멀티 액세스 에지 컴퓨팅에서 퍼지 로직을 사용한 효율적인 부하 관리 기법

호씬 엠디 딜로와르,턴지나 솔탄아,호씬 엠디 알럼길,이가원,허의남 한국정보과학회 2020 정보과학회 컴퓨팅의 실제 논문지 Vol.26 No.11

Multi-Access Edge Computing (MEC) is a new leading technology that enhances the performance of the 5G networks. However, it faces some challenges in determining the processing location of the offloaded task, because it is very difficult to predict in advance the demand of end users. Also, without the load management an MEC server is overloaded for managing too many service requests and applications. As a result, the quality-of-services (QoS) is deteriorated because of the long execution time and task failure rate. In this study, we have used the fuzzy orchestrator based load balancing (FOLB) technique to resolve the above challenges. Our efficient FOLB approach selects a target server for the task computing between the MEC server and the remote cloud server by using the fuzzy rules. The simulation results corroborate that our proposed FOLB scheme can significantly reduce the average service time, task failure rate, and WAN delay compared with the three reference schemes. 멀티 액세스 에지 컴퓨팅(Multi-Access Edge Computing, MEC)은 5G 네트워크에 대한 성능 향상을 위한 기술로 각광받고 있다. 그러나 이 환경에서는 적재 적소에 테스크를 배정하지 못할 경우 오히려 서비스 실행 시간이 길어지고 작업 실패율이 올라가 서비스 품질(QoS)이 악화될 수 있으며, 최종 사용자의 요구를 예측하기 힘들기 때문에 MEC에서 어느 에지로 작업을 배정할 것인지를 결정하는 것이 가장 중요한 문제로 대두되고 있다. 게다가 부하 분산 없이는 한 MEC에만 부하가 집중되어 병목 현상이 일어날 수 있다. 본 논문에서는 이러한 문제를 해결하기 위해 오케스트레이터 기반 부하 분산 기법(FOLB)을 제안해 이를 해결하고자 한다. 제안하는 FOLB 기법은 퍼지 규칙을 적용하여 로컬 MEC와 원격 클라우드 서버 중 테스크를 처리할 타겟 서버를 선택한다. 시뮬레이션을 통해 제안하는 기법이 다른 관련연구들에 비해 평균 서비스 시간, 테스크 실패율, WAN 지연에 있어 성능 개선을 보여 우수함을 확인하였다.

배경 분리 알고리즘 기반 이동 객체 탐지 성능 평가 기법 연구

호씬 엠디 알람깃,호씬 엠디 임티아즈,호씬 엠디 딜로와르,이가원,허의남 한국정보과학회 2020 정보과학회 컴퓨팅의 실제 논문지 Vol.26 No.10

The background subtraction technique finds moving objects and reconstructs the background from video sequences. The background subtraction has extensive real-world applications. Most of the background subtraction studies have focused on increasing the accuracy while reducing the complexity. Though few studies have appraised the accuracy of the background subtraction methods, the researchers have not measured the computational complexity of the methods. Thus, in this study, our main goal was to measure the accuracy and computational complexity of the background subtraction approaches. This study can be used in industry and academy. Also, we implemented and assessed the performance of the three different types of background subtraction algorithms such as the cluster-based method, the statistical-based method, and the sample consensusbased method. We mainly used the F-measure with other confusion metrics, which are the most accepted criteria to assess the segmentation accuracy of the background subtraction algorithms. Also, we evaluated the complexity in terms of the memory usage per pixel and the number of frame display per second for the CDD-2012, CDD-2014, and Carnegie Mellon datasets. The experimental data are presented in the table in Section 4 to show the accuracy and computational complexity. 배경 분리 알고리즘은 비디오 시퀀스에서 배경을 재구성하여 움직이는 객체를 찾아내기 위한 기술로, 광범위한 응용 분야에 활용되고 있다. 배경 분리 알고리즘의 연구는 주로 복잡도를 줄이면서 정확성을 높이는 데 중점을 두고 있으나, 복잡도를 측정하거나 정확도를 평가하는 방법에 대한 연구는 상대적으로 미비한 상태이다. 따라서, 본 연구에서는 산업 및 학술적으로 모두 사용 가능한 배경 분리 알고리즘의 정확도와 계산 복잡도 평가 방안을 제시하고자 한다. 본 논문에서는 클러스터 기반 기법, 통계 기반 기법, 표본 합의 기반 기법의 세가지 종류와 배경 분리 알고리즘을 구현하고 평가한다. 특히 배경 분리 알고리즘의 분할 정확도를 평가하는데 가장 적합한 방법인 F-measure를 다른 혼합 지표와 함께 사용하였으며, CDD-2012, CDD-2014, 카네기멜론의 데이터시트를 픽셀당 메모리 사용량, 초당 프레임 수로 복잡도를 평가하여 정확도와 계산 복잡도를 나타낸 실험 결과를 본문(섹션 4)에 제시하였다.

