Tổng quan nghiên cứu

Thực trạng ùn tắc và tai nạn giao thông tại các đô thị lớn ở Việt Nam đang là bài toán nan giải, trong đó sự gia tăng phương tiện cá nhân kết hợp ý thức chấp hành và cơ sở hạ tầng nhỏ hẹp khiến các điểm nghẽn thường xuyên bùng phát. Hệ thống giám sát giao thông truyền thống sử dụng camera cố định tại các cột đèn tín hiệu ở ngã tư chỉ theo dõi được khu vực cục bộ, để lại các khoảng mù quan sát kéo dài từ 500m đến 2km giữa các nút giao. Trong khi đó, các công nghệ như vòng từ cảm ứng hay radar vi sóng có chi phí lắp đặt rất cao và dễ sai lệch khi phương tiện lấn làn trong điều kiện giao thông hỗn hợp với độ chính xác chỉ đạt khoảng 85% đến 90%.

Luận văn thạc sĩ ngành Kỹ thuật Cơ điện tử của học viên Đỗ Đức Chiến, dưới sự hướng dẫn của Phó Giáo sư Tiến sĩ Nguyễn Thành Hùng và Thạc sĩ Nguyễn Minh Quân tại Trường Đại học Bách khoa Hà Nội (hoàn thành tháng 06/2020), giải quyết triệt để hạn chế trên. Mục tiêu cốt lõi của nghiên cứu là thiết kế, chế tạo mô hình thiết bị bay bốn cánh Quadrocopter F450 tích hợp camera IP không dây HIKVISION nhằm thu thập dữ liệu hình ảnh cơ động từ trên cao. Hệ thống được trang bị thuật toán ổn định video số chống rung lắc do động cơ gây ra, kết hợp thuật toán thị giác máy tính nhận diện và đếm lưu lượng phương tiện theo thời gian thực, đồng thời truyền phát trực tuyến qua nền tảng máy chủ Node.js. Nghiên cứu mang ý nghĩa thực tiễn lớn khi giảm 100% điểm mù quan sát, tối ưu tổng trọng lượng cất cánh ở mức 1840g và duy trì thời gian bay giám sát từ 15 đến 20 phút trong phạm vi kết nối mạng nội bộ an toàn 30m đến 50m.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên bốn trụ cột lý thuyết và mô hình kỹ thuật tiên tiến:

  1. Lý thuyết động lực học và điều khiển đa cánh quạt: Sử dụng mô hình Quadrocopter bốn động cơ không chổi than đối xứng chéo kích thước 450mm, điều khiển bởi mạch trung tâm Naza tích hợp cảm biến GPS và con quay hồi chuyển để duy trì độ cao, cân bằng tư thế bay tự động.
  2. Lý thuyết thị giác máy tính và trừ nền thích nghi: Áp dụng mô hình hỗn hợp Gaussian (Gaussian Mixture Model - GMM) với phân bố xác suất K chiều để phân tách đối tượng di động ra khỏi nền động, kết hợp thuật toán Isodata để tự động cập nhật ngưỡng sai lệch điểm ảnh theo từng khung hình liên tiếp.
  3. Lý thuyết ổn định chuỗi hình ảnh số (Digital Video Stabilization): Vận dụng thuật toán luồng quang học Lucas-Kanade kim tự tháp (Pyramidal Lucas-Kanade) để theo dõi các điểm đặc trưng nổi bật, kết hợp phép biến đổi hình học Affine 6 tham số hoặc Homography 8 tham số và bộ lọc chuyển động Gaussian nhằm khử bỏ dao động tần số cao do rung chấn từ cánh quạt.
  4. Kiến trúc hệ thống mạng hướng sự kiện không đồng bộ: Ứng dụng mô hình Non-blocking I/O của Node.js, kiến trúc phân luồng Stream/Piping và giao thức mạng RTSP/HTTP trên nền Express framework để phát trực tiếp hình ảnh về máy trạm điều khiển.

Phương pháp nghiên cứu

Nghiên cứu kết hợp phương pháp tính toán thiết kế cơ điện tử, mô phỏng thuật toán trên máy tính và kiểm nghiệm thực địa.

