LỜI NÓI ĐẦU
“Hội nghị Quốc gia về Điện tử, Truyền thông và Công nghệ Thông tin”
(The National Conference on Electronics, Communications and Information
Technology, viết tắt là REV-ECIT) là Hội nghị khoa học của Hội Vô tuyến - Điện tử
Việt Nam (REV) được tổ chức hàng năm. Từ năm 1990 đến nay, Hội nghị REV-ECIT
đã trở thành diễn đàn lớn để cơng bố và trình bày các báo cáo khoa học của giới khoa
học ngành Điện tử - Viễn thông cả nước.
Hội nghị REV-ECIT 2019 được tổ chức với chủ đề “Phát triển công nghệ thông tin
di động 5G và ứng dụng” đã nhận được 66 báo cáo khoa học từ các Viện, Trường và
các Tổ chức nghiên cứu khoa học. 54 báo cáo đã được chấp nhận, trong đó 22 báo cáo
được trình bày trong 4 tiểu ban là: tiểu ban Truyền thông và Vô tuyến; tiểu ban Kỹ
thuật điện tử; tiểu ban Công nghệ thông tin và mạng; tiểu ban xử lý tiến hiệu; 32 báo
cáo được trình bày bằng poster.
Cùng với các Tiểu ban báo cáo khoa học, Hội Vô tuyến - Điện tử Việt Nam đã phối
hợp với Cục tần số Vô tuyến điện, Bộ Thông tin và Truyền thông tổ chức thêm phiên
diễn đàn cấp cao về phát triển thông tin di động 5G và ứng dụng: Tương lai của 5G;
Sự sẵn sàng về thương mại của thiết bị 5G; Phát triển các ứng dụng trên nền tảng di
động băng rộng 5G; Sự sẵn sàng của VNPT để triển khai 5G tại Việt Nam; Thực tế
bước đầu triển khai 5G tại Việt Nam; Việc chuẩn bị tần số cho 5G tại Việt Nam… do
lãnh đạo Cục Tần số vơ tuyến điện, đại diện các tập đồn, các công ty công nghệ lớn ở
Việt Nam và thế giới trình bày.
Bên lề Hội nghị REV-ECIT 2019 Ban tổ chức đã phối hợp với các doanh nghiệp tổ
chức triển lãm và trưng bày một số sản phẩm tiểu biểu trong các lĩnh vực có liên quan
do các doanh nghiệp trong nước nghiên cứu và phát triển.
Ban Tổ chức trân trọng giới thiệu “Kỷ yếu của Hội nghi Quốc gia lần thứ XXII về
Điện tử, Truyền thông và Công nghệ thông tin REV-ECIT 2019”.

BAN TỔ CHỨC REV-ECIT 2019

MỤC LỤC

Nghiên Cứu Và Xây Dựng Phần Mềm Xác Định Trạng Thái Đi Xe Máy Sử Dụng Thuật Toán Học
Máy Véc-Tơ Và Cảm Biến Tích HợpTrên Điện Thoại ---------------------------------------------------------1
Các ứng dụng tiềm năng của 5G: Quan điểm và nhận thức của các bên liên quan tại Việt Nam---------6
UIT-ODSMS: Hệ thống quản lý hỗ trợ hiến và nhận mô tạng sử dụng công nghệ Blockchain----------13
Nghiên cứu, xây dựng phần mềm nâng cao độ chính xác trong đo kiểm đánh giá KPI mạng vơ tuyến-------------------------------------------------------------------------------------------------------------------------19
Phát Hiện Trong Mạng Radar Nhiều Vị Trí Xử Lý Phân Tán Khi Quyết Định Từ Các Đài Thành Phần
Tương Quan----------------------------------------------------------------------------------------------------------24
Phát hiện Trojan phần cứng sử dụng kỹ thuật phân tích đặc tính độ trễ đường truyền tín hiệu---------29
Thiết kế chế tạo cân cân bằng ứng dụng trong sản xuất chế phẩm máu ứng dụng tại Viện huyết học và
truyền máu trung ương--------------------------------------------------------------------------------------------34
Ứng Dụng Của Học Máy Trong Lĩnh Vực Dự Báo: So Sánh Hiệu Quả Của Mô Hình Dự Báo Truyền
Thống ARIMA Và Mơ Hình Dự Báo Sử Dụng Mạng Nơ Ron NNAR--------------------------------------38
Thiết Kế Hệ Thống Nhận Diện Cử Chỉ Tay Trên Ảnh Nhiệt Sử Dụng Mô Hình VGG16 và SVM-----43
Cải thiện độ chính xác của hệ thống định vị trong nhà PDR sử dụng mã QR------------------------------48
Định vị robot dùng bản đồ tín hiệu WiFi------------------------------------------------------------------------53
Nghiên cứu xây dựng hệ thống kiểm tra mạng ổn định trở kháng đường dây nguồn sử dụng trong các
phép thử nghiệm tương thích điện từ trường thuộc tiêu chuẩn quân sự MIL-STD 461-------------------58
Nghiên cứu, thiết kế, chế tạo thiết bị thử nghiệm kín nước dụng cho nhóm trang thiết bị đi kèm người
nhái--------------------------------------------------------------------------------------------------------------------68
Giám Sát Định Vị, Bản Đồ Hóa Và Điều Hướng Cho Robot Tự Hành Đa Hướng Sủ Dụng Hệ Điều
Hành Lập Trình ROS-----------------------------------------------------------------------------------------------74
Copulas Gauss cho Bài Tốn Xác Định Độ Tương Quan và Ứng Dụng Đối Sánh Vector Đặc Trưng--------------------------------------------------------------------------------------------------------------------------79
Thiết Kế Mạng Tiếp Điện Song Hành Cho Mảng Anten Tuyến Tính Có u Cầu Đặt Dải Rộng Các
Điểm Khơng Trên Giản Đồ Bức Xạ------------------------------------------------------------------------------85
Đề xuất giải pháp chống tấn công blackhole xem xét cân bằng năng lượng cho mạng WSNs--------90
Thiết Kế Hệ Thống Điều Khiển Trong Nhà Máy Giấy Sử Dụng Mạng Truyền Thơng CC-link-------85
Ăng-ten mảng khe phân cực trịn sử dụng cấu trúc tiếp điện bằng hốc cộng hưởng SIW hoạt động ở

