Tổng quan về luận án

Sự gia tăng nhanh chóng của mật độ phương tiện cơ giới tại các đô thị đang phát triển đặt ra thách thức nghiêm trọng đối với năng lực quản trị hạ tầng giao thông. Luận án tiến sĩ kỹ thuật chuyên ngành Kỹ thuật Điện tử (Mã số: 9520203) của tác giả Nguyễn Việt Hưng, dưới sự hướng dẫn khoa học của PGS. Nguyễn Tiến Dũng tại Trường Đại học Bách Khoa Hà Nội (2020), mang tên: "Nghiên cứu phát triển các giải pháp giám sát lưu lượng và quản lý phương tiện giao thông qua camera giám sát". Công trình tập trung giải quyết bài toán cốt lõi trong Hệ thống Giao thông Thông minh (Intelligent Transportation Systems - ITS) dưới điều kiện đặc thù của giao thông đô thị Việt Nam: luồng giao thông hỗn hợp (heterogeneous traffic flow) với mật độ xe máy chiếm tỷ trọng áp đảo và không tuân thủ làn đường phân định nghiêm ngặt.

Theo số liệu thống kê từ Cục Đăng kiểm Việt Nam được trích dẫn trực tiếp trong luận án: "từ tháng 3 năm 2019 đến tháng 4 năm 2019 cả nước tăng từ 3.537 ô-tô lên thành 3.966 ô-tô đang lưu hành. Phần ô-tô sản xuất mới trong hai tháng này lần lượt là: 59. Còn đối với xe máy, chỉ riêng trong 2 tháng 3 năm 2019 và tháng 4 năm 2019 số lượng xe máy sản xuất mới lần lượt là: 579". Sự chênh lệch lớn này phản ánh rõ nét thực trạng giao thông hỗn hợp phức tạp.

                  ┌──────────────────────────────────────────────┐
                  │          Camera Giám sát Đô thị              │
                  │       (Dữ liệu Video 12 fps, ROI)            │
                  └──────────────────────┬───────────────────────┘
                                         │
                                         ▼
                  ┌──────────────────────────────────────────────┐
                  │    Tiền xử lý & Cải thiện Chất lượng Ảnh     │
                  │   (Nội suy Bicubic + Canny + Ma trận 7x7)    │
                  └──────────────────────┬───────────────────────┘
                                         │
                    ┌────────────────────┴────────────────────┐
                    ▼                                         ▼
┌───────────────────────────────────────┐ ┌───────────────────────────────────────┐
│     Quản lý Phương tiện Đơn lẻ        │ │     Giám sát Lưu lượng Tổng thể       │
│  - Phân loại (Góc tới trực tiếp DA)   │ │  - Phân tích mật độ (Vùng L, Δαn, β)  │
│  - Đo vận tốc (Hình chiếu v = dx/dt)  │ │  - Điều khiển chu kỳ đèn (Simtram)    │
└───────────────────────────────────────┘ └───────────────────────────────────────┘

Khoảng trống nghiên cứu (research gap) mà luận án giải quyết bao gồm:

  1. Các giải pháp ITS truyền thống quốc tế (như hệ thống từ hãng SAGEM do Pháp tài trợ tại Hà Nội từ năm 2000 hoặc hệ thống cảm biến vòng lặp từ tính ILDS) hoạt động dựa trên giả định phương tiện di chuyển theo làn chuẩn, do đó thất bại khi xử lý luồng giao thông hỗn hợp với hiện tượng che khuất (occlusion) và chuyển làn tự do.
  2. Băng thông truyền dẫn thực tế từ camera giám sát đô thị về trung tâm điều hành bị giới hạn, đòi hỏi thuật toán nâng cao độ phân giải không gian cục bộ mà không làm gia tăng độ trễ tính toán.

Nhiệm vụ và giả thuyết nghiên cứu của luận án được xác lập:

  • $H_1$: Việc tích hợp bộ phát hiện biên Canny vào giải thuật nội suy Bicubic thông qua tái tính toán ma trận lân cận sẽ triệt tiêu hiệu ứng nhòe khối (Block Artifact - BA) tại đường bao phương tiện, cải thiện tỷ số tín hiệu trên nhiễu đỉnh (PSNR).
  • $H_2$: Phân loại phương tiện thông qua góc tới trực tiếp (Direction Angle - DA) và tỷ lệ đường bao hình học cho phép định danh chính xác ô tô, xe máy, xe buýt/tải từ một camera đơn mà không phụ thuộc vào cảm biến 3D đắt tiền.
  • $H_3$: Tối ưu hóa chu kỳ đèn tín hiệu giao thông thích ứng thời gian thực dựa trên ước lượng mật độ chiếm dụng diện tích mặt đường tại các vùng quan sát ($L$, $\Delta \alpha_n$, $\beta$) làm giảm đáng kể hàng đợi và thời gian dừng chờ tại nút giao.

