Bối cảnh và vấn đề nghiên cứu

Tại Việt Nam, quá trình già hóa dân số bắt đầu từ năm 2011 với tốc độ thuộc nhóm nhanh nhất thế giới. Theo số liệu thống kê được tác giả trích dẫn, năm 2024 cả nước có khoảng 14,2 triệu người từ 60 tuổi trở lên, và dự báo đến năm 2030 con số này sẽ chạm mốc xấp xỉ 18 triệu người (tăng gần 4 triệu người so với năm 2024). Cùng với sự thay đổi của đời sống kinh tế và áp lực công việc, mô hình người cao tuổi sống một mình ngày càng gia tăng, khiến việc chăm sóc trực tiếp từ con cháu gặp nhiều hạn chế. Trong sinh hoạt hằng ngày, các tai nạn té ngã bất ngờ tiềm ẩn rủi ro chấn thương nghiêm trọng hoặc đe dọa tính mạng nếu không được phát hiện và xử lý kịp thời.

Khảo sát tổng quan tình hình nghiên cứu chỉ ra rằng:

  • Ở nước ngoài, các công trình đã ứng dụng Internet vạn vật (IoT) và trí tuệ nhân tạo (AI) trong chăm sóc sức khỏe, điển hình như nghiên cứu sử dụng vi điều khiển ESP8266 kết hợp mô hình hồi quy logistic để theo dõi SpO2, huyết áp, nhịp tim và dự đoán nguy cơ bệnh tim; nghiên cứu ứng dụng mạng nơ-ron nhân tạo (ANN) và máy vector hỗ trợ (SVM) để quản lý các bệnh mãn tính; hay các hệ thống theo dõi y tế từ xa phát triển mạnh mẽ trong giai đoạn đại dịch COVID-19.
  • Ở trong nước, các nghiên cứu đã phát triển ứng dụng di động kết nối cảm biến đo nhịp tim, phát hiện té ngã và đặt lịch uống thuốc qua sóng Bluetooth, hoặc chế tạo máy tập thể dục thông minh tích hợp cảm biến đo năng lượng tiêu thụ và nhịp tim. Tuy nhiên, các giải pháp nội địa phần lớn dừng lại ở việc theo dõi các chỉ số sinh học cơ bản hoặc giao tiếp tầm ngắn, chưa chú trọng đúng mức đến tình huống khẩn cấp té ngã kết hợp khả năng định vị vệ tinh ngoài thực địa.

Xuất phát từ khoảng trống đó, đồ án xác định các mục tiêu và nhiệm vụ nghiên cứu cụ thể:

  1. Xây dựng một thiết bị đeo thông minh có khả năng thu thập dữ liệu chuyển động và nhận diện chính xác sự cố té ngã của người dùng.
  2. Tích hợp mô-đun định vị toàn cầu GPS nhằm xác định tọa độ vị trí theo thời gian thực của người đeo khi xảy ra tai nạn.
  3. Thiết kế nút bấm khẩn cấp (SOS) trên thiết bị, cho phép người dùng chủ động phát tín hiệu cảnh báo trong các tình huống nguy hiểm hoặc suy giảm sức khỏe đột ngột.
  4. Xây dựng cơ chế truyền dữ liệu không dây qua mạng Wifi lên nền tảng đám mây Firebase, đồng bộ dữ liệu vị trí và trạng thái cảm biến.
  5. Phát triển ứng dụng di động đa nền tảng bằng React Native để hiển thị trực quan dữ liệu, quản lý khu vực an toàn và tự động gửi thông báo đẩy đến người giám hộ.

Đối tượng nghiên cứu của đề tài bao gồm:

  • Nhóm người cao tuổi hoặc những cá nhân có nguy cơ cao gặp tai nạn té ngã trong sinh hoạt hằng ngày.
  • Phần cứng vi điều khiển ESP32 và các mô-đun ngoại vi: cảm biến quán tính MPU6050, mô-đun GPS NEO-M8N, mô-đun nút nhấn cơ học, mạch quản lý nguồn IP5306.
  • Nền tảng cơ sở dữ liệu đám mây Firebase (Firebase Realtime Database và Cloud Firestore).
  • Khung lập trình ứng dụng di động React Native sử dụng bộ công cụ Expo.
  • Các giải pháp và phương pháp nhận diện té ngã trong lĩnh vực chăm sóc sức khỏe.

