2020 httt phamthixuyen ttlv 0552

HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG - PHẠM THỊ XUYẾN HỆ THỐNG CẢNH BÁO BẤT THƯỜNG CHO CẦU DÂY VĂNG TĨM TẮT LUẬN VĂN THẠC SỸ TP.HỒ CHÍ MINH – NĂM 2022 Luận văn hoàn thành tại: HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG Người hướng dẫn khoa học: TS Huỳnh Trọng Thưa Phản biện 1: PGS.TS Nguyễn Tuấn Đăng Phản biện 2: PGS.TS Võ Thị Lưu Phương Luận văn bảo vệ trước Hội đồng chấm luận văn thạc sĩ Học viện Công nghệ Bưu Viễn thơng Vào lúc: 10h15 - 11h00, ngày 02 tháng 07 năm 2022 Có thể tìm hiểu luận văn tại: - Thư viện Học viện Công nghệ Bưu Viễn thơng I MỞ ĐẦU Lý chọn đề tài Với phát triển vượt bậc khoa học kỹ thuật, số lượng cầu dây văng giới xây dựng ngày nhiều Do vai trò đặc biệt quan trọng chúng, cộng với giá thành xây dựng đắt đỏ, cầu cần thiết phải tu, bảo dưỡng thường xuyên kịp thời Quá trình thường gặp nhiều khó khăn nhiều lý vị trí xây dựng khắc nghiệt, số chi tiết nhiều, cấu tạo phức tạp, chi phí lớn… [1] Chính vậy, nhằm đáp ứng nhu cầu thực tiễn công tác tu, bảo dưỡng cầu, cầu nhịp lớn, hệ thống quan trắc cầu (Structural Health Monitoring – SHM) bước áp dụng Việt Nam, đặc biệt sau Bộ GTVT ban hành Thông tư 52/2013/TTBGTVT quy định quản lý, khai thác bảo trì cơng trình đường bộ, u cầu cơng trình cầu có nhịp dài 150m trụ cầu cao 50m phải lắp đặt hệ thống quan trắc [2] Hệ thống quan trắc cầu dây văng hệ thống phức tạp, tích hợp nhiều cơng nghệ tiên tiến nhằm quan trắc, giám sát trạng thái cơng trình liên tục thời gian thực [3] Hiện nay, Việt Nam xây dựng nhiều cầu lớn hệ thống quan trắc giám sát sửa khỏe cầu lắp đặt phổ biến cầu lớn như: Cầu Cần Thơ, cầu Bãi Cháy, cầu Bính, cầu Phú Mỹ… phần lớn hệ thống thiết bị phần mềm công ty nước ngồi cung cấp, cố xảy hệ thống khó tự can thiệp khắc phục [4] Bên cạnh đó, việc quản lý, phân tích, xử lý lưu trữ liệu, thông số thu thập từ hệ thống quan trắc trình khai thác nhiều cơng trình cịn lúng túng, chưa hiệu số lượng chuyên gia hạn chế [5] Vấn đề đặt triển khai hệ thống khơng quản lý khối lượng lớn liệu thu ngày cách hiệu quả, dễ mở rộng, khả chịu lỗi cao mà cịn phân tích đưa cảnh báo bất thường ghi nhận tình trạng kỹ thuật cầu, đảm bảo khai thác cầu an tồn giảm chi phí vận hành, bảo dưỡng cầu một việc cấp thiết Từ lý trên, xin lựa chọn đề tài nghiên cứu “Hệ thống cảnh báo bất thường cho cầu dây văng” Tổng quan vấn đề nghiên cứu Trên giới có nhiều cơng trình nghiên cứu ứng dụng công nghệ Big Data vào việc quản lý phân tích liệu cho hệ thống SHM Seongwoon Jeong et al [6, 7] đề xuất mơ hình quản lý phân tích liệu lớn cho việc giám sát cầu dựa liệu từ hệ thống quan trắc Mơ hình bao gồm máy ảo đám mây, hệ thống sở liệu phân tán Cassandra, NoSQL với Spark cluster máy chủ Kết cho thấy khung đề xuất không quản lý liệu lớn phức tạp thu thập từ việc giám sát cầu, mà đối phó với nhu cầu thay đổi xử lý liệu S Gunner et al [8] triển khai hệ thống quản lý liệu mã nguồn mở tích hợp với hệ thống quan trắc cơng trình cầu sử dụng mạng cảm biến không dây cho cầu