Skip to main content
v2.0

CarHeatGuard — Ứng dụng cảnh báo nhiệt độ xe và chống bỏ quên trẻ em

Tóm tắt​

Trong 4 tháng đầu năm 2026, ít nhất 3 trẻ em tử vong do bị bỏ quên trong ô tô đóng kín — vnexpress, tuoitre, thanhnien đưa tin cùng tuần. Nhiệt độ trong cabin xe đóng kín tăng 3–5°C mỗi 10 phút dưới trời nắng 30°C+, có thể gây tử vong cho trẻ dưới 5 tuổi trong 20–30 phút. Không có ứng dụng di động Việt Nam cảnh báo phụ huynh khi trẻ bị bỏ quên hoặc khi nhiệt độ cabin vượt ngưỡng an toàn. Alpha Chain Ltd. đề xuất CarHeatGuard — ứng dụng iOS/Android kết nối Bluetooth Low Energy (BLE) sensor gắn trong xe với điện thoại phụ huynh, cảnh báo nhiệt độ cabin, nhắc nhở kiểm tra ghế sau qua thuật toán AI phân tích thói quen lái xe.

Định nghĩa vấn đề​

Phát biểu vấn đề​

Phụ huynh Việt Nam lái xe riêng đưa con đi học hoặc đến bà ngoại mà không có hệ thống cảnh báo khi trẻ bị bỏ quên trên ghế sau. Thói quen "quên con" xảy ra khi thay đổi routine — cha mẹ vội đi làm, bà ngoại đưa đón thay, hoặc trẻ ngủ yên trên xe. Đây không phải sơ suất mà là lỗ hổng nhận thức được khoa học ghi nhận rõ: não bộ con người lưu routine bằng vùng hippocampus, thay đổi routine kích hoạt prefrontal cortex chưa kịp xử lý → bỏ qua bước kiểm tra ghế sau.

Định lượng thiệt hại​

  • Tử vong do bỏ quên trong xe: 2–3 trẻ/năm tại Việt Nam (chỉ tính báo chí ghi nhận — thực tế có thể cao hơn) (ước tính) (ước tính)
  • Tại Hoa Kỳ, trung bình 38 trẻ/năm tử vong do heat stroke trong xe (1991–2022) nguồn
  • Thời gian tử vong: 20–30 phút khi nhiệt độ ngoài trời ≥ 30°C nguồn
  • Nhiệt độ cabin tăng 3–5°C/10 phút khi đỗ nắng nguồn
  • Thị trường xe cá nhân Việt Nam: ~3 triệu xe con, tỷ lệ phụ huynh chở con: ~40% (ước tính) (ước tính)

Phạm vi​

  • Trong phạm vi: cảnh báo nhiệt độ cabin, nhắc kiểm tra ghế sau, kết nối BLE sensor, gọi cấp cứu
  • Ngoài phạm vi: can thiệp phanh xe tự động, tích hợp với hệ thống OTA của hãng xe

Mô hình vấn đề​

P=Pr⁡(child_forgotten∣Δroutine,duration,Tmathrmcabin)P = \Pr(\text{child\_forgotten} \mid \Delta\text{routine}, \text{duration}, T_{mathrm{cabin}})

Các biến:

  • Δroutine\Delta\text{routine} — mức độ thay đổi so với thói quen thường ngày (0 = y chang, 1 = hoàn toàn khác)
  • duration\text{duration} — thời gian đỗ xe (phút)
  • TmathrmcabinT_{mathrm{cabin}} — nhiệt độ cabin (°C)

Các ràng buộc: C1:Tmathrmcabin≤38°C(safety threshold)C_1: T_{mathrm{cabin}} \leq 38°C \quad \text{(safety threshold)} C2:duration≤5min(response window)C_2: \text{duration} \leq 5\text{min} \quad \text{(response window)}

Mục tiêu: maximize P(alert_sent≤Tmathrmcritical∣sensor_online)=1−F(duration−τ)\text{maximize } P(\text{alert\_sent} \leq T_{mathrm{critical}} \mid \text{sensor\_online}) = 1 - F(\text{duration} - \tau)

Giải pháp đề xuất​

Tổng quan​

CarHeatGuard gồm 3 thành phần: (1) BLE sensor gắn trong xe đo nhiệt độ + phát hiện chuyển động, (2) app điện thoại phụ huynh, (3) cloud backend xử lý ngưỡng.

