Tổng quan

Trong những năm gần đây, thế giới đang chứng kiến sự tăng vọt về số lượng các thiết bị IoT trong cuộc sống, từ 9.76 tỷ thiết bị vào năm 2020 lên 15.9 tỷ thiết bị vào năm 2023, và dự kiến sẽ đạt 31.2 tỷ thiết bị vào năm 2030. Các hệ thống IoT dần xuất hiện, phần nào cải thiện cuộc sống của con người, từ những thiết bị đơn giản như cảm biến chất lượng không khí và đèn đường tự động đến các hệ thống tự động phức tạp trong y tế, năng lượng và thành phố thông minh. Tuy nhiên, số lượng thiết bị IoT khổng lồ đang dẫn đến hai thách thức trong quy trình quản lý. Thứ nhất, các thiết bị sử dụng nhiều tiêu chuẩn kết nối khác nhau, cùng nhiều định dạng dữ liệu khác nhau gây khó khăn trong việc kết nối và quản lý chúng. Thứ hai, lượng dữ liệu thu thập định kỳ (có thể là hàng giờ hoặc hàng ngày) từ các thiết bị này là rất lớn. Do đó, cần có một hệ thống quản lý dữ liệu tập trung để quản lý tình trạng và dữ liệu từ các thiết bị một cách thống nhất. Ngoài ra, từ lượng dữ liệu khổng lồ này, các mô hình Trí tuệ nhân tạo (AI) cần được áp dụng để phân tích và trích xuất các thông tin có ý nghĩa nhằm thực hiện các hành động tiếp theo như dự đoán, nhận diện xu hướng, hoặc phát hiện những điểm bất thường trong dữ liệu.

Từ đó, hệ thống quản lý thiết bị IoT trở thành một phần thiết yếu và cũng là xu hướng quan trọng trong việc tối ưu hóa quản lý và sử dụng tài nguyên đô thị. Một hệ thống quản lý tập trung sẽ giúp thu thập, phân tích và sử dụng dữ liệu một cách hiệu quả, tạo điều kiện cho việc đưa ra quyết định dựa trên tình huống chính xác và kịp thời. Hơn nữa, nó cũng giúp cải thiện khả năng bảo mật và bảo vệ quyền riêng tư của người dùng, tạo ra cơ hội phát triển các dịch vụ mới nhằm nâng cao chất lượng cuộc sống.

Trong đề tài này, nhóm chúng em sẽ thực hiện triển khai hệ thống quản lí thiết bị IoT sử dụng dự án mã nguồn mở Openremote. Sau đó mở rộng và tuỳ chỉnh hệ thống để hoạt động trên nền tảng di động. Cuối cùng là đề xuất và tích hợp mô hình dự đoán mưa BiLSTM kết hợp ECA và Attention vào hệ thống để khai thác dữ liệu từ thiết bị. Mô hình dự đoán được huấn luyện bằng bộ dữ liệu “Vietnam weather Data”với 10 đặc tính và cho ra kết quả chính xác 80% (được tính trung bình sau 10 lần thử nghiệm gần nhất). Ngoài ra, nhóm chúng em còn sử dụng kiến trúc mô hình tương tự nhưng được huấn luyện trên bộ dữ liệu “Rain in Australia”để đánh giá và so sánh hiệu suất với các mô hình từ những nghiên cứu khác có sử dụng chung bộ dữ liệu “Rain in Australia”.

Mục tiêu và phạm vi nghiên cứu

Qua việc khảo sát các nghiên cứu liên quan trong lĩnh vực công/nông nghiệp và đời sống, nhóm chúng em đã nhận thấy còn tồn đọng một nhược điểm lớn trong các nghiên cứu, đó là việc các hệ thống chưa phân tích và sử dụng dữ liệu một cách tối ưu. Từ đó, mục tiêu mà nhóm em hướng tới là thực hiện tuỳ chỉnh và mở rộng dự án mã nguồn mở Openremote, nhằm tạo ra một hệ thống quản lý thiết bị IoT cùng việc quản lý luồng dữ liệu tập trung từ các thiết bị. Bên cạnh đó, chúng em cũng đề xuất triển khai và tích hợp mô hình trí tuệ nhân tạo vào hệ thống để dự đoán mưa nhằm khai thác tiềm năng từ dữ liệu đã thu thập từ các thiết bị.

