 이들 UAV와 지상 사용자 간의 연합을 동시에 최적화하는 문제를 다룬다. UAV의 3차원 배치와 사용자‑UAV 연합은 대역폭 제한과 최소 평균 스펙트럼 효율(η_min)이라는 QoS 제약을 만족해야 하는 복합적인 비선형 정수 비선형 계획(MINLP) 문제이며, NP‑hard임을 명시한다. 문제 해결을 위해 저자는 전체 최적화를 세 개의 서브문제로 분할한다. 첫 번째 서브문제는 고정된 3차원 좌표를 전제로 사용자‑UAV 매칭을 수행하는 것으로, Gale‑Shapley 안정 매칭을 기반으로 한 분산 매칭 알고리즘을 설계한다. 각 사용자는 η_ij(=R_i·b_ij⁻¹) 값을 기준으로 선호 리스트를 만들고, UAV는 요구 대역폭 b_ij=R_i/η_ij를 기준으로 선호 리스트를 만든다. 매칭 과정에서 UAV는 자신의 대역폭 한계 B_j를 초과하지 않도록 사용자를 선택·교체하며, η_ij≥η_min을 만족하는 경우에만 연결을 허용한다. 이 과정은 완전 분산으로 수행되며, 각 UAV와 사용자는 인접 이웃과만 정보를 교환한다. 두 번째 서브문제는 2차원 위치 최적화이다. 기존 K‑means는 사용자와 UAV 간 거리 합을 최소화하지만, 이는 통신 효율을 직접 반영하지 않는다. 저자는 각 UAV가 자신이 서비스하는 사용자 집합의 무게 중심(가중 평균)으로 이동하도록 수정된 K‑means를 제안한다. 여기서 가중치는 사용자 요구 대역폭과 채널 품질(η_ij)으로 정의되며, UAV는 매 반복마다 새로운 클러스터 중심을 계산하고 이동한다. 이 알고리즘은 각 UAV가 독립적으로 실행되며, 전체 시스템은 반복적인 매칭‑위치 업데이트 과정을 통해 수렴한다. 세 번째 서브문제는 UAV 고도 선택이다. 고도는 전파 손실과 LoS 확률에 큰 영향을 미치므로, 고도 선택을 제한된 간섭 모델 하에서 비협조 잠재 게임으로 모델링한다. 각 UAV j는 자신의 효용 u_j(h_j)=∑_{i∈U_j} R_i·η_ij(h_j) 로 정의하고, 이는 전체 합률을 나타내는 잠재 함수 Φ와 일치한다. 따라서 베스트 리스폰스 다이내믹스를 적용하면 각 UAV가 현재 고도를 고정하고 다른 UAV의 고도를 고려해 자신의 효용을 최대화하는 고도 h_j*를 선택한다. 이 과정은 잠재 게임의 특성상 순차적 업데이트가 Φ의 증가를 보장하므로, 알고리즘은 지역 최적점(잠재 함수의 로컬 최대값)에서 멈춘다. 전체 알고리즘은 매칭 → 2차원 위치 업데이트 → 고도 업데이트 순으로 반복되며, 각 단계는 독립적인 분산 구현이 가능하다. 복잡도 분석에 따르면 매칭 단계는 O(|U|·|A|), 수정 K‑means는 O(iter·|U|), 고도 게임은 각 UAV당 베스트 리스폰스가 수렴할 때까지 반복하므로 전체 복잡도는 다항 시간 안에 수렴한다. 시뮬레이션에서는 10~30대 UAV와 200~500명의 사용자를 대상으로, 사용자 요구 대역폭 R_i를 1 Mbps로 고정하고, 채널 파라미터 α,β 등을 실제 도시 환경에 맞게 설정하였다. 비교 대상은 전통적인 K‑means에 기반한 “가장 가까운 UAV” 매칭이다. 결과는 제안 알고리즘이 평균 합률을 200 % 이상 향상시키며, 특히 사용자 밀도가 높은 지역에서 고도와 2차원 위치를 공동 최적화함으로써 간섭을 효과적으로 억제하고 대역폭 활용 효율을 높인다는 점을 보여준다. 또한, 매칭 단계에서 발생하는 대역폭 초과와 QoS 위반을 거의 완전히 방지하였다. 논문은 또한 제한된 간섭 가정, 고정된 사용자 요구량, 그리고 UAV 간의 완전 연결이 아닌 인접 이웃만을 고려한 정보 교환이라는 현실적인 제약을 명시한다. 향후 연구에서는 동적 트래픽, 다중 안테나 MIMO, 그리고 UAV 간 협력적 전력 제어 등을 포함한 확장 모델을 제안한다.