Đồ Án Thiết Kế Mô Hình Nón Bảo Hiểm Ứng Dụng IoT Với Tính Năng Cảnh Báo Tai Nạn và Nồng Độ Cồn

Đồ án nghiên cứu hcmute thiết kế mô hình nón bảo hiểm ứng dụng iot có cảnh báo tai nạn và nồng độ cồn, thiết kế chi tiết, tính toán kỹ thuật theo tiêu chuẩn, đánh giá tính khả thi

• Tác giả: Trần Thanh Vũ
• Người hướng dẫn: Ths. Trương Quang Phúc
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật TP.HCM
• Chuyên ngành: Công Nghệ Kỹ Thuật Máy Tính
• Đề tài: Thiết kế mô hình nón bảo hiểm ứng dụng IoT có cảnh báo tai nạn và nồng độ cồn
• Loại tài liệu: đồ án tốt nghiệp
• Năm xuất bản: 2019
• Địa điểm: Tp. Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Đặt vấn đề
• 1.2. Tình hình nghiên cứu hiện nay
• 1.3. Tính cấp thiết của đề tài
• 1.4. Mục tiêu của đề tài
• 1.5. Phương pháp nghiên cứu
• 1.6. Bố cục đồ án
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Giới thiệu
• 2.2. Tổng quan về Arduino LilyPad
• 2.3. Tổng quan về ESP8266 NodeMCU
• 2.4. Tổng quan về MPU 6050
• 2.5. Cảm biến gia tốc kế (Accelerometer)
• 2.6. Cảm biến con quay hồi chuyển
• 2.7. Mạch GPS U-Blox NEO-6M
• 2.8. Cảm biến nồng độ cồn MQ3
• 2.9. Chuẩn giao tiếp UART
• 2.10. Tổng quan về chuẩn truyền UART
• 2.11. Quá trình hoạt động cụ thể của chuẩn truyền UART
• 2.12. Chuẩn giao tiếp I2C
• 2.13. Tổng quan về chuẩn truyền I2C
• 2.14. Quá trình hoạt động và các chế độ của chuẩn truyền I2C
• 2.15. Mạch nạp và xả Pin 18650
• 2.16. Tổng quan về mô-đun SIM900A
• 2.17. Ứng dụng Blynk
• 2.18. Hoạt động Blynk
• 2.19. Tính năng và đặc điểm
• 3. CHƯƠNG 3: XÂY DỰNG VÀ THIẾT KẾ HỆ THỐNG
• 3.1. Giới thiệu và tóm tắt
• 3.2. Yêu cầu hệ thống
• 3.3. Đặc tả hệ thống
• 3.4. Phương án thiết kế phần cứng
• 3.5. Thiết kế phần cứng
• 3.6. Khối dữ liệu
• 3.7. Khối xử lí trung tâm
• 3.8. Thiết kế phần mềm
• 3.9. Giải thuật phát hiện nồng độ cồn
• 3.10. Giải thuật phát hiện và cảnh báo tai nạn
• 3.11. Giải thuật định vị GPS
• 4. CHƯƠNG 4: KẾT QUẢ THỰC NGHIỆM
• 4.1. Mạch định vị GPS
• 4.2. Mạch phát hiện va đập
• 4.3. Mạch toàn hệ thống
• 4.4. Giao diện định vị GPS
• 4.5. Giao diện chức năng GSM
• 4.6. Kết quả thực tế
• 5. CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• 5.1. Hướng phát triển
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Mô hình nón bảo hiểm thông minh Tổng quan và mục tiêu

Đồ án tốt nghiệp này tập trung vào thiết kế mô hình nón bảo hiểm thông minh ứng dụng công nghệ IoT, với chức năng cảnh báo tai nạn và đo nồng độ cồn. An toàn giao thông là vấn đề cấp thiết. Số liệu thống kê cho thấy tai nạn giao thông liên quan đến xe máy gia tăng. Mục tiêu chính là xây dựng một hệ thống cảnh báo tai nạn và phát hiện say xế khi lái xe, góp phần giảm thiểu tai nạn giao thông. Ứng dụng IoT trong bảo hiểm được xem là giải pháp tiềm năng. Giải pháp an toàn thông minh cho người đi xe máy này kết hợp nhiều cảm biến và cảm biến nồng độ cồn di động. Dữ liệu được phân tích để ngăn ngừa tai nạn giao thông. Thực trạng tai nạn giao thông ở Việt Nam là động lực chính cho nghiên cứu này. Phát triển công nghệ an toàn giao thông là mục tiêu dài hạn.

1.1 Tính cấp thiết của đề tài

Số vụ tai nạn giao thông liên quan đến xe máy tại Việt Nam rất cao. Luật giao thông quy định bắt buộc đội nón bảo hiểm, nhưng số vụ tai nạn vẫn không giảm. Chi phí tai nạn giao thông rất lớn, cả về kinh tế và con người. Vì vậy, cải thiện an toàn giao thông bằng công nghệ là cần thiết. Mô hình nón bảo hiểm IoT này đóng góp vào việc giảm thiểu tai nạn giao thông. Giám sát người lái xe và cảnh báo say rượu là hai chức năng quan trọng. Ứng dụng di động nón bảo hiểm thông minh giúp người thân theo dõi vị trí. Tích hợp dữ liệu nón bảo hiểm vào hệ thống tổng thể hỗ trợ quản lý. Phân tích dữ liệu tai nạn giao thông giúp xác định nguyên nhân và đề xuất giải pháp. Quy định về an toàn giao thông cần được thực thi nghiêm túc. Công nghệ cảm biến trong IoT là yếu tố then chốt. Internet of Things trong nón bảo hiểm mang lại nhiều tiện ích.