Literature Review và Positioning

Tổng quan y văn quốc tế và trong nước về xử lý ảnh giao thông ghi nhận các nhánh tiếp cận chính:

┌─────────────────────────────────────────────────────────────────────────────────┐
│                            Các Nhánh Nghiên Cứu ITS                             │
├────────────────────────┬───────────────────────────────┬────────────────────────┤
│     Phương pháp        │          Tác giả              │       Hạn chế          │
├────────────────────────┼───────────────────────────────┼────────────────────────┤
│ Optical Flow           │ Lucas & Kanade (1981)         │ Tính toán nặng, nhạy   │
│                        │                               │ cảm với nhiễu          │
├────────────────────────┼───────────────────────────────┼────────────────────────┤
│ Trừ nền & Vi sai       │ Wren et al. (1997),           │ Dễ lỗi khi bóng đổ     │
│                        │ Stauffer & Grimson (1999)     │ và tắc nghẽn dài       │
├────────────────────────┼───────────────────────────────┼────────────────────────┤
│ Cảm biến vật lý        │ Tiêu chuẩn ITS Mỹ & Nhật Bản  │ Chi phí đắt, không phù │
│ (RFID, ILDS, Radar)    │ (JICA, 2012)                  │ hợp xe máy luồn lách   │
└────────────────────────┴───────────────────────────────┴────────────────────────┘

Các tranh luận khoa học tập trung vào hai luồng quan điểm đối lập:

  • Quan điểm thứ nhất: Nhóm nghiên cứu ủng hộ triển khai cảm biến tiếp xúc/không dây chuyên dụng (như Đề tài Nhà nước KC.05/11-15 của PGS. Nguyễn Văn Đức về thiết bị thử nghiệm DSRC/RFID, OBU, RSE). Ưu điểm là tính định danh chính xác cao, nhưng nhược điểm là chi phí lắp đặt thiết bị đầu cuối cho hàng chục triệu xe máy là bất khả thi trong ngắn hạn.
  • Quan điểm thứ hai: Nhóm nghiên cứu dựa trên thị giác máy tính thuần túy (Camera-based Computer Vision). Phương pháp này tận dụng hạ tầng camera có sẵn nhưng vấp phải sự phức tạp khi xử lý ảnh độ phân giải thấp và tắc nghẽn luồng.

So sánh với các nghiên cứu quốc tế:

  • Các mô hình ITS của Huawei hoặc hệ thống giao thông tại Bắc Mỹ giả định làn xe tách biệt hoàn toàn; phương tiện ô tô nối tiếp đơn lẻ. Khi áp dụng vào dữ liệu thực tế tại Việt Nam, các mô hình này suy giảm độ chính xác trên 35% do xe máy liên tục điền vào khoảng trống giữa các ô tô.
  • Nghiên cứu của JICA tại Việt Nam đã đề xuất lộ trình tích hợp nhưng chủ yếu tập trung vào khung tiêu chuẩn quy hoạch hạ tầng và đường cao tốc, chưa giải quyết triệt để tầng thuật toán xử lý luồng giao thông hỗn hợp tại nút giao đô thị.

Luận án của NCS. Nguyễn Việt Hưng định vị chính xác tại điểm giao thoa: phát triển chuỗi thuật toán xử lý ảnh chuyên biệt thích nghi với dữ liệu camera thị giác thông thường, tối ưu hóa từ bước tiền xử lý siêu phân giải, phân loại dựa trên góc tới, đo tốc độ chuyển động học, đến điều khiển pha đèn tín hiệu giao thông theo thời gian thực.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án đóng góp vào cơ sở lý thuyết xử lý tín hiệu số và lý thuyết luồng giao thông (Traffic Flow Theory) thông qua việc mở rộng và chuẩn hóa các mô hình toán học:

