Bài viết Giải pháp giám sát, phát hiện và cảnh báo tai nạn giao thông tại Việt Nam sử dụng thiết bị giám sát hành trình kết hợp cảm biến quán tính đề xuất một giải pháp sử dụng dữ liệu của cảm biến quán tính kết hợp GPS và các chức năng của thiết bị GSHT để giám sát, phát hiện và đưa ra các cảnh báo khi có tai nạn giao thông. Kết quả thực nghiệm cho thấy, giải pháp hoạt động tốt với tỷ lệ phát hiện có độ chính xác cao, các cảnh báo hiển thị theo thời gian thực trên hệ thống bản đồ số tại cơ quan quản lý. Mời các bạn cùng tham khảo!
Trang 1GIẢI PHÁP GIÁM SÁT, PHÁT HIỆN VÀ CẢNH BÁO TAI NẠN GIAO THÔNG TẠI VIỆT NAM SỬ DỤNG THIẾT BỊ GIÁM SÁT HÀNH TRÌNH KẾT HỢP CẢM
BIẾN QUÁN TÍNH
Ngô Văn Công 1 , Đào Tô Hiệu 2 , Trần Đức Nghĩa 3 , Trần Đức Tân 2,*
1 Tổng cục Tiêu chuẩn Đo lường Chất lượng
2 Trường Đại học Phenikaa
3 Viện Công nghệ thông tin (IOIT-VAST) e-mail: ngovancong@tcvn.gov.vn, hieu.daoto@phenikaa-uni.edu.vn, nghiatd@ioit.ac.vn, tan.tranduc@phenikaa-uni.edu.vn
Abstract—Hàng năm số vụ tai nạn giao thông xảy ta tại Việt Nam lên đến hơn mười nghìn vụ, số
ca tử vong vì tai nạn giao thông lên đến hàng nghìn người Năm 2014, Chỉnh phủ đã ban hành Nghị định 86/2014/NĐ-CP về kinh doanh và điều kiện kinh doanh vận tải bằng xe ô tô, theo đó quy định tất cả các xe kinh doanh vận tải đều phải bắt buộc lắp đặt thiết bị giám sát hành trình (GSHT), hiện nay số lượng xe ô tô được lắp đặt GSHT và quản lý lên đến hàng triệu xe, việc quản lý bằng thiết bị GSHT đã mang lại hiệu quả to lớn trong quản lý nhà nước và an toàn giao thông, tuy nhiên việc quản lý hiện tại mới chỉ dừng lại ở các thông
số về thời gian, tọa độ, tốc độ Việc tích hợp một cảm biến quán tính vào thiết bị GSHT và kết hợp các thuật toán xử lý sẽ giúp giám sát, phát hiện và cảnh báo các vụ tai nạn giao thông một cách tự động theo thời gian thực và địa điểm một cách chính xác nhất, từ đó giúp cơ quan chức năng sớm đưa ra các quyết định xử lý, giúp giảm thiểu số ca
tử vong bằng việc cấp cứu kịp thời cho các nạn nhân bị tai nạn Trong bài báo này, chúng tôi đề xuất một giải pháp sử dụng dữ liệu của cảm biến quán tính kết hợp GPS và các chức năng của thiết
bị GSHT để giám sát, phát hiện và đưa ra các cảnh báo khi có tai nạn giao thông Kết quả thực nghiệm cho thấy, giải pháp hoạt động tốt với tỷ lệ phát hiện có độ chính xác cao, các cảnh báo hiển thị theo thời gian thực trên hệ thống bản đồ số tại
Từ khóa: Solution, traffic accident, inertial sensor, GPS, accelerometer, velocity, rotation angle, car
Ngày 10/09/2014 Chính phủ đã ban hành Nghị định 86/2014/NĐ-CP về kinh doanh và điều kiện kinh doanh vận tải bằng xe ô tô, theo đó quy định tất cả các xe kinh doanh vận tải đều phải bắt buộc lắp đặt thiết bị giám sát hành trình (GSHT) Chức năng thiết bị giám sát hành trình được quy định tại Thông tư 73/2014/TT-BGTVT và phải được chứng nhận hợp quy theo QCVN 31:2014 Hiện nay
số lượng lắp đặt thiết bị GSHT đang được Tổng cục đường bộ Việt Nam quản lý đã lên đến hàng triệu xe, việc quản lý bằng thiết bị GSHT trong các năm qua
đã mang lại hiệu quả to lớn trong quản lý nhà nước
