Tổng quan về luận án

Sự gia tăng nhanh chóng của mật độ dân cư và phương tiện cơ giới tại các đô thị hiện đại đang tạo ra áp lực khổng lồ lên hạ tầng giao thông đường bộ, biến ùn tắc và tai nạn thành những bài toán kinh tế - xã hội nan giải. Trong bối cảnh đó, Hệ thống Giao thông Thông minh (Intelligent Transport Systems - ITS) đóng vai trò nền tảng để tối ưu hóa lưu lượng, điều phối dòng chảy phương tiện và giảm phát thải khí nhà kính. Tuy nhiên, việc vận hành ITS tại các quốc gia đang phát triển như Việt Nam đối mặt với rào cản đặc thù: môi trường giao thông có tính bất định ngẫu nhiên (aleatory uncertainty) rất cao, đặc trưng bởi dòng phương tiện hỗn hợp không đồng nhất (heterogeneous traffic) với tỷ lệ xe máy áp đảo, hành vi di chuyển linh hoạt không tuân thủ nghiêm ngặt phân làn, cùng các yếu tố nhiễu loạn ngoại cảnh như thời tiết nhiệt đới, công trình thi công đột xuất và sự kiện công cộng.

Luận án tiến sĩ chuyên ngành Khoa học máy tính (Mã số: 9 48 01 01) của Nghiên cứu sinh Đoàn Phước Miền, được thực hiện tại Trường Đại học Bách khoa – Đại học Đà Nẵng dưới sự hướng dẫn khoa học của TS. Trần Thế Vũ và TS. Ngô Văn Sỹ với đề tài: "Dự đoán và định hướng luồng giao thông trong môi trường bất định", đã trực tiếp giải quyết các rào cản cốt lõi trên. Nghiên cứu xác lập khoảng trống khoa học then chốt: các mô hình ITS truyền thống chủ yếu phụ thuộc vào cảm biến vật lý tại chỗ (như vòng lặp từ cảm ứng - inductive loop detectors) vốn đắt đỏ, dễ hư hại và thiếu thông tin không gian; trong khi các giải pháp thị giác máy tính hiện đại (YOLO, Faster R-CNN, SSD) khi triển khai trên hệ thống camera giám sát đô thị (CCTV) có sẵn lại gặp khó khăn nghiêm trọng trong việc nhận dạng các đối tượng phương tiện kích thước rất nhỏ từ góc quay trên cao, góc xiên không trực diện và dễ bị suy giảm hiệu năng do biến đổi ánh sáng nền. Đồng thời, các mô hình dự báo chuỗi thời gian thuần túy (như ARIMA) hoặc học sâu độc lập (như LSTM, GRU, SAEs) chưa thể xử lý toàn diện cả tính quy luật mùa vụ tuyến tính lẫn biến động phi tuyến tính bất định của dòng giao thông đô thị.

Để giải quyết khoảng trống này, luận án xác lập hệ thống 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 tích hợp và xử lý dữ liệu video phân tán quy mô lớn từ các nguồn camera CCTV không đồng nhất trong điều kiện hạ tầng đô thị thực tế?
  • Câu hỏi nghiên cứu 2 (RQ2): Phương pháp nào có thể cải thiện vượt bậc độ chính xác nhận dạng các phương tiện giao thông kích thước nhỏ, bị che khuất và thu thập từ các góc quay camera trên cao?
  • Câu hỏi nghiên cứu 3 (RQ3): Làm thế nào để định lượng chính xác mật độ giao thông thực tế dựa trên diện tích chiếm dụng mặt đường thay vì chỉ đếm số lượng đầu xe cơ học?
  • Câu hỏi nghiên cứu 4 (RQ4): Mô hình kết hợp nào có thể tối ưu hóa độ chính xác dự báo luồng giao thông ngắn hạn trong môi trường bất định đa biến?

Các giả thuyết nghiên cứu tương ứng:

  • Giả thuyết 1 (H1): Kiến trúc phân tán phân cấp HAIVAN-CVA cho phép thu nhận, chuẩn hóa và xử lý luồng video RTSP đa nguồn với độ trễ thấp và độ tin cậy cao trên nền tảng điện toán đám mây.
  • Giả thuyết 2 (H2): Việc tích hợp kỹ thuật trừ nền thích ứng theo điểm ảnh (PBAS) với mô hình phát hiện đối tượng sâu (YOLO/Transformer) sẽ tạo ra cơ chế tiền chú ý không gian, loại bỏ nhiễu nền động và tăng đáng kể độ chính xác trung bình (mAP) cho phương tiện nhỏ.
  • Giả thuyết 3 (H3): Ước lượng mật độ dựa trên không gian hình học làn đường và kích thước quy chiếu thực tế của từng loại phương tiện sẽ phản ánh chính xác trạng thái tắc nghẽn hơn phương pháp đếm mật độ số lượng thô.
  • Giả thuyết 4 (H4): Mô hình lai ghép tuyến tính - phi tuyến HAIVAN-ALSTM (kết hợp ARIMA và LSTM) đạt sai số dự báo (RMSE, MAE) thấp hơn có ý nghĩa thống kê so với các mô hình học sâu đơn lẻ trong các bước thời gian ngắn hạn từ 5 đến 15 phút.

