Những đột phá trong quản lý giao thông đô thị

Các phát hiện này được chia sẻ trong tọa đàm InnovaTalk tháng 9 do Quỹ VinFuture tổ chức với chủ đề “Giao thông Thông minh và Giải pháp Di chuyển cho Đô thị”. Trong buổi thảo luận, các chuyên gia hàng đầu trong lĩnh vực giao thông và công nghệ trong và ngoài nước đã giới thiệu những công nghệ mới nhất giúp giảm thiểu tắc nghẽn và nâng cao chất lượng hệ thống giao thông.

TS. Padmanabhan Anandan, chuyên gia nổi tiếng trong lĩnh vực thị giác máy tính và trí tuệ nhân tạo, đồng thời là thành viên Hội đồng Giải thưởng VinFuture, chủ trì buổi thảo luận. Ông là người sáng lập công ty AI Matters Advisors LLC và hiện tại là Chủ tịch Hội đồng Quản trị tại Telangana AI Mission (T-AIM).

Diễn giả chính của chương trình là GS. Alexandre Bayen từ Đại học California, Berkeley. Ông hiện là Phó chủ nhiệm phụ trách Phát triển Chương trình Moffett Field và là Giáo sư Liao-Cho thuộc Khoa Kỹ thuật. Đại diện cho cộng đồng công nghệ giao thông Việt Nam là TS. Lê Nhân Tâm, Giám đốc Công nghệ của Microsoft Việt Nam.

Triển vọng của tự động hóa hỗn hợp và hệ thống điều khiển siêu cấp

“Giao thông thông minh đã luôn là một ước mơ trong suốt nhiều thập kỷ, nhưng bây giờ là thời điểm mà mọi thứ bắt đầu thành hình,” TS. Anandan mở đầu cho buổi thảo luận. Ông tin rằng việc này được tạo nên nhờ ba yếu tố. Yếu tố đầu tiên là sự phổ biến của các cảm biến, giúp chúng ta có cái nhìn toàn cục về những gì đang diễn ra trên đường. Yếu tố thứ hai là mức độ giao tiếp chặt chẽ giữa các xe và hệ thống thông qua mạng Internet. Và yếu tố thứ ba là rất nhiều khía cạnh của việc lái xe ngày nay có thể được điều khiển bằng phần mềm.

TS. Anandan cho rằng những yếu tố này tạo điều kiện để ứng dụng công nghệ nhằm cải thiện quy hoạch đô thị, giảm tắc nghẽn và tăng cường sự an toàn khi tham gia giao thông. “Tiềm năng là vô tận”, TS. Anandan nhấn mạnh khi ông giới thiệu diễn giả chính của sự kiện, GS. Alexandre Bayen, để trình bày về những tiến bộ mới nhất trong công nghệ quản lý giao thông.

Thí nghiệm MegaVander được đặt trong bối cảnh giao thông tự động hóa hỗn hợp (mixed autonomy), trong đó có sự tồn tại đồng thời của các phương tiện tự hành và được kết nối (CAV) và phương tiện do con người lái trên cùng một con đường. Như GS. Bayen và các đồng nghiệp dự đoán, đây sẽ là trạng thái giao thông chính trong khoảng 50 năm tới.

Theo GS. Bayen, các làn sóng xe dừng-chạy liên tục trên các đường cao tốc là một yếu tố quan trọng gây ra tắc nghẽn giao thông. Điều này không chỉ làm giảm khả năng lưu thông của các tuyến đường cao tốc, mà còn gây lãng phí năng lượng. Đây là vấn đề mà CAVs có thể được dùng để giải quyết. Khi được trang bị chip GSM hoặc 5G, những chiếc xe này có thể truyền tín hiệu cho nhau, từ đó có thể được tích hợp vào hệ thống quy hoạch giao thông rộng lớn hơn và trở thành công cụ giúp điều hòa dòng xe trên đường.

Trọng tâm của hệ thống này là tích hợp xe không người lái vào dòng giao thông để hoạt động như những bộ điều chỉnh tốc độ giữa các xe do con người lái. Bằng cách sắp đặt chúng một cách có chiến lược, biến động giao thông sẽ được giảm thiểu, năng lượng được sử dụng hiệu quả hơn. Các kết quả sơ bộ cho thấy khả năng giảm tổng năng lượng tiêu thụ lên đến 24%.

Thuật toán của hệ thống kiểm soát cần được thiết kế để đảm bảo khoảng cách an toàn giữa các xe và quản lý tốc độ trên đường cao tốc. Do đó, các nhà nghiên cứu phải dự đoán và đặt ra một tốc độ tối ưu để đảm bảo chức năng của hệ thống, ngay cả khi không có giao tiếp giữa các xe với nhau. Để đạt được điều này, họ dựa vào dữ liệu giao thông thường được lấy từ các công ty bên thứ ba. Tuy nhiên, các dữ liệu này thường không đủ chất lượng với nhiều thông số quan trọng bị thiếu hụt.

