Hiện nay, mạng lưới quốc lộ, cao tốc khu vực phía nam mở rộng nhanh, lưu lượng phương tiện tăng liên tục, nhu cầu có dữ liệu giao thông chính xác, liên tục ngày càng rõ nét. Ứng dụng trí tuệ nhân tạo (AI) để tự động đếm, phân loại phương tiện và tổng hợp lưu lượng được kỳ vọng hỗ trợ công tác quy hoạch, thiết kế, bảo trì và điều hành giao thông.
Phóng viên Báo Nhân Dân trao đổi với ông Bùi Viết Cường, Giám đốc Trung tâm Kỹ thuật và Công nghệ đường bộ phía nam, về kết quả bước đầu, những thách thức kỹ thuật và định hướng phát triển hệ thống dữ liệu giao thông.
Phóng viên: Thưa ông, động lực nào thúc đẩy Trung tâm tập trung nghiên cứu, ứng dụng AI vào đếm xe tự động và thu thập dữ liệu giao thông?
Ông Bùi Viết Cường: Có ba động lực chính. Trước hết là yêu cầu thực tiễn của công tác quản lý. Mạng lưới quốc lộ và cao tốc khu vực phía nam đang mở rộng nhanh, lưu lượng xe tăng liên tục. Các quyết định về quy hoạch, bảo trì hay điều hành đều cần số liệu lưu lượng chính xác, liên tục và được thể hiện trực quan, tổng quát. Trong khi đó, đếm xe thủ công chỉ cung cấp số liệu theo từng đợt, tốn nhân lực và chưa phản ánh đầy đủ thực trạng giao thông.
Thứ hai là chủ trương của Đảng và Nhà nước. Nghị quyết số 57-NQ/TW của Bộ Chính trị về đột phá phát triển khoa học, công nghệ, đổi mới sáng tạo và chuyển đổi số xác định dữ liệu là tư liệu sản xuất mới. Là đơn vị khoa học-kỹ thuật của Cục Đường bộ Việt Nam, chúng tôi xác định cần đi đầu trong thu thập, xây dựng cơ sở dữ liệu, trong đó có dữ liệu lưu lượng giao thông.
Thứ ba, điều kiện công nghệ đã chín muồi. Tại các đô thị lớn, hệ thống camera giao thông đã phủ rộng; trên quốc lộ có mạng lưới trạm thu phí với hệ thống giám sát, còn cao tốc có hệ thống CCTV theo dõi 24/7 thông qua các trung tâm điều hành (TMC). Các mô hình thị giác máy tính hiện nay đủ mạnh để nhận diện phương tiện trong dòng xe hỗn hợp. Nếu chỉ dùng camera để quan sát thì sẽ lãng phí nguồn dữ liệu hình ảnh; AI có thể biến hình ảnh thành dữ liệu có cấu trúc mà không cần đầu tư thêm nhiều thiết bị.
Phóng viên: Ông có thể cho biết quy trình kỹ thuật hiện nay vận hành ra sao và kết quả bước đầu như thế nào?
Ông Bùi Viết Cường: Quy trình năm bước đã khép kín chuỗi xử lý từ hình ảnh đến số liệu, gần như không cần can thiệp thủ công. Bước đầu là thu nhận video từ camera hiện hữu hoặc camera khảo sát lưu động; tiếp đó tiền xử lý hình ảnh, hiệu chỉnh góc nhìn và thiết lập vạch cảm biến ảo theo từng làn, từng hướng. Hệ thống dùng mô hình học sâu để nhận diện, phân loại phương tiện; AI được huấn luyện theo phương pháp học máy có giám sát trên bộ dữ liệu thu thập từ chính đường sá Việt Nam. Sau đó, hệ thống truy vết từng xe, đếm khi xe cắt qua vạch cảm biến ảo, rồi tổng hợp, xuất dữ liệu và xây dựng biểu đồ lưu lượng theo thời gian thực.
