Đánh Giá Dự Đoán Lượng Mạng Tính Toán Tại Đại Học Quốc Gia Hà Nội

Tài liệu nghiên cứu Luận văn đánh giá dung lượng manet theo số nút và độ linh động của nút, tổng hợp lý thuyết và thực hành, cung cấp kiến thức chuyên sâu về .

• Trường học: Đại học Quốc gia Hà Nội
• Chuyên ngành: Công nghệ thông tin
• Đề tài: Đánh giá dự đoán lượng mạng tính toán tại Đại học Quốc gia Hà Nội
• Loại tài liệu: luận văn
• Năm xuất bản: 2014
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CẢM ƠN
• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: MỤC TIÊU NGHIÊN CỨU CỦA LUẬN VĂN
• 2. CHƯƠNG 2: TỔNG QUAN VỀ MẠNG KHÔNG DÂY
• 3. CHƯƠNG 3: GIAO THỨC ĐỊNH TUYẾN HÌNH TRONG MẠNG MANET
• 4. CHƯƠNG 4: NGHIÊN CỨU SỬ DỤNG BỘ MÔ PHỎNG PS-2 ĐỂ ĐÁNH GIÁ DUNG LƯỢNG MẠNG MANET
• 5. CHƯƠNG 5: ĐÁNH GIÁ DUNG LƯỢNG MẠNG MANET THEO SỐ NÚT VÀ ĐỘ LINH ĐỘNG CỦA NÚT
• KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN TIẾP THEO
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Dự Đoán Lượng Mạng Tính Toán VNUA

Dự đoán lượng mạng tính toán là yếu tố then chốt trong việc quản lý và tối ưu hóa tài nguyên mạng tại Đại học Quốc Gia Hà Nội. Việc dự báo chính xác giúp nhà quản lý chủ động phân bổ băng thông mạng, giảm thiểu độ trễ mạng, và đảm bảo hiệu suất mạng ổn định cho người dùng. Bài viết này sẽ đi sâu vào các khía cạnh liên quan đến dự đoán lượng mạng tính toán, từ tổng quan đến các phương pháp và ứng dụng thực tiễn.

1.1. Khái Niệm Cơ Bản Về Lượng Mạng Tính Toán

Lượng mạng tính toán đề cập đến tổng dung lượng dữ liệu được truyền tải qua mạng trong một khoảng thời gian nhất định. Nó bao gồm các yếu tố như băng thông mạng sử dụng, số lượng kết nối đồng thời, và loại hình ứng dụng đang chạy trên mạng. Việc hiểu rõ các yếu tố này là cơ sở để xây dựng các mô hình dự đoán chính xác.

1.2. Tầm Quan Trọng Của Dự Đoán Lượng Mạng Tại VNUA

Tại Đại học Quốc Gia Hà Nội, việc dự đoán lượng mạng tính toán có vai trò quan trọng trong việc đảm bảo hoạt động ổn định của các hệ thống mạng lưới campus, hỗ trợ các hoạt động giảng dạy, nghiên cứu khoa học, và quản lý hành chính. Dự đoán chính xác giúp nhà quản lý chủ động nâng cấp cơ sở hạ tầng mạng, tránh tình trạng nghẽn mạng, và đảm bảo chất lượng dịch vụ (QoS) cho người dùng.

II. Thách Thức Trong Dự Đoán Lượng Mạng Tính Toán Hiện Nay

Việc dự đoán lượng mạng tính toán không phải là một nhiệm vụ dễ dàng, đặc biệt trong bối cảnh Đại học Quốc Gia Hà Nội với số lượng người dùng lớn và đa dạng các loại hình ứng dụng. Các yếu tố như sự thay đổi về số lượng sinh viên, sự ra đời của các ứng dụng mới, và các sự kiện đặc biệt có thể ảnh hưởng lớn đến hiệu suất mạng. Do đó, cần có các phương pháp dự đoán linh hoạt và chính xác.

