Nghiên cứu công nghệ điện toán đám mây và ứng dụng trong xây dựng các bãi đỗ xe thông minh

Luận văn ứng dụng điện toán đám mây xây dựng bãi đỗ xe thông minh - ĐH CNTT&TT Thái Nguyên

• Tác giả: Ngô Thị Hiền
• Người hướng dẫn: TS. Phạm Thành Nam
• Trường học: Trường Đại học Công nghệ Thông tin và Truyền thông - Đại học Thái Nguyên
• Chuyên ngành: Kỹ thuật viễn thông
• Đề tài: Nghiên cứu công nghệ điện toán đám mây và ứng dụng trong xây dựng các bãi đỗ xe thông minh
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2021
• Địa điểm: Thái Nguyên

Tóm tắt

I. Tổng quan về điện toán đám mây trong bãi đỗ xe thông minh

Công nghệ điện toán đám mây giữ vai trò then chốt trong xây dựng đô thị hiện đại. Nghiên cứu tại Đại học Công nghệ Thông tin và Truyền thông Thái Nguyên khẳng định tiềm năng lớn của nền tảng này. Hệ thống quản lý đỗ xe truyền thống bộc lộ nhiều điểm nghẽn nghiêm trọng. Người lái xe mất nhiều thời gian tìm kiếm chỗ trống. Việc này làm gia tăng lượng khí thải và gây ùn tắc giao thông. Điện toán đám mây cung cấp tài nguyên máy chủ linh hoạt theo nhu cầu. Cơ sở hạ tầng điện toán cho phép lưu trữ khối lượng lớn dữ liệu giám sát. Hệ thống thu thập thông tin từ các cảm biến và thiết bị đầu cuối. Nền tảng phân tích trạng thái từng vị trí đỗ xe nhanh chóng. Bên cạnh đó, việc tích hợp công nghệ Fog Computing tạo nên bước đột phá mới. Mô hình sương mù phân tán năng lực tính toán về gần biên mạng. Nhờ vậy, độ trễ truyền dữ liệu giảm đi đáng kể. Các bãi đỗ xe thông minh có thể vận hành trơn tru và chính xác. Nghiên cứu đặt nền móng kỹ thuật vững chắc cho việc ứng dụng công nghệ viễn thông vào đời sống thực tế.

1.1. Khái niệm và dịch vụ điện toán đám mây cơ bản

Điện toán đám mây là mô hình phân phối tài nguyên tính toán qua Internet. Người dùng tiếp cận máy chủ, bộ nhớ và phần mềm mà không cần cài đặt tại chỗ. Mô hình bao gồm ba dịch vụ chính: IaaS, PaaS và SaaS. IaaS cung cấp hạ tầng phần cứng cùng máy chủ ảo hóa linh hoạt. PaaS mang đến môi trường thuận lợi để phát triển và triển khai ứng dụng. SaaS phân phối các phần mềm hoàn chỉnh trực tiếp tới người sử dụng cuối. Kiến trúc này mang lại khả năng mở rộng quy mô vượt trội. Doanh nghiệp dễ dàng điều chỉnh dung lượng lưu trữ theo nhu cầu thực tế. Chi phí đầu tư phần cứng ban đầu nhờ đó giảm thiểu tối đa.

1.2. Vai trò của IoT trong bãi đỗ xe thông minh

Internet of Things đóng vai trò cầu nối dữ liệu cho toàn bộ hệ thống. Mạng lưới cảm biến ghi nhận sự hiện diện của xe cộ tại mỗi vị trí. Dữ liệu từ thiết bị đầu cuối truyền liên tục về trung tâm điều khiển. Công nghệ không dây giúp kết nối các vi điều khiển một cách liền mạch. Hệ thống tự động cập nhật bảng chỉ dẫn điện tử tại cổng vào. Tài xế nhận diện khu vực còn chỗ trống mà không cần chạy xe tìm kiếm. Quá trình kiểm soát xe vào ra trở nên tự động và chính xác. Ứng dụng IoT giúp loại bỏ hoàn toàn các thao tác thủ công rườm rà. Năng suất khai thác bãi đỗ xe từ đó được nâng cao rõ rệt.

II. Thách thức điện toán đám mây trong bãi đỗ xe thông minh

Mô hình điện toán đám mây thuần túy đối mặt nhiều hạn chế khi áp dụng vào bãi đỗ xe. Luận văn thạc sĩ tại ĐH CNTT&TT Thái Nguyên đã chỉ rõ các vướng mắc này. Khi số lượng phương tiện tăng cao, lượng thông tin gửi lên máy chủ trung tâm trở nên khổng lồ. Khoảng cách địa lý xa xôi giữa cảm biến và trung tâm dữ liệu tạo ra độ trễ mạng lớn. Độ trễ cao khiến tài xế không nhận được thông tin chỗ trống kịp thời. Bãi đỗ xe rơi vào tình trạng quá tải cục bộ. Băng thông mạng bị chiếm dụng liên tục gây nghẽn đường truyền. Tình trạng mất kết nối tạm thời làm ngưng trệ việc cấp phát chỗ đỗ. Vấn đề bảo mật thông tin hình ảnh cũng đặt ra thách thức lớn. Hệ thống camera giám sát ghi lại hình ảnh biển số và chủ phương tiện liên tục. Việc truyền toàn bộ tệp video dung lượng cao lên đám mây gây lãng phí tài nguyên mạng. Dữ liệu nhạy cảm dễ bị tấn công nếu đường truyền thiếu cơ chế mã hóa nghiêm ngặt. Những điểm yếu này đòi hỏi sự xuất hiện của cấu trúc mạng tính toán mới.

