Tối Ưu Hóa Tín Hiệu Giao Thông Thông Minh Bằng Thị Giác Máy Tính (Computer Vision) Và Edge AI Giảm 35% Ách Tắc Tại Siêu Đô Thị

Bối cảnh và Nút thắt cổ chai của hạ tầng giao thông đô thị: Ách tắc giao thông là căn bệnh trầm kha của mọi siêu đô thị đang phát triển, gây thiệt hại hàng tỷ đô la mỗi năm do lãng phí nhiên liệu, giảm năng suất lao động và ô nhiễm khí thải Carbon khổng lồ. Case study này đi sâu vào việc giải quyết bài toán giao thông tại một trục đại lộ huyết mạch với 15 nút giao (ngã tư) liên tiếp nối từ khu đô thị vệ tinh vào trung tâm thành phố.

Trước khi dự án công nghệ được triển khai, hệ thống điều khiển giao thông tại đây hoạt động hoàn toàn dựa trên cơ chế Định thời gian tĩnh (Fixed-time Control) kiểu cũ. Các kỹ sư cấu hình thời gian đèn xanh/đỏ dựa trên số liệu khảo sát thống kê thủ công của vài tháng trước. Chu kỳ đèn xanh của hướng đi chính luôn được cài đặt mặc định là 60 giây, bất chấp tình hình thực tế. Hậu quả là, vào những buổi trưa hoặc tối muộn khi dòng xe ở trục chính vắng hoe, hàng trăm chiếc xe ở trục phụ vẫn phải chôn chân đứng chờ đèn đỏ một cách vô lý. Ngược lại, vào những chiều mưa tầm tã xảy ra sự cố ngập lụt, lưu lượng xe dồn về trục chính tăng gấp 5 lần, chu kỳ 60 giây đèn xanh quá ngắn khiến hàng ngàn phương tiện ùn ứ thành một bãi đỗ xe khổng lồ kéo dài hàng cây số. Sự cứng nhắc và "mù lòa" của hệ thống cũ đòi hỏi một cuộc phẫu thuật tận gốc: Phải trao cho hệ thống đèn tín hiệu "Đôi mắt" để nhìn thấy thực trạng và "Bộ não" để tự ra quyết định.

Giải pháp Kỹ thuật 1: "Đôi mắt" Thị giác Máy tính (Computer Vision) và Trí tuệ Nhân tạo Biên (Edge AI): Thay vì đập bỏ mặt đường để lắp đặt các vòng từ cảm biến (Inductive loop detectors) tốn kém và dễ hỏng, dự án quyết định triển khai hệ thống Camera Thông minh độ phân giải cao kết hợp Trí tuệ Nhân tạo. Tuy nhiên, nếu truyền toàn bộ hàng ngàn luồng video 4K trực tiếp (Livestream) từ các ngã tư về trung tâm dữ liệu đám mây (Cloud) để phân tích, băng thông mạng cáp quang sẽ quá tải, và độ trễ (Latency) đường truyền sẽ khiến dữ liệu trả về bị chậm, làm sai lệch quyết định của đèn giao thông.

Để giải quyết bài toán độ trễ, nhóm kiến trúc sư đã áp dụng công nghệ Điện toán Biên (Edge Computing / Edge AI). Tại mỗi tủ điều khiển ngã tư, một cỗ máy tính nhúng chuyên dụng xử lý đồ họa (như phần cứng NVIDIA Jetson Orin Nano) được lắp đặt trực tiếp. Các camera sẽ đẩy luồng video ngắn chỉ 1 mét vào chiếc máy tính biên này. Tại đây, thuật toán Thị giác máy tính (Computer Vision) – cụ thể là mô hình học sâu YOLOv8 (You Only Look Once) đã được tối ưu hóa cực đoan qua trình biên dịch TensorRT – sẽ hoạt động với tốc độ 60 khung hình/giây (FPS). Nó liên tục vẽ các hộp giới hạn (Bounding Boxes) để nhận diện, phân loại (Ô tô, Xe máy, Xe tải, Xe buýt, Người đi bộ) và đếm chính xác số lượng phương tiện đang dừng chờ hoặc đang di chuyển ở từng làn đường. Không có một khung hình video nào được tải lên mạng lưới; thiết bị Biên chỉ bóc tách ra các chuỗi dữ liệu (Data JSON) siêu nhẹ: "Hướng Bắc-Nam đang có 50 ô tô, vận tốc trung bình 10km/h" rồi gửi về trung tâm chỉ huy trong vòng chưa đầy 10 mili-giây. Cơ chế Edge AI này không chỉ giải quyết bài toán độ trễ mà còn bảo vệ tuyệt đối quyền riêng tư hình ảnh (Privacy) của người đi đường.