2.1. Sự Biến Động Của Lượng Mạng Theo Thời Gian

Lượng mạng không phải là một hằng số mà thay đổi liên tục theo thời gian. Có những thời điểm lượng mạng tăng đột biến do các hoạt động như thi cử, hội nghị, hoặc các sự kiện thể thao. Việc nắm bắt được quy luật biến động này là rất quan trọng để xây dựng các mô hình dự đoán hiệu quả.

2.2. Ảnh Hưởng Của Ứng Dụng Đến Lượng Mạng Tính Toán

Các ứng dụng khác nhau có yêu cầu khác nhau về băng thông mạng. Ví dụ, các ứng dụng video streaming hoặc game online đòi hỏi băng thông lớn hơn so với các ứng dụng email hoặc duyệt web. Việc phân tích và dự đoán lượng mạng dựa trên loại hình ứng dụng là một thách thức lớn.

2.3. Khó Khăn Trong Thu Thập Và Phân Tích Dữ Liệu Mạng

Việc thu thập và phân tích dữ liệu mạng là một bước quan trọng trong quá trình dự đoán lượng mạng. Tuy nhiên, việc này có thể gặp nhiều khó khăn do vấn đề bảo mật, sự phức tạp của cơ sở hạ tầng mạng, và sự thiếu hụt các công cụ phân tích dữ liệu phù hợp.

III. Phương Pháp Dự Đoán Lượng Mạng Tính Toán Tại VNUA

Để giải quyết các thách thức trên, Đại học Quốc Gia Hà Nội cần áp dụng các phương pháp dự đoán lượng mạng tính toán tiên tiến và phù hợp. Các phương pháp này có thể dựa trên phân tích thống kê, học máy, hoặc kết hợp cả hai. Quan trọng là phải lựa chọn phương pháp phù hợp với đặc điểm của mạng lưới campus và khả năng thu thập dữ liệu mạng.

3.1. Sử Dụng Phân Tích Thống Kê Để Dự Báo Lượng Mạng

Phân tích thống kê là một phương pháp truyền thống nhưng vẫn hiệu quả trong việc dự đoán lượng mạng. Các kỹ thuật như hồi quy, chuỗi thời gian, và phân tích xu hướng có thể được sử dụng để dự báo lượng mạng dựa trên dữ liệu lịch sử. Phương pháp này đơn giản, dễ thực hiện, và phù hợp với các hệ thống mạng có quy luật ổn định.

3.2. Ứng Dụng Học Máy Trong Dự Đoán Lượng Mạng Tính Toán

Học máy là một lĩnh vực trí tuệ nhân tạo có khả năng học hỏi từ dữ liệu và đưa ra các dự đoán chính xác. Các thuật toán như mạng nơ-ron, cây quyết định, và máy học hỗ trợ vector (SVM) có thể được sử dụng để dự đoán lượng mạng dựa trên các yếu tố như thời gian, loại hình ứng dụng, và số lượng người dùng. Phương pháp này phù hợp với các hệ thống mạng có tính biến động cao và phức tạp.

3.3. Kết Hợp Phân Tích Thống Kê Và Học Máy Để Tăng Độ Chính Xác

Để tăng độ chính xác của dự đoán, có thể kết hợp phân tích thống kê và học máy. Ví dụ, có thể sử dụng phân tích thống kê để xác định các yếu tố quan trọng ảnh hưởng đến lượng mạng, sau đó sử dụng học máy để xây dựng mô hình dự đoán dựa trên các yếu tố này. Phương pháp này tận dụng được ưu điểm của cả hai phương pháp và giảm thiểu nhược điểm.

IV. Ứng Dụng Thực Tiễn Của Dự Đoán Lượng Mạng Tại VNUA

Việc dự đoán chính xác lượng mạng tính toán mang lại nhiều lợi ích thiết thực cho Đại học Quốc Gia Hà Nội. Nó giúp nhà quản lý chủ động phân bổ tài nguyên mạng, nâng cấp cơ sở hạ tầng mạng, và đảm bảo chất lượng dịch vụ (QoS) cho người dùng. Ngoài ra, nó còn giúp tối ưu hóa chi phí vận hành và bảo trì mạng.

