Từ bãi biển Waikiki nhộn nhịp ở Honolulu đến tòa nhà Quốc hội bang Alabama mang đậm chất miền Nam nước Mỹ, một cuộc cách mạng thầm lặng đang diễn ra trên mạng lưới đường bộ Hoa Kỳ. Thay vì sổ tay, bảng biểu và các chuyến khảo sát thủ công tốn kém, nhiều Sở Giao thông Vận tải (DOT) cấp bang đang chuyển sang dùng camera hành trình cộng đồng, dữ liệu kết nối và trí tuệ nhân tạo (AI) để nhìn rõ hơn – và quản lý hiệu quả hơn – từng km đường, hộ lan, biển báo và vạch sơn.

AI, dữ liệu tốt và câu chuyện ngân sách đường bộ ở Alabama

Đối với Morgan Musick – kỹ sư tại Sở Giao thông Vận tải Alabama (ALDOT) – dữ liệu tốt đồng nghĩa với việc chi tiền ngân sách đúng chỗ. Điều chị mong muốn nhất là nguồn thông tin tin cậy, cập nhật về tình trạng của từng hộ lan, biển báo, dải phân cách và vạch sơn trên hơn 11.000 dặm (khoảng 17.703 km) đường bộ và cao tốc do bang quản lý. Chất lượng dữ liệu phải đủ để chị có thể “đặt cược” cả kế hoạch ngân sách bảo trì lên đó.

Alabama là một trong những bang đầu tiên ở Hoa Kỳ áp dụng mô hình lập ngân sách bảo trì đường bộ dựa trên hiệu quả thực tế (performance-based budgeting). Nói cách khác, tiền được phân bổ theo đúng nhu cầu thực của mặt đường và tài sản hạ tầng, chứ không chỉ dựa vào mức xin ngân sách năm trước của từng khu vực.

Tuy nhiên, triển khai mô hình này không hề đơn giản. Tất cả phụ thuộc vào dữ liệu, và suốt gần 15 năm, cách chủ đạo để thu thập dữ liệu của Alabama là cho các tổ khảo sát lái xe khắp mạng lưới đường, mang theo máy ảnh, bảng kiểm và kinh nghiệm thực địa.

Kết quả thu được có giá trị nhưng thiếu đồng đều. Mỗi người khảo sát có nhận định khác nhau, tiêu chuẩn đánh giá có thể lệch nhau giữa các đội. Mật độ phủ cũng không đồng nhất: có đoạn đường được kiểm tra thường xuyên, có đoạn lâu mới được ghé qua. Musick chia sẻ: “Để củng cố mô hình lập ngân sách dựa trên hiệu quả, chúng tôi cần dữ liệu định lượng, nhất quán để đánh giá tình trạng tài sản đồng bộ trên tất cả các khu vực.”

Lời giải Alabama lựa chọn là Blyncsy – một nền tảng do Bentley Systems phát triển, dùng AI để biến hình ảnh từ camera hành trình cộng đồng thành một “bản sao số” có thể đọc được bằng máy của toàn bộ mạng lưới đường.

Các camera gắn trên xe đội xe vận tải, xe thương mại hoặc phương tiện tham gia chương trình sẽ ghi lại hình ảnh độ phân giải cao trong suốt hành trình. Dữ liệu video sau đó được nhà cung cấp camera tải lên nền tảng đám mây và ẩn danh. Blyncsy tiếp nhận các hình ảnh đã ẩn danh này để đưa vào những thuật toán thị giác máy tính.

AI có thể tự động nhận diện và đánh giá hơn 50 loại tài sản và hiện trạng trên đường – từ hộ lan nứt gãy, biển báo bị che khuất cho đến vạch sơn mờ, cây cối lấn chiếm lề đường. Dự án thí điểm ban đầu ở Alabama cho thấy độ chính xác tới 97% – con số đủ để thuyết phục các kỹ sư vốn xây dựng sự nghiệp trên nền tảng độ chính xác.

Việc Alabama chính thức áp dụng công nghệ Bentley vào đầu tháng 2 chỉ là một mảnh ghép trong bức tranh lớn hơn. Ngày càng nhiều DOT cấp bang tìm đến Blyncsy vì cùng một bài toán: làm thế nào để nhìn rõ, có hệ thống và khách quan toàn bộ mạng lưới đường, từ đó ra quyết định đầu tư và bảo trì mang lại lợi ích rõ rệt cho người dân và nâng cao an toàn giao thông.

