Tổng quan nghiên cứu

Ô nhiễm không khí tại TP. Hồ Chí Minh đang là vấn đề cấp bách với mức độ ô nhiễm ngày càng gia tăng, đặc biệt do mật độ giao thông dày đặc và tình trạng kẹt xe kéo dài. Theo ước tính, số lượng xe máy đông đảo cùng với các phương tiện giao thông khác đã làm tăng nồng độ các chất ô nhiễm như PM2.5, PM10, CO, SO2, NO2, và O3, ảnh hưởng trực tiếp đến sức khỏe cộng đồng. Mục tiêu nghiên cứu của luận văn là xây dựng một hệ thống dự đoán chỉ số chất lượng không khí (AQI) trong thời gian ngắn và phát triển thuật toán tìm đường đi tối ưu nhằm giảm thiểu tác động của ô nhiễm không khí cho người dân khi di chuyển trong thành phố. Phạm vi nghiên cứu tập trung tại một khu vực nội thành TP. Hồ Chí Minh, với dữ liệu thu thập từ bộ cảm biến di động của nhóm MNR và các nguồn dữ liệu mở của thành phố trong năm 2020. Ý nghĩa của nghiên cứu được thể hiện qua việc giảm khoảng 31.47% chỉ số AQI so với các phương pháp tìm đường truyền thống, đồng thời góp phần giảm ùn tắc giao thông và cải thiện chất lượng cuộc sống người dân.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai lý thuyết chính: (1) Dự đoán chỉ số chất lượng không khí AQI dựa trên dữ liệu quan trắc di động và dữ liệu mở, sử dụng các thuật toán học máy và nội suy không gian; (2) Bài toán lập kế hoạch đường đi tránh ô nhiễm không khí, ứng dụng thuật toán tìm đường Dijkstra được điều chỉnh trọng số dựa trên AQI và khoảng cách. Các khái niệm chuyên ngành quan trọng bao gồm AQI (Air Quality Index), thuật toán IDW (Inverse Distance Weighting) để nội suy dữ liệu không gian, thuật toán Dijkstra và A* cho bài toán tìm đường, cũng như các chỉ số ô nhiễm PM2.5, PM10, CO, SO2, NO2, O3. Nghiên cứu cũng khai thác dữ liệu crowdsourcing từ cảm biến di động cá nhân để tăng mật độ và độ chi tiết của dữ liệu ô nhiễm.

Phương pháp nghiên cứu

Nguồn dữ liệu chính là bộ dữ liệu MNR-HCM thu thập tại TP. Hồ Chí Minh trong tháng 7 năm 2020, với khoảng 17 km tuyến đường khảo sát, tuần tra ba lần mỗi ngày bởi các tình nguyện viên sử dụng xe máy, thu thập dữ liệu ô nhiễm, GPS, hình ảnh và cảm xúc người dùng. Dữ liệu mở từ các trạm cố định của thành phố được sử dụng bổ sung. Phương pháp phân tích gồm: (1) Thu thập và xử lý dữ liệu động; (2) Xây dựng thuật toán dự đoán AQI trong thời gian ngắn dựa trên thuật toán lọc theo thời gian và không gian, kết hợp nội suy IDW; (3) Phát triển thuật toán tìm đường đi tránh ô nhiễm dựa trên thuật toán Dijkstra điều chỉnh trọng số theo AQI và khoảng cách; (4) Tích hợp và phát triển ứng dụng trên nền tảng web và di động. Cỡ mẫu dữ liệu gồm hàng nghìn điểm đo với tần suất ghi nhận mỗi 2-3 giây, đảm bảo độ phủ và tính đại diện cho khu vực khảo sát. Timeline nghiên cứu kéo dài 6 tháng, từ tháng 7 đến tháng 12 năm 2020.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Thuật toán dự đoán AQI dựa trên dữ liệu MNR-HCM và dữ liệu mở đạt độ chính xác cao, với sai số Euclidean khoảng 0.2 trên thang chuẩn hóa [0,1], vượt trội so với các phương pháp truyền thống.
  2. Thuật toán tìm đường đi tránh ô nhiễm (MNR-Algorithm) giúp giảm 31.47% chỉ số AQI trung bình so với thuật toán Dijkstra nguyên thủy, mặc dù quãng đường tăng nhẹ dưới 500 mét.
  3. Thuật toán cập nhật tuyến đường theo thời gian thực (tìm kiếm online) cho kết quả tốt hơn so với tìm kiếm offline, thể hiện qua việc giảm AQI trung bình xuống còn 44.78 so với 65.34 của Dijkstra.
  4. Ứng dụng AQI-T-RM trên nền tảng web và di động đã được phát triển, cho phép người dùng nhập điểm xuất phát và điểm đến, hiển thị bản đồ AQI trực tuyến với màu sắc biểu thị mức độ ô nhiễm, đồng thời cảnh báo khi người dùng đi vào vùng ô nhiễm cao.