và an toàn giao thông, các vụ tai nạn giao thông xảy
ra thì cơ quan chức năng có thể truy xuất ngược các
dữ liệu (tọa độ, thời gian, tốc độ) để xác định nguyên nhân, tuy nhiên đó chỉ là thực hiện sau khi được thông báo về tai nạn giao thông, việc chậm trễ về thông tin trong một số vụ tai nạn giao thông có thể gây hậu quả là tử vong bởi việc cấp cứu không kịp thời Trong năm 2021, theo số liệu của ủy ban an toàn giao thông quốc gia, số vụ tai nạn giao thông và các
ca tử vong lên đến hàng nghìn người, hình 1 dưới đây
là một số vụ tai nạn xảy ra và chỉ được thông báo cho
cơ quan chức năng khi có người dân phát hiện
Ngày nay, đối với sự phát triển của công nghệ vi cơ điện tử, cảm biến quán tính ngày càng được sử dụng nhiều trong các ứng dụng thực tế Việc kích thước nhỏ, điện năng tiêu thụ thấp và chi phí, nó được sử dụng nhiều trong các ứng dụng khác nhau, đặc biệt là các ứng dụng liên quan đến chuyển động [1,2,3]
Trang 2Hình 1 Một số hình ảnh tai nạn giao thông [19]
Một số giải pháp sử dụng phương pháp phân tích hình ảnh để thực hiện phát hiện tai nạn giao thông [4,5], tuy nhiên đối với các giải pháp này thì tương đối tốn kém về mặt chi phí khi phải lắp đặt đủ
số lượng các camera trên cung đường cần giám sát
Các nghiên cứu khác sử dụng cảm biến gia tốc để thực hiện phát hiện có tai nạn [6,7,8], việc chỉ sử dụng cảm biến gia tốc sẽ hạn chế khả năng phát hiện các trường hợp xe tai nạn, và do chỉ sử dụng dữ liệu của cảm biến gia tốc cũng sẽ làm việc phát hiện trở nên thiếu chính xác
Trong nghiên cứu [9] nhóm tác giả sử dụng
dữ liệu từ cổng ODB của xe ô tô để phát hiện tai nạn, khi có tai nạn thì túi khí sẽ nổ, từ đó bộ điều khiển trung tâm sẽ tiến hành gửi thông báo về server, giải pháp này chỉ thực hiện được đối với các xe mà có túi khí ở ghế lái và túi khí này phải hoạt động, trường hợp đối với một số loại xe không có túi khí thì sẽ không phát hiện được tai nạn giao thông
Nhóm tác giả khác [10] chỉ sử dụng vận tốc thu được từ hệ thống GPS để ra quyết định cảnh báo
về tai nạn giao thông, việc chỉ sử dụng dữ liệu của tốc độ cũng sẽ làm giảm sự chính xác trong cảnh báo
Việt Nam đã thực hiện quy định bắt buộc lắp đặt thiết bị giám sát hành trình đối với tất cả các loại
xe kinh doanh vận tải, do đó việc thực hiện giải pháp nhờ tích hợp thêm cảm biến quán tính vào thiết bị đã
có này sẽ giảm chi phí đầu tư về mặt thiết bị, hệ thống
Vệ tinh
Máy tính/ thiết bị di động
Server
Trạm BTS
Thiết bị GSHT Thiết bị GSHT
Thiết bị GSHT
Hình 2 Sơ đồ khối hệ thống của giải pháp
Hệ thống được mô tả như hình 2, bao gồm các thiết bị giám sát hành trình đã được lắp đặt trên các xe ô tô, các thiết bị giám sát hành trình này tiến hành thu thập dữ liệu từ hệ thống định vị vệ tinh để lấy các thông tin về tọa độ, thời gian, tốc độ kết hợp với các dữ liệu từ bộ cảm biến quán tính và truyền dữ liệu về server (hệ thống máy chủ tại các đơn vị cung cấp dịch vụ giám sát hành trình và hệ thống máy chủ tại Tổng cục Đường bộ Việt Nam) thông qua kết nối 3G/ 4G [11] với các trạm BTS Máy tính/ thiết bị di động được sử dụng để theo dõi tình hình các xe di chuyển trên bản đồ số (hình 3) và các cảnh báo (tai nạn, quá tốc độ, thời gian lái xe, dừng đỗ…) Dữ liệu được truyền về máy chủ theo tần suất 10 giây đến 30 giây, việc dữ liệu được truyền liên tục giúp việc giám sát gần như đạt được theo thời gian thực, qua đó giúp cải thiện được các thông tin chậm trễ khi có tai nạn giao thông hoặc sự cố bất ngờ