băng tần 28 GHz cho các ứng dụng 5G-------------------------------------------------------------------------100
Phân Tích Hiệu Năng Mạng Chuyển Tiếp Đa Chặng Sử Dụng NOMA Dưới Sự Ảnh Hưởng Của Giao
thoa Đồng Kênh Và Khiếm Khuyết Phần Cứng---------------------------------------------------------------106
Concept Ăng ten cho hệ thống vô tuyến khả tri sử dụng tụ điện biến dung dựa trên lớp điện môi mỏng
BST----------------------------------------------------------------------------------------------------------------112


Đề xuất giao thức mã hóa giả xác suất có thể chối từ sử dụng mã hóa Vernam kết hợp thuật toán
ElGamal-------------------------------------------------------------------------------------------------------------122
Thu thập Chỉ Số Nước Tiêu Thụ Tự động Ứng Dụng Công Nghệ Bluetooth Beacon-------------------127
Anten đa băng tái cấu hình theo tần số cho các ứng dụng WSN/Wi-Fi/WIMAX/LTE/5G trong các thiết
bị đầu cuối IoT---------------------------------------------------------------------------------------------------132
Hệ Thống Phát Hiện Và Nhận Diện Mặt Người Sử Dụng Mơ Hình SQUEEZENET Và SSD---------138
Điều khiển ổn định robot di động đa hướng------------------------------------------------------------------144
Nghiên Cứu Các Phương Thức Xử Lý Tín Hiệu Trong Hệ Thống Giám Sát MLAT-------------------150
Đánh Giá Hiệu Năng Xác Suất Dừng Mạng Thông Tin Vệ Tinh Chuyển Tiếp Hai Chiều Sử Dụng M.
Fountain-------------------------------------------------------------------------------------------------------------152
Phân tích dữ liệu số chiều lớn bằng một số phương pháp học máy----------------------------------------157
Giải pháp nâng cao hiệu năng hệ thống mã hóa, giải mã tiếng nói dựa trên tính chất thưa của dữ liệu
tiếng nói trong miền thời gian------------------------------------------------------------------------------------163
Giải Pháp Nguồn Năng Lượng Mặt Trời Cho Hệ Thống Aquaponics Trên Nền Tảng Đám Mây-----167
Thiết Kế Nút Di Động Không Dây Đa Giao Tiếp Vô Tuyến Trong Mô Phỏng Mạng Ad hoc---------172
Thuật Toán Song Song Khai Thác Tập Sinh Tối Thiểu của Tập Phổ Biến Đóng------------------------176
Xây dựng hệ thống phân loại sản phẩm sử dụng robot cộng TÁC YUMI---------------------------------182
Đề xuất thuật toán nhận dạng chữ số viết tay sử dụng mạng CNN-----------------------------------------188
Khai thác dữ liệu nhằm phát hiện vết nứt đường ống nhà máy điện nguyên tử-------------------------194
Thiết Kế Bộ Lựa Chọn Dải Tần Số Cho VCO Dải Rộng---------------------------------------------------199
Phát hiện Trojan phần cứng bằng phương pháp phân tích kênh bên sử dụng kỹ thuật học máy-----203
Phân tích, Đánh giá Hiệu năng Mã hóa Video với Chuẩn H.265/HEVC---------------------------------208
Một Phương Pháp Giải Bài Tốn Chia Sẻ Bí Mật------------------------------------------------------------213

