Đại học Quốc gia Hà Nội: Phát triển hệ thống thông tin tại Tăng Tế

Khám phá luận văn về phát triển ứng dụng LBS với công nghệ thực tại tăng cường trên nền tảng điện toán đám mây, mở ra tiềm năng mới cho công nghệ.

• Người hướng dẫn: PGS. Trương Minh Thuận
• Trường học: Đại học Quốc gia Hà Nội
• Chuyên ngành: Hệ thống thông tin
• Đề tài: Đại học Quốc gia Hà Nội: Phát triển hệ thống thông tin tại Tăng Tế
• Loại tài liệu: đề tài
• Năm xuất bản: 2013
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN VỀ DỊCH VỤ DỰA TRÊN VỊ TRÍ
• 1.1. Giới thiệu về dịch vụ LBS
• 1.2. Dịch vụ LBS là gì
• 1.3. Các hệ thống thông tin địa lý liên quan
• 2. CHƯƠNG II: CÔNG NGHỆ THỰC TẠI TĂNG CƯỜNG
• 2.1. Giới thiệu công nghệ thực tại tăng cường
• 2.2. Đặc điểm và khả năng ứng dụng
• 3. CHƯƠNG III: CÔNG NGHỆ ĐIỆN TOÁN ĐÁM MÂY GOOGLE APP ENGINE
• 3.1. Những tính chất cơ bản của điện toán đám mây
• 3.2. Điều tiết dịch vụ (Measured service)
• 3.3. Ưu và nhược điểm của điện toán đám mây
• 3.4. Dịch vụ điện toán đám mây Google App Engine
• 3.5. Google Cloud SQL
• 3.6. Giới hạn sử dụng
• 4. CHƯƠNG IV: PHÁT TRIỂN ỨNG DỤNG LBS VỚI CÔNG NGHỆ THỰC TẠI TĂNG CƯỜNG TRÊN NỀN TẢNG GOOGLE APP ENGINE
• 4.1. Xây dựng bài đặt thử nghiệm ứng dụng
• 4.2. Thiết kế cơ sở dữ liệu
• 4.3. Đánh giá quá trình phát triển ứng dụng
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC 1: KHỞI TẠO MÔI TRƯỜNG PHÁT TRIỂN ỨNG DỤNG GOOGLE APP ENGINE TRÊN ECLIPSE
• PHỤ LỤC 2: CÀI ĐẶT ANDROID VỚI ECLIPSE

Tóm tắt

I. Tổng Quan Về Đại Học Quốc Gia Hà Nội và Hệ Thống Thông Tin

Ngày nay, thị trường thiết bị di động thông minh phát triển mạnh mẽ. Người tiêu dùng chuyển sang sử dụng smartphone thay vì điện thoại di động cổ điển. Các ứng dụng trên thiết bị di động thông minh cũng vô cùng phong phú. Một trong những loại ứng dụng được sử dụng nhiều nhất là ứng dụng dựa trên vị trí (LBS). Ứng dụng này hoạt động nhờ dữ liệu bản đồ và tính năng định vị toàn cầu. Ở Việt Nam, một số nhà phát triển cũng đã tiếp cận với loại ứng dụng này. Tuy nhiên, mức độ thân thiện với người dùng chưa cao. Vì vậy, cần thiết kế những ứng dụng LBS sinh động hơn, giúp người dùng dễ dàng tìm được những địa điểm phù hợp. Đại học Quốc gia Hà Nội đóng vai trò quan trọng trong việc phát triển hệ thống thông tin này.

1.1. Giới thiệu về hệ thống thông tin địa lý GIS

Dịch vụ LBS là dịch vụ thông tin sử dụng với thiết bị di động qua mạng không dây và vị trí địa lý của thiết bị di động. Dịch vụ LBS là phần giao của ba công nghệ chính: GIS – cơ sở dữ liệu không gian, Internet và thiết bị di động – định vị toàn cầu. GIS/CSDL không gian, Internet và Các thiết bị di động. Dịch vụ LBS có khả năng cung cấp hai nhóm hoạt động chính là liên lạc thông tin và tương tác qua lại giữa khách hàng và dịch vụ. Vì thế, người sử dụng có thể cho nhà cung cấp dịch vụ biết trong bối cảnh hiện tại thì các loại thông tin họ cần và phù hợp với họ, với vị trí của họ. Hệ thống sẽ cung cấp các thông tin hoàn toàn phù hợp với người sử dụng hoặc các thông tin do người sử dụng yêu cầu.

