Tổng quan nghiên cứu

Thực trạng giao thông tại Thành phố Hồ Chí Minh đang đối mặt với áp lực quá tải hạ tầng nghiêm trọng khi tỷ lệ diện tích đất dành cho giao thông năm 2012 chỉ đạt khoảng 5,74% tổng diện tích đất đô thị, thấp hơn rất nhiều so với mức chuẩn 25% tại các đô thị phát triển trên thế giới. Với mạng lưới hơn 1.440 nút giao thông chủ yếu là giao cắt đồng mức, tình trạng ùn tắc cục bộ thường xuyên xảy ra trong khung giờ cao điểm từ 16h30 đến 17h30. Đặc trưng nổi bật của giao thông Việt Nam là dòng xe hỗn hợp không đi theo làn cố định, trong đó phương tiện xe hai bánh chiếm tỷ trọng áp đảo trên 80% tổng lưu lượng. Các thiết bị cảm biến truyền thống như vòng từ, ống hơi hay cảm biến áp lực hoàn toàn không phát huy được hiệu quả do khoảng cách giữa các xe quá nhỏ và hành vi chuyển làn tự do.

Luận văn thạc sĩ chuyên ngành Xây dựng đường ôtô và đường thành phố của học viên Nguyễn Văn Sơn, dưới sự hướng dẫn khoa học của TS. Văn Hồng Tấn tại Trường Đại học Bách Khoa – ĐHQG-HCM, tập trung giải quyết bài toán cốt lõi: Nhận biết và đếm tự động phương tiện xe hai bánh trong điều kiện dòng xe hỗn hợp mật độ dày. Mục tiêu cụ thể là xây dựng giải pháp xử lý vùng vệt ảnh thông qua dải dò tìm thích ứng trên chuỗi video giao thông thời gian thực. Nghiên cứu giới hạn phạm vi khảo sát thực nghiệm tại các tuyến đường đô thị trọng điểm của Thành phố Hồ Chí Minh, xử lý luồng video chuẩn tốc độ từ 24 khung hình/giây trở lên. Ý nghĩa khoa học và thực tiễn của công trình thể hiện qua việc cung cấp dữ liệu lưu lượng chính xác, tạo tiền đề tối ưu hóa chu kỳ đèn tín hiệu giao thông thích nghi và nâng cao năng lực thông hành mạng lưới đường đô thị.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu ứng dụng nền tảng kỹ thuật xử lý ảnh video (Video Image Processing - VIP) kết hợp với các lý thuyết phân đoạn ảnh và biến đổi hình thái học. Khung lý thuyết của luận văn tích hợp hai trụ cột chính:

Thứ nhất, mô hình tách vật thể chuyển động nâng cao (Advanced Background Subtraction) dựa trên chuỗi thời gian của từng điểm ảnh trong không gian màu RGB. Phương pháp này thiết lập các ngưỡng thích nghi cao và thấp để cô lập chính xác các vật thể tiền cảnh chuyển động ra khỏi nền đường tĩnh, loại bỏ hiệu quả các yếu tố gây nhiễu như bóng râm chuyển động và lá cây đung đưa.

Thứ hai, lý thuyết toán học hình thái học (Mathematical Morphology) với trọng tâm là phép toán đóng (Closing) – sự kết hợp tuần tự giữa phép giãn nở (Dilation) và phép co (Erosion). Phép toán này đóng vai trò lấp đầy các khoảng trống nội tại, làm liền mạch các cụm điểm ảnh rời rạc và định hình rõ nét biên dạng phương tiện.

Hệ thống thuật ngữ then chốt được xây dựng chuẩn xác gồm: Điểm ảnh (Pixel mã hóa mức xám 8-bit từ 0 đến 255), Biên ảnh (Boundary), Vùng vệt ảnh (Streak Area biểu thị kích thước bao suy biến của xe máy) và Dải dò tìm (Scanline Detection Strip định vị ngang mặt cắt đường).

