Trí tuệ nhân tạo hiện đang là một trong những công nghệ được ứng dụng hiệu quả hàng đầu hiện nay. Đó là dấu hiệu tích cực cho thấy các công nghệ tiên tiến như AI, Computer Vision (Thị giác máy tính) và Machine Leaming (Máy học) sẽ góp phần quan trọng trong việc định hình tương lai của ngành giao thông vận tải. Những con đường thông minh sẽ được tạo ra, mang lại nhiều tợi ích thiết thực cho đời sổng xã hội.

Tình trạng tắc đường tại các khu vực ừung tâm một số thành phố ỉớn càng trở nên phổ biến khi số phương tiện cá nhân ngày càng tăng cùng với sự gia tăng của nhu cầu tiêu thụ hàng hoá gây áp lực ỉên hệ thống giao thông đường bộ. Bên cạnh việc phát triển hạ tầng giao thông công cộng, quy hoạch đô thị hợp lý, việc sử dụng công nghệ AI để giải quyết vấn đề tắc đường tại các khu vực trung tâm ở các thành phố lớn mang ý nghĩa rất lớn, như giảm ùn tắc giao thông, đặc biệt trong giờ cao điểm, tăng hiệu quả sử dụng cơ sở hạ tầng hiện có (không cần mở rộng đường), hạn chế tai nạn và giảm phát khí nhà kính...

Từ những lý do trên Nhóm tác giả đã nghiên cứu, thiết kể và chế tạo sản phẩm: “Hệ thống hỗ trợ phân luồng giao thông sử dụng công nghệ trí tuệ nhân tạo” giúp cung cấp lộ trình tối ưu, cảnh báo khu vực ùn tắc. Cho phép người dân phản hồi về tình trạng giao thông thực tế, tự động điều phối đèn giao thông, ưu tiên xe cứu thương, cứu hỏa...

Công nghệ Trí tuệ nhân tạo (AI) và Học máy (Machine Leamíng) đang cách mạng hóa cách chúng ta làm việc và tương tác với công nghệ. AI là lĩnh vực phát triển các hệ thống có khả năng thực hiện các nhiệm vụ yêu cầu trí thông minh như con người, được chia thành hai loại chính: AI mạnh, có khả năng tự học, giải quyết vấn đề và AI hẹp, tập trung vào các nhiệm vụ cụ thể.

Học máy (Machine Learning) là nhánh của AI cho phép máy tính tự học từ dữ liệu mà không cần lập trình chi tiết. Deep Learning, một phương pháp của học máy, sử dụng mạng nơ-ron nhân tạo với nhiều lớp để học và tối ưu hóa kết quả.

AI và học máy có ứng dụng đa dạng trong y tế, công nghiệp, tài chính, ô tô tự hành, và cá nhân hóa quảng cáo, giúp cải thiện hiệu suất và đưa ra dự đoán chính xác hơn.

Công nghệ loT (Internet of Things) đang định hình tương lai bằng cách kết nối thông minh giữa các thiết bị và hệ thống, Trong đó, LoRa RF (Long Range  Radio Frequency) khả năng kết nói trên phạm vi rộng từ vải km đến hàng chục km, tiết kiệm năng lượng và kéo dài tuổi thọ pin.

Ứng dụng LoRa RF trong IoT dã phát huy hiệu quả trong các lĩnh vực như quản lý năng lượng, giám sát môi trường, giao thông, nông nghiệp thông minh và công nghiệp. Còng nghệ này giúp xây dựng hệ thống IoT thông minh mà không cần mạng Internet truyền thống, lý tưởng cho các giải pháp như “Hệ thống hỗ trợ phân luồng giao thông sử dụng công nghệ trí tuệ nhân tạo”, cho phép đồng bộ dữ liệu giữa các tuyến đường một cách hiệu quả và tiết kiệm.

Sản phẩm có khả năng: đếm số lượng người, số lượng phương tiện giao thông trên một đoạn đường được giám sát; Tự động tìm tuyến đường phù hơp tránh khu vực tắc đường; Chỉ dẫn qua Led ma trận, màn hình Led đặt trực tiếp trên đường; Có khả năng kết nối với camera giao thông, camera IP; Giám sát 24/24; Thiết bị có phần cúng thực tế; Dữ liệu về số lượng người/phương tiện có thế theo dõi từ xa.

