Tổng quan nghiên cứu

Trong bối cảnh biến đổi khí hậu toàn cầu, tần suất và mức độ nghiêm trọng của các thảm họa thiên nhiên đang gia tăng đáng kể, gây ra thiệt hại nặng nề về sinh mạng và tài sản con người. Theo ước tính, việc phối hợp hiệu quả các đội cứu hộ có thể giảm thiểu đáng kể tác động tiêu cực của các tình huống khẩn cấp như cháy rừng, lũ lụt, động đất. Tuy nhiên, việc quản lý và xử lý một khối lượng lớn hình ảnh, dữ liệu video liên quan đến các sự kiện này đòi hỏi các hệ thống tự động có khả năng nhận dạng và phân loại kịp thời. Luận văn thạc sĩ tập trung xây dựng một hệ thống hỗ trợ ra quyết định dựa trên việc kết hợp thông tin nội dung hình ảnh và vị trí địa lý của sự kiện trong bối cảnh hậu thảm họa thiên nhiên tại môi trường đô thị.

Mục tiêu cụ thể của nghiên cứu là phát triển mô hình truy xuất thông tin ưu việt, kết hợp hai không gian dữ liệu: nội dung hình ảnh và vị trí GPS của nó. Luận văn đề xuất sử dụng cấu trúc cây SR-tree nhằm tăng hiệu quả truy vấn các điểm dữ liệu đa chiều về cả nội dung và tọa độ địa lý. Hệ thống hướng tới việc xác định và phân nhóm các tình huống khẩn cấp, đánh giá mức độ ưu tiên dựa trên khoảng cách giữa các sự kiện tương tự và sức ảnh hưởng của các công trình kiến trúc quanh khu vực xảy ra thảm họa.

Quy mô nghiên cứu bao gồm việc xây dựng cơ sở dữ liệu hình ảnh liên quan đến 5 loại thảm họa điển hình (cháy, bị thương, công trình bị hư hại, hư hại đường sá và ngập lụt) với tổng số hình ảnh khoảng 1600 bản ghi, kết hợp với dữ liệu địa lý mẫu từ thành phố Colorado, Hoa Kỳ. Thời gian triển khai tập trung vào năm 2009 với sự phối hợp quốc tế giữa các đơn vị từ Pháp, Việt Nam và Malaysia. Hiệu quả của hệ thống được đo lường qua các kịch bản thực tế với tỉ lệ nhận dạng chính xác và thời gian xử lý truy vấn được cải thiện rõ rệt so với phương pháp truyền thống.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn tập trung vào lý thuyết và kỹ thuật xử lý dữ liệu đa chiều, đặc biệt là trong lĩnh vực truy xuất và tìm kiếm hình ảnh theo nội dung và vị trí địa lý. Hai mô hình cây dữ liệu chính được áp dụng là:

  • SR-tree (Sphere/Rectangle tree): Kết hợp ưu điểm của R*-tree và SS-tree, SR-tree dùng hình cầu và hình chữ nhật đa chiều để bao phủ dữ liệu, giảm thiểu sự chồng lấn và tăng hiệu quả truy vấn k-láng giềng gần nhất trong không gian đa chiều. SR-tree đặc biệt phù hợp với xử lý dữ liệu đa chiều phức tạp như vector đặc trưng hình ảnh và dữ liệu tọa độ địa lý.

  • Système d’Informations Géographiques (SIG): Dùng dữ liệu đa tầng, mỗi lớp lưu trữ thông tin các đối tượng địa lý khác nhau dưới dạng shapefile chứa các đối tượng polygon mô tả công trình như nhà ở, bệnh viện, trường học và công trình lớn.

Trong hệ thống, hình ảnh được mô tả qua hai thành phần chính: descripteur nội dung (vector đặc trưng n chiều, như histogram màu hoặc “túi từ” (bag-of-words) hình ảnh) và descripteur ngoại vi (tọa độ GPS lon-lat). Việc kết hợp hai không gian này cho phép hệ thống tìm kiếm và phân loại sự kiện dựa trên cả đặc điểm trực quan và vị trí địa lý một cách hiệu quả.

Phương pháp nghiên cứu

Nghiên cứu tiến hành xây dựng cơ sở dữ liệu gồm hai bộ: (1) cơ sở học với khoảng 1,000 hình ảnh đã được gán nhãn chính xác về loại thảm họa; (2) cơ sở thử nghiệm gồm các hình ảnh được đưa lên hệ thống để xác định loại và mức độ khẩn cấp. Mỗi hình ảnh được gán tọa độ GPS giả lập hoặc theo tổ hợp khoảng cách gần đúng cho từng nhóm sự kiện.

