차량 IoT 환경에서는 초저지연 안전 서비스부터 고대역폭 데이터 서비스, 고성능 운행 지원 서비스 등 이질적인 품질 요건을 가진 다양한 서비스가 필요함. 하지만 차량들의 이동 특성, 컴퓨팅 능력, 트래픽 특성과 밀집도 등은 동적이고 예측이 어려워, 효율적 자원 관리가 어려운 문제로 지적됨. 본 연구는 5G 네트워크 환경에서 심층강화학습과 연합학습을 활용해 이러한 문제를 해결하는 지능형 자원할당 최적화 기법을 개발하고자 함. 초기에는 제한된 엣지 컴퓨팅 환경에서의 심층강화학습 기반 자원할당 기술을 설계하며, 이후 확장된 엣지 컴퓨팅 환경에서 동적 특성을 반영한 연합학습 프레임워크를 구축하고, 이를 통해 차량 IoT 서비스 품질 요구를 충족하는 자원 최적화 기법을 완성하는 것을 목표로 함. 해당 기술은 데이터 처리 비용 절감, 클라우드 운영 비용 감소, 차량통신 표준화 기여, 5G 기반 차량 IoT 서비스 산업 경쟁력 강화에 기여할 것으로 기대됨.