treo Clifton, Vương Quốc Anh Hệ thống cho phép cho phép thu thập, lưu trữ, truy xuất, xử lý trực quan hóa liệu việc sử dụng cầu dựa lưu lượng tải cầu cách linh hoạt với phần lớn phần mềm miễn phí như: Kafka giúp đơn giản hóa việc di chuyển liệu, sở liệu chuỗi thời gian InfluxDB cung cấp khả lưu trữ lâu dài cho liệu giao diện trực quan hóa liệu dựa Grafana Andrew Scullion [9] khai thác công nghệ liệu lớn mã nguồn mở để xử lý liệu hệ thống SHM giải thích cách số cơng nghệ mã nguồn mở Python, Redis, Apache, PostgreSQL, WebGL, JQuery, Hadoop ecosystem… cho phép chuyển đổi liệu thành thơng tin đưa định hiệu việc quản lý cầu Có nhiều nghiên cứu áp dụng công nghệ khác để thu thập, quản lý lưu trữ phân tích liệu thu cho hệ thống SHM Tuy nhiên, phạm vi đề tài luận văn tập trung áp dụng công nghệ Big Data hệ thống cảnh báo bất thường cho cầu dây văng từ liệu thu hệ thống SHM Việc ứng dụng công nghệ Big Data mã nguồn mở tối ưu mặt chi phí mà cịn có khả mở rộng, khả chịu lỗi độ tin cậy cao Mục tiêu nghiên cứu Mục tiêu tổng quát - Xây dựng hệ thống cảnh báo bất thường cho cầu dây văng dựa liệu thô thu từ cảm biến hệ quan trắc cấu trúc cơng trình cầu công nghệ Big Data Mục tiêu cụ thể - Cung cấp Dashboard cho giám sát cầu dây văng để: 1) Hiển thị kết liệu quan trắc qua xử lý liệu lịch sử dạng đồ thị khác theo yêu cầu cụ thể hệ thống thời gian thực, 2) Hiển thị thông tin, thiết lập mức cảnh báo giám sát cần thiết cho cầu dây văng - Xác định tình trạng bất thường cách sử dụng ngưỡng cảnh báo cho phép tốc độ gió, lực căng cáp, độ nghiêng, độ dao động dầm, dao động cáp qua so sánh đối chiếu với giá trị xử lý từ liệu thô để hiển thị thông tin cảnh báo - Gửi thông tin cảnh báo bất thường ghi nhận tình trạng kỹ thuật cầu thơng qua số trình thơng báo khác bao gồm PagerDuty, SMS, email Slack như: 1) Cảnh báo tốc độ gió báo động, 2) Lực căng cáp báo động, lực căng cáp nguy hiểm, 3) Độ nghiêng đỉnh tháp, độ nghiêng chân tháp, 4) Dao động dầm, dao động cáp, 5) Các thông tin thời tiết bất lợi cho cầu Đối tượng phạm vi nghiên cứu Đối tượng nghiên cứu: - Biến đổi liệu thô thu từ cảm biến hệ quan trắc cấu trúc cơng trình cầu dây văng Phú Mỹ thành liệu phục vụ cho mục đích nghiên cứu - Kỹ thuật phân tích liệu thơ phương pháp tiếp cận miền tần số (biến đổi Fourier), lý thuyết tính lực căng, góc nghiêng, dao động - Ngưỡng an toàn cho cầu dây văng dựa ngưỡng cảnh báo phân tích tính tốn từ mơ hình phân tích 3D cơng trình dựa sở thực nghiệm - Các công nghệ Big Data để quản lý, phân tích liệu như: Kafka, Apache Spark Structured Streaming, InfluxDB, Grafana Phạm vi nghiên cứu: - Sử dụng liệu từ cảm biến thu thông qua hệ thống quan trắc cầu dây văng Phú Mỹ như: Cảm biến đo nghiêng, gia tốc kế, cảm biến thời tiết, phong kế - Tập trung cảnh báo: 1) Tốc độ gió báo động, 2) Lực căng cáp báo động, lực căng cáp nguy hiểm, 3) Độ nghiêng đỉnh tháp, độ nghiêng chân tháp, 4) Dao động dầm, dao động cáp, 5) Các thông tin thời tiết bất lợi cho cầu 6) Tình hình tổng quát cầu dây văng Phú Mỹ Phương pháp