Khóa luận tốt nghiệp Mạng máy tính và truyền thông dữ liệu: Hướng tới xây dựng hệ thống đèn giao thông thông minh dựa trên máy học

Nội dung đề tài:Ngữ cảnh đề tài: + Việc thiết kế hệ thống điều khiển giao thông thông minh là một đềtài đang được nghiên cứu tích cực.. Do đó, các phương pháp luận khác nhau liên tục đượ

ĐẠI HỌC QUOC GIA TP HO CHÍ MINH

TRUONG ĐẠI HỌC CÔNG NGHỆ THONG TIN KHOA MẠNG MAY TÍNH VÀ TRUYEN THONG

THAI MINH HUY NGO TRUNG HIEU

KHOA LUAN TOT NGHIEP

HƯỚNG TỚI XÂY DUNG HE THONG DEN

TOWARD TO SMART STREET LIGHT BASED ON

MACHINE LEARNING

KY SU NGANH MANG MAY TINH VA TRUYEN THONG

TP HO CHI MINH, 2022

ĐẠI HỌC QUOC GIA TP HO CHÍ MINH

TRUONG ĐẠI HỌC CÔNG NGHỆ THONG TIN KHOA MẠNG MAY TÍNH VÀ TRUYEN THONG

THAI MINH HUY - 18520854 NGO TRUNG HIEU — 18520741

KHOA LUAN TOT NGHIEP

HƯỚNG TỚI XÂY DUNG HE THONG DEN GIAO THONG THONG MINH DUA TREN

TOWARD TO SMART STREET LIGHT BASED ON

MACHINE LEARNING

KỸ SƯ NGANH MẠNG MAY TINH VÀ TRUYEN THONG

GIANG VIEN HUONG DAN

TS LE KIM HUNG THS THAI HUY TAN

TP HO CHI MINH, 2022

DANH SÁCH HỘI DONG BẢO VỆ KHÓA LUẬN

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

4 ngày của Hiệu trưởng Trường Đại hoc Công nghệ Thông tin.

1 Chủ tịch:

2 Thư ký:

3 Ủy viên:

4 Uy viên:

ĐẠI HỌC QUOC GIA TP HO CHÍ MINH CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG NAM

TIN Độc Lập - Tự Do - Hạnh Phúc

TP HCM, ngày tháng năm 2022

NHẬN XÉT KHÓA LUẬN TÓT NGHIỆP (CỦA CÁN BỘ HƯỚNG

DẪN)

Tên khóa luận:

HƯỚNG TỚI XÂY DỰNG HỆ THÓNG ĐÈN GIAO THÔNG

THÔNG MINH DỰA TRÊN MÁY HỌC

TOWARD TO SMART STREET LIGHT BASED ON

MACHINE LEARNING

Nhom SV thuc hién: Can bô hướng dẫn:

Thái Minh Huy 18520854 TS Lê Kim Hùng

Ngô Trung Hiếu 18520741 ThS Thái Huy Tan

Đánh gia Khóa luận

1 Vê cuôn báo cáo:

Số trang: Số chương:

Số bảng số liệu: Số hình:

Số tài liệu tham khảo: Sản phẩm:

Một sô nhận xét vê hình thức cuôn báo cáo:

2 Vê nội dung nghiên cứu:

3 Về chương trình ứng dụng:

4 Vê thai độ làm việc của sinh viên:

Đánh gia chung: Khóa luận đạt/không đạt yêu cầu của một khóa luậntốt nghiệp kỹ sư/ cử nhân, xếp loại Giỏi/ Khá/ Trung bình

Diem từng sinh viên:

Thái Minh Huy 19

Ngô Trung Hiếu /10

Người nhận xét

TS Lê Kim Hùng

ĐẠI HỌC QUOC GIA TP HO CHÍ MINH CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG NAM

TIN Độc Lập - Tự Do - Hanh Phúc

TP HCM, ngày tháng năm 2022

NHAN XÉT KHÓA LUẬN TOT NGHIỆP (CUA CÁN BO PHAN

BIỆN

Tên khóa luận:

HƯỚNG TỚI XÂY DỰNG HỆ THÓNG ĐÈN GIAO THÔNG

THÔNG MINH DỰA TRÊN MÁY HỌC

TOWARD TO SMART STREET LIGHT BASED ON

MACHINE LEARNING

Nhom SV thuc hién: Can bô phan biện:

Thai Minh Huy 18520854

Ngô Trung Hiếu 18520741

Đánh gia Khóa luận

5 Về cuôn báo cáo:

Số trang: Số chương:

Số bảng số liệu: Số hình:

Số tài liệu tham khảo: Sản phẩm:

Một sô nhận xét vê hình thức cuôn báo cáo:

6 Vê nội dung nghiên cứu:

7 Về chương trình ứng dụng:

8 Vê thái độ làm việc của sinh viên:

Đánh gia chung: Khóa luận đạt/không đạt yêu cầu của một khóa luậntốt nghiệp kỹ sư/ cử nhân, xếp loại Giỏi/ Khá/ Trung bình

Diem từng sinh viên:

Thái Minh Huy 19

Ngô Trung Hiếu /10

Người nhận xét

LỜI CẢM ƠN

Lời đầu tiên, chúng em xin trân trọng cảm ơn quý thầy, cô đang côngtác và giảng dạy tại khoa Mạng máy tính và Truyền thông, cũng như toàn thể

thầy, cô khác công tác tại trường Dai học Công nghệ Thông tin - ĐHQG HCM

đã truyền đạt những kiến thức, bài học, kinh nghiệm quý báu cho chúng em

trong suốt quãng thời gian bốn năm vừa qua Và đã sắp xếp thời gian, chương

trình hợp lý dé chúng em có cơ hội hoàn thành khóa luận tốt nghiệp tốt nhất

Chúng em xin kính chúc khoa Mạng máy tính và Truyền thông nói riêng và

trường Đại học Công nghệ Thông tin nói chung luôn thành công rực rỡ trên

con đường giảng dạy đào tạo nhân tài, sẽ mãi là niềm tin vững chắc cho các thế

hệ sinh viên trên con đường giáo dục.

