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

TP HỒ CHÍ MINH - NĂM 2023

Người hướng dẫn khoa học: TS TÂN HẠNH

Phản biện 1: ……… Phản biện 2: ……… Đề án sẽ được bảo vệ trước Hội đồng chấm đề án thạcsĩ tại Học viện Công nghệ Bưu chính Viễn thông

Vào lúc: giờ ngày tháng năm .Có thể tìm hiểu đề án tại:

-Thư viện của Học viện Công nghệ Bưu chính Viễn thông

MỞ ĐẦU

Hiện nay, mạng internet di động đang phát triểnmạnh mẽ, đặc biệt với sự hỗ trợ của trí tuệ nhân tạovà hệ thống thông tin địa lý (GIS) Những công nghệnày giúp tối ưu hóa việc quản lý và phát triển vùngphủ sóng mạng, đáp ứng nhu cầu ngày càng tăng củangười dùng Tuy nhiên, theo số liệu mới từ OoklaSpeedtest, tốc độ Internet di động của Việt Namđang giảm, với vị trí thứ 56 thế giới Tại Tây Ninh,mạng di động vẫn chưa được phát triển mạnh so vớiTP.HCM Vì vậy, việc xây dựng chiến lược pháttriển mạng ở Tây Ninh, dựa trên dữ liệu và dự báochính xác, là cần thiết để đáp ứng nhu cầu của cộngđồng và tối ưu hóa hiệu suất sử dụng Đề tài như sau:

NGHIÊN CỨU DỰ BÁO KHÔNG GIAN PHÁTTRIỂN MẠNG INTERNET DI ĐỘNG TỐC ĐỘ

CAO Ở TỈNH TÂY NINH

CHƯƠNG 2 Tình hình nghiên cứu liên quan đến đề tài

Các nghiên cứu hiện đại về "NGHIÊN CỨU DỰBÁO KHÔNG GIAN PHÁT TRIỂN MẠNGINTERNET DI ĐỘNG TỐC ĐỘ CAO" đang tậptrung vào việc dự đoán sự phát triển và nhu cầumạng internet di động tại Tây Ninh Sử dụng dữ liệukhông gian, bao gồm vị trí địa lý và môi trường xungquanh, các nghiên cứu nhằm xác định các khu vựctiềm năng và tối ưu hóa vị trí trạm phát sóng Kếthợp với công nghệ học máy và trí tuệ nhân tạo, cácmô hình được phát triển giúp quy hoạch mạng vàquản lý tài nguyên mạng hiệu quả Mục tiêu chính làcải thiện chất lượng dịch vụ và đáp ứng nhu cầungười dân và doanh nghiệp tại Tây Ninh.

học và thực tiễn

Mục tiêu chính của nghiên cứu là phát triển mạngInternet di động tại Tây Ninh thông qua việc dự báodữ liệu không gian Để đạt được mục tiêu này,nghiên cứu sẽ tập trung vào việc thu thập và phân

tích dữ liệu không gian liên quan đến phát triểnmạng di động Các thuật toán dự báo và máy học sẽđược nghiên cứu để ứng dụng vào dữ liệu khônggian Mô hình dự báo sẽ được kết hợp với GIS, vàcuối cùng, đánh giá sẽ được thực hiện để xác định độchính xác của mô được xây dựng.

nghiên cứu

4.1 Đối tượng nghiên cứu

 Dữ liệu không gian liên quan phát triểnInternet di động tại tỉnh Tây Ninh

 Thuật toán dự báo & máy học, học sâu ứngdụng vào dữ liệu không gian.

5.1 Phương pháp nghiên cứu lý thuyết

Nghiên cứu yêu cầu tìm các tài liệu và sách về dữliệu không gian, mô hình dự đoán, GIS, và phát triển

mạng Internet di động tại Tây Ninh theo thời gian vàngười dùng Ngoài ra, cần tham khảo công trình vàluận văn từ hội thảo và nghiên cứu trong và ngoàinước Cuối cùng, tài liệu về học sâu và dữ liệu lớn từcác công cụ như Python NoteBook, Google Colab,Rstudio và MatLab cũng được đề xuất để tìm kiếm.

5.2 Phương pháp nghiên cứu thực nghiệm

Sau việc nghiên cứu lý thuyết và bài toán, đề án đãphát triển thử nghiệm và công bố kết quả.

