Hệ thống quản lý rác thải trong đô thị thông minh dựa trên công nghệ NB-IoT

Chia sẻ: Phó Cửu Vân | Ngày: | Loại File: PDF | Số trang:6

Thêm vào BST

Báo xấu

20
lượt xem 5
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài báo "Hệ thống quản lý rác thải trong đô thị thông minh dựa trên công nghệ NB-IoT" đề xuất thiết kế hệ thống quản lý rác thải thông minh dựa trên công nghệ kết nối Internet vạn vật băng thông hẹp (NB-IoT) với các chức năng quản lý, theo dõi mạng lưới thùng rác trong đô thị, từ đó đưa ra các kịch bản thu gom rác thải kịp thời. Cụ thể, các thùng rác thông minh được kết nối đến trung tâm điều khiển thông qua công nghệ NB-IoT giúp đảm bảo kết nối ổn định, tiết kiệm năng lượng và chi phí vận hành. Mời các bạn cùng tham khảo!

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Hệ thống quản lý rác thải trong đô thị thông minh dựa trên công nghệ NB-IoT

Hội nghị Quốc gia lần thứ 26 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2023) Hệ Thống Quản Lý Rác Thải Trong Đô thị Thông Minh Dựa Trên Công Nghệ NB-IoT Đinh Quang Lâm, Vũ Hoàng Long, Nguyễn Ngọc Tân*, và Nguyễn Nam Hoàng Trường Đại học Công nghệ, Đại học Quốc Gia Hà Nội Email: dqlamuet@gmail.com, otakusky141@gmail.com, tan.nguyen@vnu.edu.vn, hoangnn@vnu.edu.vn Abstract— Hiện nay, các giải pháp quản lý và thu gom Trong các nghiên cứu gần đây, các thuật toán định rác thải tại các thành phố lớn ở Việt Nam đều đang được tuyến tối ưu được phát triển cho hệ thống vận tải đã thực hiện thủ công và chưa mang lại hiệu quả. Điều này được nghiên cứu kỹ lưỡng và nhiều hệ thống vận tải dẫn đến tình trạng rác thải quá tải, gây ảnh hưởng đến thông minh đã được triển khai trong cuộc sống hàng cảnh quan môi trường và người dân trong đô thị. Để giải quyết vấn đề trên, bài báo này đề xuất thiết kế hệ thống ngày của chúng ta. Đặc biệt, có nhiều nghiên cứu về quản lý rác thải thông minh dựa trên công nghệ kết nối việc cung cấp hệ thống thu gom rác thải. Mô hình định Internet vạn vật băng thông hẹp (NB-IoT) với các chức tuyến tối ưu hệ thống thông tin địa lý (GIS) được đề năng quản lý, theo dõi mạng lưới thùng rác trong đô thị, xuất trong nghiên cứu [1] để quản lý hiệu quả việc vận từ đó đưa ra các kịch bản thu gom rác thải kịp thời. Cụ chuyển chất thải rắn đến địa điểm chôn lấp cho Asansol thể, các thùng rác thông minh được kết nối đến trung Municipality Corporation, Ấn Độ. Mô hình đề xuất tâm điều khiển thông qua công nghệ NB-IoT giúp đảm cũng hỗ trợ cân bằng tải trên các phương tiện, quản lý bảo kết nối ổn định, tiết kiệm năng lượng và chi phí vận tiêu thụ nhiên liệu và tạo lịch làm việc cho công nhân hành. Nền tảng xử lý dữ liệu với các thuật toán lập lịch và phương tiện. Công trình [2] trình bày một mô hình và định tuyến sẽ tối ưu đường đi cho các xe thu gom sao cho không còn xảy ra tình trạng thùng rác quá tải trong giám sát thời gian thực của các container bằng cách sử đô thị. Hiệu năng của thuật toán được đánh giá bằng dụng cảm biến. Dữ liệu được sử dụng để xác định phân hàm tổng chi phí của hệ thống được xác định dựa trên phối tối ưu các container. Các tác giả trong nghiên cứu hai tham số thời gian quá tải (Penalty time), đại diện cho [3] đề xuất một mô hình thu gom rác thải rắn bằng cách thời gian từ khi thùng rác đầy cho đến khi được thu