Đang chạy mực qua máy in — từng lớp màu một, kiên nhẫn nhé!
№ 01
№ 02
№ 03
№ 04
№ 05
№ 06
AirGuard AI — Giám sát Không khí & Điều phối Đô thị Thông minh · AI·20K Demo Day Zine
№ 62
AirGuard AI — Giám sát Không khí & Điều phối Đô thị Thông minh
AirGuard AI là nền tảng giám sát chất lượng không khí đô thị theo thời gian thực, kết hợp bản đồ nhiệt IDW hiệu chỉnh theo gió và dự báo chất lượng không khí đến 24 giờ. Hệ thống tích hợp AI Agent để gợi ý khu vực/lộ trình vận động có chất lượng không khí tốt hơn, chủ động gửi cảnh báo và khuyến nghị sức khỏe theo từng nhóm cư dân khi ô nhiễm vượt ngưỡng; đồng thời áp dụng quy trình Human-in-the-Loop giúp Ban quản lý phê duyệt đề xuất tăng thông gió một chạm và lưu vết toàn bộ quá trình vận hành minh bạch.
Fig. 01 · Ảnh dự án
1. Bối cảnh & Bài toán thực tế
Tại các khu đô thị quy mô lớn như Vinhomes Ocean Park 1, chất lượng không khí có thể thay đổi đáng kể theo từng phân khu, thời điểm và điều kiện vi khí hậu. Tuy nhiên, cư dân và Ban quản lý vẫn gặp ba hạn chế chính:
Thiếu dữ liệu môi trường đủ cục bộ: Các trạm quan trắc quy mô lớn thường không phản ánh chính xác chất lượng không khí tại từng công viên, khu dân cư, trường học hay khu vực vận động.
Thiếu thông tin để hành động: Cư dân, đặc biệt là người nhạy cảm và người tập thể thao ngoài trời, khó biết khi nào nên ra ngoài, khu vực nào an toàn hơn và lộ trình nào có mức phơi nhiễm thấp hơn.
Vận hành môi trường còn thụ động: Khi ô nhiễm kéo dài, Ban quản lý cần một cơ chế phát hiện sớm, đề xuất hành động rõ ràng, có phê duyệt của con người và lưu vết đầy đủ để đảm bảo an toàn và minh bạch.
AirGuard AI được xây dựng để giải quyết toàn bộ luồng này: giám sát → phân tích → cảnh báo → khuyến nghị hành động → hỗ trợ vận hành có kiểm soát.
2. Giải pháp của AirGuard AI
AirGuard AI là nền tảng mô phỏng giám sát chất lượng không khí và môi trường đô thị cho Vinhomes Ocean Park 1, kết nối 5 trạm cảm biến mô phỏng qua MQTT để theo dõi AQI, PM2.5, CO₂, tiếng ồn và nhiệt độ theo thời gian thực.
Giám sát môi trường thời gian thực
5 trạm quan trắc mô phỏng từ S01–S05 liên tục phát dữ liệu qua MQTT Mosquitto.
Dữ liệu được kiểm tra, chuẩn hóa và lưu trữ trong PostgreSQL trước khi cung cấp cho dashboard, AI Agent và các mô-đun phân tích.
Hệ thống hiển thị trực quan tình trạng môi trường tại từng khu vực thay vì chỉ cung cấp một chỉ số tổng quát.
Bản đồ nhiệt IDW hiệu chỉnh theo gió
AirGuard AI sử dụng Wind-Adjusted IDW để nội suy dữ liệu từ các trạm cảm biến thành bản đồ nhiệt không gian.
Hệ thống kết hợp vị trí trạm với hướng gió và tốc độ gió để mô phỏng tốt hơn xu hướng lan truyền ô nhiễm trên khu vực giám sát, giúp người dùng dễ dàng nhận biết các vùng có chất lượng không khí tốt hoặc xấu hơn.
Dự báo chất lượng không khí đến 24 giờ
Hệ thống tích hợp mô hình Prophet và Baseline Trend Forecast để dự báo xu hướng AQI, PM2.5 và CO₂ trong các mốc thời gian:
Hiện tại → +1h → +3h → +6h → +24h
Nhờ đó, cư dân và Ban quản lý không chỉ biết tình trạng hiện tại mà còn có thể chủ động chuẩn bị trước khi chất lượng không khí xấu đi.
§
Phụ lục — Demo & Slides
Video demo
Bản demo trực tiếp
Slide trình bày
AI Agent dựa trên dữ liệu hệ thống
AirGuard AI tích hợp AI Agent sử dụng Tool Calling / LangGraph, truy xuất trực tiếp dữ liệu từ backend để trả lời các câu hỏi như:
Khu vực nào hiện có chất lượng không khí tốt nhất?
Có nên chạy bộ lúc 6 giờ sáng không?
Trạm nào đang có PM2.5 cao nhất?
Chất lượng không khí trong vài giờ tới có xu hướng xấu đi không?
Agent được thiết kế theo hướng grounded, nghĩa là câu trả lời dựa trên dữ liệu và công cụ của hệ thống thay vì tự suy đoán số liệu.
Gợi ý khu vực và lộ trình vận động xanh
Hệ thống sử dụng Road Graph Router để kết hợp mạng đường bộ, các điểm POI và chất lượng không khí theo khu vực.
Từ đó, AirGuard AI có thể gợi ý:
khu vực phù hợp để đi bộ hoặc chạy bộ;
lộ trình có mức ô nhiễm thấp hơn;
khung giờ phù hợp hơn cho hoạt động ngoài trời.
