Đồ án tốt nghiệp: Hệ thống đánh giá chất lượng mặt đường và giám sát thông số xe ô tô

Đồ án tốt nghiệp nghiên cứu hệ thống đánh giá chất lượng mặt đường và giám sát thông số xe ô tô dựa trên nền tảng ROS và chuẩn truyền thông CAN.

• Tác giả: Lê Văn Tiến
• Người hướng dẫn: ThS. Trương Quang Phúc
• Trường học: Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh
• Chuyên ngành: Công nghệ Kỹ thuật Điện tử - Viễn thông
• Đề tài: Hệ thống đánh giá chất lượng mặt đường và giám sát các thông số trên xe ô tô dựa trên nền tảng ROS và chuẩn truyền thông CAN
• Loại tài liệu: Đồ án tốt nghiệp
• Năm xuất bản: 2024
• Địa điểm: Thành phố Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• LỜI CAM ĐOAN
• DANH MỤC CÁC TỪ VIẾT TẮT
• DANH MỤC BẢNG BIỂU
• DANH MỤC HÌNH ẢNH
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. TÍNH CẤP THIẾT CỦA ĐỀ TÀI
• 1.2. TÌNH HÌNH NGHIÊN CỨU TRONG VÀ NGOÀI NƯỚC
• 1.2.1. Tình hình nghiên cứu ở nước ngoài
• 1.2.2. Tình hình nghiên cứu ở trong nước
• 1.3. MỤC TIÊU NGHIÊN CỨU
• 1.4. PHƯƠNG PHÁP NGHIÊN CỨU
• 1.5. ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU
• 1.5.1. Đối tượng nghiên cứu
• 1.5.2. Phạm vi nghiên cứu
• 1.6. BỐ CỤC BÀI BÁO CÁO
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. GIỚI THIỆU VỀ NỀN TẢNG ROS
• 2.2. CÁC CHUẨN GIAO THỨC
• 2.2.1. Giao thức truyền thông CAN
• 2.2.2. Nguyên lý hoạt động
• 2.2.3. Phân loại khung CAN
• 2.2.4. Chuẩn giao thức OBD-II
• 2.2.5. Hoạt động của OBD-II
• 2.2.6. Giao thức SPI
• 2.2.7. Giao thức TCP/IP
• 2.3. GIỚI THIỆU VỀ HỆ THỐNG PHẦN CỨNG
• 2.3.1. Máy tính nhúng – Raspberry Pi 4
• 2.3.2. Ethernet Shield Arduino
• 2.3.3. CAN_Bus Shield
• 2.3.4. Cảm biến gia tốc Serial 6-Axis Accelerometer
• 2.3.5. Cảm biến định vị GPS NEO M8M
• 2.3.6. Màn hình LCD
• 2.4. TỔNG QUAN VỀ CHẤT LƯỢNG MẶT ĐƯỜNG
• 2.4.1. Độ gồ ghề mặt đường
• 2.4.2. Chỉ số Gồ ghề Quốc tế (IRI)
• 2.4.3. Áp dụng IRI vào thuật toán
• 2.5. TỔNG QUAN VỀ CƠ SỞ DỮ LIỆU GOOGLE FIREBASE
• 2.5.1. Giới thiệu cơ sở dữ liệu Google Firebase
• 2.5.2. Các tính năng của Firebase
• 2.6. TỔNG QUAN VỀ HTML, CSS VÀ JAVASCRIPT
• 3. CHƯƠNG 3: THIẾT KẾ HỆ THỐNG
• 3.1. YÊU CẦU HỆ THỐNG
• 3.2. ĐẶC TẢ HỆ THỐNG
• 3.2.1. Chức năng hệ thống
• 3.2.2. Mô hình tổng thể hệ thống
• 3.2.3. Sơ đồ khối hệ thống
• 3.2.4. Hoạt động của hệ thống
• 3.3. THIẾT KẾ PHẦN CỨNG
• 3.3.1. Khối xử lý trung tâm. Khối tiền xử lý
• 3.3.2. Khối cảm biến
• 3.3.3. Bộ truyền nhận CAN dùng cổng OBD II
• 3.3.4. Khối hiển thị
• 3.3.5. Sơ đồ thiết kế toàn bộ hệ thống
• 3.4. THIẾT KẾ PHẦN MỀM
• 3.4.1. Xây dựng Website
• 4. CHƯƠNG 4: KẾT QUẢ VÀ NHẬN XÉT ĐÁNH GIÁ
• 4.1. KẾT QUẢ PHẦN CỨNG
• 4.1.1. Mô hình phần cứng
• 4.1.2. Kết quả giao tiếp giữa khối tiền xử lý và khối xử lý trung tâm
• 4.2. KẾT QUẢ PHẦN MỀM
• 4.2.1. Giao diện chính
• 4.2.2. Giao diện đăng ký/đăng nhập
• 4.2.3. Giao diện người dùng
• 4.3. ĐÁNH GIÁ VÀ NHẬN XÉT HỆ THỐNG
• 5. CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• 5.1. Kết quả đạt được
• 5.2. HƯỚNG PHÁT TRIỂN
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Hệ thống đánh giá chất lượng mặt đường

Hệ thống đánh giá chất lượng mặt đường là một giải pháp công nghệ nhằm xác định và phân tích tình trạng của các tuyến đường. Hệ thống này sử dụng các cảm biến đánh giá đường như cảm biến gia tốc và GPS để thu thập dữ liệu về độ gồ ghề, vị trí ổ gà, và các yếu tố khác ảnh hưởng đến chất lượng đường. Dữ liệu được xử lý thông qua nền tảng ROS, một công cụ mạnh mẽ cho việc tích hợp và quản lý dữ liệu từ nhiều nguồn khác nhau. Hệ thống này không chỉ giúp người dùng nhận biết tình trạng đường mà còn hỗ trợ các cơ quan quản lý giao thông trong việc lập kế hoạch bảo trì và sửa chữa.

1.1. Công nghệ ROS trong đánh giá đường

Nền tảng ROS đóng vai trò trung tâm trong việc xử lý và tích hợp dữ liệu từ các cảm biến. ROS cho phép các node giao tiếp với nhau thông qua các topic, giúp thu thập và xử lý dữ liệu một cách hiệu quả. Ví dụ, dữ liệu từ cảm biến gia tốc và GPS được truyền về Raspberry Pi 4, sau đó được xử lý và lưu trữ trên cơ sở dữ liệu Firebase. Công nghệ ROS cung cấp một môi trường linh hoạt và mạnh mẽ để phát triển các ứng dụng thời gian thực, đặc biệt trong lĩnh vực quản lý giao thông.