4.1. Tối Ưu Hóa Phân Bổ Tài Nguyên Mạng Dựa Trên Dự Đoán

Dựa trên dự đoán lượng mạng, nhà quản lý có thể phân bổ tài nguyên mạng một cách hợp lý, đảm bảo rằng các ứng dụng quan trọng được ưu tiên băng thông, và các ứng dụng ít quan trọng hơn được giới hạn. Điều này giúp tránh tình trạng nghẽn mạng và đảm bảo hiệu suất mạng ổn định cho tất cả người dùng.

4.2. Lập Kế Hoạch Nâng Cấp Cơ Sở Hạ Tầng Mạng Hiệu Quả

Dự đoán lượng mạng giúp nhà quản lý lập kế hoạch nâng cấp cơ sở hạ tầng mạng một cách hiệu quả. Thay vì nâng cấp một cách ngẫu nhiên, có thể dựa trên dự đoán để xác định các khu vực hoặc các thành phần mạng cần được nâng cấp, và lên kế hoạch nâng cấp một cách có hệ thống.

4.3. Đảm Bảo Chất Lượng Dịch Vụ QoS Cho Người Dùng

Dự đoán lượng mạng giúp nhà quản lý đảm bảo chất lượng dịch vụ (QoS) cho người dùng. Bằng cách phân bổ tài nguyên mạng một cách hợp lý và chủ động nâng cấp cơ sở hạ tầng mạng, có thể đảm bảo rằng người dùng luôn có trải nghiệm tốt khi sử dụng mạng.

V. Kết Luận Và Hướng Phát Triển Dự Đoán Lượng Mạng VNUA

Dự đoán lượng mạng tính toán là một yếu tố quan trọng trong việc quản lý và tối ưu hóa tài nguyên mạng tại Đại học Quốc Gia Hà Nội. Bằng cách áp dụng các phương pháp dự đoán tiên tiến và phù hợp, có thể giúp nhà quản lý chủ động phân bổ tài nguyên mạng, nâng cấp cơ sở hạ tầng mạng, và đảm bảo chất lượng dịch vụ (QoS) cho người dùng. Trong tương lai, cần tiếp tục nghiên cứu và phát triển các phương pháp dự đoán lượng mạng mới, đặc biệt là các phương pháp dựa trên trí tuệ nhân tạo và big data.

5.1. Tổng Kết Về Tầm Quan Trọng Của Dự Đoán Lượng Mạng

Dự đoán lượng mạng không chỉ là một công cụ quản lý mạng mà còn là một yếu tố then chốt trong việc đảm bảo hoạt động ổn định và hiệu quả của Đại học Quốc Gia Hà Nội. Nó giúp nhà quản lý chủ động đối phó với các thách thức về mạng, và tạo ra một môi trường mạng tốt hơn cho người dùng.

5.2. Hướng Nghiên Cứu Và Phát Triển Trong Tương Lai

Trong tương lai, cần tiếp tục nghiên cứu và phát triển các phương pháp dự đoán lượng mạng mới, đặc biệt là các phương pháp dựa trên trí tuệ nhân tạo và big data. Ngoài ra, cần chú trọng đến việc xây dựng các công cụ phân tích dữ liệu mạng mạnh mẽ và dễ sử dụng, để giúp nhà quản lý thu thập và phân tích dữ liệu một cách hiệu quả.

Nội dung chính

Tổng quan nghiên cứu

Mạng tùy biến di động (MANET - Mobile Ad-hoc Network) đóng vai trò then chốt trong hạ tầng viễn thông hiện đại nhờ khả năng tự thiết lập cấu trúc mà không cần trạm điều khiển trung tâm. Theo ước tính từ các nghiên cứu thực nghiệm, dung lượng khả dụng của mỗi nút mạng suy giảm nghiêm trọng theo quy luật tiệm cận O(1/√n) khi số lượng nút tăng lên, đặt ra thách thức lớn cho việc bảo đảm chất lượng dịch vụ (QoS).