Đặc biệt, chúng em xin gửi lời cảm ơn chân thành nhất đến giảng viên,

TS Lê Kim Hùng, ThS Thái Huy Tân Nhờ những kinh nghiệm, bài học quý

báu được chia sẻ từ thầy, thầy đã luôn quan tâm và giúp đỡ chúng em giải

quyết những vấn đề phát sinh, khó khăn trong quá trình thực hiện Nhờ có

thầy, chúng em đã có cơ hội hoàn thành tốt khóa luận tốt nghiệp này

Tiếp theo, chúng em xin cảm ơn về phía gia đình đã luôn luôn tin tưởng,động viên chúng em trong suốt quá trình học tập tại trường Đại học Công nghệThông tin - ĐHQG HCM, giúp chúng em có thêm nguồn năng lượng dé đi đến

được như ngày hôm nay.

Cuối cùng, nhóm chúng em xin gửi lời cảm ơn đến các anh, chị và các

bạn sinh viên tại trường Dai hoc Công nghệ Thông tin - ĐHQG HCM đã luôn

nhiệt tình hỗ trợ, chia sẻ ý kiến và góp ý cho chúng em trong quãng thời gian

thực hiện khóa luận.

TP Hồ Chí Minh, ngày tháng 6 năm 2022

Nhóm tác giả

ĐẠI HỌC QUOC GIA TP HO CHÍ MINH CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG NAM

Cán bộ hướng dẫn: TS Lê Kim Hùng va ThS Thái Huy Tân

Thời gian thực hiện: Từ ngày 21/02/2022 đến ngày 11/06/2022

Sinh viên thực hiện:

Thái Minh Huy — 18520854

Ngô Trung Hiếu — 18520741

Nội dung đề tài:

Ngữ cảnh đề tài:

+ Việc thiết kế hệ thống điều khiển giao thông thông minh là một đềtài đang được nghiên cứu tích cực Các nhà nghiên cứu trên khắp thế giới

đang phát minh ra các phương pháp tiếp cận mới hơn và tạo ra các hệ thống

dé giải quyết van dé này Các mô hình dựa trên các phương trình toán học

được áp dụng đề ước tính thời gian chờ ô tô tại đường giao nhau, số lượng ô

tô trong hang đợi, sự kéo dài của các ô tô dang chờ dọc theo làn đường, các

khoảng thời gian tối ưu cho đèn xanh, vàng và đỏ tốt nhất Trên thực tế, sự

phụ thuộc lẫn nhau giữa các nút giao thông lân cận dẫn đến một công thức vàcác tham số phức tạp Các thông số này là ngẫu nhiên và điềm tệ hơn là

phương sai của các thông số này theo thời gian Vì vậy, việc tìm kiếm một

giải pháp năng động, nhất quán và thuận tiện là hoàn toàn không thé Các

nhà nghiên cứu từ các lĩnh vực khác nhau đang hợp tác dé khám phá các giải

pháp khả thi giúp giảm tắc nghẽn giao thông Do đó, các phương pháp luận

khác nhau liên tục được đề xuất trong các tài liệu và nhiều kỹ thuật được

thực hiện từ những tiến bộ công nghệ, các thiết bị và cảm biến được sản xuấtgan đây, cũng như mô hình thuật toán đôi mới, sự phức tạp của đèn giao

thông cảng ngày càng tăng.

+ Các tác giả Kalaiselvi, Sangavi và Dhivya (2017), Sharma et al.

(2018) đã đề xuất một giải pháp dựa trên công nghệ Light Fidelity (LiFi), chophép truyền tín hiệu đến hệ thống điều khiến giao thông báo hiệu xe cấp cứuđang đến

+ Akhil và Parvatha (2017) thực hiện nghiên cứu về kỹ thuật Sound

Navigation and Ranging (SONAR) đo mật độ phương tiện giao thông với

mảng Cảm biến UltraSonic Bộ đếm thời gian của đèn xanh và đèn đỏ được

lây từ dữ liệu của SONAR.

+ Bui, lung và Camacho (2017) đã đề xuất một mạng cảm biến dựa

trên loT kết hợp với lý thuyết trò chơi Mọi thực thể như xe cộ, cảm biến và

đèn giao thông đều trao đổi thông tin theo phương pháp được đề xuất Hệ

thong áp dụng phân chia xe ưu tiên và không ưu tiên dựa trên các mô hình

Cournot và Stackelberg Dựa vào đó, thời gian cần thiết phân bổ cho các đèn

được xác định.

+ Atta et al (2020) nghiên cứu sử dụng mô-đun cảm biến RFID dé đomật độ phương tiện Đối với mọi phương tiện sắp đến ngã tư, tín hiệu được

gửi đến bộ thu RFID Sau đó, suy luận để dự đoán thời gian xác định

+ Zambrano-Martinez et al (2019) đã đề xuất một thuật toán cân bằngtai, trong đó luồng giao thông được chuyền đến làn đường cụ thé nơi có lưu

lượng giao thông thấp hon Máy chủ định tuyến được xây dựng dé xử lý tat

cả giao thông của thành phố Nó bao gồm SUMO và DFROUTER tools Tạo

ra dữ liệu từ các dữ liệu lưu lượng thực tế Giao diện ABATIS kết nối hai

trình mô phỏng, lưu lượng SUMO và trình mô phỏng mạng OMNET Kết

quả thực tế đã chuyên luồng được 34.065 phương tiện Thời gian di chuyên

tăng 8% và cải thiện 16% khả năng chịu tải.