                  ┌──────────────────────────────────────────────┐
                  │    Lý thuyết Nội suy & Xử lý Tín hiệu Số    │
                  │   (Keys, 1981; Canny, 1986; DWT Nâng cao)    │
                  └──────────────────────┬───────────────────────┘
                                         │
                                         ▼
                  ┌──────────────────────────────────────────────┐
                  │        Khung Phân tích Tích hợp Luận án      │
                  │   - Nội suy BI cải tiến với ma trận 7x7      │
                  │   - Mô hình góc tới trực tiếp (DA)           │
                  │   - Động học Lighthill-Whitham-Richards      │
                  └──────────────────────┬───────────────────────┘
                                         │
                                         ▼
                  ┌──────────────────────────────────────────────┐
                  │   Lý thuyết Điều khiển Giao thông Thích ứng  │
                  │      (Tối ưu hóa quan hệ Mật độ k - Lưu      │
                  │        lượng q tại Nút giao 3 pha)           │
                  └──────────────────────────────────────────────┘
  1. Mở rộng lý thuyết nội suy không gian ảnh: Phát triển mô hình kết hợp giải thuật nội suy Bicubic (Bicubic Interpolation - BI của Keys, 1981) với toán tử gradient phân tách biên Canny (1986). Luận án xác lập công thức toán học điều chỉnh giá trị điểm ảnh nội suy dựa trên ma trận cục bộ kích thước $7 \times 7$ và ma trận con trượt $S_{min}$ kích thước $3 \times 3$, chứng minh bằng giải tích khả năng triệt tiêu sai số biên kín.
  2. Mô hình hóa động học phương tiện đơn và đa phương tiện: Thiết lập hệ phương trình chuyển động phụ thuộc quãng đường $w(x) = \frac{dt(x)}{dx}$ tương quan với vận tốc $v(t) = \frac{dx(t)}{dt}$, gia tốc $b(t) = \frac{dv(t)}{dt} = \frac{d^2x}{dt^2}$, và độ biến thiên gia tốc $k(t) = \frac{db}{dt} = \frac{d^3x}{dt^3}$. Luận án chính quy hóa giả định $k(t) = 0$ cho các phép quan sát tức thời (instantaneous observations) và quan sát ngắn hạn (interval observations) trong xử lý chuỗi khung hình video.
  3. Đóng góp cho lý thuyết luồng giao thông hỗn hợp: Phát triển mở rộng mô hình quan hệ mật độ - lưu lượng (biểu đồ cơ bản $k - q$ theo trường phái Lighthill-Whitham-Richards) trong không gian đường đô thị không phân làn, trong đó tham số chiếm dụng không gian mặt đường được tham số hóa từ diện tích chiếm chỗ quang học thay vì số lượng đầu xe thuần túy.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp liên hoàn ba trụ cột khoa học:

$$\text{Quy trình Xử lý} = \mathcal{F}{\text{Cải thiện}}(\text{BI}, \text{Canny}) \xrightarrow{} \mathcal{F}{\text{Định danh}}(\text{DA}, \text{Trừ nền}) \xrightarrow{} \mathcal{F}_{\text{Điều khiển}}(\text{Mật độ } k, \text{Simtram})$$

  • Trụ cột 1 (Cải thiện ảnh độ phân giải thấp): Chuỗi ảnh gốc kích thước $a \times b$ truyền qua kênh truyền băng thông hẹp được nâng độ phân giải lên $c \times d$ với hệ số phóng đại $2^i$ ($c = a \cdot 2^i; d = b \cdot 2^i$). Sự suy giảm chất lượng được bù đắp bằng tái ước lượng giá trị điểm ảnh dọc theo biên đối tượng đã được làm mịn.
  • Trụ cột 2 (Mô hình hình học góc tới DA - Direction Angle): Tận dụng quan hệ lượng giác giữa vị trí lắp đặt camera cố định (chiều cao $h$, góc nghiêng $\theta$, khoảng cách $d$) và góc tới quan sát của phương tiện để phân lập tức thời các lớp phương tiện: xe máy, ô tô con, xe buýt/tải mà không cần duyệt cây phân loại nhiều tầng phức tạp.
  • Trụ cột 3 (Khung điều khiển thích nghi đa vùng): Không gian mặt đường tiến vào nút giao được phân đoạn thành các phân vùng hình học: vùng tiếp cận $L$, vùng dừng chờ $\Delta \alpha_n$, và vùng thoát $\beta$. Tỷ lệ chiếm dụng điểm ảnh tiền cảnh nhị phân trên các vùng này đóng vai trò biến trạng thái đầu vào cho thuật toán điều khiển thời gian đèn xanh thích ứng.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu tuân thủ thế giới quan thực chứng (positivism) với phương pháp tiếp cận định lượng, kết hợp giữa mô hình hóa toán học giải tích, thực nghiệm xử lý dữ liệu hình ảnh thực tế và mô phỏng số. Thiết kế nghiên cứu bao gồm 3 tầng bậc:

┌────────────────────────────────────────────────────────────────────────┐
│                      Thiết Kế Nghiên Cứu 3 Tầng                        │
├────────────────────────────────────────────────────────────────────────┤
│  Tầng 1: Thu thập Dữ liệu Video Thực địa                               │
│  - Camera cảm biến CCD độ phân giải chuẩn, tốc độ khung hình 12 fps    │
│  - Hiện trường nút giao thông hỗn hợp đường gom Phạm Văn Đồng (Hà Nội) │
├────────────────────────────────────────────────────────────────────────┤
│  Tầng 2: Xử lý Tín hiệu Số & Thị giác Máy tính                         │
│  - Thuật toán trừ nền trích xuất tiền cảnh C(a, b)                     │
│  - Thuật toán nâng cao chất lượng ảnh BICAN (Bicubic + Canny)          │
│  - Tính toán góc tới trực tiếp DA trên bộ mẫu phương tiện              │
├────────────────────────────────────────────────────────────────────────┤
│  Tầng 3: Mô phỏng Động học Giao thông Vi mô                            │
│  - Thiết lập kịch bản nút giao 3 pha trên phần mềm Simtram             │
│  - Kiểm thử 4 chu kỳ liên tiếp dưới các phân phối lưu lượng biến thiên │
└────────────────────────────────────────────────────────────────────────┘

Tiêu chí lựa chọn mẫu thử nghiệm tập trung vào các đoạn đường đô thị có xung đột dòng giao thông cao, điều kiện ánh sáng tự nhiên thay đổi và sự xuất hiện đồng thời của nhiều loại phương tiện cơ giới.

Quy trình nghiên cứu rigorous

Quy trình thu thập và xử lý dữ liệu được chuẩn hóa nghiêm ngặt:

┌────────────────────────────────────────────────────────────────────────┐
│                   Quy Trình Nghiên Cứu Rigorous                        │
├────────────────────────────────────────────────────────────────────────┤
│ 1. Thiết lập Camera & Hiệu chuẩn Thông số                              │
│    - Xác định chiều cao lắp đặt h, góc nghiêng θ, điểm khuất (VP)      │
│    - Cấu hình tốc độ khung hình chuẩn 12 fps                           │
├────────────────────────────────────────────────────────────────────────┤
│ 2. Tiền xử lý & Khử Nhiễu                                              │
│    - Phân đoạn nền thông qua mô hình trừ nền thích nghi:               │
│      C(a, b) = 1 nếu |B(a, b) - A(a, b)| > Ngưỡng; ngược lại = 0       │
│    - Trích xuất biên Canny, định vị đường cong biên kín vật thể        │
├────────────────────────────────────────────────────────────────────────┤
│ 3. Tái cấu trúc Điểm ảnh Nội suy                                       │
│    - Nội suy Bicubic khởi tạo chuỗi điểm ảnh phóng đại                 │
│    - Quét ma trận 7x7 dọc đường biên, trượt ma trận S_min (3x3)        │
│    - Tái tính toán giá trị độ xám để triệt tiêu hiệu ứng làm mờ biên   │
├────────────────────────────────────────────────────────────────────────┤
│ 4. Đo đạc Thông số Động học & Phân loại                                │
│    - Đo góc tới DA trên mẫu hình chiếu                                 │
│    - Ước lượng vector vận tốc v(t) = dx/dt qua chuỗi frame             │
├────────────────────────────────────────────────────────────────────────┤
│ 5. Tích hợp Điều khiển Pha Đèn Nút Giao                                │
│    - Đo mật độ chiếm dụng diện tích thực tế tại 3 vùng L, Δαn, β       │
│    - Cập nhật thời gian pha đèn xanh trong chu kỳ 35 giây cơ sở        │
└────────────────────────────────────────────────────────────────────────┘

Độ tin cậy và tính hợp lệ của phương pháp nghiên cứu được bảo đảm thông qua việc đối chuẩn chéo (cross-validation) giữa kết quả đo tốc độ/phân loại tự động từ camera với số liệu đo thủ công thực địa, cũng như đánh giá chỉ số PSNR đối chuẩn với thuật toán nội suy BI tiêu chuẩn.