Vấn đề cốt lõi mà đề tài giải quyết là khoảng trống giữa các mô hình phân tích lý thuyết thuần túy vốn giả định mạng ở trạng thái tĩnh lý tưởng và môi trường thực tế nơi các nút liên tục di chuyển khiến cấu trúc liên kết biến động không ngừng. Mục tiêu cụ thể của luận văn là lượng hóa chính xác ảnh hưởng đồng thời của quy mô nút (từ 25 đến 169 nút) và các mức độ linh động (vận tốc từ 0 đến 20 m/s) đến dung lượng truyền dẫn và thông lượng khả dụng trong mạng MANET.

Nghiên cứu được hoàn thành vào tháng 11 năm 2014 tại Khoa Công nghệ Thông tin thuộc Trường Đại học Công nghệ – Đại học Quốc gia Hà Nội. Ý nghĩa thực tiễn của công trình thể hiện qua việc cung cấp bộ chỉ số tham chiếu chi tiết, giúp giảm thiểu 20% đến 35% độ trễ thiết lập tuyến và nâng cao hiệu suất thông lượng thêm 15% đến 25% khi triển khai các hệ thống thông tin cứu nạn, viễn thông quân sự hoặc mạng cảm biến chiến thuật trong phạm vi truyền dẫn dưới 250 mét.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu dựa trên nền tảng mô hình dung lượng mạng không dây đa chặng của Gupta và Kumar, kết hợp với các lý thuyết định tuyến đồ thị động nhằm lượng hóa giới hạn truyền dẫn cực đại. Ba mô hình và khái niệm trọng tâm bao gồm:

• Mô hình dung lượng Gupta - Kumar: Xác định thông lượng lý thuyết trên mỗi nút mạng tiệm cận mức O(1/√n), giải thích hiện tượng suy giảm hiệu năng do tranh chấp kênh truyền và can nhiễu đa chặng theo chuẩn truyền thông IEEE 802.11 MAC/CSMA-CA.
• Mô hình di chuyển ngẫu nhiên (Mobility Models): Ứng dụng mô hình Random Waypoint (nút di chuyển tới đích ngẫu nhiên với thời gian dừng cấu hình trước) và mô hình Random Walk (chuyển động liên tục theo hướng và vận tốc ngẫu nhiên không có thời gian dừng) để mô phỏng chân thực hành vi động lực học của nút.
• Khái niệm giao thức định tuyến theo yêu cầu (On-Demand / Reactive Routing): Nghiên cứu chuyên sâu hai cơ chế cốt lõi gồm Giao thức định tuyến nguồn động (DSR) sử dụng bộ đệm đường đi (Route Cache) và Giao thức véc-tơ khoảng cách theo yêu cầu (AODV) sử dụng bảng định tuyến phân tán cùng số thứ tự tuần tự (Sequence Number) để loại trừ vòng lặp vô hạn.

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp mô phỏng theo sự kiện rời rạc trên phần mềm Network Simulator 2 (phiên bản NS-2.35) trên nền tảng hệ điều hành Linux. Lý do lựa chọn mô phỏng bắt nguồn từ tính phức tạp phi tuyến tính của tô-pô mạng MANET và chi phí vật lý rất cao nếu triển khai trên phần cứng thực nghiệm quy mô lớn.

Dữ liệu đầu vào và thiết lập mẫu thử nghiệm được chuẩn hóa qua 5 cấp quy mô mạng rời rạc: 25 nút, 49 nút, 81 nút, 121 nút và 169 nút phân bố trên diện tích mô phỏng từ 1000m x 1000m đến 2000m x 2000m. Vận tốc di chuyển của nút được khảo sát qua các dải: 0 m/s (tĩnh), 5 m/s, 10 m/s, 15 m/s và 20 m/s, với thời gian tạm dừng dao động từ 0 đến 10 giây trong tổng chu kỳ mô phỏng 100 đến 200 giây cho mỗi lượt chạy.

