Khóa luận tốt nghiệp Truyền thông và mạng máy tính: Xây dựng hệ thống đèn đường thông minh dựa trên công nghệ trí tuệ nhân tạo

Hiện nay có nhiều nghiên cứu vềxây dựng hệ thống đèn đường thông minh, các nghiên cứu đề xuất hệ thống với khảnăng tiết kiệm năng lượng, tự động phát hiện lỗi và khả năng giám sát, quản

TRAN VAN NHU Y PHAM NHAT TUAN

KHOA LUAN TOT NGHIEP

XAY DUNG HE THONG DEN DUONG

THONG MINH DUA TREN CONG NGHE

TRI TUE NHAN TAO

BUILDING A SMART STREET LIGHT SYSTEM

BASED AI

KY SƯ NGANH TRUYEN THONG VA MẠNG MAY TÍNH

TP HO CHi MINH, 2021

ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN

KHOA MẠNG MAY TÍNH VÀ TRUYEN THONG

TRAN VAN NHU Y - 17521287 PHAM NHAT TUAN - 17521219

KHOA LUAN TOT NGHIEP

XAY DUNG HE THONG DEN DUGNG

THONG MINH DUA TREN CONG NGHE

TRI TUE NHAN TAO

BUILDING A SMART STREET LIGHT SYSTEM

BASED AI

KY SU NGÀNH TRUYEN THONG VA MẠNG MAY TÍNH

GIANG VIEN HUGNG DAN

TS LE KIM HUNG Ths NGUYEN KHANH THUAT

TP HO CHÍ MINH, 2021

THONG TIN HỘI ĐỒNG CHAM KHÓA LUẬN TỐT NGHIỆP

Hội đồng chấm khóa luận tốt nghiệp, thành lập theo Quyết định số

¬— của Hiệu trưởng Trường Đại học Công nghệ Thông tin.

Lời cảm ơn

Lời đầu tiên, chúng em xin gửi lời cảm ơn chân thành đến quý thầy, cô đang giảngdạy và công tác tại khoa Mạng Máy Tính và Truyền Thông cũng như là toàn thể quýthầy, cô của trường Đại học Công Nghệ Thông Tin đã trang bị kiến thức, kỹ năng,kinh nghiệm quý báu cho chúng em trong suốt thời gian bốn năm học tập tại trường.Với vốn kiến thức thu được trong quá trình học tập đó không chỉ là nền tảng cho chúnghoàn thành khóa luận tốt nghiệp này mà còn là hành trang quý báu cho chúng em tựtin bước vào đời Bên cạnh đó, chúng em xin cảm ơn ban chủ nhiệm khoa đã sắp xếp

chương trình học hợp lý, tạo điều kiện thuận lợi cho chúng em thực hiện khóa luận

này.

Đặt biệt, chúng em xin gửi lời cảm ơn chân thành đến thầy TS Lê Kim Hùng đãdành thời gian quan tâm, giúp đỡ, nhiệt tình hướng dẫn và cho chúng em những điềukiện tốt nhất để hoàn thành khóa luận này Trong suốt khoảng thời gian thực hiện khóaluận dưới sự hướng dẫn của thầy, chúng em không chỉ học tập được những kiến thứcchuyên môn mà còn được tiếp cập với những cách thức, tư duy nghiên cứu khoa học.Nhờ những kinh nghiệm quý báu của thay, đặt biệt là những sự hổ trợ trong nhữnggiai đoạn khó khăn là tiền đề để chúng em hoàn thành khóa luận này

Cuối cùng, chúng em xin được cảm ơn gia đình đã tin tưởng, ủng hộ là động lực

để chúng em hoàn thành chương trình học ở trường Chúng em xin gửi lời cảm ơn

đến các anh, chị, bạn bè sinh viên trường Đại học Công Nghệ Thông Tin đã luôn bêncạnh, động viên, hổ trợ, chia sẻ những khó khăn Những ý kiến, góp ý của các anh,chị và các bạn đã giúp chúng em rất nhiều trong quá trình hoàn thiện đề tài này

Một lần nữa chúng em xin cảm ơn đến tat cả quý thay, cô, anh, chị, bạn bè Chúng

em kính chúc khoa Mạng Máy Tính và Truyền Thông và trường Đại học Công Nghệ

Thông Tin tiếp tục thành công trên con đường giảng dạy, khẳng định vị thế của nhà

trường, tiếp tục là nơi nuôi dưỡng giấc mơ chinh phục công nghệ của các thế hệ sinh

viên.

tiêu hướng đến của đề tài

1.2.2 Mục tiêu hướng đến của đề tài

13.1 Đôi tượng nghiên cứu|

1.3.2 Giới hạn của đểtài| co

1.4 Câu trúc của khóa luận

2.1 Tình hình nghiên cứu của các công trình liên quan|

2.2 Cơ sở lý thuyết và hướng tiếp cận của đề tài 12

22.1 Hệthốngmáychủl 12

2.2.2 Hệ quản trị cơ sở dữ liệu MySQL|] 13

2.2.3 Mô hình xử lý dữ liệu tại hệ thong máy chủ 14

2.2.3.1 Artficlallntelhipgencel 14 2.2.3.2 _ MachineLearnngl 14

2.2.4.4 _ Hướng tiếp cận đối với các công nghệ truyền tai] 25

2.2.5 Mô hình mạng, kiến trúc tang vật lý 26

2.2.5.1 Kiên trúc mạngLoRaWan 262.2.5.2 Kiến trúc hệ thông củaLoRaWAN|L 27

¬ eee nee, 28

2.2.6.1 RFThingsDesignKII 28

2.2.6.2 Cảm biến cường độ ánh sáng Lux BH1750 292.2.6.3 Cảm biên phát hiện chuyển động PIR HC-SR501| 30

2.2.6.4 Mạch điều khiển LED LDO6AJSA| 31

2.2.6.5 Đèn năng lượng mặt trời 33

3_ PHƯƠNG PHÁP LUẬN, NGHIÊN CUU 34

3.1 Phân tích và thiết kế hệ thong 34

3.1.1 Tổng quan kiên trúc hệ thông 34

3.2.0.4 Hệ thông quảnlý| 42

3.3 Hướng tiếp cận giải thuật 43

3.3.1 Tổng quan các thuật toán được sử dụng trong hệ thong] 43

3.3.2 _ Thuật toán dự đoán bức xạ mat trời 46 3.3.3 Thuật toán dự đoán lưu lượng giaothông 46 3.3.4 Thuật toán dự đoán năng lượng| 47 3.3.5 Thuậttoánlậplch Ặ.ẶẶ 47