Thiết kế anten mảng pha hoạt động tại băng tần X cho ứng dụng kiểm định chất lượng hệ thống Radar-----------------------------------------------------------------------------------------------------------------------217
Nâng Cao Chất Lượng Hệ Thống Truyền Dẫn Quang Sử Dụng Bộ Liên Hợp Pha Quang OPC Cho Tín
Hiệu DP-QPSK Và DP-16QAM-------------------------------------------------------------------------------222
Đề xuất anten nhỏ sử dụng chấn tử đơn cực và xoắn cầu cho hệ thống nội soi bằng viên nang không
dây-------------------------------------------------------------------------------------------------------------------228
Một giải pháp phối hợp trở kháng cho anten xoắn kích thước nhỏ-----------------------------------------232
Nghiên cứu tính tương quan khơng gian cho mơ hình kênh MIMO cỡ rất lớn---------------------------236
Mơ hình hóa và phân tích hiệu năng cho các mạng cảm biến không dây hoạt động dựa trên năng lượng
thu thập-------------------------------------------------------------------------------------------------------------241
Phân Tích Hiệu Năng Mạng Khuếch Đại Chuyển Tiếp Đa Chặng Dưới Sự Ảnh Hưởng Chung Của
Nhiễu Đồng Kênh Và Nhiễu Phần Cứng-----------------------------------------------------------------------247
Mạng Nơron tích chập Resnet50: Ứng dụng nhận dạng khuôn mặt người hiệu quả trong các điều kiện


môi trường phức tạp----------------------------------------------------------------------------------------------253
Ứng dụng Mạng Nơron chập phân tầng nhiều lớp và mơ hình Facenet trong phát hiện và nhận dạng
khuôn mặt người---------------------------------------------------------------------------------------------------259
Nghiên cứu phương pháp giấu tin trong âm thanh sử dụng mặt lạ tần số trong biến đổi Fouties rời rạc
và phương pháp tối ưu hóa bày đàn PSO-----------------------------------------------------------------------265
Xây dựng hệ thống giám sát thiết bị điện ứng dụng truyền thơng Zigbee và mơ hình điện tốn sương
mù--------------------------------------------------------------------------------------------------------------------271
Thiết bị datalogger thu thập, điều khiển và truyền dữ liệu tự động-----------------------------------------277
Xác suất dừng hệ thống FD-NOMA với nút chuyển tiếp sử dụng công nghệ thu thập năng lượng----283
Phân biệt nguyên âm dài và ngắn của tiếng Việt sử dụng tham số “giả tần số formant” SSCF-------289


Nghiên Cứu Và Xây Dựng Phần Mềm Xác Định
Trạng Thái Đi Xe Máy Sử Dụng Thuật Toán Học
Máy Véc-Tơ Và Cảm Biến Tích HợpTrên Điện Thoại
Nguyễn Thị Thu 1 ,Trần Đức Tân2

1

Trường Đại Học Công nghiệp Hà Nội
2
Trường Đại Học Phenikaa
Email: ,
thường với im lặng một cách tự động mà phải điều chỉnh bằng
tay, điều này không thực sự thuận tiện với người dùng và trong
trường hợp khi họ đã dừng xe, điện thoại vẫn đang trong trạng
thái im lặng và họ có thể bỏ lỡ các cuộc gọi quan trọng. Ngồi
ra, S-bike hiện đang thiếu một số tính năng quan trọng, các tính
năng hữu ích và phù hợp với điều kiện giao thông Việt Nam
như cảnh báo khi vượt tốc độ đặt trước hay dịch vụ liên lạc cứu
hộ khẩn cấp khi xảy ra tai nạn. Hơn nữa S-bike hiện mới chỉ có
mặt trên mất số dịng điện thoại cao cấp của SamSung, những
điện thoại chạy hệ điều hành Android của nhà sản xuất khác
không thể cài đặt và sử dụng sản phẩm.

Tóm tắt — Ở Việt Nam, việc cấm sử dụng điện thoại trong khi lái
xe đã có hiệu lực từ lâu. Tuy nhiên, tình trạng sử dụng điện thoại
trong lúc lái xe đang trở nên phổ biến và gây ra nhiều nguy hiểm
cho người tham gia giao thông. Cùng với việc gia tăng không
ngừng của điện thoại thông minh, sử dụng điện thoại trong lúc lái
xe đang là một thói quen xấu và là một trong những nguyên nhân
chính dẫn đến va chạm và tai nạn giao thông ở Việt Nam.
MotorSafe, phần mềm điện thoại đã được triển khai thực tế sẽ là
một trong những giải pháp cho vấn đề trên. Từ dữ liệu gia tốc
thu được thơng qua cảm biến tích hợp sẵn trên điện thoại, chúng
tơi đề xuất thuật tốn cho phép thiết bị nhận dạng được hành vi
“đang trên xe” của người tham gia giao thông. Các tác vụ cần

thiết được cung cấp sẽ giúp người đi xe máy tập trung vào việc lái
xe thay vì những hành vi khơng cần thiết. Chất lượng của thuật
tốn được đánh giá thơng qua độ chính xác trung bình đạt tới
92%.

Dựa trên các hạn chế đó trong bài báo này hướng nghiên
cứu mới được chúng tôi đề xuất xây dựng phần mềm có thể
được cài đặt trên tất cả các điện thoại thông minh chạy hệ điều
hành Android để cải thiện sự an toàn cho người đi xe máy,
phần mềm có tên là Motorsafe. Phần mềm sẽ tự động nhận
dạng được trạng thái “đang trên xe” của người đi xe máy, tự
động chuyển đổi trạng thái sang im lặng và trở lại trạng thái
bình thường nếu nhận dạng người dùng khơng cịn đi xe. Ngồi
ra phần mềm sẽ bổ sung một số tính năng mà các sản phẩm
tương tự hiện hành trên thị trường khơng có như linh hoạt trong
nhận cuộc gọi, cảnh báo vượt quá tốc độ đặt trước hay dịch vụ
liên lạc khẩn cấp khi xảy ra tai nạn.

