Giới thiệu dự án

Bối cảnh và thực trạng ngành

Theo thống kê từ Cục Đăng kiểm Việt Nam, tính đến ngày 15/03/2023, tổng số lượng ô tô lưu hành tại Việt Nam đã đạt mốc 5.243.000 phương tiện trên quy mô dân số 100 triệu dân. Tốc độ tăng trưởng sản lượng ô tô lắp ráp và nhập khẩu trong nước duy trì mức tăng liên tục từ 287.586 xe (năm 2018) lên hơn 346.000 xe (năm 2021). Sự bùng nổ phương tiện cá nhân tại các đô thị loại I như TP. Hồ Chí Minh và Hà Nội gây áp lực nặng nề lên hạ tầng giao thông tĩnh, dẫn đến tình trạng quá tải nghiêm trọng tại các điểm đỗ xe trung tâm thương mại, chung cư và bệnh viện.

Vấn đề tồn đọng (Problem Statement)

Hệ thống kiểm soát bãi đỗ xe truyền thống bộc lộ nhiều điểm nghẽn nghiêm trọng:

  • Tổn thất tài nguyên và ô nhiễm môi trường: Sử dụng vé giấy dùng một lần tạo lượng rác thải lớn, dễ rách nát khi gặp trời mưa hoặc mờ mực in nhiệt.
  • Rủi ro an ninh và gian lận: Kiểm soát thủ công bằng mắt thường không thể xác thực tức thời tính chính chủ giữa người lái, phương tiện và vé xe, dẫn đến nguy cơ tráo biển số, mất cắp xe.
  • Ùn tắc cục bộ tại cổng kiểm soát: Thời gian xử lý thủ công trung bình dao động từ 15 – 25 giây/lượt xe, gây tắc nghẽn giao thông giờ cao điểm.
  • Thiếu tính minh bạch và thông tin thời gian thực: Người điều khiển phương tiện không nắm được số lượng vị trí đỗ còn trống bên trong bãi, dẫn đến việc lãng phí nhiên liệu và thời gian tìm kiếm vị trí đỗ.

Mục tiêu đề tài

Đề tài "Thiết kế bãi gửi xe tự động" được nghiên cứu và chế tạo nhằm đạt 5 mục tiêu trọng tâm:

  1. Xây dựng phân hệ trạm kiểm soát vào/ra tự động ứng dụng thẻ từ RFID (Radio Frequency Identification) tần số 13.56 MHz.
  2. Thiết kế module thị giác máy tính tự động nhận dạng biển số xe (ANPR - Automatic Number Plate Recognition) kết hợp giữa giải thuật tách biên Canny và nhận dạng ký tự quang học OCR (Optical Character Recognition).
  3. Phát triển mạng lưới cảm biến siêu âm phát hiện chiếm chỗ tại từng vị trí đỗ theo thời gian thực (Real-time Parking Slot Monitoring).
  4. Thiết kế phần mềm quản lý máy chủ trung tâm (PC Management App) giao tiếp cơ sở dữ liệu Microsoft SQL Server để ghi nhận lịch sử và điều khiển cơ cấu chấp hành barrier (Servo SG90).
  5. Xây dựng ứng dụng di động kết nối cơ sở dữ liệu thời gian thực Firebase Realtime Database giúp người dùng theo dõi trực quan trạng thái chỗ trống từ xa.

Giải pháp kỹ thuật và tính khả thi

Hệ thống kết hợp kiến trúc phần cứng nhúng phân tán (Arduino Mega 2560 đóng vai trò bộ điều khiển Master, Arduino Uno R3 điều khiển cổng, ESP8266 làm cầu nối Wi-Fi IoT) và phần mềm máy tính hiệu năng cao viết bằng C# .NET tích hợp thư viện EmguCV. Sự kết hợp này phân tách rõ ràng giữa tác vụ điều khiển thời gian thực (Real-time control) và xử lý tính toán đồ họa nặng (Heavy image processing), đảm bảo tính khả thi cao trên nền tảng phần cứng tối ưu chi phí.

