Luận văn thạc sĩ công nghệ thông tin dự đoán tuyến đường giảm thiểu tác động của ô nhiễm không khí dựa trên cơ sở dữ liệu quan trắc di động

Luận văn thạc sĩ về dự đoán tuyến đường giảm thiểu ô nhiễm không khí sử dụng dữ liệu quan trắc di động. Nghiên cứu công nghệ thông tin hữu ích.

• Tác giả: Nguyen Dang Hieu
• Người hướng dẫn: Ts. Nguyễn Thành Dương
• Trường học: Trường Đại Học Công Nghệ Thông Tin - Đại Học Quốc Gia TP.HCM
• Chuyên ngành: Công Nghệ Thông Tin
• Đề tài: Dự Đoán Tuyến Đường Giảm Thiểu Tác Động Của Ô Nhiễm Không Khí Dựa Trên Cơ Sở Dữ Liệu Quan Trắc Di Động
• Loại tài liệu: Luận Văn Thạc Sĩ
• Địa điểm: Thành phố Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TÍNH CẤP THIẾT CỦA ĐỀ TÀI
• 1.1. Giới thiệu đề tài
• 1.2. Lý do chọn đề tài
• 1.3. Thách thức
• 1.4. Mục tiêu nghiên cứu
• 1.4.1. Mục tiêu chung
• 1.4.2. Mục tiêu cụ thể
• 1.5. Đối tượng và phạm vi nghiên cứu
• 1.6. Ý nghĩa khoa học và ý nghĩa thực tiễn
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU LIÊN QUAN
• 2.1. Tổng quan cơ sở lý thuyết
• 2.2. Các nghiên cứu liên quan
• 3. CHƯƠNG 3: DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. Tập dữ liệu MNR-HCM
• 3.2. Thu thập dữ liệu
• 3.3. Phương pháp nghiên cứu
• 4. CHƯƠNG 4: DỰ ĐOÁN VÀ NỘI SUY AQI
• 4.1. Dự đoán và nội suy AQI
• 4.2. Nội suy không gian
• 4.3. Bản đồ nguy cơ AQI trực tuyến
• 5. CHƯƠNG 5: TÌM ĐƯỜNG ĐI TRÁNH Ô NHIỄM KHÔNG KHÍ
• 5.1. Bài toán tìm đường đi tránh ô nhiễm không khí
• 5.2. Nền tảng AQI-T-RM
• 5.2.1. Động lực và mục tiêu
• 5.2.2. Phương pháp
• 5.2.3. Cấu trúc nền tảng AQI-T-RM
• 5.2.4. Phát triển thuật toán tìm đường đi tránh ô nhiễm không khí
• 5.2.5. Phương pháp luận
• 5.2.6. So sánh và đánh giá
• 5.3. Phát triển ứng dụng
• 6. KẾT LUẬN VÀ KHUYẾN NGHỊ
• 6.1. Kết quả đạt được
• 6.2. Hướng phát triển tương lai
• DANH MỤC CÔNG BỐ KHOA HỌC CỦA TÁC GIẢ
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Dự Đoán Tuyến Đường Giảm Ô Nhiễm Không Khí

Ô nhiễm không khí đang là vấn đề cấp bách tại các đô thị lớn như TP.HCM. Lãnh đạo thành phố, các nhà quản lý và các nhà khoa học đang nỗ lực tìm kiếm giải pháp giảm thiểu tác động. Giao thông, đặc biệt là số lượng xe máy dày đặc, là một trong những nguyên nhân chính gây ra ô nhiễm. Kẹt xe làm tăng đột biến nồng độ khí thải cục bộ, ảnh hưởng trực tiếp đến sức khỏe người dân. Nghiên cứu này tập trung vào việc xây dựng một bản đồ trực tuyến, kết hợp với thuật toán dự đoán chỉ số ô nhiễm, để tìm kiếm tuyến đường tối ưu, giúp người dân tránh được các khu vực ô nhiễm cao. Giải pháp này hứa hẹn phân phối lại luồng giao thông, giảm kẹt xe và cải thiện chất lượng không khí.

1.1. Tại Sao Cần Dự Đoán Tuyến Đường Giảm Ô Nhiễm

Việc dự đoán và tìm kiếm tuyến đường ít ô nhiễm hơn có ý nghĩa quan trọng trong việc bảo vệ sức khỏe cộng đồng. Tiếp xúc với ô nhiễm không khí có thể gây ra nhiều vấn đề về hô hấp, tim mạch và các bệnh lý khác. Việc cung cấp thông tin về mức độ ô nhiễm trên các tuyến đường khác nhau giúp người dân chủ động lựa chọn lộ trình di chuyển, giảm thiểu rủi ro ô nhiễm và cải thiện chất lượng cuộc sống.

1.2. Dữ Liệu Quan Trắc Di Động Nguồn Dữ Liệu Quan Trọng

Dữ liệu quan trắc di động, thu thập từ các thiết bị cảm biến gắn trên phương tiện hoặc người đi bộ, cung cấp thông tin ô nhiễm chi tiết và theo thời gian thực. Dữ liệu này bổ sung cho các trạm quan trắc cố định, vốn có số lượng hạn chế và độ phủ không cao. Việc kết hợp dữ liệu quan trắc di động với các nguồn dữ liệu khác giúp xây dựng bản đồ ô nhiễm chính xác và đáng tin cậy, phục vụ cho việc dự đoán tuyến đường và đưa ra các khuyến nghị cho người dân.

