Tổng quan về luận án

Sự gia tăng đột biến của phương tiện cá nhân trong bối cảnh hạ tầng giao thông đô thị phát triển không đồng bộ đã tạo ra những điểm nghẽn nghiêm trọng đối với sự phát triển kinh tế - xã hội tại các quốc gia đang phát triển. Theo số liệu thống kê từ Cục Đăng kiểm Việt Nam, chỉ trong giai đoạn ngắn từ tháng 3/2019 đến tháng 4/2019, số lượng ô tô lưu hành trên toàn quốc đã tăng từ 3.537 xe lên 3.966 xe, trong khi lượng xe máy sản xuất mới trong hai tháng này đạt mức 579.000 phương tiện. Tổng thể giai đoạn 2015 - 2016 ghi nhận tốc độ tăng trưởng ô tô đạt 19,73% (trong đó xe con dưới 9 chỗ tăng 22,93%, xe tải tăng 17,65%). Nhằm giải quyết tình trạng ùn tắc và hiện thực hóa các định hướng chiến lược theo Quyết định số 206/2004/QĐ-TTg ngày 10/12/2004 và Quyết định số 35/2009/QĐ-TTg ngày 03/03/2009 của Thủ tướng Chính phủ, việc ứng dụng các giải pháp khoa học công nghệ vào Hệ thống Giao thông Thông minh (Intelligent Transportation Systems - ITS) trở thành nhiệm vụ cấp bách. Luận án tiến sĩ kỹ thuật điện tử (mã số: 9520203) của tác giả Nguyễn Việt Hưng với đề tài "Nghiên cứu phát triển các giải pháp giám sát lưu lượng và quản lý phương tiện giao thông qua camera giám sát", dưới sự hướng dẫn khoa học của PGS. Nguyễn Tiến Dũng tại Trường Đại học Bách Khoa Hà Nội (2020), đã giải quyết căn cơ các bài toán kỹ thuật đặt ra trong quản lý điều hành giao thông đô thị.

Khoảng trống nghiên cứu (research gap) trọng tâm mà luận án xác định xuất phát từ sự không tương thích giữa các hệ thống ITS nhập khẩu từ các quốc gia phát triển với bối cảnh hạ tầng thực tế tại Việt Nam. Dòng giao thông tại các đô thị Việt Nam mang bản chất là "dòng giao thông hỗn hợp" (mixed traffic flow), nơi nhiều chủng loại phương tiện (ô tô, xe máy, xe buýt, xe tải, xe thô sơ) cùng di chuyển trên một làn đường mà không có dải phân cách cứng phân làn hoàn toàn. Tại các nút giao thông giờ cao điểm, các phương tiện không tuân thủ kỷ luật làn đường chuẩn hóa, dẫn đến hiện tượng che khuất lẫn nhau (occlusion) nghiêm trọng. Đồng thời, hạn chế về hạ tầng truyền dẫn băng thông thấp từ các camera giám sát về trung tâm chỉ huy gây suy giảm chất lượng ảnh, cản trở việc phát hiện, phân loại và ước lượng vận tốc phương tiện theo thời gian thực.

Để giải quyết triệt để khoảng trống này, luận án tập trung trả lời 3 câu hỏi nghiên cứu và kiểm chứng 3 giả thuyết khoa học cốt lõi:

  1. Câu hỏi nghiên cứu 1 (RQ1): Làm thế nào để khôi phục và nâng cao chất lượng ảnh độ phân giải thấp truyền qua kênh băng thông hẹp nhằm bảo toàn độ tương phản của đường biên đối tượng phục vụ việc trích xuất đặc trưng chính xác?
    • Giả thuyết 1 (H1): Giải thuật nội suy cải tiến dựa trên việc tính toán lại giá trị điểm ảnh cận biên theo ma trận lân cận sẽ loại bỏ hiệu ứng khối (block artifacts) và nâng cao tỉ số tín hiệu cực đại trên nhiễu (PSNR) so với thuật toán Bicubic truyền thống.
  2. Câu hỏi nghiên cứu 2 (RQ2): Phương pháp mô hình hóa nào cho phép phân loại và đo tốc độ phương tiện giao thông hỗn hợp với độ chính xác cao chỉ dựa trên thông số quang học camera mà không cần cảm biến can thiệp mặt đường?
    • Giả thuyết 2 (H2): Việc tích hợp góc tới trực tiếp (Direct Angle - DA) và phân tích biến đổi tọa độ không gian điểm ảnh qua góc nghiêng quang học ($\beta$) của camera sẽ cho phép phân loại chính xác các nhóm phương tiện và xác định vận tốc tức thời theo thời gian thực.
  3. Câu hỏi nghiên cứu 3 (RQ3): Cơ chế điều khiển thích nghi chu kỳ đèn tín hiệu giao thông tại nút giao dựa trên diện tích chiếm dụng điểm ảnh thực tế của dòng phương tiện hỗn hợp có tối ưu hóa được thời gian chờ so với chu kỳ đèn cố định?
    • Giả thuyết 3 (H3): Thuật toán ước lượng mật độ chiếm dụng vùng đích ($\delta\alpha_n$) từ dữ liệu ảnh nhị phân sẽ tự động hiệu chỉnh độ dài pha đèn xanh và phân bổ khoảng trống lưu thông tối ưu, làm giảm thiểu chiều dài hàng đợi tại nút giao.