Giải pháp Kỹ thuật 2: "Bộ não" Điều khiển Tín hiệu Thích ứng (ATCS) bằng Học Tăng Cường (Reinforcement Learning): Tại phòng điều khiển trung tâm, dữ liệu từ 15 ngã tư hội tụ về để nạp vào hệ thống Điều khiển Giao thông Thích ứng (ATCS - Adaptive Traffic Control System). Các nhà khoa học dữ liệu không lập trình các quy tắc (Rule-based) theo kiểu IF-THEN cho đèn giao thông, bởi lẽ môi trường giao thông có hàng triệu biến số ngẫu nhiên. Thay vào đó, họ triển khai các tác tử Học Tăng Cường (Reinforcement Learning - thuật toán Q-Learning đa tác tử).

Trong môi trường mô phỏng không gian kỹ thuật số (Digital Twin) của trục đường, AI Agent đóng vai trò là người điều khiển đèn. Nếu AI quyết định kéo dài đèn xanh làm giảm tổng thời gian chờ của đoàn xe, nó nhận được "điểm thưởng" (Reward); nếu quyết định sai làm ùn tắc ngã tư kế tiếp, nó bị "điểm phạt" (Penalty). Sau hàng triệu lần tự học qua mô phỏng, mô hình AI được đưa ra thực chiến. Bằng cách tính toán ma trận ma sát của 15 ngã tư liên tiếp, AI dự đoán được: Cụm 300 xe vừa thoát khỏi ngã tư số 1 sẽ cần đúng 45 giây để di chuyển đến ngã tư số 2. Hệ thống sẽ ngầm đếm ngược và tự động chuyển đèn ngã tư số 2 sang màu Xanh vừa khíp lúc đoàn xe chạy tới. Hiện tượng này tạo ra một "Làn sóng xanh" (Green Wave) ngoạn mục, cho phép các phương tiện đi trên trục chính vượt qua liên tiếp hàng chục ngã tư mà không phải đạp phanh dừng lại một lần nào. Song song đó, nếu phát hiện có Xe Cứu Thương (được gắn bộ phát sóng V2I - Vehicle-to-Infrastructure) đang tiến lại gần, hệ thống sẽ tự động ép tất cả các hướng khác chuyển sang đèn đỏ, dọn sạch một luồng đi ưu tiên (Green Corridor) khẩn cấp để cứu người.

Kết quả Thực tiễn và Hiệu quả Kinh tế Xã hội: Sau 6 tháng chạy thực nghiệm và tự tinh chỉnh thuật toán, hệ thống Giao thông thông minh đã mang lại kết quả chấn động. Tại trục đại lộ huyết mạch, thời gian chôn chân chờ đèn đỏ trung bình của phương tiện trong giờ cao điểm đã giảm tới 35%, tương đương việc tiết kiệm hàng trăm ngàn giờ công lao động mỗi tháng cho người dân. Vận tốc lưu thông trung bình tăng từ 18 km/h lên 28 km/h. Việc giảm số lần đạp phanh và khởi động lại của các phương tiện (đặc biệt là xe tải nặng) đã giúp cắt giảm trực tiếp 15% lượng khí thải CO2 độc hại xả ra môi trường khu dân cư. Case study này là minh chứng hùng hồn nhất cho việc: Thay vì tốn hàng tỷ đô la và hàng chục năm để giải phóng mặt bằng, mở rộng đường sá hay xây cầu vượt, việc áp dụng công nghệ thuật toán lõi AI và Thị giác máy tính biên có thể hồi sinh một hệ thống hạ tầng vật lý đang hấp hối, biến một đô thị tắc nghẽn thành một Siêu đô thị thông minh (Smart City) thực thụ.

Doanh nghiệp cần một đối tác công nghệ tin cậy? Tham khảo thuê đội kỹ thuật & white label của DUDI.