Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh

Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.Nghiên cứu dự báo không gian phát triển mạng Internet di động tốc độ cao tại tỉnh Tây Ninh.

HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG - TRƯƠNG ĐÌNH LỢI NGHIÊN CỨU DỰ BÁO KHÔNG GIAN PHÁT TRIỂN MẠNG INTERNET DI ĐỘNG TỐC ĐỘ CAO TẠI TỈNH TÂY NINH ĐỀ ÁN TỐT NGHIỆP THẠC SĨ KỸ THUẬT (Theo định hướng ứng dụng) THÀNH PHỐ HỒ CHÍ MINH – NĂM 2023 HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG TRƯƠNG ĐÌNH LỢI NGHIÊN CỨU DỰ BÁO KHÔNG GIAN PHÁT TRIỂN MẠNG INTERNET DI ĐỘNG TỐC ĐỘ CAO TẠI TỈNH TÂY NINH Chuyên ngành: Hệ thống thông tin Mã số: 8.48.01.04 ĐỀ ÁN TỐT NGHIỆP THẠC SĨ KỸ THUẬT (Theo định hướng ứng dụng) NGƯỜI HƯỚNG DẪN KHOA HỌC: TS TÂN HẠNH THÀNH PHỐ HỒ CHÍ MINH – NĂM 2023 i LỜI CAM ĐOAN Tôi cam đoan đề án tốt nghiệp thạc sĩ: “NGHIÊN CỨU DỰ BÁO KHÔNG GIAN PHÁT TRIỂN MẠNG INTERNET DI ĐỘNG TỐC ĐỘ CAO TẠI TỈNH TÂY NINH” cơng trình nghiên cứu tơi Tơi cam đoan số liệu, kết nêu đề án trung thực chưa công bố cơng trình khác Khơng có sản phẩm/nghiên cứu người khác sử dụng đề án mà khơng trích dẫn theo quy định TP Hồ Chí Minh, ngày 21 tháng 08 năm 2023 Học viên thực đề án Trương Đình Lợi ii LỜI CẢM ƠN Trong suốt trình học tập nghiên cứu thực đề án tốt nghiệp thạc sĩ, ngồi nỗ lực thân, tơi nhận hướng dẫn nhiệt tình quý báu quý Thầy Cô, với động viên ủng hộ gia đình, bạn bè đồng nghiệp Với lịng kính trọng biết ơn sâu sắc, tơi xin gửi lời cảm ơn chân thành tới: Tôi xin chân thành cảm ơn Thầy TS Tân Hạnh, người thầy kính yêu hết lòng giúp đỡ, hướng dẫn, động viên, tạo điều kiện cho tơi suốt q trình thực hoàn thành đề án tốt nghiệp thạc sĩ Ban Giám Đốc, Phòng đào tạo sau đại học quý Thầy Cô tạo điều kiện thuận lợi giúp tơi hồn thành đề án Tơi xin chân thành cảm ơn gia đình, bạn bè, đồng nghiệp quan động viên, hỗ trợ tơi lúc khó khăn để tơi học tập hồn thành đề án Mặc dù có nhiều cố gắng, nỗ lực, thời gian kinh nghiệm nghiên cứu khoa học cịn hạn chế nên khơng thể tránh khỏi thiếu sót Tơi mong nhận góp ý quý Thầy Cô bạn bè đồng nghiệp để kiến thức tơi ngày hồn thiện Xin chân thành cảm ơn! TP Hồ Chí Minh, ngày 21 tháng 08 năm 2023 Học viên thực đề án Trương Đình Lợi iii MỤC LỤC LỜI CAM ĐOAN .i LỜI CẢM ƠN ii MỤC LỤC .iii DANH SÁCH HÌNH VẼ v DANH SÁCH BẢNG vi DANH MỤC CÁC THẬT NGỮ, CHỮ VIẾT TẮT vii PHẦN MỞ ĐẦU .1 Tính cấp thiết đề tài Tình hình nghiên cứu liên quan đến đề tài Mục tiêu, ý nghĩa khoa học thực tiễn .3 Đối tượng phạm vi nghiên cứu 4.1 Đối tượng nghiên cứu 4.2 Phạm vi nghiên cứu .4 Phương pháp nghiên cứu 5.1 Phương pháp nghiên cứu lý thuyết 5.2 Phương pháp nghiên cứu thực nghiệm Bố cục đề án CHƯƠNG 1: TỔNG QUAN ĐỀ TÀI .6 1.1 Tổng quan Internet di động 1.2 Tổng quan liệu không gian (Spatial Data) 1.3 Tổng quan học máy với liệu không gian 10 1.4 Các cơng trình liên quan quốc tế nước 14 CHƯƠNG 2: MƠ HÌNH DỰ BÁO .20 2.1 Tổng quan mơ hình dự báo dựa học máy .20 2.1.1 Giới thiệu mơ hình dự báo 20 2.1.2 Mơ hình dự báo dựa học máy 21 iv 2.1.3 Các mơ hình hồi quy 22 2.2 Thiết kế mơ hình 23 2.3 Giới thiệu liệu 27 2.4 Tiêu chí đánh giá 33 CHƯƠNG 3: THỰC NGHIỆM VÀ ĐÁNH GIÁ 35 3.1 Hiện trạng mạng internet di động .35 3.1.1 Khảo sát mạng internet di động Việt Nam 35 3.1.2 Tình hình mạng internet di động Tây Ninh 36 3.2 Phân tích liệu khơng gian trạm BTS 38 3.2.1 Dữ liệu lưu lượng 2G .41 3.2.2 Dữ liệu lưu lượng 3G: 44 3.2.3 Dữ liệu lưu lượng 4G: 47 3.3 Huấn luyện kiểm thử mơ hình 50 3.3.1 Dự báo lưu lượng 2G theo không gian .51 3.3.2 Dự báo lưu lượng 3G theo không gian .53 3.3.3 Dự báo lưu lượng 4G theo không gian .54 3.4 Kết thảo luận 57 PHẦN KẾT LUẬN .60 Kết nghiên cứu đề tài .60 Hạn chế đề tài .60 Vấn đề kiến nghị hướng nghiên cứu: 60 DANH MỤC TÀI LIỆU THAM KHẢO .62 v DANH SÁCH HÌNH VẼ Hình 1.1: Điểm GIS Hình 1.2: Cấu trúc liệu Raster Vector GIS .9 Hình 1.3: Ví dụ phân tích liệu khơng gian trực quan hóa chúng 11 Hình 1.4: Ví dụ ứng dụng học máy để tách lớp 12 Hình 1.5: Ví dụ sử dụng SVM để phân lớp ảnh raster 13 Hình Lưu đồ mơ hình huấn luyện đề xuất 26 Hình 2 Biểu đồ heatmap Hệ số tương quan Pearson biến kiểu số 29 Hình Thống kê mơ tả trường liệu có kiểu số 29 Hình Biểu đồ phân bổ vị trí theo cặp biến 31 Hình Biểu đồ phân bổ trạm theo huyện 31 Hình Biểu đồ histogram biến kiểu số 33 Hình Xếp hạng thành phố tốc độ độ trễ Internet di động quý I/2022 33 Hình Kết thống kê chất lượng truy cập Internet mạng di động quý năm 2020 (Theo VNNIC) 34 Hình 3 Bản đồ tỉnh Tây Ninh theo hành chánh Huyện 36 Hình Bản đồ tỉnh Tây Ninh theo hành chánh phường xã 37 Hình Lưu Lượng 2G phân bổ trạm BTS 39 Hình Các trạm có lưu Lượng 2G lớn 40 Hình Lưu Lượng 3G phân bổ trạm BTS 42 Hình Các trạm có lưu Lượng 3G lớn 43 Hình Lưu Lượng 4G phân bổ trạm BTS 45 Hình 10 Các trạm có lưu Lượng 4G lớn 47 vi DANH SÁCH BẢNG Bảng Tổng hợp kết R-Squared mơ hình dự báo 55 vii DANH MỤC CÁC THẬT NGỮ, CHỮ VIẾT TẮT VIẾT TẮT NGHĨA TIẾNG ANH NGHĨA TIẾNG VIỆT BTS Base Transciever Station Trạm trạm thu phát sóng Cell Base Transciever Station Trạm trạm thu phát sóng GIS Geographic Information System 2nd Generation 3rd Generation 2G 3G 4G 5G 4th Generation 5th Generation LTE Long Term Evolution Hệ thống Thông tin Địa lý hệ thứ hệ thứ hệ thứ hệ thứ PHẦN MỞ ĐẦU Tính cấp thiết đề tài Hiện nay, mạng thiết bị di động hay mạng di động, mạng internet di động trở nên quen thuộc với người dùng đại Với phát triển mạnh mẽ công nghệ thông tin viễn thông, năm gần đây, mạng internet di động lúc tốt ổn định chất lượng số lượng Tuy nhiên, phát triển