Hệ thống được xây dựng để hoạt động trên trình duyệt và thiết bị di động. Với khả năng kết nối các thiết bị vạn vật kết nối thông qua HTTP hoặc MQTT. Các dữ liệu được lưu trữ, phân tích và sử dụng cho mô hình dự đoán mưa cho ngày tiếp theo.

Kiến trúc mô hình

Mô hình dự đoán mưa mà chúng tôi đề suất sẽ bao gồm ba thành phần chính: BiLSTM, ECA và Attention. Chi tiết kiến trúc mô hình sẽ được thể hiện qua hình 3.2. Mô hình nhận mẫu đầu vào I ∈ Rd và cho ra đầu ra O với một nơ-ron, thu được khả năng xảy ra mưa ở ngày tiếp theo.

• Bước 1: Vào thời điểm hệ thống đã thu thập đầy đủ dữ thời tiết cần thiết, dịch vụ dự đoán sẽ gửi yêu cầu truy suất dữ liệu đến bảng điều khiển.
• Bước 2: Khi nhận được yêu cầu của dịch vụ dự đoán, bảng điều khiển sẽ thực hiện truy suất các dữ liệu thời tiết theo yêu cầu của dịch vụ dự đoán từ cơ sở dữ liệu.
  Bước 3: Cơ sở dữ liệu sẽ trả về các dữ liệu thời tiết đó cho bảng điều khiển.
  Bước 4: Bảng điều khiển gửi dữ liệu thời tiết cho dịch vụ dự đoán.
  Bước 5: Dịch vụ dự đoán sau khi nhận được dữ liệu thực hiện tiền xử lý, encoding với các dữ liệu dạng chữ (hướng gió,…) và scaling với dữ liệu dạng số (nhiệt độ, độ ẩm,…), sau đó dữ liệu được đưa vào mô hình để tiến hành dự đoán và trả về kết quả là khả năng xảy ra mưa vào ngày mai.
  Bước 6: Dịch vụ dự đoán gửi kết quả dự đoán về bảng điều khiển.
  Bước 7: Bảng điều khiển lưu trữ kết quả vào cơ sở dữ liệu.
  Bước 8: Client gửi yêu cầu lấy kết quả dự đoán đến bảng điều khiển.
  Bước 9: Bảng điều khiển sau khi nhận được yêu cầu thực hiện truy suất cơ sở dữ liệu để lấy kết quả dự đoán.
  Bước 10: Cơ sở dữ liệu trả về kết quả dự đoán cho bảng điều khiển.
  Bước 11: Bảng điều khiển trả về kết quả cho client. Client nhận được kết quả hiển thị cùng với các icon phù hợp.

Toàn bộ quá trình nhận dữ liệu và trả về dự đoán được thực hiện dựa trên bộ Restful API của bảng điều khiển.

Kết luận

Đề tài này được chúng em thực hiện sau quá trình nghiên cứu và tìm hiểu các công nghệ phổ biến hiện nay như TypeScript, PostgreSql, Rest API, Android SDK, Keycloak, Microservices, Machine Learning, Deep Learning, Bi-LSTM, … cùng quá tình rèn luyện, học tập thôpng qua các đồ án môn học tại trường Đại học Công nghệ Thông tin và tham gia các dự án cộng đồng.

Kết quả của quá trình này là sự kết hợp nhiều kiến thức, kĩ năng và nhiều công nghệ khác nhau nhằm tạo ra một hệ thống hoàn chỉnh, đáp ứng được các yêu cầu mà chúng em đã đặt ra. Hệ thống quản lí thiết bị IoT với chức năng kết nối và quản lí nhiều loại thiết bị IoT qua nhiều phương thức đa dạng, cùng với khả năng dự đoán mưa dựa trên mô hình trí tuệ nhân tạo được xây dựng và đào tạo dựa trên bộ dữ liệu mà hệ thống thu được từ các thiết bị đã kết nối.

Quá trình thực hiện đề tài đã giúp nhóm em trau dồi thêm được nhiều kĩ năng như làm việc nhóm, chia sẻ công việc, trao đổi ý tưởng, tổng hợp kết quả và trình bày báo cáo kết hợp cùng nhiều kĩ năng khác đã tích luỹ qua quá trình học tập tại trường để có được một bài báo cáo đầy đủ, chuyên nghiệp.