II. Thách Thức Mục Tiêu Nghiên Cứu Ô Nhiễm Không Khí

Việc xây dựng một hệ thống dự đoán tuyến đường giảm thiểu ô nhiễm không khí đối mặt với nhiều thách thức. Dữ liệu ô nhiễm công khai còn hạn chế, dữ liệu giao thông từ CCTV chỉ bao phủ một số điểm. Dữ liệu quan trắc cục bộ còn thiếu, ngoại trừ dữ liệu của nhóm MNR. Luận văn này hướng đến mục tiêu thu thập, tổng hợp các nguồn thông tin, tạo lập bản đồ trực tuyến về ô nhiễm không khí chi tiết. Mục tiêu là xây dựng mô hình dự đoán trong thời gian ngắn và phát triển dịch vụ tìm kiếm tuyến đường tối ưu, tránh các vùng ô nhiễm.

2.1. Thiếu Hụt Dữ Liệu Vấn Đề Cốt Lõi Trong Nghiên Cứu

Một trong những thách thức lớn nhất là sự thiếu hụt dữ liệu ô nhiễm không khí công khai và chi tiết. Dữ liệu từ các trạm quan trắc cố định thường không đủ để phản ánh sự biến động ô nhiễm trên từng tuyến đường. Việc thu thập và xử lý dữ liệu quan trắc di động đòi hỏi nguồn lực lớn và công nghệ phù hợp. Nghiên cứu này cần vượt qua những hạn chế về dữ liệu để xây dựng một mô hình dự đoán chính xác và hữu ích.

2.2. Mục Tiêu Nghiên Cứu Dự Đoán và Tối Ưu Tuyến Đường

Mục tiêu chính của nghiên cứu là phát triển một hệ thống có khả năng dự đoán mức độ ô nhiễm không khí trên các tuyến đường khác nhau và đề xuất tuyến đường tối ưu, giúp người dân tránh được các khu vực ô nhiễm cao. Hệ thống này cần tích hợp các thuật toán dự đoán, thuật toán tìm đường và các nguồn dữ liệu khác nhau. Kết quả nghiên cứu sẽ đóng góp vào việc nâng cao nhận thức về ô nhiễm không khí và cung cấp công cụ hữu ích cho người dân trong việc bảo vệ sức khỏe.

III. Phương Pháp Nghiên Cứu Dự Đoán AQI và Tìm Đường Đi

Đề tài dựa trên hai thuật toán quan trọng: (1) dự đoán giá trị AQI (Air Quality Index) dựa trên dữ liệu ghi nhận trong thời gian dài, và (2) lên kế hoạch đường đi nhằm tránh các chướng ngại (path planning problem with obstacle avoidance). Hai vấn đề này không mới và đã có nhiều nghiên cứu liên quan. Tuy nhiên, để tích hợp lại, phù hợp với dữ liệu thu thập từ cả dữ liệu mở và của tác giả, và xây dựng nên một ứng dụng hữu ích là một vấn đề mới. Bộ cơ sở dữ liệu của nhóm MNR và các nguồn dữ liệu mở được dùng để phát triển, kiểm tra, và so sánh hiệu suất các thuật toán khác nhau.

3.1. Thuật Toán Dự Đoán AQI Nền Tảng Của Giải Pháp

Thuật toán dự đoán AQI đóng vai trò quan trọng trong việc ước tính mức độ ô nhiễm không khí trên các tuyến đường. Thuật toán này sử dụng dữ liệu quan trắc trong quá khứ và hiện tại, kết hợp với các yếu tố khác như thời tiết, lưu lượng giao thông, để dự đoán chỉ số AQI trong tương lai. Độ chính xác của thuật toán dự đoán AQI ảnh hưởng trực tiếp đến hiệu quả của hệ thống dự đoán tuyến đường.

3.2. Thuật Toán Tìm Đường Đi Tối Ưu Tuyến Đường Dựa Trên AQI

Thuật toán tìm đường đi sử dụng thông tin AQI được dự đoán để tìm kiếm tuyến đường tối ưu, giảm thiểu tiếp xúc với ô nhiễm không khí. Thuật toán này xem xét nhiều yếu tố như khoảng cách, thời gian di chuyển và mức độ ô nhiễm trên từng đoạn đường. Mục tiêu là tìm ra tuyến đường có tổng mức độ ô nhiễm thấp nhất, đồng thời đảm bảo thời gian di chuyển hợp lý.

IV. Ứng Dụng Website App Tìm Tuyến Đường Ít Ô Nhiễm

Kết quả nghiên cứu được tích hợp vào ứng dụng website và ứng dụng trên nền tảng điện thoại, cho phép người dùng nhập điểm xuất phát, điểm đến, và hiển thị kế hoạch đường đi. Ứng dụng cung cấp thông tin về mức độ ô nhiễm trên các tuyến đường khác nhau, giúp người dùng lựa chọn tuyến đường phù hợp với nhu cầu và ưu tiên của mình. Ứng dụng này hứa hẹn nâng cao nhận thức về ô nhiễm không khí và cung cấp công cụ hữu ích cho người dân trong việc bảo vệ sức khỏe.

