Tổng quan về luận án

Bối cảnh đô thị hóa nhanh chóng tại các trung tâm kinh tế - du lịch trọng điểm của Việt Nam, tiêu biểu là thành phố Đà Nẵng, đang đặt ra những thách thức chưa từng có đối với công tác quản lý mạng lưới giao thông. Sự gia tăng đột biến của phương tiện cá nhân, đặc biệt là tỷ lệ xe máy chiếm ưu thế tuyệt đối, đan xen với ô tô, xe buýt, xe đạp và người đi bộ đã tạo nên một dòng chảy giao thông hỗn hợp (heterogeneous traffic flow) mang tính bất định cao (aleatory uncertainty). Các hiện tượng ngẫu nhiên như tai nạn, ngập lụt cục bộ do mưa lớn, công trình xây dựng và sự không tuân thủ luật giao thông (đi ngược chiều, vượt đèn đỏ) khiến lưu lượng đường bộ biến động phi tuyến, không thể mô hình hóa chính xác bằng các kỹ thuật thống kê tham số truyền thống. Trong bối cảnh đó, việc xây dựng hệ thống giao thông thông minh (Intelligent Transport System - ITS) với năng lực quan trắc từ video camera giám sát (CCTV) và dự báo luồng giao thông ngắn hạn là tiền đề then chốt để định tuyến tối ưu, giảm ùn tắc và phát thải khí nhà kính.

Khoảng trống nghiên cứu then chốt xuất phát từ sự bất cập của các hệ sinh thái ITS hiện hữu: phần lớn nghiên cứu quốc tế dựa trên dữ liệu thu thập từ cảm biến vòng từ (Inductive Loop Detectors) hoặc camera tầm nhìn ngang chuẩn hóa trong điều kiện giao thông phân làn nghiêm ngặt. Trích dẫn trực tiếp từ luận án chỉ rõ: "Các mô hình hiện tại chủ yếu tập trung vào dữ liệu từ các bộ đếm vòng lặp hoặc cảm biến, trong khi dữ liệu giao thông từ camera và các nguồn khác vẫn chưa được khai thác đầy đủ." Đồng thời, "Dữ liệu đầu vào từ các nguồn camera khác nhau ảnh hưởng trực tiếp đến việc giám sát các phương tiện tham gia giao thông. Đặc biệt, một số điểm camera có góc quay không trực diện, vị trí trên cao, khung hình quan sát lớn nên các đối tượng tham gia giao thông không được quan sát rõ." Các giải pháp học sâu hiện đại như YOLOv3, SSD hay Faster R-CNN khi áp dụng trực tiếp cho các đối tượng phương tiện cực nhỏ (small objects) dưới góc quay nghiêng từ trên cao thường suy giảm độ chính xác nghiêm trọng, chỉ đạt mAP dưới 40%.

Để giải quyết triệt để khoảng trống này, luận án của Nghiên cứu sinh Đoàn Phước Miền, dưới sự hướng dẫn khoa học của TS. Trần Thế Vũ và TS. Ngô Văn Sỹ tại Trường Đại học Bách khoa - Đại học Đà Nẵng (Chuyên ngành: Khoa học máy tính, Mã số: 9 48 01 01), đặt ra các câu hỏi nghiên cứu và giả thuyết khoa học tường minh:

  • Câu hỏi nghiên cứu 1 (RQ1): Làm thế nào để xây dựng một kiến trúc phân tán có khả năng tích hợp, đồng bộ hóa và xử lý song song các luồng video thời gian thực không đồng nhất từ mạng lưới camera CCTV đô thị?
  • Câu hỏi nghiên cứu 2 (RQ2): Mô hình thị giác máy tính nào có thể nhận dạng chính xác các đối tượng phương tiện có kích thước rất nhỏ và bị che khuất trong điều kiện góc quay dốc, tầm nhìn rộng và ánh sáng biến đổi liên tục?
  • Câu hỏi nghiên cứu 3 (RQ3): Cơ chế toán học nào cho phép ước lượng mật độ chiếm dụng mặt đường chính xác và dự báo luồng giao thông ngắn hạn tối ưu trong môi trường biến động ngẫu nhiên?