1.2. Ứng dụng thực tế

Hệ thống này có thể được áp dụng trong nhiều bối cảnh thực tế, từ việc giám sát các tuyến đường cao tốc đến các con đường đô thị. Bằng cách cung cấp thông tin chính xác về chất lượng đường, hệ thống giúp giảm thiểu tai nạn giao thông và kéo dài tuổi thọ của phương tiện. Giải pháp đánh giá đường này cũng hỗ trợ các cơ quan quản lý trong việc ưu tiên các khu vực cần bảo trì, từ đó nâng cao hiệu quả quản lý hạ tầng giao thông.

II. Giám sát xe ô tô trên nền tảng CAN

Giám sát xe ô tô là một phần quan trọng của hệ thống, sử dụng giao thức CAN để thu thập và truyền dữ liệu từ các thông số trên xe như tốc độ, nhiệt độ động cơ, và lượng nhiên liệu. Giao thức CAN là một chuẩn truyền thông phổ biến trong ngành công nghiệp ô tô, cho phép các thiết bị điện tử trên xe giao tiếp với nhau một cách hiệu quả. Dữ liệu từ các cảm biến trên xe được truyền về Raspberry Pi 4 thông qua giao thức CAN, sau đó được xử lý và hiển thị trên website.

2.1. Giao thức CAN và ứng dụng

Giao thức CAN được sử dụng để truyền dữ liệu giữa các thiết bị điện tử trên xe, bao gồm cảm biến và bộ điều khiển. Giao thức này đảm bảo tính ổn định và độ tin cậy cao trong môi trường nhiễu điện từ. Trong hệ thống này, giao thức CAN được tích hợp với nền tảng ROS để thu thập và xử lý dữ liệu từ các thông số trên xe, giúp người dùng theo dõi tình trạng hoạt động của xe một cách liên tục.

2.2. Tích hợp ROS và CAN

Việc tích hợp nền tảng ROS và giao thức CAN tạo ra một hệ thống giám sát xe ô tô toàn diện. Dữ liệu từ các cảm biến trên xe được truyền về Raspberry Pi 4 thông qua CAN, sau đó được xử lý và lưu trữ trên cơ sở dữ liệu Firebase. Hệ thống giám sát này không chỉ cung cấp thông tin về tình trạng xe mà còn cảnh báo kịp thời khi các thông số vượt ngưỡng an toàn, giúp người dùng chủ động trong việc bảo trì và sửa chữa.

III. Thiết kế hệ thống và ứng dụng thực tế

Hệ thống được thiết kế với hai phần chính: phần cứng và phần mềm. Phần cứng bao gồm các cảm biến, Raspberry Pi 4, và Arduino Mega 2560, trong khi phần mềm được phát triển trên nền tảng ROS và tích hợp với cơ sở dữ liệu Firebase. Website được xây dựng để hiển thị thông tin về chất lượng đường và tình trạng xe, giúp người dùng dễ dàng theo dõi và quản lý.

3.1. Thiết kế phần cứng

Phần cứng của hệ thống bao gồm các cảm biến gia tốc, GPS, và các thiết bị truyền nhận dữ liệu qua giao thức CAN. Raspberry Pi 4 đóng vai trò là bộ xử lý trung tâm, kết nối với các cảm biến và Arduino Mega 2560 để thu thập dữ liệu. Hệ thống phần cứng được thiết kế để hoạt động ổn định trong môi trường thực tế, đảm bảo độ chính xác và độ tin cậy cao.

3.2. Thiết kế phần mềm

Phần mềm được phát triển trên nền tảng ROS, tích hợp với cơ sở dữ liệu Firebase để lưu trữ và xử lý dữ liệu. Website được xây dựng để hiển thị thông tin về chất lượng đường và tình trạng xe, giúp người dùng dễ dàng theo dõi và quản lý. Hệ thống thông minh này không chỉ cung cấp thông tin thời gian thực mà còn hỗ trợ các cơ quan quản lý trong việc ra quyết định dựa trên dữ liệu phân tích.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Sự gia tăng kim ngạch xuất nhập khẩu và các hoạt động kinh tế tại Việt Nam kéo theo nhu cầu luân chuyển hàng hóa bằng đường bộ tăng cao, dẫn đến sự xuất hiện ngày càng nhiều của các phương tiện vận tải có tải trọng lớn. Bên cạnh đó, mức sống của người dân được nâng cao khiến nhu cầu sử dụng phương tiện cá nhân tăng mạnh; trong đó, tỷ lệ người sử dụng xe gắn máy chiếm tới 72,8% dân số vào năm 2023, và lượng ô tô bán ra trong năm 2022 đạt hơn 509.000 xe. Sự gia tăng mật độ phương tiện kết hợp với tác động của thời tiết và tải trọng khiến hệ thống đường bộ xuống cấp nghiêm trọng, phát sinh nhiều ổ gà, ổ voi và các đoạn mấp mô. Tình trạng này đe dọa trực tiếp đến an toàn giao thông, gây nguy cơ tai nạn và làm giảm tuổi thọ của phương tiện. Mặc dù các ứng dụng bản đồ như Google Maps đã cung cấp thông tin lộ trình, việc cập nhật tự động tình trạng thực tế của mặt đường và kết hợp giám sát trạng thái xe ô tô vẫn còn hạn chế. Do đó, đồ án tốt nghiệp "Hệ thống đánh giá chất lượng mặt đường và giám sát các thông số trên xe ô tô dựa trên nền tảng ROS và chuẩn truyền thông CAN" đã được thực hiện tại Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh.

Mục tiêu nghiên cứu của đồ án được xác định cụ thể qua 5 nhiệm vụ:

1. Thiết kế một hệ thống thu thập được các thông số từ cảm biến và thông qua Arduino Mega 2560.
2. Giao tiếp bằng giao thức truyền thông CAN để truyền nhận dữ liệu giữa các tín hiệu bên trong xe và Arduino Mega 2560.
3. Thực hiện truyền nhận dữ liệu, lưu trữ và xử lý các dữ liệu thu thập được dựa trên nền tảng ROS.
4. Thiết kế được hệ thống phần mềm phân tích, đánh giá chất lượng mặt đường trên Raspberry Pi 4.
5. Thiết kế và xây dựng bản đồ hiển thị thông tin về vị trí và trạng thái mặt đường như chỉ số độ gồ ghề bằng giao diện website trực quan.

Đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Lập trình điều khiển cho máy tính nhúng Raspberry Pi 4 và vi điều khiển Arduino Mega 2560; các thiết bị cảm biến chuyển động, cảm biến định vị và tín hiệu bên trong ô tô; nền tảng Robot Operating System (ROS); ngôn ngữ lập trình C và Python; giao thức truyền thông CAN và chuẩn chẩn đoán OBD-II trên ô tô; tính ổn định của thiết bị cảm biến và dữ liệu phần cứng.
• Phạm vi nghiên cứu: Giới hạn ở việc thu thập dữ liệu vị trí và chuyển động của xe trên tuyến đường thử nghiệm thực tế; xử lý dữ liệu qua nền tảng ROS trên máy tính nhúng; kết nối chuẩn CAN trên ô tô qua cổng OBD-II; tính toán chỉ số gồ ghề mặt đường và hiển thị trực quan thông tin qua giao diện website kết nối cơ sở dữ liệu Firebase.

Cơ sở lý thuyết và phương pháp

Đồ án áp dụng phương pháp nghiên cứu phát triển hệ sinh thái kỹ thuật tích hợp giữa phần cứng nhúng, giao thức truyền thông mạng trên ô tô, khung điều phối phần mềm phân tán và dịch vụ dữ liệu đám mây.

Hệ thống lý thuyết và phương pháp kỹ thuật bao gồm:

• Nền tảng ROS (Robot Operating System): Hoạt động như một middleware mã nguồn mở cung cấp môi trường quản lý tiến trình song song và điều phối luồng dữ liệu. Mô hình ROS được cấu thành từ ba tầng: Tầng Filesystem (quản lý packages, messages, services); Tầng Computation Graph (gồm ROS Master đóng vai trò trung tâm định danh, Nodes thực hiện tính toán độc lập, Messages định nghĩa cấu trúc dữ liệu, Topics truyền thông điệp theo cơ chế Publisher/Subscriber, và Bags ghi nhật ký dữ liệu); Tầng Community chia sẻ tài nguyên.
• Chuẩn truyền thông CAN (Controller Area Network) và chuẩn OBD-II:
  • Giao thức CAN hoạt động theo cơ chế CSMA/AMP (Carrier Sense Multiple Access with Arbitration on Message Priority), sử dụng hai dây xoắn vi sai CAN_H và CAN_L để giảm nhiễu điện từ EMI, tốc độ truyền đạt tới 1 Mbps trên cự ly 40 m. Hệ thống phân định 5 loại khung: Khung dữ liệu (Data Frame) chứa định danh 11 bit tiêu chuẩn, trường điều khiển, trường dữ liệu 0–8 byte và trường CRC 15 bit; Khung yêu cầu (Remote Frame) với bit RTR mang mức recessive; Khung báo lỗi (Error Frame) gồm cờ lỗi chủ động (6 bit dominant) hoặc bị động (6 bit recessive); Khung báo tràn (Overload Frame); và Không gian liên khung (Inter-frame Space) với thời gian nghỉ Intermission tối thiểu 3 bit.
  • Chuẩn chẩn đoán On-Board Diagnostics II (OBD-II) áp dụng tiêu chuẩn ISO 15765 (CAN). Tin nhắn yêu cầu từ hệ thống ngoài sử dụng ID 7DF, và ECU ô tô phản hồi qua ID từ 7E8 đến 7EF. Cấu trúc khung OBD-II gồm 8 byte dữ liệu: độ dài dữ liệu, chế độ (Mode 01–0A cho yêu cầu, 41–4A cho phản hồi), mã định danh thông số (PID), và các byte giá trị (A, B, C, D). Giá trị vật lý được tính toán từ dữ liệu thô hex theo công thức: $$\text{Giá trị vật lý} = \text{Offset} + \text{Tỷ lệ} \times \text{Giá trị thô}$$ Ví dụ, với tốc độ động cơ (PID 0C), hệ số tỷ lệ là 0,25 và offset bằng 0.
• Giao thức kết nối ngoại vi SPI và TCP/IP: Giao thức SPI (Serial Peripheral Interface) hoạt động song công hoàn toàn ở chế độ đồng bộ theo xung nhịp SCLK, phục vụ truyền nhận giữa Arduino Mega 2560 với CAN Shield (MCP2515) và Ethernet Shield (W5100). Giao thức TCP/IP và HTTP được ứng dụng để đóng gói và gửi dữ liệu từ khối vi điều khiển lên Raspberry Pi 4 qua cổng RJ45.
• Lý thuyết đánh giá độ gồ ghề mặt đường và Chỉ số Gồ ghề Quốc tế (IRI): Chỉ số IRI (International Roughness Index) do Ngân hàng Thế giới (World Bank) ban hành vào những năm 1980 được biểu diễn bằng đơn vị m/km hoặc mm/m. Độ gồ ghề được chia thành 3 mức độ (mức 1: phẳng mịn; mức 2: mấp mô nhỏ; mức 3: nhiều mấp mô lớn). Công thức xác định IRI dựa trên mô hình một phần tư xe: $$IRI = \frac{\sum |V_{hi}|}{S}$$ Trong đó, $S$ là tổng quãng đường di chuyển được tính từ tọa độ GPS thông qua công thức Haversine: $$a = \sin^2\left(\frac{\Delta\phi}{2}\right) + \cos(\phi_1)\cos(\phi_2)\sin^2\left(\frac{\Delta\lambda}{2}\right)$$ $$d = 2r \arcsin\left(\sqrt{a}\right)$$ (với $r \approx 6371$ km là bán kính Trái Đất, $\phi$ là vĩ độ, $\lambda$ là kinh độ). Giá trị chuyển vị dọc thẳng đứng $V_h$ được tính bằng cách tích phân hai lần từ gia tốc thẳng đứng $a_v$ của cảm biến gia tốc theo thời gian: $$v = \int a_v , dt, \quad V_h = \int v , dt$$ Ngưỡng IRI được đối chiếu theo nghiên cứu của Yu, Chou và Yau (2006) dựa trên sự biến thiên gia tốc thẳng đứng ("Jolt") tương ứng với từng dải vận tốc xe.
• Cơ sở dữ liệu và Web: Dịch vụ Google Firebase Realtime Database dùng để lưu trữ dữ liệu thời gian thực theo cấu trúc JSON; Firebase Authentication quản lý phiên người dùng; công nghệ giao diện sử dụng HTML5, CSS3 và JavaScript.