2.1. Độ trễ đường truyền và tắc nghẽn tài nguyên mạng

Độ trễ truyền tải là rào cản lớn nhất của kiến trúc đám mây tập trung. Hàng trăm cảm biến và camera liên tục truyền tín hiệu về cụm máy chủ xa xôi. Băng thông đường truyền chịu tải nặng nề vào các khung giờ cao điểm. Việc truyền gửi dữ liệu kích thước lớn khiến mạng nội bộ dễ bị nghẽn mạch. Phản hồi trạng thái vị trí đỗ bị chậm trễ từ vài giây đến hàng chục giây. Sự chậm trễ này khiến phương tiện di chuyển lòng vòng vô ích. Nhiên liệu tiêu hao nhiều hơn và gây bức xúc cho chủ xe. Bãi đỗ xe không thể đáp ứng tiêu chuẩn điều hành thời gian thực.

2.2. Nguy cơ rò rỉ dữ liệu và quyền riêng tư cá nhân

Bảo mật thông tin cá nhân là mối bận tâm hàng đầu của người điều khiển xe. Camera thông minh thu thập hình ảnh phương tiện và khuôn mặt người lái. Dữ liệu sau đó được đẩy thẳng lên các máy chủ đám mây công cộng. Nếu đường truyền mạng không trang bị giao thức mã hóa vững chắc, tin tặc có thể can thiệp. Kẻ xấu có thể đánh cắp lịch trình di chuyển và biển số xe. Việc lưu trữ phân tán nhưng thiếu phân quyền chặt chẽ làm tăng nguy cơ rò rỉ. Chủ sở hữu phương tiện lo ngại quyền riêng tư bị xâm phạm nghiêm trọng. Hệ thống vì vậy cần giải pháp xử lý cục bộ trước khi đồng bộ dữ liệu.

III. Giải pháp điện toán đám mây trong bãi đỗ xe thông minh

Để khắc phục nhược điểm của đám mây thuần túy, mô hình kết hợp Fog Computing là giải pháp tối ưu. Luận văn tại ĐH CNTT&TT Thái Nguyên đề xuất kiến trúc phân tầng ba lớp. Lớp dưới cùng gồm các vi điều khiển và camera giám sát vị trí đỗ. Thiết bị ghi hình theo dõi trạng thái trống hay đầy của từng khoang đỗ. Lớp giữa là hệ thống các nút Fog đặt ngay gần bãi xe. Các nút Fog tiếp nhận dữ liệu hình ảnh trực tiếp từ camera. Nút biên thực hiện xử lý cục bộ và lọc dữ liệu thô ngay lập tức. Chỉ các thông tin trạng thái cần thiết mới được gửi lên trung tâm dữ liệu đám mây. Để kiểm chứng giải pháp, tác giả sử dụng phần mềm mô phỏng chuyên dụng iFogSim. Trình giả lập này thiết lập môi trường thử nghiệm kiểm soát và lặp lại được. iFogSim đo lường chính xác các chỉ số hiệu năng quan trọng. Các tham số chính gồm năng lượng tiêu thụ, độ trễ và mức sử dụng băng thông mạng. Mô hình đề xuất chứng minh khả năng tối ưu hóa vượt trội so với kiến trúc cũ.

3.1. Kiến trúc phân tầng tích hợp Fog Computing và IoT

Kiến trúc hệ thống gồm ba lớp phối hợp chặt chẽ. Lớp thứ nhất bao gồm cảm biến, vi điều khiển và camera giám sát tại hiện trường. Thiết bị này theo dõi trực tiếp các ô đậu xe theo thời gian thực. Lớp thứ hai gồm các nút Fog đặt ngay gần bãi đỗ xe. Nút Fog đảm nhiệm việc phân tích hình ảnh và tính toán khoảng cách nhanh chóng. Dữ liệu sau xử lý sơ bộ được chuyển đến lớp thứ ba là trung tâm dữ liệu đám mây. Máy chủ đám mây lưu trữ lâu dài và phục vụ các bài toán quản trị vĩ mô. Sự phân tầng hợp lý giúp giảm tải đáng kể cho hạ tầng mạng lõi.

3.2. Đánh giá hiệu năng hệ thống qua công cụ iFogSim

Nghiên cứu sử dụng công cụ mô phỏng iFogSim để kiểm định toàn bộ mô hình. iFogSim mô phỏng chân thực các thiết bị biên, nút Fog và máy chủ đám mây. Môi trường giả lập cho phép thiết lập và lặp lại các kịch bản thử nghiệm phức tạp. Kết quả mô phỏng cho thấy kiến trúc Fog giảm thiểu rõ rệt độ trễ truyền thông. Mức độ sử dụng băng thông mạng giảm đi đáng kể so với mô hình đám mây truyền thống. Năng lượng tiêu thụ của toàn bộ hệ thống được duy trì ở mức tối ưu. Công cụ đã chứng minh tính khả thi của giải pháp trước khi triển khai trên thực địa quy mô lớn.

IV. Ứng dụng điện toán đám mây trong bãi đỗ xe thông minh

Nghiên cứu từ ĐH CNTT&TT Thái Nguyên mang lại giá trị ứng dụng thực tiễn to lớn. Giải pháp kết hợp đám mây và Fog Computing giải quyết triệt để bài toán đỗ xe đô thị. Người lái xe dễ dàng tìm thấy chỗ trống trong thời gian ngắn nhất. Thời gian di chuyển giảm giúp tiết kiệm đáng kể nhiên liệu tiêu thụ và giảm khí thải độc hại. Môi trường đô thị nhờ vậy trở nên trong lành và bền vững hơn. Hạ tầng bãi đỗ xe thông minh nâng cao hiệu quả kinh tế cho các đơn vị quản lý. Chi phí nhân công vận hành được cắt giảm đáng kể nhờ quy trình tự động hóa. Lưu lượng phương tiện ra vào được kiểm soát chặt chẽ và thông suốt. Trong tương lai, hệ thống cần được nghiên cứu mở rộng quy mô lớn hơn. Bài toán cân bằng tải giữa các nút Fog đòi hỏi những thuật toán điều phối thông minh hơn. Bên cạnh đó, việc áp dụng các kỹ thuật mã hóa dữ liệu hình ảnh sẽ củng cố quyền riêng tư cho người dùng. Đề tài mở ra tiềm năng ứng dụng sâu rộng trong tiến trình xây dựng giao thông thông minh.