Từ khóa- xe máy; học máy; gia tốc.

I. GIỚI THIỆU
Theo thống kê của cục Cảnh sát giao thơng đường bộ tháng
10 năm 2017, Việt Nam có khoảng 60 triệu xe máy đang lưu
hành, chiếm 93% phương tiện giao thông đường bộ các loại, số
lượng tai nạn giao thông liên quan đến xe máy chiếm 70.18%
số lượng tai nạn giao thông đường bộ, hằng năm, số lượng
người chết vì tai nạn giao thơng xe máy lên đến hàng nghìn
người và đang là vấn đề nhức nhối của giao thông Việt Nam
[1], [2]. Những nguyên nhân cơ bản dẫn đến hậu quả trên là do
nhận thức, ý thức tham gia giao thông của người dân, vấn đề sử

dụng rượu bia khi tham gia giao thông, và đặc biệt, có đến 6%8% nạn nhân của các vụ tai nạn giao thông thừa nhận rằng
nguyên nhân dẫn đến những vụ tai nạn của họ là sử dụng điện
thoại khi tham gia giao thông.

Vấn đề quan trọng nhất trong việc dựng phần mềm này là
làm sao để nhận dạng chính xác trạng thái “đang trên xe” của
người dùng. Để tăng tính chính xác trong việc nhận dạng, từ dữ
liệu của cảm biến gia tốc được trang bị sẵn trên các điện thoại
thông minh hiện nay, sau khi tiền xử lý, thuật toán học máy
vector (SVM: Support Vector Machine) sẽ được sử dụng để
phân loại, chia lớp dữ liệu thành hai trạng thái “đang trên xe”
và “khơng trên xe”, qua đó là cơ sở để phát triển các tính năng
khác của phần mềm.

Việc sử dụng điện thoại khi điều khiển xe máy đang trở
thành một trong những nguyên nhân chính dẫn đến va chạm và
tai nạn giao thông ở Việt Nam [3]. Nó khiến người điều khiển
xe máy bị mất tập trung, hạn chế khả năng quan sát và điều
khiển tốc độ và tai nạn có thể xảy ra bất cứ lúc nào. Trong
những năm gần đây, để giảm số lượng các vụ tai nạn giao
thông liên quan đến sử dụng điện thoại khi đi xe máy, rất nhiều
giải pháp đã được đề xuất. Gần đây nhất, Samsung đã ra mắt
phần mềm S-bike trên dòng điện thoại Galaxy J nhằm hỗ trợ và
tăng cường an toàn cho người đi xe máy. Tuy nhiên, hiệu quả
của phần mềm chưa cao do phần mềm có nhiều hạn chế có thể
kể đến như khơng thể tự động chuyển trạng thái giữa bình

Đề xuất của chúng tơi góp phần mở ra một hướng nghiên
cứu thực tế giải quyết bài tốn nâng cao độ chính xác trong
việc nhận dạng hành vi trên xe, giải quyết được nhược điểm

các phần mềm sử dụng hiện nay. Những đóng góp mới của
chúng tơi trong bài báo này có thể được tóm tắt như sau:
Đề xuất phần mềm xác định trạng thái đi xe máy sử
dụng thuật toán học máy véc-tơ và cảm biến tích hợp
sẵn trên điện thoại giải quyết vấn đề động nhận dạng
được trạng thái “đang trên xe” của người đi xe máy.

1


Phần mềm cho phép bổ sung một số tính năng mà các
sản phẩm tương tự hiện hành trên thị trường khơng có
như linh hoạt trong nhận cuộc gọi, cảnh báo vượt quá
tốc độ đặt trước hay dịch vụ liên lạc khẩn cấp khi xảy
ra tai nạn. .
Bài báo có cấu trúc gồm 4 phần. Sau phần mở đầu, chúng
tôi sẽ trình bày mơ hình thiết kế thực thi hệ thống ở mục II. Các
kết quả và đánh giá hiệu quả của phần mềm đề xuất được phân
tích ở mục III. Cuối cùng là các kết luận và đề xuất hướng
nghiên cứu tiếp theo được rút ra ở mục IV.

Lấy dữ liệu
Ax, Ay, Az

Nhận dạng hành vi
bằng vector hỗ trợ

Dự đoán tai
nạn xảy ra


Sai

Đúng
Đúng

Đang đi xe

Chuyển sang
trạng thái im lặng

Sai

Xác nhận
tai nạn từ người
dùng

Chuyển sang trạng
thái thông thường

Sai

Đúng
Lấy tọa độ GPS

II. THIẾT KẾ, THỰC THI HỆ THỐNG

Có cuộc gọi đến

Chúng tơi xét hệ thống phần mềm xác định trạng thái đi xe
máy sử dụng thuật toán học máy véc-tơ và cảm biến tích hợp

