Giới thiệu dự án

Trong kỷ nguyên chuyển đổi số và Internet of Things (IoT), dữ liệu chuỗi thời gian (time series data) chiếm hơn 80% tổng dung lượng dữ liệu phát sinh trong các hệ thống quan trắc công nghiệp, đô thị thông minh và tài chính. Tuy nhiên, việc khai phá mối quan hệ phụ thuộc giữa các chuỗi sự kiện chủ yếu dừng lại ở phân tích tương quan (correlation analysis) thay vì xác lập quan hệ nhân quả (causal inference). Phân tích tương quan thuần túy thường dẫn đến các kết luận sai lệch do hiện tượng "tương quan giả" (spurious correlation) và bỏ qua yếu tố định thời (temporal precedence).

Đồ án khóa luận tốt nghiệp "Phát hiện quan hệ nhân quả trong bộ dữ liệu chuỗi thời gian sự kiện" (Inferring Causality Relationship in Time Series Event Data) do nhóm nghiên cứu Đào Thị Thu Nga và Nguyễn Khánh Toàn thực hiện dưới sự hướng dẫn của TS. Mai Tiến Dũng và TS. Hồ Thị Thảo Nguyên tại Trường Đại học Công nghệ Thông tin – ĐHQG-HCM, tập trung giải quyết bài toán cốt lõi: Tự động phát hiện và lượng hóa các cặp sự kiện có quan hệ nhân quả trong dòng dữ liệu đa biến phụ thuộc thời gian.

flowchart LR
    A["Nguyên nhân (Cause: y)"] -->|"Độ trễ thời gian (Window: w)"| B["Hệ quả (Effect: x)"]
    C["Nhiễu / Biến thứ 3 (Z)"] -.->|"Loại bỏ tương quan giả"| A
    C -.->|"Kiểm soát điều kiện"| B

Mục tiêu của dự án:

  1. Mục tiêu 1: Xây dựng khung lý thuyết toàn diện về suy luận nhân quả cho chuỗi thời gian sự kiện dựa trên tiên đề Granger và giả thuyết mở rộng của D. Bhattacharjya.
  2. Mục tiêu 2: Triển khai và tối ưu hóa 4 độ đo liên kết nguyên nhân - hệ quả (Cause-Effect Association Scores - CEAs): $NST_e$ (Necessity-Sufficiency Trade-off Score), $CIR_b$ (Base Conditional Intensity Ratio), $CIR_c$ (Complementary Conditional Intensity Ratio) và $CIR_m$ (Multivariate Conditional Intensity Ratio).
  3. Mục tiêu 3: Xây dựng bộ chuẩn thẩm định (Ground Truth) chuyên gia dựa trên các nghiên cứu khí tượng - giao thông - môi trường thực nghiệm.
  4. Mục tiêu 4: Thực nghiệm đối sánh đa chiều trên 2 tập dữ liệu thế giới thực quy mô lớn: Metro Interstate Traffic Volume (48.204 bản ghi) và Beijing Multi-Site Air-Quality (4 năm quan trắc liên tục).

Phạm vi và giới hạn:

  • Phạm vi dữ liệu: Tập trung vào chuỗi sự kiện rời rạc hóa từ dữ liệu chuỗi thời gian liên tục đa biến (vận tốc/lưu lượng xe, nồng độ bụi mịn PM2.5, PM10, các hình thái thời tiết).
  • Giới hạn kỹ thuật: Giới hạn cửa sổ trượt thời gian $w \in [1, 20]$ giờ; giải thuật tìm tập nút cha tối ưu (Optimal Parent Set Search) phụ thuộc vào không gian tìm kiếm đồ thị có hướng không chu trình (DAG).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Phương pháp Bản chất toán học Ưu điểm Nhược điểm Khả năng mở rộng cho sự kiện đa biến
Granger Causality Mô hình hồi quy tuyến tính tự hồi quy (VAR) Chuẩn mực toán học chặt chẽ, dễ tính toán ma trận Chỉ áp dụng tốt cho chuỗi liên tục tuyến tính, thất bại với dữ liệu sự kiện rời rạc Kém khi số biến lớn ($O(N^2)$)
Transfer Entropy Lý thuyết thông tin (Kullback-Leibler Divergence) Phát hiện quan hệ phi tuyến, không cần giả định mô hình Nhạy cảm với nhiễu, chi phí tính toán cực cao Rất kém ($O(e^N)$)
Phương pháp đề xuất (CEAs: CIR & NST) Tỉ số cường độ điều kiện điểm Poisson & Xác suất có điều kiện Hoạt động tối ưu trên chuỗi sự kiện bất đồng bộ, xử lý cửa sổ trượt linh hoạt Cần kỹ thuật phân cụm tiền xử lý dữ liệu liên tục Rất cao ($O(N \cdot

