Tổng quan luận án

Tính cấp thiết và khoảng trống nghiên cứu

Cơ sở hạ tầng giao thông đóng vai trò huyết mạch trong phát triển kinh tế xã hội. Tại các quốc gia đang phát triển như Việt Nam, tốc độ gia tăng phương tiện cá nhân diễn ra nhanh chóng trong khi năng lực hạ tầng chưa đáp ứng kịp thời. Theo số liệu thống kê từ Cục Đăng kiểm Việt Nam, trong giai đoạn tháng 3 đến tháng 4 năm 2019, số lượng ô tô lưu hành trên cả nước tăng từ 3.537 xe lên 3.966 xe (số lượng ô tô sản xuất mới trong hai tháng lần lượt là 59 xe). Đối với xe máy, số lượng sản xuất mới trong hai tháng này đạt 579 xe. Báo cáo của Cổng thông tin điện tử Bộ Giao thông Vận tải đến ngày 31 tháng 12 năm 2016 ghi nhận tổng số ô tô lưu hành năm 2015 là 2.401 chiếc (xe con dưới 9 chỗ: 1.131 chiếc; xe khách từ 9 chỗ trở lên: 118.030 chiếc; xe tải: 853.735 chiếc; xe chuyên dùng và xe khác: 96.505 chiếc); năm 2016 đạt 2.144 chiếc (xe con: 1.066 chiếc; xe khách: 136.727 chiếc; xe tải: 1.499 chiếc; xe chuyên dùng và xe khác: 104.852 chiếc), đạt tỷ lệ tăng trưởng tổng thể 19,73% (trong đó xe con tăng 22,93%, xe khách tăng 15,84%, xe tải tăng 17,65%, xe chuyên dùng tăng 8,64%).

Chính phủ đã ban hành nhiều văn bản định hướng như Quyết định số 206/2004/QĐ-TTg ngày 10/12/2004 phê duyệt Chiến lược phát triển Giao thông Vận tải đến năm 2020, tầm nhìn 2030; Quyết định số 35/2009/QĐ-TTg ngày 03/03/2009 điều chỉnh chiến lược; Quyết định số 2139/QĐ-TTg ngày 05/12/2011 về biến đổi khí hậu; cùng Chỉ thị số 01 của UBND TP. Hà Nội năm 2015 về "Năm trật tự và văn minh đô thị". Dù nhiều giải pháp như cầu vượt thép (Trần Khát Chân - Đại Cồ Việt, Hoàng Minh Giám - Trần Duy Hưng, Kim Mã - Nguyễn Chí Thanh, Vành đai 3 trên cao) và phân làn đã được triển khai, tình trạng ùn tắc giao thông vào giờ cao điểm tại Hà Nội và TP. Hồ Chí Minh vẫn diễn biến phức tạp.

Khoảng trống nghiên cứu được xác định: Các giải pháp Hệ thống Giao thông Thông minh (ITS) từ các nước phát triển chủ yếu thiết kế cho dòng giao thông đơn nhất, xe chạy theo làn phân định rõ ràng và đa phần là ô tô. Tại Việt Nam, đặc trưng nổi bật là dòng giao thông hỗn hợp (ô tô, xe máy, xe đạp, xe ba bánh cùng di chuyển trên một làn mà không có dải phân cách cứng). Việc nhập khẩu trực tiếp các công nghệ nước ngoài không đáp ứng được thực tế này. Mặt khác, hệ thống camera giám sát tại các đô thị hiện nay chủ yếu phục vụ lưu trữ hình ảnh hiện trạng hoặc xử lý vi phạm thủ công (như hệ thống của CadPro tại 54 Trần Hưng Đạo, Hà Nội), chưa khai thác để tự động hóa các chức năng đo tốc độ, phân loại phương tiện và điều khiển đèn tín hiệu thích nghi theo thời gian thực.

