머신러닝 기반 최적 기지국 선택기법과 엣지 콘텐츠 캐싱을 활용한 LMS

윤혜원; 홍충선; Hyewon Yoon; Choongseon Hong

EIRIC MENU

전자정보연구정보센터

로그인

닫기

한글제목(Korean Title)	머신러닝 기반 최적 기지국 선택기법과 엣지 콘텐츠 캐싱을 활용한 LMS
영문제목(English Title)	LMS using Machine Learning based Optimal Base Station Selection and Edge Content Caching
저자(Author)	윤혜원 홍충선 Hyewon Yoon Choongseon Hong
원문수록처(Citation)	VOL 47 NO. 01 PP. 1715 ~ 1717 (2020. 07)
한글내용 (Korean Abstract)	코로나 19 사태로 초중고등학교들이 온라인 개학을 하는 초유의 사태가 발생하였다. 트래픽 급증으로 인하여 LMS(Learning Management System)에 접속이 안 되고, 강의 콘텐츠 다운로드 및 스트리밍이 끊기는 등의 사고가 잇따랐으며, 이때 모바일 트래픽이 큰 비중을 차지하였다. 본 논문은 이를 해결할 수 있는 LMS를 제안한다. 기계학습 알고리즘인 순환신경망(Recurrent Neural Networks; RNN) 중 LSTM(Long Short-Term Memory)을 사용하여 예측한 기지국들의 모바일 트래픽, 잔여 캐시 용량, 콘텐츠 사이즈, 요청 위치와 기지국 간의 거리 등을 고려하여 최적의 MEC(Mobile Edge Computing) 서버가 있는 기지국 선정한다. 해당 기지국에 CDN(Contents Delivery Network) 서비스를 사용하여 엣지 콘텐츠 캐싱을 한다. 트래픽을 효과적으로 분산하고 근처에 캐싱하기 때문에 전송 속도가 향상되어 학생들의 학습권과 교사들의 교육권을 보장할 수 있다.
영문내용 (English Abstract)
키워드(Keyword)
원문	PDF 다운로드