Sự bùng nổ về số lượng các loại xe cộ mà người dân sử dụng ở thành phố lớn đang đặt ra yêu cầu cấp bách liên quan đến các cách đo lường, đánh giá lượng phương tiện di chuyển nhằm thể hiện đúng tình hình giao thông thực tế. Trong bối cảnh đó, nghiên cứu này tận dụng hình ảnh quay chụp từ Drone hay UAV và đề xuất phương pháp tiên tiến nhằm tạo ra một hệ thống giúp phân tích dữ liệu phục vụ việc theo dõi giao thông ở các ngã tư thành phố. Ngày nhận bài 25/11/2025; ngày sửa bài 11/12/2025; ngày chấp nhận đăng 28/12/2025
http://doi.org/10.64588/jc.10.12.2025
Tóm tắt
Sự bùng nổ về số lượng các loại xe cộ mà người dân sử dụng ở thành phố lớn đang đặt ra yêu cầu cấp bách liên quan đến các cách đo lường, đánh giá lượng phương tiện di chuyển nhằm thể hiện đúng tình hình giao thông thực tế. Những phương pháp truyền thống như khảo sát trực tiếp hoặc sử dụng camera cố định thường gặp phải hạn chế về phạm vi quan sát, khả năng bao quát không gian và tính liên tục của dữ liệu.
Trong bối cảnh đó, nghiên cứu này tận dụng hình ảnh quay chụp từ Drone hay UAV và đề xuất phương pháp tiên tiến nhằm tạo ra một hệ thống giúp phân tích dữ liệu phục vụ việc theo dõi giao thông ở các ngã tư thành phố. Dữ liệu video từ góc nhìn trên cao giúp theo dõi toàn diện lượng xe lưu thông qua các điểm giao cắt vào từng thời điểm khảo sát (đặc biệt là giờ cao điểm) của hệ thống đèn tín hiệu hiện thời. Bằng cách ứng dụng các thuật toán nhận diện và theo dõi đối tượng, mỗi phương tiện được xác định vị trí, phân loại và ghi nhận lộ trình di chuyển từ lúc tiếp cận đến khi rời khỏi khu vực giao nhau. Từ các lộ trình này, các chỉ số như mật độ phương tiện, vận tốc trung bình và hướng lưu thông được tính toán tương ứng với từng giai đoạn đèn tín hiệu.
Phương pháp này được thực nghiệm xử lý tính toán cho nút giao thông Nguyễn Chí Thanh - Huỳnh Thúc Kháng, nơi có lưu lượng giao thông cao và cách tổ chức phức tạp. Sự khác biệt về dòng phương tiện, khả năng giải tỏa phương tiện qua các pha di chuyển được thể hiện một cách khá rõ rệt, trong đó các hướng rẽ trái thường làm giảm tốc độ lưu thông và tăng nguy cơ xung đột. Ngược lại, các luồng đi thẳng trên trục chính có khả năng lưu thông tốt hơn trong cùng điều kiện. Kết quả của nghiên cứu bước đầu chứng minh rằng ứng dụng Drone được hỗ trợ bằng trí tuệ nhân tạo (AI) có thể mang lại cái nhìn sâu sắc và định lượng về tình hình di chuyển của các phương tiện đang lưu thông hỗ trợ việc thay đổi các biện pháp điều phối giao thông tốt hơn. Phương pháp đề xuất hỗ trợ nâng cao hiệu quả trong việc điều chỉnh tổ chức giao thông dựa trên dữ liệu UAV hay Drone, bước đầu cải thiện chất lượng trong kiểm soát, điều hành giao thông trong thành phố.
Từ khóa: ITS, UAV, AI, phân luồng giao thông, nút giao đô thị.
Abstract
The explosion in vehicle ownership in major cities has created an urgent demand for advanced traffic measurement and assessment methods that accurately reflect real-world conditions. Traditional approaches, such as manual field surveys or fixed-site cameras, often face limitations regarding spatial coverage, field of view, and data continuity. In this context, this study leverages aerial imagery from Unmanned Aerial Vehicles (UAVs/Drones) to propose an advanced framework for traffic monitoring at urban intersections.
High-altitude video data enables comprehensive tracking of traffic volumes passing through intersections during specific survey periods, particularly during peak hours under current signal timings. By implementing object detection and tracking algorithms, each vehicle is localized, classified, and its trajectory is recorded from the point of entry to the exit of the intersection. From these trajectories, key performance indicators such as traffic density, average speed, and directional flow are calculated in synchronization with each signal phase.