Với bộ dữ liệu gồm hơn 200.000 nhãn phân loại, hệ thống hiện cơ bản phân loại được các nhóm phương tiện có hình dạng, kích thước tương tự. Một giờ video trước đây cần khoảng ba giờ công đếm, nay được xử lý gần như đồng thời. Quan trọng hơn, dữ liệu không còn chỉ là một “lát cắt” trong vài ngày khảo sát mà có thể trở thành chuỗi liên tục 24/7.
Tuy vậy, nếu chỉ sử dụng dữ liệu đầu vào từ camera, việc nhận diện các loại xe tải khác nhau về số trục và tải trọng vẫn là thách thức. Chúng tôi đang tiếp tục huấn luyện mô hình học sâu để nhận diện đầy đủ hơn các loại phương tiện.
Phóng viên: Dữ liệu do AI thu thập có thể đóng góp cụ thể như thế nào cho quy hoạch, thiết kế và điều hành giao thông, thưa ông?
Ông Bùi Viết Cường: Giá trị thể hiện ở cả khâu thiết kế, quy hoạch và vận hành. Với thiết kế, khi có số liệu đếm liên tục cả 12 tháng, lưu lượng xe trung bình ngày đêm có thể được tính trực tiếp, thay vì ngoại suy từ vài ngày khảo sát bằng hệ số tăng trưởng. Phân loại chi tiết từng nhóm xe giúp quy đổi ra xe con quy đổi (PCU) sát thực tế hơn, qua đó hỗ trợ xác định cấp đường, số làn xe, thời điểm cần mở rộng; đây cũng là đầu vào quan trọng để thiết kế kết cấu áo đường.
Với quy hoạch, bộ dữ liệu được tích lũy theo từng giai đoạn phát triển, phân loại rõ các nhóm phương tiện, giúp hình thành cái nhìn tổng quan và là cơ sở cho quy hoạch đô thị theo hướng bền vững, lâu dài.
Trong điều hành, dữ liệu thời gian thực có thể giúp phát hiện sớm dấu hiệu ùn tắc khi lưu lượng tiệm cận năng lực thông hành. Từ đó, cơ quan quản lý có thể cập nhật thông tin lên biển báo điện tử (VMS) và các trang thông tin hiện có, khuyến cáo lộ trình thay thế, điều chỉnh pha đèn tín hiệu hoặc phối hợp phân luồng tại nút giao. Vào dịp lễ, Tết, dữ liệu lịch sử còn hỗ trợ dự báo trước đỉnh lưu lượng để chủ động phương án điều tiết.
Nền tảng nhận diện và truy vết cũng mở ra các hướng ứng dụng khác. Khi xác định được lưu lượng phương tiện, có thể tính tải trọng trục tích lũy thực tế; kết hợp dữ liệu khảo sát mặt đường để dự báo mức độ xuống cấp và ưu tiên nguồn vốn bảo trì. Việc truy vết trong phạm vi camera quan sát có thể xây dựng lưu đồ di chuyển, hỗ trợ điều tiết, phân luồng và làm cơ sở xem xét phương án mở rộng tuyến đường, quy hoạch đô thị. AI còn có thể ghi nhận những tình huống có nguy cơ va chạm, phanh gấp, chuyển làn đột ngột để nhận diện sớm điểm nguy hiểm. Dữ liệu đếm, phân loại xe cũng có thể được dùng rà soát, chuẩn xác số liệu tại trạm thu phí hoặc dữ liệu đăng kiểm.
Phóng viên: Theo ông, AI khắc phục những hạn chế của phương pháp đếm thủ công, nhất là tình trạng đếm trùng và sai số, như thế nào?
Ông Bùi Viết Cường: Sai số của đếm thủ công không hẳn nằm ở trình độ người thực hiện mà còn do giới hạn của con người. Sau vài giờ liên tục, nhân viên dễ mệt mỏi, bỏ sót khi dòng xe dày; trời mưa hoặc ban đêm khiến việc quan sát khó khăn. Mỗi người cũng có thể phân loại phương tiện khác nhau, trong khi kết quả gần như không thể kiểm tra lại.