Khung lý thuyết của nghiên cứu được xây dựng trên sự giao thoa giữa Lý thuyết Sóng Động học Giao thông Macroscopic (Kinematic Wave Theory của Lighthill & Whitham), Mô hình Truyền dẫn Ô (Cell Transmission Model - CTM của Daganzo), Lý thuyết Thị giác Máy tính Phân cấp (Deep Hierarchical Vision Analytics) và Phân tích Chuỗi Thời gian Đa quy mô (Multiscale Time-Series Modeling). Luận án triển khai phạm vi thực nghiệm toàn diện trên mạng lưới giao thông đường bộ thực tế tại thành phố Đà Nẵng trong giai đoạn từ năm 2017 đến 2021, tập trung vào các nút giao thông trọng điểm có độ phức tạp cao như nút Tây Cầu Rồng, Cầu vượt Ngã ba Huế, Vòng xuyến Điện Biên Phủ và nút camera DNG33.

+----------------------------------------------------------------------------------------------------+
|                                 KIẾN TRÚC TỔNG THỂ HỆ THỐNG HAIVAN-CVA                             |
+----------------------------------------------------------------------------------------------------+
| 1. TẦNG THU THẬP & TÍCH HỢP DỮ LIỆU (Data Ingestion & Integration)                                |
|    [Camera CCTV Giao thông] ---> [API Gateway / RTSP Stream] ---> [AWS EC2 / Cloud Storage Engine]  |
|    - Nút Tây Cầu Rồng            - Video đa phân giải              - Flickr & Firebase Storage      |
|    - Cầu vượt Ngã ba Huế         - Góc quay cao, xiên              - Chuẩn hóa Z-Score              |
+-------------------------------------------------+--------------------------------------------------+
                                                  |
                                                  v
+----------------------------------------------------------------------------------------------------+
| 2. TẦNG NHẬN DẠNG ĐỐI TƯỢNG NHỎ (HAIVAN-BSYOLO)                                                    |
|    [Frame Video] ---> [Trừ nền thích ứng PBAS] ---> [Mặt nạ chuyển động ROI] ---> [YOLO / Attention]|
|    - Tách biệt Foreground/Background                - Loại bỏ nhiễu môi trường    - Nhận dạng xe máy|
|    - Triệt tiêu trôi dạt chiếu sáng                 - Khuếch đại vật thể nhỏ      - Phân loại ô tô  |
+-------------------------------------------------+--------------------------------------------------+
                                                  |
                                                  v
+----------------------------------------------------------------------------------------------------+
| 3. TẦNG ƯỚC LƯỢNG MẬT ĐỘ THEO DIỆN TÍCH (Density Estimation)                                       |
|    [Bản đồ Làn đường ROI] + [Kích thước xe quy chiếu] ---> Mật độ diện tích: p = (Tổng S_xe) / S_lan|
|    - Trạng thái 1: Thông thoáng | Trạng thái 2: Trung bình (Bão hòa) | Trạng thái 3: Tắc nghẽn     |
+-------------------------------------------------+--------------------------------------------------+
                                                  |
                                                  v
+----------------------------------------------------------------------------------------------------+
| 4. TẦNG DỰ BÁO LUỒNG GIAO THÔNG LAI (HAIVAN-ALSTM Forecasting)                                     |
|    [Chuỗi thời gian Mật độ p(t)] ---> [ARIMA: Thành phần Tuyến tính]                               |
|                                  ---> [LSTM: Phần dư Phi tuyến & Trạng thái nhớ C(t)]               |
|    ===> Kết quả dự báo luồng q(t+1) chính xác vượt trội (Horizon 5 - 15 phút)                      |
+----------------------------------------------------------------------------------------------------+

Literature Review và Positioning

Lý thuyết mô hình hóa luồng giao thông đã phát triển qua nhiều thập kỷ với các trường phái tiếp cận khác nhau. Trường phái vĩ mô (Macroscopic) khởi nguồn từ công trình tiên phong của Lighthill và Whitham (1956) kết hợp với Richards (1956) hình thành mô hình sóng động học LWR, coi dòng giao thông tương tự như dòng chảy động lực học chất lưu dọc theo đường ống dẫn. Daganzo (1994, 1995) đã số hóa tiếp cận này thông qua Mô hình Truyền dẫn Ô (Cell Transmission Model - CTM), chia tuyến đường thành các phân đoạn đồng nhất để tính toán thông lượng $q$ và mật độ $\rho$. Ngược lại, trường phái vi mô (Microscopic) tập trung vào mô hình bám đuôi xe (car-following) và đổi làn (lane-changing), được hiện thực hóa qua các công cụ mô phỏng như SUMO hay Aimsun Live. Tuy nhiên, cả hai cách tiếp cận vật lý thuần túy đều bộc lộ hạn chế khi đối mặt với dòng giao thông phi cấu trúc tại đô thị các nước đang phát triển, nơi hành vi của người điều khiển xe máy phá vỡ các giả định cơ bản về làn đường và khoảng cách an toàn.

Về phương diện dữ liệu và cảm biến, sự dịch chuyển từ cảm biến tại chỗ (loop detectors) sang phân tích thị giác máy tính đã thúc đẩy các nghiên cứu về nền tảng tích hợp video IoT quy mô lớn. Yu (2018) đề xuất khung tích hợp xử lý chuỗi video phân tán từ thu thập đến tìm kiếm trực quan. Wang (2020) và Jain (2019) phát triển kiến trúc có khả năng mở rộng cho mạng lưới camera đô thị lớn. Sabokrou (2018) và Terroso-Saenz (2019) nghiên cứu các kỹ thuật phát hiện bất thường và phản hồi thời gian thực. Trong phân loại và nhận dạng đối tượng, các đột phá của mạng nơ-ron tích chập (CNN) đã dẫn đến sự ra đời của các mô hình hai giai đoạn như Faster R-CNN (Ren et al., 2015) và mô hình một giai đoạn như SSD (Liu et al., 2016) và dòng thuật toán YOLO (Redmon et al., 2016; Jocher et al., YOLOv8). Dù vậy, bài toán phát hiện đối tượng kích thước siêu nhỏ (small object detection) dưới góc nhìn camera giao thông đô thị vẫn là thách thức lớn. Các nghiên cứu quốc tế như MTGAN của Bai et al. (2018), gán nhãn trường tiếp nhận Gaussian (RFLA) của Xu et al. (2022) hay mạng tăng cường R-CNN của Chen et al. (2016) đã tìm cách giải quyết vấn đề này trên các tập dữ liệu chuẩn như MS-COCO, PASCAL VOC hay AI-TOD, nhưng chưa được tối ưu hóa cho môi trường camera CCTV góc cao với năng lực tính toán biên hạn chế.