Phân loại yêu cầu hệ thống theo mô hình MoSCoW:

  • Must have (Bắt buộc): Module chuyển đổi chuỗi liên tục sang chuỗi sự kiện rời rạc; Công thức tính toán $NST_e, CIR_b, CIR_c$; Đánh giá xếp hạng qua $Hits@K$.
  • Should have (Nên có): Giải thuật duyệt đồ thị Forward-Backward Search (FBS) kết hợp điểm phạt Bayesian Information Criterion (BIC) cho điểm $CIR_m$.
  • Could have (Có thể có): Giao diện trực quan hóa ma trận liên kết nhân quả dưới dạng đồ thị có hướng.
  • Won't have (Chưa hỗ trợ): Suy luận nhân quả thời gian thực trên luồng dữ liệu truyền phát (streaming data pipeline).

Thiết kế hệ thống

graph TD
    subgraph Ingestion["1. Tầng thu thập & Tiền xử lý"]
        D1["Metro Traffic Dataset<br/>(48,204 rows)"] --> P1["Xử lý khuyết thiếu & Rời rạc hóa (Binning/Clustering)"]
        D2["Beijing Air Quality<br/>(35,064 rows)"] --> P1
    end

    subgraph Analytics["2. Tầng tính toán chỉ số CEAs"]
        P1 --> W["Cửa sổ trượt (Sliding Window w)"]
        W --> M1["Điểm NST_e<br/>(alpha, lambda)"]
        W --> M2["Điểm CIR_b / CIR_c<br/>(Intensity Ratio)"]
        W --> M3["Điểm CIR_m<br/>(FBS + BIC + Parent Set U)"]
    end

    subgraph Evaluation["3. Tầng thẩm định & Đánh giá"]
        M1 --> EV["Module Xếp hạng Hits@K"]
        M2 --> EV
        M3 --> EV
        GT["Tập Ground Truth<br/>(Chuyên gia Khí tượng & Vận tải)"] --> EV
        EV --> Out["Top-K Cặp Nhân Quả Chính Xác Nhất"]
    end

Technology Stack và phiên bản:

  • Ngôn ngữ thực thi: Python v3.9.12
  • Xử lý ma trận và dữ liệu: NumPy v1.22.4, Pandas v1.4.2
  • Mô hình hóa & Phân cụm: Scikit-learn v1.1.1 (K-Means, Quantile Discretizer)
  • Trực quan hóa: Matplotlib v3.5.2, Seaborn v0.11.2, NetworkX v2.8.4
  • Môi trường chạy: Linux Ubuntu 22.04 LTS / Windows 11 x64, Intel Core i5-9300H @ 4.1GHz, 8GB DDR4 RAM.

