모바일 IoT 서비스를 위한 계층형 모바일 에지 컴퓨팅(Hierarchical Mobile Edge Computing, HMEC) 시스템의 DQN(Deep Q-learning Network) 기반 사용자 연결 제어 장치로서, 프로세서; 및상기 프로세서에 연결되는 메모리를 포함하되, 상기 메모리는, mm-HMEC 환경으로부터 모든 UE에 대한 하나 이상의 S-MECS(Slave-MEC Server) 및 M-MECS(Master-MEC Server)의 처리량, 처리율이 미리 설정된 수치 이하인 엣지 UE의 처리량 및 핸드오버 비용 중 적어도 하나를 포함하는 상태를 수집하고, DQN(Deep Q-learning Network) 모델을 기반으로 상기 수집된 상태로부터 보상을 최대화하는 최적 방향 빔을 위한 바이어스를 결정하는 행동을 선택하도록, 상기 프로세서의 의해 실행되는 프로그램 명령어들을 저장한 사용자 연결 제어 장치.

제1항에 있어서, 상기 사용자 연결 제어 장치는 상기 하나 이상의 S-MECS과 연결되는 M-MECS이며, 상기 프로그램 명령어들은, 상기 DQN 모델을 기반으로 상기 하나 이상의 S-MECS 각각의 바이어스를 결정하고, 상기 결정된 바이어스를 상기 하나 이상의 S-MECS에 분배하는 사용자 연결 제어 장치.

제1항에 있어서, 상기 사용자 연결 제어 장치는 상기 M-MECS와 연결되는 S-MECS이며, 각 S-MECS는 자신과 연결된 UE로부터 측정 정보를 수신하고, 상기 측정 정보를 상기 M-MECS로 전송하고, 상기 M-MECS로부터 상기 상태를 수신하여 자신의 최적 방향 빔을 위한 바이어스를 결정하는 사용자 연결 제어 장치.

제1항에 있어서, 상기 하나 이상의 S-MECS 및 M-MECS 각각은 자신의 바이어스를 자신과 연결된 UE에 통지하고, 제1 UE는 인접 타겟 MECS로부터 상기 결정된 바이어스에 의해 기존에 접속한 서비스 MECS보다 더 강한 파일럿 신호를 감지하면, 자신의 서비스 MECS에 보고하고, 상기 서비스 S-MECS는 핸드오버 수행을 위해 새로운 다운링크 자원이 상기 제1 UE와 타겟 MECS 사이에 할당될 수 있도록 상기 타겟 MESC에 요청을 전송하고, 상기 서비스 MECS는 상기 제1 UE와 상기 타겟 MECS 간의 지속적인 데이터 통신을 위해 상기 타겟 MECS로 상기 제1 UE의 상태를 전달하는 사용자 연결 제어 장치.

제1항에 있어서, 상기 DQN 모델은 아래의 수학식에 따라 상기 최적 방향 빔을 위한 바이어스를 결정하는 사용자 연결 제어 장치.[수학식]목적 효용함수 는 시간 에서 모든 UE의 평균 처리량의 가중치 합으로 정의되며, , , 는 각각 전체 HMEC의 집합, S-MECS의 집합, MECS 빔들의 집합이고, 는 UE u와 MECS B 사이의 링크에 대한 지시자 벡터이고, 는 엣지 UE에 대해 요구되는 최소한의 처리량이고,상기 프로그램 명령어들은 상기 목적 효용함수를 최대화하는 바이어스를 결정하는 사용자 연결 제어 장치.

제5항에 있어서, 상기 평균 처리량의 가중치 합은 아래의 수학식으로 정의되고, [수학식]과 는 각각 처리량과 핸드오버 비용의 가중치이고, 는 MECS 빔들의 바이어스 벡터임모든 UE에 대한 시간별 평균 처리량은 아래의 수학식으로 정의되고, [수학식]는 UE u의 집합시간 에서 모든 UE에 대한 평균 핸드오버 비용은 아래의 수학식으로 정의되는 사용자 연결 제어 장치. [수학식]여기서 는 UE 에 대한 핸드오버가 시간 에 발생하면 1이고 그렇지 않으면 0임

제1항에 있어서, 상기 상태는 상기 하나 이상의 S-MECS에 할당된 UE 정보 벡터, 상기 M-MECS에 할당된 UE 정보 벡터, 시간 t에 모든 S-MECS에서 엣지 UE에 대한 평균 처리량 벡터 및 시간 t에서 엣지 UE의 정보 벡터를 포함하는 사용자 연결 제어 장치.