1. Cấu tạo phần cứng của Hệ thống

Hệ thống máy tính bao gồm Mainbroad, RAM, CPU, Card đồ hoạ, nguồn. Cụ thể như sau: Mainbroad: Asus HI110M; CPU: G4400; RAM: 8GB DDR4; Card đồ hoạ GTX960 4Gb DDR5; Nguồn ATX 350W công suất thực.

Vi điều khiển ESP32: Mạch thu phát Wifi BLE SoC ESP32 ESP-WROOM-32 được nhập chính hãng từ Espressif có IC trung tâm là ESP32-D0WDQ6 với nhân xử lý dual-core Xtensa® 32-bit LX6 microprocessors, tích hợp chuẩn Wi-Fi 802.11 b/g/n/e/I, Bluetooth BR/EDR & BLE v4.2. Ngoài ra còn cỏ 448 KByte ROM, 520 KByte SRAM, 16 Kbyte SRAM in RTC, clocks & Times... có kích thước nhỏ gọn, ra chân đầy đủ của IC ESP32, mạch được thiết kể và gia công chất lượng tốt với vỏ bọc kim loại chống nhiễu và anten Wifi BLE PCB tích hợp cho khoảng cách truyền xa và ổn định.

Module truyền thông RF NRF-E01: Mạch thu phát RF NRF24L01 + PA + LNA 2.4Ghz 100mW NRF-E04 được sử dụng để truyền nhận dữ liệu không dây qua sóng RF 2.4GHZ sử dụng IC Nrf24101 + chính hãng Nordic chuẩn giao tiếp SPI, mạch cỏ thiết kế nhỏ gọn, chất lượng gia công tốt, độ bền cao. NRF24L01+ là modue RF rất phổ biến hiện nay với chi phí thấp và khả năng hoạt động ổn định, phù hợp cho nhiều ứng dụng truyền nhận dữ liệu không dây khác nhau: Smarthome, IoT...

Module Led ma trận P5 và ESP32: Module LED ma trận P5 là thành phần quan trọng trong việc xây dựng các màn hình LED có độ phân giải cao, chất lượng hình ảnh sắc nét. Với kích thước điển hình là 32x64, module được sử dụng trong việc tạo ra các bảng hiển thị LED có kích thước lớn đề hiển thị tình trạng giao thông tại 2 tuyến đường riêng biệt; Module Led P5 giao tiếp với ESP32 thông qua phương thức SPI.

Camera IP: Camera IP là loại camera quan sát có hình ảnh được số hóa, xử lý và mã hóa từ bên trong, sau đó truyền tải tín hiệu ảnh số qua một kết nối Ethemet về máy vi tính, cũng có thể là một thiết bị lưu trữ tín hiệu số như: Hệ thống NAS, hệ thống sever hoặc đầu ghi hình IP....

Màn hình hiển thị: Màn hình hiển thị được đặt tại các vị trí bố trí máy tính và camera giám sát, giúp người điều hành có thể thao tác điểu khiển cục bộ các máy tính, kiểm tra sai sổ, theo dõi carnera. quá trình xử lý.... bố trí 2 màn hình 8 Inch độ phân giải FullHD, kết nối với máy tính qua cổng VGA.

Các thành phần khác: Ngoài các bộ phận kể trên, để hệ thống hoàn thiện, Nhóm Tác giả còn sử dụng các dây điện, dây cáp, modem wifĩ, các đèn báo giao thông, các mạch giao tiếp....

2. Xây dựng phần mềm nhúng cho hệ thống

- Yolo V5 Deepsort là mô hình theo dõi đối tượng di động trong Video và khi kết hợp với YOLOvS, giúp nhận diện vả theo dõi các đối tượng (như người hoặc phương tiện) qua các khung hình liên tiếp. Các ứng dụng chính của sự kết hợp này bao gồm: Giám sát giao thông: Nhận diện và theo dõi các phương tiện, người đi bộ, giúp quản lý giao thông và an ninh; Giám sát an ninh: Theo dõi các đổi tượng nghi ngờ tại các khu vực như sân bay, nhà ga. Quản lý sự kiện và đám đông: Đem và theo dõi số lượng người, đảm bảo an toàn cho sự kiện; Giám sát nông nghiệp: Theo dõi động vật, gia súc và quá trình sản xuất trong nông nghiệp thông minh.