4.1. Lợi ích đối với người dùng và quản lý đô thị

Ứng dụng mô hình bãi đỗ xe thông minh đem lại nhiều giá trị thiết thực. Tài xế tiết kiệm đáng kể thời gian tìm kiếm điểm đỗ. Lượng nhiên liệu tiêu thụ và phát thải CO2 giảm thiểu rõ rệt. Đô thị nhờ vậy giảm bớt tình trạng ùn ứ giao thông cục bộ trong giờ cao điểm. Đơn vị vận hành bãi đỗ kiểm soát doanh thu tự động và minh bạch. Nhân lực trực chốt được tinh gọn tối đa nhằm cắt giảm chi phí duy trì. Dữ liệu đỗ xe được lưu trữ có hệ thống phục vụ công tác quy hoạch giao thông sau này. Trải nghiệm gửi xe của người dân trở nên văn minh và thuận tiện hơn.

4.2. Định hướng cân bằng tải và bảo mật dữ liệu tương lai

Đề tài của tác giả Ngô Thị Hiền mở ra những hướng phát triển quan trọng. Khi số lượng khu vực đỗ xe mở rộng, các nút Fog cần cơ chế cân bằng tải linh hoạt. Việc phân phối tác vụ hợp lý giúp tránh nghẽn tại từng nút biên. Bên cạnh đó, an toàn dữ liệu trên đám mây đòi hỏi công nghệ mã hóa nâng cao. Hình ảnh từ camera cần được ẩn danh trước khi truyền tải lưu trữ. Các giải pháp mã hóa đầu cuối sẽ bảo vệ tối đa quyền riêng tư của khách hàng. Tích hợp trí tuệ nhân tạo dự đoán nhu cầu đỗ cũng là hướng nghiên cứu rất tiềm năng. Những cải tiến này sẽ hoàn thiện hệ sinh thái giao thông đô thị thông minh.

Nội dung chính

Tổng quan nghiên cứu

Quá trình đô thị hóa nhanh chóng cùng sự bùng nổ của các phương tiện giao thông cá nhân đang đặt áp lực nặng nề lên hạ tầng giao thông tĩnh tại các đô thị lớn. Việc tìm kiếm điểm đỗ xe không chỉ gây lãng phí thời gian, tiêu hao nhiên liệu mà còn chiếm tới 30% nguyên nhân gây ùn tắc giao thông trong các khung giờ cao điểm. Theo báo cáo của McKinsey, công nghệ Internet vạn vật (IoT) có tiềm năng tạo ra giá trị kinh tế lên tới 11 nghìn tỷ USD mỗi năm vào năm 2025, tương đương 11% quy mô nền kinh tế toàn cầu, đi kèm sự xuất hiện của hơn 1 nghìn tỷ thiết bị thông minh kết nối mạng. Trước nhu cầu cấp thiết đó, các giải pháp bãi đỗ xe thông minh (Smart Parking) trở thành cấu phần cốt lõi trong chiến lược xây dựng thành phố thông minh (Smart City).

Tuy nhiên, hầu hết các mô hình bãi đỗ xe thông minh hiện nay khi phụ thuộc hoàn toàn vào hạ tầng điện toán đám mây (Cloud Computing) đều bộc lộ hạn chế nghiêm trọng về độ trễ truyền thông và nghẽn băng thông đường trục do dữ liệu video, hình ảnh phải liên tục đẩy về máy chủ trung tâm. Nhằm giải quyết triệt để thách thức kỹ thuật này, luận văn thạc sĩ chuyên ngành Kỹ thuật Viễn thông của tác giả Ngô Thị Hiền (Trường Đại học Công nghệ Thông tin và Truyền thông – Đại học Thái Nguyên, năm 2021) đã thực hiện đề tài "Nghiên cứu công nghệ điện toán đám mây và ứng dụng trong xây dựng các bãi đỗ xe thông minh". Luận văn tập trung nghiên cứu mô hình kiến trúc phân tầng tích hợp giữa điện toán đám mây và điện toán sương mù (Fog Computing), kết hợp kỹ thuật thị giác máy tính thay thế các cảm biến truyền thống. Kết quả nghiên cứu được đánh giá định lượng thông qua công cụ mô phỏng iFogSim và kiểm chứng thực nghiệm trên 6 bãi đỗ xe thực tế, mở ra hướng đi tối ưu cho việc giảm thiểu độ trễ, tiết kiệm băng thông và nâng cao hiệu quả vận hành các bãi đỗ xe hiện đại.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên sự giao thoa của 3 nền tảng công nghệ trụ cột:

Nền tảng Điện toán đám mây (Cloud Computing): Cung cấp năng lực tính toán và lưu trữ quy mô lớn thông qua 3 mô hình dịch vụ tiêu chuẩn gồm Hạ tầng dưới dạng dịch vụ (IaaS), Nền tảng dưới dạng dịch vụ (PaaS) và Phần mềm dưới dạng dịch vụ (SaaS). Trong bãi đỗ xe thông minh, đám mây đóng vai trò máy chủ trung tâm quản trị cơ sở dữ liệu lớn, quản lý giao dịch thanh toán và tổng hợp lưu lượng theo thời gian thực.

Kiến trúc Điện toán sương mù (Fog Computing): Xuất phát từ nghiên cứu của Bonomi năm 2012, điện toán Fog mở rộng năng lực của đám mây xuống sát biên mạng. Mô hình này khắc phục nhược điểm về độ trễ và tắc nghẽn của điện toán đám mây truyền thống bằng cách đặt các nút Fog gần thiết bị thu thập dữ liệu, hỗ trợ phân bố địa lý dày đặc và phản hồi dịch vụ theo thời gian thực.

