Bối cảnh và vấn đề nghiên cứu

Lý do chọn đề tài và bối cảnh thực tiễn

Quá trình đô thị hóa nhanh chóng cùng sự gia tăng mật độ phương tiện giao thông cá nhân tại các đô thị lớn tạo ra áp lực nặng nề lên hạ tầng giao thông tĩnh. Nhu cầu xây dựng và vận hành các bãi đỗ xe nhằm giải quyết tình trạng ùn tắc ven đường trở nên cấp thiết. Tuy nhiên, công tác quản lý bãi giữ xe truyền thống còn phụ thuộc nhiều vào nhân công, khiến người điều khiển phương tiện mất nhiều thời gian tìm kiếm vị trí trống hoặc di chuyển qua các tầng bãi đỗ.

Các hệ thống quản lý bãi đỗ xe thông minh hiện hữu bộc lộ hai nhóm nhược điểm chính:

  • Hệ thống cảm biến kết hợp thẻ RFID: Các cảm biến gắn tại từng vị trí đỗ không thể phân biệt chính xác giữa phương tiện cơ giới với người hoặc vật thể khác, dẫn đến sai số quản lý. Đồng thời, chi phí đầu tư mở rộng tăng tuyến tính theo số lượng ô đỗ do số lượng cảm biến tỷ lệ thuận với số ô đỗ.
  • Hệ thống ứng dụng trí tuệ nhân tạo trên nền tảng điện toán đám mây (Cloud Computing): Việc truyền tải toàn bộ luồng dữ liệu hình ảnh độ phân giải cao từ camera về máy chủ đám mây gây độ trễ đường truyền lớn, tiêu tốn băng thông và tiềm ẩn rủi ro về an toàn thông tin, bảo mật hình ảnh cá nhân.

Khóa luận đề xuất giải pháp xây dựng hệ thống bãi đỗ xe bán tự động kết hợp Trí tuệ nhân tạo (AI), Điện toán biên (Edge Computing), máy chủ backend và ứng dụng di động để nhận dạng biển số xe thời gian thực ngay tại trạm kiểm soát, định vị ô đỗ qua GPS và tự động hóa quy trình thanh toán.

Mục tiêu và nhiệm vụ nghiên cứu

Mục tiêu chung của đề tài là xây dựng hệ thống camera thông minh để quản lý phương tiện trong bãi giữ xe. Các mục tiêu cụ thể gồm:

  1. Tìm hiểu và áp dụng các mô hình học sâu về nhận dạng đối tượng (Object Detection) và nhận dạng ký tự quang học (OCR) để xây dựng ứng dụng nhận diện, trích xuất biển số xe từ hình ảnh camera.
  2. Triển khai ứng dụng nhận diện trên máy tính nhúng NVIDIA Jetson Nano kết hợp USB Camera nhằm thực hiện đọc biển số xe trong thời gian thực.
  3. Sử dụng môi trường thực thi Node.js và hệ quản trị cơ sở dữ liệu MongoDB để xây dựng hệ thống máy chủ Backend và cơ sở dữ liệu quản lý thông tin phương tiện.
  4. Phát triển ứng dụng di động kết nối với máy chủ Backend để cung cấp giao diện hiển thị trạng thái bãi đỗ, hỗ trợ người dùng định vị ô đỗ xe thông qua GPS và thực hiện thanh toán trực tuyến qua ví điện tử/thẻ ngân hàng.