gom, thiết kế lịch trình hàng ngày cho xe tải tại thành phố và quãng đường di chuyển (Operating distance) của xe Porto Alegre, Brazil, mục tiêu chính của công trình này thu gom. là giảm thiểu tổng chi phí hoạt động và chi phí cố định Keywords- Quản lý rác thải, NB-IoT, định tuyến thu của xe tải. Tuy nhiên, các nghiên cứu nêu trên chỉ tập gom, Genetic algorithm. trung vào việc cải thiện lộ trình (operating distance) bằng việc giám sát xe thu gom mà chưa chú ý đến giám I. GIỚI THIỆU sát thùng rác để ngăn ngừa tình trạng rác thải quá tải, ứ Những tiến bộ gần đây trong sản xuất thiết bị di đọng trong thành phố. Do đó, trong nghiên cứu này, động và cảm biến thông minh, cùng khả năng kết nối chúng tôi đề xuất áp dụng thêm hệ thống IoT để giám của chúng vào các mạng di động thế hệ mới, đã mở ra sát và đo lường thời gian quá tải của thùng rác, sau đó cơ hội rộng lớn cho công việc nghiên cứu và phát sử dụng tham số đại diện cho thời gian quá tải “Penalty triển các ứng dụng IoT (Internet vạn vật) trong thành time” kết hợp quãng đường di chuyển “operating phố thông minh. Do đó, nhiều giải pháp IoT đã được distance” để tối ưu và đánh giá hiệu năng hệ thống. đề xuất trong các thành phố như giám sát giao thông Về khía cạnh công nghệ, đã có nhiều giải pháp thông minh, kiểm soát chất lượng nước thải, giám sát được đề xuất để cung cấp kết nối cho hệ thống thu thập không khí hay đo lượng tiêu thụ điện, nước từ xa, v.v.. dữ liệu và quản lý rác thải. Các giải pháp này bao gồm Tuy nhiên, vẫn còn nhiều khía cạnh khác của sử dụng Công nghệ kết nối Zigbee trong [4], WiFi thành phố hiện đại chưa được chú ý tương xứng với trong [5] hay 5G trong [2]. Tuy nhiên, các công nghệ mức độ quan trọng của nó, chẳng hạn như "quản lý kết nối này vẫn còn nhiều hạn chế cho việc triển khai rác thải trong đô thị”. Đặc biệt là tại các đất nước hệ thống IoT trong khu đô thị. Chẳng hạn như Zigbee đang phát triển như Việt Nam, trong khi mức độ đô và Wifi chỉ bao phủ một khu vực kết nối nhỏ, có phạm thị hoá cùng với dân số tăng nhanh nhưng các hệ vi từ 10 đến 100 mét, trong khi 5G không tối ưu về mặt thống quản lý và thu gom rác thải vẫn được thực hiện năng lượng và chi phí cho các thiết bị cảm biến không một cách thủ công, thiếu các kịch bản xử lý. Điều này dây (WSN). Do đó, trong nghiên cứu này, chúng tôi lựa dẫn việc rác thải ứ đọng trong các khu đô thị và tắc chọn công nghệ kết nối NB-IoT, được thiết kế dành nghẽn khi vận chuyển đến các nơi xử lý rác. riêng cho các giải pháp IoT phạm vi rộng. NB-IoT có phủ sóng trên 10 km, hỗ trợ số lượng kết nối lớn trên ISBN ............ 978-604-80-8932-0 107
Hội nghị Quốc gia lần thứ 26 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2023) 100.000 thiết bị mỗi cell, chi phí vận hành rẻ. Hơn nữa, hữu ích sau khi được xử lý cho người dùng như lưu thiết bị NB-IoT có giá thành thấp và tiêu thụ ít năng lượng sử dụng, vị trí của thùng rác. Lịch trình, tuyến lượng hơn so với thiết bị sử dụng 4G/5G hay Wifi. đường tối ưu cho đơn vị thu gom rác và giao diện Đáng chú ý, công nghệ kết nối NB-IoT tại Việt Nam đã quản lý, phản ánh cho chính quyền và người dân. được các nhà mạng lớn như Viettel và Mobifone triển khai thành công trên hạ tầng mạng 4G băng tần B. Phần cứng 1800MHz và sẵn sàng để hỗ trợ việc phát triển các ứng Thiết