Để giải quyết vấn đề thiếu dữ liệu và mất kết nối này, nhóm nghiên cứu ứng dụng hai lớp điều khiển. Lớp đầu tiên là bộ điều khiển chuyên gia, vẫn phụ thuộc nhiều vào sự tính toán của con người, và lớp thứ hai là bộ điều khiển học mô phỏng, thực hiện chiến lược kiểm soát phản hồi trong tất cả các tình huống.

“Bộ điều khiển chuyên gia là giai đoạn đầu tiên, và sau đó bạn chuyển sang hệ thống máy học. Hệ thống sử dụng thông tin này trong việc học mô phỏng và làm cho nó tốt hơn,” GS. Bayen giải thích.

Tác động thay đổi cục diện của công nghệ máy học

Công nghệ máy học đã mang đến những thay đổi đột phá trong nghiên cứu về giao thông với hai phương pháp nổi trội được nêu bật bởi GS. Bayen: học mô phỏng (immitation learning) và học tăng cường sâu (deep reinforcement learning).

Học mô phỏng có nghĩa là học các hành động dựa trên hành vi trong quá khứ, cho phép hệ thống điều khiển siêu cấp (mega) hoạt động ngay cả khi không có kết nối.

“Công việc của bạn là huấn luyện hệ thống học mô phỏng hoạt động dựa trên những kịch bản đã từng xảy ra. Vì vậy, ngay cả khi không có thông tin nào được gửi đến, hệ thống vẫn biết chuyện gì đang diễn ra và vẫn hoạt động một cách hiệu quả,” GS. Bayen giải thích.

Trong khi đó, CAVs áp dụng mô hình học tăng cường sâu, khi nhận được thông tin, có thể đánh giá tình hình và xác định hành động của mình dựa trên thuật toán đã định trước. Thuật toán cốt lõi của mô hình học tăng cường được dựa trên một khung tối ưu hóa, nơi mà thuật toán được tối ưu thông qua một hệ thống điểm số và phần thưởng. Nhóm thực hiện thí nghiệm đã phát triển phương pháp này bằng cách tạo ra một mô hình hỗn hợp để ‘dạy’ thuật toán về sự không chắc chắn của môi trường xung quanh.

Mô hình này đã tạo ra tiếng vang lớn. Theo GS. Bayen, khi dự án FLOW được khởi xướng vào năm 2017, đây là lần đầu tiên trong lịch sử kỹ thuật giao thông mà mô phỏng vi mô đã được kết nối với công nghệ học tăng cường sử dụng điện toán đám mây.

“Đó là mô hình được hiệu chỉnh rất chính xác, có thể mô phỏng quỹ đạo của mỗi xe cũng như những hoạt động xảy ra bên trong xe, như mức năng lượng tiêu thụ chẳng hạn. Đây là mô hình mà chúng tôi hy vọng sẽ triển khai tại Việt Nam vào một ngày nào đó,” GS. Bayen nói.

Việc này là bất khả thi 10 năm trước, nhưng theo GS. Bayen, công nghệ học củng cố đã tạo ra một “điểm ngoặt quan trọng trong lịch sử tự động hóa hỗn hợp”. Ông sau đó đề cập đến luận án Tiến sĩ vào năm 2018 tại Đại học California, Berkeley của PGS. Cathy Wu (Viện Công nghệ Massachusetts). Ông nhấn mạnh rằng dự án độc lập của bà, sử dụng công nghệ học tăng cường sâu (deep reinforcement learning) để mô phỏng hệ thống giao thông, đã cho kết quả tương đương với gần 10.000 bài báo kể từ khi mô hình tắc nghẽn đầu tiên được công bố vào năm 1935.

“Điều ấn tượng là kết quả này có được mà không cần phải xây dựng bất kỳ mô hình nào trong thực tế. Việc ứng dụng học tăng cường sâu sử dụng mô phỏng hộp đen có hoạt động chính xác tương đương 80 năm nghiên cứu và đã tạo ra một mô hình và bộ điều khiển. Điều này có nghĩa là bạn có thể đào tạo thuật toán học tăng cường để kiểm soát tình hình ít nhất là ở mức tốt như con người từng làm,” GS. Bayen nhấn mạnh.

Thí nghiệm MegaVander đã được ứng dụng thực tế trên các đường cao tốc tại Mỹ. Hiện tại, nhóm nghiên cứu đang hoàn thành phân tích dữ liệu để đánh giá tác động của nó. Các kết quả sơ bộ đã chứng minh hiệu quả của phương pháp này trong việc giảm tắc nghẽn và tiết kiệm năng lượng.

