TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP HÀ NỘI HANOI UNIVERSITY OF INDUSTRY Tập san SINH VIÊN NGHIÊN CỨU KHOA HỌC Số 14 ● 2024 162
NGHIÊN CỨU XÂY DỰNG MÔ HÌNH HỆ THỐNG CẢNH BÁO LŨ LỤT
RESEARCH ON BUILDING A MODEL OF A FLOOD WARNING SYSTEM
Lương Văn Tuyên1,*, Trần Sỹ Phong2, Nguyễn Hữu Quyền3
Nguyễn Khắc Quang3, Phạm Văn Duy3, Đỗ Thị Ngọc Ánh4
1Lớp DTTT 03 - K15, Khoa Điện tử,Trường Đại học Công nghiệp Hà Nội
2Lớp DTTT 06 - K16, Khoa Điện tử,Trường Đại học Công nghiệp Hà Nội
3Lớp DTTT 08 - K16, Khoa Điện tử, Trường Đại học Công nghiệp Hà Nội
4Khoa Điện tử, Trường Đại học Công nghiệp Hà Nội
*Email: atdayedz@gmail.com
TÓM TẮT
Nghiên cứu xây dựng mô hình hệ thống cảnh báo lũ lụt dựa trên việc đo lượng mưa và mực nước là một đề tài quan
trọng và cấp bách trong bối cảnh biến đổi khí hậu và quá trình đô thị hóa ngày càng gia tăng. Lượng mưa và mực nước là
hai yếu tố then chốt ảnh hưởng trực tiếp đến sự hình thành và diễn biến của lũ lụt. Bằng cách thu thập và phân tích các dữ
liệu về lượng mưa từ các trạm quan trắc khí tượng và các chỉ số mực nước từ hệ thống thủy văn, các nhà nghiên cứu có
thể xây dựng các mô hình toán học để mô phỏng và dự báo quá trình lũ. Các mô hình này giúp xác định được thời điểm,
phạm vi ảnh hưởng và cường độ của lũ, từ đó đưa ra các cảnh báo kịp thời và chính xác. Để nâng cao độ chính xác của dự
báo, việc phát triển hệ thống cảm biến hiện đại, tích hợp với công nghệ truyền thông và hệ thống thông tin địa lý (GIS) là
rất cần thiết. Hệ thống cảnh báo sớm này sẽ gửi các tín hiệu cảnh báo đến người dân và các cơ quan chức năng qua nhiều
kênh thông tin khác nhau, giúp họ chủ động ứng phó và giảm thiểu thiệt hại. Nghiên cứu không chỉ giúp giảm thiểu những
thiệt hại do lũ lụt gây ra mà còn hỗ trợ công tác quản lý, quy hoạch phát triển đô thị bền vững và nâng cao nhận thức của
cộng đồng về rủi ro thiên tai. Nhờ vậy, cuộc sống của người dân tại các khu vực dễ bị ảnh hưởng sẽ trở nên an toàn và ổn
định hơn.
Từ khóa: Dự báo lũ, IoT, AWS.
ABSTRACT
Research on building a flood warning system model based on measuring rainfall and water levels is an important and
urgent topic in the context of climate change and increasing urbanization. Rainfall and water level are two key factors that
directly affect the formation and evolution of floods. By collecting and analyzing rainfall data from meteorological
monitoring stations and water level indicators from hydrological systems, researchers can build mathematical models to
simulate and predict flood progress report. These models help determine the time, scope of impact and intensity of floods,
thereby providing timely and accurate warnings. To improve forecast accuracy, the development of modern sensor systems,
integrated with communications technology and geographic information systems (GIS), is essential. This early warning
system will send warning signals to people and authorities through many different information channels, helping them
proactively respond and minimize damage. Research not only helps reduce damage caused by floods but also supports
management, planning for sustainable urban development and raising community awareness of natural disaster risks.
Thanks to this, the lives of people in easily affected areas will become safer and more stable.
Keywords: Flood forecasting, IoT, AWS..
