Khóa Luận Tốt Nghiệp: Phát Triển Hệ Thống Điện Toán Biên Kết Hợp AI Ứng Dụng Giám Sát Chất Lượng Không Khí

• Tác giả: Nguyen Quoc Viet
• Người hướng dẫn: PGS. Le Trung Quan
• Trường học: Đại học Quốc gia Thành phố Hồ Chí Minh - Trường Đại học Công nghệ Thông tin
• Chuyên ngành: Mạng máy tính và truyền thông dữ liệu
• Đề tài: Nghiên cứu và phát triển hệ thống điện toán biên kết hợp trí tuệ nhân tạo bằng công nghệ ảo hóa container ứng dụng giám sát chất lượng không khí
• Loại tài liệu: Khóa luận tốt nghiệp
• Năm xuất bản: 2022
• Địa điểm: Thành phố Hồ Chí Minh

• LỜI CẢM ƠN
• TÓM TẮT LUẬN VĂN
• 1. CHƯƠNG I: GIỚI THIỆU
• 1.1. Tổng quan
• 1.1. Bối cảnh xây dựng đề tài
• 1.2. Tổng quan về xu hướng IOT
• 1.3. Vai trò của điện toán đám mây VỚI IoT
• 1.4. Sự ra đời của điện toán BIEN
• 1.2. Phát biểu vấn dé và mục tiêu hướng đến
• 1.2.1. Phat biểu vấn đề
• 1.2.2. Mục tiêu hướng đẾn
• 1.3. Phương pháp luận và kết Qua
• 1.4. Pham vi và giới han của NE để đen uma
• 1.4.1. Phạm vi và đối tượng nghiên cứu
• 1.4.2. Giới hạn của ĐỀ tài
• 1.5. Cấu trúc của báo đồ án chuyên ngành
• 2. CHƯƠNG 2: CÁC NGHIÊN CỨU VÀ CÔNG NGHỆ LIÊN QUAN
• 2.1. Các nghiên cứu va xu hướng công nghệ trên thế ĐIỚI
• 2.1.1. Tổng quan các hướng tiếp cận va phân loại các hệ thống tính toán cận biên
• 2.2. Tổng quan về các công nghệ và nền tảng tính toán cận biên
• 2.2.1. Dự án Mobile Cloudlet computing
• 2.2.2. Sơ lược xu hướng nghiên cứu hiện nay
• 2.3. Cơ sở lý thuyết và hướng tiếp cận đề tài
• 2.4. Nén tảng điện toán dam mây cho Trí tuệ nhân tạo
• 2.5. Infrastructure as Code (Ia)
• 2.6. Các nền tang ảo hóa: Container và HYPervisOr
• 2.7. Công nghệ quan lý Container DOCK€r
• 2.8. Công nghệ điều phối quan trị container: Kubernetes
• 2.9. TailsGale San!
• 2.10. Nền tảng Node]S
• 2.11. Cơ sở dữ liệu phi quan hệ NoSQL và cơ sở dữ liệu MongoDB
• 2.11.1. Cơ sở dữ liệu phi quan hệ NoSQ
• 2.11.2. Cơ sở dữ liệu MongolDB
• 2.12. Các nền tảng giám sát
• 2.13. Cac công cụ tự động hóa
• 2.14. Các nghiên cứu, nền tảng liên quan về AQI
• 3. CHƯƠNG 3: PHƯƠNG PHÁP LUẬN, NGHIÊN CỨU
• 3.1. Thiết kế Infra Layer - Phần cứng
• 3.2. Thiết kế mô hình oo
• 3.3. Thiết kế Virtualization layer - AO hóa
• 3.3.1. Đặc tả ngữ cảnh
• 3.2. Thiết kế mô hình
• 3.2.1. Thiết kế mô hình ảo hóa cơ sở hạ tầng
• 3.2.2. Thiết kế mô hình ảo hóa mạng
• 3.3. Thiết kế Information Layer
• 3.3.1. Đặc tả ngữ cảnh
• 3.3.2. Thiết kế mô hình hệ thống trong ngữ cảnh đã đề xuất
