버스 탑재 엣지 서버의 실현 가능성 탐구

초록

본 논문은 상하이 실측 데이터를 활용해 버스에 엣지 서버를 장착하는 방안을 검증한다. 버스와 기지국의 커버리지를 비교하고, 제한된 예산 하에서 최적의 버스 집합을 선택하는 정수 최적화 모델과 탐욕적 휴리스틱 알고리즘을 제안한다. 시뮬레이션 결과, 버스 기반 엣지 서버가 공간·시간적 수요를 효과적으로 포괄하며, 고정형 기지국만으로는 충족하기 어려운 처리량을 보완함을 보여준다.

상세 분석

이 연구는 도시 교통망에서 이동성이 높은 버스를 엣지 컴퓨팅 노드로 활용할 수 있는지를 실증적으로 분석한다. 먼저 7백만 건 이상의 통신 기록(텔레콤), 5백만 건 이상의 버스 GPS 기록, 8천만 건 이상의 택시 트래젝터리를 포함한 세 가지 대규모 공개 데이터를 수집하였다. 연구 영역을 200 m × 200 m 격자로 나누고, 30 초 간격의 시간 슬롯으로 구분함으로써 공간·시간적 수요와 공급을 정밀히 모델링했다.

커버리지 평가는 ‘면적 커버리지’, ‘포인트 커버리지(용량 무제한)’, ‘용량 제한 포인트 커버리지’ 세 가지 지표로 정의하였다. 기지국은 반경 0.8 km, 500대 배치 시 90 % 이상의 면적을 커버하지만, 서버당 50건의 처리 한계를 적용하면 커버리지가 급격히 감소한다는 점을 확인했다. 반면, 900대의 버스를 임의 선택했을 때 반경 0.8 km 기준으로 약 40 %의 수요 포인트를 처리할 수 있었으며, 이는 버스가 교통량이 높은 구역을 자연스럽게 순회한다는 특성에서 기인한다.

수학적 모델링에서는 도시를 G개의 격자와 T개의 시간 슬롯으로 추상화하고, 각 버스 i의 선택 변수 s_i∈{0,1}와 수요‑버스 할당 변수 θ_{i,j}(t)∈{0,1}을 도입하였다. 목표는 K대의 버스를 선택해 전체 시간 동안 커버된 수요 포인트 수 C_DP를 최대화하는 정수 이차계획 문제를 설정했으며, 이는 NP‑hard임을 명시하고 탐욕적 휴리스틱을 설계했다. 알고리즘은 각 버스가 독립적으로 커버할 수 있는 수요량을 사전 계산하고, 가장 많은 수요를 커버하는 버스를 순차적으로 선택하면서 이미 할당된 포인트를 제거하는 방식이다.

실험에서는 베이스라인으로 무작위 선택, 기존 연구에서 제안된 딥 Q‑러닝 및 DBO 기반 최적화 기법 등을 비교하지는 않았지만, 제안 알고리즘이 K값이 증가함에 따라 커버리지가 선형에 가깝게 상승함을 보였다. 또한, 서버 용량 C_bus를 8~50건 수준으로 변동시켜도 알고리즘이 용량 한계 내에서 효율적인 할당을 수행한다는 점을 확인했다.

한계점으로는 버스 내부 전력·냉각 인프라, 실제 통신 지연·핸드오버 비용, 그리고 버스 스케줄 변동성 등을 고려하지 않은 점이다. 향후 연구에서는 다중 서비스 유형(영상 처리, 지도 업데이트 등)별 작업 특성을 반영한 자원 스케줄링, 그리고 실시간 트래픽 예측을 기반으로 하는 동적 버스 선택 메커니즘을 도입할 필요가 있다.

전반적으로 이 논문은 이동형 엣지 인프라로서 버스 활용의 가능성을 데이터 기반으로 설득력 있게 제시하며, 제한된 예산 상황에서 최적의 버스 집합을 선택하는 실용적인 알고리즘을 제공한다는 점에서 학술적·산업적 의의가 크다.