Dữ liệu lớn và AI trong giao thông thông minh

Đèn do AI điều khiển điều chỉnh thời gian xanh linh hoạt dựa trên lưu lượng giao thông thời gian thực. Hệ thống Surtrac của Pittsburgh sử dụng camera và radar tại mỗi giao lộ để phát hiện phương tiện đến gần và chạy các mô hình dự báo tối ưu hóa kế hoạch tín hiệu ngay lập tức. Các giao lộ giao tiếp với nhau để đèn hạ nguồn biết khi nào có lưu lượng sắp tới.

Các mô hình học máy dự báo nơi và khi nào nút thắt sẽ hình thành bằng cách phân tích các mẫu lịch sử, thời tiết và sự kiện đặc biệt. Hệ thống AI có thể "nhìn thấy" vấn đề ở phía trước và cho phép các nhà quy hoạch thành phố chủ động điều hướng giao thông hoặc điều chỉnh phí trước khi ùn tắc xảy ra.

Các nghiên cứu cho thấy các thuật toán AI được huấn luyện trên dữ liệu camera giao thông và GPS dự báo ùn tắc tốt hơn nhiều so với phương pháp thủ công, giúp cơ quan có thời gian ứng phó chủ động.

Các ứng dụng dẫn đường tận dụng dữ liệu lớn để cung cấp lộ trình nhanh hơn theo thời gian thực. Google Maps và Waze thu thập hàng loạt quỹ đạo phương tiện và báo cáo sự cố từ người dùng, sau đó áp dụng AI để kết hợp hồ sơ tốc độ lịch sử với điều kiện hiện tại. Ứng dụng gợi ý đường vòng nếu một ùn tắc được dự báo hình thành, và một số hệ thống gửi cảnh báo tuyến đường thay thế tới hàng nghìn phương tiện đồng thời.

AI phân tích nguồn camera và dữ liệu cảm biến để phát hiện tai nạn hoặc điều kiện nguy hiểm ngay lập tức. Các thuật toán thị giác máy tính nhận diện xe dừng, mảnh vỡ, ổ gà, điểm trơn trượt hoặc người đi bộ trên đường và gửi cảnh báo tới người lái và điều hành ngay lập tức.

Phòng thí nghiệm giao thông của Dubai còn tiến xa hơn bằng cách xác định các vị trí dễ xảy ra tai nạn để chính quyền có thể triển khai biện pháp phòng ngừa trước. Các báo cáo sự cố do cộng đồng cung cấp được nhóm lại để xác nhận nguy hiểm nhanh hơn so với báo cáo khẩn cấp truyền thống.

Dữ liệu lớn cải thiện dịch vụ xe buýt, tàu điện và mạng lưới xe đạp. AI điều chỉnh lịch trình xe buýt dựa trên mẫu hành khách và dự báo giao thông. Ở London, camera và cảm biến AI đã được thử nghiệm để điều phối luồng hành khách và tăng tốc cổng soát vé lên đến 30%.

Phân tích đồng bộ hóa xe buýt và tàu với đèn tín hiệu và với nhau, giảm thời gian chờ. Các cơ quan giao thông phân tích dữ liệu sử dụng xe đạp chia sẻ và e-scooter (qua dữ liệu ứng dụng di động) để lập kế hoạch làn đường mới và tối ưu hóa mạng đa phương thức.

Đội xe tải và giao hàng sử dụng phân tích giao thông thời gian thực để tối ưu lộ trình tiết kiệm nhiên liệu. Nền tảng dữ liệu lớn tiếp nhận luồng giao thông trực tiếp để điều hướng xe hàng tránh các trì hoãn, giúp cắt giảm chi phí đáng kể. Kho hàng sử dụng mô hình dự báo để lên lịch vận chuyển vào khung giờ ít tắc, và AI tối ưu lộ trình động hiện là tiêu chuẩn trong phần mềm logistics hiện đại.

Thu thập và tập trung dữ liệu di chuyển đặt ra các lo ngại về quyền riêng tư. Các cơ quan phải đảm bảo thông tin di chuyển cá nhân được ẩn danh và bảo vệ.

Các biện pháp an ninh mạng là thiết yếu để ngăn truy cập trái phép vào hệ thống điều khiển giao thông.

Hệ thống thông minh yêu cầu phần cứng rộng khắp – từ cảm biến phổ cập đến truyền thông tốc độ cao (mạng 4G/5G) và hạ tầng tính toán mạnh. Nâng cấp thiết bị giao thông cũ tốn kém, và bảo trì liên tục không phải dễ, đặc biệt với các thành phố có hạ tầng cũ kỹ.

Dữ liệu giao thông đến từ nhiều cơ quan và công ty tư nhân. Kết hợp luồng GPS từ điện thoại với bộ cảm biến vòng từ hoặc cơ sở dữ liệu của cơ quan là điều phức tạp. Sự khác biệt về định dạng dữ liệu, khoảng trống vùng phủ và cảm biến nhiễu loạn đặt ra thách thức kỹ thuật.

Nhiều thành phố hiện mua dữ liệu GPS từ Google/Waze để bổ sung cảm biến riêng, nhưng việc căn chỉnh các nguồn này đòi hỏi kỹ thuật dữ liệu vững chắc và kiểm định cẩn trọng.

Quyết định của AI phải công bằng và bình đẳng. Nếu ưu tiên tín hiệu thiên về tuyến đường hoặc khu vực nhất định, sẽ xuất hiện vấn đề công bằng. Hệ thống cần được tinh chỉnh để phục vụ tất cả người dùng một cách công bằng.

Những người làm giao thông phải đảm bảo AI không vô tình gây thiệt thòi cho người đi xe đạp, người đi bộ hoặc khu vực yếu thế. Singapore, chẳng hạn, nhất quán với giám sát của con người để ngăn chặn thiên vị và đảm bảo kết quả công bằng.

Mô hình AI có thể thất bại dưới điều kiện bất thường (thời tiết cực đoan, sự cố lớn). Các nhà quy hoạch nhấn mạnh rằng những công cụ này nên bổ trợ, không thay thế, con người vận hành. Như trưởng phòng giao thông Seoul đã lưu ý, AI nên hoạt động như "một trợ lý" cho người ra quyết định.