công nghệ nhu cầu sử dụng chất lượng cao người dùng đòi hỏi nhà cung cấp dịch vụ phải nâng cấp, cải tiến mở rộng vùng phủ sóng Chính vậy, việc ứng dụng GIS, liệu không gian vào quản lý, dự báo phát triển vùng phủ sóng mạng internet di động toán bắt buộc Đặc biệt gần ứng dụng hệ thống thơng tin địa lý GIS tích hợp với ứng dụng trí tuệ nhân tạo, giúp cho trình định quản lý chất lượng mạng thông tin di động lúc tốt Việc phát triển trí tuệ nhân tạo, đặc biệt máy học giúp ta dự đoán vùng không gian phù hợp với nhu cầu phát triển mạng internet di động, điều hỗ trợ tốt cho quy hoạch quản lý chiến lược phát triển trạm BTS Với ứng dụng hệ thống thông tin địa lý GIS để số hóa Quy hoạch phát triển hạ tầng kỹ thuật viễn thông thụ động; hệ thống số hóa tồn liệu trạm thu, phát sóng thơng tin di động tất doanh nghiệp thông tin di động địa bàn quản lý Từ đó, hỗ trợ nâng cao hiệu quản lý nhà nước mạng lưới thông tin di động Nhu cầu truy cập Internet di động với xuất cơng nghệ trí tuệ nhân tạo, Internet vạn vật (IoT), tự động hóa thúc đẩy gia tăng khổng lồ lượng liệu tạo Việc tạo liệu phát triển theo cấp số nhân với khối lượng nhận định tăng thêm vài trăm zettabyte thập kỷ tới Cơ sở hạ tầng di động không thiết kế cho tải thông tin lớn cần nâng cấp Số liệu công bố Ookla Speedtest vào quý năm 2022, cho thấy Việt Nam đứng thứ 56 toàn cầu Internet di động, giảm từ vị trí 50 50  Lưu lượng 4G : Mỗi trạm có lưu lượng 420GB tuần, cho thấy mức sử dụng 4G cao Các trạm 'Cty Newwide', 'Cty WANTAI' công ty khu công nghiệp có nhu cầu sử dụng liệu cao, hoạt động sản xuất, quản lý nhu cầu giải trí cơng nhân Trạm 'VT KCN TRẢNG BÀNG' 'KCN TRẢNG BÀNG - HOA SEN' cho thấy khu vực khu cơng nghiệp Trảng Bàng có lưu lượng sử dụng 4G cao Điều phản ánh nhu cầu công ty người lao động khu vực Trạm 'SUỐI SÂU - BẢO ÂN' nằm khu vực dân cư khu du lịch với mức sử dụng liệu cao Tổng quan, Các trạm BTS cho thấy 4G mạng sử dụng rộng rãi quan trọng khu vực này, đặc biệt khu công nghiệp cơng ty Đảm bảo chất lượng mạng phủ sóng tốt khu vực quan trọng cho hoạt động sản xuất sống hàng ngày người dân 3.3 Huấn luyện kiểm thử mơ hình Ta chia tập liệu thành tập tập train tập test, hàm sử dụng code Python sau: Ta chia với tỉ lệ 8:2 tương ứng với tập train / tập test Tương ứng với liệu 2G, 3G, 4G ta lấy làm biến đầu ra, biến cần dự báo cho trường hợp tương ứng Với trường hợp ta sử dụng mơ hình Random Forest Regressor vả Ridge Regression 51 3.3.1 Dự báo lưu lượng 2G theo không gian Mơ hình Random Forest Regressor: Ta xây dựng mơ sau: Mơ hình sơ đồ hóa sau: Ta tối ưu mơ hình: Sử dụng R-Squared để đánh giá mơ hình 52 Mơ hình Ridge Regression Ta xây dựng mơ sau Mơ hình sơ đồ hóa sau: Ta tối ưu mơ hình: Sử dụng R-Squared để đánh giá mơ hình 53 3.3.2 Dự báo lưu lượng 