Methodology

Quy trình nghiên cứu áp dụng mô hình chuẩn CRISP-DM (Cross-Industry Standard Process for Data Mining) gồm 5 giai đoạn:

  1. Data Understanding & Cleaning: Kiểm tra phân phối các biến khí tượng và ô nhiễm môi trường, nội suy điểm dữ liệu thiếu (NA imputation).
  2. Feature Engineering & Event Transformation: Phân đoạn thuộc tính liên tục (lưu lượng xe thành 3 mức: Low [269, 1880], Medium [1881, 4130], High [4131, 7100]).
  3. Mathematical Formulation & Algorithm Coding: Triển khai các thuật toán tính cường độ có điều kiện.
  4. Validation against Empirical Ground Truth: Đo lường tỷ lệ trùng khớp $Hits@K$ với $K \in {5, 10, 15, 20}$.
  5. Optimization: Tinh chỉnh siêu tham số cửa sổ trượt $w \in [1, 20]$ và hệ số cân bằng $\alpha, \lambda$.
Giai đoạn Thời gian Rủi ro kỹ thuật Phương án giảm thiểu
Khảo cứu lý thuyết & Tiền xử lý Tuần 1 - 4 Mất cân bằng dữ liệu giữa các biến cố thời tiết cực đoan Áp dụng ngưỡng thống kê động theo phân vị
Hiện thực các độ đo CEAs Tuần 5 - 9 Giải thuật FBS bùng nổ tổ hợp khi không gian nút cha lớn Giới hạn bậc tối đa của nút cha ($
Xây dựng Ground Truth & Benchmark Tuần 10 - 14 Thiếu chuẩn đối sánh khách quan trong nước Tham chiếu chéo 5 tài liệu khí tượng - giao thông quốc tế
Đánh giá & Tối ưu hóa Tuần 15 - 18 Sai số do lựa chọn kích thước $w$ không đồng nhất Quét lưới tham số (Grid Search) toàn diện từ $w=1$ đến $w=20$

Implementation và kết quả

Development process & Core Algorithms

Khung thuật toán suy luận nhân quả cốt lõi dựa trên việc mô hình hóa các chuỗi sự kiện điểm. Điểm then chốt nằm ở việc đo lường sự thay đổi của hàm cường độ xuất hiện biến cố $x$ khi có sự hiện diện của biến cố tiền đề $y$ trong cửa sổ thời gian $w$.

import numpy as np
import pandas as pd

def calculate_cir_scores(event_series_y, event_series_x, total_time_T, window_w):
    """
    Tính toán chỉ số CIR_b và CIR_c giữa nguyên nhân y và hệ quả x.
    - event_series_y: Danh sách mốc thời gian xuất hiện sự kiện y
    - event_series_x: Danh sách mốc thời gian xuất hiện sự kiện x
    - total_time_T: Tổng chiều dài dòng thời gian quan sát
    - window_w: Độ rộng cửa sổ trượt (giờ)
    """
    # 1. Tính tổng thời gian D^w(y) được bao phủ bởi cửa sổ w trước sự kiện y
    intervals = []
    for ty in event_series_y:
        intervals.append((ty, min(ty + window_w, total_time_T)))
    
    # Hợp nhất các khoảng thời gian giao nhau
    intervals.sort(key=lambda item: item[0])
    merged_intervals = []
    for start, end in intervals:
        if not merged_intervals or merged_intervals[-1][1] < start:
            merged_intervals.append([start, end])
        else:
            merged_intervals[-1][1] = max(merged_intervals[-1][1], end)
            
    D_w_y = sum([end - start for start, end in merged_intervals])
    
    # 2. Đếm số lần x xuất hiện trong cửa sổ sau y: N^w(y -> x)
    N_w_y_to_x = 0
    for tx in event_series_x:
        # Kiểm tra xem tx có rơi vào khoảng [ty, ty + w] nào của y không
        if any(start <= tx <= end for start, end in merged_intervals):
            N_w_y_to_x += 1
            
    N_x = len(event_series_x)
    
    # 3. Tính toán các cường độ điều kiện
    lambda_x = N_x / total_time_T
    lambda_x_given_y = N_w_y_to_x / D_w_y if D_w_y > 0 else 0
    
    T_minus_D = total_time_T - D_w_y
    N_x_not_y = N_x - N_w_y_to_x
    lambda_x_given_not_y = N_x_not_y / T_minus_D if T_minus_D > 0 else 0
    