Mục tiêu nghiên cứu:

+ Xây dựng một hệ thống điều khiển đèn giao thông tự động đượcnghiên cứu sử dụng IoT, cung cấp một giải pháp dựa trên dữ liệu thu được từCamera làm cho tín hiệu đèn giao thông thay đổi (đỏ/vàng/xanh) tự động Hệthống sử dung Machine Learning dé xử lý ảnh hiển thị hình ảnh giao thôngtại các ngã tư và đưa ra mật độ giao thông và tính toán con số phù hợp cho

hệ thong quản lý.

các đèn Dữ liệu này sẽ được gửi đên các các đèn giao thông, đông thời

website hệ thống sẽ cập nhật real-time tình hình các khu vực giao thông do

Đối tượng nghiên cứu:

+ Xây dựng hệ thống Traffic detection sử dung camera dựa trên model

MobileNetV1.

+ Xây dựng hệ thống Traffic prediction dựa trên Machine Learning

qua thư viện TensorFlow.

Kế hoạch thực hiện:

Thời gian Công việc Phân công

Thái Minh Huy —

21/02/2022 — Tìm hiểu lựa chọn đề tài và xây dựng 18520854

13/03/2022 dé cương khóa luận Ngô Trung Hiếu —

18520741

` Thái Minh Huy —

14/03/2022 - Nghiên cứu vê Machine Learning 18520854

3/04/2022 TensorFlow Xây dựng ứng dụng Ngô Trung Hiếu —

18/04/2022 — Xây dựng hệ thống Traffic Prediction | Thai Minh Huy—

Xây dựng Hệ thong Traffic ,

2/5/2022 — Ngô Trung Hiếu —

Dectection Camera sử dụng Model 15/05/2022 18520741

MobileNetV1.

Thai Minh Huy —

16/05/2022 — Thử nghiệm và đánh giá ưu nhược 18520854

29/05/2022 điểm của hệ thống Ngô Trung Hiếu —

18520741

Thái Minh Huy —

30/05/2022 — Tông hợp kết quả và số liệu thực 1852085411/06/2022 nghiệm Viết báo cáo khóa luận Ngô Trung Hiếu —

18520741

Thai Minh Huy —

12/06/2022 — 18520854

Phản biện khóa luận ,

27/06/2022 Ngô Trung Hiếu —

18520741

Thái Minh Huy —

29/06/2022 — 18520854

Bảo vệ khóa luận '

18520741

Tài liệu tham khảo:

[1] OMACHI, Masako; OMACHI, Shinichiro Traffic light detection

with color and edge information In: 2009 2nd IEEE International

Conference on Computer Science and Information Technology IEEE, 2009.

p 284-287.

[2] CAI, Kewel, et al A modified YOLOv3 model for fish detection

based on MobileNetv1 as backbone Aquacultural Engineering, 2020, 91:

102117.

[3] FOK, Wilton WT, et al Prediction model for students’ future development by deep learning and tensorflow artificial intelligence engine In: 2018 4th international conference on information management (ICIM) IEEE, 2018 p 103-106.

[4] ALBATISH, Islam Mohammad; ABU-NASER, Samy S.

Modeling and controlling smart traffic light system using a rule based

system In: 2019 International Conference on Promising Electronic

Technologies (ICPET) IEEE, 2019 p 55-60.

TP HCM, ngày tháng năm

2022

XÁC NHẬNCỦA XÁCNHẠNCỦA SINH VIÊN1I SINH VIEN 2

CBHD1 CBHD2

TS Lê Kim Hùng ThS Thái Huy Thái Minh Ngô Trung

Tân Huy Hiếu

MỤC LỤC

THÁI MINH HUY ¿+2 St+E+E‡EEEEESEEESEEEEEESESEEEEEEEESESEEEEEEEErrrrrreree 1NGO TRUNG HIẾU 22522 +E+ESEEEESESEEEEEEEEEE2EEEEEEEEEEEESEEEEEEEErrerrree 1

KỸ SƯ NGANH MẠNG MAY TINH VÀ TRUYEN THÔNG |

NHẬN XÉT KHÓA LUẬN TÓT NGHIỆP (CỦA CÁN BỘ HƯỚNG

— 4

NHẬN XÉT KHÓA LUẬN TÓT NGHIỆP (CỦA CÁN BỘ PHẢN

Hee Le a 7

DE CƯƠNG CHI TIẾTT 2-2¿2+©5++++£E++ExtEx++rxezreerxezreerxee 12

MỤC LUC K0 file 1 R / 19

DANH MỤC HÌNH ANH -¿- 6-5 St tt EEEEEEEEkerkerrkerkeree 23

DANH MỤC THUAT NGỮ 2-22 s+2E2£EEt£E£EEtzExerkerrkrred 25

TÓM TAT KHÓA LUẬN -¿- + t+x+E£EE+EEEEEEEEEEEEEerkrrererkerervee 26Chương 1 MỞ ĐẦU -2¿©5£ ©5222 E212 EEEEEEEEEEEEEEEEErErrrrrreee 28

