Chương 1 GIGI THIEU 1.1 Tính cấp thiết của đề tài 1.1 Giới thiệu đề tài Hiện nay, tinh trạng kẹt xe khi mưa lớn xảy ra đang là van nạn của thành phố. Nhằm góp phan giảm thiểu ảnh hưởng của ket xe và mưa lớn đối với hoạt động của thành phố, luận văn đề xuất một hướng giải quyết vấn dé (hệ théng) dựa trên dữ liệu mưa, kẹt xe trực tuyến và các phương pháp tối ưu đồ thị nhằm đưa ra các tuyến đường hợp lý khả dĩ nhất (giảm thiểu tối đa nguy cơ kẹt xe và mưa lớn) cho người giao thông trước khi khởi hành. Trong suốt thời gian đi, hệ thống sẽ cung cấp cảnh báo hiển thị cái ung đường kẹt xe khi có mưa lớn. Van dé đặt ra là néu có một bản đồ trực tuyến dự đoán hiển thị vùng sẽ xảy ra kẹt xe khi có mưa lớn, và thuật toán tìm đường đi tối ưu từ A tới C (không nhất thiết phải là đường đi ngắn nhất) tránh các cung đường bị kẹt xe.
Do đó có thể giúp người tham gia giao thông và © cơ quan giám sát có kế hoạch để giảm thiểu ảnh hưởng của kẹt xe đối với hoạt động của thành phó.2 Lý do chọn dé tài Với tốc độ phát triển nhanh chóng của đô thị hóa, tắc nghẽn giao thông đã gây ra nhiều tác động tiêu cực ở các thành phố của nhiều quốc gia, chẳng hạn như tiêu thụ quá nhiều nhiên liệu, gia tăng tai nạn giao thông và ô nhiễm không khí. Tại thành phố lớn người lái xe thường có nhiều lựa chọn lộ trình để đến các điểm đến. Tình trạng giao thông theo thời gian thực và thông tin về đường có thể giúp người lái xe chọn một tuyến đường di chuyển phù hợp tiém năng. Lộ trình di chuyển phù hợp tiềm năng không chỉ liên quan đến tình trạng giao thông hiện tại và tình trạng đường xá mà còn liên quan đến tình trạng giao thông trong tương lai.
Vì vậy, đánh giá hợp lý tình trạng giao thông hiện tại và dự đoán chính xác tình trạng giao thông trong tương lai sẽ đóng một vai trò quan trọng trong quản lý giao thông và việc di lại của người lái xe (11). Tuy nhiên, người tham gia giao thông rất khó dự đoán chính xác diễn biến tinh trạng giao thông do các yếu tổ ngẫu nhiên khác nhau (ví dụ: mưa, kẹt xe, tai nạn giao thông, v. Do đó, để biết được tinh trạng giao thông có kẹt xe xảy ra hay không khi di chuyển từ đi C trong tương lai (trong 15 phút tiếp theo) là điều cần thiết cho người tham án bộ giám sát giao thông. Ngoài ra, sự kết hợp các thị toán dự áo và khai thác dữ liệu lớn để dự đoán khả năng xảy ra kẹt xe do mưa lớn hiện tại chưa có các nghiên cứu liên quan tập trung vào khía cạnh này.13 Thách thức Một trong các thách thức để giải quyết vấn dé này là dữ liệu cảm biến ở các tuyến đường, khu vực của các thành phố chưa được công bố rộng rãi hoặc chưa đầy đủ.
Cụ thể tại Hồ Chí Minh ở Việt Nam, dữ liệu giao thông được cung cấp từ các CCTV của thành phố chỉ bao phủ một số điểm giao thông trọng yếu chưa đầy đủ để đánh giá mức độ ảnh hưởng tác động của giao thông khi mưa lớn xảy ra. Do đó, các thí nghiệm trong dé tài này chúng tôi sử dụng nguồn dữ liệu được cung cấp bởi Trung tâm thông tin giao thông Nhật Bản (JARTIC) từ năm 2014-2015. Dữ liệu về giao thông và mưa của Hồ Chí Minh nếu được cung cấp sẽ áp dụng tương tự với thuật toán của chúng tôi trong tương lai.2 Mục tiêu nghiên cứu 1.1 Mục tiêu chung Xử lý dữ liệu lớn và dự đoán khả năng xảy ra kẹt xe của các cung đường trong thời gian mỗi 15 phút. Dựa vào một phan dữ liệu trong quá khứ vừa xảy ra kết hợp với dữ liệu đã dự đoán áp dụng thud toán khai thác dữ liệu tìm những cung đường thường xuyên xảy ra kẹt xe và có tính lặp lại theo thời gian khi có mưa lớn.
