Bối cảnh và vấn đề nghiên cứu

Sự gia tăng nhanh chóng của các phương tiện giao thông cá nhân nhằm đáp ứng nhu cầu đi lại của xã hội kéo theo tình trạng mất an toàn và tai nạn giao thông (TNGT) diễn biến phức tạp. Theo báo cáo của Tổ chức Y tế Thế giới (WHO) công bố năm 2013, mỗi năm toàn cầu ghi nhận khoảng 1,25 triệu người tử vong do TNGT đường bộ, trung bình mỗi ngày có khoảng 3.400 người chết. Đáng chú ý, các quốc gia có mức thu nhập trung bình chiếm 52% tổng lượng phương tiện toàn cầu nhưng lại ghi nhận tỷ lệ tử vong do TNGT cao nhất (20,1 người chết/100.000 dân), trong khi các quốc gia có thu nhập cao sở hữu 47% lượng phương tiện chỉ có tỷ lệ tử vong 8,7 người chết/100.000 dân (mức trung bình thế giới là 18 người chết/100.000 dân). Thực tế này phản ánh số thương vong không thuần túy tỷ lệ thuận với số lượng phương tiện mà chịu ảnh hưởng sâu sắc từ hạ tầng, ý thức chấp hành luật pháp và đặc điểm xã hội học của người tham gia giao thông.

Tại Việt Nam, số liệu của Ủy ban An toàn giao thông Quốc gia năm 2014 ghi nhận 25.322 vụ tai nạn, làm chết 8.996 người và làm bị thương hàng chục nghìn người. Riêng tại Thành phố Hồ Chí Minh (TPHCM), giai đoạn 2011 – 2013 xảy ra 2.587 vụ TNGT từ ít nghiêm trọng trở lên, làm chết 2.435 người và làm bị thương 1.186 người (trung bình mỗi năm xảy ra 952 vụ, 811 người chết và 395 người bị thương).

Trước yêu cầu cấp bách trong công tác quản lý đô thị, việc kết hợp Hệ thống Thông tin Địa lý (GIS) — công cụ quản lý, phân tích và trực quan hóa dữ liệu không gian — với Trí tuệ nhân tạo (AI), cụ thể là Mạng Neuron nhân tạo (Artificial Neural Network - ANN) với thuật toán lan truyền ngược (Backpropagation - BP), tạo ra hướng tiếp cận mới trong việc khai phá dữ liệu không gian (spatial data mining) và nhận dạng các quy luật tai nạn giao thông với chi phí tối ưu.

Khóa luận xác định hệ thống mục tiêu và phạm vi nghiên cứu như sau:

  • Mục tiêu chung: Sử dụng mạng neuron nhân tạo để nhận dạng tai nạn giao thông tại TPHCM.
  • Mục tiêu cụ thể:
    1. Phân tích đặc điểm không gian các vụ TNGT.
    2. Đánh giá sai số sau khi chạy mạng neural.
    3. Tìm cấu hình mạng phù hợp với bộ dữ liệu TNGT tại TPHCM.
  • Đối tượng nghiên cứu: Các vụ tai nạn giao thông xảy ra trên địa bàn TPHCM.
  • Phạm vi không gian: Toàn bộ phạm vi hành chính Thành phố Hồ Chí Minh (tọa độ địa lý từ 10°10’ đến 10°38’ vĩ độ Bắc và 106°22’ đến 106°54’ kinh độ Đông).
  • Phạm vi thời gian: Đề tài thực hiện từ ngày 01/03/2016 đến ngày 07/06/2016; dữ liệu thực nghiệm được thu thập, xử lý trong các giai đoạn từ năm 2011 đến quý 1/2016.