The proposed method was empirically validated at the Nguyen Chi Thanh - Huynh Thuc Khang intersection, a high-volume node with complex traffic organization. The results clearly demonstrate variations in flow patterns and discharge capacity across different movement phases; specifically, left-turning movements tend to reduce flow speeds and increase the risk of traffic conflicts. Conversely, through-traffic on the primary axis exhibits higher efficiency under identical conditions. Preliminary findings indicate that AI-powered UAV applications provide profound quantitative insights into vehicle movement, facilitating optimized traffic coordination strategies. This proposed methodology enhances the efficiency of traffic management and organization based on UAV data, marking a significant step forward in improving the quality of urban traffic control and operations.
Keywords: ITS, UAV, AI, traffic flow optimization, urban intersections.
1. Đặt vấn đề
Một số nghiên cứu nhận định rằng ùn tắc không chỉ làm tăng chi phí di chuyển mà còn gây tổn thất lớn về năng lượng và phát thải khí nhà kính, trở thành thách thức lớn cho bài toán về hiệu quả giao thông mà vẫn hướng tới mục tiêu bền vững trong phát triển đô thị [1, 2]. Trong mạng lưới giao thông đô thị, các nút giao là điểm kết nối quan trọng, nơi tập trung và phân phối luồng xe từ nhiều hướng. Hiệu quả hoạt động của nút giao ảnh hưởng trực tiếp đến việc lưu thông và sự ổn định của toàn bộ hệ thống giao thông. Thực tế cho thấy ùn tắc thường xảy ra tại hoặc gần các nút giao, đặc biệt khi cách tổ chức và điều khiển tín hiệu chưa phù hợp với lưu lượng thực tế, dẫn đến xung đột dòng xe và giảm hiệu quả khai thác [3, 4].
Việc xem xét hiệu quả của hệ thống điều khiển giao thông tại các nút giao đô thị, cần có dữ liệu giao thông phản ánh đầy đủ đặc điểm chuyển động của phương tiện theo cả không gian và thời gian. Mặc dù vậy, các phương pháp thu thập dữ liệu truyền thống vẫn còn nhiều hạn chế. Camera cố định thường bị giới hạn tầm nhìn và dễ bị che khuất, trong khi các cảm biến trên mặt đường chỉ ghi nhận thông tin tại một số điểm nhất định, không thể mô tả toàn bộ quá trình di chuyển của xe trong khu vực nút giao. Trong một số công bố khoa học cũng cho thấy dữ liệu từ các thiết bị cố định chưa đủ bao quát để phân tích các nút giao có cấu trúc phức tạp trong điều kiện giao thông hỗn hợp [5, 6].
Ngoài ra, khảo sát thủ công tuy linh hoạt nhưng phụ thuộc vào con người, dễ xảy ra sai lệch và khó duy trì liên tục khi lưu lượng xe lớn. Những hạn chế này làm giảm tính chính xác và độ tin cậy của phương pháp đề xuất, ảnh hưởng đến việc đánh giá hiệu quả vận hành và xác định nguyên nhân gây ùn tắc. Có một số nhận xét thực tế rằng các giải pháp tổ chức giao thông dựa trên dữ liệu không đầy đủ thường chỉ hiệu quả trong thời gian ngắn và khó duy trì ổn định khi áp dụng thực tế [7, 8].
UAV hay Drone được hỗ trợ bởi công nghệ xử lý thông minh đã mở ra hướng tiếp cận linh hoạt hơn trong phân tích giao thông đô thị [9]. Nhờ góc nhìn từ trên cao, UAV giúp quan sát toàn bộ khu vực nút giao tại một thời điểm, giảm thiểu ảnh hưởng từ vật cản trong môi trường đô thị. Dữ liệu video thu được, khi xử lý bằng thuật toán thị giác máy tính, tự động nhận diện phương tiện và tái hiện chuyển động của dòng xe theo thời gian. Việc kết hợp dữ liệu UAV với phân tích bằng trí tuệ nhân tạo giúp mô tả chi tiết hơn đặc điểm giao thông tại các nút giao phức tạp, như cường độ lưu thông, biến động tốc độ và xu hướng di chuyển [10]. Thông qua việc tổng hợp các nhận xét từ một số nghiên cứu ở trên, phương pháp phân tích sử dụng AI xử lý dữ liệu từ UAV có thể cải thiện độ chính xác trong phân tích giao thông, vượt trội hơn so với khảo sát truyền thống.