1.2 Phương pháp nghiên cứu

Nghiên cứu này sử dụng phương pháp “thử và sai”. Dữ liệu thu thập từ tài liệu, nghiên cứu thực tiễn và các bài báo khoa học về công nghệ IoT và hệ thống nhúng. Thiết kế nón bảo hiểm thông minh kết hợp phần cứng và phần mềm. Vi mạch điện tử trong nón bảo hiểm được lựa chọn kỹ lưỡng. Thiết kế phần mềm dựa trên các thuật toán xử lý dữ liệu. Thuật toán phát hiện nồng độ cồn và thuật toán phát hiện tai nạn được lập trình. Kết quả thực nghiệm được đánh giá dựa trên các chỉ số hiệu quả. Xu hướng công nghệ an toàn giao thông được tham khảo. Tiềm năng của IoT trong an toàn giao thông được đánh giá cao. Thách thức của IoT trong an toàn giao thông cũng cần được xem xét.

II. Cơ sở lý thuyết và thiết kế hệ thống

Phần này trình bày cơ sở lý thuyết về các thành phần của nón bảo hiểm tích hợp IoT. Arduino LilyPad, ESP8266 NodeMCU, MPU6050, cảm biến nồng độ cồn MQ3, mô-đun GPS, và mô-đun SIM900A được mô tả chi tiết. Chuẩn giao tiếp UART và I2C được giải thích. Thiết kế phần cứng bao gồm sơ đồ mạch và kết nối các mô-đun. Thiết kế phần mềm tập trung vào phát hiện tai nạn giao thông, đo nồng độ cồn, và định vị GPS. Phần mềm điều khiển xử lý dữ liệu từ các cảm biến và truyền thông tin qua mạng. Tích hợp dữ liệu nón bảo hiểm được thực hiện. Phân tích dữ liệu nón bảo hiểm thông minh giúp cải tiến hệ thống. Giải pháp phần mềm đảm bảo độ chính xác và độ tin cậy cao. Cấu trúc dữ liệu được tối ưu để giảm thiểu dung lượng lưu trữ và tăng tốc độ xử lý. Cổng giao tiếp được lựa chọn phù hợp cho từng mô-đun.

2.1 Thành phần phần cứng

Arduino LilyPad được chọn vì kích thước nhỏ gọn, phù hợp với thiết kế nón bảo hiểm. ESP8266 NodeMCU cung cấp khả năng kết nối internet of things trong nón bảo hiểm. MPU6050 đo gia tốc và hướng để phát hiện tai nạn. Cảm biến nồng độ cồn MQ3 đo nồng độ cồn trong hơi thở. Mô-đun GPS xác định vị trí của người dùng. Mô-đun SIM900A cho phép gửi tin nhắn cảnh báo. Cảm biến nón bảo hiểm đảm bảo tính chính xác. Vi mạch điện tử được lựa chọn dựa trên khả năng tiết kiệm năng lượng và độ bền cao. Mạch nạp và xả pin 18650 cung cấp nguồn điện ổn định. Thiết kế mạch điện tử đảm bảo an toàn và hiệu quả. Công nghệ cảm biến trong IoT được ứng dụng hiệu quả. Internet of things trong nón bảo hiểm được tích hợp một cách khéo léo.

2.2 Thiết kế phần mềm

Phần mềm điều khiển được viết trên nền tảng Arduino IDE. Thuật toán phát hiện tai nạn dựa trên dữ liệu gia tốc và con quay hồi chuyển từ MPU6050. Thuật toán phát hiện nồng độ cồn dựa trên giá trị từ cảm biến MQ3. Thuật toán định vị GPS xử lý dữ liệu từ mô-đun GPS. Giao diện người dùng đơn giản và dễ sử dụng. Ứng dụng di động hiển thị dữ liệu và cho phép người dùng tùy chỉnh thông số. Phân tích dữ liệu nón bảo hiểm thông minh được thực hiện định kỳ. Tối ưu hóa thuật toán giúp giảm thiểu thời gian xử lý. Hệ thống cảnh báo tai nạn được thiết kế để hoạt động ổn định và chính xác. Phát hiện say xế khi lái xe được cảnh báo kịp thời. Dữ liệu nón bảo hiểm được bảo mật an toàn.

III. Kết quả thực nghiệm và hướng phát triển

Phần này trình bày kết quả thực nghiệm của mô hình nón bảo hiểm. Mạch định vị GPS, mạch phát hiện va chạm, và mạch toàn hệ thống được kiểm thử. Giao diện định vị GPS và giao diện chức năng GSM hoạt động ổn định. Các kết quả thực tế cho thấy hệ thống hoạt động hiệu quả trong việc phát hiện tai nạn và đo nồng độ cồn. Thử nghiệm thực tế cho thấy hệ thống hoạt động ổn định trong nhiều điều kiện khác nhau. Phân tích dữ liệu thực nghiệm giúp đánh giá hiệu quả của hệ thống. Hướng phát triển tập trung vào việc cải thiện độ chính xác, độ bền, và tính năng của hệ thống. Cải thiện an toàn giao thông bằng công nghệ là mục tiêu dài hạn. Mô hình dự báo tai nạn giao thông có thể được nghiên cứu thêm. Công nghệ IoT trong an toàn giao thông còn nhiều tiềm năng phát triển.

3.1 Đánh giá hiệu quả

Kết quả thực nghiệm cho thấy hệ thống hoạt động hiệu quả. Độ chính xác của việc phát hiện tai nạn và đo nồng độ cồn đạt yêu cầu. Độ ổn định của hệ thống được đảm bảo. Thời gian phản hồi nhanh chóng. Tính khả thi của hệ thống được chứng minh. Chi phí hợp lý. Ưu điểm của hệ thống là nhỏ gọn, dễ sử dụng, và hiệu quả. Nhược điểm của hệ thống là cần cải thiện về độ bền và thời lượng pin. Phân tích dữ liệu thực nghiệm được thực hiện để xác định các điểm cần cải thiện. Thử nghiệm thực tế được thực hiện trong nhiều điều kiện khác nhau.