4_ TRIỂN KHAI, KIEM TRA, ĐÁNH GIÁ 49

4.1 Xây dựng hệ thông phan citing] - 49

4.1.1 Xây dựng cácnodel 49

4.1.1.1 Kiến trúc phần cứng của node controllerl 49

4.1.1.2 Giải thuật xử lý tai node controller} 50

4.1.2 Cấu hình mạng LoRa và kết nối thiết bị dén Network Server] 54

4.1.2.1 Câu hình trên The Things Network| 54

4.1.2.2 Cau hình trên thiết bi cudi 55

4.1.3 Kết nỗi Network server với management server} 57

¬ LH teens 58

4.2.1 Thuật toán dự báo bức xa mặt trời 58

4.2.1.1 Xửlýdưliệu 58 4.2.1.2 Môhinh| 59

42l@ffP Ke@odalm Oe A 60

4.2.2 Thuat toán dự đoán nang lượng| 61

4.2.2.1 Xửlýdưliệu 61 4.2.2.2 Môhih| 62

4.3.1.2 Mối tương quan giữa bức xa mặt trời và năng lượng

ẴẮTS®SẰẰẴẰĂẰĂĂT 76

43.13 Kếtquảlậplich 76 4.3.1.4 Kiểm tra khả năng phát hiện lỗi 78

2.11 Tầng cổng vào (input gate layer)

-2.12 Toàn bộ tang sigmoid trong LTSM|

2.13 Tạo ra trạng th mới ẶẶẶ So

2.14 Quyết định giá trị đầura|

2.15 Mạng cảm biến không

dây| -2.16 Công nghệ mạng Lora - 24

Le 25

Le eee 26

es 27

2.20 RFthings Design KIT) 0.0 02.0000 02 ee eee 28

2.21 Cam biến cường độ ánh sáng Lux Bh1750| 29

Xá 30 2.23 RFthings DesignKIT SỐ 31

2.24 So đồ đấu nối cảm biến chuyển động PIR HC-SR501 31

4.1 Sơ đồ phan cứng Node controller| - 49

4.2 Giải thuật xử lý tại node controller(l| 52 4.3 Giải thuật xử lý tạ node controller(2)| 53

4.10 Cau hinh trén thiét bi cudi (1)

4.16 Biểu diễn kết quả của quá trình học

4.17 Kết quả dự đoán| 0.0.00 cee eee

4.18 Mô hình dự đoán nang lượng thu được|

4.19 Kết quả quá trình học mô hình dự đoán năng lượng

4.22 Dữ liệu lưu lượng giao thông |

4.25 Lưu lượng giao thông dự đoán với các khoảng thời gian khác nhau|

4.26 Minh họa các cột mốc năng

lượng| -4.27 Lưu lượng giao thông vào ban đêm

4.28 Mức năng lượng lưu trữ theo thời gian 4.29 Mức năng lượng bức xạ theo thời gian 4.30 Lịch trình hoạt động của den|

4.31 Lưu lượng giao thông|

Danh sách bảng

Danh mục từ viết tắt

TỪ | NỘIDUNG DIỄN GIẢI

AI Artificial Intelligence Tri tué nhan tao

ML Machine Learning May hoc

DL Deep Learning Hoc sau

RNN + Recurrent Neural Network Mang neural hồi quy

LSTM | Long Short-Term Memory La một mang neural hồi quy

API Application Programming Interface | Giao diện lập trình ứng dụng

TTN | The Things Network Là một cộng đồng toàn cầu

Tóm tắt khóa luận

Các hệ thống đèn đường là một phần không thể thiếu trong việc đảm bảo chiếusáng vào ban đêm ở bat cứ đâu Vai trò chiếu sáng của đèn đường vào ban đêm mạnglại sự an toàn, làm hạn chế những nguy hiểm trên đường như trộm, cướp, tai nạn giaothông Thế nhưng những hệ thống đèn này đòi hỏi các vấn dé về chi phi, bảo trì, antoàn, năng lượng và các vấn đề về môi trường khác Hiện nay có nhiều nghiên cứu vềxây dựng hệ thống đèn đường thông minh, các nghiên cứu đề xuất hệ thống với khảnăng tiết kiệm năng lượng, tự động phát hiện lỗi và khả năng giám sát, quản lý từ xa.Các nghiên cứu này cơ bản giải quyết được những vấn đề của hệ thống đèn đườngtruyền thống như đem sự an toàn, tiện ích và có vai trò đặt biệt trong việc hình thành

và phát triển các thành phố thông minh

Tuy nhiên, chúng tôi nhận thấy các nghiên cứu hiện tại chưa đem lại hiệu quả tối

đa về năng lượng, chi phí vận hành, bảo trì và chưa tương xứng với sự phát triển củacông nghệ Internet of Things, công nghệ thông tin truyền thông và công nghệ trí tuệnhân tạo Trong dé tài khóa luận này, chúng tôi đã dé xuất giải pháp xây dựng hệthống đèn đường thông minh với cốt lõi là các thuật toán dựa trên công nghệ trí tuệnhân tạo Hệ thống được trang bị đèn sử dụng hoàn toàn nguồn năng lượng mặt trời,cùng với các loại cảm biến để theo dõi tình trạng hoạt động của thiệt bị, sử dụng mạngcảm biến không dây LoRa để giao tiếp giữa thiết bị và trung tâm điều khiển, hệ thống

web server quản tri tập trung va đặt biệt là các thuật toán Machine Learning và Deep

Learning điều phối hoạt động Khả năng tiết kiệm năng lượng của hệ thống này đạtđược nhờ vào các thuật toán tối ưu, các mô hình dự đoán bức xạ mặt trời, dự đoánnăng lượng thu được, dựa đoán lưu lượng giao thông cùng với đó là sự phối hợp hoạtđộng của các cảm biến Bên cạnh đó, hệ thống còn có khả năng tự động phát hiện lỗi

và giám sát quá tình hoạt động của đèn Để có cái nhìn trực quan và dễ dàng đánh giágiải pháp được đề xuất, chúng tôi đã xây dựng bộ thiết bị mô phỏng với các tính năng

như đề tài này hướng tới Thiết bị này, được lắp đặt thử nghiệm tại tòa nhà B, trường

Đại học Công Nghệ Thông Tin.

Chương 1

GIỚI THIEU

11 Tổng quan

1.1.1 Internet of Things là gi

IoT, viết tắt của Internet of Things, nghĩa là Internet vạn vat, một hệ thống

các thiết bị tính toán, máy móc cơ khí và kỹ thuật số hoặc con người có liên quanvới nhau và khả năng truyền dữ liệu qua mạng mà không yêu cầu sự tương tác

giữa con người với máy tính.

1.1.2 Cấu trúc Internet of Things

Một hệ thống IoT sẽ bao gồm 4 thành phần chính bao gồm: Thiết bị (Things),trạm kết nối (Gateways), hạ tầng mang (Network and Cloud), bộ phân tích và xử

ly dữ liệu (Services-creation and Solution Layers).

* Có kết nối dựa trên sự nhận diện: Các đồ vật, máy móc, thiết bi thường

gọi chung là “Things” phải có tên hay địa chỉ IP riêng biệt Hệ thống IoTcần hỗ trợ các kết nối giữa các “Things” và kết nối được thiết lập dựa trên

định danh IP cua Things.

¢ Kha năng quan lý: Hệ thống IơT làm việc tự động mà không can sự tham

gia người, vì thế chúng cần phải hỗ trợ tính năng quản lý các “Things” để

đảm bảo mạng lưới hoạt động bình thường.