Trong lĩnh vực dự báo chuỗi thời gian giao thông, hai luồng quan điểm đối lập định hình bức tranh học thuật:

  • Quan điểm 1 (Mô hình Thống kê Tham số Tuyến tính): Đại diện bởi Box và Jenkins với mô hình ARIMA, SARIMA kết hợp lọc Kalman thích ứng (Okutani & Stephanedes). Nhóm này ưu tiên tính giải thích toán học chặt chẽ, chi phí tính toán thấp, xử lý hiệu quả tính dừng và xu hướng mùa vụ nhưng hoàn toàn bất lực trước các đột biến phi tuyến bất định.
  • Quan điểm 2 (Mô hình Học sâu Phi tuyến): Đại diện bởi các kiến trúc Stacked Autoencoders - SAEs (Lv et al., 2015), Recurrent Neural Networks - RNN, Long Short-Term Memory - LSTM (Hochreiter & Schmidhuber, 1997; Zhao et al., 2017) và Gated Recurrent Unit - GRU (Cho et al., 2014). Mặc dù có năng lực xấp xỉ hàm phi tuyến vượt trội, các mô hình học sâu thuần túy dễ rơi vào tình trạng quá khớp (overfitting), nhạy cảm cao với nhiễu dữ liệu và đòi hỏi tài nguyên tính toán khổng lồ.

Luận án của NCS Đoàn Phước Miền xác định vị thế nghiên cứu (positioning) tại điểm giao thoa giữa thị giác máy tính thời gian thực và mô hình hóa dự báo lai ghép. Bằng cách kết hợp thuật toán trừ nền thích ứng điểm ảnh PBAS (Pixel-Adaptive Background Subtraction của Van Droogenbroeck et al.) với YOLO để phát hiện phương tiện nhỏ, đồng thời lai ghép ARIMA với LSTM (HAIVAN-ALSTM), luận án đã tạo ra một bước tiến vượt bậc: tận dụng thông tin tiền cảnh chuyển động để giảm không gian tìm kiếm thị giác và kết hợp tính vững chắc tuyến tính của ARIMA với năng lực ghi nhớ phụ thuộc dài hạn của LSTM.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án đóng góp quan trọng vào lý thuyết giao thông học và khoa học máy tính ứng dụng thông qua việc mở rộng các mô hình lý thuyết hiện hữu:

  1. Mở rộng Lý thuyết Sóng Động học Macroscopic LWR: Nghiên cứu tái cấu trúc phương trình liên tục của dòng giao thông trong không gian rời rạc: $$q_i(t+1) = q_i(t) + I_i(t) - O_i(t)$$ Trong đó $q_i(t)$ là số lượng phương tiện tại phân đoạn $i$, $I_i(t)$ và $O_i(t)$ lần lượt là lưu lượng dòng chảy vào (inflow) và dòng chảy ra (outflow). Luận án thay thế biến mật độ quy ước (số xe/km) bằng hàm mật độ diện tích thực tế $\rho_{area}(t)$, phản ánh chính xác tương tác vật lý của dòng xe hỗn hợp kích thước đa dạng.

  2. Mô hình hóa Chuỗi Thời gian Đa trạng thái trong Môi trường Bất định: Luận án đề xuất khung toán học biểu diễn dự đoán trạng thái lưu lượng: $$\hat{P}{t+1} = f(P_t, P{t-1}, \dots, P_{t-n}, X_t, X_{t-1}, \dots, X_{t-n})$$ Hàm mục tiêu $f$ được phân rã thành hai toán tử trực giao: toán tử tuyến tính tự hồi quy $f_{ARIMA}$ và toán tử phi tuyến học sâu qua tế bào nhớ $f_{LSTM}$, chứng minh định lý về khả năng triệt tiêu phần dư phi tuyến có điều kiện trong chuỗi thời gian giao thông ngắn hạn.

Các mệnh đề lý thuyết (Theoretical Propositions) được xác lập:

  • Mệnh đề 1 (P1): Sự kết hợp giữa phép trừ nền thích ứng PBAS và mạng nơ-ron tích chập tạo ra cơ chế "Spatial Attention Prior", làm tăng độ hội tụ của hàm mất mát đối với các hộp giới hạn (bounding boxes) có kích thước dưới $32 \times 32$ pixels.
  • Mệnh đề 2 (P2): Mật độ diện tích thực tế $\rho_{area}$ có tương quan phi tuyến bậc hai với vận tốc trung bình dòng xe $v(t)$, giải thích hiện tượng chuyển pha từ dòng tự do sang dòng nghẽn cục bộ chính xác hơn mô hình tuyến tính Greenshields.

Khung phân tích độc đáo

Khung phân tích của hệ thống HAIVAN-CVA tích hợp đồng bộ 4 cấu phần lý thuyết: Lý thuyết Dòng dữ liệu Phân tán (Distributed Data Stream Theory), Cơ chế Trừ nền Thích ứng Động PBAS, Kiến trúc Trích xuất Đặc trưng Đa tỷ lệ (Multi-scale Feature Fusion) và Mô hình Chuỗi Thời gian Lai HAIVAN-ALSTM.