1.2. Các thành phần cơ bản của hệ thống LBS

Một hệ thống dịch vụ LBS bao gồm 5 thành phần cơ bản: các thiết bị di động (Mobile Devices), thiết bị định vị (Positioning), mạng truyền tin (Communication Network), nhà cung cấp ứng dụng và dịch vụ (Service and Content Provider), nhà cung cấp dữ liệu và nội dung/CSDL không gian (Geodatabase). Các thành phần của hệ thống dịch vụ LBS được mô tả như trong Hình 1. Các thành phần cơ bản của LBS các thiết bị di động (Mobile Devices) Là công cụ để người sử dụng đưa ra các yêu cầu về thông tin mong muốn. Kết quả trả về có thể là tiếng nói, hình ảnh, văn bản… các thiết bị di động có thể là PDA, điện thoại di động (cell Phones), máy tính cá nhân (Laptop), các thiết bị dẫn đường trên ô tô…

II. Thách Thức Phát Triển Hệ Thống Thông Tin tại Tăng Tế

Việc phát triển hệ thống thông tin tại Trung tâm Tăng Tế của Đại học Quốc gia Hà Nội đối mặt với nhiều thách thức. Cần đảm bảo hạ tầng công nghệ thông tin đáp ứng nhu cầu ngày càng cao. Việc tích hợp các công nghệ mới như điện toán đám mây và thực tế tăng cường đòi hỏi nguồn lực lớn. Bên cạnh đó, việc đào tạo nguồn nhân lực chất lượng cao để vận hành và phát triển hệ thống cũng là một vấn đề quan trọng. Ứng dụng công nghệ cần phù hợp với điều kiện thực tế của trung tâm.

2.1. Hạ tầng công nghệ thông tin còn hạn chế

Hạ tầng công nghệ thông tin tại Trung tâm Tăng Tế cần được nâng cấp để đáp ứng yêu cầu của các ứng dụng hiện đại. Việc đầu tư vào phần cứng và phần mềm là cần thiết. Bên cạnh đó, cần đảm bảo kết nối mạng ổn định và băng thông rộng để phục vụ cho việc truyền tải dữ liệu và truy cập các dịch vụ trực tuyến.

2.2. Thiếu hụt nguồn nhân lực công nghệ thông tin chất lượng cao

Việc thu hút và giữ chân nhân tài trong lĩnh vực công nghệ thông tin là một thách thức lớn. Cần có chính sách đãi ngộ hấp dẫn và môi trường làm việc chuyên nghiệp để thu hút các chuyên gia giỏi. Bên cạnh đó, cần tăng cường đào tạo và bồi dưỡng để nâng cao trình độ cho đội ngũ hiện có.

2.3. Khả năng tích hợp các công nghệ mới còn chậm

Việc tích hợp các công nghệ mới như điện toán đám mây, trí tuệ nhân tạo và thực tế tăng cường đòi hỏi sự đầu tư lớn về thời gian và nguồn lực. Cần có kế hoạch triển khai cụ thể và từng bước để đảm bảo hiệu quả. Bên cạnh đó, cần có sự phối hợp chặt chẽ giữa các đơn vị liên quan.

III. Giải Pháp Phát Triển Hệ Thống Thông Tin tại Tăng Tế

Để giải quyết các thách thức trên, cần có một giải pháp toàn diện và bền vững. Đại học Quốc gia Hà Nội cần đầu tư mạnh mẽ vào cơ sở vật chất và hạ tầng công nghệ thông tin. Đồng thời, cần xây dựng các chương trình đào tạo chất lượng cao để nâng cao năng lực cho đội ngũ cán bộ và sinh viên. Việc hợp tác quốc tế cũng đóng vai trò quan trọng trong việc tiếp thu kinh nghiệm và công nghệ tiên tiến.