Data và phân tích

Dữ liệu thực nghiệm của luận án bao gồm:

  • Dữ liệu phân loại phương tiện: Bộ dữ liệu thống kê góc tới trực tiếp được thu thập từ hiện trường gồm 80 ô tô con, cùng tập mẫu đối chứng gồm xe máy, xe buýt và xe tải hoạt động trong điều kiện lưu thông thực tế.
  • Công cụ và phần mềm phân tích: Thuật toán xử lý ảnh được lập trình, đánh giá trên nền tảng tính toán số và thị giác máy tính; mô phỏng luồng giao thông được thực hiện trên phần mềm chuyên dụng Simtram.
  • Chỉ số kiểm định chất lượng ảnh: Đánh giá định lượng thông qua Tỷ số tín hiệu cực đại trên nhiễu (Peak Signal to Noise Ratio - PSNR):

$$\text{PSNR} = 10 \cdot \log_{10}\left(\frac{\text{MAX}_I^2}{\text{MSE}}\right)$$

Trong đó $\text{MSE}$ là sai số toàn phương trung bình giữa ảnh sau phục hồi và ảnh gốc chuẩn. Kết quả kiểm định cho thấy phương pháp đề xuất vượt trội so với giải thuật Bicubic truyền thống, loại bỏ hiện tượng mờ nhòe ở vùng biên các đối tượng có hình dạng phức tạp.

Phát hiện đột phá và implications

Những phát hiện then chốt

  1. Nâng cao chất lượng ảnh biên đối tượng vượt trội: Giải thuật nâng cao chất lượng ảnh kết hợp nội suy Bicubic và phát hiện biên Canny đề xuất bởi luận án cải thiện đáng kể độ sắc nét của đường bao phương tiện. Khi phóng đại kích thước ảnh lên $2^i$, chỉ số PSNR của phương pháp đề xuất đạt mức vượt trội so với giải thuật BI thông thường, làm giảm thiểu hiện tượng méo khối quanh các đường bao cong kín.
┌────────────────────────────────────────────────────────────────────────┐
│       So Sánh Hiệu Quả Tái Cấu Trúc Biên Ảnh (PSNR & Độ sắc nét)      │
├────────────────────────────────────────────────────────────────────────┤
│  Ảnh Thấp Phân Giải ──► [ BI Truyền Thống ] ──► Biên bị mờ/Block BA    │
│  Ảnh Thấp Phân Giải ──► [ Đề Xuất: BICAN  ] ──► Biên sắc nét, PSNR cao │
└────────────────────────────────────────────────────────────────────────┘
  1. Tính khả thi của phân loại phương tiện bằng Góc tới trực tiếp (DA): Luận án phát hiện rằng trong điều kiện camera đặt cố định trên cao hướng dọc theo luồng xe, phân bố giá trị góc tới DA của 3 nhóm phương tiện chính tạo thành các cụm phân tách rõ rệt:
    • Nhóm ô tô con: Giá trị DA tập trung trong khoảng đặc trưng hẹp, ổn định trên tập mẫu 80 xe thử nghiệm.
    • Nhóm xe tải và xe buýt: Giá trị DA có độ dốc góc tới lớn hơn đáng kể do chiều cao và kích thước hình khối vượt trội.
    • Nhóm xe máy: Giá trị DA phân tán rộng nhưng có diện tích bao (bounding area) nhỏ hơn ngưỡng xác định.
  2. Đặc trưng dòng giao thông hỗn hợp tại nút giao: Dữ liệu thực nghiệm từ khung hình camera nút giao đường gom Phạm Văn Đồng khẳng định hiện tượng: "Đặc trưng dòng phương tiện hỗn hợp, xe máy luôn cố đi vào chỗ còn trống giữa những ô-tô". Điều này chứng minh rằng việc đếm đầu xe đơn thuần không phản ánh đúng mức độ tắc nghẽn, mà phải đo lường thông qua tỷ lệ chiếm dụng diện tích mặt đường nhị phân.
  3. Rút ngắn thời gian dừng chờ nhờ điều khiển pha đèn thích ứng: Mô phỏng trên Simtram với 4 chu kỳ liên tiếp tại nút giao 3 pha cho thấy: Việc tự động điều chỉnh thời gian đèn tín hiệu theo mật độ phương tiện ước lượng thực tế trong chu kỳ 35 giây giúp triệt tiêu hiện tượng "thời gian đèn xanh lãng phí" khi ngả đường vắng xe và giải tỏa nhanh hàng đợi tại ngả đường quá tải.
┌─────────────────────────────────────────────────────────────────────────────────┐
│              Hiệu Quả Điều Khiển Pha Đèn Thích Ứng (Simtram)                    │
├──────────────────────┬─────────────────────────────┬────────────────────────────┤
│     Thông số         │    Chu kỳ Cố định (35s)     │    Chu kỳ Thích ứng Đề xuất│
├──────────────────────┼─────────────────────────────┼────────────────────────────┤
│ Trạng thái luồng     │ Xuất hiện pha thừa/thiếu    │ Tối ưu hóa theo mật độ thực│
├──────────────────────┼─────────────────────────────┼────────────────────────────┤
│ Khả năng thoát nút   │ Ùn ứ cục bộ ngả đông        │ Cân bằng dòng giữa 3 pha   │
├──────────────────────┼─────────────────────────────┼────────────────────────────┤
│ Xung đột dòng xe     │ Cao do xe máy chen lấn      │ Giảm thiểu đáng kể         │
└──────────────────────┴─────────────────────────────┴────────────────────────────┘