Dù công nghệ UAV và trí tuệ nhân tạo khá phổ biến ở nhiều quốc gia phát triển trên thế giới, việc triển khai vào phân tích và điều tiết giao thông đô thị tại Việt Nam còn nhiều hạn chế. Các nghiên cứu trong nước chủ yếu tiếp cận theo hướng mô tả định tính hoặc sử dụng dữ liệu từ thiết bị giám sát cố định, vốn có tầm quan sát hạn chế và khó phản ánh đầy đủ đặc điểm giao thông tại các nút giao quá phức tạp [11]. Từ thực tế đó, nghiên cứu này xây dựng quy trình phân tích dựa trên dữ liệu thu từ trên cao, kết hợp với kỹ thuật xử lý thông minh để đánh giá chi tiết hoạt động giao thông tại nút giao đô thị. Phương pháp được kiểm chứng qua nghiên cứu xử lý cho nút giao thông Nguyễn Chí Thanh - Huỳnh Thúc Kháng (Hà Nội), với các chỉ số như lưu lượng, vận tốc và mức độ ùn tắc được phân tích từ video UAV và xử lý bằng trí tuệ nhân tạo. Kết quả phân tích giúp đề xuất hướng điều chỉnh tổ chức giao thông nhằm tăng khả năng lưu thông, cải thiện hiệu quả giao thông, hướng tới xây dựng đô thị theo hướng hiện đại, bền vững [12, 13].
2. Phương pháp luận và giải pháp đề xuất
2.1. Giải pháp đề xuất
Giải pháp đề xuất là phân tích giao thông đô thị bằng cách sử dụng dữ liệu từ UAV hay Drone kết hợp với kỹ thuật xử lý thông minh bằng AI. Quy trình chuyển đổi dữ liệu quan sát thực tế thành thông tin định lượng, phục vụ nhận dạng, đánh giá hiệu quả giao thông tại các nút giao. Kết quả giúp xác định mức độ phục vụ (LOS) và đề xuất phương án tổ chức giao thông một cách phù hợp với điều kiện khai thác thực tế.
Thiết bị UAV được sử dụng để ghi hình và quay video tại nút giao vào giờ cao điểm. Thiết bị bay hoạt động ở độ cao 60 - 80 m, giúp quan sát toàn bộ khu vực và giảm ảnh hưởng từ vật cản. Video thu được phản ánh rõ sự phân bố và chuyển động của phương tiện, làm cơ sở cho các bước phân tích tiếp theo.
Dữ liệu video từ UAV được xử lý để tự động ghi nhận và theo dõi phương tiện. Mô hình YOLOv8x dùng để phát hiện xe trong từng khung hình, còn ByteTrack đảm nhiệm việc theo dõi chuyển động theo thời gian. Sự kết hợp này giúp tái hiện chính xác quỹ đạo di chuyển của từng phương tiện khi qua nút giao, bảo đảm tính liên tục và độ tin cậy của dữ liệu.
Từ kết quả nhận dạng và theo dõi, dữ liệu giao thông được chuyển thành dạng có cấu trúc, gồm lưu lượng theo hướng, thời gian chờ trung bình và thông tin về hướng di chuyển. Nút giao được chia thành vùng vào/ra để đếm phương tiện theo từng hướng. Dữ liệu được phân tích theo khung thời gian nhằm đánh giá biến động dòng xe và xác định các pha đèn hoặc hướng có dấu hiệu quá tải.
Dựa trên các chỉ số như lưu lượng và thời gian chờ, hoạt động nút giao được đánh giá theo mức phục vụ (LOS). Kết quả phân tích là cơ sở đề xuất điều chỉnh tổ chức giao thông, tập trung phân bổ lại lưu lượng giữa các hướng và pha đèn. Các giải pháp có tính ứng dụng cao, phù hợp thực tế, cho thấy tiềm năng của việc kết hợp dữ liệu UAV với phân tích thông minh trong quản lý giao thông đô thị.
