Tổng quan luận án

Tính cấp thiết và khoảng trống nghiên cứu

Cơ sở hạ tầng giao thông đường bộ giữ vai trò then chốt trong phát triển kinh tế - xã hội. Tại các quốc gia đang phát triển như Việt Nam, tốc độ gia tăng phương tiện giao thông cá nhân vượt quá khả năng dung nạp của hạ tầng hiện hữu, dẫn đến tình trạng ùn tắc nghiêm trọng tại các đô thị lớn vào giờ cao điểm, đặc biệt tại Hà Nội và TP. Hồ Chí Minh. Số liệu thống kê từ Cục Đăng kiểm Việt Nam giai đoạn tháng 3 đến tháng 4 năm 2019 cho thấy số lượng ô tô lưu hành tăng từ 3.537 lên 3.966 xe (trong đó xe sản xuất mới lần lượt là 59 xe), và số lượng xe máy sản xuất mới trong hai tháng này là 579 xe. Theo số liệu của Bộ Giao thông Vận tải đến ngày 31 tháng 12 năm 2016, tổng lượng ô tô lưu hành năm 2015 là 2.401 chiếc và năm 2016 đạt 2.144 chiếc, tương ứng mức tăng trưởng 19,73% (trong đó xe con dưới 9 chỗ tăng 22,93%, xe khách từ 9 chỗ trở lên tăng 15,84%, xe tải tăng 17,65%).

Nhằm giải quyết bài toán giao thông, nhiều chủ trương và văn bản pháp lý đã được ban hành như Quyết định số 206/2004/QĐ-TTg và Quyết định số 35/2009/QĐ-TTg phê duyệt điều chỉnh Chiến lược phát triển giao thông vận tải đến năm 2020, tầm nhìn 2030; cùng Chỉ thị số 01/CT-UBND năm 2015 của UBND TP. Hà Nội về "Năm trật tự và văn minh đô thị". Dù các giải pháp xây dựng cầu vượt thép (Trần Khát Chân - Đại Cồ Việt, Hoàng Minh Giám - Trần Duy Hưng, Kim Mã - Nguyễn Chí Thanh, đường trên cao Vành đai 3) và phân làn đã được triển khai, áp lực điều hành đối với lực lượng Cảnh sát Giao thông vẫn rất lớn.

Khoảng trống nghiên cứu cốt lõi được tác giả chỉ ra là: Các hệ thống Giao thông Thông minh (Intelligent Transportation Systems - ITS) nhập khẩu từ các quốc gia phát triển chủ yếu được thiết kế cho hạ tầng đồng bộ, làn đường quy chuẩn và luồng phương tiện thuần ô tô. Khi áp dụng vào điều kiện Việt Nam — nơi có đặc trưng dòng giao thông hỗn hợp với mật độ xe máy rất cao cùng lưu thông trên một làn đường không có dải phân cách cứng — các hệ thống này không đáp ứng được yêu cầu nhận diện, phân loại và điều tiết. Đồng thời, hệ thống camera giám sát tại các đô thị Việt Nam hiện chủ yếu dừng lại ở việc quan sát thủ công hoặc hỗ trợ phạt nguội cơ bản (như hệ thống của CadPro tại 54 Trần Hưng Đạo, Hà Nội), chưa tích hợp các thuật toán tự động cải thiện chất lượng ảnh truyền dẫn băng thông thấp, chưa tự động đo tốc độ theo quang học hình học và chưa tự động điều khiển chu kỳ đèn tín hiệu thích nghi theo lưu lượng thực tế.

Mục tiêu và nhiệm vụ nghiên cứu

Mục tiêu tổng quát của luận án là nghiên cứu, hiện thực hóa và phát triển các giải pháp giám sát lưu lượng và quản lý phương tiện giao thông thông qua hệ thống camera giám sát, hướng tới xây dựng hệ thống ITS phù hợp với đặc thù giao thông hỗn hợp tại Việt Nam.

Nhiệm vụ nghiên cứu cụ thể của luận án gồm ba nội dung chính:

  1. Nghiên cứu đề xuất phương pháp tiền xử lý nhằm cải thiện và nâng cao chất lượng ảnh thu nhận từ camera truyền về trung tâm qua mạng truyền dẫn có băng thông thấp (trung bình 1 Mbps), tạo tiền đề cho các khâu trích xuất đặc trưng và nhận diện tiếp theo.
  2. Nghiên cứu phát triển các thuật toán quản lý phương tiện di chuyển trên đường thông qua xử lý ảnh, bao gồm: phát hiện phương tiện, phân loại phương tiện dựa trên góc tới trực tiếp (Direction Angle - DA) kết hợp vị trí đặt camera, và mô hình hóa phương pháp đo tốc độ phương tiện dựa trên các thông số hình học quang học của camera mà không cần cảm biến tiếp xúc mặt đường.
  3. Nghiên cứu đề xuất các giải pháp giám sát lưu lượng và điều khiển thích nghi thời gian chu kỳ hoạt động của đèn tín hiệu giao thông tại các nút giao cắt, dựa trên mật độ diện tích điểm ảnh bị chiếm dụng và tổ hợp số lượng, chủng loại phương tiện.