Tương ứng với các câu hỏi là hệ thống giả thuyết nghiên cứu:

  • Giả thuyết 1 (H1): Kiến trúc tích hợp dữ liệu hướng dịch vụ và điện toán biên - đám mây sẽ giảm thiểu độ trễ truy vấn và chuẩn hóa hiệu quả luồng dữ liệu đa nguồn từ camera giao thông.
  • Giả thuyết 2 (H2): Việc kết hợp kỹ thuật trừ nền thích ứng theo điểm ảnh (PBAS/Dynamic Threshold Background Subtraction) với mạng nơ-ron tích chập sâu (YOLO/Transformer) sẽ cải thiện vượt bậc độ chính xác nhận dạng vật thể nhỏ so với các mô hình đơn lẻ.
  • Giả thuyết 3 (H3): Mô hình lai ghép giữa phân tích chuỗi thời gian tuyến tính ARIMA và mạng nơ-ron hồi quy phi tuyến LSTM (HAIVAN-ALSTM) theo cơ chế cửa sổ trượt 5–15 phút sẽ triệt tiêu sai số trễ pha và tăng độ chính xác dự báo luồng giao thông so với các mạng nơ-ron đơn khối (SAEs, GRU).

Khung lý thuyết của công trình được định vị trên sự giao thoa của Thuyết sóng động học giao thông vĩ mô (Lighthill & Whitham, 1956; Richards, 1956 - Mô hình LWR), Mô hình truyền dẫn ô (Cell Transmission Model - CTM của Daganzo, 1994), Lý thuyết quá trình dừng Box-Jenkins (ARIMA, 1976) và Mạng nơ-ron hồi quy bộ nhớ dài - ngắn (LSTM của Hochreiter & Schmidhuber, 1997). Phạm vi nghiên cứu thực nghiệm tập trung vào mạng lưới giao thông đường bộ tại thành phố Đà Nẵng trong khung thời gian từ năm 2017 đến 2021, tập trung phân tích sâu tại các nút giao trọng điểm như Tây Cầu Rồng, Cầu vượt Ngã ba Huế, Vòng xuyến Điện Biên Phủ và camera nút DNG33.

Literature Review và Positioning

Nghiên cứu về dự đoán và quản lý luồng giao thông thông minh đã trải qua nhiều giai đoạn phát triển với ba dòng nghiên cứu chính:

Dòng nghiên cứu thứ nhất tập trung vào nền tảng tích hợp và xử lý dữ liệu video IoT quy mô lớn. Yu et al. (2018) đã đề xuất khung xử lý chuỗi hoàn chỉnh từ thu nhận video đến truy vấn trực quan; Wang et al. (2019) mở rộng kiến trúc bảo mật có khả năng co giãn cho mạng lưới camera diện rộng. Tuy nhiên, các khung kiến trúc này phần lớn giả định đường truyền ổn định và dữ liệu video đồng nhất, chưa tính toán đến tính phi cấu trúc và độ trễ ngẫu nhiên của hệ thống camera công cộng tại các đô thị đang phát triển.

Dòng nghiên cứu thứ hai liên quan đến nhận dạng đối tượng và phát hiện vật thể nhỏ trong thị giác máy tính. Các mô hình mạng nơ-ron tích chập như Faster R-CNN (Ren et al., 2015), SSD (Liu et al., 2016), RetinaNet (Lin et al., 2017) và YOLOv3 (Redmon & Farhadi, 2018) đã đạt bước tiến lớn trên tập dữ liệu chuẩn như COCO và PASCAL VOC. Dù vậy, nghiên cứu của Nguyen et al. (2020) và Chen et al. (2021) chỉ ra rằng khi đối tượng có kích thước cực nhỏ (dưới $20 \times 20$ pixel) hoặc bị che khuất dưới góc nhìn camera độ cao lớn, trường tiếp nhận (receptive field) của các mạng CNN sâu bị mất mát thông tin đặc trưng không gian nghiêm trọng. Các giải pháp như mạng sinh đối kháng đa tác vụ MTGAN (Bai et al., 2018) hay gán nhãn trường tiếp nhận Gaussian RFLA/HLA (Xu et al., 2022) tuy cải thiện độ phân giải nhưng tiêu tốn tài nguyên tính toán lớn, khó khả thi trong thời gian thực.