1. GIỚI THIỆU
Ngày nay, sự bùng nổ của các thiết bị di động cùng các
cảm biến thông minh đã mở rộng phạm vi và các ứng dụng
dựa trên nền tảng Internet. Internet vạn vật (Internet of
Things – IoT) đề cập đến mạng lưới các đối tượng và thiết
bị được dùng để thu thập và trao đổi dữ liệu, với số lượng
các thiết bị IoT ngày càng gia tăng. Các mô hình sẽ được
triển khai trên cloud xử lý và phân tích dữ liệu nhưng khi
không có mạng, hoặc dữ liệu từ nhiều nguồn gây tắc nghẽn,
trì hoãn việc xử lý của server nên đã sinh ra khái niệm điện
toán biên (Edge Computing) [1] trên các edge device.
TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP HÀ NỘI HANOI UNIVERSITY OF INDUSTRY Tập san SINH VIÊN NGHIÊN CỨU KHOA HỌC Số 14 ● 2024 163Điện toán biên giúp giải quyết một số thách thức quan
trọng liên quan đến các ứng dụng IoT. Với các yêu cầu cần
phản hồi nhanh, thay vì gửi dữ liệu lên tính toán ở các máy
chủ tại đám mây, việc tính toán và lưu trữ có thể thực hiện
trực tiếp tại các thiết bị, do vậy điện toán biên giúp giảm
thiểu thời gian truyền dữ liệu và cho phép đáp ứng với độ
trễ thấp [1, 2].
Bên cạnh ưu điểm, việc triển khai mô hình điện toán
biên cũng gặp không ít khó khăn. Thông thường các thiết bị
như vậy có tài nguyên hạn chế, do đó việc chạy các thuật
toán, phương pháp và ứng dụng trên các thiết bị biên được
coi là một thách thức đáng kể.
2. CƠ SỞ VÀ LÝ THUYẾT
2.1. Tổng quan về đo lượng mưa và mực nước
Đo lượng mưa và mực nước là hai phương pháp quan
trọng trong nghiên cứu và dự báo lũ lụt. Lượng mưa được
đo bằng các trạm quan trắc khí tượng, sử dụng thiết bị như
mưa kế, giúp xác định lượng nước mưa rơi xuống trong một
khoảng thời gian nhất định. Dữ liệu này cung cấp thông tin
về cường độ và phân bố không gian của mưa, yếu tố quan
trọng trong việc dự báo lũ lụt. Mực nước được đo tại các
trạm thủy văn sử dụng thiết bị như thước đo mực nước và
cảm biến áp suất, giúp theo dõi sự thay đổi của mực nước
trong sông, hồ và các hệ thống thủy lợi. Sự kết hợp của dữ
liệu lượng mưa và mực nước cho phép các nhà nghiên cứu
xây dựng các mô hình dự báo lũ, giúp xác định thời điểm
và phạm vi ảnh hưởng của lũ. Điều này đóng vai trò quan
trọng trong hệ thống cảnh báo sớm, giúp người dân và các
cơ quan chức năng có biện pháp ứng phó kịp thời, giảm
thiểu thiệt hại do lũ lụt gây ra.
2.2. ESP32
ESP32-WROOM là một module vi điều khiển mạnh mẽ
và đa chức năng do Espressif Systems phát triển, được sử
dụng rộng rãi trong các ứng dụng IoT. Nó tích hợp vi xử lý
dual-core Xtensa LX6 với tốc độ lên đến 240 MHz, bộ nhớ
flash từ 4MB đến 16MB, và RAM 520KB, giúp xử lý các
tác vụ phức tạp một cách hiệu quả. Module này nổi bật với
kết nối Wi-Fi 802,11 b/g/n và Bluetooth 4,2 BLE, cho phép
giao tiếp không dây linh hoạt và mạnh mẽ. ESP32-
WROOM cũng hỗ trợ nhiều giao diện kết nối như SPI, I2C,
UART, ADC, DAC, PWM và GPIO, tạo điều kiện thuận lợi
cho việc tích hợp với các cảm biến và thiết bị ngoại vi khác.