4.1. Giao Diện Thân Thiện Dễ Dàng Sử Dụng và Tiếp Cận

Ứng dụng được thiết kế với giao diện trực quan và dễ sử dụng, giúp người dùng dễ dàng tìm kiếm tuyến đường và xem thông tin ô nhiễm. Ứng dụng cung cấp bản đồ hiển thị mức độ ô nhiễm trên các tuyến đường khác nhau, cũng như thông tin chi tiết về chỉ số AQI và các chất gây ô nhiễm. Người dùng có thể tùy chỉnh các tùy chọn tìm kiếm, như ưu tiên khoảng cách, thời gian di chuyển hoặc mức độ ô nhiễm.

4.2. Thông Tin Chi Tiết Hỗ Trợ Ra Quyết Định

Ứng dụng cung cấp thông tin chi tiết về các tuyến đường, bao gồm khoảng cách, thời gian di chuyển, mức độ ô nhiễm và các điểm đáng chú ý. Người dùng có thể so sánh các tuyến đường khác nhau và lựa chọn tuyến đường phù hợp nhất với nhu cầu của mình. Ứng dụng cũng cung cấp các khuyến nghị về việc bảo vệ sức khỏe khi di chuyển trên các tuyến đường có mức độ ô nhiễm cao.

V. Kết Quả Giảm Ô Nhiễm AQI Nhờ Tuyến Đường Tối Ưu

Kết quả thực nghiệm chỉ ra rằng phương pháp đề xuất trong luận văn giúp giảm khoảng 31.47% chỉ số AQI so với các phương pháp tìm kiếm đường đi được so sánh, tuy nhiên độ dài quãng đường cũng tăng nhẹ. Kết quả của quá trình nghiên cứu này đã được công bố tại 7 bài báo, chứng minh tính khả thi và hiệu quả của giải pháp. Nghiên cứu này đóng góp vào việc giải quyết vấn đề ô nhiễm không khí tại các đô thị lớn và cung cấp cơ sở khoa học cho việc phát triển các giải pháp tương tự.

5.1. Giảm Thiểu Ô Nhiễm Lợi Ích Rõ Rệt

Kết quả nghiên cứu cho thấy rằng việc sử dụng hệ thống dự đoán tuyến đường giúp giảm đáng kể mức độ tiếp xúc với ô nhiễm không khí. Việc lựa chọn tuyến đường tối ưu giúp giảm thiểu nguy cơ mắc các bệnh về hô hấp, tim mạch và các bệnh lý khác. Nghiên cứu này chứng minh rằng việc ứng dụng công nghệ vào việc giải quyết vấn đề ô nhiễm không khí mang lại lợi ích thiết thực cho cộng đồng.

5.2. Độ Dài Tuyến Đường Cần Cân Nhắc

Mặc dù giúp giảm thiểu ô nhiễm, hệ thống dự đoán tuyến đường có thể dẫn đến việc tăng nhẹ độ dài tuyến đường. Người dùng cần cân nhắc giữa việc giảm thiểu ô nhiễm và thời gian di chuyển khi lựa chọn tuyến đường. Các nghiên cứu trong tương lai có thể tập trung vào việc tối ưu hóa thuật toán tìm đường đi, giảm thiểu độ dài tuyến đường mà vẫn đảm bảo mức độ ô nhiễm thấp.

VI. Tương Lai Phát Triển Mở Rộng Nghiên Cứu Ô Nhiễm

Nghiên cứu này mở ra hướng phát triển cho các giải pháp dự đoán và giảm thiểu ô nhiễm không khí trong tương lai. Các nghiên cứu tiếp theo có thể tập trung vào việc thu thập dữ liệu quan trắc chi tiết hơn, phát triển các thuật toán dự đoán chính xác hơn và tích hợp các nguồn dữ liệu khác nhau. Đồng thời, cần nghiên cứu về ảnh hưởng của các yếu tố khác như chính sách giao thông, quy hoạch đô thị đến hiệu quả của các giải pháp giảm thiểu ô nhiễm.

6.1. Tích Hợp Dữ Liệu Nâng Cao Độ Chính Xác

Việc tích hợp các nguồn dữ liệu khác nhau, như dữ liệu thời tiết, dữ liệu giao thông, dữ liệu công nghiệp và dữ liệu y tế, có thể giúp nâng cao độ chính xác của các mô hình dự đoán ô nhiễm không khí. Sự kết hợp này cho phép đánh giá toàn diện hơn về các yếu tố ảnh hưởng đến ô nhiễm và đưa ra các dự báo chính xác hơn.

6.2. Mở Rộng Phạm Vi Áp Dụng Tại Các Đô Thị Khác

Nghiên cứu này có thể được mở rộng và áp dụng tại các đô thị khác, với điều kiện có dữ liệu quan trắc phù hợp. Việc điều chỉnh và tùy biến các thuật toán dự đoán và tìm đường đi có thể giúp giải quyết các vấn đề ô nhiễm không khí đặc thù tại từng địa phương. Sự hợp tác giữa các nhà khoa học, nhà quản lý và doanh nghiệp là yếu tố then chốt để triển khai các giải pháp hiệu quả trên quy mô lớn.