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Dữ liệu hình ảnh và chuỗi khung hình video thu nhận từ các camera giám sát giao thông lắp đặt tại các nút giao thông và tuyến đường có dòng phương tiện hỗn hợp (ô tô, xe máy, xe buýt, xe tải).
  • Phạm vi không gian: Hệ thống giao thông đường bộ đô thị tại Việt Nam, trọng tâm là khu vực đô thị Hà Nội với các vị trí khảo sát thực nghiệm cụ thể như hầm Kim Liên, nút giao Trần Phú - Điện Biên Phủ, đường gom Phạm Văn Đồng và các nút giao có đèn tín hiệu điều khiển.
  • Phạm vi thời gian: Dữ liệu thống kê, thực nghiệm và các văn bản chính sách được khảo sát trong giai đoạn từ năm 2013 đến năm 2019; luận án hoàn thành và bảo vệ vào năm 2020.

Tổng quan tài liệu và vị trí của luận án

Các hướng nghiên cứu trong và ngoài nước

Tác giả đã tổng hợp và phân loại các công trình nghiên cứu liên quan theo hai nhóm chính:

1. Các nghiên cứu và dự án trong nước

  • Nghiên cứu xử lý ảnh chuyên biệt: Nghiên cứu của nhóm tác giả trong tài liệu [2] ứng 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 và phân loại xe kết hợp đếm phương tiện trên đường cao tốc với camera đặt ở lề đường; công trình [4] phân loại phương tiện dựa trên đặc trưng véc-tơ đường viền từ ảnh nhị phân (tuy nhiên chưa khảo sát đầy đủ sai số thực nghiệm); công trình [5] đề xuất giải pháp đo tốc độ phương tiện dựa vào các điểm mốc định vị sẵn trên mặt đường.
  • Đề tài khoa học công nghệ cấp nhà nước: Đề tài KC.01.05/11-15 do PGS. Nguyễn Văn Đức chủ nhiệm nghiên cứu thiết bị thử nghiệm RFID, đầu đọc định danh tầm xa, thiết bị trên xe (OBU) và thiết bị bên đường (RSE) giao tiếp tầm ngắn chuyên dụng DSRC 5,8 GHz phục vụ thanh toán điện tử và điều hành giao thông; Đề tài KC.01.14/11-15 do TS. Tạ Tuấn Anh chủ nhiệm tập trung xây dựng cấu trúc hệ thống ITS, tiêu chuẩn hóa dữ liệu, thông tin trao đổi, tín hiệu điều khiển và ứng dụng công nghệ RFID trong định danh phương tiện tự động (AVI).
  • Dự án triển khai thực tế: Các chương trình nghiên cứu ba giai đoạn của JICA (Nhật Bản) về lộ trình, tiêu chuẩn và tích hợp ITS trên các tuyến quốc lộ phía Bắc; dự án ITS trên cao tốc Cầu Giẽ - Ninh Bình (vận hành từ tháng 10/2013 với 56 camera kỹ thuật số, 39 làn thu phí kín, cân tải trọng động); các tuyến cao tốc TP. Hồ Chí Minh - Trung Lương, TP. Hồ Chí Minh - Long Thành - Dầu Giây (nhà thầu ITOCHU - TOSHIBA); kế hoạch xây dựng ba trung tâm điều hành ITS khu vực Bắc - Trung - Nam đặt tại Bắc Ninh, Đà Nẵng, TP. Hồ Chí Minh; Trung tâm Điều khiển giao thông Hà Nội (hoạt động từ năm 2000 với thiết bị SAGEM do Pháp tài trợ); dự án REMON tại Hà Nội sử dụng GPS theo dõi trực tuyến lưu lượng; dự án ITS Đà Nẵng hợp tác với IBM và dự án tín hiệu giao thông ODA Tây Ban Nha triển khai làn sóng xanh; cùng hệ thống camera giám sát xử lý vi phạm của CadPro và kênh phát thanh VOV Giao thông [6].