Thiết kế và triển khai

Hệ thống được thiết kế theo mô hình phân tầng chức năng, kết hợp giữa khối phần cứng nhúng thu thập dữ liệu thực địa trên xe, khối xử lý trung tâm cục bộ và tầng ứng dụng web quản lý từ xa.

Khối chức năng	Phần cứng / Linh kiện sử dụng	Vai trò kỹ thuật và thông số chính
Xử lý trung tâm	Raspberry Pi 4 Model B	CPU Quad-core Cortex-A72 1.5GHz, chạy Linux OS, vận hành ROS Master và các ROS Nodes xử lý thuật toán IRI, giao tiếp Firebase
Tiền xử lý	Arduino Mega 2560	Vi điều khiển ATmega2560 (16MHz, 256KB Flash, 54 chân Digital I/O, 16 ngõ Analog), xử lý ngắt và đọc dữ liệu ngoại vi đồng thời
Giao tiếp mạng CAN	CAN_Bus Shield	Bộ điều khiển CAN MCP2515 kết hợp bộ thu phát MCP2551, giao tiếp SPI, cổng kết nối DB9 nối giắc OBD-II tiêu chuẩn của xe
Truyền thông Ethernet	Arduino Ethernet Shield	Chip điều khiển Ethernet WIZnet W5100, tốc độ truyền 100 Mbps, kết nối mạng nội bộ giữa Arduino và Raspberry Pi 4
Cảm biến chuyển động	Serial 6-Axis Accelerometer	Tích hợp con quay hồi chuyển, gia tốc kế 3 trục, thuật toán lọc Kalman tích hợp trên chip, độ chính xác đo góc động đạt 0,1 độ
Cảm biến vị trí	Module GPS NEO M8M + Anten GPS/BD	Chip u-blox NEO M8M theo dõi đồng thời 2 hệ thống vệ tinh (GPS/GLONASS/BeiDou), Anten rời vỏ ABS dây đồng 3m, độ nhiễu < 1,5 dB
Hiển thị tại chỗ	Màn hình LCD TFT 7 inch	Cảm ứng điện dung, giao tiếp tín hiệu hình ảnh qua HDMI và cổng USB cấp nguồn/cảm ứng, hiển thị giao diện tại xe

Quy trình hoạt động và luồng giải thuật của hệ thống:

1. Thu thập dữ liệu tại xe: Arduino Mega 2560 liên tục lấy mẫu dữ liệu gia tốc 3 trục từ module cảm biến gia tốc qua UART, nhận chuỗi tọa độ địa lý (kinh độ, vĩ độ) từ module GPS NEO M8M, và định kỳ gửi khung yêu cầu OBD-II qua CAN_Bus Shield để đọc 4 thông số vận hành: tốc độ xe (Vehicle speed), tốc độ vòng tua động cơ (Engine speed), nhiệt độ nước làm mát (Coolant temperature) và lượng nhiên liệu còn lại (Fuel level).
2. Tiền xử lý và truyền dữ liệu: Dữ liệu sau khi đóng gói được Arduino truyền sang máy tính nhúng Raspberry Pi 4 thông qua giao thức TCP/IP qua cổng Ethernet.
3. Phân phối và tính toán trên ROS: Trên Raspberry Pi 4, ROS Master khởi tạo và điều phối các Node độc lập. Node nhận dữ liệu tiếp nhận gói tin và publish vào các topic chuyên biệt: /imu chứa dữ liệu góc nghiêng và gia tốc, /gps_fix chứa kinh độ và vĩ độ, cùng các topic chứa thông số xe. Node tính toán thực hiện giải thuật nội suy tọa độ, tính khoảng cách giữa hai điểm bằng công thức Haversine, tính chuyển vị dọc từ dữ liệu gia tốc thẳng đứng đã lọc nhiễu, xác định chỉ số IRI và nhận diện vị trí các điểm xóc, ổ gà.
4. Đồng bộ cơ sở dữ liệu và hiển thị Web: Dữ liệu tính toán cùng trạng thái động cơ được một ROS Node đẩy lên Google Firebase Realtime Database. Website người dùng xây dựng bằng HTML/CSS/JS lắng nghe sự thay đổi trên Firebase để vẽ vết lộ trình với các màu sắc thể hiện cấp độ gồ ghề của mặt đường, đánh dấu vị trí các ổ gà trên bản đồ số, hiển thị đồng hồ thông số xe và xuất cảnh báo khi các chỉ số vượt ngưỡng an toàn.

Nội dung chính theo từng chương

Chương 1: Tổng quan

Chương 1 trình bày tính cấp thiết của việc xây dựng bản đồ chất lượng mặt đường trong bối cảnh hạ tầng giao thông chịu áp lực lớn từ tốc độ gia tăng phương tiện đường bộ tại Việt Nam. Tác giả khảo cứu các công trình nghiên cứu trong và ngoài nước: các giải pháp quốc tế áp dụng trí tuệ nhân tạo (mô hình MLP, SVM, RF) kết hợp cảm biến âm thanh/siêu âm hoặc cảm biến áp suất lốp, IMU và GPS trên mạng lưới đường bộ dài hơn 1000 km tại Ả Rập Xê Út; các nghiên cứu trong nước ứng dụng mạng nơ-ron tích chập (CNN) nhận dạng vết nứt từ xe khảo sát hoặc xây dựng hệ thống GIS gắn ảnh định vị tại Quốc lộ 45. Từ đó, tác giả xác định mục tiêu, phương pháp nghiên cứu phát triển, đối tượng và phạm vi của đề tài.

