Tổng quan về luận án

Nghiên cứu an toàn hàng hải trong vùng nước hẹp và luồng hàng hải hạn chế là một trong những thách thức kỹ thuật - công nghệ trọng yếu của ngành giao thông vận tải biển toàn cầu. Công ước quốc tế về an toàn sinh mạng con người trên biển (SOLAS) do Tổ chức Hàng hải Quốc tế (IMO) ban hành quy định bắt buộc: "Tất cả các tàu có tổng dung tích từ 300GT trở lên tham gia vào các tuyến vận tải quốc tế, tàu hàng có tổng dung tích 500GT trở lên không chạy tuyến quốc tế và tất cả các tàu chở khách bắt buộc phải trang bị hệ thống AIS" (SOLAS Chương V). Hệ thống nhận dạng tự động (AIS) hoạt động trên hai kênh băng tần VHF hàng hải gồm AIS1 (161,975 MHz) và AIS2 (162,025 MHz), đóng vai trò cốt lõi trong việc truyền phát dữ liệu động, dữ liệu tĩnh và dữ liệu hành trình theo cơ chế đa truy nhập phân chia theo thời gian tự tổ chức (SOTDMA) và đa truy nhập cảm nhận sóng mang (CSTDMA).

Tuy nhiên, khoảng trống nghiên cứu (research gap) lớn nhất hiện nay nằm ở chỗ: hệ thống AIS nguyên bản chỉ vận hành như một công cụ giám sát, lưu trữ và truyền nhận dữ liệu hành hải thuần túy, hoàn toàn thiếu vắng cơ chế tích hợp trí tuệ nhân tạo để dự báo sớm nguy cơ đâm va từ xa và thiếu phương thức phát cảnh báo chủ động ngược trở lại cho các phương tiện trên luồng. Luận án tiến sĩ kỹ thuật của tác giả Nguyễn Thanh Vân, dưới sự hướng dẫn khoa học của PGS. Nguyễn Minh Đức và PGS. Trần Xuân Việt tại Trường Đại học Hàng hải Việt Nam, mang tên: "Nghiên cứu phát triển tăng cường năng lực quan sát và quản lý tàu thuyền ứng dụng hệ thống nhận dạng tự động (AIS)", đã giải quyết trọn vẹn khoảng trống công nghệ này.

Mục tiêu cốt lõi của nghiên cứu được cụ thể hóa qua 3 câu hỏi và 3 giả thuyết nghiên cứu:

  • Câu hỏi nghiên cứu 1 (RQ1): Làm thế nào để thiết kế một kiến trúc phần cứng - phần mềm bộ thu AIS băng gốc linh hoạt, chi phí thấp, xử lý tín hiệu số chính xác dựa trên công nghệ vô tuyến điều khiển bằng phần mềm (SDR)?
  • Câu hỏi nghiên cứu 2 (RQ2): Mô hình toán học và cấu trúc mạng nơ-ron nào tối ưu hóa được việc đánh giá chỉ số rủi ro đâm va (Collision Risk Index - CRI) trên luồng hàng hải hạn chế khi kết hợp tham số động học tàu thuyền với đặc trưng luồng lạch và điều kiện môi trường?
  • Câu hỏi nghiên cứu 3 (RQ3): Phương thức đóng gói và truyền phát bản tin ứng dụng đặc biệt (ASM - Message 8) nào có thể chuyển tải trực tiếp dữ liệu cảnh báo đa cấp độ theo thời gian thực từ trạm bờ tới tàu thuyền trong khu vực nội vùng?

Các giả thuyết tương ứng gồm:

  • Giả thuyết 1 (H1): Kiến trúc SDR kết hợp giải điều chế GMSK số và giải mã NRZI/HDLC giảm thiểu tỷ lệ lỗi bit (BER) và độ trễ thu nhận gói tin so với phần cứng ASIC truyền thống.
  • Giả thuyết 2 (H2): Mạng nơ-ron nhân tạo truyền thẳng (Feedforward Neural Network) tích hợp tri thức chuyên gia thông qua phương pháp Delphi phản ánh nguy cơ đâm va trên luồng hẹp chính xác hơn các mô hình hình học cổ điển (DCPA/TCPA thuần túy hoặc miền an toàn tĩnh).
  • Giả thuyết 3 (H3): Việc tận dụng cấu trúc bản tin quảng bá nhị phân số 8 (ASM) cho phép thiết lập kênh cảnh báo số hóa hai chiều tức thời giữa Trung tâm VTS và tàu chủ (OS) - tàu mục tiêu (TS) mà không làm nghẽn lớp liên kết dữ liệu VHF (VDL).

Khung lý thuyết của luận án tích hợp thuyết xử lý tín hiệu số vô tuyến (Mitola, 1995), lý thuyết hình học tránh va hàng hải (Goodwin, 1975; Coldwell, 1983) và lý thuyết mạng thần kinh nhân tạo (Haykin, 1999). Phạm vi thực nghiệm của đề tài bao quát toàn bộ luồng hàng hải Hải Phòng – một trong những luồng hàng hải có mật độ lưu thông và cơ cấu phương tiện phức tạp nhất Việt Nam, sử dụng tập dữ liệu thống kê tai nạn giai đoạn 2018–2022 cùng dữ liệu AIS giải mã thời gian thực.