In ra na .-.144 ÔỎ 28 acc 7 ẽẽ a3 28

1.3 Mục tiêu của đề tài ¿-+-5cc2ckccxSEkeEkerkrrrerkrerrrree 311.4 Đối tượng và phạm vi nghiên cứu - 5c +5: 31

1.4.1 Đối tượng nghiên cứu -¿©-sx2z++zx+zzxerxczrxeres 31

Chương 2_ CƠ SỞ LÝ THUYÊT 2 2 2 ++++£x+zxzxzzezse2 32

2.1 Tổng quan về các nghiên cứu về hệ thống đèn giao thông thông

minh: 32

2.2 Các thiết bị phan cứng -¿- 2:2 x2++xt+Evrxevrxrrxeerxeee 33

2.2.1 MCU ESPS266 - HH HH ng ikp 33

2.2.2 Raspberry ÏPI - cv HH HH ng 37

PS 09 e 38

2.4 Model MobileÌNetv Ì .- à St s SH HH ghê, 39

2.4.1 Mô hình kiẾn trúc ccccccccrrreerrerrtrrrrrrkee 39

2.4.2 Depthwise Separable ConvolutIon «- «<2 41

2.4.3 So sánh MobileNet với các State-of-the-art đương thời 42

2.8 Kỹ thuật Machine Learning phân tích ««+<-«++ 48

2.8.1 Mô hình tuyến tính là gì? 2-2 2 x+zxerxerxerrrzreces 482.8.2 Các loại mô hình tuyến tính thường gặp 49

2.8.3 Mô hình hồi quy tuyến tính - 5c scszxczxcsz 49

Chương 3_ TONG QUAN HE THỎNG 2-2 5555252255: 50

3.1 Mô hình chung - s1 vn ng 50 3.2 Xây dựng mô hình - - - 5+ xxx 9kEskskEskesskreese 52

3.2.1 Hệ thống Traffic Simulation -s¿-z+cx+css+csze: 52

3.2.3 Serve sấp À Ô 58

3.3 Ngữ cảnh hệ thong vo.ceccccccecsesssessesssesstessessessesssessesssesseesseeseesess 593.4 Ludng đi mô hình ¿2 22+ 2£E++EE+EE+EEeEEerkerkerrerrerree 61

3.4.1 Thu thập lưu lượng giao thông -« «=+s+>+ 61

3.4.3 Server tra dữ liệu đầu ra đến Simulation System 623.4.4 Điều khiển trang thái đèn ở Simulation System 63Chương 4_ THỰC NGHIỆM VÀ ĐÁNH GIÁ -¿-c5¿ 552 63

4.1 Phân tích dafase( Ăn HH HH giết 63

4.2 Kết quả thực nghiGm ceccccccscseessessesssecsesssesssessesssessesssesseesseess 64

4.2.1 Trường hop Traffic Flow 100 veh/h: -« -<- 64

4.2.2 Trường hop Traffic Flow 200 veh/h: - ‹ -«<- 66

4.2.4 Trường hop Traffic Flow 400 vehi/h: -.-‹ -«<- 69

4.2.5 Trường hop Traffic Flow 500 vehi/h: -‹ -‹s- 70

4.2.6 Truong hop Traffic Flow 600 vehi/h: ‹ -<<- 72

4.2.8 Trường hop Traffic Flow 800 veh/h: - -«<- 75

4.2.9 Trường hop Traffic Flow 900 veh/h: -c+<<<+ 76

4.2.10 Trường hợp Traffic Flow 1000 veh/h: - 78

4.2.11 Trường hợp Traffic Flow 1100 veh/h: - 79

4.3 So sánh giữa hệ thống thủ công truyền thống và hệ thống tựđộng đẻ xuắt đz⁄⁄⁄ À 81

4.3.1 Lưu lượng dưới 700 veh/h - -«++s++ss++eesexeeresss 81

4.3.2 Lưu lượng ở mức 700-800 vehi/h - «+ss+<s<2 81

4.3.3 Lưu lượng ở mức 900-1100 veh/h -s<<s<+ 82

Chương 5 TONG KET VÀ HƯỚNG PHAT TRIÉN 83

51 Kết quả đạt QUOC - c2 11k rệt 835.2 Hướng phát triỂn -¿ + ©+z+x++E£ExtzEEerkrrkerkerrrrrei 84TÀI LIEU THAM KHÁO - 2: 2 Sk‡EE‡E+EEEEEEEEEEEEEEEEEkrkerkerkee 85

DANH MỤC HÌNH ẢNH

Hình 2-1 NodeMCU ESP8266 G22 2v 9 ghe 37 Hình 2-2 Raspberry ÏPI c5 + 11+ 111k HH KH HH kg 38 Hình 2-3 MobileNet Body Architecture -c<++s<++<cxesess 40 Hình 2-4 Depthwise Separable ConvolutiOn - « «<< c+ec<s 41 Hình 2-5 Bang so sánh MobileNet với các State-of-the Art khác 42

Hình 3-4 Mô hình tuyến tính cecceccceccccsesssesseessesseessesssesseessesseessesseesseess 57

Hình 3-5 Mô hình dự đoán + x12 2 2 9 ng ngư 58

Hình 3-6 Điều khiến thủ công thời gian các đèn -. . - 60

Hình 3-7 Thu thập lưu lượng giao thông - - 5 +s++<£++++ 61 Hình 3-8 Prediction Model tính toán đữ liệu - -<55- + 62

Hình 3-9 Server tra dit liệu đầu ra đến Simulation System 63

Hình 4-2 Biéu đồ thông số đèn giao thông ở mức 100 veh/h 65

Hình 4-3 Tình trạng giao thông ở mức 100 veh/h ‹ 65

Hình 4-4 Biéu đồ thông số đèn giao thông ở mức 200 veh/h 66

Hình 4-6 Biéu đồ thông số đèn giao thông ở mức 300 veh/h 68

Hình 4-7 Tình trạng giao thông ở mức 300 veh/h - ‹ 68

Hình 4-8 Biéu đồ thông số đèn giao thông ở mức 400 veh/h 69

Hình 4-9 Tinh trang giao thông ở mức 400 veh/h «5 70

Hình 4-10 Biểu đồ thông số đèn giao thông ở mức 500 veh/h 71

Hình 4-12 Biéu đồ thông số đèn giao thông ở mức 600 veh/h 72

Hình 4-13 Tinh trạng giao thông ở mức 600 veb/h - 73

Hình 4-14 Biểu đồ thông số đèn giao thông ở mức 700 veh/h 74

Hình 4-16 Biểu đồ thông số đèn giao thông ở mức 800 veh/h 75

Hình 4-17 Tinh trạng giao thông ở mức 800 veh/h -‹ 76

Hình 4-18 Biểu đồ thông số đèn giao thông ở mức 900 veh/h 71

Hình 4-19 Tình trạng giao thông ở mức 1000 veh/h - 77

Hình 4-20 Biéu đồ thông số đèn giao thông ở mức 1000 veh/h 78

Hình 4-22 Biéu đồ thông số đèn giao thông ở mức 1100 veh/h 80

Hình 4-23 Tình trạng giao thông ở mức 1100 veh/h 80

Hình 4-24 So sánh 2 hệ thống ở lưu lượng dưới 700 veh/h 81Hình 4-25 So sánh 2 hệ thống ở lưu lượng 700-800 veh/h 82Hình 4-26 So sánh 2 hệ thống ở lưu lượng 900-1100 veh/h 83