Cơ sở lý thuyết và phương pháp

Khóa luận xây dựng trên nền tảng lý thuyết tích hợp giữa khoa học thông tin địa lý, thống kê toán học và trí tuệ nhân tạo:

  • Mô hình Mạng Neuron nhân tạo (ANN): Kế thừa mô hình tế bào thần kinh sinh học và mô hình toán học sơ khởi của McCulloch - Pitts (1943) cùng Perceptron. Cấu trúc mạng gồm các đơn vị đầu vào (input units), đơn vị ẩn (hidden units) và đơn vị đầu ra (output units). Giá trị tổng đầu vào của một neuron được tính theo công thức: $$a_j = \sum_{i=1}^n w_{ji} x_i + \theta_j$$ Trong đó $x_i$ là tín hiệu đầu vào, $w_{ji}$ là trọng số kết nối, $\theta_j$ là độ lệch (bias).
  • Các hàm kích hoạt (Activation Functions): Nghiên cứu khảo sát 4 dạng hàm kích hoạt tiêu chuẩn:
    1. Hàm đồng nhất (Identity function): $g(x) = x$.
    2. Hàm bước nhị phân (Binary step/Hard limit): $g(x) = 1$ nếu $x < \theta$ và $g(x) = 0$ nếu $x \ge \theta$.
    3. Hàm Sigmoid (Logsig): $g(x) = \frac{1}{1 + e^{-x}}$, trả về giá trị trong khoảng $[0, 1]$, thuận lợi trong việc tính đạo hàm phục vụ lan truyền ngược.
    4. Hàm Sigmoid lưỡng cực (Tansig): $g(x) = \frac{1 - e^{-x}}{1 + e^{-x}}$, trả về giá trị trong khoảng $[-1, 1]$.
  • Giải thuật lan truyền ngược (Backpropagation): Phương pháp học có giám sát dựa trên quy tắc giảm độ dốc gradient, sử dụng quy tắc xích (chain rule) và ma trận Jacobian để tính toán ma trận độ nhạy cảm sai số ($s_m$), truyền ngược sai số từ tầng ra về các tầng trước để cập nhật trọng số và độ lệch nhằm tối thiểu hóa tổng sai số.
  • Phân tích hồi quy và tương quan: Sử dụng mô hình hồi quy đa biến $Y = \alpha + \beta_1 X_1 + \dots + \beta_k X_k$, hệ số xác định $R^2 = 1 - \frac{SSE}{SST}$ và hệ số tương quan bội $R = \sqrt{R^2}$ để kiểm tra mối quan hệ tuyến tính giữa các thuộc tính tai nạn.
  • Công cụ phần mềm: Hệ thống ArcGIS 10 tích hợp ngôn ngữ lập trình Python (gói thư viện ArcPy) phục vụ xử lý không gian; phần mềm MATLAB (Neural Network Toolbox) phục vụ tính toán ma trận và huấn luyện mạng neuron.

Phương pháp nghiên cứu thực tế được triển khai qua quy trình 4 giai đoạn logic:

  1. Giai đoạn 1: Thu thập, trích xuất và tiền xử lý dữ liệu không gian cùng dữ liệu thuộc tính TNGT; chuyển đổi hệ tọa độ từ dạng độ thập phân (Decimal Degree - DD) sang hệ tọa độ UTM (Universal Transverse Mercator).
  2. Giai đoạn 2: Số hóa tọa độ các vụ tai nạn dựa trên địa chỉ hiện trường và đối soát không gian với mạng lưới giao thông; hiệu chỉnh sai lệch vị trí.
  3. Giai đoạn 3: Phân tích quan hệ không gian, phân tích vùng đệm (Buffer), tạo lập các trường thông tin phái sinh, kiểm tra hệ số tương quan tuyến tính và mã hóa toàn bộ dữ liệu hỗn hợp sang dạng số nhị phân (0 và 1).
  4. Giai đoạn 4: Thiết lập cấu hình mạng trong MATLAB, thử nghiệm các tổ hợp tham số, số lớp ẩn và số neuron lớp ẩn bằng phương pháp thử - sai (trial-and-error) để đánh giá biến động sai số.

