Đề xuất phương pháp học máy cải thiện độ chính xác đếm lưu lượng xe tại nút giao thông

  • Vũ Minh Tâm Khoa Cầu Đường, Trường Đại học Xây dựng Hà Nội, số 55 đường Giải Phóng, phường Bạch Mai, Hà Nội, Việt Nam
  • Phạm Ngọc Việt Khoa Cầu Đường, Trường Đại học Xây dựng Hà Nội, số 55 đường Giải Phóng, phường Bạch Mai, Hà Nội, Việt Nam
  • Nguyễn Minh Quân Khoa Cầu Đường, Trường Đại học Xây dựng Hà Nội, số 55 đường Giải Phóng, phường Bạch Mai, Hà Nội, Việt Nam
  • Trần Văn Hiếu Công ty cổ phần Lapinta, Tòa nhà The Rox Center, 136 Hồ Tùng Mậu, phường Phú Diễn, Hà Nội
  • Thái Hồng Nam Khoa Cầu Đường, Trường Đại học Xây dựng Hà Nội, số 55 đường Giải Phóng, phường Bạch Mai, Hà Nội, Việt Nam
Từ khóa: đếm lưu lượng xe, giao thông hỗn hợp, AI, YOLO, học máy

Tóm tắt

Lưu lượng xe tại các nút giao là số liệu đầu vào quan trọng cho thiết kế và vận hành nút giao thông, đặc biệt trong đô thị. Tuy nhiên, trong điều kiện giao thông hỗn hợp có xe máy chiếm ưu thế tại Việt Nam, việc nhận diện và đếm xe từ video bằng mô hình AI có tỷ lệ chính xác cao, nhưng vẫn không đạt được tuyệt đối do phương tiện bị che khuất và di chuyển không theo làn. Bài báo này đề xuất một cách tiếp cận mới để cải thiện hơn nữa sự chính xác của việc đếm xe bằng mô hình AI hiện tại ở Việt Nam bằng việc sử dụng các thuật toán học máy. Nghiên cứu tình huống được thực hiện tại một nút giao ngã tư điển hình nút Tố Hữu - Vạn Phúc, Hà Nội. Kết quả cho thấy phương án đề xuất giúp cải thiện rõ rệt các sai số so với phương pháp đối chứng. Từ đó, khẳng định tính khả thi của hướng tiếp cận kết hợp AI và học máy trong nâng cao độ chính xác của hệ thống đếm xe tự động tại nút giao thông.

Tải xuống

Dữ liệu tải xuống chưa có sẵn.
Xuất bản
05-11-2026
Chuyên mục
Bài báo khoa học