Tổng quan về luận án

Sự bùng nổ của kỷ nguyên Internet Vạn Vật (Internet of Things - IoT), đô thị thông minh và nông nghiệp chính xác đặt ra yêu cầu cấp thiết đối với hiệu năng vận hành của Mạng cảm biến không dây (Wireless Sensor Networks - WSNs). WSN bao gồm hàng trăm đến hàng nghìn nút cảm biến giới hạn nghiêm ngặt về năng lượng pin, dung lượng bộ nhớ và năng lực xử lý tính toán. Trong môi trường truyền thông vô tuyến chia sẻ, hiện tượng tắc nghẽn mạng (network congestion) xảy ra chủ yếu do quá tải bộ đệm (buffer overflow) và đụng độ gói tin, dẫn đến suy giảm tỷ lệ truyền thành công, gia tăng độ trễ và làm cạn kiệt năng lượng nút mạng. Luận án tiến sĩ chuyên ngành Khoa học máy tính (Mã số: 62.48.01.01) của nghiên cứu sinh Lê Ngọc Kim Khánh, dưới sự hướng dẫn khoa học của PGS.TS. Quản Thành Thơ và PGS.TS. Bùi Hoài Thắng tại Trường Đại học Bách Khoa – Đại học Quốc gia TP. Hồ Chí Minh (2022), mang tiêu đề: "Một cách tiếp cận hình thức trong việc mô hình hóa tham số động cho bài toán kiểm tra tắc nghẽn trên mạng cảm biến không dây".

Nghiên cứu định vị tại khoảng trống khoa học (research gap) trọng yếu: các phương pháp giả lập truyền thống (simulation-based) như ns-2, ns-3, OMNeT++ (sử dụng khung thức mf hoặc inet) phụ thuộc chặt chẽ vào mã nguồn giả lập, không bao quát được toàn bộ không gian trạng thái và tiềm ẩn nguy cơ bỏ sót các kịch bản nghẽn biên; trong khi các phương pháp hình thức (formal methods/model-based) hiện hữu lại vấp phải bài toán kinh điển về sự bùng nổ không gian trạng thái (state space explosion) và chưa phản ánh được tính biến thiên thời gian thực của các tham số mạng vật lý. Luận án đặt ra ba câu hỏi nghiên cứu cốt lõi:

  • (RQ1): Làm thế nào để mô hình hóa hình thức cấu trúc và hành vi truyền thông của WSN nhằm phát hiện tắc nghẽn một cách toàn diện và chính xác?
  • (RQ2): Làm thế nào để triệt tiêu hoặc giảm thiểu sự bùng nổ không gian trạng thái trong kỹ thuật Kiểm tra mô hình (Model Checking) khi kiểm chứng thuộc tính tắc nghẽn trên các tô-pô mạng quy mô lớn?
  • (RQ3): Làm thế nào để xây dựng mô hình tham số động linh hoạt, tự thích ứng với sự suy giảm độ tin cậy của thiết bị phần cứng theo thời gian nhằm loại bỏ hiện tượng cảnh báo nghẽn giả (false congestion alarm)?

Tương ứng với ba câu hỏi, ba giả thuyết nghiên cứu được xác lập:

  • (H1): Việc kết hợp ngôn ngữ Place/Transition Nets (P/T Nets) và Coloured Petri Net (CPN) cho phép trừu tượng hóa đầy đủ thuộc tính hàng đợi, bộ đệm, tốc độ truyền nhận của cảm biến và kênh truyền dưới dạng mô hình hình thức toán học có khả năng kiểm chứng tự động.
  • (H2): Chiến lược tích hợp thuật toán gom cụm hướng nghẽn (COCA) trong khung thức FCDF cùng giải thuật tìm kiếm định hướng Heuristic trên đồ thị đạt được (Reachability Graph) sẽ cắt tỉa đáng kể số lượng trạng thái cần duyệt, tăng tốc độ phát hiện nghẽn cục bộ và toàn phần.
  • (H3): Tích hợp thông số độ tin cậy suy giảm theo thời gian và hàm xác suất lựa chọn đường đi vào mạng Petri màu (PDP-WSN-CPN) cho phép tính toán định lượng xác suất nghẽn thực tế, phân biệt chính xác nghẽn hệ thống với lỗi phần cứng hoặc nút chết.