3G theo khơng gian Mơ hình Random Forest Regressor: Ta xây dựng mơ sau: Mơ hình sơ đồ hóa sau: Ta tối ưu mơ hình: Sử dụng R-Squared để đánh giá mơ hình Mơ hình Ridge Regression Ta xây dựng mơ sau 54 Mơ hình sơ đồ hóa sau: Ta tối ưu mơ hình: Sử dụng R-Squared để đánh giá mơ hình 3.3.3 Dự báo lưu lượng 4G theo khơng gian Mơ hình Random Forest Regressor: Ta xây dựng mơ sau: 55 Mơ hình sơ đồ hóa sau: Ta tối ưu mơ hình: Sử dụng R-Squared để đánh giá mơ hình Mơ hình Ridge Regression Ta xây dựng mơ sau 56 Mơ hình sơ đồ hóa sau: Ta tối ưu mơ hình: Sử dụng R-Squared để đánh giá mơ hình 57 3.4 Kết thảo luận Ta có bảng tổng hợp sau: Bảng Tổng hợp kết R-Squared mơ hình dự báo Lưu lượng 2G Mơ hình Random Forest Regressor Ridge Regression Lưu lượng 3G Random Forest Regressor Ridge Regression Lưu lượng 4G Random Forest Regressor Ridge Regression y_train 0.78308 0.93901 0.80523 0.78625 0.78587 0.90946 y_test 0.81111 0.91801 0.73683 0.87834 0.83909 0.90016 Đối với dự báo lưu lượng 2G: Dựa số liệu R-Squared (R2) thực nghiệm, ta đưa nhận định hai mơ hình dự báo lưu lượng 2G, mơ hình Random Forest Regressor:  Tập y_train: Mơ hình giải thích khoảng 78.308% biến thiên liệu huấn luyện, điều cho thấy mơ hình phù hợp với liệu huấn luyện tốt  Tập y_test: R2 liệu kiểm thử 81.111%, cao so với tập huấn luyện Điều khác thường thường mơ hình hoạt động tốt tập huấn luyện so với tập kiểm thử Tuy nhiên, mơ hình cho thấy ổn định khả dự đoán tốt liệu Mơ hình Ridge Regression:  Tập y_train: Với R2 93.901%, mơ hình Ridge Regression giải thích tốt biến thiên liệu huấn luyện Điều cho thấy mơ hình phù hợp tốt với liệu huấn luyện  Tập y_test: R2 liệu kiểm thử 91.801%, giá trị cao thấp chút so với tập huấn luyện Điều cho thấy mơ hình Ridge Regression không hoạt động tốt liệu huấn luyện mà cịn có khả tổng qt hóa tốt liệu Kết luận: Mơ hình Ridge Regression cho kết tốt so với Random Forest Regressor tập huấn luyện tập kiểm thử dựa giá trị R2 Ridge 58 Regression có khả tổng quát hóa tốt lựa chọn tốt để dự báo lưu lượng 2G dựa liệu có Tuy nhiên, yếu điểm cần lưu ý Ridge Regression có R2 cao hai tập liệu gợi ý mơ hình khớp (overfitting) Điều cần xác nhận cách kiểm tra số khác sử dụng kỹ thuật cross-validation Đối với dự báo lưu lượng 3G: Dựa số liệu R-Squared (R2) cho mô hình dự báo lưu lượng 3G, ta có nhận định sau mơ hình Random Forest Regressor:  Tập y_train: Mơ hình giải thích khoảng 80.523% biến thiên liệu huấn luyện Điều cho thấy mô hình phù hợp với liệu huấn luyện, cịn số thơng tin chưa nắm bắt  Tập y_test: R2 liệu kiểm thử 73.683% Kết thấp so với tập huấn luyện, cho thấy mơ hình Random Forest Regressor có khả tổng qt hóa liệu khơng cao liệu huấn luyện Mơ hình Ridge Regression:  Tập y_train: R2 78.625%, mơ hình Ridge Regression có hiệu