Tổng quan nghiên cứu

Trong bối cảnh đô thị hóa và phát triển kinh tế nhanh chóng, lượng phương tiện giao thông tăng lên đáng kể đã dẫn đến tình trạng ùn tắc giao thông nghiêm trọng tại nhiều thành phố lớn. Theo ước tính, ùn tắc giao thông không chỉ làm tăng thời gian di chuyển mà còn gây lãng phí nhiên liệu và ô nhiễm môi trường. Hệ thống đèn giao thông truyền thống với bộ đếm thời gian cố định không thể đáp ứng hiệu quả nhu cầu điều tiết giao thông đa dạng và biến động theo thời gian thực. Do đó, việc nghiên cứu và ứng dụng các công nghệ hiện đại như Internet kết nối vạn vật (IoT) và trí tuệ nhân tạo (AI) trong điều khiển đèn giao thông thông minh trở nên cấp thiết.

Luận văn tập trung vào đề tài “Ứng dụng Internet kết nối vạn vật và trí tuệ nhân tạo trong bài toán điều khiển đèn giao thông thông minh” với mục tiêu xây dựng mô hình thử nghiệm tích hợp IoT và AI nhằm giám sát, phân tích mật độ giao thông qua xử lý hình ảnh và điều khiển đèn tín hiệu linh hoạt theo thời gian thực. Phạm vi nghiên cứu giới hạn tại các nút giao thông với hệ thống phần cứng gồm Raspberry Pi, Arduino và camera giám sát, thực hiện trong khoảng thời gian từ 6h đến 22h hàng ngày. Ý nghĩa của nghiên cứu thể hiện qua việc giảm thiểu ùn tắc, tiết kiệm nhiên liệu, giảm thiểu tai nạn và hỗ trợ công tác quy hoạch giao thông đô thị thông minh.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai khung lý thuyết chính:

  1. Internet kết nối vạn vật (IoT): Là hệ thống cho phép các thiết bị kết nối, thu thập và truyền dữ liệu qua mạng Internet mà không cần tương tác trực tiếp giữa người với người hoặc người với máy tính. Trong nghiên cứu, IoT được ứng dụng để thu thập dữ liệu hình ảnh từ camera giao thông, truyền tải và điều khiển đèn tín hiệu từ xa qua giao diện web.

  2. Trí tuệ nhân tạo (AI) trong xử lý hình ảnh: Sử dụng các thuật toán AI để phân tích hình ảnh thu nhận từ camera nhằm phát hiện, đếm số lượng phương tiện, tính toán mật độ giao thông theo thời gian thực. Các thuật toán xử lý ảnh bao gồm phương pháp trừ nền (Background subtraction), phát hiện biên, nhận diện màu sắc và phát hiện chuyển động đối tượng. Khái niệm chính bao gồm:

    • Phân đoạn ảnh (Segmentation): Tách ảnh thành các vùng tương đồng để nhận dạng đối tượng.
    • Phát hiện chuyển động (Motion detection): Xác định các đối tượng di chuyển trong khung hình.
    • Học có giám sát (Supervised learning): Thuật toán AI học từ dữ liệu có nhãn để dự đoán và phân loại.

Phương pháp nghiên cứu

  • Nguồn dữ liệu: Hình ảnh thu thập trực tiếp từ camera Raspberry Pi V1 OV5647 5MP tại các nút giao thông mô hình thử nghiệm. Dữ liệu được xử lý trên máy tính nhúng Raspberry Pi 3 Model B+.

  • Phương pháp phân tích: Áp dụng thuật toán trừ nền để phát hiện chuyển động phương tiện, lọc nhiễu bằng bộ lọc trung vị, phân vùng ảnh theo từng làn đường để đếm số lượng xe. Kết quả phân tích mật độ giao thông được sử dụng để điều khiển đèn tín hiệu giao thông qua vi điều khiển Arduino Uno.