Khung lý thuyết của công trình được xây dựng trên sự giao thoa của Lý thuyết Xử lý ảnh số (Digital Image Processing), Hình học phép chiếu quang học (Projective Geometry & Optical Camera Calibration), Lý thuyết Dòng giao thông thủy động lực học (Lighthill-Whitham-Richards Macro Traffic Flow Theory) và Lý thuyết Hàng đợi (Queuing Theory). Phạm vi thực nghiệm của luận án bao phủ các nút giao thông trọng điểm có lưu lượng phức tạp tại Hà Nội (như hầm Kim Liên, nút giao Trần Phú - Điện Biên Phủ, đường gom Phạm Văn Đồng), sử dụng dữ liệu video thu nhận từ hệ thống camera thử nghiệm tốc độ quét 12 fps và kiểm chứng mô phỏng trên phần mềm chuyên dụng Simtram.

Literature Review và Positioning

Tổng quan y văn quốc tế và trong nước về xử lý ảnh trong ITS phản ánh sự chuyển dịch rõ nét qua 3 luồng nghiên cứu chính. Luồng nghiên cứu thứ nhất tập trung vào các công nghệ phát hiện phương tiện xâm lấn (intrusive) và không xâm lấn (non-intrusive). Các giải pháp truyền thống dựa trên vòng lặp cảm ứng từ (Inductive Loop Detector System - ILDS), đầu dò từ tính (Magnetic Detector - MD), cảm biến siêu âm (US) và sóng liên tục điều chế tần số (FMCW RADAR) được phân tích bởi Klein et al. (2006) cho thấy độ tin cậy cao trên các tuyến cao tốc chuẩn hóa. Tuy nhiên, các phương pháp này bộc lộ nhược điểm lớn khi đòi hỏi cắt phá hạ tầng đường bộ, chi phí bảo trì cao và hoàn toàn mất khả năng nhận diện hình thái phương tiện trong dòng giao thông hỗn hợp.

Luồng nghiên cứu thứ hai tập trung vào kỹ thuật thị giác máy tính và học máy phục vụ nhận dạng, phân loại phương tiện. Các công trình kinh điển của Viola & Jones (2001) về phân loại tầng sử dụng đặc trưng Haar-like và AdaBoost, nghiên cứu của Dalal & Triggs (2005) về biểu đồ độ dốc định hướng (Histogram of Oriented Gradients - HOG) kết hợp véc-tơ máy hỗ trợ (Support Vector Machine - SVM), hay các phương pháp so khớp đường viền dựa trên khoảng cách Hausdorff (Huttenlocher et al., 1993) và Chamfer matching (Barrow et al., 1977) đã đặt nền móng cho việc nhận dạng vật thể. Đối với phân loại ảnh nhiệt, nghiên cứu của Yoichiro Iwasaki, Masato Misumi, and Toshiyuki Nakamiya đã chỉ ra rằng: "Mối quan hệ về nhiệt độ giữa các phương tiện giao thông và môi trường bên ngoài có thể thay đổi theo mùa, thậm chí trong ngày. Cụ thể hơn, nhiệt độ của khu vực kính chắn gió thường thấp hơn nhiệt độ môi trường vào mùa nóng; trong khi vào những ngày mùa đông lạnh, điều này bị đảo ngược lại". Do đó, việc ứng dụng ảnh nhiệt đòi hỏi bù trừ hàm phi tuyến phức tạp.

Luồng nghiên cứu thứ ba giải quyết bài toán đo tốc độ và điều khiển dòng lưu lượng giao thông đô thị. Các mô hình điều khiển tín hiệu truyền thống như SCOOT (Hunt et al., 1981) hay SCATS (Lowrie, 1982) dựa trên các bộ đếm xung rời rạc không thể phản ánh chính xác mức độ ùn ứ khi xe máy len lỏi vào các khoảng trống giữa các ô tô. Các nghiên cứu trong nước của Nguyễn Văn Đức (Đề tài KC.05/11-15) về truyền thông tầm ngắn chuyên dụng DSRC/RFID, hay Tạ Tuấn Anh (Đề tài KC.14/11-15) về khung kiến trúc ITS quốc gia chủ yếu tiếp cận ở góc độ truyền thông và định danh phương tiện tự động (AVI), chưa đi sâu vào giải thuật xử lý dữ liệu hình ảnh thời gian thực dưới điều kiện truyền dẫn nghẽn băng thông.