Mục tiêu nghiên cứu

Luận án xác định ba nhiệm vụ nghiên cứu cụ thể:

  1. Nghiên cứu đề xuất phương pháp cải thiện chất lượng hình ảnh truyền từ camera về trung tâm qua kênh truyền có băng thông thấp (trung bình 1) trước khi đưa vào các khối xử lý và phát hiện đối tượng.
  2. Xây dựng các thuật toán quản lý phương tiện giao thông trên đường hỗn hợp bao gồm: phát hiện phương tiện, phân loại phương tiện và đo tốc độ phương tiện.
  3. Nghiên cứu giải pháp giám sát lưu lượng và mật độ phương tiện tại các nút giao thông nhằm hiệu chỉnh thích nghi thời gian hoạt động của đèn tín hiệu giao thông theo dữ liệu thực tế.

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Dữ liệu hình ảnh thu nhận từ các hệ thống camera giám sát lắp đặt tại các nút giao thông có dòng phương tiện hỗn hợp.
  • Phạm vi không gian: Hệ thống giao thông đô thị tại Việt Nam, trọng tâm là các nút giao, vùng đệm và vùng giao thoa luồng giao thông tại Hà Nội (các địa điểm thực nghiệm gồm hầm Kim Liên, nút giao Trần Phú - Điện Biên Phủ, đường gom Phạm Văn Đồng).
  • Phạm vi nội dung: Tập trung vào các thuật toán xử lý ảnh tĩnh và video chuỗi khung hình phục vụ tiền xử lý, phân loại, đo tốc độ và điều khiển chu kỳ đèn tín hiệu giao thông.

Tổng quan tài liệu và vị trí của luận án

Các hướng nghiên cứu trong nước và quốc tế

Trong nước, các công trình ứng dụng xử lý ảnh và ITS đã được triển khai ở một số khía cạnh:

  • Nghiên cứu [2] sử dụng mạng trí tuệ nhân tạo để nhận dạng ký tự biển số xe.
  • Nghiên cứu [3] sử dụng đặc trưng Haar-like để phát hiện, đếm phương tiện và nhận dạng biển số trên đường cao tốc với camera đặt ở lề đường.
  • Nghiên cứu [4] phân loại phương tiện dựa trên đặc trưng véc-tơ đường viền đối tượng từ ảnh nhị phân.
  • Nghiên cứu [5] đề xuất phương pháp đo tốc độ phương tiện dựa vào các điểm chuẩn định vị sẵn trên mặt đường.
  • Các đề tài cấp nhà nước: KC.05/11-15 do PGS. Nguyễn Văn Đức chủ nhiệm (phát triển thiết bị RFID, đầu đọc thẻ tầm xa, thiết bị OBU, RSE phục vụ thu phí điện tử và điều hành); Đề tài KC.14/11-15 do TS. Tạ Tuấn Anh chủ nhiệm (xây dựng cấu trúc ITS, tiêu chuẩn giao tiếp, dữ liệu và công nghệ định danh AVI/RFID).
  • Các dự án hạ tầng: Hợp tác với JICA (Nhật Bản) qua 3 giai đoạn nghiên cứu quy hoạch và tích hợp ITS; triển khai giám sát camera và thu phí trên cao tốc Cầu Giẽ - Ninh Bình (tháng 10/2013, trung tâm Vực Vòng - Duy Tiên - Hà Nam với 39 làn thu phí, 56 camera số, cân động), TP. Hồ Chí Minh - Trung Lương, TP. Hồ Chí Minh - Long Thành - Dầu Giây (nhà thầu ITOCHU - TOSHIBA); xây dựng các trung tâm điều hành ITS khu vực tại Bắc Ninh, Đà Nẵng, TP. Hồ Chí Minh; Trung tâm Điều khiển giao thông Hà Nội hoạt động từ năm 2000 (thiết bị SAGEM, Pháp); dự án REMON tại Hà Nội (giám sát trực tuyến qua GPS); dự án ITS Đà Nẵng phối hợp IBM và ODA Tây Ban Nha ("Làn sóng xanh" giai đoạn 2004–2012); kênh VOV Giao thông [6].