  • Timeline nghiên cứu: Nghiên cứu lý thuyết và tổng hợp tài liệu trong giai đoạn đầu; thiết kế và xây dựng mô hình phần cứng, phần mềm trong giai đoạn giữa; thử nghiệm, đánh giá và hoàn thiện hệ thống trong giai đoạn cuối năm 2021 đến đầu năm 2022.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Hiệu quả phát hiện và đếm phương tiện: Thuật toán trừ nền kết hợp bộ lọc trung vị giúp phát hiện chính xác các phương tiện di chuyển trong khung hình với độ chính xác trên 85% trong điều kiện ánh sáng ban ngày và khoảng 75% vào ban đêm. Hệ thống phân chia thành 4 làn đường riêng biệt, cho phép đếm số lượng xe theo từng làn với sai số dưới 10%.

  2. Điều khiển đèn giao thông linh hoạt theo mật độ: Hệ thống tự động điều chỉnh thời gian đèn xanh, đỏ dựa trên mật độ xe thực tế, ưu tiên làn đường có mật độ cao hơn. So với bộ điều khiển thời gian cố định, thời gian chờ trung bình giảm khoảng 20-30%, góp phần giảm ùn tắc cục bộ.

  3. Khả năng điều khiển từ xa qua giao diện web: Việc tích hợp điều khiển đèn giao thông qua web server giúp người quản lý có thể giám sát và điều chỉnh hệ thống từ xa, tăng tính tiện lợi và khả năng ứng phó nhanh với các tình huống giao thông bất thường.

  4. Chế độ ban đêm hiệu quả: Trong khung giờ từ 22h đến 6h, hệ thống chuyển sang chế độ nhấp nháy đèn vàng, giúp tiết kiệm năng lượng và đảm bảo an toàn giao thông khi mật độ xe thấp.

Thảo luận kết quả

Nguyên nhân chính của hiệu quả trên là sự kết hợp giữa công nghệ IoT và AI trong xử lý hình ảnh, cho phép thu thập dữ liệu thời gian thực và ra quyết định điều khiển chính xác hơn so với phương pháp truyền thống. Kết quả phù hợp với các nghiên cứu gần đây về ứng dụng AIoT trong giao thông thông minh, đồng thời khẳng định tính khả thi của việc sử dụng Raspberry Pi và Arduino trong các hệ thống điều khiển giao thông quy mô nhỏ và vừa.

Biểu đồ thể hiện sự giảm thời gian chờ đèn xanh trung bình theo từng chế độ điều khiển sẽ minh họa rõ nét hiệu quả của hệ thống. Bảng so sánh độ chính xác phát hiện xe giữa các phương pháp xử lý ảnh cũng cho thấy ưu điểm vượt trội của thuật toán trừ nền kết hợp lọc nhiễu.

Đề xuất và khuyến nghị

  1. Mở rộng hệ thống đồng bộ nhiều nút giao thông: Triển khai đồng bộ các hệ thống điều khiển đèn giao thông thông minh tại nhiều nút giao để tối ưu hóa lưu lượng giao thông toàn thành phố, giảm thiểu ùn tắc lan rộng. Thời gian thực hiện dự kiến 1-2 năm, do các cơ quan quản lý giao thông phối hợp.

  2. Nâng cao thuật toán AI xử lý hình ảnh: Áp dụng các mô hình học sâu (deep learning) để cải thiện độ chính xác nhận diện và phân loại phương tiện, đặc biệt trong điều kiện ánh sáng yếu hoặc thời tiết xấu. Chủ thể thực hiện là các nhóm nghiên cứu công nghệ và doanh nghiệp công nghệ giao thông trong 6-12 tháng.

  3. Tích hợp hệ thống cảnh báo và dự báo giao thông: Kết hợp dữ liệu thu thập được với các hệ thống dự báo lưu lượng giao thông để cảnh báo sớm các điểm ùn tắc và điều chỉnh tín hiệu linh hoạt hơn. Thời gian triển khai 1 năm, do các đơn vị quản lý giao thông và công nghệ phối hợp.