Khả năng tiêu thụ năng lượng thấp của ESP32-
WROOM là một ưu điểm lớn, với các chế độ ngủ tiết kiệm
năng lượng giúp kéo dài thời gian hoạt động của các thiết
bị sử dụng pin. Ngoài ra, ESP32-WROOM còn được trang
bị các tính năng bảo mật cao cấp như mã hóa dữ liệu, khởi
động an toàn và quản lý khóa bảo mật, bảo vệ dữ liệu và
thiết bị khỏi các cuộc tấn công mạng.
ESP32-WROOM có kích thước nhỏ gọn, dễ dàng tích
hợp vào các thiết kế phần cứng. Nó được hỗ trợ mạnh mẽ
bởi cộng đồng phát triển, với nhiều tài liệu, thư viện và công
cụ phần mềm, giúp lập trình viên dễ dàng triển khai các dự
án IoT. Với sự đa năng và hiệu suất vượt trội, ESP32-
WROOM là lựa chọn lý tưởng cho các ứng dụng như nhà
thông minh, thiết bị đeo, hệ thống điều khiển tự động và
nhiều ứng dụng IoT khác.
2.3. Truyền thông LoRa
LoRa (Long Range) là một công nghệ truyền thông
không dây tầm xa, tiêu thụ năng lượng thấp, được phát triển
bởi Semtech Corporation, đặc biệt phù hợp cho các ứng
dụng Internet of Things (IoT). LoRa sử dụng kỹ thuật điều
chế Chirp Spread Spectrum (CSS), cho phép truyền dữ liệu
ở khoảng cách xa, từ vài km trong môi trường đô thị đến
hàng chục km ở vùng nông thôn, với khả năng xuyên qua
vật cản tốt.
Một trong những đặc điểm nổi bật của LoRa là khả năng
tiêu thụ năng lượng thấp, giúp kéo dài tuổi thọ pin của các
thiết bị IoT. Điều này làm cho LoRa trở thành lựa chọn lý
tưởng cho các ứng dụng cần giám sát và điều khiển từ xa
mà không cần thay pin thường xuyên. LoRa hoạt động trong
các băng tần không cần giấy phép như 433 MHz, 868 MHz
(châu Âu), và 915 MHz (Mỹ), giúp giảm chi phí vận hành.
Hệ sinh thái của LoRa được hỗ trợ bởi LoRaWAN, một
giao thức mạng diện rộng cho phép quản lý và truyền tải dữ
liệu giữa các thiết bị và các ứng dụng máy chủ. LoRaWAN
cung cấp các tính năng như bảo mật, quản lý năng lượng,
và khả năng mở rộng mạng lưới.
Các ứng dụng của LoRa rất đa dạng, bao gồm nông
nghiệp thông minh, quản lý năng lượng, giám sát môi
trường, quản lý đô thị, và hệ thống theo dõi tài sản. Với khả
năng kết nối mạnh mẽ, chi phí thấp và tiêu thụ năng lượng
hiệu quả, LoRa đang trở thành một trong những công nghệ
truyền thông chủ đạo cho các giải pháp IoT hiện đại.
2.4. Dịch vụ AWS
Amazon Web Services (AWS) cung cấp một loạt các
dịch vụ đám mây mạnh mẽ cho các giải pháp IoT, phân tích
dữ liệu, lưu trữ và học máy, hỗ trợ doanh nghiệp trong việc
xây dựng và triển khai các ứng dụng thông minh.
AWS IoT là một nền tảng giúp kết nối hàng tỷ thiết bị
IoT với các ứng dụng đám mây. Nó cung cấp các công cụ
để thu thập, xử lý và phân tích dữ liệu từ các thiết bị IoT,
đồng thời cho phép quản lý, bảo mật và điều khiển từ xa.
AWS IoT Analytics là một dịch vụ được thiết kế để phân
tích lượng dữ liệu lớn từ các thiết bị IoT. Nó tự động hóa
các bước phân tích như lọc, chuyển đổi và phân tích dữ liệu,
cung cấp các công cụ để tạo báo cáo và dashboard trực
quan, giúp hiểu rõ hơn về dữ liệu IoT.