Implications đa chiều

  • Về mặt lý thuyết: Cung cấp mô hình tham số hóa mới kết hợp thị giác máy tính và lý thuyết dòng giao thông phi làn (non-lane-based traffic flow theory), tạo tiền đề cho các nghiên cứu tiếp theo về mô hình hóa giao thông đô thị châu Á.
  • Về mặt phương pháp luận: Đưa ra giải pháp đo đạc vận tốc $v(t)$ và phân loại phương tiện gián tiếp thông qua camera 2D thông thường, mở ra phương thức nghiên cứu thực nghiệm chi phí thấp cho các nhà khoa học trong điều kiện hạn chế về trang thiết bị cảm biến chuyên dụng.
  • Về mặt ứng dụng thực tiễn:
    • Triển khai trực tiếp trên hạ tầng camera giám sát sẵn có tại các đô thị lớn như Hà Nội và TP. Hồ Chí Minh mà không cần đào đường lắp đặt vòng lặp cảm ứng từ.
    • Cung cấp mô-đun tích hợp vào các Trung tâm Điều khiển Giao thông Đô thị để tự động hóa công tác điều khiển đèn tín hiệu và hỗ trợ phát hiện vi phạm luật giao thông.
  • Về mặt chính sách và quản trị: Đóng góp cơ sở khoa học xác thực giúp các cơ quan quản lý nhà nước (Bộ Giao thông Vận tải, Cục Cảnh sát Giao thông) xây dựng bộ tiêu chuẩn kỹ thuật về hệ thống ITS đô thị phù hợp với đặc thù phương tiện xe máy tại Việt Nam.

Limitations và Future Research

Luận án thẳng thắn thừa nhận các giới hạn kỹ thuật và điều kiện biên:

┌─────────────────────────────────────────────────────────────────────────────────┐
│                     Giới Hạn & Hướng Phát Triển Tương Lai                       │
├─────────────────────────────────┬───────────────────────────────────────────────┤
│        Giới hạn Hiện tại        │             Hướng Nghiên cứu Mở rộng          │
├─────────────────────────────────┼───────────────────────────────────────────────┤
│ Tốc độ camera thử nghiệm 12 fps │ Nâng cấp camera tốc độ cao (≥ 30-60 fps)      │
├─────────────────────────────────┼───────────────────────────────────────────────┤
│ Nhạy cảm với mưa bão, ban đêm   │ Tích hợp cảm biến ảnh nhiệt, hồng ngoại (AI)  │
├─────────────────────────────────┼───────────────────────────────────────────────┤
│ Che khuất nặng khi ùn tắc đỉnh  │ Ứng dụng Deep Learning (YOLOv8, Mask R-CNN)   │
├─────────────────────────────────┼───────────────────────────────────────────────┤
│ Mô phỏng nút giao 3 pha đơn lẻ  │ Mở rộng mạng lưới nút giao liên hoàn (SCATS)  │
└─────────────────────────────────┴───────────────────────────────────────────────┘
  1. Hạn chế về thiết bị thu nhận: Camera thử nghiệm trong luận án có tốc độ khung hình giới hạn ở mức 12 fps (Frame per Second), có thể gây ra sai số nhất định khi phương tiện di chuyển ở dải vận tốc rất cao trên cao tốc.
  2. Điều kiện môi trường cực đoan: Thuật toán trừ nền và trích xuất biên phụ thuộc vào chất lượng ánh sáng; hiệu năng có thể suy giảm trong điều kiện sương mù dày đặc, ban đêm thiếu sáng nghiêm trọng hoặc mưa bão gây lóa bề mặt đường.
  3. Hiện tượng che khuất hoàn toàn (Full Occlusion): Trong tình huống tắc nghẽn nghiêm trọng khi xe tải lớn che khuất hoàn toàn nhiều xe máy phía sau từ góc nhìn camera đơn, thuật toán ước lượng diện tích có thể gặp sai số cục bộ.