suất chút so với Random Forest Regressor tập huấn luyện  Tập y_test: Tuy nhiên, xét đến tập kiểm thử, R2 Ridge Regression 87.834%, cao nhiều so với Random Forest Regressor Điều cho thấy mơ hình Ridge Regression có khả tổng quát hóa tốt liệu so với Random Forest Kết luận: Mơ hình Ridge Regression cho kết tốt so với Random Forest Regressor xét đến liệu kiểm thử Dù R tập huấn luyện khơng cao Random Forest, khả tổng quát hóa tốt minh chứng tập kiểm thử Random Forest Regressor có hiệu suất tốt liệu huấn luyện tỏ áp dụng lên liệu kiểm thử Trong trường hợp này, Ridge Regression mơ hình tốt để dự báo lưu lượng 3G dựa liệu có, khả tổng quát hóa tốt liệu 59 Đối với dự báo lưu lượng 4G: Dựa số liệu R-Squared (R2) cho mơ hình dự báo lưu lượng 4G, ta có nhận định sau mơ hình Random Forest Regressor:  Tập y_train: Mơ hình giải thích khoảng 78.587% biến thiên liệu huấn luyện Điều cho thấy mơ hình có phù hợp tốt với liệu huấn luyện, cịn số thơng tin chưa nắm bắt hoàn toàn  Tập y_test: R2 liệu kiểm thử 83.909% Kết cho thấy mơ hình Random Forest Regressor không hoạt động tốt tập huấn luyện mà cịn có khả tổng qt hóa tốt liệu Mơ hình Ridge Regression:  Tập y_train: R2 90.946%, cho thấy mơ hình Ridge Regression giải thích tốt biến thiên liệu huấn luyện có hiệu suất cao Random Forest Regressor tập  Tập y_test: R2 Ridge Regression tập kiểm thử 90.016%, cao nhiều so với Random Forest Regressor thấp chút so với tập huấn luyện Điều cho thấy mơ hình Ridge Regression có khả tổng quát hóa xuất sắc liệu Kết luận: Mơ hình Ridge Regression cho kết tốt so với Random Forest Regressor tập huấn luyện tập kiểm thử dựa giá trị R Mặc dù Random Forest Regressor cho kết tốt, phải chọn mơ hình để dự báo lưu lượng 4G dựa liệu có, Ridge Regression lựa chọn tốt khả tổng quát hóa cao liệu 60 PHẦN KẾT LUẬN Kết nghiên cứu đề tài Trong q trình nghiên cứu khơng gian phát triển mạng internet di động không dây tỉnh Tây Ninh, đề án thử nghiệm đánh giá nhiều mơ hình dự báo lưu lượng mạng di động cho hệ mạng, từ 2G đến 4G Kết cho thấy mơ hình Random Forest Regressor Ridge Regression bật với hiệu suất cao ổn định Cụ thể, tập huấn luyện kiểm tra, hai mơ hình cho thấy phù hợp khả tổng quát hóa tốt Đối với dự báo lưu lượng 4G, mơ hình Ridge Regression có hiệu suất vượt trội hơn, giải thích hầu hết biến thiên liệu tổng quát hóa tốt liệu Tuy nhiên, Random Forest Regressor khơng cạnh với khả dự đốn ấn tượng Tổng kết lại, kết nghiên cứu cho thấy tiềm lớn hai mô hình việc dự báo lưu lượng mạng di động Tây Ninh Với ổn định hiệu suất cao, chúng hoàn toàn phù hợp để áp dụng vào thực tế, giúp nhà mạng tối ưu hóa dịch vụ đáp ứng nhu cầu người dùng cách tốt Hạn chế đề tài Mặc dù kết hứa hẹn, nghiên cứu gặp số hạn chế Đầu tiên, mơ hình kiểm tra đánh giá liệu tỉnh Tây