Bên cạnh phần mở đầu, phần kết luận và phần tàiliệu tham khào, phần nội dung chính của bài nghiêncứu được chia thành 3 chương chính như sau:Chương 1: Tổng quan đề tài; Chương 2: Mô hình dựbáo; Chương 3: Thực nghiệm và đánh giá.

CHƯƠNG 1: TỔNG QUAN ĐỀ TÀI

6.1 Tổng quan về Internet di động

Cùng với sự phát triển của điện thoại di động,công nghệ mạng di động đã trải qua nhiều thay đổiquan trọng Bắt đầu với mạng 2G (GSM), điện thoại

di động đã trở thành một phương tiện liên lạc mạnhmẽ, và sau đó, xuất hiện mạng 3G, 4G, và 5G.

Mạng 2G (GSM) cung cấp tín hiệu di độngtoàn cầu, cải thiện chất lượng cuộc gọi và tốc độtruyền dữ liệu Nó chia thành nhiều dạng kết nối, vàlà nền tảng cho SMS.

Mạng 3G cho phép truyền cả dữ liệu thoại vàdữ liệu ngoài thoại như gửi email, tải dữ liệu, và hỗtrợ truy cập Internet tốc độ cao Có nhiều chuẩn côngnghệ 3G như W-CDMA và CDMA2000.

Mạng 4G (LTE) nâng cao tốc độ truyền dữ liệulên đến 1-1.5 Gb/giây, hỗ trợ truyền hình trực tuyến,video HD, và game online cao cấp.

Mạng 5G dự kiến cung cấp tốc độ và băngthông cao hơn, hỗ trợ nhiều người dùng và thiết bịđồng thời, nhưng việc triển khai rộng rãi vẫn đòi hỏithời gian.

Sự phát triển này đã cách mạng hóa cách chúngta sử dụng điện thoại di động và truy cập Internet,cung cấp nhiều dịch vụ tiện ích hơn cho người dùng.

6.2 Tổng quan về dữ liệu khônggian (Spatial Data)

Dữ liệu không gian thường tham chiếu đến vị tríđịa lý cụ thể và không chỉ giới hạn trong việc biểuthị không gian trên bản đồ Nó có thể tồn tại dướinhiều định dạng, bao gồm dữ liệu hình học và dữliệu địa lý Dữ liệu hình học có thể biểu thị vị trí,kích thước và hình dạng của các đối tượng, trong khidữ liệu địa lý có thể chứa thông tin chi tiết hơn về vịtrí Mô hình thông tin không gian trong hệ thống GIScó khả năng mô tả vị trí, hình dạng, cấu trúc và quanhệ giữa các hiện tượng tự nhiên, và nó quyết địnhcách thông tin được lưu trữ, xử lý và hiển thị.

6.3 Tổng quan về học máy với dữ liệu không gian

Học máy là lĩnh vực phát triển thuật toán chomáy tính học và suy luận từ dữ liệu mà không cầnhướng dẫn cụ thể, giúp dự đoán kết quả từ dữ liệu

lớn Ví dụ, ứng dụng y tế có thể chẩn đoán ung thưtừ ảnh X-quang bằng học máy.

Phân tích dữ liệu không gian trong GIS liênquan đến thu thập, quản lý và phân tích dữ liệu cóthuộc tính không gian như vecter và raster Dữ liệukhông gian biểu diễn vị trí thực tế và có nhiều loại,như điểm, đường, đa giác, và dữ liệu raster.

Học máy có thể áp dụng vào phân tích khônggian bằng cách sử dụng các thuật toán học máy nhưhồi quy, phân loại và phân cụm Phép nội suy, ví dụnhư Kriging và Empirical Bayesian Kriging, được sửdụng để dự đoán giá trị không gian Học máy cũnghỗ trợ phân loại các lớp đất từ hình ảnh vệ tinh.

Trong dữ liệu không gian, mỗi quan sát cókhoảng cách đối với các quan sát khác, cho phépthực hiện phân tích không gian như clip, xóa, đệm vàhợp nhất.

Học máy trong phân tích không gian tuân theonguyên tắc "gần thì liên quan nhiều hơn" và có thểsử dụng các thuật toán phân loại như Maximum

Likelihood và Support Vector Machine để phân loạilớp đất từ hình ảnh vệ tinh.