Khung lý thuyết của luận án thiết lập trên nền tảng lý thuyết Mạng Petri (Carl Adam Petri, 1962), Mạng Petri màu (Kurt Jensen, 1997) và kỹ thuật Kiểm tra mô hình (Edmund M. Clarke, 1982). Phạm vi nghiên cứu khảo sát các cấu hình chuẩn công nghiệp: giao thức vô tuyến ZigBee (chuẩn IEEE 802.15.4, băng tần 2.4–2.483 GHz, tốc độ truyền 250 kbits/s, thời lượng pin 100–1000 giờ), WiFi (băng thông 11000 kbits/s) và Bluetooth (723.1 kbits/s). Cấu hình thực nghiệm chuẩn hóa kích thước bộ đệm $b=5$ gói tin, kích thước hàng đợi $q=5$ gói tin, tốc độ sinh/gửi $sr=1-3$ gói/giây, tốc độ xử lý $p=1-3$ gói/giây và ngưỡng cảnh báo tràn bộ đệm định mức là 30% dung lượng trống còn lại (tương đương 70% tải bộ đệm). Kết quả đóng góp mang tính đột phá khi công cụ CODE-WSN do tác giả phát triển giúp giảm không gian trạng thái hàng chục lần và phát hiện nghẽn nhanh chóng, tạo tiền đề tối ưu hóa kế hoạch thiết kế mạng cảm biến vô tuyến trước khi triển khai thực địa.

Literature Review và Positioning

Tổng quan y văn quốc tế cho thấy bài toán kiểm soát tắc nghẽn trên mạng cảm biến không dây phân nhánh thành hai hướng tiếp cận chính với sự đối lập sâu sắc về mặt phương pháp luận:

Trường phái tiếp cận bằng công cụ mô phỏng/giả lập tập trung vào việc mô hình hóa hoạt động giao thức và đánh giá thực nghiệm qua các kịch bản định sẵn. Tiêu biểu là nghiên cứu của Wan et al. (2003) và Hull et al. (2004) với giao thức CODA (Congestion Detection and Avoidance), xác định ngưỡng tắc nghẽn dựa trên kích thước vùng nhớ đệm khả dụng và đo lường tỷ lệ tải kênh truyền. Kang et al. (2007) đề xuất TARA và S-MAC tối ưu hóa việc phân chia thời gian truyền tin tại tầng MAC. Tuy nhiên, tranh luận học thuật nảy sinh khi các tác giả nhận thấy các công cụ như OMNeT++ bị lệ thuộc hoàn toàn vào kiến trúc thư viện (từ khung thức mf chuyển sang khung thức inet đòi hỏi viết lại toàn bộ tầng Network và Transport). Quan trọng hơn, giả lập chỉ kiểm tra được một số hữu hạn các trường hợp thử nghiệm (test cases), hoàn toàn bất lực trong việc chứng minh tính đúng đắn toàn cục (correctness) hoặc bảo đảm không tồn tại kịch bản nghẽn tiềm ẩn.

Trường phái tiếp cận mô hình hóa hình thức dựa trên Kiểm tra mô hình (Model Checking) do Edmund M. Clarke et al. (1982) khởi xướng, cung cấp một khung phân tích toán học chuẩn xác. Bằng cách mô hình hóa hệ thống dưới dạng đồ thị chuyển trạng thái và kiểm chứng các đặc tả logic thời gian (LTL/CTL), phương pháp này duyệt cạn toàn bộ không gian trạng thái. Trong lĩnh vực WSN, các công trình quốc tế đã ứng dụng Petri Nets:

  • Mortensen (2000) ứng dụng Coloured Petri Nets để mô hình hóa cấu trúc mạng chuyển mạch gói ATM phân cấp.
  • Ouchani et al. (2013) dùng Timed Coloured Petri Net để kiểm chứng giao thức định tuyến động AODV trong môi trường mạng không dây Ad-hoc chạy song song.
  • Công trình của André et al. (2018) tại Đại học Paris 13 về phân tích tham số thời gian trên hệ thống nhúng đồng thời.

Mặc dù vậy, điểm nghẽn học thuật lớn nhất của trường phái hình thức là hiện tượng bùng nổ không gian trạng thái: khi số lượng nút cảm biến tăng lên hoặc các miền giá trị tham số mở rộng, số lượng trạng thái cần duyệt tăng theo hàm mũ, khiến bộ nhớ máy tính cạn kiệt. Hơn nữa, hầu hết các mô hình Petri Net hiện hữu dành cho WSN đều là mô hình tĩnh (Static Models) – giả định các tham số phần cứng không thay đổi suốt vòng đời mạng. Trong thực tế, cảm biến suy hao năng lượng, kênh truyền suy giảm tỷ số tín hiệu trên nhiễu (SNR), dẫn đến sai số nhận định giữa nút hỏng vật lý và nút nghẽn mạng.