Nội dung chính

Tổng quan nghiên cứu

Ô nhiễm không khí tại TP. Hồ Chí Minh đang là vấn đề cấp bách với mức độ ô nhiễm ngày càng gia tăng, đặc biệt do mật độ giao thông dày đặc và tình trạng kẹt xe kéo dài. Theo ước tính, số lượng xe máy đông đảo cùng với các phương tiện giao thông khác đã làm tăng nồng độ các chất ô nhiễm như PM2.5, PM10, CO, SO2, NO2, và O3, ảnh hưởng trực tiếp đến sức khỏe cộng đồng. Mục tiêu nghiên cứu của luận văn là xây dựng một hệ thống dự đoán chỉ số chất lượng không khí (AQI) trong thời gian ngắn và phát triển thuật toán tìm đường đi tối ưu nhằm giảm thiểu tác động của ô nhiễm không khí cho người dân khi di chuyển trong thành phố. Phạm vi nghiên cứu tập trung tại một khu vực nội thành TP. Hồ Chí Minh, với dữ liệu thu thập từ bộ cảm biến di động của nhóm MNR và các nguồn dữ liệu mở của thành phố trong năm 2020. Ý nghĩa của nghiên cứu được thể hiện qua việc giảm khoảng 31.47% chỉ số AQI so với các phương pháp tìm đường truyền thống, đồng thời góp phần giảm ùn tắc giao thông và cải thiện chất lượng cuộc sống người dân.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai lý thuyết chính: (1) Dự đoán chỉ số chất lượng không khí AQI dựa trên dữ liệu quan trắc di động và dữ liệu mở, sử dụng các thuật toán học máy và nội suy không gian; (2) Bài toán lập kế hoạch đường đi tránh ô nhiễm không khí, ứng dụng thuật toán tìm đường Dijkstra được điều chỉnh trọng số dựa trên AQI và khoảng cách. Các khái niệm chuyên ngành quan trọng bao gồm AQI (Air Quality Index), thuật toán IDW (Inverse Distance Weighting) để nội suy dữ liệu không gian, thuật toán Dijkstra và A* cho bài toán tìm đường, cũng như các chỉ số ô nhiễm PM2.5, PM10, CO, SO2, NO2, O3. Nghiên cứu cũng khai thác dữ liệu crowdsourcing từ cảm biến di động cá nhân để tăng mật độ và độ chi tiết của dữ liệu ô nhiễm.

Phương pháp nghiên cứu

Nguồn dữ liệu chính là bộ dữ liệu MNR-HCM thu thập tại TP. Hồ Chí Minh trong tháng 7 năm 2020, với khoảng 17 km tuyến đường khảo sát, tuần tra ba lần mỗi ngày bởi các tình nguyện viên sử dụng xe máy, thu thập dữ liệu ô nhiễm, GPS, hình ảnh và cảm xúc người dùng. Dữ liệu mở từ các trạm cố định của thành phố được sử dụng bổ sung. Phương pháp phân tích gồm: (1) Thu thập và xử lý dữ liệu động; (2) Xây dựng thuật toán dự đoán AQI trong thời gian ngắn dựa trên thuật toán lọc theo thời gian và không gian, kết hợp nội suy IDW; (3) Phát triển thuật toán tìm đường đi tránh ô nhiễm dựa trên thuật toán Dijkstra điều chỉnh trọng số theo AQI và khoảng cách; (4) Tích hợp và phát triển ứng dụng trên nền tảng web và di động. Cỡ mẫu dữ liệu gồm hàng nghìn điểm đo với tần suất ghi nhận mỗi 2-3 giây, đảm bảo độ phủ và tính đại diện cho khu vực khảo sát. Timeline nghiên cứu kéo dài 6 tháng, từ tháng 7 đến tháng 12 năm 2020.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Thuật toán dự đoán AQI dựa trên dữ liệu MNR-HCM và dữ liệu mở đạt độ chính xác cao, với sai số Euclidean khoảng 0.2 trên thang chuẩn hóa [0,1], vượt trội so với các phương pháp truyền thống.
2. Thuật toán tìm đường đi tránh ô nhiễm (MNR-Algorithm) giúp giảm 31.47% chỉ số AQI trung bình so với thuật toán Dijkstra nguyên thủy, mặc dù quãng đường tăng nhẹ dưới 500 mét.
3. Thuật toán cập nhật tuyến đường theo thời gian thực (tìm kiếm online) cho kết quả tốt hơn so với tìm kiếm offline, thể hiện qua việc giảm AQI trung bình xuống còn 44.78 so với 65.34 của Dijkstra.
4. Ứng dụng AQI-T-RM trên nền tảng web và di động đã được phát triển, cho phép người dùng nhập điểm xuất phát và điểm đến, hiển thị bản đồ AQI trực tuyến với màu sắc biểu thị mức độ ô nhiễm, đồng thời cảnh báo khi người dùng đi vào vùng ô nhiễm cao.