Cỡ mẫu và dữ liệu nghiên cứu bao gồm chuỗi video chuẩn độ phân giải HD 1280x960 pixel được thu nhận trực tiếp từ camera IP HIKVISION DS-2CD2420F-W (cảm biến 1/2.8 inch CMOS, ống kính 4mm, độ nhạy sáng 0.2 Lux). Quá trình thử nghiệm được tiến hành qua 2 kịch bản: kịch bản tĩnh với 51 phương tiện trong 32 giây và kịch bản bay thực nghiệm động liên tục 37 giây (từ giây thứ 43 đến giây thứ 80).

Phương pháp chọn mẫu dựa trên lưu lượng phương tiện hỗn hợp tự nhiên tại trục đường đô thị có mật độ cao. Lý do lựa chọn bộ công cụ lập trình C++/C# trên Visual Studio 2012 tích hợp OpenCV 2.4 và MFC cùng Node.js là khả năng tối ưu hóa thời gian xử lý từng khung hình dưới 33ms (đảm bảo tốc độ 30 khung hình/giây), đáp ứng thời gian thực và không gây trễ dữ liệu. Timeline nghiên cứu được thực hiện xuyên suốt từ khóa đào tạo 2018 đến tháng 06/2020 qua 6 giai đoạn: khảo sát lý thuyết, thiết kế phần cứng, cấu hình mạng wifi, phát triển phần mềm xử lý ảnh, lập trình giao diện máy chủ và bay kiểm nghiệm thực tế.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Tối ưu hóa tải trọng và hiệu năng cất cánh của thiết bị bay: Tổng trọng lượng mô hình Quadrocopter F450 sau khi tích hợp toàn bộ linh kiện đạt chính xác 1840g (bao gồm khung KIT 300g, 4 bộ điều tốc ESC 200g, 4 động cơ A2212 200g, camera IP 400g, pin 500g, mạch Naza và GPS 50g, mạch thu RX 50g, 4 cánh quạt 40g và phụ kiện 100g). Với lực nâng tối đa của 4 động cơ A2212 đạt 3.2kg, hệ thống thừa tải trọng 1.36kg, đảm bảo bay an toàn. Việc chuyển đổi từ pin 3S 2200mAh lên 5200mAh giúp thời gian bay tăng thêm 100%, từ 10 phút lên 20 phút.
  2. Hiệu quả vượt trội của thuật toán ổn định hình ảnh: Thuật toán Lucas-Kanade kết hợp bộ lọc Gaussian bán kính ổn định r=20 khung hình đã khử thành công hơn 90% rung lắc ngẫu nhiên biên độ cao do động cơ 1000 vòng/phút/V tạo ra, mang lại video đầu ra sắc nét, không bị biến dạng hình học.
  3. Độ chính xác phát hiện và đếm phương tiện: Trong điều kiện camera tĩnh, thuật toán GMM và Isodata đếm chính xác 51/51 xe (sai số 0%). Trong điều kiện bay thực nghiệm ngoài trời tại đường Nguyễn Hoàng (gần bến xe Mỹ Đình, Hà Nội), phần mềm đếm được 109 xe so với 95 xe đếm thủ công, đạt tỷ lệ sai số 14.7%, nằm hoàn toàn trong giới hạn sai số cho phép từ 10% đến 15%.
  4. Khả năng phân loại phương tiện và truyền tải mạng: Hệ thống phân loại chính xác dựa trên diện tích đường bao (blob): xe máy/xe đạp từ 8.000 đến 20.000 pixel, ô tô trên 20.000 pixel và tự động loại bỏ nhiễu dưới 8.000 pixel. Router TP-LINK TL-WR940N chuẩn IEEE 802.11n (băng thông 450Mbps) truyền luồng video qua giao thức RTSP cổng 8081 và 3000 ổn định trong cự ly 30m đến 50m.

Thảo luận kết quả

Sai số 14.7% trong thử nghiệm bay thực tế xuất phát từ hai nguyên nhân chính: tác động của gió tự nhiên làm nghiêng góc quay camera và vận tốc di chuyển hỗn hợp của phương tiện quá cao khiến một số điểm ảnh biên bị nhòe cục bộ khi camera rung lắc. Dữ liệu thực nghiệm có thể được biểu diễn trực quan thông qua bảng tương quan giữa số lượng phương tiện thực tế và số lượng đếm tự động, kết hợp biểu đồ phân bố diện tích đường bao đối tượng để minh chứng cho khả năng lọc nhiễu chính xác.