Mô hình sử dụng YOLOv5 và DeepSORT để đếm phương tiện và người tham gia giao thông, sau đó gửi tín hiệu về trạm điều khiển để xử lý.

Truyền dữ liệu giữa máy tính và ESP32: UART (Universal Asynchronous Receiver/Transmitter) là giao diện phần cứng dùng để truyền dữ liệu không đồng bộ giữa vi xử lý và các thiết bị ngoại vi, sử dụng hai dây đữ liệu (TX và RX) đế gửi dữ liệu đến vi điều khiển ESP32. Dữ liệu này là một chuỗi bao gồm: “Thời gian - số lượng người – số lượng xe ô tô con - số ỉượng xe tải - sổ lượng containor, xe khách lớn - trọng số ước tính mật độ giao thông".

- Truyền thông không dây giữa các điểm xử lý ảnh và hệ thống điểu khiển trung tăm thông qua NRF-E01: Sau khi nhận dữ liệu từ máy tính xử lý, vi điều khiển ESP32 tiến hành tách dữ liệu và gửi các dữ liệu này đến trạm điều khiển thông qua các bvte dữ liệu riêng biệt nhàm đảm bảo tốc độ truyền. Dừ liệu được đưa đến module NRP-EO1 qua chuẩn giao tiếp SPI được mã hoá đầu cuối nhằm bảo mật thông tin.

3. Quy trình vận hành sản phẩm

Để sử dụng trước hết ta bật nút nguồn khởi động hệ thống, tại trạm giám sát giao thông, camera giám sát sẽ gửi hình ảnh thu thập được cho máy tính thông qua mạng LAN, giao tiếp HTTP. Tại mọi thời điểm sau khi chạy chương trình, những hình ảnh sẽ được máy tính tối ưu hoá và truyền vào cho chương trình Yolo V5 thực hiện nhận dạng vật thể. Sau khi có kết quả nhận dạng, hệ thống tiến hành đểm số lượng các vật thể mà chương trình quy định cần thống kê sau đó gửi dữ liệu này theo dạng chuỗi tới Serial của vi điều khiển ESP32; Khi nhận được dữ liệu, vi điều khiển ESP32 sẽ gửi dữ liệu này đến trạm điều khiển thông qua module NRF-E01, được vi điều khiển ESP32 mã hoá và hiển thị lên màn hỉnh LED P5. Dữ liệu này bao gồm: “Thời gian - số lượng người - số lượng xe ô tô con - số lượng xe tải - sỗ lượng containor, xe khách lớn - trọng số ước tính mật độ giao thông”. Trọng số này là mức độ chiếm dụng lòng đường của phương tiện, có thể cài đặt thông qua các nút nhấn, mặc định: Người đi bộ: 1; Xe máy: 3; Xe ô tô con: 5; Xe tải nhỏ: 10; Xe tải lớn - containor - xe khách: 20. Dựa trên tính toán trọng sổ, vi điều khiển sẽ hiển thị tuyến đường ưu tiên di chuyển lên màn hình LED.

4. Tính mới, tính sáng tạo, khả năng áp dụng của sản phẩm

Áp đụng trí tuệ nhân tạo vào hạ tầng giao thông: hệ thống AI mang đến một bước chuyển mình mang tính cách mạng khi tích hợp phân tích dữ liệu lớn (big data), thị giác máy tính và học máy (machine learning) vào quản lý giao thông.

Hiển thị dữ liệu thống kê thời gian thực: Màn hình LED hiển thị thông tin về mật độ giao thông trên các tuyến đường trong thời gian thực. Bao gồm số lượng phương tiện di chuyển trên từng tuyến đường và các thông tin thống kê về lưu lượng giao thông theo giờ, giúp người dùng đánh giá tình trạng giao thông và lựa chọn tuyến đường phù hợp.

Tối ưu hóa luồng giao thông: Dựa trên dữ liệu thu thập được từ YOLO DeepSort, hệ thống có thể dự đoán và đề xuất các biện pháp để tối ưu hóa luồng giao thông. Cung cẩp thông tin về tuyến đường trống hoặc ít tắc nghẽn, giúp người dùng chuyển đổi tuyến đường để tránh kẹt xe.