Quy trình tạo lập dữ liệu được thực hiện bằng cách tổng hợp ảnh thực tế từ các đợt thiên tai và hình ảnh có bản quyền Creative Commons trên Internet, với tổng số ảnh trong từng loại khoảng 300-350 ảnh, trong đó chia thành bộ huấn luyện và test tỉ lệ ~2/3 - 1/3.

Phương pháp phân tích dữ liệu gồm:

  • Cấu trúc dữ liệu cây SR-tree được sử dụng để tổ chức lưu trữ và tìm kiếm trong hai không gian độc lập: không gian đặc trưng hình ảnh và không gian vị trí địa lý.

  • Thuật toán tìm kiếm k-láng giềng gần nhất (k-NN): Ứng dụng để xác định các hình ảnh tương tự trong không gian hình ảnh phục vụ gán nhãn sự kiện mới dựa trên kết quả truy vấn trong bộ dữ liệu mẫu.

  • Tập hợp nhóm (clustering) sự kiện: Dựa trên khoảng cách địa lý với các tâm nhóm xác định theo bán kính xác định của các sự kiện tương tự về nội dung, phối hợp phân loại nhằm xác định các đám cháy hoặc sự kiện nguy cấp có mức độ tập trung cao.

  • Thời gian thực hiện nghiên cứu bao gồm quá trình thu thập dữ liệu, phát triển thuật toán và kiểm thử trong vòng 6 tháng.

Về chọn mẫu, toàn bộ hình ảnh thu thập được chọn lọc theo tính đại diện cho 5 nhóm sự kiện tiêu biểu, đảm bảo tính đa dạng của các tình huống khẩn cấp tại đô thị. Phương pháp chọn mẫu ngẫu nhiên và phân nhóm theo đặc điểm nhất định.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Hiệu năng truy vấn kết hợp hai không gian: Sử dụng cấu trúc SR-tree, hệ thống đã giảm đáng kể thời gian truy vấn k-NN cho dữ liệu đa chiều. Thời gian truy xuất giảm trung bình khoảng 40% so với sử dụng R*-tree truyền thống; tỷ lệ chính xác nhận dạng loại thảm họa đạt gần 85% trong bộ thử nghiệm với 30 hình ảnh k-NN.

  2. Nhóm sự kiện nguy cấp theo địa bàn: Qua việc định nghĩa bán kính r1=500m, r2=200m cho các sự kiện và công trình gần kề, nhóm các sự kiện khẩn cấp theo vị trí địa lý chính xác phân biệt rõ các “đám cháy” và các vùng chịu thiệt hại nặng nề. Khoảng 90% các nhóm sự kiện khẩn cấp được phân loại chính xác, hỗ trợ phân bổ đội cứu hộ hiệu quả.

  3. Ảnh hưởng của các loại công trình: Dựa trên bảng phân loại mức độ ưu tiên của công trình lân cận, các thảm họa gần bệnh viện hoặc trường học có mức ưu tiên tăng lên đáng kể (tăng 4-5 lần) so với các sự kiện nằm gần nhà dân thông thường. Điều này giúp xác định vùng ưu tiên cứu trợ.

  4. Tương tác sử dụng hệ thống: Người vận hành có thể xem tổng quan các nhóm sự kiện với biểu tượng đại diện kích cỡ tỷ lệ thuận mức độ cấp bách, chọn lọc theo loại sự kiện (ví dụ chỉ xem nhóm cháy), hay tra cứu kiểm tra các thảm họa tương tự hoặc gần nhau theo địa lý và nội dung nhờ thao tác đơn giản trên giao diện.

Thảo luận kết quả

Kết quả chứng minh tính hiệu quả của việc kết hợp đồng thời 2 không gian dữ liệu trong việc xử lý hình ảnh hậu thảm họa, ưu việt hơn so với các hệ thống chỉ dựa vào một trong hai thông tin. Việc tổ chức dữ liệu theo cây SR-tree kết hợp giữa vỏ bọc hình cầu và hình chữ nhật tạo ra vùng tìm kiếm nhỏ gọn, hạn chế tối đa số phần tử so sánh, phù hợp với dữ liệu đặc trưng đa chiều và phân tán tự nhiên trong không gian tọa độ địa lý.

So sánh với các nghiên cứu trước đây áp dụng R*-tree hoặc phương pháp lọc đơn thuần qua GPS, hệ thống này có thời gian xử lý nhanh hơn trung bình đến 40% và độ chính xác định danh thảm họa cao hơn 10-15%. Cơ chế gán mức ưu tiên theo loại công trình giúp quyết định cử đội cứu hộ được logic, nhờ đó nâng cao khả năng cứu trợ.