Theo các chuyên gia, tác động tương lai của tự động hóa hỗn hợp hoặc toàn diện vẫn còn bất định và phụ thuộc vào hành động của chúng ta. Về mức tiêu thụ năng lượng, giao thông hiện nay chiếm 28% tại Hoa Kỳ. Các nghiên cứu cho thấy xe tự động hóa có thể giảm mức đó xuống 60% nếu được xử lý đúng cách, và có thể làm tăng tới 200% nếu chúng ta thực hiện sai.

“Vì vậy, (tôi) hy vọng chúng ta sẽ thực hiện đúng cách, và tôi mong bài trình bày này sẽ đem tới một định hướng đúng cho việc thực hiện và triển khai tại Việt Nam,” GS. Bayen nói, nhấn mạnh mục tiêu của bài trình bày của mình.

Tiềm năng ứng dụng tại Việt Nam

Từ điểm nhìn của cộng đồng công nghệ Việt Nam, TS. Lê Nhân Tâm, Giám đốc Kỹ thuật của Microsoft Việt Nam, đã trình bày những giải pháp quan trọng mà theo ông nên được ưu tiên phát triển tại các quốc gia như Việt Nam. Cụ thể, TS. Tâm đề cập đến năm giải pháp: quản lý giá vé và thu phí, quản lý giao thông và vận tải, quản lý đội xe và tài sản, quản lý bãi đỗ xe và xây dựng sàn dữ liệu.

TS. Tâm nhấn mạnh vai trò quan trọng của một sàn dữ liệu, phản ánh một điểm đã được nêu ra trước đó bởi GS. Bayen. Ông nhấn mạnh tầm quan trọng của việc thiết lập một khuôn khổ hợp tác dữ liệu đáng tin cậy giữa các bên liên quan để nhập liệu, lưu trữ, phân tích và tận dụng dữ liệu vì lợi ích chung.

Khi giải thích tầm nhìn về một sàn dữ liệu trong tương lai, ông nói: “Chúng ta có thể xây dựng một hệ sinh thái của các nhà cung cấp dịch vụ vận tải để thu thập và chia sẻ dữ liệu từ các phương tiện, phân tích dữ liệu để xây dựng sàn dữ liệu, và tốt hơn nữa là, một cơ sở dữ liệu quốc gia mở. Với những dữ liệu sẵn có, các dịch vụ và công ty bên thứ ba có thể sử dụng chúng để phát triển giải pháp hoặc mô hình kinh doanh riêng của họ, và đổi lại, cung cấp lại dữ liệu cho cơ sở hạ tầng các thành phố thông minh để nâng cao hệ thống tổng thể.”

Các câu hỏi từ khán giả cũng tập trung vào cách triển khai những công nghệ mới này ở Việt Nam, đặc biệt khi tự động hóa hỗn hợp dường như chưa thể hiện thực hóa trong tương lai gần. GS. Bayen đồng ý và đề xuất rằng bước đầu tiên nên được thực hiện trên cao tốc thay vì trong thành phố vì thuận tiện hơn, cụ thể là ở các khu vực gần các thành phố lớn. Giai đoạn tiếp theo có thể là việc sử dụng mô hình giao tiếp V2I, cho phép các phương tiện giao tiếp với cơ sở hạ tầng như đèn giao thông.

“Hiện công nghệ này chỉ được triển khai trên các phương tiện vận tải công cộng, nhưng trong tương lai, những chiếc xe hiện đại, ví dụ như VinFast sẽ có thể phát triển những tính năng cần thiết để áp dụng công nghệ này,” GS. Bayen nói. Ông cũng nêu rằng trong tình hình của Hà Nội với các phương tiện kết hợp, xe buýt hoặc xe tải rất thích hợp để điều hòa dòng chảy giao thông vì chúng nặng, không thường xuyên tăng tốc nhanh và cũng dễ dàng được quản lý bởi các quy định.

Mặc dù các thành phố mới ở những nước đang phát triển thường có cơ sở hạ tầng công nghệ chưa đầy đủ, GS. Bayen tin rằng vẫn còn cơ hội để những nhà quản lý đô thị triển khai đúng đắn ngay từ đầu. “Cần phải nhận ra rằng ùn tắc giao thông xảy ra là do sự mất cân bằng cung-cầu, chứ không phải do tài xế. Khi quy hoạch một thành phố mới, việc cân bằng mạng lưới phương tiện và quy mô dân số nên là một trong những ưu tiên hàng đầu. Việc này sẽ đơn giản hoá các công việc tiếp theo rất nhiều,” GS. Bayen nói.