Amazon S3 (Simple Storage Service) là dịch vụ lưu trữ
đối tượng mạnh mẽ và có khả năng mở rộng cao. S3 cho
phép lưu trữ và truy cập lượng lớn dữ liệu một cách dễ dàng,
TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP HÀ NỘI HANOI UNIVERSITY OF INDUSTRY Tập san SINH VIÊN NGHIÊN CỨU KHOA HỌC Số 14 ● 2024 164với độ bền và tính sẵn sàng cao. S3 cũng hỗ trợ các tính
năng bảo mật và quản lý dữ liệu, làm cho nó trở thành nền
tảng lý tưởng cho các ứng dụng yêu cầu lưu trữ và truy xuất
dữ liệu liên tục.
Amazon SageMaker là dịch vụ quản lý học máy toàn
diện, cho phép các nhà phát triển và nhà khoa học dữ liệu
xây dựng, đào tạo và triển khai các mô hình học máy một
cách nhanh chóng và hiệu quả. SageMaker cung cấp các
công cụ tích hợp từ đầu đến cuối, từ xử lý dữ liệu, lựa chọn
mô hình, đào tạo đến triển khai và quản lý mô hình.
Sự kết hợp của các dịch vụ này trong hệ sinh thái AWS
mang lại một giải pháp mạnh mẽ cho việc phát triển các ứng
dụng thông minh, từ việc thu thập và lưu trữ dữ liệu IoT,
phân tích chuyên sâu, đến ứng dụng các mô hình học máy
để dự đoán và tối ưu hóa các quy trình kinh doanh.
2.5. App Android
Phát triển ứng dụng quan sát trong hệ thống IoT, sử dụng
nền tảng ngôn ngữ Java và ứng dụng lập trình Android
Studio. Thiết kế App có giao diện quan sát thông tin về
lượng mưa và mực nước đo được, đồng thời đảm bảo về
tính bảo mật cho hệ thống.
3. KẾT QUẢ NGHIÊN CỨU
3.1. Thiết kế hệ thống
Sơ đồ hệ thống
Hình 1. Sơ đồ hệ thống
Sơ đồ bộ đo
Hình 2. Sơ đồ bộ đo.
Sơ đồ bộ điều khiển trung tâm
Hình 3. Sơ đồ bộ điều khiển trung tâm.
Hình 4. Sơ đồ nguyên lý và PCB
Xây dựng hệ thống AWS
Truy cập vào dịch vụ Amazon Web Services thực hiện
thao tác cài đặt các dịch vụ AWS IoT, AWS IoT Analytics,
AWS SageMaker, AWS S3, AWS Lamda để thực hiện lọc
và quản lý dữ liệu, thực hiện chạy dự đoán.
Hình 5. Dịch vụ AWS
Thiết kế App quan sát
Hình 6. App quan sát
TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP HÀ NỘI HANOI UNIVERSITY OF INDUSTRY Tập san SINH VIÊN NGHIÊN CỨU KHOA HỌC Số 14 ● 2024 1653.2. Thực nghiệm
Hình 7. Sản phẩm thực tế
Thực nghiệm 1: Đo lượng mưa
Lượng mưa được tính theo 1mm là 1 lít nước mưa trên
1 mét vuông diện tích mưa.
Diện tích phễu đo mưa Acm2 tương đương (A x 10-3)
cm³ là 1mm lượng mưa.
Bình chứa hình trụ có đường kính 9cm, do đó lượng mưa
thực tế sẽ được tính bằng công thức:
x = (4,52.π.h.103)/A
Trong đó: - x là lượng mưa (mm).
- A là diện tích phễu bình đo mưa
- h là chiều cao mực nước trong bình chứa (cm).
Tiến hành kiểm thử
Tiến hành kiểm thử ở 3 lượng mưa khác nhau là: 10mm,
15mm, 20mm. Các giá trị này sẽ phản ánh các điều kiện
thời tiết mưa từ ít đến nhiều. Mỗi mức lượng mưa sẽ tiến
hành ghi nhận dữ liệu lượng mưa trong 10 lần đo khác nhau
để đo độ chính xác và độ lệch so với giá trị thực tế. Kết quả
đo được so sánh với bình đo mưa chuyên dụng.