Nguồn dữ liệu sử dụng trong nghiên cứu được tổng hợp tại bảng sau:

STT Tên lớp dữ liệu Định dạng dữ liệu Hệ tọa độ Nguồn thu thập
1 Ranh giới hành chính 63 tỉnh thành Shapefile (Polygon) Decimal Degree (DD) DIVA-GIS
2 Mạng lưới giao thông cả nước Shapefile (Polyline) Decimal Degree (DD) OpenStreetMap (OSM)
3 Dữ liệu các vụ TNGT tại TPHCM Bảng tính (Excel) Tọa độ điểm / Mô tả Trung tâm Ứng dụng Hệ thống Thông tin Địa lý TPHCM (HCMGIS)

Nội dung chính theo từng chương

Chương 1: Đặt vấn đề

Chương này làm rõ tính cấp bách của đề tài thông qua bức tranh tổng quan về tổn thất nhân mạng và vật chất do tai nạn giao thông trên thế giới và tại Việt Nam. Tác giả luận giải việc ứng dụng công nghệ GIS đơn thuần chỉ dừng lại ở mức độ lưu trữ và hiển thị bản đồ, do đó việc kết hợp giải thuật mạng neuron nhân tạo có khả năng tự học và xấp xỉ hàm phi tuyến là giải pháp cần thiết để nhận dạng các quy luật tiềm ẩn trong dữ liệu tai nạn. Chương này xác định rõ 3 mục tiêu cụ thể, đối tượng, phạm vi không gian tại TPHCM, thời gian thực hiện (01/03/2016 – 07/06/2016) cùng ý nghĩa khoa học và thực tiễn của nghiên cứu.

Chương 2: Tổng quan đề tài

Nội dung chương 2 chia thành các mảng kiến thức nền tảng và khảo cứu thực trạng:

  • Đặc điểm địa bàn nghiên cứu và dịch tễ TNGT: TPHCM có tọa độ 10°10’ – 10°38’B, 106°22’ – 106°54’Đ, tiếp giáp 6 tỉnh. Thống kê 10 tháng đầu năm 2015 ghi nhận 3.050 vụ tai nạn (596 người chết, 2.657 người bị thương), trong đó xe 2 bánh gây ra 480 vụ (chiếm 75%). Quý 1/2016 xảy ra 823 vụ (199 người chết, tăng 8,15%), điểm nóng gia tăng thuộc Quận 5 và Tân Bình.
  • Cơ cấu tai nạn: Phân theo mạng lưới đường, đường nội thành chiếm 71% số vụ (51% người chết, 59% người bị thương); đường ngoại thành chiếm 10% số vụ; quốc lộ chiếm 8% và tỉnh lộ chiếm 3%. Phương tiện gây tai nạn chủ yếu là xe máy (75,16%), xe tải (8,38%), bộ hành (7,66%). Về thời gian, tai nạn tập trung cao nhất vào khung giờ 18h – 21h và 19h – 23h; thấp nhất từ 3h – 5h và 7h – 9h. Nạn nhân nam giới chiếm tỷ lệ áp đảo (83% tử vong, 79% bị thương), độ tuổi thương vong cao nhất từ 25 – 30 tuổi (17,12% tử vong) và 31 – 40 tuổi (42,30% bị thương).
  • Lý thuyết mạng neuron và giải thuật: Phân tích lịch sử AI từ phép thử Turing (1950), mô hình neuron nhân tạo, 4 hàm kích hoạt, giải thuật lan truyền ngược (BP), bài toán cực tiểu cục bộ (local minima) và hiện tượng học quá mức (overfitting). Khảo cứu các công trình quốc tế ứng dụng ANN dự báo TNGT của Miao M. Chong và cộng sự (1997 tại Florida, Mỹ), Francisca N. Ogwueleka và cộng sự (Nigeria), F. Rezaie Moghaddam và cộng sự (2010 với 2.889 vụ tai nạn).
  • Công cụ hỗ trợ: Trình bày lý thuyết phân tích hồi quy tương quan ($R^2, R$), giới thiệu ngôn ngữ Python, ArcPy trong ArcGIS 10 và 5 thành phần cấu trúc của phần mềm MATLAB.