Thảo luận kết quả

Kết quả cho thấy việc tích hợp dữ liệu cảm biến di động với dữ liệu mở giúp tăng mật độ và độ chi tiết của bản đồ ô nhiễm, khắc phục hạn chế của các trạm cố định thưa thớt. Thuật toán dự đoán AQI sử dụng lọc theo thời gian và không gian cùng phương pháp nội suy IDW đơn giản nhưng hiệu quả, phù hợp với điều kiện dữ liệu thực tế tại TP. Hồ Chí Minh. Việc áp dụng thuật toán tìm đường điều chỉnh trọng số theo AQI và khoảng cách giúp người dân lựa chọn tuyến đường an toàn hơn về mặt sức khỏe, đồng thời góp phần giảm ùn tắc giao thông. So sánh với các nghiên cứu quốc tế như thuật toán CAR tại Đài Loan, MNR-Algorithm cho thấy hiệu quả tương đương hoặc vượt trội dù sử dụng ít cảm biến hơn, nhờ dữ liệu di động phong phú và thuật toán cập nhật thời gian thực. Các biểu đồ so sánh AQI trung bình và quãng đường giữa các thuật toán minh họa rõ ràng hiệu quả của phương pháp đề xuất.

Đề xuất và khuyến nghị

  1. Mở rộng mạng lưới cảm biến di động: Tăng số lượng cảm biến cá nhân và mở rộng phạm vi thu thập dữ liệu để nâng cao độ phủ và độ chính xác của bản đồ ô nhiễm, dự kiến thực hiện trong 12-18 tháng tới, do nhóm nghiên cứu và các tổ chức môi trường phối hợp thực hiện.
  2. Cải tiến thuật toán dự đoán và tìm đường: Nghiên cứu tích hợp thêm các yếu tố môi trường như hướng gió, thời tiết, mật độ giao thông để nâng cao độ chính xác dự báo AQI và tối ưu hóa thuật toán tìm đường, hoàn thành trong 6-12 tháng tiếp theo.
  3. Phát triển ứng dụng đa nền tảng và tích hợp dịch vụ: Mở rộng ứng dụng AQI-T-RM sang các nền tảng iOS, tích hợp với các ứng dụng giao thông công cộng và đặt xe như Grab, BusMap để tăng tiện ích cho người dùng, dự kiến trong 12 tháng.
  4. Tăng cường hợp tác với các cơ quan quản lý và doanh nghiệp: Đề xuất phối hợp với chính quyền thành phố và các công ty công nghệ để triển khai hệ thống giám sát và cảnh báo ô nhiễm không khí, đồng thời thu thập phản hồi người dùng để hoàn thiện sản phẩm, thực hiện liên tục trong giai đoạn phát triển ứng dụng.