bị Cảm biến mức thùng rác bao gồm bốn khối dụng IoT. Bên cạnh đó, bài báo này cũng trình bày một chính: Khối cảm biến (Sensor), khối truyền thông thiết kế hệ thống IoT toàn diện với các chức năng đầy (Module NB-IoT), Khối nguồn (Power supply) và khối đủ cho việc truyền thông, xử lý dữ liệu và tương tác với xử lý trung tâm (MCU). người dùng. Bài báo được cấu trúc như sau: Phần II Khối cảm biến sử dụng cảm biến siêu âm để đo trình bày về mô hình hệ thống được đề xuất, Phần III khoảng cách. Hoạt động bằng cách phát sóng âm với trình bày về thuật toán định tuyến cho các xe thu gom, tần số cao, cảm biến đo thời gian sóng phản xạ trở lại Phần IV là kết quả đánh giá về hiệu năng hệ thống. Các để tính toán khoảng cách, từ đó nhận biết lưu lượng rác kết luận được trình bày trong phần V. trong thùng. Nguồn cấp cho cảm biến có thể từ 5V đến 20V DC. Cảm biến có phạm vi hoạt động từ 2cm đến II. MÔ HÌNH HỆ THỐNG 400cm, với độ chính xác khoảng 3mm. A. Tổng quan hệ thống Khối truyền thông sử dụng module SIMCOM 7020E NB-IoT, cung cấp kết nối không dây ổn định và Mô hình hệ thống quản lý rác thải được đề xuất tiết kiệm năng lượng cho thiết bị. Module hỗ trợ mạng trong Hình 1 bao gồm thùng rác thông minh (Smart NB-IoT và GSM/GPRS, với tốc độ truyền dữ liệu lên Bin), công nghệ kết nối (NB-IoT), nền tảng xử lý dữ đến 27.2 kbps cho NB-IoT. Ngoài ra, nó hỗ trợ các hệ liệu (Data Processing Platform), và giao diện người thống định vị vệ tinh như GPS/GLONASS/BeiDou/ dùng (Web/App). Những chiếc thùng rác thông thường Galileo/QZSS để xác định vị trí chính xác. được trang bị thêm cảm biến siêu âm để theo dõi mức độ đầy của thùng. Ngoài ra, chúng được tích hợp mô- Khối nguồn cung cấp năng lượng liên tục và ổn đun truyền thông NB-IoT, cho phép chúng gửi dữ liệu định, gồm hai viên pin dung lượng 3700mAh, điện áp về nền tảng xử lý dữ liệu. 3.7V, kết hợp với module tăng áp để cấp nguồn 5V cho hệ thống. Khối xử lý trung tâm (MCU) tổng hợp dữ liệu từ cảm biến, tiền xử lý và chuyển đổi thành các bản tin MQTT. Sau đó, nó chuyển thông tin đến module NB- IoT để truyền thông các bản tin về độ đầy và vị trí thùng rác lên mạng lưới NB-IoT. MCU đóng vai trò quan trọng trong việc đảm bảo hoạt động hiệu quả và tối ưu cho thiết bị Cảm biến mức thùng rác. Hình 1: Mô hình hệ thống. C. Công nghệ kết nối IoT băng hẹp (NB-IoT) IoT (The Internet of Things), hay Internet Vạn Vật Quy trình hoạt động của hệ thống quản lý rác thải là thuật ngữ mô tả mạng lưới các thiết bị, đồ vật được được minh hoạ trong Hình 1. Đầu tiên Thiết bị Cảm kết nối Internet, được cung cấp định danh riêng (UIDs) biến mức đầy của thùng rác được lắp ở nắp thùng sẽ và có khả năng tự động truyền tải dữ liệu qua một thu thập thông tin về độ đầy và vị trí của thùng rác. mạng mà không cần tương tác giữa con người với máy Sau đó, những thông tin này sẽ được gửi đi dưới định tính. Một cách ngắn gọn, IoT đơn giản là đem tất cả dạng các bản tin MQTT qua mạng lưới NB-IoT đến mọi vật trên thế giới và kết nối chúng với Internet. Kết nền tảng xử lý dữ liệu. Nền tảng này được xây dựng nối IoT được phân chia thành ba nhóm chính: với một trung gian MQTT (MQTT Broker), một cơ sở dữ liệu phi cấu trúc noSQL (mongoDB) và một máy § Traditional Cellular: Kết nối vùng phủ rộng, băng chủ Web (Web server). Trong