Số hóa để vận hành các bãi đỗ xe tự động

Theo thống kê của ngành Giao thông vận tải Hà Nội, đến đầu năm 2024, Thủ đô có trên 8 triệu phương tiện đăng ký gồm 1,1 triệu ô tô, hơn 6,7 triệu xe máy, 200.000 xe đạp điện, chưa kể khoảng trên 1 triệu phương tiện các tỉnh, thành phố khác lưu thông trên địa bàn Hà Nội.

Tốc độ gia tăng phương tiện giao thông rất nhanh trong khi quỹ đất có giới hạn đã khiến việc tìm nơi gửi xe trong thành phố gặp nhiều khó khăn. Ngoài ra, việc quản lý và trông coi các bãi đỗ xe công cộng chưa hiệu quả cũng góp phần làm tăng thêm tình trạng thiếu chỗ đỗ xe.

Trước thực trạng này, việc thực hiện số hóa khâu vận hành các bãi đỗ xe tự động trở nên cấp thiết, giúp tiết kiệm nhân lực, quản lý tập trung, thanh toán dễ dàng và gửi xe nhanh chóng.

Theo nhóm nghiên cứu Hà Công Minh, TS. Trương Công Tuấn và PGS.TS. Vũ Toàn Thắng, Trường Cơ khí, Đại học Bách Khoa Hà Nội (Nhóm nghiên cứu), giải pháp số hóa điều khiển hệ thống cửa ra vào bãi đỗ xe tự động ứng dụng tích hợp các công nghệ xử lý ảnh, xử lý dữ liệu qua Database MongoDB sử dụng dịch vụ Mongo Atlas chạy trên môi trường cloud phù hợp với điều kiện kinh tế tại Việt Nam.

Ứng dụng công nghệ thông tin giúp vận hành bãi xe tự động thuận tiện hơn

Hoạt động của hệ thống bắt đầu bằng việc camera thu thập dữ liệu video từ bãi đậu xe. Dữ liệu này được chuyển đến PC hoặc máy tính tích hợp để xử lý và phát hiện biển số xe. Nếu phát hiện biển số xe, hình ảnh biển số xe sẽ được cắt và gửi về máy chủ trung tâm, phần backend.

Backend là trung tâm xử lý chính, thực hiện các nhiệm vụ quan trọng như phân tích hình ảnh để nhận dạng ký tự biển số xe, lưu thông tin vào cơ sở dữ liệu MongoDB, điều khiển cổng ra vào. Dữ liệu được cung cấp lên giao diện trang web, cho phép người dùng theo dõi việc nhập xe, thanh toán và kiểm tra cửa xe. Ngoài ra, người dùng có thể sử dụng ứng dụng di động để quản lý thông tin cá nhân, nạp tiền và mua vé tháng

Cụ thể, mô hình hệ thống điều khiển gồm các thành phần chính: (1) Camera stream video; (2) một PC hoặc máy tính nhúng nhận video từ camera, sử dụng thuật toán xử lý ảnh để phát hiện có hay không biển số xe; (3) Backend là nơi xử lý logic lớn nhất làm các nhiệm vụ: tiếp nhận ảnh cắt biển số từ PC hoặc máy tính nhúng, sử dụng model được đào tạo trước để phát hiện ký tự biển số từ ảnh, lưu ảnh và ký tự biển số, gửi tín hiệu điều khiển cửa tới Firebase, đọc giá trị từ Firebase để thực hiện các logic đóng mở cửa chính xác, cung cấp dữ liệu cho giao diện website để hiển thị, nhận các thông tin điều khiển từ website,...

Website là nơi hiển thị các dữ liệu của hệ thống như lượt xe ra vào, thanh toán. Đồng thời đây còn là nơi gửi các thông tin điều khiển về backend. Còn ứng dụng di động là nơi để người dùng sử dụng, quản lý các thông tin cá nhân cũng như nạp, thanh toán tiền, mua vé tháng.....

Hệ thống điều khiển còn có các thành phần:

MongoDB: nơi lưu trữ các thông tin của hệ thống như thời gian ra vào, biển số xe, số tiền thanh toán,...

Cloudinary: Nơi lưu ảnh biển số khi xe ra vào bãi.