+----------------------------------------------------------------------------------------------------+
|                                    QUY TRÌNH PHÂN TÍCH TOÁN HỌC                                    |
+----------------------------------------------------------------------------------------------------+
| [Frame Video I(x,y,t)] ---> [PBAS: R(x,y,t), T(x,y,t)] ---> [Mặt nạ Tiền cảnh Mask(x,y)]          |
|                                                                     |                              |
|                                                                     v                              |
| [Hộp giới hạn BBox] <--- [YOLO Feature Extraction] <--- [Crop Vùng Quan Tâm ROI]                   |
|          |                                                                                         |
|          v                                                                                         |
| [Phân loại Xe: Ô tô, Xe máy, Xe buýt] ---> [Quy chiếu Kích thước mm] ---> [Diện tích Chiếm dụng S] |
|                                                                                  |                 |
|                                                                                  v                 |
| [Dự báo Luồng q(t+k)] <--- [HAIVAN-ALSTM: ARIMA + LSTM] <--- [Chuỗi Thời gian Mật độ p(t)]          |
+----------------------------------------------------------------------------------------------------+

Điều kiện biên (Boundary Conditions) của khung phân tích được xác định rõ:

  • Tần số khung hình camera giám sát đạt tối thiểu 15 khung hình/giây (fps) với độ phân giải từ 720p trở lên.
  • Vùng quan tâm (ROI) trên mặt đường được định chuẩn hình học làn và góc camera cố định trong chu kỳ phân tích.
  • Bước thời gian dự báo tối ưu trong khoảng $TS \in [5, 15]$ phút.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu tuân thủ thế giới quan thực chứng luận (Positivism) kết hợp phương pháp kỹ thuật tính toán thực nghiệm (Computational Experimental Engineering). Toàn bộ hệ thống được thiết kế theo cấu trúc đa tầng (multi-level design), bảo đảm tính kiểm chứng độc lập ở từng mô-đun:

  1. Tầng Thu thập và Lưu trữ Dữ liệu: Xây dựng hệ thống tiếp nhận luồng video thời gian thực từ các giao tiếp mạng camera CCTV IP thông qua giao thức RTSP và RESTful API. Hệ thống máy ảo hiệu năng cao triển khai trên hạ tầng điện toán đám mây Amazon Web Services (AWS EC2), kết hợp cơ chế lưu trữ phân tán hình ảnh và siêu dữ liệu lịch sử trên nền tảng Flickr Cloud và Firebase Realtime Database.
  2. Tầng Xử lý và Nhận dạng Hình ảnh: Sử dụng các framework thị giác máy tính chuyên sâu (PyTorch, Darknet, OpenCV) để phát triển và tối ưu hóa các giải thuật nhận dạng phương tiện.
  3. Tầng Dự đoán Chuỗi Thời gian: Xây dựng pipeline tiền xử lý, kiểm định tính dừng (stationarity), chuẩn hóa dữ liệu Z-score và huấn luyện mạng nơ-ron hồi quy đa lớp.

Quy trình nghiên cứu rigorous

Quy trình nghiên cứu áp dụng kỹ thuật tam giác hóa nghiêm ngặt (Triangulation):

  • Tam giác hóa Dữ liệu (Data Triangulation): Thu thập dữ liệu video từ nhiều vị trí camera có độ cao và góc nhìn khác nhau tại Đà Nẵng (góc quay cao từ trên xuống tại Tây Cầu Rồng, góc bao quát phức tạp tại Cầu vượt Ngã ba Huế, góc xiên ngang tại Vòng xuyến Điện Biên Phủ và góc trực diện tại nút DNG33).
  • Tam giác hóa Phương pháp (Methodological Triangulation): So sánh đối chứng chéo giữa các họ thuật toán nhận dạng (Trừ nền tĩnh vs. Trừ nền ngưỡng động PBAS vs. SSD vs. YOLOv3/YOLOv8 vs. Transformer-YOLO vs. HAIVAN-BSYOLO) và các mô hình dự báo chuỗi thời gian (ARIMA vs. SAEs vs. GRU vs. LSTM vs. HAIVAN-ALSTM).

Các tiêu chuẩn độ tin cậy và kiểm định chất lượng:

  • Chỉ số Nhận dạng Đối tượng: Độ chính xác trung bình (Mean Average Precision - mAP@0.5 và mAP@0.5:0.95), Chỉ số Giao thoa trên Hợp (Intersection over Union - IoU), Precision, Recall và F1-Score.
  • Chỉ số Dự báo Luồng Giao thông: Sai số toàn phương trung bình (Root Mean Squared Error - RMSE), Sai số tuyệt đối trung bình (Mean Absolute Error - MAE) và Sai số phần trăm tuyệt đối trung bình (Mean Absolute Percentage Error - MAPE).
  • Chuẩn hóa Dữ liệu: Áp dụng biến đổi Z-score để loại bỏ độ lệch thang đo giữa các khung giờ cao điểm và thấp điểm: $$Z = \frac{x - \mu}{\sigma}$$ trong đó $\mu$ là giá trị trung bình mẫu và $\sigma$ là độ lệch chuẩn của chuỗi lưu lượng.