Trong bức tranh tổng thể đó, tồn tại hai cuộc tranh luận học thuật sâu sắc:

  • Tranh luận 1 (Độ phức tạp tính toán vs. Hiệu năng thời gian thực): Một trường phái ủng hộ việc triển khai các mạng nơ-ron tích chập sâu (Deep CNNs) để đạt độ chính xác phát hiện trên 95%. Ngược lại, trường phái tối ưu hóa thuật toán biên cho rằng trong điều kiện hạ tầng phần cứng xử lý tại chỗ hạn chế và băng thông truyền dữ liệu video về máy chủ trung tâm chỉ đạt mức trung bình thấp, các mô hình học sâu phức tạp sẽ gây trễ lớn (latency), làm mất tính khả thi của việc điều khiển pha đèn tín hiệu thời gian thực.
  • Tranh luận 2 (Đếm phương tiện rời rạc vs. Mật độ không gian liên tục): Phương pháp đếm đầu xe theo từng làn (lane-based vehicle count) được áp dụng phổ biến ở các nước phát triển hoàn toàn thất bại tại Việt Nam do đặc tính phi làn đường, nơi mà "xe máy luôn cố đi vào chỗ còn trống giữa những ô-tô".

Vị thế nghiên cứu (positioning) của luận án được xác lập rõ ràng thông qua việc so sánh đối chuẩn với hai hệ thống quốc tế tiêu biểu:

  1. Kiến trúc ITS của Huawei (Trung Quốc): Hệ thống của Huawei dựa trên hạ tầng truyền dẫn mạng LTE/5G tốc độ cao và camera độ phân giải siêu cao (Ultra HD), quản lý các làn xe được phân chia cơ học nghiêm ngặt. Hệ thống của luận án khắc phục sự phụ thuộc vào băng thông cao bằng cách tích hợp mô-đun tiền xử lý nâng cao chất lượng ảnh và trích xuất đường biên cục bộ.
  2. Hệ thống điều khiển giao thông SAGEM (Pháp) triển khai tại Hà Nội từ năm 2000: Hệ thống SAGEM hoạt động dựa trên các bộ cảm biến vòng từ cục bộ với chu kỳ đèn cài đặt bán thích nghi. Luận án đã vượt lên trên mô hình của SAGEM bằng việc chuyển đổi toàn diện sang công nghệ thị giác máy tính toàn diện, tính toán diện tích chiếm dụng không gian ảnh ($\delta\alpha_n$) để tự động thích ứng với sự thay đổi của mật độ giao thông hỗn hợp.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án đã mở rộng và hoàn thiện các lý thuyết nền tảng trong lĩnh vực kỹ thuật điện tử và thị giác máy tính ứng dụng:

  • Mở rộng lý thuyết nội suy hình ảnh (Interpolation Theory): Luận án đã mở rộng giải thuật nội suy Bicubic của Keys (1981) bằng việc thiết lập cơ chế lọc phi tuyến bảo toàn đường biên đóng. Bằng cách định nghĩa lại hàm chuyển bậc ba $W(x)$ và quét ma trận cục bộ kích thước $7 \times 7$ chứa cửa sổ con $S_{min}$ $3 \times 3$, thuật toán đề xuất khắc phục triệt để hiện tượng làm mờ biên và suy giảm độ tương phản cạnh của các thuật toán Bicubic thông thường, tạo tiền đề vững chắc cho các bước tách biên Canny và trích xuất đặc trưng hình thái học.
  • Phát triển mô hình hình học chiếu quang học (Projective Geometry): Luận án thiết lập mối quan hệ giải tích tường minh giữa góc nhìn camera $\beta$, độ cao lắp đặt $h$, tiêu cự thấu kính $f$ và ma trận tọa độ điểm ảnh $I(x, y)$ với các đại lượng vật lý thực tế (khoảng cách mặt đường $d$, vận tốc chuyển động $V$). Đóng góp này chứng minh rằng có thể lượng hóa chính xác động học phương tiện mà không cần hiệu chỉnh camera 3D phức tạp dựa trên các điểm kiểm soát mặt đất (Ground Control Points).
  • Chuyển đổi hệ hình trong lý thuyết dòng giao thông (Traffic Flow Paradigm Shift): Luận án đã tái định nghĩa biến số trạng thái trong mô hình dòng giao thông vĩ mô Macroscopic Fundamental Diagram ($q = k \cdot v$). Thay vì sử dụng mật độ không gian rời rạc $k$ (phương tiện/km), luận án đề xuất tham số "mật độ diện tích chiếm dụng quang học" ($\delta\alpha_n$), chuyển đổi bài toán đếm phương tiện đa phân loại thành bài toán đo lường tỷ lệ lấp đầy không gian ảnh nhị phân.

Khung phân tích độc đáo

Khung phân tích của luận án là sự hợp nhất có cấu trúc giữa ba khối lý thuyết chuyên sâu:

  1. Khối tiền xử lý và phục hồi không gian ảnh: Tối ưu hóa chất lượng luồng video băng thông thấp truyền về từ camera hiện trường thông qua thuật toán nội suy phục hồi độ tương phản cạnh viền.
  2. Khối trích xuất hình thái và phân loại theo góc tới trực tiếp (DA): Khai thác đặc trưng hình học của hộp bao đối tượng (bounding box) và góc định hướng chuyển động để phân loại tức thời các lớp phương tiện: xe máy, ô tô con, xe buýt/xe tải.
  3. Khối điều khiển động học lưu lượng nút giao: Mô hình hóa toán học mối quan hệ giữa diện tích chiếm dụng thực tế tại 3 vùng không gian quang học ($L$, $\Delta\alpha_n$, $\beta$) trong chu kỳ 35 giây để điều khiển thời gian hoạt động của đèn tín hiệu giao thông 3 pha.

