ĐẠI HỌC QUỐC GIA TP. HCM
TRƯỜNG ĐẠI HỌC BÁCH KHOA
----------------------

LÊ LƯƠNG TRƯỜNG KỲ

DỰ BÁO TÌNH TRẠNG GIAO THƠNG ĐƠ THỊ
BẰNG CÁC KỸ THUẬT HỌC MÁY

Chuyên ngành: KHOA HỌC MÁY TÍNH
Mã số
: 8480101

LUẬN VĂN THẠC SĨ

TP. HỒ CHÍ MINH, tháng 07 năm 2023


ĐẠI HỌC QUỐC GIA TP. HCM
TRƯỜNG ĐẠI HỌC BÁCH KHOA
----------------------

LÊ LƯƠNG TRƯỜNG KỲ

DỰ BÁO TÌNH TRẠNG GIAO THƠNG ĐƠ THỊ
BẰNG CÁC KỸ THUẬT HỌC MÁY

Chuyên ngành: KHOA HỌC MÁY TÍNH
Mã số
: 8480101

LUẬN VĂN THẠC SĨ

TP. HỒ CHÍ MINH, tháng 07 năm 2023


I think, therefore I am;
— René Descartes


CƠNG TRÌNH ĐƯỢC HỒN THÀNH TẠI
TRƯỜNG ĐẠI HỌC BÁCH KHOA –ĐHQG –HCM

Cán bộ hướng dẫn khoa học: PGS.TS TRẦN MINH QUANG.
Cán bộ chấm nhận xét 1: PGS.TS NGUYỄN VĂN VŨ.
Cán bộ chấm nhận xét 2: PGS.TS NGUYỄN TUẤN ĐĂNG.

Luận văn thạc sĩ được bảo vệ tại Trường Đại học Bách Khoa, ĐHQG Tp. HCM ngày 11 tháng 07
năm 2023

Thành phần hội đồng đánh giá luận văn thạc sĩ gồm:
1. Chủ tịch: PGS.TS LÊ HỒNG TRANG.
2. Thư ký: TS. PHAN TRỌNG NHÂN.
3. Phản biện 1: PGS.TS NGUYỄN VĂN VŨ.
4. Phản biện 2: PGS.TS NGUYỄN TUẤN ĐĂNG.
5. Uỷ viên: PGS.TS TRẦN MINH QUANG.

Xác nhận của Chủ tịch Hội đồng đánh giá LV và Trưởng Khoa quản lý chuyên ngành sau
khi luận văn đã được sửa chữa (nếu có).

CHỦ TỊCH HỘI ĐỒNG


TRƯỞNG KHOA KH & KTMT


ĐẠI HỌC QUỐC GIA TP.HCM
TRƯỜNG ĐẠI HỌC BÁCH KHOA

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM
Độc lập - Tự do - Hạnh phúc

NHIỆM VỤ LUẬN VĂN THẠC SĨ
Họ tên học viên: Lê Lương Trường Kỳ

. MSHV: 2070414

Ngày, tháng, năm sinh: 16/10/1997

. Nơi sinh: Quảng Nam

Chuyên ngành: Khoa học máy tính

Mã số : 8480101

I. TÊN ĐỀ TÀI: DỰ BÁO TÌNH TRẠNG GIAO THÔNG ĐÔ THỊ BẰNG CÁC KỸ
THUẬT HỌC MÁY (FORECASTING URBAN TRAFFIC CONDITIONS USING
MACHINE LEARNING TECHNIQUES)
II. NHIỆM VỤ VÀ NỘI DUNG:
Nghiên cứu và đề xuất mơ hình gom cụm các đoạn đường có tình trạng giao thơng
tương tự nhau từ dữ liệu được thu thập trong quá khứ bằng các kỹ thuật học máy, để
người dùng có cái nhìn tổng quan về tình trạng giao thơng tại các khu vực khác nhau và

dự đốn xu hướng giao thơng trong tương lai.
III. NGÀY GIAO NHIỆM VỤ : 06/02/2023
IV. NGÀY HOÀN THÀNH NHIỆM VỤ: 11/06/2023
V. CÁN BỘ HƯỚNG DẪN: PGS.TS TRẦN MINH QUANG

Tp. HCM, ngày . . . . tháng .. . . năm 20....
CÁN BỘ HƯỚNG DẪN
(Họ tên và chữ ký)

HỘI ĐỒNG NGÀNH
(Họ tên và chữ ký)

TRƯỞNG KHOA….………
(Họ tên và chữ ký)


L ic m n
L i u tiên, tôi xin bày t lòng bi t n và g i n th y PGS.TS. Tr n Minh
Quang l i c m n chân thành. Th y ã t n tình ch b o, h ng d n và nh h ng
cho tôi trong su t quá trình th c hi n lu n v n này.
Tôi xin g i l i cám n chân thành n qu˝ th y cô Khoa Khoa h c và K thu t
Máy Tính vì ã h t lịng truy n d y cho tơi nh ng ki n th c trong su t th i gian
h c t p t i tr ng
i h c Bách Khoa –
i h c Qu c Gia Tp. H Chí Minh.
Sau cùng tôi xin
c g i l i cám n chân thành nh t n gia ình tơi, b n bè,
nh ng ng i ã luôn ng viên, khuy n khích và t o i u ki n thu n l i cho tơi
trong tồn b q trình h c t p c ng nh th c hi n
tài nghiên c u này.