đó, MQTT Broker hoạt thông lớn, năng lượng tiêu thụ cao. Ví dụ: mạng di động như một trạm trung chuyển các bản tin nhận động 3G, 4G, 5G. được từ mạng lưới đến hệ thống Cơ sở dữ liệu § Short range IoT: Kết nối vùng phủ hẹp, băng (Database). Cơ sở dữ liệu này lưu trữ thông tin từ thiết thông lớn, năng lượng tiêu thụ thấp. Ví dụ: WiFi, bị Cảm biến mức thùng rác và các dữ liệu xử lý từ Zigbee, Bluetooth,... máy chủ. Máy chủ Web (Web server) là trung tâm xử § LPWA (Low-Power Wide-Area): Kết nối vùng lý và đưa ra quyết định. Cuối cùng, một ứng dụng phủ rộng, băng thông thấp, năng lượng tiêu thụ web được xây dựng để hiển thị những những thông tin thấp. Ví dụ: NB-IoT, LoRa, Sigfox,... ISBN ............ 978-604-80-8932-0 108
Hội nghị Quốc gia lần thứ 26 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2023) Hình 3: Đặc điểm công nghệ NB-IoT Hình 2: Phân loại công nghệ kết nối IoT D. Nền tảng xử lý dữ liệu So sánh với Short-range IoT và Cellular, kết nối LPWA phù hợp nhất trong triển khai các giải pháp IoT Nền tảng xử lý dữ liệu bao gồm 4 thành phần được cho khu đô thị thông minh hay khuôn viên ngoài trời mô tả ở Hình 4 dưới đây. vì LPWA mang lại hiệu quả cho việc cải thiện vùng phủ, tối ưu năng lượng tiêu thụ và tiết kiệm chi phí vận hành. Theo thống kê từ IoT Analytics năm 2021 [6], kết nối NB-IoT đã tăng lên đến 75% và trở thành loại kết nối chiếm ưu thế nhất trong các loại kết nối LPWA (chiếm 44%). NB-IoT được phát triển bởi 3GPP và được chuẩn hóa như một phần của 3GPP phiên bản 13 vào tháng 6 năm 2016. Nó là công nghệ di động tế bào dựa trên Hình 4: Sơ đồ khối hoạt động của nền tảng LTE (4G), được thiết kế dành riêng cho các ứng dụng LPWA, sử dụng phổ tần được cấp phép. NB-IoT được MQTT Broker (Trung chuyển MQTT): Đóng thiết kế để cải thiện vùng phủ sóng 20dB so với GSM vai trò như một trạm trung gian chuyển tất cả dữ liệu (2G), thời gian hoạt động của pin từ 10 - 15 năm, chi của các thùng rác trong khu vực đến Cơ sở dữ liệu. Một phí thiết bị thấp và khả năng tương thích với cơ sở hạ chương trình được viết bằng ngôn ngữ JavaScript theo tầng mạng di động hiện tại, và cùng mức bảo mật như dõi các bản tin mới trên MQTT Broker và cập nhật LTE. NB-IoT có thể được triển khai trong nhiều dải tần chúng vào Cơ sở dữ liệu. số khác nhau và sử dụng băng thông chỉ 200 kHz. Database (Cơ sở dữ liệu): Đây là nơi lưu trữ dữ Bảng 1: Các thông số kỹ thuật công nghệ NB-IoT liệu của hệ thống. Với nhu cầu lưu trữ dữ liệu đơn giản NB-IoT 200kHz và ưu tiên hiệu suất nhanh của hệ thống IoT, chúng tôi sử dụng cơ sở dữ liệu phi cấu trúc (NoSQL). Vùng phủ 10-15 km Web server (Máy chủ Web): Là nơi trực tiếp kết Tuổi thọ pin >10 năm nối và truy xuất dữ liệu từ cơ sở dữ liệu để xử lý với Băng tần LTE Band các thuật toán và hiển thị kết quả dưới dạng giao diện Băng thông 200 kHz tương tác cho người dùng (Hình 5). Máy chủ web được DL: OFDMA với khoảng cách xây dựng theo cấu trúc MVC (Model-View- sóng mang con 15 kHz Controller). Điều chế UL: Phát Single tone 3.75/15 kHz, Ứng dụng web (Web app): Là các ứng dụng Multi tone SC-FDMA với khoảng tương tác, hỗ trợ người dùng trong công việc quản lý, cách sóng mang con 15 kHz thu gom và sử dụng các thùng rác trong khu vực. Giao Tốc độ tối đa 67 kbps (UL/DL) diện cung cấp bản đồ hiển thị lộ trình được