Trên thế giới, các công trình nghiên cứu ITS được phân bố theo nhiều nhóm công nghệ:

  • Mô hình kiến trúc ITS tổng thể theo nghiên cứu của Juan [1] và kiến trúc ITS của Huawei.
  • Hệ thống giám sát qua tín hiệu mạng di động (Mobile Cellular) [7], phát hiện tai nạn giao thông [8, 44, 45, 46], giải pháp quản lý đỗ xe đô thị thông minh [9].
  • Công nghệ phát hiện phương tiện: Cảm ứng điện từ [14], từ trường và từ tính [15], áp kế [16], hồng ngoại chủ động [17], hồng ngoại bị động [14], RADAR [14], sóng siêu âm [18], cảm biến âm thanh [19], xử lý ảnh [21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37].
  • Nhận dạng biển số tự động (ALPR/ANPR): Phát hiện vị trí dựa trên màu sắc [47, 48], toán tử cạnh Sobel [49, 50], phân loại Adaboost/Viola-Jones [20, 51]; phân đoạn ký tự [52, 53, 54]; nhận dạng ký tự quang học (OCR) sử dụng kNN, SVM, mạng nơ-ron đa tầng MLP, CNN theo kiến trúc OvO hoặc OvA.
  • Phân loại phương tiện qua xử lý ảnh: Sử dụng camera nhiệt (Yoichiro Iwasaki, Masato Misumi, Toshiyuki Nakamiya [57, 58]); sử dụng camera RGB với các phương pháp trích xuất hình dạng, trừ nền [73], đường viền cạnh Hausdorff [75], so khớp Chamfer [76], biểu đồ gradient định hướng HOG (Dalal và Triggs) [79, 80], đặc trưng Haar [51, 87, 88, 89, 90], biến đổi SIFT [59, 64], phân tích thành phần chính PCA, phân tích biệt số tuyến tính LDA/FLD [70, 71], bộ phân loại SVM và k-NN [63, 65, 66, 67, 68, 69, 72].
Công nghệ Đếm phương tiện Đo tốc độ Phân loại Nhận diện Giao thông hỗn hợp
Cảm ứng điện từ X X X X Không
Từ trường X X X Không Không
Từ tính X X X Không Không
RADAR vi sóng X X X X Không
Hồng ngoại chủ động X X X X Không
Hồng ngoại bị động X X X Không Không
Siêu âm X X Không Không Không
Âm thanh X X X Không Không
Công nghệ không dây X X X Không X
Xử lý ảnh X X X X X

Khoảng trống luận án lựa chọn giải quyết

Luận án tập trung giải quyết các bài toán chưa được đáp ứng bởi các công nghệ hiện hành:

  1. Nâng cao chất lượng ảnh nén bị suy giảm chất lượng khi truyền qua mạng băng thông thấp mà vẫn giữ nguyên cấu trúc biên của phương tiện.
  2. Phân loại nhanh các phương tiện giao thông hỗn hợp (ô tô, xe máy, xe tải/buýt) mà không phụ thuộc vào các tập dữ liệu huấn luyện phức tạp của phương Tây vốn chỉ dành cho đường phân làn đồng nhất.
  3. Đo tốc độ phương tiện bằng mô hình hình học không gian kết nối giữa thông số camera và độ phân giải ảnh mà không cần can thiệp mặt đường.
  4. Điều khiển chu kỳ đèn tín hiệu giao thông theo mật độ diện tích điểm ảnh bị chiếm dụng trên mặt đường tại các nút giao đô thị.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết và khái niệm

  • Hệ thống Giao thông Thông minh (ITS): Khung kiến trúc tích hợp giữa thu nhận dữ liệu, truyền dẫn, xử lý trung tâm và điều khiển chấp hành.
  • Lý thuyết xử lý ảnh số: Giải thuật nội suy Bicubic (Bicubic Interpolation - BI) sử dụng hàm Cubic nội suy qua 4 điểm cơ sở; giải thuật phát hiện biên Canny; toán tử lọc ma trận cục bộ kích thước $7 \times 7$ và ma trận con $S_{min}$ kích thước $3 \times 3$; phép trừ nền (Background Subtraction) để tách đối tượng chuyển động (ROI); chỉ số đo lường tỷ số tín hiệu cực đại trên nhiễu PSNR (Peak Signal to Noise Ratio).
  • Mô hình hình học quang học camera: Góc thu của camera ký hiệu là $\beta$, khoảng cách từ chân camera đến phương tiện $d$, chiều dài vùng quan sát $L$, điểm khuất (Vanish Point - VP), tần số lấy mẫu khung hình (Frame Per Second - FPS, thiết lập 12 fps), góc tới trực tiếp (Direction Angle - DA) của véc-tơ chuyển động đối tượng.
  • Lý thuyết dòng giao thông và điều khiển: Mối quan hệ giữa lưu lượng ($q$), mật độ ($k$) và vận tốc ($v$) qua phương trình $q = k \cdot v$; mô hình hàng đợi tại nút giao thông 3 pha; thuật toán điều khiển thời gian đèn tín hiệu giao thông thích nghi theo diện tích chiếm dụng $\Delta\alpha_n$.