                  +--------------------------------------------------+
                  |               MÁY TÍNH TRUNG TÂM                |
                  |     (C# .NET Form + EmguCV + SQL Server)        |
                  +--------+------------------------+----------------+
                           | UART (COM Port)        | USB Direct
                           v                        v
        +----------------------------------+  +-------------+
        | ARDUINO MEGA 2560 (Master MCU)   |  | USB WEBCAM  |
        +---+----------------+---------+---+  | (Chụp ảnh)  |
            | SPI            | I2C     | UART +-------------+
            v                v         v
     +------------+     +--------+  +-------------------+
     | RFID-RC522 |     | LCD1602|  | ESP8266 Wi-Fi SoC |
     +------------+     +--------+  +---------+---------+
            |                          Wi-Fi  | (REST/Websocket)
            | GPIO                            v
+-----------+------------+          +-------------------+
| HC-SR04 & LED Báo Vị Trí|          | FIREBASE DATABASE |
+------------------------+          +---------+---------+
            | GPIO                            | Cloud Sync
            v                                 v
+------------------------+          +-------------------+
|  Servo SG90 (Barrier)  |          | ỨNG DỤNG DI ĐỘNG  |
+------------------------+          +-------------------+

Kết quả kỳ vọng và phạm vi

  • Chỉ số định lượng: Thời gian nhận diện biển số và quẹt thẻ toàn trình $< 1.2$ giây; độ chính xác nhận diện ký tự biển số $> 90%$ trong điều kiện ánh sáng chuẩn; độ trễ cập nhật trạng thái chỗ trống lên cloud $< 500\text{ ms}$.
  • Phạm vi nghiên cứu: Mô hình bãi gửi xe thông minh trong nhà (Indoor Smart Parking) quy mô 4–8 vị trí đỗ thử nghiệm, hỗ trợ biển số xe cơ giới tiêu chuẩn Việt Nam (biển vuông và biển dài).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí so sánh Giữ xe truyền thống (Vé giấy) Thẻ từ đơn thuần (Mã vạch/Barcode) Hệ thống đề xuất (RFID + Vision AI + IoT)
Thời gian check-in/out 15 – 25 giây 5 – 8 giây 1.0 – 1.5 giây
Độ chính xác xác thực Thấp (Dễ tráo vé/nhầm lẫn) Trung bình (Dễ sao chép barcode) Rất cao (Đối soát kép RFID UID & Biển số xe)
Khả năng giám sát chỗ trống Không có Thủ công bằng nhân viên Tự động hóa thời gian thực bằng cảm biến siêu âm
Đồng bộ hóa Cloud Không Cục bộ mạng LAN Có (Firebase Cloud Realtime Database)
Chi phí vận hành dài hạn Cao (Chi phí in vé, nhân công) Trung bình Thấp (Thẻ RFID tái sử dụng $> 10$ năm)

Phân tích yêu cầu hệ thống theo mô hình MoSCoW

  • Must have (Bắt buộc): Đọc định danh thẻ RFID RC522; xử lý ảnh phát hiện biển số và OCR ký tự; điều khiển đóng/mở barrier qua Servo; lưu trữ dữ liệu vào/ra trên SQL Server.
  • Should have (Nên có): Cảm biến HC-SR04 đo khoảng cách xác định xe đỗ; hiển thị số chỗ trống lên màn hình LCD 1602 qua giao tiếp I2C; đồng bộ Firebase.
  • Could have (Có thể có): Ứng dụng di động hiển thị sơ đồ vị trí đỗ trực quan; cảnh báo âm thanh/đèn LED khi xe đỗ sai vị trí.
  • Won't have (Chưa thực hiện đợt này): Thanh toán tự động qua cổng VNPAY/MoMo; nhận dạng khuôn mặt tài xế.

Thiết kế hệ thống

Technology Stack và phiên bản sử dụng

  • Embedded Hardware: Arduino Mega 2560 (ATmega2560 @ 16MHz, 256KB Flash), Arduino Uno R3, ESP8266 NodeMCU ESP-12E (Tensilica L106 @ 80MHz).
  • Sensors & Actuators: Module RFID-RC522 (13.56 MHz, SPI), Ultrasonic HC-SR04, Micro Servo SG90, LCD 1602 kèm chip mở rộng I2C PCF8574.
  • Computer Vision & Image Processing: C# .NET Framework 4.8 / Visual Studio 2022, EmguCV v4.5.3 (Wrapper của OpenCV 4.x), Tesseract OCR Engine v5.0.
  • Database & Cloud: Microsoft SQL Server 2019/2022 (Lưu trữ On-Premise quan hệ), Firebase Realtime Database (Google Cloud NoSQL JSON).