H c viên th c hi n
tài
Lê L ng Tr ng K

i


Tóm t t
M c ích c a nghiên c u là
xu t ph ng pháp d ốn tình tr ng giao thông
b ng các gi i thu t gom c m trong h c máy d a vào d li u trình tr ng giao thơng
(TTGT) trong q kh
c thu th p t nhi u ngu n khác nhau nh camera giao
thông an ninh và ng d ng bên th 3 cung c p TTGT ,
a ra các o n
ng
có TTGT t ng t nhau, th i gian kéo dài c a TTGT t i các o n
ng ó và
d oán TTGT t i các o n
ng không thu th p
c v n t c c ng nh d báo
TTGT trong t ng lai c a các o n
ng.
Bên c nh ó, k t qu c a
tài s cung c p cho ng i tham gia giao thơng
có cái nhìn t ng quan v tình tr ng giao thơng t i các khu v c khác nhau c a
thành ph t ó có th l a ch n có tuy n
ng di chuy n phù h p nh m gi m
tình tr ng ùn t c giao thơng.
T khố: khai phá d li u, giao thông ô th , gom c m tình tr ng giao thơng.


ii


Abstract
The purpose of this thesis is to propose a method for predicting traffic conditions
using clustering algorithms in machine learning based on historical traffic data
collected from various sources such as security traffic cameras and third-party
applications providing transportation data. The aim is to identify similar traffic
clusters, the duration of traffic congestion on specific road segments and predict
traffic status at road segments where speed cannot be collected as well as predict
the future traffic status of road segments.
Additionally, the results of this research will provide commuters with an overview
of traffic conditions in different areas of the city, enabling them to choose appropriate
travel routes to alleviate traffic congestion.
Keywords: data mining, urban transportation, traffic congestion clustering.

iii


L i cam oan
Tôi xin cam oan ây là công trình nghiên c u khoa h c tơi ã t th c hi n. D
li u
c s d ng trong tồn b q trình phân tích c a lu n v n có ngu n g c rõ
ràng và minh b ch,
c công b theo úng quy nh và o c nghiên c u khoa
h c. Các k t qu
t
c c a nghiên c u trong lu n v n này, tôi ã t th c hi n
m t cách trung th c và khách quan. K t qu lu n v n

c công b l n u tiên
trong b n báo cáo này và ch a t ng
c công b tr c ó.

H c viên
Lê L

ng Tr

ng K

iv


M cl c
L ic m n

i

Tóm t t

ii

Abstract

iii

L i cam oan

iv


M c l c hình

viii

Thu t ng & t vi t t t
1 GI
1.1
1.2
1.3

I THI U BÀI TOÁN
L˝ do ch n
tài . . . . . . .
M c ích nghiên c u . . . . .
› ngh a khoa h c và th c ti n
1.3.1 › ngh a khoa h c . . .
1.3.2 › ngh a th c ti n . . .
1.4 B c c lu n v n . . . . . . . .

xi

.
.
.
.
.
.

1

1
2
4
4
4
5

2 CÁC NGHIÊN C U LIÊN QUAN
2.1 T ng quan v tình hình ùn t c giao thơng Tp. HCM . . . . . . . .
2.2 Các nghiên c u Vi t Nam . . . . . . . . . . . . . . . . . . . . . .
2.3 Các nghiên c u n c ngoài . . . . . . . . . . . . . . . . . . . . . . .

7
7
8
9

3 N N T NG L› THUY T
3.1
nh ngh a khai phá d li u . . . . . . . . . . . . . . . . . . . . . .
3.2
nh ngh a v d li u l n - Big data . . . . . . . . . . . . . . . . .
3.3 Các thu t toán áp d ng trong thu th p d li u b ng Deep Learning.

12
12
13
14

.

.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.

.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.

.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.


.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.

.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

v


M cl c
3.3.1
3.3.2

3.4

T ng quan v theo dõi i t ng - Object Tracking . . . . .
Thu t toán nh n di n và khoanh vùng d li u YOLO - You

Only Look Once . . . . . . . . . . . . . . . . . . . . . . . .
3.3.3 SORT - Simple Online Realtime Object Tracking . . . . . .
3.3.4 Deep SORT . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.3.5 Gi i thu t tính v n t c . . . . . . . . . . . . . . . . . . . . .
Các thu t toán Machine Learning
c áp d ng. . . . . . . . . . . .
3.4.1 Thu t toán ng d ng trong gi i thu t gom c m d li u K_Means Clustering [38] . . . . . . . . . . . . . . . . . . . .
3.4.2 Gi i thu t LSTM (Long Short-Term Memory) . . . . . . . .