    # 4. Tỉ số CIR_b và CIR_c
    CIR_b = lambda_x_given_y / lambda_x if lambda_x > 0 else 0
    CIR_c = lambda_x_given_y / lambda_x_given_not_y if lambda_x_given_not_y > 0 else 0
    
    return {
        "N_w_y_to_x": N_w_y_to_x,
        "D_w_y": D_w_y,
        "CIR_b": CIR_b,
        "CIR_c": CIR_c
    }

Công thức toán học của các chỉ số CEAs:

  1. Chỉ số $NST_e$ (Necessity-Sufficiency Trade-off): $$NST_e(y, x) = \frac{P^w(y \to x)^\lambda \cdot P^w(x \leftarrow y)^{1-\lambda}}{P(y)^\alpha P(x)^{1-\alpha}}$$ Trong đó: $\alpha = 0.66$ là trọng số giảm phạt mẫu số, $\lambda \in [0, 1]$ biểu diễn tương quan giữa điều kiện cần ($P(y|x)$) và điều kiện đủ ($P(x|y)$).

  2. Chỉ số $CIR_b$ và $CIR_c$ (Conditional Intensity Ratios): $$CIR_b(y, x) = \frac{\lambda_{x|y}^w}{\lambda_x} = \frac{N^w(y \to x) / D^w(y)}{N(x) / T}$$ $$CIR_c(y, x) = \frac{\lambda_{x|y}^w}{\lambda_{x|\bar{y}}^w} = \frac{N^w(y \to x) / D^w(y)}{[N(x) - N^w(y \to x)] / [T - D^w(y)]}$$

  3. Chỉ số $CIR_m$ (Multivariate Intensity Ratio) với Đồ thị cha $U$: $$\ln L(x|U) = \sum_{u \in U} \left[ - D^w(u) \lambda_{x|u}^w + N^w(u \to x) \ln \lambda_{x|u}^w \right]$$ $$BIC(D) = \ln L(D) - \frac{\ln(T)}{2} \sum_{x \in X} 2^{|U_x|}$$

Testing và validation

Hiệu năng phát hiện quan hệ nhân quả được kiểm chuẩn nghiêm ngặt qua độ đo $Hits@K$ trên tập Ground Truth gồm 30 sự kiện thời tiết tác động lên lưu lượng giao thông liên bang I-94.

$$\text{Hits}@K = \frac{1}{|S|} \sum_{s \in S} \mathbb{I}(\text{Rank}(s) \le K)$$

Bảng tổng hợp thực nghiệm Hits@K trên Metro Interstate Traffic Volume Dataset:

Cửa sổ thời gian ($w$) Metric Top-K Điểm $CIR_b$ Điểm $CIR_c$ Điểm $NST_e$ ($\alpha=0.66, \lambda=0.5$) Tỉ lệ phát hiện tối ưu (CIR/Total)
$w = 1$ giờ $Hits@5$ 4 / 5 4 / 5 0 / 5 80.0%
$Hits@10$ 8 / 10 8 / 10 2 / 10 80.0%
$Hits@15$ 13 / 15 13 / 15 5 / 15 86.7%
$Hits@20$ 17 / 20 17 / 20 9 / 20 85.0%
$w = 2$ giờ $Hits@5$ 4 / 5 4 / 5 1 / 5 80.0%
$Hits@10$ 8 / 10 8 / 10 4 / 10 80.0%
$Hits@15$ 12 / 15 12 / 15 5 / 15 80.0%
$Hits@20$ 15 / 20 15 / 20 7 / 20 75.0%
$w = 3$ giờ $Hits@5$ 4 / 5 4 / 5 2 / 5 80.0%
$Hits@10$ 8 / 10 8 / 10 5 / 10 80.0%
$Hits@15$ 11 / 15 11 / 15 6 / 15 73.3%
$Hits@20$ 14 / 20 14 / 20 7 / 20 70.0%
$w = 5$ giờ $Hits@5$ 4 / 5 4 / 5 3 / 5 80.0%
$Hits@10$ 8 / 10 8 / 10 4 / 10 80.0%
$Hits@15$ 10 / 15 10 / 15 7 / 15 66.7%
$Hits@20$ 14 / 20 13 / 20 8 / 20 67.5%
$w = 10$ giờ $Hits@5$ 4 / 5 4 / 5 2 / 5 80.0%
$Hits@10$ 7 / 10 7 / 10 5 / 10 70.0%
$Hits@20$ 11 / 20 10 / 20 10 / 20 52.5%