Công nghệ Internet of Things (IoT) và mô hình ứng dụng dữ liệu: Luận văn vận dụng 2 mô hình xử lý dữ liệu trọng tâm:

• Mô hình Cảm nhận - Xử lý - Kích hoạt (Sense-Process-Actuate): Thu nhận dữ liệu luồng từ camera giám sát, xử lý tại nút Fog và kích hoạt phản hồi hiển thị lên bảng đèn LED thông minh.
• Mô hình Luồng dữ liệu phân tán (Distributed Data Flow - DDF): Mô hình hóa các ứng dụng dưới dạng đồ thị có hướng, nơi các mô-đun xử lý dữ liệu được phân bổ linh hoạt giữa các thiết bị biên và máy chủ đám mây.

Kỹ thuật xử lý ảnh nhận diện vị trí đỗ xe: Thay vì sử dụng cảm biến vật lý đơn điểm, hệ thống thu nhận hình ảnh quang học từ camera góc rộng, chuyển đổi không gian màu RGB sang ảnh mức xám (Grayscale), áp dụng kỹ thuật tối ưu hóa ngưỡng phân đoạn nhị phân (Thresholding), lọc nhiễu và trích xuất đặc trưng vị trí đỗ để phát hiện trạng thái ô đỗ còn trống hay đã bị chiếm chỗ.

Phương pháp nghiên cứu

Luận văn kết hợp phương pháp nghiên cứu lý thuyết, mô phỏng chuyên sâu trên phần mềm chuyên dụng và kiểm nghiệm thực tế:

Công cụ và thông số mô phỏng: Tác giả sử dụng bộ công cụ mã nguồn mở iFogSim chạy trên nền tảng Eclipse IDE và ngôn ngữ Java. Cấu hình phần cứng mô phỏng được thiết lập cụ thể: Máy chủ đám mây (Cloud Server) sở hữu năng lực xử lý 5.000 MIPS, bộ nhớ RAM 45.000 MB, băng thông tải lên (Uplink) 1.000 MB, tải xuống (Downlink) 1.200 MB; Máy chủ Proxy trung gian có năng lực xử lý 4.000 MIPS, RAM 4.500 MB; Nút Fog sở hữu CPU 1.000 MIPS, RAM 3.000 MB, băng thông tải lên 800 MB và tải xuống 1.000 MB. Cụm camera giám sát đầu vào sử dụng nguồn điện 12V.

Cỡ mẫu và phương pháp chọn mẫu: Cỡ mẫu mô phỏng được phân tầng thành các kịch bản thực nghiệm lũy tiến với 3 mức tải trọng gồm 3, 6 và 9 camera, sau đó mở rộng cấu trúc liên kết lên tới 16 camera kết nối với 4 nút Fog tại 2 khu vực bãi đỗ riêng biệt. Phương pháp chọn mẫu là phương pháp chọn mẫu theo cụm phân tầng (stratified cluster sampling), đại diện cho các bãi đỗ xe phân tán tại các vùng địa lý khác nhau. Mẫu thực nghiệm thực tế được triển khai trên 6 bãi đỗ xe phân tán tại 2 khuôn viên trường đại học.

Lý do lựa chọn phương pháp: Việc lựa chọn trình giả lập iFogSim cho phép đánh giá lặp lại có kiểm soát các chỉ số chất lượng dịch vụ (QoS), năng lượng tiêu thụ và độ sử dụng mạng mà không đòi hỏi chi phí đầu tư hạ tầng phần cứng quá lớn trong giai đoạn nghiên cứu ban đầu.

Mô hình toán học đánh giá:

• Độ trễ hệ thống (Latency) xác định theo công thức: Latency = $\alpha + \mu + \phi$, trong đó $\alpha$ là độ trễ xử lý CPU để thu thập và phân đoạn ảnh, $\mu$ là thời gian truyền tải ảnh về nút Fog, và $\phi$ là độ trễ hiển thị thông tin ra bảng đèn LED.
• Độ sử dụng mạng (Network Usage) xác định theo công thức: Network Usage = Latency $\times \partial$, trong đó $\partial$ đại diện cho kích thước mạng truyền thông.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình mô phỏng trên iFogSim và kiểm nghiệm thực tế đã mang lại 4 phát hiện then chốt:

Thứ nhất, năng lượng tiêu thụ của đám mây gia tăng đột biến theo cấp số nhân khi số lượng điểm giám sát tăng trong mô hình chỉ dùng điện toán đám mây thuần túy. Ở quy mô 3 camera, năng lượng tiêu hao của đám mây chỉ ở mức 1,47E+08 Joule (trong tổng tiêu hao hệ thống khoảng 8,47E+08 Joule). Tuy nhiên, khi tăng quy mô lên 9 camera, năng lượng tiêu hao của đám mây đã vọt lên mức 5,00E+10 Joule, tương đương mức tăng hơn 59 lần. Khi triển khai thêm lớp Fog, toàn bộ gánh nặng xử lý trung gian được đẩy xuống biên, giúp trung tâm dữ liệu đám mây tiết kiệm phần lớn năng lượng tiêu thụ.

Thứ hai, lưu lượng sử dụng mạng và tiêu thụ băng thông được kiểm soát vượt trội trong mô hình có sự hỗ trợ của Fog. Trong kịch bản thực nghiệm, băng thông tiêu thụ tăng từ 17.437,07 Kb/s (với 3 camera) lên mức 118.387,00 Kb/s (với 9 camera), tức tăng trưởng tới 578,9%. Trong mô hình đám mây thuần túy, việc toàn bộ dữ liệu video thô được đẩy trực tiếp lên máy chủ trung tâm đã làm suy giảm tốc độ truyền tải toàn mạng. Ngược lại, kiến trúc Fog phân tán giúp xử lý cục bộ tại biên, chỉ đồng bộ thông tin trạng thái lên đám mây định kỳ, nhờ đó giải phóng đáng kể băng thông đường trục.