4 GI I PHÁP
XU T
4.1 Mơ hình gom c m d li u . . . . . . . . . . . . . . . . . . . . . .
4.2 D ốn tình tr ng giao thơng d a trên k t qu gom c m . . . .
4.2.1 D ốn th i gian kéo dài tình tr ng giao thông d a trên
v n t c th c t . . . . . . . . . . . . . . . . . . . . . . . .
4.2.2 D oán v n t c và th i gian kéo dài c a nh ng segments
ch a thu th p
c v n t c. . . . . . . . . . . . . . . . . .
4.3 Mơ hình d oán TTGT t ng lai. . . . . . . . . . . . . . . . . .
4.4 Các mơ hình thu th p d li u
xu t . . . . . . . . . . . . . . .
4.4.1 Mơ hình thu th p d li u t camera an ninh c a S giao
thông v n t i (GTVT) . . . . . . . . . . . . . . . . . . . .
4.4.2 Mô hình thu th p d li u t TomTom . . . . . . . . . . .
5 HI N TH C
5.1 Ph ng pháp thu th p d li u . . . . . . . . . . . . . . . . . . . .
5.1.1 Thu th p d li u t camera an ninh c a S GTVT . . . .
5.1.2 Thu th p và ti n x l˝ d li u t TomTom. . . . . . . . .
5.2 Hi n th c quá trình x l˝ và phân tích d li u . . . . . . . . . . .
5.2.1 Xác nh và x l˝ các i m ngo i l . . . . . . . . . . . . .

5.2.2 Phân tích d li u . . . . . . . . . . . . . . . . . . . . . . .
5.3 Hi n th c gi i thu t gom c m và các ph ng pháp d ốn tình
tr ng giao thông d a trên k t qu gom c m . . . . . . . . . . . .
5.3.1 Áp d ng gi i thu t gom c m trong Machine Learning . . .
5.3.2 D oán th i gian kéo dài tình tr ng giao thơng d a trên
v n t c th c t . . . . . . . . . . . . . . . . . . . . . . . .

14
15
17
20
22
23
23
29

31
. 31
. 34
. 34
. 35
. 37
. 38
. 39
. 41

.
.
.
.

.
.

45
45
45
47
49
49
51

. 53
. 54
. 57
vi


M cl c
5.3.3
5.4
5.5

6

D oán v n t c và th i gian kéo dài c a nh ng segments
ch a thu th p
c v n t c. . . . . . . . . . . . . . . . . .
Hi n th c mơ hình d oán TTGT t ng lai. . . . . . . . . . . .
Hi n th c Website h tr quá trình t ng tác v i h th ng . . . .
5.5.1 Hi n th c Backend . . . . . . . . . . . . . . . . . . . . . .

5.5.2 Hi n th c Frontend . . . . . . . . . . . . . . . . . . . . . .
5.5.3 Ch c n ng . . . . . . . . . . . . . . . . . . . . . . . . . . .

ÁNH GIÁ VÀ T NG K T NGHIÊN C U
6.1
ánh giá h th ng . . . . . . . . . . . . . . . . . .
6.1.1
chính xác c a gi i thu t gom c m . . . .
6.1.2 T c
x l˝ c a gi i thu t K-means . . . .
6.1.3
chính xác c a mơ hình d ốn TTGT t
6.2
ánh giá k t qu
t
c . . . . . . . . . . . . . .
6.2.1 › ngh a khoa h c . . . . . . . . . . . . . . .
6.2.2 › ngh a th c ti n . . . . . . . . . . . . . . .
6.3
xu t h ng m r ng . . . . . . . . . . . . . . .

Tài li u tham kh o

. . . . .
. . . . .
. . . . .
ng lai.
. . . . .
. . . . .
. . . . .

. . . . .

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.

.
.
.
.
.

59
62
63
63
64
66

.
.
.
.
.
.
.
.

68
68
68
69
70
71
71
72

72
77

vii


Danh sách hình v
1.1
3.1
3.2
3.3
3.4
3.5
3.6
3.7
3.8

3.9
4.1
4.2
4.3

Mơ hình
xu t cho vi c thu th p, gom c m d li u và d oán
TTGT. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
S
ki n trúc m ng YOLO [33] . . . . . . . . . . . . . . . . . . .
Các layer trong m ng darknet-53 . . . . . . . . . . . . . . . . . . .
Các mơ hình tr ng thái và mơ hình quan sát c a SORT[24] . . . .
Các mơ hình tr ng thái và mơ hình quan sát c a deep SORT [4] .