Chương trình nghiên cứu tương lai (Future Research Agenda):

  • Phát triển mạng nơ-ron học sâu (Deep Learning) chuyên dụng (như CNN, Transformer) để nhận diện phương tiện trong điều kiện ánh sáng cực yếu và tích hợp mô hình phân vùng đối tượng dạng instance segmentation.
  • Mở rộng thuật toán điều khiển đèn tín hiệu từ nút giao đơn lẻ sang mạng lưới giao thông liên hoàn (hệ thống đèn giao thông phối hợp làn sóng xanh - Green Wave).
  • Tích hợp công nghệ truyền thông phương tiện bất định (VANET) và 5G/6G để đồng bộ hóa dữ liệu thị giác từ camera biên với dữ liệu định vị trên xe.

Tác động và ảnh hưởng

  • Tác động học thuật: Luận án công bố các bài báo khoa học chuyên ngành trên các tạp chí và kỷ yếu hội nghị khoa học uy tín trong nước và quốc tế; mở ra hướng nghiên cứu liên ngành giữa Kỹ thuật Điện tử, Thị giác Máy tính và Kỹ thuật Giao thông Đô thị.
  • Chuyển đổi công nghiệp và công nghệ: Cung cấp giải pháp phần mềm lõi sẵn sàng chuyển giao cho các doanh nghiệp phát triển giải pháp giao thông thông minh tại Việt Nam (như CadPro, Viettel, FPT, VNPT) nhằm nội địa hóa công nghệ, giảm phụ thuộc vào các gói giải pháp ngoại nhập đắt đỏ.
  • Lợi ích xã hội và môi trường: Việc tối ưu hóa chu kỳ đèn tín hiệu giao thông giúp giảm thời gian dừng chờ trung bình tại các nút giao đô thị ước tính từ 15% đến 25%, qua đó cắt giảm đáng kể lượng tiêu hao nhiên liệu và khí thải nhà kính ($CO_2, NO_x$) từ các phương tiện cơ giới khi dừng chờ không tải.

Đối tượng hưởng lợi

  • Nghiên cứu sinh và học viên cao học ngành Kỹ thuật Điện tử / Khoa học Máy tính: Tiếp cận một quy trình nghiên cứu mẫu mực về xử lý ảnh ứng dụng, từ mô hình hóa toán học nội suy, trừ nền đến kiểm thử thực nghiệm hiện trường.
  • Các nhà khoa học và giảng viên chuyên ngành ITS: Sử dụng các phát hiện về góc tới trực tiếp (DA) và động học luồng giao thông hỗn hợp làm tài liệu tham khảo cho các nghiên cứu lý thuyết chuyên sâu.
  • Kỹ sư R&D tại các doanh nghiệp công nghệ giao thông: Kế thừa trực tiếp thuật toán cải thiện ảnh kết hợp Bicubic - Canny và mô hình trích xuất lưu lượng để phát triển sản phẩm camera thông minh (Edge AI Camera).
  • Cơ quan quản lý nhà nước và lực lượng Cảnh sát Giao thông: Sở hữu công cụ khoa học phục vụ công tác quy hoạch tổ chức giao thông, quản lý phương tiện tự động và nâng cao hiệu lực xử phạt vi phạm hành chính.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và mở rộng học thuyết nào?

Đóng góp độc đáo nhất là mô hình kết hợp giải thuật nội suy Bicubic với thuật toán phát hiện biên Canny nhằm giải quyết triệt để hiệu ứng nhòe khối biên ảnh (Block Artifact) khi phóng đại ảnh tỷ lệ $2^i$. Luận án đã mở rộng lý thuyết nội suy hàm bậc ba cơ sở của Keys (1981) bằng cách đưa vào cơ chế tái tính toán giá trị điểm ảnh cục bộ thông qua ma trận cửa sổ $7 \times 7$ và ma trận con $S_{min}$ $3 \times 3$ trượt dọc theo các đường cong biên kín, bảo toàn độ sắc nét hình học của phương tiện phục vụ cho các bước nhận diện tiếp theo.

2. Tính đổi mới trong phương pháp luận so với ít nhất 2 nghiên cứu tiền nhiệm?

So với nghiên cứu của Lucas & Kanade (1981) về Optical Flow (vốn tiêu tốn tài nguyên tính toán lớn và cực kỳ nhạy cảm với nhiễu môi trường) và nghiên cứu của Stauffer & Grimson (1999) về trừ nền Gaussian hỗn hợp GMM (dễ phân đoạn sai khi xe máy đi sát nhau), phương pháp của luận án đổi mới ở chỗ:

  • Sử dụng góc tới trực tiếp (Direction Angle - DA) kết hợp tỷ lệ đường bao hình học 2D từ một camera đơn duy nhất, loại bỏ sự phụ thuộc vào các phép lặp quang thông phức tạp.
  • Đo lường mật độ giao thông dựa trên diện tích chiếm dụng điểm ảnh tiền cảnh tại 3 phân vùng chức năng ($L, \Delta \alpha_n, \beta$) thay vì đếm số lượng xe đơn lẻ, hoàn toàn tương thích với dòng xe hỗn hợp không phân làn.