  4. Phát triển giao diện điều khiển thân thiện và đa nền tảng: Cải tiến giao diện web điều khiển đèn giao thông để hỗ trợ đa thiết bị (máy tính, điện thoại thông minh), tăng tính tương tác và dễ sử dụng cho người quản lý. Thời gian thực hiện 3-6 tháng, do nhóm phát triển phần mềm đảm nhận.

Đối tượng nên tham khảo luận văn

  1. Các nhà quản lý giao thông đô thị: Có thể áp dụng kết quả nghiên cứu để nâng cao hiệu quả quản lý và điều phối giao thông, giảm ùn tắc và tai nạn.

  2. Các nhà nghiên cứu và sinh viên ngành kỹ thuật điện tử, công nghệ thông tin: Tham khảo phương pháp tích hợp IoT và AI trong xử lý ảnh và điều khiển thiết bị thực tế.

  3. Doanh nghiệp phát triển giải pháp giao thông thông minh: Áp dụng mô hình thử nghiệm và thuật toán để phát triển sản phẩm thương mại, nâng cao tính cạnh tranh.

  4. Cơ quan quy hoạch đô thị và giao thông: Sử dụng dữ liệu và phân tích từ hệ thống để hỗ trợ công tác quy hoạch mạng lưới giao thông và phát triển đô thị bền vững.

Câu hỏi thường gặp

  1. Hệ thống có thể áp dụng cho các nút giao thông lớn không?
    Hệ thống hiện tại được thiết kế cho mô hình thử nghiệm quy mô nhỏ, tuy nhiên kiến trúc IoT và thuật toán AI có thể mở rộng cho các nút giao thông lớn với việc nâng cấp phần cứng và tối ưu thuật toán.

  2. Độ chính xác của thuật toán phát hiện xe trong điều kiện ánh sáng yếu như thế nào?
    Độ chính xác giảm nhẹ khoảng 10% so với ban ngày do nhiễu và ánh sáng yếu, tuy nhiên vẫn đảm bảo trên 75% nhờ sử dụng bộ lọc trung vị và ngưỡng động trong xử lý ảnh.

  3. Hệ thống có hỗ trợ điều khiển từ xa qua mạng Internet không?
    Có, hệ thống tích hợp giao diện web điều khiển đèn giao thông từ xa, giúp người quản lý dễ dàng giám sát và điều chỉnh.

  4. Có thể tích hợp thêm các cảm biến khác ngoài camera không?
    Có thể, hệ thống có thể mở rộng tích hợp các cảm biến như cảm biến hồng ngoại, radar để tăng độ chính xác và đa dạng dữ liệu.

  5. Chi phí triển khai hệ thống thử nghiệm là bao nhiêu?
    Chi phí ước tính khoảng vài triệu đồng cho phần cứng Raspberry Pi, Arduino, camera và các linh kiện phụ trợ, phù hợp với các dự án nghiên cứu và mô hình nhỏ.

Kết luận

  • Luận văn đã xây dựng thành công mô hình thử nghiệm điều khiển đèn giao thông thông minh tích hợp IoT và AI, với khả năng phát hiện và phân tích mật độ giao thông theo thời gian thực.
  • Thuật toán trừ nền kết hợp bộ lọc trung vị giúp phát hiện phương tiện với độ chính xác trên 85% trong điều kiện ban ngày.
  • Hệ thống điều khiển đèn giao thông linh hoạt theo mật độ xe, giảm thời gian chờ trung bình khoảng 20-30% so với phương pháp truyền thống.
  • Tích hợp điều khiển từ xa qua giao diện web nâng cao tính tiện lợi và khả năng quản lý hệ thống.
  • Đề xuất mở rộng đồng bộ hệ thống, nâng cao thuật toán AI và tích hợp dự báo giao thông để phát triển hệ thống giao thông thông minh toàn diện.

Hành động tiếp theo: Khuyến khích các đơn vị quản lý giao thông và doanh nghiệp công nghệ phối hợp triển khai thử nghiệm mở rộng, đồng thời nghiên cứu nâng cao thuật toán AI để ứng dụng thực tế hiệu quả hơn. Độc giả quan tâm có thể liên hệ tác giả để trao đổi và hợp tác nghiên cứu phát triển.