sẵn trên điện thoại có sơ đồ ngun lý hoạt động như Hình 1.
Sơ đồ được chia thành hai nhánh song song tương ứng với hai
tác vụ chính của hệ thống là nhận dạng trạng thái “đang trên
xe” và dự đoán tai nạn. Trên nhánh thứ nhất, trong trường hợp
trạng thái “đang trên xe” được phát hiện, điện thoại sẽ chuyển
tự động từ trạng thái bình thường sang im lặng và chỉ rung và
đổ chuông với những cuộc gọi từ danh sách quan trọng (VIP)
hoặc số cuộc gọi từ số điện thoại nào đó lớn hơn 3 lần trong
vòng 5 phút. Trong những trường hợp khác, các cuộc gọi đến
sẽ bị từ chối và điện thoại người dùng sẽ gửi lại người gọi mẫu
tin nhắn như “tôi đang đi trên xe”. Trong nhánh thứ hai, trong
trường hợp người dùng được dự đoán gặp tai nạn, hệ thống sẽ
xác nhận rồi sau đó gửi tin nhắn cảnh báo kèm theo tọa độ
người dùng trong thời gian thực đến người thân hoặc trung
tâm cứu hộ kịp thời. Phần mềm hoạt động qua các giai đoạn
như sau:

Đúng

Thuộc danh
sách Vip ?

Gửi tin nhắn thông
báo tai nạn kèm theo
tọa độ GPS tới bệnh
viện hoặc người thân

Sai

Số đếm +=1


Đúng

Rung và đổ
chuông

Số đếm >3
Trong 5 phút

Sai

Từ chối bằng
tin nhắn

Hình 1. Sơ đồ khối nguyên lý hoạt động của hệ thống phần mềm

output n

output n 1

1

input n

(1)

trong đó:
: dược định nghĩa theo cơng thức:
dt / timeconstant dt


Timeconstant : độ dài khung tín hiệu mà bộ lọc xử lý.
dt : chu kỳ lấy mẫu.
Trong nghiên cứu này, chúng tôi sẽ sử dụng bộ lọc thông thấp
với hệ số alpha là 0.1, Timeconstant là 0.18. Sau khi cho tín
hiệu gốc đi qua bộ lọc thơng thấp, thành phần gia tốc động sẽ
bị trích bỏ và hệ thống sẽ thu được thành phần gia tốc tĩnh như
Hình 2.

1. Tiền xử lý dữ liệu
Trong bài tốn xử lý tín hiệu, tiền xử lý dữ liệu đóng vai trị
rất quan trọng và quyết định đến sự hiệu quả của thuật toán xử
lý tín hiệu áp dụng. Trong hệ thống được đề xuất, dữ liệu gia
tốc sẽ được cảm biến lấy mẫu với tần số 50Hz. Trên thực tế,
dữ liệu lấy mẫu này bao gồm hai thành phần là gia tốc động và
gia tốc tĩnh. Thành phần gia tốc tĩnh được tạo bởi trọng lực
trái đất và là thành phần gia tốc ít thay đổi trong khi thành
phần gia tốc động phụ thuộc vào chuyển động của cảm biến và
là sự thể hiện sự chuyển động với năng lượng cao hay thấp
của điện thoại. Trong nghiên cứu này, bộ lọc thông thấp sẽ
được sử dụng để phân biệt hai thành phần gia tốc trên một
cách tương đối. Hệ điều hành Android cho phép nhà phát triển
dễ dàng thực thi bộ lọc thông thấp thông qua thư viện Fsensor
[6]. Cụ thể ở đây, hệ thống sẽ thực thi bộ lọc thông thấp IIR
với mối quan hệ giữa đầu vào và đầu ra được biểu diễn theo
cơng
thức
1.

Hình 2. Tín hiệu trước (a) và sau khi lọc (b)


Từ đó thành phần gia tốc động sẽ được tính tốn thơng qua sự
chênh lệch giữa tín hiệu gốc và tín hiệu qua bộ lọc:

DBAit
với

i

2

X ,Y , Z :

Ait

x i

t

y i

t

(2)


việc phân lớp trạng thái người dùng [4,5]. Mơ hình thực hiện
như trong Hình 4.

Ai : Thành phần gia tốc động theo trục i ;


y i : Gia tốc tĩnh theo trục i thu được qua bộ lọc;
x i : Gia tốc gốc theo trục .
i
Tiếp đến, giá trị véc-tơ gia tốc động được tính tốn thơng qua
gia tốc động:

VeDBA

AX2

AY2

AZ2

(3)

(4)
SCAY AY
2. Phân lớp dữ liệu với thuật toán véc-tơ hỗ trợ
Trong bài tốn học máy nói chung và thuật tốn học máy
véc-tơ hỗ trợ nói riêng, q trình đào tạo, huấn luyện dữ liệu là
bước rất quan trọng, nó quyết định tới độ chính xác của việc
phân lớp dữ liệu hay nói cách khác, một mơ hình được huấn
luyện đúng quy trình với tập dữ liệu điển hình sẽ mang lại độ
chính xác cao cũng như “sự thơng minh” cần thiết cho các tính
năng của hệ thống.
Như đã đề cập, thông qua cảm biến gia tốc, dữ liệu thô bao
gồm gia tốc ba trục X , Y , Z được lấy mẫu với tần số 50Hz.
Sau khi tiền xử lý tương tự đề cập trên, dữ liệu thu được bao
gồm thông tin về giá trị VeDBA , SCAY . Tuy nhiên, việc

huấn luyện, tính tốn hay phân biệt trạng thái đối tượng tương
ứng với từng cặp giá trị VeDBA , SCAY với 50 lần trong 1
giây là không thực sự cần thiết, vì thế hệ thống được đề xuất
sẽ huấn luyện với dữ liệu VeDBAs là tổng giá trị