Phạm vi nghiên cứu được giới hạn ở việc:

  • Thu thập dữ liệu gia tốc 3 trục, vận tốc góc 3 trục và tọa độ kinh độ - vĩ độ của thiết bị đeo tại thắt lưng.
  • Xử lý dữ liệu và nhận diện ngưỡng té ngã trực tiếp trên vi điều khiển ESP32.
  • Truyền nhận dữ liệu qua giao thức mạng Wifi ở chế độ Station (WIFI_STA) đến máy chủ Firebase.
  • Thiết kế giao diện theo dõi, lưu trữ lịch sử cảnh báo và hiển thị bản đồ định vị trên ứng dụng di động chạy bằng ngôn ngữ JavaScript.

Cơ sở lý thuyết và phương pháp

Đề tài phân tích ba phương pháp phát hiện té ngã phổ biến hiện nay:

  • Phương pháp thị giác máy tính: Sử dụng camera giám sát kết hợp thuật toán xử lý ảnh và học máy để phân tích tư thế, phát hiện chuyển động bất thường. Ưu điểm là người dùng không cần mang thiết bị trên người, nhưng nhược điểm lớn nằm ở chi phí phần cứng xử lý cao, phụ thuộc nhiều vào điều kiện ánh sáng và góc quan sát của camera.
  • Phương pháp dựa trên cảm biến môi trường: Bố trí cảm biến áp suất dưới sàn nhà, cảm biến hồng ngoại thụ động (PIR) hoặc cảm biến sóng vô tuyến/radar trong không gian sống. Ưu điểm là không gây vướng víu cho người sử dụng, nhưng chi phí lắp đặt phủ kín không gian rất lớn và độ tin cậy suy giảm trong môi trường rộng, nhiều vật cản.
  • Phương pháp dựa trên cảm biến gắn trên người: Trang bị các cảm biến gia tốc, con quay hồi chuyển hoặc cảm biến từ kế trực tiếp lên cơ thể người dùng. Phương pháp này có chi phí thấp, tính di động cao, dễ tích hợp với các vi điều khiển nhỏ gọn như ESP32, hoạt động liên tục mà không bị hạn chế bởi ánh sáng hay vùng bao phủ của camera. Tác giả đã lựa chọn phương pháp cảm biến gắn trên người làm nền tảng cho đồ án.

Về phương pháp nghiên cứu thực tế, nhóm tác giả triển khai phương pháp thiết kế kỹ thuật kết hợp thực nghiệm:

  • Xử lý tín hiệu cảm biến vi cơ điện tử (MEMS): Cảm biến MPU6050 đo lường gia tốc dựa trên nguyên lý thay đổi điện dung vi cơ và đo tốc độ quay dựa trên hiệu ứng lực Coriolis. Tín hiệu số hóa qua bộ chuyển đổi ADC 16-bit nội vi được vi điều khiển đọc qua giao tiếp nối tiếp đồng bộ I2C.
  • Định vị vệ tinh GNSS: Mô-đun NEO-M8N thu nhận tín hiệu từ các hệ thống vệ tinh (GPS, GLONASS, Galileo, QZSS) qua giao tiếp nối tiếp bất đồng bộ UART2, tính toán tọa độ theo thuật toán định vị tam giác và truyền dữ liệu theo định dạng chuẩn NMEA 0183/UBX.
  • Đồng bộ thời gian mạng (NTP): Hệ thống phân tầng của giao thức Network Time Protocol (từ Tầng 0 đến Tầng 3) hoạt động trên nền giao thức UDP được ứng dụng để lấy nhãn thời gian thực theo múi giờ Việt Nam (UTC+7) dự phòng khi mất kết nối tín hiệu GPS.
  • Nguồn dữ liệu: Dữ liệu thực nghiệm được đo đạc trực tiếp từ các chuỗi vận động thực tế của người dùng, bao gồm các hoạt động bình thường (đi bộ, chạy, tập thể dục, ngồi xuống, đứng dậy) và các trường hợp té ngã mô phỏng theo nhiều hướng để xác lập ngưỡng kích hoạt cảnh báo.
  • Kiến trúc lưu trữ phân tầng trên Firebase: Kết hợp song song hai loại cơ sở dữ liệu để tối ưu hóa hiệu năng truyền thông:
Tiêu chí so sánh Firebase Realtime Database Firebase Firestore
Cấu trúc dữ liệu Dạng cây JSON đơn giản Dạng collection-document
Tốc độ đồng bộ Đồng bộ gần như tức thời Đồng bộ thời gian thực với tốc độ tốt
Khả năng truy vấn Hạn chế, ít linh hoạt Hỗ trợ lọc, sắp xếp và phân trang mạnh mẽ
Tính mở rộng Khó mở rộng với dữ liệu lớn, phức tạp Dễ dàng mở rộng cho hệ thống dữ liệu logic cao
Dữ liệu áp dụng trong đồ án Tọa độ GPS và cảm biến gửi định kỳ (mỗi 10s) Bản ghi cảnh báo té ngã, mốc thời gian nút SOS

