I. Tổng quan hệ thống giám sát tài xế và xe qua AI CAN bus
Đề tài tốt nghiệp ngành Điện tử Viễn thông tại Đại học Sư phạm Kỹ thuật TP.HCM phát triển giải pháp an toàn giao thông đồng bộ. Đề tài hướng tới việc bảo vệ tính mạng con người trên các cung đường dài. Tai nạn giao thông thường bắt nguồn từ sự thiếu tập trung của người lái xe. Trạng thái buồn ngủ và mệt mỏi gây ra hậu quả nghiêm trọng. Do đó, việc ứng dụng công nghệ hiện đại vào phương tiện giao thông trở nên cấp thiết. Nghiên cứu kết hợp hai nền tảng công nghệ chính gồm thị giác máy tính và mạng truyền thông CAN bus. Hệ thống ghi nhận trạng thái khuôn mặt tài xế bằng camera chuyên dụng. Đồng thời, các vi điều khiển liên tục đọc thông số vận hành của xe. Thiết bị thu thập nhiệt độ khoang lái, khoảng cách vật cản và vị trí định vị toàn cầu. Tất cả luồng dữ liệu được chuẩn hóa và truyền tải qua mạng nội bộ phương tiện. Raspberry Pi 4 đóng vai trò trung tâm tính toán biên xử lý mô hình học sâu. Bộ điều khiển STM32 thực hiện nhiệm vụ giao tiếp ngoại vi tin cậy. Dữ liệu sau đó gửi về hệ thống điều hành trung tâm thông qua giao thức MQTT. Mô hình mở ra hướng ứng dụng thiết thực cho các doanh nghiệp vận tải hành khách và hàng hóa.
1.1. Bối cảnh nghiên cứu đề tài tại Đại học Sư phạm Kỹ thuật TP.HCM
Khoa Điện - Điện tử thuộc Đại học Sư phạm Kỹ thuật TP.HCM luôn chú trọng các đề tài gắn liền thực tiễn. Đề tài do sinh viên Đoàn Gia Bảo và Ngô Đức Thiện thực hiện dưới sự hướng dẫn của ThS. Nguyễn Văn Hiệp. Nghiên cứu giải quyết bài toán cấp bách về tai nạn giao thông đường bộ tại Việt Nam. Nhiều vụ va chạm xảy ra do tài xế ngủ gật khi điều khiển xe đường dài. Việc trang bị công nghệ an toàn tự động giúp hạn chế tối đa rủi ro. Nhóm nghiên cứu tập trung xây dựng một mô hình tích hợp hoàn chỉnh và có chi phí hợp lý. Thiết kế đáp ứng các tiêu chuẩn kỹ thuật khắt khe của ngành ô tô hiện đại.
1.2. Mục tiêu kỹ thuật và phạm vi ứng dụng của hệ thống giám sát
Đề tài đặt mục tiêu xây dựng hệ thống phần cứng và phần mềm hoạt động ổn định. Thiết bị AI camera nhận diện chính xác các dấu hiệu buồn ngủ và mất tập trung. Chuẩn giao tiếp CAN bus kết nối xuyên suốt các khối cảm biến với bộ xử lý trung tâm. Hệ thống đo đạc nhiệt độ khoang xe, phát hiện chướng ngại vật phía sau và định vị GPS. Màn hình LCD 7 inch hiển thị trực quan thông số vận hành cho người điều khiển. Còi buzzer và relay kích hoạt tín hiệu báo động khi phát hiện nguy hiểm. Đồng thời, dữ liệu hành trình được truyền về máy chủ web để quản lý phương tiện từ xa.
II. Phân tích thách thức giám sát tài xế và mạng CAN bus trên xe
Môi trường ô tô đặt ra nhiều thách thức khắc nghiệt cho các thiết bị điện tử. Nhiễu điện từ từ động cơ và hệ thống đánh lửa ảnh hưởng nghiêm trọng đến tín hiệu truyền thông. Việc đi dây truyền thống theo kiểu điểm nối điểm làm tăng khối lượng xe. Cách đấu nối này còn khiến hệ thống dễ gặp sự cố đứt gãy và khó bảo trì. Đồng thời, cabin xe thường xuyên thay đổi điều kiện ánh sáng trong ngày. Ánh nắng gắt, bóng râm hoặc bóng tối ban đêm làm giảm độ chính xác của camera. Ngoài ra, khuôn mặt tài xế rất đa dạng và có nhiều biểu cảm phức tạp. Người lái có thể đeo kính râm, khẩu trang hoặc đổi tư thế ngồi liên tục. Thuật toán thị giác máy tính truyền thống dễ đưa ra nhận định sai lệch trong các tình huống này. Bên cạnh đó, việc xử lý học sâu đòi hỏi tài nguyên tính toán lớn. Bộ vi xử lý nhúng trên xe phải giải bài toán cân bằng giữa hiệu năng và điện năng tiêu thụ. Độ trễ cảnh báo phải ở mức mili giây để kịp thời ngăn chặn tai nạn. Nếu tín hiệu báo động phát ra quá chậm, hiểm họa giao thông đã kịp xảy ra.
