Chủ nhiệm dự án và Thành viên nhóm nghiên cứu:

• Nguyễn Ngọc Doanh, Ph.D., Viện Kỹ thuật và Khoa học Máy tính & Trung tâm Trí tuệ Môi trường, VinUniversity.

• Lê Duy Dũng, Ph.D., Viện Kỹ thuật và Khoa học Máy tính, VinUniversity.

• Laurent El Ghaoui, Ph.D., Viện Kỹ thuật và Khoa học Máy tính, VinUniversity.

• Đoàn Đăng Khoa, Ph.D., Viện Kỹ thuật và Khoa học Máy tính, VinUniversity.

Tóm tắt dự án và Mục tiêu nghiên cứu chính

Quá trình đô thị hóa tại Việt Nam và các quốc gia đang phát triển khác đã dẫn đến sự gia tăng mạnh mẽ phát thải khí nhà kính và ô nhiễm môi trường xung quanh. Giao thông thông minh có thể giúp giảm đáng kể lượng phát thải các chất gây ô nhiễm không khí, qua đó tăng cường khả năng chống chịu trước biến đổi khí hậu và những tác động nghiêm trọng của nó. Ví dụ, một nghiên cứu trước đây cho thấy việc áp dụng phí ùn tắc đối với các phương tiện đi vào khu vực hạn chế tại London đã giúp giảm rõ rệt lượng phát thải CO₂, bụi mịn (PM) và oxit nitơ (NOx).

Với việc ứng dụng trí tuệ nhân tạo (AI) để học từ các điều kiện phát thải được đo lường thông qua mạng lưới cảm biến và hành vi của người tham gia giao thông, các cơ chế thu phí ùn tắc động theo thời gian thực có thể được triển khai tại các thành phố Đông Nam Á (SEA) nhằm mang lại lợi ích môi trường lớn hơn. Các thành phố SEA được lựa chọn vì đây là những đô thị nổi tiếng với tình trạng ùn tắc giao thông nghiêm trọng, dẫn đến phát thải khí nhà kính ở mức cao.

Ý nghĩa: Nghiên cứu này mở ra tiềm năng xây dựng một bộ chính sách và cơ chế khuyến khích trong lĩnh vực giao thông nhằm thúc đẩy chuyển dịch sang các hình thức giao thông bền vững, như xe điện, giao thông công cộng và đi chung xe, qua đó giảm phát thải các chất ô nhiễm không khí và tình trạng ùn tắc giao thông.

Mục tiêu:

Chúng tôi sẽ phát triển các mô hình song sinh số (digital twins) cho hệ thống giao thông và chất lượng không khí tại các thành phố Đông Nam Á thông qua:

1. Kết hợp đo lường mô hình giao thông với nồng độ thực đo của các chất ô nhiễm không khí chính (CO₂ và PM2.5);

2. Thiết kế và đánh giá các cơ chế kinh tế như thu phí ùn tắc nhằm giảm phát thải các chất ô nhiễm này bằng cách khuyến khích sử dụng giao thông công cộng, giảm thời gian xe chạy không tải, nâng cao hiệu quả sử dụng nhiên liệu và chuyển đổi sang xe điện;

3. Mô phỏng các kịch bản giao thông trong tương lai cho một bộ chính sách giao thông, hướng tới việc hình thành các lựa chọn di chuyển bền vững dài hạn trong giao thông cá nhân và vận tải hàng hóa.

Tính đổi mới:

Mặc dù các mô hình thu phí ùn tắc đã được triển khai thành công tại London và Singapore nhằm giảm ùn tắc giao thông và phát thải khí nhà kính, các mô hình này chưa được thiết kế dựa trên dữ liệu thời gian thực. Nghiên cứu này hướng tới việc thiết kế cơ chế thu phí ùn tắc (ở đâu, khi nào và đối với loại phương tiện nào) nhằm tối thiểu hóa mức phát thải, bằng cách sử dụng dữ liệu từ mạng lưới cảm biến được hỗ trợ bởi AI/ML để dự báo tác động của chính sách thu phí lên hành vi lái xe và phát thải khí nhà kính.

Về lâu dài, các công cụ xử lý ngôn ngữ tự nhiên và AI có thể hỗ trợ người lái xe lựa chọn phương thức di chuyển hiệu quả và tiết kiệm chi phí nhất. Đồng thời, các công cụ AI và ML cũng sẽ được sử dụng để thu thập ý kiến của công chúng và các bên liên quan về những rào cản dài hạn trong quá trình chuyển đổi sang các phương thức giao thông bền vững cho cả đi lại cá nhân và vận chuyển hàng hóa.