CHƯƠNG 2: MÔ HÌNH DỰ BÁO

3.1 Thiết kế đề xuất mô hình.

Trong bài nghiên cứu tại tỉnh Tây Ninh, tác giả đềxuất sử dụng học máy để dự báo không gian pháttriển mạng internet di động tốc độ cao, dựa trên bộdữ liệu về mạng và lưu lượng người dùng Đặc biệt,nghiên cứu này tập trung vào việc kết hợp hai thuậttoán: Ridge Regression và RandomForestRegressortừ Sklearn Toolkits Ridge Regression giúp giảmthiểu overfitting và tối ưu hóa các đặc trưng, trongkhi RandomForestRegressor giúp nắm bắt mối tươngquan phức tạp Việc kết hợp cả hai thuật toán thôngqua "ensemble learning" hứa hẹn tạo ra mô hình dựbáo chất lượng và chính xác cho sự phát triển mạngở Tây Ninh.

3.2 Giới thiệu về bộ dữ liệu

Dữ liệu đã được thu thập từ 688 trạm BTS ở TâyNinh trong khoảng thời gian 1 tuần, tập trung vàocác thông số liên quan đến lưu lượng mạng 2G, 3Gvà 4G Bao gồm 14 cột trong đó có 6 cột kiểu float

và 1 cột kiểu int, còn lại 8 cột là kiểu text có phân

lớp (object) Trong đó: Long, Lat là tọa độ vị tríđiểm của các trạm BTS MaTram: là mã cơ sở hạtầng MaKhaiThac là mã Khai thác TenTram làTên cơ sở hạ tầng Quan là đơn vị hành chánh cấpquận/huyện Phuong là đơn vị hành chánh cấpphường xã DiaChi là địa chỉ đặt trạm TrangThai làtrạng thái đặt máy nổ LoaiHinh là Loại cơ sở hạtầng thuê hoặc cho thuê 2G_Traffic là Tổng lưulượng 2G trong tuần tính theo MB 3G_Traffic là

tổng lưu lượng 3G trong tuần tính theo GB.

4G_Traffic là tổng lưu lượng 4G trong tuần tính theo

GB LTE_Traffic là tổng lưu lượng LTE trong ngày

hay hệ số xác định, là chỉ số thống kê phản ánh phầntrăm biến đổi của biến phụ thuộc mà mô hình hồiquy có thể giải thích Một giá trị r2 cao ngụ ý rằngmô hình đã khớp tốt với dữ liệu và giải thích đượcđáng kể sự biến đổi Tuy nhiên, r2 cao không luônđồng nghĩa với việc mô hình sẽ dự đoán chính xáctrên dữ liệu mới.

CHƯƠNG 3: THỰC NGHIỆM VÀĐÁNH GIÁ

3.1 Phân tích dữ liệu không gian trạm BTS.

Hình 4.1:Bản đồ tỉnh Tây Ninh theo hành chánh huyện vàphường xã

Với 6 huyện , 2 thị xã và 1 thành phố trực thuộc tỉnh:Bến Cầu, Châu Thành, Dương Minh Châu, Gò Dầu,

Hòa Thành, Tân Biên, Tân Châu, Tây Ninh, TrảngBàng.

Hình 4.2: Lưu Lượng 2G phân bổ ở các trạm BTS

Ta thấy ở Tây Ninh, dịch vụ 2G vẫn được sử dụngrộng rãi, đặc biệt tại Tây Ninh, Trảng Bàng và vùngbiên giới, có thể do hạ tầng mạng chưa phát triểnđồng đều và nền kinh tế còn thấp Các trạm BTS lớncho thấy lưu lượng 2G phân bổ không đồng đều, thểhiện sự khác biệt trong mật độ dân cư và hoạt độngkinh tế Điều này cung cấp cơ hội cho các nhà mạngnâng cấp hạ tầng và thúc đẩy sử dụng công nghệ diđộng hiện đại Để hiểu rõ lý do, cần tiến hành nghiêncứu thêm về các yếu tố địa lý, kinh tế và xã hội tạikhu vực này.

Hình 4.3: Lưu Lượng 3G phân bổ ở các trạm BTS

Hình 4.4:Lưu Lượng 4G phân bổ ở các trạm BTS

3.2 Luyện và kiểm thử mô hình

Ta chia tập dữ liệu thành 2 tập là tập train và tập test,hàm sử dụng trên code Python như sau:

Ta chia với tỉ lệ là 8:2 tương ứng với tập train / tậptest Tương ứng với dữ liệu 2G, 3G, 4G ta lấy làmbiến đầu ra, là biến cần dự báo cho 3 trường hợptương ứng Với mỗi trường hợp ta sử dụng 2 mô

hình là Random Forest Regressor vả Ridge

Hình 4.5: Sơ đồ mô hình Random Forest Regressor

Hình 4.6:Sơ đồ mô hình Ridge Regressior

3.3 Kết quả và thảo luận.

Ridge Regression

RandomForest Regressor

Ridge Regression

RandomForest Regressor

Ridge Regression

Đối với dự báo lưu lượng 2G: Mô hình Ridge

Regression cho kết quả tốt hơn so với RandomForest Regressor trên cả tập huấn luyện và tập kiểmthử dựa trên giá trị R2 Ridge Regression có khảnăng tổng quát hóa tốt và là một lựa chọn tốt để dựbáo lưu lượng 2G dựa trên dữ liệu đã có Tuy nhiên,một yếu điểm cần lưu ý là Ridge Regression có R2

cao trên cả hai tập dữ liệu có thể gợi ý rằng mô hìnhcó thể đã quá khớp (overfitting) Điều này cần đượcxác nhận bằng cách kiểm tra các chỉ số khác và sửdụng kỹ thuật cross-validation.

Đối với dự báo lưu lượng 3G: Mô hình Ridge

Regression cho kết quả tốt hơn so với RandomForest Regressor khi xét đến dữ liệu kiểm thử Dù R2

của nó trên tập huấn luyện không cao bằng RandomForest, khả năng tổng quát hóa tốt hơn đã được minhchứng trên tập kiểm thử Random Forest Regressorcó hiệu suất tốt trên dữ liệu huấn luyện nhưng tỏ rakém hơn khi áp dụng lên dữ liệu kiểm thử Trongtrường hợp này, Ridge Regression có thể là mô hìnhtốt hơn để dự báo lưu lượng 3G dựa trên dữ liệu đãcó, do khả năng tổng quát hóa tốt của nó trên dữ liệumới.

Đối với dự báo lưu lượng 4G: Mô hình Ridge

Regression cho kết quả tốt hơn so với RandomForest Regressor trên cả tập huấn luyện và tập kiểmthử dựa trên giá trị R2 Mặc dù Random ForestRegressor cũng cho kết quả khá tốt, nhưng nếu phảichọn một mô hình để dự báo lưu lượng 4G dựa trêndữ liệu đã có, Ridge Regression có thể là lựa chọntốt hơn vì khả năng tổng quát hóa cao của nó trên dữliệu mới.

PHẦN KẾT LUẬN

Kết quả nghiên cứu của đề tài

Trong quá trình nghiên cứu, đề án đã áp dụng vàđánh giá một số mô hình dự báo lưu lượng mạng diđộng cho các thế hệ khác nhau, từ 2G đến 4G, tại địabàn tỉnh Tây Ninh Kết quả cho thấy các mô hìnhnhư Random Forest Regressor và Ridge Regressionthể hiện hiệu suất ấn tượng và ổn định trên cả tậphuấn luyện và tập kiểm tra Đặc biệt, với lưu lượng4G, cả hai mô hình đều thể hiện sự ổn định cao, đángtin cậy cho việc áp dụng trong thực tế.

Hạn chế đề tài

Mặc dù kết quả khá hứa hẹn, nghiên cứu vẫn gặpmột số hạn chế Đầu tiên, mô hình chỉ được kiểm travà đánh giá trên dữ liệu của tỉnh Tây Ninh, chưachắc đã phản ánh chính xác lưu lượng mạng di độngtrong các khu vực khác Thứ hai, mô hình chưa đượcthử nghiệm trên dữ liệu 5G, công nghệ mạng mớinhất và tiên tiến nhất hiện nay Cuối cùng, việc thuthập dữ liệu và chất lượng dữ liệu cũng có thể ảnhhưởng đến kết quả nghiên cứu

Vấn đề kiến nghị và hướng đi tiếp theo củanghiên cứu:

Dựa trên kết quả và hạn chế đã xác định, chúng tôikiến nghị mở rộng phạm vi nghiên cứu, áp dụng môhình trên dữ liệu từ nhiều khu vực khác để tăng tínhchính xác và độ tin cậy Ngoài ra, chúng tôi cũng đềxuất tiếp tục nghiên cứu và cải thiện mô hình để ápdụng cho dữ liệu 5G Hướng đi tiếp theo của nghiêncứu nên tập trung vào việc kết hợp nhiều nguồn dữliệu và sử dụng các mô hình học sâu phức tạp hơn đểnâng cao khả năng dự báo và phản ánh chính xáchơn đặc điểm phân bố lưu lượng mạng di động.