AI mở ra bước tiến mới trong quản lý và ứng phó ngập lụt đô thị

Cùng đó, nhiều đợt triều cường liên tục vượt mốc báo động, lấn sâu vào các khu dân cư, gây ngập cục bộ, làm ảnh hưởng nghiêm trọng đến hạ tầng kỹ thuật và đời sống sinh hoạt của người dân. Hậu quả là tình trạng ùn tắc giao thông kéo dài do khả năng lưu thông giảm sút, gây thiệt hại nặng nề cho nền kinh tế bởi sự gián đoạn trong hoạt động sản xuất, kinh doanh, logistics và chi phí khắc phục sự cố.

Trong khi đó, theo đại diện Đài Khí tượng Thủy văn Khu vực Nam Bộ, công tác điều hành ứng phó của thành phố lại đang bộc lộ nhiều bất cập lớn.

Dữ liệu dự báo từ nhiều nguồn khác nhau chưa được kết nối và chia sẻ thống nhất, gây khó khăn lớn trong việc khai thác và sử dụng, trong khi thông tin cảnh báo chưa đủ chi tiết theo từng địa bàn và thời điểm cụ thể, không đáp ứng được nhu cầu điều hành chính xác. Các hệ thống khí tượng, giao thông, chống ngập và điều hành đô thị hoạt động một cách độc lập, chưa được liên thông để phối hợp đồng bộ. Một hạn chế lớn là các quyết định điều hành và biện pháp ứng phó chủ yếu chỉ được triển khai sau khi mưa hoặc ngập đã xảy ra.

Một trong những nguyên nhân là các mô hình thủy lực truyền thống (như MIKE 11, MIKE 21, MIKE FLOOD) dù cung cấp kết quả định lượng rất chính xác nhưng lại mất trung bình tới 3 giờ để tính toán một kịch bản. Tốc độ xử lý này hoàn toàn không đáp ứng nhu cầu dự báo thời gian thực và cảnh báo sớm khẩn cấp.

Để giải quyết vấn đề, nhóm nghiên cứu đã sử dụng mô hình MIKE để tạo dữ liệu mô phỏng phục vụ huấn luyện mô hình AI, từ đó giúp hệ thống đưa ra dự báo ngập lụt nhanh hơn. Điểm nổi bật của hệ thống cảnh báo mới nằm ở việc ứng dụng học máy (Machine Learning) trên nền tảng dữ liệu lớn (Big Data). Hệ thống được huấn luyện từ dữ liệu của 102 trận ngập lịch sử, 1.188 kịch bản mưa - triều cường mô phỏng và hơn 70.000 điểm ngập.

Kết quả, hệ thống sử dụng thuật toán Random Forest chỉ mất khoảng 20 giây để đưa ra dự báo một kịch bản ngập lụt, nhanh hơn mô hình truyền thống tới 540 lần mà vẫn đảm bảo hệ số xác định (R²) lên tới 0,99.

Hệ thống hoạt động dựa trên kiến trúc AI 4 lớp.

Lớp thứ nhất là AI điểm ngập. AI này học từ 7.000 điểm ngập lịch sử (trong giai đoạn 2009-2020) để phân loại 4 mức độ ngập (Không ngập, Nhẹ, Trung bình, Nặng), đạt độ chính xác lên tới 0,91.

Lớp thứ hai là AI vùng ngập 2D. Hệ thống sử dụng thuật toán Random Forest để đưa ra dự báo kịch bản ngập lụt từ kết quả mô phỏng của MIKE.

Lớp thứ ba là AI kết hợp. Hệ thống sử dụng thuật toán Flood-fill để mở rộng và kết nối các điểm ngập lịch sử với vùng ngập mô phỏng, tạo ra bản đồ ngập liền mạch và sát với hiện trạng.

Lớp cuối cùng là AI tự cập nhật theo thời gian thực. Mô hình liên tục tự học và cập nhật từ 23 trạm đo ngập đường phố cùng camera giao thông theo thời gian thực, duy trì độ chính xác cao từ 0,82 đến 0,90.

Tại khu vực thử nghiệm TP Thủ Đức, hệ thống đã tự động vận hành 24/7, tự thu thập dữ liệu và chạy AI dự báo định kỳ từ 1 đến 3 giờ một lần. Đồng thời, hệ thống cũng cung cấp bản đồ ngập qua nền tảng WebGIS và ứng dụng di động (có khả năng gửi cảnh báo trước tối đa 24 giờ trong bán kính 5 km), cho phép người dân xem mức độ ngập tại vị trí của mình và tự báo cáo tình trạng ngập.

Hệ thống này được xem là một thành phần quan trọng trong kiến trúc Thành phố thông minh (Smart City), giúp chuyển đổi từ việc điều hành "phản ứng chậm" sang điều hành dựa trên dữ liệu và thời gian thực. Khi AI phát hiện nguy cơ ngập, hệ thống sẽ tự động kích hoạt các kịch bản như cảnh báo người dân, điều tiết giao thông hay vận hành trạm bơm.

Nếu được triển khai rộng rãi, dự án không chỉ giúp người dân chủ động lộ trình đi lại, bảo vệ sức khỏe và tài sản mà còn hỗ trợ chính quyền quy hoạch đô thị hiệu quả, giảm thiểu thiệt hại do ngập lụt.