Dòng nghiên cứu thứ ba tập trung vào mô hình hóa động học và dự báo chuỗi thời gian giao thông. Về mặt lý thuyết vĩ mô, mô hình sóng động học bậc một của Lighthill & Whitham (1956) mô tả dòng giao thông tương tự dòng chất lỏng chịu sự chi phối của phương trình liên tục và bảo toàn khối lượng, sau đó được rời rạc hóa thành mô hình CTM (Daganzo, 1994). Tuy nhiên, mô hình sóng động học bậc một tồn tại nghịch lý giả định gia tốc vô hạn khi tốc độ biến thiên tức thời theo mật độ. Các mô hình chất lỏng bậc hai (Payne, 1971; Whitham, 1974) dù bổ sung phương trình động lượng nhưng lại sinh ra sóng phản xạ ngược không thực tế đối với hành vi người lái. Ở hướng tiếp cận học máy dữ liệu, các mô hình chuỗi thời gian thống kê như ARIMA (Box-Jenkins, 1976), SARIMA đã bộc lộ giới hạn khi không thể nắm bắt tính chất phi tuyến và biến động đột ngột trong giờ cao điểm. Ngược lại, các mô hình học sâu như Stacked Autoencoders (SAEs của Lv et al., 2015), mạng hồi quy GRU (Cho et al., 2014), LSTM (Hochreiter & Schmidhuber, 1997) và Mạng nơ-ron đồ thị không-thời gian GNN (Yu et al., 2018) nắm bắt tốt tính phi tuyến nhưng dễ bị quá khớp (overfitting) và trễ pha khi chuỗi dữ liệu đầu vào chứa nhiều nhiễu bất định.

Trong bối cảnh tồn tại mâu thuẫn học thuật giữa cách tiếp cận giải tích cơ học chất lỏng thuần túy (vốn quá lý tưởng hóa hành vi) và cách tiếp cận hộp đen học sâu thuần túy (vốn nhạy cảm với nhiễu ngẫu nhiên), luận án định vị tại điểm giao thoa độc đáo: kết hợp phân tích thị giác máy tính thích ứng biên với mô hình chuỗi thời gian lai ghép. So sánh với các nghiên cứu quốc tế tiêu biểu như nghiên cứu của Sabokrou et al. (2018) tại châu Âu và nghiên cứu dự báo luồng của Polson & Sokolov (2017) tại Mỹ, nghiên cứu này giải quyết trực tiếp bài toán giao thông hỗn hợp phức tạp của Đông Nam Á, nơi phương tiện kích thước nhỏ (xe gắn máy) chiếm trên 70% tổng phương tiện lưu thông.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng Thuyết sóng động học giao thông vĩ mô (LWR Model) và Mô hình truyền dẫn ô (CTM) bằng cách đưa vào tham số diện tích chiếm dụng thực tế thay cho mật độ phương tiện quy ước tuyến tính. Trong điều kiện giao thông hỗn hợp không tuân thủ nghiêm ngặt làn đường, việc đếm số lượng phương tiện thuần túy không phản ánh đúng trạng thái bão hòa của mặt đường. Luận án xây dựng mô hình toán học tính toán mật độ dựa trên diện tích hình học thực tế của từng loại phương tiện chiếu lên vùng quan tâm (Region of Interest - ROI).

Đồng thời, luận án đóng góp vào Lý thuyết định lượng sự không chắc chắn (Uncertainty Quantification Theory) trong hệ thống điều khiển giao thông bằng việc hình thức hóa bài toán dự đoán luồng qua phương trình trạng thái phi tuyến:

$$P_{t+1} = f(x_t, p_t, x_{t-1}, p_{t-1}, x_{t-2}, p_{t-2}, \dots, x_{t-n}, p_{t-n})$$

Trong đó, trạng thái luồng $x_t$ được xác định dựa trên số lượng phương tiện và mật độ giao thông tại các bước thời gian quá khứ, kết hợp các biến phụ thuộc không gian - thời gian $p_t$.

Luận án đề xuất 4 mệnh đề lý thuyết cốt lõi:

  • Mệnh đề 1 (P1): Sự phân rã chuỗi thời gian giao thông thành thành phần tuyến tính dừng (mô hình hóa bởi ARIMA) và thành phần phi tuyến dư thừa (mô hình hóa bởi LSTM) sẽ triệt tiêu sai số tích lũy của mô hình dự báo đơn lẻ trong môi trường bất định ngẫu nhiên.
  • Mệnh đề 2 (P2): Kỹ thuật trừ nền thích ứng theo điểm ảnh đóng vai trò như một bộ lọc không gian cục bộ, loại bỏ nhiễu rung lắc camera và biến đổi quang học trước khi đưa vào mạng tích chập sâu.
  • Mệnh đề 3 (P3): Trạng thái luồng giao thông thực tế là một hàm liên tục phụ thuộc vào tỷ lệ chiếm dụng diện tích mặt đường chứ không phải số lượng đầu xe thuần túy.
  • Mệnh đề 4 (P4): Khoảng thời gian trượt (sliding window) từ 5 đến 15 phút là biên tối ưu duy trì tính bảo toàn thông tin của các đặc trưng chu kỳ ngắn trong giao thông đô thị.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp liên hoàn 3 trụ cột lý thuyết: (1) Thủy động lực học giao thông vĩ mô, (2) Thị giác máy tính nhận dạng thích ứng biên, và (3) Xử lý chuỗi thời gian hồi quy phi tuyến. Mô hình đề xuất HAIVAN-BSYOLO kết hợp thuật toán trừ nền Pixel-Adaptive Background Subtraction (PBAS) với mô hình phát hiện đối tượng YOLOv8/Transformer, cho phép trích xuất chính xác tọa độ và kích thước đối tượng phương tiện từ camera độ cao lớn.