Phương pháp nghiên cứu thực tế

  • Phương pháp thu thập dữ liệu thực nghiệm: Lắp đặt camera tại các vị trí thực địa tại Hà Nội để ghi nhận chuỗi video dòng xe hỗn hợp trong điều kiện ánh sáng tự nhiên.
  • Phương pháp phân tích và xử lý định lượng:
    • Tiền xử lý ảnh: Lập trình thuật toán tái tạo giá trị điểm ảnh nội suy tại các vùng biên đường cong kín trên nền tảng ma trận điểm ảnh tham chiếu.
    • Phân loại phương tiện: Sử dụng thuật toán trừ nền để lấy đường bao đối tượng, tính toán góc tới DA và phân loại vào các nhóm dữ liệu thống kê.
    • Đo tốc độ: Ánh xạ vị trí điểm ảnh trên khung hình sang khoảng cách tọa độ thực tế dựa trên góc thu $\beta$, chia nhỏ góc theo từng pixel để tính toán quãng đường dịch chuyển giữa các frame liên tiếp ở tốc độ 12 fps.
  • Phương pháp mô phỏng: Ứng dụng phần mềm Simtram để thiết lập kịch bản nút giao thông 3 pha, chạy thử nghiệm mô phỏng qua 4 chu kỳ liên tiếp nhằm so sánh hiệu quả giữa chu kỳ đèn cố định và chu kỳ đèn thích nghi theo mật độ đề xuất.

Nội dung chính theo từng chương

CHƯƠNG 1. TỔNG QUAN CÁC VẤN ĐỀ CỦA XỬ LÝ ẢNH TRONG GIAO THÔNG HỖN HỢP

Chương 1 hệ thống hóa toàn diện các thành phần của hệ thống ITS và phân tích vai trò của công nghệ xử lý ảnh:

  • Kiến trúc ITS: Trình bày mô hình Juan [1] và mô hình ITS của Huawei, bao gồm 6 nhóm chức năng: hệ thống thông tin trao đổi, hệ thống phát hiện phương tiện, hệ thống điều khiển phương tiện, hệ thống phụ trợ xe thương mại, hệ thống thanh toán điện tử (RFID, thu phí không dừng) và hệ thống an toàn bảo mật.
  • Quy trình xử lý ảnh trong giao thông: Dữ liệu video từ camera qua các khối: Tiền xử lý hình ảnh $\rightarrow$ Trích xuất đặc trưng $\rightarrow$ Quyết định $\rightarrow$ Trực quan hóa dữ liệu và điều khiển.
  • Đánh giá các công nghệ phát hiện phương tiện: Phân tích ưu và nhược điểm của các cảm biến xâm lấn (vòng từ, từ tính, áp kế) và không xâm lấn (RADAR, hồng ngoại, siêu âm, âm thanh, camera). Kết quả tổng hợp tại Bảng 1.1 khẳng định xử lý ảnh là công nghệ duy nhất có khả năng áp dụng hiệu quả cho dòng giao thông hỗn hợp nhờ tính đa năng (đếm, đo tốc độ, phân loại, nhận diện).
  • Các giải thuật cốt lõi trong ITS:
    • Nhận dạng biển số (ALPR): Khảo sát các kỹ thuật định vị biển số (dựa trên màu sắc [47, 48], mật độ cạnh Sobel [49, 50], máy học Viola-Jones/Adaboost [20, 51]), kỹ thuật phân đoạn ký tự [52, 53, 54] và nhận dạng ký tự quang học (OCR) bằng kNN, SVM, ANN, CNN.
    • Phân loại phương tiện: So sánh phương pháp camera nhiệt [57, 58] (phụ thuộc vào nhiệt độ môi trường và sự biến đổi nhiệt giữa mùa đông - mùa hè) và camera RGB (phân tích đường viền Canny, khoảng cách Hausdorff [75], Chamfer [76], biểu đồ HOG [79, 80], đặc trưng Haar [51, 87-90], PCA, LDA, SVM, k-NN qua Bảng 1.2).
  • Thách thức xử lý ảnh: Tác động của điều kiện môi trường bất lợi (mưa lớn ban đêm [38], bóng đổ phương tiện [39, 40, 41], góc chiếu mặt trời) và cấu trúc dòng xe hỗn hợp không theo làn tại các đô thị Việt Nam.