Khuyến nghị được điều chỉnh theo từng nhóm người dùng như cư dân thông thường, nhóm nhạy cảm và người tập thể thao ngoài trời.
Cảnh báo chủ động theo nhóm sức khỏe
AI Agent liên tục theo dõi dữ liệu môi trường. Khi chất lượng không khí chạm ngưỡng cảnh báo, hệ thống có thể tự động gửi cảnh báo tới cư dân, với mức độ khuyến nghị khác nhau tùy theo nhóm sức khỏe.
Điều này giúp AirGuard AI chuyển từ một hệ thống chỉ “hiển thị dữ liệu” thành một hệ thống chủ động hỗ trợ quyết định.
Human-in-the-Loop và Audit
Khi ô nhiễm duy trì ở mức cao trong thời gian dài, hệ thống tự động tạo đề xuất tăng thông gió ở trạng thái pending.
Ban quản lý có thể:
xem lý do đề xuất;
kiểm tra khu vực và thiết bị liên quan;
Approve / Reject chỉ với một thao tác;
theo dõi phản hồi từ thiết bị mô phỏng.
Mọi đề xuất, lệnh điều khiển và phản hồi đều được lưu trong Audit Log, giúp toàn bộ quá trình có thể kiểm tra lại.
Báo cáo và công cụ vận hành
AirGuard AI tự động tổng hợp báo cáo môi trường:
Daily Report
Weekly Report
và hỗ trợ xuất dưới các định dạng:
Markdown · HTML · PDF
Ngoài ra, Manager/Admin có thể sử dụng Demo Scenario Controller để chủ động thay đổi chỉ số tại từng trạm, mô phỏng các tình huống như PM2.5 tăng cao hoặc AQI xấu, sau đó đưa hệ thống trở lại chế độ mô phỏng tự động chỉ với một thao tác.
3. Tính khả thi & Hiện trạng MVP
AirGuard AI đã hoàn thiện một MVP end-to-end, mô phỏng toàn bộ chu trình từ cảm biến đến hành động:
MVP hiện đã được triển khai trên Microsoft Azure VM với kiến trúc container hóa bằng Docker.
Các thành phần chính gồm:
Frontend: React, TypeScript, Leaflet GIS
Backend: FastAPI
Data: PostgreSQL
IoT Messaging: Mosquitto MQTT
AI Agent: LangGraph / Tool Calling
Forecasting: Prophet / Baseline Forecast
Deployment: Docker Compose, Caddy HTTPS, Azure VM
Hệ thống cũng hỗ trợ:
Google OAuth 2.0;
phân quyền RBAC;
các nhóm người dùng khác nhau;
giao diện responsive;
dashboard bản đồ;
AI Assistant tiếng Việt;
báo cáo tự động;
cơ chế phê duyệt Human-in-the-Loop.
Quan trọng hơn, kiến trúc hiện tại được thiết kế để có thể thay thế sensor simulator bằng cảm biến thật mà không cần thay đổi toàn bộ hệ thống phía sau.
4. Giá trị thực tế
AirGuard AI không chỉ cung cấp số liệu môi trường mà hướng tới việc biến dữ liệu thành hành động cụ thể.
Đối với cư dân, hệ thống giúp:
biết khu vực nào có chất lượng không khí tốt hơn;
lựa chọn thời điểm và lộ trình vận động phù hợp;
nhận cảnh báo sớm theo nhóm sức khỏe.
Đối với Ban quản lý, hệ thống giúp:
giám sát nhiều khu vực trên cùng một dashboard;
phát hiện sớm các điểm bất thường;
giảm thao tác giám sát thủ công;
chuẩn hóa quy trình đề xuất và phê duyệt hành động;
lưu vết toàn bộ quyết định để phục vụ kiểm tra và vận hành.
5. Hướng phát triển tiếp theo
Phase 2.1 — Tích hợp cảm biến thực địa
Thay thế sensor simulator bằng các trạm cảm biến vật lý sử dụng ESP32 / LoRaWAN / MQTT, triển khai thử nghiệm tại khuôn viên trường học, khu đô thị hoặc khu dân cư.
Phase 2.2 — Nâng cấp mô hình dự báo
Khi có đủ dữ liệu dài hạn, hệ thống có thể mở rộng sang:
LSTM / Transformer cho time-series;
mô hình vi khí hậu chuyên sâu;
CFD / AERMOD cho mô phỏng lan truyền ô nhiễm.
Mục tiêu là tăng độ chính xác và mở rộng thời gian dự báo lên 48–72 giờ.
Phase 2.3 — Mobile App & cảnh báo theo vị trí
Phát triển ứng dụng mobile với:
Push Notification;
Geofencing;
cảnh báo theo vị trí GPS;
đề xuất khu vực và hành trình theo thời gian thực.
Phase 2.4 — Mở rộng mô hình triển khai
Từ mô hình thử nghiệm tại Vinhomes Ocean Park 1, AirGuard AI có thể mở rộng cho:
khu đô thị;
trường đại học / campus;
khu công nghiệp;
khu nghỉ dưỡng;
tòa nhà và tổ hợp thương mại.
Mục tiêu dài hạn là trở thành một lớp điều phối môi trường thông minh, kết nối dữ liệu cảm biến, AI và hệ thống vận hành để hỗ trợ các khu đô thị đưa ra quyết định nhanh hơn, an toàn hơn và minh bạch hơn.