3. Thực nghiệm
3.1. Khu vực và điều kiện thực nghiệm
Thực nghiệm được thực hiện cho nút giao thông Nguyễn Chí Thanh - Huỳnh Thúc Kháng (Hà Nội), một vị trí quan trọng trên trục giao thông phía Tây. Khu vực này có lưu lượng xe lớn đặc biệt vào giờ cao điểm, tổ chức giao thông phức tạp và vận hành theo hệ thống đèn ba pha, với đặc điểm giao thông hỗn hợp gồm nhiều xe máy, ô tô và xe công cộng (xe buýt).
Dữ liệu giao thông được ghi lại vào giờ cao điểm buổi chiều bằng UAV, với hình ảnh toàn cảnh nút giao từ độ cao khoảng 60 - 80 m. Video có độ phân giải cao, phản ánh rõ tình hình lưu thông tại khu vực.
3.2. Kết quả trích xuất và phân tích dữ liệu giao thông
3.2.1. Phân tích dựa trên hình ảnh UAV
Phân tích hình ảnh từ UAV giúp nhận diện rõ cách tổ chức giao thông và mức độ tương tác giữa các dòng xe theo từng pha đèn. Trong pha 1, mật độ phương tiện tập trung cao trên trục Nguyễn Chí Thanh ở cả hai chiều, phản ánh vai trò trục chính và áp lực giao thông lớn vào giờ cao điểm.
Đối với pha 2, hình ảnh UAV cho thấy lưu lượng trên trục Huỳnh Thúc Kháng ở mức trung bình so với pha 1. Các chuyển động đi thẳng và rẽ trái cùng tồn tại trong không gian nút giao, tạo ra các xung đột cục bộ và làm giảm hiệu quả thoát dòng trong một số chu kỳ đèn.
Trong pha 3, mặc dù lưu lượng rẽ trái thấp hơn so với hai pha còn lại, hình ảnh UAV cho thấy đây là pha phát sinh nhiều xung đột nhất. Các chuyển động rẽ trái giao cắt trong không gian nút giao làm các quỹ đạo phương tiện chồng lấn, dẫn đến giảm vận tốc và kéo dài thời gian giải phóng dòng xe. Thời gian xanh ngắn khiến một phần phương tiện rẽ trái không được giải phóng hết trong mỗi chu kỳ.
3.2.2. Phân tích định lượng từ dữ liệu UAV và trí tuệ nhân tạo
Dữ liệu định lượng được trích xuất từ video UAV bằng trí tuệ nhân tạo, gồm lưu lượng và vận tốc phương tiện theo từng pha đèn. Thống kê cho thấy pha 1 chiếm tỷ trọng lưu lượng lớn nhất, phù hợp với quan sát về mật độ xe cao trên trục Nguyễn Chí Thanh. Pha 2 có lưu lượng trung bình, còn pha 3 thấp hơn nhưng vận tốc cũng giảm do xung đột giao thông cao.
Phân tích theo thời gian và heatmap cho thấy hướng Bắc - Nam trên trục Nguyễn Chí Thanh có mật độ xe cao nhất trong suốt thời gian thực nghiệm. Sự khác biệt rõ về lưu lượng và vận tốc giữa các pha đèn cho thấy cần điều chỉnh thời gian đèn tín hiệu để phù hợp hơn với nhu cầu thực tế.
Mô hình YOLOv8x được hiệu chỉnh từ video UAV tại khu vực nghiên cứu để tăng độ chính xác khi nhận dạng phương tiện trong điều kiện giao thông đông đúc. Thuật toán ByteTrack được sử dụng để theo dõi chuyển động liên tục theo thời gian, phục vụ phân tích vận tốc và lưu lượng.
3.3. Đánh giá hoạt động nút giao và đề xuất tối ưu
Phân tích lưu lượng và vận tốc ở nút giao thông Nguyễn Chí Thanh - Huỳnh Thúc Kháng thể hiện rõ ràng những điểm khác biệt về hướng di chuyển và các pha trong chu kỳ đèn. Xe đi thẳng trên trục Nguyễn Chí Thanh chiếm tỷ trọng lớn, trong khi rẽ trái ở pha 3 có vận tốc thấp do xung đột giao cắt. Thời gian pha đèn hiện tại chưa phản ánh đúng phân bố lưu lượng, làm giảm hiệu quả khai thác nút giao.
