Những giới thiệu chung
Công nghệ Internet của vạn vật (Internet of Things – IoTs), mạng không dây thế hệ mới 5G, và kỹ thuật xử lý dữ liệu lớn (Big Data), trí tuệ nhân tạo (AI) đóng vai trò quan trọng trong việc tạo ra những đổi mới đột phá trong CNTT và truyền thông, và trong các lĩnh vực ứng dụng liên quan. Thành phố thông minh (Smart Cities) là một trong những ứng dụng như vậy, đã thu hút được sự chú ý lớn từ các chính phủ, cộng đồng ngành học thuật và CNTT tại nhiều quốc gia. Đặc biệt, Big Data/AI và IoTs/5G cung cấp các công cụ và công nghệ quan trọng để thúc đẩy sự chuyển đổi của các thành phố lớn trên toàn thế giới thành những nơi đáng sống, làm việc và tận hưởng. Các công nghệ IoTs/5G mới, một khi được tích hợp đúng vào cơ sở hạ tầng thành phố thông minh, có thể hỗ trợ số lượng lớn kết nối không dây từ các loại thiết bị không dây khác nhau (ví dụ: cảm biến, máy ảnh, thiết bị thực tại ảo VR/AR, xe thông minh) thông qua môi trường mạng tốc độ cao, truyền dữ liệu cực kỳ đáng tin cậy và độ trễ thấp. Ngoài ra, các công nghệ IoTs/5G cho phép truyền thông, lưu trữ và xử lý dữ liệu hiệu quả, rất cần thiết để xử lý và phân tích lượng dữ liệu thành phố thông minh khổng lồ và chuyển dữ liệu thu thập được thành các quy trình giám sát, ra quyết định và ứng dụng kịp thời cũng như cung cấp các dịch vụ kỹ thuật số đa phương tiện phong phú cho người dân thành thị. Hình 1 minh hoạ các lĩnh vực ứng dụng IoTs/5G trong đô thị thông minh.
Sự xuất hiện của các khái niệm IoTs & 5G là do sự phổ biến của các thiết bị vật lý, có thể truy cập qua Internet và do đó, hoạt động như một phần mở rộng của World Wide Web. Do đó, IoTs/5G cung cấp một nền tảng cho các ý tưởng và ứng dụng mới trong các lĩnh vực ứng dụng khác nhau, đặc biệt là trong các thành phố thông minh và các ứng dụng hỗ trợ tốt hơn cuộc sống cư dân trong thành phố. Tuy nhiên, mỗi lĩnh vực ứng dụng có các đặc điểm riêng và các phát triển hiện tại có xu hướng tập trung vào các giải pháp nhằm đạt được các mục tiêu được xác định trước và khó thay đổi. Về mặt kỹ thuật, IoTs/5G là cần thiết để kết nối với các thiết bị cảm biến thường được triển khai ở các khu vực khó tiếp cận về mặt địa lý, hoặc ở xa. Mặc dù dữ liệu cảm biến thường được phân tích thống kê trong các ứng dụng giám sát, các truy vấn trực tiếp dữ liệu cảm biến ngay lập tức và để điều chỉnh hành vi của các thiết bị cảm biến trong thời gian thực thường được yêu cầu trong môi trường thay đổi động, tồn tại các yếu tố, sự kiện tác động không lường trước. Các công cụ quản trị mạng cảm biến, mạng IoTs/5G, cùng với các tiêu chuẩn để xử lý và quản lý dữ liệu cảm biến, dữ liệu IoTs/5G có thể hỗ trợ xây dựng các ứng dụng và giải pháp trên hạ tầng IoTs/5G mạnh hơn. Ngoài ra, các công nghệ mới để phát triển và tích hợp các thiết bị nhỏ sẽ cho phép đa dạng hóa các loại cảm biến, thiết bị IoTs/5G được triển khai. Số lượng thiết bị, ứng dụng và dự án IoTs/5G ngày càng tăng (báo cáo của Cisco đến năm 2020 số lượng thiết bị IoTs/5G là 50 tỷ, và báo cáo của Statista đến năm 2025 số lượng thiết bị IoTs là 75 tỷ), điều này dẫn đến khối lượng Big Data thu thập bởi các cảm biến, thiết bị IoTs/5G ngày càng lớn, đòi hỏi các nỗ lực nghiên cứu thích hợp để xử lý và phân tích, sử dụng hiệu quả tài nguyên, khả năng mở rộng, khả dụng và độ tin cậy của hệ thống [1-11]. Tương tự, giám sát môi trường cần phải liên tục, tích hợp và không mất dữ liệu, đòi hỏi phải có đặc điểm kỹ thuật và triển khai cơ sở hạ tầng đáng tin cậy cho các hệ thống IoTs/5G.