Thiết kế và triển khai hệ thống

Hệ thống được thiết kế đáp ứng chặt chẽ các chỉ tiêu kỹ thuật và yêu cầu chức năng:

  • Yêu cầu chức năng: Phát hiện chính xác các cú té ngã; phân biệt rõ giữa té ngã thực sự với các hoạt động sinh hoạt mạnh; cập nhật vị trí GPS theo thời gian thực; tiếp nhận tín hiệu nút nhấn khẩn cấp; cung cấp giao diện trực quan hiển thị bản đồ, đồ thị và cảnh báo đẩy.
  • Yêu cầu kỹ thuật: Cảm biến gia tốc đạt độ chính xác trên 90%; định vị GPS đạt độ chính xác khoảng ±20m với chu kỳ lấy mẫu 10 giây/lần; kết cấu mỏng nhẹ, đeo cố định ở eo để tránh va đập và dao động giả; thời lượng pin đảm bảo hoạt động liên tục từ 1 đến 2 ngày; sai số hoạt động toàn hệ thống trong phạm vi ±10%.

Hệ thống được cấu thành từ 7 khối chức năng chính:

  1. Khối xử lý trung tâm: Sử dụng vi điều khiển ESP32 (CPU 2 nhân Xtensa LX6 32-bit, tốc độ tối đa 240 MHz, 520 KB SRAM, Flash ngoài kết nối qua SPI). ESP32 vận hành ở chế độ trạm Wifi Station (WIFI_STA), nhận địa chỉ IP động từ Router qua giao thức DHCP để truyền dữ liệu lên Internet.
  2. Khối cảm biến chuyển động: Mô-đun MPU6050 tích hợp gia tốc kế 3 trục (dải đo tùy chỉnh ±2g, ±4g, ±8g, ±16g) và con quay hồi chuyển 3 trục (dải đo ±250°/s đến ±2000°/s), giao tiếp với ESP32 qua bus I2C (chân SDA và SCL) với tần số xung nhịp tối đa 400 kHz.
  3. Khối định vị toàn cầu: Mô-đun GNSS u-blox NEO-M8N theo dõi đồng thời 72 kênh vệ tinh, giao tiếp với ESP32 qua cổng UART2 với tốc độ baud 9600 bps. Khối kết hợp cùng anten cao su mini có độ lợi 3dBi, trở kháng 50 Ohm, chuẩn kết nối SMA góc xoay 90 độ.
  4. Khối nút nhấn cảnh báo: Sử dụng mô-đun nút nhấn 3 chân (VCC, GND, OUT) tích hợp sẵn mạch lọc chống dội (debounce) bằng điện trở và tụ điện, tạo tín hiệu số (Digital HIGH/LOW) kết nối trực tiếp đến chân GPIO của ESP32.
  5. Khối nguồn và quản lý sạc: Tích hợp IC IP5306, hỗ trợ sạc pin Lithium-Ion 3.7V qua cổng USB Type-C và nâng áp tự động (boost converter) lên 5V ổn định với dòng ra định mức từ 2A đến 3A để nuôi toàn bộ mạch. Mạch tích hợp cơ chế tự động chuyển nguồn khi ngắt sạc ngoài và có các mạch bảo vệ quá dòng, ngắn mạch, sạc quá mức và xả sâu.
  6. Khối điều khiển và cảnh báo: Đảm nhiệm xử lý logic ngắt khi phát hiện tín hiệu bất thường, kích hoạt tiến trình gửi cảnh báo lên dịch vụ đám mây.
  7. Khối hiển thị và ứng dụng di động: Ứng dụng xây dựng trên nền tảng React Native thông qua bộ công cụ Expo (sử dụng Expo CLI và Expo Go), tích hợp Firebase Cloud Messaging để phát thông báo đẩy trực tiếp tới điện thoại của người giám hộ.
Linh kiện / Mô-đun Vai trò trong hệ thống Điện áp hoạt động Chuẩn giao tiếp / Thông số kỹ thuật chính
ESP32 Khối xử lý trung tâm 3.0V – 3.6V Xtensa LX6 (240 MHz), 520 KB RAM, Wifi 802.11 b/g/n, BLE
MPU6050 Cảm biến gia tốc & con quay 2.4V – 3.4V I2C (tối đa 400 kHz), ADC 16-bit, cảm biến 6 bậc tự do (6-DoF)
NEO-M8N Khối định vị GNSS 3.0V – 3.6V UART (9600 bps), 72 kênh theo dõi, NMEA 0183 / UBX
IP5306 Mạch sạc và nâng áp nguồn 4.5V – 5.5V (In) Boost Converter 5V (2A - 3A), sạc Pin Li-ion 3.7V qua Type-C
Anten GPS mini Thu nhận tín hiệu vệ tinh Thụ động Tần số 2.4 GHz, độ lợi 3 dBi, chuẩn nối SMA, 50 Ohm
Mô-đun nút nhấn Gửi cảnh báo khẩn cấp SOS 3.3V – 5.0V Đầu ra số Digital, tích hợp mạch debounce chống dội phím