Ninh, chưa phản ánh xác lưu lượng mạng di động khu vực khác Thứ hai, mơ hình chưa thử nghiệm liệu 5G, công nghệ mạng tiên tiến Cuối cùng, việc thu thập liệu chất lượng liệu ảnh hưởng đến kết nghiên cứu Vấn đề kiến nghị hướng nghiên cứu: Dựa kết hạn chế xác định, đề án kiến nghị mở rộng phạm vi nghiên cứu, áp dụng mơ hình liệu từ nhiều khu vực khác để tăng tính xác độ tin cậy Ngồi ra, đề án xin đề xuất tiếp tục nghiên cứu cải thiện mơ hình 61 để áp dụng cho liệu 5G Hướng nghiên cứu nên tập trung vào việc kết hợp nhiều nguồn liệu sử dụng mơ hình học sâu phức tạp để nâng cao khả dự báo phản ánh xác đặc điểm phân bố lưu lượng mạng di động 62 DANH MỤC TÀI LIỆU THAM KHẢO [1] [2] [3] [4] [5] [6] [7] [8] A Zola and M Fontecchio, “Spatial data,” Data Management, 02-Jun2021.[Online] https://www.techtarget.com/searchdatamanagement/definition/spatial-data [Accessed: 31-May-2023] A Basiri, M Haklay, G Foody, and P Mooney, “Crowdsourced geospatial data quality: challenges and future directions,” Geogr Inf Syst., vol 33, no 8, pp 1588–1593, 2019 Pham Thi T., “Sự khác biệt loại mạng di động GSM, 3G, 4G, 5G,” Com.vn, 2021 [Online] https://bkaii.com.vn/tin-tuc/306-su-khac-biet-giua-cac-loai-mang-di-donggsm-3g-4g-5g [Accessed:12-Jan-2023] A Zola and M Fontecchio, “Spatial data,” Data Management, 02-Jun2021.[Online] https://www.techtarget.com/searchdatamanagement/definition/spatial-data [Accessed: 10-Jan-2023] “Tìm hiểu sở liệu không gian [part 1],” Viblo, 26-Mar-2017 [Online] https://viblo.asia/p/tim-hieu-ve-co-so-du-lieu-khong-gian-part-1GrLZD9rnlk0 [Accessed: 12-Jan-2023] Hien N., “Dữ liệu vecter raster phân tích so sánh có điểm khác nhau,” CSIA - Trung tâm xử lý & phân tích liệu viễn thám, 09-Jul-2019 [Online] https://anhvientham.com/du-lieu-vecter-va-raster-phan-tich-va-so-sanh-codiem-gi-khac-nhau/ [Accessed: 12-Jan-2023] amazon.com, “Học máy gì?,” Amazon.com [Online] Available: https://aws.amazon.com/vi/what-is/machine-learning/ [Accessed: 12-Jan-2023] Rendyk, “Introducing Machine Learning for spatial data analysis,” AnalyticsVidhya,20-Mar-2021 https://www.analyticsvidhya.com/blog/2021/03/introducing-machinelearning-for-spatial-data-analysis/ [Accessed: 10-Jan-2023] 63 [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] [19] J Kiema and E Munene, “Optimizing the Location of Base Transceiver Stations in Mobile Communication Network Design: Case study of the Nairobi Central Business District, Kenya,” in International Journal of Scientific Research, 2014 S Tayal, K Garg, and S V Vijay, “SITE SUITABILITY ANALYSIS FOR LOCATING OPTIMAL MOBILE TOWERS IN UTTARAKHAND USING GIS,” in ACRS Proceedings, 2018 B Nikparvar and J.