Hình nh minh h a cho thu t tốn tính v n t c [10] . . . . . . . .
Ví d v ng d ng c a k-means trong phân lo i 3 nhóm i t ng
Mơ ph ng thu t tốn k-Means . . . . . . . . . . . . . . . . . . . .
th hàm bi n d ng c a thu t toán k-Means. Tr c tung là giá tr
c a hàm bi n d ng và tr c hoành là giá tr c a s l ng c m c n
phân chia trong thu t toán k-Means. . . . . . . . . . . . . . . . . .
Ki n trúc m ng LSTM . . . . . . . . . . . . . . . . . . . . . . . .

4
15
16
19
21
22
24
26

27
29

4.5
4.6
4.7
4.8

D li u sau khi thu th p t ng d ng TomTom . . . . . . . . . .
Mơ hình
xu t gom c m tình tr ng giao thông . . . . . . . . .
K t qu sau khi áp d ng gi i thu t gom c m d li u quá kh c a
10 segments. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

K t qu sau khi gán c m cho 7 segments ã thu th p
cv nt c
th c t và tính density cho t ng c m. . . . . . . . . . . . . . . .
K t qu sau khi gán c m cho các segments b thi u d li u. . . .
Mơ t q trình thu d ốn TTGT t ng lai . . . . . . . . . .
Mơ t q trình thu th p d li u t API c a ng d ng TomTom
Mơ t q trình thu th p d li u t API c a ng d ng TomTom

5.1

Áp d ng gi i thu t YOLOv4 và DeepSORT t i b n xe Kim Mã . . 46

4.4

. 32
. 33
. 36
.
.
.
.
.

37
37
38
40
42

viii



Danh sách hình v
5.2

5.19
5.20
5.21

Áp d ng gi i thu t YOLOv4 và DeepSORT t i
ng Ph m V n
ng . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Áp d ng gi i thu t tính v n t c . . . . . . . . . . . . . . . . . . .
th histogram và boxplot c a d li u v n t c . . . . . . . . . .
Th ng kê v s l ng records
c thu th p theo t ng qu n . . . .
Bi u
th ng kê c a LOS . . . . . . . . . . . . . . . . . . . . . .
Bi u
th ng kê phân ph i c a v n t c . . . . . . . . . . . . . . .
Bi u
th ng kê phân ph i c a th i gian kéo dài tình tr ng giao
thơng . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
D li u u vào cho bài toán gom c m . . . . . . . . . . . . . . . .
S d ng ph ng pháp Elbow và Silhouette
tìm s c m t i u .
K t qu sau khi áp d ng gi i thu t gom c m k-means . . . . . . .
Phân tích k t qu sau khi gom c m . . . . . . . . . . . . . . . . .
Danh sách các c m mà m t segment có th thu c v . Ví d , segment
12479 s thu c các c m [2, 0, 4, 5] . . . . . . . . . . . . . . . . . .

K t qu d
oán c m cho t ng segments d trên v n t c th c
t trong ó c t centroid_label th hi n c m
c gán cho các
segments t ng ng. . . . . . . . . . . . . . . . . . . . . . . . . . .
K t qu d oán th i gian kéo dài c a TTGT. . . . . . . . . . . .
Danh sách s l ng ph n t thu c các c m c a m i segment. Ví
d v i k t qu trên, segment 12479 thu c các c m [0, 2, 4, 5] và s
l ng ph n t thu c các c m ó l n l t là [1, 3, 1, 1]. . . . . . .
K t qu gán c m cho các segments b thi u d li u. . . . . . . . .
K t qu d
oán v n t c và th i gian kéo dài v n t c c a các
segments b thi u d li u. . . . . . . . . . . . . . . . . . . . . . . .
K t qu d oán TTGT t ng lai d a vào mơ hình LSTM. . . . .
Hi n th các segments có cùng chung TTGT (các marker màu ) .
Hi n th các segments có cùng chung TTGT (các marker màu xanh)

6.1

K t qu

5.3
5.4
5.5
5.6
5.7
5.8
5.9
5.10
5.11

5.12
5.13
5.14

5.15
5.16

5.17
5.18

ánh giá mơ hình d

ốn TTGT t

46
47
50
51
52
52
53
54
55
56
57
58

58
59


60
61
62
63
67
67

ng lai . . . . . . . . 71

ix


Danh sách b ng
6.1
6.2

Môi tr ng ánh giá . . . . . . . . . . . . . . . . . . . . . . . . . . 69
K t qu tính tốn th i gian i v i tr ng h p 2 . . . . . . . . . . . 70

x


Thu t ng & t vi t t t
YOLO . . . . . . . . You Only Look Once
GPUs . . . . . . . . Graphics Processing Units
TTGT . . . . . . . . Tình tr ng giao thơng
LOS . . . . . . . . . . level of service
Tp. HCM . . . . Thành Ph H Chí Minh
GTVT . . . . . . . . Giao Thông V n T i
OSM . . . . . . . . . Open Street Map

