[Paper] 버스 장착형 Edge Servers는 실현 가능할까?

Source: arXiv - 2512.05543v1

개요

엣지 컴퓨팅은 차량 사물인터넷(IoV)의 핵심 기반이 되고 있지만, 정적인 엣지 노드(예: RSU 또는 기지국)는 이동하는 차량의 매우 동적인 시공간 수요를 따라가지 못합니다. 본 논문은 도시 버스에 엣지 서버를 장착하는 것이 고정 인프라에 대한 유연하고 비용 효율적인 보완책이 될 수 있는지를 조사합니다. 상하이의 실제 이동성 및 교통 데이터를 활용하여, 소규모 버스 탑재 서버 플릿만으로도 서비스 커버리지를 크게 향상시키고 변동하는 수요에 적응할 수 있음을 보여줍니다.

주요 기여

• 실증적 커버리지 분석: 대규모 상하이 버스, 택시, 통신 데이터셋을 이용해 버스가 도시의 수요 핫스팟을 크게 횡단한다는 것을 입증.
• 수학적 공식화: 제한된 예산(즉, 장착 가능한 버스 수) 하에서 커버되는 수요 지점을 최대화하는 버스 선택 문제를 정의.
• 그리디 휴리스틱 알고리즘: 가장 “유용한” 버스를 효율적으로 선택하여 낮은 계산 오버헤드로 거의 최적에 근접한 커버리지를 달성.
• 트레이스 기반 시뮬레이션: 서버 용량, 구매 수량 등 현실적인 제약을 포함하고, 동적인 차량 수요를 처리하는 알고리즘의 유효성을 검증.
• 실현 가능성 주장: 버스 탑재 엣지 서버가 도시 차량 네트워크에 실용적이고 유익한 추가 요소임을 제시.

방법론

1. 데이터 수집 및 전처리

   • 이동성 트레이스: 상하이 공공 버스와 택시의 GPS 로그.
   • 수요 트레이스: 모바일 디바이스(차량의 프록시)가 트래픽을 발생시키는 위치와 시간을 나타내는 통신 기록.
   • 도시를 작은 지리적 셀로 이산화하고, 각 셀은 시간에 따른 수요 이벤트 수를 기록.

2. 커버리지 모델링

   • 버스는 사전 정의된 무선 범위(예: 300 m) 내를 통과하면 해당 셀을 커버한다고 간주.
   • 커버리지는 시간에 의존하며, 버스가 물리적으로 존재할 때만 셀을 서비스할 수 있음.

3. 최적화 문제

   • 목표: 예산 K 이하의 버스를 선택하여 모든 셀 및 시간 슬롯에서 커버되는 총 수요 이벤트 수를 최대화.
   • 제약: 각 선택된 버스는 유한한 컴퓨팅 용량을 가지며, 이 용량을 초과하는 수요는 커버되지 않은 것으로 간주.

4. 그리디 휴리스틱

   • 용량을 고려하여 커버되는 수요가 가장 크게 증가하는 버스를 반복적으로 선택.
   • K개의 버스가 선택되거나 더 이상 개선이 불가능할 때 종료.

5. 시뮬레이션 프레임워크

   • 실제 트레이스를 재생하고, 선택된 버스를 엣지 서버로 할당하여 커버리지, 서버 부하, 지연 프록시를 측정.
   • 기준선과 비교: (i) 고정 RSU만 사용, (ii) 무작위 버스 선택, (iii) 작은 부분집합에 대한 최적(전수조사) 해.

결과 및 발견

• 커버리지 향상: 그리디 알고리즘은 정적 RSU만 사용할 때보다 약 30 % 더 많은 수요를 포착하여, 버스가 지리적·시간적 격차를 메울 수 있음을 확인.
• 탄력적 용량: 버스가 이동함에 따라 동일한 물리적 서버가 서로 다른 시간에 여러 먼 핫스팟을 서비스할 수 있어, 밀집된 RSU 배치 필요성이 감소.
• 확장성: 약 1,200대 중 30대 정도만 장착해도 거의 최적에 근접한 커버리지를 달성; 버스를 추가하면 수익이 감소하는 한계점이 존재, 이는 투자에 최적의 포인트를 제시.

실용적 함의

• 비용 효율적인 엣지 확장: 지방자치단체나 통신 사업자는 제한된 수의 버스를 개조하여 기존 엣지 인프라를 보강함으로써 신규 RSU 구축 비용을 절감할 수 있음.
• 동적 서비스 배치: 개발자는 실시간 교통 분석, AR 내비게이션, V2X 안전 알림 등 IoV 애플리케이션을 설계할 때, 가장 가까운 버스 탑재 서버에 연산을 오프로드하여 피크 트래픽 시 지연을 개선 가능.
• 자원 오케스트레이션: 클라우드‑엣지 오케스트레이션 플랫폼은 버스 탑재 서버를 “모바일 노드”로 취급해 예측된 버스 경로와 용량에 따라 워크로드를 스케줄링, 일종의 엣지‑as‑a‑service 형태 구현.
• 정책 및 계획: 도시 계획자는 엣지 네트워크 설계 도구에 버스 노선을 포함시켜, 승객 흐름뿐 아니라 계산 커버리지를 최적화하도록 경로 계획을 조정 가능.

제한점 및 향후 연구

• 노선 예측 가능성: 연구는 비교적 안정적인 버스 스케줄을 전제로 하며, 예기치 않은 우회나 교통 체증은 커버리지를 저하시킬 수 있음.
• 하드웨어 제약: 실제 배포 시 이동 차량에 엣지 하드웨어를 장착하기 위한 전원, 냉각, 내구성 문제를 해결해야 함.
• 보안 및 이동성 관리: 빈번한 핸드오버와 서버의 이동성은 인증, 데이터 프라이버시, 서비스 연속성 측면에서 도전 과제를 제공.
• 대규모 도시 확장성: 상하이는 풍부한 데이터셋을 제공하지만, 버스 네트워크가 희박하거나 다중 교통 수단이 혼합된 도시에서는 모델 검증이 필요.

향후 연구 방향은 실시간 버스 텔레메트리를 기반으로 워크로드를 동적으로 재배정하는 적응형 라우팅 알고리즘, 배달 드론·승차 호출 차량 등 다른 모바일 플랫폼과의 통합, 에너지 소비 및 유지보수 오버헤드를 평가하는 프로토타입 배치를 포함합니다.

저자

• Xuezhi Li
• Jiancong He
• Ming Xie
• Xuyang Chen
• Le Chang
• Li Jiang
• Gui Gui

논문 정보

• arXiv ID: 2512.05543v1
• 분류: cs.DC
• 발표일: 2025년 12월 5일
• PDF: Download PDF