Tại Pittsburgh, trí tuệ nhân tạo đang giúp đèn giao thông tự điều chỉnh theo lưu lượng xe thay vì vận hành theo lịch cố định. Mô hình này cho thấy cách dữ liệu thời gian thực có thể biến hạ tầng giao thông thành một hệ thống vận hành thông minh, đồng thời gợi mở hướng đi cho Việt Nam trong phát triển đô thị thông minh theo tinh thần Nghị quyết 57.
Khi đèn giao thông biết “nhìn” và điều chỉnh
Tại Pittsburgh, bang Pennsylvania, Mỹ, một hệ thống điều khiển giao thông đang thay đổi cách các nút giao vận hành. Thay vì sử dụng chu kỳ đèn được lập trình sẵn, hệ thống SURTRAC (Scalable Urban Traffic Control) sử dụng dữ liệu thời gian thực để điều chỉnh tín hiệu theo tình hình giao thông thực tế.
SURTRAC được phát triển bởi các nhà nghiên cứu tại Đại học Carnegie Mellon. Hệ thống sử dụng cảm biến để phát hiện lưu lượng phương tiện, sau đó mỗi nút giao tự tính toán phương án phân bổ thời gian đèn và chia sẻ thông tin về dòng xe dự kiến với các nút giao lân cận. Nhờ đó, các giao lộ có thể phối hợp với nhau thay vì xử lý giao thông hoàn toàn độc lập.
Điểm khác biệt quan trọng nằm ở khả năng phản ứng theo thời gian thực. Nếu lượng xe bất ngờ tăng tại một hướng, hệ thống có thể điều chỉnh chu kỳ đèn để giải tỏa dòng phương tiện thay vì tiếp tục duy trì một lịch trình được thiết lập từ trước.
Trong thử nghiệm ban đầu tại khu vực East Liberty của Pittsburgh với mạng lưới 9 giao lộ, các nhà nghiên cứu Carnegie Mellon ghi nhận thời gian di chuyển giảm khoảng 25%, thời gian chờ giảm 40% và lượng phát thải dự kiến giảm hơn 20% so với hệ thống điều khiển trước đó.
Những con số này cho thấy một thay đổi đáng chú ý trong tư duy quản lý giao thông: thay vì xây dựng thêm hạ tầng để đáp ứng lượng xe ngày càng tăng, một phần bài toán có thể được giải quyết bằng cách sử dụng tốt hơn hạ tầng hiện có.
Đèn tín hiệu, trong cách tiếp cận này, không còn là một thiết bị chỉ thực hiện mệnh lệnh được lập trình sẵn. Nó trở thành một điểm thu thập dữ liệu và ra quyết định trong mạng lưới giao thông.
Đây cũng là lý do các hệ thống như SURTRAC được nghiên cứu theo hướng có thể mở rộng và kết nối với các công nghệ mới như xe kết nối, cảm biến giá rẻ và các hệ thống dự báo ùn tắc.
Từ một chiếc đèn đến cả hệ thống dữ liệu
Điều đáng chú ý ở SURTRAC không chỉ là việc sử dụng AI để điều khiển đèn. Giá trị lớn hơn nằm ở việc kết nối nhiều lớp dữ liệu và biến chúng thành quyết định điều hành.
Một hệ thống giao thông thông minh có thể tiếp nhận thông tin từ camera, cảm biến, phương tiện và các thiết bị hạ tầng khác để xác định mật độ giao thông, phát hiện sự cố và dự báo những thay đổi của dòng xe. Khi dữ liệu được cập nhật liên tục, cách điều hành cũng có thể chuyển từ phản ứng sau khi ùn tắc xảy ra sang điều chỉnh sớm hơn.
Tuy nhiên, điều này cũng làm thay đổi yêu cầu đối với hạ tầng đô thị. Camera và cảm biến chỉ tạo ra dữ liệu; để dữ liệu thực sự có giá trị, thành phố cần hệ thống lưu trữ, kết nối, phân tích và chia sẻ dữ liệu đủ nhanh. Đồng thời, các hệ thống điều khiển phải có khả năng hoạt động ổn định và an toàn khi được kết nối ngày càng sâu với hạ tầng thiết yếu.
Đó là lý do giao thông thông minh ngày càng được nhìn nhận không chỉ như một bài toán giao thông mà còn là bài toán về hạ tầng số, dữ liệu và năng lực công nghệ.
Đèn giao thông tại một ngã tư ở Pittsburgh, Mỹ. Ảnh: pittsburghpa.gov
AI có thể giúp nhận diện một dòng xe đang tăng nhanh, nhưng để biến thông tin đó thành hành động, thành phố cần một hệ thống đủ khả năng truyền dữ liệu, phân tích và điều khiển đèn trong thời gian rất ngắn. Một mắt xích yếu có thể làm giảm hiệu quả của cả chuỗi.
Vấn đề quyền riêng tư và an ninh dữ liệu cũng trở nên quan trọng khi camera và cảm biến được triển khai trên quy mô lớn. Thành phố càng thu thập nhiều dữ liệu về hoạt động đi lại, càng cần xác định rõ dữ liệu nào được thu thập, sử dụng cho mục đích gì, lưu trữ ra sao và ai được quyền tiếp cận.
Từ Pittsburgh nhìn về giao thông thông minh ở Việt Nam
Câu chuyện Pittsburgh có một điểm liên hệ khá gần với Việt Nam. Hà Nội hiện cũng đang chuyển từ mô hình giám sát giao thông đơn thuần sang sử dụng AI và dữ liệu để hỗ trợ điều hành.