Chương 2: Cơ sở lý thuyết

Chương này cung cấp toàn bộ nền tảng lý thuyết và thông số kỹ thuật của các công nghệ được lựa chọn:

• Cấu trúc 3 tầng của ROS và cơ chế giao tiếp giữa Publisher, Subscriber thông qua ROS Master.
• Đặc tính mạng CAN, cấu trúc 5 loại khung truyền thông, quy tắc chèn bit và cơ chế trọng tài phân định ưu tiên CSMA/AMP.
• Tiêu chuẩn OBD-II (ISO 15765), định dạng khung dữ liệu 8 byte, bảng mã PID và phương pháp chuyển đổi giá trị thô thành giá trị vật lý.
• Nguyên lý giao tiếp phần cứng qua SPI (4 chế độ truyền nhịp dựa trên CPOL, CPHA) và bộ giao thức TCP/IP, chuẩn HTTP.
• Thông số kỹ thuật chi tiết của Raspberry Pi 4, Arduino Mega 2560, Ethernet Shield W5100, CAN_Bus Shield MCP2515, cảm biến gia tốc 6 trục tích hợp bộ lọc Kalman, cảm biến GPS NEO M8M và màn hình LCD TFT 7 inch.
• Khái niệm độ gồ ghề mặt đường (3 cấp độ), công thức tích phân xác định chuyển vị dọc, công thức khoảng cách Haversine, phương pháp tính chỉ số IRI và bảng phân ngưỡng IRI theo tốc độ của Yu, Chou và Yau.
• Tổng quan cơ sở dữ liệu Google Firebase và các kỹ thuật xây dựng giao diện web.

Chương 3: Thiết kế hệ thống

Chương 3 chi tiết hóa quá trình thiết kế hệ thống từ yêu cầu đến sơ đồ mạch và lưu đồ giải thuật:

• Đặc tả yêu cầu kỹ thuật và chức năng của từng khối trong hệ thống.
• Sơ đồ nguyên lý kết nối phần cứng giữa Arduino Mega 2560 với Ethernet Shield, CAN_Bus Shield, cảm biến gia tốc, module GPS và cổng chẩn đoán OBD-II trên ô tô; sơ đồ kết nối giữa Raspberry Pi 4 với màn hình LCD 7 inch qua cổng HDMI.
• Các lưu đồ giải thuật hoàn chỉnh: chương trình thu thập dữ liệu và xử lý ngắt trên vi điều khiển; lưu đồ giải thuật đọc giao thức CAN; các lưu đồ xử lý dữ liệu trên nền tảng ROS (nội suy tọa độ, tính khoảng cách, tính chuyển vị thẳng đứng, tính toán chỉ số IRI và nhận diện điểm gập ghềnh); lưu đồ truyền dữ liệu lên Google Firebase và lưu đồ hoạt động của website.

Chương 4: Kết quả và nhận xét đánh giá

Chương 4 công bố các kết quả thực nghiệm đạt được của đề tài:

• Hình ảnh mô hình phần cứng thực tế được lắp đặt hoàn chỉnh trên ô tô.
• Kết quả giao tiếp Ethernet giữa Arduino Mega 2560 và Raspberry Pi 4; dữ liệu được phân phối ổn định vào các topic ROS chuyên biệt (/imu, /gps_fix, v.v.).
• Dữ liệu thực tế được ghi nhận và đồng bộ thành công lên Firebase Realtime Database và Firebase Authentication.
• Giao diện website hoạt động đầy đủ các chức năng: trang đăng ký/đăng nhập người dùng kèm cảnh báo sai lệch thông tin; bảng điều khiển giám sát hiển thị đoạn đường thử nghiệm thực tế với màu sắc thể hiện chất lượng mặt đường, định vị chính xác các điểm ổ gà; hiển thị thông số hoạt động của xe (vận tốc, vòng tua, nhiệt độ làm mát, mức xăng) và kích hoạt giao diện cảnh báo khi giá trị đo vượt ngưỡng quy định.
• Đưa ra các nhận xét, đánh giá về độ ổn định và tính khả thi của hệ thống dựa trên mục tiêu đề ra.

Chương 5: Kết luận và hướng phát triển

Chương 5 tổng kết lại toàn bộ các mục tiêu đã hoàn thành của đồ án về phần cứng, xử lý dữ liệu trên ROS và xây dựng ứng dụng web; đồng thời chỉ ra các hạn chế tồn tại và đề xuất các giải pháp nâng cấp, hoàn thiện hệ thống để đưa vào ứng dụng thực tiễn trong tương lai.

Kết quả và đóng góp

Hệ thống đã hoàn thành việc xây dựng và thử nghiệm thực tế với các kết quả cụ thể:

• Xây dựng thành công mô hình phần cứng nhúng tích hợp: Kết nối đồng bộ vi điều khiển Arduino Mega 2560, bộ điều khiển CAN Shield MCP2515, cảm biến gia tốc Serial 6-Axis, module GPS NEO M8M và máy tính nhúng Raspberry Pi 4. Phần cứng vận hành ổn định trên ô tô thực nghiệm, lấy nguồn trực tiếp và giao tiếp thông suốt qua cổng OBD-II tiêu chuẩn.
• Lập trình điều phối và xử lý dữ liệu trên nền tảng ROS: Thiết lập mạng lưới các Node và Topics độc lập trên ROS. Dữ liệu gia tốc và tọa độ GPS được đồng bộ theo thời gian thực; thuật toán tính khoảng cách Haversine và giải thuật tích phân gia tốc thẳng đứng cho phép xác định độ dịch chuyển dọc $V_h$, từ đó tính toán chính xác chỉ số IRI và tự động phát hiện, định vị các điểm gập ghềnh, ổ gà trên tuyến đường chạy thử.
• Xây dựng hoàn chỉnh nền tảng giám sát Web kết nối đám mây: Tích hợp thành công cơ sở dữ liệu Firebase Realtime Database và Firebase Authentication. Website hiển thị trực quan bản đồ chất lượng mặt đường theo mã màu, đánh dấu vị trí hư hại, hiển thị đồng thời 4 thông số kỹ thuật nội tại của xe (vận tốc xe, tốc độ động cơ, nhiệt độ nước làm mát, lượng nhiên liệu) và gửi cảnh báo tự động khi các thông số vượt ngưỡng an toàn.
• Đóng góp kỹ thuật: Đề tài đã đề xuất một phương án giám sát kết hợp hai chiều: vừa đánh giá khách quan hạ tầng mặt đường giao thông dựa trên chỉ số tiêu chuẩn IRI, vừa giám sát trạng thái kỹ thuật của phương tiện vận tải thông qua chuẩn truyền thông CAN/OBD-II, ứng dụng kiến trúc phân tán của ROS với chi phí phần cứng thấp hơn nhiều so với các xe khảo sát chuyên dụng.

