Trên những con phố đô thị, từng làn xe nối đuôi nhau, từng mét đường thay đổi mỗi ngày. Trong sự chuyển động liên tục đó, việc hiểu được “bức tranh giao thông” đang ngày càng trở thành một yêu cầu cấp thiết: Đâu là mặt đường? Đâu là phương tiện? Và chúng ta có thể xử lý dữ liệu nhanh đến mức nào?

Tại EOV Solutions, chúng tôi tin rằng để xây dựng hệ thống giao thông thông minh, việc giúp máy móc nhận biết và phân biệt rõ từng yếu tố trên đường là một bước đi quan trọng. Và đó chính là lý do nghiên cứu về mô hình phát hiện mặt đường và phương tiện giao thông ra đời.

Vì sao mô hình này quan trọng?

Trong các ứng dụng thực tế như EOV RoadAI – Hệ thống giám sát và đánh giá chất lượng mặt đường bằng video hành trình thì mô hình phát hiện mặt đường và phương tiện đóng vai trò như “cặp mắt đầu tiên” của hệ thống.

Mô hình giúp:

• Nhận diện chính xác loại mặt đường (bê tông hay nhựa) để đưa ra đánh giá đúng tiêu chuẩn kỹ thuật.
• Xác định phương tiện giao thông (xe máy, ô tô, người...) để che mờ thông tin nhạy cảm, bảo vệ quyền riêng tư.
• Phân vùng các làn đường, vạch kẻ, vạch chỉ dẫn, từ đó khoanh vùng chính xác các khu vực cần phân tích như: Vị trí có ổ gà, nứt vỡ hay mặt đường hư hỏng.

Nói cách khác, mô hình này giúp “làm sạch” và “làm rõ” khung hình, tạo tiền đề cho mọi đánh giá chính xác phía sau.

>>> Xem thêm: EOV RoadAI - Giải pháp Giám sát và Đánh giá tình trạng mặt đường bộ

Mô hình đã học được gì từ thực tế?

Để huấn luyện mô hình, đội ngũ EOV Solutions đã thu thập hàng nghìn hình ảnh từ thực tế gồm cả video hành trình và ảnh chụp từ điện thoại. Mỗi bức ảnh được gán nhãn cẩn thận với 7 loại thông tin phổ biến nhất trong bối cảnh giao thông Việt Nam, bao gồm:

• Xe hai bánh và xe bốn bánh
• Vạch phân làn (liền, đứt), vạch chỉ dẫn
• Mặt đường nhựa và bê tông xi măng

Sau khi huấn luyện, mô hình đã thể hiện khả năng nhận diện rất khả quan:

• >97% độ chính xác trong việc phân biệt mặt đường nhựa và bê tông
• Nhận diện rõ ràng xe ô tô và xe máy trên các tuyến đường thực tế
• Phân đoạn vạch kẻ đường với độ tin cậy khá cao, ngay cả khi vạch đã bị mờ

Những thử thách còn tồn tại

Trong quá trình huấn luyện và thử nghiệm, không phải lúc nào cũng thuận lợi. Mô hình cũng gặp những “bài toán hóc búa” như:

• Vạch phân làn bị mờ hoặc mất nét dưới trời nắng gắt
• Xe máy bị khuất một phần bởi xe tải lớn, hoặc di chuyển trong bãi đỗ đông đúc
• Mặt đường bê tông và vỉa hè có màu sắc quá giống nhau

Những tình huống này không chỉ thách thức máy học mà cả con người cũng đôi khi phải quan sát kỹ mới phân biệt được. Và đây cũng chính là lý do chúng tôi tiếp tục cải tiến mô hình, bổ sung thêm dữ liệu và thử nghiệm trên các điều kiện môi trường đa dạng.

Ứng dụng thực tế – Không chỉ trong phòng thí nghiệm

Kết quả của nghiên cứu này không chỉ nằm trên giấy. Mô hình đang được ứng dụng trực tiếp trong hệ thống EOV RoadAI của chúng tôi.

• Từng video hành trình được quét qua, các vùng mặt đường được xác định rõ ràng
• Các phương tiện trong ảnh được làm mờ biển số, khuôn mặt để đảm bảo quyền riêng tư
• Kết quả phân đoạn này giúp nâng cao chất lượng đánh giá khiếm khuyết, tăng độ chính xác trong phân tích và lập báo cáo

>>> Xem thêm: Khi công nghệ “nhìn thấy” ổ gà: Tự động phát hiện khiếm khuyết

Lời kết

Đằng sau một khung hình video tưởng chừng đơn giản là hàng nghìn pixel, hàng loạt tín hiệu và vô số bài toán cần lời giải.

Nhờ trí tuệ nhân tạo, máy tính đã có thể “thấy” đường theo cách chính xác và nhanh chóng hơn bao giờ hết. Nhưng điều quan trọng hơn, là công nghệ này phải phục vụ cho đời sống thực – nơi từng con đường đều cần được quan tâm, bảo trì và đảm bảo an toàn cho mọi người tham gia giao thông.

--------------------------------

📌 Hãy theo dõi chuyên mục Nghiên cứu trên Blog EOV để tiếp tục khám phá những câu chuyện công nghệ – đằng sau các giải pháp đường phố thông minh và bền vững.

📞 Nếu bạn quan tâm tới giải pháp giám sát đường bộ bằng AI? Liên hệ đội ngũ EOV qua tuvan@eov.solutions

‍