Nội dung chính theo từng chương

Chương 1: Giới thiệu

Chương 1 trình bày bối cảnh già hóa dân số tại Việt Nam, nêu bật tính cấp bách của việc giám sát an toàn cho người cao tuổi sống độc thân. Tác giả phân tích các nghiên cứu y tế thông minh trong và ngoài nước, chỉ rõ những hạn chế của các giải pháp hiện hành khi chưa kết hợp đồng thời việc nhận diện té ngã cục bộ với định vị vệ tinh GPS theo thời gian thực. Từ đó, chương xác lập mục tiêu nghiên cứu, định vị đối tượng, phạm vi giới hạn của đề tài và vạch ra cấu trúc 5 chương của đồ án tốt nghiệp.

Chương 2: Cơ sở lý thuyết

Chương 2 cung cấp nền tảng khoa học cho toàn bộ hệ thống. Tác giả so sánh chi tiết ba phương pháp phát hiện té ngã và khẳng định tính phù hợp của cảm biến đeo người. Các thông số kỹ thuật, cấu tạo và nguyên lý hoạt động của vi điều khiển ESP32, cảm biến MPU6050, mô-đun GPS NEO-M8N, mạch nguồn IP5306 và anten cao su mini được trình bày chi tiết. Chương này cũng phân tích sâu về các chuẩn truyền thông UART, I2C, chế độ mạng Wifi Station (STA), giao thức đồng bộ thời gian NTP qua UDP (múi giờ UTC+7), cấu trúc cơ sở dữ liệu Firebase (Realtime Database và Firestore) cùng công nghệ lập trình ứng dụng di động React Native trên nền bộ công cụ Expo.

Chương 3: Thiết kế hệ thống

Chương 3 chi tiết hóa quy trình hiện thực hóa giải pháp từ yêu cầu chức năng và kỹ thuật (độ chính xác cảm biến >90%, pin >1-2 ngày, cập nhật GPS mỗi 10 giây). Tác giả xây dựng sơ đồ khối 7 khối chức năng, sơ đồ nối chân giữa ESP32 với các ngoại vi, sơ đồ mạch nguồn và sơ đồ nguyên lý toàn mạch. Về phần mềm, chương đưa ra hệ thống lưu đồ thuật toán hoàn chỉnh: lưu đồ tổng quan hệ thống, lưu đồ kết nối mạng và cảm biến, lưu đồ bóc tách dữ liệu NMEA từ NEO-M8N, lưu đồ đọc dữ liệu gia tốc/vận tốc góc từ MPU6050, giải thuật nhận diện ngưỡng té ngã, lưu đồ đọc trạng thái nút bấm khẩn cấp và kiến trúc phân phối dữ liệu lên Firebase cùng dịch vụ thông báo đám mây (Cloud Messaging).