Thứ ba, độ trễ dịch vụ được tối ưu hóa rõ rệt. Nhờ bỏ qua các truy cập liên tục đến máy chủ đám mây qua mạng diện rộng, nút Fog cục bộ thực hiện thuật toán phát hiện khe đỗ trống và cập nhật ngay lập tức trạng thái lên màn hình LED đặt tại cổng vào bãi đỗ với độ trễ thấp, đáp ứng hoàn hảo tiêu chuẩn phản hồi thời gian thực cho tài xế.

Thứ tư, tính khả thi của hệ thống được chứng minh qua thực nghiệm thực tế với việc triển khai cơ sở dữ liệu thời gian thực trên nền tảng Google Firebase Cloud Server, quản lý thành công 6 bãi đỗ xe thuộc Đại học Thái Nguyên (3 bãi đỗ tại Trường Đại học Công nghệ Thông tin và Truyền thông – ICTU và 3 bãi đỗ tại Đại học Thái Nguyên – TNU).

Thảo luận kết quả

Nguyên nhân cốt lõi tạo nên sự khác biệt giữa hai mô hình nằm ở cơ chế quản lý dữ liệu. Trong mô hình đám mây truyền thống, việc tập trung toàn bộ lưu lượng dữ liệu hình ảnh về một máy chủ duy nhất tạo nên hiện tượng thắt cổ chai (bottleneck), khiến độ trễ tích lũy và băng thông mạng tăng vọt khi mở rộng hệ thống. Ngược lại, điện toán Fog phân quyền xử lý về các nút biên, biến mỗi bãi đỗ thành một đơn vị tự trị có khả năng phản hồi tức thời.

Khi so sánh với các nghiên cứu sử dụng cảm biến tiệm cận, cảm biến siêu âm hay hồng ngoại trước đây, giải pháp thị giác máy tính của luận văn thể hiện tính ưu việt vượt trội. Các loại cảm biến vật lý thường bị giới hạn phạm vi đo hẹp (từ 0,02 đến 0,4 mét), đòi hỏi mỗi vị trí đỗ phải gắn một cảm biến riêng biệt và rất dễ báo sai nếu phương tiện đỗ chệch vạch sơn. Việc sử dụng camera độ phân giải cao kết hợp phân đoạn ảnh cho phép một thiết bị duy nhất bao quát toàn bộ làn đỗ, giảm thiểu tối đa chi phí lắp đặt và bảo trì thiết bị phần cứng.

Các dữ liệu thực nghiệm trong luận văn có thể được biểu diễn trực quan và sinh động thông qua biểu đồ đường (line chart) phản ánh mối quan hệ tỷ lệ thuận giữa số lượng camera giám sát (từ 3, 6, 9 đến 16 nút) với độ trễ hệ thống, kết hợp cùng bảng đối chuẩn số liệu (comparative table) chi tiết hóa mức tiêu thụ năng lượng (Joule) và lưu lượng băng thông (Kb/s) giữa phương án Cloud thuần túy và phương án kết hợp Cloud - Fog.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu, luận văn đưa ra 4 nhóm giải pháp chiến lược có tính khả thi cao:

Tối ưu hóa thuật toán cân bằng tải động (Dynamic Load Balancing): Nhóm kỹ sư phần mềm và viễn thông cần phát triển các giải pháp điều phối tài nguyên động giữa các nút Fog lân cận thông qua máy chủ Proxy. Mục tiêu đặt ra là giảm thêm 15% đến 20% độ trễ xử lý trong các khung giờ cao điểm khi một bãi đỗ xe bị quá tải yêu cầu truy vấn; lộ trình nghiên cứu và triển khai hoàn thiện trong vòng 6 tháng.

Thiết lập cơ chế bảo mật và mã hóa đầu cuối (End-to-End Encryption): Đội ngũ chuyên viên an toàn thông tin mạng cần tích hợp các giao thức mã hóa dữ liệu hình ảnh tại nút Fog trước khi đồng bộ lên nền tảng đám mây Firebase. Mục tiêu đạt chuẩn bảo vệ quyền riêng tư 100% đối với thông tin biển số xe và hình ảnh khách hàng; thời gian áp dụng trong vòng 9 tháng.

Nâng cấp mô hình trí tuệ nhân tạo biên (Edge AI): Các nhóm nghiên cứu thị giác máy tính cần tinh gọn mô hình nhận diện, nhúng trực tiếp các mạng nơ-ron tích chập nhẹ (Lightweight CNN) lên các bộ vi điều khiển biên công suất thấp (như Raspberry Pi hoặc Jetson Nano). Mục tiêu rút ngắn thời gian xử lý ảnh ($\alpha$) xuống dưới ngưỡng 40ms; lộ trình hoàn thiện trong vòng 9 tháng.

Mở rộng quy mô thử nghiệm liên vùng: Ban quản lý hạ tầng giao thông đô thị cùng các doanh nghiệp khai thác bãi đỗ xe cần nhân rộng mô hình từ 6 bãi đỗ thử nghiệm hiện tại lên quy mô mạng lưới 25 bãi đỗ xe đô thị với hơn 600 vị trí đỗ thông minh; kế hoạch triển khai từng bước trong thời gian 12 tháng.

Đối tượng nên tham khảo luận văn

Luận văn là tài liệu tham khảo giá trị cho 4 nhóm đối tượng trọng tâm:

Học viên cao học và nghiên cứu sinh ngành Kỹ thuật Viễn thông, Mạng máy tính và IoT: Khai thác phương pháp luận thiết lập mô hình mô phỏng mạng phân tầng trên bộ công cụ iFogSim, phương pháp cấu hình thông số MIPS (từ 1.000 đến 5.000 MIPS), bộ nhớ RAM và băng thông mạng chuẩn mực để phục vụ các đề tài nghiên cứu chuyên sâu.

