본 논문에서는 부하 불균형으로 인해 발생하는 성능 저하와 자원 비효율 문제를 해결하기 위해, 5세대(5G) New Radio-Unlicensed(5G NR-U) 네트워크를 대상으로 부하 인지형 부하 분산 절차를 제안한다. 부하 불균형은 동적 스펙트럼, 사용자 이동성, 그리고 트래픽 수요의 변동과 같은 요인들로 인해 NR-U 네트워크에서 빈번히 발생한다. 이러한 문제를 해결하기 위해, 게임 이론 기반 강화학습(GT-RL)을 활용하는 부하 인지형 부하 분산 절차를 도입한다. 부하 인지를 위해 5G 무선 네트워크의 프레임워크 내에 확장된 System Information Block(SIB)을 포함시킨다. 부하 분산 문제는 조건부 오프로딩과 강화학습 기반 트래픽 스티어링을 결합한 게임 이론적 비용 최소화 과제로 모델링하여, 부하를 동적으로 분산한다. 강화학습은 게임 이론적 정책을 적용하여, 과부하 셀에서 사용자를 덜 혼잡한 셀로 이동시키되 사용자의 요구를 가장 잘 충족하는 셀을 선택하도록 한다. 분석적으로, 제안 방법은 네트워크 부하가 평형을 향해 확산됨이 증명된다. 제안 방법은 부하 분산의 효과를 보여주는 시뮬레이션을 통해 검증된다. 제안 방법은 부하 분산을 통해 부하 분산도(load variance)를 더 낮추면서도 더 높은 처리량과 더 큰 품질 서비스 만족도를 달성하여, 기존 연구보다 더 나은 성능을 보였다. 특히 고부하 동학(high-load dynamics)에서, 제안 방법은 기존 RL 기반 접근 대비 QoS에서 UE 만족이 8% 향상되고 네트워크 처리량이 7.61% 증가하였다. 또한 비(非)AI 접근과 비교했을 때, UE QoS 만족과 네트워크 처리량은 15%를 초과하여 향상되었다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.