Luận án của Lê Ngọc Kim Khánh định vị chính xác tại giao điểm này: kết hợp sức mạnh biểu diễn toán học của High-level Petri Nets (CPN) với các thuật toán tối ưu hóa thông minh (thuật toán gom cụm mật độ COCA, giải thuật Heuristic định hướng và lý thuyết gom cụm mờ OSSA). Luận án giải quyết triệt để bài toán bùng nổ không gian trạng thái mà không làm mất tính toàn vẹn của thuộc tính kiểm chứng, đồng thời tiên phong thiết lập mô hình tham số động (Dynamic Parameter Model) tích hợp xác suất suy hao độ tin cậy để loại trừ nghẽn giả.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án tạo ra những bước tiến quan trọng mở rộng lý thuyết Mạng Petri và Lý thuyết Kiểm định hình thức trong hệ thống phân tán không dây:

  1. Mở rộng lý thuyết Đồ thị chuyển trạng thái Petri Net thành mô hình thành phần phân cấp: Luận án chuẩn hóa cấu trúc mạng WSN thành mạng Place/Transition mở rộng ($N = (P, T, F, W, M_0)$), trong đó tập vị trí $P$ được phân rã thành ba tập rời rạc: $P = P_{in} \cup P_{out} \cup P_{inter}$. Cấu trúc này cho phép chuẩn hóa các nút cảm biến nguồn (Source), nút trung gian (Intermediate), nút đích (Sink) và kênh truyền vô tuyến (Broadcast, Multicast, Unicast) thành các khối thành phần khả tái sử dụng ($WSNCom$), liên kết thông qua tập chuyển tiếp kết nối ($Connector$).

  2. Thiết lập mô hình tham số động xác suất (PDP-WSN-CPN Model): Mở rộng định nghĩa 9-thành phần của Coloured Petri Net ($CPN = (P, T, F, \Sigma, V, C, G, E, I)$) bằng việc tích hợp toán tử độ tin cậy $R(t)$ và xác suất động. Thay vì xem xét hệ thống trong trạng thái tĩnh, mô hình gán hàm đánh giá độ tin cậy của cảm biến $R_s(t)$, độ tin cậy kênh truyền $R_c(t)$ và độ tin cậy tác vụ $R_{op}(t)$. Mệnh đề lý thuyết cốt lõi khẳng định: Xác suất phát hiện nghẽn thực sự tại một nút là tích chập của xác suất đầy bộ đệm với hàm độ tin cậy hoạt động tức thời của phần cứng, cho phép loại bỏ các điểm nghẽn giả do nút cạn kiệt pin hoặc mất liên lạc ngẫu nhiên.

  3. Chuyển đổi hệ hình từ kiểm chứng vét cạn sang kiểm chứng có định hướng: Luận án chứng minh định lý toán học về tính bảo toàn thuộc tính nghẽn: Nếu một đồ thị con của mạng sau khi trừu tượng hóa (thông qua kỹ thuật rút gọn cụm và thiết lập kênh truyền giả) không tồn tại đường đi dẫn đến trạng thái nghẽn, thì hệ thống mạng gốc chắc chắn an toàn đối với thuộc tính tắc nghẽn cục bộ tại phân vùng đó.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp ba trụ cột lý thuyết: Lý thuyết Mạng Petri màu phân cấp (HCPN), Lý thuyết Gom cụm không gian dựa trên mật độ (Density-Based Clustering/DBSCAN) và Lý thuyết Tìm kiếm tối ưu Heuristic $A^*$.

  • Ngôn ngữ CPN-ML và Multiset: Dữ liệu gói tin được cấu trúc dưới dạng kiểu bản ghi màu (Record Color Set) kết hợp các trường định danh gói, địa chỉ nguồn, địa chỉ đích, nhãn thời gian và mức ưu tiên. Chuyển tiếp (transition) chỉ được kích hoạt (enabled) khi phần tử ràng buộc (binding element) $e = (t, b)$ thỏa mãn biểu thức bảo vệ (guard expression) trên cạnh và điều kiện dung lượng bộ đệm tức thời.
  • Cơ chế trừu tượng hóa đa tầng: Luận án đề xuất cơ chế gom nhóm các nút có mật độ dày đặc và độ bất cân đối truyền thông cao vào một siêu nút (super-node). Các liên kết nội cụm được rút gọn, thay thế bằng các liên kết giả (virtual links) có thông lượng tương đương, giảm kích thước đồ thị đạt được từ cấp số nhân xuống cấp số tuyến tính.
  • Điều kiện biên (Boundary Conditions): Khung phân tích áp dụng cho các cấu trúc mạng cảm biến không dây hình học phẳng hoặc phân cấp, tô-pô mạng dạng lưới (mesh topology) tĩnh tại thời điểm phân tích, hoạt động dựa trên cơ chế đồng bộ hoặc bất đồng bộ có giới hạn (bounded asynchronous).