Thiết kế cơ sở dữ liệu quan hệ (SQL Server Schema)

CREATE TABLE Accounts (
    AccountID INT PRIMARY KEY IDENTITY(1,1),
    Username VARCHAR(50) UNIQUE NOT NULL,
    PasswordHash VARCHAR(256) NOT NULL,
    FullName NVARCHAR(100),
    Role VARCHAR(20) DEFAULT 'Operator'
);

CREATE TABLE RFID_Cards (
    CardUID VARCHAR(20) PRIMARY KEY,
    CardStatus VARCHAR(20) DEFAULT 'Active', -- Active, Blocked, InUse
    CreatedAt DATETIME DEFAULT GETDATE()
);

CREATE TABLE ParkingLogs (
    LogID BIGINT PRIMARY KEY IDENTITY(1,1),
    CardUID VARCHAR(20) FOREIGN KEY REFERENCES RFID_Cards(CardUID),
    PlateNumberIn VARCHAR(15) NOT NULL,
    PlateNumberOut VARCHAR(15) NULL,
    TimeIn DATETIME NOT NULL,
    TimeOut DATETIME NULL,
    ImagePathIn NVARCHAR(255),
    ImagePathOut NVARCHAR(255),
    ParkingStatus VARCHAR(20) -- Inside, Completed, Flagged
);

Thiết kế giao thức truyền thông liên vi điều khiển

  • SPI (Serial Peripheral Interface): Giao tiếp giữa Master (Arduino Mega) và Module RC522 với tốc độ truyền xung clock (SCK) lên đến 10 Mbps (Chân SCK: 52, MISO: 50, MOSI: 51, SS/SDA: 53).
  • I2C (Inter-Integrated Circuit): Kết nối màn hình LCD 1602 qua chip PCF8574 với 2 đường tín hiệu SDA (chân 20) và SCL (chân 21), địa chỉ cố định 0x27.
  • UART (Universal Asynchronous Receiver/Transmitter):
    • Serial0 (USB): Giao tiếp giữa Arduino Mega và C# Windows Form Application (Baudrate: 9600 bps).
    • Serial1 (Chân TX1 18, RX1 19): Giao tiếp giữa Arduino Mega và ESP8266 Wi-Fi Module (Baudrate: 115200 bps).

Phương pháp nghiên cứu và quản lý dự án

  • Mô hình phát triển: Áp dụng mô hình Agile/Iterative cải tiến qua 4 vòng lặp chính: Thiết kế phần cứng $\rightarrow$ Xây dựng pipeline thị giác máy tính $\rightarrow$ Lập trình điều khiển tích hợp $\rightarrow$ Đồng bộ hóa IoT Cloud và UAT.
  • Quản lý rủi ro (Risk Mitigation):
Rủi ro kỹ thuật Mức độ Biện pháp giảm thiểu
Trôi cảm biến siêu âm do nhiệt độ Trung bình Thiết lập ngưỡng khoảng cách động (Dynamic threshold $\le 10\text{ cm}$)
Nhiễu tín hiệu quang học do ánh sáng chói Cao Sử dụng kỹ thuật cân bằng độ sáng tự động Histogram Equalization
Mất kết nối Internet/Firebase Thấp Lưu trữ đệm (buffer) cục bộ trên SQL Server, tự động sync khi có mạng

Implementation và kết quả

Quy trình phát triển và thuật toán cốt lõi

Thuật toán phân đoạn và phát hiện vị trí biển số (License Plate Localization)

Hệ thống sử dụng đường ống xử lý ảnh (Image Processing Pipeline) tuần tự thông qua EmguCV:

  1. Chuyển đổi không gian màu: Chuyển ảnh RGB đầu vào độ phân giải $1280 \times 720$ sang ảnh Grayscale 8-bit nhằm giảm tải kích thước dữ liệu từ 3 kênh xuống 1 kênh: $$I_{gray}(x, y) = 0.299R + 0.587G + 0.114B$$
  2. Khử nhiễu: Áp dụng bộ lọc Gauss (Gaussian Filter) kích thước kernel $5 \times 5$, độ lệch chuẩn $\sigma = 1.4$: $$G(x, y) = \frac{1}{2\pi\sigma^2} e^{-\frac{x^2+y^2}{2\sigma^2}}$$
  3. Phát hiện biên Canny (Canny Edge Detection):
    • Tính toán Gradient cường độ sáng theo hướng $X$ và $Y$ sử dụng ma trận Sobel $3 \times 3$: $$G_x = \begin{bmatrix} -1 & 0 & 1 \ -2 & 0 & 2 \ -1 & 0 & 1 \end{bmatrix} * I_{gray}, \quad G_y = \begin{bmatrix} -1 & -2 & -1 \ 0 & 0 & 0 \ 1 & 2 & 1 \end{bmatrix} * I_{gray}$$
    • Biên độ và hướng Gradient: $$|G| = \sqrt{G_x^2 + G_y^2}, \quad \theta = \arctan\left(\frac{G_y}{G_x}\right)$$
    • Áp dụng triệt tiêu không cực đại (Non-Maximum Suppression) và lọc ngưỡng kép Hysteresis (Ngưỡng cao $T_{high} = 200$, Ngưỡng thấp $T_{low} = 100$).
  4. Tìm Contour và lọc tỷ lệ khung bao: Trích xuất các đường bao liên tục, lọc theo diện tích ($Area > 1500\text{ px}$) và tỷ lệ co giãn khung hình chữ nhật ($Aspect\ Ratio = \frac{Width}{Height} \approx [1.2 - 4.5]$).

Code Snippet: Trích xuất biển số và nhận dạng ký tự OCR trên C# .NET

// Trích xuất vùng biển số xe và gọi OCR nhận diện ký tự
public string RecognizeLicensePlate(Bitmap inputBitmap)
{
    using (Image<Bgr, byte> srcImage = inputBitmap.ToImage<Bgr, byte>())
    {
        // 1. Chuyển sang Grayscale & Khử nhiễu Gaussian
        using (Image<Gray, byte> grayImage = srcImage.Convert<Gray, byte>())
        using (Image<Gray, byte> blurredImage = grayImage.SmoothGaussian(5))
        {
            // 2. Tách biên Canny Edge Detector
            using (Image<Gray, byte> cannyEdges = blurredImage.Canny(100, 200))
            {
                // 3. Tìm kiếm Contour ứng viên
                using (VectorOfVectorOfPoint contours = new VectorOfVectorOfPoint())
                {
                    Mat hierarchy = new Mat();
                    CvInvoke.FindContours(cannyEdges, contours, hierarchy, 
                        RetrType.Tree, ChainApproxMethod.ChainApproxSimple);

                    for (int i = 0; i < contours.Size; i++)
                    {
                        using (VectorOfPoint contour = contours[i])
                        {
                            Rectangle rect = CvInvoke.BoundingRectangle(contour);
                            double aspectRatio = (double)rect.Width / rect.Height;

                            // Lọc hình dạng chữ nhật của biển số chuẩn
                            if (aspectRatio >= 1.2 && aspectRatio <= 4.8 && rect.Width > 80 && rect.Height > 25)
                            {
                                grayImage.ROI = rect;
                                Image<Gray, byte> plateRoi = grayImage.Copy();
                                grayImage.ROI = Rectangle.Empty; // Reset ROI

                                // 4. Nhị phân hóa Otsu Thresholding cho vùng ROI
                                Image<Gray, byte> binRoi = plateRoi.ThresholdBinary(
                                    new Gray(120), new Gray(255));

                                // 5. Tesseract OCR Engine thực thi nhận diện ký tự
                                using (var ocrEngine = new TesseractEngine(@"./tessdata", "eng", EngineMode.Default))
                                {
                                    ocrEngine.SetVariable("tessedit_char_whitelist", "0123456789ABCDEFGHKLMNPSTUVXYZ-.");
                                    using (var page = ocrEngine.Process(binRoi.ToBitmap()))
                                    {
                                        string recognizedText = page.GetText().Trim().Replace(" ", "").Replace("\n", "");
                                        if (recognizedText.Length >= 7)
                                        {
                                            return recognizedText; // Trả về kết quả biển số chuẩn
                                        }
                                    }
                                }
                            }
                        }
                    }
                }
            }
        }
    }
    return "UNKNOWN";
}