Sau khi tiến hành đo 10 lần ta có bảng 1.
Bảng 1. Kết quả đo lượng mưa
Lần
đo Giá trị đo bằng thiết bị Giá trị đo bằng
bình đo mưa
1 10,2 15,3 20,5 10 15 20
2 10,3 15,4 20,1 10 15 20
3 10,2 15,3 20,4 10 15 20
4 10,1 15,2 20,4 10 15 20
5 10,2 15,1 20,3 10 15 20
6 10,3 15,3 20,1 10 15 20
7 10,2 15,3 20,2 10 15 20
8 10,2 15,4 20,2 10 15 20
9 10,1 15,2 20,4 10 15 20
10 10,3 15,2 20,5 10 15 20
TB 10,21 15,27 20,31 10 15 20
Đánh giá
Thực hiện đo 3 giá trị, mỗi giá trị đo 10 lần thu được kết
quả đo có sai số lần lượt là: 2,1%; 1,8%; 1,6%
Các kết quả đo thu được nằm trong phạm vi sai số ±3%.
Sai số có thể do nhiễu sóng trong các lần đo, mức độ dao
động của bề mặt chất lỏng, góc độ đặt cảm biến và sai số do
linh kiện.
Thực nghiệm 2: Đo mực nước
Mực nước được tiến hành đo theo khoảng cách từ đáy
đến mặt nước.
Đặt cố định cảm biến trên khoảng không ở một độ cao
cố định so với đáy là h(cm), khoảng cách đo được từ cảm
biến đến bền mặt nước là d(cm). Do đó mực nước được tính
bằng công thức:
Mực nước = h – d (cm)
Tiến hành kiểm thử ở 3 mực nước khác nhau là: 30cm,
50cm, 70cm. Các giá trị này sẽ phản ánh các điều kiện thời
tiết từ nhẹ đến nặng. Mỗi mức lượng mưa sẽ tiến hành ghi
nhận dữ liệu lượng mưa trong 10 lần đo khác nhau để đo độ
chính xác và độ lệch so với giá trị thực tế.
Sau khi tiến hành đo 10 lần ta có kết quả ở bảng 2.
Bảng 2. Kết quả đo mực nước
Lần
đo
Giá trị đo
bằng thiết bị
Giá trị đo
bằng thước đo
1 31 52 73,6 30 50 70
2 31,2 53 74,7 30 50 70
3 31,2 52,4 73,6 30 50 70
4 31,2 53,3 74 30 50 70
5 31,1 51,7 74,2 30 50 70
6 31,3 52,3 73,9 30 50 70
7 31 52,8 72,8 30 50 70
8 29,8 52,4 72,5 30 50 70
9 29,8 52,6 73 30 50 70
10 30,5 52,9 73 30 50 70
TB 30,8 52,4 73,5 30 50 70
Đánh giá
Thực hiện đo 3 giá trị, mỗi giá trị đo 10 lần thu được kết
quả đo có sai số lần lượt là: 2,7%; 4,8%; 5%
Các kết quả đo thu được nằm trong phạm vi sai số ±5%,
khoảng cách đo càng lớn thì sai số càng lớn
Sai số có thể do nhiễu sóng trong các lần đo, khoảng
cách đo, mức độ dao động của bề mặt chất lỏng, góc độ đặt
cảm biến và sai số do linh kiện.
Thực nghiệm 3: Khoảng cách truyền từ bộ đo đến bộ
diều khiển trung tâm
Truyền có vật cản:
TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP HÀ NỘI HANOI UNIVERSITY OF INDUSTRY Tập san SINH VIÊN NGHIÊN CỨU KHOA HỌC Số 14 ● 2024 166Khoảng cách Số lần nhận được tín hiệu
10m 10
50m 10
100m 10
200m 10
300m 7
Lớn hơn 300m 5
Truyền không vật cản:
Khoảng cách Số lần nhận được tín hiệu
10m 10
50m 10
100m 10
200m 10
400m 10
500m 9
Lớn hơn 500m 4
3.3. Đánh giá
Sai số kết quả đo phụ thuộc vào khoảng cách đo từ cảm
biến đến bề mặt, sai số do nhiễu sóng, giá trị linh kiện, bề
mặt đo không bằng phẳng.