HBK . . . . . . .

i H c Bách Khoa

CNN . . . . . . . . . Convolutional Neural Network
SORT . . . . . . . . Simple Online Realtime Object Tracking
DL . . . . . . . . . . . . Deep Learning
FPS . . . . . . . . . . Frames Per Second


1 GI I THI U BÀI TOÁN

1.1

L˝ do ch n

tài

Ngày nay, giao thông là m t trong nh ng v n
c quan tâm hàng u t i Vi t
Nam b i vì nó nh h ng tr c ti p n cu c s ng c a ng i dân c bi t là nh ng
ng i s ng thành ph l n nh H Chí Minh. Trong ó, ùn t c giao thông ã và
ang t ng ngày nh h ng n nhi u m t c a i s ng xã h i nh làm t ng th i
gian di chuy n, tiêu hao nhi u nhiên li u, hao mòn ph ng ti n và tr c ti p làm ô
nhi m môi tr ng, th m chí cịn nh h ng n an ninh c ng nh ch t l ng cu c
s ng c a ng i dân[1- 2].
gi i quy t v n
này, các ng d ng AI ã
c áp d ng
c i thi n hi u

qu c a vi c qu n l˝ và i u hành giao thơng ơ th , ví d nh m t vài ng d ng
AI nh nh n di n bi n s xe, xác nh ph ng ti n, theo dõi và giám sát t c .
Thêm vào ó, s bùng n c a thi t b di ng và d li u l n ã góp ph n mang
n nhi u h n nh ng gi i pháp ti m n ng
gi i quy t nh ng v n
c a xã h i
nh v n
giao thông c a Tp. HCM. Cùng v i s ti n b c a khoa h c công ngh ,
ngu n d li u
c thu th p t nhi u ngu n khác nhau và
c chia s t c ng
ng. Tuy nhiên, không ph i ai c ng s n sàng chia s thơng tin cá nhân nh v trí
c a mình, ph ng ti n s d ng,.. T thách th c trên, tôi nh n th y r ng nh ng
hình nh thu
c t camera giao thơng là m t ngu n d li u h u ích do v y tôi
xu t h th ng d báo tình tr ng giao thơng ơ th b ng các k thu t h c sâu
theo dõi và d oán t c
c a các ph ng ti n. Bên c nh ó nghiên c u này
s xây d ng m t mơ hình gom c m tình tr ng giao thông (TTGT) t i 500 i m
1


1.2 M c ích nghiên c u
nóng trên Tp. HCM d a vào d li u l n c ng nh
tr ng giao thông t ng lai t i các i m này.

xu t mơ hình d

ốn tình


Qua vi c áp d ng gi i thu t gom c m, ng i s d ng có th nh n bi t
c
các o n
ng có TTGT t ng t nhau và xu h ng c a chúng trong d li u giao
thơng. Các o n
ng này có th
c xác nh d a trên s t ng ng v các
y u t nh l u l ng giao thơng, t c
trung bình và th i gian kéo dài c a tính
tr ng giao thơng. i u này cho phép chúng ta có cái nhìn t ng quan v tình tr ng
giao thơng t i các khu v c khác nhau c a thành ph và d ốn xu h ng giao
thơng trong t ng lai.

1.2

M c

ích nghiên c u

Xu t phát t nhu c u th c t khi tham gia giao thông, m t s câu h i
c t
ra là: "t i m t th i i m làm sao tôi có th bi t
c các o n
ng có TTGT
gi ng nhau? và tình tr ng kéo dài c a chúng là bao lâu?". V i mong mu n i tìm
k t qu cho các câu h i trên,
tài "D báo tình tr ng giao thơng ơ th b ng
các k thu t h c máy"s nghiên c u và
xu t ph ng pháp thu th p d li u t
hình nh thu

c t camera giao thông và k t h p v i ph ng pháp gom c m t
d li u TTGT trong quá kh
c thu th p t c ng ng c ng nh m t vài ng
d ng khác nh d li u t ng d ng bên th ba (TomTom)[3]
a ra các o n
ng và xu h ng trong d li u giao thông.
Ph ng pháp gom c m là m t k thu t phân nhóm d li u vào các nhóm có
tính ch t t ng t nhau. Trong tr ng h p này, d li u giao thông
c thu th p
t nhi u ngu n khác nhau nh h th ng cung c p d li u bên th 3 ( ng d ng
TomTom) , camera an ninh và h th ng i u khi n giao thông. D li u này bao
g m thông tin v l u l ng xe c , t c
di chuy n và các y u t khác liên quan
n tình tr ng giao thơng.
H n n a, ph ng pháp gom c m còn cung c p thông tin quan tr ng cho qu n
l˝ giao thông và ng i dùng cu i. B ng cách nh n bi t các nhóm giao thơng t ng
ng, chúng ta có th
xu t các gi i pháp c i thi n giao thông nh m gi m t c
ngh n và t ng kh n ng di chuy n c a ng i dân. Ngồi ra, thơng tin d ốn tình
tr ng giao thơng có th
c cung c p cho ng i dùng qua các ng d ng di ng
2


