데이터 기반 3차원 UAV 기지국 배치로 플래시 군중 서비스 최적화

초록

본 논문은 임의로 분포된 대규모 인파(플래시 군중)를 대상으로, UAV 기반 기지국을 3차원(위치·고도·커버리지)으로 최적 배치하는 데이터‑드리븐 알고리즘을 제안한다. 제안 기법은 최소 데이터율 요구를 만족하면서 시스템 합산 전송률을 극대화하고, 다항식 시간 복잡도로 실시간 적용이 가능함을 시뮬레이션을 통해 입증한다.

상세 분석

이 연구는 UAV‑assisted 이종 네트워크에서 “얼마나 많은 UAV‑BS를, 어느 위치와 고도에 배치해야 전체 시스템 sum‑rate를 최적화할 수 있는가”라는 실질적인 운영 문제에 초점을 맞춘다. 기존 문헌이 고정 고도·고정 커버리지를 전제로 UAV를 배치하거나, 사용자 분포를 균일·가우시안·포아송 등 확률 모델에 한정시킨 반면, 본 논문은 실제 UE 위치 데이터를 그대로 활용한다는 점에서 차별화된다.

핵심 기여는 다음과 같다. 첫째, UAV‑BS와 지상 BS(G‑BS) 간 백홀을 mmWave 전용 대역으로 모델링하고, 전파 손실을 LoS/NLoS 확률 함수와 환경 파라미터(a, b)를 이용해 정밀히 표현하였다. 둘째, UAV‑BS‑UE 간 다운링크는 ATG(air‑to‑ground) 채널 모델을 적용해 고도와 수평 거리의 함수로 손실을 계산하고, SINR 기반 데이터율을 Shannon 식으로 추정한다. 셋째, 전체 최적화 문제(P1)를 “UAV 수 최소화 + sum‑rate 최대화”라는 이중 목표로 설정하고, 제약식에 고도 범위, 커버리지 반경, 최소 데이터율, 백홀 용량, 그리고 각 UE가 하나의 BS에만 연결된다는 연결 제약을 모두 포함시켰다.

알고리즘은 크게 초기화 단계와 반복적인 후보 생성·재조정 단계로 구성된다. 초기에는 G‑BS와 UE 간 수신 전력·거리 정보를 사전 계산하고, UE 밀집 지역을 클러스터링하여 후보 UAV 위치를 도출한다. 이후 각 후보 UAV의 고도와 커버리지를 고도‑커버리지 관계식 r_max(h)와 SINR 임계값을 만족하도록 조정하면서, 각 UAV‑UE 매칭을 업데이트한다. 이 과정에서 UAV 수 k를 동적으로 조절해 과도한 UAV 배치를 방지하고, 각 UAV의 전송 전력 P_j를 최소화한다. 시간 복잡도는 후보 클러스터 수와 UAV 수에 대해 다항식 수준으로, 실시간 네트워크 관리에 적합함을 주장한다.

시뮬레이션에서는 임의 분포 UE(플래시 군중)와 고정된 G‑BS 하나를 가정하고, UAV‑BS를 0~K개까지 배치했을 때 sum‑rate와 각 UE의 최소 데이터율 만족 여부를 비교한다. 결과는 UAV‑BS를 도입했을 때 평균 sum‑rate가 약 30%~50% 향상되고, 특히 고밀도 구역에서 최소 데이터율(c_min) 만족률이 크게 개선됨을 보여준다. 다만, 논문은 전력 소비, UAV 비행 시간, 이동성(동적 재배치) 등 실제 운영 비용을 정량화하지 않았으며, 채널 모델 파라미터가 환경에 따라 크게 변동할 수 있다는 점을 한계로 제시한다. 또한, 백홀 용량이 제한적인 경우 UAV‑BS 수가 증가함에 따라 오히려 인터페어런스가 증가해 sum‑rate가 포화되는 현상이 관찰되었지만, 이에 대한 정교한 트레이드오프 분석은 부족하다.

전반적으로 이 논문은 데이터‑드리븐 접근을 통해 UAV‑BS 배치 문제를 실용적인 수준으로 끌어올렸으며, 고도·커버리지·전력·인터페어런스 등 다중 제약을 동시에 고려한 최적화 프레임워크를 제시한다. 향후 연구에서는 UAV의 에너지 제약, 다중 G‑BS 환경, 그리고 실시간 트래픽 변동에 대한 적응형 재배치 알고리즘을 확장하는 것이 필요하다.