Thảo luận kết quả

Kết quả cho thấy việc tích hợp dữ liệu cảm biến di động với dữ liệu mở giúp tăng mật độ và độ chi tiết của bản đồ ô nhiễm, khắc phục hạn chế của các trạm cố định thưa thớt. Thuật toán dự đoán AQI sử dụng lọc theo thời gian và không gian cùng phương pháp nội suy IDW đơn giản nhưng hiệu quả, phù hợp với điều kiện dữ liệu thực tế tại TP. Hồ Chí Minh. Việc áp dụng thuật toán tìm đường điều chỉnh trọng số theo AQI và khoảng cách giúp người dân lựa chọn tuyến đường an toàn hơn về mặt sức khỏe, đồng thời góp phần giảm ùn tắc giao thông. So sánh với các nghiên cứu quốc tế như thuật toán CAR tại Đài Loan, MNR-Algorithm cho thấy hiệu quả tương đương hoặc vượt trội dù sử dụng ít cảm biến hơn, nhờ dữ liệu di động phong phú và thuật toán cập nhật thời gian thực. Các biểu đồ so sánh AQI trung bình và quãng đường giữa các thuật toán minh họa rõ ràng hiệu quả của phương pháp đề xuất.

Đề xuất và khuyến nghị

1. Mở rộng mạng lưới cảm biến di động: Tăng số lượng cảm biến cá nhân và mở rộng phạm vi thu thập dữ liệu để nâng cao độ phủ và độ chính xác của bản đồ ô nhiễm, dự kiến thực hiện trong 12-18 tháng tới, do nhóm nghiên cứu và các tổ chức môi trường phối hợp thực hiện.
2. Cải tiến thuật toán dự đoán và tìm đường: Nghiên cứu tích hợp thêm các yếu tố môi trường như hướng gió, thời tiết, mật độ giao thông để nâng cao độ chính xác dự báo AQI và tối ưu hóa thuật toán tìm đường, hoàn thành trong 6-12 tháng tiếp theo.
3. Phát triển ứng dụng đa nền tảng và tích hợp dịch vụ: Mở rộng ứng dụng AQI-T-RM sang các nền tảng iOS, tích hợp với các ứng dụng giao thông công cộng và đặt xe như Grab, BusMap để tăng tiện ích cho người dùng, dự kiến trong 12 tháng.
4. Tăng cường hợp tác với các cơ quan quản lý và doanh nghiệp: Đề xuất phối hợp với chính quyền thành phố và các công ty công nghệ để triển khai hệ thống giám sát và cảnh báo ô nhiễm không khí, đồng thời thu thập phản hồi người dùng để hoàn thiện sản phẩm, thực hiện liên tục trong giai đoạn phát triển ứng dụng.

Đối tượng nên tham khảo luận văn

1. Nhà quản lý môi trường và đô thị: Sử dụng kết quả nghiên cứu để giám sát ô nhiễm không khí cục bộ, hỗ trợ ra quyết định chính sách giảm thiểu ô nhiễm và ùn tắc giao thông.
2. Nhà nghiên cứu và chuyên gia công nghệ thông tin: Tham khảo phương pháp thu thập dữ liệu di động, thuật toán dự đoán AQI và tìm đường, làm cơ sở phát triển các nghiên cứu tiếp theo trong lĩnh vực môi trường và giao thông thông minh.
3. Doanh nghiệp phát triển ứng dụng và công nghệ: Áp dụng mô hình và thuật toán để xây dựng các sản phẩm hỗ trợ người dùng trong việc lựa chọn tuyến đường an toàn, nâng cao trải nghiệm người dùng trong các ứng dụng bản đồ và giao thông.
4. Người dân và cộng đồng sử dụng phương tiện giao thông cá nhân: Tận dụng ứng dụng để lựa chọn tuyến đường di chuyển giảm thiểu tác động ô nhiễm, bảo vệ sức khỏe cá nhân trong điều kiện ô nhiễm không khí ngày càng nghiêm trọng.

Câu hỏi thường gặp

1. Thuật toán dự đoán AQI hoạt động như thế nào?
   Thuật toán sử dụng dữ liệu cảm biến di động và dữ liệu mở, áp dụng lọc theo thời gian và không gian kết hợp phương pháp nội suy IDW để dự đoán giá trị AQI tại các vị trí chưa có cảm biến. Ví dụ, bán kính nội suy 20 mét được chọn để tối ưu độ chính xác.

2. Làm thế nào để thuật toán tìm đường tránh ô nhiễm giảm được chỉ số AQI?
   Thuật toán điều chỉnh trọng số các đoạn đường dựa trên giá trị AQI dự đoán và khoảng cách, sử dụng thuật toán Dijkstra cập nhật theo thời gian thực để chọn tuyến đường có tổng AQI thấp nhất, giúp giảm 31.47% chỉ số AQI so với phương pháp truyền thống.

3. Ứng dụng AQI-T-RM có thể sử dụng trên thiết bị nào?
   Hiện tại ứng dụng đã có phiên bản web và ứng dụng di động trên nền tảng Android, cho phép người dùng nhập điểm đi và đến, hiển thị bản đồ AQI trực tuyến và cảnh báo khi đi vào vùng ô nhiễm cao.