Trong các ứng dụng IoTs không đồng nhất quy mô lớn, các cảm biến nhỏ và giá rẻ, và các thiết bị IoTs/5G có thể được triển khai độc lập hoặc kết hợp với các thiết bị tùy chỉnh, nhiều tài nguyên hơn và đắt tiền hơn. Do đó, để giải quyết vấn đề này, cần thúc đẩy việc tích hợp các thiết bị IoTs/5Gkhông đồng nhất, bằng cách phát triển một nền tảng phần mềm mở và đa quy mô trên cơ sở hạ tầng điện toán đám mây (Cloud computing) và tính toán cận biên (Edge computing) nhằm triển khai các dịch vụ quản lý tích hợp nhiều loại thiết bị IoTs/5G. Một nền tảng như vậy sẽ bao gồm các danh mục dịch vụ khác nhau có thể được triển khai trong hệ thống mạng thử nghiệm IoTs/5G hoặc các ứng dụng thực tế để đạt được các mục tiêu như phát hiện sự kiện, vị trí đối tượng, theo dõi hoặc giám sát. Các dịch vụ và hạ tầng mạng thử nghiệm này nên xem xét các đặc điểm cụ thể của công nghệ IoTs/5G và tài nguyên vật lý bị hạn chế của các cảm biến, thiết bị IoTs/5G, bao gồm tuổi thọ pin, sức mạnh tính toán, bộ nhớ, băng thông mạng và chất lượng đường truyền.
Những thách thức hiện thời
Với sự phát triển của cuộc cách mạng công nghiệp 4.0, sự đóng góp của các thành tựu CNTT và truyền thông mới nhất vào thành phố thông minh – như minh họa trong Hình 2, đóng vai trò nòng cốt. Sự kết nối trong cả ba lĩnh vực văn hóa (Culture), trao đổi chất (Metabolism) và quản trị (Governance) sẽ được vận hành và tối ưu trên các hệ thống IoTs. Khi vận hành, các hệ thống IoTs này sẽ sinh ra một lượng dữ liệu rất lớn, được lưu trữ và xử lý trên các hệ thống Big Data. Các kỹ thuật AI, đặc biệt là học máy (Machine learning) sẽ giúp các dữ liệu này được phân tích để vận hành các các hoạt động văn hóa, trao đổi chất và quản trị một cách tự động và thông minh. Bởi dữ liệu sinh ra từ các hệ thống IoTs khi vận hành trong thực tế là rất lớn, các kỹ thuật tính toán cận biên (fog/edge computing) thường được đề xuất để xử lý dữ liệu phân tán trên hệ thống các thiết bị biên (edge devices). Do vậy, sự áp dụng của AI vào thành phố thông minh là một kịch bản của việc áp dụng AI vào các hệ thống điện toán cận biên [2, 16, 18]. Làm việc với các hệ thống dữ liệu và thường xuyên được cập nhật thời gian thực như vậy, các hệ thống AI thường được xem là các hệ thống AI tiên tiến (Advanced AI – AAI).
Trong việc phát triển các ứng dụng IoTs/5G và các giải pháp IoTs/5G phục vụ xây dựng ứng dụng IoTs thông minh, do sự đa dạng của các chuẩn IoTs/5G hiện nay và thường xuyên có những tiêu chuẩn mới xuất hiện, việc phát triển các ứng dụng và giải pháp IoTs/5G sẽ cần tuân thủ nghiêm ngặt các quy định, quy trình trong các tổ chức quốc tế có uy tín để tăng sự tương thích và kết nối. Một số bộ tiêu chuẩn quy tắc có thể liệt kê dưới đây:
– 3GPP – The Mobile Broadband Standard (5G), 5G World Alliance.
– 5G mmWave Channel Model Alliance.
– Open Connectivity Foundation (OCF), AllJoyn/AllSeen Alliance.
– IEEE 802.15.4/802.15.1/802.11 WGs, IETF 6LowApp/ROLL.
– ZigBee Alliance, IPSO Alliance.
– IEEE 1451, HART/WirelessHART, ISA SP100.11a.
– BuildingSMART, CityGML-3D, IETF 6LoWPAN, uIP/uIPv6.
– ISO Strategy on Smart City Standardization – ITU (ISO 371xx Series).