nghiên cứu Đề tài sử dụng phương pháp nghiên cứu lý thuyết kết hợp với xây dựng ứng dụng thực nghiệm: - Thu thập tài liệu có liên quan tới đề tài, thông số ngưỡng cho phép phận cầu dây văng Phú Mỹ - Ứng dụng công nghệ Big Data Kafka, Apache Spark Structured Streaming, InfluxDB, Grafana để phát triển hệ thống thực nghiệm - Tiến hành đánh giá kết thực nghiệm, đưa hướng phát triển mở rộng đề tài để đáp ứng nhu cầu triển khai thực tế Cấu trúc luận văn Ngoài phần mở đầu, mục lục, kết luận kiến nghị, danh mục hình vẽ, danh mục bảng biểu, tài liệu tham khảo, phụ lục, phần luận văn gồm chương sau: Chương 1: NGHIÊN CỨU TỔNG QUAN Chương 2: PHÂN TÍCH THIẾT KẾ Chương 3: TRIỂN KHAI ỨNG DỤNG Chương 4: ĐÁNH GIÁ KẾT QUẢ THỬ NGHIỆM CHƯƠNG 1: NGHIÊN CỨU TỔNG QUAN 1.1 Tổng quan Big Data 1.2 Các công nghệ Big Data Cơng nghệ Dữ liệu lớn định nghĩa Tiện íchPhần mềm thiết kế để phân tích, xử lý trích xuất thơng tin từ liệu phức tạp lớn mà phần mềm xử lý liệu truyền thống khó xử lý Các cơng nghệ Big Data hàng đầu chia thành lĩnh vực phân loại sau: - Lưu trữ liệu: Hadoop, MongoDB, InfluxDB, Rainstor… - Khai thác liệu: Presto, Elasticsearch, Apache Spark… - Phân tích liệu: Apache Kafka, Splunk, KNIME, Apache Spark… - Trực quan hóa liệu: Tableau, Plotly, Grafana … 1.3 Cơ sở phân tích liệu quan trắc cầu Để sở liệu phản ánh cách xác trạng thái kết cấu sức khỏe cơng trình cầu việc thu thập liệu cần phải thực cách đồng Phần mềm quản lý liệu thiết kế cho trạng thái, mức độ làm việc khác cơng trình liên quan đến tần suất thu thập đồng tất đại lượng vật lý từ cảm biến thiết bị quan trắc Để phục vụ tốt cho công tác tu bảo dưỡng, hệ thống không cho phép thiết lập mức cảnh báo giám sát cần thiết cho công trình mà cịn thực đánh giá mức cảnh báo cách tự động thông qua giá trị nhận tính tốn phân tích liệu 1.4 Yêu cầu báo cáo số liệu cho hệ thống Việc báo cáo thống kê phải mang tính chất định kỳ bao gồm: - Báo cáo hàng ngày, - Báo cáo hàng tháng, - Báo cáo năm Trong kết phải phân tích đánh giá đến thơng số yêu cầu, so sánh đánh giá theo thời gian quan trắc 10 Mơ hình khác với công cụ xử lý phát trực tuyến khác Nhiều hệ thống phát trực tuyến yêu cầu người dùng trì trạng thái Trong mơ hình này, Spark chịu trách nhiệm cập nhật “Result Table” có liệu mới, giúp người dùng khơng phải suy đốn 2.2.3 Lớp lưu trữ liệu Trong đề tài luận văn sử dụng liệu thu từ cảm biến kiểu liệu chuỗi thời gian, trước vào chi tiết lớp lưu trữ ta tìm hiểu kiểu liệu Time-series Data a Time-series Data b Ứng dụng Time-series Data Tính tới tháng năm 2020, InfluxDB [15] sở liệu chuỗi thời gian xếp hạng số danh sách sở chuỗi thời gian hàng đầu giới 2.2.4 Lớp trực quan hóa liệu Ngoài chức biểu diễn liệu với bảng điều khiển mạnh mẽ Grafana hỗ trợ cài đặt gửi cảnh báo qua số trình thơng báo khác bao gồm PagerDuty, SMS, email Slack 2.3 Đánh giá lựa chọn mơ hình phát triển hệ thống Dựa vào kết đánh giá công nghệ sử dụng kiến trúc Big Data với việc đánh giá mơ hình tương tự nghiên cứu áp dụng thực tế cơng bố gần đây, mơ 11 hình