UAV 기반 6G 네트워크 에너지 절감 및 복원력 강화: 다중 에이전트 DRL 접근

초록

본 논문은 6G 네트워크에서 전력 절감 및 재난 상황에 대비한 복원력을 확보하기 위해, 슬립 모드에 있는 지상 기지국(Ground Base Station, GBS) 대신 무인항공기(UAV)를 활용한다. 다중 에이전트 심층 결정론적 정책 그래디언트(MADDPG) 프레임워크를 도입해 UAV의 궤적, 전송 전력, 사용자‑UAV 연관을 공동 최적화하고, 커버리지와 에너지 소비 사이의 트레이드오프를 실시간으로 학습한다. 시뮬레이션 결과, 제안 방법은 기존 베이스라인 대비 약 24 %의 에너지 절감과 높은 서비스 커버리지를 동시에 달성한다.

상세 분석

이 연구는 6G 시대의 네트워크 에너지 절감(NES)과 복원력(resilience) 요구를 동시에 만족시키는 새로운 패러다임을 제시한다. 기존 연구들은 UAV를 단순히 임시 기지국으로 배치하거나, GBS 슬립 스케줄링을 정적 최적화 기법(ILP, SCA 등)으로 해결했지만, 동적인 트래픽 변동과 재난 상황에 대한 실시간 대응 능력이 부족했다. 논문은 이러한 한계를 극복하기 위해 다중 에이전트 강화학습(MARL) 중에서도 중앙집중식 훈련·분산 실행(CTDE) 구조를 갖는 MADDPG를 선택하였다.

시스템 모델은 K개의 3섹터 GBS와 N개의 UAV, M명의 사용자를 가정한다. 각 셀은 트래픽 기반 에너지 절감 정책에 따라 슬립(0) 또는 활성(1) 상태를 갖고, 슬립 셀에 속한 사용자는 UAV가 커버한다. UAV는 고정 고도 H에서 2차원 좌표(q_i)와 전송 전력(P_i)를 제어하며, 이동 속도 제한(v_max)과 전력 제한(P_max)을 만족해야 한다. 통신 모델은 3D 거리 기반 Rician 페이딩을 적용해 SINR을 계산하고, 사용자‑UAV 연관은 최대 SINR 원칙에 따라 결정된다. 에너지 모델은 추진 에너지(속도 제곱·α1 + 속도·α2)와 통신 에너지(P_i·Δt)를 합산해 UAV 전체 에너지 E_UAV를 정의한다.

목표 함수는 시간 구간 T에 걸쳐 커버리지 C(t)와 UAV 에너지 E_UAV(t)의 가중합을 최대화(또는 최소화)하는 형태이며, QoS(최소 데이터율)와 UAV 물리·전력 제약을 포함한다. 이를 POMDP로 모델링하고, 각 UAV는 로컬 관측(o_i)과 전역 상태(s_global)를 활용해 정책 π_i(a_i|o_i)를 학습한다. 관측에는 자신의 위치·전력, 이웃 UAV 상태, 주변 5명 사용자 위치·요구율, 셀 활성화 정보가 포함돼 차원 축소와 정보 효율성을 동시에 달성한다.

행동 공간은 연속형 3차원(