Liệu AI có thể cho bạn lời giải với bài toán kẹt xe?

Liệu AI có thể cho bạn lời giải với bài toán kẹt xe?

Tiến sĩ Phạm Việt Hùng, chuyên gia nghiên cứu về điện tử, hệ thống máy tính và robot, và cơ điện tử, đến từ Đại học RMIT Việt Nam, nhận định rằng để giải quyết bài toán kẹt xe, hiểu lý do tại sao giao thông ùn tắc quan trọng không kém việc dự báo nơi sẽ kẹt xe.

Với hàng triệu người Việt ở các thành phố lớn, ùn tắc giao thông là nỗi ngán ngẩm thường nhật vì lãng phí thời gian, ảnh hưởng hiệu suất làm việc và giảm chất lượng cuộc sống. Riêng ở Hà Nội, ùn tắc giao thông dự đoán tiêu tốn của nền kinh tế khoảng 1,2 tỉ đô la Mỹ mỗi năm, trong khi đó người tham gia giao thông có thể phải mất hàng giờ đồng hồ kẹt trong các luồng xe cộ. Giao thông còn là một yếu tố chính khiến ô nhiễm không khí tại các đô thị.

Trí tuệ nhân tạo (AI) đã và đang giúp các thành phố dự báo tình trạng giao thông. Tuy nhiên, nghiên cứu của Tiến sĩ Hùng chỉ ra rằng dự đoán không thôi chưa đủ. Để giải quyết ùn tắc, thành phố cần hiểu nguồn cơn gây ra tình trạng này. Bằng cách kết hợp dữ liệu từ người tham gia giao thông hằng ngày với AI có khả năng luận giải, nhóm của ông đã tìm hiểu cách làm thế nào các thành phố có thể bứt phá ra khỏi việc dự đoán thông thường và vén màn những yếu tố dẫn đến tình trạng ùn tắc. 

Một người đàn ông mặc áo vest tối màu và sơ mi xanh nhạt đứng ngoài trời trên lối đi lát gạch cạnh một tòa nhà hiện đại. Dùng dữ liệu từ người dùng điện thoại di động, nghiên cứu của Tiến sĩ Phạm Việt Hùng khám phá làm thế nào AI có khả năng luận giải có thể vén màn những yếu tố đằng sau tình trạng tắc nghẽn giao thông. (Hình: RMIT)

Không dừng lại ở dự báo ùn tắc giao thông

Hầu hết các ứng dụng dự báo giao thông có thể cho chúng ta biết những nơi có khả năng xảy ra ùn tắc, nhưng điều các ứng dụng này không thể cho chúng ta biết là nguyên nhân tại sao.

Nghiên cứu của Tiến sĩ Hùng hướng tới trả lời câu hỏi này bằng cách dùng dữ liệu giao thông từ dữ liệu điện thoại của người tham gia giao thông hằng ngày. Nhóm đã kết hợp học máy, một dạng AI có khả năng nhận diện các khuôn mẫu từ bộ dữ liệu, cùng AI có khả năng luận giải – Explainable Artificial Intelligence (XAI), nhằm lý giải cách một hệ thống AI đưa ra kết luận cuối cùng.

“Điều khiến nghiên cứu này khác biệt là chúng tôi không dừng lại ở việc đơn thuần dự đoán tình hình giao thông mà lý giải tại sao chúng diễn ra”, ông chia sẻ.

Các nghiên cứu viên đã dùng một mô hình AI để phân tích quy luật giao thông và một công cụ khác để nhận diện các yếu tố giúp đưa ra dự báo. Điều này cho phép họ thấy được liệu địa điểm, thời gian trong ngày, cuối tuần hay sự kiện đặc biệt nào dẫn đến tình trạng ùn tắc tại một nơi cụ thể và khung thời gian cụ thể.

Một trong những phát hiện thú vị là địa điểm lại quyết định tình trạng tắc nghẽn nhiều hơn dự đoán. Có những cung đường và khu vực nhất định ảnh hưởng đến tình trạng giao thông nhiều hơn các yếu tố khác, chẳng hạn như phân loại đường nơi đó. Khi bỏ thông tin địa điểm khỏi khung tham chiếu, mô hình kém chính xác hẳn.