lựa chọn để xây dựng luận văn mơ tả Hình 2.9: Mơ hình xử lý tổng quan Hình 2.9: Mơ hình xử lý tổng quan Từ mơ hình xử lý tổng quan Hình 2.9 kết hợp với liệu thực tế cầu dây văng lý thuyết tổng quan lớp liệu mục 2.1, 2.2, 2.3 ta có mơ hình chi tiết hệ thống sau: Hình 2.10: Mơ hình chi tiết hệ thống 12 CHƯƠNG 3: TRIỂN KHAI ỨNG DỤNG 3.1 Giới thiệu tổng quan cầu dây văng Phú Mỹ 3.2 Thực trạng khai thác bảo trì cầu dây văng Phú Mỹ 3.3 Thực tế triển khai ứng dụng 3.3.1 Triển khai hệ thống thu thập, xử lý lưu trữ liệu từ cảm biến a Cài đặt hệ thống Để xây dựng hệ thống cảnh báo bất thường cho cầu dây văng đề tài này, ta sử dụng ngôn ngữ lập trình, thư viện phần mềm sau: - Ngơn lập trình: Python, Scala; - Cơ sở liệu: InfluxDB v2.1.1; - Thư viện đọc truyền liệu: Kafka v2.3.1, Spark v3.1.3; - Thư viện quan hóa liệu: Grafana v8.5.1; Ngồi cịn có thư viện mở rộng phục vụ cho việc thu thập, xử lý liệu như: kafka-connect-spooldir [20]; b Nguồn liệu Dữ liệu nguồn file csv không giới hạn đến liên tục phút theo thời gian thực b Truyền liệu từ file csv vào Kafka Để truyền liệu cách liên tục từ file CSV thư mục liệu vào Kafka, ta sử dụng plugin kafka-connect-spooldir 13 [20] Nhằm phục vụ cho việc đọc, lấy data, để quản lý nguồn liệu xử lý ta tạo ba thư mục sau: - Một thư mục chứa file liệu gốc (.\source) - Một thư mục chứa file liệu xử lý (.\finished) - Và thư mục file lỗi (.\error) b Lấy liệu từ Kafka thông qua Spark structured Streaming vào database Spark Structured Streaming nhận liệu từ nguồn streaming data, cụ thể Kafka Để ghi liệu vào InfluxDB, trước hết ta phải tạo Class InfluxDBWriter Class có hai methods – switch_database write_rows Bên cạnh đó, ta tạo Kafka consumer để lấy liệu từ Kafka Hàm value_deserializer sử dụng để chuyển ghi đến thành dạng JSON để phân tích cú pháp cách dễ dàng Từ cấu trúc liệu data thu thập được, ta thiết kế cấu trúc database để lưu liệu vào inFfuxDB sau: 14 Hình 3.15: Mơ hình sở liệu 3.3.2 Phân tích mơ hình hóa liệu a Cấu hình để Grafana đọc liệu từ InfluxDB Để phân tích mơ hình hóa liệu, ta kết nối Grafana tới InfluxDB nơi lưu trữ thông tin liệu cảm biến hoàn thành phần 3.3.1 Để kết nối Grafana với InfluxDB ta sử dụng thông số sau: - URL: địa máy có chứa InfluxDB, thực nghiệm luận văn http://localhost:8086/ - Database: thông tin database nơi lưu trữ data hệ thống Sau hoàn thành kết nối Grafana với InfluxDB ta tiến hành tạo bảng điều khiển để phân tích, theo dõi quan sát cảnh báo cho hệ thống 15 b Tính lực căng cáp Để mơ hình hóa liệu lực căng cáp cảnh báo ngưỡng lực căng cáp, ta tiến hành tính lực căng cáp trước hiển thị báo cáo Tính lực căng dây văng từ kết đo dao động: 𝑓 𝑇 = 4𝑚𝐿2 ( 𝑛𝑛 ) − 𝐸𝐽𝜋2 𝑛 𝐿2 (3.1) Trong đó: - 𝑇: lực căng - 𝑚: trọng lượng đơn vị theo chiều dài cáp văng - 𝐿: khoảng cách hai đầu cố định dây văng - 𝑓𝑛 : Tần số dao động riêng thứ n cáp văng - 𝐸𝐽: Độ cứng chống uốn 𝐸𝐽 = (𝐵 𝐻 )/12, với B chiều rộng H chiều cao tiết diện cáp Xác định tần số dao động riêng cáp văng Để xác định tần số dao động riêng cáp văng ta sử dụng