그래프 기반 V2V 방송 자원 할당 및 충돌 회피 기법

본 논문은 5G V2V 모드 3 환경에서 차량 간 직접 통신을 위한 사이드링크 자원 할당 문제를 그래프 이론 기반으로 재구성하고, 시간 충돌을 방지하기 위한 새로운 매크로‑정점 기법을 제안한다. 연구는 크게 네 부분으로 구성된다. 첫 번째 섹션에서는 V2V 통신의 필요성 및 현재 표준에서의 자원 할당 메커니즘을 소개한다. 차량은 협조 인식 메시지(CAM)를 주기적으로 전송해야 하며, 반감도 인터페이스 때문에 동일 클러스터 내 차량은 서로 다른 서브프레임에 배정되어야 한다는 시간 정합성 요구가 있다. 기존의 무제한 가중치 매칭(헝가리안 알고리즘)만으로는 이 제약을 만족시킬 수 없으며, 따라서 새로운 접근법이 필요함을 강조한다. 두 번째 섹션에서는 무제한 가중치 매칭 문제를 수학적으로 정의한다. 차량 집합 V와 자원 집합 R을 정점으로 하는 완전 이분 그래프 G=(V,R,E)를 구성하고, 각 엣지 (i,j)의 가중치 c_ij를 SINR 기반 전송률 B·log₂(1+SINR_ij)로 설정한다. 목표는 ∑c_ij x_ij 를 최대화하면서 각 차량과 각 자원이 정확히 하나의 매칭을 갖도록 하는 것이다. 이때 Kuhn‑Munkres 알고리즘을 이용해 O(N³) 시간에 최적 해를 구할 수 있다. 세 번째 섹션이 논문의 핵심이다. 여기서는 시간 정합성 제약을 매크로‑정점으로 모델링한다. K개의 자원이 같은 서브프레임에 속하므로, 각 서브프레임을 매크로‑정점 R_α (α=1…N) 로 정의하고, R_α는 K개의 개별 자원 r_j 로 구성된다. 제약식 (3c)는 “같은 매크로‑정점 내에서 두 자원을 동시에 선택할 수 없다”는 조건을 명시한다. 이를 수식적으로 전개하면, 동일 차량 i가 매크로‑정점 α 내 두 자원 j,k를 동시에 선택하는 경우 x_ij·x_ik=0 이 된다. 저자는 이 관계를 이용해 비용 함수를 제곱 형태로 변형하고, 매크로‑정점 별로 최대 가중치 d_iα = max_{j∈R_α} c_ij 로 대체한다. 이렇게 하면 원래의 이진 변수 x_ij 와의 의존성이 사라지고, 새로운 이진 변수 y_iα (차량 i가 서브프레임 α에 배정되는지)만으로 문제를 재정의할 수 있다. 최종 문제는 ∑ d_iα y_iα 를 최대화하면서 각 차량과 각 서브프레임이 각각 하나씩 매칭되는 제약을 갖는 전형적인 무제한 매칭 형태가 된다. 이는 다시 Kuhn‑Munkres 알고리즘으로 동일한 복잡도 O(N³) 안에 최적 해를 구할 수 있음을 의미한다. 네 번째 섹션에서는 시뮬레이션 설정과 결과를 제시한다. 시뮬레이션은 차량 밀도, 서브프레임 수, 자원당 K값 등을 다양하게 변형하여 제안 방식과 기존 방식(무작위 할당, 제약을 무시한 매칭, 근사적 알고리즘)을 비교한다. 결과는 다음과 같다. (1) 평균 시스템 스루풋이 15~30% 향상된다. (2) 최소 SINR이 크게 증가해 신뢰성 요구를 만족한다. (3) 차량 간 공정성 지표(예: Jain’s Index)가 개선되어 고밀도 상황에서도 특정 차량에 자원이 편중되지 않는다. 특히 차량 밀도가 200veh/km² 이상일 때, 자원 재사용 이득을 최대화하면서도 충돌을 완전히 회피하는 성능이 두드러졌다. 마지막으로 논문은 제안 기법의 장점과 한계를 논의한다. 매크로‑정점 집합화는 시스템이 과부하되지 않을 경우(즉, 서브프레임 수 ≥ 클러스터 내 차량 수) 최적성을 보장하지만, 과부하 상황에서는 가상 차량(dummy vehicle) 추가를 통해 문제를 확장해야 한다는 점을 언급한다. 또한, 실시간 구현을 위해서는 eNodeB가 차량의 위치·채널 정보를 정확히 수집해야 하며, 이를 위한 신호 처리 및 프로토콜 설계가 향후 연구 과제로 제시된다. 종합적으로, 이 논문은 V2V 사이드링크 자원 할당 문제를 그래프 매칭으로 모델링하고, 매크로‑정점 기반 집합화를 통해 시간 정합성 제약을 자연스럽게 포함시킴으로써 기존 알고리즘의 복잡도를 유지하면서도 최적 해를 제공하는 혁신적인 프레임워크를 제시한다.