• 3.3.3. Mô hình ngữ cảnh giao tiếp giữa các thành phan
• 3.3.4. Phía thiết bị đầu cuối giao tiếp với vùng cận biên
• 3.3.5. Phần vùng cận biên giao tiếp với Cloud
• 3.4. Mô hình se-case
• 3.4.1. Đặc tả mô hình Use-case hệ thống Air Quality Index
• 3.4.2. Đặc tả mô hình Use-case hệ thống quan trị và giám sát
• 3.5. Quy trình phát triển và triển khai ứng dung
• 3.5.1. Đặc tả ngữ cảnh
• 3.5.2. Thiết kế mô hình trong ngữ cảnh dé xuất
• 4. CHƯƠNG 4: HIỆN THỰC, TRIEN KHAI HE THÓNG
• 4.1. Triển khai cluster với các ứng dụng đã xây dựng
• 4.2. Cài đặt K3S - Lightweight Kubernetes cho Cloud và thiết bị cận biên
• 4.2.1. Cat đặt Mas(er
• 4.2.2. Cải đặt Worker và ghép Worker vào CÏusSf€r
• 4.3. Xây dựng các kịch bản triển khai trên Cluster
• 4.3.1. Triển khai cum deployment và service của các ứng dụng tại Cloud
• 4.3.2. Triển khai cum deployment va service của các ứng dụng tại EDGE
• 4.2. Triển khai quy trình phát triển và trién khai ứng dung
• 4.3. Hién thực kiến trúc ha tầng
• 4.4. Hiện thực phan Trung tâm dữ liệu đám mây Cloud
• 4.4.1. Hiện thực Central Backend Se€rV€r
• 4.4.2. Hiện thực Database
• 4.4.3. Hiện thực Web Server
• 4.4.4. Hiện thực phan training AI
• 4.4.5. Hiện thực Monitoring SySf€Im
• 4.5. Hiện thực phần EDGE
• 4.5.1. Hiện thực Edge Backend S€TV€T
• 4.5.2. Công nghé
• 4.6. Hiện thực phan thiết bị đầu cuối (End Device)
• 4.6.1. Tổng quan về thiết bị
• 4.6.2. Waspmote iaf€WAV
• 4.7. Hiện thực phan cứng thu thập dafa
• 4.7.1. Sensor NodeO1 SmartCity
• 4.7.2. Sensor Node0O2 DustS€nSOT
• 4.8. Hiện thực kết nối Zigbee (IEEE 802
• 4.8.1. Tổng quan về kết nổi Zigbee sử dụng module Xbee
• 4.8.2. Kết nối Zigbee trên WaspimOte
• 5. CHƯƠNG 5: KẾT QUA THU NGHIEM
• 5.1. Kết quả thử nghiệm tại CÏOU
• 5.1.1. Kết quả thử nghiệm Web Server, Backend Server va Database
• 5.1.2. Kết quả thử nghiệm kiến trúc ha tầng
• 5.1.3. Kết quả thử nghiệm Monitoring System
• 5.2. Kết quả thử nghiệm tai EDGE
• 5.3. Kết quả thử nghiệm các thiết bị đầu cuối
• 5.4. Kết quả thử nghiệm cluS(er
• 5.5. Kết quả thử nghiệm quy trình phát triển và triển khai ứng dụng
• 6. CHUONG 6: KÉT LUẬN VÀ HƯỚNG PHAT TRIẺN
• 6.1. Kết luận
• 6.1.1. Các kết quả đã đạt được so với đề cương đề tài
• 6.1.2. Hướng phat tigre
• 6.2. Hoạt động không gián đoạn khi cách ly Edge va Cloud
• 6.3. Edge Intelligence - Trí tuệ nhân tao tại Edge
• TÀI LIEU THAM KHAO
• DANH SÁCH HÌNH VE
• DANH MỤC TỪ VIẾT TẮT