Hình 4. Q trình xử lí dữ liệu huấn luyện

VeDBA tương ứng trong một phút (tức 50 điểm VeDBA ),
tương tự là giá trị SCAYs qua đó thiết lập các điểm (node) dữ
liệu hai đặc tính. Việc sử dụng thêm các đặc tính đầu vào sẽ
giúp cải thiện độ chính xác trong việc phân hoạch của hệ
thống, tuy nhiên điều đó cũng sẽ khiến hệ thống tính tốn
chậm hơn, ảnh hưởng tốc độ làm việc của phần mềm. Bước
tiếp theo, các điểm dữ liệu có sẵn kèm theo nhãn phân lớp sẽ
được chia thành hai phần tương đương là dữ liệu huấn luyện
và dữ liệu kiểm tra.

Quá trình huấn luyện dữ liệu sử dụng véc-tơ hỗ trợ hàm
nhân Gaussian được mô tả trên Hình 5. Trong huấn luyện mơ
hình phân lớp tối ưu, cụ thể trong việc sử dụng hàm nhân cho
thuật toán học máy véc-tơ hỗ trợ, việc đánh giá độ chính xác
của bộ phân lớp rất quan trọng, bởi vì nó cho phép dự đốn
được độ chính xác của các kết quả phân lớp những dữ liệu
tương lai cũng như tìm ra cặp giá trị C , tối ưu cho hệ
thống. Trong nhánh thứ nhất của sơ đồ, dữ liệu đào tạo sẽ
được đánh giá độ chính xác bằng cách tiến hành kiểm chứng
chéo [7] (CV: Cross-Validation) như Hình 5, k-fold, kiểm
chứng chéo k-fold được sử dụng để đo lỗi thành phần cũng
như lỗi tổng quát của các phân loại cho một số lượng hạn chế
các dữ liệu thu thập được. Cụ thể hơn, trong kiểm chứng chéo

k-fold, dữ liệu đầu vào sẽ được chia thành k tập dữ liệu con
khơng giao nhau và có kích thước xấp xỉ nhau. Mỗi lần (trong
số k lần) lặp, một tập con được dùng để làm tập kiểm thử
trong khi k-1 tập con cịn lại được dùng làm tập huấn luyện.
Sau đó, k giá trị lỗi sẽ được thu thập để tính giá trị lỗi trung
bình cũng như tỉ lệ chính xác tổng thể cao nhất với cặp giá trị
C , tối ưu nhất.
Trong bài tốn này, vai trị chính của kiểm chứng chéo là
tìm ra cặp giá trị C , tối ưu cho hệ thống, sau mỗi lần huấn
luyện và kiểm thử trong dãi giá trị C và ξ cho trước. Giá trị C
và ξ tối ưu nhất tương ứng với giá trị làm cho lỗi trung bình
nhỏ nhất hay độ chính xác tổng thể cao nhất sẽ được tìm ra.
Trong ứng dụng này, giá trị k-fold được lấy là 3. Giá trị độ
chính xác tổng thể lớn nhất được xác định là 96%, khi đó cặp

Hình 3. Dữ liệu huấn luyện

Trên thực tế, dữ liệu từ cảm biến gia tốc sẽ khơng tách biệt
tuyến tính hay gần tách biệt tuyến tính như trên Hình 3, vì vậy
việc sử dụng các thuật toán véc-tơ hỗ trợ với phân lề cứng hay
phân lề mềm không mang lại nhiều hiệu quả cho việc phân lớp
hành vi trong bài tốn này. Vì vậy, thuật tốn véc-tơ hỗ trợ sử
dụng hàm nhân cụ thể là hàm Gaussian sẽ được sử dụng cho

3


gian là 5 giây. Hoạt động của việc nhận dạng được mơ tả như
trong Hình 7.
Trong khoảng thời gian 5 giây liên tiếp, trạng thái chiếm đa số

sẽ được chọn là trạng thái quyết định, điều này giúp hệ thống
giải quyết triệt để một số thành phần nhiễu không mong muốn,
tăng tính chính xác và ổn định cho phần mềm. Vì vậy, cứ sau
5 giây, phần mềm sẽ cập nhật trạng thái một lần. Với tính
năng dự đốn tai nạn thì thực tế cho thấy, tính năng nhận dạng
tai nạn từ thông tin cảm biến gia tốc đã được áp dụng phổ
biến, đặc biệt là trên ơ tơ. Khi có tai nạn hoặc va chạm mạnh
xảy ra, gia tốc giảm đột ngột, trong ứng dụng này, phầm mềm
sẽ dự đoán một tình huống là tai nạn thơng qua gia tốc

giá trị tốt nhất của C , tương ứng là (0.125, 4.8828 x e-4)
như Hình 6. Thơng qua q trình kiểm chứng chéo, bài tốn đã
xác định được hai thơng số là và C . Các giá trị nói trên
được nạp vào mơ hình huấn luyện với dữ liệu huấn luyện gốc
để xác định các thơng số cịn lại của mơ hình huấn luyện hệ
thống.