Đối tượng nên tham khảo luận văn

  1. Nhà quản lý môi trường và đô thị: Sử dụng kết quả nghiên cứu để giám sát ô nhiễm không khí cục bộ, hỗ trợ ra quyết định chính sách giảm thiểu ô nhiễm và ùn tắc giao thông.
  2. Nhà nghiên cứu và chuyên gia công nghệ thông tin: Tham khảo phương pháp thu thập dữ liệu di động, thuật toán dự đoán AQI và tìm đường, làm cơ sở phát triển các nghiên cứu tiếp theo trong lĩnh vực môi trường và giao thông thông minh.
  3. Doanh nghiệp phát triển ứng dụng và công nghệ: Áp dụng mô hình và thuật toán để xây dựng các sản phẩm hỗ trợ người dùng trong việc lựa chọn tuyến đường an toàn, nâng cao trải nghiệm người dùng trong các ứng dụng bản đồ và giao thông.
  4. Người dân và cộng đồng sử dụng phương tiện giao thông cá nhân: Tận dụng ứng dụng để lựa chọn tuyến đường di chuyển giảm thiểu tác động ô nhiễm, bảo vệ sức khỏe cá nhân trong điều kiện ô nhiễm không khí ngày càng nghiêm trọng.

Câu hỏi thường gặp

  1. Thuật toán dự đoán AQI hoạt động như thế nào?
    Thuật toán sử dụng dữ liệu cảm biến di động và dữ liệu mở, áp dụng lọc theo thời gian và không gian kết hợp phương pháp nội suy IDW để dự đoán giá trị AQI tại các vị trí chưa có cảm biến. Ví dụ, bán kính nội suy 20 mét được chọn để tối ưu độ chính xác.

  2. Làm thế nào để thuật toán tìm đường tránh ô nhiễm giảm được chỉ số AQI?
    Thuật toán điều chỉnh trọng số các đoạn đường dựa trên giá trị AQI dự đoán và khoảng cách, sử dụng thuật toán Dijkstra cập nhật theo thời gian thực để chọn tuyến đường có tổng AQI thấp nhất, giúp giảm 31.47% chỉ số AQI so với phương pháp truyền thống.

  3. Ứng dụng AQI-T-RM có thể sử dụng trên thiết bị nào?
    Hiện tại ứng dụng đã có phiên bản web và ứng dụng di động trên nền tảng Android, cho phép người dùng nhập điểm đi và đến, hiển thị bản đồ AQI trực tuyến và cảnh báo khi đi vào vùng ô nhiễm cao.

  4. Dữ liệu thu thập có đảm bảo độ chính xác và đại diện không?
    Dữ liệu được thu thập từ bộ cảm biến di động của nhóm MNR với tần suất ghi nhận mỗi 2-3 giây trên các tuyến đường khảo sát đa dạng cảnh quan, kết hợp dữ liệu mở từ các trạm cố định, đảm bảo độ phủ và tính đại diện cho khu vực nghiên cứu.

  5. Nghiên cứu có thể áp dụng cho các thành phố khác không?
    Phương pháp và thuật toán có thể được điều chỉnh và áp dụng cho các thành phố khác có điều kiện tương tự về giao thông và ô nhiễm, tuy nhiên cần thu thập dữ liệu cảm biến phù hợp với đặc thù địa phương để đảm bảo hiệu quả.

Kết luận

  • Đã xây dựng thành công hệ thống dự đoán AQI trong thời gian ngắn và thuật toán tìm đường đi tránh ô nhiễm dựa trên dữ liệu cảm biến di động và dữ liệu mở tại TP. Hồ Chí Minh.
  • Thuật toán MNR-Algorithm giúp giảm 31.47% chỉ số AQI trung bình so với các phương pháp tìm đường truyền thống, đồng thời tăng nhẹ quãng đường di chuyển.
  • Ứng dụng AQI-T-RM trên nền tảng web và di động đã được phát triển, hỗ trợ người dân lập kế hoạch di chuyển an toàn và nhận cảnh báo ô nhiễm thời gian thực.
  • Nghiên cứu góp phần nâng cao nhận thức và cung cấp công cụ hỗ trợ giảm thiểu tác động ô nhiễm không khí, đồng thời hỗ trợ quản lý đô thị và môi trường.
  • Các bước tiếp theo bao gồm mở rộng mạng lưới cảm biến, cải tiến thuật toán, phát triển ứng dụng đa nền tảng và tăng cường hợp tác với các bên liên quan để triển khai rộng rãi.

Hành động khuyến nghị: Người quan tâm có thể truy cập và trải nghiệm ứng dụng AQI-T-RM phiên bản web tại địa chỉ https://nifty-shirley-Sa6f48.app/ để góp ý và sử dụng trong cuộc sống hàng ngày.