So với phương pháp FCD (Floating Car Data) phụ thuộc hoàn toàn vào tỷ lệ cài đặt thiết bị GPS trên xe công quyền hoặc dữ liệu trạm BTS, giải pháp drone gắn camera IP chủ động 100% nguồn dữ liệu và có chi phí đầu tư thấp hơn hàng chục lần so với hệ thống cảm biến vi sóng ngầm. Độ chính xác nhận diện đạt 85.3% là bước tiến quan trọng, chứng minh tính khả thi của việc sử dụng thiết bị bay không người lái dân dụng giá rẻ cho bài toán quản lý giao thông đô thị.

Đề xuất và khuyến nghị

  1. Nâng cấp cơ cấu cơ khí và chống rung phần cứng: Nhóm nghiên cứu thuộc các trường đại học kỹ thuật cần tích hợp hệ thống Gimbal chống rung 3 trục không chổi than và chế tạo khung vỏ bảo vệ bằng sợi carbon siêu nhẹ; mục tiêu giảm thêm 40% rung lắc cơ học và tăng khả năng chịu va đập, kháng nước khi mưa gió; thời gian thực hiện từ 6 đến 12 tháng.
  2. Mở rộng bán kính truyền thông bằng công nghệ di động 4G/5G: Các đơn vị nghiên cứu và doanh nghiệp công nghệ giao thông cần thay thế router wifi cục bộ (cự ly 30-50m) bằng module truyền dữ liệu di động 4G/5G băng thông rộng; mục tiêu mở rộng tầm bay điều khiển lên 10km đến 20km và giảm độ trễ truyền hình ảnh xuống dưới 50ms; lộ trình hoàn thành trong 12 đến 18 tháng.
  3. Ứng dụng mô hình học sâu (Deep Learning): Đội ngũ lập trình thị giác máy tính cần nâng cấp thuật toán trừ nền GMM sang các kiến trúc mạng nơ-ron tích chập hiện đại như YOLOv5 hoặc YOLOv8; mục tiêu nâng độ chính xác nhận diện phương tiện lên trên 95% và hạ sai số đếm xuống dưới 5%; lộ trình triển khai trong 6 tháng.
  4. Xây dựng nền tảng điều khiển đa thiết bị bay song hành (Fleet Management): Sở Giao thông Vận tải và lực lượng Cảnh sát Giao thông cần phối hợp thử nghiệm hệ thống trạm điều khiển trung tâm kết nối đồng thời từ 5 đến 10 drone bay tự động theo lộ trình định sẵn; mục tiêu bao phủ giám sát 100% các điểm đen ùn tắc trong bán kính đô thị 50km2; thời gian triển khai từ 18 đến 24 tháng.

Đối tượng nên tham khảo luận văn

  1. Học viên cao học và sinh viên chuyên ngành Cơ điện tử, Tự động hóa: Nắm bắt phương pháp tính toán tải trọng động lực học, lựa chọn động cơ không chổi than A2212, cấu hình mạch Naza M cùng cảm biến GPS trên khung Quadrocopter F450 với tổng trọng lượng 1840g.
  2. Kỹ sư lập trình thị giác máy tính và xử lý ảnh: Khai thác quy trình tối ưu hóa thuật toán ổn định chuỗi khung hình Lucas-Kanade, mô hình biến đổi Affine/Homography và kỹ thuật trừ nền thích nghi GMM trên nền thư viện OpenCV C++.
  3. Nhà phát triển hệ thống IoT và ứng dụng web thời gian thực: Tham khảo kiến trúc thiết lập máy chủ truyền phát video trực tiếp qua luồng Stream/Piping không khóa của Node.js và Express framework lắng nghe trên cổng 8081.
  4. Cơ quan quản lý đô thị và chuyên gia giao thông thông minh (ITS): Đánh giá giải pháp kinh tế kỹ thuật sử dụng thiết bị bay không người lái để xóa bỏ điểm mù quan sát giữa các giao lộ, tiết kiệm hơn 50% chi phí lắp đặt hạ tầng camera cố định.