¢ Khả năng bảo mật: Vì trong IoT có rất nhiều “Things” sẽ được kết nối

với nhau, làm tăng mối nguy trong bảo mật như lộ thông tin, xác thực sai,sai lệch dữ liéu, Bên cạnh đó, các “Things” trong hệ thống có thể thuộcnhiều chủ sở hữu khác nhau và chứa thông tin cá nhân của họ Vì thế, các

hệ thống IoT cần bảo vệ sự riêng tư trong quá trình truyền dif liệu, tập hợp,

lưu trữ, khai thác và xử lý.

* Dịch vụ thỏa thuận: Dịch vụ này để có thể được cung cấp bang cách thu

thập, giao tiếp và xử lý tự động các dữ liệu giữa các “Things” dựa trên cácquy tắc được thiết lập bởi người vận hành hoặc tùy chỉnh bởi người dingi

¢ Kha năng cộng tác: Kha năng này cho phép hệ thống IoT có khả năng

tương tác qua lại giữa các mạng lưới va Things một cách dễ dàng.

¢ Kha năng tự quản của mạng lưới:Bao gồm tự quản lý, tự cấu hình, tự

khắc phục lỗi, tự tối ưu hóa, tự có cơ chế bảo vệ để mạng lưới có thể

thích ứng với các tên miền ứng dung, môi trường truyền thông và nhiềuloại thiết bị khác nhau

« Các kha năng dựa vào vị trí (location — based capabilities)i: Hệ thống

IơT có thể biết và theo dõi vị trí một cách tự động Các dịch vu dựa trên vịtrí này có thể bị hạn chế bởi luật pháp hay quy định, và phải tuân thủ cácyêu cầu an ninh

° Khởi động và sử dụng: Hệ thống IoT bắt buộc các “Things” phải được

khởi động và sử dụng một cách dễ dàng và tiện dụng.

4

1.1.3 Cac đặc trưng cơ bản của IoT

Hệ thống IoT sẽ bao gồm các đặc trưng như sau:

¢ Không đồng nhất: Các thiết bị trong IoT thường không đồng nhất vì sở

hữu phần cứng, cũng như hệ thống khác nhau và có thể tương tác với nhaunhờ vào sự liên kết của các hệ thống

¢ Kết nối liên thông (Interconnectivity): Đối với hệ thống IoT, các vật dụng,

thiết bị đa dạng đều có thể kết nối với nhau thông qua mạng lưới thông tin

và cơ sở hạ tầng liên lạc tổng thể

» Dịch vụ liên quan đến “Things”: Hệ thống IoT có khả năng cung cấp các

dịch vụ liên quan đến “Things” chẳng hạn như bảo vệ sự riêng tư và nhất

quán giữa thiết bị vật lý (Physical Thing) và phần mềm (Virtual Thing)

« Có quy mô lớn: Số lượng rất lớn các thiết bị, máy móc sẽ được quản lý và

giao tiếp với nhau với quy mô lớn hơn nhiều so với số lượng máy tính kếtnối Internet hiện nay Số lượng thông tin được truyền bởi các thiết bị sẽ lớnhơn nhiều so với con người thực hiện

« Có thé thay đổi linh hoạt:: Các trạng thái của các thiết bị điện tử, máy

móc có thể tự động thay đổi như tắt và bật, kết nối hoặc ngắt, truy xuất vị

trí,

+

«| THE INTERNET OFTHINGS sett 8 ¿

An Explosion of connected possibility

1.1.4 Ung dụng của IoTs tại Việt Nam và thé giới

IoT được ứng dụng trong nhiều khía cạnh cuộc sống và phục vụ cho đa dạngđối tượng:

Ứng dụng cho doanh nghiệp Lợi ích của IøT cho doanh nghiệp phụ thuộc

vào việc triển khai cụ thể dựa trên việc truy cập vào nguồn dữ liệu về các sảnphẩm và hệ thống nội bộ của họ Các nhà sản xuất đang bổ sung các cảm biếnvào các thành phần của sản phẩm để giúp nó có thể kết nối và truyền tải dữ liệu,

từ đó giúp phát hiện ra lỗi trước khi thiệt hại xảy ra.

Việc sử dụng IoT cho doanh nghiệp có thể được chia thành hai phân khúc:

* Các dịch vụ dành riêng cho ngành như cảm biến trong nha máy phát điện

hoặc thiết bị định vị thời gian thực để chăm sóc sức khỏe

« Các thiết bị IoT được sử dung trong tất cả các ngành công nghiệp như điều

hòa không khí thông minh hoặc hệ thống an ninh

Ứng dụng cho người dùng IoT sẽ làm cho nhà, văn phòng và phương tiệntrở nên thông minh hơn, dễ đo lường hơn và tự động tốt hơn Các thiết bị thôngminh như trợ lý ảo như Google Assistant giúp tiết kiệm sức lực, hỗ trợ các côngviệc hằng ngày như phát nhạc, bật điều hoa

Dự tính trong tương lai, IoT tại Việt Nam sẽ diễn ra một cách mạnh mẽ khi

ngày càng có nhiều doanh nghiệp đã bat đầu triển khai những dự án về IơT IoTmang lại một cơ hội doanh thu cho rất nhiều ngành và những giải pháp đó bắt

đầu thương mại hóa với tốc độ rất nhanh Ngành dịch vụ tiện ích, giao thông,tòa nhà thông minh và các ngành bán lẻ là những ngành đi đầu trong việc ứngdụng IơT Và để có thể triển khai IoT thành công và bền vững cần phải cân nhắc

đến bốn yếu tố đó là nền tảng phần mềm, hệ sinh thái giữa các ngành, quy trình

chuẩn hóa về công nghệ và giải quyết được những lo lắng của khách hàng liên

quan đến đảm bảo tính riêng tư và an toàn

1.2 Phát biểu van đề và mục tiêu hướng đến của đề tài

1.2.1 Phát biểu vẫn đề

Với sự phổ biến và phát triển liên tục của Internet và các công nghệ thông tintruyền thông (ICT) trong thập kỷ qua, đã tạo nên cuộc cách mạng thật sự đối với

Internet of things (IoT) [2] Su bùng nổ của các ứng dụng IơT đã tác động tích

cực đến các mặt như đời sống, sinh hoạt, chăm sóc sức khỏe hay sản xuất công

nghiệp trong thời kỳ công nghệ 4.0 Cùng với đó là sự lan rộng mạnh mẽ của quá

trình đô thị hóa ở các thành phố hiện đại đòi hỏi phải xuất hiện các giải pháp đểlàm giảm ảnh hưởng của áp lực dân số đến môi trường, đồng thời nâng cao chất

lượng đời sống của cư dân (3) Trong đó, ưu tiên hàng dau là giải quyết các van

dé quan trọng như di chuyển, chăm sóc sức khỏe, cơ sở hạ tầng dân dụng và đặtbiệt là năng lượng Đó cũng là những yếu tổ và tiền đề để tạo dựng các thành phó

thông minh.