Hệ thống thiết lập các điều kiện biên tường minh (Boundary Conditions): mô hình vận hành tối ưu trong điều kiện độ phân giải camera đạt chuẩn HD trở lên, chu kỳ lấy mẫu từ 5 đến 15 phút, góc nghiêng quan sát từ $30^\circ$ đến $75^\circ$ so với mặt phẳng ngang, và áp dụng cho dòng giao thông hỗn hợp có sự tham gia của ít nhất 4 nhóm phương tiện cơ giới chính.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu được xây dựng trên lập trường nhận thức luận thực chứng kỹ thuật tính toán (Computational Positivism) kết hợp phương pháp nghiên cứu thiết kế khoa học (Design Science Research - DSR). Thiết kế hệ thống đa tầng gồm:

  • Tầng biên IoT (Edge Layer): Thu nhận luồng video RTSP trực tiếp từ mạng lưới camera CCTV công cộng tại các nút giao thông trọng điểm của TP. Đà Nẵng.
  • Tầng tích hợp và phân tích đám mây (Cloud Layer - HAIVAN-CVA): Triển khai cụm máy ảo AWS EC2 xử lý song song, cơ sở dữ liệu phi quan hệ Firebase lưu trữ metadata thời gian thực, và kho lưu trữ hình ảnh đám mây Flickr API phục vụ kiểm định.
  • Tầng suy luận và dự báo (Inference & Predictive Layer): Thực thi các mô hình nhận dạng HAIVAN-BSYOLO, mô hình tính toán mật độ hình học và mô hình dự báo luồng HAIVAN-ALSTM.

Quy trình nghiên cứu rigorous

Quy trình nghiên cứu tuân thủ nghiêm ngặt các giao thức chuẩn hóa:

  1. Thu thập dữ liệu: Trích xuất liên tục các đoạn video giám sát 24/7 từ hệ thống camera thành phố Đà Nẵng giai đoạn 2017–2021, thu nhận hàng triệu khung hình đại diện cho các khung giờ cao điểm (sáng, trưa, chiều) và thấp điểm từ thứ Hai đến Chủ Nhật.
  2. Tiền xử lý và gán nhãn: Dữ liệu hình ảnh được lọc nhiễu, chuẩn hóa kích thước, gán nhãn bounding box cho các lớp đối tượng: ô tô, xe máy, xe buýt, xe đạp. Dữ liệu chuỗi thời gian được xử lý bằng kỹ thuật chuẩn hóa Z-score: $$Z_score = \frac{x - \mu}{\sigma}$$ và tái cấu trúc theo kỹ thuật cửa sổ trượt (sliding window) với công thức: $$X_{t+k} = f(X_{t-w+1}, \dots, X_t)$$
  3. Triệt tiêu nhiễu bất định: Luận án áp dụng thuật toán trừ nền PBAS với cơ chế cập nhật ngưỡng động theo thời gian thực nhằm tách biệt chính xác bóng phương tiện, độ chói mặt đường và rung chấn cơ học của trụ gắn camera.
  4. Kiểm định độ tin cậy và giá trị: Đánh giá hiệu năng nhận dạng thông qua chỉ số mAP@0.5, Precision, Recall và IoU; đánh giá sai số mô hình dự báo chuỗi thời gian thông qua các thước đo chuẩn: Sai số tuyệt đối trung bình (MAE), Sai số toàn phương trung bình (RMSE) và Sai số phần trăm tuyệt đối trung bình (MAPE).

