Ứng dụng AI giải bài toán ùn tắc giao thông đô thị

Tại các đô thị lớn, tình trạng ùn tắc giao thông diễn ra thường xuyên và ảnh hưởng trực tiếp đến đời sống của hàng triệu người dân. Tình trạng này không chỉ gây lãng phí thời gian, giảm hiệu suất làm việc mà còn là nhân tố chính làm suy giảm chất lượng không khí. Riêng tại Hà Nội, tình trạng ùn tắc ước tính làm thiệt hại cho nền kinh tế khoảng 1,2 tỉ USD mỗi năm.

Trước thách thức này, Tiến sĩ Phạm Việt Hùng, chuyên gia về điện tử, hệ thống máy tính, robot và cơ điện tử tại Đại học RMIT Việt Nam, nhận định rằng để giải quyết dứt điểm bài toán giao thông, việc hiểu rõ lý do tại sao xảy ra ùn tắc có ý nghĩa quan trọng không kém gì việc dự báo nơi sẽ kẹt xe.

TỪ DỰ BÁO ĐẾN LUẬN GIẢI NGUYÊN NHÂN

Hầu hết các ứng dụng giao thông hiện nay chỉ dừng lại ở việc chỉ ra những tuyến đường sắp kẹt, nhưng hoàn toàn "im lặng" trước câu hỏi tại sao nơi đó lại kẹt.

Nghiên cứu của Tiến sĩ Hùng cùng cộng sự  kết hợp dữ liệu di động của người tham gia giao thông với Học máy (Machine Learning) và AI có khả năng luận giải (Explainable Artificial Intelligence - XAI).

Công nghệ XAI giúp "vén màn" cơ chế đưa ra kết luận của máy tính, từ đó xác định rõ yếu tố nào như địa điểm, thời gian trong ngày, ngày cuối tuần hay sự kiện đột xuất đang trực tiếp gây ra ùn tắc. Tiến sĩ Hùng nhấn mạnh rằng điểm khác biệt của nghiên cứu là không dừng lại ở việc đơn thuần dự đoán tình hình giao thông mà lý giải tại sao chúng diễn ra.

Nguồn phân tích chỉ ra những phát hiện bất ngờ. Đầu tiên, yếu tố địa điểm mang tính quyết định khi một số cung đường và khu vực có mức độ ảnh hưởng lớn hơn hẳn so với phân loại đường thông thường, và việc loại bỏ dữ liệu địa điểm sẽ làm độ chính xác của mô hình giảm rõ rệt.

Bên cạnh đó, hiện tượng ùn tắc ngoài giờ cao điểm xuất hiện tại nhiều khu vực vào các khung giờ yên tĩnh do các hoạt động đặc thù. Nếu không có AI luận giải, những quy luật ẩn này sẽ bị bỏ qua trong kho dữ liệu khổng lồ.

TẬN DỤNG "CẢM BIẾN DÂN DOANH" ĐỂ TỐI ƯU HÓA CHÍNH SÁCH

Việc lắp đặt mạng lưới cảm biến giao thông quy mô lớn đòi hỏi chi phí đầu tư vô cùng tốn kém. Trong khi đó, tại TP.HCM, nơi có khoảng 8 triệu phương tiện lưu thông chính chiếc điện thoại thông minh trong túi mỗi người dân lại là một "kho thông tin" cập nhật theo thời gian thực. Nghiên cứu chứng minh rằng dữ liệu từ cộng đồng hoàn toàn có thể thay thế hoặc bổ trợ đắc lực cho hệ thống cảm biến đắt đỏ.

Lợi ích của phương pháp này lan tỏa tới nhiều nhóm đối tượng khác nhau. Đối với nhà quy hoạch đô thị, mô hình giúp xác định chính xác các "điểm đen" tái đi tái lại để xử lý trúng đích, tránh đầu tư dàn trải gây tốn kém.

Theo Tiến sĩ Hùng, doanh nghiệp logistics nhờ đó có thể lập lộ trình di chuyển tối ưu, giảm thiểu thời gian và chi phí vận hành. Người tham gia giao thông chủ động hơn trong lộ trình, tiết kiệm thời gian và giảm căng thẳng. Đồng thời, cơ quan quản lý mở rộng được tính minh bạch và đưa ra các quyết định chính sách dựa trên dữ liệu tin cậy.

HƯỚNG TỚI ĐÔ THỊ THÔNG MINH LẤY CON NGƯỜI LÀM TRỌNG TÂM

Thời gian tới, nhóm nghiên cứu dự kiến tích hợp thêm các biến số như điều kiện thời tiết, sự cố giao thông và các sự kiện công cộng, đồng thời thử nghiệm mô hình tại nhiều dạng đô thị khác nhau. Tiến sĩ Hùng kỳ vọng công nghệ này sẽ biến dữ liệu thô thành những tri thức thực tiễn, giúp chính phủ và cộng đồng hành động hiệu quả hơn.

Trong tiến trình đô thị hóa và chuyển đổi số mạnh mẽ của Việt Nam, bài toán đặt ra không còn là thu thập bao nhiêu dữ liệu, mà là làm sao biến dữ liệu đó thành tri thức đáng tin cậy. Việc ứng dụng AI có khả năng luận giải chính là chìa khóa để xây dựng những đô thị thông minh, hiệu quả và thực sự lấy con người làm trọng tâm.