Khung phân tích này hoạt động trong các điều kiện biên xác định: các nút giao thông đô thị có góc nghiêng camera $\beta \in [30^\circ, 60^\circ]$, độ cao treo camera từ 6m đến 12m, và tốc độ khung hình đầu vào tối thiểu đạt 12 fps.

+-----------------------------------------------------------------------------------+
|                            LUỒNG DỮ LIỆU TỔNG THỂ CỦA HỆ THỐNG                     |
+-----------------------------------------------------------------------------------+
|  [Camera Giám sát Nút giao] (Video 12 fps, Băng thông thấp)                        |
|  [Khối Tiền xử lý & Nâng cao Chất lượng Ảnh]                                     |
|  - Thuật toán Nội suy Bicubic Cải tiến (Ma trận 7x7 & Cửa sổ S_min 3x3)           |
|  - Khôi phục Độ tương phản Biên & Triệt tiêu Hiệu ứng Khối (Block Artifacts)      |
|  [Khối Phát hiện & Phân đoạn Đối tượng]                                          |
|  - Trừ nền Thích nghi (Adaptive Background Subtraction)                           |
|  - Tách biên Canny & Xác định Đường cong Khép kín                                |
|  [Quản lý Phương tiện]           [Giám sát & Điều khiển Lưu lượng]               |
|  - Phân loại qua Góc tới (DA)    - Ước lượng Mật độ Chiếm dụng Vùng đích (δ_αn)  |
|  - Đo Tốc độ qua Hình học Quang  - Tối ưu hóa Chu kỳ Đèn Tín hiệu 3 Pha           |
|    học Điểm ảnh & Góc Beta         (Mô phỏng Kiểm chứng trên Simtram)             |
+-----------------------------------------------------------------------------------+

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu được định vị theo hệ hình thực chứng luận (Positivism) kết hợp với chủ nghĩa duy thực phản biện (Critical Realism), lấy việc mô hình hóa toán học chính xác và kiểm chứng thực nghiệm định lượng làm thước đo chân lý khoa học. Thiết kế nghiên cứu đa phương pháp (multi-method design) bao gồm:

  • Thiết lập mô hình toán học giải tích cho hệ thống quang học camera và động học phương tiện.
  • Xây dựng thuật toán xử lý ảnh số và lập trình hiện thực hóa trên nền tảng tính toán khoa học MATLAB và OpenCV.
  • Thu thập dữ liệu thực nghiệm tại hiện trường đô thị thực tế.
  • Mô phỏng đối chuẩn vi mô trên môi trường mô phỏng giao thông Simtram để đánh giá độ trễ và độ dài hàng đợi.

Quy trình nghiên cứu rigorous

Quy trình nghiên cứu được thực hiện qua các bước thực nghiệm chuẩn hóa nghiêm ngặt:

  1. Thu thập dữ liệu và hiệu chuẩn tham số hệ thống: Dữ liệu video thực tế được ghi nhận tại các vị trí nút giao thông tiêu biểu ở Hà Nội. Các thông số lắp đặt camera được đo đạc chính xác: độ cao lắp đặt $h$, góc nghiêng trục quang $\beta$, tiêu cự ống kính $f$, kích thước cảm biến CCD và tốc độ khung hình (12 fps).
  2. Quy trình tiền xử lý ảnh nâng cao chất lượng: Ảnh độ phân giải thấp được đưa vào mô hình nội suy cải tiến. Thuật toán xác định các đường cong kín của đối tượng thông qua toán tử tách biên Canny. Với mỗi điểm ảnh cận biên, một ma trận lân cận $7 \times 7$ được khởi tạo. Giá trị điểm ảnh nội suy được tính toán lại dựa trên ma trận con cực tiểu $S_{min}$ ($3 \times 3$) trượt dọc theo các điểm ảnh biên, bảo đảm khôi phục độ sắc nét và ngăn chặn hiện tượng méo dạng hình học.
  3. Quy trình phân loại phương tiện dựa trên góc tới trực tiếp (DA): Sau khi trích xuất vùng quan tâm (ROI) và nhị phân hóa ảnh, thuật toán tính toán góc tới trực tiếp (Direction Angle - DA) của đối tượng chuyển động. Dữ liệu phân loại được kiểm chứng trên tập mẫu gồm 80 ô tô, các tập mẫu xe tải, xe buýt và xe máy, cho phép xác lập các ngưỡng phân tách hình học rõ ràng giữa các lớp phương tiện.
  4. Quy trình đo tốc độ bằng mô hình hình học quang học: Tốc độ di chuyển $V$ của phương tiện được xác định thông qua độ dịch chuyển điểm ảnh giữa các khung hình kế tiếp ($\Delta t = 1/12$ giây). Khoảng cách từ chân cột camera đến phương tiện ($d$) được mô hình hóa toán học: $$d = h \cdot \cot(\beta + \theta_y)$$ trong đó $\theta_y$ là góc lệch quang học tương ứng với tọa độ dòng $y$ của điểm ảnh trên cảm biến.
  5. Quy trình điều khiển tín hiệu giao thông theo mật độ: Tại nút giao thông 3 pha, vùng quan sát được phân đoạn thành vùng tiếp cận $L$, vùng chuyển tiếp $\Delta\alpha_n$ và vùng giao cắt $\beta$. Tỷ lệ phần trăm điểm ảnh bị chiếm dụng bởi phương tiện trong vùng đích $\delta\alpha_n$ được tính toán liên tục trong cửa sổ thời gian 35 giây để cập nhật trực tiếp vào thuật toán điều khiển thời gian đèn xanh thích nghi.

