적응형 다차원 종합 라우팅 기법 for IoV

본 논문은 차량 인터넷(IoV) 환경에서 고속 이동과 급변하는 토폴로지로 인한 라우팅 설계의 난제를 해결하고자, 다차원 종합 라우팅 프레임워크와 지능형 전송 전환 메커니즘을 제안한다. 1. **시스템 모델링** - **네트워크 토폴로지**: 2차원 직사각형 도로 구역에 차량(V)과 도로변 유닛(RSU) 배치. 차량은 통신 반경 R_v, RSU는 R_r(>R_v) 보유. 차량 위치 P_n(t)와 속도 v_n(t)는 시간 간격 Δt마다 선형 업데이트. - **링크 모델**: V2V와 V2I 두 종류로 구분. 거리 d(i,j) ≤ R_v 혹은 R_r이면 직접 링크 존재. 수신 전력 P_r은 전송 전력, 안테나 이득, 파장, 경로 손실, 그림자 페이딩, 다중 경로 페이딩을 모두 포함하는 통합식(4) 사용. - **링크 품질 지표**: SNR, BER, PRR을 계산하고, PRR을 0.01~0.999 구간으로 클리핑해 극단값을 억제. 2. **혼잡 및 지연 모델** - **노드‑레벨 혼잡**: 정규화된 큐 부하 q(v_n)=min(1, L_n(t)/L_max) 로 정의하고, 비콘을 통해 1‑hop 이웃에 전파. - **전역 혼잡**: 차량 밀도 N/(L_road·W_road)와 각 차량의 커버리지 πR_v²를 곱해 전체 커버리지를 구하고, 이를 전체 면적으로 나눈 C_global = min(1, N·πR_v²/(L_road·W_road)). - **지연**: 전송 지연 τ_t = L_p / rate(i,j). 차량의 큐 지연 τ_q^V = τ_0·q(v). RSU는 입입 차수에 비례하는 τ_q^R = k_R·deg_in(r)·τ_R. 전체 경로 지연은 모든 홉의 전송·큐 지연 합으로 표현(15). 3. **라우팅 문제 정의** - **종합 라우팅 메트릭 M(i,j)**: 링크 신뢰도(1‑PRR), 노드 부하 q(i), 전역 혼잡 C_global, 링크 안정성(1‑Stability) 네 요소에 가중치 w1~w4를 곱해 합산. 가중치는 네트워크 상태에 따라 적응형 업데이트 함수에 의해 실시간 조정된다. - **목표**: 모든 가능한 경로 집합 Ψ 중 총 비용 Cost(P)=∑M(i,i+1) 를 최소화하는 최적 경로 P*를 찾는 단일 목적 최적화 문제. 제약조건은 물리적 전송 가능 거리와 무루프(acyclic) 조건. 4. **제안 라우팅 스키마** - **후보 노드 선정**: 연결성(링크 존재)과 진보성(목적지와의 거리 감소) 두 기준을 동시에 만족하는 이웃을 후보 집합에 포함. - **이중 경로 구조**: 기본 경로와 백업 경로를 동시에 유지. 백업 경로는 후보 집합 중 M값이 두 번째로 낮은 경로로 선정. - **임계값 기반 전환**: 현재 기본 경로의 M값이 사전 정의된 임계값 θ_link를 초과하거나, 백업 경로의 M값이 현재 경로보다 일정 비율(Δ) 이상 낮을 경우 즉시 전환. θ_link와 Δ는 전역 혼잡 C_global에 따라 동적으로 조정. - **가중치·임계값 적응 함수**: 네트워크 부하, 차량 밀도, 현재 패킷 손실률 등을 입력으로 받아 w_k와 θ_link를 업데이트. 이를 통해 급격한 토폴로지 변화에도 라우팅 정책이 빠르게 재조정된다. 5. **시뮬레이션 및 성능 평가** - **시나리오 설정**: 차량 수 200~800대, 평균 속도 30~80 km/h, 데이터 생성률 5~20 pkt/s 등 5가지 환경을 구성. - **비교 대상**: 전통적인 AODV, GPSR, 최신 DRL 기반 CR‑DRL. - **평가지표**: 패킷 전달률(PDR), 평균 종단‑종단 지연(E2E Delay), 경로 단절 횟수(Interruptions), 네트워크 오버헤드. - **결과**: 제안 방식은 모든 시나리오에서 PDR 92% 이상, 평균 지연 150 ms 이하, 단절 횟수 0.3 회/시 이하를 기록. 특히 고밀도·고속 이동 상황에서 기존 방법 대비 PDR 30%↑, 지연 25%↓, 단절 횟수 40%↓를 달성. 오버헤드 측면에서도 이중 경로 유지 비용이 전체 트래픽 대비 5% 미만에 머물러 효율성을 입증. 6. **논의 및 한계** - **기여**: (1) 로컬·전역 정보를 동시에 반영한 다차원 라우팅 메트릭, (2) 이중 경로와 임계값 기반 전환 메커니즘, (3) 실시간 가중치·임계값 적응 함수. - **제한점**: 가중치 초기값 설정이 경험적이며, 적응 함수의 수학적 수렴성 증명이 부족함. 또한 시뮬레이션은 가상 환경에 국한돼 실제 도로 데이터와 실험적 검증이 필요. - **향후 연구**: 메트릭 가중치 자동 튜닝을 위한 메타‑강화학습 적용, 대규모 실제 차량 트레이스 데이터 기반 검증, 보안·프라이버시 고려 라우팅 확장. 본 논문은 다차원 정보를 통합하고, 동적인 전환 로직을 도입함으로써 IoV 라우팅의 적응성, 안정성, 효율성을 크게 향상시킨다.