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Các thuật toán học sâu nhận diện đối tượng và nhận dạng ký tự quang học; thiết bị máy tính nhúng Jetson Nano, USB Camera; các ngôn ngữ và công nghệ lập trình Java, Node.js, Python, MongoDB, Google Cloud Platform (GCP).
  • Phạm vi nghiên cứu: Mô hình bãi giữ xe ô tô quy mô khoảng 100 xe, áp dụng thử nghiệm trong môi trường khuôn viên trường học và khu dân cư.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết và công nghệ sử dụng

Đề tài tích hợp các nền tảng công nghệ và lý thuyết chuyên ngành Mạng máy tính và Truyền thông:

Thành phần Công nghệ / Nền tảng Vai trò trong hệ thống
Điện toán biên (Edge Computing) NVIDIA Jetson Nano Xử lý dữ liệu hình ảnh cục bộ tại trạm giám sát, giảm tải cho máy chủ trung tâm và bảo mật dữ liệu hình ảnh.
Nhận diện đối tượng (Object Detection) YOLO (cụ thể là YOLOv5) Phát hiện và định vị vùng chứa biển số xe trong khung hình với tốc độ khung hình (FPS) tối ưu.
Nhận dạng ký tự quang học (OCR) OpenALPR Thư viện C tích hợp mô hình OCR chuyên dụng để nhận dạng và trích xuất chuỗi ký tự biển số xe.
Máy chủ Backend Node.js (REST API framework) Xử lý các yêu cầu bất đồng bộ (Event-Driven), tiếp nhận chuỗi ký tự biển số từ Jetson Nano và điều phối nghiệp vụ.
Cơ sở dữ liệu MongoDB Hệ quản trị cơ sở dữ liệu NoSQL lưu trữ dữ liệu dạng JSON/Document, hỗ trợ truy xuất linh hoạt và mở rộng quy mô.
Hạ tầng đám mây & Dịch vụ ngoài Google Cloud Platform (GCE), AWS Lưu trữ máy ảo máy chủ, tích hợp Gmail API để gửi mã kích hoạt/hóa đơn và Google Maps API để điều hướng.
Dịch vụ định vị GPS (Global Positioning System) Xác định vị trí người dùng, điều hướng tới bãi xe và kiểm tra tính chính xác của ô đỗ xe.

Phương pháp nghiên cứu thực tế

Tác giả áp dụng kết hợp các phương pháp nghiên cứu kỹ thuật:

  • Phương pháp phân tích - tổng hợp tài liệu: Nghiên cứu tài liệu kỹ thuật về kiến trúc máy tính nhúng, các framework học sâu và các giao thức mạng.
  • Phương pháp thực nghiệm và đánh giá mô hình: Huấn luyện, thử nghiệm và đo lường hiệu suất (độ chính xác, tốc độ xử lý FPS) của các mô hình phát hiện đối tượng trên phần cứng Jetson Nano để chọn ra thuật toán phù hợp nhất.
  • Phương pháp thiết kế và phát triển hệ thống: Phân tích yêu cầu chức năng thông qua sơ đồ phân rã chức năng (BFD), mô hình Use Case, sơ đồ quan hệ thực thể (ERD) và luồng dữ liệu (Data Flow).
  • Phương pháp kiểm thử thực tế: Triển khai thử nghiệm đồng bộ giữa camera, máy tính nhúng, thanh chắn barrier, máy chủ và ứng dụng di động trên mô hình bãi giữ xe thử nghiệm.

Thiết kế và triển khai hệ thống

Kiến trúc tổng thể và luồng xử lý

Hệ thống gồm ba khối chức năng chính tương tác qua mạng:

  1. Khối trạm biên (Edge Node): Gồm USB Camera thu nhận luồng video trực tiếp tại cổng bãi xe và máy tính nhúng Jetson Nano. Jetson Nano chạy thuật toán YOLOv5 để tách vùng biển số và thư viện OpenALPR để chuyển đổi hình ảnh thành chuỗi ký tự, sau đó gửi chuỗi ký tự về máy chủ backend qua giao thức HTTP/REST API.
  2. Khối máy chủ và cơ sở dữ liệu (Backend & Database): Máy chủ Node.js tiếp nhận yêu cầu từ ứng dụng di động và thiết bị nhúng. Máy chủ xử lý logic phân bổ vị trí ô đỗ, kiểm tra tính hợp lệ của phương tiện, kích hoạt mở barrier, tính toán thời gian đỗ và cước phí. Dữ liệu tài khoản, phương tiện, vé xe và giao dịch được lưu trữ trên MongoDB.
  3. Khối người dùng cuối và quản trị (Client Application): Ứng dụng di động (phát triển bằng Java) đóng vai trò như vé xe điện tử cho khách hàng; trang quản trị cung cấp công cụ giám sát cho người quản lý.
[USB Camera] ---> [Jetson Nano (YOLOv5 + OpenALPR)] --(Chuỗi biển số)--> [Máy chủ Node.js] <---> [MongoDB]
                                                                                ^
                                                                                | (REST API / GPS)
                                                                                v
                                                                    [Ứng dụng Mobile / Admin]

Luồng nghiệp vụ của hệ thống

1. Luồng xử lý khi xe vào bãi (Inbound Flow)

  • Người dùng đăng nhập ứng dụng, chọn bãi đỗ xe và nhấn lệnh bắt đầu gửi xe. Máy chủ kiểm tra số lượng ô trống còn lại; nếu còn chỗ, hệ thống phản hồi tọa độ và thông tin bãi đỗ.
  • Xe dừng trước thanh chắn barrier. Camera ghi nhận biển số và truyền hình ảnh đến Jetson Nano.
  • Jetson Nano xử lý trích xuất chuỗi ký tự biển số và gửi lên máy chủ.
  • Máy chủ đối soát biển số nhận được với thông tin xe đã đăng ký của tài khoản. Nếu khớp và bãi còn chỗ, máy chủ phát lệnh mở barrier, tạo vé xe điện tử và gửi tọa độ ô đỗ quy định về điện thoại người dùng.
  • Người dùng điều khiển xe theo chỉ dẫn GPS của ứng dụng vào đúng ô đỗ. Ứng dụng kiểm tra vị trí thực tế của xe qua GPS; nếu đỗ sai vị trí, hệ thống phát cảnh báo và không xác nhận hoàn tất phiên vào bãi.

2. Luồng xử lý khi xe ra bãi (Outbound Flow)

  • Người dùng lấy xe và di chuyển đến cổng kiểm soát ra.
  • Xe dừng trước barrier lối ra. Camera ghi hình biển số xe và Jetson Nano trích xuất chuỗi ký tự gửi về máy chủ.
  • Máy chủ đối soát dữ liệu biển số ra với thông tin vé xe đang hoạt động, tính tổng thời gian đỗ xe và tính cước phí.
  • Hóa đơn thanh toán được đẩy về ứng dụng di động của đúng chủ phương tiện. Người dùng xác nhận thanh toán qua thẻ/ví điện tử liên kết.
  • Sau khi thanh toán thành công, máy chủ lưu lịch sử giao dịch, gửi hóa đơn qua email, đóng phiên vé xe và điều khiển mở barrier cho xe rời bãi.

Nội dung chính theo từng chương

Chương 1: Mở đầu

Chương này thiết lập nền tảng của khóa luận thông qua việc trình bày sự cần thiết của đề tài trong bối cảnh các đô thị hiện đại gia tăng phương tiện cá nhân. Tác giả phân tích các hạn chế của công nghệ quản lý bãi đỗ xe truyền thống (dùng thẻ từ RFID kết hợp cảm biến siêu âm) và giải pháp đám mây thuần túy. Trên cơ sở đó, chương 1 xác định rõ mục tiêu tổng quát, 4 mục tiêu cụ thể, 3 nhóm đối tượng nghiên cứu, phạm vi ứng dụng trong bãi đỗ xe khoảng 100 xe và phương pháp luận triển khai đề tài.