Sau đó, hiển thị các cung đường xây ra ket xe lên bản dé và xây dựng thuật toán tìm đường di tối ưu nhất từ địa điểm A đến địa điểm C tránh các cung đường bị kẹt xe.2 Mục tiêu cụ thể + Xử lý dữ liệu cảm biến đô thị được thu thập tại Thành phố Kobe, Nhật Bat lừ năm 2014-2015, được thu thập trong mỗi 5 phút của 3552 cảm biến. * Phát triển thuật toán dự đoán kẹt xe trong tương lai khi có mưa lớn xảy ra. * Phat triển thuật toán tìm kiếm cung dường thường xuyên xảy ra kẹt xe khi có mưa lớn. * Kết hợp các thuật toán và phát triển hệ thông cho phép nhập điểm xuất phát, điểm đến, hiển thị cung đường kẹt xe và cung đường tối ưu để tránh ảnh hưởng bởi kẹt xe.
Đối tượng và phạm vi nghiên cứu Do hạn chế vẻ thời gian, số liệu và nguồn lực đề tài chỉ thực hiện trong giới hạn sau: + Đối tượng nghiên cứu: bộ dữ liệu về giao thông và mưa của thành phô Kobe Nhật Bản được cung cấp bởi trung tâm thông tin giao thông Nhật Bản (JARTIC) từ 2014-2015. * Phạm vi nghiên cứu: Thành phố Kobe Nhật Bản.4 Ý nghĩa khoa hoc và ý nghĩa thực tiễn + ¥ nghĩa thực tiễn: Bằng cách kết hợp mô hình dự đoán kẹt xe và thuật toán maxPFP-growth dé tìm kiếm các cung đường kẹt xe trong tương lai, cơ quan quản lý giao thông cũng như người tham gia giao thông sẽ có được thông tin chỉ tiết về mức độ kẹt xe, sẽ giúp họ có kế hoạch để tránh ho: im ảnh hưởng từ van dẻ Điều này góp phân điều phối lực lượng kiểm soát giao thông phù hợp, tiết kiệm thời gian, và chi phí trong quá trong di chuyển trên đường. + ¥ nghĩa khoa học: Đề tài dựa trên ba thuật toán quan trọng: (1) dự đoán ket xe trên các cung đường khi có mưa lớn. (2) Tìm kiếm cung đường trong tương lai áp dụng thuật toán maxPFP-Growth dựa trên phần dữ liệu được tiên đoán và một phần dữ liệu quá khứ mới xảy ra.
(3) Tìm đường đi tối ưu để ránh các cung đường bị kẹt xe. Các thuật toán y ó ic nghiên cứu liên quan {I/6][16). Tuy nhiên, trong các nghiên cứu liên quan, các phương pháp trên có các giới hạn: 10 1. Hầu hết các mô hình dự đoán của máy học (machine learning) và học sâu (deep learning) đối mặt với vấn đề về độ chính xác của dự đoán đối với dữ liệu chuỗi thời gian khi thực hiện dự đoán độc lập theo từng mô hình.