I. Hệ thống điện toán biên và ứng dụng AI

Hệ thống điện toán biên đang trở thành xu hướng công nghệ quan trọng trong việc xử lý dữ liệu gần nguồn phát sinh. Kết hợp với AI, hệ thống này mang lại khả năng phân tích và dự đoán thời gian thực, đặc biệt trong lĩnh vực giám sát chất lượng không khí. Việc sử dụng công nghệ ảo hóa container giúp tối ưu hóa việc triển khai và quản lý các ứng dụng AI trên nền tảng điện toán biên. Điều này không chỉ giảm độ trễ mà còn nâng cao hiệu suất hệ thống.

1.1. Vai trò của AI trong điện toán biên

AI đóng vai trò quan trọng trong việc phân tích dữ liệu từ các cảm biến môi trường. Bằng cách sử dụng các mô hình học máy, hệ thống có thể dự đoán chất lượng không khí và đưa ra cảnh báo kịp thời. Ứng dụng AI trong điện toán biên giúp giảm tải cho các trung tâm dữ liệu đám mây, đồng thời tăng cường khả năng xử lý dữ liệu tại chỗ.

1.2. Công nghệ ảo hóa container

Công nghệ ảo hóa container như Docker và Kubernetes được sử dụng để triển khai các ứng dụng AI một cách linh hoạt và hiệu quả. Container giúp đóng gói ứng dụng cùng các thư viện cần thiết, đảm bảo tính nhất quán và dễ dàng triển khai trên các nền tảng điện toán biên khác nhau.

II. Giám sát chất lượng không khí

Giám sát chất lượng không khí là một trong những ứng dụng thực tế quan trọng của hệ thống điện toán biên kết hợp AI. Bằng cách sử dụng các cảm biến IoT, hệ thống thu thập dữ liệu về các chỉ số ô nhiễm như bụi mịn, khí CO2, và NO2. Dữ liệu này được xử lý tại vùng biên để đưa ra các phân tích và cảnh báo kịp thời.

2.1. Công nghệ thông tin trong giám sát

Công nghệ thông tin đóng vai trò quan trọng trong việc xây dựng hệ thống giám sát chất lượng không khí. Các nền tảng như Prometheus và Grafana được sử dụng để hiển thị và phân tích dữ liệu một cách trực quan. Điều này giúp người dùng dễ dàng theo dõi và đưa ra các quyết định dựa trên dữ liệu thời gian thực.

2.2. Ứng dụng thực tế

Hệ thống được triển khai tại các thành phố lớn như TP. Hồ Chí Minh, nơi có mức độ ô nhiễm không khí cao. Kết quả thử nghiệm cho thấy hệ thống có khả năng giảm độ trễ và cung cấp dữ liệu chính xác, hỗ trợ các cơ quan quản lý môi trường trong việc đưa ra các biện pháp cải thiện chất lượng không khí.

III. Phát triển hệ thống điện toán biên

Phát triển hệ thống điện toán biên đòi hỏi sự kết hợp giữa phần cứng và phần mềm. Các thiết bị như Raspberry Pi và các cảm biến IoT được sử dụng để thu thập dữ liệu. Công nghệ ảo hóa container giúp triển khai các ứng dụng AI một cách hiệu quả, đảm bảo tính linh hoạt và khả năng mở rộng của hệ thống.

3.1. Thiết kế hệ thống

Hệ thống được thiết kế với ba lớp chính: lớp phần cứng, lớp ảo hóa và lớp ứng dụng. Công nghệ ảo hóa container được sử dụng để quản lý các ứng dụng AI, trong khi Kubernetes đảm bảo việc điều phối và triển khai các container một cách tự động.

3.2. Triển khai và thử nghiệm

Hệ thống được triển khai trên các thiết bị cận biên và thử nghiệm trong môi trường thực tế. Kết quả cho thấy hệ thống có khả năng xử lý dữ liệu nhanh chóng và đưa ra các phân tích chính xác, đáp ứng yêu cầu của các ứng dụng giám sát chất lượng không khí.