Chương 4: Kết quả và nhận xét đánh giá

Chương 4 công bố kết quả triển khai thực tế của hệ thống. Về phần cứng, thiết bị được hoàn thiện dưới dạng hộp đeo eo nhỏ gọn, bố trí cổng sạc Type-C, đầu cắm anten SMA và nút bấm SOS bên ngoài. Về truyền nhận dữ liệu, dữ liệu tọa độ định kỳ được lưu trữ thành công trên Realtime Database, trong khi các sự kiện té ngã và kích hoạt nút SOS kèm nhãn thời gian NTP được ghi nhận chính xác tại Firestore. Chương này trình bày các bảng số liệu thực nghiệm đo tổng gia tốc và tổng vận tốc góc giữa các hoạt động thể chất thường ngày (đi bộ, chạy, tập thể dục, đứng dậy, ngồi xuống) và các trường hợp té ngã đa hướng (té ngã về trước, sau, trái, phải). Đồng thời, giao diện ứng dụng React Native được thử nghiệm thành công với đầy đủ các màn hình: Start, Đăng ký, Đăng nhập, Giao diện chính, Chart (biểu đồ), GPS (bản đồ định vị), Safe Area (vùng an toàn) và tính năng đẩy thông báo cảnh báo tức thời.

Chương 5: Kết luận và hướng phát triển

Chương 5 đúc kết các kết quả đạt được đối chiếu với các mục tiêu kỹ thuật đề ra ban đầu, xác nhận hệ thống đã hoạt động ổn định và đáp ứng tốt khả năng phát hiện té ngã, định vị GPS và truyền cảnh báo qua Internet. Tác giả thẳng thắn chỉ ra các điểm còn hạn chế của đề tài và đề xuất các hướng cải tiến kỹ thuật cụ thể nhằm nâng cao khả năng thương mại hóa và ứng dụng thực tiễn.

Kết quả và đóng góp

Hệ thống đã được chế tạo và thử nghiệm thực tế với các kết quả cụ thể:

  • Phần cứng được tích hợp hoàn chỉnh thành thiết bị đeo nhỏ gọn tại eo, vận hành ổn định bằng nguồn pin Li-ion 3.7V qua mạch IP5306, hỗ trợ vừa sạc vừa dùng và tự động chuyển đổi nguồn điện mượt mà.
  • Dữ liệu thu thập từ cảm biến MPU6050 cho phép phân định rõ rệt giữa các hoạt động thường nhật và sự cố té ngã:
    • Khi người dùng đi bộ, chạy, tập thể dục, ngồi xuống hoặc đứng dậy, tổng gia tốc và tổng vận tốc góc biến thiên trong biên độ vận động thông thường.
    • Khi xảy ra té ngã (về phía trước, phía sau, sang trái hoặc sang phải), các giá trị gia tốc tuyến tính và vận tốc góc tăng vọt đột ngột vượt qua ngưỡng thiết lập, kích hoạt ngay lập tức chu trình cảnh báo.
  • Dữ liệu định vị từ mô-đun GPS NEO-M8N được truyền định kỳ 10 giây/lần lên Firebase Realtime Database với độ chính xác đạt phạm vi ngoài trời, hiển thị trực quan lộ trình trên bản đồ của ứng dụng.
  • Dữ liệu sự cố té ngã và tín hiệu nút bấm khẩn cấp SOS được đẩy tức thời lên Firebase Firestore, đồng thời ứng dụng React Native nhận tín hiệu và phát thông báo đẩy (push notification) cảnh báo đến điện thoại người giám hộ.
  • Giao thức NTP đảm bảo mọi sự kiện cảnh báo đều được gắn thẻ mốc thời gian chuẩn xác theo giờ Việt Nam (UTC+7) ngay cả khi thiết bị di chuyển vào khu vực mất sóng vệ tinh GPS.

