Connected car service is one of the most popular buzzwords in these days. Through accessing computing resources from cloud computing systems, it is possible for low specification computing resource in vehicle to use various and computation-intensive applications. This technology is termed as computation offloading and many offloading methods have been researched in mobile cloud. However, most of the schemes in mobile cloud cannot consider performance degradation due to workloads in cloud resources. Also to apply mobile cloud method to vehicular environments, there is a problem, implying that high mobility causes frequent handoffs in cellular network and when vehicle offloads computation to cloud with handover, predicted execution time measured by Round Trip Time (RTT) is not static because of dynamic network throughput change by several communication factors.
In this thesis, to solve the problems encountered in offloading process of vehicular computation, Adaptive Vehicular Computation Offloading Scheme (AVCOS) is proposed. Main connected car applications are introduced and overall vehicular computation offloading architecture for connected car applications is suggested. Especially, we model the offloading procedure in Long-Term Evolution (LTE) vehicular network environments. Proposed scheme is explained and evaluated. Through performance evaluation using integrated simulator for vehicular computation offloading, we profile applications of voice processing (voice command, voice query) and video processing (240p, 1080p). Also we identify that the proposed scheme, representative offloading method in mobile cloud, and simulated offloading result are compared and analyzed. As a result, the proposed adaptive vehicular offloading scheme makes decision according to application types, network configuration, and computing performance, and also the estimated execution times of the proposing method shows similar results from simulated offloading outcomes.
최근 커넥티드 카 서비스가 주목 받고 있다. 저 사양의 차량의 자원으로 고성능의 클라우드 자원을 빌려 사용함으로써 다양하고 고연산을 요구하는 서비스를 지원 받을 수 있다. 이런 서비스를 연산 오프로딩이라 하며 기존 모바일 클라우드 시스템에서 많은 오프로딩 기법 연구가 선행되었다. 하지만 현재 모바일 클라우드 기법에서는 실제 클라우드 자원에서 워크로드에 대한 성능 감소에 대한 고려가 부족하고, 또한 모바일 클라우드와 달리 차량 환경에서 고속의 이동으로 인한 셀간의 핸드오프 과정이 빈번하고 연산 오프로딩 시 다양한 변수들에 의해 네트워크 처리량이 변화하여 수행 시간이 일정하지 않은 문제가 존재한다.
본 논문에서는 차량 연산의 오프로딩 과정에서 발생하는 문제를 해결하기 위해, 클라우드 환경에서의 커넥티드 카 어플리케이션을 위한 적응형 차량 연산 오프로딩 기법을 제안한다. 대표적인 커넥티드 카 어플리케이션에 대해 소개하고, 커넥티드 카 어플리케이션의 차량 연산 오프로딩을 위한 전체적인 아키텍처를 제안한다. LTE 차량 네트워크 환경에서의 오프로딩 과정을 모델링하고 제안하는 기법을 설명하며 이를 평가한다. 성능을 평가하는 과정에서 커넥티드 카 어플리케이션 (음성 처리, 영상 처리) 의 프로파일링과 함께 통합된 시뮬레이터를 구축하고, 이를 활용하여 제안하는 적응형 차량 연산 오프로딩 기법과 대표적인 모바일 클라우드에서의 연산 오프로딩 기법 및 예상되는 실제 연산 오프로딩 결과와 비교 분석한다. 그 결과 어플리케이션의 종류와 네트워크 및 컴퓨팅 성능에 따라 적절한 적응적인 연산 오프로딩이 결정을 보이고, 제안하는 기법의 수행시간이 예상되는 실제 수행 시간과 거의 일치하는 결과를 통해 확인한다.