3.2 Hướng phát triển trong tương lai

Cải thiện độ chính xác của các cảm biến. Tăng thời lượng pin của hệ thống. Nâng cao độ bền của hệ thống. Thêm tính năng như kết nối với cơ sở dữ liệu trung tâm. Phát triển ứng dụng di động có nhiều tính năng hơn. Tích hợp với các hệ thống an toàn giao thông hiện có. Ứng dụng công nghệ AI để phân tích dữ liệu và dự đoán tai nạn. Nghiên cứu các công nghệ mới để nâng cao hiệu quả của hệ thống. Thu thập dữ liệu người dùng để cải thiện hệ thống. Phát triển công nghệ an toàn giao thông là mục tiêu lâu dài. Cộng đồng chia sẻ dữ liệu có thể được thiết lập.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Tại Việt Nam, xe máy là phương tiện giao thông phổ biến hàng đầu. Theo số liệu thống kê năm 2018 từ báo Thanh Niên được tác giả trích dẫn, người dân trong nước đã mua mới gần 1,6 triệu xe máy, khẳng định vai trò thiết yếu của loại phương tiện này trong sinh hoạt đời sống. Tuy nhiên, sự gia tăng nhanh chóng của phương tiện gắn liền với tình trạng tai nạn giao thông diễn biến phức tạp. Dữ liệu từ Bộ Công an ghi nhận từ năm 2017 đến thời điểm thực hiện đề tài đã xảy ra 42.814 vụ tai nạn giao thông, cướp đi sinh mạng của 18.392 người và khiến hơn 35.000 người bị thương. Mặc dù các quy định pháp luật bắt buộc đội mũ bảo hiểm đối với người đi xe mô tô, xe gắn máy đã được áp dụng theo Khoản 2 Điều 30 Luật Giao thông đường bộ năm 2008 cùng các chế tài xử phạt người điều khiển phương tiện sử dụng rượu bia, số lượng vụ việc nghiêm trọng vẫn ở mức cao.

Xuất phát từ thực trạng trên, đề tài tập trung giải quyết vấn đề nâng cao tính an toàn chủ động cho người điều khiển xe máy thông qua việc tích hợp công nghệ Internet of Things (IoT) và các cảm biến điện tử vào nón bảo hiểm truyền thống.

Mục tiêu và nhiệm vụ nghiên cứu của đề tài được xác định cụ thể như sau:

1. Nghiên cứu cơ sở lý thuyết về hệ thống nhúng, vi điều khiển chuyên dụng (Arduino LilyPad, ESP8266), các loại cảm biến quán tính, cảm biến nồng độ cồn và các giao thức truyền thông không dây (GSM, GPS, Wi-Fi).
2. Thiết kế và thi công phần cứng mô hình nón bảo hiểm thông minh có khả năng thu thập dữ liệu về va chạm, nồng độ cồn và tọa độ vị trí.
3. Xây dựng giải thuật xử lý dữ liệu để tự động phát hiện tai nạn giao thông (va đập mạnh, té ngã), đo nồng độ cồn trong hơi thở người lái, kích hoạt còi/đèn cảnh báo tại chỗ và gửi thông báo khẩn cấp (SMS, cuộc gọi, tọa độ) về số điện thoại người thân.
4. Phát triển giải pháp phần mềm và giao diện giám sát trên nền tảng IoT Blynk để hiển thị thông số kinh độ, vĩ độ, tốc độ và vị trí thực tế trên bản đồ.

Đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Hệ thống nhúng tích hợp trên nón bảo hiểm gồm vi điều khiển xử lý, các mô-đun cảm biến (MPU6050, MQ3), mô-đun định vị (NEO-6M GPS), mô-đun viễn thông (SIM900A GSM/GPRS) và khối truyền thông mạng Wi-Fi (ESP8266 NodeMCU).
• Phạm vi không gian: Nghiên cứu, thiết kế, lắp ráp và thử nghiệm mô hình thực tế tại Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh.
• Phạm vi thời gian: Đề tài được triển khai thực hiện từ ngày 04/03/2019 đến ngày 30/06/2019.

Cơ sở lý thuyết và phương pháp

Đề tài tổng quan các công trình nghiên cứu liên quan trong và ngoài nước:

• Chiếc nón thông minh của hãng Daqri (Mỹ) hợp tác cùng Tập đoàn Intel sử dụng bộ xử lý Intel Core CPU tích hợp kính thông minh hỗ trợ công nghệ thực tế tăng cường (AR).
• Nghiên cứu phát hiện té ngã dựa trên hướng chuyển động của điện thoại di động (Fall Detecting and Alarming Based on Mobile Phone) của Viện Công nghệ Máy tính CAS Beijing (Trung Quốc) ứng dụng chăm sóc sức khỏe người cao tuổi.
• Mô hình nón bảo hiểm thông minh của tác giả Lê Thanh Nghị (Hòa Bình, Việt Nam) với tính năng bắt buộc người lái xe phải đội nón mới cho phép nổ máy xe.

