연결 및 자율 차량의 증가는 지능형 교통 시스템의 한 시대를 의미하며, 여기에서는 중요 애플리케이션을 위한 견고하고 지속적인 네트워크 연결성과 차량 내 Consumer Electronics (CE) 경험의 향상이 필수적이다. 네트워크의 엣지에서 수행하는 네트워크 슬라이싱은 Advanced Driver Assistance Systems (ADAS) 및 차량 내 인포테인먼트를 포함하여, 다양한 저지연 차량 요구에 맞춘 전용 논리 네트워크를 제공한다. 그러나 차량이 서로 다른 네트워크 사업자의 커버리지 영역을 이동하는 동안 네트워크 슬라이스를 원활하게 마이그레이션하는 일은, 안전에 직결되는 시스템과 소비자 지향 서비스 모두에 대해 연속적인 연결성과 중단 없는 서비스를 보장해야 한다는 점에서 상당히 어려운 과제를 야기한다. 본 논문에서는 고도로 역동적이고 이동성이 큰 환경에서 Open Radio Access Network (O-RAN) 프레임워크를 활용하여, 연결 차량 및 탑재 CE의 지속적 연결성을 위한 동적 네트워크 슬라이싱을 제안하였다. 우리는 O-RAN 내에 xAPP을 구현하여, 네트워크와의 상호작용을 통해 Deep Reinforcement Learning (DRL) 에이전트가 최적 정책을 학습하도록 하고, 슬라이스 마이그레이션, 자원 할당, 핸드오버 최적화에 관한 지능적 의사결정을 유도한다. 또한 제안된 xAPP이 최적의 Quality of Service (QoS)를 유지하는 효과, 효율적인 RAN 자원 활용, 서비스 중단의 최소화, 그리고 안전에 직결되는 슬라이스의 우선순위 보장 측면에서의 유효성을 입증하기 위해 시뮬레이션과 평가를 수행하였으며, 이동 중 차량 내에서 CE의 원활한 동작을 지원하는 동시에 이를 달성하였다.

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