Acc

Ax2

Ay2

Az2 . khi Acc đạt giá trị trên 2G

(G=9.8 m/s2) [8]. Để tăng tính chính xác của việc dự đoán,
phầm mềm sẽ kiểm tra xem liệu rằng khi Acc đạt ngưỡng 2G,
lúc ấy người dùng có đang đi xe hay không, việc này nhằm
tránh nhầm lẫn với các tình huống gây gia tốc giảm khác như
rơi điện thoại, va đập …


Hình 5. Kiểm chứng chéo

Quá trình huấn luyện thông qua hàm SVMtrain trên Matlab
được tiến hành với đầu vào là toàn bộ tập dữ liệu huấn luyện
và nhãn tương ứng cùng với giá trị C , đã biết. Sau khi huấn
luyện, mơ hình thu được chứa các thông tin số lớp phân hoạch,
số véc-tơ hỗ trợ, bộ hệ số w cũng như giá trị b để xây dựng
hàm quyết định. Thơng qua q trình huấn luyện trên, các
thơng số trong mơ hình thu được sẽ được sử dụng để xây dựng
hàm quyết định trạng thái.

Hình 7. Quyết định trạng thái

Như vậy, chúng tơi đã phân tích các bước thực hiện thuật tốn
đề xuất, với tính ưu việt của thuật tốn có thể mở ra hướng
ứng dụng tốt cho việc triển khai các giải pháp an toàn cho
người đi xe máy và các phương tiện khác
III. KẾT QUẢ VÀ THẢO LUẬN
Để làm rõ hiệu quả của giải pháp đề xuất phần mềm xác
định trạng thái đi xe máy sử dụng thuật tốn học máy véc-tơ
và cảm biến tích hợp sẵn trên điện thoại thông qua dữ liệu thô
từ cảm biến gia tốc trên điện thoại, chúng tôi đã đề xuất phần
mềm cũng như từng bước xây dựng tính năng dựa trên thuật
toán học máy véc-tơ hỗ trợ dựa trên các đặc trưng VeDBA,
SCAY như Hình 5. Mơ hình huấn luyện thu được bao gồm số
lớp cần phân hoạch là 2, tổng số vector hỗ trợ là 87 với 58 cho
lớp dữ liệu không đi xe và 29 cho lớp dữ liệu đi xe, cặp giá trị
C , là (0.125, 4.8828). Tiếp theo, một vấn đề rất quan trọng
khi vận hành một ứng dụng là hiệu năng hoạt động cũng như

sự tiện ích và tài nguyên tiêu tốn của hệ thống, các thơng số
này được đánh giá thơng qua:

Hình 6. Độ chính xác qua kiểm chứng chéo

Bước cuối cùng của huấn luyện là đánh giá độ chính xác bằng
dữ liệu có sẵn, dựa vào mơ hình từ q trình huấn luyện, mơ
hình sẽ được đánh giá bằng tập dữ liệu kiểm tra và tập nhãn có
sẵn bởi hàm SVMpredict trong thư viện SVMlib, quá trình
kiểm tra sẽ xác định độ chính xác của việc huấn luyện. Độ
chính xác kiểm chứng bằng tập dữ liệu kiểm tra được định
nghĩa là (số kết quả dự đoán đúng với nhãn thực tế)/(số kết
quả dự đốn). Trong ứng dụng này, độ chính xác xác định
được là 93.18%. Có thể thấy, q trình huấn luyện trên sẽ cho
kết quả của việc xác định trong từng khoảng thời gian một
giây. Vì vậy, để tăng tính chính xác hơn của việc nhận dạng,
phần mềm sẽ đưa ra kết quả nhận dạng trên từng khoảng thời

1. Độ nhạy và độ chính xác

4


Để đánh giá hiệu năng hệ thống, các thông số được định nghĩa :

trợ, phềm mềm có tính thực tế cao và đang được ứng dụng trên
thị trường. Phần mềm nổi bật với khả năng nhận dạng tự động
trạng thái đang đi xe của người dùng, từ đó phát triển các tính
năng đi cùng đó là: i) Tự động chuyển trạng thái điện thoại từ
trạng thái bình thường sang im lặng khi phát hiện người dùng

đang trên xe và chuyển ngược lại khi phát hiện người dùng
không đi; ii) Từ chối các cuộc gọi không cần thiết hay cuộc gọi
không thực sự quan trọng và gửi lại tin nhắn cho người gọi vời
thông tin rằng người dùng đang trên xe; iii) Cho phép nhận
cuộc gọi từ những người quan trọng bằng danh sách cài đặt
trước hoặc nhận cuộc gọi khẩn cấp từ những cuộc gọi liên tiếp
trong thời gian ngắn từ một số điện thoại; iiii) Rung cảnh bảo
nếu người dùng điều khiển phương tiện vượt quá vận tốc đặt
trước; iiiii) Phát hiện và xác nhận tai nạn, tự động gửi thông
báo kèm theo tọa độ đến người thân hoặc dịch vụ khẩn cấp.