1.2 M c ích nghiên c u
và h th ng thông tin giao thông, giúp h l a ch n l trình t t nh t và tránh k t
xe.
Nghiên c u này có th cung c p m t c s
phát tri n các gi i pháp thông
minh h n

qu n l˝ và c i thi n giao thông, t
ó t o ra m t mơi tr ng di
chuy n hi u qu , ti t ki m th i gian và thúc y s phát tri n b n v ng c a thành
ph H Chí Minh.
V i nh ng v n
ây:
•

hi n t i, lu n v n s t p trung gi i quy t 3 v n

chính sau

xu t m t ph ng pháp thu th p d li u m b o ch t l ng d li u u
vào nh m ph c v cho q trình h c máy và phân tích d li u m t cách hi u
qu .

• Cung c p mơ hình d
c m c a h c máy.

ốn tình tr ng giao thơng d a vào ph

• Cung c p mơ hình d
q kh .

ốn tình tr ng giao thơng t

• M t h th ng th c nghi m s
kh thi cho các ph ng pháp
Mô hình tơi
1.1):


c tri n khai
xu t phía trên.

ng pháp gom

ng lai d a vào d li u

ánh giá tính hi u qu và

xu t trong lu n v n này g m có 4 thành ph n chính sau (hình

1. Thu th p, l u tr d li u t Camera an ninh và ng d ng TomTom.
2. X l˝, khai phá (hi n th c mơ hình gom c m) và xây d ng mơ hình d
TTGT t ng lai.

oán

3. Thu th p d li u th i gian th c.
4. D

oán TTGT.

3


1.3 › ngh a khoa h c và th c ti n

Hình 1.1: Mơ hình


1.3
1.3.1

xu t cho vi c thu th p, gom c m d li u và d

oán TTGT.

› ngh a khoa h c và th c ti n
› ngh a khoa h c

tài nghiên c u "D báo tình tr ng giao thơng ơ th b ng các k thu t h c
máy"s
xu t các ph ng pháp thu th p d li u nh thu th p d li u TTGT qua
camera b ng có k thu t Deep Learning, t ó làm c s
xây d ng h th ng
thu th p thông tin TTGT m t cách y
và tr i dài trên t t c o n
ng c a
Tp. H Chí Minh.
Bên c nh ó, nghiên c u còn
xu t ph ng pháp gom c m các o n
ng có
TTGT t ng t nhau và mơ hình d ốn TTGT t ng lai, ây có th
c xem
là c s làm d li u u vào cho các mơ hình h c máy sau này nh quy t c k t
h p (association rules) và ph ng pháp h c t ng c ng (Reinforcement Learning)
nh m xây d ng h th ng giao thông thông minh h n, có th t i u ch nh các tín
hi u èn giao thơng
gi m thi u tình tr ng ùn t c.


1.3.2

› ngh a th c ti n

H th ng cung c p các thông tin h u ích nh các o n
ng có TTGT gi ng
nhau t i m t th i i m và th i gian kéo dài c a tình tr ng ó c ng nh TTGT t i
các o n
ng trong t ng lai, các thơng tin này s giúp ích cho ng i dùng u
4


1.4 B c c lu n v n
cu i trong m t s tr

ng h p nh :

• Ng i qu n l˝ giao thơng (ví d c nh sát giao thơng): có cái nhìn t ng quan
v tình tr ng giao thơng thay vì c c b , t ó có th i u ti t giao thông
m t cách h p l˝.
• Ng i dùng ph thơng: có th l a ch n các tuy n
ti t ki m chi phí.

1.4

ng di chuy n h p l˝

B c c lu n v n

Lu n v n


c trình bày theo các thành ph n chính nh sau:

• Ch ng 1. "Gi i thi u bài toán": Ph n này g m nh ng n i dung chính là: L˝
do ch n
tài, M c ích nghiên c u, › ngh a khoa h c và th c ti n, B c c
lu n v n.
• Ch ng 2. "Các nghiên c u liên quan": Trong ch ng này, tác gi trình bày
nh ng n i dung liên quan n t ng quan v tình hình ùn t c giao thơng
Tp. HCM, các nghiên c u Vi t Nam, các nghiên c u n c ngồi t ó hình
thành ˝ t ng
xây d ng n i dung nghiên c u c a tác gi .
• Ch ng 3. "N n t ng l˝ thuy t": Trong ch ng này tác gi trình bày nh ng
ki n th c c b n
c s d ng trong
tài, bao g m: nh ngh a khai phá
d li u, nh ngh a v d li u l n, các thu t toán áp d ng trong thu th p
d li u b ng Deep Learning và các thu t toán áp d ng trong gi i thu t gom
c m d li u. C th g m nh ng ch i m sau:
–

nh ngh a khai phá d li u: Trình bày các khái ni m v khai phá d
li u c ng nh m c ích c a khai phá d li u.

