Tổng quan nghiên cứu

Ùn tắc giao thông tại các đô thị lớn là một thách thức nghiêm trọng kìm hãm sự phát triển kinh tế và làm suy giảm chất lượng môi trường sống. Theo các báo cáo thống kê viễn thông, tỷ lệ sử dụng điện thoại thông minh toàn cầu đã đạt trên 51% và vượt mức 65% tại các quốc gia phát triển. Tại các đô thị như Hà Nội, một hành trình di chuyển trung bình 10 km bằng xe máy chịu chi phí trực tiếp khoảng 10.000 đồng tiền nhiên liệu và chi phí cơ hội thời gian là 500 đồng mỗi phút. Tình trạng ùn ứ kéo dài làm phát sinh chi phí ngoại ứng tương đương 25% tổng chi phí đi lại của mỗi cá nhân.

Trước thực tế đó, luận văn thạc sĩ chuyên ngành Mạng máy tính và truyền thông dữ liệu của tác giả Trịnh Thị Thiên Nga, dưới sự hướng dẫn của Tiến sĩ Dương Lê Minh tại Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội năm 2019, đã tập trung giải quyết bài toán phát hiện và ước tính trạng thái giao thông đô thị bằng dữ liệu cảm biến điện thoại thông minh. Mục tiêu trọng tâm của nghiên cứu là xây dựng phương pháp DI (Main Direction and Inflow) nhằm tính toán các chỉ số phản ánh chính xác khả năng lưu thông của phương tiện cơ giới với chi phí vận hành thấp.

Phạm vi nghiên cứu được thực hiện tại các tuyến đường trọng điểm thuộc khu vực trung tâm Hà Nội như quận Cầu Giấy, Ba Đình, Thanh Xuân và Hai Bà Trưng trong giai đoạn 2018 - 2019. Dữ liệu được thu thập chi tiết theo các ngày trong tuần và phân tách thành hai khung giờ cao điểm (7:00 - 9:00 và 16:00 - 19:00) cùng ba khung giờ thấp điểm. Ý nghĩa của đề tài thể hiện qua việc cung cấp giải pháp quan trắc giao thông động, hỗ trợ giảm độ trễ di chuyển và tối ưu hóa năng lực thông hành tại các nút giao cắt phức tạp.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu ứng dụng lý thuyết khai phá dữ liệu cảm biến di động đa chiều, tập trung vào ba loại cảm biến phần cứng cốt lõi trên điện thoại thông minh: cảm biến định vị toàn cầu GPS, cảm biến gia tốc (Accelerometer) để nhận diện chuyển động và cảm biến từ kế (Magnetometer) nhằm xác định phương hướng từ trường theo không gian 360 độ.

Mô hình nghiên cứu nền tảng dựa trên cấu trúc đồ thị không - thời gian GST (Graph of Spatio-Time). Không gian đô thị được số hóa và chia nhỏ thành hệ thống các ô lưới hình học cố định nhằm bản địa hóa dữ liệu di chuyển từ các quỹ đạo GPS thu thập được. Khung phân tích vận hành dựa trên ba khái niệm trung tâm:

  • Chỉ số dòng chảy Inflow: Đại diện cho mật độ và vận tốc trung bình của nhóm phương tiện cùng di chuyển theo một hướng trong một ô lưới tại khoảng thời gian xác định.
  • Hướng chính (Main Direction): Được xác định khi tỷ lệ mật độ của một dòng chảy chiếm từ 20% tổng mật độ phương tiện của ô lưới trở lên.
  • Trạng thái chất lượng tắc nghẽn CQS (Congestion Quality Status): Phân chia tình trạng giao thông thành bốn cấp độ vận hành gồm Nhanh, Bình thường, Đông đúc và Ùn tắc.

So với phương pháp ước lượng cụm mật độ DCE vốn chỉ xem xét mật độ đơn thuần, hay phương pháp đánh giá toàn diện mờ FCE đòi hỏi ma trận bốn chỉ số phức tạp, phương pháp DI tạo ra bước đột phá khi kết hợp đồng thời số lượng hướng chính và vận tốc trung bình dòng chảy, giúp mô hình hóa chính xác các xung đột luồng xe tại nút giao.