Kỹ sư thiết kế hệ thống IoT và Giao thông thông minh (ITS): Tham khảo quy trình tích hợp giữa vi điều khiển NodeMCU, camera 12V và kỹ thuật phân đoạn ảnh RGB - nhị phân để thay thế hoàn toàn các loại cảm biến hồng ngoại cự ly ngắn (0,02 - 0,4 mét), nâng cao độ ổn định cho các dự án thực tế.

Cơ quan quản lý quy hoạch đô thị và các nhà phát triển Smart City: Ứng dụng mô hình kiến trúc phân tầng để quy hoạch các bãi đỗ xe công cộng, giảm thiểu tình trạng xe chạy lòng vòng tìm chỗ, từ đó cắt giảm lượng tiêu thụ nhiên liệu và khí thải carbon ra môi trường đô thị.

Doanh nghiệp cung cấp giải pháp Cloud và Edge Computing: Nắm bắt các bằng chứng định lượng về việc tiết kiệm lưu lượng mạng (giảm áp lực tải từ mức 118.387 Kb/s) để tư vấn và xây dựng các gói giải pháp lai (Hybrid Cloud-Fog) tối ưu chi phí hạ tầng cho khách hàng doanh nghiệp.

Câu hỏi thường gặp

Hệ thống bãi đỗ xe trong luận văn sử dụng công nghệ nào để phát hiện chỗ trống thay thế cảm biến vật lý? Hệ thống sử dụng camera giám sát góc rộng kết hợp kỹ thuật xử lý hình ảnh số: chuyển đổi ảnh màu RGB sang thang màu xám, áp dụng ngưỡng tối ưu hóa nhị phân và lọc nhiễu. Giải pháp này giúp khắc phục hoàn toàn nhược điểm cự ly phát hiện ngắn chỉ 0,02 đến 0,4 mét của cảm biến hồng ngoại và nâng cao độ chính xác khi xe đỗ lệch vị trí.

Tại sao điện toán Fog lại vượt trội hơn điện toán đám mây thuần túy trong bài toán đỗ xe thông minh? Điện toán Fog chuyển các tác vụ tính toán nặng về các nút đặt sát bãi đỗ xe, xử lý tức thời dữ liệu hình ảnh và hiển thị lên bảng LED mà không cần truyền liên tục lên đám mây. Thực nghiệm cho thấy khi hệ thống tăng lên 9 camera, băng thông Cloud tăng vọt tới 118.387 Kb/s; mô hình Fog giúp kiểm soát triệt để độ trễ và tránh nghẽn mạng đường trục.

Bộ công cụ nào được tác giả sử dụng để mô phỏng và kiểm chứng hiệu năng hệ thống? Nghiên cứu sử dụng trình giả lập iFogSim chạy trên môi trường Eclipse IDE. Tác giả đã mô phỏng chi tiết các tham số phần cứng: máy chủ Cloud 5.000 MIPS, máy chủ Proxy 4.000 MIPS và nút Fog 1.000 MIPS để đo đạc chính xác năng lượng tiêu thụ, băng thông mạng và độ trễ phản hồi trong các kịch bản từ 3 đến 16 camera.

Mô hình thực nghiệm thực tế được triển khai trên nền tảng nào và ở đâu? Tác giả đã triển khai thực tế hệ thống cơ sở dữ liệu trên nền tảng Google Firebase Cloud Server. Hệ thống quản trị dữ liệu thời gian thực cho 6 bãi đỗ xe thực địa, gồm 3 bãi đỗ tại Trường Đại học Công nghệ Thông tin và Truyền thông (ICTU) và 3 bãi đỗ tại Đại học Thái Nguyên (TNU), cung cấp thông tin vị trí, giá tiền và chỗ trống.

Người lái xe nhận biết vị trí đỗ trống bằng cách nào nếu không có điện thoại thông minh? Khác với các hệ thống bắt buộc cài đặt ứng dụng di động, kiến trúc đề xuất tích hợp bảng hiển thị LED thông minh đặt ngay tại lối vào bãi đỗ. Nút Fog cập nhật dữ liệu xử lý theo thời gian thực lên bảng LED, giúp tài xế quan sát tức thì vị trí các ô đỗ còn trống trước khi tiến vào khu vực đỗ xe.

Kết luận

• Khẳng định vai trò cốt lõi: Sự kết hợp giữa điện toán đám mây và điện toán sương mù (Fog Computing) cùng công nghệ IoT là giải pháp tất yếu nhằm giải quyết bài toán độ trễ và quá tải băng thông trong các hệ thống đỗ xe thông minh hiện đại.
• Đóng góp khoa học chính: Luận văn đã xây dựng thành công mô hình kiến trúc phân tầng (Camera/Vi điều khiển – Nút Fog – Máy chủ Đám mây), thay thế cảm biến vật lý bằng camera xử lý ảnh quang học và thiết lập các công thức toán học định lượng độ trễ cũng như lưu lượng mạng.
• Giá trị thực nghiệm rõ nét: Mô phỏng trên iFogSim chứng minh khi quy mô tăng từ 3 lên 9 camera, năng lượng tiêu thụ đám mây tăng từ 1,47E+08 Joule lên 5,00E+10 Joule và băng thông tăng vọt đến 118.387 Kb/s, khẳng định lớp Fog giúp giảm tải hiệu quả cho đám mây trung tâm.
• Lộ trình phát triển tiếp theo: Hướng nghiên cứu tương lai sẽ tập trung giải quyết bài toán cân bằng tải thích ứng giữa các nút Fog và triển khai cơ chế mã hóa bảo mật dữ liệu hình ảnh trong giai đoạn 6 đến 12 tháng tới.
• Kêu gọi hành động: Các đơn vị quản lý giao thông và doanh nghiệp công nghệ cần nhanh chóng phối hợp ứng dụng kiến trúc điện toán Fog - Cloud vào quy hoạch bãi đỗ xe đô thị, hướng tới mục tiêu xây dựng hệ thống giao thông thông minh và bền vững.