2. Các nghiên cứu quốc tế

  • Kiến trúc và ứng dụng tổng thể ITS: Mô hình ITS thời kỳ công nghiệp 4.0 của Juan [1]; kiến trúc hệ thống ITS của tập đoàn Huawei; nghiên cứu ứng dụng tín hiệu mạng di động tế bào (Mobile Cellular) trong giám sát giao thông [7]; phát hiện tai nạn giao thông tự động [8, 44, 45] và dự đoán tai nạn [46]; các giải pháp quản lý chỗ đỗ xe thông minh [9, 42, 43]; báo cáo của Bộ Giao thông Vận tải Hoa Kỳ (USDOT) đến năm 2015 về xe tự hành và giao tiếp phương tiện - hạ tầng (V2I/V2V).
  • Công nghệ phát hiện phương tiện: Các công nghệ xâm lấn và không xâm lấn gồm cảm ứng điện từ [14], cảm biến từ trường/từ tính [15], áp kế [16], hồng ngoại chủ động [17], hồng ngoại bị động [14], RADAR vi sóng [14], cảm biến siêu âm [18], cảm biến âm thanh [19].
  • Kỹ thuật xử lý ảnh trong ITS: Các phương pháp trừ nền kinh điển [26, 27], trừ nền thích nghi [29, 30], sai phân khung hình [31, 32], mạng trí tuệ nhân tạo nhận dạng [13, 34-37].
  • Nhận dạng biển số (ALPR): Kỹ thuật định vị biển số theo màu sắc [47, 48], theo đường viền Sobel [49, 50], theo học máy Viola-Jones và bộ phân loại Adaboost [20, 51] với đặc trưng Haar và SIFT; kỹ thuật phân đoạn ký tự bằng phương pháp chiếu [52-54]; kỹ thuật nhận dạng ký tự OCR sử dụng kNN, MLP, SVM và CNN với các kiến trúc OvO (One-vs-One) và OvA (One-vs-All).
  • Phân loại phương tiện qua thị giác: Phân tích ảnh nhiệt bức xạ [57, 58]; phân loại theo hình dạng và đặc trưng biên kết hợp các bộ phân loại SIFT [64], biến đổi sóng con rời rạc TRP/DWT, phân tích thành phần chính PCA + SVM, phân đoạn ảnh GMM kết hợp bóng và HOG huấn luyện SVM [65], hình dạng bóng [63], trừ nền đo kích thước [66], 17 đặc trưng blob kết hợp LDA và kNN [67], đặc trưng đèn hậu và kích thước biển số kết hợp mạng Bayesian [69], đường biên cơ sở kết hợp FLD [70], 11 đặc trưng blob kết hợp LDA/kNN [71], camera mắt cá kết hợp HOG + SVM [72], trích xuất đặc trưng HOG [79, 80, 85], đặc trưng Haar [87-90], khoảng cách Hausdorff [75] và so khớp Chamfer [76].

Khoảng trống luận án lựa chọn giải quyết

Tổng hợp từ bảng so sánh các công nghệ cảm biến phát hiện phương tiện trong giao thông hỗn hợp:

Công nghệ Đếm phương tiện Đo tốc độ Phân loại Nhận diện Giao thông hỗn hợp
Cảm ứng điện từ Có Có Có Có Không
Từ trường Có Có Có Không Không
Từ tính Có Có Có Không Không
RADAR vi sóng Có Có Có Có Không
Hồng ngoại chủ động Có Có Có Có Không
Hồng ngoại bị động Có Có Có Không Không
Siêu âm Có Có Không Không Không
Âm thanh Có Có Có Không Không
Công nghệ không dây Có Có Có Không Có
Xử lý ảnh Có Có Có Có Có

Từ Bảng so sánh trên, xử lý ảnh là công nghệ duy nhất có khả năng đáp ứng đồng thời cả năm chức năng (đếm, đo tốc độ, phân loại, nhận diện và thích ứng giao thông hỗn hợp). Luận án định vị trọng tâm vào việc giải quyết các hạn chế kỹ thuật khi triển khai công nghệ xử lý ảnh tại Việt Nam: nâng cao chất lượng ảnh truyền dẫn với băng thông 1 Mbps; phân loại phương tiện hỗn hợp không cần phân làn cứng; đo tốc độ chính xác từ hình học camera; và tự động hóa điều khiển chu kỳ đèn tín hiệu dựa trên mật độ điểm ảnh chiếm dụng thực tế.

Cơ sở lý thuyết và phương pháp nghiên cứu

Cơ sở lý thuyết, khái niệm và khung phân tích

Luận án vận dụng hệ thống lý thuyết và khái niệm kỹ thuật chuyên ngành Điện tử - Viễn thông và Thị giác máy tính:

  • Khái niệm và chuẩn đo lường: Hệ thống giao thông thông minh (ITS), Nhận dạng biển số tự động (ALPR/ANPR), Nhận dạng ký tự quang học (OCR), Vùng quan tâm (ROI), Điểm khuất (Vanish Point - VP), Góc tới trực tiếp (Direction Angle - DA), Tỉ số tín hiệu cực đại trên nhiễu (PSNR), Nhiễu khối (Block Artifact - BA).
  • Lý thuyết nội suy và lọc ảnh: Thuật toán nội suy Bicubic (BI), nội suy Cubic (CI), toán tử phát hiện biên Canny và Sobel, thuật toán trừ nền thích nghi.
  • Lý thuyết trích xuất đặc trưng và phân loại: Đặc trưng Haar-like, Biểu đồ độ dốc định hướng (HOG), Biến đổi đặc trưng tỷ lệ không đổi (SIFT), Chuyển đổi sóng con rời rạc (DWT), Thuật toán phân loại véc-tơ máy hỗ trợ (SVM), Thuật toán k lân cận gần nhất (k-NN), Phân tích biệt số tuyến tính (LDA), Bộ điều khiển logic mờ (FLC).
  • Mô hình toán học và quang học hình học camera: Mô hình ánh xạ không gian ba chiều về mặt phẳng hai chiều của cảm biến CCD/CMOS; mối quan hệ giữa góc mở quan sát của camera ($\beta$), chiều cao lắp đặt ($h$), khoảng cách từ chân camera đến đối tượng ($d$), độ phân giải ma trận điểm ảnh $I(x, y)$, và tốc độ khung hình trên giây (FPS).
  • Lý thuyết dòng giao thông: Mối quan hệ giữa lưu lượng ($q$), mật độ ($k$), vận tốc trung bình ($V$), lý thuyết hàng đợi tại nút giao thông ba pha và hàm toán học mật độ $\Psi_{ti}(x)$ trong vùng quan sát.