Phương pháp nghiên cứu

Nguồn dữ liệu thực nghiệm được thu thập thông qua ứng dụng chuyên dụng Traffic Detection Engine cài đặt trên các dòng điện thoại thông minh Android như Samsung, Oppo, Google Nexus S và HTC Wildfire S. Cỡ mẫu nghiên cứu bao gồm 50.591 bản ghi dữ liệu cảm biến trong bảng Markers và 50 báo cáo chuẩn thực địa trong bảng Reports để đối chuẩn.

Nghiên cứu sử dụng phương pháp chọn mẫu phân tầng có chủ đích theo không gian và thời gian. Về không gian, mẫu tập trung tại các nút giao thông có mật độ phương tiện cao thuộc bốn quận nội thành Hà Nội. Về thời gian, dữ liệu được ghi nhận liên tục theo chu kỳ 5 giây một lần từ các cảm biến, sau đó được tiền xử lý lọc nhiễu và đóng gói tự động truyền về máy chủ trung tâm mỗi 5 phút qua kết nối 3G hoặc 4G.

Lý do lựa chọn phương pháp phân tích DI bắt nguồn từ đặc thù giao thông hỗn hợp tại Việt Nam, nơi các dòng xe thường xuyên giao cắt và chuyển làn. Việc tính toán chỉ số dựa trên phân rã véc-tơ hướng và ngưỡng vận tốc giúp giảm thiểu độ phức tạp tính toán của thuật toán máy chủ, đồng thời duy trì khả năng phản hồi trực tuyến theo thời gian thực mà không phụ thuộc vào hạ tầng camera quan sát tốn kém.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình phân tích thực nghiệm trên tập dữ liệu thực tế tại Hà Nội đã mang lại ba phát hiện quan trọng:

Thứ nhất, mô hình ước tính Estimation module của phương pháp DI đạt độ chính xác tổng thể là 71,43% khi so sánh đối chứng với 50 bản ghi dữ liệu chuẩn thực tế từ hiện trường. Kết quả này khẳng định tính khả thi của việc sử dụng dữ liệu di động cộng đồng để giám sát giao thông đô thị.

Thứ hai, nghiên cứu đã xây dựng thành công bảng tham số ngưỡng vận tốc động theo số lượng hướng chính. Khi ô lưới chỉ có 1 hướng chính, ngưỡng vận tốc phân định các trạng thái Ùn tắc, Đông đúc và Bình thường lần lượt là dưới 16 km/h, từ 16 đến 21 km/h, và từ 21 đến 35 km/h. Tuy nhiên, khi số lượng hướng chính tăng lên từ 4 hướng trở lên do xuất hiện xung đột phức tạp tại ngã tư, các ngưỡng vận tốc tương ứng giảm xuống còn dưới 13 km/h, từ 13 đến 18 km/h, và từ 18 đến 25 km/h.

Thứ ba, quy tắc lọc ngưỡng tỷ lệ mật độ 20% đã chứng minh hiệu quả vượt trội trong việc loại bỏ hơn 80% các tín hiệu nhiễu phát sinh từ các phương tiện dừng đỗ tạm thời hoặc rẽ vào ngõ ngách, qua đó cô lập thành công các luồng di chuyển chủ đạo theo 8 hướng địa lý chính.

Thảo luận kết quả

Sự suy giảm của ngưỡng vận tốc khi số lượng hướng chính tăng phản ánh chính xác bản chất xung đột động học tại các nút giao thông. Tại các cung đường thẳng hai chiều có dải phân cách rõ ràng, luồng xe duy trì vận tốc cao dù mật độ lớn. Ngược lại, tại các điểm giao cắt có luồng rẽ trái hoặc nhập làn hỗn hợp, vận tốc dòng chảy suy giảm đột ngột.

Để trực quan hóa các phát hiện này, dữ liệu giao thông được biểu diễn hiệu quả qua bản đồ ô lưới màu sắc trực quan:

  • Màu xanh lá cây: Đại diện cho trạng thái lưu thông Nhanh và Bình thường khi vận tốc dòng chảy đạt từ 21 đến 35 km/h.
  • Màu vàng: Đại diện cho trạng thái Đông đúc khi vận tốc dao động từ 13 đến 22 km/h, cảnh báo khả năng di chuyển chậm nhưng ổn định.
  • Màu đỏ: Thể hiện trạng thái Ùn tắc nghiêm trọng khi vận tốc giảm sâu dưới ngưỡng 13 đến 16 km/h, đòi hỏi cảnh báo phân luồng ngay lập tức.