Các hệ thống đèn đường là một phần không thể thiếu trong việc đảm bảochiếu sáng vào ban đêm ở bat cứ đâu Vai trò chiếu sáng của đèn đường vào banđêm mạng lại sự an toàn, làm hạn chế những nguy hiểm trên đường như trộm,cướp, tai nạn giao thông Tuy nhiên, việc chiếu sáng này chiếm đến 19% nănglượng sử dụng toàn cầu và dẫn đến 6% ô nhiễm môi trường liên quan đến khíthai nhà kính [4] Các loại đèn đường hiện này đều thiếu các đặc tính thông minhgây tiêu tốn nhiều năng lượng, đòi hỏi phải liên tục bảo trì, gây khó khăn trongviệc quản lý và điều khiển Những năm năm gần đây, các nghiên cứu về xây dựng

hệ thống đèn đường thông minh đang nhận được nhiều sự quan tâm, nghiên cứu cũng đạt được nhiều thành quả và đang trở thành một trong những xu hướng pháttriển của thành phố thông minh

Hệ thống đèn đường thông minh cơ bản hoạt động dựa trên việc phân tích dữ

liệu thu nhận được từ các cảm biến gan trên cột đèn, các loại cảm biến ở đây có

thể là cảm biến chuyển động hoặc cảm biến ánh sáng, từ các thông tin này, đènđường có thể tự tạo ra các hiệu lệnh như tắt/bật hoặc thay đổi cường độ ánh sáng.Một số hệ thống hiện đại hơn, còn có sử dụng thêm hệ thống quản lý thông tintập trung, hổ trợ việc giám sát và điều khiển từ xa Hầu hết các nghiên cứu về hệthống đèn thông minh hiện tại còn nhiều hạn chế, chưa đem lại hiệu quả tối đa

về năng lượng, chi phi vận hành, bảo trì và chưa tương xứng với sự phát triển của

các công nghệ IoT, ICT và trí tuệ nhân tạo.

Hiện nay, có nhiều nghiên cứu và sản phẩm đèn đường sử dụng năng lượng

tái tạo, cụ thể là năng lượng mặt trời I6 7] Hiệu quả về vấn đề tiết kiệm năng

lượng, giảm tác động đến với môi trường cũng như tính tính di động và khả nănghoạt động độc lập là đều không thể bàn cãi Tuy nhiên, hệ thống đèn năng lượngmặt trời đơn thuần còn nhiều hạn chế và khó có thể triển khai trên diện rộng Bởi

vì, để có thể duy trì hoạt động đảm bảo an toàn chiêu sáng suốt đêm một cột đèn

cần có một tam pin năng lượng và pin lưu trữ đủ lớn đều này yêu cầu chi phí đầu

tư toàn hệ thống rất lớn, sử dụng đơn thuần như thế này chưa hiệu quả về chi phí

và tối ưu về năng lượng

1.2.2 Muc tiêu hướng đến của đề tài

Trong dé tài nay, chúng tôi dé xuất xây dựng hệ thống đèn đường thông minhdựa các trên thuật toán trí tuệ nhân tạo Hệ thống được trang bị đèn năng lượngmặt trời cùng với các loại cảm biến, sử dụng mạng cảm biến không dây để giaotiếp giữa thiết bị và trung tâm điều khiển, hệ thống web server quản trị tập trung

và đặt biệt là các thuật toán Machine Learning và Deep Learning điều phối hoạtđộng Điểm nổi bật của hệ thống là khả năng giảm thiểu năng lượng tiêu thụbằng cách tự động điều chỉnh độ sáng một cách thích ứng với các điều kiện xungquanh Cụ thể sử dụng thuật toán Deep Learning để dự đoán năng lượng bức xạ

mặt trời và dự đoán lưu lượng giao thông, sử dụng thuật toán Machine Learning

để dự đoán năng lượng mà tâm pin năng lượng mặt trời thu được Từ thông tin

mức năng lượng lữu trữ hiện tại và lưu lượng giao thông của từng khu vực mà

hệ thống có thể đưa ra lịch trình hoạt động cụ thể Bên cạnh đó, hệ thống còn cókhả năng tự động phát hiện lỗi (đèn hỏng, thiết bị mat kết nối) và giám sát quá

tình hoạt động của đèn.

e 4e

1.3 Đối tượng nghiên cứu và giới hạn của đề tài

1.3.1 Đối tượng nghiên cứu

Trong dé tài này, nhóm tác giả sẽ nghiên cứu:

¢ Mô hình triển khai ứng dụng IoT hoàn thiện.

* Các thiết bi phần cứng bao gồm các bo mạch và cảm biến để xây dựng

hệ thống đèn.

° Mang cảm biến không dây LoRaWAN.

¢ Các thuật toán Machine Learning và Deep Learning phục vụ việc dự

đoán.

* Các công nghệ, công cụ hổ trợ xây dựng hệ thống quản lý

8

1.3.2 Giới hạn của đề tài

Trong đề tài này, nhóm đề xuất giải pháp xây dựng hệ thống đèn đường thôngminh hoàn thiện từ thiết bị phần cứng đến xây dựng phần mềm quản lý và cácthuật toán trí tuệ nhân tạo Với một phạm bị rộng như thế nên những hạn chế vàgiới hạn là điều không thể tránh khỏi Với mức độ sinh viên cũng như là thời gian thực hiện khóa luận tốt nghiệp này có giới hạn, nên đề tài của nhóm chỉ giới hạntrong một số phạm vi sau:

„ Về tổng quan mô hình triển khai: Đề tài triển khai ứng dụng IoT hoànthiện Nhưng mục tiêu chính của đề tài là đề xuất giáp pháp nên nhóm chỉ triểnkhai mô hình với chỉ gồm một thiết bị đèn đường.

» Về thuật toán dự đoán lưu lượng giao thông: Do những khó khăn vềviệc triển khai và thu thập dữ liệu lưu lượng giao thông trên thiết bị thật Đề tài

sử dụng bộ dữ liệu lưu lượng giao thông có sẵn để huấn luyện cho mô hình học

sâu.

* Về thuật toán dự đoán bức xạ mặt trời: Áp dụng thuật toán học sâu

để xây dựng mô hình dựa đoán dựa bộ dữ liệu điều kiện thời tiết thu thập từ API

có sẵn

* Về thuật toán dự đoán năng lượng thu được: Bộ dữ liệu cho mô hìnhnày là đặt trưng cho thiết bị, nên không có bộ dữ liệu có tin cậy có sẵn Nhóm

đã xây dựng thiết bị để thu thập dữ liệu thực tế, sau đó huấn luyện mô hình dựa

trên thuật toán máy học.

* Về thiết bị: Xây dựng bộ thiết bi gồm có đèn, pin năng lượng mặt trời,

bộ điều khiển, gateway Nhưng mục tiêu chính của đề tài là đề xuất giải phápnên thiết bi chỉ dừng lai ở mức demo, trực quan hóa cho các giải pháp dé xuấtnên sẽ còn tồn tại vấn đề về tính ổn định, tính chính xác của thiết bị và các cảmbiến

1.4 Cấu trúc của khóa luận

Ngoài phần mục lục, danh mục các từ viết tắt, danh mục hình ảnh và tài liệu thamkhảo, khóa luận được bố cục thành 5 chương sau:

Chương 1: Giới thiệu

Chương này trình bày tổng quan và sự phát triển của IoT Phát biểu vấn dé vàmục tiêu của nhóm mong muốn hướng đến để giải quyết vấn đề đó Cách thứctiếp cận và đối tượng nghiên cứu và giới hạn của để tài cũng được làm rõ tại

chương này.