Các nền tảng lý thuyết và công nghệ cốt lõi được sử dụng bao gồm:

• Vi điều khiển Arduino LilyPad: Sử dụng chip ATmega328P (hoặc ATmega128P) kiến trúc RISC 8-bit, xung nhịp 8 MHz, bộ nhớ Flash 16 KB (2 KB dành cho bootloader), SRAM 1 KB, EEPROM 512 bytes, điện áp hoạt động 2.5V - 5.5V. Bo mạch có dạng hình tròn đường kính khoảng 50 mm với 28 chân kết nối (14 chân I/O số, 6 chân Analog, 6 chân PWM) phù hợp lắp đặt trong không gian cong của nón bảo hiểm.
• Vi điều khiển ESP8266 NodeMCU: Giải pháp mạng SoC của Espressif Systems hỗ trợ Wi-Fi 2.4 GHz chuẩn 802.11 b/g/n, bảo mật WPA/WPA2, bộ nhớ Flash 4 MB, hoạt động ở mức điện áp 3.3V (nguồn cấp vào 5V qua cổng Micro USB), hỗ trợ các giao tiếp nối tiếp UART, SPI, I2C.
• Cảm biến quán tính MPU6050: Tích hợp 2 khối đo lường: Cảm biến gia tốc 3 trục (Accelerometer) hoạt động theo nguyên lý tinh thể áp điện (piezoelectric crystals) để đo lực quán tính dọc theo 3 trục X, Y, Z; và Cảm biến con quay hồi chuyển 3 trục (Gyroscope) hoạt động dựa trên hiệu ứng Coriolis để xác định tốc độ góc và sự thay đổi hướng xoay.
• Mô-đun định vị toàn cầu U-Blox NEO-6M: Bộ thu tín hiệu vệ tinh GPS có kích thước 39 x 25,5 mm, nguồn cấp 3.5V - 5V, dòng tiêu thụ bình thường 50 mA (tiết kiệm năng lượng 30 mA), giao tiếp qua cổng UART/TTL, kết nối cùng Anten GPS V1 để nhận diện tọa độ.
• Cảm biến nồng độ cồn MQ3: Hoạt động dựa trên sự thay đổi điện trở của lớp oxit thiếc ($SnO_2$) khi tiếp xúc với hơi cồn ($C_2H_5OH$) trong không khí. Điện áp hoạt động 5V, công suất tiêu thụ cuộn sưởi nhỏ hơn 750 mW ($R_H = 33,\Omega$), dải đo nồng độ cồn từ 0.05 mg/L đến 10 mg/L tương ứng dải điện trở $R_S$ từ 1 đến 8 $M\Omega$. Hỗ trợ hai ngõ ra: số (DOUT) và tương tự (AOUT).
• Mô-đun GSM/GPRS SIM900A: Sử dụng chip SIM900A của SIMCOM tích hợp lõi ARM926EJ-S, hoạt động trên hai băng tần 900/1800 MHz, hỗ trợ truyền thông dữ liệu TCP/IP qua GPRS và điều khiển cuộc gọi, gửi/nhận tin nhắn SMS thông qua tập lệnh tiêu chuẩn AT (AT Commands).
• Các chuẩn giao tiếp phần cứng:
  • Chuẩn giao tiếp UART (Universal Asynchronous Receiver/Transmitter): Truyền nhận dữ liệu bất đồng bộ qua 2 đường truyền Tx và Rx. Cấu trúc khung truyền gồm Start bit, các bit dữ liệu (D0-D7), Parity bit và Stop bit; yêu cầu sai lệch tốc độ Baud giữa thiết bị phát và nhận không vượt quá 10%.
  • Chuẩn giao tiếp $I^2C$ (Inter-Integrated Circuit): Giao tiếp nối tiếp 2 dây gồm đường dữ liệu $SDA$ và đường xung nhịp $SCL$, sử dụng điện trở kéo lên nguồn ($1,k\Omega - 4.7,k\Omega$). Hỗ trợ 3 chế độ tốc độ: Standard mode (100 kbps), Fast mode (400 kbps) và High-Speed mode.
• Nền tảng phần mềm Blynk: Kiến trúc bao gồm Blynk App (giao diện kéo thả trên thiết bị di động), Blynk Server (máy chủ xử lý dữ liệu trung gian) và Blynk Library (thư viện tích hợp trên phần cứng).

Phương pháp nghiên cứu thực tế:

• Phương pháp thu thập và phân tích tài liệu kỹ thuật chuyên ngành IoT, sơ đồ nguyên lý phần cứng, tập lệnh AT và tài liệu datasheet của linh kiện.
• Phương pháp thực nghiệm "Thử và Sai" (Trial and Error): Triển khai lắp ráp mạch mẫu, lập trình thử nghiệm từng mô-đun riêng lẻ, hiệu chỉnh tham số và loại bỏ các giả thuyết sai cho đến khi hệ thống đạt độ ổn định.

Thiết kế và triển khai

Hệ thống được thiết kế dưới dạng mô hình phân tán gồm 5 khối chức năng chính: Khối nguồn, Khối xử lý trung tâm, Khối dữ liệu, Khối viễn thông GSM và Khối mạng kết nối ứng dụng di động.

Khối chức năng / Linh kiện	Điện áp hoạt động	Dòng điện tiêu thụ	Giao thức / Chuẩn kết nối	Vai trò trong hệ thống
Arduino LilyPad	2.5V - 5.5V (dùng 5V)	~40 mA	Master $I^2C$, Software UART	Xử lý trung tâm, đọc cảm biến, điều khiển cảnh báo và GSM
ESP8266 NodeMCU	3.3V (cấp nguồn 5V)	~80 - 170 mA	UART, Wi-Fi 2.4 GHz	Nhận dữ liệu GPS, kết nối Wi-Fi và đồng bộ dữ liệu lên Blynk
MPU6050	3.3V - 5V	~3.9 mA	$I^2C$ ($SCL$, $SDA$)	Đo gia tốc 3 trục và vận tốc góc để phát hiện va chạm/ngã
MQ3	5V	~150 mA	Ngõ ra Analog ($AOUT$)	Đo nồng độ cồn trong hơi thở người lái
SIM900A	4.5V - 5.5V	1.5 mA (nghỉ) - 2A (đỉnh)	Hardware/Software UART	Thực hiện cuộc gọi và gửi tin nhắn SMS cảnh báo khẩn cấp
U-Blox NEO-6M	3.5V - 5V	30 mA - 50 mA	UART ($Tx$, $Rx$)	Thu nhận tọa độ kinh độ, vĩ độ từ vệ tinh GPS
Mạch nguồn 3 pin 18650	3.7V - 4.2V (xả ra 5.2V)	Dòng cấp 1A và 2A	Cổng Micro USB sạc, 2 ngõ ra USB	Cung cấp toàn bộ năng lượng di động cho hệ thống