phương pháp biến đổi nhanh Fourier (FFT) Phương pháp FFT dùng thuật toán để biến đổi chuỗi liệu từ miền thời gian sang miền tần số Công thức phương pháp là: Ν−1 Χ𝜅 = ∑ 𝑥𝑖 𝑒 − 𝑗=0 2𝜋𝑖 𝜅𝑗 Ν , 𝜅 = 0,1,2, , 𝑁 − (3.2) 16 đó: 𝑥𝑗 - biến liệu miền thời gian 𝑥 𝑘 - biến liệu miền tần số, N=2n với n số nguyên; tj=jt với j = đến N-1; 𝑖 = √−1 số phức c Cấu hình cảnh báo Hình 3.19: Cài đặt tần số ngưỡng cảnh báo • Name: Nhập tên mô tả Tên hiển thị danh sách cảnh báo bảng điều khiển • Evaluate every: Chỉ định tần suất người lập lịch đánh giá quy tắc cảnh báo Đây gọi khoảng thời gian đánh giá • For: Chỉ định thời gian truy vấn cần vi phạm ngưỡng định cấu hình trước kích hoạt thơng báo cảnh báo 17 Cài đặt kênh nhận cảnh báo Trong giới hạn luận văn sử dụng gửi cảnh báo thông qua email, để gửi thông tin cảnh báo vượt ngưỡng báo động cài đặt Hình 3.20: Cài đặt kênh nhận cảnh báo • Send to: Chọn kênh thông báo cảnh báo bạn thiết lập kênh • Message: Nhập tin nhắn văn gửi kênh thơng báo Một số trình thông báo hỗ trợ chuyển đổi văn sang HTML định dạng khác • Tags: Chỉ định danh sách thẻ (khóa / giá trị) đưa vào thơng báo d Cấu hình báo cáo Sử dụng panel dạng table để hiển thị báo cáo theo thời gian quy định Ngày, Tuần, Tháng… 3.3.3 Quản lý khai thác bảo trì cầu dây văng Phú Mỹ dựa kết phân tích 18 CHƯƠNG 4: ĐÁNH GIÁ KẾT QUẢ THỬ NGHIỆM 4.1 Mô tả q trình truyền liệu phát liệu Tồn liệu thu thập thời gian chạy thử nghiệm đọc, truyền import vào sở liệu InfluxDB Các file liệu sau xử lý xong chuyển qua folder finished Hình 4.1: Các file liệu chuyển sang folder finished sau truyền liệu kết thúc 4.2 Mô tả hệ thống lưu trữ, xử lý quản trị liệu Dữ liệu thực tế ghi vào InfluxDB lớn ghi với thời gian cách 02 millisecond Hình 4.3: Cơ sở liệu thực tế ghi vào InfluxDB 19 4.3 Phân tích xuất trình báo cáo 4.3.1 Theo dõi dưc liệu Dashboard tổng quát hệ thống giám sát cầu dây văng triển khai Hình 4.9: Dashboard hệ thống giám sát cầu dây văng triển khai 20 4.3.2 Cảnh báo Sử dụng bảng giá trị cảnh báo (Bảng 4.1) để cài đặt ngưỡng cảnh báo cho hệ thống, giá trị vượt ngưỡng hệ thống hiển thị mầu sắc để phân biệt giá trị bất thường đồng thời gửi email đính kèm giá trị cảnh báo Bảng 4.1: Giá trị cảnh báo (Nguồn công ty cổ phần đầu tư xây dựng Phú Mỹ) Loại cảnh báo Giá trị Ngưỡng vận tốc gió báo động (m/s) 25 Ngưỡng vận tốc gió nguy hiểm(m/s) Cận ngưỡng lực căng cáp nguy hiểm (% so với lực kéo đứt cáp) Cận ngưỡng lực căng cáp nguy hiểm (% so với lực kéo đứt cáp) Cận ngưỡng lực căng cáp báo động (% so với lực kéo đứt cáp) Cận ngưỡng lực căng cáp báo động (% so với lực kéo đứt cáp) 11 Hình 4.10: Đồ thị hiển thị tốc độ gió bình thường 65 15 75 21 Mầu sắc biểu đồ thay đổi trạng thái liệu, thời gian tiến hành mơ liệu giá trị vận tốc gió thực tế chưa vượt ngưỡng cảnh báo, nhiên để minh họa cho thực nghiệm thay đổi mức cảnh báo tốc độ gió cảnh báo nguy hiểm từ 11m/s xuống thành 5m/s Thì ta thấy có thời điểm đồ thị hiển thị hình với mầu cảnh báo biết tốc độ gió vượt qua mức cảnh báo nguy hiểm Hình 4.11 Hình 