Thuật toán đo khoảng cách bằng sóng siêu âm HC-SR04

Cảm biến phát sóng siêu âm tần số $40\text{ kHz}$ qua chân Trigger trong khoảng thời gian $10\ \mu\text{s}$. Khi sóng dội lại từ xe cản, chân Echo duy trì mức điện áp cao ($5\text{V}$) tương ứng với thời gian truyền $t$. Khoảng cách được tính theo công thức: $$d = \frac{v \times t}{2} = \frac{34300\text{ cm/s} \times t}{2} = \frac{t}{58.2}\ (\text{cm})$$ Nếu $d \le 10\text{ cm}$, vi điều khiển xác định vị trí đã bị chiếm dụng (Occupied), bật LED đỏ cảnh báo và gửi tín hiệu UART sang ESP8266 để sync Firebase.

// Thuật toán quét cảm biến siêu âm trên Arduino Mega 2560
const int TRIG_PIN = 7;
const int ECHO_PIN = 6;
const int RED_LED = 8;
const int GREEN_LED = 9;

bool checkParkingSlot() {
    digitalWrite(TRIG_PIN, LOW);
    delayMicroseconds(2);
    digitalWrite(TRIG_PIN, HIGH);
    delayMicroseconds(10);
    digitalWrite(TRIG_PIN, LOW);
    
    long duration = pulseIn(ECHO_PIN, HIGH, 30000); // Timeout 30ms (~500cm)
    if (duration == 0) return false; // Không có phản hồi
    
    float distance = (duration * 0.0343) / 2.0;
    
    if (distance > 0 && distance <= 10.0) { // Có xe đỗ trong khoảng <= 10cm
        digitalWrite(RED_LED, HIGH);
        digitalWrite(GREEN_LED, LOW);
        return true; // Slot Occupied
    } else {
        digitalWrite(RED_LED, LOW);
        digitalWrite(GREEN_LED, HIGH);
        return false; // Slot Free
    }
}

Kiểm thử và đánh giá thực nghiệm (Testing & Validation)

Hệ thống đã trải qua 300 lượt kiểm thử thực nghiệm trên mô hình thực tế với các điều kiện môi trường khác nhau:

Kịch bản kiểm thử Số mẫu thử Tỷ lệ nhận diện đúng Thời gian xử lý TB Kết quả ghi nhận
Thẻ RFID hợp lệ (Đầy đủ ánh sáng) 100 100% 180 ms Barrier mở tức thì, đúng mã UID
Nhận diện biển số (Ánh sáng ban ngày) 100 95.0% 850 ms Tách ký tự chuẩn xác
Nhận diện biển số (Góc nghiêng $> 25^\circ$) 50 82.0% 1.050 ms Lỗi nhận nhầm chữ cái 'D' thành '0'
Nhận diện biển số (Thiếu sáng/Ngược sáng) 50 78.0% 1.120 ms Cần bổ sung đèn LED trợ sáng
Đo khoảng cách cảm biến siêu âm 100 98.0% 45 ms Báo chính xác tình trạng chiếm chỗ 
                       BENCHMARK ĐỘ TRỄ XỬ LÝ (ms)
  +--------------------+-------------------------------------------+
  | Quét thẻ RFID      | [###] 180ms                               |
  | Xử lý ảnh & OCR    | [#############] 850ms                     |
  | Giao tiếp SQL Local| [##] 65ms                                 |
  | Đóng/Mở Barrier    | [#####] 300ms                             |
  | Firebase Cloud Sync| [###] 150ms                               |
  +--------------------+-------------------------------------------+
  | TỔNG THỜI GIAN     | 1.545 giây (Vượt trội so với thủ công 15s)|
  +--------------------+-------------------------------------------+

Kết quả đạt được

  1. Phần cứng hoàn thiện: Chế tạo thành công board mạch in phân phối nguồn, kết nối ổn định hệ thống 4 trạm cảm biến siêu âm, 2 cổng barrier Servo SG90, 2 đầu đọc RFID RC522 và màn hình LCD hiển thị trạng thái động.
  2. Phần mềm quản trị C# .NET: Xây dựng đầy đủ phân hệ đăng nhập phân quyền (Admin/Staff), quản lý danh sách thẻ, hiển thị song song hình ảnh camera vào/ra và đối soát dữ liệu biển số tự động.
  3. Ứng dụng di động & Cloud IoT: Tích hợp thành công giao tiếp REST API/Websocket giữa ESP8266 và Firebase Realtime Database, hiển thị sơ đồ vị trí đỗ xanh/đỏ thời gian thực với độ trễ phản hồi $< 200\text{ ms}$.