Literature Review và Positioning

Các nghiên cứu quốc tế về khai thác dữ liệu AIS phát triển mạnh mẽ qua ba luồng chính trong hai thập kỷ qua:

[Luồng 1: Giám sát lưu lượng & Khai phá quỹ đạo] 
(Silveira et al., 2013; Rong et al., 2019) 
       │
       ├────────────────────────┐
       ▼                        ▼
[Luồng 2: Mô hình tránh va cổ điển]   [Luồng 3: Chuẩn hóa truyền thông ASM]
(Goodwin, 1975; Cockcroft, 1976;      (IALA A-126, 2011; IMO SN.1/Circ.289)
 Wang & Chin, 2016)                           │
       │                                      │
       └──────────────────┬───────────────────┘
                          ▼
            [KHOẢNG TRỐNG CÔNG NGHỆ & LÝ THUYẾT]
            - DCPA/TCPA thất bại trong luồng cong hẹp
            - AIS truyền thống thiếu dự báo chủ động
            - ASM chưa được nhúng cảnh báo va chạm AI
                          │
                          ▼
            [ĐÓNG GÓP ĐỘT PHÁ CỦA LUẬN ÁN]
            - Bộ thu SDR AIS tự chế tạo (băng gốc Zero-IF)
            - Mạng Nơ-ron đánh giá rủi ro đa biến (Delphi)
            - Tự động đóng gói cảnh báo vào Bản tin số 8
  1. Khai phá luồng tuyến và phân tích mật độ giao thông: Các nghiên cứu của Silveira et al. (2013), Rong et al. (2019) tập trung vào việc lập bản đồ nhiệt (heat map), phân tích chuỗi Markov và bộ lọc Kalman mở rộng (Extended Kalman Filter) để tái tạo quỹ đạo chuyển động của tàu. Tuy nhiên, các tiếp cận này chủ yếu mang tính thống kê hồi quy, chưa khai thác dữ liệu cho việc ra quyết định điều động tức thời.
  2. Đánh giá rủi ro đâm va hàng hải: Trường phái cổ điển dựa trên hai thông số cơ bản là Khoảng cách đến điểm tiếp cận gần nhất (Distance at Closest Point of Approach - DCPA) và Thời gian đến điểm tiếp cận gần nhất (Time to Closest Point of Approach - TCPA) theo hình học vận động học (Cockcroft & Lameijer, 1976). Trường phái thứ hai mở rộng lý thuyết Miền an toàn của tàu (Ship Domain) do Fujii & Tanaka (1971), Goodwin (1975), và Coldwell (1983) khởi xướng. Gần đây, Wang & Chin (2016) cùng các tác giả áp dụng Logic mờ (Fuzzy Logic) để tính toán Chỉ số rủi ro va chạm (Collision Risk Index - CRI).
  3. Truyền thông dữ liệu số chuyên biệt (ASM): Báo cáo của IALA (2011) và ITU-R M.1371 chuẩn hóa các bản tin nhị phân phục vụ cung cấp dữ liệu khí tượng thủy văn hoặc cảnh báo luồng đóng, nhưng chưa từng có công trình nào tích hợp động cơ tính toán va chạm AI để phát ngược cảnh báo tránh va qua bản tin ASM số 8.

Tranh luận học thuật cốt lõi diễn ra giữa hai quan điểm đối lập:

  • Quan điểm thứ nhất: Khẳng định mô hình DCPA/TCPA và Miền tàu mở rộng là đủ tin cậy để cảnh báo va chạm tự động trên biển mở (Open Sea).
  • Quan điểm thứ hai (phản biện của luận án): Trong luồng hàng hải hạn chế (Restricted Waters/Fairways), hướng đi (COG) và tốc độ (SOG) của tàu bị ràng buộc nghiêm ngặt bởi trục tim luồng, độ sâu luồng và luồng lạch uốn khúc. Do đó, các giá trị DCPA/TCPA tính theo vận động thẳng đều liên tục tạo ra các cảnh báo giả (false alarms) hoặc bỏ sót nguy cơ khi hai tàu đi đối hướng ở hai đoạn cong kế tiếp.

So sánh với các nghiên cứu quốc tế điển hình:

  • Nghiên cứu quản lý lưu lượng tại Eo biển Singapore (Qu et al., 2011) và Eo biển Istanbul/Bosphorus (Altan & Otay, 2017) đã áp dụng các mô hình rủi ro tĩnh nhưng đòi hỏi hệ thống hạ tầng phần cứng VTS radar/CCTV vô cùng tốn kém và không có khả năng cảnh báo nội vùng chủ động cho các phương tiện nhỏ chuẩn Class B.
  • Luận án định vị vị thế khoa học tiên phong bằng cách kết hợp: Phần cứng thu AIS linh hoạt SDR $\rightarrow$ Mạng nơ-ron học có giám sát kết hợp Delphi $\rightarrow$ Tự động sinh mã nhị phân cảnh báo trên Bản tin AIS số 8.