Chương 3: Dữ liệu và phương pháp nghiên cứu

Chương 3 mô tả chi tiết quy trình xử lý dữ liệu và thiết kế thuật toán:

  • Thu thập 339 bản ghi vụ TNGT tại TPHCM từ HCMGIS; sử dụng công cụ Clip trong GIS để cắt trích dữ liệu ranh giới hành chính và mạng lưới giao thông TPHCM từ dữ liệu toàn quốc, chuẩn hóa về hệ tọa độ UTM.
  • Số hóa tọa độ các điểm TNGT trên nền GIS thông qua công cụ tìm kiếm vị trí Google Maps dựa trên địa chỉ chi tiết (số nhà, tên đường, phường/xã, quận/huyện). Kết quả kiểm tra ghi nhận trên 95% điểm số hóa rơi chính xác trên mạng lưới đường, chỉ có dưới 15 điểm nằm sai lệch xa trục đường được hiệu chỉnh thủ công.
  • Lọc chọn và chuẩn hóa các trường thông tin: Kinh độ, Vĩ độ, Vị trí, Thời gian (giờ, phút), Số lượng người bị tai nạn, Phương tiện liên quan (bị nạn và gây tai nạn), Tình trạng thương vong của các bên.
  • Xây dựng 2 biến không gian phái sinh: (1) Yếu tố giao cắt hạ tầng (ngã 3, ngã 4, vòng xoay); (2) Yếu tố tính lặp lại (tần suất tai nạn) bằng cách tạo vùng đệm (Buffer) bán kính 25m quanh các điểm tai nạn, các điểm có vùng đệm giao nhau từ 2 lần trở lên được xác định là vị trí có tính lặp lại.
  • Đánh giá ma trận tương quan giữa 8 yếu tố. Kết quả cho thấy hệ số tương quan tuyến tính giữa các biến rất thấp, không đủ cơ sở để loại bỏ biến theo cách truyền thống, từ đó tác giả chuyển sang hướng tiếp cận tổ hợp các biến đầu vào/ra để huấn luyện mạng neuron.
  • Xây dựng bảng quy tắc chuyển đổi toàn bộ dữ liệu thuộc tính định danh và định lượng sang chuỗi nhị phân (0 và 1) để nạp vào MATLAB.

Chương 4: Kết quả, thảo luận

Chương 4 trình bày các phát hiện và sản phẩm thực nghiệm:

  • Xây dựng bộ cơ sở dữ liệu không gian hoàn chỉnh gồm 339 điểm TNGT tại TPHCM cùng hệ thống bản đồ chuyên đề: bản đồ mạng lưới giao thông tinh giản, bản đồ phân bố các vụ tai nạn tại nút giao cắt, bản đồ vùng đệm 25m nhận diện các điểm tai nạn lặp lại.
  • Đánh giá thực nghiệm chỉ số tương quan tuyến tính giữa các biến số tai nạn cho thấy các biến có hệ số $R$ rất thấp ($R < 0,3$), phản ánh tính chất phi tuyến phức tạp của các nhân tố tác động đến TNGT đô thị.
  • Thực hiện huấn luyện mạng lan truyền ngược (BP) trên phần mềm MATLAB với các tập dữ liệu nhị phân hóa, khảo sát sự biến động của sai số mạng theo số lượng lớp ẩn và số lượng neuron ẩn nhằm xác định cấu hình mạng tối ưu cho bộ dữ liệu 339 vụ tai nạn.

Chương 5: Kết luận

Tổng kết toàn bộ quá trình nghiên cứu, khẳng định việc hoàn thành các mục tiêu đề ra về mặt dữ liệu và thuật toán, nêu rõ cấu hình mạng đạt được và đề xuất khả năng mở rộng sang các dạng dữ liệu không gian đô thị khác.

Kết quả và đóng góp

Nghiên cứu đạt được các kết quả cụ thể sau:

  • Xây dựng CSDL không gian và bộ bản đồ chuyên đề TNGT: Chuẩn hóa và số hóa thành công 339 vụ TNGT trên địa bàn TPHCM về hệ tọa độ chuẩn UTM, kết hợp lớp dữ liệu mạng lưới đường bộ (OSM) và ranh giới hành chính (DIVA-GIS).
  • Phân tích không gian nhận diện điểm đen tai nạn: Ứng dụng kỹ thuật GIS Buffer với bán kính 25m để tự động hóa việc xác định các điểm tai nạn có tính lặp lại (từ 2 vụ trở lên trong phạm vi bán kính khảo sát), cung cấp góc nhìn trực quan về các nút giao cắt nguy hiểm.
  • Mã hóa và tiền xử lý dữ liệu phi tuyến: Xây dựng quy trình chuyển đổi 8 trường dữ liệu thuộc tính phức tạp (thời gian, thứ trong tuần, khu vực, nút giao cắt, tính lặp lại, loại phương tiện, tình trạng nạn nhân, số người bị nạn) sang định dạng ma trận nhị phân 0 và 1 tương thích với đầu vào mạng neuron.
  • Thực nghiệm mô hình mạng neuron: Chứng minh được tính hiệu quả của mạng lan truyền ngược (Backpropagation) trong MATLAB đối với việc học và nhận dạng tập dữ liệu TNGT có tính chất phi tuyến mà các mô hình hồi quy tương quan tuyến tính đơn giản không giải thích được.
  • Đóng góp về mặt phương pháp luận: Kết hợp liên ngành giữa GIS và AI (ANN), đề xuất quy trình trích xuất, tiền xử lý và nhận dạng dữ liệu tai nạn giao thông đô thị với chi phí thấp, làm cơ sở khoa học hỗ trợ các nhà quản lý giao thông và quy hoạch đô thị đưa ra phương án giảm thiểu rủi ro tai nạn.

Hạn chế và hướng nghiên cứu tiếp

  • Hạn chế:
    • Dung lượng tập dữ liệu thực nghiệm còn khiêm tốn (339 vụ TNGT), chưa bao quát toàn bộ lịch sử tai nạn nhiều năm của thành phố.
    • Tọa độ các vụ tai nạn được số hóa gián tiếp từ mô tả văn bản (tên đường, số nhà, phường/xã) qua Google Maps nên độ chính xác vị trí mang tính tương đối (dù trên 95% điểm nằm trên mạng lưới đường).
    • Chưa tích hợp được các biến số hiện trường thực tế như chất lượng mặt đường (gồ ghề, trơn trượt), góc quan sát, tình trạng hoạt động của đèn tín hiệu giao thông và nồng độ cồn do thiếu hụt dữ liệu ghi nhận ban đầu.
    • Thuật toán lan truyền ngược cơ bản vẫn có xác suất gặp hiện tượng cực tiểu cục bộ (local minima) khi tối ưu hóa trọng số.
  • Hướng nghiên cứu tiếp:
    • Mở rộng quy mô tập dữ liệu TNGT qua nhiều năm trên địa bàn toàn thành phố và các tỉnh lân cận.
    • Thu thập bổ sung các lớp dữ liệu vi mô về hạ tầng giao thông và thời tiết tại thời điểm xảy ra tai nạn.
    • Nghiên cứu thử nghiệm các thuật toán tối ưu hóa nâng cao nhằm khắc phục triệt để bẫy cực tiểu cục bộ của mạng lan truyền ngược.
    • Mở rộng mô hình nhận dạng sang các bài toán không gian đô thị tương đồng: nhận dạng không gian các vụ trộm cắp, mô hình hóa điểm ùn tắc giao thông và phân tích nguy cơ phòng cháy chữa cháy.

Giá trị tham khảo

Khóa luận là tài liệu tham khảo hữu ích cho sinh viên, học viên cao học và cán bộ nghiên cứu thuộc các chuyên ngành: Hệ thống Thông tin Địa lý (GIS), Bản đồ học, Khoa học Dữ liệu, Trí tuệ Nhân tạo ứng dụng, Kỹ thuật Giao thông và Quản lý Đô thị.

Phần nội dung có giá trị ứng dụng cao nhất là quy trình kỹ thuật 4 giai đoạn: phương pháp xử lý dữ liệu địa chỉ sang không gian GIS, kỹ thuật phân tích vùng đệm 25m phát hiện điểm đen lặp lại, và phương pháp nhị phân hóa các biến thuộc tính hỗn hợp (chữ - số) để phục vụ huấn luyện các mô hình học máy trên phần mềm MATLAB.