Data và phân tích

Dữ liệu hình học phương tiện được quy chuẩn hóa chi tiết theo bảng kích thước thực nghiệm đo đạc thực tế tại Việt Nam (Bảng 2.1 của luận án):

  • Ô tô con: Chiều dài $4500\text{ mm}$, Chiều rộng $1800\text{ mm}$, Diện tích quy chiếu $\approx 8.1\text{ m}^2$.
  • Xe máy: Chiều dài $1900\text{ mm}$, Chiều rộng $700\text{ mm}$, Diện tích quy chiếu $\approx 1.33\text{ m}^2$.
  • Xe buýt/Xe khách: Chiều dài $10000\text{ mm}$, Chiều rộng $2500\text{ mm}$, Diện tích quy chiếu $\approx 25.0\text{ m}^2$.
  • Xe đạp: Chiều dài $1750\text{ mm}$, Chiều rộng $600\text{ mm}$, Diện tích quy chiếu $\approx 1.05\text{ m}^2$.

Mật độ giao thông $D_p$ được xác định thông qua tổng diện tích chiếm dụng của các phương tiện nhận dạng được trong vùng quan tâm (ROI) chia cho tổng diện tích mặt cắt đường quan sát:

$$D_p = \frac{\sum_{j=1}^{M_c} S_j}{S_{\text{ROI}}}$$

Trong đó $S_j$ là diện tích hình học của phương tiện thứ $j$, $M_c$ là tổng số lượng phương tiện đếm được, và $S_{\text{ROI}}$ là diện tích thực tế của đoạn đường khảo sát được hiệu chỉnh thông qua phép biến đổi phối cảnh (perspective transform).

Mô hình dự báo luồng lai HAIVAN-ALSTM tiếp nhận chuỗi mật độ $D_p$ và lưu lượng theo các bước thời gian $TS$ từ 5 đến 15 phút. Trích dẫn nguyên văn khẳng định từ nguồn luận án: "Khoảng thời gian phổ biến nhất được sử dụng để dự đoán giao thông đường bộ ngắn hạn là 5 đến 15 phút. Vì vậy, khi đề cập đến dự đoán giao thông ngắn hạn trong luận án, NCS sẽ sử dụng khoảng thời gian là 5 đến 15 phút." Mô hình ARIMA đảm nhận việc bóc tách xu hướng chính và tính chu kỳ mùa vụ, trong khi các lớp LSTM sâu nhiều tầng (Multi-layer LSTM) với các cổng Quên (Forget gate), cổng Nhập (Input gate) và cổng Xuất (Output gate) được tối ưu hóa bằng hàm kích hoạt phi tuyến (ReLU/Tanh) và Softmax nhằm nắm bắt phần dư biến động phi tuyến bất định.

Phát hiện đột phá và implications

Những phát hiện then chốt

Kết quả thực nghiệm trên hệ thống máy chủ GPU đám mây AWS EC2 với tập dữ liệu thực tế tại Đà Nẵng mang lại các phát hiện đột phá:

Thứ nhất, mô hình đề xuất HAIVAN-BSYOLO chứng minh sự vượt trội vượt bậc trong bài toán nhận dạng đối tượng kích thước nhỏ từ camera góc quay cao (như camera nút Tây Cầu Rồng và Cầu vượt Ngã ba Huế). Trong khi các mô hình nhận dạng vật thể nhỏ đơn lẻ như SSD chỉ đạt độ chính xác khiêm tốn và YOLOv8 gốc gặp hiện tượng bỏ sót đối tượng xe máy ở cự ly xa, việc tích hợp bộ trừ nền PBAS ngưỡng động giúp mAP@0.5 của hệ thống tăng lên rõ rệt, cải thiện khả năng phân định phương tiện trong điều kiện mật độ đông đúc và che khuất một phần.

Thứ hai, thuật toán trừ nền thích ứng PBAS kết hợp sự khác biệt khung hình động cho thấy khả năng loại bỏ nhiễu bóng đổ và ánh sáng phản xạ vượt trội so với các phương pháp trừ nền tĩnh truyền thống (GMM thuần túy). Trích dẫn trực tiếp từ luận án: "Bất định ngẫu nhiên không thể được loại bỏ bằng cách thu thập thêm dữ liệu vì nó vốn dĩ là một phần của hệ thống. Trong luận án sẽ nghiên cứu phương pháp để giảm ảnh hưởng của tính bất định ngẫu nhiên trong hệ thống." Cơ chế ngưỡng động giúp duy trì tỷ lệ phát hiện ổn định bất chấp sự biến thiên cường độ ánh sáng giữa các khung giờ sáng, trưa và chiều tối.