Thiết kế phần cứng và kết nối mạch

1. Khối nguồn: Sử dụng 3 cell pin Li-ion 18650 (điện áp định danh 3.7V, khi nạp đầy đạt 4.2V, dung lượng 2500 mAh/cell) được mắc song song để nâng tổng dung lượng lên 7500 mAh. Khối pin kết nối với bo mạch nạp/xả tích hợp màn hình LCD hiển thị mức pin (kích thước mạch 57x28 mm, LCD 27x17 mm). Mạch tạo ra 2 cổng ra USB có cùng mức điện áp 5.2V (đo thực tế đạt 5.26V) với hai mức dòng định mức 1A (cấp cho ESP8266 và GPS) và 2A (cấp cho Arduino LilyPad, SIM900A và các cảm biến).
2. Khối xử lý trung tâm và viễn thông: Arduino LilyPad đóng vai trò điều khiển chính:
   • Chân tín hiệu số D9 ($Rx$) và D10 ($Tx$) của LilyPad kết nối với các chân truyền thông của mô-đun SIM900A theo chuẩn UART.
   • Các chân $SCL$ và $SDA$ kết nối trực tiếp với MPU6050 theo chuẩn $I^2C$.
   • Chân Analog nhận tín hiệu điện áp biến thiên từ chân $AOUT$ của cảm biến MQ3.
   • Ngõ ra kết nối với hệ thống đèn LED và còi báo động (Buzzer).
3. Khối mạng và định vị GPS: Mô-đun GPS NEO-6M kết nối với anten ngoài GPS V1, truyền dữ liệu NMEA về ESP8266 NodeMCU qua hai chân D1 ($Tx$) và D2 ($Rx$) cấu hình chuẩn UART. ESP8266 xử lý gói tin định vị và truyền dữ liệu thời gian thực lên Blynk Cloud qua sóng Wi-Fi.

Thiết kế giải thuật điều khiển phần mềm

• Giải thuật đo nồng độ cồn: Khi hệ thống khởi động, vi điều khiển thực hiện đọc tín hiệu Analog từ cảm biến MQ3 3 lần liên tiếp tại các khoảng thời gian khác nhau để lấy giá trị trung bình cộng nhằm giảm thiểu sai số đo. Giá trị trung bình sau đó được so sánh với ngưỡng định lượng 110. Nếu giá trị vượt ngưỡng, hệ thống kích hoạt đèn LED cảnh báo cho người xung quanh.
• Giải thuật phát hiện và cảnh báo tai nạn: Vi điều khiển liên tục thực hiện 2 hàm đọc thanh ghi recordAccelRegister() và recordGyroRegister() thông qua bus $I^2C$. Biến trạng thái state được dùng để chuyển đổi quá trình đọc: state = 1 đọc giá trị thanh ghi gia tốc 3 trục ($X, Y, Z$), state = 2 đọc giá trị thanh ghi vận tốc góc con quay hồi chuyển ($X, Y, Z$). Sau khi tính toán giá trị trung bình cộng, dữ liệu được gán vào hai biến netForce (lực gia tốc tổng hợp) và netRot (độ quay tổng hợp).
  • Điều kiện xác định xảy ra va chạm/té ngã là: (netForce > 0.55 || netForce < 0.3) đồng thời netRot > 75.
  • Khi điều kiện thỏa mãn, hệ thống bật còi Buzzer và đèn LED, thiết lập cờ simflag = 1, sau đó gửi các tập lệnh AT sang mô-đun SIM900A để thực hiện cuộc gọi khẩn cấp ATD+84XXXXXXXXX; và gửi tin nhắn SMS chứa thông báo tai nạn tới số điện thoại cài đặt sẵn.
• Giải thuật định vị GPS: ESP8266 khởi tạo giao tiếp UART với NEO-6M, liên tục kiểm tra tính toàn vẹn của dữ liệu NMEA, trích xuất chuỗi tọa độ (kinh độ, vĩ độ) và cập nhật lên ứng dụng Blynk qua giao thức mạng.

Nội dung chính theo từng chương

CHƯƠNG 1: TỔNG QUAN

Chương 1 làm rõ tính cấp thiết của đề tài xuất phát từ số lượng phương tiện xe máy lớn tại Việt Nam và tỷ lệ thương vong cao do tai nạn giao thông (42.814 vụ TNGT giai đoạn 2017 - 2019). Tác giả trình bày tổng quan các nghiên cứu trong nước và quốc tế liên quan đến thiết bị nón bảo hiểm thông minh và hệ thống phát hiện té ngã. Trên cơ sở đó, chương xác định mục tiêu xây dựng một mô hình nón bảo hiểm ứng dụng IoT kết hợp cảm biến cảnh báo tai nạn và nồng độ cồn nhằm bảo vệ an toàn tính mạng cho người tham gia giao thông.

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT

Chương 2 trình bày chi tiết cấu tạo, nguyên lý vận hành và thông số kỹ thuật của từng thành phần phần cứng và chuẩn giao tiếp:

• Khảo sát vi điều khiển Arduino LilyPad (chip ATmega328P, 8 MHz) và ESP8266 NodeMCU (Wi-Fi 2.4 GHz, 4 MB Flash).
• Phân tích nguyên lý cảm biến MPU6050 dựa trên hiện tượng áp điện (gia tốc kế) và hiệu ứng Coriolis (con quay hồi chuyển).
• Phân tích cảm biến nồng độ cồn MQ3 với lớp bán dẫn $SnO_2$, dải đo 0.05 - 10 mg/L và mô-đun GPS U-Blox NEO-6M (dòng tiêu thụ 30-50 mA).
• Trình bày cấu trúc khung truyền của chuẩn giao tiếp UART và chuẩn bus nối tiếp $I^2C$ (2 dây $SDA, SCL$ với các chế độ Standard, Fast, HS mode).
• Giới thiệu mô-đun SIM900A kèm các lệnh điều khiển AT cơ bản, đặc tính nạp/xả của pin Li-ion 18650 và kiến trúc nền tảng IoT Blynk.