Hình 3 Hệ thống bản đồ số theo dõi trực tuyến
Trang 3Trong hình 4 dưới đây thể hiện sơ đồ khối của thiết bị giám sát hành trình tích hợp thêm cảm biến quán tính
Hình 4 Sơ đồ khối và thiết bị giám sát hành trình thực tế
- Khối nguồn: Sử dụng các IC ổn áp để chuyển đổi điện áp từ 12VDC (ắc quy ô tô) ra các nguồn điệp áp
ổn định 5 VDC, 3.3 VDC cung cấp cho các module trong thiết bị giám sát hành trình hoạt động
- Khối bộ nhớ: Sử dụng các IC nhớ hoặc thẻ nhớ giúp lưu lại thông tin và dữ liệu hoạt động tối thiểu 30 ngày để phù hợp theo QCVN 31: 2014
- Khối GPS [12]: Thu thông tin dữ liệu về thời gian, tọa độ, tốc độ Bản tin thu được theo định dạng GPRMC được sử dụng để xử lý do đầy đủ các thông tin cần thiết
- Khối GSM [13]: Khối đảm nhiệm vai trò truyền thông với máy chủ và nhận tín hiệu điều khiển thông qua mạng di động
- Cảm biến quán tính [14-18]: sử dụng cảm biến quán tính 6 bậc tự do, dữ liệu của cảm biến kết hợp với vận tốc di chuyển để đưa ra các thông báo về tai nạn giao thông
Bảng 1 dưới đây thể hiện dữ liệu thu được từ module GPS và cảm biến quán tính, các dữ liệu này được sử dụng trong phân tích để đưa ra cảnh báo về tai nạn giao thông Dòng 1 là dữ liệu về thời gian, 3 dòng (2,3,4) tiếp theo là dữ liệu về gia tốc, 3 dòng (5,6,7) là dữ liệu về góc quay, dòng (8,9) là dữ liệu về định vị, dòng 10 là dữ liệu về tốc độ di chuyển của xe
Bảng 1 DỮ LIỆU SỬ DỤNG TRONG GIẢI PHÁP
Bộ thiết bị được lắp đặt trên xe tương ứng với các trục của cảm biến quán tính như trong hình 5 Thiết bị khi hoạt động sẽ truyền dữ liệu về hệ thống máy chủ của các đơn vị cung cấp dịch vụ và Tổng cục đường bộ Việt Nam (hiện tại đối với QCVN 31:2014 chưa quy định về cảm biến quán tính cũng như dữ liệu của nó) Phương pháp mô phỏng trong bài báo này được nhóm tác giả thực hiện với hai tình huống là kết hợp vận tốc xe di chuyển và tác động đồng thời có chủ đích vào thiết bị có gắn cảm biến quán tính để thu được bộ dữ liệu giả cho tình huống
xe đâm trực diện và xe bị lật, xoay
Đối với giải pháp này thì có thể thực hiện độc lập trên thiết bị hoặc máy chủ sẽ phân tích dựa trên
dữ liệu nhận được từ các thiết bị lắp đặt trên ô tô truyền về hoặc kết hợp cả 2 phương pháp, ở bài báo này nhóm tác giả sử dụng phương pháp phân tích dữ liệu tại máy chủ, việc phân tích dữ liệu trên máy chủ
sẽ đơn giản hơn do việc tính toán, xử lý dữ liệu nhanh hơn và giảm các bước làm việc trên các vi điều khiển Nhóm tác giả đề xuất một phương pháp ra quyết định cảnh báo bằng việc phân tích dữ liệu cảm biến quán tính và dữ liệu về vận tốc di chuyển của xe Việc kết hợp cả hai loại dữ liệu sẽ đem lại độ chính xác và tin cậy cao hơn so với việc chỉ sử dụng dữ liệu của cảm biến gia tốc, chỉ sử dụng dữ liệu gia tốc có thể gây hiện tượng cảnh báo giả khi xe thực hiện phanh gấp hoặc đi qua những vị trí xóc