Các giải pháp và đóng góp chính của đề tài:

  • Tối ưu hóa vị trí đeo thiết bị: Xác định vị trí thắt lưng (eo) là điểm cố định tối ưu nhằm hạn chế các dao động quán tính giả do vung tay hoặc quay đầu gây ra sai số nhận diện.
  • Mô hình hóa lưu trữ đám mây lai (Hybrid Cloud Storage): Kết hợp linh hoạt giữa Realtime Database cho luồng dữ liệu vị trí liên tục và Firestore cho các sự kiện khẩn cấp có cấu trúc, giúp tiết kiệm băng thông và tăng tốc độ phản hồi cảnh báo.
  • Khắc phục khoảng trống nghiên cứu nội địa: Đề tài đã giải quyết thành công bài toán tích hợp đồng thời hai tính năng nhận diện té ngã và định vị vệ tinh GPS ngoài thực tế trong cùng một thiết bị nhúng giá thành thấp, vượt trội hơn các mô hình giám sát sức khỏe trước đây ở trong nước vốn chỉ tập trung vào các chỉ số cơ bản qua kết nối tầm ngắn.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của hệ thống được văn bản chỉ rõ:

  • Phụ thuộc vào hạ tầng mạng Wifi: Thiết bị sử dụng ESP32 kết nối mạng ở chế độ Station (WIFI_STA), do đó phạm vi hoạt động bị giới hạn trong vùng phủ sóng của Router Wifi gia đình hoặc mạng cố định; hệ thống chưa thể truyền dữ liệu cảnh báo nếu người dùng di chuyển ra ngoài không gian công cộng không có Wifi.
  • Hạn chế của tín hiệu GPS: Mô-đun NEO-M8N gặp khó khăn trong việc thu nhận tín hiệu vệ tinh khi người dùng ở trong phòng kín, tầng hầm hoặc các khu vực đô thị có nhiều nhà cao tầng che chắn.
  • Đặc tính cảm biến MPU6050: Cảm biến không tích hợp la bàn từ trường (magnetometer) nên không thể xác định hướng di chuyển tuyệt đối trong không gian; đồng thời kết quả đo có thể bị ảnh hưởng bởi nhiễu rung động cơ học nếu thiết bị không được cố định chặt vào thắt lưng.

Hướng nghiên cứu tiếp theo do nhóm tác giả đề xuất:

  • Tích hợp thêm mô-đun truyền thông di động (như GSM/4G LTE) để đảm bảo việc truyền nhận dữ liệu định vị và cảnh báo diễn ra liên tục tại mọi vị trí ngoài trời mà không cần phụ thuộc vào mạng Wifi.
  • Nghiên cứu ứng dụng các thuật toán máy học hoặc học sâu (Machine Learning) trực tiếp trên vi điều khiển nhằm tối ưu hóa việc phân loại trạng thái chuyển động, giảm thiểu tối đa các cảnh báo sai đối với các động tác sinh hoạt phức tạp.
  • Tối ưu hóa kích thước mạch in, nâng cao dung lượng pin và thiết kế vỏ bọc công thái học có khả năng chống bụi, kháng nước nhằm gia tăng độ bền và độ thoải mái cho người cao tuổi khi sử dụng liên tục hàng ngày.

Giá trị tham khảo

Đồ án là tài liệu tham khảo giá trị cho các đối tượng và định hướng nghiên cứu sau:

  • Sinh viên và học viên: Các ngành Công nghệ Kỹ thuật Máy tính, Điện – Điện tử, Kỹ thuật Điều khiển & Tự động hóa, Công nghệ Thông tin đang thực hiện đồ án môn học hoặc khóa luận tốt nghiệp về thiết bị đeo thông minh và Internet of Things (IoT).
  • Kỹ sư và lập trình viên nhúng: Tài liệu cung cấp giải pháp thực tế về kỹ thuật ghép nối phần cứng giữa vi điều khiển ESP32 với cảm biến quán tính 6 trục (MPU6050 qua I2C), mô-đun định vị vệ tinh GNSS (NEO-M8N qua UART) và IC quản lý nguồn chuyển mạch thông minh (IP5306).
  • Phát triển ứng dụng di động kết nối IoT: Tài liệu đáng tham khảo ở quy trình xây dựng ứng dụng di động đa nền tảng bằng React Native kết hợp bộ công cụ Expo, kỹ thuật đồng bộ cơ sở dữ liệu thời gian thực trên Firebase và giải pháp thiết lập vùng an toàn (Safe Area) cùng thông báo đẩy khẩn cấp.