Kết quả đạt được

pie title Tỉ lệ chính xác Hits@20 tại Window w=1
    "Cặp nhân quả phát hiện đúng (CIR)": 85
    "Cặp âm tính giả / Nhiễu": 15
  1. Hiệu năng vượt trội của độ đo CIR: $CIR_b$ và $CIR_c$ duy trì độ chính xác cực cao ($Hits@5 = 80%$, $Hits@20 = 85%$ tại $w=1$), áp đảo hoàn toàn $NST_e$ ($NST_e$ chỉ đạt từ 0% đến 45% ở các ngưỡng tương ứng).
  2. Xác định tính chất trễ tối ưu: Mối quan hệ nhân quả giữa thời tiết cực đoan (Freezing rain, Heavy snow, Sleet) và sự sụt giảm lưu lượng giao thông có tính phản ứng tức thời nhất ở cửa sổ ngắn ($w=1$ đến $w=3$ giờ). Cửa sổ càng mở rộng ($w \ge 10$), tín hiệu nhân quả càng bị phân tán bởi các yếu tố tuần hoàn ngày/đêm.
  3. Tính nhất quán giữa $CIR_b$ và $CIR_c$: Hai biến thể của CIR cho kết quả tương đồng cao, chứng minh rằng cường độ cơ sở $\lambda_{x|y}^w$ đóng vai trò quyết định trong việc định danh mối liên hệ nhân quả.

Đổi mới và đóng góp

  • Lượng hóa toàn diện độ đo Causal Intensity: Khác với các nghiên cứu kinh điển chỉ xét tương quan tuyến tính, công trình đã áp dụng và kiểm chứng thành công các tỉ số cường độ điểm có điều kiện ($CIR$) trên không gian dữ liệu rời rạc hóa từ chuỗi thời gian thực tế.
  • Xây dựng bộ dữ liệu Ground Truth chuẩn mực: Thiết lập bộ nhãn kiểm chuẩn khoa học kết hợp từ các công bố quốc tế về ảnh hưởng của thời tiết lên giao thông (ví dụ: Tuyết dày làm giảm lưu lượng từ $-37.9%$ đến $-65%$, mưa đá giảm $-67.6%$, sương mù dày đặc giảm $-12.2%$).
  • Cải thiện độ chính xác thực nghiệm: Đạt mức cải thiện độ chính xác phát hiện nhân quả lên tới $+88.8%$ so với phương pháp truyền thống $NST_e$ ở nhóm top $K=5$ và $+88.9%$ ở nhóm top $K=20$.
  • Đóng góp học thuật: Đặt nền móng phương pháp luận cho việc kết hợp giữa khai phá quy luật chuỗi thời gian (Time Series Mining) và đồ thị nhân quả xác suất (Causal Graphical Models) tại Việt Nam.

Ứng dụng thực tế và triển khai

graph LR
    subgraph Edge["IoT / Trạm cảm biến"]
        S1["Cảm biến giao thông (Vận tốc, Lưu lượng)"]
        S2["Trạm khí tượng (Mưa, Gió, Tuyết)"]
        S3["Cảm biến môi trường (PM2.5, PM10)"]
    end

    subgraph Core["Hệ thống Causal Engine"]
        S1 --> Ingest["Pipeline Tiền xử lý"]
        S2 --> Ingest
        S3 --> Ingest
        Ingest --> Engine["Bộ phân tích CIR / FBS"]
    end

    subgraph Service["Ứng dụng thực tế"]
        Engine --> App1["Hệ thống điều khiển tín hiệu đèn giao thông thông minh (ITS)"]
        Engine --> App2["Cảnh báo ô nhiễm không khí cục bộ & Sức khỏe cộng đồng"]
        Engine --> App3["Quản trị rủi ro chuỗi cung ứng logistics"]
    end