Khoảng sai lệch 28,57% còn lại trong kết quả dự báo bắt nguồn từ các trường hợp giao thông đặc biệt, chẳng hạn như các vòng xuyến không có đèn tín hiệu, tình trạng xe máy lấn làn vỉa hè hoặc ảnh hưởng cục bộ từ thời tiết xấu làm suy giảm độ nhạy của GPS. So với các giải pháp truyền thống đòi hỏi chi phí đầu tư thiết bị vật lý lớn, phương pháp DI cung cấp một công cụ giám sát gọn nhẹ, dễ mở rộng và đạt độ tin cậy thực tiễn cao.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu, bốn giải pháp hành động cụ thể được khuyến nghị triển khai:

  1. Tích hợp thuật toán DI vào Trung tâm Giám sát và Điều hành Giao thông Đô thị do Sở Giao thông Vận tải Hà Nội chủ trì, phối hợp với các doanh nghiệp công nghệ thông tin. Mục tiêu đặt ra là nâng cao độ chính xác dự báo thời gian thực từ 71,43% lên trên 85% trong lộ trình 12 tháng.

  2. Mở rộng cơ chế thu thập dữ liệu đám đông bằng cách phát hành bộ công cụ SDK tích hợp trên các ứng dụng gọi xe và bản đồ số phổ biến, do cộng đồng phát triển phần mềm giao thông thực hiện. Mục tiêu huy động tối thiểu 100.000 điểm dữ liệu cảm biến hoạt động mỗi ngày trong vòng 6 tháng tới.

  3. Triển khai hệ thống điều khiển chu kỳ đèn tín hiệu thích ứng tại các nút giao có từ 4 hướng chính trở lên do Lực lượng Cảnh sát Giao thông vận hành. Giải pháp này hướng tới việc giảm từ 15% đến 20% thời gian chờ trung bình tại các ngã tư trọng điểm trong thời gian 9 tháng.

  4. Phát triển mô hình học sâu lai ghép kết hợp dữ liệu cảm biến di động với mạng lưới camera giám sát giao thông hiện có, do các viện nghiên cứu và trường đại học công nghệ dẫn dắt, hoàn thiện thử nghiệm trong vòng 24 tháng.

Đối tượng nên tham khảo luận văn

Luận văn mang lại giá trị học thuật và ứng dụng thực tiễn sâu sắc cho bốn nhóm đối tượng chính:

  • Cơ quan quản lý và quy hoạch giao thông đô thị: Tiếp cận phương pháp giám sát mật độ mạng lưới đường bộ diện rộng với chi phí đầu tư thấp, phục vụ công tác phân luồng và quy hoạch hạ tầng giao thông thông minh tại các đô thị loại một.
  • Kỹ sư phát triển phần mềm và hệ sinh thái bản đồ số: Tham khảo kiến trúc hệ thống Traffic Detection Engine, thuật toán tiền xử lý dữ liệu cảm biến đa trục (Gia tốc, Từ kế, GPS) và công thức tính toán chỉ số CQS để tích hợp tính năng cảnh báo ùn tắc theo thời gian thực.
  • Giảng viên, học viên cao học và nghiên cứu sinh ngành Công nghệ thông tin: Khai thác mô hình biểu diễn không - thời gian GST, các công thức toán học về mật độ dòng chảy và phương pháp xử lý dữ liệu lớn di động trong môi trường truyền thông không dây 3G, 4G và 5G.
  • Doanh nghiệp vận tải, giao hàng nhanh và logistics đô thị: Ứng dụng phân loại 4 trạng thái giao thông để tối ưu hóa thuật toán định tuyến phương tiện, giúp tiết kiệm từ 10% đến 15% chi phí nhiên liệu và rút ngắn thời gian giao vận trong các khung giờ cao điểm.