Trên cơ sở dữ liệu thu thập từ UAV kết hợp với kết quả phân tích bằng các mô hình trí tuệ nhân tạo, công tác tổ chức giao thông theo hướng ưu tiên các dòng phương tiện có lưu lượng lớn và giảm xung đột tại các chuyển động rẽ trái. Các giải pháp tập trung vào việc điều chỉnh phân chia thời gian các pha đèn tín hiệu, tổ chức hợp lý các dòng rẽ và cải thiện khả năng giải phóng phương tiện trong giờ cao điểm. Cách tiếp cận dựa trên dữ liệu từ trên cao và phân tích thông minh cung cấp cơ sở định lượng đáng tin cậy, hỗ trợ công tác đánh giá, xem xét cải thiện hiệu quả vận hành của hệ thống điều khiển tín hiệu tại các nút giao đô thị trong điều kiện vận hành thực tế.
4. Kết luận và kiến nghị
Phương pháp đề xuất là phân tích giao thông tại nút giao đô thị bằng dữ liệu UAV kết hợp với kỹ thuật xử lý thông minh bằng AI. Cách tiếp cận này cho phép theo dõi tốc độ, lưu lượng và hướng di chuyển theo từng pha đèn.
Thực nghiệm ở nút giao thông Nguyễn Chí Thanh - Huỳnh Thúc Kháng cho thấy hệ thống điều khiển tín hiệu tại giao lộ này cần được điều chỉnh phù hợp hơn. Các dòng rẽ trái có vận tốc thấp do xung đột cao, trong khi các dòng đi thẳng thoát nhanh hơn. Phân tích từ dữ liệu UAV và AI giúp nhận diện rõ hơn tình trạng giao thông và khả năng khai thác vận hành của hệ thống điều khiển giao thông hiện thời tại nút giao.
Bên cạnh kết quả đạt được, nghiên cứu cho thấy cần mở rộng khảo sát và cải tiến quy trình để tăng độ ổn định dữ liệu, nâng cao khả năng ứng dụng trong quản lý giao thông thực tế.
TÀI LIỆU THAM KHẢO
[1]. Ho, C.Q. and A.J.T.P, 2024. Tirachini, Mobility-as-a-Service and the role of multimodality in the sustainability of urban mobility in developing and developed countries. 145: p. 161-176.
[2]. Ndhlovu, E., D. Mhlanga, and B.J.D.G.S, 2025. Duri, Decarbonising urban transport: an overview of electric vehicles, public transport, and sustainable infrastructure in achieving net-zero emissions. 3(1): p. 53.
[3]. Jilani, U., et al., 2025. A systematic review on urban road traffic congestion, 140(1): p. 81-109.
[4]. Kabanga, D., K.O.J.J.o.C.A, 2025. Awuor, and Applications, simulation analysis of traffic congestion at unsignalized circular roundabout using microscopic traffic flow model, 34(4).
[5]. Bagabaldo, A.R. and J.J.a.p.a, 2025. Hackl, Digital Twins for Intelligent Intersections: A Literature Review.
[6]. Islam, M.J.R.o.A.S and Technology, Analysis Of AI-Enabled Adaptive Traffic Control Systems For Urban Mobility Optimization Through Intelligent Road Network Management, 4(02): p. 207-232.
[7]. Mystakidis, A., C.J.I.J.o.D.S, 2025. Tjortjis, and Analytics, Traffic congestion prediction and missing data: a classification approach using weather information. 20(3): p. 2387-2406.
[8]. Ravish, R., S.R.J.T, 2021. Swamy, and Telecommunication, Intelligent traffic management: A review of challenges, solutions, and future perspectives. 22(2): p. 163-182.
[9]. Xu, H., et al, 2023. A survey on UAV applications in smart city management: Challenges, advances, and opportunities. 16: p. 8982-9010.
[10]. Turjo, K.I.H., et al, 2025. IoT-Enabled Smart Air Traffic Control for Drones in Urban Areas: AI-Driven Route Optimization and Energy Management. In 2025 2nd International Conference on Advanced Innovations in Smart Cities (ICAISC), IEEE.
[11]. Bejarbaneh, E.Y., H. Du, and F.J.I.t.o.i.t.s, 2024. Naghdy, Exploring shared perception and control in cooperative vehicle-intersection systems: A review.
[12]. H Abdelati, M.J.I.J.o.A.E. and B, 2024. Sciences, Smart traffic management for sustainable development in cities: Enhancing safety and efficiency, 5(1): p. 39-61.
[13]. Tariq, M.U., Smart transportation systems: Paving the way for sustainable urban mobility, in Contemporary Solutions for Sustainable Transportation Practices. 2024, IGI Global. p. 254-283.