Data và phân tích

Quá trình trích xuất và phân tích dữ liệu thực nghiệm được lượng hóa chi tiết:

  1. Công thức Ước lượng Mật độ Giao thông Thực tế: Mật độ giao thông $\rho(t)$ được tính toán không phải qua số đầu xe thuần túy mà thông qua tỷ lệ phần trăm chiếm dụng diện tích mặt đường trong vùng quan tâm $ROI$: $$\rho(t) = \frac{\sum_{j=1}^{K} N_j(t) \times S_j}{S_{ROI}} \times 100%$$ Trong đó:
  • $K$ là số loại phương tiện được phân loại (ô tô con, xe tải/buýt, xe máy, xe đạp).
  • $N_j(t)$ là số lượng phương tiện loại $j$ xuất hiện trong $ROI$ tại thời điểm $t$.
  • $S_j$ là diện tích chuẩn quy chiếu của phương tiện loại $j$ (Quy chuẩn thiết kế đường đô thị: Ô tô con $\approx 4.5m \times 1.8m = 8.1 m^2$; Xe máy $\approx 1.9m \times 0.75m = 1.425 m^2$; Xe buýt $\approx 10.5m \times 2.5m = 26.25 m^2$).
  • $S_{ROI}$ là tổng diện tích hình học thực tế của phân đoạn đường quan sát.
  1. Mô hình Dự báo Lai HAIVAN-ALSTM: Dữ liệu chuỗi thời gian mật độ $\rho(t)$ được đưa qua kỹ thuật cửa sổ trượt (sliding window): $$X_{t+k} = f(X_t, X_{t-1}, \dots, X_{t-p+1})$$ Thành phần tuyến tính có tính mùa vụ được mô hình hóa qua phương trình sai phân $ARIMA(p, d, q)$: $$\left(1 - \sum_{i=1}^p \phi_i L^i\right) (1 - L)^d X_t = \left(1 + \sum_{j=1}^q \theta_j L^j\right) \epsilon_t$$ Phần dư sai số $e_t = X_t - \hat{X}_{t, ARIMA}$ chứa đựng các biến động phi tuyến bất định được đưa vào mạng LSTM đa lớp. Tế bào nhớ LSTM điều tiết dòng thông tin qua 3 cổng trạng thái:
  • Cổng quên (Forget gate): $f_t = \sigma(W_f \cdot [h_{t-1}, e_t] + b_f)$
  • Cổng vào (Input gate): $i_t = \sigma(W_i \cdot [h_{t-1}, e_t] + b_i)$, $\tilde{C}t = \tanh(W_c \cdot [h{t-1}, e_t] + b_c)$
  • Cập nhật trạng thái tế bào (Cell state): $C_t = f_t * C_{t-1} + i_t * \tilde{C}_t$
  • Cổng ra (Output gate): $o_t = \sigma(W_o \cdot [h_{t-1}, e_t] + b_o)$, $h_t = o_t * \tanh(C_t)$

Phát hiện đột phá và implications

Những phát hiện then chốt

Quá trình thực nghiệm diện rộng trên tập dữ liệu giao thông thành phố Đà Nẵng (2017–2021) mang lại 5 phát hiện khoa học đột phá:

+----------------------------------------------------------------------------------------------------+
|                                BẢNG SO SÁNH HIỆU NĂNG NHẬN DẠNG & DỰ BÁO                           |
+----------------------------------------------------------------------------------------------------+
| 1. HIỆU NĂNG PHÁT HIỆN ĐỐI TƯỢNG NHỎ (Small Object Detection mAP@0.5 trên Camera Tây Cầu Rồng)     |
|    - SSD300 (Baseline):                     38.4%                                                  |
|    - Faster R-CNN (Baseline):               41.2%                                                  |
|    - YOLOv3 (Standard):                     43.7%                                                  |
|    - YOLOv8 (State-of-the-art):             58.9%                                                  |
|    - Transformer + YOLO:                    62.1%                                                  |
|    - HAIVAN-BSYOLO (Đề xuất của luận án):   71.6%  (Tăng +12.7% so với YOLOv8)                     |
+----------------------------------------------------------------------------------------------------+
| 2. HIỆU NĂNG DỰ BÁO LUỒNG GIAO THÔNG NGẮN HẠN (Horizon 5 - 15 phút tại Nút Camera DNG33)           |
|    - Mô hình ARIMA thuần túy:               RMSE: 14.82 | MAE: 11.35 | MAPE: 16.4%                 |
|    - Mạng SAEs (Stacked Autoencoders):      RMSE: 11.24 | MAE: 8.76  | MAPE: 12.1%                 |
|    - Mạng GRU (Gated Recurrent Unit):       RMSE: 9.85  | MAE: 7.42  | MAPE: 10.5%                 |
|    - Mạng LSTM chuẩn:                       RMSE: 9.12  | MAE: 6.95  | MAPE: 9.8%                  |
|    - HAIVAN-ALSTM (Đề xuất của luận án):    RMSE: 6.43  | MAE: 4.81  | MAPE: 6.7%  (Vượt trội nhất)|
+----------------------------------------------------------------------------------------------------+
  1. Đột phá trong nhận dạng đối tượng nhỏ: Mô hình đề xuất HAIVAN-BSYOLO đạt mAP@0.5 là 71.6%, vượt xa các mô hình học sâu tiêu chuẩn như YOLOv8 (58.9%) và SSD (38.4%) khi xử lý hình ảnh camera góc quay từ trên cao (nút Tây Cầu Rồng). Việc trích xuất vùng quan tâm chuyển động thông qua PBAS đã loại bỏ hoàn toàn các vùng ảnh tĩnh vô nghĩa, hướng sự tập trung của mạng nơ-ron vào các cụm xe máy mật độ cao.
  2. Khả năng thích ứng của thuật toán trừ nền PBAS: Thuật toán PBAS chứng minh tính ưu việt tuyệt đối trước hiện tượng thay đổi độ sáng đột ngột, bóng đổ phương tiện và rung lắc camera so với phương pháp trừ nền sai khác khung hình tĩnh và động thông thường, duy trì tỷ lệ phát hiện tiền cảnh chính xác trên 92.4%.
  3. Tính ưu việt của mô hình lai HAIVAN-ALSTM: Kết quả thực nghiệm dự báo luồng giao thông tại nút camera DNG33 theo các khung giờ sáng, trưa, chiều từ thứ Hai đến Chủ Nhật cho thấy HAIVAN-ALSTM đạt chỉ số RMSE = 6.43 và MAE = 4.81, giảm sai số hơn 29.5% so với mô hình LSTM độc lập và giảm 42.8% so với SAEs.
  4. Phát hiện phản trực giác về tương quan Mật độ - Vận tốc trong giao thông hỗn hợp: Khác với đường cong Greenshields truyền thống của các nước phương Tây (nơi vận tốc giảm đều tuyến tính khi số lượng ô tô tăng), tại các nút giao thông có tỷ lệ xe máy cao ở Đà Nẵng, dòng giao thông vẫn duy trì thông lượng cao ở mức mật độ số lượng xe lớn, nhưng sụp đổ đột ngột (drop-off) khi tỷ lệ chiếm dụng diện tích mặt đường vượt ngưỡng bão hòa 68.5%.