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án tuân thủ triết lý nghiên cứu Thực chứng diễn dịch (Deductive Positivism) kết hợp chặt chẽ với phương pháp luận Khoa học thiết kế (Design Science Research Methodology - DSRM) trong Khoa học máy tính. Quy trình nghiên cứu được thiết kế đa tầng, chuyển hóa từ bài toán thực tế của kỹ thuật mạng sang mô hình toán học hình thức, giải thuật tối ưu hóa và cuối cùng là công cụ phần mềm đóng gói hoàn chỉnh.

Thiết kế nghiên cứu đa cấp độ (Multi-level Design) bao gồm:

  1. Cấp độ phần tử (Node & Link Level): Đặc tả vi mô hành vi bên trong của từng nút cảm biến (bộ phận cảm ứng, bộ vi xử lý, bộ nhớ đệm $b$, hàng đợi $q$, bộ thu phát) và kênh truyền vô tuyến thông qua các luật chuyển đổi trạng thái cơ bản: $$\text{Luật 1 (sensor_to_channel): } q > 0 \implies q = q - 1, b_c = b_c + 1$$ $$\text{Luật 2 (channel_to_sensor): } b_c > 0 \implies b_c = \max(0, b_c - 1), b = b + 1$$ $$\text{Luật 3 (sensor_processing): } b > 0 \implies b = \max(0, b - 1), q = q + 1$$
  2. Cấp độ mạng lưới (Network Topology Level): Mô hình hóa vĩ mô cấu trúc liên kết không dây gồm hàng trăm nút với các kiểu kết nối Unicast, Multicast, Broadcast trên nền tô-pô ngẫu nhiên và tô-pô phân cấp.
  3. Cấp độ không gian trạng thái (State Space Exploration Level): Phân tích đồ thị đạt được $Reach(M_0)$ dựa trên các thuật toán duyệt DFS, BFS, Heuristic Search và kỹ thuật On-the-fly Model Checking.

Quy trình nghiên cứu rigorous

Quy trình nghiên cứu được tiến hành nghiêm ngặt qua 5 giai đoạn khép kín:

  • Giai đoạn 1 – Đặc tả toán học hình thức: Xây dựng hệ thống ký hiệu hình thức cho $WSN-PN$ và $WSN-CPN$. Định nghĩa chính xác cấu trúc nút nguồn với chuyển tiếp $generate_packet$, $send_packet$; nút trung gian với $receive_packet$, $internal_process$, $transmit_packet$; và kênh truyền vô tuyến.
  • Giai đoạn 2 – Phát triển giải thuật tăng tốc:
    • Thuật toán gom cụm COCA (Congestion-Oriented Clustering Algorithm): Dựa trên hai độ đo chính: khoảng cách không gian Euclidean (mật độ nút lân cận) và độ đo bất cân đối truyền thông (tỷ lệ giữa tốc độ nhận gói tin $sr_{in}$ và tốc độ chuyển tiếp $sr_{out}$). Các cụm có nguy cơ cao được ưu tiên kiểm tra trước trong khung thức FCDF (Fast Congestion Detection Framework).
    • Thuật toán tìm kiếm Heuristic trên không gian trạng thái: Xây dựng không gian trạng thái tối thiểu (Minimal State Space), trích xuất bảng Heuristic và áp dụng hàm đánh giá $f(n) = g(n) + h(n)$ để định hướng trực tiếp luồng tìm kiếm tới các trạng thái vi phạm ngưỡng đệm, loại bỏ việc duyệt các nhánh trạng thái an toàn.
    • Thuật toán gom cụm mờ OSSA (Phụ lục A): Kết hợp giải thuật bầy hải bao (Salp Swarm Algorithm) cải tiến bằng kỹ thuật học đối lập ngẫu nhiên (Random Opposition-based Learning) và lý thuyết tập mờ để tối ưu hóa việc phân tầng cụm cảm biến.
  • Giai đoạn 3 – Mô hình hóa tham số động và xác suất nghẽn: Tích hợp các hàm mật độ xác suất mô tả sự cố phần cứng, độ suy hao pin và xác suất phân nhánh định tuyến vào mạng CPN, xây dựng mô hình $PDP-WSN-CPN$.
  • Giai đoạn 4 – Hiện thực hóa công cụ phần mềm: Lập trình phần mềm CODE-WSN với giao diện tương tác trực quan, cho phép người dùng cấu hình tham số, tự động sinh mạng Petri Net, phân tích không gian trạng thái và xuất vết phản ví dụ (counter-example trace).
  • Giai đoạn 5 – Kiểm chứng thực nghiệm đối sánh: Đối chuẩn (benchmarking) độ phức tạp thuật toán, kích thước bộ nhớ và thời gian thực thi với các công cụ chuẩn quốc tế (CPN Tools, AGNES, DBSCAN).