Câu hỏi thường gặp

Phương pháp DI có điểm gì vượt trội so với các phương pháp DCE và FCE trước đây? Phương pháp DI khắc phục được sự đơn điệu của mô hình DCE vốn chỉ dựa vào mật độ thuần túy và sự phức tạp trong tính toán ma trận của mô hình FCE. Bằng việc kết hợp linh hoạt hai chỉ số hướng chính và vận tốc dòng chảy trung bình, DI giúp tối ưu hóa thuật toán tính toán nhưng vẫn đạt độ chính xác thực tế trên 70%.

Tại sao nghiên cứu lại chọn ngưỡng tỷ lệ 20% để xác định một dòng chảy là hướng chính? Dựa trên phân tích thực nghiệm từ 50.591 bản ghi cảm biến, ngưỡng 20% là điểm cân bằng lý tưởng giúp loại bỏ triệt để các tín hiệu nhiễu từ phương tiện quay đầu, rẽ ngõ hoặc dừng đỗ ngẫu nhiên. Ngưỡng này đảm bảo chỉ giữ lại các luồng di chuyển chủ đạo có tác động trực tiếp đến lưu lượng của ô lưới.

Việc thu thập dữ liệu cảm biến liên tục có làm tiêu hao pin và dung lượng di động của người dùng không? Ứng dụng sử dụng cơ chế lấy mẫu ngắt quãng 5 giây một lần từ cảm biến gia tốc và từ kế, kết hợp đóng gói truyền dữ liệu theo chu kỳ 5 phút qua mạng 3G hoặc 4G. Quy trình nén và tiền xử lý dữ liệu ngay tại thiết bị giúp giảm hơn 60% băng thông truyền tải, hạn chế tối đa việc hao pin.

Hệ thống phân cấp tình trạng giao thông đô thị như thế nào trên giao diện người dùng? Tình trạng giao thông được phân chia thành 4 cấp độ rõ rệt gồm Nhanh, Bình thường, Đông đúc và Ùn tắc. Trên giao diện bản đồ ô lưới không - thời gian, hệ thống hiển thị trực quan qua 3 gam màu chuẩn hóa: màu xanh thể hiện thông thoáng, màu vàng cảnh báo di chuyển chậm và màu đỏ biểu thị ùn tắc dưới 13 km/h.

Độ chính xác 71,43% có đủ tin cậy để triển khai trên các ứng dụng giao thông thực tế không? Mức độ chính xác 71,43% là kết quả rất ấn tượng đối với một giải pháp sử dụng dữ liệu cảm biến di động nguồn mở không cần đầu tư hạ tầng cảm biến mặt đường đắt đỏ. Kết quả này hoàn toàn đáp ứng tốt yêu cầu định tuyến và cung cấp thông tin tham khảo giao thông trực tuyến cho người dân.

Kết luận

  • Đề xuất thành công phương pháp DI mới kết hợp giữa số lượng hướng chính và vận tốc trung bình dòng chảy để ước tính tình trạng giao thông đô thị.
  • Xây dựng hoàn chỉnh kiến trúc thu thập và tiền xử lý dữ liệu đa cảm biến (GPS, Gia tốc kế, Từ kế) với tập dữ liệu thực nghiệm 50.591 bản ghi tại Hà Nội.
  • Xác lập bộ tham số ngưỡng vận tốc động theo 4 cấp độ trạng thái giao thông, đạt độ chính xác dự báo 71,43% so với dữ liệu kiểm chứng thực địa.
  • Hiện thực hóa mô hình biểu diễn không - thời gian GST trên bản đồ ô lưới trực quan, cho phép hiển thị cảnh báo phân cấp màu sắc rõ ràng theo thời gian thực.
  • Cung cấp giải pháp giám sát giao thông thông minh có chi phí đầu tư tối ưu, sở hữu tiềm năng nhân rộng vượt bậc cho các đô thị đang phát triển.

Đóng góp lớn nhất của luận văn là đã mở ra hướng tiếp cận mới trong việc khai thác dữ liệu cảm biến điện thoại thông minh phục vụ quản lý giao thông đô thị. Để hoàn thiện hệ thống, lộ trình tiếp theo trong 6 đến 12 tháng tới cần tập trung mở rộng quy mô thử nghiệm lên 10.000 người dùng và tinh chỉnh thuật toán cho các nút giao phức tạp. Hãy khai thác ngay nền tảng phương pháp DI để xây dựng các giải pháp điều hướng thông minh và giảm thiểu ùn tắc cho đô thị của bạn.