4. Dữ liệu thu thập có đảm bảo độ chính xác và đại diện không?
   Dữ liệu được thu thập từ bộ cảm biến di động của nhóm MNR với tần suất ghi nhận mỗi 2-3 giây trên các tuyến đường khảo sát đa dạng cảnh quan, kết hợp dữ liệu mở từ các trạm cố định, đảm bảo độ phủ và tính đại diện cho khu vực nghiên cứu.

5. Nghiên cứu có thể áp dụng cho các thành phố khác không?
   Phương pháp và thuật toán có thể được điều chỉnh và áp dụng cho các thành phố khác có điều kiện tương tự về giao thông và ô nhiễm, tuy nhiên cần thu thập dữ liệu cảm biến phù hợp với đặc thù địa phương để đảm bảo hiệu quả.

Kết luận

• Đã xây dựng thành công hệ thống dự đoán AQI trong thời gian ngắn và thuật toán tìm đường đi tránh ô nhiễm dựa trên dữ liệu cảm biến di động và dữ liệu mở tại TP. Hồ Chí Minh.
• Thuật toán MNR-Algorithm giúp giảm 31.47% chỉ số AQI trung bình so với các phương pháp tìm đường truyền thống, đồng thời tăng nhẹ quãng đường di chuyển.
• Ứng dụng AQI-T-RM trên nền tảng web và di động đã được phát triển, hỗ trợ người dân lập kế hoạch di chuyển an toàn và nhận cảnh báo ô nhiễm thời gian thực.
• Nghiên cứu góp phần nâng cao nhận thức và cung cấp công cụ hỗ trợ giảm thiểu tác động ô nhiễm không khí, đồng thời hỗ trợ quản lý đô thị và môi trường.
• Các bước tiếp theo bao gồm mở rộng mạng lưới cảm biến, cải tiến thuật toán, phát triển ứng dụng đa nền tảng và tăng cường hợp tác với các bên liên quan để triển khai rộng rãi.

Hành động khuyến nghị: Người quan tâm có thể truy cập và trải nghiệm ứng dụng AQI-T-RM phiên bản web tại địa chỉ https://nifty-shirley-Sa6f48.app/ để góp ý và sử dụng trong cuộc sống hàng ngày.

Trích đoạn nội dung tài liệu

ĐẠI HỌC QUỐC GIA TP.HCM TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN Ox*O. NGUYEN DANG HIEU DU DOAN TUYẾN DUONG GIAM THIẾU TÁC DONG CUA Ô NHIEM KHONG KHÍ DỰA TREN CO SO DU LIEU QUAN TRAC DI DONG l LUẬN VĂN THẠC SĨ NGÀNH CÔNG NGHỆ THÔNG TIN Mã số: 8480201 ĐẠI HỌC QUỐC GIA TP.HCM TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN Ox*O. NGUYEN DANG HIEU DU DOAN TUYEN DUONG GIAM THIEU TAC DONG CUA Ô NHIEM KHÔNG KHÍ DỰA TREN CƠ SỞ DỮ LIỆU QUAN TRẮC DI ĐỘNG ._ LUẬN VĂN THẠC SĨ NGÀNH CÔNG NGHỆ THÔNG TIN Mã số: 8480201 NGƯỜI HƯỚNG DẪN KHOA HỌC: TS. NGUYÊN THÀNH DƯƠNG LỜI CAM ĐOAN Tôi xin cam đoan rằng luận văn thạc sĩ này được viết và trình bày bởi chính tôi.

Đây là kết quả nghiên cứu của tôi đưới sự hướng dẫn trực tiếp của Tiền sĩ Nguyễn Thành Dương. Mọi tham khảo trong luận văn này đều được trích dẫn rõ ràng. Đồng thời, tôi xin cam đoan rằng các kết quả thực nghiệm được trình bày trong luận văn này là trung thực. Tôi xin chịu hoàn toàn trách nhiệm về mọi sao chép không hợp lệ hoặc các vi phạm về quy chế đào tạo khác.

LỜI CẢM ƠN Tôi xin gửi lời cảm ơn chân thành nhất đến Tiến sĩ Nguyễn Thành Dương là cán bộ hướng dẫn luận văn thạc sĩ. Chúc thầy luôn dồi dào sức khỏe và thành công trong sự nghiệp nghiên cứu khoa học và giảng day. Tôi xin chân thành cảm ơn nhóm. nghiên cứu MNR-Team do Tiến sĩ Đào Minh Sơn dẫn dắt và các thành viên trong nhóm đã hỗ trợ tôi trong suốt quá trình nghiên cứu của mình.

Cuối cùng, tôi xin cam ơn các thay, cô, va cán bộ của Trường Dai học Công nghệ thông tin - Dai hoc quốc gia Thành phố Hồ Chí Minh đã truyền đạt những kiến thức và tạo điều kiện tốt nhất trong quá trình học tập của tôi tại Trường. ii TÓM TÁT Ô nhiễm không khíở TP. Hồ Chí Minh đang là vấn đề cấp bách hiện nay. Lãnh đạo thành phó, các nhà quản lý, các nhà khoa học, và các công ty công nghệ đang‹đầu tư chất xám và nhân lực cũng như hợp tác dé giải pháp cho vấn đề giảm thiểu ô nhiễm không khí.