đề xuất của Link budget 164 dB các xe thu gom cùng với thông tin về độ đầy và vị trí Dung lượng Trên 100k thiết bị IoT mỗi Cell các thùng rác. Ngoài giao diện trên, ứng dụng Web còn cung cấp một giao diện tổng hợp, trong đó người sử So với các các công nghệ LPWA khác như LTE M, dụng có thể tìm thấy danh sách các thùng rác và xe thu SigFox và Lora, NB-IoT có hiệu năng tốt hơn và hỗ trợ gom nằm trong khu vực. Cuối cùng là chức năng thống nhiều tính năng ưu việt hơn cho thiết bị đầu cuối như: kê dữ liệu và hiển thị về thời gian quá tải của thùng rác tiết kiệm năng lượng, định vị, tối ưu đường truyền, tăng cũng như quãng đường di chuyển của các xe thu gom cường thông lượng, v.v.. Các đặc điểm chính của NB- nhằm phục vụ quá trình quản lý, đáng giá hiệu năng IoT được thể hiện như Hình 3. của hệ thống và các kịch bản thu gom. ISBN ............ 978-604-80-8932-0 109
Hội nghị Quốc gia lần thứ 26 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2023) toán này là tối thiểu hóa khoảng cách di chuyển giữa các điểm cần ghé thăm. Điểm xuất phát và điểm kết thúc là vị trí ban đầu của xe tải thu gom rác, thuật toán cố gắng tìm một chuỗi liên tiếp các điểm cần đến sao cho khoảng cách là ngắn nhất. Thuật toán Nearest Neighbor được mô tả trong lưu đồ dưới đây: Hình 5: Luồng xử lý của Web server III. THUẬT TOÁN THU GOM RÁC TỐI ƯU Trong nghiên cứu này, chúng tôi hướng đến giải quyết bài toán thùng rác quá tải trên đường phố gây ảnh hưởng tới môi trường và cư dân trong khi vẫn tối ưu về mặt chi phí cho bên thu gom. Vì vậy, như đã đề cập ở phần I, hệ thống IoT này được áp dụng để giám Hình 6. Thuật toán Nearest Neighbor sát các thông số của thùng rác và đề xuất tối ưu lộ trình B. Thuật toán Genetic di chuyển cho xe thu gom dựa trên sự kết hợp giữa hai tham số “Operating distance” và “Penalty time”. Thuật toán Genetic là một phương pháp tối ưu hóa Trong đó, “Operating distance” là tổng quãng đường dựa trên ý tưởng về tiến hóa tự nhiên. Trong mô phỏng di chuyển của xe thu gom, đây là một tham số quan của chúng tôi, thuật toán này được áp dụng để giải trọng để đánh giá tính tối ưu về mặt chi phí của hệ quyết bài toán tìm đường đi tối ưu nhất đến các node thống. “Penalty time” là thời gian quá tải của thùng rác trong một hệ thống. Trong đó một node ở đây là một hay khoảng thời gian tính từ lúc thùng rác đầy đến lúc thùng rác thông minh. Mục tiêu của thuật toán Genetic thùng rác được thu gom. Do đó khi “Penalty time” là tìm ra lịch trình thu gom rác tối ưu sao cho tổng bằng không nghĩa là thùng rác được thu gom kịp thời “quãng đường di chuyển” của xe thu gom và “tổng và không xảy ra tình trạng thùng rác quá tải. thời gian quá tải” của thùng rác là thấp nhất. Thuật toán Genetic được mô tả bằng lưu đồ dưới đây. Hệ thống được mô phỏng với hai thuật toán tối ưu là Nearest Neighbor và Genetic. Thuật toán Nearest Neighbor (Hình 6) là một giải pháp phổ biến và hiệu quả cho bài toán Traveling Salesman Problem (TSP), mục đích của bài toán này tìm lộ trình ngắn nhất để ghé thăm một lần tất cả các điểm và trở về điểm xuất phát ban đầu. Mặc dù đã được nhiều nghiên cứu trước đây sử dụng, ví dụ như trong các nghiên cứu [7], [8], và [9], tuy nhiên, thuật toán này chưa hiệu quả khi đối mặt với tập dữ liệu lớn và chưa thể giải quyết tối ưu vấn đề định