AI xử lý vấn đề qua ba lớp. Thứ nhất, mỗi xe xuất hiện trong khung hình được gán một mã ID duy nhất và được theo dõi qua các khung hình, kể cả khi tạm thời bị xe khác che khuất. Thứ hai, mỗi ID chỉ được ghi nhận khi cắt qua vạch cảm biến ảo đúng hướng và chỉ một lần, hạn chế đếm trùng khi xe dừng, chạy chậm hoặc chuyển làn tại vị trí đếm. Thứ ba, hệ thống áp dụng tiêu chí phân loại thống nhất; mỗi lượt đếm gắn với thời điểm và hình ảnh để có thể truy ngược khi cần đối chứng.
AI không tuyệt đối chính xác. Vì vậy, chúng tôi vẫn trích ngẫu nhiên các đoạn video để đếm đối chứng, đánh giá sai số theo từng loại xe và điều kiện cụ thể, sau đó bổ sung dữ liệu huấn luyện cho những tình huống mô hình còn yếu.
Phóng viên: Dòng xe hỗn hợp, tỷ lệ xe máy lớn và điều kiện thời tiết bất lợi đặt ra những thách thức gì đối với hệ thống, thưa ông?
Ông Bùi Viết Cường: Tại Việt Nam, xe máy chiếm khoảng 70-80% thành phần dòng xe và thường di chuyển đan xen, không theo làn cố định. Đây là thách thức lớn, cũng là lý do chúng tôi không thể sử dụng nguyên các phần mềm nước ngoài vốn chủ yếu được huấn luyện cho dòng ô-tô chạy theo làn. Bộ dữ liệu của chúng tôi được xây dựng từ đường sá Việt Nam, có tỷ trọng lớn các tình huống xe máy đông, che khuất nhau. Trên đường hỗn hợp, hệ thống đếm theo vùng (zone) trên toàn mặt cắt thay vì bám cứng theo làn.
Đối với xe tải trọng nặng, đây là nhóm quan trọng cho công tác bảo trì nhưng cũng dễ nhầm giữa các phân nhóm. Hiện có các phương án như kết hợp cảm biến, sử dụng camera quét ba chiều hoặc đối chiếu dữ liệu đăng kiểm; tuy nhiên, hiệu quả khi bổ sung các nguồn dữ liệu này vẫn cần được đánh giá.
Với điều kiện ánh sáng và thời tiết bất lợi, mô hình được huấn luyện bổ sung bằng dữ liệu ban đêm, trời mưa, ngược sáng và đèn pha gây chói. Tại các vị trí trọng yếu, định hướng là kết hợp camera với cảm biến vật lý hoặc LiDAR, vốn ít chịu ảnh hưởng của ánh sáng. Camera hỗ trợ nhận biết loại xe, còn cảm biến cung cấp thông tin về số lượng và tốc độ; hai nguồn dữ liệu có thể bổ sung cho nhau. Hệ thống cũng tự gắn cờ cảnh báo ở những khoảng thời gian chất lượng hình ảnh kém để người dùng nhận biết mức độ tin cậy của số liệu.
Phóng viên: Ông có thể cho biết việc xây dựng cơ sở dữ liệu giao thông dùng chung có ý nghĩa gì đối với chuyển đổi số hạ tầng giao thông khu vực phía nam?
Ông Bùi Viết Cường: Hiện số liệu giao thông nằm rải rác ở nhiều nơi như hồ sơ khảo sát của từng dự án, trạm thu phí, trạm cân. Mỗi nguồn sử dụng định dạng và cách phân loại xe khác nhau nên khó chồng lớp, so sánh. Chuẩn hóa theo cấu trúc thống nhất là bước cần thiết để bảo đảm dữ liệu “đúng-đủ-sạch-sống”. Cấu trúc được định hướng gồm thời gian, vị trí, hướng, làn, loại phương tiện, tải trọng, số lượng và tốc độ.