Hình 5 Cảm biến quán tính lắp đặt trên xe
Trang 4A Phát hiện tai nạn khi xe đâm trực diện
Hình 6 Xe đâm trực diện [20]
Đối với tình huống xe ô tô khi đâm trực diện (Hình 6) thì ta cần xác định giá trị gia tốc của trục Z thay đổi bất thường tương ứng với vận tốc giảm tương ứng, tại hình 7, hình 8 ta có thể thấy dữ liệu
mô phỏng tại giây thứ 19 khi giá trị gia tốc vượt ngưỡng bất thường kèm theo đó là giá trị vận tốc giảm đột ngột Một hàm thể hiện mối quan hệ giữa gia tốc các trục và vận tốc được thiết lập để đưa ra quyết định về một vụ tai nạn giao thông:
(1) Trong đó:
H(g,v): Hàm quan hệ giữa giá trị gia tốc và vận tốc
trục Z
Hình 7 Đồ thị gia tốc khi xảy ra va chạm
Hình 8 Đồ thị vận tốc khi va chạm
B Phát hiện tai nạn khi xe bị trượt, xoay
Hình 9 Xe bị tai nạn mất lái Đối với tình huống xe ô tô khi bị mất lái (Hình 9), gây trượt bánh xe và xe xoay nhiều vòng, hoặc xe va chạm mà bị lộn nhiều vòng thì khi đó ta cần xác định các giá trị góc quay của các trục tương ứng và đưa ra quyết định, đối với trường hợp này thì giá trị vận tốc sẽ không tạo ra sự giảm đột ngột như trường hợp xe đâm trực diện (Hình 10, 11) Hàm thể hiện giữa các giá trị góc quay và vận tốc:
Trong đó:
H(r,v): Hàm quan hệ giữa giá trị góc quay và vận tốc
trị góc quay theo 3 trục x,y,z
của giá trị vận tốc
Trang 5Hình 10 Đồ thị vận tốc khi xe bị xoay, lật
Hình 11 Đồ thị giá trị góc quay của 1 trục khi xe bị xoay, lật Tại máy chủ khi nhận được dữ liệu từ các bộ giám sát hành trình sẽ tiến hành phân tích, xử lý và cập nhật trạng thái di chuyển lên bản đồ số, giúp người dùng theo dõi một cách dễ dàng (Hình 12)
Hình 12 Hình ảnh cảnh báo trên hệ thống bản đồ số
IV KẾT LUẬN Trong bài báo này nhóm tác giả đã trình bày
về giải pháp phát hiện, cảnh báo tai nạn giao thông
sử dụng thiết bị giám sát hành trình tích hợp cảm biến quán tính Việc tích hợp cảm biến quán tính vào hệ thống giám sát hành trình đã có sẽ giúp giảm thiểu việc đầu tư về trang thiết bị, hệ thống máy móc Kết quả thực nghiệm đối với dữ liệu mô phỏng cho thấy việc cảnh báo trên hệ thống bản đồ số hoạt động tốt,
hệ thống cảnh báo đối với các trường hợp mô phỏng trong bài báo này đạt tỷ lệ chính xác đến 99% Thông qua việc phát hiện cảnh báo trên hệ thống trực tuyến thì bằng nhiều biện pháp, cơ quan quản lý có thể xác định được mức độ tai nạn Phát hiện sớm tai nạn sẽ giảm thiểu các ca tử vong bởi việc cấp cứu kịp thời cho các nạn nhân, cũng như xử lý sự cố giúp đảm bảo việc di chuyển giao thông cho người dân một cách thuận lợi
Trong tương lai, dữ liệu từ thiết bị có cảm biến quán tính có thể được sử dụng cho sự phân tích, đánh giá tình trạng mặt đường, từ đó đưa ra các cảnh báo
về hiện trạng đường giao thông để lái xe một cách an toàn
TÀI LIỆU THAM KHẢO [1].Collin, J., Davidson, P., Kirkko-Jaakkola, M., Leppäkoski, H (2019) “Inertial Sensors and Their Applications.” In: Bhattacharyya, S., Deprettere, E., Leupers, R., Takala, J (eds) Handbook of Signal Processing Systems Springer, Cham https://doi.org/10.1007/978-3-319-91734-4_2, pp 51–85