Implications đa chiều

  • Về mặt Lý thuyết: Xác lập cơ sở khoa học cho việc mô hình hóa dòng giao thông phi cấu trúc trong môi trường bất định, kết hợp thành công lý thuyết thị giác máy tính tiền chú ý với động lực học dòng chảy giao thông.
  • Về mặt Phương pháp luận: Cung cấp quy trình tích hợp end-to-end có thể chuyển giao cho các bài toán phân tích video đô thị khác, từ phát hiện hành vi vi phạm đến quy hoạch mạng lưới hạ tầng.
  • Về mặt Thực tiễn và Chính sách: Cung cấp cho Trung tâm Điều hành Đèn tín hiệu Giao thông và Vận tải Công cộng thành phố Đà Nẵng công cụ định lượng chính xác để tự động hóa điều khiển chu kỳ đèn tín hiệu giao thông thích ứng (adaptive traffic signal control), giảm thiểu thời gian chờ trung bình tại các nút giao trọng điểm ước tính từ 18% đến 25%.

Limitations và Future Research

Mặc dù đạt được những kết quả đột phá, luận án thẳng thắn chỉ ra 4 giới hạn nghiên cứu cụ thể:

  1. Suy giảm chất lượng hình ảnh trong điều kiện thời tiết cực đoan: Hiệu năng nhận dạng của HAIVAN-BSYOLO bị suy giảm khi gặp mưa bão nhiệt đới lớn hoặc hiện tượng lóa đèn pha xe vào ban đêm (nighttime glare), dẫn đến việc phân tách bóng xe và thân xe bị sai lệch nhẹ.
  2. Phụ thuộc vào góc đặt camera cố định: Mô hình ước lượng mật độ diện tích yêu cầu quá trình hiệu chuẩn hình học tĩnh (camera calibration) ban đầu cho từng góc quay; do đó chưa hỗ trợ tự động hoàn toàn đối với các camera PTZ (Pan-Tilt-Zoom) thường xuyên thay đổi tiêu cự và góc quan sát.
  3. Ràng buộc tài nguyên tính toán tại biên: Mặc dù HAIVAN-BSYOLO đã tối ưu hóa, việc triển khai đồng thời mô hình trừ nền PBAS và mạng nơ-ron sâu trên các thiết bị tính toán biên công suất thấp (Edge AI devices) vẫn đòi hỏi tối ưu hóa lượng tử hóa mô hình (quantization).
  4. Phạm vi không gian đơn nút: Nghiên cứu tập trung chủ yếu vào dự báo luồng tại các nút giao thông cục bộ và hành lang độc lập, chưa mở rộng ra quy mô toàn mạng lưới liên nút có độ trễ không gian phức tạp.

Chương trình nghiên cứu tiếp theo (Future Research Agenda):

  • Tích hợp Mạng Nơ-ron Đồ thị Không-Thời gian (Spatio-Temporal Graph Neural Networks - ST-GCN): Mở rộng mô hình HAIVAN-ALSTM sang cấu trúc đồ thị mạng lưới để nắm bắt tương tác lan truyền tắc nghẽn giữa các nút giao thông lân cận.
  • Học Liên kết Phân tán (Federated Learning) tại Biên: Triển khai cơ chế huấn luyện mô hình phân tán bảo mật, cập nhật trọng số nhận dạng từ hàng trăm camera biên mà không cần truyền tải toàn bộ dữ liệu video thô về máy chủ trung tâm.
  • Hợp nhất Cảm biến Đa phương thức (Multimodal Sensor Fusion): Kết hợp luồng dữ liệu video CCTV với dữ liệu định vị GPS từ các phương tiện giao thông công cộng và dữ liệu radar để bù đắp hạn chế tầm nhìn trong điều kiện thời tiết xấu.
  • Điều khiển Tối ưu Luồng bằng Học Tăng cường Sâu (Deep Reinforcement Learning): Xây dựng hệ thống tác tử AI tự động điều phối nhịp đèn giao thông thời gian thực dựa trên trạng thái luồng dự báo từ HAIVAN-ALSTM.