Core Features​

  1. BLE Sensor (phần cứng bán lẻ)

    • Gắn trên khe điều hòa hoặc tựa đầu ghế sau
    • Đo nhiệt độ môi trường + phát hiện chuyển động qua accelerometer
    • Pin CR2032, tuổi thọ 6–12 tháng
    • Kết nối Bluetooth 5.0 LE, bán qua Shopee/Tiki

  2. Smart Reminder Engine

    • Phân tích thói quen lái xe qua 14 ngày đầu (lộ trình, giờ khởi hành, điểm đến)
    • Nếu hôm nay khác routine → nhắc "Bạn có đưa [Tên] theo không?" 3 phút sau khi khởi động xe
    • Nếu xe dừng + cabin > 35°C + trẻ được phát hiện trên ghế sau → cảnh báo khẩn cấp

  3. Emergency Cascade

    • Cảnh báo → phụ huynh (đổ chuông + rung 30 giây)
    • Không trả lời 60s → gọi người liên hệ khẩn
    • Không trả lời 120s → gọi 113/114 với tọa độ xe

  4. Community Heat Map

    • Bản đồ nhiệt các điểm đỗ xe nguy hiểm (trời nắng >35°C nhiều ngày)
    • Báo cáo thống kê cho báo chí

Quyết định thiết kế chính​

  • BLE vs GPS: BLE tiết kiệm pin, đủ cho use case. GPS tốn pin + phức tạp hơn.
  • Hardware bán lẻ vs OEM: Bán lẻ giúp ACIL không phụ thuộc hãng xe, tiếp cận thị trường second-hand.

Tiêu chí thành công​

Tiêu chíMục tiêuPhương pháp đo lường
Cảnh báo kịp thời≤ 3 phút sau khi cabin > 38°CTester mô phỏng nhiệt
Tỷ lệ phát hiện trẻ> 90% khi sensor hoạt độngLab test với weight dummy
Retention 6 tháng> 60% users còn activeAnalytics

Luồng hệ thống​

Thuật toán cốt lõi​

Mô tả thuật toán​

Thuật toán HeatIndexAlert xử lý real-time stream từ BLE sensor:

  1. Đọc Tmathrmcabin(t)T_{mathrm{cabin}}(t), motion(t)\text{motion}(t), signal_strength\text{signal\_strength}
  2. Tính ΔT=Tmathrmcabin(t)−Tmathrmcabin(t−10min)\Delta T = T_{mathrm{cabin}}(t) - T_{mathrm{cabin}}(t - 10\text{min})
  3. Nếu ΔT>3°C\Delta T > 3°C → gửi "cabin heating fast" event
  4. Nếu Tmathrmcabin>38°CT_{mathrm{cabin}} > 38°C và trẻ trên ghế sau → kích hoạt Panic Sequence
  5. Panic Sequence: đổ chuông → chờ 60s → gọi khẩn → chờ 60s → gọi 113

Thuật toán RoutineDeviation xác định độ lệch thói quen:

  1. Train baseline trong 14 ngày đầu: vector b⃗=[tmathrmstart,dmathrmroute,pmathrmdropoff]\vec{b} = [t_{mathrm{start}}, d_{mathrm{route}}, p_{mathrm{dropoff}}]
  2. Hôm nay: vector t⃗\vec{t}
  3. D=∥t⃗−b⃗∥2D = \|\vec{t} - \vec{b}\|_2
  4. Nếu D>θD > \theta → "deviation detected" → gửi nhắc kiểm tra ghế sau

