엣지 학습/추론 통신 및 스마트 교통 네트워크 최적화 연구

Edge Learning/Inference Communication and Smart Transportation Network Optimization

연구 내용

엣지에서 학습·추론을 수행하기 위해 통신·자원·보안 요소를 통합하고, ITS에서의 지연과 처리 효율을 최적화하는 연구입니다.

엣지 학습/추론 패러다임에서는 지연 민감도와 네트워크·하드웨어 자원 제약이 핵심 제약으로 작동합니다. 본 연구는 데이터 압축, 우선순위 전송, 지연과 자원 관리 관점에서 엣지 학습의 통신 방식을 정리하고, 이벤트 기반 비디오 데이터 우선순위 프레임워크로 전송·저장 부담을 줄이는 접근을 제시합니다. 또한 edge computing 기반 카 헤일링에서 사용자 수와 평판을 함께 고려한 자원 할당 및 가격 최적화 모델을 구성하여 비용·지연·에너지 관점의 성능을 평가합니다. 더 나아가 V2X 환경에서는 edge computing과 blockchain을 결합해 차량 플래툰의 보안 아키텍처와 smart contract를 시뮬레이션으로 검증합니다.

관련 프로젝트

0건

연구 흐름

연구는 2022년에 엣지 학습과 추론을 위한 통신 기술을 체계적으로 검토하면서 출발했습니다. 이후 동일한 제약을 교통 서비스 자원 계획 문제로 확장하여, edge computing 기반 car hailing의 자원 할당·가격 최적화 모델을 구성하고 시뮬레이션 기반 성능을 분석했습니다. 2023년에는 V2X에서 빈번한 연결 변화와 악의적 차량 위협을 전제로 edge-integrated blockchain 기반 보안 스킴을 설계하고, throughput·delay·jitter 등 통신 지표와 보안 관련 비용을 함께 평가하는 방향으로 연구가 발전했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

엣지 기반 이벤트 우선 전송
엣지 학습용 데이터 압축 전략
ITS용 자원 할당 및 가격 최적화
차량 플래툰 보안 아키텍처
V2X 보안 통신 시뮬레이션
스마트시티 네트워크 성능 평가
지연·지터 기반 서비스 품질 설계
엣지-클라우드 연계 추론
분산 컴퓨팅 자원 관리
교통 데이터 전송 스케줄링