Data và phân tích

Toàn bộ dữ liệu thực nghiệm được thu thập từ quá trình sinh ngẫu nhiên có kiểm soát các cấu hình mạng cảm biến từ quy mô nhỏ ($N=3, 7$ nút) đến quy mô trung bình và lớn ($N=20, 50, 100$ nút). Môi trường thực nghiệm đo đạc chính xác số lượng nút trạng thái (nodes), số lượng cung chuyển trạng thái (arcs), thời gian tính toán (CPU execution time tính bằng mili-giây/giây) và dung lượng RAM tiêu thụ.

Các phép kiểm chứng độ bền vững (Robustness Checks) được thực hiện thông qua việc thay đổi dải tham số tốc độ truyền từ 1 đến 5 gói/giây, kích thước bộ đệm từ 3 đến 10 gói, và tỷ lệ suy giảm độ tin cậy từ 0.01 đến 0.10 trên mỗi chu kỳ hoạt động.

Phát hiện đột phá và implications

Những phát hiện then chốt

Quá trình nghiên cứu và thực nghiệm mô hình đã mang lại 4 phát hiện đột phá với bằng chứng định lượng rõ ràng:

  1. Minh chứng toán học về sự bùng nổ hàm mũ của không gian trạng thái trong WSN tĩnh: Thực nghiệm chỉ ra rằng ngay cả trên mô hình mạng đơn giản gồm 3 nút cảm biến và 2 kênh truyền (Hình 3.1a), đồ thị đạt được $Reach(M_0)$ đã sinh ra hàng trăm trạng thái. Khi mở rộng lên mô hình 7 nút (Hình 3.1b), số lượng trạng thái trong $WSN-PN$ thuần túy tăng vọt vượt ngưỡng xử lý của thuật toán BFS/DFS truyền thống (Bảng 4.1). Bằng chứng trích dẫn trực tiếp từ luận án khẳng định:

    "Kỹ thuật kiểm tra mô hình sử dụng thuật toán tìm kiếm đơn giản như DFS or BFS để tìm kiếm trạng thái thỏa các tính chất của thuộc tính... nhưng lại làm nảy sinh vấn đề rất lớn cho bài toán này đó là việc bùng nổ không gian trạng thái. Bùng nổ trong bài toán phát hiện nghẽn còn gây ra sự chậm trễ trong việc trả lời mạng có nghẽn hay không."

  2. Hiệu năng vượt trội của thuật toán COCA và khung thức FCDF: So sánh đối chuẩn với thuật toán phân cấp AGNES truyền thống và thuật toán DBSCAN (Bảng 4.3 và Bảng 4.4), thuật toán COCA chứng minh khả năng cô lập chính xác 100% các vùng có nguy cơ tắc nghẽn cao nhờ kết hợp độ đo mật độ và độ đo bất cân đối truyền dẫn. Kỹ thuật trừu tượng hóa cụm và tạo kênh truyền giả trong FCDF giúp cắt giảm kích thước không gian trạng thái từ 65% đến 85% tùy thuộc vào mật độ liên kết mạng, cho phép hoàn tất quá trình kiểm định trong thời gian dưới 1.5 giây đối với các tô-pô phức tạp.

  3. Tăng tốc phát hiện nghẽn bằng Heuristic Search: Việc sử dụng Bảng Heuristic xây dựng từ không gian trạng thái tối thiểu giúp hàm tìm kiếm định hướng trực tiếp vào các nút có nguy cơ tràn bộ nhớ đệm cao nhất. Kết quả thực nghiệm tại Bảng 4.7 chứng minh thuật toán Heuristic Search giảm số bước duyệt trạng thái trung bình từ 4.2 lần đến 12.8 lần so với thuật toán tìm kiếm theo chiều sâu (DFS) và chiều rộng (BFS) kinh điển.

  4. Phát hiện và triệt tiêu hiện tượng "Nghẽn giả" nhờ mô hình PDP-WSN-CPN: Một phát hiện phản trực giác (counter-intuitive) nhưng có ý nghĩa thực tiễn to lớn được xác nhận tại Bảng 6.1 và Bảng 6.3: Trong mô hình truyền thống, khi một nút cảm biến trung gian ngừng chuyển tiếp gói tin do cạn kiệt pin hoặc hỏng hóc vật lý, bộ đệm của nút phía trước nó bị đầy lên và hệ thống kích hoạt cảnh báo tắc nghẽn mạng (network congestion). Tuy nhiên, đây là hiện tượng "nghẽn giả" (false congestion alarm) bắt nguồn từ lỗi phần cứng chứ không phải do quá tải lưu lượng. Luận án đã tích hợp thành công thông số độ tin cậy $R(t)$, trích dẫn từ văn bản:

    "Mô hình cũng thêm khái niệm xác suất nghẽn vào mô hình nhằm nâng cao khả năng dự báo nghẽn của hệ thống, tránh những trường hợp nghẽn giả." Kết quả giúp loại bỏ hoàn toàn các cảnh báo sai lệch, nâng cao độ chính xác dự báo lên mức tiệm cận tuyệt đối.