모바일 IoT 서비스를 위한 계층형 모바일 에지 컴퓨팅(Hierarchical Mobile Edge Computing, HMEC) 시스템의 DQN(Deep Q-learning Network) 기반 사용자 연결 제어 시스템으로서, mm-HMEC 환경으로부터 모든 UE에 대한 처리량, 처리율이 미리 설정된 수치 이하인 엣지 UE의 처리량 및 핸드오버 비용 중 적어도 하나를 포함하는 상태를 수집하는 M-MECS(Master-MEC Server); 및 자신과 연결된 하나 이상의 UE로부터 측정 정보를 수신하고, DQN 모델에서의 상태로 조립하여 상기 M-MECS로 전송하는 하나 이상의 S-MECS(Slave-MEC Server)를 포함하되, 상기 M-MECS가 중앙 집중식으로 또는 상기 하나 이상의 S-MESC 각각이 분산식으로, DQN(Deep Q-learning Network) 모델을 기반으로 상기 수집된 상태로부터 보상을 최대화하는 최적 방향 빔을 위한 바이어스를 결정하는 행동을 선택하는 사용자 연결 제어 시스템.

제8항에 있어서, 상기 M-MECS가 상기 바이어스를 결정하는 경우, 상기 M-MECS는 상기 DQN 모델을 기반으로 상기 하나 이상의 S-MECS 각각의 바이어스를 결정하고, 상기 결정된 바이어스를 상기 하나 이상의 S-MECS에 분배하는 사용자 연결 제어 시스템.

제8항에 있어서, 상기 하나 이상의 S-MESC 각각이 상기 바이어스를 결정하는 경우, 각 S-MECS는 자신과 연결된 UE로부터 측정 정보를 수신하고, 상기 측정 정보를 상기 M-MECS로 전송하고, 상기 M-MECS로부터 상기 상태를 수신하여 자신의 최적 방향 빔을 위한 바이어스를 결정하는 사용자 연결 제어 시스템.

제8항에 있어서, 상기 하나 이상의 S-MECS 및 M-MECS 각각은 자신의 바이어스를 자신과 연결된 UE에 통지하고, 제1 UE는 인접 타겟 MECS로부터 상기 결정된 바이어스에 의해 기존에 접속한 서비스 MECS보다 더 강한 파일럿 신호를 감지하면, 자신의 서비스 MECS에 보고하고, 상기 서비스 S-MECS는 핸드오버 수행을 위해 새로운 다운링크 자원이 상기 제1 UE와 타겟 MECS 사이에 할당될 수 있도록 상기 타겟 MESC에 요청을 전송하고, 상기 서비스 MECS는 상기 제1 UE와 상기 타겟 MECS 간의 지속적인 데이터 통신을 위해 상기 타겟 MECS로 상기 제1 UE의 상태를 전달하는 사용자 연결 제어 시스템.

프로세서 및 메모리를 포함하는 장치에서, 모바일 IoT 서비스를 위한 계층형 모바일 에지 컴퓨팅(Hierarchical Mobile Edge Computing, HMEC) 시스템의 DQN(Deep Q-learning Network) 기반 사용자 연결을 제어하는 방법으로서, mm-HMEC 환경으로부터 모든 UE에 대한 하나 이상의 S-MECS(Slave-MEC Server) 및 M-MECS(Master-MEC Server)의 처리량, 처리율이 미리 설정된 수치 이하인 엣지 UE의 처리량 및 핸드오버 비용 중 적어도 하나를 포함하는 상태를 수집하는 단계; 및DQN(Deep Q-learning Network) 모델을 기반으로 상기 수집된 상태로부터 보상을 최대화하는 최적 방향 빔을 위한 바이어스를 결정하는 행동을 선택하는 단계를 포함하는 사용자 연결 제어 방법.