Nghiên cứu còn phát hiện rằng không phải tất cả những vụ kẹt xe đều diễn ra vào giờ cao điểm. Một số diễn ra trong khoảng thời gian yên ắng hơn, nguyên nhân là từ hoạt động diễn ra tại khu vực đó hay một số yếu tố đặc biệt liên quan tới địa điểm mà nhóm đo lường. Nếu không có AI có khả năng luận giải, những quy luật này sẽ vẫn nằm sâu trong kho dữ liệu.

Kết quả nghiên cứu chỉ ra một bài học dẫu đơn giản nhưng lại quan trọng: hiểu nguyên nhân dẫn đến tình trạng tắc nghẽn giao thông mang ý nghĩa quan trọng không kém bản thân việc dự đoán.

Muốn đô thị thông minh hơn, cần hiểu giao thông rõ hơn

Nghiên cứu của Tiến sĩ Hùng đặc biệt gần gũi với những thành phố lớn như TP. Hồ Chí Minh nơi đường sá và hệ thống giao thông thường vất vả đuổi theo nhu cầu ngày càng tăng cao. Phát triển các mạng lưới cảm biến giao thông lớn có thể tốn kém, trong khi hàng triệu người tham gia giao thông đang tạo ra thông tin hữu dụng hằng ngày từ chiếc điện thoại trong túi họ.

“Thay vì chỉ dựa vào hệ thống cảm biến đắt đỏ, nghiên cứu cho thấy dữ liệu từ điện thoại người tham gia giao thông hằng ngày có thể trở thành kho thông tin sâu giá trị như thế nào”, Tiến sĩ Hùng giải thích. 

Alt Text is not present for this image, Taking dc:title 'ri-05-traffic-congestion-1200x800'Hàng triệu người tham gia giao thông tạo ra dữ liệu giá trị hằng ngày. Thách thức ở đây là làm thế nào để biến chúng thành các quyết định giao thông tốt hơn. (Hình: Unsplash)

Với khoảng tám triệu người điều khiển phương tiện giao thông ở TP. Hồ Chí Minh, nguồn dữ liệu từ công dân có thể đem đến bức tranh phong phú hơn về cách người dân di chuyển quanh thành phố và đâu là nơi giao thông gặp vấn đề nghiêm trọng nhất.

Ích lợi của điều này không chỉ dừng lại ở người tham gia giao thông. Hiểu rõ hơn về giao thông có thể giúp các đơn vị logistics và giao hàng lên tuyến đường hiệu quả hơn, giảm thời gian di chuyển cũng như chi phí vận hành. Các nhà quy hoạch đô thị có thể xác định những điểm ùn tắc chính xác hơn và chọn giải pháp mang lại hiệu quả cao nhất. Thay vì đầu tư vào toàn bộ khu vực, các cấp có thẩm quyền có thể tập trung vào những điểm ùn tắc đặc biệt tái đi tái lại.

Khái quát hơn, nghiên cứu cho thấy những thành phố đang phát triển có thể dùng dữ liệu và AI để giải quyết các thách thức đô thị mà không cần dựa vào giải pháp duy nhất là nâng cấp hạ tầng một cách tốn kém. Nghiên cứu còn chỉ ra cách công nghệ hỗ trợ việc ra quyết định theo hướng minh bạch và dễ hiểu hơn.

Sắp tới đây, Tiến sĩ Hùng và nhóm của ông dự kiến mở rộng khung tham chiếu bằng cách đưa thêm các nguồn thông tin bổ trợ, chẳng hạn như điều kiện thời tiết, sự cố trên đường và các sự kiện công cộng. Nhóm còn kỳ vọng thử hướng tiếp cận này ở các thành phố khác để hiểu hơn về quy luật giao thông ở các môi trường đô thị khác nhau.