             Tích hợp thông tin về số lượng người đi bộ: Ngoài việc theo dõi số lượng phương tiện, hệ thống cũng có thể sử dụng YOLO DeepSort để đểm số lượng người đi bộ. Thông tin này được hiển thị trên màn hình LED để người dùng có thể đánh giá mức độ đông đúc trên vỉa hè và quyết định tối ưu hóa hành trình.

Cảnh báo và gợi ý tuyến đường: Dựa trên dữ liệu về mật độ giao thông và số lượng người - phương tiện, hệ thống có thể cung cấp cảnh báo hoặc gợi ý tuyến đường khác để giảm thiểu thời gian di chuyển.

Tích hợp đa nền tảng: có thể giao tiếp với các hệ thống đô thị khác như quản lý điện năng, hệ thống khẩn cấp, tạo thành một hệ sinh thái thông minh.

Giải pháp có thể áp dụng được tại các thành phố lớn, các giao lộ có phương tiện tham gia giao thông đông đúc: Hệ thống hỗ trợ phân luồng giao thông sử dụng công nghệ trí tuệ nhân tạo sử dụng DeepSORT và YOLO là một giải pháp tích hợp công nghệ để giám sát và quản lý giao thông trong các khu vực đông đúc hoặc điểm nóng giao thông. Đây là một hệ thống kết hợp giữa việc nhận diện vật thể (dùng YOLO) và theo dõi chúng qua các khung hình video (dùng DeepSORT).

Có thể kết nối với các hệ thống khác: biển báo điện tử, ứng dụng điều hướng (như Google Maps, Zalo Maps), hệ thống đỗ xe thông minh. Khả năng mở rộng và nâng cấp phần mềm dễ dàng theo thời gian.

5. Hiệu quả Kỉnh tế, xã hội và môi trường

 - Giảm chi phí vận hành và quản lý giao thông: tiết kiệm nhân lực, giảm chi phí bảo trì và tối ưu hóa chi phí năng lượng.

- Hệ thống sử dụng nguyên vật liệu tiết kiệm và thân thiện: chất ỉiệu nhẹ, bền, an toàn, linh kiện điện tử nhỏ gọn, tiêu thụ năng lượng thấp, dễ tái chế hoặc thay thế linh kiện. 

- Giảm thiệt hại do ùn tắc giao thông: tăng hiệu quả lưu thông, giảm chi phí nguyên liệu, giảm tổn thất kinh tế gián tiếp. Thúc đẩy phát triển công nghiệp công nghệ cao: tạo cơ hội việc làm mới trong các lĩnh vực như AI, phân tích dữ liệu, kỹ thuật điện - điện tử, phát triển phần mềm giao thông thông minh. Thu hút đầu tư và công nghệ: những thành phố phát triển hệ thống này thường trở thành điểm đến hấp dẫn cho các nhà đầu tư công nghệ và doanh nghiệp vận tải/logistics.

- Giảm căng thẳng và nâng cao chất lượng cuộc sống: giảm thời gian kẹt xe, ùn tắc giúp người dân di chuyển thuận tiện, ít mệt mỏi, từ đó cải thiện sức khỏe tinh thần và thể chất. Giao thông trật tự giúp tạo môi trường sống văn minh, an toàn hơn.

- Tăng khả năng tiếp cận các dịch vụ xã hội: giao thông thông suốt giúp tiếp cận dịch vụ y tể, giáo dục, hành chính... nhanh hơn. Hỗ trợ người già, trẻ em, người khuyết tật di chuyển an toàn hơn nhờ hệ thống cảnh báo vả điều hướng thông minh.

 - Thúc đẩy công bằng xã hội và phát triển đô thị bao trùm: tối ưu giao thông không chỉ ở trung tâm mà cả ở khu vực ngoại thành, giúp phân bổ cơ hội phát triển đồng đều hơn, giám phụ thuộc vào phương tiện các nhân, tạo điều kiện cho giao thông công cộng phát triển.

- Giảm khí thải nhà kính: xe cộ lưu thông trơn tru sẽ giảm thời gian chờ đèn đỏ, phanh - tăng - dừng liên tục, từ đó giảm khí thải C0₂, NOx, bụi mịn... Hỗ trợ chuyển đổi sang giao thông xanh nhờ phân làn thông minh và điều hướng tối ưu.

- Giảm tiếng ồn đô thị: giao thông ổn định, không ùn tắc giúp giảm còi xe, động cơ nổ, đặc biệt là vào giờ cao điếm.

Đông Hà