Hạn chế và hướng nghiên cứu tiếp

• Hạn chế: Hệ thống mới chỉ được thử nghiệm thực tế trên một phạm vi đoạn đường giới hạn; độ ổn định của tín hiệu GPS còn chịu ảnh hưởng bởi hiện tượng che khuất tín hiệu vệ tinh tại các khu vực đô thị có nhà cao tầng hoặc cây cối rậm rạp; thuật toán phân loại gồ ghề dựa trên ngưỡng gia tốc thẳng đứng chưa bù trừ hoàn toàn được độ rung tự nhiên xuất phát từ hệ thống treo riêng biệt của các dòng xe khác nhau.
• Hướng nghiên cứu tiếp: Mở rộng thu thập và kiểm thử dữ liệu trên nhiều tuyến đường và nhiều phân khúc phương tiện khác nhau; cải tiến giải thuật lọc nhiễu gia tốc bằng cách áp dụng các mô hình học máy để phân loại hư hại mặt đường chính xác hơn; phát triển ứng dụng di động hiển thị cảnh báo thời gian thực trực tiếp cho tài xế khi sắp tiến vào đoạn đường xấu; tối ưu hóa khả năng lưu trữ ngoại tuyến khi xe di chuyển vào vùng mất sóng viễn thông.

Giá trị tham khảo

Đồ án là tài liệu kỹ thuật có giá trị tham khảo thiết thực cho:

• Đối tượng: Sinh viên, học viên cao học và kỹ sư thuộc các chuyên ngành Công nghệ Kỹ thuật Điện tử - Viễn thông, Kỹ thuật Cơ điện tử, Kỹ thuật Ô tô, Kỹ thuật Máy tính và Hệ thống Nhúng/IoT.
• Nội dung tham khảo giá trị:
  • Phương pháp cấu hình và lập trình giao tiếp mạng CAN và chuẩn OBD-II sử dụng chip MCP2515 trên nền Arduino để trích xuất dữ liệu vận hành thực tế của xe ô tô.
  • Kiến trúc triển khai hệ thống ROS trên máy tính nhúng Linux (Raspberry Pi 4) trong các bài toán điều phối luồng dữ liệu cảm biến đa luồng qua giao thức mạng Ethernet.
  • Công thức và giải thuật thực nghiệm tính toán chỉ số gồ ghề quốc tế IRI từ dữ liệu gia tốc kế 3 trục kết hợp định vị GPS và công thức khoảng cách Haversine.
  • Quy trình kết nối hệ thống nhúng cục bộ với các dịch vụ đám mây Google Firebase và xây dựng giao diện hiển thị bản đồ trực quan.

Câu hỏi thường gặp

1. Hệ thống tính toán chỉ số chất lượng mặt đường (IRI) dựa trên các tham số và công thức nào?

Chỉ số IRI được tính bằng tỷ số giữa tổng độ dịch chuyển theo phương thẳng đứng $\sum |V_{hi}|$ và quãng đường di chuyển $S$ ($IRI = \frac{\sum |V_{hi}|}{S}$). Trong đó, quãng đường $S$ được tính toán từ tọa độ kinh độ và vĩ độ của module GPS NEO M8M bằng công thức Haversine; độ dịch chuyển thẳng đứng $V_h$ được xác định bằng cách tích phân hai lần giá trị gia tốc thẳng đứng thu được từ cảm biến gia tốc 6 trục theo thời gian ($v = \int a_v , dt$ và $V_h = \int v , dt$). Giá trị IRI sau đó được đối chiếu với bảng phân ngưỡng của Yu, Chou và Yau theo từng dải tốc độ.

2. Dữ liệu từ xe ô tô được trích xuất qua giao thức nào và cách tính đổi giá trị vật lý ra sao?

Dữ liệu xe được lấy qua cổng kết nối chẩn đoán OBD-II bằng CAN_Bus Shield (sử dụng chip MCP2515 và MCP2551) theo chuẩn ISO 15765 (CAN) với ID yêu cầu 7DF và ID phản hồi 7E8. Gói dữ liệu OBD-II trả về gồm trường độ dài, chế độ (Mode), mã PID và các byte giá trị (A, B, C, D). Dữ liệu thô hex được chuyển sang giá trị vật lý bằng công thức: $\text{Giá trị vật lý} = \text{Offset} + \text{Tỷ lệ} \times \text{Giá trị thô}$. Chẳng hạn, với tốc độ động cơ (PID 0C), giá trị thô nhận về được nhân với tỷ lệ 0,25 (offset = 0) để ra vòng tua thực tế (rpm).

3. Nền tảng ROS đóng vai trò gì trong kiến trúc phần mềm của hệ thống?

ROS (Robot Operating System) đóng vai trò là middleware điều phối dữ liệu trung tâm trên Raspberry Pi 4. ROS quản lý các tác vụ xử lý thông qua các Node hoạt động song song, liên lạc với nhau qua cơ chế Publisher/Subscriber và được định danh bởi ROS Master. Dữ liệu nhận từ khối tiền xử lý qua Ethernet được đẩy vào các Topic (/imu, /gps_fix, và các thông số xe), giúp việc tính toán tọa độ, nội suy dữ liệu, tính chỉ số IRI và đồng bộ lên cơ sở dữ liệu Firebase diễn ra độc lập, không bị nghẽn luồng.

4. Khối phần cứng tiền xử lý bao gồm những thành phần nào và kết nối với nhau ra sao?

Khối tiền xử lý sử dụng vi điều khiển trung tâm Arduino Mega 2560. Vi điều khiển này kết nối với cảm biến gia tốc Serial 6-Axis Accelerometer và module định vị GPS NEO M8M qua các cổng giao tiếp UART; kết nối với CAN_Bus Shield (chứa chip MCP2515) và Ethernet Shield (chip WIZnet W5100) qua giao tiếp SPI. Toàn bộ gói dữ liệu cảm biến và dữ liệu xe sau khi tiền xử lý được chuyển về máy tính nhúng Raspberry Pi 4 thông qua cáp mạng Ethernet bằng giao thức TCP/IP.

5. Website của hệ thống cung cấp những tính năng giám sát nào cho người dùng?

Website được tích hợp với Google Firebase (Firebase Authentication để quản lý đăng ký/đăng nhập và Realtime Database để nhận dữ liệu tức thời). Giao diện cung cấp bản đồ số hiển thị vệt lộ trình di chuyển với các màu sắc đại diện cho các mức độ chất lượng mặt đường khác nhau, ghim các vị trí có ổ gà/điểm gập ghềnh, hiển thị các đồng hồ đo thông số vận hành của xe (tốc độ, vòng tua máy, nhiệt độ làm mát, mức nhiên liệu) và tự động kích hoạt cảnh báo khi phát hiện thông số vượt quá ngưỡng an toàn.