2.1. Hạn chế của phương pháp cảnh báo ngủ gật truyền thống
Các giải pháp cũ chủ yếu dựa trên cảm biến hành vi lái hoặc vòng đeo tay. Cảm biến làn đường chỉ phản ứng khi phương tiện đã bắt đầu chệch hướng. Lúc này, nguy cơ va chạm giao thông đã ở mức rất cao. Thiết bị đeo tay gây vướng víu và tạo cảm giác khó chịu cho người lái xe. Nhiều tài xế thường tháo bỏ thiết bị sau một thời gian ngắn sử dụng. Hơn nữa, cảm biến sinh học dạng tiếp xúc dễ bị ảnh hưởng bởi mồ hôi và rung lắc. Các thuật toán xử lý ảnh thế hệ trước cũng thiếu tính ổn định khi ánh sáng thay đổi đột ngột. Hệ thống thường xuyên báo động giả, làm người lái mất tập trung thêm.
2.2. Vấn đề nghẽn dữ liệu và độ trễ truyền thông trong xe hơi
Xe hơi hiện đại tích hợp hàng chục cụm cảm biến và hộp điều khiển điện tử ECU. Lưu lượng truyền thông giữa các bộ phận tăng lên nhanh chóng theo thời gian thực. Giao thức nối tiếp UART hoặc SPI bộc lộ rõ nhược điểm khi khoảng cách dây dẫn kéo dài. Tín hiệu dễ bị suy hao và sai lệch bởi xung điện cao áp trong khoang máy. Việc thiếu cơ chế phân chia ưu tiên thông điệp gây nghẽn đường truyền nghiêm trọng. Tín hiệu cảnh báo an toàn khẩn cấp có thể bị chậm trễ do tranh chấp bus. Tình trạng mất mát khung dữ liệu khiến trung tâm điều khiển không nắm bắt kịp thời rủi ro. Vì vậy, mạng truyền thông trên xe cần cơ chế chống nhiễu và định thời chặt chẽ.
III. Giải pháp kết hợp AI và CAN bus giám sát tài xế thông số xe
Nhóm nghiên cứu tại ĐH SPKT TP.HCM phát triển kiến trúc phần cứng phân tán kết hợp xử lý biên. Máy tính nhúng Raspberry Pi 4 Model B đóng vai trò bộ não điều phối trung tâm. Bo mạch này kết nối với Raspberry Pi Camera Module V3 để quan sát khuôn mặt tài xế. Thuật toán AI phân tích tỉ lệ mở mắt EAR và chuyển động khuôn mặt theo thời gian thực. Khi mắt nhắm quá thời gian quy định, còi buzzer trên xe lập tức kích hoạt báo động. Hai vi điều khiển STM32F103C8T6 đảm nhận vai trò các trạm thu thập tín hiệu ngoại vi. Trạm thứ nhất thu thập nhiệt độ môi trường bằng cảm biến DHT11 và đo nhiên liệu qua biến trở. Trạm thứ hai đo khoảng cách vật cản bằng cảm biến siêu âm HC-SR04 và nhận tọa độ GPS. Cả ba khối phần cứng giao tiếp thông suốt thông qua ba module CAN MCP2515. Mạng CAN hoạt động theo nguyên lý ngang hàng với cơ chế phân xử ưu tiên dựa trên định danh ID. Các thông điệp khẩn cấp luôn chiếm quyền truyền bus trước tiên mà không bị trễ. Giao thức tự động phát hiện lỗi và truyền lại dữ liệu khi xuất hiện Error Frame. Mọi thông số vận hành đều hiển thị trực tiếp trên màn hình LCD 7 inch và truyền lên đám mây qua giao thức MQTT.
3.1. Thuật toán AI xử lý hình ảnh nhận diện trạng thái ngủ gật
Camera Module V3 thu nhận luồng hình ảnh độ nét cao của người lái xe trong cabin. Mô hình học sâu trích xuất 68 điểm mốc đặc trưng trên khuôn mặt với tốc độ cao. Hệ thống tính toán chỉ số tỉ lệ khung hình mắt EAR để xác định trạng thái mí mắt. Nếu giá trị EAR giảm dưới ngưỡng chuẩn liên tục qua nhiều khung hình, trạng thái ngủ gật được xác lập. Thuật toán đồng thời theo dõi độ mở vòm miệng để phát hiện các cơn ngáp dài mệt mỏi. Góc nghiêng của đầu cũng được giám sát nhằm nhận biết tình trạng gục đầu mất kiểm soát. Dữ liệu xử lý hoàn toàn tại biên trên Raspberry Pi 4 giúp loại bỏ hoàn toàn độ trễ đường truyền mạng.