Khoảng cách truyền phụ thuộc vào các điều kiện về môi
trường, điều kiện thời tiết, môi trường có vật cản hay không
có vật cản.
4. THẢO LUẬN
Việc triển khai mạng nghiên cứu xây dựng mô hình hệ
thống cảnh báo lũ lụt đã chứng minh tính khả thi và hiệu
quả, mặc dù gặp một số thách thức liên quan đến tài nguyên
hạn chế của thiết bị.
Thời gian thực: đáp ứng được yêu cầu thời gian thực,
phù hợp với các ứng dụng thực tế.
Độ chính xác: Mặc dù có sự suy giảm nhẹ về độ chính
xác sau khi tối ưu hóa, mức độ suy giảm này vẫn trong
khoảng có thể chấp nhận được và không ảnh hưởng lớn đến
hiệu suất thực tế.
Mô hình dự đoán: chưa có bộ data để triển khai, chưa
tối ưu được kết quả muốn đạt.
Khả năng truyền nhận: Tối ưu khoảng cách truyền
nhận dữ liệu và mã hóa các tập tin để bảo mật thông tin và
tránh bị mất các gói tin.
5. KẾT LUẬN
Bài báo đã trình bày khả năng triển khai mô hình hệ
thống IoT giám sát lượng mưa, mực nước để có thể dự báo
lũ. Khả năng truyền nhận dữ liệu thông qua LoRa sẽ tối ưu
khoảng cách đo trong môi trường khắc nghiệt mưa lũ,
khoảng cách truyền đủ xa và tiết kiệm năng lượng. Đồng
thời có thể quan sát và quản lý số liệu thông qua App và
dịch vụ AWS. Hệ thống cần một nguồn dataset uy tín để
thực hiện chạy dự đoán số liệu trên AWS SageMaker.
TÀI LIỆU THAM KHẢO
[1]. FUNiX, 2021. Ngôn ngữ lập trình C là gì? Khái niệm cơ bản, Giới thiệu, Lịch sử, truy cập vào ngày 15/4/2024, từ
https://funix.edu.vn/chia-se-kien-thuc/ngon-ngu-lap-
trinh-c-la-gi/
[2]. P.A Việt Nam. 2022. MQTT là gì? Các khái niệm cơ bản về MQTT, truy cập vào ngày 30/4/2024, từ
https://kb.pavietnam.vn/mqtt-la-gi-cac-khai-niem-co-ban-ve-mqtt.html
[3]. Randall Hunt. 2018. AWS IoT Analytics Phân tích dành cho thiết bị IoT, truy cập vào ngày 10/5/2024, từ
https://aws.amazon.com/vi/iot-analytics/
[4]. ON Semiconductor. Datasheets IC LM1117 và LM2576, truy cập vào ngày 14/4/2024, từ: https://www.onsemi.com
[5]. DLCorp (2020). IoT là gì? Ứng dụng của IoT trong thực tiễn, truy cập vào ngày 21/4/2024, từ
https://dlcorp.com.vn/iot-la-gi-ung-dung-cua-iot-trong-thuc-tien/
[6]. GETEDZ(2023). Datasheet Modul LoRa HC12, truy cập vào ngày 12/4/2024, từ:
https://www.alldatasheet.vn/datasheetpdf/pdf/482386/GETEDZ/HC12.html
[7]. MOTOROLA(2023). Datasheet Modul HC-SR04, truy cập vào ngày 12/4/2024, từ: HCSR04 Datasheet(PDF) -
List of Unclassifed Manufacturers (alldatasheet.com)
[8]. Espressif Systems(2024). Datasheet ESP32 Wroom 32, truy cập vào ngày 5/4/2024, từ: esp32-wroom-
32_datasheet_en.pdf (espressif.com).