Enhancement of the AODV routing protocol for VANET based on intelligent link quality estimation

당신의 자동차가 단순히 스스로 운전하는 것을 넘어, 도로 위의 모든 다른 자동차와 대화하며 교통 체증, 빙판길, 혹은 갑작스러운 사고에 대한 비밀을 속삭이는 세상을 상상해 보십시오. 이것은 공상 과학 소설이 아닙니다. 차량 애드혹 네트워크(VANET)의 현실입니다. 이 자동차들을 끊임없이 정보를 공유해야 안전을 유지할 수 있는 거대하고 움직이는 물고기 떼라고 생각해보십시오. 하지만 여기 함정이 있습니다. 잔잔한 연못의 물고기와 달리, 자동차들은 높은 속도로 질주하며 코너를 돌고 건물에 의해 가로막히기도 합니다. 이로 인해 그들의 "대화"는 매우 불안정해집니다. 그들이 대화에 사용하는 신호는 약해지거나, 끊기거나, 붐비는 거리의 소음 속에서 길을 잃을 수 있습니다.

이러-한 대화를 지속하기 위해, 자동차들은 메시지를 보낼 최적의 경로를 찾기 위한 "지도"나 일련의 규칙이 필요합니다. 디지털 세계에서는 이를 라우팅 프로토콜이라고 부릅니다. 오늘날 가장 흔히 사용되는 규칙 책은 AODV라고 불립니다. 이것은 마치 지도만을 보고 "어느 경로가 정거장이 가장 적은가요?"(홉 카운트)라고 묻는 여행자와 같습니다. 이 방식은 조용한 동네에서는 괜찮을지 모르지만, 혼란스러운 도시에서는 재앙입니다. 만약 여행자가 정거장이 가장 적은 경로를 선택했는데, 그 정거장들이 무너져가는 다리 위에 있다면 메시지는 강물에 빠져버릴 것입니다. 연구자들이 해결하려고 노력하는 큰 질문은 이것입니다: 어떻게 하면 자동차들이 단순히 정거장 수를 세는 것을 넘어, 여정을 시작하기 전에 앞길이 안전하고 안정적인지 실제로 확인할 수 있도록 더 똑똑하게 만들 수 있을까요?

이것이 바로 연구자 하미다 이클레프(Hamida Ikhlef)와 알리 멜릿(Ali Melit)이 새로운 아이디어를 들고 등장한 지점입니다. 그들은 표준 AODV 규칙 책을 가져와 여기에 '두뇌 업그레이드'를 해주어, AODV-LSENN이라 부르는 새로운 시스템을 만들었습니다. 단순히 정거장 수를 세는 대신, 그들의 새로운 프로토콜은 "스마트 비서"(신경망)를 사용하여 도로의 물리적 상태를 엿봅니다. 이 비서는 라디오 신호가 얼마나 강한지, 자동차 사이의 거리는 얼마인지, 서로 상대적인 속도는 얼마인지, 심지어 디지털 메시지가 전송 중에 얼마나 왜곡되는지 등을 확인합니다.

연구자들은 LSENN(Link State Estimation Neural Network)이라고 이름 붙인 이 스마트 비서가 도로의 기상 예보관처럼 행동하도록 훈련시켰습니다. 단순히 "비가 온다"라고 말하는 대신, 연결 상태가 연결됨(맑고 화창함), 과도기적(흐리고 곧 폭풍이 올 것 같음), 또는 단절됨(완전한 블랙아웃) 중 하나라고 예측합니다. 만약 비서가 특정 도로에 폭풍이 올 것이라고 예측하면, 자동차는 메시지가 충돌할 때까지 기다리는 것이 아니라 즉시 다른 더 안전한 경로로 전환합니다. 이것은 구멍을 발견하고 나서야 급하게 핸들을 꺾는 운전자와, 1마일 전부터 구멍을 보고 미리 피해 가는 운전자의 차이와 같습니다.