Trích đoạn nội dung tài liệu

LỜI MỞ ĐẦU Ngành công nghiệp ô tô đang phát triển từng ngày và phương tiện giao thông đã trở thành một nguồn tài nguyên quan trọng hiện nay. Với sự gia tăng của các phương tiện giao thông cá nhân, việc có được một không gian trống cho việc đỗ xe của một người, đặc biệt là ở các khu vực đông dân cư, không chỉ trở nên khó khăn mà còn dẫn đến một số vấn đề, như: tắc nghẽn giao thông, lãng phí thời gian, ô nhiễm môi trường và quan trọng nhất là tiêu thụ nhiên liệu không cần thiết. Mặt khác, chỗ đậu xe hơi trong khu vực đô thị không tăng cùng tốc độ với các phương tiện trên đường. Do đó, hệ thống đỗ xe thông minh đã trở thành một nhu cầu thiết yếu để giải quyết các vấn đề nêu trên.

Một số nhà nghiên cứu đã cố gắng tự động hóa bãi đậu xe phân bổ không gian bằng cách sử dụng các công nghệ tiên tiến. Công việc quan trọng đã được thực hiện trong các lĩnh vực Mạng cảm biến không dây (WSN), Điện toán đám mây (Cloud Computing), Điện toán Fog và Internet of Things (IoT) để tạo thuận lợi cho những tiến bộ trong dịch vụ đỗ xe thông minh. Một số nhà nghiên cứu đã đề xuất các phương pháp cho bãi đậu xe thông minh bằng cách sử dụng cơ sở hạ tầng điện toán đám mây. Tuy nhiên, độ trễ là một mối quan tâm đáng kể trong các ứng dụng trên nền tảng đám mây, bao gồm cả giao thông thông minh và đặc biệt là trong các hệ thống đỗ xe thông minh.

Bãi đỗ xe thông minh là một ý tưởng xây dựng đỗ xe kết hợp với công nghệ và sự đổi mới của con người với nỗ lực sử dụng ít tài nguyên nhất có thể. Mô hình bãi đỗ xe thông minh chính là việc sử dụng nhiên liệu, thời gian và không gian để có được chỗ đậu xe nhanh hơn, dễ dàng hơn. Bãi đỗ xe thông minh hay hệ thống giao thông thông minh đều dựa trên nguyên tắc cơ bản là sự kết nối của tất cả các thiết bị, các thành phần. Bãi đỗ xe là một trong những yếu tố cần thiết cho sự chuyển động, lưu thông của con người.

Bãi đỗ xe thông minh (smart parking) là một trong những giải pháp của thành phố thông minh (smart city) và cũng là một trong những giải pháp phát triển nhanh nhất trên thế giới. Những sân bay, những trường đại học, trung tâm mua sắm chỉ là một vài ví dụ cho việc nhận thấy những lợi ích đáng kể của công nghệ đỗ xe tự động. Khả năng kết nối, phân tích và tự động hóa dữ liệu thu thập từ các thiết bị được hỗ 1 trợ bởi điện toán đám mây là những gì người dùng có thể thấy rất rõ ở những bài đỗ xe thông minh. Luận văn này trình bày một nghiên cứu về hệ thống bãi đỗ xe thông minh dựa trên công nghệ Internet of Things và công nghệ lưu trữ dữ liệu điện toán đám mây Cloud Computing.

Công nghệ điện toán đám mây là một giải pháp lưu trữ và tính toán dữ liệu cho thấy ưu điểm vượt trội hiện nay trong triển khai các hệ thống thông minh, đặc biệt là bãi đỗ xe thông minh. Trong luận văn, tác giả trình bày giới thiệu về công nghệ điện toán đám mây và hình thái phát triển tiếp theo của nó công nghệ Fog computing giúp tăng tốc tốc độ tính toán dữ liệu và triển khai các ứng dụng thời gian thực đòi hỏi độ trễ dịch vụ thấp. TỔNG QUAN VỀ CÔNG NGHỆ ĐIỆN TOÁN ĐÁM MÂY VÀ INTERNET OF THINGS 1. Giới thiệu về công nghệ điện toán đám mây (Cloud Coputing) Hình 1.

1: Điện toán đám mây Theo Wikipedia Điện toán đám mây (tiếng anh: cloud computing), còn gọi là điện toán máy chủ ảo, là mô hình điện toán sử dụng các công nghệ máy tính và phát triển dựa vào mạng Internet. Thuật ngữ “đám mây” ở đây là lối nói ẩn dụ chỉ mạng Internet (dựa vào cách được bố trí của nó trong sơ đồ mạng máy tính) và như sự liên tưởng về độ phức tạp của các cơ sở hạ tầng chứa trong nó. Ở mô hình điện toán này, mọi khả năng liên quan đến công nghệ thông tin đều được cung cấp dưới dạng các “dịch vụ”, cho phép người sử dụng truy cập các dịch vụ công nghệ từ một nhà cung cấp nào đó “trong đám mây” mà không cần phải có các kiến thức, kinh nghiệm về công nghệ đó, cũng như không cần quan tâm đến các cơ sở hạ tầng phục vụ công nghệ đó. Thuật ngữ Cloud computing ra đời giữa năm 2007 không phải để nói về một trào lưu mới, mà để khái quát lại các hướng đi của cơ sở hạ tầng thông tin vốn đã và đang diễn ra từ mấy năm qua.

Quan niệm này có thể được diễn giải một cách đơn giản: các nguồn điện toán khổng lồ như phần mềm, dịch vụ và các dịch vụ sẽ nằm tại các máy chủ ảo (đám mây) trên Internet thay vì trong máy tính gia đình và văn phòng 3 (trên mặt đất) để mọi người kết nối và sử dụng mỗi khi họ cần. Với các dịch vụ sẵn có trên Internet, doanh nghiệp không phải mua và duy trì hàng trăm, thậm chí hàng nghìn máy tính cũng như phần mềm. Họ chỉ cần tập trung vào kinh doanh lĩnh vực riêng của mình bởi đã có người khác lo cơ sở hạ tầng và công nghệ thông tin thay họ. Google, theo lẽ tự nhiên, nằm trong số những hãng ủng hộ điện toán máy chủ ảo tích cực nhất bởi hoạt động kinh doanh của họ dựa trên việc phân phối các cloud (virtual server).

