Minimizing the Carbon Footprint in LoRa-Based IoT Networks: A Machine Learning Perspective on Gateway Positioning

Publicación del proyecto · IEEE Open Journal of the Computer Society

Resumen

El artículo aplica aprendizaje automático a la ubicación de gateways en redes LoRa para reducir la huella de carbono del despliegue.

Resultados de optimización de ubicación de gateways LoRa con aprendizaje automático
Figura del artículo original. Fuente: IEEE Open Journal of the Computer Society, reproducida sin modificaciones bajo CC BY 4.0.

Indicadores bibliométricos

Cuartil JCRQ1
Factor de impacto8.2
Citas en Google Scholar0
Área JCR
Computer Science, Theory & Methods
Año JCR
2024
Consulta Scholar
21 mayo 2026

Contribución principal

La propuesta combina modelos de predicción y optimización para estimar el impacto ambiental de diferentes configuraciones de red. Así permite decidir dónde colocar infraestructura considerando cobertura, rendimiento y emisiones.

Relación con BoND1

Esta publicación refuerza el objetivo de BoND1 de diseñar IoT no celular con criterios de eficiencia y sostenibilidad. El uso de aprendizaje automático permite explorar configuraciones complejas sin depender únicamente de campañas exhaustivas de medida.

DOI Repositorio UPCT
Scroll al inicio