다중 홉 무선 IoT 네트워크를 위한 향상된 동적 릴레이 포인트 프로토콜

초록

본 논문은 기존 DRP 프로토콜이 실환경에서 발생하는 링크 품질 변동을 제대로 반영하지 못해 전송 충돌과 백오프 지연이 발생하는 문제를 지적한다. 이를 해결하기 위해 실시간 링크 품질을 기반으로 백오프 범위를 동적으로 조정하는 LQ‑CSMA와, 미래 링크 품질을 예측해 래터럴 코딩 블록 크기를 최적화하는 ML‑BSS를 결합한 EDRP를 제안한다. 실제 TelosB 기반 실험에서 EDRP는 기존 경쟁 프로토콜 대비 평균 39.43 %의 goodput 향상을 달성하였다.

상세 분석

DRP는 “동적 지연 타이머”를 이용해 자식 노드와의 평균 링크 품질(LQ)을 기준으로 전송 시작 지연을 할당함으로써 제어 패킷 교환을 없애고 충돌 회피를 목표로 한다. 그러나 실험 결과, 실제 환경에서는 건물·인간·차량 등에 의한 급격한 채널 변동이 빈번히 발생하고, 저가 IoT 라디오의 주파수 편차까지 더해지면서 LQ 추정값이 급격히 변한다. 이때 DRP의 고정된 지연 계산식은 여러 송신자가 거의 동시에 전송을 시작하도록 만들고, CSMA의 랜덤 백오프가 재가동되어 충돌과 재전송이 늘어난다. 결과적으로 시뮬레이션에서 기대한 600 % 수준의 스루풋 향상이 실현되지 못하고, CDF 분석에서는 38 % 구간에서 거의 이득이 없으며, 긴 꼬리 구간에서 성능이 급격히 저하되는 ‘롱테일’ 현상이 관찰된다.

EDRP는 이러한 근본 원인을 두 가지 차원에서 보완한다. 첫 번째는 LQ‑CSMA로, 실시간 LQ 측정을 통해 백오프 윈도우를 동적으로 축소하거나 확대한다. 즉, 높은 LQ를 가진 노드는 짧은 백오프 범위(예: 0–5 ms)를, 낮은 LQ를 가진 노드는 넓은 범위(예: 0–20 ms)를 할당받아 전송 충돌 가능성을 최소화한다. 이는 기존 DRP가 고정된 지연값을 사용해 발생하던 ‘동시 전송’ 문제를 근본적으로 억제한다.

두 번째는 ML‑BSS이다. 래터럴 코딩은 블록 크기가 클수록 오버헤드가 증가하지만, 링크가 좋을 때는 큰 블록이 효율적이며, 링크가 불안정할 때는 작은 블록이 재전송 비용을 낮춘다. 저자들은 TAO(다중 목표 최적화)로 튜닝된 순위 회귀 트리를 사용해 과거 LQ 시계열 데이터를 학습하고, 향후 몇 초간의 LQ 변화를 예측한다. 예측 결과에 따라 블록 크기를 동적으로 조정함으로써, 전송 중단 없이 지속적인 코딩 효율을 유지한다.

실험 설정은 TelosB Zigbee 모듈을 Raspberry Pi 3B와 전원뱅크에 연결하고, 15개의 정적 노드가 별‑원 형태 토폴로지를 이루도록 구성하였다. 각 실험은 100 회 반복되며, 1 KB 데이터를 1000 바이트 단위로 전송한다. 비교 대상은 MNP, Rateless Deluge, AdapCode 등 기존 컨텐션 기반 프로토콜이며, 성능 지표는 오버헤드가 제외된 goodput이다. 결과는 EDRP가 평균 39.43 % 높은 goodput을 기록했으며, 특히 LQ가 급격히 변하는 구간에서 충돌률이 30 % 이상 감소했다. 또한, 블록 크기 최적화 덕분에 전송 지연이 평균 18 % 감소하고, 에너지 소비 역시 12 % 절감되었다.

이 논문은 실환경 링크 변동을 정량화하고, 이를 기반으로 MAC 레이어와 코딩 레이어를 공동 최적화하는 새로운 설계 패러다임을 제시한다. 특히, LQ‑CSMA와 ML‑BSS가 각각 물리·링크 레이어와 애플리케이션 레이어에서 독립적으로 동작하면서도 상호 보완적인 효과를 내는 점이 주목할 만하다. 향후 연구에서는 더 복잡한 도시 환경에서의 대규모 배포, 그리고 딥러닝 기반 LQ 예측 모델을 적용해 예측 정확도를 높이는 방안이 제시될 수 있다.