Tốc độ tăng trưởng nhanh chóng của IoTs/5G hiện nay cũng đem đến nhiều thách thức lớn [1-11]. Số lượng các thiết bị được tạo ra nhiều bao nhiêu thì sự mong đợi của khách hàng cho các kết nối, hiệu suất năng lượng, tính tin cậy, dễ sử dụng và kết cấu sẽ tăng cao bấy nhiêu. Các thiết bị điện tử không chỉ phải được cải tiến để đem lại hiệu năng cao mà còn phải có tính hấp dẫn. Và tất nhiên, tất cả các tính năng vượt trội và hình thức bắt mắt đó phải đi cùng với giá cả hợp lý. Dưới đây là một số đặc điểm kỹ thuật cần xem xét khi phát triển ứng dụng và giải pháp:
– Phần mềm: trong quy trình phức tạp của việc thiết kế và đóng gói một hệ thống IoTs/5G, phần mềm thực sự đóng vai trò quan trọng qua việc hỗ trợ đầy đủ cho toàn bộ vòng đời phát triển của sản phẩm. Cụ thể, phần mềm có thể hỗ trợ một cách hoàn thiện cho chu trình thiết kế các thiết bị công nghệ cao, bao gồm mạch tích hợp (ICs) và phần mềm nhúng. Những giải pháp phần mềm góp phần giải quyết các thách thức lớn cho các nhà thiết kế công nghệ cao: cải thiện tốc độ và băng thông, tối ưu công suất và hiệu năng, tối ưu đặc tính ăng-ten, kết hợp các vật liệu tiên tiến. Ngoài ra, để hoàn toàn làm chủ công nghệ và gia tăng tính bảo mật của hệ thống, nên lựa chọn các thiết bị IoTs/5G được phát triển và hỗ trợ bởi các nền tảng phần mềm mã nguồn mở thông dụng, và được chứng nhận hoặc kiểm định bởi các tổ chức IoTs quốc tế uy tín.
– Tăng tốc độ và mở rộng băng thông: do số lượng các thiết bị di động, thiết bị IoTs/5G ngày một tăng nhanh nên ngày càng nhiều dữ liệu được truyền và nhận, việc truyền tải chúng cần nhanh hơn trên cả mạng truyền thông có dây và không dây. Luồng video, tương tác chơi game và dịch vụ web tốc độ cao đang đẩy đến giới hạn không chỉ trên các thiết bị di động, thiết bị IoTs, mà còn trên các máy chủ, bộ định tuyến và cổng chia.
– Tối ưu năng lượng và hiệu suất: một vấn đề không kém phần quan trọng trong công nghiệp công nghệ cao là quản lý năng lượng một cách hiệu quả. Để giúp giải quyết vấn đề này, các thiết bị IoTs được lựa chọn phục vụ nghiên cứu bảo mật IoTs có hỗ trợ thiết kế cho các thiết bị điện tử thông minh, hiệu suất năng lượng cao, khả năng tiêu thụ nguồn thấp. Trước đây, các kỹ thuật phân tích tiêu thụ và phân phối năng lượng thông qua cách tiếp cận kín, xem xét riêng ở chip, bản mạch và nhóm linh kiện. Hiện nay, các giải pháp tiết kiệm năng lượng mới thực sự hỗ trợ phương pháp thiết kế tích hợp CPS (chip-package-system), cho phép tối ưu thành phần cũng như phân tích và tối ưu đồng thời xuyên suốt toàn bộ hệ thống. Cách tiếp cận này cân bằng điện thế hoạt động thấp cần thiết để tiết kiệm năng lượng với tính nhất quán và tin cậy, đáp ứng yêu cầu loại bỏ lỗi.
– Cloud-based/Fog-Edge-based Internet of Things/5G: hỗ trợ khả năng phát triển và tích hợp các ứng dụng và giải pháp IoT/5G vào nền tảng điện toán đám mây, tính toán cận biên nhằm giải quyết vấn đề cân bằng tải và sử dụng tối ưu tài nguyên của hệ thống, điển hình là việc tiết kiệm năng lượng, cũng như nâng cao chất lượng dịch vụ.