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp thực nghiệm kết hợp đối chiếu định lượng giữa mô hình tự động và số liệu quan trắc thủ công. Dữ liệu đầu vào bao gồm các tập video thực tế được ghi hình tại khu vực công viên Hoàng Văn Thụ và các trục đường trung tâm với thời lượng mỗi đoạn video khoảng 20 phút. Hệ thống thiết bị quan sát bảo đảm tĩnh không an toàn kỹ thuật theo quy chuẩn kết cấu hạ tầng giao thông đường bộ với chiều cao lắp đặt tối thiểu 4,75 m, góc nghiêng camera khảo sát ở các góc 60 độ, 70 độ và 80 độ so với phương thẳng đứng.

Quy trình chọn mẫu sử dụng phương pháp chọn mẫu phân tầng có chủ đích trong khung giờ cao điểm từ 16h30 đến 17h30 nhằm thu giữ đầy đủ các tình huống dòng xe ken đặc và che khuất lẫn nhau. Công cụ phân tích được xây dựng bằng ngôn ngữ lập trình C++ kết hợp thư viện xử lý ảnh mã nguồn mở OpenCV phiên bản 2.3, vận hành trên hệ điều hành máy tính với cấu hình tối thiểu vi xử lý Core i3 và 2 GB RAM. Lý do lựa chọn giải pháp này là khả năng tối ưu hóa thời gian xử lý đa luồng, đáp ứng yêu cầu tính toán theo thời gian thực với độ trễ dưới 40 mili-giây trên mỗi khung hình 320x240 pixel.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình chạy thử nghiệm chương trình tự động trên các tập dữ liệu video mẫu đã mang lại 4 phát hiện quan trọng:

  1. Kỹ thuật tách hình nền nâng cao kết hợp bộ lọc tích hợp giúp triệt tiêu đến hơn 90% nhiễu do bóng cây và ánh sáng thay đổi trên mặt đường, tạo ra ma trận nhị phân có độ tương phản tiền cảnh vượt trội.
  2. Ứng dụng phép toán đóng hình thái học đã kết nối các điểm ảnh rời rạc thành các vùng vệt xe đồng nhất, giúp thuật toán dải dò tìm phân tách thành công các phương tiện di chuyển sát nhau với khoảng cách giữa hai xe chỉ từ 5 đến 10 pixel trên khung hình.
  3. Góc đặt camera có tác động trực tiếp đến độ chính xác nhận diện: Góc quay 70 độ cho hiệu quả tối ưu nhất với độ chính xác đếm xe đạt mức khoảng 92,8% đến 94,5%, cao hơn đáng kể so với góc quay 60 độ (dễ bị che khuất nối tiếp trục dọc) và góc quay 80 độ (bị biến dạng hình học theo trục ngang).
  4. Sai số trung bình của chương trình tự động khi so sánh với kết quả đếm thủ công duy trì ở mức dưới 7,2% trong điều kiện dòng xe hỗn hợp mật độ dày, giảm thiểu hơn 15% tỷ lệ đếm sót so với các thuật toán nhận dạng mẫu dựa trên đường biên tĩnh truyền thống.

Thảo luận kết quả

Nguyên nhân chính giúp phương pháp xử lý vùng vệt ảnh vượt trội là việc loại bỏ hoàn toàn sự phụ thuộc vào độ sắc nét của đường bao biên ảnh vốn rất dễ bị gãy khúc khi xe máy đi sát nhau. Khi dòng phương tiện ken đặc, các điểm ảnh sáng tạo nên một vùng vệt liên tục qua dải dò tìm. Thuật toán phân tích ngưỡng bề rộng vùng vệt và khoảng cách lân cận để tách riêng từng xe thay vì cố gắng nhận dạng toàn bộ cấu trúc hình học của phương tiện.