[2].N T Thu, T Dao, B Q Bao, D Tran, and P Van Thanh, “Real-Time Wearable-Device Based Activity recognition Using Machine Learning Methods,” Int J Comput Digit Syst., vol 11,
no 1, pp 321–323, 2022
[3].N C Minh, T H Dao, D N Tran, Q H Nguyen,
T T Nguyen, and D T Tran, “Evaluation of Smartphone and Smartwatch Accelerometer Data
NAFOSTED Conf Inf Comput Sci., pp 33–38,
2021
[4] I J Lee, "An accident detection system on highway using vehicle tracking trace," ICTC
2011, 2011, doi: 10.1109/ICTC.2011.6082684,
pp 716-721
[5] B Maaloul, A Taleb-Ahmed, S Niar, N Harb and C Valderrama, "Adaptive video-based
highways," 2017 12th IEEE International Symposium on Industrial Embedded Systems (SIES), 2017, doi: 10.1109/SIES.2017.7993382,
pp 1-6
[6] R Rishi, S Yede, K Kunal and N V Bansode,
"Automatic Messaging System for Vehicle
Trang 6Tracking and Accident Detection," 2020 International Conference on Electronics and Sustainable Communication Systems (ICESC),
10.1109/ICESC48915.2020.9155836, pp
831-834
[7] Rani, B & Sam, R & Kamatam, Govardhan
(2018), "A Review on Vehicle Tracking and
Accelerometer," International Journal of Applied
10.37622/IJAER/13.11.2018, pp 9215-9217
[8] Routh, Jayati & das, Arshiya & Kundu, Piyashi
& Thakur, Madhubarsha (2019), "Automatic Vehicle Accident Detection and Messaging System Using GPS and GSM Module,"
International Journal of Engineering Trends and
10.14445/22315381/IJETT-V67I8P211
[9] Najim Al-Din, Munaf & AL-Baimani, Mahmood, “Vehicle Tracking and Accident Warning System,” Conference: 5th National Symposium on Engineering Final Year Projects, University of Nizwa, Oman (2015)
"Accident detection and reporting system using GPS, GPRS and GSM technology," 2012
Electronics & Vision (ICIEV), 2012, doi:
10.1109/ICIEV.2012.6317382, pp 640-643
Review on Mobile Technologies: 3G, 4G and 5G," 2017 Second International Conference on Recent Trends and Challenges in Computational
10.1109/ICRTCCM.2017.90, pp 369-373
(GPS) Time Dissemination for Real-Time
https://doi.org/10.1023/A:1007906014916, pp
9–40 (1997)
system and protocol architecture," in IEEE Communications Magazine, vol 31, no 4, April
1993, doi: 10.1109/35.210402, pp 92-100
tutorial overview," in IEEE Communications Magazine, vol 51, no 4, April 2013, doi:
10.1109/MCOM.2013.6495768, pp 100-109
Dang, N D., Huynh, H T., & Tran, D T (2019)
Multi-sensor data fusion in a real-time support
system for on-duty firefighters Sensors, 19(21),
4746
(2015) Application of street tracking algorithm
system IETE Journal of Research, 61(3),
251-258
Nguyen, D D., & Nguyen, P T (2006) Errors determination of the MEMS IMU, Journal of Science, Vietnam National University, Hanoi
January) Low-cost Structural Health Monitoring scheme using MEMS-based accelerometers
In 2011 Second International Conference on
Simulation (pp 217-220)
http://antoangiaothong.gov.vn/uy-ban-atgt-quoc- gia/79-nguoi-tu-vong-vi-tngt-trong-4-ngay-nghi-le-304-15-227920.html
https://auto.howstuffworks.com/car-driving-safety/safety-regulatory-devices/car-testing.htm