Có thể thấy, thách thức đầu tiên là việc tích hợp các cảm biến, thiết bị IoTs/5G vào cơ sở hạ tầng điện toán đám mây để đảm bảo dữ liệu được chuyển an toàn từ cảm biến vật lý đến máy chủ lưu trữ, ở đó dữ liệu có thể được xử lý và thao tác để thông báo chính xác kết quả trong nhiều môi trường, kịch bản ứng dụng IoTs/5G [12]; thách thức thứ hai là xác định các vấn đề quan trọng nhất trong mỗi ứng dụng, ví dụ: điều khiển động các tham số, thiết bị, hoặc đưa ra hướng dẫn hay còn được gọi là tái cấu hình (reconfiguration) và tái điều chỉnh (adaptation). Tất cả các tá c vụ này phải được hoàn thành bởi các cảm biến và thiết bị IoTs/5G đầu cuối chính xác, điều khiển thời gian thực, và mức tiêu thụ năng lượng tối thiểu [13]; thách thức thứ ba là làm thế nào để phát triển các ứng dụng và giải pháp IoTs/5G, xem xét khả năng mở rộng với số lượng lớn thiết bị IoTs/5G, với khối lượng dữ liệu xử lý khổng lồ và chi phí hợp lý. Hệ thống mạng thử nghiệm IoTs/5G là một môi trường có thể mở rộng, đáng tin cậy để đánh giá hiệu năng của các ứng dụng, giải pháp IoT thời gian thực chưa được triển khai trong thực tế, để trả lời câu hỏi: ứng dụng hay giải pháp IoTs có thể áp dụng và đáng tin cậy trong thực tế hay không? Đây là một hướng tiếp cận tiếp cận hiệu quả để giảm thiểu về chi phí triển khai thực tế [14].
Trong thành phố thông minh, một lượng khổng lồ dữ liệu được thu thập từ nhiều loại cảm biến, camera và thiết bị thông minh khác nhau và những dữ liệu này có thể được tận dụng cho các ứng dụng khác nhau của đô thị thông minh như giám sát môi trường, theo dõi lưu lượng giao thông, điều khiển đèn giao thông, nhận diện vi phạm giao thông, v.v. Thêm vào đó, khả năng cảm biến tuyệt vời của các con đường thông minh trong tương lai, đạt được bằng cách triển khai các công nghệ “cảm biến cho hạ tầng giao thông” (infrastructure sensing) sẽ giúp chúng ta hỗ trợ tốt hơn cho ô tô tự lái và kết nối bằng cách giúp cho các quyết định điều khiển được thực hiện nhanh và chính xác hơn.
Thông thường dữ liệu cảm biến phải được truyền về trung tâm dữ liệu để được xử lý, dựa vào đó các quyết định điều khiển được đưa ra và thực thi cho các chức năng và ứng dụng của thành phố thông minh. Cả quá trình này có thể dẫn đến độ trễ khá lớn vì thế có thể không đáp ứng được yêu cầu của các ứng dụng thời gian thực, đây cũng là thách thức thứ tư. Công nghệ không dây 5G, với khả năng cung cấp các kết nối tốc độ cao với độ trễ thấp và độ tin cậy rất cao cùng với khả năng phân tích dữ liệu tại rìa mạng, có thể giúp giải quyết các hạn chế cơ bản của hạ tầng ICT hiện có. Cụ thể, dữ liệu của đô thị thông minh được thu thập từ các thiết bị cảm biến, camera và thiết bị thông minh có thể được offload về fog server được triển khai tại các trạm gốc 5G để được phân tích và xử lý, nhằm đưa ra các quyết định gần thời gian thực. Tuy nhiên các tiềm năng của công nghệ 5G này chỉ có thể được hiện thực hóa qua việc thiết kế các thuật toán offload tác vụ tính toán cho các đô thị thông minh tích hợp công nghệ 5G, trong đó các quyết định về việc chọn dữ liệu và tác vụ tính toán nào để offload lên và xử lý tại fog server và việc phân chia tài nguyên vô tuyến và tính toán phải được tối ưu để đạt được chất lượng tốt nhất và hiệu năng sử dụng tài nguyên mạng cao nhất [1, 15].
Hạ tầng ICT cho đô thị thông minh tích hợp các công nghệ 5G được minh họa ở Hình 3. Bằng cách trang bị các công nghệ 5G, đô thị thông minh trong tương lai có thể cung cấp các dịch vụ nội dung số như TV di động, video độ phân giải cao theo yêu cầu với chi phí phải chăng. Mặt khác, khi công nghệ ô tô tự lái đi vào cuộc sống, các tài xế ngồi sau vô lăng sẽ quan tâm tận hưởng dịch vụ nội dung số vì họ sẽ không còn bận tâm về việc điểu khiểu ô tô của mình.