Từ tháng 12/2025, Hà Nội đưa vào hoạt động Trung tâm điều khiển giao thông mới cùng hệ thống khoảng 1.837 camera tại 195 nút giao thông trọng điểm. Hệ thống có khả năng thu thập dữ liệu giao thông, phân tích lưu lượng phương tiện và điều chỉnh đèn tín hiệu theo thời gian thực; đồng thời hỗ trợ thiết lập “làn sóng xanh” cho một số phương tiện ưu tiên.
Đến tháng 3/2026, Hà Nội cho biết Trung tâm điều khiển giao thông thông minh đã vận hành được ba tháng, trong đó hệ thống camera AI hỗ trợ phát hiện và ghi nhận các vi phạm giao thông. Thành phố cũng đang tiếp tục mở rộng ứng dụng AI trong quản lý, điều hành giao thông.
Một thử nghiệm khác trên hai tuyến Võ Chí Công và Phạm Văn Đồng sử dụng 21 bộ camera AI để thu thập, đo đếm và phân tích lưu lượng phương tiện. Sau 6 tháng, Hà Nội đánh giá mô hình này mở ra hướng ứng dụng AI vào quản lý giao thông đô thị, trong đó dữ liệu giao thông là một phần quan trọng của hệ thống.
Những bước đi này cho thấy Việt Nam không chỉ đứng trước bài toán đưa AI vào các lĩnh vực mới, mà còn phải từng bước xây dựng hạ tầng để AI có thể vận hành hiệu quả trong những hệ thống thiết yếu của đô thị.
Nghị quyết 57-NQ/TW xác định hạ tầng, dữ liệu và công nghệ chiến lược là những nội dung trọng tâm; đồng thời đặt mục tiêu phát triển hạ tầng số hiện đại, đồng bộ, an ninh, an toàn và hiệu quả, làm giàu và khai thác dữ liệu, thúc đẩy ứng dụng AI dựa trên dữ liệu lớn. Nghị quyết cũng đặt mục tiêu hoàn thành xây dựng đô thị thông minh tại các thành phố trực thuộc Trung ương và một số địa phương đủ điều kiện, đồng thời thúc đẩy sản xuất thông minh trong lĩnh vực giao thông và logistics.
Từ góc độ này, kinh nghiệm Pittsburgh cho thấy một vấn đề đáng chú ý: đô thị thông minh không chỉ nằm ở số lượng camera hay thiết bị cảm biến được lắp đặt, mà ở khả năng biến dữ liệu thu được thành quyết định điều hành theo thời gian thực.
Đây cũng là bước chuyển từ “số hóa” sang “điều hành dựa trên dữ liệu”. Một thành phố có thể có hàng nghìn camera, nhưng nếu dữ liệu không được kết nối, chuẩn hóa và phân tích để hỗ trợ quyết định thì công nghệ vẫn chưa phát huy hết giá trị.
Hà Nội hiện đã đặt mục tiêu xây dựng nền tảng dữ liệu đô thị tích hợp, kết nối dữ liệu của các sở, ngành và hướng tới thu thập dữ liệu vận hành đô thị theo thời gian thực. Thành phố cũng định hướng phát triển các nền tảng AI, IoT, Digital Twin và trung tâm điều hành đô thị thông minh.
Điều này mở ra một bước phát triển tiếp theo cho giao thông đô thị: từ việc dùng AI để phát hiện vi phạm và giám sát đường phố sang sử dụng dữ liệu để dự báo, điều phối và tối ưu hóa dòng phương tiện.
Tuy nhiên, việc nhân rộng các hệ thống như vậy cũng đặt ra những yêu cầu không nhỏ. Chi phí đầu tư và vận hành hạ tầng số, khả năng kết nối giữa các hệ thống khác nhau, chất lượng dữ liệu, năng lực nhân sự và đặc biệt là an toàn, bảo mật dữ liệu đều cần được tính toán ngay từ đầu.
Một hệ thống giao thông càng tự động ra quyết định thì yêu cầu về độ chính xác và khả năng kiểm soát càng cao. AI có thể giúp thành phố phản ứng nhanh hơn, nhưng quyết định của hệ thống vẫn cần được đặt trong một khuôn khổ quản trị rõ ràng, có cơ chế giám sát và phương án xử lý khi công nghệ gặp sự cố.
Pittsburgh cho thấy một hướng phát triển: bắt đầu từ một bài toán rất cụ thể là tối ưu hóa đèn giao thông, sau đó mở rộng thành mạng lưới các nút giao có khả năng trao đổi dữ liệu và phối hợp với nhau.
Với Việt Nam, hướng đi tương tự có thể không nhất thiết bắt đầu bằng những hệ thống quy mô lớn. Quan trọng hơn là từng bước xây dựng các hệ thống có khả năng kết nối dữ liệu, thử nghiệm trong thực tế, đo lường hiệu quả và sau đó mở rộng.
Khi dữ liệu giao thông được kết nối với dữ liệu về hạ tầng, phương tiện, thời tiết, sự kiện đô thị và các dịch vụ công khác, AI có thể không chỉ giúp một chiếc đèn thay đổi thời gian bật xanh. Nó có thể trở thành một lớp công nghệ hỗ trợ thành phố hiểu rõ hơn những gì đang xảy ra trên đường phố và đưa ra quyết định điều hành phù hợp hơn.
Từ một hệ thống đèn giao thông biết điều chỉnh theo dòng xe đến một đô thị vận hành dựa trên dữ liệu là một chặng đường dài. Nhưng chính những thử nghiệm cụ thể như SURTRAC cho thấy quá trình đó có thể bắt đầu từ những hạ tầng rất quen thuộc, miễn là công nghệ được kết nối với dữ liệu và được đưa vào giải quyết những vấn đề thực tế của đời sống đô thị.