Data và phân tích

Dữ liệu hình ảnh và video thực nghiệm được phân tích định lượng toàn diện:

  • Đánh giá chất lượng ảnh: Sử dụng chỉ số Tỉ số tín hiệu cực đại trên nhiễu (Peak Signal to Noise Ratio - PSNR) để đối chuẩn giữa phương pháp nội suy đề xuất và phương pháp Bicubic (BI) truyền thống. Kết quả đo đạc khẳng định phương pháp đề xuất vượt trội hoàn toàn về độ sắc nét đường biên và chỉ số PSNR trên toàn bộ các chuỗi khung hình thử nghiệm.
  • Phân tích phân phối thống kê góc tới DA: Dữ liệu góc tới trực tiếp của 80 ô tô, cùng các tập mẫu xe buýt, xe tải và xe máy được phân tích thống kê mô tả, xác định khoảng biến thiên đặc trưng không chồng lấn giữa các nhóm phương tiện có hình thái khác biệt.
  • Mô phỏng đối chuẩn trên Simtram: Tiến hành chạy mô phỏng lưu lượng dòng phương tiện qua 4 chu kỳ đèn tín hiệu liên tiếp. Kết quả mô phỏng thời gian chờ của phương tiện được so sánh trực tiếp giữa phương án điều khiển cố định truyền thống và phương án điều khiển thích nghi theo mật độ chiếm dụng không gian của luận án.

Phát hiện đột phá và implications

Những phát hiện then chốt

Công trình nghiên cứu đã mang lại 4 phát hiện khoa học mang tính đột phá với đầy đủ bằng chứng thực nghiệm:

  1. Khả năng bảo toàn cấu trúc biên vượt trội của thuật toán nội suy ma trận $7 \times 7$: Thực nghiệm so sánh chỉ số PSNR giữa giải thuật nội suy Bicubic cổ điển và thuật toán đề xuất chứng minh rằng việc tái cấu trúc các điểm ảnh lân cận đường cong kín bằng ma trận $S_{min}$ $3 \times 3$ nằm trong cửa sổ $7 \times 7$ giúp khôi phục các chi tiết cạnh bị mờ nhòe do nén truyền dẫn, nâng cao độ chính xác tách biên Canny lên mức tối ưu cho các bước xử lý tiếp theo.
  2. Tính phân tách cao của véc-tơ góc tới trực tiếp (DA) trong phân loại phương tiện: Dữ liệu thống kê góc tới trực tiếp từ tập mẫu thực nghiệm cho thấy góc DA kết hợp với tỷ lệ kích thước khung bao là một đại lượng đặc trưng mạnh, có khả năng phân loại chính xác xe máy, ô tô con và xe tải/xe buýt mà không cần phụ thuộc vào các mô hình 3D phức tạp hay các bộ trích xuất đặc trưng nặng như SIFT/HOG thuần túy.
  3. Mô hình giải tích quang học cho phép đo tốc độ chính xác từ camera 12 fps: Sai số đo tốc độ phương tiện trong điều kiện thực nghiệm hoàn toàn nằm trong giới hạn cho phép của các tiêu chuẩn đo lường giao thông, khẳng định tính đúng đắn của mô hình ánh xạ tọa độ điểm ảnh sang cự ly mặt đường $d$ dựa trên góc nghiêng $\beta$.
  4. Hiệu quả giải tỏa ách tắc vượt trội của cơ chế điều khiển đèn thích nghi theo diện tích chiếm dụng $\delta\alpha_n$: Kết quả mô phỏng trên Simtram qua 4 chu kỳ liên tiếp chứng minh rằng việc phân bổ thời gian đèn tín hiệu theo mật độ điểm ảnh thực tế giúp giảm đáng kể chiều dài hàng đợi và triệt tiêu thời gian "đèn xanh rỗng" (green loss time) so với hệ thống chu kỳ cố định.
  5. Hiện tượng nén mật độ phi tuyến của xe máy trong dòng hỗn hợp: Dữ liệu hình ảnh chứng minh hiện tượng cấu trúc dòng phương tiện hỗn hợp có tính chất tự lấp đầy: xe máy luôn tận dụng các khoảng hở giữa các ô tô để tiến lên sát vạch dừng. Do đó, chỉ số diện tích chiếm dụng quang học phản ánh trạng thái bão hòa của nút giao chính xác hơn từ 25% đến 40% so với phương pháp đếm số lượng xe thuần túy.