Thực tế, lượng dữ liệu video di động đã tăng lên rất nhanh trong thời gian qua và các dịch vụ nội dung số sẽ gây ra tắc nghẽn ngày càng nghiêm trọng hơn cho cả mạng truy cập không dây và mạng lõi nếu chúng ta không đề ra và triển khai các giải pháp mạng phù hợp. Lưu trữ dữ liệu (content caching) đi động tại rìa mạng gần đây nổi lên như một công nghệ 5G quan trọng để giải quyết vấn đề tắc nghẽn này. Thật ra, trong khi danh sách các nội dung ngày càng trở nên lớn hơn, chỉ có một lượng nhỏ các nội dung thực sự phổ biến và được người dùng tiếp cận thường xuyên [16], do đó có thể lưu trữ các nội dung phổ biến này tại các điểm lưu trữ tại rìa mạng như các trạm gốc 5G để giúp giảm đáng kể tắt nghẽn mạng và cải thiện chất lượng dịch vụ cho người dùng như được minh họa trong Hình 4 – đây cũng là thách thức thứ năm. Trong thực tế, mức độ phổ biến của các nội dung số phải được dự đoán dựa vào dữ liệu liên quan đến việc yêu cầu và truy xuất nội dung trong quá khứ và các nguồn dữ liệu có liên quan như từ mạng xã hội. Việc dự đoán này là công việc khó khăn nếu mức độ phổ biến của các nội dung thay đổi nhanh theo không – thời gian. Vì thế, việc dự đoán mức độ phổ biến của các nội dung, tối ưu việc lưu trữ và cập nhật nội dung lưu trữ phải được thiết kế cẩn thận để khai thác hiệu quả hạ tầng thông tin, lưu trữ và cung cấp dịch vụ nội dung số tốt nhất cho người dùng của đô thị thông minh.
Phân tích dữ liệu và phát hiện ra các vấn đề quan trọng từ khối lượng thông tin khổng lồ là một thách thức khác. Nếu dữ liệu vẫn ở định dạng thô được tạo bởi cảm biến, thiết bị IoTs/5G, đa số người dùng sẽ không thể thực hiện các truy vấn phức tạp cần có để trích xuất kiến thức hoặc thực hiện các đánh giá cần thiết để điều chỉnh hành vi của cảm biến, thiết bị IoTs/5G trong mạng. Dự báo về chuỗi thời gian đã được sử dụng rộng rãi và đóng một vai trò thiết yếu trong sự thành công của nhiều lĩnh vực như tài chính, giáo dục, nông nghiệp và công tác xã hội vì những thành quả này đóng góp cho hệ thống hỗ trợ cảnh báo hoặc hệ thống hỗ trợ ra quyết định [17]. Tuy nhiên, ngày nay việc phân tích chuỗi thời gian đã trở nên thách thức hơn bởi vì khối lượng lớn và cấu trúc phức tạp của nó khi triển khai trên các hệ thống Big Data. Sự phát triển của các thiết bị IoTs/5G hỗ trợ cho việc thu thập dữ liệu hàng ngày, hàng giờ, mỗi phút hoặc thậm chí trong một phần nghìn giây. Đó là lý do tại sao chuỗi thời gian là rất lớn và nhiều chiều. Ngoài ra, loại dữ liệu này cũng không cố định, tức là nó có chu kỳ không đều và dựa vào các đặc điểm thống kê của nó như giá trị trung bình, giá trị trung vị, phương sai và sự thay đổi tiêu chuẩn theo thời gian. Do đó, làm thế nào để lưu trữ và làm thế nào để đối phó với tập dữ liệu lớn cho một vấn đề nhất định trong một thời gian thích hợp đòi hỏi sức mạnh, các phương pháp tự động để lấy thông tin quan trọng mà không phụ thuộc nhiều vào sự can thiệp của con người.
Tác giả: PGS. TS. Lê Trung Quân, Trường ĐH Công nghệ thông tin – ĐHQG HCM.
PGS.TS. Lê Bảo Long, Trường ĐH Québec – Canada.
PGS.TS. Quản Thành Thơ, Trường ĐH Bách khoa – ĐHQG HCM.
Biên tập: Quỹ Đổi mới sáng tạo Vingroup (VinIF).
Tài liệu tham khảo
1. L. P. Qian, Y. Wu, B. Ji, L. Huang, and D. H. K. Tsang, “HybridIoT: Integration of Hierarchical Multiple Access and Computation Offloading for IoT-Based Smart Cities,” IEEE Network,March/April 2019, DOI: 10.1109/MNET.2019.1800149.