Phương pháp nghiên cứu thực tế

Luận án kết hợp phương pháp mô hình hóa lý thuyết, nghiên cứu thực nghiệm định lượng và mô phỏng số:

  1. Phương pháp tiền xử lý dữ liệu ảnh: Thiết lập thuật toán kết hợp nội suy Bicubic với bản đồ biên Canny; khoanh vùng đường cong kín và tái tính toán giá trị điểm ảnh biên dựa trên ma trận cục bộ kích thước $7 \times 7$ và ma trận con $S_{min}$ kích thước $3 \times 3$; đánh giá mức độ suy giảm chất lượng và phục hồi thông qua chỉ số định lượng PSNR.
  2. Phương pháp phân loại phương tiện: Ứng dụng kỹ thuật trừ nền trích xuất đường bao đối tượng (Bounding Box), tính toán góc tới trực tiếp DA dựa trên tọa độ hình học của phương tiện hướng về phía camera; thống kê phân bố giá trị góc tới trên tập mẫu dữ liệu thực nghiệm gồm 80 ô tô, các tập mẫu xe buýt, xe tải và xe máy.
  3. Phương pháp mô hình hóa đo tốc độ: Thiết lập hệ phương trình chuyển động dựa trên góc quét điểm ảnh của camera; xác định khoảng cách di chuyển thực tế $\Delta s$ thông qua độ dịch chuyển số lượng điểm ảnh $\Delta p$ giữa các khung hình liên tiếp với camera chuẩn hóa tốc độ 12 FPS; hiệu chỉnh sai số quang học và điểm khuất (VP).
  4. Phương pháp mô phỏng điều khiển giao thông: Xây dựng giải thuật ước lượng mật độ phương tiện dựa trên tỷ lệ điểm ảnh bị chiếm dụng tại vùng đích ($\delta \alpha_n$), vùng đệm ($L$) và vùng giao thoa ($\beta$); sử dụng phần mềm mô phỏng Simtram để đánh giá thời gian trễ và hiệu quả thông hành qua nút giao 3 pha trong 4 chu kỳ liên tiếp.

Nguồn tư liệu và dữ liệu

  • Dữ liệu hình ảnh và video thực nghiệm thu thập trực tiếp từ hệ thống camera giám sát giao thông lắp đặt tại các nút giao thông ở Hà Nội (hầm Kim Liên, ngã tư Điện Biên Phủ - Trần Phú, đường Phạm Văn Đồng).
  • Bộ số liệu thống kê phương tiện của Cục Đăng kiểm Việt Nam và Cổng thông tin điện tử Bộ Giao thông Vận tải.
  • Các bộ dữ liệu mẫu trong nước và quốc tế phục vụ huấn luyện và kiểm thử thuật toán ALPR, HOG, Haar-like và SVM.

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 cơ sở lý luận về ITS và vai trò của công nghệ xử lý ảnh trong bối cảnh giao thông hỗn hợp:

  • Kiến trúc và chức năng ITS: Phân tích mô hình ITS theo kiến trúc của Juan [1] và Huawei, bao gồm 6 nhóm chức năng cơ bản: trao đổi thông tin, phát hiện phương tiện, điều khiển luồng, phụ trợ thương mại, thanh toán điện tử (RFID/thu phí không dừng), và bảo mật an toàn.
  • Quy trình xử lý ảnh trong giao thông: Trình bày chu trình chuẩn từ thu nhận ảnh/video $\rightarrow$ Tiền xử lý hình ảnh $\rightarrow$ Trích xuất đặc trưng $\rightarrow$ Ra quyết định $\rightarrow$ Trực quan hóa dữ liệu.
  • Khảo sát chuyên sâu các chức năng thị giác máy tính:
    • Nhận dạng biển số (ALPR): Phân tích quy trình 4 bước gồm định vị biển số (dựa trên màu sắc, cạnh Sobel, học máy Adaboost/Viola-Jones), phân đoạn ký tự (phương pháp chiếu cắt), nhận dạng ký tự OCR (kNN, MLP, SVM, CNN) và đối chiếu dữ liệu.
    • Phân loại phương tiện: So sánh các nhóm giải pháp từ camera RGB, camera nhiệt [57, 58] (khắc phục biến thiên nhiệt độ môi trường theo công thức $I_{chuyen_doi}(i, j) = I_{max} - I(i, j)$) và ảnh LiDAR. Tổng hợp các tiếp cận hình học, HOG, Haar, trích xuất đường viền từ Bảng 1.2.
    • Đo tốc độ và giám sát lưu lượng: Khảo sát các kỹ thuật hiệu chuẩn camera, xác định điểm khuất (VP) và biểu đồ quan hệ lưu lượng $q$ theo phương pháp đo tức thời và đo điểm (Bảng 1.3).
  • Thách thức môi trường và hạ tầng: Đánh giá các tác nhân gây nhiễu thị giác như thời tiết mưa lớn, ban đêm [38], ánh sáng ngược, hiện tượng đổ bóng phương tiện [39, 40, 41], và đặc biệt là sự thiếu vắng làn đường dành riêng cho từng loại phương tiện tại đô thị Việt Nam.