-C Thill, “Machine learning of spatial data,” ISPRS Int J Geoinf., vol 10, no 9, p 600, 2021 A W Kiwelekar, G S Mahamunkar, L D Netak, and V B Nikam, “Deep learning techniques for geospatial data analysis,” in Learning and Analytics in Intelligent Systems, Cham: Springer International Publishing, 2020, pp 63–81 K Kopczewska, “Spatial machine learning: new opportunities for regional science,” Ann Reg Sci., vol 68, no 3, pp 713–755, 2022 Morocho-Cayamcela, M E., Lee, H., & Lim, W (2019) Machine learning for 5G/B5G mobile and wireless communications: Potential, limitations, and future directions IEEE Access: Practical Innovations, Open Solutions, 7, 137184–137206 https://doi.org/10.1109/access.2019.2942390 Roja, V., & D, S K (2022) Dual polarized swastika patterned slot antenna for 5G base transceiver station applications 2022 IEEE Silchar Subsection Conference Ngô Phạm Việt Cường (2019), Giải pháp hỗ trợ công tác quy hoạch quản lý hệ thống BTS “Predictive modeling,” Qlik [Online] Available: https://www.qlik.com/us/predictive-analytics/predictive-modeling [Accessed: 13-Sep-2023] “Types of machine learning models explained,” Mathworks.com [Online] Available: https://www.mathworks.com/discovery/machine-learningmodels.html [Accessed: 13-Sep-2023] “Predictive modelling, analytics and machine learning,” Sas.com, 27-Mar2023 [Online] Available: https://www.sas.com/en_gb/insights/articles/analytics/a-guide-topredictive-analytics-and-machine-learning.html [Accessed: 13-Sep-2023] 64 [20] [21] [22] [23] [24] [25] R Bevans, “Simple linear regression,” Scribbr, 19-Feb-2020 [Online] Available: https://www.scribbr.com/statistics/simple-linear-regression/ [Accessed: 13-Sep-2023] “What is Ridge Regression?,” Great Learning Blog: Free Resources what Matters to shape your Career!, 15-Oct-2020 [Online] Available: https://www.mygreatlearning.com/blog/what-is-ridge-regression/ [Accessed: 13-Sep-2023] “Sklearn.Ensemble.RandomForestRegressor,” scikit-learn [Online] Available: https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.Random ForestRegressor.html [Accessed: 13-Sep-2023] Thế Lâm, “Hiện trạng tốc độ Internet di động Việt Nam sao?,” Báo Lao Động, 21-Apr-2022 [Online] https://laodong.vn/cong-nghe/hien-trang-toc-do-internet-di-dong-tai-vietnam-dang-ra-sao-1036263.ldo [Accessed: 12-Jan-2023] Sở Thông tin Truyền thông tỉnh Tây Ninh, “Mỗi người dân điện thoại thông minh, hộ gia đình đường cáp quang,” Sở Thơng tin Truyền thông tỉnh Tây Ninh, 22-Jun-2021 https://sotttt.tayninh.gov.vn/quy-hoach-ke-hoach/moi-nguoi-dan-1-dienthoai-thong-minh-moi-ho-gia-dinh-1-duong-cap-quang-1507.html [Accessed: 20-Aug-2023] “CôngbốchấtlượngmạngViettel,VinaPhone,MobiFonevàVietnamobile,” Gov.vn [Online] https://ict.hatinh.gov.vn/cong-bo-chat-luong-mangviettelvinaphonemobifone-va-vietnamobile-1617583559.html [Accessed: 20-Aug-2023]