Đóng góp lý thuyết và khung phân tích

                  ┌──────────────────────────────────────────────┐
                  │          NGUỒN DỮ LIỆU ĐẦU VÀO               │
                  │ - Tín hiệu AIS 1/2 (161.975/162.025 MHz)     │
                  │ - Trạng thái động (COG, SOG, HDG, ROT)       │
                  │ - Trạng thái tĩnh/Hành trình (MMSI, Kích thước)│
                  │ - Đặc trưng luồng & Môi trường thủy văn      │
                  └──────────────────────┬───────────────────────┘
                                         ▼
                  ┌──────────────────────────────────────────────┐
                  │   BỘ THU AIS MỀM (SOFTWARE DEFINED RADIO)   │
                  │   Frontend Cao tần ──> Kiến trúc Zero-IF    │
                  │   ──> Lọc số Gauss (BT=0.3/0.4)             │
                  │   ──> Bộ giải điều chế GMSK & Bộ giải mã    │
                  │       (E-L gate, NRZI, Bit-destuffing, CRC) │
                  └──────────────────────┬───────────────────────┘
                                         ▼
                  ┌──────────────────────────────────────────────┐
                  │    ĐỘNG CƠ ĐÁNH GIÁ RỦI RO ĐÂM VA (ANN)       │
                  │   Mạng truyền thẳng 3 lớp (Input: 7-9 nút)   │
                  │   Lớp ẩn: 8 Nơ-ron (Tối ưu hóa MSE nhỏ nhất) │
                  │   Huấn luyện có giám sát (Chuyên gia Delphi) │
                  └──────────────────────┬───────────────────────┘
                                         ▼
                  ┌──────────────────────────────────────────────┐
                  │        PHÂN CẤP CẢNH BÁO RỦI RO              │
                  │ Mức 1: An toàn tuyệt đối                     │
                  │ Mức 2: Chú ý theo dõi                        │
                  │ Mức 3: Nguy cơ tiềm ẩn                       │
                  │ Mức 4: Nguy cơ cao                           │
                  │ Mức 5: Tình huống nguy hiểm khẩn cấp         │
                  └──────────────────────┬───────────────────────┘
                                         ▼
                  ┌──────────────────────────────────────────────┐
                  │   ĐÓNG GÓI & PHÁT BẢN TIN ASM (MESSAGE 8)    │
                  │ Mã hóa nhị phân: DAC (10 bit) + FI (6 bit)   │
                  │ Truyền phát nội vùng tức thời qua kênh VDL    │
                  │ Hiển thị hải đồ số OpenStreetMap thời gian thực│
                  └──────────────────────────────────────────────┘

Đóng góp cho lý thuyết

Luận án mở rộng Lý thuyết Miền an toàn của tàu (Ship Domain Theory) và Lý thuyết Chỉ số rủi ro va chạm (Collision Risk Index Theory) trong điều kiện luồng hàng hải hạn chế. Khung mô hình lý thuyết được thiết lập dựa trên các mệnh đề (propositions):

  • Mệnh đề 1 ($P_1$): Chỉ số rủi ro đâm va trên luồng là một hàm phi tuyến phức hợp phụ thuộc đồng thời vào: Vector vận động tương quan giữa tàu chủ (OS) và tàu mục tiêu (TS), khoảng cách không gian thực tế $D$, góc lệch hướng mũi (Heading difference $\Delta \theta$), tỷ lệ chiếm dụng luồng, tốc độ quay trở (Rate of Turn - ROT) và các yếu tố ngoại cảnh cục bộ (dòng chảy, gió, khúc quanh địa lý).
  • Mệnh đề 2 ($P_2$): Ranh giới miền an toàn của tàu không phải là một elip hay đa giác cố định mà là một trường thế năng rủi ro động (Dynamic Risk Potential Field), co giãn tức thời theo vận tốc so với đáy (SOG) và mức độ hạn chế về cơ động học trên luồng.
  • Mệnh đề 3 ($P_3$): Cảnh báo đâm va phân cấp đa mức (từ Mức 1 đến Mức 5) cung cấp cấu trúc thông tin định lượng, loại bỏ tính chủ quan trong đánh giá tình huống của Sĩ quan trực ca (OoW).

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp đồng thời 3 trường phái lý thuyết:

  1. Lý thuyết truyền thông vô tuyến số và kiến trúc vô tuyến điều khiển bằng phần mềm (SDR): Số hóa hoàn toàn các khâu giải điều chế và tách khung dữ liệu từ trung tần/băng gốc.
  2. Lý thuyết quyết định mờ và phương pháp chuyên gia Delphi: Xây dựng tập luật và chuẩn hóa trọng số đánh giá rủi ro từ các chuyên gia hàng hải dạn dày kinh nghiệm thực tế.
  3. Lý thuyết mạng nơ-ron nhân tạo (Artificial Neural Network - ANN): Sử dụng mạng truyền thẳng đa lớp (Multilayer Perceptron) làm bộ xấp xỉ hàm phi tuyến đa biến, ánh xạ không gian trạng thái động học vào thang đo rủi ro đâm va chuẩn hóa.