4.11: Đồ thị hiển thị tốc độ gió vượt ngưỡng cảnh báo cài đặt 4.3.3 Báo cáo Báo cáo tổng hợp hiển thị theo bảng với mốc thời gian lựa chọn theo chu kỳ tính tới thời điểm thực tế Hình 4.14: Báo cáo kết thực tế theo Tháng 22 Báo cáo gửi kênh nhận báo cáo (email, slack…) kết báo cáo định kỳ theo ngày, tuần, tháng… ảnh Hình 4.15: Báo cáo kết tháng năm 2022 4.4 Nhận xét kết thử nghiệm ứng dụng Kết thử nghiệm ứng dụng xây dựng bảng điều khiển hiển thị kết dựa liệu cảm biến thu Màn hình điều khiển minh họa số liệu trực quan, dễ nhìn theo dõi Phần cài đặt ngưỡng cảnh bảo tin nhắn cảnh báo tối ưu để người vận hành dễ dàng điều chỉnh theo số liệu cập nhật Các ưu điểm hệ thống • Hệ thống sử dụng phần mềm mã nguồn mở thư viện hỗ trợ nhất, từ góp phần giảm thời gian cài đặt tích hợp • Hệ thống sử dụng công cụ truyền phát trực tiếp Spark Structured Streaming - phiên API nâng cấp Apache Spark 2.0 Spark Structured Streaming có nhiều tính cải 23 thiện so với công cụ truyền phát khác giúp hệ thống xử lý cách quán tăng cường khả chịu lỗi • Hệ thống có tính bảo mật cao phần mềm sử dụng mơ hình luận văn hỗ trợ phân quyền cấu hình cho user truy cập vào hệ thống cấp quyền điều chỉnh thơng số theo quyền cấp • Hệ thống xử lý liệu Big data thường phức tạp gồm nhiều thành phần nhiều khâu xử lý, luận văn thiết kế mơ hình tinh gọn thành phần thực cần thiết cho hệ thống phù hợp với đặc thù liệu thông số quan trọng Cầu dây văng cách kết hợp cách hợp lý tảng mã nguồn mở Bên cạnh ưu điểm hệ thống cịn điểm cần cân nhắc • Hệ thống sở liệu InfluxDB dạng sở liệu chuỗi thời gian nên sử dụng cho loại liệu chuỗi thời gian, liệu không mang dấu thời gian khơng hỗ trợ • Bên cạnh ưu điểm mã nguồn mở giúp giảm thời gian tích hợp coi nhược điểm nhỏ Vì hệ thống có hỗ trợ kết nối tương thích với tương lai phần mềm cập nhật theo hướng không tương thích với phần mềm khác phải kiểm tra lại trước hết nội dung cập nhật có cần phải update hay khơng, liên quan tới bảo mật phải update, phải kiểm tra đối ứng với phần mềm khác hệ thống 24 KẾT LUẬN Hiện có nhiều hướng nghiên cứu để triển khai hệ thống sở liệu quan trắc phục vụ tốt cho công tác tu bảo dưỡng cầu dây văng giai đoạn khai thác Luận văn trình bày hướng tiếp cận có hiệu ứng dụng cơng nghệ Big Data vào việc phát triển hệ thống cảnh báo bất thường cho cầu dây văng Đồng thời phương pháp đề xuất phân tích đánh giá mơ hình thực nghiệm dựa liệu thực tế cơng trình cầu Phú Mỹ Những đóng góp luận văn • Tìm hiểu tổng quan kiến trúc công nghệ Big Data • Tìm hiểu cầu dây văng hệ quan trắc cầu dây văng • Tìm hiểu công nghệ Big Data Kafka, Apache Spark Structured Streaming, InfluxDB, Grafana • Thiết kế mơ hình cảnh báo bất thường cho cầu dây văng triển khai ứng dụng thực nghiệm Hướng phát triển đề tài Từ đóng góp luận văn, học viên đặt số vấn đề nghiên cứu sau: • Kết hợp thông số cảm biến tìm hiểu liên quan thơng số với để đánh giá ảnh hưởng qua lại số đưa ứng xử cho cầu dây văng • Phân tích liệu để dự báo thay đổi cầu dựa số theo mùa thay đổi kết cấu theo thời gian