예측 트리거링으로 자원 절약하는 IoT 제어

본 논문은 사물인터넷(IoT) 환경에서 다수의 물리적 장치가 공유 네트워크를 통해 상호 협조하며 제어되는 시스템을 대상으로, 통신 자원을 효율적으로 사용하기 위한 새로운 트리거링 메커니즘을 제시한다. 전통적인 피드백 제어는 고정된 주기적 통신을 전제로 설계되었으며, 이는 네트워크 대역폭이 제한된 무선 IoT 환경에 부적합하다. 최근 연구에서는 이벤트 기반 추정과 제어가 등장했지만, 대부분은 “즉시 트리거” 방식으로, 통신이 필요할 때 즉시 슬롯을 확보해야 하므로 실제 자원 활용 효율이 떨어진다. 이를 해결하고자 저자는 두 가지 예측 기반 트리거링 방식을 도입한다. 첫 번째는 **셀프 트리거(self‑trigger)** 로, 현재 트리거 시점에서 다음 트리거 시점을 미리 계산한다. 이는 현재 상태 추정과 모델 기반 예측을 이용해, 예측 오차가 허용 한계에 도달하는 시점을 사전 예측함으로써 통신 슬롯을 예약하거나 해제할 수 있게 한다. 두 번째는 **예측 트리거(predictive trigger)** 로, 매 시간 단계마다 미래 M 단계에 대한 통신 필요성을 평가한다. 이때 베이지안 의사결정 프레임워크를 적용해, 통신 비용과 추정 오차 비용을 가중합한 기대 비용을 최소화하는 이진 결정 변수를 도출한다. 베이지안 프레임워크는 다음과 같이 구성된다. 시스템은 선형 가우시안 모델 xₖ₊₁ = A xₖ + B uₖ + vₖ, yₖ = H xₖ + wₖ 로 기술되며, 각 에이전트는 로컬 칼만 필터를 통해 상태 추정 ˆxₖ와 공분산 Pₖ를 얻는다. M‑step 예측 분포 f(xₖ₊ₘ|·)는 칼만 필터의 오픈‑루프 전파를 통해 구해지며, 평균 ˆxₖ₊ₘ|k와 공분산 Pₖ₊ₘ|k을 제공한다. 셀프 트리거는 Pₖ₊ₘ|k이 사전 정의된 임계값 Σ_thr을 초과하는 최소 M을 찾는 최적화 문제로 정의된다. 예측 트리거는 매 시점 t에서 “t+M 시점에 통신을 해야 할 확률”을 베이지안 사후 확률로 계산하고, 기대 비용 J = c_comm·γ + c_err·E