Công thức toán học​

R(alert∣T,ΔT)=1[T>38]⋅σ(ΔT−3)+1[T>35]⋅αmathrmroutineR(\text{alert} \mid T, \Delta T) = \mathbb{1}[T \gt 38] \cdot \sigma(\Delta T - 3) + \mathbb{1}[T \gt 35] \cdot \alpha_{mathrm{routine}}

Tham số:

  • TT — nhiệt độ cabin hiện tại (°C)
  • ΔT\Delta T — độ tăng nhiệt trong 10 phút
  • σ\sigma — sigmoid activation
  • αmathrmroutine\alpha_{mathrm{routine}} — hệ số deviance thói quen (0→1)

Độ phức tạp​

Chỉ sốGiá trị
Độ phức tạp thời gianO(1)O(1) per event
Độ phức tạp không gianO(n)O(n) cho routine model

Kiến trúc hệ thống​

+------------------------------------------+
|         Mobile App (Flutter/React)       |
|  +----------+  +-----------+  +-------+ |
|  | BLE Conn |  | UI/Alert  |  | State | |
|  +----------+  +-----------+  +-------+ |
+------------------------------------------+
                        |
                        v
+------------------------------------------+
|          Cloud Backend (Node.js)         |
|  +------------+  +------------------+    |
|  | MQTT Broker|  | HeatAlert Engine |    |
|  +------------+  +------------------+    |
|  +------------------+  +-------------+   |
|  | RoutineAnalytic  |  | Notif Gateway|  |
|  +------------------+  +-------------+   |
+------------------------------------------+
        |                    |
        v                    v
+----------+     +-------------------------+
| BLE Sensor|    | Emergency/Notif Routes |
| (Hardware) |    +-------------------------+
+----------+
  • BLE Sensor: Cấu hình thương mại (M5StickC, ~250K VND)
  • MQTT Broker: Mosquitto, chạy trên 1 instance
  • HeatAlert Engine: Serverless function, xử lý < 5ms/event
  • Notif Gateway: Firebase Cloud Messaging (FCM)

Trường hợp sử dụng​

UC1: Phụ huynh đỗ xe đi làm, trẻ ngủ trên ghế sau​

Các tác viên: Cha/mẹ, BLE sensor, app Tiên điều kiện: Sensor đã pair, app đang chạy nền Kích hoạt: Sensor phát hiện cabin > 38°C Các bước:

  1. Sensor gửi event cabin_temp=41°C qua BLE
  2. App nhận event → App đổ chuông + rung + thông báo "Kiểm tra ghế sau!"
  3. Phụ huynh nhấn "Con an toàn" → kết thúc
  4. Nếu không phản hồi sau 60s → gọi số khẩn (bà ngoại)
  5. Nếu không phản hồi sau 120s → gọi 113 kèm tọa độ GPS Kết quả mong đợi: Trẻ được giải cứu kịp thời, hoặc 113 đến trong 10 phút

UC2: Thay đổi routine — bà ngoại đưa đón thay​

Các tác viên: Bà ngoại, cha/mẹ, app Tiên điều kiện: App đã cấu hình nhiều drivers Kích hoạt: Routine deviation detected (lộ trình mới) Các bước:

  1. Backend phát hiện hôm nay khác routine 60%+
  2. Gửi notification "Hôm nay bạn đi route lạ — nhắc kiểm tra ghế sau"
  3. Bà nhấn "Đã kiểm tra" → ghi nhận Kết quả mong đợi: Bà có ý thức kiểm tra ghế sau trước khi đỗ xe

Mô hình kinh doanh​

Mô hình doanh thu​

R=Rmathrmhardware+Rmathrmsubscription+RmathrmadsR = R_{mathrm{hardware}} + R_{mathrm{subscription}} + R_{mathrm{ads}}

  • Hardware margin: 15–20% trên sensor (250K → margin ~50K/unit)
  • Subscription: freemium vs premium 99K/tháng (cảnh báo khẩn + lịch sử)
  • Ads: hiển thị trong app — không ảnh hưởng critical path

Cấu trúc chi phí​

Loại chi phíMô tảSố tiền
Hardware COGSM5StickC + lắp ráp~200K/sensor
Firebase Cloud MessagingPush notification~500K/tháng (50K users)
MQTT broker (VPS)2GB RAM instance~600K/tháng
R&D (1 dev × 3 tháng)MVP development~150 triệu

Phân tích điểm hòa vốn​

Units to break-even=150,000,00050,000=3,000 sensors\text{Units to break-even} = \frac{150{,}000{,}000}{50{,}000} = 3{,}000 \text{ sensors}

Với 3K sensor bán (2.7% penetration TP.HCM), hòa vốn sau 3 tháng.