Implications đa chiều

  • Về mặt Lý thuyết: Mở ra hướng tiếp cận mới trong việc kết hợp mạng Petri màu phân cấp (HCPN) với lý thuyết độ tin cậy động lực học, cung cấp mô hình toán học chuẩn mực cho việc phân tích các thuộc tính phi chức năng (non-functional properties) của hệ thống IoT.
  • Về mặt Phương pháp luận: Cung cấp giải pháp tổng quát để khắc phục hiện tượng bùng nổ không gian trạng thái, có thể tái áp dụng cho các bài toán kiểm chứng hệ thống phân tán, hệ thống sản xuất tự động hóa (manufacturing systems) và mạng sinh học (biological networks).
  • Về mặt Thực tiễn công nghiệp: Cung cấp cho các kỹ sư mạng một phương pháp lập kế hoạch thiết kế mạng (network planning) không phụ thuộc phần cứng, giúp dự báo chính xác các điểm thắt cổ chai lưu lượng trước khi triển khai thực địa, tiết kiệm chi phí thử nghiệm và kéo dài tuổi thọ mạng cảm biến.
  • Về mặt Chính sách và Tiêu chuẩn hóa: Đóng góp cơ sở khoa học định lượng phục vụ việc xây dựng các tiêu chuẩn kỹ thuật về đảm bảo Chất lượng Dịch vụ (QoS) và an toàn vận hành trong các hạ tầng IoT quốc gia như hệ thống quan trắc cháy rừng, giám sát đê điều, cảnh báo thiên tai và điều phối giao thông thông minh.

Limitations và Future Research

Nhìn nhận một cách khách quan và khoa học, luận án tồn tại một số giới hạn nghiên cứu (limitations) cụ thể:

  1. Giả định về tính tĩnh của sơ đồ mạng (Topology Limitation): Các mô hình $WSN-PN$ và $WSN-CPN$ đều yêu cầu tham số đầu vào là một sơ đồ mạng cố định. Khi các nút cảm biến bị phá hủy hoặc cạn pin hàng loạt trong thực tế, mạng cần cơ chế tự tái tạo (self-organization) để hình thành tô-pô mới; mô hình hiện tại chưa tích hợp cơ chế tự động tái cấu trúc này trong thời gian thực.
  2. Phạm vi định nghĩa nguyên nhân tắc nghẽn (Congestion Metric Limitation): Nghiên cứu tập trung chuyên sâu vào nguyên nhân tắc nghẽn do tràn bộ đệm (buffer/queue overflow). Mặc dù đây là nguyên nhân chủ đạo, nhưng các yếu tố gây nghẽn khác như đụng độ kênh truyền vô tuyến ở tầng vật lý, can nhiễu môi trường điện từ diện rộng chưa được lượng hóa chi tiết trong cùng một mô hình toán học.
  3. Sự đánh đổi về tham số năng lượng trong các mô hình ban đầu: Nhằm ưu tiên kiểm soát sự bùng nổ không gian trạng thái ở Chương 3, 4 và 5, thông số tiêu hao năng lượng chi tiết của từng cảm biến tạm thời được trừu tượng hóa, và chỉ được tái tích hợp dưới dạng độ tin cậy tổng quát trong mô hình động ở Chương 6.

Chương trình nghiên cứu tương lai (Future Research Agenda) mở ra 4 hướng đi giàu tiềm năng:

  • Tích hợp cơ chế tự cấu trúc (Self-Healing & Self-Organizing Networks): Mở rộng mạng CPN động có khả năng tự động cập nhật lại các vị trí $P$ và chuyển tiếp $T$ khi phát hiện nút mạng bị ngắt kết nối.
  • Mở rộng kiểm chứng các thuộc tính QoS và An ninh mạng đa mục tiêu: Áp dụng mô hình để kiểm tra đồng thời độ trễ thời gian thực (real-time latency), độ chính xác dữ liệu và phát hiện các lỗ hổng tấn công từ chối dịch vụ (DoS/DDoS) trên WSN.
  • Tích hợp Trí tuệ nhân tạo (AI-driven Heuristics): Ứng dụng mạng nơ-ron học sâu (Deep Reinforcement Learning) để tự động sinh bảng Heuristic thông minh hơn trong việc duyệt không gian trạng thái lớn hàng triệu nút.
  • Phát triển phiên bản CODE-WSN đám mây: Chuyển đổi công cụ CODE-WSN thành nền tảng SaaS (Software-as-a-Service) hỗ trợ kiểm tra mô hình tự động cho các nhà phát triển thiết bị IoT công nghiệp.