Kịch bản ứng dụng chuyên sâu:

  1. Hệ sinh thái giao thông thông minh (ITS): Tự động điều chỉnh chu kỳ đèn tín hiệu tại các giao lộ huyết mạch trước 60 - 120 phút khi các điều kiện nguyên nhân (như mưa rào cực lớn kết hợp sương mù) bắt đầu kích hoạt nguy cơ nghẽn mạch giao thông.
  2. Hệ thống cảnh báo chất lượng không khí đô thị: Nhận diện mối quan hệ nhân quả giữa tốc độ gió, nhiệt độ nghịch nhiệt và nồng độ bụi $PM_{2.5}$ để kích hoạt hệ thống phun sương dập bụi hoặc hạn chế phương tiện tải trọng lớn theo khung giờ.

Phân tích chi phí - lợi ích (Cost-Benefit Analysis):

  • Chi phí triển khai: Tận dụng hạ tầng máy chủ sẵn có, chi phí phần mềm $0$$ (hoàn toàn mã nguồn mở trên nền tảng Python).
  • Lợi ích kinh tế: Giảm thiểu $15-20%$ thời gian kẹt xe cục bộ trong các kịch bản thời tiết xấu; tiết kiệm hàng triệu lít nhiên liệu tiêu hao do ùn tắc; tối ưu hóa thời gian phản ứng của lực lượng cứu hộ đô thị.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật:

  • Hiện thực thuật toán $CIR_m$: Việc tự động sinh đồ thị tối ưu tập cha $U$ qua giải thuật Forward-Backward Search (FBS) gặp khó khăn do không gian tìm kiếm bùng nổ theo cấp số nhân ($2^{|U|}$) khi số lượng biến sự kiện vượt quá 50 biến.
  • Rời rạc hóa chuỗi liên tục: Việc chia khoảng phân cụm (binning) phụ thuộc vào tri thức chuyên gia định tính, chưa áp dụng cơ chế phân cụm tự thích ứng (adaptive continuous representation).

Hướng phát triển tương lai:

  1. Tích hợp mô hình quá trình điểm Hawkes (Hawkes Processes) để mô hình hóa sự kiện kích hoạt nhân quả tự hồi quy và kích hoạt chéo liên tục.
  2. Mở rộng khung tính toán trên môi trường xử lý phân tán Apache Spark / Ray để hỗ trợ suy luận nhân quả thời gian thực trên hàng triệu luồng sự kiện IoT.
  3. Kết hợp mạng nơ-ron đồ thị nhân quả (Causal Graph Neural Networks - C-GNN) để tự động học biểu diễn cấu trúc không gian - thời gian (spatio-temporal).

Đối tượng hưởng lợi

mindmap
  root((Đối tượng hưởng lợi))
    Sinh viên & Nghiên cứu sinh
      Nắm vững lý thuyết suy luận nhân quả
      Tài liệu tham khảo đồ án chuyên sâu
      Phương pháp xây dựng Ground Truth
    Kỹ sư & Lập trình viên AI/Data
      Source code mẫu chuẩn mực
      Hiểu rõ thuật toán CIR và NST
      Kỹ thuật xử lý chuỗi sự kiện bất đồng bộ
    Nhà quản lý đô thị & Doanh nghiệp
      Tối ưu hóa hệ thống ITS
      Dự báo và giảm thiểu tắc nghẽn
      Chính sách điều tiết môi trường chính xác
  • Sinh viên & Học viên cao học: Tiếp cận nguồn tài liệu học thuật hoàn chỉnh bằng tiếng Việt về suy luận nhân quả trong chuỗi thời gian, cung cấp nền tảng toán học và mã nguồn mẫu rõ ràng.
  • Kỹ sư dữ liệu (Data Engineers) & AI Practitioners: Ứng dụng trực tiếp thuật toán $CIR_b / CIR_c$ để loại bỏ tương quan giả trong các bài toán dự báo rủi ro tín dụng, phát hiện gian lận và chẩn đoán lỗi hệ thống viễn thông.
  • Cơ quan quản lý nhà nước & Doanh nghiệp vận tải: Nâng cao độ tin cậy của hệ thống giám sát điều hành đô thị (IOC), chuyển từ phản ứng bị động sang dự báo chủ động dựa trên cơ chế nhân quả vững chắc.