DANH MỤC THUẬT NGỮ

TỪ VIET TAT DIEN GIAI

Artificial Intelligence AI Trí tuệ nhân tạo

Machine Learning ML May hoc

Deep Learning DL Hoc sau

Asynchronous Server ASGI Giao diện công vào máy chủ không đồng bộ

TOM TAT KHÓA LUẬN

Đất nước chúng ta đang ngày càng phát triển, cùng với đó là sự phát triển nhanh

chóng của các đô thị lớn như Hà Nội, thành phó Hồ Chi Minh, Da Nang, Hải Phòng,

Song song với sự phát triển đô thị ấy là sự gia tăng của người cũng như phương tiện dichuyền trong các thành phô lớn Điều này đã gây ra tinh trạng ùn tắc giao thông vô

cùng nghiêm trọng tại các đô thị ở cả nước ta hiện nay.

Sau khi đánh giá về vấn đề này, nhóm chúng tôi bắt đầu xây dựng một hệ thống

thông minh điều khién giao thông tại các ngã tư Dựa vào lưu lượng giao thông trên

một tuyến đường trong ngã tư, từ đó xác định thời gian đèn xanh — đỏ trên con đường

đó Kết quả chạy thực nghiệm trên hệ thống Simulation cho thấy giải pháp chúng tôi đề

xuât có những kêt quả chính xác trong nhiêu ngữ cảnh.

Dựa trên kết quả nghiên cứu của khóa luận, hệ thống sẽ được tiếp tục xây dựng

và hoàn thiện, phương pháp đề xuất sẽ được đánh giá chính xác và khách quan hơn, hệthống sẽ đươc mở rộng đề giảm ùn tắc giao thông Tiến tới xây dựng một hệ thống điềukhiến giao thông thông minh với ngân sách hợp lý

26

Chuong 1 MO DAU

1.1 Tén đề tàiHƯỚNG TỚI XÂY DỰNG HỆ THÓNG ĐÈN GIAO THÔNG THÔNG MINHDỰA TRÊN MÁY HỌC

(TOWARD TO SMART STREET LIGHT BASED ON MACHINE LEARNING)

1.2 Dat vấn đề

Un tắc giao thông van đang là một van dé nan giải đối với các đô thị lớn trên thé

giới trong đó có Việt Nam Tình trạng ùn tắc sẽ dẫn tới nhiều hậu quả đáng tiếc nếu

như không có biện pháp đúng đắn để giải tỏa vấn đề này

Tính đến nay, tình trạng ùn tắc của nước ta đang ở con số đáng báo động, hiệntrạng ùn tắc đã đạt mức trở thành một trong những vấn nạn nhức nhối trong xã hội

Theo thống kê được báo cáo năm 2012, tình trạng ùn tắc ở nước ta vô cùng nghiêm

trọng và phức tạp, đặc biệt là hai thành phố trọng điểm Hà Nội và thành phố Hồ Chí

Minh Cũng theo báo cáo trên, năm 2012, Hà Nội có sáu mươi bảy điểm ùn tắc trong

khi đó thành phố Hồ Chí Minh sở hữu bảy mươi sáu điểm ùn tắc giao thông, gây ra

nhiều hậu quả xấu Đến năm 2014, tình trạng ùn tắc điểm được giảm thiểu thì tình

trạng ùn tắc cục bộ lại diễn ra khiến cho người dân vô cùng bức xúc cũng như gây thiệthại lớn tới nền kinh tế nước nhà Theo thống kê của Cơ quan Hợp tác quốc tế Nhật Bảnđáng giá, ùn tắc giao thông ở nước ta là vô cùng trầm trọng đặc biệt vào những giờ caođiểm như sáng sớm và chiều tối

Nếu chú ý nghe đài báo hoặc xem tivi, chúng ta không khó dé bắt gặp nhữnghình ảnh ùn tắc kéo dài khi tham gia giao thông của các phương tiện Ở Hà Nội, một sốtuyến đường chính, nội đô luôn thường xuyên lâm vào tình trạng tắc nghẽn kéo dài,

tram trọng như Dé La Thanh, Minh Khai, Kim Liên, Giải Phóng, Những cuộc ùn tắc

này đôi khi kéo dài hàng giờ đồng hồ gây ảnh hưởng không nhỏ tới người dân cũng

28

như kinh tế của đất nước Mặc dù, các đồng chí cảnh sát giao thông liên tục điều tiết

thế nhưng tình trạng tắc nghẽn vẫn diễn ra liên tục Tính từ năm 2008 đến nay, đã có

hon 1.379 vụ ùn tac giao thông kéo dài trên một giờ đồng hồ, và trong đó, thủ đô Ha

Nội góp 336 vụ, chiếm 24.4%, Sài Gòn là 227 vụ chiếm 16.5%,

Có thê nói, ùn tắc giao thông đang khiến cho toàn thê người dân lo lắng mỗi khi

bước chân ra khỏi nhà Nguyên nhân được chỉ ra ở đây là do ý thức của người tham gia

giao thông khi lưu thông trên đường Như chúng ta thấy, phương tiện chính chủ yếu

của người dân Việt tham gia giao thông là xe máy khá nhỏ, điều này khiến cho người

dân thường xuyên chiếm làn, lách làn của xe ô tô, gây nên tình hình tắc cục bộ, khôngthé di chuyền Nguyên nhân thứ hai được cho là cơ cấu tỷ lệ phương tiện giao thông ở

nước ta vô cùng mắt cân đối Nếu như ở Hà Nội, theo thống kê được báo cáo, năm

2013, xe máy chiếm tới 75.4%, con số này ở Hồ Chí Minh là 91.3%, Hải Phòng là

92.7%, đều là những con số vô cùng lớn Sự mất cân đôi này gây ra nhiều hậu quả

nghiêm trọng như phương tiện di chuyên hỗn hợp, không tách làn đường, gây ra tai nạn