Điều kiện biên (Boundary conditions): Khung phân tích được xác lập trong vùng nước nội thủy, luồng luồng hàng hải hạn chế độ sâu và chiều rộng, tầm nhìn xa bị giới hạn bởi địa hình, nơi quy tắc nhường đường COLREGs 1972 chịu sự điều chỉnh bổ sung của các quy chế cảng biển cục bộ.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu tuân thủ chặt chẽ thế giới quan thực chứng (Positivism) kết hợp phương pháp luận nghiên cứu khoa học thiết kế (Design Science Research Paradigm). Thiết kế nghiên cứu đa tầng (multi-level design) bao gồm:

  • Cấp độ vật lý/phần cứng: Thiết kế, chế tạo bo mạch thu AIS mềm trên nền tảng RTL-SDR, tích hợp giao diện cao tần RF, bộ trộn tín hiệu, bộ lọc thông thấp (Low Pass Filter - LPF), bộ khuếch đại tạp âm thấp (LNA) và bộ chuyển đổi tương tự sang số (ADC).
  • Cấp độ thuật toán/phần mềm: Xây dựng module giải điều chế số GMSK (BT=0.3/0.4), giải mã đường truyền NRZI (Non-Return-to-Zero Inverted), xử lý khử chèn bit (bit-destuffing), kiểm tra mã vòng dư (CRC-16), phân tích chuỗi ký tự ASCII 6-bit của gói tin AIVDM chuẩn NMEA 0183.
  • Cấp độ trí tuệ nhân tạo: Thiết kế mạng nơ-ron đánh giá rủi ro đâm va.
                    ┌──────────────────────────────────────────────┐
                    │               TÍN HIỆU RF                    │
                    │   AIS 1 (161.975 MHz) / AIS 2 (162.025 MHz)  │
                    └──────────────────────┬───────────────────────┘
                                           │
                                           ▼
                    ┌──────────────────────────────────────────────┐
                    │          BỘ THU CAO TẦN / BĂNG GỐC           │
                    │  - Bộ khuếch đại tạp âm thấp (LNA)           │
                    │  - Bộ tạo dao động nội (LO) & Bộ trộn        │
                    │  - Bộ khuếch đại tự động / điều chỉnh (AGC)  │
                    │  - Chuyển đổi A/D (ADC lấy mẫu băng gốc)     │
                    └──────────────────────┬───────────────────────┘
                                           │
                                           ▼
                    ┌──────────────────────────────────────────────┐
                    │          XỬ LÝ TÍN HIỆU SỐ (DSP)             │
                    │  - Lọc số Gaussian khử nhiễu ISI             │
                    │  - Giải điều chế số GMSK                     │
                    │  - Bộ đồng bộ cổng sớm - muộn (Early-Late)   │
                    │  - Bộ tổng hợp số trực tiếp (DDS)            │
                    └──────────────────────┬───────────────────────┘
                                           │
                                           ▼
                    ┌──────────────────────────────────────────────┐
                    │          GIẢI MÃ LIÊN KẾT DỮ LIỆU            │
                    │  - Giải mã đường dây NRZI                    │
                    │  - Giải thuật toán chèn bit (Bit-destuffing) │
                    │  - Kiểm soát lỗi mã vòng dư (CRC-16)         │
                    │  - Chuyển đổi khung HDLC sang bản tin NMEA   │
                    └──────────────────────┬───────────────────────┘
                                           │
                                           ▼
                    ┌──────────────────────────────────────────────┐
                    │        CƠ SỞ DỮ LIỆU & BẢN ĐỒ THỜI GIAN THỰC │
                    │  - Trích xuất trường SHIP_DYNAMIC/STATIC     │
                    │  - Đưa vào Mạng Nơ-ron đánh giá rủi ro       │
                    │  - Hiển thị OpenStreetMap & Đóng gói ASM Msg8│
                    └──────────────────────────────────────────────┘

Quy trình nghiên cứu rigorous

Quy trình thu thập và chuẩn hóa dữ liệu được thực hiện nghiêm ngặt:

  • Phương pháp chuyên gia Delphi: Thu thập ý kiến qua 3 vòng tham vấn chuyên sâu từ các chuyên gia đầu ngành tại 4 cơ quan đầu não: Cảng vụ Hàng hải Hải Phòng, Cảng vụ Hàng hải Thanh Hóa, Tổng công ty Bảo đảm An toàn Hàng hải Miền Bắc, và các giảng viên, thuyền trưởng kỳ cựu thuộc Đại học Hàng hải Việt Nam. Kết quả tham vấn được sử dụng để xây dựng bộ nhãn dữ liệu đánh giá rủi ro (Ground Truth) cho các kịch bản đâm va điển hình: đối hướng (head-on), cắt hướng (crossing), và vượt (overtaking).
  • Thu thập dữ liệu thực địa: Dữ liệu AIS thực tế được thu thập liên tục tại luồng hàng hải Hải Phòng. Cấu trúc bản tin giải mã tuân thủ tuyệt đối quy định kỹ thuật ITU: "Bản tin AIS gồm phần mở đầu (8 bit)... chuỗi thử 24 bit, 8 bit tiếp theo là cờ bắt đầu... phần dữ liệu sẽ có 168 bit, tiếp đến 16 bit mã vòng dư CRC... 8 bit cờ kết thúc. Độ dài của một bản tin AIS là 256 bit... nằm trọn trong một khe thời gian độ rộng 26,7 ms".