CHƯƠNG 2. QUẢN LÝ PHƯƠNG TIỆN GIAO THÔNG

Chương 2 tập trung giải quyết các bài toán kỹ thuật trong quản lý phương tiện:

  • Đề xuất thuật toán cải thiện và nâng cao chất lượng ảnh: Đối với ảnh truyền về qua kênh băng thông thấp (bị suy hao, mờ biên), tác giả đề xuất giải thuật cải tiến trên nền tảng nội suy Bicubic (BI). Thuật toán sử dụng bộ phát hiện biên Canny để xác định các đường cong kín của đối tượng. Tiếp theo, sử dụng cửa sổ ma trận $7 \times 7$ bao quanh điểm biên và ma trận con $S_{min}$ kích thước $3 \times 3$ trượt từ tâm trên các điểm ảnh biên để tính toán lại giá trị điểm ảnh nội suy dựa trên bản đồ ảnh gốc tham chiếu. Kết quả đánh giá định lượng qua chỉ số PSNR cho thấy phương pháp đề xuất cải thiện độ tương phản và độ nét biên rõ rệt so với nội suy Bicubic tiêu chuẩn.
  • Đề xuất phương pháp phân loại phương tiện giao thông: Sau khi trừ nền để trích xuất đường bao đối tượng (Bounding Box), thuật toán phân loại phương tiện dựa trên đặc trưng góc tới trực tiếp (Direction Angle - DA) kết hợp với vị trí lắp đặt camera. Dữ liệu thực nghiệm thu được từ video giao thông thực tế được phân loại thành 3 nhóm phương tiện chính:
    1. Ô tô: Thống kê trên tập dữ liệu 80 ô tô nhận dạng được, xác định dải giá trị góc tới trực tiếp đặc trưng (Bảng 2.2).
    2. Xe tải và xe buýt: Nhóm phương tiện có kích thước lớn và góc tới DA đặc thù (Bảng 2.3).
    3. Xe máy: Nhóm phương tiện chiếm số lượng áp đảo trong giao thông đô thị, có dải góc tới DA riêng biệt (Bảng 2.4). Tổng hợp kết quả thống kê giá trị góc tới DA và độ chính xác nhận dạng được đối chiếu tại Bảng 2.5 và Bảng 2.6.
  • Đề xuất mô hình hóa phương pháp đo tốc độ phương tiện: Xây dựng mô hình quang học hình học thiết lập camera (Bảng 2.7). Góc thu $\beta$ của camera được chia tỷ lệ tương ứng với từng điểm ảnh trên cảm biến. Tọa độ thực địa của phương tiện (khoảng cách $d$ từ chân camera đến phương tiện, khoảng cách $L$ trong khung hình) được ánh xạ qua các điểm khuất (Vanish Point - VP). Với camera thử nghiệm có tốc độ lấy mẫu 12 fps, vận tốc $V$ của phương tiện được xác định chính xác thông qua độ dịch chuyển điểm ảnh giữa các khung hình liên tiếp theo thời gian. Sai số đo đạc được đánh giá và phân tích chi tiết tại Hình 2.28.

