Симуляция 1000 × 1000 m аянтта беш базалык станция жана бир активдүү мобилдик колдонуучу менен жүргүзүлгөн. Ылдамдык 3–60 km/h, мобилдүүлүк random waypoint модели менен берилген. Каналда path loss, log-normal shadowing жана Rayleigh fading колдонулат.

SVM handover санын 76.89дан 34.10го, ping-pong санын 41.16дан 17.56га түшүргөн. Packet loss 0.2648ден 0.2486га азайып, effective throughput 0.8486дан 0.9022ге өскөн.

SVM окутуу

RBF kernel колдонулат. C жана kernel параметрлери grid search жана k-fold cross-validation аркылуу туураланган. Өзгөчөлүктөр нормалдаштырылып, маалыматтардын 70% окутууга, 30% тестке бөлүнгөн.

Акыркы C, kernel параметри, k саны жана dataset көлөмү берилген эмес.

Канал жана мобилдүүлүк

Сигнал log-distance path loss, log-normal shadowing жана Rayleigh fading аркылуу моделденет. Колдонуучу random waypoint боюнча 3–60 km/h ылдамдыкта кыймылдайт.

Кыргызстан үчүн мүмкүн болгон мааниси

Изилдөө Кыргызстандын реалдуу мобилдик тармагында текшерилген эмес. Бирок шаардык жана тоолуу транспорт коридорлорунда мобилдүүлүк менен клеткалар аралык өтүүнү изилдөө үчүн пайдалуу алгоритмдик мисал берет. Реалдуу колдонуу жергиликтүү радио жана трафик маалыматтары менен текшерүүнү талап кылат.

Чектөөлөр

Модель бир гана активдүү колдонуучуну камтыйт. Чоң тармактагы колдонуучулар аралык атаандаштык, жүктүн клеткалар арасында бөлүштүрүлүшү жана масштабдоо эффекти текшерилген эмес.

Изилдөөнүн Ыкмасы жана Жыйынтыктары

Негизги натыйжа — SVM моделинде handover жана ping-pong көрүнүштөрүнүн 50%дан ашык азайышы. Packet loss салыштырмалуу 6.1% төмөндөп, effective throughput 6.3% жогорулаган.

Кийинки этап катары multi-user сценарийлери, online learning жана deep reinforcement learning сунушталат.

Булак жана Ыкма Жөнүндө Эскертүү

Авторлор: Andicho Haryus Wirasapta; Tiara Deta Pamungkas

Журнал: Jurnal LITEK

Том/чыгарылыш: 23(1), 30–37

Дата: 1 март 2026

DOI: 10.30811/litek.v23i1.104

Натыйжалар MATLAB/Simulink симуляциясына тиешелүү. Булакта көрсөтүлбөгөн SVM же канал параметрлери кошулган жок.