Chương 2: Các nghiên cứu và công nghệ liên quan

Chương này tập trung về việc trình bày tình hình nghiên cứu của các công trìnhliên quan đến đề tài này và đưa ra những cơ sở lý thuyết, những công nghệ được

sử dụng trong đề tài

Chương 3: Phương pháp luận, nghiên cứu

Chương này trình bày các nội dung chi tiết về hướng tiêp cận, các phương pháp,cách thức thực hiện các thành phần chính trong hệ thống Phân tích thiết kế,trình bày về luồng xử lý của hệ thống, mô tả các thành phần chức năng và đưa

ra hướng tiếp cận của các thuật toán

Chương 4: Triển khai, kiểm tra, đánh giá

Chương này trình bày chi tiết về các phương pháp hiện thực, triển khai, hiệnthực các thành phần chính của hệ thống thống như cách xây dựng thiết bị phầncứng, xây dựng các mô hình dự đoán, cuối cùng là kiểm tra kết quả thực thi và

đánh giá.

Chương 5: Tổng kết và hướng phát triển

Chương này tổng kết lại toàn bộ những kết quả đã đạt được và chưa đạt đượctrong khóa luận này Từ đó làm cơ sở để dé xuất các hướng phát triển của dé tài

có thể tiếp tục thực hiện trong tương lai

10

Chương 2

CÁC NGHIÊN CỨU VÀ CÔNG NGHỆ

LIÊN QUAN

2.1 Tình hình nghiên cứu của các công trình liên quan

Trong những năm gan đây, đã có rất nhiều nghiên cứu về việc xây dựng một hệ thống đèn đường thông minh ứng dụng trong thành phố thông minh từ đơn giản đếnphức tạp Những nghiên cứu xoay quanh đề tài có kể đến như hoạt động dựa vào cáccảm biến, khoảng cách truyền tải, thông tin thời tiết, lưu lượng giao thông, có khảnăng hoạt động độc lập và quản lý từ xa Từ những yếu tố kê trên, chúng tôi sẽ tiếnhành đi tìm hiểu và phân tích cũng như đánh giá những hệ thống hiện có khi đem sosánh với hệ thống của chúng tôi

Sindhu A.M đã có những nghiên cứu về việc sử dụng cảm biến hồng ngoại frared Sensor) cùng với đèn LED (Light Emitting Diode) để xây dựng hệ thống đèn

(In-thông minh, hoạt động dựa vào chuyển động để điều khiển bật tắt đèn [8] Việc sử

dụng IR gặp hạn chế về phạm vị hoạt động thấp Tiếp theo nhóm tác giả trong bài báo

này [9] đã đề xuất sử dụng Global System for Mobile (GSM) dùng để gửi quản lý va

điều khiển đèn từ xa Bên cạnh đó, nhóm tác giả trong bài đã tiếp cận theo hướng

sử dụng kết nối có dây từ pole tới gateway để xây dựng hệ thống đèn có khả năng tiếtkiệm năng lượng, tự động phát hiện lỗi cũng như khả năng quản lý từ xa Để giải quyết

về van dé truyền tải cũng như đáp ứng được yêu cầu về việc sử dụng tiết kiệm nănglượng cũng như giá thành rẻ, phần lớn các nghiên cứu đều tập trung sử dụng wirelesssensor networks (WSN) trong việc truyền tải thông tin Một số dạng của WSN có thể

kể đến như ZigBee, Sigfox, LoRa, phù hợp dùng để giao tiếp với thiết bị đèn Bài báo

là một trong những nghiên cứu có sử dụng ZigBee dé làm công nghệ truyền tải

để có thể điều chỉnh hoạt động của đèn dựa vào cảm biến ánh sáng cũng như cảm biến

11

chuyển động Một trong những nghiên cứu khác có sử dung ZigBee được đề cập trongbài này không chỉ cho thấy sự hiệu quả trong việc truyền tải mà còn có khả năng

tiết kiệm năng lượng của thiết bị Trong bài (4l ý tưởng về một hệ thống đèn đường

thông minh và tiết kiệm năng lượng đã được trình bày trong bài báo này, kết quả thuđược từ thực nghiệm cho thấy được năng lượng tiết kiệm rơi vào khoảng 68% - 82%tùy thuộc vào mùa trong năm Vấn đề về thông tin thời tiết cũng đã được dé cập trongbài báo này [13], Philip Tobianto Daely cùng với đồng nghiệp của anh ấy đã tích hợpcác dữ liệu về thời tiết vào trong hệ thống đèn cũng như sử dụng ZigBee trong việctruyền tải kết nối và xây dựng hệ thống web-based management dùng cho việc quản

lý Cải tiến hơn nữa, chúng ta có nghiên cứu về việc áp dụng việc dự đoán lưu lượng

giao thông vào trong hệ thống đèn thông minh được trình bày trong bài báo này 6Ì.

hệ thống sử dụng camera dùng để quan sát đánh giá từ đó có thể đưa ra điều chỉnh

độ sáng của đèn phụ thuộc vào lưu lượng phương tiện tham gia giao thông Kết quả

từ bài báo này [14], cho thấy khả năng tiết kiệm năng lượng cũng như khả năng hoạtđộng trên thời gian thực đã được kiểm chứng thực tế của hệ thống đèn có sử dụng việc

dự đoán lưu lượng giao thông trong việc điều khiển độ sáng của đèn Ngoài ra còn cónhững nghiên cứu khác tập trung sử dụng công nghệ LoRa để có thể truyền tải trong

phạm vi rộng lớn được trình bày trong những bài báo sau [15] Bai báo trên đưa ra

hai thử nghiệm trong việc sử dụng IEEE 802.15.4 và LoRa để xây dựng hệ thống đèn

đường thông minh.

Từ kết quả của những nghiên cứu đã tìm hiểu được, trong dé xuất xây dựng hệthống của chúng tôi quyết định sử dụng công nghệ LoRa trong việc truyển tải dữ liệuđồng thời sử dụng các cảm biến để thu thập thông tin trạng thái của các thiết bị đèn,cũng như kết hợp với các thuật toán dự báo và các tác động của môi trường xungquanh để đưa ra lịch trình hoạt động của đèn một cách tối ưu nhất Cuối cùng là xâydựng hệ thống web quản lý điều khiển từ xa Giải thích chi tiết về hệ thống dé xuất

của chúng tôi sẽ được trình bày ở Chương 3.

2.2 Cơ sở lý thuyết và hướng tiếp cận của đề tài

2.2.1 Hệ thống máy chủ

"Web server" là một máy tính mạnh mẽ với khả năng lưu trữ và truyền dữ liệutheo yêu cầu thông qua Internet Web server có thể bao gồm phần cứng và phầnmềm cùng làm việc với nhau

12

Ở khía cạnh phần cứng, một web server là một máy tính lưu trữ các file thành

phần của một website (ví dụ: các tài liệu HTML, các file ảnh, CSS và các fileJavaScript) và có thể truyền tải tới các thiết bi của người dùng cuối (end-user)

Nó kết nối tới mạng Internet và có thể truy cập tới thông qua một tên miền giống

như mozilla.org.