Đổi mới và đóng góp

Các điểm cải tiến kỹ thuật nổi bật

  • Cơ chế xác thực an ninh hai lớp (Dual-factor Authentication): Khác biệt hoàn toàn so với các bãi xe chỉ dùng thẻ từ hoặc camera độc lập, hệ thống yêu cầu sự trùng khớp đồng thời giữa mã UID thẻ RFID và chuỗi ký tự biển số xe được OCR trích xuất lúc vào/ra. Nếu mã thẻ hợp lệ nhưng biển số xe ra khác với biển số xe vào, hệ thống tự động khóa barrier và kích hoạt còi báo động.
  • Tối ưu hóa pipeline xử lý ảnh: Thay vì áp dụng toàn bộ mạng học sâu (Deep Learning) đòi hỏi GPU chuyên dụng đắt tiền, việc kết hợp bộ lọc Gauss + Tách biên Canny + Otsu Thresholding giúp phần mềm đạt tốc độ xử lý $850\text{ ms}$ trên các dòng máy tính CPU Core i3/i5 tiêu chuẩn văn phòng, giảm chi phí đầu tư phần cứng tới $70%$.
  • Kiến trúc dữ liệu lai (Hybrid Database Architecture): Kết hợp lưu trữ giao dịch cục bộ tốc độ cao trên SQL Server (bảo đảm an toàn dữ liệu, hoạt động ổn định khi đứt cáp quang) và đồng bộ trạng thái nhẹ (JSON State) lên Firebase Cloud cho ứng dụng di động.

Hiệu quả tối ưu hóa so với hệ thống cũ

  HIỆU SUẤT XỬ LÝ CHECK-IN (LƯỢT XE/GIỜ)
  Truyền thống : [======] 150 xe/giờ
  Đề tài       : [====================================] 850 xe/giờ (+466%)

  CHI PHÍ VẬT TƯ TIÊU HAO (VÉ XE/THÁNG)
  Truyền thống : [==============================] 10.000.000 VNĐ (Giấy in)
  Đề tài       : [] 0 VNĐ (Thẻ RFID tái sử dụng hoàn toàn)

Ứng dụng thực tế và triển khai

Kịch bản vận hành thực tế

  1. Quy trình xe vào bãi (Entry Gate):
    • Xe tiến vào khu vực cổng, cảm biến quang phát hiện xe $\rightarrow$ Kích hoạt camera chụp ảnh phía trước.
    • Tài xế quẹt thẻ RFID vào đầu đọc $\rightarrow$ Arduino gửi mã UID lên phần mềm máy tính qua cổng COM.
    • C# App cắt vùng biển số, gọi hàm RecognizeLicensePlate(), lưu thông tin (UID, Biển số, Thời gian, Đường dẫn ảnh) vào bảng ParkingLogs trên SQL Server.
    • Barrier mở góc $90^\circ$, màn hình LCD hiển thị: "XIN CHAO! CON [X] CHO". Xe di chuyển qua, barrier tự động đóng lại.
  2. Điều hướng vị trí đỗ: Người lái quan sát bảng LED hoặc ứng dụng di động để di chuyển vào vị trí có đèn xanh. Cảm biến HC-SR04 nhận diện xe $\rightarrow$ Chuyển LED đỏ $\rightarrow$ Cập nhật Firebase.
  3. Quy trình xe ra bãi (Exit Gate):
    • Tài xế quẹt thẻ tại cổng ra $\rightarrow$ Camera chụp biển số xe hiện tại.
    • Phần mềm truy vấn CardUID trong CSDL, so khớp biển số lúc vào và lúc ra.
    • Trường hợp khớp: Tính cước phí, mở barrier, cập nhật trạng thái Completed.
    • Trường hợp sai lệch: Khóa barrier, cảnh báo đỏ trên giao diện quản trị viên.