Theo tôi, cơ sở dữ liệu này tạo tiền đề cho chuyển đổi số ở ba điểm. Một là ra quyết định dựa trên dữ liệu thực, có thể so sánh giữa các tuyến và các năm, phục vụ kế hoạch bảo trì, đầu tư mở rộng, phân bổ vốn. Hai là tạo nền tảng cho các hệ thống chuyên ngành; dữ liệu lưu lượng và tải trọng là đầu vào cho hệ thống quản lý mặt đường, mô hình dự báo giao thông, bản số hóa hạ tầng và các ứng dụng AI khác. Ba là tăng khả năng chia sẻ, liên thông thông qua giao diện lập trình (API) cho Cục Đường bộ Việt Nam, các địa phương, đơn vị tư vấn và cơ quan nghiên cứu, phù hợp quy định hiện hành.
Phóng viên: Trung tâm dự kiến thí điểm đếm xe tự động bằng AI trên các tuyến cao tốc như thế nào trước khi nhân rộng?
Ông Bùi Viết Cường: Hiện Trung tâm được giao nhiệm vụ xây dựng các trạm đếm xe tự động trên hệ thống Quốc lộ; đây là một trong những nhiệm vụ trọng tâm mà đội ngũ cán bộ đang tập trung thực hiện. Thí điểm trên các tuyến cao tốc là một phương án để thử nghiệm, đánh giá hiệu quả đưa AI vào đếm xe tự động, theo hướng tận dụng hệ thống ITS hiện có nhằm tối ưu chi phí và thuận lợi cho đối chiếu dữ liệu.
Lộ trình dự kiến có ba giai đoạn. Giai đoạn một là hiệu chỉnh: cài đặt, thiết lập vạch cảm biến ảo và huấn luyện bổ sung theo điều kiện từng vị trí. Giai đoạn hai là đối chứng: so sánh song song kết quả AI với số liệu của hệ thống phần mềm ITS. Giai đoạn ba là đánh giá và đề xuất: báo cáo kết quả theo bộ tiêu chí rõ ràng, kèm đề xuất về phạm vi và cơ chế nhân rộng.
Phóng viên: Ông có thể lý giải vì sao Trung tâm đề xuất chuyển từ cơ chế “mua camera” sang “mua dịch vụ dữ liệu giao thông”?
Ông Bùi Viết Cường: Trên thế giới, tại một số quốc gia có mạng lưới giao thông lớn như Trung Quốc, Nhật Bản, Mỹ, Bỉ, hình thức mua dịch vụ dữ liệu giao thông đã được triển khai từ lâu. Chẳng hạn, tại Quảng Châu hoặc Hồ Bắc (Trung Quốc), đơn vị cung cấp dịch vụ thu thập dữ liệu giao thông từ nhiều nguồn qua hệ thống IoT như camera giám sát, phương tiện công cộng, phương tiện cá nhân. Dữ liệu được cập nhật theo thời gian thực tại các trung tâm điều hành; qua phân tích, đánh giá của hệ thống AI, dữ liệu được làm sạch, chuẩn hóa rồi cung cấp cho các đơn vị sử dụng dịch vụ để phục vụ quản lý và ra quyết định đúng thời điểm.
Bài học thực tế tại Việt Nam là có những dự án đầu tư thiết bị xong nhưng kinh phí vận hành, bảo trì không theo kịp. Sau vài năm, thiết bị hỏng hoặc lạc hậu, số liệu bị gián đoạn. Điều đơn vị quản lý cần cuối cùng không phải là chiếc camera, mà là số liệu đúng, đủ và liên tục. Vì vậy, chuyển từ “mua camera” sang “mua dịch vụ dữ liệu giao thông” có thể tối ưu chi phí, duy trì tính liên tục và bảo đảm chất lượng dữ liệu.
Phóng viên: Xin cảm ơn ông về những chia sẻ trên!
Kim Cương