Là một người hiện đang sinh sống và làm việc tại TP. Hồ Chí Minh, Tiến sĩ Hùng nhìn nhận tắc nghẽn giao thông không chỉ là vấn đề dịch chuyển, mà còn là thách thức ảnh hưởng đến cuộc sống hằng ngày của người dân.

Ông chia sẻ: “Động lực thúc đẩy tôi tiến hành nghiên cứu này là cơ hội biến dữ liệu từ người tham gia giao thông thường nhật thành báo cáo chi tiết thực tiễn có thể giúp chính phủ, doanh nghiệp và cộng đồng đưa ra quyết định tốt hơn. Bằng cách khiến AI không chỉ quyền năng hơn mà còn minh bạch và dễ hiểu, chúng tôi kỳ vọng đóng góp cho một tương lai nơi công nghệ góp phần tạo ra những thành phố hiệu quả, đáng sống và lấy con người làm trọng tâm trên khắp Việt Nam”.

Trong bối cảnh Việt Nam tiếp tục đẩy mạnh đô thị hóa và chuyển đổi số, điều thách thức không còn đơn thuần là thu thập thông tin, mà làm thế nào để biến dữ liệu thành tri thức để người dân có thể tin cậy và hành động dựa vào đó.

Niềm tin này là trọng tâm của chuỗi bài nghiên cứu chuyên gia Một chạm, vạn biến dựa trên các nghiên cứu từ Đại học RMIT Việt Nam. Kết nối tri thức học thuật với những câu chuyện thời sự, chuỗi bài mang đến cho độc giả hiểu biết sâu hơn về những biến chuyển trong kinh tế, công nghệ, môi trường và xã hội, đồng thời gợi mở các giải pháp và cơ hội cho tương lai.

Đọc toàn bộ nghiên cứu của ông tại đường dẫn 
https://link.springer.com/chapter/10.1007/978-3-031-59042-9_5

Bài: Hoàng Hà

Hình đầu trang: Daniel Stewart – unsplash.com

02/10/2026

Chia sẻ

Tìm hiểu thêm

Tin tức liên quan

Heavy traffic congestion with dozens of motorcyclists and two buses crowded on a narrow urban street in Vietnam during daytime.

Liệu AI có thể cho bạn lời giải với bài toán kẹt xe?
Khoa học và Công nghệ
Icon / Small / CalendarCreated with Sketch. 02/10/2026

Tiến sĩ Phạm Việt Hùng, chuyên gia nghiên cứu về điện tử, hệ thống máy tính và robot, và cơ điện tử, đến từ Đại học RMIT Việt Nam, nhận định rằng để giải quyết bài toán kẹt xe, hiểu lý do tại sao giao thông ùn tắc quan trọng không kém việc dự báo nơi sẽ kẹt xe.

Three people holding a sapling on some soil

Mắt xích còn thiếu giữa chính sách khí hậu và hành động
Truyền thông và Thiết kế
Icon / Small / CalendarCreated with Sketch. 30/09/2026

Nghiên cứu từ RMIT Việt Nam chỉ ra cách các thành phố có thể vận động người dân chung tay hành động vì khí hậu.

Fruits and vegetable scraps being discarded

Lãng phí thực phẩm và vòng xoáy phán xét
Truyền thông và Thiết kế
Icon / Small / CalendarCreated with Sketch. 29/09/2026

Từ những bữa tiệc linh đình đến bữa ăn gia đình, nghiên cứu của Đại học RMIT cho thấy truyền thông Việt Nam thường gắn lãng phí thực phẩm với sự xấu hổ và phán xét xã hội.

A robot hand and a human hand reaching toward each other

Bạn đang xem AI là trợ lý hay cộng sự?
Kinh doanh và Quản trị
Icon / Small / CalendarCreated with Sketch. 28/09/2026

Nghiên cứu từ RMIT Việt Nam cho thấy con người có thể khai thác nhiều giá trị hơn khi xem AI như một cộng sự có khả năng phản biện ý tưởng, kiểm chứng giả định và mở rộng góc nhìn.

Xem thêm +