Phân tích hiệu quả kinh tế (Cost-Benefit Analysis)

ƯỚC TÍNH CHI PHÍ ĐẦU TƯ MÔ HÌNH THỬ NGHIỆM & THỰC TẾ:
+------------------------------------+----------------+----------------+
| Hạng mục thiết bị / Dịch vụ        | Mô hình mẫu    | Triển khai thật|
+------------------------------------+----------------+----------------+
| Bộ xử lý (PC/Server / MCU)         | 2.500.000 VNĐ  | 15.000.000 VNĐ |
| Camera chuyên dụng IP/USB HD       |   500.000 VNĐ  |  4.500.000 VNĐ |
| Cảm biến, Barrier, Phụ kiện nhúng  | 1.200.000 VNĐ  | 12.000.000 VNĐ |
| Thẻ RFID & Đầu đọc công nghiệp     |   300.000 VNĐ  |  3.000.000 VNĐ |
| Chi phí lắp đặt, thi công mạng     |   500.000 VNĐ  |  5.000.000 VNĐ |
+------------------------------------+----------------+----------------+
| TỔNG CHI PHÍ                       | 5.000.000 VNĐ  | 39.500.000 VNĐ |
+------------------------------------+----------------+----------------+
* Thời gian hoàn vốn dự kiến (ROI): 6 - 8 tháng dựa trên việc cắt giảm 1 nhân sự trực cổng và loại bỏ 100% chi phí mua phôi vé giấy/mực in.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

  • Phụ thuộc điều kiện môi trường: Thuật toán tách biên Canny và OCR truyền thống nhạy cảm với sự thay đổi đột ngột của cường độ ánh sáng, sương mù, hoặc biển số xe bị bùn đất che khuất một phần.
  • Giới hạn phần cứng mô hình: Vi điều khiển 8-bit ATmega2560 có bộ nhớ SRAM hạn chế ($8\text{ KB}$), chỉ phù hợp kết nối tối đa 8–12 cảm biến siêu âm nối trực tiếp nếu không sử dụng thêm IC mở rộng (như 74HC595 hoặc MCP23017).
  • Phạm vi đọc RFID: Module RC522 sử dụng tần số $13.56\text{ MHz}$ chỉ đọc được ở khoảng cách ngắn $3 - 8\text{ cm}$, tài xế bắt buộc phải dừng hẳn xe và hạ kính để quẹt thẻ.

Hướng phát triển và mở rộng

  1. Nâng cấp giải thuật AI: Ứng dụng mạng nơ-ron tích chập (Convolutional Neural Network - CNN) với mô hình YOLOv8-tiny để phát hiện biển số và CRNN (Convolutional Recurrent Neural Network) để nhận dạng ký tự, tăng độ chính xác lên $> 98%$ trong mọi điều kiện thời tiết.
  2. Nâng cấp công nghệ RFID chủ động (UHF RFID): Sử dụng dải tần số cực cao $860 - 960\text{ MHz}$ (UHF) cho phép quét thẻ tầm xa từ $3 - 10\text{ m}$ (Tương tự hệ thống thu phí không dừng ETC), loại bỏ hoàn toàn thao tác dừng xe quẹt thẻ.
  3. Tích hợp cổng thanh toán trực tuyến: Kết nối API thanh toán động qua mã VietQR/MoMo, tự động tính tiền theo block giờ và xuất hóa đơn điện tử cho tài xế.

Đối tượng hưởng lợi

  • Sinh viên & Học viên ngành Kỹ thuật Máy tính / Điện tử / CNTT: Là tài liệu tham khảo toàn diện về cách thức kết nối phần cứng nhúng (Arduino, ESP8266) với phần mềm máy tính (C# .NET) và thuật toán thị giác máy tính OpenCV/EmguCV.
  • Kỹ sư & Lập trình viên IoT: Cung cấp pattern mẫu về kiến trúc giao tiếp phân tán đa giao thức (SPI, I2C, UART) và giải pháp đồng bộ dữ liệu lai giữa SQL Server và NoSQL Firebase.
  • Chủ đầu tư & Doanh nghiệp quản lý tòa nhà: Cung cấp báo cáo nghiên cứu khả thi, giải pháp công nghệ tự động hóa bãi đỗ với chi phí tối ưu, giúp tăng $400%$ hiệu suất vận hành và giảm thiểu thất thoát doanh thu.
  • Nhà nghiên cứu khoa học: Cung cấp số liệu thực nghiệm benchmark chi tiết về độ trễ và độ chính xác của các thuật toán xử lý ảnh cổ điển trong môi trường thực tế.