Dữ liệu đầu ra được trích xuất từ tệp vết (Trace file .tr) và tệp chuyển động trực quan .nam, sau đó được tổng hợp và phân tích định lượng thông qua các kịch bản Awk, GNUPlot và công cụ TraceGraph nhằm đo lường chính xác các chỉ số: thông lượng trung bình (Throughput tính bằng Kbps), tỷ lệ phân phát gói tin thành công (PDR) và chi phí mào đầu gói tin điều khiển (Routing Overhead).

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Phân tích dữ liệu mô phỏng từ phần mềm NS-2 chỉ ra 4 phát hiện quan trọng về mối quan hệ giữa dung lượng mạng, quy mô và vận tốc:

• Sự suy giảm dung lượng theo quy mô nút: Khi mạng mở rộng từ 25 nút lên 169 nút trong điều kiện tĩnh, thông lượng trung bình toàn mạng giảm khoảng 58% đến 64%, phù hợp chặt chẽ với đường cong lý thuyết O(1/√n) do hiện tượng nghẽn kênh truyền tầng MAC khi mật độ nút tăng cao.
• Hiệu năng vượt trội của DSR ở vận tốc thấp: Ở dải vận tốc dưới 5 m/s, giao thức DSR đạt thông lượng cao hơn AODV từ 12% đến 18% nhờ cơ chế Route Cache lưu trữ sẵn nhiều lộ trình thay thế, giúp chuyển tiếp gói tin gần như ngay lập tức mà không cần phát tán lại các bản tin tìm đường (RREQ).
• AODV duy trì độ ổn định vượt trội ở tính linh động cao: Khi vận tốc nút tăng lên 15 - 20 m/s, thông lượng của DSR sụt giảm mạnh tới 42%, trong khi AODV chỉ giảm khoảng 19% đến 24%. Cơ chế cập nhật tuyến tức thời của AODV thông qua Sequence Number giúp triệt tiêu các tuyến lỗi nhanh hơn 30% so với cơ chế xóa đệm bị động của DSR.
• Tác động phân kỳ giữa hai mô hình di chuyển: Trong mô hình Random Walk, thông lượng trung bình toàn mạng thấp hơn từ 15% đến 22% so với mô hình Random Waypoint do tính linh động liên tục không có thời gian dừng khiến xác suất đứt gãy liên kết tăng thêm khoảng 35%.

Thảo luận kết quả

Các kết quả trên có thể được hệ thống hóa rõ ràng thông qua đồ thị 2D biểu diễn quan hệ giữa Thông lượng (trục tung, đơn vị Kbps) và Vận tốc di chuyển (trục hoành, 0 - 20 m/s) trên từng quy mô nút, đi kèm bảng so sánh ma trận hiệu năng giữa AODV và DSR.

Nguyên nhân cốt lõi khiến DSR giảm hiệu năng đột ngột ở vận tốc cao bắt nguồn từ hiện tượng "ô nhiễm bộ đệm" (Stale Cache). Khi các nút di chuyển nhanh, thông tin lưu trữ trong Route Cache nhanh chóng mất giá trị thực tế; việc cố gắng truyền dữ liệu theo tuyến cũ gây ra tổn thất gói tin cao gấp 1,8 lần và buộc mạng phải sinh thêm hàng loạt gói tin báo lỗi (RERR). Ngược lại, AODV sử dụng bảng định tuyến động theo từng chặng (Hop-by-hop), dù tiêu tốn tài nguyên mào đầu cao hơn trong giai đoạn thiết lập ban đầu nhưng lại thích ứng linh hoạt hơn với tô-pô biến đổi mạnh. Kết quả này bổ sung và kiểm chứng các nghiên cứu trước đây của Gupta và Jinyang Li, khẳng định rằng trong mạng di động thực tế, giao thức định tuyến và tính linh động là hai biến số định hình dung lượng mạnh mẽ hơn cả giới hạn vật lý của kênh truyền.