CHƯƠNG 2. QUẢN LÝ PHƯƠNG TIỆN GIAO THÔNG

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

1. Đề xuất thuật toán cải thiện và nâng cao chất lượng ảnh

Để khắc phục hiện tượng suy giảm chất lượng ảnh khi truyền qua kênh truyền băng thông thấp (trung bình 1 Mbps), tác giả đề xuất giải thuật nâng cao chất lượng ảnh dựa trên cơ sở nội suy Bicubic kết hợp phát hiện biên:

  • Ảnh gốc độ phân giải thấp được nội suy phóng đại bằng giải thuật Bicubic (BI).
  • Áp dụng toán tử Canny để trích xuất chính xác đường biên phân tách giữa các đối tượng.
  • Xác định các đường cong kín và áp dụng ma trận trượt $7 \times 7$ cùng ma trận con $S_{min}$ kích thước $3 \times 3$ để tính toán lại giá trị mức xám của các điểm ảnh cận biên, loại bỏ hiện tượng mờ nhòe và nhiễu khối (Block Artifact).
  • Kết quả định lượng được đánh giá qua chỉ số PSNR (Bảng 2.1), chứng minh chất lượng khôi phục biên của phương pháp đề xuất vượt trội so với phương pháp nội suy BI truyền thống.

2. Đề xuất phương pháp phân loại phương tiện giao thông

  • Sử dụng thuật toán trừ nền thích nghi để tách biệt phương tiện di chuyển khỏi nền tĩnh và xác định hộp bao (Bounding Box).
  • Đề xuất phân loại phương tiện dựa trên thông số góc tới trực tiếp (Direction Angle - DA) — góc tạo bởi trục chuyển động của phương tiện hướng tới camera giám sát.
  • Thu thập và lập bảng thống kê giá trị góc tới DA thực nghiệm cho các nhóm phương tiện:
    • Giá trị góc tới của 80 ô tô nhận dạng được (Bảng 2.2).
    • Giá trị góc tới của nhóm xe tải và xe buýt (Bảng 2.3).
    • Giá trị góc tới của nhóm xe máy (Bảng 2.4).
    • Tổng hợp ngưỡng phân loại góc tới và độ chính xác nhận dạng tổng thể (Bảng 2.5 và Bảng 2.6).

3. Đề xuất mô hình hóa phương pháp đo tốc độ phương tiện

  • Xây dựng mô hình quang học hình học dựa trên thông số lắp đặt camera (Bảng 2.7): chiều cao gắn camera, góc nghiêng quan sát $\beta$, và khoảng cách hình chiếu từ chân camera đến phương tiện $d$.
  • Camera thử nghiệm có tốc độ khung hình chuẩn hóa là 12 FPS (khung hình/giây). Mỗi điểm ảnh trên cảm biến được ánh xạ tương ứng với một đơn vị kích thước thực địa.
  • Vận tốc của phương tiện $V$ được tính toán thông qua quãng đường dịch chuyển thực tế giữa hai khung hình liên tiếp chia cho khoảng thời gian $\Delta t = 1/12$ giây.
  • Đánh giá sai số đo tốc độ (Hình 2.28) cho thấy mô hình đạt độ ổn định cao, không phụ thuộc vào việc phải cắt đường đặt vòng cảm ứng từ.

CHƯƠNG 3. LƯU LƯỢNG PHƯƠNG TIỆN GIAO THÔNG

Chương 3 trình bày các giải pháp giám sát lưu lượng và điều khiển tối ưu hóa chu kỳ đèn tín hiệu tại nút giao thông hỗn hợp:

1. Đề xuất giám sát và điều khiển đèn tín hiệu theo mật độ lưu lượng

  • Phân tích đặc thù dòng giao thông hỗn hợp tại Việt Nam (Hình 3.3, Hình 3.12): xe máy có xu hướng len lỏi và chiếm dụng mọi khoảng trống giữa các ô tô, làm các mô hình đếm đầu xe truyền thống mất độ chính xác.
  • Luận án đề xuất phương pháp đo mật độ dựa trên tỷ lệ diện tích điểm ảnh nhị phân bị chiếm dụng trong vùng quan sát $L$, vùng đệm $\Delta \alpha_n$ và vùng giao thoa $\beta$ (Hình 3.4, Hình 3.7).
  • Thiết lập giải thuật điều khiển chu kỳ đèn tín hiệu thích nghi: Thời gian đèn xanh của một luồng được tính toán tỷ lệ thuận với mức độ chiếm dụng diện tích điểm ảnh tại vùng đích; thời gian đèn vàng tương ứng với thời gian giải phóng nút giao; thời gian đèn đỏ được ấn định bằng tổng thời gian đèn xanh của luồng giao cắt đối diện.
  • Bảng dữ liệu đề xuất thời gian hoạt động của đèn tín hiệu theo mật độ ước lượng (Bảng 3.1) chỉ ra các mức điều chỉnh thời gian đèn (giây) tương ứng với từng dải mật độ thực tế.

2. Đề xuất giám sát và điều khiển theo số lượng và chủng loại phương tiện

  • Phân loại phương tiện theo kích thước thực địa (Bảng 3.2) để quy đổi tương đương không gian chiếm dụng của xe máy, ô tô con, xe tải và xe buýt.
  • Thiết lập mô hình quan hệ giữa mật độ dòng xe ($k$) và lưu lượng ($q$) (Hình 3.14) kết hợp mô hình hàng đợi tại nút giao thông ba pha (Hình 3.15, Hình 3.16, Hình 3.17).
  • Tiến hành mô phỏng thực nghiệm trên phần mềm Simtram qua 4 chu kỳ đèn liên tiếp (Bảng 3.3).
  • Kết quả mô phỏng (Bảng 3.4) chứng minh phương pháp đề xuất giúp giảm đáng kể thời gian trễ chờ trung bình của phương tiện tại nút giao so với chu kỳ đèn cố định truyền thống.

Kết quả và những đóng góp mới

Những đóng góp mới về lý luận và kỹ thuật

  1. Thuật toán cải thiện chất lượng ảnh biên: Đề xuất thành công thuật toán tiền xử lý ảnh kết hợp giữa nội suy Bicubic và lọc biên Canny với cơ chế tái tính toán điểm ảnh trên ma trận cục bộ $7 \times 7$, giúp nâng cao tỷ số tín hiệu trên nhiễu PSNR và phục hồi độ sắc nét đường biên đối tượng, giải quyết rào cản băng thông truyền dẫn thấp (1 Mbps) từ camera về máy chủ xử lý.
  2. Phương pháp phân loại phương tiện theo góc tới trực tiếp (DA): Đề xuất phương pháp phân loại phương tiện giao thông mới dựa trên sự kết hợp giữa đường bao đối tượng và góc tới DA, cho phép phân tách chính xác các nhóm phương tiện chủ đạo trong dòng giao thông hỗn hợp (ô tô con, xe buýt, xe tải, xe máy) mà không cần hệ thống phân làn cưỡng bức.
  3. Mô hình hóa hình học - quang học đo tốc độ phương tiện: Xây dựng mô hình toán học tính toán vận tốc phương tiện dựa hoàn toàn vào độ phân giải ảnh, góc quét $\beta$, thông số lắp đặt camera và tốc độ khung hình (12 FPS), cho phép đo tốc độ chính xác từ xa mà không cần can thiệp xẻ đường hay lắp đặt cảm biến phụ trợ.
  4. Giải thuật điều khiển đèn tín hiệu thích nghi theo mật độ điểm ảnh chiếm dụng: Đề xuất giải thuật tự động điều chỉnh chu kỳ đèn tín hiệu giao thông tại nút giao dựa trên diện tích vùng ảnh bị phương tiện chiếm dụng thực tế, giải quyết căn bản hiện tượng mất cân bằng luồng xe và tối ưu hóa năng lực thông hành cho nút giao thông đô thị đặc thù Việt Nam.

Kiến nghị và giải pháp đề xuất

  • Ứng dụng hạ tầng: Khuyến nghị cơ quan quản lý giao thông ưu tiên tích hợp các mô-đun phần mềm xử lý ảnh vào hệ thống camera giám sát hiện có tại các nút giao thông có mật độ cao và các điểm đen thường xuyên ùn tắc tại Hà Nội và TP. Hồ Chí Minh.
  • Hiện đại hóa điều khiển: Đề xuất chuyển đổi các tủ điều khiển đèn tín hiệu giao thông từ chế độ thời gian cố định (Fixed-time) sang chế độ điều khiển thích nghi (Adaptive Signal Control) tích hợp thuật toán ước lượng mật độ điểm ảnh theo thời gian thực.
  • Tích hợp dữ liệu: Kiến nghị hoàn thiện quy chuẩn kết nối đồng bộ giữa dữ liệu xử lý thị giác từ camera với hệ thống cơ sở dữ liệu đăng kiểm và hạ tầng thu phí tự động không dừng (ETC/RFID) phục vụ quản lý và xử phạt vi phạm tự động.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của nghiên cứu