Thứ ba, việc ước lượng mật độ dựa trên diện tích chiếm dụng thực tế mang lại độ nhạy phân lớp luồng giao thông vượt trội so với phương pháp đếm đầu xe truyền thống. Tại các làn đường có tỷ lệ xe máy và xe buýt xen kẽ, phương pháp diện tích đã phản ánh chính xác trạng thái bắt đầu bão hòa sớm hơn từ 5 đến 10 phút so với việc đếm số lượng xe, cho phép hệ thống phát tín hiệu cảnh báo tắc nghẽn sớm.

Thứ tư, trong bài toán dự đoán luồng giao thông theo chuỗi thời gian, mô hình lai HAIVAN-ALSTM đạt hiệu năng vượt trội so với các mô hình cơ sở khi kiểm thử trên dữ liệu thực tế tại nút Camera DNG33. Các biểu đồ so sánh giá trị dự đoán và thực tế qua các ngày trong tuần (từ thứ Hai đến Chủ Nhật) khẳng định HAIVAN-ALSTM bám sát điểm cực trị của lưu lượng giờ cao điểm, giảm đáng kể sai số RMSE và MAE so với mô hình Bộ tự mã hóa xếp chồng (SAEs) và mạng Gated Recurrent Unit (GRU).

Implications đa chiều

  • Về mặt lý thuyết: Công trình cung cấp một phương pháp luận toán học hoàn chỉnh kết hợp giữa thị giác máy tính dựa trên hình học diện tích và mô hình chuỗi thời gian lai ghép, mở rộng lý thuyết dòng giao thông hỗn hợp cho các đô thị châu Á.
  • Về mặt phương pháp luận: Khung kiến trúc phân tán HAIVAN-CVA thiết lập tiêu chuẩn mới cho việc tích hợp dữ liệu camera IoT quy mô lớn, cho phép các thành phần phần mềm phát triển trên nhiều ngôn ngữ và công cụ lập trình khác nhau tương tác liền mạch qua API chuẩn hóa.
  • Về mặt thực tiễn và chính sách: Cung cấp giải pháp khả thi, chi phí thấp cho các Sở Giao thông Vận tải và Trung tâm Giám sát Điều hành Đô thị thông minh (IOC). Thay vì phải đầu tư hàng triệu USD lắp đặt cảm biến đắt tiền dưới mặt đường, chính quyền đô thị có thể tận dụng ngay hạ tầng camera CCTV sẵn có để giám sát, cảnh báo sớm ùn tắc và điều khiển đèn tín hiệu giao thông thích ứng theo thời gian thực.

Limitations và Future Research

Mặc dù đạt được những kết quả đột phá, luận án thẳng thắn thừa nhận các giới hạn nghiên cứu:

  1. Phụ thuộc vào chất lượng đường truyền mạng: Kiến trúc tích hợp dữ liệu thời gian thực vẫn chịu ảnh hưởng nếu băng thông kết nối từ camera về máy chủ đám mây bị nghẽn cục bộ hoặc suy giảm tốc độ khung hình (FPS drop).
  2. Điều kiện thời tiết cực đoan: Dù PBAS ngưỡng động khử nhiễu tốt, trong các tình huống thiên tai nghiêm trọng như mưa bão cấp độ lớn gây mờ kính camera hoàn toàn hoặc ngập lụt che lấp vạch kẻ làn đường ROI, độ chính xác nhận dạng vẫn bị suy giảm.
  3. Phạm vi không gian: Thực nghiệm tập trung chủ yếu tại các nút giao thông đô thị điển hình của thành phố Đà Nẵng, chưa bao phủ đầy đủ các tuyến đường cao tốc liên tỉnh hoặc các nút giao nông thôn có hạ tầng chiếu sáng ban đêm hạn chế.

Chương trình nghiên cứu tương lai (Future Research Agenda) vạch ra 4 hướng mở rộng:

  • Tích hợp kỹ thuật Học liên kết (Federated Learning) tại các thiết bị xử lý biên (Edge AI) để giảm tải băng thông truyền dữ liệu video thô về đám mây và tăng cường bảo mật riêng tư.
  • Ứng dụng Mạng nơ-ron đồ thị không - thời gian (Spatio-Temporal Graph Neural Networks - STGNNs) để mô hình hóa mối quan hệ tương hỗ giữa nhiều nút giao thông liền kề trong toàn mạng lưới đô thị.
  • Mở rộng sang bài toán định tuyến đa phương thức (Multi-modal Routing) kết hợp dữ liệu GPS từ phương tiện công cộng và xe cứu thương ưu tiên.
  • Bổ sung cơ chế tự thích nghi với hiện tượng trôi dữ liệu (concept drift) do thay đổi phân luồng giao thông dài hạn.