CHƯƠNG 3. LƯU LƯỢNG PHƯƠNG TIỆN GIAO THÔNG

Chương 3 trình bày các giải pháp điều khiển và giám sát dòng giao thông:

  • Đặc trưng dòng giao thông hỗn hợp: Phân tích hành vi di chuyển đặc thù của xe máy tại Việt Nam (luôn tìm cách lách vào các khoảng trống giữa các ô tô, gây biến động mật độ liên tục).
  • Đề xuất giám sát và điều khiển dòng phương tiện theo mật độ lưu lượng: Thiết lập thuật toán ước lượng mật độ phương tiện dựa trên tỷ lệ diện tích các điểm ảnh bị chiếm dụng tại vùng quan sát $L$, vùng đích $\Delta\alpha_n$ (hoặc $\delta\alpha_n$) và vùng góc $\beta$. Dựa trên diện tích chiếm dụng thực tế, hệ thống tự động điều chỉnh chu kỳ hoạt động của đèn tín hiệu (Bảng 3.1):
    • Thời gian đèn xanh ($\Delta t_{xanh}$) được cấp phát thích ứng tỷ lệ thuận với mật độ điểm ảnh chiếm dụng ở luồng ưu tiên.
    • Thời gian đèn vàng ($\Delta t_{vang}$) được tính toán dựa trên thời gian cần thiết để phương tiện giải phóng khỏi nút giao.
    • Thời gian đèn đỏ ($\Delta t_{do}$) tương ứng với thời gian đèn xanh của luồng giao thông cắt ngang.
  • Đề xuất giám sát theo số lượng và chủng loại phương tiện: Phân loại phương tiện theo kích thước hình học (Bảng 3.2). Phân tích quan hệ toán học giữa mật độ $k$ và lưu lượng $q$, thiết lập mô hình hàng đợi tại nút giao thông 3 pha.
  • Kết quả mô phỏng trên Simtram: Tiến hành mô phỏng kịch bản giao thông nút giao 3 pha qua 4 chu kỳ hoạt động liên tiếp (Bảng 3.3). Kết quả mô phỏng so sánh tại Bảng 3.4 chứng minh phương pháp đề xuất giảm thời gian chờ đợi của dòng xe và tối ưu hóa khả năng thông hành qua nút giao so với phương pháp điều khiển thời gian cố định.

Kết quả và những đóng góp mới

Đóng góp mới về lý luận và kỹ thuật

  1. Thuật toán cải thiện chất lượng ảnh nén: Đề xuất giải thuật nâng cao chất lượng ảnh dựa trên nội suy Bicubic kết hợp tái tạo biên Canny với ma trận cục bộ $7 \times 7$ và ma trận con $S_{min}$ $3 \times 3$, giúp phục hồi độ sắc nét của đường biên đối tượng từ luồng video truyền qua kênh băng thông hẹp (1).
  2. Phương pháp phân loại phương tiện nhanh theo góc tới DA: Xây dựng thành công phương pháp phân loại phương tiện trong dòng giao thông hỗn hợp dựa trên góc tới trực tiếp (Direction Angle) và đường bao đối tượng, phân biệt chính xác 3 nhóm: ô tô con, xe tải/xe buýt và xe máy.
  3. Mô hình đo tốc độ phương tiện hình học không tiếp xúc: Mô hình hóa toán học mối quan hệ giữa góc thu camera $\beta$, độ phân giải điểm ảnh, điểm khuất (VP) và tần số khung hình (12 fps), cho phép đo tốc độ phương tiện trực tiếp từ video giám sát mà không cần cảm biến lắp ngầm dưới mặt đường hay thiết bị phụ trợ.
  4. Thuật toán điều khiển đèn tín hiệu giao thông thích nghi: Xây dựng giải pháp điều khiển chu kỳ đèn tín hiệu tại nút giao 3 pha dựa trên mật độ diện tích điểm ảnh bị chiếm dụng $\Delta\alpha_n$ và lưu lượng chủng loại xe, được kiểm chứng bằng mô phỏng trên phần mềm Simtram qua 4 chu kỳ liên tiếp.