Câu hỏi thường gặp

1. Bộ dữ liệu thực nghiệm tai nạn giao thông tại TPHCM trong khóa luận có quy mô bao nhiêu và gồm những thông tin gì?
Bộ dữ liệu gồm 339 vụ TNGT được thu thập từ Trung tâm Ứng dụng Hệ thống Thông tin Địa lý TPHCM (HCMGIS). Các trường dữ liệu gồm: Tọa độ (Kinh độ, Vĩ độ), vị trí xảy ra tai nạn (tên đường, phường/xã, quận/huyện), thời gian (giờ, phút), số lượng người bị tai nạn, phương tiện liên quan (bị nạn và gây tai nạn), tình trạng nạn nhân/người gây tai nạn (tử vong, bị thương, không bị thương) và nguyên nhân.

2. Tại sao tác giả thiết lập bán kính vùng đệm (Buffer) là 25m để xác định các vụ tai nạn có tính lặp lại?
Nhiều vụ tai nạn lặp lại trên thực tế không diễn ra chính xác tuyệt đối tại cùng một điểm tọa độ mà có thể xảy ra cách nhau 30m đến 50m quanh một khu vực nút giao hay điểm mở dải phân cách. Việc tạo vùng đệm bán kính 25m xung quanh mỗi điểm tai nạn giúp phát hiện các vụ tai nạn có vùng đệm chồng lấn lên nhau (trong cự ly ảnh hưởng 50m), từ đó nhận diện chính xác các vị trí xảy ra tai nạn từ 2 lần trở lên.

3. Kết quả đánh giá tương quan tuyến tính giữa 8 yếu tố TNGT cho thấy điều gì và tác giả xử lý ra sao?
Kết quả tính toán hệ số tương quan tuyến tính ($R$) giữa 8 yếu tố đều cho giá trị rất thấp ($R < 0,3$, mức tương quan thấp). Do không thể dựa vào tương quan tuyến tính để chọn lọc biến đầu vào, tác giả đã chuyển hướng sang phương pháp tổ hợp các yếu tố và đưa vào mạng neuron nhân tạo (ANN) để mô hình tự học các mối quan hệ phi tuyến phức tạp.

4. Mức độ chính xác của quá trình số hóa tọa độ các vụ TNGT trên bản đồ đạt tỷ lệ như thế nào?
Do dữ liệu gốc ghi nhận vị trí dưới dạng mô tả địa chỉ văn bản, tác giả sử dụng Google Maps để tra cứu và định vị tọa độ. Kết quả kiểm tra không gian cho thấy trên 95% số điểm sau khi số hóa nằm chính xác trên mạng lưới đường giao thông, và chỉ có dưới 15 điểm nằm lệch quá xa trục đường cần phải chỉnh sửa thủ công.

5. Vì sao hàm Sigmoid (Logsig) được ưu tiên sử dụng trong các mạng neuron huấn luyện bằng giải thuật lan truyền ngược?
Hàm Sigmoid có công thức $g(x) = \frac{1}{1 + e^{-x}}$, giới hạn đầu ra trong khoảng $[0, 1]$. Hàm số này có đặc tính toán học liên tục và rất dễ lấy đạo hàm, giúp giảm thiểu đáng kể khối lượng tính toán phức tạp trong quá trình truyền ngược đạo hàm sai số để cập nhật trọng số cho các neuron.

Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Ngọc Minh Tiến đã giải quyết thành công bài toán tích hợp công nghệ GIS và Mạng Neuron nhân tạo (ANN) lan truyền ngược để nhận dạng dữ liệu tai nạn giao thông tại TPHCM. Nghiên cứu hoàn thành việc chuẩn hóa cơ sở dữ liệu không gian 339 vụ tai nạn, đề xuất quy trình phân tích vùng đệm 25m phát hiện điểm đen lặp lại và nhị phân hóa thuộc tính phục vụ mô hình hóa phi tuyến trên MATLAB. Đây là công trình thực nghiệm nghiêm túc, có giá trị học thuật và thực tiễn cao trong việc ứng dụng trí tuệ nhân tạo vào quản lý an toàn giao thông đô thị.