–

nh ngh a v d li u l n: Trình bày v
nh ngh a d li u l n và các
c tr ng c a d li u l n nh Volume ( l n c a d li u), Velocity
(t c ), Variety ( a d ng), Veracity ( tin c y/ chính xác) và Value

(giá tr ).

– Các thu t toán áp d ng trong thu th p d li u b ng Deep Learning:
Trình bày t ng quan v theo dõi i t ng c ng nh ki n trúc cu mô
5


1.4 B c c lu n v n
hình YOLO
nh n di n i và Deep SORT
theo dõi i t ng c ng
nh
xu t ph ng pháp tính v n t c c a các ph ng ti n tham gia
giao thơng.
– Các thu t tốn Machine Learning
c áp d ng: Trình bày c s l˝
thuy t v thu t tốn
c áp d ng trong nghiên c u nh k_Means và
trình bày v c s l˝ thuy t c b n c a gi i thu t (Long Short-Term
Memory)
• Ch ng 4 "Gi i pháp
xu t": Mô t ki n trúc toàn b h th ng, các thành
ph n ch c n ng, tìm hi u và l a ch n gi i pháp hi n th c các ch c n ng c a
h th ng nh th p th p d li u t camera an ninh, thu th p d li u t ng
d ng bên th 3 (TomTom) và các mơ hình gom c m d li u và
xu t các
ph ng pháp d ốn TTGT.
• Ch

ng 5 "Hi n th c": Hi n th c và cách ho t

c
xu t t i ch ng 4.

ng c a các ch c n ng ã

• Ch ng 6 " ánh giá và t ng k t nghiên c u": ánh giá k t qu
t
cv
m t khoa h c và th c ti n c ng nh
xu t h ng m r ng c a
tài.

6


2 CÁC NGHIÊN C U LIÊN
QUAN
2.1

T ng quan v tình hình ùn t c giao thơng
Tp. HCM

Thành ph H Chí Minh là trung tâm kinh t l n nh t Vi t Nam, ang i m t
v i m t tình hình giao thơng ùn t c áng lo ng i. V i s l ng ph ng ti n c gi i
ngày càng t ng, thành ph ang ch ng ki n s gia t ng áng k trong m t
giao
thông.
Theo Báo cáo Th ng kê Giao thông c a S Giao thông V n t i TP.HCM, t ng
s ph ng ti n c gi i ã v t qua m c 9 tri u xe, trong ó g n 7 tri u xe máy và
1,5 tri u ô tô. S li u này ti p t c t ng cao qua các n m, t o nên áp l c l n cho h

th ng giao thông hi n có.
M t
dân s c ng óng vai trị quan tr ng trong tình tr ng ùn t c giao thông.
Theo th ng kê c a T ng c c Th ng kê, tính n tháng 4 n m 2021, dân s c a
TP.HCM ã v t qua 10 tri u ng i và ti p t c t ng lên. S t ng tr ng dân s
này cùng v i s phát tri n kinh t t o ra nhu c u di chuy n l n và áp l c lên h
th ng giao thông [4-5].
Các ch s ùn t c giao thông c
cáo ùn t c giao thơng n m 2020 c
ng th 2 trên tồn c u v i ch s
chuy n trung bình t ng thêm 53%

ng cho th y tình hình áng lo ng i. Theo Báo
a công ty TomTom, Thành ph H Chí Minh
ùn t c 53%. i u này có ngh a là th i gian di
so v i th i gian di chuy n thông th ng [6].
7


2.2 Các nghiên c u

Vi t Nam

H th ng
ng giao thông ch t h p và thi u ng b c ng là m t v n
gây
ra ùn t c giao thơng.
ng ph trong thành ph th ng có
r ng h n ch , trong
khi s l ng ph ng ti n ngày càng t ng lên. i u này là m t trong nh ng tác

nhân gây ra s ùn t c và làm gia t ng th i gian di chuy n c a ng i dân.
Giao thông ùn t c Thành ph H Chí Minh c ng góp ph n vào v n
ơ
nhi m khơng khí. Theo ch s ch t l ng khơng khí AQI (Air Quality Index),
TP.HCM th ng xuyên v t quá m c cho phép, c bi t là trong các khu v c giao
thơng t p trung.
Tóm l i, Thành ph H Chí Minh ang i m t v i tình tr ng ùn t c giao
thông nghiêm tr ng do t ng s l ng ph ng ti n, m t
dân s cao, h th ng
ng ch t h p và thi u ng b . Nh ng con s và th ng kê trên ch ra rõ tình
hình hi n t i và c n ph i có nh ng nghiên c u và gi i pháp h p l˝
c i thi n
tình tr ng ùn t c giao thơng t i thành ph này.

