다중 CPU 차량 엣지 컴퓨팅에서 병렬 큐 기반 최적 오프로드 전략

초록

**
본 논문은 다중 코어를 갖는 차량 엣지 서버에서 발생하는 CPU 과소 활용과 과부하를 동시에 고려한 오프로드 방식을 제안한다. 이산적인 큐 길이를 정확히 모델링하고, 메시지 전달 기반 분산 알고리즘을 통해 전역적으로 최적의 차량‑RSU 매칭을 실시간으로 도출한다. 이론적 수렴·최적성 증명과 실제 지도 기반 디지털 트윈 실험을 통해 기존 방법 대비 대기 지연을 크게 감소시킴을 입증한다.

**

상세 분석

**
본 연구는 차량 엣지 컴퓨팅(VEC) 환경에서 다중 CPU 서버가 갖는 특수한 병목 현상을 정량화한다. 기존 연구들은 주로 연속적인 작업량 근사나 단일 CPU 가정에 머물러, CPU 수와 할당 작업 수 사이의 “임계점”을 놓치고 있었다. 논문은 이산적인 큐 길이와 CPU 수 kₐ를 명시적으로 변수화하여, nₐ ≤ kₐ일 때는 대기 지연이 0이고, nₐ > kₐ이면 큐에 쌓이는 작업에 대해 순차적 대기 시간 합을 정확히 계산하는 식(3)·(5)를 도출한다. 이러한 모델링은 대기 지연이 급격히 증가하는 비선형 특성을 그대로 보존한다는 점에서 중요한 기여이다.

문제는 “어떤 차량이 어느 RSU에 연결될 것인가”라는 이진 변수 xᵢₐ를 포함하는 이산 최적화 문제로 정의된다. 전체 목표는 Σᵢ Tᵢₐ(xᵢₐ) 를 최소화하는 것이며, 여기에는 로컬 처리 지연, 전송 지연, 그리고 위에서 정의한 큐 대기·실행 지연이 모두 포함된다. NP‑complete인 다중 CPU 스케줄링을 직접 해결하기보다는, 라운드‑로빈 기반의 단순 스케줄링 정책을 채택하고, 각 CPU에 할당되는 작업 수 nₐc 를 식(4) 로 정확히 구한다. 이렇게 하면 복잡한 스케줄링 알고리즘 없이도 실제 시스템에서 발생하는 대기 지연을 정확히 예측할 수 있다.

알고리즘 설계는 메시지 전달(Message‑Passing, MP) 프레임워크에 기반한다. 차량과 RSU는 각각 팩터 함수 Qᵢ(·)·Rₐ(·) 로 표현되며, 변수 xᵢₐ 에 대한 지역 최적값을 메시지 α, β, ρ, η 로 교환한다. 이 과정은 동적 프로그래밍의 원리를 차용한 것으로, 각 단계에서 “현재까지 가장 작은 l번째 값”을 전달함으로써 전역적인 일관성을 확보한다. 논문은 이 MP 알고리즘이 제한된 반복 횟수 내에 수렴하고, 수렴된 해가 원래 이산 최적화 문제의 전역 최적임을 수학적으로 증명한다(정리 1, 2).

실험 부분에서는 두 가지 평가가 이루어진다. 첫째, 파라미터 스위프(CPU 수, 큐 용량, 차량 밀도 등)를 통해 제안 방식이 기존 근사 기반 방법(예: 연속형 relax, DRL 기반) 대비 평균 대기 지연을 30 % 이상 감소시킴을 확인한다. 둘째, 실제 지도 데이터를 활용한 디지털 트윈 시뮬레이션에서 RSU‑RSU 협력 및 차량 이동성을 반영한 테스트베드를 구축하고, 제안 알고리즘이 실시간으로 차량‑RSU 매칭을 재조정하면서도 안정적인 지연 감소를 유지함을 보여준다.

한계점으로는 (1) 통신 지연을 고정된 전송률로 가정했으며, 실제 무선 채널 변동성을 완전히 반영하지 못한다는 점, (2) 라운드‑로빈 스케줄링이 CPU 간 부하 균형을 완벽히 보장하지 못할 수 있다는 점을 언급한다. 향후 연구에서는 적응형 스케줄링과 무선 채널 예측을 결합한 하이브리드 최적화를 탐색할 여지가 있다.

**