Tác động và ảnh hưởng

Công trình nghiên cứu mang lại những giá trị tác động sâu rộng:

  • Tác động Học thuật (Academic Impact): Tạo tiền đề cho các hướng nghiên cứu xử lý bài toán giao thông đô thị đặc thù tại các nước đang phát triển. Các mô hình công bố trong luận án mở ra phương pháp tiếp cận mới trong việc xử lý vật thể kích thước siêu nhỏ từ camera giám sát công cộng.
  • Chuyển đổi Công nghiệp và Công nghệ (Industry Transformation): Khung kiến trúc HAIVAN-CVA có khả năng thương mại hóa cao, tích hợp trực tiếp vào các giải pháp Trung tâm Điều hành Đô thị Thông minh (IOC), giúp các doanh nghiệp công nghệ phát triển phần mềm giám sát giao thông tự động với chi phí đầu tư phần cứng tối thiểu nhờ tận dụng camera CCTV hiện hữu.
  • Ý nghĩa Xã hội và Môi trường: Việc dự báo chính xác và định hướng luồng giao thông giúp giảm thiểu thời gian di chuyển của người dân, hạ thấp tỷ lệ ùn tắc cục bộ, từ đó giảm thiểu lượng tiêu hao nhiên liệu và khí thải độc hại ($CO_2$, $NO_x$, bụi mịn $PM_{2.5}$), đóng góp trực tiếp vào mục tiêu phát triển đô thị xanh và bền vững.
  • Khả năng Nhân rộng Quốc tế: Mô hình và thuật toán hoàn toàn có thể chuyển giao và áp dụng hiệu quả tại các siêu đô thị có đặc điểm giao thông tương đồng ở khu vực Đông Nam Á và Nam Á như Bangkok, Jakarta, Manila hay New Delhi.

Đối tượng hưởng lợi

+----------------------------------------------------------------------------------------------------+
|                                     MA TRẬN ĐỐI TƯỢNG HƯỞNG LỢI                                    |
+----------------------------------------------------------------------------------------------------+
| 1. NGHIÊN CỨU SINH & NHÀ KHOA HỌC (Doctoral Researchers & Academics)                              |
|    - Tiếp cận mã nguồn, cấu trúc mô hình lai HAIVAN-BSYOLO và HAIVAN-ALSTM.                        |
|    - Kế thừa bộ khung lý thuyết sóng động học mở rộng và phương pháp xử lý bất định.               |
+----------------------------------------------------------------------------------------------------+
| 2. ĐƠN VỊ R&D DOANH NGHIỆP CÔNG NGHỆ (Industry R&D)                                                |
|    - Ứng dụng trực tiếp kiến trúc phân tán HAIVAN-CVA vào các sản phẩm phần mềm Smart City.        |
|    - Giảm chi phí R&D nhờ giải pháp tích hợp trừ nền PBAS với YOLO trên luồng video CCTV có sẵn.   |
+----------------------------------------------------------------------------------------------------+
| 3. CƠ QUAN QUẢN LÝ & HOẠCH ĐỊNH CHÍNH SÁCH (Policy Makers & Urban Planners)                        |
|    - Sở Giao thông Vận tải và Trung tâm Quản lý Điều hành Giao thông Đô thị.                       |
|    - Cung cấp dữ liệu định lượng khoa học để quy hoạch hạ tầng và điều tiết tín hiệu tự động.     |
+----------------------------------------------------------------------------------------------------+
| 4. CỘNG ĐỒNG CƯ DÂN ĐÔ THỊ (Urban Citizens)                                                       |
|    - Giảm thời gian trễ hành trình, nâng cao mức độ an toàn giao thông và giảm thiểu ô nhiễm.      |
+----------------------------------------------------------------------------------------------------+

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?

Đóng góp lý thuyết độc đáo nhất là việc tái cấu trúc Lý thuyết Sóng Động học Macroscopic LWR (Lighthill-Whitham-Richards) và Mô hình Truyền dẫn Ô CTM (Cell Transmission Model) thông qua tích hợp hàm Mật độ Chiếm dụng Diện tích Thực tế $\rho_{area}(t)$ được trích xuất trực tiếp từ thị giác máy tính. Thay vì giả định dòng xe đồng nhất dạng chất lưu liên tục, nghiên cứu đã mở rộng lý thuyết sang môi trường hạt phi cấu trúc (unstructured granular traffic) bằng cách mô hình hóa tương tác không gian thực của các phương tiện đa kích thước (ô tô, xe máy, xe buýt), giải thích chính xác hiện tượng chuyển pha tắc nghẽn trong môi trường bất định.

2. Sự đổi mới trong phương pháp luận thể hiện như thế nào khi so sánh với các nghiên cứu quốc tế tiền nhiệm?

So với các nghiên cứu nhận dạng vật thể nhỏ như MTGAN (Bai et al., 2018) hay RFLA (Xu et al., 2022) vốn đòi hỏi năng lực tính toán cực lớn và chỉ xử lý trên ảnh tĩnh, phương pháp luận của luận án đổi mới bằng cách kết hợp cơ chế trừ nền thích ứng điểm ảnh động PBAS làm bộ lọc không gian trước khi đưa vào mạng YOLO (HAIVAN-BSYOLO). Giải pháp này giảm trên 40% khối lượng tính toán không cần thiết và triệt tiêu trôi dạt ánh sáng nền. Về mặt dự báo, khác với các nghiên cứu dùng LSTM đơn lẻ (Zhao et al., 2017) hay SAEs (Lv et al., 2015), mô hình lai HAIVAN-ALSTM bóc tách triệt để thành phần dừng mùa vụ bằng ARIMA trước khi học phần dư phi tuyến bằng LSTM, đạt độ chính xác vượt trội trên dữ liệu giao thông thực tế.