3.2. Cấu trúc mạng truyền thông CAN bus và tích hợp hệ thống IoT
Hệ thống mạng CAN bus liên kết máy tính Raspberry Pi 4 cùng hai mạch vi điều khiển STM32. Module MCP2515 chuyển đổi tín hiệu SPI sang bus vi sai giúp chống nhiễu điện từ vượt trội. Đường truyền vật lý chỉ dùng hai dây CAN_H và CAN_L giúp tối ưu hóa không gian lắp đặt trên ô tô. Các node truyền tin theo cơ chế phân xử bit trọng tài, bảo đảm gói tin ưu tiên cao luôn đến đích an toàn. Khi đường truyền xảy ra lỗi xung đột, cơ chế Error Frame kích hoạt quá trình tự động gửi lại. Đồng thời, Raspberry Pi 4 kết nối Wi-Fi để đẩy dữ liệu lên máy chủ MQTT broker. Người quản trị dễ dàng theo dõi vị trí xe và hành vi tài xế trực tiếp trên giao diện website.
IV. Đánh giá ứng dụng thực tiễn của hệ thống giám sát xe và tài xế
Mô hình thực nghiệm tại Đại học Sư phạm Kỹ thuật TP.HCM khẳng định tính khả thi vượt trội của đề tài. Hệ thống phần cứng hoạt động liên tục và ổn định trong điều kiện rung lắc mô phỏng. Tốc độ nhận diện ngủ gật và mất tập trung đạt độ chính xác cao trên 92 phần trăm. Thời gian phản hồi từ lúc phát hiện bất thường đến khi phát còi báo động diễn ra dưới 0,5 giây. Mạng CAN bus duy trì tốc độ truyền nhận thông suốt, không xảy ra hiện tượng thất thoát gói tin. Dữ liệu GPS và thông số cảm biến môi trường được cập nhật tức thời lên bảng điều khiển trung tâm. Kết quả này mở ra tiềm năng thương mại hóa rộng lớn cho ngành công nghiệp phụ trợ ô tô. Thiết bị có thể lắp đặt dễ dàng trên các dòng xe khách liên tỉnh và xe tải vận chuyển hàng hóa. Doanh nghiệp vận tải có thể kiểm soát chặt chẽ an toàn hành trình và tình trạng phương tiện. Nghiên cứu cũng chứng minh năng lực đào tạo kỹ thuật thực chiến của bộ môn Điện tử Công nghiệp - Y sinh. Sản phẩm thể hiện bước tiến vững chắc trong việc làm chủ công nghệ trí tuệ nhân tạo và hệ thống nhúng thông minh.
4.1. Hiệu quả an toàn và giá trị thực tế cho ngành giao thông vận tải
Hệ thống giải quyết trực tiếp nguyên nhân hàng đầu gây tai nạn thảm khốc là tài xế mất tập trung. Chuông báo động tức thì giúp người lái xe lập tức bừng tỉnh trong các khoảnh khắc nguy cấp. Đồng thời, doanh nghiệp vận tải dễ dàng giám sát vị trí xe và hành vi nhân viên thông qua bản đồ trực tuyến. Các chỉ số về nhiệt độ động cơ và mức tiêu hao nhiên liệu được lưu trữ khoa học. Điều này hỗ trợ các kỹ sư lên lịch bảo trì phương tiện định kỳ chính xác và tiết kiệm chi phí. Việc ứng dụng công nghệ giám sát số giúp nâng cao uy tín thương hiệu và chất lượng dịch vụ vận chuyển hành khách.
4.2. Hướng phát triển và mở rộng tính năng thông minh trong tương lai
Đề tài tạo nền tảng vững chắc để phát triển các tính năng hỗ trợ lái xe nâng cao ADAS. Trong giai đoạn tiếp theo, nhóm nghiên cứu dự kiến nâng cấp mô hình học sâu nhận diện hành vi hút thuốc lá và gọi điện thoại. Camera có thể tích hợp thêm cảm biến hồng ngoại để hoạt động tối ưu trong điều kiện bóng tối hoàn toàn. Mạng CAN bus nội bộ sẵn sàng mở rộng kết nối với hệ thống phanh tự động khẩn cấp AEB. Hơn nữa, việc tích hợp kết nối mạng di động 4G và 5G sẽ nâng cao tốc độ đồng bộ đám mây. Thiết bị hứa hẹn trở thành một hộp đen thông minh thế hệ mới, đáp ứng tiêu chuẩn kiểm định xe cơ giới hiện đại.