tuyến thu gom rác thải trong khu đô thị. Chúng tôi đặt ra bài toán cần giải quyết là Vehicle Routing Problem with Time Window (VRPTW), quản lý phương tiện và phục vụ một nhóm đối tượng trong khung thời gian yêu cầu, có sự ràng buộc về dung lượng giới hạn của mỗi phương tiện có thể phục vụ. Mục tiêu là xác định lộ trình tối ưu để giảm tổng chi phí hệ thống, bao gồm cả khoảng cách di chuyển, thời gian phục vụ và các ràng buộc khác. Vì vậy, Genetic Hình 7. Thuật toán Genetic (Hình 7) là thuật toán chúng tôi sử dụng vì tính hiệu § Bước 1: Tạo quần thể ban đầu: quả và phù hợp để áp dụng cho hệ thống IoT đề xuất. Ban đầu, thuật toán tạo một tập hợp các giải pháp A. Thuật toán Nearest Neighbor ứng viên. Mỗi giải pháp ứng viên tương ứng với một Thuật toán Nearest Neighbor là một phương pháp lịch trình di chuyển của các xe thu gom rác. Các giải tìm đường đi dựa trên việc luôn chọn điểm gần nhất từ pháp này được tạo ra một cách ngẫu nhiên và tạo nên vị trí hiện tại để tiếp tục hành trình. Mục tiêu của thuật quần thể ban đầu. Kích thước của quần thể là n. ISBN ............ 978-604-80-8932-0 110
Hội nghị Quốc gia lần thứ 26 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2023) § Bước 2: Đánh giá thể trạng của các cá thể trong quần thể: Để đánh giá chất lượng của từng giải pháp ứng 390.26m 6% 1130.94m viên, thuật toán tính toán điểm thể trạng. Điểm thể 701.35m 10% 17% trạng có thể hiểu là tổng chi phí để thực thi giải pháp 766.48m 771.10m ứng viên đó. Trong trường hợp này, điểm thể trạng 11% 11% được tính dựa trên tổng thời gian quá tải của các thùng m 714.84 rác và tổng quãng di chuyển của các xe thu gom. 11% 8080.58m 41.27.km § Bước 3: Loại bỏ các cá thể có điểm thể trạng yếu: 12% 100% Dựa trên điểm đánh giá ở bước 2, quần thể được Hình 8. Kết quả mô phỏng với thuật toán Nearest Neighbor sắp xếp lại từ các giải pháp ứng viên có điểm thể trạng hay còn được hiểu là tổng chi phí từ cao đến thấp. Sau đó, chỉ tập trung vào tập hợp n giải pháp có chi phí thấp nhất để làm bước tiếp theo. § Bước 4: Lựa chọn cặp cha mẹ: Các cá thể trong tập hợp có chi phí thấp nhất sau 25.57.km 48% 28.15km quá trình đánh giá và lựa chọn sẽ được chọn cặp với 52% nhau để tạo ra cá thể mới. Việc tạo ra cá thể mới được thực hiện thông qua việc kết hợp các đặc điểm hoặc lịch trình của cặp cha mẹ, giống như cách di truyền thông tin từ cha mẹ tới con cái trong tự nhiên. Thuật toán Genetic sẽ lặp lại các bước trên qua Hình 9. Kết quả mô phỏng với thuật toán Genetic nhiều thế hệ để tiến hóa và cải thiện giải pháp. Mục Bảng 2:So sánh kết quả mô phỏng giữa hai thuật toán tiêu cuối cùng là tìm ra một lịch trình và thời điểm thu Algorithm Penalty time Operating gom tối ưu giúp ngăn ngừa tình trạng quá tải rác cũng (Thuật toán) (Thời gian quá distance như tối ưu quãng đường di chuyển của xe thu gom. tải) (Quãng đường hoạt động) IV. KẾT QUẢ MÔ PHỎNG Nearest Neighbor 6805.5 phút 41.27 km Việc triển khai một hệ thống thu gom quy mô lớn trong thực tế đối mặt với nhiều thách thức về tài Genetic 0 phút 53.71 km nguyên và chi phi. Nhằm đánh giá hiệu quả của các thuật toán tối ưu khi áp dụng vào hệ thống, chúng tôi Để so sánh hiệu năng của hai thuật toán mô phỏng, đã phát triển và thực hiện các kịch bản mô phỏng chi công thức tính tổng chi phí của hệ thống được