Implications đa chiều

  • Về mặt lý thuyết: Thiết lập mô hình chuyển đổi chuẩn xác giữa hình thái học thị giác máy tính và các phương trình vi phân dòng giao thông đô thị, mở ra hướng nghiên cứu mới về xử lý động học dòng hỗn hợp.
  • Về mặt phương pháp luận: Cung cấp khung phương pháp luận hoàn chỉnh từ xử lý ảnh biên (edge-level processing) đến mô hình hóa tham số quang học thấu kính, có thể mở rộng ứng dụng cho các bài toán giám sát an ninh đô thị, cứu hộ cứu nạn và quản lý bãi đỗ xe thông minh.
  • Về mặt ứng dụng thực tiễn: Cho phép các cơ quan quản lý giao thông nâng cấp hệ thống camera giám sát hiện hữu thành hệ thống ITS thông minh mà không cần thay thế phần cứng camera tốn kém hay đào đường lắp đặt cảm biến từ.
  • Về mặt chính sách quản lý: Cung cấp cơ sở khoa học và công cụ kỹ thuật chính xác phục vụ công tác phạt nguội tự động (Camera-based Penalty Detection), giám sát tốc độ và điều tiết luồng giao thông linh hoạt, trực tiếp đóng góp vào các chương trình xây dựng Đô thị thông minh tại Hà Nội, Đà Nẵng và TP. Hồ Chí Minh.

Limitations và Future Research

Luận án thẳng thắn thừa nhận các giới hạn nghiên cứu mang tính biên:

  • Điều kiện thời tiết cực đoan: Khả năng phát hiện và phân đoạn phương tiện bị suy giảm khi hệ thống hoạt động trong điều kiện mưa bão lớn làm nhòe thấu kính, sương mù dày đặc hoặc ban đêm khi độ chói từ đèn pha phương tiện gây ra hiện tượng lóa quang học cục bộ.
  • Vấn đề che khuất hoàn toàn (Full Occlusion): Trong các tình huống ùn tắc nghiêm trọng kéo dài, khi các xe tải lớn che khuất hoàn toàn các phương tiện xe máy đi bên cạnh theo hướng nhìn của camera, sai số ước lượng diện tích chiếm dụng có thể gia tăng.
  • Cấu hình camera đơn góc nhìn (Monocular Camera Setup): Việc sử dụng một camera cố định tại mỗi nhánh nút giao hạn chế khả năng tái dựng không gian 3D toàn cảnh so với hệ thống camera đa góc nhìn (Stereo Vision) hoặc LiDAR.

Chương trình nghiên cứu tương lai được đề xuất bao gồm 4 định hướng:

  1. Tích hợp mạng nơ-ron học sâu nhẹ (Lightweight Deep Neural Networks) tối ưu hóa cho phần cứng tính toán biên (Edge AI) để nâng cao khả năng khử bóng phương tiện và nhận dạng biển số tự động (ALPR) trong điều kiện thiếu sáng.
  2. Mở rộng mô hình điều khiển tín hiệu thích nghi từ một nút giao đơn lẻ sang mạng lưới giao thông phối hợp đa nút (Coordinated Multi-intersection Network / Green Wave control).
  3. Kết hợp dữ liệu thị giác máy tính với dữ liệu định vị GPS và truyền thông phương tiện kết nối (Vehicular Ad-hoc Networks - VANETs).
  4. Nghiên cứu giải thuật dung hợp cảm biến (Sensor Fusion) giữa camera quang học và cảm biến RADAR sóng milimet để bảo đảm độ tin cậy trong mọi điều kiện thời tiết khắc nghiệt.

Tác động và ảnh hưởng

  • Tác động học thuật: Đóng góp các công bố khoa học chuyên ngành trên các tạp chí và kỷ yếu hội nghị uy tín trong và ngoài nước; đóng vai trò là tài liệu tham khảo nền tảng cho các nghiên cứu sinh, học viên cao học ngành Kỹ thuật Điện tử, Tự động hóa và Công nghệ Thông tin nghiên cứu về ITS.
  • Chuyển đổi công nghiệp: Thúc đẩy các doanh nghiệp công nghệ trong nước (như Viettel, VNPT, CadPro, FPT) làm chủ các giải pháp công nghệ lõi xử lý ảnh giao thông, giảm sự phụ thuộc vào các gói thầu công nghệ nhập khẩu đắt đỏ từ nước ngoài.
  • Chính sách công và quản trị đô thị: Hỗ trợ đắc lực cho Ủy ban An toàn Giao thông Quốc gia, Cục Cảnh sát Giao thông và Sở Giao thông Vận tải các tỉnh thành trong việc hiện đại hóa quy trình giám sát, tự động hóa xử lý vi phạm hành chính và tối ưu hóa quy hoạch hạ tầng giao thông đô thị.
  • Lợi ích kinh tế - xã hội: Giảm thiểu thời gian chậm trễ trung bình tại các nút giao thông, tiết kiệm hàng triệu giờ công lao động, giảm tiêu hao nhiên liệu và cắt giảm phát thải khí nhà kính (CO, $CO_2$) gây ô nhiễm môi trường đô thị.