Từ Aloha đến Vịnh Mexico: Hawaii cũng bước vào “cuộc chơi” AI

Sở Giao thông Hawaii (HDOT) cũng vừa công bố một cách triển khai sáng tạo với cùng nền tảng. Chương trình “Eyes on the Road”, phát triển cùng Đại học Hawaii, tài trợ 1.000 camera hành trình độ phân giải cao cho người dân trên các đảo xanh núi lửa.

Với địa hình phân tán, hiểm trở, đội xe khảo sát truyền thống không thể thường xuyên kiểm tra từng tuyến đường nhỏ, đèo dốc xa xôi. Thay vì mở rộng biên chế, Hawaii biến người lái xe tự nguyện thành những “cảm biến di động”. Khi họ di chuyển hằng ngày, camera sẽ ghi lại tình trạng mặt đường, hộ lan hư hỏng, vật cản trên lề đường, cây cối che khuất tầm nhìn… và tự động tải dữ liệu lên đám mây để AI của Blyncsy phân tích.

Giám đốc HDOT Ed Sniffen cho biết: “Các đội của chúng tôi đã làm việc cùng Blyncsy để tinh chỉnh thuật toán học máy, nhằm khuếch đại nỗ lực bảo trì hạ tầng giao thông một cách hiệu quả hơn.”

Hawaii và Alabama có địa hình, khí hậu, thậm chí văn hóa giao thông rất khác nhau. Nhưng bài toán đều giống nhau: hiệu quả bảo trì và lập ngân sách chỉ tốt bằng chất lượng dữ liệu nền mà cơ quan quản lý nắm được.

Quỹ đạo phát triển của Blyncsy và cú hích từ quy định liên bang

Câu chuyện của Blyncsy là ví dụ điển hình về cách một công nghệ hạ tầng có thể mở rộng quy mô từ một vấn đề rất đời thường. Công ty được thành lập năm 2014 tại Salt Lake City bởi Mark Pittman, xuất phát từ sự bức xúc cá nhân: một đèn tín hiệu giao thông gần nhà bị hỏng nhiều tháng mà không ai trong chính quyền hay biết để sửa.

Bentley mua lại Blyncsy năm 2023, đưa nền tảng này vào danh mục giải pháp phân tích tài sản (asset analytics) vốn đã có các sản phẩm như OpenTower iQ cho quản lý cột, trạm viễn thông. Thương vụ diễn ra đúng thời điểm, khi một mốc thời gian quan trọng ở cấp liên bang đang thúc đẩy các DOT phải đổi mới.

Từ nay đến tháng 9/2026, Cục Đường cao tốc Liên bang (FHWA) yêu cầu tất cả cơ quan giao thông cấp bang và địa phương phải áp dụng phương pháp duy trì độ phản quang tối thiểu của vạch sơn đường (pavement marking retroreflectivity). Chỉ tiêu này phản ánh khả năng vạch sơn phản chiếu ánh đèn xe trở lại cho người lái – yếu tố then chốt để giữ làn, nhất là ban đêm và trời mưa.

Vạch sơn mờ, kém phản quang góp phần vào các vụ tai nạn do xe chệch khỏi làn – một trong những nguyên nhân hàng đầu gây tử vong trên đường bộ ở Hoa Kỳ. Để tuân thủ quy định, các đơn vị quản lý phải nắm được tình trạng vạch sơn trên toàn bộ mạng lưới đường mình phụ trách, chứ không chỉ ở vài tuyến chính.

Về lý thuyết, có thể cử đội đo đạc thủ công, nhưng chi phí nhân lực, thời gian, nhiên liệu là rất lớn. Để hỗ trợ, Blyncsy đã công bố một bản đồ miễn phí chấm điểm độ phản quang vạch sơn cho hệ thống đường quanh thủ phủ của cả 50 bang, giúp mọi DOT có một “điểm xuất phát” để lập kế hoạch. Với những đơn vị cần giám sát toàn mạng lưới và cập nhật liên tục, nền tảng này mang lại con đường tuân thủ quy định mà không phải nhân đôi đội ngũ khảo sát hiện trường.

Mark Pittman, hiện là Giám đốc cấp cao phụ trách AI giao thông tại Bentley, nhận định: “Tương lai của quản lý tài sản hạ tầng phụ thuộc vào việc ra quyết định tài chính dựa trên bằng chứng thực nghiệm, thay vì tiền lệ lịch sử.”