CHƯƠNG 3: XÂY DỰNG VÀ THIẾT KẾ HỆ THỐNG

Chương 3 trình bày toàn bộ quy trình thiết kế hệ thống từ yêu cầu, đặc tả kỹ thuật đến sơ đồ khối chức năng. Tác giả lập bảng tính toán công suất tiêu thụ của các linh kiện để xây dựng khối nguồn 3 cell pin 18650 mắc song song (7500 mAh) đi qua mạch nạp/xả tạo 2 ngõ ra 5.2V (1A và 2A). Chương này mô tả chi tiết sơ đồ nguyên lý, cấu hình chân kết nối giữa Arduino LilyPad với MPU6050 ($I^2C$), MQ3 (Analog), SIM900A (UART) và giữa ESP8266 với GPS NEO-6M (UART). Đồng thời, tác giả xây dựng 3 lưu đồ giải thuật hoàn chỉnh cho việc đo nồng độ cồn, xử lý va chạm/té ngã và truyền nhận dữ liệu định vị GPS.

CHƯƠNG 4: KẾT QUẢ THỰC NGHIỆM

Chương 4 công bố kết quả thi công phần cứng và thử nghiệm thực tế các khối mạch:

• Khối nguồn cung cấp mức điện áp thực tế ổn định 5.26V ở cả hai cổng USB 1A và 2A.
• Mạch định vị GPS kết hợp anten GPS V1 và ESP8266 thu thập chính xác tọa độ vị trí và hiển thị thời gian thực lên bản đồ trên ứng dụng di động Blynk.
• Mạch phát hiện va đập hoạt động chính xác theo ngưỡng giải thuật, kích hoạt SIM900A thực hiện cuộc gọi và gửi tin nhắn SMS cảnh báo tai nạn về số điện thoại chỉ định khi có sự cố va chạm hoặc té ngã.
• Cảm biến MQ3 phản hồi chính xác khi phát hiện nồng độ cồn vượt ngưỡng định lượng 110 thông qua việc lấy mẫu trung bình 3 lần đo.

CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN

Chương 5 tổng kết các kết quả đạt được đối với mục tiêu đề ra ban đầu của đồ án, khẳng định việc hoàn thành một mô hình nón bảo hiểm thông minh có khả năng hoạt động đồng bộ giữa phần cứng và phần mềm. Đồng thời, chương chỉ ra các hạn chế về mặt cơ khí/kích thước và đề xuất các hướng phát triển kỹ thuật nhằm tối ưu hóa sản phẩm trong tương lai.

Kết quả và đóng góp

Kết quả thực nghiệm

1. Khối nguồn và quản lý năng lượng: Cụm 3 pin 18650 mắc song song đạt dung lượng 7500 mAh, mạch nạp xả duy trì điện áp ngõ ra đo được là 5.26V, cung cấp đủ dòng 1A cho khối ESP8266/GPS và dòng đỉnh 2A cho SIM900A/LilyPad vận hành liên tục.
2. Khối cảm biến và cảnh báo tai nạn:
   • Giải thuật lấy mẫu 3 lần trên cảm biến MQ3 loại bỏ hiện tượng sai số ngẫu nhiên, phát hiện chính xác nồng độ cồn vượt ngưỡng giá trị 110.
   • Cảm biến MPU6050 ghi nhận chính xác dữ liệu gia tốc và góc quay qua giao tiếp $I^2C$, xác định trạng thái va chạm dựa trên ngưỡng netForce > 0.55 hoặc netForce < 0.3 kết hợp netRot > 75.
3. Khối truyền thông và định vị:
   • Mô-đun SIM900A phản hồi nhanh với tập lệnh AT, thực hiện thành công cuộc gọi trực tiếp và gửi tin nhắn SMS chứa cảnh báo tai nạn đến số điện thoại khẩn cấp (+84...).
   • Mô-đun GPS NEO-6M kết hợp ESP8266 bắt sóng vệ tinh qua anten ngoài, truyền dữ liệu tọa độ (kinh độ, vĩ độ) và hiển thị trực quan trên giao diện ứng dụng Blynk trên điện thoại.

Giải pháp và kiến nghị đề xuất từ tác giả

• Ứng dụng nguồn pin sạc Li-ion dung lượng cao kết hợp mạch hạ áp/nạp xả tiêu chuẩn để giải quyết bài toán cấp nguồn di động cho các thiết bị IoT đeo trên người.
• Thiết lập hệ thống cảnh báo hai tầng: Tầng tại chỗ (đèn LED và còi Buzzer để cảnh báo người đi đường) và Tầng từ xa (gọi điện, nhắn tin SMS qua mạng viễn thông GSM và giám sát vị trí qua mạng Internet/Blynk).