Có thé thấy một trong các liên ¡quan giữa hoạt động trong thành phố và ô nhiễm không khí là giao thôngô nhiễm. Số lượng xe máy dày đặc dẫn tới nông độ khí thải cao (bên cạnh các tác nhân khác). Ngoài ra, khi kẹt xe, mật độ xe nd may va đứng tai chỗ rất lớn, dẫn đến độ 6 nhiễm cục bộ tăng đột biến, ảnh hưởng trực tiếp tới sức khỏe người dân. Bài toán đặt ra ở đây, là nếu có một bản đồ trực tuyến, hiển thị thông số 6 nhiễm không khí cùng với một thuật toán tiên đoán chỉ số ô nhiễm trong thời gian ngắn, và thuật toán tìm đường đi tối ưu từ A tới C tránh các tuyến có ô nhiễm cao thì sẽ giúp người dân tránh được rủi ro ô nhiễm.

Hơn thế nữa, điều này dẫn tới sự phân p! lại luồng giao thông, tránh dồn hết vào một số điểm ở giờ cao điểm, gián tiếp giảm thiểu kẹt xe trong thành phố Một trong các thách thức của bài toán là dữ liệu ô nhiễm không khí của TP. Hồ Chí Minh hiện nay chưa được công bố rộng rãi, ngoại trừ các dữ liệu của tổ chức quốc tế, hoặc công ty tư nhân. Ngoài ra dữ liệu giao thông được cung cấp từ các CCTV của thành phố chỉ bao phủ một số điểm giao thông trọng yếu. Dữ liệu quan trắc cục bộ ở TP.

Hồ chí Minh vẫn chưa có, ngoại trừ dữ liệu của nhóm MNR u. Về bản chat, dữ liệu mở và dữ liệu cá nhân là bổ trợ cho nhau. Về lý thuyết, dữ liệu mở sử dụng dữ liệu từ các trạm cố định, và số lượng trạm cố định này là rất ít (theo thực tiễn ở TP. Hồ Chí Minh).

Do vậy, nếu dữ cá nhân và dữ liệu mở được thu thập trong cùng một phạm vi bao phủ bởi trạm có định, sẽ không có mâu thuẫn xảy ra (độ sai số chấp nhận được). Vấn dé này, luận văn đã thử nghiệm tại Đà Lạt với bộ ghi nhận dữ liệu cá nhân tại vị trí gần nơi có 3 trạm có định. Trường hợp vi trí bộ ghi nhận dữ liệu cá nhân cách xa trạm cố định, thì dữ liệu mở là dữ liệu suy đoán (interpolation), độ chính xác không cao. Đó là lý do phải cần bộ ghi nhận dữ liệu cá nhân để có thé có dữ liệu chính xác ngoài phạm vi bao phủ của trạm cô định.

Trong trường hợp này, dữ liệu cá nhân được xem xét là dữ liệu chính thức, và dữ liệu mở chỉ là dữ liệu tham khảo. Ở các trường hợp ngoài phạm vi bao phủ của cả trạm cô định và trạm di động, thì két quả sẽ là một tích hợp giá trị suy đoán của cả hai nguồn dữ liệu. Do vậy, thử thách kế tiếp là khả năng thu thập, tổng hợp các nguồn thông tin có sẵn dé tạo lập bản đồ trực tuyến về ô nhiễm không khí ở mức chỉ tiết. Dữ liệu từ nguồn tổng hợp này có thể được dùng để xây dựng mô hình tiên đoán ô nhiễm không khí trong thời gian ngắn, doc theo các tuyên giao thông.

Từ đó xây dựng nên một dịch vụ tìm kiếm đường đi tối ưu tránh các vùng ô nhiễm không khí. Hiện tại, theo kiến thức của tác giả, chưa có dịch vụ nào như mô tả hoạt động ở thành phố. Đề tài dựa trên hai thuật toán quan trọng: (1) dự đoán giá trị AQI (Air Quality Index) dựa trên dữ liệu ghi nhận trong thời gian dài, và (2) lên kế hoạch đường đi nhằm tránh các chướng ngại (path planning problem with obstacle avoidance). Hai van dé này không mới và đã có nhiều nghiên cứu liên quan.

Tuy nhiên, dé tích hợp lại, phù hợp với dữ liệu thu thập từ cả dữ liệu mở và của tác giả, và xây dựng nên một ứng dụng hữu ich |: t vấn đề mới. Bộ cơ sở dữ của nhóm MNR [1,27] (dang tiếp tục thu thập thường xuyên) và các nguồn dữ liệu mở được dùng dé phát trién, kiểm tra, và so sánh hiệu suất các iii thuật toán khác nhau (bao gồm thuật toán tự thân phát triển, và các thuật toán hiện có). Hiện tại, thuật toán (1) dự đoán giá trị AQI đã được tác giả phát triên và thử nghiệm trên thách thức MediaEval 2019 [31]. Vấn đề tiếp theo là phải chỉnh sửa thuật toán cho phù hợp với dữ liệu thu thập tại TP.