Dữ liệu thực nghiệm có thể được tổng hợp trực quan qua bảng so sánh sai số theo góc quay và biểu đồ tương quan giữa số lượng xe đếm tự động so với đếm thủ công qua từng khoảng thời gian 5 phút. So với các hệ thống giám sát thương mại của nước ngoài như WADS (Mỹ) hay IMPACTS (Anh) vốn chỉ hoạt động chuẩn xác trên các làn đường ô tô tách biệt, giải pháp đề xuất của luận văn thích ứng linh hoạt với hành vi di chuyển tự do không theo làn của xe máy tại Việt Nam. Kết quả này chứng minh rằng việc khai thác thông tin mật độ vệt ảnh cục bộ là hướng tiếp cận có hiệu năng tính toán cao và chi phí đầu tư phần cứng thấp.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu, luận văn đưa ra 4 nhóm giải pháp cụ thể nhằm đưa công nghệ vào ứng dụng thực tiễn:

  1. Triển khai tích hợp giải thuật xử lý vùng vệt ảnh vào hệ thống camera giám sát hiện hữu tại 50 nút giao thông trọng điểm thuộc khu vực nội đô Thành phố Hồ Chí Minh. Chủ thể thực hiện là Sở Giao thông Vận tải phối hợp cùng Trung tâm Quản lý Điều hành Giao thông đô thị, mục tiêu hoàn thành trong vòng 12 tháng nhằm thu thập lưu lượng dòng xe tự động 24/7 với độ chính xác mục tiêu trên 90%.
  2. Chuẩn hóa quy chuẩn hạ tầng lắp đặt camera giám sát giao thông thông minh với độ cao treo máy chuẩn từ 5,0 m đến 6,0 m và góc nghiêng cố định 70 độ so với phương thẳng đứng. Đơn vị chủ trì là Ban An toàn Giao thông thành phố, thời gian ban hành hướng dẫn kỹ thuật trong quý 2 năm tới nhằm hạn chế tối đa góc chết và hiện tượng che khuất phương tiện.
  3. Nâng cấp hệ thống điều khiển đèn tín hiệu giao thông từ chu kỳ cố định sang hệ thống điều khiển thích nghi thời gian thực. Dữ liệu đếm xe máy tức thời từ chương trình xử lý ảnh sẽ đóng vai trò tín hiệu đầu vào để thuật toán điều khiển tự động gia giảm thời lượng pha đèn xanh từ 5 đến 15 giây tùy theo mật độ nhánh giao, dự kiến thử nghiệm tại trục đường Hoàng Văn Thụ - Cộng Hòa trong lộ trình 6 tháng.
  4. Mở rộng phát triển module phần mềm phân loại tự động đa đối tượng, kết hợp nhận diện đồng thời xe máy, ô tô con và xe buýt trên nền tảng tính toán biên (Edge AI). Nhóm nghiên cứu tại các trường đại học phối hợp với doanh nghiệp công nghệ thực hiện trong giai đoạn 18 tháng tiếp theo.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang lại giá trị thực tiễn và học thuật cho 4 nhóm đối tượng trọng tâm:

  1. Kỹ sư và chuyên gia quy hoạch giao thông đô thị: Tài liệu cung cấp cơ sở phương pháp luận và dữ liệu thực chứng để tính toán khả năng thông hành, thiết kế chu kỳ đèn tín hiệu thích nghi và tối ưu hóa phân luồng tại các nút giao cắt phức tạp.
  2. Lập trình viên thị giác máy tính và kỹ sư phần mềm hệ thống thông minh (ITS): Luận văn cung cấp toàn bộ mã nguồn C++ và quy trình ứng dụng thư viện OpenCV 2.3 xử lý ma trận ảnh thực tế, giúp tiết kiệm thời gian phát triển các module giám sát tự động.
  3. Cán bộ quản lý tại các cơ quan quản lý đô thị và Sở GTVT: Nguồn tài liệu tham khảo đáng tin cậy để xây dựng đề án hiện đại hóa trung tâm điều hành giao thông thông minh với chi phí phần cứng tối ưu, tận dụng tối đa camera quan sát sẵn có.
  4. Học viên cao học và nghiên cứu sinh ngành Cầu đường, Giao thông và Công nghệ thông tin: Tài liệu tham khảo chuẩn mực về cấu trúc nghiên cứu thực nghiệm, phương pháp xử lý nhiễu ảnh thực địa và phân tích dòng xe hỗn hợp đặc thù của các nước đang phát triển.