Câu hỏi thường gặp

1. Yêu cầu cấu hình phần cứng tối thiểu để triển khai phần mềm quản lý là gì?

Phần mềm quản lý C# .NET và EmguCV yêu cầu máy tính chạy hệ điều hành Windows 10/11 (64-bit), CPU Intel Core i3 thế hệ 8 trở lên (hoặc tương đương), tối thiểu 4GB RAM và có ít nhất 2 cổng USB 2.0/3.0 (1 cổng cắm Webcam HD 720p, 1 cổng kết nối cáp Serial UART tới mạch Arduino).

2. Hệ thống xử lý thế nào khi xảy ra sự cố mất điện đột ngột hoặc mất kết nối Internet?

  • Mất điện: Cơ cấu chấp hành Servo/Barrier tích hợp khóa cơ học cho phép nhân viên mở thủ công bằng tay. Hệ thống máy trạm có thể duy trì hoạt động thêm 30–45 phút nếu trang bị bộ lưu điện UPS.
  • Mất Internet: Hệ thống quản lý và cơ sở dữ liệu SQL Server đặt tại máy tính cục bộ (Local Host), do đó việc quẹt thẻ, nhận diện biển số và đóng/mở barrier vẫn diễn ra bình thường. Dữ liệu Firebase chỉ phục vụ xem từ xa trên app sẽ tự động đồng bộ bù ngay khi có kết nối mạng trở lại.

3. Có thể mở rộng số lượng vị trí đỗ lên hàng trăm xe không?

Hoàn toàn khả thi. Để mở rộng quy mô, hệ thống sẽ thay thế việc cắm trực tiếp cảm biến vào Arduino bằng kiến trúc mạng công nghiệp RS-485 (giao thức Modbus RTU) hoặc mạng cảm biến không dây Zigbee/ESP-NOW. Mỗi cụm 8–16 vị trí đỗ sẽ do một vi điều khiển Node phụ trách và truyền dữ liệu chuỗi về bộ điều khiển trung tâm.

4. Thẻ từ RFID RC522 có thể bị sao chép hoặc giả mạo không?

Mỗi thẻ RFID Mifare 1K có một mã số định danh duy nhất (UID) 4-byte hoặc 7-byte được nhà sản xuất ghi cố định trên sector 0. Đồng thời, hệ thống áp dụng cơ chế xác thực kép (Dual Verification) đối chiếu UID với biển số xe thực tế được chụp qua camera. Do đó, việc sao chép thẻ đơn thuần không thể giúp phương tiện vượt qua cổng kiểm soát an ninh.

5. Chi phí bảo trì định kỳ của hệ thống bao gồm những gì?

Chi phí bảo trì rất thấp, chủ yếu bao gồm: kiểm tra độ nhạy cảm biến siêu âm định kỳ (vệ sinh bụi bẩn bám trên màng loa phát), kiểm tra góc quay của động cơ barrier, sao lưu định kỳ file log CSDL SQL Server và thay thế thẻ từ hỏng vật lý (nếu có).

Kết luận

Đồ án "Thiết kế bãi gửi xe tự động" của nhóm sinh viên Phạm Lê Bình và Trần Mạnh Cường, dưới sự hướng dẫn của ThS. Huỳnh Hoàng Hà (Trường ĐH Sư phạm Kỹ thuật TP.HCM), đã giải quyết triệt để các vấn đề nhức nhối của mô hình giữ xe truyền thống. Bằng việc làm chủ và tích hợp nhuần nhuyễn các công nghệ then chốt gồm RFID 13.56 MHz, thị giác máy tính EmguCV/OCR, mạng cảm biến siêu âm và nền tảng IoT Firebase, hệ thống chứng minh được tính khả thi kỹ thuật vượt trội với thời gian xử lý chỉ $1.5\text{ giây/lượt}$, độ chính xác đạt trên $90%$ và khả năng vận hành bền bỉ.

Công trình không chỉ mang giá trị học thuật xuất sắc đối với chuyên ngành Công nghệ Kỹ thuật Máy tính mà còn sở hữu tiềm năng thương mại hóa cao, mở ra hướng ứng dụng rộng rãi tại các đô thị thông minh trong kỷ nguyên chuyển đổi số.