Data và phân tích

  • Cấu trúc dữ liệu huấn luyện: Dữ liệu động học tàu thuyền trích xuất từ các bản tin vị trí Loại 1, 2, 3 (đối với tàu trang bị Class A) và Bản tin 18, 19 (đối với tàu trang bị Class B) kết hợp dữ liệu tĩnh từ Bản tin 5 và 24. Các biến đầu vào chuẩn hóa bao gồm: Tọa độ địa lý (WGS84), Hướng đi so với đáy (COG), Vận tốc so với đáy (SOG), Tốc độ quay trở (ROT), Hướng mũi tàu (HDG), Chiều dài/Chiều rộng tàu, Khoảng cách tương quan $D$, Góc kẹp hướng di chuyển, và vị trí tương đối so với trục luồng.
  • Huấn luyện mạng nơ-ron: Luận án thực nghiệm cấu trúc mạng nơ-ron truyền thẳng 3 lớp (3-layer Feedforward Neural Network) với thuật toán lan truyền ngược có giám sát. Nghiên cứu đã thực hiện các thực nghiệm so sánh với số lượng nơ-ron lớp ẩn tăng dần từ 5 đến 10 nơ-ron (Bảng 3.1 của luận án). Kết quả kiểm nghiệm cho thấy cấu trúc mạng với 8 nơ-ron lớp ẩn cho sai số toàn phương trung bình (MSE) nhỏ nhất và tốc độ hội tụ tối ưu, triệt tiêu hiện tượng quá khớp (overfitting) trong không gian trạng thái vận động phức tạp.

Phát hiện đột phá và implications

Những phát hiện then chốt

      MỨC ĐỘ NGUY CƠ VA CHẠM ĐƯỢC XÁC LẬP TỰ ĐỘNG BỞI MẠNG NƠ-RON
┌─────────────┬─────────────────────────────────┬───────────────────────────────┐
│ Mức rủi ro  │ Trạng thái vận động tương quan  │ Hành động cảnh báo hệ thống   │
├─────────────┼─────────────────────────────────┼───────────────────────────────┤
│   Mức 1     │ D > An toàn, DCPA/TCPA ngoài hạn│ Không cảnh báo                │
│   Mức 2     │ Di chuyển bình thường trên luồng│ Theo dõi giám sát tiêu chuẩn  │
│   Mức 3     │ TS xuất hiện phía trước mũi OS  │ Cảnh báo mức 3 trên bản đồ số │
│   Mức 4     │ Khoảng cách rút ngắn, CRI cao   │ Phát sinh Bản tin ASM Msg 8   │
│   Mức 5     │ Nguy cơ đâm va khẩn cấp         │ Phát bản tin ASM khẩn cấp     │
└─────────────┴─────────────────────────────────┴───────────────────────────────┘
  1. Chế tạo thành công bộ thu AIS mềm SDR hoàn chỉnh: Hệ thống giải điều chế thành công tín hiệu GMSK với tỷ số tín hiệu trên nhiễu (SNR) tối ưu, phân tách chính xác các bản tin AIVDM chuẩn từ hai tần số 161,975 MHz và 162,025 MHz. Thiết bị có giá thành chỉ bằng một phần nhỏ so với các bộ thu thương mại chuyên dụng nhưng cho phép can thiệp trực tiếp vào băng gốc và lớp dịch vụ liên kết dữ liệu (DLS).
  2. Mô hình mạng nơ-ron khắc phục triệt để nhược điểm của DCPA/TCPA trong luồng hẹp: Thực nghiệm chứng minh khi hai tàu hành trình cùng chiều hoặc ngược chiều trong luồng cong Hải Phòng, mô hình DCPA/TCPA truyền thống liên tục đưa ra báo động nhầm do khoảng cách tiếp cận hình học cắt nhau ngoài biên luồng. Mô hình mạng nơ-ron do luận án đề xuất duy trì độ chính xác cao nhờ tích hợp biến số giới hạn luồng và tốc độ quay trở ROT.
  3. Tối ưu hóa cấu trúc mạng nơ-ron tại 8 nơ-ron lớp ẩn: Phân tích thực nghiệm đa cấu hình (từ 5 đến 10 nơ-ron) chứng minh mô hình 8 nơ-ron đạt hiệu năng tính toán thời gian thực với độ trễ phản hồi dưới 100ms, hoàn toàn tương thích với chu kỳ cập nhật dữ liệu của bản tin Class A (từ 2 đến 10 giây).
  4. Phát triển cơ chế phát cảnh báo chủ động qua Bản tin ASM số 8 (Application Specific Message): Luận án đã giải mã thành công cấu trúc 16 bit của trường nhận dạng ứng dụng (Application Identifier - AI), bao gồm Mã vùng cấp phát (DAC - 10 bit) và Định dạng chức năng (FI - 6 bit). Hệ thống đã tự động sinh các gói tin nhị phân quảng bá nội vùng (Bản tin 8, dung lượng lên tới 968 bit) truyền phát thẳng tới các tàu nằm trong vùng nguy cơ.
  5. Thực nghiệm thành công trên luồng Hải Phòng với 5 mức độ rủi ro: Hệ thống đã mô phỏng và chạy thử nghiệm thực tế các tình huống tàu hành trình trên luồng Hải Phòng:
    • Tình huống Mức 3: Xác định tàu mục tiêu TS xuất hiện phía trước mũi tàu đang giám sát OS.
    • Tình huống Mức 4: Nguy cơ đâm va gia tăng khi hai tàu có xu hướng vi phạm vùng khoảng cách an toàn, hệ thống tự động sinh bản tin cảnh báo ASM tương ứng.
    • Tình huống Mức 5: Tình huống nguy cơ đâm va khẩn cấp giữa tàu chủ và hai tàu đối hướng đồng thời, bản tin cảnh báo số 8 được phát quảng bá tức thì trên giao diện hải đồ OpenStreetMap.