cũng như gây ùn tắc nêu có quá nhiều phương tiện cùng tham gia giao thông tại cùng

thời điểm Thế nhưng, nguyên nhân chính ở đây được cho là cơ sở hạ tầng của Việt

Nam còn khá thấp kém, chưa đáp ứng được nhu cầu tham gia giao thông của người

dân, chưa được cải tạo, nâng cấp đúng mức với số lượng người dân Đồng thời, như

chúng ta thấy, tại Hà Nội và Sài Gòn, mạng lưới đường xá đô thị liên tục cắt nhau với nhiều nút giao nhau, điều này cũng một phần gây nên sự ùn tắc khi người dân tham gia

giao thông Cùng với đó, công tác tuyên truyền, giáo dục người dân chưa được quan

tâm đúng mức, còn yếu kém, chưa sâu sát cũng như được diễn ra liên tục, bền bỉ Số

lượng người dân đô thị tăng nhanh, quy hoạch không đồng bộ hay sự phối hợp giữa cácban ngành liên quan triển khai đảm bảo an toàn giao thông chưa quyết liệt cũng là mộtnhân tố góp phần gây nên tình trạng ùn tắc giao thông nghiêm trọng như hiện nay tại

Việt Nam.

29

Như chúng ta đã biết, ùn tắc giao thông dé lại rất nhiều hậu quả cho nhân dâncũng như nền kinh tế nước nhà Theo đó, tồn thất kinh tế do ùn tắc giao thông ở Việt

Nam có thể lên tới con số 2 đến 3 % tổng sản phâm quốc nội GDP của nước ta Điều

này là một thiệt hại to lớn và vô cùng nghiêm trọng Không chỉ gây thiệt hại cho nền

kinh tế, nó còn khiến cho chúng ta phải chịu đựng những hậu quả về môi trường như ônhiễm tiếng ồn, 6 nhiễm không khí do lượng khí thải và khói bụi mà chúng ta hít phảikhi ùn tắc Năm 2018, chúng ta nhận được những thông tin về bầu không khí trong các

đô thị lớn bị nhiễm khói bụi, bụi mịn, gây tỷ lệ các bệnh lý về đường hô hấp, viêm

phổi, ung thư gấp nhiều lần so với thông thường Điều này cũng là do một phần ùn tắc

giao thông gây ra Ngoài ra, nó cũng khiến chúng ta khi tham gia giao thông phải tốn

thêm một lượng lớn nhiên liệu để chạy máy hay cũng vô tình gây ra những va chạm

nhỏ trong giao thông Tóm lại, ùn tắc giao thông đã và đang gây ra những hậu quả

nghiêm trọng, bức thiết chúng ta phải có những giải pháp dé giảm thiểu tình trạng này

Ùn tắc giao thông đang gây ra những hậu quả khá nghiêm trọng cho con người,

vậy nên các biện pháp cấp bách đang được tiễn hành gần như ngay lập tức dé ngan

chặn và giảm thiểu tắc nghẽn tại các thành phô ở Việt Nam Một trong những giải phápđầu tiên được nêu ra đó là việc triển khai đồng bộ các biện pháp của Nhà nước dé giảmthiểu ùn tắc Các công văn, quy định được các bộ, sở ban hành đang được cấp thiết tiến

hành dé phòng ngừa ùn tắc giao thông Cùng với đó, chúng ta cũng triển khai tuyên

truyền, giáo dục mạnh mẽ ý thức tham gia giao thông của người dân dé họ hiểu và

nghiêm túc chấp hành các hiệu lệnh và pháp luật Nhà nước cũng đang day mạnh việc

xây dựng, quy hoạch cơ sở hạ tang đồng bộ, đáp ứng nhu cau phát triển mạnh mẽ của

các đô thị lớn với lượng phương tiện nhiều Các chiến sĩ cảnh sát giao thông được tăngcường cũng như được trang bị thêm những phương tiện dé hỗ trợ người dân cũng nhưđiều tiết giao thông dé giảm thiểu sự ùn tắc giữa các phương tiện Và hơn nữa, chúng tacũng nên giảm thiểu sự đô thị hóa đang diễn ra mạnh mẽ ở các tỉnh khác trong đất

nước dé giảm thiêu hơn nữa lượng người nhập cư vào các thành phô lớn Có vậy,

30

chúng ta mới giảm thiểu được hơn nữa sự ùn tắc đang gia tăng này Có thể nói, Nhà

nước ta đang gắng sức thực hiện mọi biện pháp cần thiết dé giảm thiêu ùn tắc giao

thông cũng như những hậu quả nghiêm trọng mà nó mang đến

13 Mục tiêu của đề tài

- Tìm hiéu về trí tuệ nhân tạo (AD)

- Tìm hiểu về các Machine Learning và các thuật toán Machine

Learning phân tích

- Tìm hiểu về các Deep Learning và các thuật toán nhận diện đối

tượng

- Xây dựng hệ thống điều khiến ngã tư giao thông

1.4 Đối tượng và phạm vi nghiên cứu

1.4.1 Đối tượng nghiên cứuKhóa luận này hướng đến:

- Hệ thống Traffic detection sử dung camera nhận diện các phương

tiện giao thông và mật độ giao thông.

- Hệ thống Traffic prediction dựa trên Machine Learning điều khiển

các đèn tín hiệu giao thông

theo làn đường, các khoảng thời gian tối ưu cho đèn xanh, vàng và đỏ tốt nhất Trên

thực tế, sự phụ thuộc lẫn nhau giữa các nút giao thông lân cận dẫn đến một công thức

và các tham số phức tạp Các thông số này là ngẫu nhiên và điểm tệ hơn là phương saicủa các thông số này theo thời gian Vì vậy, việc tìm kiếm một giải pháp năng động,

nhất quán và thuận tiện là hoàn toàn không thể Các nhà nghiên cứu từ các lĩnh vực

khác nhau đang hợp tác để khám phá các giải pháp kha thi giúp giảm tắc nghẽn giao

thông Do đó, các phương pháp luận khác nhau liên tục được đề xuất trong các tài liệu

và nhiều kỹ thuật được thực hiện từ những tiến bộ công nghệ, các thiết bị và cảm biếnđược sản xuất gần đây, cũng như mô hình thuật toán đổi mới, sự phức tạp của đèn giao

thông cảng ngày càng tăng.