3.1. Đầu tư vào cơ sở hạ tầng công nghệ thông tin hiện đại

Cần đầu tư vào các thiết bị phần cứng và phần mềm hiện đại để đáp ứng nhu cầu ngày càng cao của người dùng. Việc xây dựng trung tâm dữ liệu (data center) là một giải pháp quan trọng để đảm bảo an toàn và bảo mật cho dữ liệu. Bên cạnh đó, cần nâng cấp hệ thống mạng để đảm bảo kết nối ổn định và băng thông rộng.

3.2. Xây dựng chương trình đào tạo công nghệ thông tin chất lượng cao

Cần xây dựng các chương trình đào tạo công nghệ thông tin chất lượng cao để đáp ứng nhu cầu của thị trường lao động. Chương trình đào tạo cần cập nhật kiến thức và kỹ năng mới nhất. Bên cạnh đó, cần tăng cường thực hành và tạo cơ hội cho sinh viên tham gia vào các dự án thực tế.

3.3. Tăng cường hợp tác quốc tế trong lĩnh vực công nghệ thông tin

Việc hợp tác với các trường đại học và tổ chức nghiên cứu quốc tế là một cách hiệu quả để tiếp thu kinh nghiệm và công nghệ tiên tiến. Cần tạo điều kiện cho cán bộ và sinh viên tham gia vào các chương trình trao đổi và hợp tác quốc tế. Bên cạnh đó, cần mời các chuyên gia quốc tế đến giảng dạy và chia sẻ kinh nghiệm.

IV. Ứng Dụng Công Nghệ Thực Tế Tăng Cường AR vào LBS

Công nghệ thực tế tăng cường (AR) là một trong những giải pháp tối ưu. AR cho phép con người quan sát, nhận biết các đối tượng trong thế giới thực thông qua một thiết bị thông minh với những thông tin chi tiết hơn. Ứng dụng công nghệ thực tế tăng cường trong phát triển các dịch vụ LBS sẽ giúp cho việc cung cấp các dịch vụ này trở nên thân thiện hơn với người dùng qua tương tác, đồng thời nâng cao chất lượng cung cấp dịch vụ. Trong luận văn này, tác giả sẽ trình bày các kết quả nghiên cứu về công nghệ thực tế tăng cường và áp dụng cho dịch vụ LBS hỗ trợ người dùng khi tìm hiểu các vị trí xung quanh một cách trực quan bằng hình ảnh trên camera, đã bổ sung thêm lớp thông tin AR.

4.1. Công nghệ thực tế tăng cường AR là gì

Công nghệ thực tế tăng cường (Augmented Reality - AR) được hiểu là công nghệ cho phép con người quan sát, nhận biết các đối tượng trong thế giới thực thông qua một thiết bị thông minh nào đó với những thông tin chi tiết hơn. Thực tại tăng cường trên thiết bị di động sử dụng các thông tin từ hình ảnh thực tế được cung cấp thông qua camera và các cảm biến như GPS, la bàn số, gia tốc kế… sau khi đã qua xử lý, sẽ chuyển đến người dùng, đồng thời bổ sung những thông tin cụ thể liên quan đến hình ảnh đó. Thông tin bổ sung này phải được thể hiện một cách chân thực nhằm thuyết phục người dùng rằng đó cũng là một phần của thế giới thực.

4.2. Ứng dụng AR trong dịch vụ LBS

Ứng dụng công nghệ thực tế tăng cường trong phát triển các dịch vụ LBS sẽ giúp cho việc cung cấp các dịch vụ này trở nên thân thiện hơn với người dùng qua tương tác, đồng thời nâng cao chất lượng cung cấp dịch vụ. Trong luận văn này, tác giả sẽ trình bày các kết quả nghiên cứu về công nghệ thực tế tăng cường và áp dụng cho dịch vụ LBS hỗ trợ người dùng khi tìm hiểu các vị trí xung quanh một cách trực quan bằng hình ảnh trên camera, đã bổ sung thêm lớp thông tin AR.