Đối tượng hưởng lợi

  • Nghiên cứu sinh và Giảng viên đại học: Tiếp cận khung lý thuyết và phương pháp luận đo lường quang học hoàn chỉnh, các công thức giải tích về góc tới DA và ma trận nội suy phục hồi biên để phát triển các đề tài nghiên cứu chuyên sâu.
  • Kỹ sư R&D trong ngành ITS: Ứng dụng trực tiếp các thuật toán nội suy cải tiến, mã nguồn phát hiện trừ nền thích nghi và mô hình ước lượng vận tốc vào các sản phẩm thương mại giám sát giao thông thực tế.
  • Cơ quan Quản lý Nhà nước và Lực lượng CSGT: Sở hữu công cụ giám sát khách quan, minh bạch, chính xác để tự động hóa công tác điều hành giao thông và phạt nguội vi phạm trật tự an toàn giao thông.
  • Cộng đồng cư dân đô thị: Trực tiếp hưởng lợi từ mạng lưới giao thông thông suốt, giảm thiểu tai nạn giao thông, rút ngắn thời gian di chuyển và nâng cao chất lượng cuộc sống đô thị văn minh.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và đã mở rộng lý thuyết nào?

Đóng góp độc đáo nhất là việc mở rộng Lý thuyết Nội suy Hình ảnh (Interpolation Theory) kết hợp Lý thuyết Dòng giao thông vĩ mô (Macroscopic Traffic Flow Theory). Cụ thể, luận án đã phát triển giải thuật nội suy Bicubic cải tiến với ma trận lân cận $7 \times 7$ và cửa sổ $S_{min}$ $3 \times 3$ trượt trên đường biên cong khép kín của đối tượng. Giải thuật này giải quyết triệt để vấn đề mất mát biên do nén dữ liệu video truyền dẫn băng thông thấp mà các nghiên cứu trước đây của Keys (1981) hay Hou & Andrews (1978) chưa tối ưu hóa cho bài toán nhận dạng giao thông. Đồng thời, luận án đã thay thế tham số mật độ xe rời rạc truyền thống bằng biến số diện tích chiếm dụng điểm ảnh liên tục ($\delta\alpha_n$), mở rộng mô hình thủy động lực học giao thông phù hợp với dòng phương tiện hỗn hợp phi làn đường.

2. Đổi mới phương pháp luận của luận án vượt trội hơn các nghiên cứu trước như thế nào?

So với nghiên cứu của S. Messelodi et al. (2005) dựa trên mô hình hình học 3D phức tạp đòi hỏi cấu hình máy tính hiệu năng cao, và nghiên cứu của J. Zhou et al. (2007) sử dụng các điểm kiểm soát mặt đất (GCP) cố định để hiệu chuẩn camera, phương pháp luận của luận án mang tính đột phá khi:

  • Phân loại phương tiện trực tiếp thông qua thông số góc tới trực tiếp (DA) và tỷ lệ khung bao 2D từ ảnh trừ nền, giảm thiểu hơn 60% khối lượng tính toán.
  • Mô hình hóa vận tốc hoàn toàn dựa trên các thông số đặt camera ($\beta, h, f$) và độ dịch chuyển điểm ảnh trên cảm biến (với camera chuẩn 12 fps) mà không cần can thiệp bất kỳ cảm biến nào xuống lòng đường như hệ thống vòng từ ILDS truyền thống.

3. Phát hiện nào trong luận án gây bất ngờ nhất và bằng chứng dữ liệu đi kèm là gì?

Phát hiện bất ngờ nhất là tính chất phi tuyến của hệ số chiếm dụng không gian trong dòng giao thông hỗn hợp: Số lượng phương tiện vật lý không tỷ lệ thuận tuyến tính với mức độ tắc nghẽn tại nút giao. Trong khi ở các nước phát triển, số lượng xe tăng đồng nghĩa với hàng đợi dài ra theo làn, thì tại Việt Nam, sự hiện diện của xe máy lấp đầy các khoảng trống giữa các ô tô làm gia tăng đột biến mật độ điểm ảnh nhị phân ($\delta\alpha_n$) dù số lượng ô tô không đổi. Dữ liệu thực nghiệm phân tích trên 80 ô tô và hàng trăm xe máy tại hầm Kim Liên và ngã tư Trần Phú - Điện Biên Phủ khẳng định thuật toán thích nghi dựa trên $\delta\alpha_n$ giúp tối ưu hóa thời gian đèn xanh hiệu quả hơn phương pháp đếm đầu xe thông thường tới 35% trong các khung giờ cao điểm.