Từ dữ liệu rời rạc đến tiêu chuẩn thống nhất trên toàn mạng lưới

Điều khiến các dự án ở Alabama và Hawaii đáng chú ý không chỉ là yếu tố công nghệ, mà còn là cách chúng báo hiệu sự thay đổi tư duy trong quản lý hạ tầng công. Cả hai bang đều đã có chương trình bảo trì, đều thu thập dữ liệu từ lâu. Thứ họ thiếu là tính nhất quán: khả năng so sánh tình trạng của hai hộ lan ở hai đầu bang bằng cùng một chuẩn, được đo bằng cùng một phương pháp, với tần suất tương đương.

Khi dữ liệu được chuẩn hóa, chúng bắt đầu trở thành insight phục vụ quyết định. Alabama có thể gắn trực tiếp điểm đánh giá tình trạng tài sản với phân bổ ngân sách, biến mỗi đồng chi ra thành một lập luận định lượng, thay vì “cảm nhận” hay kinh nghiệm riêng của từng khu vực. Hawaii có thể phát hiện một mối nguy mới xuất hiện trên tuyến đường hẻo lánh ở Maui chỉ sau vài giờ, thay vì vài tháng.

Đáng chú ý là các bang đi đầu trong việc áp dụng AI cho bảo trì đường bộ không hẳn là những bang giàu nhất hay có hệ thống cao tốc hiện đại nhất. Họ là những nơi đã đi đến kết luận rằng khoảng cách giữa “những gì mình biết về đường xá” và “những gì mình cần biết để ra quyết định đúng” đã trở nên quá tốn kém.

Với cú hích từ hạn chót liên bang và những kết quả thực tế từ nhiều vùng địa lý, câu hỏi đặt ra cho các DOT không còn là “có nên áp dụng AI hay không” nữa, mà là “khi nào thì áp dụng, và bắt đầu từ đoạn nào trong mạng lưới”.

Ý nghĩa đối với các đơn vị hạ tầng và bước tiếp theo

Với những người làm trong ngành hạ tầng – từ quản lý bảo trì, tư vấn thiết kế đến nhà thầu – xu hướng này mang lại vài thông điệp rõ ràng:

• Dữ liệu hiện trường sẽ ngày càng dồi dào: Camera hành trình, thiết bị IoT, thiết bị đo chuyên dụng… tạo ra một lớp “cảm biến số” phủ kín mạng lưới.
• Chuẩn hóa và tích hợp là chìa khóa: Giá trị thực không chỉ nằm ở từng tệp dữ liệu, mà nằm ở việc chúng được đưa về cùng một chuẩn đánh giá, tích hợp vào hệ thống quản lý tài sản và quy trình lập kế hoạch.
• AI là công cụ hỗ trợ, không thay thế con người: Thuật toán có thể quét, gắn nhãn, chấm điểm hàng triệu đối tượng trên mặt đường, nhưng quyết định ưu tiên, chọn giải pháp và kiểm soát rủi ro vẫn cần kinh nghiệm thực địa và sự phán đoán của kỹ sư.

Đối với các DOT và đơn vị quản lý đường địa phương đang cân nhắc chuyển đổi, cách tiếp cận phổ biến là bắt đầu bằng dự án thí điểm trên một khu vực, một loại tài sản (như hộ lan, biển báo, vạch sơn), sau đó mở rộng dần phạm vi cũng như mức độ tích hợp với quy trình lập ngân sách và kế hoạch bảo trì.

Như những gì Alabama và Hawaii đang làm, bước ngoặt không đến từ một ứng dụng duy nhất, mà từ việc đặt câu hỏi: “Chúng ta có thể quản lý mạng lưới này tốt hơn bao nhiêu nếu nhìn thấy tất cả, theo cùng một chuẩn, theo thời gian gần thực?” Khi trả lời được câu hỏi đó, AI và dữ liệu kết nối sẽ trở thành một phần tự nhiên trong bộ công cụ của mọi đơn vị hạ tầng.

Nếu đơn vị của bạn đang quản lý đường bộ, cầu cống hay hệ thống hạ tầng quan trọng và muốn chuyển từ kiểm tra thủ công sang cách tiếp cận dựa trên dữ liệu và AI như Alabama hay Hawaii, đây là lúc bắt đầu. Đội ngũ MICAD có kinh nghiệm triển khai giải pháp số hóa, thu thập và phân tích dữ liệu hiện trường, tích hợp vào quy trình bảo trì, lập kế hoạch và tối ưu ngân sách cho các chủ đầu tư và cơ quan quản lý hạ tầng. Hãy chia sẻ bài toán thực tế của bạn với chúng tôi để được tư vấn giải pháp phù hợp bằng cách truy cập https://micad.vn/bao-gia/ và gửi yêu cầu báo giá chi tiết.