Câu hỏi thường gặp

1. Yêu cầu phần cứng và môi trường để triển khai hệ thống là gì?

Hệ thống có cấu hình tối thiểu rất nhẹ: CPU 4 nhân (tương đương Intel Core i5 thế hệ 8 trở lên), 8GB RAM, 500MB dung lượng ổ cứng khả dụng. Môi trường yêu cầu Python phiên bản $\ge 3.8$ cùng các thư viện chuẩn numpy, pandas, scikit-learn.

2. Giới hạn khả năng mở rộng (scalability) của thuật toán CIR là bao nhiêu?

Độ phức tạp thời gian của thuật toán $CIR_b$ và $CIR_c$ là tuyến tính $O(N \cdot |w|)$, trong đó $N$ là tổng số biến cố và $|w|$ là độ dài cửa sổ trượt. Với tập dữ liệu 50.000 bản ghi, thời gian tính toán hoàn tất trong dưới 2 phút trên máy tính cá nhân tiêu chuẩn.

3. Làm thế nào để tích hợp module phát hiện nhân quả vào hệ thống hiện hữu?

Hệ thống được đóng gói dưới dạng các hàm thuần Python (Pure Python Functions/Modules). Dữ liệu đầu vào chỉ cần chuẩn hóa thành 2 cột: timestamp (mốc thời gian ISO 8601) và event_type (nhãn sự kiện định danh) là có thể trực tiếp thực thi phân tích.

4. Tại sao chỉ số CIR lại vượt trội hơn hẳn chỉ số NSTe trong thực nghiệm?

$NST_e$ phụ thuộc nặng nề vào các giả định xác suất trên khoảng thời gian tĩnh hữu hạn và rất nhạy cảm với các sự kiện có tần suất xuất hiện thấp (rare events). Ngược lại, $CIR$ sử dụng tỉ số cường độ điểm liên tục của quá trình Poisson, phản ánh chính xác mật độ xuất hiện thực tế của biến cố mà không bị bão hòa mẫu số.

5. Chi phí đầu tư và lộ trình mang lại hiệu quả (ROI) như thế nào?

Dự án sử dụng $100%$ công nghệ nguồn mở, không phát sinh chi phí bản quyền phần mềm. Khi tích hợp vào các hệ thống vận tải hoặc quan trắc công nghiệp, thời gian hòa vốn và mang lại giá trị tối ưu vận hành thường đạt được trong vòng 3 đến 6 tháng kể từ khi vận hành thử nghiệm.

Kết luận

Đồ án tốt nghiệp "Phát hiện quan hệ nhân quả trong bộ dữ liệu chuỗi thời gian sự kiện" của nhóm tác giả Đào Thị Thu Nga và Nguyễn Khánh Toàn tại Trường Đại học Công nghệ Thông tin – ĐHQG-HCM đã giải quyết xuất sắc bài toán suy luận nhân quả thực nghiệm trên dữ liệu chuỗi thời gian lớn. Thông qua việc hiện thực hóa và kiểm chuẩn các độ đo tiên tiến $CIR_b, CIR_c, NST_e$ trên 2 tập dữ liệu thực tế Metro Traffic và Beijing Air-Quality, nghiên cứu đã chứng minh tính ưu việt của tiếp cận tỉ số cường độ điều kiện với độ chính xác phát hiện đạt $85%$ ($Hits@20$).

Kết quả này không chỉ đóng góp giá trị học thuật quan trọng cho chuyên ngành Khoa học Máy tính mà còn mở ra triển vọng ứng dụng to lớn trong việc xây dựng các hệ thống điều hành đô thị thông minh, quản lý giao thông và giám sát chất lượng môi trường chủ động.