  • Điều kiện thử nghiệm môi trường: Các thực nghiệm và tập dữ liệu thu nhận chủ yếu được tiến hành trong điều kiện ban ngày và thời tiết bình thường; khả năng nhận dạng và đo lường trong các điều kiện thời tiết cực đoan (mưa bão lớn, ban đêm thiếu sáng, sương mù dày đặc hoặc ánh sáng mặt trời chiếu trực diện gây lóa cảm biến) vẫn còn gặp sai số nhất định.
  • Giới hạn tốc độ khung hình: Thiết lập thực nghiệm camera đo tốc độ sử dụng tốc độ chuẩn 12 FPS; khi phương tiện di chuyển với vận tốc rất cao, độ phân giải thời gian có thể ảnh hưởng đến độ chính xác vi phân chuyển động.
  • Quy mô nút giao: Giải thuật điều khiển đèn giao thông mới tập trung thử nghiệm và mô phỏng trên mô hình nút giao 3 pha riêng lẻ, chưa khảo sát đầy đủ mô hình phối hợp liên nút phức tạp (mạng lưới nhiều nút giao liên hoàn diện rộng).

Hướng phát triển tiếp theo

  • Nghiên cứu tích hợp các mô hình học sâu (Deep Learning) và mạng nơ-ron tích chập (CNN) hiện đại nhằm nâng cao độ chính xác phát hiện phương tiện trong điều kiện thời tiết xấu và ban đêm.
  • Mở rộng mô hình điều khiển tín hiệu đèn giao thông thích nghi từ một nút giao đơn lẻ sang hệ thống phối hợp điều khiển mạng lưới đa nút giao liên hoàn ("Làn sóng xanh" thông minh).
  • Tích hợp và thử nghiệm các giải pháp trên các nền tảng phần cứng xử lý nhúng tốc độ cao đặt trực tiếp tại biên (Edge Computing) ở các cột camera giao thông.

Giá trị tham khảo

Đối tượng thụ hưởng

  • Nghiên cứu sinh, học viên cao học và giảng viên: Chuyên ngành Kỹ thuật Điện tử, Viễn thông, Công nghệ Thông tin, Kỹ thuật Máy tính và Kỹ thuật Giao thông có thể sử dụng luận án làm tài liệu tham khảo chuyên sâu về kỹ thuật xử lý ảnh giao thông, mô hình hóa quang học camera và điều khiển thích nghi dòng giao thông hỗn hợp.
  • Kỹ sư và chuyên gia phát triển hệ thống ITS: Tham khảo trực tiếp quy trình thiết kế hệ thống giám sát thị giác, thuật toán nâng cao chất lượng ảnh BI-Canny, kỹ thuật phân loại DA và mô hình đo tốc độ không tiếp xúc.
  • Các nhà hoạch định chính sách và cơ quan quản lý (Bộ Giao thông Vận tải, Cục Cảnh sát Giao thông, Sở GTVT các địa phương): Sử dụng các kết quả nghiên cứu và dữ liệu thực nghiệm làm cơ sở khoa học để xây dựng tiêu chuẩn kỹ thuật camera giám sát đô thị, quy hoạch các nút giao thông và tối ưu hóa hệ thống đèn tín hiệu giao thông đô thị.

Phần nội dung giá trị nhất

  • Bảng tổng hợp so sánh các công nghệ cảm biến và xử lý ảnh trong giao thông hỗn hợp (Chương 1).
  • Thuật toán cải thiện chất lượng ảnh trên cơ sở nội suy Bicubic và ma trận cục bộ lọc biên Canny (Chương 2).
  • Phương pháp phân loại phương tiện bằng góc tới trực tiếp DA và mô hình quang học đo tốc độ (Chương 2).
  • Giải thuật và bảng thông số điều khiển chu kỳ đèn tín hiệu giao thông thích nghi theo mật độ điểm ảnh chiếm dụng (Chương 3).

Câu hỏi thường gặp

1. Tại sao công nghệ xử lý ảnh được lựa chọn là giải pháp trọng tâm cho giao thông hỗn hợp thay vì các loại cảm biến khác?

Theo khảo sát định lượng tại Bảng 1.1 của luận án, các công nghệ cảm biến truyền thống như vòng cảm ứng từ (ILDS), cảm biến từ trường, RADAR vi sóng, hồng ngoại hay siêu âm đều có hạn chế lớn là đòi hỏi luồng phương tiện phải đi theo làn quy chuẩn và không có khả năng nhận diện hoặc phân loại chính xác khi nhiều loại xe (ô tô, xe máy, xe đạp) cùng chen chúc trên một mặt đường. Công nghệ xử lý ảnh qua camera là phương thức duy nhất đáp ứng đồng thời cả 5 tiêu chí: đếm phương tiện, đo tốc độ, phân loại phương tiện, nhận diện phương tiện và hoạt động hiệu quả trong môi trường giao thông hỗn hợp mà không cần cắt xẻ mặt đường để lắp đặt.