3. Phát hiện bất ngờ nhất trong quá trình phân tích dữ liệu thực nghiệm là gì?

Phát hiện thực nghiệm quan trọng là phân bố góc tới DA của xe buýt và xe tải có tính tách biệt hình học tuyệt đối so với ô tô con và xe máy khi camera được đặt ở độ cao và góc nghiêng chuẩn hóa. Ngay cả khi xe máy điền đầy vào các khoảng trống giữa các ô tô, việc trích xuất vector đặc trưng đường viền kết hợp góc tới DA vẫn duy trì được độ chính xác phân loại cao mà không cần đến các thuật toán phân đoạn 3D đa cảm biến đắt tiền.

4. Luận án có cung cấp quy trình tái lập thực nghiệm (replication protocol) không?

Có. Luận án mô tả chi tiết quy trình tái lập bao gồm:

  • Thông số thiết lập camera: chiều cao lắp đặt $h$, góc nghiêng quang trục $\theta$, tốc độ lấy mẫu chuẩn 12 fps.
  • Công thức toán học tường minh cho thuật toán trừ nền, xác định ngưỡng nhị phân $C(a, b)$, quy tắc quét ma trận $7 \times 7$ và ma trận con $S_{min}$ $3 \times 3$.
  • Kịch bản thiết lập mô phỏng trên phần mềm Simtram với thông số chu kỳ đèn 35 giây cơ sở tại nút giao 3 pha đường gom Phạm Văn Đồng.

5. Định hướng chương trình nghiên cứu 10 năm tiếp theo từ nền tảng luận án?

Chương trình nghiên cứu dài hạn bao gồm:

  1. Phát triển mô hình thị giác máy tính tích hợp Trí tuệ Nhân tạo Biên (Edge AI) xử lý trực tiếp video độ phân giải siêu cao 4K ở tốc độ 60 fps ngay tại thiết bị camera đầu cuối.
  2. Tích hợp dữ liệu camera thị giác với hạ tầng mạng 5G/V2X để xây dựng hệ thống điều khiển giao thông đô thị tự hành (Autonomous Urban Traffic Orchestration).
  3. Mở rộng thuật toán điều khiển thích ứng đa vùng sang quy mô toàn đô thị với sự hỗ trợ của mô hình tối ưu hóa điều khiển lưu lượng mạng lớn (Macroscopic Fundamental Diagram - MFD).

Kết luận

Luận án tiến sĩ của tác giả Nguyễn Việt Hưng đã giải quyết trọn vẹn và tường minh bài toán giám sát lưu lượng và quản lý phương tiện giao thông trong điều kiện giao thông hỗn hợp tại Việt Nam thông qua 5 đóng góp cốt lõi:

  1. Xây dựng thành công thuật toán cải thiện chất lượng ảnh kết hợp nội suy Bicubic và phát hiện biên Canny, triệt tiêu hiệu ứng nhòe biên và nâng cao chỉ số PSNR.
  2. Đề xuất phương pháp phân loại phương tiện giao thông chính xác dựa trên mô hình hóa góc tới trực tiếp (DA) từ một camera thị giác đơn.
  3. Thiết lập mô hình giải tích đo vận tốc và gia tốc phương tiện chuyển động thông qua phép chiếu tọa độ không gian - thời gian từ chuỗi khung hình video 12 fps.
  4. Phát triển giải pháp giám sát mật độ dòng xe hỗn hợp theo diện tích chiếm dụng quang học tại các phân vùng $L, \Delta \alpha_n, \beta$.
  5. Hoàn thiện thuật toán điều khiển đèn tín hiệu giao thông thích ứng tại nút giao 3 pha, kiểm chứng thành công trên phần mềm mô phỏng chuyên dụng Simtram.

Công trình tạo nền tảng khoa học vững chắc, mở ra các nhánh nghiên cứu mới về ITS thích ứng cho các đô thị có mật độ xe máy cao trên toàn cầu, đồng thời cung cấp giải pháp kỹ thuật khả thi mang lại giá trị thực tiễn to lớn cho tiến trình xây dựng đô thị thông minh tại Việt Nam.