Implications đa chiều

  • Về mặt học thuật và lý thuyết: Đặt nền móng cho việc ứng dụng Trí tuệ nhân tạo phân tán trong lĩnh vực Kỹ thuật thông tin hàng hải; chứng minh tính khả thi của việc tích hợp mạng nơ-ron vào các giao thức truyền thông vô tuyến tiêu chuẩn.
  • Về phương pháp luận: Cung cấp quy trình khép kín từ xử lý tín hiệu vô tuyến băng gốc $\rightarrow$ khai phá dữ liệu $\rightarrow$ mô hình hóa nơ-ron $\rightarrow$ truyền thông ngược. Phương pháp này có thể chuyển giao hoàn hảo cho các lĩnh vực giao thông thông minh khác như giám sát máy bay (ADS-B) hay xe tự hành (V2X).
  • Về ứng dụng thực tiễn: Cung cấp cho các Trung tâm Điều phối Giao thông Hàng hải (VTS) một giải pháp công nghệ làm giàu tính năng (add-on module) mà không đòi hỏi phải thay thế toàn bộ hạ tầng phần cứng sẵn có.
  • Về mặt chính sách quản lý cảng biển: Là căn cứ khoa học để Cục Hàng hải Việt Nam và Bộ Giao thông Vận tải xây dựng các quy chuẩn kỹ thuật quốc gia về việc số hóa cảnh báo luồng tuyến và hiện đại hóa hệ thống báo hiệu hàng hải AtoN AIS.

Limitations và Future Research

Luận án thẳng thắn chỉ ra 4 giới hạn nghiên cứu cụ thể:

  1. Độ bao phủ của nguồn dữ liệu: Đề tài tập trung chủ yếu vào khai thác dữ liệu từ hệ thống AIS. Trong điều kiện thực tế, một số phương tiện thủy nội địa, tàu cá nhỏ chưa trang bị thiết bị AIS Class B chuẩn hoặc cố tình tắt thiết bị, dẫn đến nguy cơ "mục tiêu mù".
  2. Nhiễu kênh truyền VHF và nghẽn khe thời gian: Trong các khu vực cảng biển có mật độ tàu thuyền quá cao, hiện tượng nghẽn kênh truyền vô tuyến liên kết dữ liệu VHF (VDL) theo cơ chế SOTDMA có thể làm trễ hoặc mất gói tin AIS.
  3. Đặc trưng địa hình luồng đơn lẻ: Mô hình mạng nơ-ron được tối ưu hóa và kiểm nghiệm trên các tham số hình học đặc thù của luồng Hải Phòng; khi chuyển giao sang các luồng sông sâu có chế độ thủy văn phức tạp hơn (như luồng Sài Gòn - Vũng Tàu hay luồng Soài Rạp), trọng số mạng cần được tái huấn luyện.
  4. Chưa tích hợp tự động hóa điều khiển tránh va: Hệ thống mới dừng lại ở mức độ hỗ trợ ra quyết định và phát cảnh báo (Decision Support & Alerting), chưa can thiệp trực tiếp vào hệ thống lái tự động (Autopilot) của tàu.

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

  • Tích hợp kỹ thuật nhiệt hạch dữ liệu đa cảm biến (Data Fusion) giữa dữ liệu AIS, Radar/ARPA và hình ảnh camera giám sát bờ (CCTV) để nhận dạng toàn diện các mục tiêu không phát AIS.
  • Ứng dụng các kiến trúc học sâu tiên tiến như Mạng nơ-ron tích chập kết hợp bộ nhớ ngắn dài (CNN-LSTM) hoặc Transformer để dự báo quỹ đạo chuyển động phi tuyến dài hạn của tàu thuyền trên luồng.
  • Mở rộng nghiên cứu các bản tin ASM quốc tế hai chiều (Bản tin số 6 - định địa chỉ) để tự động hóa quá trình đàm phán tránh va giữa hai tàu.
  • Triển khai thuật toán trên các nền tảng tính toán biên (Edge Computing) lắp đặt trực tiếp trên các phao báo hiệu hàng hải thông minh (Smart AtoN).

