Deploying UAV based on Reinforcement Learning for Throughput Maximization in UAV Environments

Yu Min Park, Choong Seon HongJournal of KIISE 2020 · DOI

Abstract

현재 5G의 상용화가 이루어지는 단계이지만 통신 품질의 안정화를 위해서는 많은 기지국이 필요하다. 따라서 지상 기지국을 대신하여 UAV를 통해 이동성과 경제적 이점을 얻을 수 있도록 연구가 이루어지고 있다. 이에 본 논문은 UAV-BS 환경에서 사용자들의 요구량과 지상 기지국 위치를 고려하여 최적의 서비스 처리량을 가질 수 있는 위치를 찾는 기법을 제안한다. The Air-To-Ground Path Loss Model을 토대로 가상 통신 환경 구축하고, 서비스 요구량에 따른 채널 사용 시간 분배를 위해 Max-Min Airtime Fairness를 적용한다. 더불어, 본 논문은 최적의 서비스 처리량 위치를 찾기 위한 방법으로 강화학습 중 Proximal Policy Optimization(PPO)을 사용한다. 결과적으로 본 연구를 통해 서로 다른 요구량을 가진 사용자들이 임의로 배치되어 있을 때, 학습 모델을 통해 높은 서비스 처리량을 가진 위치를 찾을 수 있었다.
BibTeX
@article{park2020deploying,
  author = {Yu Min Park and Choong Seon Hong},
  title = {{Deploying UAV based on Reinforcement Learning for Throughput Maximization in UAV Environments}},
  journal = {Journal of KIISE},
  year = {2020},
  doi = {10.5626/jok.2020.47.7.700},
}

Loading related content...

Figure