Firebase: Nơi nhận các dữ liệu điều khiển cửa từ backend và đồng bộ thời gian thực xuống mạch điều khiển ESP32. Đồng thời Firebase cũng tiếp nhận các tín hiệu khoảng cách từ ESP32 và đồng bộ thời gian thực về backend.

ESP32: Là một mạch điều khiển, nhận tín hiệu điều khiển cửa từ firebase và bắn xung để điều khiển động cơ chính xác.

Động cơ: Cơ cấu chấp hành đóng mở cửa.

Trong hệ thống trên, hầu hết các dịch vụ đều được chạy trên môi trường cloud, từ đó mang lại sự thuận tiện và khả năng mở rộng cao cho hệ thống.

Với các sự lựa chọn về công nghệ như trên giúp cho ta có thể truy cập giao diện điều khiển bất cứ đâu, bất cứ lúc nào chỉ với các thiết bị được kết nối Internet. Ngoài ra, khi chạy trên môi trường cloud, nếu số lượng người dùng tăng lên thì ta có thể cài đặt để mở rộng nhanh chóng và dễ dàng, không phụ thuộc phần cứng trước đó. Hệ thống điều khiển barrier gồm có 1 module điều khiến ESP32, 2 động cơ servo và 2 công tắc để có thể mở barrier trực tiếp khi gặp sự cố.

Quy trình các bước điều khiển cửa ra - vào xe

Thuật toán điều khiển cửa vào sẽ được thực hiện qua các bước.

Bước 1: Xe xuất hiện, camera thu nhận video và stream về PC/máy tính nhúng. Sau khi PC khoanh vùng được biển số, sẽ cắt ảnh biển số đó, phát hiện ra được biển số và QR code sẽ gửi lên server xử lý.

Bước 2: Sau khi server nhận được ảnh biển số sẽ kiểm tra tính xác thực của biển số vừa nhận được: kiểm tra định dạng của biển số có đúng định dạng biển số xe Việt Nam hay không và sau đó sẽ thông tin phát hiện vào cơ sở dữ liệu (database) và gửi tín hiệu lên firebase để mở barrier.

Bước 3: ESP32 sẽ đọc tín hiệu từ firebase để điều khiển động cơ mở barrier.

Bước 4: Phát hiện xe qua barrier hay chưa, nếu rồi thì gửi tín hiệu đóng barrier lên firebase.

Bước 5: ESP32 sẽ đọc tín hiệu từ firebase để điều khiển động cơ đóng barrier.

Trong khi đó, thuật toán điều khiển cửa ra sẽ được vận hành theo quy trình như sau:

Bước 1: Xe xuất hiện, camera thu nhận video và stream về PC/máy tính nhúng. Sau khi PC khoanh vùng được biển số, sẽ cắt ảnh biển số đó, phát hiện ra được biển số và QR code sẽ gửi lên server xử lý.

Bước 2: Sau khi server nhận được ảnh biển số và userID sẽ kiểm tra trong database tính xác thực của tài khoản bởi userID, từ đó sẽ có những phương thức thanh toán khác nhau, nếu không là hội viên thì sẽ thanh toán qua QRcode, nếu là hội viên thì sẽ thanh toán tự động qua tài khoản đã được đăng kí trên ứng dụng di động.

Bước 3: Server thực hiện thanh toán tiền và cập nhật database, sau đó gửi tín hiệu mở barrier lên firebase.

Bước 4: ESP32 sẽ đọc tín hiệu từ firebase để điều khiển động cơ mở barrier.

Bước 5: Phát hiện xe qua barrier hay chưa, nếu rồi thì gửi tín hiệu đóng barrier lên firebase.

Bước 6: ESP32 sẽ đọc tín hiệu từ firebase để điều khiển động cơ đóng barrier.

Theo nhóm nghiên cứu, giải pháp điều khiển hệ thống cửa ra vào bãi đỗ xe tự động ứng dụng công nghệ xử lý ảnh kết hợp hệ thống thời gian thực và lưu trữ dữ liệu trên điện toán đám mây, quản lý tập trung trên máy chủ giúp tăng cao độ chính xác, bảo mật và an toàn, đồng thời dễ dàng kiểm tra, trích xuất dữ liệu khi cần thiết. Việc nhận diện biển số xe thông qua huấn luyện Yolov5-tiny trên Google Colab tiến hành đánh giá độ chính xác trên tập 1652 bức ảnh, thu được kết quả 94%./.