4. Luận án có cung cấp quy trình tái lập thực nghiệm (Replication Protocol) không?

Luận án cung cấp một quy trình thực nghiệm chi tiết và đầy đủ:

  • Thông số phần cứng: Quy định rõ độ cao treo camera ($h = 6 - 12\text{ m}$), góc nghiêng trục quang ($\beta = 30^\circ - 60^\circ$), tần số lấy mẫu video (12 fps).
  • Quy trình thuật toán: Các bước tuần tự từ giải thuật lọc Canny, quét ma trận $7 \times 7$, trích xuất góc tới DA, tính toán khoảng cách giải tích $d = h \cdot \cot(\beta + \theta_y)$, và sơ đồ khối thuật toán phân bổ thời gian đèn tín hiệu trong chu kỳ 35 giây.
  • Môi trường kiểm chứng: Hướng dẫn chi tiết thiết lập kịch bản mô phỏng dòng giao thông 3 pha trên phần mềm Simtram, cho phép các nhà nghiên cứu độc lập tái lập hoàn toàn kết quả nghiên cứu.

5. Lộ trình nghiên cứu 10 năm tiếp theo được định hình như thế nào?

Lộ trình 10 năm được xác lập qua 3 giai đoạn chiến lược:

  1. Giai đoạn 1 (1-3 năm): Tích hợp và nhúng các giải thuật nâng cao chất lượng ảnh và phân loại DA vào các vi mạch xử lý chuyên dụng tại biên (Edge-AI chips), triển khai thử nghiệm trên diện rộng tại các đô thị loại I.
  2. Giai đoạn 2 (3-6 năm): Xây dựng hệ thống điều khiển phối hợp mạng lưới đèn tín hiệu giao thông thông minh toàn thành phố ("Làn sóng xanh" - Green Wave) dựa trên điện toán đám mây và tối ưu hóa đa mục tiêu bằng trí tuệ nhân tạo phân tán.
  3. Giai đoạn 3 (6-10 năm): Nghiên cứu dung hợp dữ liệu thị giác máy tính với mạng lưới xe tự hành và xe kết nối (Connected and Autonomous Vehicles - CAVs) thông qua hạ tầng V2X (Vehicle-to-Everything), phục vụ quản trị giao thông thông minh toàn diện trong kỷ nguyên Đô thị Thông minh 5.0.

Kết luận

Luận án tiến sĩ của tác giả Nguyễn Việt Hưng đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra với những đóng góp cụ thể và toàn diện:

  1. Đóng góp 1: Đề xuất thành công thuật toán nội suy nâng cao chất lượng ảnh cải tiến dựa trên ma trận lân cận $7 \times 7$ và cửa sổ $S_{min}$ $3 \times 3$, khôi phục hiệu quả độ tương phản đường biên đối tượng cho dữ liệu video nén truyền qua kênh băng thông thấp.
  2. Đóng góp 2: Phát triển phương pháp phân loại phương tiện giao thông hỗn hợp mới dựa trên thông số góc tới trực tiếp (DA) kết hợp tỷ lệ bao hình học, mang lại độ chính xác cao và tiết kiệm tài nguyên tính toán.
  3. Đóng góp 3: Xây dựng mô hình toán học giải tích xác định vận tốc tức thời của phương tiện giao thông thông qua thông số hình học quang học của camera giám sát với tốc độ quét 12 fps mà không cần cảm biến can thiệp mặt đường.
  4. Đóng góp 4: Thiết kế giải thuật điều khiển thích nghi thời gian hoạt động của đèn tín hiệu giao thông 3 pha dựa trên mật độ diện tích chiếm dụng vùng đích ($\delta\alpha_n$) trong chu kỳ 35 giây, tối ưu hóa lưu lượng dòng hỗn hợp.
  5. Đóng góp 5: Xây dựng hoàn chỉnh mô hình mô phỏng trên nền tảng Simtram và kiểm chứng thực nghiệm tại các nút giao thông trọng điểm của Hà Nội, chứng minh tính khả thi và hiệu quả vượt trội của toàn bộ hệ thống đề xuất.
  6. Đóng góp 6: Định hình khung kiến trúc ITS tổng thể ứng dụng công nghệ xử lý ảnh phù hợp với điều kiện kinh tế, kỹ thuật và đặc thù văn hóa giao thông tại các quốc gia đang phát triển.

Công trình tạo ra bước tiến quan trọng trong việc chuyển đổi hệ hình nghiên cứu ITS từ mô hình dòng giao thông quy chuẩn phân làn sang mô hình dòng giao thông hỗn hợp phi làn đường. Những kết quả đạt được đã mở ra ít nhất 3 hướng nghiên cứu mới đầy tiềm năng: điều khiển mạng lưới giao thông thông minh phân tán qua Edge-AI, dung hợp cảm biến đa phương thức cho môi trường thời tiết phức tạp, và tích hợp thị giác máy tính vào hệ sinh thái phương tiện tự hành V2X. Luận án khẳng định giá trị khoa học bền vững và tiềm năng ứng dụng thực tiễn to lớn, đóng góp thiết thực vào sự nghiệp công nghiệp hóa, hiện đại hóa và xây dựng hạ tầng giao thông thông minh tại Việt Nam.