Kết luận

Đồ án tốt nghiệp của nhóm tác giả đã xây dựng thành công hệ thống tích hợp phần cứng và phần mềm nhằm đánh giá chất lượng mặt đường kết hợp giám sát trạng thái xe ô tô thời gian thực. Bằng việc kết hợp vi điều khiển Arduino Mega 2560, máy tính nhúng Raspberry Pi 4, chuẩn truyền thông CAN/OBD-II và nền tảng ROS, hệ thống đã thu thập, tính toán chỉ số IRI và phát hiện ổ gà một cách khách quan từ dữ liệu cảm biến chuyển động và GPS. Dữ liệu được đồng bộ hóa lên cơ sở dữ liệu Google Firebase và trực quan hóa qua giao diện website, mang lại giải pháp công nghệ khả thi và chi phí thấp hỗ trợ công tác quản lý giao thông cũng như nâng cao an toàn cho người điều khiển phương tiện.

Trích đoạn nội dung tài liệu

Chương 1: Tổng quan đề tài: Giới thiệu lý do chọn đề tài và mục tiêu hướng đến. Cập nhật tình hình nghiên cứu trong và ngoài nước cũng như phương pháp nghiên cứu, giới hạn đề tài và bố cục cho đề tài. Chương 2: Cơ sở lý thuyết: Trình bày ngắn gọn và rõ ràng các linh kiện được sử dụng trong mô hình, các cơ sở lý thuyết liên quan, mô tả đặc điểm của các phần mềm thiết kế hệ thống. Chương 3: Thiết kế hệ thống: Từ yêu cầu của đề tài tính toán để lựa chọn các linh kiện, xây dựng sơ đồ khối và phân tích các chức năng của từng khối trong hệ thống.

Mô tả hoạt động của hệ thống. Chương 4: Kết quả và nhận xét đánh giá: Trình bày kết quả và hình ảnh thực tế của hệ thống. Phân tích kết quả thực tế và đưa ra nhận xét so với mục tiêu đề ra ban đầu. Chương 5: Kết luận và hướng phát triển: Dựa vào các kết quả đạt được từ chương 4, đưa ra kết luận về những việc đã làm được và chưa làm được của đề tài.

Từ đó đưa ra các hướng để cải thiện dự án và nâng cao tính ứng dụng để đưa dự án đi vào thực tiễn. 6 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT 2. GIỚI THIỆU VỀ NỀN TẢNG ROS ROS là một nền tảng mã nguồn mở (open-sourced) cung cấp cho người dùng các công cụ cũng như các thư viện để xây dựng các ứng dụng liên quan đến robot [7]. ROS cung cấp các tính năng như thực hiện các tác vụ (task) song song, trao đổi dữ liệu giữa các tác vụ, quản lý dữ liệu,.

Việc sử dụng nền tảng ROS mang lại rất nhiều thuận lợi cho người dùng nhờ các công cụ chuẩn hỗ trợ việc giao tiếp giữa các tác vụ được dễ dàng hơn cũng như sự hỗ trợ của các thư viện có sẵn cho nhiều tác vụ. Hơn thế nữa, khi dùng ROS, người dùng còn có sự hỗ trợ của một cộng đồng vô cùng lớn mạnh, giúp việc giải quyết các thắc mắc và các vấn đề gặp phải được dễ dàng và thuận lợi hơn trong quá trình làm việc [7]. Mô hình ROS có thể được chia thành ba phần: Filesystem, Computation Graph, và Community [8]. ➢ Tầng Filesystem: là tầng nền tảng cung cấp môi trường cho việc thực hiện giao tiếp truyền nhận dữ liệu, xử lý các dữ liệu trong hệ thống.

Trong đó các dữ liệu sẽ được quy định về cấu trúc của dữ liệu truyền nhận trong phần message (msg), các lệnh yêu cầu truy cập và phản hồi của các services trong ROS sẽ được định nghĩa trong phần service (src). Quan trọng nhất, để cho việc thực thi và cấu hình cho hệ thống thì ta không thể thiếu được phần Packages nơi cung cấp các dịch vụ để thực hiện các chức năng trên. ➢ Tầng Computation Graph: nơi người dùng có sự tương tác và làm việc trực tiếp nhiều nhất. Cơ bản thì tầng Compution Graph bao gồm các thành phần cơ bản sau: Nodes, Master, Messages, Topics và Bags, trong đó: • Nodes: là nơi thực hiện các công việc về thu thập dữ liệu, tính toán, xử lý các dữ liệu.

Một hệ thống khi được xây dựng sẽ bao gồm nhiều node khác nhau thực hiện các chức năng nhất định. Ví dụ một trong hệ thống xây dựng chất lượng mặt đường sẽ có node thực hiện việc thu thập các giá trị thu được từ cảm biến, một node khác sẽ đảm nhiệm việc tính toán các dữ liệu đã thu được. • Master: cung cấp tên đăng ký và tra cứu cho các node. Đây là nơi để thực hiện các kết nối giữa các node trong hệ thống với nhau để có thể thực hiện việc 7 trao đổi thông tin giữa các node với nhau.

Nếu không có Master thì các node sẽ không có sự liên kết và hoạt động rời rạc, không đem lại kết quả cho hệ thống. • Messages: là kiểu cấu trúc của dữ liệu mà người dùng muốn định nghĩa cho thông tin để giao tiếp giữa các node, ví dụ như string, IMU, GPS,. • Topics: Trong quá trình trao đổi thông tin giữa các Node, Messages được định tuyến theo hai kiểu trong hệ thống bao gồm: Publisher (gửi thông tin) và Subscriber (đăng ký nhận thông tin). Một node thực hiện việc gửi các messages bằng cách đưa các messages vào trong các topic, tên các topic thường được đặt theo nội dung của messages.

• Bags: là nơi lưu trữ các thông tin từ ROS messages, đây là một tính năng quan trọng để lưu trữ các dữ liêu, chẳng hạn như dữ liệu cảm biến thu được. 1: Giao tiếp giữa các Node trong ROS.1 mô tả quá trình giao tiếp giữa 2 node trong ROS, đầu tiên để gửi thông tin đi thì Publisher Node thực hiện đăng ký tên topic với Ros Master, sau đó ROS Master có nhiệm vụ cung cấp thông tin tên topic này đến với Subscriber Node. Khi đã nắm thông tin về topic, Subscriber Node thực hiện yêu cầu gửi thông tin message đến Publisher Node. Khi nhận được yêu cầu Publisher thực hiện gửi các message vào topic đã được đăng ký, sau đó Subscriber Node sẽ nhận các message này từ topic đã đăng ký và được thông báo từ ROS Master.