Câu hỏi thường gặp

  1. Thiết bị bay Quadrocopter F450 trong nghiên cứu có thời gian bay tối đa bao lâu?
    Thiết bị sử dụng khối pin dung lượng 5200mAh 11.1V (3S), cung cấp nguồn điện cho 4 động cơ A2212 1000KV và camera IP HIKVISION nặng 400g, cho phép duy trì thời gian bay liên tục từ 15 đến 20 phút, vượt trội gấp 2 lần so với dòng pin tiêu chuẩn 2200mAh chỉ đạt 10 phút.

  2. Thuật toán nào được sử dụng để khử rung lắc video từ thiết bị bay?
    Nghiên cứu ứng dụng thuật toán dòng quang học Lucas-Kanade kim tự tháp kết hợp mô hình biến đổi hình học Affine hoặc Homography và bộ lọc làm mịn Gaussian. Thuật toán này ước tính chính xác vector dịch chuyển giữa các frame 1280x960, giúp triệt tiêu hơn 90% dao động rung tần số cao do động cơ tạo ra.

  3. Sai số đếm phương tiện của hệ thống trong môi trường thực nghiệm là bao nhiêu?
    Khi bay thực nghiệm tại đường Nguyễn Hoàng (Hà Nội) trong 37 giây, hệ thống đếm được 109 xe so với 95 xe đếm thủ công bằng mắt thường, đạt tỷ lệ sai số 14.7%. Kết quả này hoàn toàn nằm trong dải sai số cho phép từ 10% đến 15% đặt ra trong mục tiêu nghiên cứu.

  4. Bằng cách nào hệ thống có thể phân loại được xe máy và ô tô?
    Hệ thống sử dụng thuật toán trừ nền GMM và Isodata để trích xuất đường bao đối tượng trên khung hình 1280x960. Các vùng có diện tích từ 8.000 đến 20.000 pixel được nhận dạng là xe máy hoặc xe đạp, vùng trên 20.000 pixel là ô tô, trong khi các vùng dưới 8.000 pixel sẽ bị lọc bỏ dưới dạng nhiễu.

  5. Dữ liệu video từ camera trên thiết bị bay được truyền về máy tính bằng giao thức gì?
    Video từ camera HIKVISION DS-2CD2420F-W được truyền không dây qua mạng nội bộ của router TP-LINK TL-WR940N chuẩn IEEE 802.11n tốc độ 450Mbps trong cự ly 30m đến 50m, sau đó máy tính xử lý bằng mã C++/OpenCV và phát trực tuyến qua nền tảng máy chủ Node.js trên cổng mạng 8081.

Kết luận

  • Chế tạo thành công hệ thống giám sát giao thông tích hợp camera IP trên mô hình Quadrocopter F450 với tổng trọng lượng tối ưu 1840g và thời gian bay đạt 20 phút.
  • Xây dựng hoàn chỉnh chuỗi thuật toán ổn định video Lucas-Kanade và đếm xe thích nghi GMM với độ chính xác đạt 85.3% trong điều kiện bay thực địa.
  • Phát triển giao diện điều khiển trực quan MFC C++ kết hợp nền tảng máy chủ truyền phát web Node.js thời gian thực qua chuẩn wifi 802.11n.
  • Đưa ra giải pháp cơ động giải quyết bài toán điểm mù quan sát giữa các nút giao thông đô thị với chi phí chế tạo thấp.
  • Xác định rõ lộ trình nâng cấp hệ thống với mạng 5G, gimbal 3 trục và mô hình học sâu trong giai đoạn 12 đến 24 tháng tới.

Luận văn thạc sĩ của tác giả Đỗ Đức Chiến là công trình học thuật mang giá trị thực tiễn cao, đóng góp nền tảng quan trọng cho lĩnh vực giao thông thông minh tại Việt Nam. Các cá nhân và đơn vị quan tâm có thể khai thác tài liệu này để phát triển các giải pháp giám sát đô thị hiện đại.