DỰ ĐOÁN VÀ ĐỊNH HƯỚNG LUỒNG GIAO THÔNG TRONG MÔI TRƯỜNG BẤT ĐỊNH
KHOA HỌC MÁY TÍNH
Luận án "DỰ ĐOÁN VÀ ĐỊNH HƯỚNG LUỒNG GIAO THÔNG TRONG MÔI TRƯỜNG BẤT ĐỊNH" tập trung vào việc nâng cao hiệu quả quản lý luồng giao thông thông minh, đặc biệt trong các tình huống không chắc chắn, nhằm giải quyết nhu cầu cấp thiết về dự đoán và định hướng luồng giao thông một cách chính xác và hiệu quả. Mục tiêu chính là đề xuất các giải pháp cho vấn đề này.
Đối tượng nghiên cứu bao gồm các phương tiện giao thông đa dạng (ô tô, xe máy, xe đạp, xe buýt), dữ liệu từ camera CCTV, các mô hình học máy và trí tuệ nhân tạo (học sâu, học máy, thuật toán AI), cùng các phương pháp xử lý ảnh và nhận dạng hình ảnh. Phạm vi nghiên cứu giới hạn trong giao thông đường bộ tại thành phố Đà Nẵng, tập trung vào các loại xe phổ biến trong môi trường giao thông bất định.
Luận án đã đạt được nhiều đóng góp khoa học quan trọng. Thứ nhất, nghiên cứu xây dựng một bộ dữ liệu giao thông chi tiết từ các nút camera có góc quay cao tại Đà Nẵng, cung cấp cơ sở dữ liệu quý giá cho việc phân tích và ra quyết định thông minh. Thứ hai, một kiến trúc cho Phân tích dữ liệu video IoT (HAIVAN-CVA) được phát triển, hỗ trợ xử lý các luồng công việc phân tán trên các nền tảng không đồng nhất. Thứ ba, luận án đề xuất mô hình nhận dạng đối tượng tham gia giao thông hiệu quả, có khả năng xử lý từ nhiều góc quay và độ cao khác nhau của camera. Thứ tư, phương pháp ước lượng mật độ trong giao thông cũng được đề xuất và triển khai. Cuối cùng, luận án tập trung vào việc dự đoán luồng giao thông tại các điểm quan trọng như giao lộ, khu vực tập trung xe cộ, nhằm tối ưu hóa quy hoạch giao thông, giảm thiểu ùn tắc và thời gian di chuyển.
Các kết quả thực nghiệm trong luận án đã chứng minh hiệu quả của các mô hình đề xuất, đặc biệt là phương pháp kết hợp trừ nền và YOLO trong nhận dạng đối tượng, đạt được giá trị mAP@0,5 là 0,495, vượt trội so với các phương pháp khác. Hướng phát triển tiếp theo bao gồm việc nghiên cứu sâu hơn các yếu tố ảnh hưởng đến hiệu suất nhận dạng, khảo sát tác động của môi trường, phát triển các mô hình dự đoán phức tạp hơn, tích hợp dữ liệu từ cảm biến IoT, cũng như triển khai thực tiễn hệ thống cho cơ quan quản lý giao thông Đà Nẵng và phát triển khả năng tương tác với các hệ thống giám sát khác.
Trong chương này, luận án trình bày các khái niệm cơ bản liên quan tới luồng giao thông, các nghiên cứu liên quan về nguồn dữ liệu, kiến trúc tích hợp, nhận dạng đối tượng, ước lượng mật độ và dự đoán luồng giao thông.
Chương này giới thiệu về hệ thống ITS (bao gồm định nghĩa và các thành phần, ứng dụng, thách thức trong việc tích hợp dữ liệu), các kiến trúc tích hợp dữ liệu (cổ điển và mới, tiên tiến). Đồng thời, chương cũng trình bày về nền tảng trong nhận dạng đối tượng, phân tích các thách thức trong quá trình nhận dạng, và tìm hiểu, trình bày chi tiết về ước lượng mật độ và dự đoán luồng giao thông.
Chương này trình bày về kết quả xây dựng kiến trúc tích hợp để thực hiện các ứng dụng nhận dạng đối tượng tham gia giao thông, đặc biệt là nhận dạng các đối tượng có kích thước rất nhỏ. Nội dung tập trung vào trình bày hai công trình đã công bố về phương pháp trừ nền ngưỡng động và sử dụng học sâu để nhận dạng đối tượng. Bên cạnh đó, chương này cũng trình bày về kết quả Ước lượng mật độ giao thông, việc xác định làn đường, tham chiếu kích thước phương tiện và tính mật độ.