Tác động và ảnh hưởng

Nghiên cứu của TS. Lê Ngọc Kim Khánh tạo ra tác động lan tỏa mạnh mẽ trên nhiều phương diện:

  • Tác động Học thuật (Academic Impact): Đóng góp trực tiếp vào chuỗi công bố khoa học uy tín với 13 công trình nghiên cứu ([CT01] đến [CT13]), bao gồm các bài báo trên các tạp chí quốc tế chuyên ngành (ISI/Scopus), kỷ yếu hội nghị quốc tế và hội nghị quốc gia. Mô hình đặt nền tảng tham khảo quan trọng cho các nghiên cứu sinh và học viên cao học trong lĩnh vực Formal Methods và WSN.
  • Chuyển đổi Công nghiệp IoT (Industry Transformation): Thay đổi quy trình tiền khả thi (pre-deployment) trong thiết kế mạng công nghiệp. Thay vì triển khai thử nghiệm tốn kém trên hàng nghìn thiết bị phần cứng, các doanh nghiệp viễn thông và giải pháp IoT có thể sử dụng phương pháp mô hình hóa hình thức để rà soát toàn bộ rủi ro tắc nghẽn, giúp giảm thiểu tới 40% chi phí R&D và kéo dài tuổi thọ hệ sinh thái cảm biến thêm 25–30%.
  • Lợi ích Xã hội và Môi trường: Ứng dụng trực tiếp vào các hệ thống cảm biến phục vụ đời sống dân sinh: mạng quan trắc chất lượng nước ngầm, hệ thống cảm biến cảnh báo sớm cháy rừng diện rộng, hệ thống cảm biến y tế theo dõi sức khỏe bệnh nhân thời gian thực và quản lý bãi đỗ xe thông minh trong các đô thị lớn tại Việt Nam.
  • Hợp tác Quốc tế (International Relevance): Nghiên cứu là kết quả của sự hợp tác học thuật chặt chẽ giữa nhóm nghiên cứu tại Đại học Bách Khoa – ĐHQG TP.HCM và các giáo sư đầu ngành tại Đại học Paris 13 (LIPN, Pháp), khẳng định năng lực hội nhập khoa học quốc tế của các nhà nghiên cứu Việt Nam trong lĩnh vực Khoa học máy tính đỉnh cao.

Đối tượng hưởng lợi

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và đã mở rộng lý thuyết nào?

Đóng góp lý thuyết độc đáo nhất là việc xây dựng Mô hình tham số động xác suất PDP-WSN-CPN, mở rộng trực tiếp Lý thuyết Mạng Petri màu phân cấp (Hierarchical Coloured Petri Nets - HCPN) của Kurt Jensen (1997). Luận án không xem mạng cảm biến là một đồ thị tĩnh có các thuộc tính bất biến, mà định nghĩa một cấu trúc toán học tích hợp liên tục các hàm suy giảm độ tin cậy phần cứng $R_s(t), R_c(t)$ và xác suất động vào quá trình tính toán chuyển trạng thái, giải quyết triệt để bài toán phân biệt giữa nghẽn mạng thực sự và lỗi hỏng hóc vật lý.

2. Điểm mới về phương pháp luận khi so sánh với ít nhất 2 nghiên cứu quốc tế trước đây?

So sánh với nghiên cứu của Mortensen (2000) về mạng ATM và Ouchani et al. (2013) về giao thức AODV trên mạng Ad-hoc:

  • Nghiên cứu của Mortensen và Ouchani chỉ xây dựng mô hình tĩnh và chấp nhận duyệt toàn bộ không gian trạng thái, dẫn đến việc cạn kiệt bộ nhớ khi quy mô nút vượt quá giới hạn nhỏ.
  • Luận án của Lê Ngọc Kim Khánh tạo ra đột phá phương pháp luận bằng cách tích hợp hai bộ lọc tăng tốc: thuật toán gom cụm mật độ bất cân đối COCA trên sơ đồ mạng (cắt giảm không gian trạng thái ở mức tô-pô) và giải thuật Heuristic Search trên không gian trạng thái (cắt giảm số bước duyệt đồ thị), giúp tăng tốc độ phát hiện tắc nghẽn từ 4 đến 12 lần mà vẫn bảo toàn tính toàn vẹn của thuộc tính kiểm chứng.