Đa số người dùng Internet đã tiếp cận những dịch vụ đám mây phổ thông như e-mail, album ảnh và bản đồ số. Kiến trúc điện toán đám mây Đại bộ phận hạ tầng cơ sở của điện toán đám mây hiện nay là sự kết hợp của những dịch vụ đáng tin cậy được phân phối thông qua các trung tâm dữ liệu (datacenter) được xây dựng trên những máy chủ với những cấp độ khác nhau của các công nghệ ảo hóa. Những dịch vụ này có thể được truy cập từ bất kỳ đâu trên thế giới, trong đó đám mây là một điểm truy cập duy nhất cho tất cả các máy tính có nhu cầu của khách hàng. Các dịch vụ thương mại cần đáp ứng yêu cầu chất lượng dịch vụ từ phía khách hàng và thông thường đều đưa ra các mức thỏa thuận dịch vụ (Service level agreement).

Các tiêu chuẩn mở (Open standard) và phần mềm mã nguồn mở (open source software) cũng góp phần phát triển điện toán máy chủ ảo. Cách thức hoạt động của điện toán đám mây Để hiểu được cách thức hoạt động của công nghệ điện toán đám mây, tác giả lấy ví dụ:về việc mua phần cứng, phần mềm của một công ty. Trách nhiệm của công ty bao gồm việc phải đảm bảo rằng tất cả các nhân viên công ty đều có các phần cứng và phần mềm cần thiết để phục vụ cho công việc. Mua một hệ thống máy tính vẫn không đủ, công ty cũng phải mua thêm phần mềm và bản mềm phần mềm hợp pháp nữa.

Bất cứ khi nào có một nhân viên mới, công ty cũng phải mua thêm phần mềm mới hoặc phải chuyển giao giấy phép bản quyền phần mềm hiện tại cho người dùng khác mới. Tất cả những việc đó khá rắc rối, tốn thời gian và tốn không ít tiền bạc của công ty. Và đó là lúc các công ty cần đến điện toán đám mây. Thay vì cài đặt một bộ phần mềm cho mỗi máy tính, người dùng chỉ cần cài đặt một ứng dụng/ chương trình cho máy tính đó.

Ứng dụng/ chương trình này sẽ cho phép nhân viên của người dùng 4 đăng nhập vào hệ thống trên nền tảng web, trong đó có chứa tất cả các chương trình mà họ cần cho công việc của mình. Máy chủ vận hành hệ thống từ xa thuộc sở hữu của một công ty khác, có thể giúp nhân viên của công ty chạy tất cả mọi thứ từ e-mail để xử lý văn bản cho đến các chương trình phân tích dữ liệu phức tạp. Trong hệ thống điện toán đám mây, khối lượng công việc được thay đổi đáng kể. Máy tính tại doanh nghiệp không còn phải làm tất cả những công việc nặng nhọc như chạy các ứng dụng, chương trình nặng.

Thay vào đó, mạng máy tính tạo nên các đám mây sẽ đảm nhận công việc xử lý chúng, giúp người dùng tiết kiệm được khá nhiều chi phí cho phần cứng và phần mềm. Điều duy nhất mà máy tính của người sử dụng cần để có thể chạy được phần mềm là giao diện để có thể sử dụng hệ thống điện toán đám mây đó có thể đơn giản là một trình duyệt Web, và mạng lưới đám mây sẽ đảm nhận phần còn lại. Hầu hết người dùng đều đã đang sử dụng điện toán đám mây nhưng không phải ai cũng hiểu về nó. Các dịch vụ e-mail trên nền web như Hotmail, Yahoo! Mail hoặc Gmail chính là những ứng dụng phổ biến nhất của công nghệ điện toán đám mây.

Thay vì chạy một chương trình e-mail trên máy tính, người dùng đăng nhập vào một tài khoản e-mail thông qua internet từ xa. Các phần mềm và lưu trữ cho tài khoản của người dùng không tồn tại trên máy tính của chính mình - đó là trên máy tính đám mây của dịch vụ máy chủ. Mô hình điện toán đám mây Có ba mô hình chính dành cho điện toán đám mây. Mỗi mô hình đại diện cho các phần khác nhau của cụm điện toán đám mây.

Cơ sở hạ tầng dưới dạng dịch vụ (Infrastructure as a Service - IaaS) Cơ sở hạ tầng dưới dạng dịch vụ, đôi khi được viết tắt là IaaS, bao gồm các khối dựng cơ bản dành cho nền tảng công nghệ thông tin (CNTT) đám mây và thường cung cấp quyền truy cập các tính năng mạng, máy tính (phần cứng ảo hoặc trên phần cứng chuyên dụng) và dung lượng lưu trữ dữ liệu. Cơ sở hạ tầng dưới dạng dịch vụ sẽ đem đến cho người dùng mức độ linh hoạt cũng như khả năng kiểm soát quản lý 5 tài nguyên CNTT cao nhất và gần giống nhất với các tài nguyên CNTT hiện hữu quen thuộc với nhiều bộ phận CNTT và nhà phát triển hiện nay.  Ưu điểm IaaS: - IaaS sử dụng công nghệ ảo hóa nên có thể thấy rõ sự tiết kiệm chi phí do việc sử dụng nguồn lực hiệu quả mang lại. - Người dùng không cần quan tâm tới việc duy trì thiết bị phần cứng mạng, cũng như những vấn đề rắc rối trong quá trình vận hành hệ thống mạng đem lại.