Location-Aware Caching in Mobile Networks

Abstract

This paper presents a location-aware caching method in content-centric mobile networks, in which each mobile user equipped with finite-size cache is distributed and device-to-device content delivery is employed. In our study, we exploit the heterogeneity in file preferences among users who are moving around different locations (e.g., points-of-interest). Moreover, in order to resolve the data sparsity problem, we apply data imputation based on collaborative filtering to our caching framework. Using real-world datasets, we demonstrate the superiority of the proposed location-aware caching with respect to the average hit ratio and running time---substantial gains can be achieved over competing caching methods utilizing no location information and the use of data imputation further improves the performance on the hit ratio.|스마트폰과 같은 모바일 기기의 보편화로 인해 무선 네트워크에서의 데이터 트래픽은 급증하고 있으며 최근 발표에 따르면, 2020년까지 현재의 11배까지 증가 될 것으로 예상된다. 그런데 무선 네트워크에서 발생하는 대부분의 데이터 트래픽은 대용량의 고화질 동영상 콘텐츠 파일을 요청하고 제공하는 과정에서 기인하는 것으로 밝혀졌다. 급증하는 대용량의 동영상 트래픽은 무선 네트워크의 백홀 및 기지국이 사용하는 무선 자원에 병목 현상을 일으킬 수 있다. 그렇기 때문에 방대해지는 동영상 데이터 트래픽의 문제를 해결하기 위해서는 동영상 데이터 트래픽의 특성을 이해하고 해결책을 제안해야할 필요가 있다.

최근, 인기 있는 유튜브 비디오와 같은 일부 인기 있는 콘텐츠 파일의 반복적인 요청으로 인해 네트워크 트래픽 오버헤드가 많이 발생한다는 것이 밝혀졌다. 이러한 특성을 바탕으로 인기 있는 일부 콘텐츠 파일을 사용자의 무선 디바이스에 미리 저장해두는 기술인 무선 캐싱 (wireless caching)이 제안되었다. 이 무선 캐싱은 무선 네트워크의 병목 현상을 해결하여 백홀 링크의 전송 지연과 코어 네트워크의 데이터 트래픽 처리 부담을 줄일 수 있다는 점에서 활발히 연구된다. 하지만 기존의 무선 캐싱 기술은 디바이스의 위치와 전송 전력, 그리고 무선 채널의 환경 등 네트워크 특성만을 고려해서 설계되었다.

본 논문에서는 기존에 연구된 캐싱 기술들의 한계점들을 확인하고, 사용자들의 공통 관심사를 고려한 콘텐츠 중심 무선 네트워크 (content-centric mobile networks)에서의 위치 기반 무선 캐싱 기술을 제안한다. 이 기술은 각기 다른 위치에서의 무선 디바이스 사용자는 콘텐츠 파일에 대한 선호도가 다르다 (heterogeneity in content file preference)는 전제를 바탕으로 한다. 캐싱 기술을 구현하는 데에는 데이터 중심적 (data-driven) 머신러닝 알고리즘과 실세계 기반의 사용자 이동성 모델 (mobility model)을 활용한다. 마지막으로 최근 제안된 캐싱 기술들과의 성능 비교 실험을 통해 위치 기반 캐싱 기술이 정확도 면에서 최대 4배, 시간 복잡도 면에서 최대 10배의 우수함을 가진다는 것을 증명한다. 뿐만 아니라 모든 분야에서 만연하게 발생하는 데이터 희소성 문제 (data sparsity problem)가 무선 캐싱에 미치는 영향을 다방면으로 분석하고, 이를 해결할 수 있는 결측값 대체 (data imputation) 기법 중 하나인 zero injection을 적용하여 무선 캐싱에서의 성능 개선 결과를 보인다.; This paper presents a location-aware caching method in content-centric mobile networks, in which each mobile user equipped with finite-size cache is distributed and device-to-device content delivery is employed. In our study, we exploit the heterogeneity in file preferences among users who are moving around different locations (e.g., points-of-interest). Moreover, in order to resolve the data sparsity problem, we apply data imputation based on collaborative filtering to our caching framework. Using real-world datasets, we demonstrate the superiority of the proposed location-aware caching with respect to the average hit ratio and running time---substantial gains can be achieved over competing caching methods utilizing no location information and the use of data imputation further improves the performance on the hit ratio.