Kế hoạch MVP​

Giai đoạn 1: Prototype (Tuần 1–2, 2026-04-17 → 2026-04-30)​

  • BLE sensor: mua 2 M5StickC, test range + độ chính xác nhiệt kế
  • App: Flutter, BLE plugin, notification state machine
  • Backend: Firebase Cloud Functions, MQTT broker
  • Test nhiệt: mô phỏng cabin 45°C trong xe thực

Tiêu chí kết thúc: Cảnh báo kịp khi nhiệt độ > 38°C trong < 5 giây

Giai đoạn 2: Beta (Tuần 3–4, 2026-05-01 → 2026-05-14)​

  • 10 families TP.HCM beta test (không bán, cho mượn sensor)
  • Routine baseline model: thu thập 14 ngày data
  • SOS cascade: test gọi thật đến số test

Tiêu chí kết thúc: 8/10 families đánh giá app hữu ích

Giai đoạn 3: Launch (Tuần 5–8, 2026-05-15 → 2026-06-05)​

  • Upload lên Shopee, TikTok Shop
  • Quảng cáo Facebook targeting phụ huynh có con < 10 tuổi
  • Tích hợp báo cáo thống kê cho Sở Y tế TP HCM

Tiêu chí kết thúc: 100 sensors bán, 0 incident thực tế

Các yêu cầu​

Yêu cầu 1: CarHeatGuard gửi cảnh báo nhiệt độ cabin đến điện thoại phụ huynh trong vòng 5 giây kể từ khi nhiệt độ vượt 38°C, với độ chính xác cảm biến ±1°C.

Yêu cầu 2: Panic Sequence kích hoạt gọi 113 tự động trong vòng 120 giây kể từ lần cảnh báo đầu tiên, kèm tọa độ GPS của xe tại thời điểm gọi.

Yêu cầu 3: Routine deviation engine hoạt động sau 14 ngày baseline, phát hiện lệch route > 50% so với history và gửi nhắc kiểm tra ghế sau trước khi driver đỗ xe.

Claims​

Claim 1: Tại Việt Nam, ít nhất 2 trẻ em tử vong do bị bỏ quên trong ô tô trong tháng 4/2026, trong khi tại Hoa Kỳ, trung bình 38 trẻ em/năm tử vong do heat stroke trong xe (1991-2022) — cho thấy mức độ nghiêm trọng của vấn đề toàn cầu. Nhiệt độ cabin tăng 3–5°C/10 phút và thời gian tử vong 20–30 phút khi nhiệt độ ngoài trời ≥30°C là các yếu tố khoa học được ghi nhận.

Claim 2: Thị trường tiềm năng cho CarHeatGuard bao gồm khoảng 3 triệu xe con tại Việt Nam với tỷ lệ phụ huynh chở con khoảng 40%, tạo ra cơ hội triển khai hệ thống cảnh báo nhiệt độ cabin và nhắc kiểm tra ghế sau.

Quyền sở hữu & Bản quyền​

© 2026 Alpha Chain Ltd. Tất cả quyền được bảo lưu.

Tài liệu này là tài sản độc quyền của Alpha Chain Ltd. Việc sao chép, phân phối lại, hoặc tạo sản phẩm phái sinh đều yêu cầu sự đồng ý bằng văn bản từ Alpha Chain Ltd.

Lịch sử thay đổi​

Phiên bảnNgàyTác giảThay đổi
2.02026-04-20Alpha Chain Ltd.Thêm phần Claims
1.02026-04-17Alpha Chain Ltd.Tạo ban đầu