Câu hỏi thường gặp

Phương pháp xử lý vùng vệt ảnh có điểm gì vượt trội so với các thuật toán nhận dạng mẫu truyền thống? Phương pháp xử lý vùng vệt ảnh không đòi hỏi nhận diện toàn bộ biên dạng hay bắt bám quỹ đạo phức tạp của từng phương tiện. Thay vào đó, thuật toán quét ma trận điểm sáng qua dải dò tìm cố định, giúp giảm hơn 40% khối lượng tính toán và khắc phục hoàn toàn tình trạng đếm trùng khi xe máy đi sát nhau.

Điều kiện ánh sáng thay đổi và bóng râm trên mặt đường ảnh hưởng như thế nào đến độ chính xác của hệ thống? Hiện tượng bóng cây rung và ánh sáng thay đổi làm tăng số điểm ảnh nhiễu. Tuy nhiên, việc áp dụng mô hình tách hình nền nâng cao kết hợp phép toán đóng hình thái học giúp lọc sạch hơn 90% nhiễu nền, duy trì độ chính xác đếm xe ổn định trên 92% trong các khung giờ khác nhau.

Tại sao góc nghiêng camera 70 độ lại mang lại hiệu quả đếm xe tốt nhất trong thực tế? Ở góc 70 độ so với phương thẳng đứng, camera bao quát được bề rộng mặt đường từ 2 đến 3 làn xe mà vẫn giảm thiểu tối đa hiện tượng xe phía trước che khuất hoàn toàn xe phía sau, hạn chế sai số biến dạng quang học so với góc 60 độ hoặc 80 độ.

Hệ thống có thể xử lý luồng video giao thông trực tiếp trong thời gian thực hay không? Chương trình được tối ưu hóa bằng ngôn ngữ C++ và OpenCV, yêu cầu phần cứng rất phổ thông như chip Core i3 và 2 GB RAM. Hệ thống xử lý mượt mà luồng video với tốc độ từ 24 đến 30 khung hình/giây, độ trễ tức thời dưới 40 mili-giây, hoàn toàn đáp ứng thời gian thực.

Thuật toán này có thể mở rộng để áp dụng cho các đô thị khác ngoài Thành phố Hồ Chí Minh không? Giải pháp hoàn toàn có thể triển khai tại Hà Nội, Đà Nẵng và các đô thị có cấu trúc giao thông hỗn hợp tương đồng. Khi áp dụng tại địa phương mới, kỹ sư chỉ cần hiệu chỉnh lại ngưỡng bề rộng dải dò tìm theo độ rộng thực tế của mặt cắt đường quan sát.

Kết luận

Công trình nghiên cứu của học viên Nguyễn Văn Sơn đã đóng góp một giải pháp khoa học mang tính đột phá cho bài toán quan trắc giao thông tại Việt Nam qua các điểm nhấn:

  • Đề xuất thành công thuật toán xử lý vùng vệt ảnh qua dải dò tìm chuyên biệt cho dòng xe hai bánh mật độ cao.
  • Khắc phục triệt để các hạn chế của cảm biến vật lý truyền thống trên dòng giao thông hỗn hợp không phân làn.
  • Đạt độ chính xác đếm xe tự động thực nghiệm từ 92,8% đến 94,5% với thời gian xử lý thực tế dưới 40 mili-giây/khung hình.
  • Cung cấp giải pháp phần mềm C++ mã nguồn mở có tính tương thích cao với hạ tầng camera sẵn có tại Thành phố Hồ Chí Minh.
  • Mở ra hướng đi mới trong việc ứng dụng thị giác máy tính chi phí thấp phục vụ điều khiển giao thông thích nghi.

Trong giai đoạn 6 đến 12 tháng tới, các cơ quan quản lý và đơn vị nghiên cứu cần tiến hành tích hợp giải thuật lên các thiết bị xử lý tại biên và mở rộng tập dữ liệu huấn luyện cho điều kiện ban đêm cũng như thời tiết mưa gió. Hãy kết nối và ứng dụng ngay các kết quả nghiên cứu này vào các dự án giao thông thông minh để góp phần xây dựng đô thị văn minh, giảm thiểu ùn tắc và tai nạn giao thông.