2. Z. Allam, and Z. A. Dhunny “On Big Data, Artificial Intelligence and Smart Cities,” Cities, 89, 2019, 80–91.
3. B. N. Silvaa, M. Khanb, and K. Hana, “Towards sustainable smart cities: A review of trends, architectures,” Sustainable Cities and Society, 38 (2018) 697–713.
4. N. Javaid, A. Sher, H. Nasir, and N. Guizani, “Intelligence in IoT-Based 5G Networks: Opportunities and Challenges,” IEEE Communications Magazine, October 2018.
5. K. Guo, Y. Lu, H. Gao, and R. Cao, “Artificial Intelligence-Based Semantic Internet of Things in a User-Centric Smart City,” MDPI Sensors, April.2018.
6. S. M. Wu, T. C. Chen, Y. J. Wu, and M. Lytras, “Smart Cities in Taiwan: A Perspective on Big Data Applications,” MDPI Sustainability, Jan.2018.
7. M. Mohammadi, and A. Al-Fuqaha, “Enabling Cognitive Smart Cities Using Big Data and Machine Learning: Approaches and Challenges,” IEEE Communications Magazine, Feb.2018, DOI: 10.1109/MCOM.2018.1700298.
8. S. Latif, J. Qadir, S. Farooq, and M. A. Imran, “How 5GWireless (and Concomitant Technologies) Will Revolutionize Healthcare?” MDPI Future Internet, Dec.2017.
9. Y. Mehmood, F. Ahmad, I. Yaqoob, A. Adnane, M. Imran, and S. Guizani, “Internet-of-Things-Based Smart Cities: Recent Advances and Challenges,” IEEE Communications Magazine, Sept.2017.
10. Ricardo Energy & Environment, Department for Transport, UK, “Scoping Study into Deriving Transport Benefits from Big Data and the Internet of Things in Smart Cities,” Technical Report, June.2017.
11. P. Sotres, J. R. Santana, L. Sanchez, and L. Munoz, “Practical Lessons From the Deployment and Management of a Smart City Internet-of-Things Infrastructure: The SmartSantander Testbed Case,” IEEE Access, Volume 5, 2017, pp.14309-14322.
12. N. Ly-Trong, C. Dang-Le-Bao, D. Huynh-Van, and Q. LE-TRUNG, “UiTiOt v3: A Hybrid Testbed for Evaluation of Large-Scale IoT Networks,” ACM SoICT’2018, Dec.06-07 2018, Danang city, Vietnam.
13. D. Huynh Van, K. Tran Quoc, and Q. LE-TRUNG, “An Empirical Study on Approaches of Internet of Things Reconfiguration,” IEEE ICCE’2018, ISBN for IEEEXPLORE (online): 978-1-5386-3679-4, ISBN for USB: 978-1-5386-3677-0, ISBN for PRINT: 978-1-5386-3678-7, Jul.18-20 2018, Hue city, Vietnam.
14. N. Ly-Trong, C. Dang Le Bao, and Q. LE-TRUNG, “Towards a Large-Scale IoT Emulation Testbed Based on Container Technology,” IEEE ICCE’2018, ISBN for IEEEXPLORE (online): 978-1-5386-3679-4, ISBN for USB: 978-1-5386-3677-0, ISBN for PRINT: 978-1-5386-3678-7, Jul.18-20 2018, Hue city, Vietnam.
15. Nguyen Ti Ti, Long Bao Le, and Quan LE-TRUNG, “Computation Offloading in MIMO Based Mobile Edge Computing Systems Under Perfect and Imperfect CSI Estimation”, IEEE Transactions on Services Computing, ISSN: 1939-1374, 2019.
16. Z. Chang, L. Lei, Z. Zhou, S. Mao, and T. Ristaniemi, “Learn to Cache: Machine Learning for Network Edge Caching in the Big Data Era,” IEEE Wireless Communications, vol. 25, no. 1, pp. 28-35, June 2018.
17. K. Bandara, C. Bergmeir, and S. Smyl, “Forecasting Across Time Series Databases using Recurrent Neural Networks on Groups of Similar Series: A Clustering Approach,” , https://arxiv.org/abs/1710.03222v2, 2017.
18. B. Tang, Z. Chen, G. Hefferman, S. Pei, T. Wei, H. He, and Q. Yang, “Incorporating Intelligence in Fog Computing for Big Data Analysis in Smart Cities,” IEEE Transactions on Industrial Informatics, 13(5), 2140–2150, 2017.