2. Thuật toán cải thiện chất lượng ảnh do tác giả đề xuất xử lý bài toán truyền dẫn băng thông thấp (1 Mbps) như thế nào?

Để giải quyết tình trạng suy giảm chất lượng khi truyền dữ liệu qua băng thông thấp trung bình 1 Mbps, tác giả đề xuất giải thuật tiền xử lý: Ảnh đầu vào độ phân giải thấp được phóng đại bằng nội suy Bicubic (BI); tiếp đó áp dụng toán tử Canny trích xuất đường biên chính xác của các đối tượng; sau đó sử dụng một cửa sổ trượt ma trận kích thước $7 \times 7$ chứa ma trận con $S_{min}$ kích thước $3 \times 3$ trượt dọc theo các điểm ảnh biên để tính toán lại giá trị mức xám cục bộ dựa trên bản đồ ảnh gốc tham chiếu. Quá trình này giúp tái tạo độ tương phản biên sắc nét, loại bỏ nhiễu khối (Block Artifact) và nâng cao chỉ số PSNR trước khi đưa vào các khối nhận dạng tiếp theo.

3. Nguyên lý phân loại phương tiện dựa trên góc tới trực tiếp (DA) hoạt động ra sao?

Sau khi tách nền để thu được vùng bao đối tượng (Bounding Box), phương pháp phân loại của tác giả không phụ thuộc hoàn toàn vào kích thước tuyệt đối mà tính toán góc tới trực tiếp DA (Direction Angle) tạo bởi trục chuyển động của phương tiện hướng về phía camera. Do ô tô, xe buýt, xe tải và xe máy có cấu trúc hình học, chiều dài thân xe và quỹ đạo hướng tới góc nhìn camera khác nhau, phân bố giá trị góc tới DA của từng loại phương tiện sẽ rơi vào các dải giá trị đặc trưng riêng biệt (được xác lập qua Bảng 2.2 đến Bảng 2.5), từ đó cho phép phân loại nhanh và chính xác từng dòng xe.

4. Phương pháp đo tốc độ trong luận án được thiết lập dựa trên những tham số quang học và hình học nào của camera?

Phương pháp đo tốc độ được mô hình hóa toán học dựa trên: góc thu quan sát của camera ($\beta$), chiều cao lắp đặt camera so với mặt đường, khoảng cách hình chiếu từ chân camera đến phương tiện ($d$), và tốc độ khung hình chuẩn hóa 12 FPS. Bằng cách chia góc thu $\beta$ theo từng điểm ảnh, mỗi pixel trên ảnh đại diện cho một kích thước thực địa xác định. Khi phương tiện di chuyển, độ dịch chuyển số lượng điểm ảnh giữa các khung hình liên tiếp ($\Delta t = 1/12$ giây) được quy đổi trực tiếp thành quãng đường di chuyển thực tế, từ đó suy ra vận tốc $V$ của phương tiện mà không cần cảm biến đặt dưới lòng đường.

5. Giải thuật điều chỉnh chu kỳ đèn tín hiệu giao thông thích nghi ở Chương 3 căn cứ vào yếu tố nào?

Thay vì đếm số lượng đầu xe theo cách truyền thống (vốn không chính xác do xe máy thường len lỏi vào các khoảng trống giữa các ô tô), giải thuật ở Chương 3 căn cứ vào tỷ lệ diện tích điểm ảnh nhị phân bị phương tiện chiếm dụng tại vùng đích $\Delta \alpha_n$, vùng quan sát $L$ và vùng giao thoa $\beta$. Hệ thống ước lượng mức độ đầy ứ của mặt đường theo thời gian thực để tự động phân bổ: thời gian đèn xanh được kéo dài hoặc rút ngắn tương ứng với mật độ diện tích bị chiếm dụng, thời gian đèn vàng tính theo thời gian giải phóng nút giao, và thời gian đèn đỏ được ấn định bằng thời gian đèn xanh của luồng giao cắt đối diện.

Kết luận

Luận án Tiến sĩ Kỹ thuật Điện tử của tác giả Nguyễn Việt Hưng đã giải quyết toàn diện bài toán giám sát lưu lượng và quản lý phương tiện giao thông đặc thù cho môi trường giao thông hỗn hợp tại Việt Nam bằng công nghệ xử lý ảnh. Công trình đã đóng góp các giải pháp kỹ thuật có giá trị khoa học và thực tiễn cao, bao gồm thuật toán nâng cao chất lượng ảnh Bicubic-Canny thích ứng băng thông thấp, phương pháp phân loại phương tiện theo góc tới trực tiếp DA, mô hình quang học đo tốc độ phương tiện từ xa và giải thuật điều khiển chu kỳ đèn tín hiệu thích nghi theo mật độ điểm ảnh chiếm dụng. Các kết quả nghiên cứu và mô phỏng trên Simtram cung cấp luận cứ khoa học vững chắc phục vụ công tác hiện đại hóa hạ tầng giao thông thông minh (ITS) tại các đô thị lớn ở Việt Nam.