Các tác giả Kalaiselvi, Sangavi và Dhivya (2017), Sharma et al (2018) đã đềxuất một giải pháp dựa trên công nghệ Light Fidelity (LiFi), cho phép truyền tín hiệu

đến hệ thông điều khiển giao thông báo hiệu xe cấp cứu đang đến

Akhil và Parvatha (2017) thực hiện nghiên cứu về kỹ thuật Sound Navigationand Ranging (SONAR) đo mật độ phương tiện giao thông với mảng Cảm biến

UltraSonic Bộ đếm thời gian của đèn xanh và đèn đỏ được lấy từ dữ liệu của SONAR

Bui, Jung và Camacho (2017) đã đề xuất một mạng cảm biến dựa trên IoT kết

hợp với lý thuyết trò chơi Mọi thực thể như xe cộ, cảm biến và đèn giao thông đều

32

trao đồi thông tin theo phương pháp được dé xuất Hệ thống áp dung phân chia xe ưu

tiên và không ưu tiên dựa trên các mô hình Cournot và Stackelberg Dựa vào đó, thời

gian cần thiết phân bé cho các đèn được xác định

Atta et al (2020) nghiên cứu sử dụng mô-đun cảm biến RFID dé do mật độphương tiện Đối với mọi phương tiện sắp đến ngã tư, tín hiệu được gửi đến bộ thu

RFID Sau đó, suy luận dé dự đoán thời gian xác định

Zambrano-Martinez et al (2019) đã đề xuất một thuật toán cân bằng tải, trong

đó luồng giao thông được chuyên đến làn đường cụ thể nơi có lưu lượng giao thông

thấp hơn Máy chủ định tuyến được xây dựng dé xử lý tat cả giao thông của thành phố.

Nó bao gồm SUMO và DFROUTER tools Tạo ra dữ liệu từ các dữ liệu lưu lượng thực

tế Giao diện ABATIS kết nối hai trình mô phỏng, lưu lượng SUMO và trình mô phỏng

mạng OMNET Kết quả thực tế đã chuyền luồng được 34.065 phương tiện Thời gian

di chuyển tăng 8% và cải thiện 16% khả năng chịu tai

2.2 Các thiết bi phần cứng

2.2.1 MCU ESP8266

2.2.1.1 MCU

MCU (viết tắt cua Microcontroller Unit) là một máy tính nhỏ trên một chip bán

dẫn tích hợp Trong thuật ngữ hiện đại, nó tương tự, nhưng kém tinh vi hơn các hệ

thống trên chip SoC Một vi điều khién chứa một hoặc nhiều CPU (õi bộ xử lý) cùng

với bộ nhớ và các thiết bị ngoại vi đầu vào/ đầu ra được lập trình Bộ nhớ chương trìnhlưu trữ như RAM, flash NOR hoặc ROM OTP cũng thường được bao gồm trên chip

Bộ vi điều khiển MCU được thiết kế cho các ứng dụng nhúng, trái ngược với bộ vi xử

lý được sử dụng trong máy tính cá nhân hoặc các ứng dụng mục đích chung khác.

33

Vi điều khiển được sử dụng trong các sản phẩm và thiết bị điều khiển tự động,như hệ thống điều khiển động cơ ô tô, thiết bị y tế cấy ghép, điều khiển từ xa, máy vănphòng, dụng cụ điện, đồ chơi và các hệ thống nhúng khác Bằng cách giảm kích thước

và chỉ phí so với thiết kế sử dụng bộ vi xử lý, bộ nhớ và thiết bị đầu vào/đầu ra riêng

biệt, bộ vi điều khiển giúp tiết kiệm cho nhiều thiết bị Trong bối cảnh internet vạn vật(IoT), vi điều khiển MCU là một giải pháp kinh tế và phố biến, tiếp nhận dit liệu cảm

biến và kích hoạt các thiết bị theo kịch bản lập trình

Một số vi điều khiển có thể sử dụng 4 bit và hoạt động ở tần số thấp như 4 kHz,cho mức tiêu thụ điện năng thấp (một con số milliwatt hoặc microwatt) Chúng thường

có chức năng chờ đợi một sự kiện như nhắn nút hoặc ngắt; tiêu thụ năng lượng trong

chế độ chờ thấp (đồng hồ CPU và hầu hết các thiết bị ngoại vi tắt) khiến chúng rất phù

hợp cho các ứng dụng sử dụng pin cần thời gian hoạt động dài Các bộ vi điều khiển

khác có thé phục vụ các vai trò quan trọng về hiệu năng, trong đó chúng có thé cần

hoạt động giống như bộ xử lý tín hiệu số (DSP), với tốc độ xung nhịp cao hơn va tiêu

thụ điện năng nhiều hơn

Các loại vi điều khiển MCU phô biến Có hàng tá kiến trúc và nhà sản xuất vi

điêu khiên bao gôm:

- ARM core processors (nhiều nha san xuất)

- ARM Cortex-M cores sử dung cho các ứng dung cụ thé khác nhau

- Microchip Technology Atmel AVR (8-bit), AVR32 (32-bit) va

AT91SAM (32-bit)

- Cypress Semiconductor’s M§C core sử dung trên các PSoC

(Programmable System-on-Chip)

- Freescale ColdFire (32-bit) và S08 (8-bit)

- Freescale 68HC11 (8-bit) và các loại khác thuộc ho Motorola 6800

34

- Intel 8051 được sản xuất boi NXP Semiconductors và nhiều nhasản xuất khác

- Infineon: 8-bit XC800, 16-bit XE166, 32-bit XMC4000 (ARM dựa trên Cortex M4F), 32-bit TriCore va 32-bit Aurix Tricore Bit

- Maxim tich hop MAX32600, MAX32620, MAX32625, MAX32630, MAX32650, MAX32640

- Renesas Electronics: RL78 16-bit MCU; RX 32-bit MCU;

SuperH; V850 32-bit MCU; H8; R8C 16-bit MCU

- Silicon Laboratories Pipelined 8-bit 8051 va ARM-dựa trên 32-bit

cực kỳ phân mảnh, với nhiều nhà cung cấp, công nghệ và thị trường Lưu ý rằng nhiều

nhà cung câp có thê bán các kiên trúc vi điêu khiên cho các nhà sản xuât khác.