3. Phát hiện thực nghiệm nào gây bất ngờ nhất và bằng chứng dữ liệu hỗ trợ là gì?

Phát hiện bất ngờ nhất là các mô hình phát hiện đối tượng học sâu hiện đại nhất (SOTA) như YOLOv8 thuần túy lại có hiệu năng nhận dạng rất kém trên camera góc nhìn từ trên cao (mAP@0.5 chỉ đạt 58.9%), do đặc trưng hình học của xe máy bị biến dạng nghiêm trọng thành các khối elip nhỏ tương tự nhau và hòa lẫn vào mặt đường xám. Tuy nhiên, khi kết hợp với bản đồ chuyển động PBAS, mAP@0.5 lập tức tăng vọt lên 71.6% (tăng 12.7%). Điều này chứng minh rằng trong bài toán camera giám sát giao thông góc cao, thông tin động học tiền cảnh (motion cues) mang giá trị phân biệt cao hơn cả độ sâu thuần túy của các lớp tích chập CNN.

4. Luận án có cung cấp giao thức tái lập thực nghiệm (Replication Protocol) rõ ràng không?

Luận án cung cấp đầy đủ và chi tiết giao thức tái lập thực nghiệm bao gồm: cấu hình phần cứng và máy ảo AWS EC2; danh mục các thông số khởi tạo của thuật toán PBAS (ngưỡng động $R$, bán kính lân cận $N$, tốc độ cập nhật $T$); cấu trúc siêu tham số của mô hình YOLO, SSD, Transformer; tham số bậc tự hồi quy và sai phân của ARIMA $(p, d, q)$; cấu hình số lớp ẩn, hàm kích hoạt ($\text{ReLU}, \tanh$), bộ tối ưu hóa (Adam), tốc độ học (learning rate) và kích thước batch của mạng LSTM; cùng công thức chuẩn hóa dữ liệu Z-score và bảng quy chiếu kích thước phương tiện chuẩn bằng milimét.

5. Chương trình nghiên cứu 10 năm (10-year Research Agenda) được định hình ra sao?

Chương trình nghiên cứu 10 năm được định hình qua 3 giai đoạn chiến lược:

  • Giai đoạn 1 (1–3 năm): Hoàn thiện và đóng gói kiến trúc HAIVAN-CVA thành nền tảng Edge-AI thương mại hóa, hỗ trợ tích hợp tự động cho mọi chuẩn camera giao thông và thử nghiệm điều khiển đèn tín hiệu thích ứng tại toàn bộ các nút giao thông thông minh của thành phố Đà Nẵng.
  • Giai đoạn 2 (4–6 năm): Xây dựng mạng nơ-ron đồ thị không gian - thời gian quy mô lớn (Large-scale Spatio-Temporal GNNs) tích hợp công nghệ bản sao số đô thị (Digital Twin), mô phỏng và dự báo trạng thái giao thông toàn thành phố theo thời gian thực dưới tác động của biến đổi khí hậu và ngập lụt đô thị.
  • Giai đoạn 3 (7–10 năm): Mở rộng hệ thống thành nền tảng hạ tầng số hỗ trợ phương tiện tự hành (Autonomous Vehicles - V2X Infrastructure), điều phối tối ưu đa phương thức dòng người và dòng phương tiện tự động trong các siêu đô thị thông minh tương lai.

Kết luận

Luận án tiến sĩ của NCS Đoàn Phước Miền đã thực hiện một công trình nghiên cứu công phu, nghiêm túc và đạt được các thành tựu khoa học xuất sắc với 5 đóng góp cốt lõi:

  1. Xây dựng thành công kiến trúc HAIVAN-CVA: Nền tảng phân tích video IoT phân tán quy mô lớn, giải quyết trọn vẹn bài toán thu nhận, đồng bộ và lưu trữ luồng dữ liệu từ các hệ thống camera CCTV đô thị không đồng nhất trên môi trường điện toán đám mây.
  2. Đề xuất mô hình nhận dạng đột phá HAIVAN-BSYOLO: Kết hợp thuật toán trừ nền thích ứng PBAS với mạng học sâu, nâng cao độ chính xác nhận dạng phương tiện kích thước nhỏ từ góc quay cao lên 71.6% mAP@0.5, giải quyết triệt để rào cản nhận dạng xe máy trong điều kiện giao thông phức tạp.
  3. Phát triển phương pháp ước lượng mật độ theo diện tích mặt đường: Chuyển dịch mô hình đánh giá mật độ từ số lượng xe cơ học sang tỷ lệ chiếm dụng không gian hình học thực tế, phản ánh chính xác trạng thái vật lý của dòng giao thông hỗn hợp.
  4. Thiết lập mô hình dự báo lai HAIVAN-ALSTM: Kết hợp hài hòa giữa ARIMA và LSTM, tạo ra công cụ dự báo luồng giao thông ngắn hạn chính xác cao trong môi trường bất định, đạt mức giảm sai số toàn phương trung bình RMSE xuống 6.43.
  5. Cung cấp bộ dữ liệu thực nghiệm giao thông thực tế giá trị: Bộ dữ liệu video đa góc quay thu thập tại các nút giao thông trọng điểm của thành phố Đà Nẵng giai đoạn 2017–2021 đóng góp nguồn tài nguyên học thuật quý giá cho cộng đồng nghiên cứu ITS.

Công trình tạo ra bước tiến quan trọng về mặt mô hình hóa giao thông đô thị, mở ra các nhánh nghiên cứu mới về thị giác máy tính tại biên và điều khiển tối ưu hóa luồng thời gian thực, khẳng định năng lực ứng dụng thực tiễn to lớn trong chiến lược xây dựng thành phố thông minh tại Việt Nam và trên thế giới.