5G Network on Wings: A Deep Reinforcement Learning Approach to the UAV-based Integrated Access and Backhaul

要約

高速で信頼性の高い無線通信は、人間の生活において重要な需要となっています。
ミッション クリティカル (MC) シナリオの場合、たとえば自然災害が発生した場合、従来のワイヤレス ネットワークを使用してユビキタス接続を提供することが困難になります。
これに関連して、無人航空機 (UAV) ベースの航空ネットワークは、高速、柔軟、信頼性の高い無線通信の有望な代替手段を提供します。
機動性、柔軟な展開、迅速な再構成などの独自の特性により、ドローンは動的に位置を容易に変更して、緊急事態において地上のユーザーにオンデマンド通信を提供できます。
その結果、UAV 基地局 (UAV-BS) の使用は、MC シナリオで迅速な接続を提供するための適切なアプローチであると考えられてきました。
この論文では、静的環境と動的環境の両方で複数の UAV-BS を制御する方法を研究します。
システムレベルのシミュレーターを使用して、携帯電話ネットワークのマクロ BS がサービス不能になり、統合アクセスおよびバックホール (IAB) テクノロジーを使用して複数の UAV-BS が展開され、災害地域のユーザーにカバレッジを提供する MC シナリオをモデル化します。
。
システムレベルのシミュレーションから収集されたデータを使用して、深層強化学習アルゴリズムが開発され、これらの複数の UAV-BS の 3 次元配置を共同で最適化し、その 3 次元位置を地上のユーザーの動きに適応させます。
評価結果は、提案されたアルゴリズムが UAV-BS の自律ナビゲーションをサポートし、ユーザー スループットとドロップ レートの点で MC サービス要件を満たすことができることを示しています。

要約(オリジナル)

Fast and reliable wireless communication has become a critical demand in human life. In the case of mission-critical (MC) scenarios, for instance, when natural disasters strike, providing ubiquitous connectivity becomes challenging by using traditional wireless networks. In this context, unmanned aerial vehicle (UAV) based aerial networks offer a promising alternative for fast, flexible, and reliable wireless communications. Due to unique characteristics such as mobility, flexible deployment, and rapid reconfiguration, drones can readily change location dynamically to provide on-demand communications to users on the ground in emergency scenarios. As a result, the usage of UAV base stations (UAV-BSs) has been considered an appropriate approach for providing rapid connection in MC scenarios. In this paper, we study how to control multiple UAV-BSs in both static and dynamic environments. We use a system-level simulator to model an MC scenario in which a macro BS of a cellular network is out of service and multiple UAV-BSs are deployed using integrated access and backhaul (IAB) technology to provide coverage for users in the disaster area. With the data collected from the system-level simulation, a deep reinforcement learning algorithm is developed to jointly optimize the three-dimensional placement of these multiple UAV-BSs, which adapt their 3-D locations to the on-ground user movement. The evaluation results show that the proposed algorithm can support the autonomous navigation of the UAV-BSs to meet the MC service requirements in terms of user throughput and drop rate.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google