2.2

Các nghiên c u

Vi t Nam

i phó v i tình tr ng ùn t c giao thơng Thành ph H Chí Minh, ã có
nhi u n l c t phía chính quy n a ph ng và các chuyên gia
nghiên c u và
tri n khai các gi i pháp hi u qu . Các bài nghiên c u khoa h c trong l nh v c này
ã t p trung vào tính ng d ng c a công ngh và các ph ng pháp khoa h c trong
vi c d oán và gi m ùn t c giao thông.
M t s nghiên c u ã t p trung vào s d ng machine learning và các thu t
tốn gom c m d li u
phân tích và d ốn tình tr ng giao thơng. B ng cách
thu th p và phân tích d li u t các h th ng giám sát giao thông, nh ng nghiên

c u này ã xây d ng các mơ hình d oán ùn t c giao thông và a ra các bi n
pháp can thi p phù h p
gi m thi u tình tr ng này.
Trong n c ã có m t s cơng trình nghiên c u liên quan nh m góp ph n gi m
thi u ùn t c giao thông v i nh ng h tr c a công ngh thông tin và truy n thông
nh ch ng trình thơng tin giao thơng c a ài Ti ng nói Vi t Nam (VOV) [7] và
ài Ti ng nói Nhân dân Tp. HCM (VOH) [8]; c ng thông tin giao thông c a S
GTVT Tp. HCM [9]; các nghiên c u t các tr ng i h c l n nh nghiên c u t i
tr ng
i h c Bách Khoa Tp. HCM v các gi i pháp n n t ng cho giao thông
8


2.3 Các nghiên c u n

c ngồi

thơng minh [10]; h th ng m ng l i camera giám sát và i u khi n giao thông; h
th ng giám sát và x l˝ vi ph m giao thông [11 - 12]. Các cơng trình này ã b c
u em l i nh ng k t qu áng khích l và a ra các nh h ng nghiên c u
nh m gi m ùn t c giao thông cho Tp. HCM.
Tuy nhiên, các ch c n ng x l˝ trong các h th ng hi n có v n cịn khá n
gi n, và ây c ng là nh ng i m y u c n
c u t nghiên c u nh m nâng cao
ti m n ng c a các h th ng giám sát và c nh báo giao thông Vi t Nam và c
bi t là TP. HCM. C th , c ch phân tích d li u c a h th ng thông tin giao
thông c a VOV [7] và VOH [8] còn n gi n, ch y u d a vào con ng i (quan sát
h th ng camera trung tâm, các phân tích c a phóng viên thơng qua t ng tác
v i c ng tác viên). Các ch c n ng h tr nh tìm
ng thay th , tìm

ng i
ng n nh t, c p nh t thông tin trên ng d ng di ng, v n ch a
c phát tri n.
Ngoài ra, các nghiên c u c ng tìm hi u v nh h
ki n th i ti t, s ki n c bi t, hay hành vi c a ng
thông. B ng cách phân tích các y u t này và xây
nh ng nghiên c u này giúp nhà qu n l˝ giao thông
a ra các bi n pháp i u hành và qu n l˝ hi u qu
lu ng giao thông.

ng c a y u t khác nh i u
i lái xe n tình tr ng giao
d ng các mơ hình d ốn,
và c quan liên quan có th
gi m ùn t c và c i thi n

Cùng v i vi c áp d ng công ngh thông tin, các nghiên c u c ng tìm hi u
v các gi i pháp phân ph i giao thông thông minh, bao g m vi c phân b tuy n
ng, t h th ng èn giao thông thông minh và t i u hóa lu ng giao thơng
d a trên d li u th i gian th c. i u này giúp t ng tính hi u qu và gi m ùn t c
giao thông trong thành ph .

2.3

Các nghiên c u n

c ngoài

Trên th gi i, gi i pháp gi m ùn t c giao thông c ng
c nghiên c u b i nhi u

chuyên gia. Nh ng nghiên c u này t p trung vào gi i quy t các v n
l n t thu
th p d li u (data acquisition), truy n thông d li u (data communications) t các
h th ng thu th p n trung tâm x l˝ s li u, x l˝ d li u (data analysis) t i
trung tâm nh m cung c p thông tin chi ti t, k p th i và a chi u v ùn t c giao
thông giúp nhà qu n l˝ c ng nh ng i dân có th tri n khai các bi n pháp ng
9