Ở khía cạnh phần mềm, một web server bao gồm một số phần để điều khiển

cách người sử dụng web truy cập tới các file được lưu trữ trên một HTTP server

(máy chủ HTTP) Một HTTP server là một phần mềm hiểu được các URL (các

dia chi web) và HTTP (giao thức trình duyệt của bạn sử dụng để xem các trang

web).

Web Server phần mềm còn có thể được tích hợp với CSDL (Database), hayđiều khiển việc kết nối vào CSDL để có thể truy cập và kết xuất thông tin từCSDL lên các trang Web và truyền tải chúng đến người dùng Server phải hoạtđộng liên tục 24/24 giờ, 7 ngày một tuần và 365 ngày một năm, để phục vụ choviệc cung cấp thông tin trực tuyến

Các công nghệ Web Server thông dụng: Apache Web Server, Internet mation Services (IIS), Nginx.

Infor-2.2.2 Hệ quản trị co sở dữ liệu MySQL

MySQL.

Hinh 2.1: MySQL Database

MySQL là hệ quản tri cơ sở dữ liệu tự do mã nguồn mở phổ biến nhất thé giới

và được các nhà phát triển rất ưa chuộng trong quá trình phát triển ứng dụng VìMySQL là cơ sở dữ liệu tốc độ cao, ổn định và dễ sử dụng, có tính khả chuyển,hoạt động trên nhiều hệ điều hành cung cấp một hệ thống lớn các hàm tiện ích

13

rất mạnh Với tốc độ và tính bảo mật cao, MySQL rat thích hợp cho các ứng dụng

có truy cập CSDL trên internet MySQL miễn phí hoàn toàn cho nên bạn có thểtải về MySQL từ trang chủ Nó có nhiều phiên bản cho các hệ điều hành khácnhau: phiên bản Win32 cho các hệ điều hành dong Windows, Linux, Mac OS X,

Unix, FreeBSD, NetBSD, Novell NetWare, SGI Irix, Solaris, SunOS, v.v.

Do sự phổ biến, quen thuộc va sử dung mã nguồn mở của MySQL nên nhómquyết định chọn MySQL làm hệ quản trị CSDL cho hệ thống

2.2.3 Mô hình xử lý dữ liệu tại hệ thong máy chủ

2.2.3.1 Artificial Intelligence

Tri tuệ nhân tao hay tri thông minh nhân tao (Artificial Intelligence

-viết tat là AI) là một ngành thuộc lĩnh vực khoa hoc máy tinh (Computer

science) Công nghệ công nghệ AI là công nghệ mô phỏng các quá trình

suy nghĩ và học tập của con người cho máy móc, đặc biệt là các hệ thốngmáy tính Các quá trình này bao gồm việc học tập (thu thập thông tin và các

quy tắc sử dụng thông tin), lập luận (sử dụng các quy tắc để đạt được kết

luận gần đúng hoặc xác định) và tự sửa lỗi ID

2.2.3.2 Machine Learning

Học máy là một lĩnh vực của trí tuệ nhân tạo liên quan đến việc phát

triển các kĩ thuật cho phép các máy tính có thể học Cụ thể hơn, học máy là

một phương pháp để tạo ra các chương trình máy tính bằng việc phân tích

các tập dữ liệu Học máy có liên quan lớn đến thống kê, vì cả hai lĩnh vựcđều nghiên cứu việc phân tích dữ liệu, nhưng khác với thống kê, học máy

tập trung vào sự phức tạp của các giải thuật trong việc thực thi tính toán.

Các phương pháp phổ biến nhất của Machine Learning:

Supervised Learning là thuật toán dự đoán đầu ra (outcome) của một difliệu mới (new input) dựa trên các cặp (input, outcome) đã biết từ trước Cặp

dữ liệu này còn được gọi là (data, label), tức (dữ liệu, nhãn) Supervised

learning là nhóm phổ biến nhất trong các thuật toán Machine Learning.Các dạng chính của Supervised Learning có thể kể tới bao gồm hồi quy

14

(Regression) và phân loại (Classification).

Unsupervised Learning là thuật toán mà chúng ta không biết được come hay nhãn mà chỉ có dữ liệu đầu vào Thuật toán unsupervised learning

out-sẽ dựa vào cấu trúc của dữ liệu để thực hiện một công việc nào đó, ví dụnhư phân nhóm (clustering) hoặc giảm số chiều của dữ liệu (dimension re-

duction) để thuận tiện trong việc lưu trữ và tính toán.

Semi-supervised Learning là một kỹ thuật máy học nhằm cho phép

dữ liệu đầu vào là một hỗn hợp các dữ liệu được gắn nhãn và không gắn

nhãn Trong đó chúng ta có đặt ra một kết quả và mục tiêu theo mong muốn.Nhưng mô hình thuật toán cần phải học các cấu trúc để tổ chức dữ liệu cùng

như đưa ra các dự đoán Các bài toán thường được sử dụng là phân loại và

hổi quy (classification và regression) Một vi dụ điển hình của nhóm này làchỉ có một phần ảnh hoặc văn bản được gán nhãn và phần lớn các bức ảnhkhác chưa được gắn nhãn được thu thập từ internet Thực tế cho thấy có rấtnhiều các bài toán Machine Learning thuộc nhóm này vì việc thu thập dữliệu có nhãn tốn rất nhiều thời gian và có chi phí cao, rất nhiều loại dữ liệucần đến chuyên gia mới gán nhãn được

Reinforcement Learning Là các bài toàn giúp cho một hệ thống tự độngxác định hành vi dựa trên hoàn cảnh để đạt được lợi ích cao nhất Hiện tại,Reinforcement Learning chủ yếu được áp dụng vào Lý thuyết trò chơi (GameTheory), các thuật toán cần xác định nước đi tiếp theo để đạt được điểm sốcao nhất

2.2.3.3 Deep Learning

Deep learning được bắt nguồn từ thuật toán Neural được lấy cảm hứng

từ hiểu biết về sinh học của bộ não loài người — sự liên kết giữa các nơ-ronnetwork vốn xuất phát chỉ là một ngành nhỏ của machine learning Deep

Learning là một chi của ngành máy học dựa trên một tập hợp các thuật toán

để cô gắng mô hình dữ liệu trừu tượng hóa ở mức cao bằng cách sử dụngnhiều lớp xử lý với cấu trúc phức tạp, hoặc bằng cách khác bao gồm nhiều

biến đổi phi tuyến

15

2.2.3.4 Mỗi tương quan giữa AI, Machine Learning va Deep

Learning

Hình dung về mối tương quan của ba khái niệm trên bao gồm: AI — ý

tưởng đầu tiên, lớn nhất -> Sau đó là Machine Learning -> và cuối cùng là

Deep Learning (yếu tố thúc đẩy sự bùng phát của AI ngày nay)

Trí tuệ nhân tạo (AI): một cỗ máy có thể bắt chước hành vi và tư duy của

COn người.

Máy học (Machine Learning): một tính năng của AI, cho phép các chuyên

gia đào tạo cho AI để nó nhận biết các mẫu dữ liệu và dự đoán

Hoc sâu (Deep Learning): một kỹ thuật nhỏ của Machine Learning, cho

phép máy có thể tự đào tạo chính mình.