➢ Tầng Community: là các nguồn tài nguyên bao gồm phần mềm và các kiến thức được cộng đồng phát triển ROS chia sẻ với nhau. CÁC CHUẨN GIAO THỨC 2. Giao thức truyền thông CAN 2. Tổng quan Ngày nay nhiều thiết bị điện tử được triển khai trên các phương tiện hiện đại, với mục đích tạo ra sự an toàn và thoải mái cho người điều khiển phương tiện cũng như giảm thiểu lượng khí thải tạo ra.

Tuy nhiên, điều này đặt ra vấn đề về việc cần có nhiều đường dây kết nối cũng như nhiều đầu nối hơn để các thiết bị trên hệ thống có thể trao đổi thông tin với nhau, lúc này những yếu tố về chi phí vật liệu, thời gian sản xuất và độ tin cậy của dữ liệu bắt đầu có nhiều sự ảnh hưởng. Vì vậy để giải quyết vấn đề trên, mạng truyền thông CAN (Control Area Network) đã được ra đời, việc sử dụng mạng CAN đã giúp thay thế được các kết nối điểm – điểm trong hệ thống và chuyển sang sử dụng một đường truyền thông chung kết nối duy nhất liên kết tất cả các hệ thống lại với với nhau gọi là CAN_bus và trao đổi thông tin trên CAN_bus này. 2: Giao thức truyền thông CAN. Trong mạng CAN các nút truyền dữ liệu với nhau thông qua 2 dây CAN_H và CAN_L các dữ liệu truyền nhận sẽ được mã hóa và giải mã riêng theo các quy luật của mạng CAN.

Tốc độ truyền dữ liệu cao lên đến 1Mbps với khoảng cách truyền lên đến 40m cho cặp dây xoắn, việc xoắn của cặp dây CAN_H và CAN_L giúp cho dữ liệu giảm được nhiễu điện từ EMI một cách đáng kể trong quá trình truyền [10]. Nguyên lý hoạt động Giao thức CAN hoạt động dựa theo khái niệm “Carrier Sense Multiple Access with Arbitration on Message Priority” hay còn gọi là CSMA/AMP [11]. Khái niệm trên có 2 phần cần được hiểu gồm CSMA và AMP trong đó CSMA có nghĩa là trước khi tín hiệu được truyền lên đường truyền thì cần kiểm tra xem đường truyền có đang trống và không còn có dữ liệu nào khác đang được truyền trên đó không, còn AMP có nghĩa là các tin nhắn được truyền sẽ có độ ưu tiên khác nhau và các tin nhắn có độ ưu tiên lớn hơn sẽ có thể được xử lý sớm hơn. Tóm lại, các dữ liệu chỉ được truyền trên đường truyền CAN_Bus nếu đường truyền đang trống, không có dữ liệu đang truyền trên đó và khi các dữ liệu truyền cùng một lúc thì dữ liệu nào có độ ưu tiên cao hơn sẽ được truyền đi trước, độ ưu tiên sẽ được tính dựa theo số bit dominant (bit 0) trong trường trạng thái của dữ liệu.

3: Ví dụ cho quá trình hoạt động trên mạng CAN [9].3 mô tả ví dụ cụ thể cho quá trình truyền khi có đồng thời ba dữ liệu từ ba Node khác nhau cùng truyền một lúc thì lúc này sẽ dựa vào độ ưu tiên của mỗi dữ liệu mà thứ tự truyền của dữ liệu sẽ được thiết lập. Tại đây ta thấy được Node B có độ ưu tiên thấp cao nhất nên sẽ bị cho vào hàng chờ vì có bit recessive cao hơn so với hai Node còn lại, tiếp tục so sánh hai Node còn lại cho ra kết quả bit Node C lại có bit recessive (bit 1) cao hơn so với Node A nên sẽ có độ ưu tiên thấp hơn Node A. Từ kết quả so sánh trên ta có thứ tự ưu tiên trên đường truyền CAN_Bus lần lượt sẽ là Node A, Node B và Node C. 10 Sau khi các dữ liệu đã được truyền trên đường truyền dữ liệu thì sẽ mang một mã ID khác nhau tương ứng với dữ liệu đang mang.

Các Node khi nhận dữ liệu sẽ dựa trên các ID này để kiểm tra xem đây có đúng là dữ liệu đã được yêu cầu chưa, nếu ID chính xác thì sẽ tiến hành nhận dữ liệu để xử lý, trường hợp ID sai sẽ tiếp tục quá trình dò tìm dữ liệu có mã ID đúng theo như yêu cầu. Phân loại khung CAN Khung CAN được phân thành 5 loại [10], bao gồm: • Khung dữ liệu (Data Frame). • Khung yêu cầu (Remote Frame). • Không gian liên khung (Inter-frame Space).

➢ Khung dữ liệu Hình 2. 4: Định dạng khung dữ liệu tiêu chuẩn [9]. Khung dữ liệu được sử dụng khi Node có nhu cầu truyền dữ liệu lên đường truyền CAN, trong hình 2.4 ở trên mô tả chi tiết các thành phần cấu thành nên một khung dữ liệu: • Bắt đầu một khung dữ liệu sẽ là bit SOF, bit này mặc định sẽ luôn có giá trị là 0 (bit dominant). • Tiếp theo sau sẽ là trường trạng thái của khung, nơi đây quy định mức độ ưu tiên cho dữ liệu trên đường truyền, bao gồm 2 phần: phần đầu chiếm 11 bit quy 11 định mã ID để định danh dữ liệu trên đường truyền, phần sau gồm một bit để thể hiện khung hiện tại là khung dữ liệu hay là khung yêu cầu (đối với khung dữ liệu giá trị bit luôn là 0).

• Trường tiếp theo là trường điều khiển tại đây sẽ quy định khung dữ liệu hiện tại đang là khung CAN cơ bản hay khung CAN mở rộng bằng bit IDE, đối với khung CAN cơ bản thì giá trị luôn bằng bit luôn bằng 0, số lượng byte chứa dữ liệu trong tin nhắn sẽ được thể hiện trong 4 bit cuối cùng của trường (0 – 8byte). • Trường dữ liệu có độ dài được xác định bởi DLC ở trên (0, 8, 16,…, 56, 64) tại đây sẽ chứa thông tin về giá trị dữ liệu của tin nhắn đang mang.