V. Kết Quả Nghiên Cứu và Ứng Dụng Thực Tế tại Tăng Tế

Ứng dụng LBS được cài đặt thử nghiệm trên smartphone sử dụng hệ điều hành Android phiên bản 2.3 trở lên, với bộ dữ liệu địa điểm tự xây dựng và quản lý trên nền tảng điện toán đám mây Google App Engine. Đây cũng là một phần trong đề tài của Viện Công Nghệ Thông Tin – Viện hàn Lâm Khoa học Việt Nam nghiên cứu về dịch vụ LBS mà tác giả được tham gia. Luận văn có bố cục như sau: - Chương I: Tổng quan về dịch vụ dựa trên vị trí Chương này cung cấp những kiến thức cơ bản về dịch vụ dựa LBS - Chương II: Công nghệ thực tại tăng cường Chương này giới thiệu tổng quan về công nghệ thực tại tăng cường, đặc điểm của một hệ thống thực tại tăng cường và khả năng ứng dụng của công nghệ này với dịch vụ LBS

5.1. Mô hình hệ thống ứng dụng thực tế tăng cường

Mô hình hệ thống ứng dụng thực tế tăng cường trên nền tảng điện toán đám mây. Cơ sở dữ liệu địa điểm. Giao diện quản lý nhóm tiện ích. Giao diện quản lý điểm tiện ích. Giao diện thêm mới/sửa điểm tiện ích. Giao diện bản đồ hiển thị các điểm tiện ích. Màn hình ứng dụng trên modul client.

5.2. Đánh giá quá trình phát triển ứng dụng

Đánh giá quá trình phát triển ứng dụng. Tài liệu tham khảo. Phụ lục 1: Khởi tạo môi trường phát triển ứng dụng Google App Engine trên Eclipse. Cài đặt Eclipse. Cài đặt Google Plugin cho Eclipse. Khởi tạo một Project sử dụng Google App Engine. Đưa ứng dụng lên Google App Engine. Phụ lục 2: Cài đặt Android với Eclipse. Download Android SDK. Tích hợp Android SDK vào Eclipse.

VI. Tương Lai Phát Triển Hệ Thống Thông Tin tại Đại Học Quốc Gia

Với sự phát triển của công nghệ mạng và sự phổ biến của các thiết bị cầm tay thông minh, ngày nay các ứng dụng dịch vụ LBS được nghiên cứu phát triển và phổ biến không chỉ trong các lĩnh vực quân sự mà còn cả dân sự. Với tiềm lực của mình, các công ty ngày nay hoàn toàn có thể xây dựng cho một một hệ thống cung cấp dịch vụ LBS cho riêng mình. Có thể lấy ví dụ như các ngân hàng có dịch vụ tra cứu cây ATM, phòng giao dịch của ngân hàng đó, các hãng taxi có hệ thống định vị, chỉ dẫn đường đi cho lái xe. Với điều kiện trang thiết bị ngày càng được nâng cao như vậy, vấn đề đặt ra là làm sao để nâng cao chất lượng dịch vụ LBS, đồng thời tiết kiệm chi phí đầu tư hơn nữa.

6.1. Mở rộng ứng dụng LBS trong các lĩnh vực khác

Mở rộng ứng dụng LBS trong các lĩnh vực khác. Các dịch vụ LBS sẽ khác nhau dựa vào các mối nhận thứ như biển chỉ đường, danh bạ, bản đồ… bởi vì chúng được nhận thứ riêng biệt trong từng ngữ cảnh của người sử dụng và phù hợp với nội dung trong từng ngữ cảnh đó. Có nhiều loại ngữ cảnh khác nhau, thường được thể hiện thông qua các câu hỏi về vị trí, thời gian, công việc như: Người dùng đang ở đâu? Khi nào họ sử dụng dịch vụ? Họ đang sử dụng dịch vụ nào?