ARTIFICIAL INTELLIGENCE

s excitement MACHINE

LEARNING

DEEP

1950's 1960's 1970's 1980's 1990's 2000's 2010's

Hình 2.2: Mối tương quan giữa AI, Machine Learning va Deep Learning

2.2.3.5 Long Short Term Memory - Recurrent Neuron

Net-work

Hướng tiếp cận sử dung Deep Learning cho các mô hình dự đoán cầnđến việc xử lý dữ liệu đầu vào và cần sức mạnh tính toán lớn từ đó giúp đưa

ra kết quả dự đoán chính xác cao 17]

Recurrent Neuron Network

Mạng nơ-ron hồi quy (Recurrent Neuron Network) là một mạng thankinh có trạng thái tiếp theo phụ thuộc vào (các) trạng thái trong quá khứ của

16

nó, RNN có chứa các vòng lặp bên trong cho phép thông tin có thể được lưu

trữ lại Ngày nay, RNN được áp dụng vào nhiều khía cạnh trong cuộc sống

của con người đặc biệt trong các lĩnh vực như mô hình hóa ngôn ngữ và sinh

văn bản, dịch máy, nhận dạng giọng nói, mô tả hình ảnh, v.v.

@)

G

Hình 2.3: Một đoạn mạng nơ-ron hồi quy

Hình vẽ [2.3] m6 tả một đoạn của mang nơ-ron hồi quy A với đầu vào là

(X,) và đầu ra là (H,) Đặc điểm của A là có thể lưu lại giá trị Ht và sử dụng

để làm giá trị đầu vào tiếp theo Một mạng nơ-ron hồi quy là một chuỗinhững mạng con giống như A, mỗi mạng sẽ truyền thông tin vừa xử lý cho

mạng phía sau.

(h) ‘i lí (hy) (x) & Ầ sẻ (x)

Hình 2.4: Mang nơ-ron hồi quy

Hình cho thấy kiến trúc mạng của RNN là một chuỗi lặp lại của A.Chuỗi các đầu vào Xo,X}, ,X; là những sự kiện xảy ra theo thứ tự thời gian.Những giá trị này đều có mối liên hệ về với nhau và sẽ được giữ lại để xử lýtiếp trong RNN

Một trong những điểm nổi bật của RNN chính là ý tưởng kết nối cácthông tin phía trước để có thể dự đoán cho hiện tại Ví dụ về việc ứng dụngRNN vào mô hình ngôn ngữ dùng để dự đoán từ tiếp theo với câu sau "nhữngđám mây trên bầu trời" Chỉ cần đọc tới "những đám mây trên bầu" thì chúng

17

ta đã có thể nhận biết được từ tiếp theo là" trời" Khi khoảng cách giữa cácthông tin liên quan so với từ cần dự đoán là nhỏ thì RNN hoàn toàn có khả

năng học cách sử dụng thông tin trong quá khứ.

Thi

b

Hình 2.5: Recurrent Neuron Network dự đoán từ trong khoảng cách gần

Trong trường hợp khoảng cách giữa các thông tin xa nhau Ví dụ, khi

nói :"I grew up in Vietnam, I can speak fluent Vietnamese" Nếu như chỉ

với thông tin là "I can speak fluent" mà không có ngữ cảnh "I grew up in

Vietnam" Như vậy cho thay RNN không thể học cách kết nói thông tin khikhoảng cách ngày càng lớn dần.

Hình 2.6: Recurrent Neuron Network dự đoán từ trong khoảng cách xa

Long Short Term Memory (LSTM)

LSTM là một dạng đặc biệt của RNN, nó có khả năng giải quyết đượcvan dé học các phụ thuộc khoảng cách xa của RNN LSTM hoạt động cực

kỳ hiệu quả trên nhiều bài toán khác nhau nên dần đã trở nên phổ biến hơn

trong ngày nay.

LSTM được thiết kế để có thể ghi nhớ thông tin trong suốt thời gian dài

là đặc tính mặc định của chúng, chứ không phải cần huấn luyện để có thểnhớ được Tức là RNN có thể ghi nhớ được mà không cần bat kì can thiệp

nào.

18

Mọi mạng hồi quy đều có dạng là một chuỗi các mô-đun lặp đi lặp lạicủa mạng nơ-ron Với mạng RNN chuẩn, các mô-đun này có cấu trúc rất

đơn giản, thường là một tanh.

Hình 2.7: Mạng nơ-ron đơn giản của RNN

LSTM cũng có kiến trúc dạng chuỗi như vậy, nhưng các mô-đun trong

nó có cau trúc khác với mạng RNN chuẩn Thay vì chỉ có một tang mạngnơ-ron thì LSTM có tới 4 tầng tương tác với nhau một các rất đặc biệt.

Ý tưởng mạng LSTM: Bộ nhớ của LSTM được gọi là tế bào, 7; là trạng

thái đầu vào phía trước và X(t) là đầu vào hiện tại Bên trong sẽ tự quyếtđịnh giá trị nào cần phải nhớ và giá trị cần phải xóa đi Sau đó, chúng sẽkết hợp với các trạng thái phía trước, nhớ hiện tại và đầu vào hiện tại Từ đóLSTM có thể truy xuất được quan hệ của các từ phụ thuộc xa nhau rất hiệu

quả.

LSTM là một bước lớn trong việc sử dụng RNN Ý tưởng của nó giúp

cho tất cả các bước của RNN có thé truy van được thông tin từ một tập thông

tin lớn.

@ () @)

Hinh 2.8: Mang no-ron trong LSTM

Hiện thực hóa Long Short Term Memory (LSTM)

Chia khóa của LSTM là trạng thái tế bao (cell state) — đường chạy thôngngang phía trên của sơ đồ hình vẽ Trạng thái tế bào nó giống như băng

19

truyền Nó chạy xuyên suốt tất cả các mắt xích (các nút mạng) và chỉ tương

tác tuyến tính đôi chút Vì vậy mà các thông tin có thể dễ dàng truyền đithông suốt mà không sợ bị thay đổi

Hình 2.9: Trạng thái tế bao (cell state) của LTSM

LSTM có khả năng bỏ đi hoặc thêm vào các thông tin cần thiết cho trạngthái tế báo, chúng được điều chỉnh cẩn thận bởi các nhóm được gọi là cổng

thông tin di qua nó.

Một LSTM gồm có 3 cổng như vậy dé duy tri và điều hành trạng thái

20

của tê bào.

Sâu hơn trong LSTM, bước đầu tiên của LSTM là quyết định xem thôngtin nào cần bỏ đi từ trạng thái tế bào Quyết định này được đưa ra bởi tầngsigmoid (còn gọi là tầng cổng quên — forget gate layer) Nó sẽ lấy đầu vào

là ht — 1) và X(t) rồi đưa ra kết quả là một số trong khoảng [0, 1] cho mỗi

số trong trạng thái tế bào Cự — 1) Đầu ra là số 1 - thể hiện rằng nó giữ toàn

bộ thông tin lại, còn số 0 chỉ rằng toàn bộ thông tin sẽ bị bỏ đi

Hình 2.11: Tầng cổng vào (input gate layer)

Bước tiếp theo là quyết định xem thông tin mới nào ta sẽ lưu vào trạngthái tế bào Việc này gồm hai phần Đầu tiên là sử dụng một tầng sigmoidđược gọi là “tầng cổng vào” (input gate layer) để quyết định giá trị nào ta sẽ

cập nhật Tiếp theo sẽ là một tanh tạo ra véc-tơ cho giá trị mới Cự) nhằm

thêm vào cho trạng thái Trong bước tiếp theo, ta sẽ kết hợp hai giá trị đó lại

để tạo ra một cập nhật cho trạng thái.

oF = tanh(Weœ-|h¿—1 4 + be)

Hình 2.12: Toàn bộ tang sigmoid trong LTSM

Giờ là lúc cập nhật trạng thái tế bào cũ Cự — 1) thành trạng thái mớiC(t) 6 các bước trước đó đã quyết định những việc cần làm, nên giờ chỉ cần

thực hiện là xong.

