Thanh bên bài viết
Số lượt xem PDF: 0
XÂY DỰNG HỆ THỐNG CẢNH BÁO ÙN TẮC GIAO THÔNG ĐÔ THỊ THEO THỜI GIAN THỰC
Nội dung chính của bài viết
Tóm tắt
Nghiên cứu trình bày kết quả phát triển hệ thống cảnh báo ùn tắc giao thông đô thị theo thời gian thực. Từ thực trạng ùn tắc và hạn chế của các giải pháp hiện tại tại Việt Nam, nghiên cứu đề xuất một kiến trúc hệ thống phân tán với bốn lớp chính: thu thập dữ liệu camera, xử lý AI, backend và ứng dụng đa nền tảng. Sử dụng mô hình YOLOv8n được huấn luyện trên bộ dữ liệu 20.000 ảnh giao thông tại Đà Nẵng, hệ thống đạt độ chính xác trung bình (mAP@0.5) 92,4% và tốc độ xử lý 45 FPS trên GPU RTX 3060. Backend xây dựng bằng Node.js, PostgreSQL và Redis xử lý đồng thời 25 camera với độ trễ API trung bình 145ms. Web app (React/Vite) hoàn thiện 11 trang, mobile app (Flutter) có 16 màn hình trên iOS và Android. Hệ thống được thử nghiệm trên dữ liệu mô phỏng từ 15 luồng camera tại Đà Nẵng, ghi nhận hơn 800 cảnh báo với độ chính xác trên 90%. Các kết quả này khẳng định tính khả thi của hệ thống trong bối cảnh nghiên cứu sinh viên và tiềm năng ứng dụng thực tế nhằm giảm ùn tắc, tiết kiệm thời gian và nâng cao an toàn giao thông đô thị.
Chi tiết bài viết
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Từ khóa
Hệ thống giao thông thông minh, YOLOv8, thị giác máy tính, phát hiện ùn tắc, React, Flutter
Tài liệu tham khảo
Bộ Công an. (2025, October 24). Tình hình tai nạn giao thông, cháy, nổ và xử lý hành chính về trật tự, an toàn giao thông tháng 10/2025.
Flutter Documentation. (2025). Flutter SDK documentation. https://docs.flutter.dev
HumanSignal. (n.d.). Label Studio documentation. https://labelstud.io
Jocher, G., Chaurasia, A., & Qiu, J. (2024). YOLOv8: A state-of-the-art object detection model [Technical report]. Ultralytics.
Meta Platforms. (2025). React documentation. https://react.dev
Microsoft COCO Dataset. (n.d.). Common Objects in Context (COCO). https://cocodataset.org
Node.js Foundation. (2025). Node.js v20.x documentation. https://nodejs.org
Open Images Dataset V7. (n.d.). Open Images Dataset V7. Google Research. https://storage.googleapis.com/openimages/web/index.html
OpenCV Team. (2025). OpenCV-Python tutorials. https://docs.opencv.org
Redmon, J., & Farhadi, A. (2018). YOLOv3: An incremental improvement [Preprint]. arXiv. https://arxiv.org/abs/1804.02767
Ultralytics. (2025). YOLOv8 documentation. https://docs.ultralytics.com
Ủy ban nhân dân thành phố Đà Nẵng - Cổng Thông tin điện tử thành phố Đà Nẵng. (2026, January 6). Tổng kết công tác bảo đảm trật tự, an toàn giao thông năm 2025.
Wang, C. Y., Bochkovskiy, A., & Liao, H. Y. M. (2023). YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (pp. 7464-7475).
Wojke, N., Bewley, A., & Paulus, D. (2017). Simple online and realtime tracking with a deep association metric. In Proceedings of the IEEE International Conference on Image Processing (pp. 3645-3649).