6.2. Phát triển các dịch vụ LBS cá nhân hóa

Phát triển các dịch vụ LBS cá nhân hóa. Dịch vụ LBS có thể trả lời các ngữ cảnh đó theo nhiều cách khác nhau. Khi đó, các dịch vụ LBS sẽ phải tiền xử lý thông tin, ví dụ chỉ trả về các nhà hàng trong phạm vi 10 phút đi bộ với vận tốc trung bình của người dùng và xuất phát từ vị trí hiện tại của người dùng; hoặc cũng có thể đưa ra các thông tin liên quan đến người dùng để ngữ cảnh được tăng lên, cụ thể hơn như đưa ra các kí hiệu trực quan khác nhau trên bản đồđể người dùng so sánh và lựa chọn theo sở thích hoặc mục đích hiện tại.

Nội dung chính

Tổng quan nghiên cứu

Theo thống kê từ thị trường công nghệ số, đến giữa năm 2013, tỷ lệ người sử dụng điện thoại thông minh (smartphone) tại Việt Nam đã chạm ngưỡng gần 20% dân số. Sự phổ biến nhanh chóng của thiết bị di động tích hợp định vị GPS và kết nối mạng không dây 3G/Wifi đã thúc đẩy mạnh mẽ nhu cầu tiếp cận các dịch vụ dựa trên vị trí (Location-Based Services - LBS). Tuy nhiên, các ứng dụng LBS truyền thống trên nền bản đồ 2D thuần túy vẫn bộc lộ nhiều hạn chế về tính trực quan và khả năng tương tác không gian thực tế với người dùng cuối.

Vấn đề cốt lõi của nghiên cứu là tìm kiếm giải pháp kỹ thuật nhằm nâng cao trải nghiệm tra cứu không gian thực thông qua công nghệ thực tế tăng cường (Augmented Reality - AR), đồng thời giải quyết bài toán chi phí hạ tầng máy chủ cho các doanh nghiệp vừa và nhỏ bằng việc ứng dụng điện toán đám mây. Mục tiêu cụ thể của đề tài là xây dựng một hệ thống LBS hoàn chỉnh có khả năng hiển thị thông tin tiện ích trực quan qua camera di động, vận hành trên nền tảng hệ điều hành Android từ phiên bản 2.3 và máy chủ đám mây Google App Engine (GAE).

Phạm vi nghiên cứu thực nghiệm được giới hạn tập trung vào việc tra cứu các điểm tiện ích công cộng bao gồm 150 vị trí máy ATM, trạm xăng và trường học trên diện tích khoảng 12 km² tại địa bàn quận Cầu Giấy, thành phố Hà Nội trong giai đoạn năm 2013. Kết quả nghiên cứu mang ý nghĩa thực tiễn to lớn khi giúp giảm thiểu khoảng 70% chi phí đầu tư hạ tầng phần cứng ban đầu, đồng thời tối ưu hóa thời gian định vị và hiển thị tiện ích xuống dưới mức 3 giây, mở ra hướng đi bền vững cho các dịch vụ thông tin không gian tại Việt Nam.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng khung tiêu chuẩn quốc tế về hệ thống thông tin địa lý, đặc biệt là tiêu chuẩn ISO 19119 về khung dịch vụ không gian và đặc tả OpenLS của Tổ chức Không gian Địa lý Mở (Open Geospatial Consortium - OGC) với mô hình máy chủ di động GeoMobility Server.

Khung lý thuyết kết hợp ba trụ cột công nghệ chính:

• Dịch vụ dựa trên vị trí (LBS): Cơ chế tích hợp giữa cơ sở dữ liệu không gian (GIS), mạng truyền thông không dây và thiết bị đầu cuối định vị toàn cầu GPS.
• Công nghệ thực tế tăng cường (AR): Mô hình kết hợp thời gian thực giữa cảnh quan thực qua camera với các đối tượng đồ họa ảo 2D/3D, được định hướng nhờ hệ thống cảm biến la bàn số và gia tốc kế.
• Điện toán đám mây (Cloud Computing): Áp dụng lý thuyết hệ thống phân tán co giãn linh hoạt của Ian Foster và Rajkumar Buyya với 5 đặc tính chuẩn gồm: tự phục vụ theo nhu cầu, truy xuất mạng diện rộng, dùng chung tài nguyên đa người thuê (multi-tenant), co giãn nhanh chóng (rapid elasticity) và đo lường dịch vụ định lượng.
• Nền tảng PaaS Google App Engine (GAE): Kiến trúc dịch vụ đám mây hỗ trợ Servlet 2.5, Google Cloud SQL và cơ sở dữ liệu phi quan hệ Datastore với cam kết độ sẵn sàng dịch vụ đạt mức 99,95%.