21

Ta sẽ nhân trạng thái cũ với fit) để bỏ di những thông tin ta quyết định

quên lúc trước Sau đó cộng thêm icc) * Cự) Trạng thái mới thu được này

phụ thuộc vào việc quyết định cập nhật mỗi giá trị trạng thái ra sao

{ mì Ce= fer Œy— + 1¿ x Ến

Hình 2.13: Tạo ra trạng thái mới

Cuối cùng, ta cần quyết định xem ta muốn đầu ra là gì Giá trị đầu ra sẽdựa vào trạng thái tế bào, nhưng sẽ được tiếp tục sàng lọc Đầu tiên, ta chạymột tang sigmoid để quyết định phan nào của trạng thái tế bao ta muốn xuất

ra Sau đó, ta đưa nó trang thái tế bảo qua một ham tanh để có giá trị trả vềtrong khoảng [-1,1][1,1] và nhân nó với đầu ra của cổng sigmoid để đượcgiá trị đầu ra ta mong muốn

Œ

{ mì Ce = fet Cri tier

Hình 2.14: Quyết định giá tri đầu ra

2.2.4 Công nghệ truyền tải

2.2.4.1 Mạng cảm biến không dây

Mạng cảm biến không dây (WSN) là mạng liên kết các node với nhaubằng kết nỗi không dây (sóng vô tuyến, hồng ngoại hoặc quang học), trong

đó các node mạng thường là các thiết bi đơn giản, nhỏ gọn, giá thành thấp

22

Sensing region

Hình 2.15: Mạng cảm biến không dây

và có số lượng lớn, được phân bố một cách không có hệ thống trên một diệntích rộng, để phối hợp thực hiện nhiệm vụ thu thập thông tin dif liệu phântán với quy mô lớn trong bất kỳ điều kiện và ở bất kỳ vùng địa lý nào Mộtnode cảm biến được cấu thành bởi các bộ phận chính: bộ cảm biến, bộ xử

lý, bộ thu phát không dây và nguồn điện [I8Ì.

* Thu thập dữ liệu: cung cấp khả năng thu thập dữ liệu từ các cảm biếntương tự và cảm biến kỹ thuật số

s Xử lý dữ liệu: là một thành phần cốt lõi cho việc xử lý tất cả các dữ liệuvào ra từ các cảm biến và truyền tới mạng cảm biến không dây tương ứng của

chúng.

« Truyền dữ liệu: Chức năng này cung cấp phương thức và thuật toán đểđịnh tuyến và quản lý cấu hình trong mạng cảm biến không dây, được thực hiệnbởi các thuật toán định tuyến và các phương pháp đồng bộ thời gian

Mạng không dây có khả năng phục vụ tốt hơn, tiện nghi và có lợi thế

về chi phí hơn hắn các kết nối có dây truyền théng.Kha năng lưu động hỗ

trợ các cơ hội về hiệu suất và dịch vụ mà mạng có dây không thể thực hiệndugc.Cau hình mạng của hệ thống mạng không dây dễ thay đổi từ các mạngđộc lập phù hợp với số nhỏ người dùng đến các mạng cơ sở hạ tầng với hàngnghìn người sử dụng trong một vùng rộng lớn.Mạng không dây còn thể hiện

ưu điểm của mình ở tính mở rộng dễ dàng có thể đáp ứng tức thì khi có sựgia tăng lớn về số lượng truy cập

2.2.4.2 Công nghệ LoRa

LoRaTM (Long Range) là một kỹ thuật điều chế (modulation) dựa trên kỹthuật Spread-Spectrum là một biến thể của Chirp Spread Spectrum (CSS)

23

LoRa là tín hiệu tầm xa dựa trên tần số radio Nó được nhúng trong bất

kỳ lớp PHY nào của PHT LoRa được phát triển và sở hữu bởi Semtech, một

công ty có trụ sở tại California Bạn có thể sử dụng modem LoRa để chuyểnđổi bat kỳ tập dữ liệu nào thành tín hiệu tan số radio này

Có rất nhiều tín hiệu tần số vô tuyến phổ biến hiện nay Ví dụ, Wifi,Bluetooth, Vân vân Tuy nhiên, LoRa nổi tiếng với phạm vi giao tiếp vượttrội, tăng cường độ nhạy thu, và khả năng truyền dữ liệu lớn Vì thế, LoRa

là lý tưởng để triển khai các ứng dụng IoT mạnh mẽ trên các khu vực rộng

lớn.

Băng tan làm việc của LoRa từ 430 MHz đến 915 MHz:

* 430MHz cho châu A

* 780MHz cho Trung Quốc

» 433MHz hoặc 866MHz cho châu Âu

¢ 915MHz cho USA

Các gói tin LoRa có thé truyền xa đến 5 Km trong khu vực thành thị vàđến 15 Km ở khu vực ngoại ô với tốc độ dữ liệu khoảng 0,3 đến 22 Kbps(điều chế LoRa) hoặc 100 Kbps (điều chế GFSK) [19] Do đó thường sử

dụng ở môi trường ngoài trời như các nông trường, trang trại, v.v.

24

mạng khu vực, quốc gia hoặc toàn cầu, nhắm mục tiêu các yêu cầu Internet

of Things (IoT) như truyền thông hai chiều, dịch vụ bảo mật end-to-end, tính

2.2.4.4 Hướng tiếp cận doi với các công nghệ truyền tai

Giao tiếp giữa thiết bị với hệ thống server: Tại đây sẽ có các gateway

thu nhập dữ liệu từ đó truyền dữ liệu tới hệ thống server thông qua Wifi hoặcEthernet giúp đảm bảo đường truyền nhanh và ổn định từ thiết bị tới server

Do ngữ cảnh đặt ra là hệ thống đèn trong thành phố thông minh nên việccác gateway có thể truy cập đến Internet sẽ giúp cho việc quản lý từ server

trở nên dễ dàng hơn.

Giao tiếp giữa các thiết bị với nhau: LoRa cung cấp khả năng truyền

dữ liệu trong phạm vi lớn có thể lên đến 5-10km phù hợp trong việc để lắpđặt tại các thiết bị đầu cuối Bên cạnh đó đặc điểm của công nghệ LoRa làyêu cầu điện năng cực thấp, cho phép thiết bị hoạt động bằng pin trong thời

gian dài Điều này giúp cho tuổi thọ của các thiết bị sử dụng LoRa rất cao

có thể lên đến vài năm mà không cần thay thế Từ đó cho thấy LoRa là sự

25