Game Theory Based Dynamic Computation Offloading in MEC-Enabled Vehicular Networks

호씬 엠디 딜로와르,턴지나 솔탄아,와카스 우르 라만,이가원,허의남 한국정보과학회 2022 정보과학회 컴퓨팅의 실제 논문지 Vol.28 No.4

Vehicular edge computing (VEC) provides a new paradigm for fetching services in close proximity to vehicular networks (VNs). However, due to the problem of overloading and the high mobility of vehicles, VEC experiences many challenges in identifying the location for processing the offloaded task. Therefore, to tackle these issues, we proposed a game theory-based dynamic computation offloading (GDCO) scheme in multi-access edge computing (MEC)-enabled vehicular networks. Our proposed strategy can dynamically adjust the task offloading probability to maximize the utility for each vehicle under certain conditions. Moreover, for real-life scenarios, we considered vehicle movements at various speeds when designing the mobility model. The simulation results confirmed that our proposed scheme fulfilled the performance guarantees to reduce the task failure rates by almost 76.5% and 79.3% compared to local road-side unit computing (LRC) and random offloading schemes, respectively.

5G 초과밀 네트워크에서 협력적 모바일 에지 컴퓨테이션 오프로딩의 성능 분석

호씬 엠디 딜로와르,허의남 한국정보과학회 2019 정보과학회 컴퓨팅의 실제 논문지 Vol.25 No.7

Mobile Edge Computing(MEC) server on small cell base station is one of the leading ideas in 5G ultra-dense networks which plays an important role in the popularization of innovative traffic-intensive applications and overcomes the abridgement of resource constraints mobile devices. Existing researches mostly focus on single-tier BS scenario (SBS-MEC offloading) while ignoring SBS coalitions and remote servers. However, the distinct cell has confined computing resource to handle the massive amount of workload. In the present work, collaborative task offloading scheme is proposed in order to acquire better performances, as the scheme is hypothesized to handle a huge number of incoming user requests, and reduce the time consumption as well as the number of failed tasks. The simulation results show that it can reduce the average task duration at almost 17.6% and average task failure at approximately 19.1%, compared to the single-tier BS scenario. 스몰셀(Small-cell) 기지국의 MEC(Mobile Edge Computing) 서버는 5G 초과밀 네트워크에서 선도적인 아이디어 중에 하나이다. 초과밀 네트워크는 트래픽 집약적인 애플리케이션을 대중화 하는데 중요한 역할과 모바일 디바이스의 리소스 한계를 극복한다. 기존 연구는 소형 기지국 연합 및 원격 서버에 대한 고려가 미비하고, 주로 단일계층 기지국 시나리오(SBS-MEC offloading)에 중점을 두고 있다. 그러나, 별개의 셀은 대량의 워크로드를 처리 하기에 제한된 컴퓨팅 자원을 갖는다. 더 나은 성능을 위해서, 협력적 태스크 오프로딩을 본 논문에서 제안한다. 협력적 태스크 오프로딩은 대량의 사용자 요청을 처리할 수 있을 뿐만 아니라, 시간 소모와 실패하는 태스크의 수를 줄일 수 있다. 시뮬레이션 결과를 통해 제안하는 방법이 단일 계층 BS 시나리오보다 평균 태스크 지속시간을 약 17.6% 그리고 평균 태스크 실패를 약 19.1% 줄일 수 있다는 것을 보인다.

Performance Analysis of Collaborative Mobile Edge Computation Offloading in 5G Ultra-Dense Networks

Md Delowar Hossain(호씬 엠디 딜로와르),Eui-Nam Huh(허의남) 한국정보과학회 2019 정보과학회 컴퓨팅의 실제 논문지 Vol.25 No.7

스몰셀(Small-cell) 기지국의 MEC(Mobile Edge Computing) 서버는 5G 초과밀 네트워크에서 선도적인 아이디어 중에 하나이다. 초과밀 네트워크는 트래픽 집약적인 애플리케이션을 대중화 하는데 중요한 역할과 모바일 디바이스의 리소스 한계를 극복한다. 기존 연구는 소형 기지국 연합 및 원격 서버에 대한 고려가 미비하고, 주로 단일계층 기지국 시나리오(SBS-MEC offloading)에 중점을 두고 있다. 그러나, 별개의 셀은 대량의 워크로드를 처리 하기에 제한된 컴퓨팅 자원을 갖는다. 더 나은 성능을 위해서, 협력적 태스크 오프로딩을 본 논문에서 제안한다. 협력적 태스크 오프로딩은 대량의 사용자 요청을 처리할 수 있을 뿐만 아니라, 시간 소모와 실패하는 태스크의 수를 줄일 수 있다. 시뮬레이션 결과를 통해 제안하는 방법이 단일 계층 BS 시나리오보다 평균 태스크 지속시간을 약 17.6% 그리고 평균 태스크 실패를 약 19.1% 줄일 수 있다는 것을 보인다. Mobile Edge Computing(MEC) server on small cell base station is one of the leading ideas in 5G ultra-dense networks which plays an important role in the popularization of innovative traffic-intensive applications and overcomes the abridgement of resource constraints mobile devices. Existing researches mostly focus on single-tier BS scenario (SBS-MEC offloading) while ignoring SBS coalitions and remote servers. However, the distinct cell has confined computing resource to handle the massive amount of workload. In the present work, collaborative task offloading scheme is proposed in order to acquire better performances, as the scheme is hypothesized to handle a huge number of incoming user requests, and reduce the time consumption as well as the number of failed tasks. The simulation results show that it can reduce the average task duration at almost 17.6% and average task failure at approximately 19.1%, compared to the single-tier BS scenario.