http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
나세현(Se-Hyeon Na),김영준(Young-Jun Kim),유현민(Hyeon-Min You),안희준(Hee-Jun Ahn),홍인기(Een-Kee Hong) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.6
급증하는 모바일 트래픽을 네트워크가 적절히 수용하고, 네트워크 성능을 유지 관리하기 위해서는 미래에 발생할 트래픽을 예측하는 것이 중요하다. 본 논문에서는 시공간 데이터를 학습시키는데 적합한 딥러닝 알고리즘인 ConvLSTM(convolutional LSTM)을 사용하여 미래 트래픽 데이터를 예측한다. 트래픽 데이터는 시간과 공간에 따라 발생하는 양상이 제각각이기 때문에 서로 다른 양상을 보이는 트래픽 데이터를 한꺼번에 학습 데이터로 사용하여 학습시키는 것은 모델의 성능을 저해할 수 있다. 따라서 본 논문에서는 나름의 트래픽 유사성에 대한 기준을 정하여 유사성에 의한 클러스터링 알고리즘을 통해 클러스터 단위로 트래픽 데이터를 학습시킨다. 본 논문은 연구에 사용한 유사도 기반 클러스터링 방법에 대해 설명하고, 클러스터의 개수를 증가시켜 학습시킬 때의 트래픽 예측 성능의 변화를 분석한다. 연구 결과, 클러스터링 개수를 증가시킬수록 예측 오류가 줄어드는 것을 확인할 수 있었다. 그러나, 너무 많은 클러스터로 나눌경우 오히려 예측 오류가 증가하였다.
Monte Carlo Tree Search 기반의 셀 선택 알고리즘의 사용자 QoS에 대한 연구
유현민(Hyun-Min Yoo),나세현(Se-Hyeon Na),홍인기(Een-Kee Hong) 한국통신학회 2022 한국통신학회 학술대회논문집 Vol.2022 No.2
Monte Carlo Tree Search(MCTS) 기반의 새로운 셀 선택 알고리즘은 네트워크 전체의 capacity를 최대로 하는 단말-기지국 조합을 찾는 데 효과적이며, 높은 data rate를 요구하는 eMBB((Enhanced Mobile Braodband) 서비스를 요구하는 사용자들에게 유용하게 적용될 수 있다. 본 논문에서는 MCTS 알고리즘이 적용되었을 때 네트워크 전체의 capacity가 아닌 개별 사용자의 throughput에 대한 연구를 진행하였다. Monte Carlo Simulation을 통해 여러 단말-기지국 환경을 통해 시뮬레이션한 결과, 해당 알고리즘은 max-RSS(Received Signal Strength) 알고리즘을 적용했을 때와 비교해 많은 사용자의 throughput이 증가하지만, 소수의 사용자들은 오히려 throughput이 감소함이 입증되었다. Throughput이 감소되는 사용자의 평균 비율은 tree의 iteration 횟수가 증가하더라도 일정 값에 수렴하는 현상을 보이는데, 이는 해당 셀 선택 알고리즘이 적용되었을 때 일부 사용자는 반드시 throughput의 감소를 겪을 확률이 존재하며 QoS(Quality of Service)를 만족할 수 없음을 의미한다. 본 논문의 연구 결과는 기존 MCTS 기반의 셀 선택 알고리즘이 개별 사용자의 QoS를 고려하여 throughput이 감소하는 사용자의 비율을 최소화할 수 있도록 수정되어야 함을 시사한다.
Mininet을 이용한 Mobile Edge Computing 성능 분석
김영민(Young-Min Kim),나세현(Se-Hyeon Na),홍인기(Een-Kee Hong) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.2
전통적인 모바일 셀룰러 네트워크의 중앙 집중형 아키텍처에서, 단말의 모든 트래픽은 중앙의 코어 네트워크를 통과한 후 해당 서비스 노드에 전달되어야 한다. 중앙 코어 네트워크에 트래픽 부하가 집중되어 있기 때문에, 대량의 트래픽 양을 만족스럽게 제공하거나 5G 애플리케이션에서 요구되는 지연 시간을 충분히 보장한다는 것은 매우 어렵다. 이 문제를 해결하기 위해, 컴퓨팅과 캐싱 서버를 단말에 가깝게 배치하여 트래픽 부하를 분산시키는 Mobile Edge Computing(MEC) 아키텍처가 개발 중에 있다. 본 논문에서는 Mininet을 이용한 시뮬레이션을 통해, 수율 향상과 지연 시간 감소를 관찰하여 MEC를 통한 모바일 트래픽의 분산 효과를 평가한다. 결과적으로, 동일한 대역폭의 링크 환경에서 MEC는 기존의 중앙 집중형 모바일 네트워크 구조에 비하여 고품질 비디오와 저품질 비디오 전송 모두에서 데이터 전송률을 높일 수 있었고 패킷 도착 지연 시간 또한 줄어드는 것을 확인하였다.
김영준(Young-Jun Kim),나세현(Se-Hyeon Na),홍인기(Een-Kee Hong) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.11
빅 데이터 시대에 넘쳐나는 모바일 트래픽 데이터를 효율적으로 할당하고 수용하기 위한 많은 시도들이 있었다. 그 중 하나가 모바일 트래픽 데이터를 예측하여 미리 통신 자원을 할당해주는 방식이다. 본 논문에서는 모바일 트래픽 예측의 정확도를 높이기 위한 방법으로서, 특정 장소들이 갖는 고유한 특성 때문에 비슷한 트래픽 유형을 보임을 증명했다. 대학교를 예시로 특정 장소의 고유한 특징을 증명하였는데, 머신러닝 모델로 대학교 트래픽을 분류한 결과, 정확도가 99.1%였다.