Hạn chế hiện tại là mức độ phân loại dựa trên đặc trưng nội dung hình ảnh còn bị ảnh hưởng bởi khả năng mô tả vector đặc trưng, các trường hợp hình ảnh bị che khuất hoặc ánh sáng kém làm giảm độ chính xác. Ngoài ra, hệ thống giả định các ảnh đầu vào luôn có vị trí GPS của sự kiện, trong khi thực tế có thể tồn tại sai số hoặc ảnh không gắn kèm tọa độ, cần phát triển thêm thuật toán phỏng đoán dựa trên đặc điểm hình ảnh.

Dữ liệu địa lý được xây dựng với shapefile tách biệt các loại công trình đã tạo thuận lợi cho việc truy vấn gần kề bởi các thao tác cắt, so sánh vùng đa giác; tuy nhiên, địa chỉ civique (địa chỉ dân cư) chưa được tích hợp là điểm hạn chế trong việc cung cấp thông tin chính xác đến ban chỉ huy cứu hộ.

Biểu đồ thể hiện phân bố số nhóm sự kiện theo bán kính r1 cùng với mức độ ưu tiên theo loại công trình cho thấy hệ thống phân biệt rõ ràng vùng ùn tắc thảm họa, biểu đồ thể hiện tỷ lệ chính xác phân loại k-láng giềng cũng cho thấy xu hướng cải thiện khi tăng số lượng mẫu học và tham số k.

Đề xuất và khuyến nghị

  1. Tăng cường tham vấn chuyên gia cứu hộ: Thực hiện các cuộc khảo sát phối hợp với đội cứu trợ để xác định chính xác các tham số α, β trong bảng mức độ ưu tiên theo loại công trình, qua đó tinh chỉnh mô hình tính mức độ nguy cấp phù hợp với thực tế địa phương. Thời gian dự kiến 3-6 tháng.

  2. Nâng cấp mô hình đặc trưng hình ảnh: Áp dụng các kỹ thuật học sâu (deep learning) để trích xuất đặc trưng nội dung hình ảnh phong phú, cải thiện khả năng phân loại chính xác và khả năng nhận dạng trạng thái sự kiện (ví dụ phân biệt cháy lớn, cháy nhỏ). Thời gian nghiên cứu và thử nghiệm预计 khoảng 6 tháng.

  3. Mở rộng dữ liệu GIS đa dạng: Tích hợp dữ liệu địa chỉ civique và hệ tọa độ địa lý chính xác để dẫn đường cứu hộ, kèm theo cập nhật dữ liệu bản đồ định kỳ với sự hợp tác của cơ quan quản lý đô thị. Khuyến nghị sử dụng công nghệ GIS nâng cao và chuyển đổi dữ liệu shapefile thích hợp. Quá trình thực hiện dự kiến 4 tháng.

  4. Phát triển thuật toán xác định vị trí ảnh không có GPS: Sử dụng nhận dạng ký hiệu, địa danh trong hình ảnh (ví dụ tên đường, biển báo, tòa nhà nổi bật) hoặc áp dụng Deep Learning cho nhận diện cảnh để ước lượng vị trí ảnh bị thiếu thông tin địa lý. Khuyến nghị phát triển song song với mở rộng bộ dữ liệu chú thích có vị trí trong 6 tháng.

  5. Xây dựng giao diện người dùng trực quan nâng cao: Tối ưu hóa tương tác hiển thị đa tầng cho phép ban chỉ huy cứu hộ khai thác nhanh các nhóm sự kiện theo độ ưu tiên, xem chi tiết và thực hiện truy vấn phức tạp. Thời gian phát triển giao diện và thử nghiệm từ 3-4 tháng.

Đối tượng nên tham khảo luận văn

  1. Các nhà nghiên cứu và sinh viên ngành khoa học dữ liệu, trí tuệ nhân tạo và xử lý ảnh: Thu thập kiến thức về kỹ thuật áp dụng cây dữ liệu đa chiều (SR-tree) trong truy xuất và phân loại ảnh có tích hợp dữ liệu địa lý, mở rộng cách tiếp cận kết hợp thông tin đa kênh.

  2. Cơ quan tổ chức cứu hộ và quản lý thảm họa: Tham khảo mô hình xây dựng hệ thống hỗ trợ ra quyết định nhanh, đặc biệt là tổ chức phản ứng khẩn cấp trong các vùng đô thị lớn, đánh giá được mức độ ưu tiên cứu trợ dựa trên phân tích hình ảnh và không gian.

  3. Các chuyên gia GIS và phát triển phần mềm địa lý: Hiểu sâu kiến trúc dữ liệu đa lớp, chuẩn shapefile tích hợp với dữ liệu hình ảnh, kỹ thuật truy vấn và nhóm sự kiện nhằm nâng cao hiệu quả khảo sát hiện trạng trong quy hoạch an toàn cũng như quản lý đô thị.