Tác động và ảnh hưởng

Luận án tạo ra tác động sâu rộng trên cả phương diện học thuật và kinh tế - xã hội:

Về mặt học thuật, công trình đóng góp bộ dữ liệu giao thông video thực tế từ các góc quay trên cao tại Đà Nẵng, tạo tiền đề cho các nghiên cứu tiếp theo về xử lý ảnh giao thông hỗn hợp. Các giải pháp đề xuất mở ra hướng công bố trên các tạp chí chuyên ngành uy tín về ITS, Computer Vision và Smart Cities.

Về mặt chuyển đổi công nghiệp và chính sách, mô hình HAIVAN-CVA có thể chuyển giao công nghệ trực tiếp cho các doanh nghiệp phát triển phần mềm giao thông thông minh và các cơ quan quản lý nhà nước. Việc ứng dụng giải pháp ước lượng mật độ và dự báo luồng chính xác giúp rút ngắn thời gian di chuyển trung bình của người dân, tiết kiệm hàng triệu lít nhiên liệu tiêu thụ lãng phí do ùn tắc, gián tiếp cắt giảm lượng lớn khí thải carbon dioxide ($CO_2$) và bụi mịn $PM_{2.5}$, đóng góp thiết thực vào mục tiêu xây dựng thành phố môi trường và đô thị thông minh bền vững của Đà Nẵng.

Đối tượng hưởng lợi

Hệ thống kết quả nghiên cứu mang lại giá trị định lượng cụ thể cho 4 nhóm đối tượng chính:

  1. Nghiên cứu sinh và Giới học thuật: Tiếp cận phương pháp luận xử lý vật thể nhỏ kết hợp trừ nền PBAS và mạng học sâu; kế thừa mô hình toán học tích hợp chuỗi thời gian ARIMA-LSTM trong môi trường bất định.
  2. Kỹ sư R&D và Doanh nghiệp Công nghệ: Sở hữu kiến trúc tham chiếu HAIVAN-CVA sẵn sàng triển khai (production-ready) trên nền tảng AWS EC2/Firebase, tối ưu hóa tài nguyên phần cứng khi xử lý luồng video quy mô lớn.
  3. Nhà quản trị đô thị và Cơ quan Quản lý Giao thông (Sở GTVT, Công an Giao thông): Sở hữu công cụ giám sát trực quan, tự động hóa khâu đếm xe và ước lượng mật độ theo làn, hỗ trợ ra quyết định điều tiết phân luồng từ xa dựa trên bằng chứng dữ liệu thời gian thực.
  4. Cộng đồng cư dân và Du khách: Hưởng lợi trực tiếp từ việc giảm thiểu ùn tắc giao thông, tối ưu hóa thời gian di chuyển hàng ngày và nâng cao mức độ an toàn khi tham gia giao thông.

Câu hỏi chuyên sâu

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

Đóng góp lý thuyết độc đáo nhất là việc mở rộng Thuyết sóng động học vĩ mô LWR và Mô hình truyền dẫn ô CTM vào môi trường dòng giao thông hỗn hợp phi cấu trúc làn. Bằng cách thay thế biến số mật độ tuyến tính cổ điển bằng hàm mật độ diện tích hình học thực tế $D_p$ trích xuất tự động qua thị giác máy tính, luận án khắc phục triệt để giả định phi thực tế của các mô hình cơ học chất lỏng truyền thống khi áp dụng vào giao thông đô thị châu Á.

2. Sự đổi mới về mặt phương pháp luận so với các nghiên cứu tiền nhiệm quốc tế nằm ở đâu?

So với các nghiên cứu nhận dạng vật thể nhỏ đơn lẻ dựa trên Faster R-CNN (Ren et al., 2015), YOLOv3 (Redmon, 2018) hay mạng tăng cường MTGAN (Bai et al., 2018), luận án đã sáng tạo mô hình tích hợp HAIVAN-BSYOLO. Sự kết hợp giữa bộ lọc trừ nền thích ứng điểm ảnh PBAS ngưỡng động và mạng nơ-ron học sâu cho phép triệt tiêu nhiễu rung lắc và bóng đổ tại tầng biên trước khi nhận dạng, giúp phát hiện chính xác các phương tiện kích thước cực nhỏ dưới góc quay camera dốc từ trên cao mà không đòi hỏi chi phí tính toán quá tải như MTGAN.

