BỘ KHOA HỌC VÀ CÔNG NGHỆ
HỆ THỐNG THÔNG TIN KHOA HỌC VÀ CÔNG NGHỆ

Lọc theo danh mục
  • Năm xuất bản
    Xem thêm
  • Lĩnh vực
liên kết website
Lượt truy cập
 Lượt truy cập :  19,265,375
  • Công bố khoa học và công nghệ Việt Nam

50

Khoa học máy tính

Van Lic Tran, Tran Dang Khoa Phan, Tran Thi Minh Hanh, Vu Van Thanh, Thai Van Tien, Thai Vu Hien, Tran Anh Kiet

Mô hình suy hao nâng cao trong ước tính vùng phủ mạng lorawan

Advance path loss model for lorawan coverage estimation

Tạp chí Khoa học và Công nghệ - Đại học Đà Nẵng

2025

1

1-6

1859-1531

LPWAN, LoRaWAN, LoRa, Suy hao, Vùng phủ

LPWAN, LoRaWAN, LoRa, Path loss, Coverage

Bài báo này chứng minh rằng, việc sử dụng nhiều điểm dữ liệu xung quanh mỗi gateway cho phép tạo ra các bản đồ nhiệt thể hiện vùng phủ sóng chính xác nhờ thuật toán ước lượng phủ sóng LoRaWAN được đề xuất. Phương pháp này được áp dụng để xác định hiệu quả các khu vực có cường độ tín hiệu khác nhau tại thành phố Đà Nẵng, làm nổi bật những vị trí cần thêm gateway để cải thiện độ tin cậy của mạng. Khác với các nghiên cứu trước đây, nghiên cứu này xem xét các yếu tố như môi trường, địa hình và cấu trúc đô thị, giúp nâng cao độ chính xác của dự đoán vùng phủ sóng. Kỹ thuật này rất quan trọng để tối ưu hóa việc triển khai mạng LPWAN và đảm bảo sử dụng tài nguyên hiệu quả. Các nghiên cứu trong tương lai sẽ tập trung vào việc tinh chỉnh các mô hình mạng nơ-ron và tích hợp dữ liệu thời gian thực để hỗ trợ các giải pháp thành phố thông minh và có thể mở rộng cơ sở hạ tầng kết nối một cách nhanh chóng.

This paper demonstrates that, using multiple data points around each gateway allows for the creation of accurate coverage heat maps by using a proposed LoRaWAN coverage estimation algorithm. This method effectively identifies areas with varying signal strength across Da Nang City, highlighting where additional gateways are needed to improve network reliability. Unlike previous studies, this research considers environmental factors such as topography and urban structures, enhancing prediction accuracy. This technique would be essential for optimizing essential for optimizing LPWAN deployments and ensuring efficient resource utilization. Future efforts will focus on refining neural network models and integrating real-time data to support scalable Smart City solutions and a more robust connectivity infrastructure, with this work planned for future research.

TTKHCNQG, CVv 465

Xem toàn văn