Hồ Chí Minh. Thuật toán (2) sẽ được phát triển trong thời gian tới. Trong nghiên cứu này, luận văn tập trung mô tả thuật toán tiên đoán AQI (Air Quality Index) trong thời gian ngắn dựa trên dé liệu của nhóm MNR [1,27] và dit liệu mở của TP. Hồ Chí Minh.

Xây dựng thuật toán lên kế hoạch đường đi (cập nhật thời gian thực) nhằm tránh tối đa các vùng bị ô nhiễm. Sau đó, tích hợp các thuật toán và xây dựng ứng dụng website và ứng dụng trên nền tảng điện thoại cho phép người dùng nhập điểm xuất phát, điểm đến, và hiển thị kế hoạch đường đi. Kết quả thực nghiệm chỉ ra rằng phương pháp đề xuất trong luận văn giúp giảm khoảng 31.47% chỉ số AQI so với các phương pháp tìm kiếm đường đi được so sánh, tuy nhiên độ dài quãng đường cũng tăng nhẹ mặc dù trong phương pháp này cần ít cảm biến hơn. Kết quả của quá trình nghiên cứu này đã được công bố tại 7 bài báo.

Hai (02) trong số đó, học viên thực hiện luận văn là tác giả đứng tên đầu. DANH MỤC VIET T. DANH MỤC BANG BIEU DANH MỤC HÌNH ẢNH. Tính cấp thiết của dé tai 1.

Giới thiệu dé tài. Thách thức 1. Mục tiêu nghiên cứu. Mục tiêu chung 1.

Mục tiêu cụ thể 143. Đối tượng và phạm vi nghiên cứu 1. Ý nghĩa khoa học và ý nghĩa thực tiễn 1. Cơ sở lý thuyết và các nghiên cứu liên quan 1.

Tổng quan cơ sở lý thuyết 1. Các nghiên cứu liên quan trong CHƯƠNG 2. DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU. Tập dit liệu MNR-HCM 2.

Thu thập dữ liệu. Phương pháp nghiên cứu CHƯƠNG 3. DỰ ĐOÁN VÀ NỘI SUY AQI 3. Dự đoán và nội suy AQI 3.

Nội suy không gian. Bản đồ nguy cơ AQI trực tu’ CHUONG 4. TÌM DUONG ĐI TRÁNH Ô NHIEM KHÔNG KHÍ 4. Bài toán tìm đường đi tránh ô nhiễm không khí 4.

Nền tảng AQI-T-RM. Động lực và mục tiêu 4. Phương pháp 4. Cấu trúc nền tảng AQI-T-RM.

Phát triển thuật toán tìm đường đi tránh ô nhiễm không khí. Phương pháp luận. So sánh và đánh giá 4. Phát triên ứng dụng.

KET LUẬN VA KHUYEN NGHỊ 5. Kết quả đạt được 5. Hướng phát triển tương lai DANH MỤC CÔNG BO KHOA HỌC CUA TÁC GIA TÀI LIỆU THAM KHẢO DANH MỤC VIẾT TẮT AQI Air Quality Index CCTV Closed-circuit television GPS Global Positioning System IDW Inverse Distance Weight API Application Programming Interface AQI-T-RM Air pollution and Traffic Risk Map CAR Clean Air Routing Algorithm PAQI Personal Air Quality Index GPD Gross Domestic Product DANH MỤC BANG BIEU Bảng 2. Các tuyến đường đã chọn và đặc trưng cảnh quan của chúng.

Kết quả chạy thử nghiệm trên tập dữ liệu kiểm tra (MediaEval2019). Đánh giá kết quả các thực thi trên tập dữ liệu kiểm tra (MediaEval2019). Đánh giá kết quả trên tập dữ liệu MNR-HCM. So sánh AQI-T-RM với các thuật toán khác.

Bảng so sánh 3 thuật trong trong tường hợp tìm kiêm offline. Bảng so sánh 3 thuật trong trong tường hợp tìm kiếm online. ii DANH MUC HINH ANH Hình 2. Khu vực khảo sát va các trạm quan trắc lân cận.

Bộ cảm biến di động. Tuyến đường thu thập dữ liệu tại thành phố Hồ Chí Minh, Việt Nam Hình 3. Mô hình hóa dữ liệu AQI thô và dữ liệu AQI được dự đoán và nội suy. Mô tả thuật toán tìm kiếm theo thời gian tba8u Hình 3.

Mô tả thuật toán tìm kiếm theo vị trí Hình 3. Ví vụ về một trường hợp sử dụng API Hình 3. So đồ hệ thống xây dựng bản đồ AQI trực tuy: Hình 3. Ảnh chụp bản đồ nguy cơ AQI trực tuyến ở thời điểm T.

Thuật toán tng thé của AQI-T-RM. Sự tương quan về mật độ cảm biến Hình 4. Hình ảnh về giao diện chính của ứng dụng AQI-T-RM. Mô phồng dang 3D các lớp xếp chồng lên nhau theo thời gian.

Giả lập qua trình thử nghiệm các thuật toán. Giao diện ứng dụng AQI-T-RM trên thiết bị di động. Tính cấp thiết của đề tài 1. Giới thiệu đề tài Ô nhiễm không khí ở thành phố Hồ Chí Minh dang là vấn đề cấp bách hiện nay.