Kiến nghị và giải pháp đề xuất

  • Tận dụng hạ tầng camera giám sát hiện có tại các nút giao thông đô thị (Hà Nội, TP. Hồ Chí Minh) để tích hợp phần mềm phân tích tự động, nâng cao hiệu quả giám sát mà không phát sinh chi phí cải tạo đường bộ.
  • Ứng dụng thuật toán điều khiển đèn tín hiệu thích nghi tại các nút giao thường xuyên ùn tắc vào giờ cao điểm, hầm chui đô thị (như hầm Kim Liên) và các tuyến đường gom có mật độ phương tiện hỗn hợp cao.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của nghiên cứu

  • Tần số lấy mẫu của hệ thống camera thử nghiệm còn ở mức thấp (12 fps), có thể ảnh hưởng đến độ mịn khi theo dõi phương tiện di chuyển ở tốc độ rất cao.
  • Giả định kênh truyền dữ liệu giới hạn ở băng thông thấp trung bình (1).
  • Mô hình điều khiển đèn tín hiệu mới được kiểm chứng trên kịch bản mô phỏng nút giao 3 pha độc lập, chưa mở rộng cho toàn bộ mạng lưới giao thông liên nút.
  • Các điều kiện môi trường cực đoan như mưa bão lớn ban đêm, sương mù dày đặc hoặc hiện tượng bóng đổ phức tạp vào các thời điểm góc chiếu mặt trời thấp vẫn là yếu tố gây ảnh hưởng đến độ chính xác nhận dạng biên.

Hướng nghiên cứu tiếp theo

  • Nâng cấp thuật toán xử lý đối với các luồng video có tốc độ khung hình cao hơn và độ phân giải lớn hơn.
  • Mở rộng mô hình điều khiển thích nghi từ nút giao đơn lẻ sang mạng lưới giao thông phối hợp đa nút ("Làn sóng xanh" thích nghi).
  • Tích hợp các mạng nơ-ron học sâu (Deep Learning) vào khối phân loại và trích xuất đặc trưng để nâng cao độ bền vững của hệ thống dưới mọi điều kiện thời tiết và bóng đổ.
  • Triển khai thử nghiệm hệ thống nhúng xử lý biên trực tiếp tại vị trí lắp đặt camera.

Giá trị tham khảo

  • Đối với nghiên cứu sinh, học viên cao học và giảng viên: Luận án cung cấp tài liệu tham khảo chi tiết về kỹ thuật xử lý ảnh ứng dụng trong ITS, phương pháp nội suy cải tiến biên Canny với ma trận $7 \times 7$, phương pháp phân loại theo góc tới DA và mô hình hình học đo tốc độ không gian.
  • Đối với kỹ sư và nhà phát triển hệ thống: Tài liệu là cơ sở kỹ thuật để thiết kế các phần mềm giám sát giao thông tự động, hệ thống đếm xe, đo vận tốc và tối ưu hóa hệ thống camera giám sát đô thị sẵn có.
  • Đối với các nhà quản lý và hoạch định chính sách giao thông: Cung cấp giải pháp khoa học và dữ liệu mô phỏng thực tế phục vụ việc chuyển đổi các nút giao thông điều khiển cố định sang hệ thống điều khiển thích nghi theo mật độ thực tế, phù hợp với đặc thù giao thông hỗn hợp tại Việt Nam.

Câu hỏi thường gặp

1. Tại sao công nghệ xử lý ảnh lại được lựa chọn làm trọng tâm nghiên cứu thay vì các công nghệ cảm biến khác?

Theo phân tích tổng hợp tại Bảng 1.1 của luận án, các công nghệ cảm biến truyền thống như vòng cảm ứng từ, cảm biến từ trường, RADAR, hồng ngoại hay siêu âm đều không đáp ứng được yêu cầu hoạt động trong môi trường giao thông hỗn hợp (nơi nhiều loại xe chạy chung làn không theo hàng lối) hoặc đòi hỏi phải cắt xẻ mặt đường để lắp đặt gây tốn kém. Xử lý ảnh là công nghệ duy nhất có khả năng thực hiện đồng thời 5 chức năng: đếm phương tiện, đo tốc độ, phân loại phương tiện, nhận diện và hoạt động được trong điều kiện giao thông hỗn hợp mà không làm ảnh hưởng đến kết cấu hạ tầng đường bộ.