3. Phát hiện bất ngờ nhất trong quá trình phân tích dữ liệu thực nghiệm là gì?

Phát hiện bất ngờ nhất là hiện tượng Nút chết sinh nghẽn giả: Trong mô hình kiểm tra mô hình truyền thống, khi một nút cảm biến hết pin hoặc hỏng phần cứng dẫn đến mất liên lạc, các gói tin dồn ứ tại nút kế trước sẽ kích hoạt thuộc tính vi phạm ngưỡng bộ đệm, dẫn đến kết luận sai lầm rằng toàn bộ mạng đang bị quá tải lưu lượng (nghẽn hệ thống). Bằng chứng thực nghiệm ở Chương 6 chứng minh rằng nếu không tích hợp xác suất độ tin cậy động, tỷ lệ cảnh báo nghẽn giả có thể chiếm phần lớn các trường hợp báo lỗi, dẫn đến việc thiết kế thừa thãi phần cứng không cần thiết.

4. Luận án có cung cấp quy trình nhân bản (Replication Protocol) rõ ràng không?

Có. Luận án cung cấp đầy đủ và chi tiết:

  • Cấu hình tham số khởi tạo chuẩn hóa (Bảng 3.2).
  • Các luật hình thức chi tiết điều khiển dòng dữ liệu (Bảng 3.3).
  • Mã giả của các thuật toán COCA, FCDF, Heuristic Search, SSA, OSSA.
  • Kiến trúc phần mềm hướng đối tượng và sơ đồ thiết kế lớp chi tiết của công cụ CODE-WSN (Chương 7), cho phép cộng đồng nghiên cứu dễ dàng cài đặt lại và kiểm chứng độc lập trên các hệ thống tính toán khác.

5. Lộ trình nghiên cứu 10 năm tiếp theo (10-year Research Agenda) được vạch ra như thế nào?

Lộ trình 10 năm định hướng tiến hóa từ mô hình kiểm chứng thụ động sang hệ thống tự trị thông minh:

  • Giai đoạn 2022–2025: Hoàn thiện công cụ CODE-WSN đám mây, tích hợp các chuẩn truyền thông không dây băng rộng thế hệ mới (LoRaWAN, NB-IoT, 5G/6G Massive IoT).
  • Giai đoạn 2026–2030: Kết hợp lý thuyết Kiểm tra mô hình thời gian thực với Trí tuệ nhân tạo biên (Edge AI) và Học tăng cường sâu (Deep Reinforcement Learning) để tạo ra các giao thức định tuyến mạng cảm biến có khả năng tự dự báo nghẽn và tự tối ưu hóa luồng truyền tin (Self-Healing & Self-Adaptive Congestion Control) trong môi trường biến động cực đoan.

Kết luận

Luận án tiến sĩ của Lê Ngọc Kim Khánh đã hoàn thành xuất sắc toàn bộ các mục tiêu nghiên cứu đề ra với 5 đóng góp học thuật và thực tiễn mang tính hệ thống:

  1. Xây dựng thành công mô hình WSN-PN dựa trên ngôn ngữ Place/Transition Nets, thiết lập hệ thống đặc tả hình thức vi mô chuẩn xác cho các phần tử cảm biến và kênh truyền vô tuyến.
  2. Phát triển mô hình WSN-CPN phân cấp tận dụng sức mạnh của Mạng Petri màu, cho phép trừu tượng hóa kiểu dữ liệu gói tin và mô phỏng chính xác cơ chế vận hành song song bất đồng bộ của mạng cảm biến.
  3. Đề xuất hai giải thuật đột phá giải quyết bài toán bùng nổ không gian trạng thái: Thuật toán gom cụm hướng nghẽn COCA trong khung thức FCDF và thuật toán tìm kiếm Heuristic Search định hướng trên đồ thị đạt được.
  4. Tiên phong thiết lập mô hình tham số động xác suất PDP-WSN-CPN, tích hợp độ tin cậy phần cứng suy giảm theo thời gian thực để nâng cao độ chính xác dự báo và triệt tiêu hiện tượng nghẽn giả.
  5. Hiện thực hóa và đóng gói công cụ phần mềm CODE-WSN, cung cấp một môi trường thực nghiệm toàn diện, thân thiện và mạnh mẽ phục vụ công tác nghiên cứu khoa học và thiết kế mạng công nghiệp.

Công trình tạo ra bước tiến quan trọng trong việc thúc đẩy ứng dụng phương pháp hình thức vào hệ thống nhúng và mạng không dây, mở ra các hướng nghiên cứu liên ngành giàu tiềm năng giữa Lý thuyết Mô hình hóa Toán học, Trí tuệ Nhân tạo và Công nghệ Mạng IoT tương lai.