이 "스마트 드라이버"가 실제로 작동하는지 테스트하기 위해, 저자들은 실제 도로에 진짜 자동차를 배치하지 않았습니다. 대신, 그들은 NS-3라는 도구를 사용하여 거대하고 상세한 비디오 게임 시뮬레이션을 구축했습니다. 그들은 맨해택 같은 격자형 도로 구조를 가진 가상 도시를 만들고, 5에서 20m/s 사이의 속도로 질주하는 10대에서 80대의 가상 자동차를 채워 넣었습니다. 그들은 150초 동안 시뮬레이션을 실행하며, 자동차들이 기존의 AODV 방식과 새로운 AODV-LSENN 방식을 사용하여 메시지를 보내도록 했습니다.

결과는 매우 명확했으며, 특히 가상 도시가 얼마나 붐비는지에 따라 달랐습니다. 단 10대의 자동차만 있는 저밀도 시나리오에서, 새로운 시스템은 확실한 승자였습니다. 새로운 시스템은 메시지의 **100%**를 성공적으로 전달한 반면, 기존 시스템은 **95.03%**만을 통과했습니다. 또한 새로운 시스템은 메시지가 시작부터 끝까지 이동하는 데 걸리는 시간(종단 간 지연 시간)을 기존 방식의 38.98밀리초에서 단 12.6밀리초로 단축했습니다.

도시가 더 바빠져서 40대의 자동차가 있는 중밀도 상황이 되자, 그 격차는 더욱 벌어졌습니다. 새로운 AODV-LSENN 프로토콜은 **83.87%**의 패킷을 전달한 반면, 기존 방식은 **65.46%**에 머물며 고전했습니다. 새로운 시스템의 지연 시간은 86.98밀리초였던 반면, 기존 시스템은 무려 251.11밀리초가 걸렸습니다. 이는 스마트 비서가 불안정한 연결을 성공적으로 포착하고 메시지가 유실되기 전에 경로를 재설정했기 때문입니다.

하지만 도시가 80대의 자동차로 꽉 차게 되면 이야기가 조금 달라집니다. 이 고밀도의 혼돈 속에서는 두 시스템 모두 어려움을 겪기 시작했습니다. 새로운 시스템의 성공률은 **52.61%**로 떨어졌고, 기존 시스템은 **49.48%**로 떨어졌습니다. 두 시스템 모두 지연 시간은 300밀리초 이상으로 치솟았습니다. 연구자들은 이것이 스마트 비서가 실패했기 때문이 아니라, "공기" 자체가 너무 붐볐기 때문이라고 설명합니다. 너무 많은 자동차가 동시에 말을 하다 보니 라디오 신호들이 서로 충돌하기 시작했고 채널이 포화 상태가 된 것입니다. 이는 마치 80명의 사람이 한꺼번에 소리를 지르고 있는 방 안에서 대화를 시도하는 것과 같습니다. 아무리 똑똑한 사람이라도 명확하게 목소리를 전달할 수 없습니다.

교통 체증에도 불구하고, 새로운 시스템은 기존 시스템보다 더 잘 버텼습니다. 이 시스템은 전달 시간의 변동성을 나타내는 척도인 "지터(jitter)"에서도 일관되게 낮은 수치를 보여주었습니다. 40대 자동차 시나리오에서 새로운 시스템의 지터는 단 11.88밀리초였던 반면, 기존 시스템은 203.68밀리초로 심하게 요동쳤습니다. 이는 새로운 프로토콜이 데이터에 대해 훨씬 더 부드럽고 예측 가능한 주행을 제공한다는 것을 의미하며, 이는 제시간에 반드시 도착해야 하는 안전 메시지에 매우 중요합니다.

요약하자면, 이 논문은 라우팅 규칙에 지능적인 예측 계층을 추가함으로써, 도로가 완전히 마비되지 않는 한 차량 간 통신을 훨씬 더 신뢰할 수 있게 만들 수 있음을 시사합니다. 저자들은 초붐비는 도시에서 라디오파의 물리적 특성을 마법처럼 고칠 수는 없지만, 자동차들이 이전보다 훨씬 더 잘 혼돈을 헤쳐 나갈 수 있도록 도울 수 있다는 것을 발견했습니다. 시뮬레이션은 도로가 곧 끊어질 것임을 아는 것이 어떤 도로가 가장 짧은지 아는 것만큼 중요하다는 것을 증명합니다.