3. Phát hiện thực nghiệm nào gây bất ngờ nhất và được giải thích bằng cơ sở dữ liệu nào?

Phát hiện bất ngờ nhất là việc các mô hình học sâu phức tạp nguyên khối như Stacked Autoencoders (SAEs) và GRU đơn lẻ lại cho sai số dự báo luồng cao hơn mô hình lai ghép HAIVAN-ALSTM trong các khung giờ giao thông biến động đột ngột tại nút DNG33. Dữ liệu thực nghiệm chứng minh rằng tính bất định ngẫu nhiên trong hành vi giao thông tạo ra các xung nhiễu tần số cao khiến mạng nơ-ron sâu thuần túy dễ rơi vào trạng thái quá khớp hoặc trễ pha. Mô hình ARIMA đóng vai trò làm mượt và chuẩn hóa thành phần tuyến tính nền tảng, tạo điều kiện cho LSTM học chính xác quy luật biến thiên phi tuyến thực sự.

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

Có. Luận án mô tả chi tiết toàn bộ thông số phần cứng, cấu hình máy ảo AWS EC2, khai báo API trích xuất video CCTV, giao thức tiền xử lý dữ liệu chuẩn hóa Z-score, kỹ thuật cửa sổ trượt $TS \in [5, 15]$ phút, bảng thông số kích thước hình học chuẩn của 4 loại phương tiện, và quy trình huấn luyện tinh chỉnh mô hình HAIVAN-BSYOLO và HAIVAN-ALSTM.

5. Chương trình nghiên cứu 10 năm được vạch ra như thế nào?

Lộ trình phát triển 10 năm hướng đến: (1) Giai đoạn 1–3 năm: Hoàn thiện kiến trúc Edge AI phân tán và triển khai diện rộng trên toàn bộ camera CCTV tại Đà Nẵng; (2) Giai đoạn 4–6 năm: Tích hợp mạng nơ-ron đồ thị không - thời gian STGNN kết hợp dữ liệu vệ tinh và V2X (Vehicle-to-Everything); (3) Giai đoạn 7–10 năm: Tự động hóa hoàn toàn hệ thống điều khiển tín hiệu đèn giao thông thích ứng tự hành cấp vùng (Autonomous Urban Traffic Control System) ứng dụng học tăng cường sâu (Deep Reinforcement Learning).

Kết luận

Luận án tiến sĩ của Nghiên cứu sinh Đoàn Phước Miền đã giải quyết trọn vẹn bài toán khoa học và thực tiễn cấp bách về dự đoán và định hướng luồng giao thông trong môi trường bất định. Tóm lược 5 đóng góp đột phá cốt lõi của công trình:

  1. Xây dựng bộ dữ liệu video giao thông đặc thù thu thập từ hệ thống camera giám sát đô thị góc quay cao tại các nút giao phức hợp của thành phố Đà Nẵng giai đoạn 2017–2021.
  2. Đề xuất kiến trúc tích hợp dữ liệu phân tán HAIVAN-CVA cho phép kết nối, chuẩn hóa và xử lý song song luồng video thời gian thực từ các nguồn camera dị thể trên hạ tầng đám mây co giãn.
  3. Phát triển mô hình nhận dạng HAIVAN-BSYOLO kết hợp kỹ thuật trừ nền thích ứng PBAS ngưỡng động với mạng học sâu, giải quyết triệt để thách thức phát hiện đối tượng phương tiện kích thước nhỏ và bị che khuất.
  4. Chuẩn hóa phương pháp ước lượng mật độ giao thông dựa trên diện tích hình học thực tế của từng loại phương tiện chiếu lên vùng quan tâm làn đường, nâng cao độ nhạy cảnh báo ùn tắc.
  5. Thiết kế mô hình dự báo luồng giao thông lai ghép HAIVAN-ALSTM vận hành theo cơ chế cửa sổ trượt 5–15 phút, vượt trội hoàn toàn các mô hình học sâu đơn khối (SAEs, GRU) về độ chính xác và khả năng kháng nhiễu bất định.

Công trình tạo nên một bước tiến quan trọng về mặt mô hình hóa giao thông đô thị, mở ra các nhánh nghiên cứu mới về Edge AI và Spatio-Temporal Deep Learning, đồng thời để lại giá trị ứng dụng thực tiễn lâu dài trong công cuộc chuyển đổi số và xây dựng các thành phố thông minh bền vững tại Việt Nam và trên thế giới.