Tác động và ảnh hưởng

                                    CÁC TRỤ CỘT TÁC ĐỘNG
┌─────────────────────────────────────────────────────────────────────────────────────────┐
│                                                                                         │
│  [1. Tác động Học thuật & Viễn thông]       [2. Đổi mới Ngành Hàng hải & Khai thác Cảng]│
│  - Tiên phong ứng dụng SDR trong AIS        - Giảm thiểu tai nạn đâm va trên luồng hẹp │
│  - Mạng nơ-ron xấp xỉ hàm rủi ro luồng cong - Giảm tải áp lực đàm thoại VHF cho VTS    │
│  - Mở rộng giao thức Bản tin ASM số 8       - Tối ưu hóa năng lực thông qua cảng biển  │
│                                                                                         │
│  [3. Giá trị Kinh tế & Tự chủ Công nghệ]    [4. An toàn Sinh mạng & Bảo vệ Môi trường] │
│  - Thay thế phần cứng ngoại nhập đắt tiền   - Ngăn ngừa sự cố tràn dầu do đâm thủng vỏ │
│  - Tận dụng bo mạch SDR chi phí thấp        - Bảo vệ tính mạng thuyền viên & ngư dân   │
│  - Khả năng mở rộng trên toàn quốc          - Hỗ trợ công tác tìm kiếm cứu nạn (SAR)   │
│                                                                                         │
└─────────────────────────────────────────────────────────────────────────────────────────┘
  • Tác động học thuật: Tạo bước đột phá trong việc nghiên cứu kết hợp giữa công nghệ vô tuyến điều khiển bằng phần mềm (SDR) và trí tuệ nhân tạo (AI) trong lĩnh vực an toàn hàng hải tại Việt Nam; công bố các công trình khoa học chất lượng cao trên các tạp chí chuyên ngành uy tín.
  • Đổi mới ngành công nghiệp khai thác cảng: Giúp các đơn vị quản trị luồng hàng hải, hoa tiêu và các Cảng vụ giảm thiểu tối đa các sự cố đâm va, từ đó giảm thiểu chi phí cứu nạn, bảo hiểm và ngăn ngừa tình trạng tắc nghẽn luồng – nguyên nhân gây thiệt hại kinh tế hàng triệu USD mỗi ngày cho chuỗi cung ứng logistics.
  • Ảnh hưởng chính sách quốc gia: Cung cấp giải pháp công nghệ tự chủ "Make in Vietnam" với giá thành chế tạo thấp, giúp cơ quan quản lý nhà nước dễ dàng trang bị đại trà cho các trạm quan trắc duyên hải dọc theo chiều dài hơn 3260 km bờ biển.
  • Lợi ích xã hội và môi trường: Ngăn chặn các thảm họa đâm va dẫn đến chìm tàu, tổn thất sinh mạng thuyền viên và nguy cơ rò rỉ nhiên liệu/hóa chất gây ô nhiễm môi trường biển nghiêm trọng tại các khu bảo tồn sinh quyển ven bờ.

Đối tượng hưởng lợi

  • Nghiên cứu sinh và Giới học thuật: Tiếp cận mô hình thiết kế bộ thu SDR AIS chi tiết từ tầng vật lý đến tầng ứng dụng, cùng phương pháp luận lượng hóa rủi ro đâm va phi tuyến bằng mạng nơ-ron nhân tạo kết hợp Delphi.
  • Khai thác viên VTS và Cảng vụ Hàng hải: Sở hữu công cụ phần mềm giám sát trực quan trên nền bản đồ số OpenStreetMap, tự động phát hiện sớm nguy cơ đâm va từ xa và giảm thiểu tới 60-70% khối lượng trao đổi thoại qua VHF dễ gây nhầm lẫn.
  • Sĩ quan trực ca (OoW) và Thuyền trưởng: Nhận được các thông điệp cảnh báo nguy cơ đâm va số hóa chính xác, kịp thời ngay trên thiết bị AIS đài tàu thông qua bản tin ASM chuẩn hóa, gia tăng biên độ an toàn khi dẫn dắt tàu trong điều kiện đêm tối hoặc thời tiết xấu.
  • Các doanh nghiệp sản xuất thiết bị hàng hải: Có thể thương mại hóa thiết kế bộ thu AIS mềm SDR với chi phí linh kiện phần cứng tối ưu, nâng cao năng lực cạnh tranh của sản phẩm công nghệ nội địa.

Câu hỏi chuyên sâu

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

Trả lời: Đóng góp lý thuyết độc đáo nhất là việc xây dựng mô hình định lượng rủi ro đâm va phi tuyến thích ứng với luồng hàng hải hạn chế dựa trên Mạng nơ-ron truyền thẳng tích hợp tham số luồng lạch. Luận án đã mở rộng căn bản Lý thuyết Miền an toàn của tàu (Ship Domain Theory của Goodwin, Fujii, Coldwell) từ trạng thái tĩnh trên biển mở sang trạng thái động đa biến trên luồng hẹp, chứng minh rằng ranh giới an toàn không phải là một hình học bất biến mà biến thiên liên tục theo vector gia tốc quay trở (ROT) và mức độ bó hẹp không gian của luồng.

2. Sự đổi mới về mặt phương pháp luận so với các nghiên cứu quốc tế trước đây thể hiện ở điểm nào?

Trả lời: Luận án tạo ra bước nhảy vọt về phương pháp luận qua việc thiết lập chu trình công nghệ khép kín "3 trong 1":

  • So với các nghiên cứu của Silveira et al. (2013) hay Rong et al. (2019) vốn chỉ dừng lại ở xử lý dữ liệu AIS tĩnh ngoại tuyến (offline), luận án xây dựng hoàn chỉnh phần cứng bộ thu AIS mềm SDR (Zero-IF/DSP) để thu và xử lý dòng dữ liệu thực tế theo thời gian thực.
  • So với các mô hình Logic mờ (Fuzzy CRI) của Wang & Chin (2016), luận án ứng dụng Mạng nơ-ron học có giám sát kết hợp phương pháp chuyên gia Delphi thu thập từ các chuyên gia thực địa tại Hải Phòng, Thanh Hóa, loại bỏ hoàn toàn tính áp đặt chủ quan của các hàm thuộc tư duy đơn thuần.
  • So với các chuẩn IALA/IMO về ASM, luận án lần đầu tiên lập trình tự động phát sinh mã nhị phân cảnh báo trên Bản tin AIS số 8 truyền trực tiếp ngược lại cho tàu thuyền.