Đóng góp của đề tài

• Chế tạo thành công mô hình phần cứng nón bảo hiểm thông minh có khả năng tích hợp đa cảm biến (quán tính, khí cồn, định vị GPS, truyền thông GSM và Wi-Fi) trong một kết cấu nhỏ gọn.
• Xây dựng giải thuật phân ngưỡng kết hợp giữa gia tốc và vận tốc góc để nhận diện va chạm/té ngã, hạn chế tình trạng báo động giả so với việc chỉ sử dụng một cảm biến đơn lẻ.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế được ghi nhận

• Hệ thống phần cứng vẫn còn sử dụng các mô-đun vi điều khiển và cảm biến rời nối dây, chưa được thiết kế tích hợp trên một bo mạch in (PCB) nguyên khối duy nhất, dẫn đến kích thước còn cồng kềnh khi lắp đặt vào thân nón bảo hiểm thực tế.
• Khối mạng Wi-Fi trên ESP8266 phụ thuộc vào điểm phát sóng không dây (Access Point), gây gián đoạn việc cập nhật dữ liệu định vị lên ứng dụng Blynk khi người dùng di chuyển ra ngoài vùng phủ sóng Wi-Fi.
• Cảm biến nồng độ cồn MQ3 tiêu tốn năng lượng nhiệt đáng kể cho cuộn sưởi ($P_H \le 750,mW$), gây ảnh hưởng đến thời lượng sử dụng của nguồn pin.

Hướng phát triển trong tương lai

• Tối ưu hóa kích thước mạch bằng cách thiết kế bo mạch in tích hợp (PCB Layout), gom toàn bộ các linh kiện vi điều khiển, cảm biến và nguồn vào một bo mạch nhỏ gọn gắn chìm bên trong vỏ nón bảo hiểm.
• Tích hợp mô-đun truyền thông di động thế hệ mới (như mô-đun 3G/4G/LTE tích hợp sẵn khối định vị GPS) để truyền trực tiếp dữ liệu tọa độ lên máy chủ Internet qua sóng di động, loại bỏ sự phụ thuộc vào mạng Wi-Fi cục bộ của ESP8266.
• Nghiên cứu bổ sung các nguồn năng lượng tái tạo bổ trợ như pin năng lượng mặt trời gắn trên bề mặt nón hoặc cơ chế sạc không dây để tăng thời gian hoạt động độc lập của thiết bị.

Giá trị tham khảo

Tài liệu đồ án là nguồn tham khảo hữu ích cho:

• Sinh viên các ngành Công nghệ Kỹ thuật Máy tính, Kỹ thuật Điện tử - Viễn thông, Hệ thống Nhúng & IoT, và Cơ điện tử đang thực hiện đồ án môn học hoặc khóa luận tốt nghiệp về thiết bị đeo thông minh (Wearable Devices) và hệ thống an toàn giao thông.
• Các kỹ sư và nhóm nghiên cứu phát triển các sản phẩm IoT cần tích hợp định vị GPS, cảnh báo té ngã bằng cảm biến quán tính 6 bậc tự do (6-DOF) và điều khiển viễn thông qua lệnh AT của mô-đun SIM.
• Phần đáng tham khảo nhất trong tài liệu là Chương 3 (Xây dựng và thiết kế hệ thống) với các sơ đồ nguyên lý ghép nối phần cứng qua chuẩn $I^2C$, UART và các lưu đồ giải thuật phân ngưỡng chi tiết cho cảm biến MQ3 và MPU6050.

Câu hỏi thường gặp

1. Hệ thống sử dụng bao nhiêu bộ vi điều khiển và sự phân chia nhiệm vụ giữa chúng như thế nào?

Hệ thống sử dụng đồng thời 2 vi điều khiển:

• Arduino LilyPad (ATmega328P): Đóng vai trò là bộ xử lý trung tâm, chịu trách nhiệm giao tiếp bus $I^2C$ với cảm biến MPU6050, đọc giá trị Analog từ cảm biến nồng độ cồn MQ3, điều khiển còi/đèn cảnh báo và gửi lệnh AT qua cổng UART để điều khiển mô-đun SIM900A thực hiện cuộc gọi, gửi SMS.
• ESP8266 NodeMCU: Đóng vai trò là bộ xử lý mạng và định vị, chịu trách nhiệm nhận luồng dữ liệu tọa độ GPS từ mô-đun U-Blox NEO-6M qua cổng UART (chân D1, D2) và kết nối Wi-Fi để đẩy dữ liệu lên nền tảng IoT Blynk.

2. Thuật toán phát hiện tai nạn giao thông dựa trên các điều kiện cụ thể nào từ cảm biến MPU6050?

Thuật toán đọc luân phiên các thanh ghi gia tốc 3 trục (state = 1) và con quay hồi chuyển 3 trục (state = 2) qua $I^2C$, sau đó tính toán thành hai thông số tổng hợp netForce (lực gia tốc) và netRot (độ quay). Trạng thái tai nạn/té ngã được xác nhận khi thỏa mãn đồng thời hai điều kiện:

• Lực gia tốc vượt ngưỡng trên hoặc sụt giảm đột ngột dưới ngưỡng rơi tự do: (netForce > 0.55 || netForce < 0.3).
• Tốc độ góc xoay vượt ngưỡng biến thiên mạnh: netRot > 75.

3. Phương pháp xử lý tín hiệu cảm biến nồng độ cồn MQ3 được thực hiện như thế nào để đảm bảo tính chính xác?

Vi điều khiển không đọc một giá trị tức thời mà thực hiện lấy mẫu tín hiệu Analog từ chân $AOUT$ của cảm biến MQ3 3 lần tại các thời điểm khác nhau. Sau đó, chương trình tính toán giá trị trung bình cộng của 3 lần đo này và so sánh với ngưỡng định lượng 110 để kích hoạt đèn LED cảnh báo người lái có nồng độ cồn trong hơi thở.

4. Nguồn điện cung cấp cho toàn bộ hệ thống nón bảo hiểm được thiết kế như thế nào?

Khối nguồn sử dụng cụm 3 cell pin Li-ion 18650 mắc song song (mỗi cell 3.7V - 4.2V, 2500 mAh) cho tổng dung lượng 7500 mAh. Cụm pin kết nối với bo mạch nạp/xả có màn hình LCD, cung cấp 2 cổng ngõ ra USB ổn áp 5.2V (đo thực tế 5.26V) với dòng xả 1A (cấp cho ESP8266, GPS) và 2A (cấp cho LilyPad, SIM900A và các cảm biến).