Chương 2: Các công nghệ liên quan

Chương 2 trình bày chi tiết cơ sở lý thuyết và lý do lựa chọn các công nghệ thành phần:

  • Edge Computing: Phân tích nguyên lý xử lý dữ liệu gần nguồn phát, các ưu điểm về tiết kiệm băng thông mạng và nâng cao bảo mật hình ảnh cá nhân.
  • Object Detection & OpenALPR: Cơ chế hoạt động của thuật toán YOLOv5 trong nhận diện vùng biên biển số xe một lần quét và thư viện OpenALPR tích hợp OCR để chuyển đổi ký tự.
  • Node.js & MongoDB: Kiến trúc hướng sự kiện (Event-Driven), xử lý I/O bất đồng bộ của Node.js phù hợp mô hình REST API; cấu trúc dữ liệu linh hoạt dạng Document JSON của MongoDB giúp tối ưu tốc độ truy xuất không cần phép nối (join) phức tạp.
  • GCP, GCE và GPS: Việc ứng dụng máy ảo Google Compute Engine để host dịch vụ, Google Maps API và hệ thống định vị toàn cầu GPS nhằm dẫn đường và giám sát việc đỗ xe đúng vị trí quy định.

Chương 3: Phân tích và thiết kế hệ thống

Chương này tập trung vào thiết kế kỹ thuật chi tiết của toàn bộ hệ thống:

  • Kiến trúc tổng thể và luồng xử lý: Trình bày chi tiết luồng dữ liệu giữa thiết bị nhúng Jetson Nano, máy chủ Node.js, cơ sở dữ liệu MongoDB và ứng dụng di động qua các sơ đồ luồng vào/ra.
  • Mô hình phân rã chức năng (BFD): Phân chia hệ thống thành 2 phân hệ lớn gồm Phân hệ người dùng (đăng nhập/đăng ký, quản lý thông tin cá nhân, quản lý phương tiện, quản lý thẻ thanh toán, định vị GPS, xử lý vào/ra bãi, quản lý vé) và Phân hệ quản trị viên (đăng nhập, quản lý người dùng, quản lý bãi xe, quản lý doanh thu).
  • Mô hình Use Case và đặc tả chức năng: Mô tả chi tiết 22 ca sử dụng (Use Case) cụ thể của hệ thống cho hai tác nhân (Người dùng và Quản trị viên), bao gồm các bảng đặc tả điều kiện tiên quyết, luồng sự kiện chính và ngoại lệ.
  • Thiết kế cơ sở dữ liệu (ERD): Thiết lập sơ đồ quan hệ thực thể liên kết giữa các bảng/collection: Người dùng (Users), Phương tiện (Cars/License Plates), Thẻ thanh toán (Cards), Bãi xe (Parking Lots), Vé xe (Tickets/Transactions).

Chương 4: Hiện thực hệ thống

Chương 4 mô tả kết quả lập trình và xây dựng thực tế hệ thống:

  • Triển khai máy tính nhúng: Thiết lập môi trường phần cứng Jetson Nano kết nối USB Camera, cấu hình các thư viện nhận diện và thực nghiệm đo đạc hiệu năng mô hình nhận diện.
  • Triển khai máy chủ và ứng dụng di động: Hiện thực hệ thống API trên Node.js và xây dựng giao diện ứng dụng di động Android bằng Java, bao gồm 13 giao diện chức năng chính (Đăng ký, Đăng nhập, Kích hoạt tài khoản qua mã xác thực email, Trang chủ hiển thị trạng thái ô đỗ, Giao diện xác nhận đỗ xe và tính phí, Giao diện bản đồ định vị GPS dẫn đường và cảnh báo đỗ sai vị trí, Lịch sử thanh toán, Cài đặt thông tin cá nhân, Cập nhật phương tiện, Quản lý thẻ thanh toán).

Chương 5: Tổng kết

Chương cuối cùng tổng kết các hạng mục đã hoàn thành của đề tài, đánh giá mức độ đáp ứng so với mục tiêu ban đầu, chỉ ra các mặt hạn chế còn tồn tại của hệ thống và đề xuất các hướng phát triển, hoàn thiện trong tương lai.