3. Phát hiện thực nghiệm nào gây bất ngờ và có ý nghĩa kỹ thuật then chốt nhất?

Trả lời: Phát hiện thực nghiệm then chốt nhất là kết quả kiểm chứng hiệu năng mạng nơ-ron: cấu trúc mạng với 8 nơ-ron lớp ẩn đạt điểm cân bằng tuyệt hảo giữa sai số hội tụ MSE nhỏ nhất và tốc độ xử lý tức thời (<100ms), trong khi việc tăng số nơ-ron lên 9 hoặc 10 không làm tăng độ chính xác mà còn gây trễ tính toán và hiện tượng quá khớp cục bộ. Đồng thời, dữ liệu thực nghiệm tại luồng Hải Phòng chứng minh các phương pháp hình học cổ điển (DCPA/TCPA) tạo ra tới hơn 40% cảnh báo giả khi tàu vào các đoạn luồng ngoặt.

4. Luận án có cung cấp quy trình và giao thức tái lập nghiên cứu (Replication Protocol) không?

Trả lời: Hoàn toàn có. Luận án mô tả chi tiết:

  • Sơ đồ mạch khối và tham số linh kiện của bộ thu SDR (tần số dao động nội LO, cấu hình bộ lọc Gauss với hệ số $BT=0.3$ và $0.4$, giải thuật lọc khử hài, bộ lượng tử hóa ADC).
  • Thuật toán giải mã NRZI, lưu đồ thuật toán giải chèn bit và kiểm tra mã dư CRC-16.
  • Bảng mã cấu trúc dữ liệu AIVDM 6-bit ASCII và các trường dữ liệu tĩnh/động (SHIP_DYNAMIC, SHIP_STATIC).
  • Cấu trúc đóng gói dữ liệu nhị phân của Bản tin ASM số 8 (DAC, FI, mã cảnh báo Mức 1 - Mức 5).

5. Chương trình nghị sự nghiên cứu 10 năm (10-Year Research Agenda) được hoạch định như thế nào?

Trả lời: Luận án định hình lộ trình phát triển 10 năm qua 3 giai đoạn:

  • Giai đoạn 1 (1-3 năm): Chuẩn hóa thiết bị SDR AIS thương mại hóa và triển khai lắp đặt thử nghiệm diện rộng tại toàn bộ hệ thống trạm bờ VTS khu vực phía Bắc (Hải Phòng, Quảng Ninh).
  • Giai đoạn 2 (4-6 năm): Tích hợp công nghệ Học sâu (Deep Learning) và Hợp nhất dữ liệu đa cảm biến (AIS + Radar bờ + Camera quang điện tử AI + Dữ liệu thủy triều thời gian thực) để tự động hóa hoàn toàn việc giám sát luồng.
  • Giai đoạn 3 (7-10 năm): Nghiên cứu ứng dụng công nghệ này vào hệ thống điều phối và hỗ trợ điều hướng cho Tàu thuyền mặt nước tự hành hàng hải (Maritime Autonomous Surface Ships - MASS) trong mạng lưới giao thông hàng hải thông minh toàn cầu.

Kết luận

Luận án tiến sĩ của NCS. Nguyễn Thanh Vân là một công trình khoa học toàn diện, giải quyết trọn vẹn bài toán cấp bách về an toàn giao thông thủy thông qua 5 đóng góp cốt lõi:

  1. Thiết kế và chế tạo thành công bộ thu AIS mềm ứng dụng công nghệ SDR, mang lại sự chủ động hoàn toàn về công nghệ thu nhận, xử lý tín hiệu băng gốc và giải mã dữ liệu AIS theo thời gian thực.
  2. Đề xuất mô hình đánh giá rủi ro đâm va tàu thuyền trên luồng hàng hải dựa trên Mạng nơ-ron nhân tạo, khắc phục triệt để các hạn chế cố hữu của các phương pháp hình học cổ điển (DCPA/TCPA và Miền tàu tĩnh), cho phép đánh giá nguy cơ chính xác từ xa.
  3. Ứng dụng thành công phương pháp chuyên gia Delphi với sự tham gia của các chuyên gia hàng hải hàng đầu tại Cảng vụ Hải Phòng, Thanh Hóa, Bảo đảm An toàn Hàng hải miền Bắc để số hóa tri thức chuyên gia thành tập dữ liệu huấn luyện mẫu mực.
  4. Xây dựng hoàn chỉnh hệ thống phần mềm hỗ trợ giám sát thời gian thực, tích hợp cơ sở dữ liệu động/tĩnh, hiển thị trực quan hóa trên bản đồ số OpenStreetMap với khả năng phân cấp cảnh báo nguy cơ từ Mức 1 đến Mức 5.
  5. Nghiên cứu phát triển và ứng dụng thành công Bản tin ASM số 8 (Bản tin quảng bá nhị phân) để phát trực tiếp các thông điệp cảnh báo va chạm nội vùng tới các tàu thuyền trên luồng, mở ra phương thức tương tác số hóa hiện đại trong quản lý VTS.

Công trình không chỉ đánh dấu sự chuyển dịch phương pháp luận từ quan trắc thụ động sang dự báo - cảnh báo chủ động bằng trí tuệ nhân tạo, mà còn mở ra các nhánh nghiên cứu tương lai đầy tiềm năng về tự hành hóa hàng hải và quản trị giao thông biển thông minh, khẳng định vị thế khoa học và năng lực làm chủ công nghệ cao của các nhà khoa học hàng hải Việt Nam.