Kết luận

Khóa luận tốt nghiệp "Thiết kế mô hình nón bảo hiểm ứng dụng IoT có cảnh báo tai nạn và nồng độ cồn" của sinh viên Trần Thanh Vũ và Nguyễn Huỳnh đã giải quyết thành công bài toán tích hợp công nghệ nhúng nhằm nâng cao an toàn cho người đi xe máy. Tác giả đã chế tạo hoàn chỉnh mô hình phần cứng gồm vi điều khiển Arduino LilyPad, ESP8266, các cảm biến MPU6050, MQ3, mô-đun định vị NEO-6M GPS và mô-đun viễn thông SIM900A hoạt động trên nguồn pin 18650 ổn định. Kết quả thực nghiệm khẳng định hệ thống có khả năng nhận diện va chạm/té ngã chính xác, phát hiện nồng độ cồn trong hơi thở, tự động kích hoạt cuộc gọi, tin nhắn SMS cứu hộ khẩn cấp và giám sát vị trí trực quan qua ứng dụng Blynk.

Trích đoạn nội dung tài liệu

chương 1 giới thiệu về mục tiêu và tình hình nghiên cứu của các sản phẩm và công trình liên quan. Chương 2: Cơ sở lý thuyết liên quan được giới thiệu và trình bày ở chương 2. Nêu lên những kiến thức cơ bản cần phải có khi xây dựng và thiết kế hệ thống nón bảo hiểm thông minh. Cụ thể như lý thuyết về vi xử lý Arduino LilyPad, ESP 8266 NodeMCU, các chuẩn truyền dữ liệu… Chương 3: Trình bày quá trình xây dựng và thiết kế một hệ thống nón bảo hiểm thông minh hoàn chỉnh.

Nêu ra lý do chọn phần cứng cũng như quá trình xây dựng cả phần cứng lẫn phần mềm. Chương 4: Kết quả thực nghiệm sau khi hoàn thành thi công phần cứng, phần mền. Thực hiện kiểm thử trên mô hình thực tế. Chương 5: Đưa ra kết luận toàn bộ hệ thống.

Các ưu điểm và khuyết điểm của sản phẩm cùng với đó là hướng phát triển, hướng khắc phục các khuyết điểm trong tương lai của đề tài để mang lại một sản phẩm hoàn thiện và tối ưu nhất có thể. 4 do an CHƯƠNG 2: CƠ SỞ LÝ THUYẾT 2.1 Giới thiệu Nắm vững cơ sở lý thuyết là yêu cầu bắt buộc khi xây dựng một hệ thống điện tử. Chính vì vậy để xây dựng hệ thống nón bảo hiểm ứng dụng IoT có cảnh báo tai nạn và nồng độ cồn như mục tiêu của đề tài mà nhóm đã đề ra thì cần có những kiến thức nền tảng về lý thuyết liên quan. Những cơ sở lý thuyết sẽ được nhóm trình bày trong các mục kế tiếp của chương 2.2 Tổng quan về Arduino LilyPad Hình 2.1: Bo mạch chính Arduino LilyPad Hình 2.1 là bo mạch với thiết kế nhỏ gọn, dễ dàng có thể tích hợp vào trong các sản phẩm bị giới hạn về diện tích như chiếc nón bảo hiểm thì Arduino Lilypad là một sự lựa chọn phù hợp nhất.1: Thông số kỹ thuật Arduino LilyPad Điện áp hoạt động 2.5 V Dòng DC ở mỗi chân I/O 40mA Bộ nhớ Flash 16KB (2KB sử dụng cho Bootloader) SRAM 1 KB EEPROM 512 bytes Thạch anh 8 Mhz 5 do an Bo mạch Arduino LilyPad là một phiên bản Arduino sử dụng chip ATmega328P hoặc ATmega128P, được thiết kế và phát triển bởi Leah Buechley và SparkFun Electronics.

Với thiết kế hình tròn nhỏ gọn đường kính khoảng 50mm nên Arduino LilyPad trở thành một sự lựa chọn lý tưởng cho các ứng dụng có tính chất di chuyển cao, đặc biệt là dùng cho trang trí cho các sản phẩm thời trang như balo, túi xách, quần áo [7] [8]. Arduino LilyPad tổng cộng có 28 chân, gồm có 14 chân tín hiệu, 6 chân analog, 6 chân PWM và còn lại là các chân nguồn. Ưu điểm là các chân đa số được xếp theo hình tròn mục đích dễ dàng xác định các chân, tránh nhầm lẫn và giảm nguy cơ vô tình chạm nhau. Nhược điểm là số chân ít hầu hết chỉ phù hợp cho những hệ thống nhỏ, tiện ích trong đời sống.2: Mạch nguyên lý Arduino LilyPad 6 do an Tích hợp bên trong board mạch của Arduino LilyPad là con chipATmega328P.

Nó là một vi điều khiển 8 bits hiệu năng cao, công suất thấp AVR và được tích hợp 28 chân IO giao tiếp được thiết kế theo kiến trúc RISC (Reduced Instruction Set Computer – máy tính với tập lệnh đơn giản). ATmega328P có một bộ nhớ lập trình flash 32KB, ba Timer được tích hợp bên trong, hai trong số chúng là thanh ghi 8 bits, cái còn lại là 16 bits. Điện áp hoạt động của ATmege328P nằm trong khoảng từ 3.3 Tổng quan về ESP8266 NodeMCU Hình 2.3: Board ESP8266 NodeMCU ESP8266 là một bộ điều khiển được thiết kế bởi Espressif Systems, là một giải pháp mạng WiFi độc lập được cung cấp như cầu nối từ bộ vi điều khiển hiện có đến WiFi.