TP – True Positive – Dự đoán trạng thái là “đang đi xe” và
thực tế cũng là “đang đi xe”
TN – True Negative – Dự đoán trạng thái là “không đi xe” và
thực tế là “không đi xe”
FP – Fail Positive – Dự đoán trạng thái là “đang đi xe” nhưng
thực tế là “không đi xe”
FN – Fail Negative – Dự đốn trạng thái là “khơng đi xe”
nhưng thực tế là “đang đi xe”
Để xác định hiệu năng của thuật toán, hệ thống sử dụng độ nhạ
Độ nhạy =

TP
TP FN

Độ chính xác =

(5)

TP

TP FP

Hiện tại, phần mềm đã đi vào vận hành và bước đầu thu
hút nhiều sự quan tâm của truyền thông, cụ thể là một số kênh
truyền hình trong nước như VTV2 [9], NhanDan TV [10].
Trong tương lai, phần mềm được định hướng phát triển thêm
các tính năng hữu ích và được triển khai trên nhiều hệ điều
hành khác nhau nhằm tiếp cận nhiều người dùng hơn cũng như
mang lại nhiều lợi ích cho cộng đồng.

(6)

Độ nhạy và độ chính xác cụ thể của từng trạng thái được xác
định trong Bảng 1.
Bảng 1. Độ nhạy và độ chính xác của hệ thống

Trạng thái

Đang đi xe
(%)
93.33
88.05

Độ nhạy
Độ chính xác

TÀI LIỆU THAM KHẢO

Đang khơng đi xe
(%)

93.10
96.24

[1]

Website, xe máy là phương tiện chính gây ra tai nạn giao thông tại Việt
Nam, tại link :
/>[2] Website, xe máy là phương tiện chính gây ra tai nạn giao thơng tại Việt
Nam, tại link:
/>[3] Website, Người đi xe máy thường xuyên sử dụng điện thoại khi lái xe,
tại link :
/>[4] Hoang, Q. T., Phung, C. P. K., Bui, T. N., Chu, T. P. D., & Tran, D. T.
(2018). Cow Behavior Monitoring Using a Multidimensional
Acceleration Sensor and Multiclass SVM. International Journal of
Machine Learning and Networked Collaborative Engineering, 2(3), 110118.
[5] Khanh, P. C. P., Long, T. T., Chinh, N. D., & Duc-Tan, T. (2018,
January). Performance evaluation of a multi-stage classification for cow
behavior. In 2018 2nd International Conference on Recent Advances in
Signal Processing, Telecommunications & Computing (SigTelCom) (pp.
121-125). IEEE.
[6] Milette, G., & Stroud, A. (2012). Professional Android sensor
programming. John Wiley & Sons.
[7] Roberts, D. R., Bahn, V., Ciuti, S., Boyce, M. S., Elith, J., Guillera‐
Arroita, G., ... & Warton, D. I. (2017). Cross‐validation strategies for
data with temporal, spatial, hierarchical, or phylogenetic structure.
Ecography, 40(8), 913-929.
[8] Pham, V. T., Nguyen, T. A., Tran, D. N., Nguyen, D. A., & Tran, D. T.
(2017). Development of a real time supported program for motorbike
drivers using smartphone built-in sensors. International Journal of
Engineering and Technology (IJET), 9(2).

[9] Website, kênh truyền hình VTV2 tin tức về Motorsafe, tại link:
/>[10] Website, kênh truyền hình NhanDan TV tin tức về Motorsafe, tại link:
/>
Thơng số được quan tâm nhất của phần mềm là độ chính
xác, độ chính xác trung bình được xác định đạt tới 92%, tuy
nhiên, đây mới chỉ là độ chính xác đối với xác định trạng thái
trong mỗi giây, bằng việc sử dụng thuật toán nâng cao đưa ra
quyết định trong mỗi 5 giây, độ chính xác sẽ được cải thiện.
2. Tài nguyên tiêu tốn
Trên thực tế, phần mềm với dung lượng 3.04Mb dễ dàng
cài đặt và chạy mượt mà trên các dòng điện thoại Android sử
dụng hệ điều hành từ Android 5.0 trở lên. Q trình thực
nghiệm cho thấy, khi khơng bật tính năng cảnh bảo vượt quá
tốc độ, với điện thoại Samsung galaxy J7 Prime phầm mềm
tiêu tốn khoảng 5% pin mỗi giờ. Với điện thoại Oppo F5, phần
mềm tiêu tốn khoảng 4% pin mỗi giờ, khi bật tính năng cảnh
bảo vượt quá tốc độ, điện thoại Samsung Galaxy J7 Prime
phầm mềm tiêu tốn khoảng 42% pin mỗi giờ. Với điện thoại
Oppo F5, phần mềm tiêu tốn khoảng 36% pin mỗi giờ. Phần
mềm hiện đã có mặt trên chợ ứng dụng Google
( />torsafe&hl=vi) và bước đầu nhận được sự tin tưởng của người
dùng.
IV. KẾT LUẬN
Trong bài báo này, thông qua dữ liệu từ cảm biến gia tốc trên
điện thoại người dùng, chúng tôi đã đề xuất và xây dựng phần
mềm Android – MotorSafe dựa trên thuật toán máy véc-tơ hỗ

5