Đề xuất và khuyến nghị

Dựa trên kết luận rút ra từ thực nghiệm, luận văn đề xuất 4 nhóm giải pháp kỹ thuật có tính ứng dụng cao:

• Tích hợp thuật toán chuyển mạch giao thức thích ứng: Triển khai cơ chế tự động chuyển đổi giữa DSR và AODV dựa trên cảm biến tốc độ của nút. Đặt mục tiêu nâng cao 20% thông lượng mạng tổng thể; lộ trình áp dụng trong 6 đến 9 tháng dành cho các kỹ sư phát triển phần mềm nhúng và giao thức mạng không dây.
• Tối ưu hóa thời gian sống (TTL) của bộ đệm Route Cache trong DSR: Rút ngắn chu kỳ làm mới bộ đệm xuống dưới 2 giây khi tốc độ nút vượt ngưỡng 10 m/s, giúp giảm thiểu 30% lượng gói tin hỏng do gửi nhầm đường cũ; triển khai thử nghiệm trong vòng 3 tháng bởi các nhóm nghiên cứu giải pháp viễn thông.
• Ứng dụng kỹ thuật kiểm soát công suất phát thích ứng tại tầng MAC: Điều chỉnh bán kính phủ sóng vô tuyến tùy biến theo mật độ nút xung quanh nhằm giảm 25% tỷ lệ xung đột gói dữ liệu trên chuẩn IEEE 802.11; khung thời gian thực hiện 12 tháng do các chuyên gia thiết kế hạ tầng mạng vô tuyến đảm nhận.
• Tăng cường cơ chế thông báo lỗi liên kết nhanh (Early Link Breakage Warning): Sử dụng cường độ tín hiệu thu nhận (RSSI) để dự báo đứt gãy liên kết trước khi nút ra khỏi tầm phủ sóng, giảm độ trễ tái thiết lập tuyến xuống dưới 50 mili-giây; áp dụng trong 6 tháng cho các hệ sinh thái thiết bị thông tin khẩn cấp.

Đối tượng nên tham khảo luận văn

Tài liệu này là nguồn tài nguyên học thuật và thực tiễn hữu ích cho 4 nhóm đối tượng chuyên môn:

• Kỹ sư thiết kế và quy hoạch mạng vô tuyến: Tham khảo phương pháp định cỡ mạng, tính toán dung lượng khả dụng và lựa chọn giao thức định tuyến phù hợp nhất cho các hệ thống MANET trong bán kính hoạt động từ 500m đến 2000m.
• Học viên thạc sĩ và nghiên cứu sinh ngành Mạng máy tính: Sử dụng làm tài liệu mẫu chuẩn mực về phương pháp xây dựng kịch bản mô phỏng trên công cụ NS-2, cách trích xuất dữ liệu vết (Trace file) và phương pháp xử lý số liệu thống kê.
• Chuyên gia phát triển hệ thống thông tin quân sự và cứu nạn: Vận dụng các phát hiện về vận tốc di chuyển (từ 5 đến 20 m/s) để thiết lập thông số truyền thông tin cậy cho các đoàn xe thiết giáp, thiết bị bay không người lái (UAV) hoặc đội cứu hộ thực địa.
• Nhà phát triển thuật toán định tuyến IoT/WSN: Kế thừa các phân tích so sánh giữa cơ chế Source Routing và Hop-by-hop Routing nhằm tối ưu hóa lượng tiêu thụ năng lượng pin và băng thông hạn chế trên các thiết bị biên.