Các mô hình dự đoán ùn tắc giao thông hiện tại có thể hiệu quả trên ic cũng đường cụ thể, chưa thể hiện rõ trên bản đồ mức độ ùn tắc trên nhiều tuyến đường của nhiều khu vực. Các thuật toán khai thác dữ liệu chỉ dự vào dữ liệu đã xây ra chưa quan tâm đến dữ liệu tiên đoán. Ngoài ra, các mô hình tìm kiếm cung đường ùn tắc dựa vào sự xuất hiện thường xuyên của các mẫu và bỏ qua c: thông tin xảy ra tam thời trong dữ liệu. Dựa trên các nghiên cứu này và để giải quyết các vấn đề trên, chúng tôi nhận ra rằng kết hợp mô hình dự đoán fc giao thông với thuật toán khai thác dữ liệu để phát triển một hệ thông cung cấp cho người dùng cập nhật thông tin ùn tắc trong tương lai để chủ động hơn trong việc di chuyển khi tham gia giao thông cũng như có kế hoạch trong việc lựa chọn cung đường đi phù hợp.
Mặc dù phương pháp dự đoán trong cung đường ket xe trong [1] đã được đề xuất. Tuy nhiên, luận văn đề xuất một hướng tiếp cận mới là sử dụng dữ liệu tiên đoán kẹt xe ở tương lai để khai thác các cung đường kẹt xe dựa trên thuật toán maxPFP-growth. Ý tưởng chính của đề xuất này là sử dụng thuật toán khai thác dữ liệu tìm kiếm các cung đường (pattern) thường. xuyên xuất hiện trong dữ liệu tương lai dựa trên dữ liệu tiên đoán.
Việc tìm kiếm các cung đường kẹt xe trong tương lai dựa trên dữ liệu đã tiên đoán có me ý nghĩa rất quan trọng trong vi dự báo cũng như hiển thị mức độ kẹt xe sẽ xảy ra như thé nào của các khu vực trong thành phố. Để khai thác các pattern trong tương lai, sau khi thực hiện tiên đoán kẹt xe trong sáu giờ dựa trên mô hình đã xây dựng. Dữ liệu tiên đoán được lưu trữ vào cơ sở dữ liệu tạm trên bộ nhớ của RAM (Redis database), vì yếu tố mưa thường xảy ra và kết thúc trong thời gian ngắn nên khung thời gian 15 phút được sử dụng như là một cài đặt để cập nhật dự đoán sau 15 phút và dữ liệu cảm biến được ghi nhận về dữ liệu trung tâm sau mỗi 5 phút. Do đó, dữ liệu này được chia thành nhóm dữ liệu theo các khung thời gian: (1) từ 00 :00 đến 00 : 08, (2) từ 00 :06 đến 00: 10, (3) từ 00: 11 đến 00: 15.
Các nhóm dữ liệu này chứa các thông tin về thời gian (timestamp), mã tuyến đường (rid), giá trị mưa (rain) và giá trị kẹt xe (congestion). Mỗi nhóm dữ liệu sau đó được thực thi qua thuật toán dự đoán ket xe. Sau đó, thuật toán maxPFP-growth được áp dụng để tim các pattern nào thường xuyên xuất hiện với mức độ thường xuyên trong các nhóm dữ liệu trên sẽ được chọn là các cung đường sẽ có khả năng kẹt xe xảy ra trong tương lai và được hiển thị lên bản đồ.5 Cơ sở lý thuyết và các nghiên cứu liên quan 1.1 Cơ sở lý thuyết Hiện nay, tình trạng kẹt xe khi mưa lớn yy ra đang là vấn nan thành phố lớn. Ùn tắc giao thông là một trong những chủ đề mới nổi trong những năm gần đây.
Tắc nghẽn giao thông đã gây ra nhiều tác động tiêu cực ở các thành phố của nhiễu quốc gia, ở một mức nào đó đã hạn chế sự phát triển của nền kinh tế, Chẳng hạn như tiêu thụ quá nhiều nhiên liệu, gia tăng tai nạn giao thông và ô nhiễm không khí. Do đó, dự báo ùn tắc giao thông đường bộ là một trong những giải pháp để giải quyết tỷ lệ ùn tắc giao thông cao ở nhiều nơi trên thế giới. Nhiều công trình nghiên cứu dã được thực hiện để dự đoán tình trạng tắc nghẽn giao thông, tuy nhiên những công trình đó sử dụng các dữ liệu, bồi cảnh và phương pháp khác nhau. Tình trang kẹt xe ở các thành phố lớn xây ra từ nhiều nguyên nhân, mưa lớn là một trong những nguyên nhân.