  4. Nhà phát triển hệ thống thông tin và công nghệ trí tuệ nhân tạo phục vụ y tế và an ninh xã hội: Tham khảo cách kết hợp dữ liệu đa nền tảng (hình ảnh, địa lý, mô tả hoạt động) tạo nên các ứng dụng phục vụ tương tác thời gian thực, bảo vệ an toàn công cộng.

Câu hỏi thường gặp

1. Hệ thống có thể xử lý ảnh không gắn kèm thông tin GPS không?
Hiện tại, hệ thống giả định tất cả hình ảnh đều có gắn tọa độ GPS hợp lệ. Tuy nhiên, nghiên cứu đã nhận diện nhu cầu phát triển thuật toán ước lượng vị trí dựa trên nội dung hình ảnh như nhận diện địa danh, biển báo để hỗ trợ các ảnh không có thông tin vị trí.

2. Làm thế nào hệ thống xác định mức độ ưu tiên cứu trợ cho mỗi thảm họa?
Hệ thống sử dụng khoảng cách địa lý giữa các sự kiện tương tự và trọng số dựa trên loại công trình quanh vị trí xảy ra sự kiện để tính toán mức độ ưu tiên. Ví dụ, thảm họa xảy ra tại bệnh viện được đánh giá nguy cấp hơn so với nhà ở dân thường.

3. Cơ sở dữ liệu hình ảnh được thu thập từ đâu và có đảm bảo tính đại diện?
Bộ dữ liệu khởi tạo kết hợp ảnh thực tế từ các thiên tai tại khu vực châu Á và hình ảnh trên Internet có giấy phép Creative Commons, tổng cộng hơn 1,600 ảnh thuộc 5 nhóm thảm họa tiêu biểu, đảm bảo đại diện cho nhiều tình huống thực tế.

4. Tại sao chọn cấu trúc cây SR-tree thay vì các cấu trúc cây khác như R-tree hay KD-tree?*
SR-tree kết hợp ưu điểm của R*-tree (dữ liệu hình chữ nhật) và SS-tree (dữ liệu hình cầu), hạn chế chồng lấn vùng tìm kiếm, nâng cao hiệu quả truy vấn dữ liệu đa chiều, đặc biệt phù hợp với dữ liệu có tính chất hình ảnh đa chiều và tọa độ địa lý.

5. Làm thế nào người dùng cuối tương tác và khai thác các thông tin từ hệ thống?
Giao diện cho phép người dùng xem bản đồ đô thị với các nhóm thảm họa được biểu diễn bằng biểu tượng kích thước tỷ lệ theo mức độ ưu tiên, lựa chọn xem chi tiết sự kiện hoặc nhóm sự kiện, tìm kiếm thảm họa quanh địa điểm hoặc thảm họa tương tự dựa trên nội dung ảnh.

Kết luận

  • Nghiên cứu thành công xây dựng mô hình kết hợp đồng thời thông tin vị trí địa lý và đặc trưng nội dung hình ảnh để phân loại và nhóm các sự kiện khẩn cấp tại đô thị hậu thảm họa thiên nhiên.
  • Cấu trúc SR-tree được khẳng định là giải pháp hiệu quả tối ưu tìm kiếm trên dữ liệu đa chiều, giảm thiểu độ trễ và nâng cao độ chính xác so với các cây R*-tree truyền thống.
  • Hệ thống hỗ trợ phân loại 5 nhóm thảm họa tiêu chuẩn, cùng với phân tích mức độ ưu tiên dựa vào loại công trình lân cận, giúp ban chỉ huy cứu hộ có cái nhìn tổng thể về phân bố các sự kiện nguy cấp.
  • Các kịch bản kiểm thử minh họa khả năng xác định nhanh nhóm sự kiện, liên kết giữa thảm họa với các công trình quan trọng, tạo điều kiện đưa ra quyết định phối hợp cứu trợ hợp lý.
  • Định hướng phát triển tiếp theo bao gồm nâng cấp thuật toán nhận diện ảnh, xử lý dữ liệu địa lý đa dạng hơn và xây dựng bộ tham số đánh giá mức độ khẩn cấp chính xác hơn thông qua hợp tác chuyên gia cứu hộ.

Luận văn này đóng góp cơ sở công nghệ quan trọng cho các hệ thống GIS kết nối với phân tích hình ảnh, tăng cường hiệu quả xử lý tình huống khẩn cấp đô thị. Các giai đoạn tiếp theo đề nghị tăng tốc hoàn thiện mô hình và thử nghiệm mở rộng trên dữ liệu thực tế phối hợp hợp tác các cơ quan cứu nạn.

Khuyến nghị các nhà nghiên cứu và chuyên gia cứu hộ tiếp cận ứng dụng mô hình, phát triển thêm các bộ tối ưu tính năng và mở rộng triển khai thí điểm tại các đô thị chịu ảnh hưởng của thiên tai.