Kết quả và đóng góp

Kết quả chính đạt được

  • Xây dựng thành công trạm camera thông minh sử dụng máy tính nhúng NVIDIA Jetson Nano kết hợp USB Camera, thực hiện nhận diện và trích xuất biển số xe tự động trong thời gian thực với chi phí phần cứng thấp.
  • Triển khai hoàn chỉnh hệ thống máy chủ Node.js theo kiến trúc REST API và cơ sở dữ liệu MongoDB, đáp ứng việc điều phối dữ liệu đồng thời giữa thiết bị biên và ứng dụng di động.
  • Xây dựng ứng dụng di động Android đóng vai trò vé xe điện tử, tích hợp bản đồ Google Maps và định vị GPS để dẫn đường phương tiện đến đúng vị trí ô đỗ được phân bổ, đồng thời tự động hóa quy trình thanh toán không dùng tiền mặt.
  • Thiết lập giao diện quản trị cho phép theo dõi trạng thái ô đỗ trong bãi đỗ xe theo thời gian thực và quản lý doanh thu.

Giải pháp và đóng góp của đề tài

  • Loại bỏ hệ thống cảm biến gắn tại từng ô đỗ: Thay thế việc lắp đặt hàng trăm cảm biến siêu âm/từ trường bằng cơ chế định vị GPS trên thiết bị di động của người dùng kết hợp thuật toán kiểm tra vị trí đỗ, giảm đáng kể chi phí đầu tư và bảo trì phần cứng bãi đỗ.
  • Giảm tải cho máy chủ trung tâm và bảo mật dữ liệu: Ứng dụng mô hình Điện toán biên (Edge Computing) để xử lý hình ảnh cục bộ trên Jetson Nano. Hệ thống chỉ truyền chuỗi văn bản biển số xe về máy chủ, không truyền luồng video thô, giúp tiết kiệm băng thông và hạn chế lộ lọt dữ liệu hình ảnh người dùng.
  • Tự động hóa thủ tục gửi xe: Giảm thiểu sự can thiệp của nhân công kiểm soát cổng, xóa bỏ rủi ro mất mát vé giấy/thẻ từ RFID truyền thống.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế

  • Phần cứng máy tính nhúng Jetson Nano có năng lực tính toán hạn chế, đòi hỏi việc tối ưu hóa thuật toán học sâu phải cân đối giữa tốc độ xử lý khung hình (FPS) và độ chính xác nhận dạng.
  • Phạm vi thử nghiệm mới dừng lại ở mô hình bãi đỗ xe quy mô nhỏ (~100 xe) trong điều kiện kiểm soát nhất định, chưa đánh giá toàn diện trong các điều kiện môi trường bất lợi (thời tiết mưa lớn, ban đêm thiếu sáng hoặc biển số bị mờ/bẩn).
  • Hệ thống định vị GPS phụ thuộc vào tín hiệu vệ tinh của thiết bị di động, có thể gặp sai số hoặc suy giảm tín hiệu khi triển khai tại các bãi giữ xe tầng hầm kín.

Hướng nghiên cứu tiếp

  • Tối ưu hóa mô hình nhận diện biển số xe để cải thiện tốc độ và độ chính xác trong điều kiện ánh sáng yếu hoặc biển số xe bị biến dạng.
  • Nghiên cứu giải pháp định vị trong nhà (Indoor Positioning System - IPS) như Beacon BLE hoặc Wi-Fi RTT để thay thế GPS khi triển khai trong bãi đỗ xe tầng hầm.
  • Mở rộng hệ thống quản lý tập trung nhiều bãi giữ xe phân tán trong đô thị và hoàn thiện tính năng đặt trước chỗ đỗ xe (Reservation).