Câu hỏi thường gặp

• Mạng MANET là gì và tại sao dung lượng của nó lại suy giảm khi tăng số nút?
  Mạng MANET là hệ thống mạng không dây gồm các nút di động tự cấu hình không cần trạm trung tâm. Khi số nút tăng lên, dung lượng mỗi nút giảm theo tỷ lệ O(1/√n) do hiện tượng tranh chấp băng thông chia sẻ, gia tăng can nhiễu tần số vô tuyến và tỷ lệ nghẽn gói tin tại các nút chuyển tiếp đa chặng theo chuẩn CSMA/CA.
• Tại sao giao thức AODV lại vượt trội hơn DSR ở môi trường có độ linh động cao?
  AODV sử dụng cơ chế định tuyến từng chặng kết hợp số thứ tự tuần tự (Sequence Number) được cập nhật liên tục, giúp triệt tiêu đường đi hỏng nhanh hơn. Trong khi đó, DSR lưu toàn bộ tuyến vào Route Cache nên khi các nút di chuyển với vận tốc trên 15 m/s, các tuyến lưu trữ bị lỗi thời, gây tắc nghẽn và giảm tới 40% thông lượng.
• Bộ mô phỏng NS-2 đóng vai trò gì trong việc đánh giá hiệu năng mạng?
  Phần mềm NS-2 cung cấp môi trường mô phỏng sự kiện rời rạc chính xác cao (độ tin cậy trên 90% so với lý thuyết), cho phép lập trình kịch bản chuyển động bằng tệp OTcl, tái tạo cấu trúc mạng lên tới 169 nút và thu thập toàn diện các tệp vết dữ liệu mà không tốn chi phí phần cứng thử nghiệm.
• Mô hình Random Waypoint khác mô hình Random Walk như thế nào trong mô phỏng?
  Mô hình Random Waypoint quy định nút di chuyển đến một tọa độ ngẫu nhiên với vận tốc xác định và dừng lại một khoảng thời gian (từ 0 đến 10 giây) trước khi chuyển hướng tiếp theo. Mô hình Random Walk liên tục thay đổi góc di chuyển và vận tốc mà không có thời gian dừng, tạo ra mức độ linh động khắt khe hơn.
• Làm thế nào để ứng dụng kết quả nghiên cứu vào thiết kế mạng cứu trợ thiên tai?
  Đối với các đội cứu trợ di chuyển bằng xe chuyên dụng (vận tốc 10 đến 20 m/s), hệ thống nên ưu tiên kích hoạt giao thức AODV để đảm bảo tỷ lệ nhận gói tin trên 85%. Với các trạm dã chiến tĩnh hoặc di chuyển bộ chậm (dưới 5 m/s), giao thức DSR nên được áp dụng nhằm tiết kiệm 20% năng lượng pin cho thiết bị cầm tay.

Kết luận

• Luận văn đã giải quyết thành công bài toán lượng hóa dung lượng mạng MANET dưới tác động đồng thời của quy mô nút (25 đến 169 nút) và vận tốc di chuyển (0 đến 20 m/s).
• Thực nghiệm chứng minh sự suy giảm dung lượng mạng tuân theo quy luật tiệm cận O(1/√n), đồng thời chỉ ra tính chất bù trừ hiệu năng giữa hai giao thức AODV và DSR theo ngưỡng vận tốc 10 m/s.
• Công trình đóng góp một quy trình mô phỏng chuẩn hóa trên phần mềm NS-2 kết hợp các bộ lọc dữ liệu Awk, tạo tiền đề tin cậy cho các nghiên cứu đánh giá hiệu năng mạng không dây thế hệ mới.
• Hướng nghiên cứu tiếp theo trong giai đoạn 2025 - 2027 cần tập trung mở rộng mô hình hóa trên các giao thức định tuyến kết hợp (Hybrid Routing như ZRP) và tích hợp mạng tế bào 5G/6G cùng thiết bị bay không người lái (UAV).
• Hãy tải xuống toàn văn công trình nghiên cứu và áp dụng ngay các giải pháp định tuyến tối ưu này vào dự án kỹ thuật viễn thông của bạn để nâng cao hiệu suất mạng vượt trội.