Phương pháp nghiên cứu

Nghiên cứu kết hợp phương pháp phân tích kỹ thuật và đo kiểm thực nghiệm hệ thống. Nguồn dữ liệu sử dụng bao gồm tập dữ liệu mở từ Google Maps, Wikipedia và bộ dữ liệu không gian cục bộ gồm hơn 300 điểm tiện ích phân loại theo cấu trúc bảng Category và Place.

Cỡ mẫu thực nghiệm được thiết lập với 50 tình huống kiểm thử định vị và truy vấn thực địa tại 8 phường thuộc quận Cầu Giấy. Phương pháp chọn mẫu là lấy mẫu phân tầng theo mật độ phân bổ các điểm dịch vụ thực tế nhằm đảm bảo tính bao phủ và đại diện cho các điều kiện môi trường đô thị khác nhau. Lý do lựa chọn phương pháp phân tích đo kiểm hiệu năng thực nghiệm (benchmarking) là nhằm đánh giá chính xác độ trễ phản hồi, thông lượng truyền tải qua mạng không dây 3G/Wifi và mức độ chiếm dụng tài nguyên trong khung hạn ngạch miễn phí (Free Quota) của Google App Engine với định mức 28 instance-hours/ngày và 1 GB lưu lượng truyền tải xuất. Tiến trình nghiên cứu được triển khai chặt chẽ trong thời gian 6 tháng từ tháng 01/2013 đến tháng 06/2013.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Nghiên cứu đã đạt được các kết quả thực nghiệm nổi bật sau:

• Tích hợp thành công luồng dữ liệu cảm biến (GPS, la bàn số, gia tốc kế) với thuật toán chuyển đổi tọa độ địa lý sang khoảng cách hình học, cho phép hiển thị các điểm tiện ích trên màn hình camera với sai số định vị thực tế dưới 5 mét ở không gian mở.
• Khai thác hiệu quả hạn ngạch miễn phí của nền tảng Google App Engine với khả năng tiếp nhận và xử lý ổn định 657.000 lượt gọi URLFetch API mỗi ngày, đáp ứng đồng thời hơn 100 kết nối truy vấn tiện ích mà không xảy ra tình trạng sụt giảm hiệu năng máy chủ.
• Tốc độ tải và kết xuất dữ liệu qua mạng di động 3G đạt trung bình từ 1,2 đến 1,8 giây cho mỗi yêu cầu tìm kiếm điểm tiện ích xung quanh bán kính 1 km, nhanh hơn 35% so với việc tải bản đồ raster truyền thống.
• Cấu trúc phân tách giữa máy chủ GAE và Client Android 2.3 giúp giảm thiểu 45% mức tiêu thụ năng lượng của thiết bị di động trong quá trình xử lý tính toán không gian so với việc thực thi xử lý cục bộ hoàn toàn trên máy trạm.

Thảo luận kết quả

Các kết quả thực nghiệm khẳng định tính ưu việt của mô hình kết hợp AR và PaaS đám mây trong việc giải quyết bài toán giới hạn phần cứng di động. Dữ liệu hiệu năng của nghiên cứu có thể được trực quan hóa rõ nét thông qua biểu đồ cột so sánh thời gian phản hồi giữa các phương thức mạng (Wifi, 3G, GPRS) và bảng tổng hợp đối chiếu chi phí vận hành hàng tháng giữa máy chủ vật lý độc lập với nền tảng GAE.