chúng tiết. Các kịch bản này không chỉ giúp xác định khả tôi xây dựng như sau: năng và hạn chế của thuật toán mà còn đặt nền tảng cho những phương hướng triển khai tiềm năng trong hệ thống thu gom rác thải đô thị. Trong đó, "Operating distance" và "Penalty time" Dữ liệu đầu vào của hệ thống bao gồm thông tin về đã được định nghĩa trước đó, “Velocityavr” đại diện cho mạng lưới thùng rác thông minh với 10 thùng rác, vị trí vận tốc trung bình của xe rác trong quá trình thu gom, (kinh độ và vĩ độ) và dung tích (660 lít) của mỗi thùng. với giá trị sau quá trình mô phỏng là 41.25 km/h cho cả Thêm vào đó là thông tin về hai xe thu gom, gồm vị trí hai trường hợp. "α" là hệ số ưu tiên, đại diện cho tỷ và dung tích 3000 lít của mỗi xe. Để đảm bảo tính trọng giữa "Quãng đường di chuyển" và "Thời gian khách quan, chúng tôi đã thiết kế các kịch bản mô quá tải". Bên thu gom rác thải có thể lựa chọn dải giá phỏng linh hoạt bằng cách thay đổi lưu lượng sử dụng trị "α= (0, 1)" để phù hợp với mục đích ưu tiên của thùng rác và vận tốc của xe thu gom theo thời gian để mình. Công thức này giúp đánh giá trong điều kiện mô phù hợp với điều kiện thực tế. phỏng khi không có yếu tố tắc nghẽn giao thông. Khi Kết quả đầu ra của hệ thống bao gồm "Thời gian đó, "Operating distance" đại diện cho chi phí vận hành quá tải" của các thùng rác được tính bằng phút và của xe thu gom. Quãng đường di chuyển càng lớn, chi "Quãng đường di chuyển" của xe thu gom được tính phí vận hành cũng tăng tuyến tính. Hàm “Total cost” bằng ki-lô-mét, hai tham số này được trực quan hoá được tính bằng đơn vị phút (minitutes). Chúng tôi lấy qua Hình 8 và Hình 9. Hơn nữa, dữ liệu thu nhập từ đại diện 3 giá trị “α” lần lượt là 0.1, 0.5 và 0.9 tương hành vi sử dụng thùng rác của cư dân có giá trị cho ứng cho 3 mức độ ưu tiên thấp, cân bằng và cao đối với việc phân bổ lại số lượng và vị trí của các thùng rác sao tham số “Penalty time” để so sánh tổng chi phí hệ cho phù hợp với yêu cầu của từng khu vực khác nhau. thống giữa hai thuật toán. ISBN ............ 978-604-80-8932-0 111
Hội nghị Quốc gia lần thứ 26 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2023) Bảng 3: So sánh tổng chi phí giữa hai thuật toán các xe thu gom rác của thuật toán Genetic so với Nearest Neighbor với “penalty time” bằng không và α =0.1 α =0.5 α =0.9 tổng chi phí hệ thống được tối ưu hơn. Nearest 734.58 phút 3432.77 phút 6130.95 phút Bên cạnh đó, bài báo cũng phổ cập cho độc giả Neighbor về công nghệ kết nối dành riêng cho các thiết bị thông minh phạm vi rộng, năng lượng tiêu thụ thấp NB-IoT. Genetic 70.31 phút 39.06 phút 7.81 phút Hệ thống IoT kết hợp với công nghệ kết nối NB-IoT đại diện cho một xu hướng công nghệ mạnh mẽ trong Trong bài toán này, thuật toán Genetic đã thể hiện tương lai gần. Đây không chỉ là một giải pháp hiệu sự ưu việt vượt trội khi không có thời gian quá tải. Mặc quả cho việc quản lý thu gom rác thải mà còn hứa hẹn dù có khoảng cách lớn hơn 30% nhưng thuật toán là động lực thúc đẩy việc phát triển các giải pháp Genetic đã tối ưu hóa lộ trình để đạt tổng chi phí hệ thông minh khác trong các đô thị hiện đại nhằm nâng thống thấp hơn so với thuật toán Nearest Neighbor. Kết cao sự tiện nghi và chất lượng cuộc sống con người. luận này không chỉ đúng ở ba trường hợp hệ số “α” được đề cập trong Bảng 3 mà còn đúng với tất cả hệ số TÀI LIỆU THAM KHẢO “α” còn lại. Trong khi đó, thuật toán Nearest Neighbor [1] M. A. A. Mamu, M. A. Hannan, and H. Basri, tập trung vào việc chọn điểm gần nhất mà chưa tối ưu "Wireless Sensor Network Prototype for Solid Waste hóa được thời gian quá tải của thùng rác. Điều này cho Bin Monitoring with Energy Efficient Sensing thấy thuật toán Genetic có khả năng định tuyến và tối Algorithm," in 2013 IEEE 16th International Conference on Computational Science and ưu hoá tốt hơn cho bài toán Quản lý Rác thải trong Đô Engineering, 3 December 2013. thị Thông minh. [2] E. Longo et al., "A 5G-Enabled Smart Waste Để hiển thị giao diện tương tác với người dùng, Management System for University Campus," Sensors, chúng tôi xây dựng một giao diện web như Hình 10. vol. 21, no. 24, pp. 8278, Dec. 2021. Giao diện bao gồm bản đồ và các thùng rác trong khu [3] M. Adam, M. E. Okasha, O. M. Tawfeeq, M. A. vực. Các thùng rác màu xanh, vàng và đỏ thể hiện lưu Margan, B. Nasreldeen, “Waste Management System lượng thấp, trung bình và cao tương ứng. Đường màu Using IoT”, in ICCC EEE, Khartoum, Sudan, 2018, pp. 1 - 4. đỏ là lộ trình thu gom rác đã được tối ưu bằng thuật toán Genetic. Phía bên phải giao diện hiển thị chi tiết [4] Md. Abdulla Al Mamun, "Wireless Sensor Network Prototype for solid waste bin monitoring with energy các thông tin về vị trí, dung tích, lưu lượng sử dụng của efficient sensing algorithm," in IEEE 16th International thùng rác. Conference on Computational Science and Engineering, April , 2013. [5] Mohammed Adam, Mohammed Elnour Okasha, Omer Mohammed Tawfeeq, Mohammed Awad Margan, Bakri Nasreldeen: “Waste Management System Using IoT”, International Conference on Computer, Control, Electrical, and Electronics Engineering, August 2018. [6] Knud Lasse Lueth, "IoT 2021 in review: The 10 Most Relevant IoT Developments of the Year," IoT Analytics, January 11, 2022. [7] Lingling Du, Ruhan He: "Combining Nearest Neighbor Hình 10. Giao diện bản đồ lộ trình thu gom rác Search with Tabu Search for Large-Scale Vehicle Routing Problem", International Conference on Solid V. KẾT LUẬN State Devices and Materials Science, December 2012. Trong bài báo này, chúng tôi trình bày thiết kế [8] Nafia Rahma, Annie Purwani, Dwi Nita Febriyanto, "The best route determination using nearest neighbor của một hệ thống IoT tiên tiến dựa trên công nghệ NB- approach," International Journal of Industrial IoT dành cho quản lý rác thải trong Đô thị Thông Optimization, Volume 1 Issue 1 February 2020, pp. 43- minh. Quá trình nghiên cứu bao gồm việc phát triển 52. firmware cho thiết bị cảm biến, tích hợp chúng vào [9] Hermawan, Fahmi, "Optimization Of Transportation of mạng lưới NB-IoT, lưu trữ, xử lý dữ liệu và hiển thị Municipal Solid Waste from Resource to Intermediate thông tin qua giao diện người dùng. Tiếp theo, chúng Treatment Facility with Nearest Neighbour Method," Journal of Environmental Science and Sustainable tôi đề xuất việc ứng dụng thuật toán Genetic để tối ưu Development, 2018, 1(1), pp. 86-99. quá trình thu gom rác dựa trên tham số “Penalty time” và “Operating distance”. Các kết quả mô phỏng đã cho thấy sự hiệu quả hơn trong việc định tuyến cho ISBN ............ 978-604-80-8932-0 112