2. Thuật toán cải thiện chất lượng ảnh của luận án hoạt động dựa trên nguyên lý nào?

Thuật toán được xây dựng trên nền tảng giải thuật nội suy Bicubic (BI) kết hợp với thuật toán phát hiện biên Canny. Sau khi xác định được các đường biên cong kín của đối tượng, thuật toán sử dụng một cửa sổ ma trận kích thước $7 \times 7$ bao quanh điểm biên và ma trận con $S_{min}$ kích thước $3 \times 3$ trượt từ tâm trên các điểm ảnh biên để tính toán lại giá trị điểm ảnh nội suy dựa trên bản đồ tham chiếu của ảnh gốc, từ đó phục hồi độ tương phản và độ sắc nét của đường biên bị suy hao do nén truyền qua kênh băng thông hẹp.

3. Phương pháp phân loại phương tiện trong giao thông hỗn hợp của luận án được thực hiện như thế nào?

Phương pháp không sử dụng các tập phân loại phức tạp của nước ngoài mà áp dụng thuật toán trừ nền để xác định đường bao (Bounding Box) quanh đối tượng, sau đó trích xuất đặc trưng góc tới trực tiếp (Direction Angle - DA) kết hợp với vị trí đặt camera. Dựa trên các tập dữ liệu thực nghiệm đã thống kê (Bảng 2.2, Bảng 2.3, Bảng 2.4), hệ thống phân loại chính xác phương tiện thành 3 nhóm: ô tô con, xe tải/xe buýt và xe máy.

4. Phương pháp đo tốc độ phương tiện qua camera của luận án có cần cảm biến phụ trợ dưới mặt đường không?

Phương pháp hoàn toàn không cần cảm biến phụ trợ hay điểm đánh dấu vật lý dưới mặt đường. Tác giả mô hình hóa mối quan hệ hình học quang học giữa góc thu camera $\beta$, chiều cao lắp đặt, khoảng cách thực địa $d$, điểm khuất (VP) và độ phân giải cảm biến. Góc thu $\beta$ được chia tỷ lệ theo từng điểm ảnh; kết hợp với tốc độ khung hình cố định (12 fps), vận tốc của phương tiện được tính toán trực tiếp từ số lượng điểm ảnh dịch chuyển giữa các khung hình liên tiếp.

5. Thuật toán điều khiển đèn tín hiệu giao thông tại nút giao hoạt động dựa trên tiêu chí nào?

Hệ thống tính toán mật độ chiếm dụng diện tích điểm ảnh của các phương tiện trong vùng quan sát $L$ và vùng đích $\Delta\alpha_n$ (hoặc $\delta\alpha_n$) tại nút giao. Thời gian đèn xanh được tự động điều chỉnh tỷ lệ thuận với diện tích điểm ảnh bị chiếm dụng ở luồng xe tương ứng; thời gian đèn vàng được ấn định bằng thời gian phương tiện giải phóng khỏi nút giao; thời gian đèn đỏ tương ứng với chu kỳ xanh của luồng giao cắt, giúp tối ưu hóa khả năng giải tỏa phương tiện tại nút giao 3 pha theo kết quả mô phỏng trên Simtram.

Kết luận

Luận án của tác giả Nguyễn Việt Hưng đã giải quyết các bài toán kỹ thuật trọng tâm trong quản lý và giám sát giao thông đô thị phù hợp với đặc thù dòng xe hỗn hợp tại Việt Nam. Thông qua việc đề xuất thuật toán cải thiện chất lượng ảnh nội suy Bicubic tái tạo biên, phương pháp phân loại theo góc tới DA, mô hình hình học đo tốc độ qua camera 12 fps và thuật toán điều khiển đèn tín hiệu thích nghi theo mật độ diện tích điểm ảnh chiếm dụng, công trình đã hoàn thiện một khung giải pháp toàn diện trên nền tảng công nghệ xử lý ảnh số. Các kết quả thực nghiệm thực tế tại Hà Nội và mô phỏng trên phần mềm Simtram đã khẳng định tính khả thi và độ chính xác của các mô hình được đề xuất.