Câu hỏi thường gặp

1. Hệ thống giải quyết việc lưu trữ dữ liệu trên nền tảng đám mây Firebase như thế nào?
Hệ thống sử dụng song song hai dịch vụ lưu trữ: Firebase Realtime Database được dùng để lưu trữ dữ liệu định vị GPS và thông số cảm biến gửi định kỳ mỗi 10 giây nhằm phục vụ việc theo dõi vị trí theo thời gian thực; trong khi Firebase Cloud Firestore được sử dụng để lưu trữ các bản ghi cảnh báo té ngã và mốc thời gian người dùng kích hoạt nút bấm SOS khẩn cấp dưới dạng dữ liệu có cấu trúc logic.

2. Làm thế nào hệ thống đảm bảo ghi nhận mốc thời gian chính xác của vụ tai nạn khi thiết bị mất tín hiệu vệ tinh GPS?
Bình thường, mốc thời gian được lấy trực tiếp từ chuỗi dữ liệu vệ tinh của mô-đun GPS NEO-M8N. Khi tín hiệu GPS bị gián đoạn (chẳng hạn như khi người dùng ở trong nhà kín), vi điều khiển ESP32 sẽ sử dụng kết nối mạng Wifi truy cập vào các máy chủ giao thức NTP (Network Time Protocol) qua UDP để đồng bộ đồng hồ hệ thống theo múi giờ Việt Nam (UTC+7), đảm bảo các bản ghi gửi lên Firestore luôn kèm theo thời gian chuẩn xác.

3. Vi điều khiển ESP32 giao tiếp với cảm biến MPU6050 và mô-đun GPS NEO-M8N qua những chuẩn giao tiếp cụ thể nào?
ESP32 đóng vai trò là Master giao tiếp với cảm biến MPU6050 (Slave) qua giao thức nối tiếp đồng bộ I2C sử dụng hai chân SDA và SCL với tần số xung nhịp tối đa 400 kHz. Đối với mô-đun định vị GPS NEO-M8N, ESP32 thiết lập liên kết truyền thông nối tiếp bất đồng bộ qua cổng phần cứng UART2 với tốc độ baud mặc định là 9600 bps.

4. Thiết bị được cấp nguồn như thế nào để đảm bảo duy trì hoạt động di động?
Hệ thống sử dụng pin Lithium-Ion 3.7V kết hợp với mạch sạc và nâng áp tích hợp IC IP5306. Mạch hỗ trợ nạp pin qua cổng USB Type-C và sử dụng bộ biến đổi tăng áp (boost converter) để duy trì điện áp đầu ra 5V ổn định (dòng tải 2A - 3A) cấp cho vi điều khiển và các cảm biến. Khi rút nguồn sạc ngoài, IC IP5306 tự động chuyển sang cấp nguồn từ pin mà không làm gián đoạn hoạt động của hệ thống, đáp ứng thời lượng sử dụng liên tục trên 1 đến 2 ngày.

5. Vị trí đeo thiết bị được tác giả chỉ định ở đâu và yêu cầu kỹ thuật về độ chính xác gia tốc là bao nhiêu?
Thiết bị được thiết kế để đeo cố định tại vị trí thắt lưng (eo) của người dùng nhằm hạn chế các tác động quán tính cục bộ không mong muốn từ chân tay. Về mặt kỹ thuật, hệ thống đặt ra chỉ tiêu cảm biến gia tốc phải cung cấp giá trị có độ chính xác đạt trên 90% để phán đoán tin cậy các tình huống té ngã, đồng thời sai số hoạt động chung của toàn bộ thiết bị phải nằm trong phạm vi ±10%.

Kết luận

Đồ án tốt nghiệp của sinh viên Nguyễn Trần Khánh Vy và Ngô Duy Thịnh đã thiết kế và chế tạo thành công một hệ thống IoT hoàn chỉnh có khả năng phát hiện tai nạn té ngã và theo dõi vị trí phục vụ người cao tuổi. Bằng việc kết hợp vi điều khiển ESP32 với cảm biến chuyển động MPU6050, mô-đun GNSS NEO-M8N và nền tảng đám mây Firebase, hệ thống đảm bảo khả năng xử lý tại biên và truyền cảnh báo khẩn cấp tức thời về ứng dụng React Native của người giám hộ. Dù còn phụ thuộc vào phạm vi kết nối Wifi và tín hiệu GPS trong không gian kín, công trình đã giải quyết tốt bài toán tích hợp phần cứng - phần mềm thực nghiệm, cung cấp tài liệu tham khảo kỹ thuật chi tiết cho các nghiên cứu phát triển thiết bị hỗ trợ y tế cá nhân trong tương lai.