Giá trị tham khảo

Khóa luận là tài liệu tham khảo hữu ích cho:

  • Sinh viên ngành Mạng máy tính, Hệ thống nhúng và Công nghệ thông tin: Tham khảo phương pháp xây dựng hệ thống IoT hoàn chỉnh từ tầng thiết bị biên (Edge Device), tầng mạng/máy chủ (Backend REST API) đến tầng ứng dụng người dùng cuối (Mobile App).
  • Người nghiên cứu thị giác máy tính ứng dụng: Tham khảo cách thức triển khai và tối ưu các mô hình Object Detection (YOLOv5) và OCR (OpenALPR) trên phần cứng máy tính nhúng có tài nguyên hạn chế (NVIDIA Jetson Nano).
  • Kỹ sư phát triển giải pháp Đô thị thông minh (Smart City): Tham khảo kiến trúc hệ thống quản lý bãi đỗ xe bán tự động nhằm tối ưu hóa chi phí phần cứng và băng thông mạng.

Câu hỏi thường gặp

1. Khóa luận sử dụng mô hình AI nào để nhận diện và đọc biển số xe?
Khóa luận sử dụng thuật toán YOLO (cụ thể là YOLOv5) để nhận diện và định vị vùng chứa biển số trong khung hình camera, sau đó sử dụng thư viện OpenALPR (với mô hình OCR huấn luyện sẵn cho biển số) để trích xuất chuỗi ký tự từ biển số xe.

2. Tại sao tác giả lựa chọn xử lý hình ảnh tại thiết bị biên (Jetson Nano) thay vì đưa lên đám mây (Cloud)?
Việc xử lý hình ảnh trực tiếp trên máy tính nhúng Jetson Nano (Edge Computing) giúp thực hiện nhận dạng thời gian thực với độ trễ thấp, tiết kiệm băng thông mạng và bảo vệ thông tin riêng tư do chỉ gửi chuỗi ký tự biển số đã xử lý về máy chủ, không cần truyền tải hình ảnh/video thô qua Internet.

3. Hệ thống giải quyết bài toán kiểm tra xe đỗ đúng vị trí bằng cách nào mà không cần dùng cảm biến tại từng ô?
Hệ thống sử dụng dịch vụ định vị toàn cầu GPS thông qua ứng dụng di động trên điện thoại của người dùng. Khi người dùng vào bãi, ứng dụng sẽ đối chiếu vị trí GPS thực tế của phương tiện với tọa độ ô đỗ được cấp; nếu xe đỗ sai vị trí, hệ thống sẽ phát cảnh báo và không xác nhận hoàn tất phiên đỗ.

4. Backend và cơ sở dữ liệu của hệ thống được xây dựng trên nền tảng nào?
Máy chủ Backend được xây dựng bằng môi trường thực thi Node.js theo kiến trúc REST API xử lý bất đồng bộ, kết hợp với hệ quản trị cơ sở dữ liệu NoSQL MongoDB để lưu trữ dữ liệu người dùng, phương tiện, bãi xe và hóa đơn dạng JSON.

5. Khóa luận được thử nghiệm trong phạm vi quy mô nào?
Khóa luận được thiết kế và thử nghiệm trên mô hình bãi giữ xe ô tô với quy mô khoảng 100 xe, hướng đến bối cảnh ứng dụng tại trường học và các khu dân cư.

Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Đình Thiên Bảo và Nguyễn Nhật Huy đã xây dựng thành công mô hình hệ thống bãi giữ xe thông minh ứng dụng Điện toán biên và Trí tuệ nhân tạo. Đề tài giải quyết hiệu quả các hạn chế của bãi giữ xe truyền thống thông qua việc kết hợp máy tính nhúng Jetson Nano nhận dạng biển số thời gian thực, máy chủ Node.js quản lý tập trung và ứng dụng di động điều hướng GPS kiêm vé xe điện tử. Công trình thể hiện tính thực tiễn cao trong ứng dụng IoT và Trí tuệ nhân tạo vào hạ tầng giao thông đô thị thông minh.