Phạm Thị Thiên Thảo (Học viện Cán bộ TP.HCM) và Lê Nguyễn Chí Ân (ĐH Sư phạm Kỹ thuật TP.HCM) đề xuất ý tưởng dùng trí tuệ nhân tạo để xác định lưu lượng giao thông,Đềxuấtdùngtrítuệnhântạophânluồnggiaothôngtạpremier league 2 hạng nhất phân luồng và phát hiện hành vi vi phạm giao thông.

Máy tính nhận diện và gắn nhãn phương tiện tham gia giao thông thông qua hình ảnh thu được từ camera. (Ảnh: nhóm tác giả)

Để làm được việc này, hình ảnh thu từ các camera giao thông sẽ được máy tính phân tích theo thời gian thực, dùng trí tuệ nhân tạo và học sâu để dự báo kẹt xe và vi phạm giao thông.

Nhóm tác giả cho rằng, kẹt xe và ùn tắc tại TP.HCM phần lớn do lưu lượng giao thông quá lớn. Bên cạnh đó, ý thức của người đi đường còn kém, dẫn đến ùn ứ và tai nạn. Trong khi đó, lực lượng cảnh sát giao thông không đủ để giám sát mọi lúc, mọi ngõ ngách để phát hiện vi phạm hay phân luồng xe cộ.

Trong giải pháp đưa ra, hai sinh viên dùng công nghệ thị giác máy tính để tính lưu lượng xe trong một khoảng thời gian nhất định. Từ đó đưa ra đề xuất tuyến đường thay thế trong trường hợp lưu lượng giao thông lớn. Đồng thời ghi nhận lại các trường hợp người tham gia giao thông vi phạm luật giao thông đường bộ.

Cụ thể, hình ảnh từ camera giao thông sẽ được thuật toán YOLOv4 với mô hình học sâu theo thời gian thực phát hiện và nhận diện phương tiện. Mỗi phương tiện sau đó được gắn nhãn và theo dõi. Hành vi sai luật sẽ được trích xuất và lưu lại để phục vụ việc xử lý. Cùng với đó, dựa trên số lượng phương tiện trong một đơn vị thời gian, thuật toán sẽ phân tích nguy cơ kẹt xe và đề xuất hướng di chuyển mới, cảnh báo phân luồng xe cộ.

Giải pháp này của nhóm sinh viên được giải khuyến khích trong cuộc thi sáng tạo trẻ “Giao thông xanh” năm 2020.

Trả lời ICTnews, Thiên Thảo cho biết, từ ý tưởng đến triển khai thực tế sẽ gặp nhiều khó khăn. Lượng hình ảnh, video thu được từ camera chiếm một lượng dữ liệu lớn nên cần có hạ tầng, máy tính mạnh để xử lý trong thời gian rất ngắn.

Bên cạnh đó, dữ liệu nói trên thuộc quản lý của cơ quan nhà nước nên khó tiếp cận. Lượng dữ liệu này rất quan trọng để máy tính học và phân tích để có kết quả dự báo chính xác.

Ngoài ra, thiết bị ghi hình phải đủ tốt để nhận diện được chính xác các phương tiện tại thời điểm mật độ giao thông lớn.

Nhóm đưa ra ý tưởng còn ngồi ghế nhà trường nên khá bận bịu với việc học. Việc thiếu vốn và các nguồn lực khác cũng khiến dự án này chỉ mới dừng ở mức đề xuất.

Hải Đăng

Những ứng dụng công nghệ giải quyết bài toán giao thông đô thị

Nhiều startup trên thế giới đang tìm kiếm những giải pháp giảm ùn tắc, cải thiện bộ mặt giao thông đô thị.