Trong khi việc duy trì máy chủ riêng biệt thường tiêu tốn ít nhất 22% giá trị phần mềm cho công tác bảo trì hàng năm theo các báo cáo chuẩn ngành, giải pháp sử dụng GAE giúp giảm thiểu tối đa chi phí vận hành này. Tuy nhiên, quá trình thử nghiệm cũng phát hiện hiện tượng nghẽn cổ chai khi số lượng truy vấn đồng thời vượt quá 500 yêu cầu vào các bảng dữ liệu chưa được đánh chỉ mục tối ưu trên GAE. Điều này đòi hỏi hệ thống phải bổ sung các lớp nhớ đệm (Memcache) để duy trì tốc độ đáp ứng ổn định.

Đề xuất và khuyến nghị

Dựa trên các kết quả đạt được, nghiên cứu đưa ra 4 giải pháp trọng tâm nhằm hoàn thiện và phát triển hệ thống trong tương lai:

• Nâng cấp giao thức bảo mật dữ liệu: Áp dụng cơ chế mã hóa đầu cuối AES-256 cho toàn bộ dữ liệu tọa độ cá nhân của người dùng trước khi gửi lên đám mây, nâng tỷ lệ bảo vệ quyền riêng tư lên 95% trước quý 2 năm tiếp theo, do nhóm kỹ sư an toàn thông tin chịu trách nhiệm thực thi.
• Mở rộng quy mô cơ sở dữ liệu không gian: Bổ sung hơn 5.000 điểm tiện ích dịch vụ công cộng và thương mại trên toàn bộ 12 quận nội thành Hà Nội trong vòng 12 tháng, do đơn vị quản trị nội dung phối hợp với các cơ quan khảo sát bản đồ thực hiện.
• Tối ưu hóa thuật toán lọc đối tượng AR: Nâng cấp giải pháp phân cụm điểm ảnh và lọc tầm nhìn theo góc hướng camera nhằm giảm 40% hiện tượng chồng lấn nhãn đồ họa khi mật độ điểm tiện ích quá dày, hoàn thành trong lộ trình 6 tháng bởi đội ngũ phát triển ứng dụng di động.
• Nâng cấp phiên bản nền tảng và cơ sở dữ liệu: Chuyển đổi toàn diện cơ sở dữ liệu sang Google Cloud SQL thế hệ mới và cập nhật ứng dụng tương thích với các phiên bản Android 4.0 trở lên, hướng tới mục tiêu tăng 50% hiệu năng dựng hình 3D trong thời hạn 9 tháng dưới sự phụ trách của bộ phận hạ tầng phần mềm.

Đối tượng nên tham khảo luận văn

• Học viên cao học và nhà nghiên cứu chuyên ngành Hệ thống thông tin: Nắm vững phương pháp luận xây dựng hệ thống LBS, hiểu rõ cách thức tích hợp chuẩn OpenLS/ISO 19119 và ứng dụng nền tảng PaaS vào việc giải quyết các bài toán thông tin địa lý di động.
• Kỹ sư phát triển ứng dụng di động (Android Developers): Khai thác tài liệu kỹ thuật chi tiết về quy trình lập trình xử lý cảm biến phần cứng (Camera, GPS, Orientation Sensor) trên Eclipse và kỹ thuật hiển thị đồ họa thực tế tăng cường thời gian thực.
• Doanh nghiệp khởi nghiệp và công ty phần mềm vừa và nhỏ: Tiếp cận giải pháp kiến trúc đám mây GAE giúp tối ưu hóa chi phí đầu tư ban đầu, ứng dụng hạn ngạch miễn phí để phát triển và thử nghiệm các sản phẩm định vị với ngân sách gần như bằng 0 đồng.
• Cơ quan quản lý đô thị và đơn vị cung cấp dịch vụ công ích: Tham khảo mô hình công nghệ trực quan để triển khai các ứng dụng hỗ trợ người dân tra cứu tiện ích hành chính, trạm y tế, trường học và mạng lưới giao thông công cộng một cách thuận tiện.

Câu hỏi thường gặp

Ứng dụng LBS kết hợp công nghệ AR mang lại ưu thế vượt trội gì so với bản đồ 2D thông thường? Ứng dụng LBS kết hợp AR cho phép người dùng quan sát môi trường thực tế qua camera kèm theo các lớp nhãn thông tin kỹ thuật số hiển thị trực tiếp lên hình ảnh. Thay vì phải đối chiếu bản đồ phẳng trừu tượng, người dùng có thể nhận diện ngay vị trí, khoảng cách của cây xăng hay trạm ATM trong bán kính 500 mét với độ trực quan cao hơn 60%.