35

2.2.1.2 ESP8266

ESP8266 là một dòng chip tích hợp Wi-Fi 2.4Ghz có thé lập trình được,

Các phiên bản ESP8266:Hién tại thì đã có tới rất nhiều phiên ban của ESP8266,sau đây là những phiên bản phô biến:

le)

ESP-01:

Mach nho, gon (24.75mm x 14.5mm) Dién ap lam viéc 3.3v

Tích hợp san anten PCB trace trên module

Có hai led báo hiệu : led nguồn, led TXD

Có các chế độ: AP, STA, AT + STA

Lệnh AT rất đơn giản, dễ dàng sử dụng

Khoảng cách g1ữa các chân 2.54mm

ESP-12

Sử dụng nguồn 3.3v

Tích hợp anten PCB trace trên module

Tiêu chuẩn wifi : 802.1 Ib/g/n, với tần số 2.4GHz và hồ trợ bảo

mật WPA/WPA2 Khoảng cách giữa các chân 2mm

Ngoài ra chúng ta có thé sử dụng một kit thay thé bao gồm ESP8266 va phangiao tiếp với máy tính là NodeMCU, với kit này không có sẵn firmware AT nên nếu

muốn dùng tập lệnh AT thì các bạn có thé dua trên bài nạp firmware AT dé có thé giaotiếp voi MCU Nhóm em chon loại này sử dung cho đề tài

36

Raspberry Pi Foundation - một tô chức phi lợi nhuận.TCP/HTTP: Dé làm cho các

HTTP request thực tế hơn, một vài thứ được xác định ngẫu nhiên:

37

Bạn có thé sử dung Raspberry Pi như một máy vi tính bởi người ta đã tích hợp

moi thứ cần thiết trong đó Bộ xử lí SoC Broadcom BCM2835 của nó bao gồm CPU,

GPU, RAM, khe cắm thẻ microSD, Wi-Ei, Bluetooth và công USB

Với Raspberry PI, bạn chỉ cần cài hệ điều hành, gắn chuột, bàn phím và mànhình là có thé sử dụng như một máy vi tính Raspberry Pi không hoàn toàn có thé thay

thế được máy tính để bàn hoặc laptop nhưng nó là một thiết bị đa năng có thể được sử

dụng cho những hệ thống điện tử, thiết lập hệ thống tính toán, những dự án DIY với

chi phí rẻ.

2.3 Arduino IDE

Arduino IDE là một phan mềm mã nguồn mở chủ yếu được sử dung dé viết vabiên dịch mã vào module Arduino Đây là một phần mềm Arduino chính thức, giúp

cho việc biên dich mã trở nên dé dàng mà ngay cả một người bình thường không có

kiến thức kỹ thuật cũng có thể làm được

38

Nó có các phiên bản cho các hệ điều hành như MAC, Windows, Linux và chạytrên nền tảng Java đi kèm với các chức năng và lệnh có sẵn đóng vai trò quan trong dé

gỡ lỗi, chỉnh sửa và biên dịch mã trong môi trường.

Có rất nhiều các module Arduino như Arduino Uno, Arduino Mega, ArduinoLeonardo, Arduino Micro và nhiều module khác Mỗi module chứa một bộ vi điều

khiển trên bo mach được lập trình và chấp nhận thông tin dưới dạng mã Mã chính, cònđược gọi là sketch, được tạo trên nền tảng IDE sẽ tạo ra một file Hex, sau đó được

chuyền và tải lên trong bộ điều khiển trên bo

Môi trường IDE chủ yếu chứa hai phần cơ bản: Trình chỉnh sửa và Trình biên

dịch, phần đầu sử dụng để viết mã được yêu cầu và phần sau được sử dụng đề biên

dịch và tải mã lên module Arduino.

Môi trường này hỗ trợ cả ngôn ngữ C và C ++.

2.4 Model MobileNetv1

2.4.1 Mô hình kiến trúcKiến trúc mạng MobileNet được trình bày như sau:

39

Diễn dịch ra ngôn ngữ tự nhiên, chúng ta thấy rằng mô hình có 30 lớp với các

đặc điêm sau:

Type / Stride Conv / s2

Conv dw / sl Conv /s1

Conv dw / s2 Conv /sĨ

Conv dw/ sl Conv /sĨ

Conv dw / s2

Conv / sl Conv dw / sĨ Conv /sĨ

Conv dw / s2 Conv /sĨ

c„ Conv dw/sl

i Conv /sl

Conv dw / s2 Conv /sl

Conv dw / s2 Conv /s1

Avg Pool / sĨ

FC /sl

Softmax / sĨ

Filter Shape 3x3x3 x32 3x3 X32 dw 'xâx32x64 3x3x64dw

1x1lx64x128 3x3x128dw

1x 1 x 128 x 128 3x 3x 128 dw

1024 x 1000 Classifier

Input Size

224 x 224 x 3

112 x 112 x 32 11% 142 * 32 112x112 x 64

Hình 2-3 MobileNet Body Architecture

- Lớp 1: Convolution layer với stride bang 2

- Lop 2: Depthwise layer

- Lớp 3: Pointwise layer

40