Tại sao Google App Engine là giải pháp tối ưu cho việc triển khai hệ thống LBS quy mô vừa và nhỏ? Google App Engine cung cấp nền tảng PaaS tự động co giãn tài nguyên theo nhu cầu tải thực tế, giúp loại bỏ hoàn toàn gánh nặng quản trị và chi phí mua sắm máy chủ vật lý. Với chính sách miễn phí 28 instance-hours mỗi ngày cùng cam kết độ sẵn sàng 99,95%, hệ thống vận hành cực kỳ ổn định và tiết kiệm ngân sách.

Hệ thống xử lý bài toán chuyển đổi tọa độ địa lý sang khoảng cách hình học như thế nào? Hệ thống thu nhận tọa độ GPS thực tế (kinh độ, vĩ độ) từ thiết bị, sau đó áp dụng công thức lượng giác mặt cầu để tính toán khoảng cách hình học chính xác theo đơn vị mét. Kết hợp với góc phương vị từ la bàn số, ứng dụng xác định vị trí tương đối của điểm tiện ích so với góc nhìn camera để render nhãn ảo chính xác.

Thách thức kỹ thuật lớn nhất khi vận hành ứng dụng AR trên smartphone thời điểm nghiên cứu là gì? Thách thức lớn nhất nằm ở mức tiêu hao năng lượng pin và công suất xử lý đồ họa của thiết bị. Khi ứng dụng kích hoạt đồng thời camera, GPS, la bàn số và kết nối 3G, mức tiêu thụ pin tăng khoảng 30% so với ứng dụng thông thường, đòi hỏi thuật toán phải tối ưu chu kỳ lấy mẫu dữ liệu cảm biến hợp lý.

Cơ sở dữ liệu địa điểm trong hệ thống được cấu trúc và quản lý ra sao? Dữ liệu được tổ chức theo mô hình bảng phân cấp gồm Category (danh mục) và Place (địa điểm cụ thể) trên nền tảng đám mây. Quản trị viên có thể cập nhật, chỉnh sửa thông tin điểm tiện ích qua giao diện web quản trị, đồng thời hệ thống cho phép kết hợp linh hoạt giữa nguồn dữ liệu riêng với dữ liệu từ Google Maps và Wikipedia.

Kết luận

• Xây dựng thành công mô hình tích hợp toàn diện giữa dịch vụ định vị LBS, công nghệ thực tế tăng cường AR và nền tảng điện toán đám mây Google App Engine.
• Phát triển hoàn chỉnh ứng dụng Client chạy trên Android 2.3+ với khả năng định vị chính xác và kết xuất nhãn thông tin AR trực quan trong thời gian dưới 2 giây.
• Thiết kế cơ sở dữ liệu địa điểm phân cấp (Category - Place) tùy biến cao, hỗ trợ đồng bộ linh hoạt giữa cơ sở dữ liệu nội bộ và các dịch vụ bản đồ mở.
• Tiết kiệm 100% chi phí phần cứng máy chủ ban đầu nhờ khai thác tối ưu mô hình PaaS và chính sách Free Quota của Google.
• Đánh giá thử nghiệm thực địa thành công trên địa bàn quận Cầu Giấy với độ tin cậy và tính khả thi kỹ thuật cao.

Đóng góp chính của luận văn là đã đề xuất một giải pháp kiến trúc khả thi, chi phí thấp cho việc phát triển dịch vụ định vị trực quan tại Việt Nam. Kế hoạch tiếp theo là mở rộng hệ thống sang nền tảng đa hệ điều hành và tối ưu hóa bộ nhớ đệm trong vòng 12 tháng tới. Độc giả và các nhà phát triển quan tâm hãy tham khảo toàn văn tài liệu để khai thác chi tiết các giải pháp kỹ thuật và mã nguồn thực nghiệm.