Dữ liệu về hạ tầng bị thiếu đồng bộ đang cản trở độ chính xác của AI trong dự báo ngập lụt, đòi hỏi giải pháp số hóa và tích hợp hệ thống tại TPHCM.
Trong xu hướng phát triển đô thị thông minh, trí tuệ nhân tạo (AI) đang chứng minh năng lực xử lý vượt trội đối với bài toán thiên tai. ThS Lê Ngọc Quyền, Phó Giám đốc Đài Khí tượng Thủy văn Bắc Bộ, trong bài phát biểu “Nghiên cứu, xây dựng và triển khai thử nghiệm hệ thống cảnh báo sớm ngập lụt đô thị dựa trên nền tảng trí tuệ nhân tạo tại Thành phố Hồ Chí Minh” tại TPHCM khẳng định các hệ thống AI sở hữu khả năng tự động xử lý kịch bản dự báo ngập phức tạp trong thời gian cực ngắn, thường dưới 20 giây. Tốc độ này giúp việc phản ứng với thiên tai nhanh gấp 540 lần so với vận hành mô hình thủy lực truyền thống như MIKE 11, MIKE 21 hay MIKE FLOOD vốn yêu cầu thời gian chạy lên đến 3 giờ.
Thử nghiệm thực tế tại địa bàn Thành phố Thủ Đức cho thấy hệ thống đạt mức độ chính xác tin cậy 80%. Để đạt được hiệu năng này, kho dữ liệu huấn luyện quy mô lớn đã được xây dựng với 1.188 kịch bản kết hợp giữa diễn biến mưa và triều cường, đi kèm thông tin chi tiết về 70.000 điểm ngập trên toàn mạng lưới đô thị. Ths Lê Ngọc Quyền cho biết trong số 9 thuật toán học máy được thử nghiệm, thuật toán Random Forest đạt hiệu quả cao nhất với hệ số xác định R bình phương ở mức 0,91. Điểm ưu việt của hệ thống là đặc tính tự động cập nhật liên tục khi nhận được các nguồn dữ liệu mới từ thực địa.
Tuy nhiên, tốc độ xử lý chỉ là một phần trong bài toán dự báo ngập. Để AI có thể đưa ra cảnh báo sát với thực tế, yếu tố quyết định không chỉ nằm ở khả năng tính toán của thuật toán mà còn ở mức độ chính xác của dữ liệu về hạ tầng đô thị – đặc biệt là hệ thống tiêu thoát nước.
Bởi lẽ, ngập lụt đô thị không chỉ phụ thuộc vào lượng mưa. Một trận mưa với cường độ tương đương có thể gây ra mức độ ngập khác nhau giữa các khu vực, tùy thuộc vào địa hình, cao độ nền, mật độ xây dựng và năng lực thoát nước của hệ thống cống. Đây chính là điểm khiến bài toán dự báo ngập bằng AI phức tạp hơn so với việc dự báo thời tiết đơn thuần.
PGS TS Nguyễn Đình Vượng, Viện Khoa học Thủy lợi miền Nam, đặt ra một câu hỏi thực tiễn: Khi hạ tầng đô thị liên tục thay đổi theo quá trình phát triển và vận hành, làm thế nào để những biến động này được cập nhật vào mô hình AI?
Theo ông, dữ liệu khí tượng thủy văn hiện đã có độ tin cậy tương đối cao nhờ hệ thống quan trắc ngày càng hoàn thiện. Tuy nhiên, trong bài toán dự báo ngập, nút thắt lại nằm ở việc nắm bắt chính xác hiện trạng hạ tầng. Một hệ thống cống được đưa vào mô hình tính toán nhưng không phản ánh đúng tình trạng vận hành thực tế có thể dẫn tới sai lệch trong dự báo khả năng tiêu thoát nước.
Đồng quan điểm, ThS Lê Ngọc Quyền, người trực tiếp tham gia nghiên cứu hệ thống AI cảnh báo ngập tại TP Thủ Đức, cho rằng dự báo mưa chính xác mới chỉ giải quyết một phần của bài toán. Để xác định một khu vực có nguy cơ ngập hay không, mô hình cần biết được khả năng tiếp nhận và tiêu thoát nước của từng lưu vực. Một điểm bất thường trong công tác thu thập thông số hiện nay là lượng nước thải sinh hoạt khổng lồ 2 triệu mét khối mỗi ngày tại TPHCM chưa được tính toán đầy đủ trong các mô hình dự báo. Đây là tác nhân gây ngập quan trọng trong lòng đô thị, nhất là khi kết hợp với triều cường và mưa lớn, nhưng hiện đang bị bỏ sót trong cấu trúc đầu vào của AI.
Hệ thống thoát nước đô thị không phải là một dữ liệu cố định. Trong quá trình vận hành, năng lực tiêu thoát có thể thay đổi do tình trạng bồi lấp, vật cản trong đường ống hoặc sự thay đổi về không gian đô thị. Nếu những biến động này không được cập nhật, AI có thể đưa ra kết quả dự báo dựa trên một “bức tranh hạ tầng” đã không còn phù hợp với thực tế.
PGS TS Phạm Trần Vũ, Phó Hiệu trưởng Trường Đại học Bách khoa, Đại học Quốc gia TPHCM, nhận định ứng dụng AI hiện nay mới nằm ở “phần ngọn”, chưa đi vào cốt lõi của hệ thống đô thị thông minh. Các nhánh ứng dụng công nghệ như nhận diện camera giao thông, giám sát môi trường hay y tế đang hoạt động độc lập, rời rạc và chưa thiết lập được cơ chế tích hợp đồng bộ. PGS TS Phạm Trần Vũ chỉ rõ sự manh mún này khiến AI chưa thể phát huy tối đa sức mạnh chi phối liên lĩnh vực trong quản trị đô thị.
Để giải quyết bài toán dự báo ngập bằng công nghệ, TPHCM cần thực hiện đồng bộ các biện pháp tháo gỡ điểm nghẽn dữ liệu. Theo Ths Lê Ngọc Quyền, giải pháp tiên quyết là triển khai số hóa với độ chính xác cao đối với toàn bộ bản đồ địa hình, các lưu vực thoát nước và chi tiết hệ thống cống ngầm. Ths Lê Ngọc Quyền đề xuất cơ quan vận hành phải đảm bảo duy trì việc khơi thông bề mặt hệ thống cống định kỳ để AI có thể phản ánh đúng năng lực thoát nước thực tế của mạng lưới.
Mô hình dự báo ngập cần sớm tích hợp biến số 2 triệu mét khối nước thải sinh hoạt phát sinh mỗi ngày vào cấu trúc thuật toán nhằm gia tăng độ chính xác. Thành phố nên đầu tư thêm các trạm quan trắc mở rộng để làm giàu nguồn dữ liệu huấn luyện cho AI. Ths Lê Ngọc Quyền khẳng định khi AI đã học đủ dữ liệu, thành phố sẽ tiết kiệm được chi phí đầu tư hạ tầng quan trắc vật lý trong tương lai.
Về mặt kiến trúc hệ thống, PGS TS Phạm Trần Vũ kiến nghị kéo AI tích hợp sâu vào “lõi” của hệ thống số quản lý điều hành đô thị (Open Operating System) thay vì ứng dụng đơn lẻ. AI cần trở thành thành phần kích hoạt (AI-enabled) cho toàn bộ hệ thống đô thị. Cuối cùng, thành phố cần sớm có định hướng triển khai tích hợp hệ thống vào hệ sinh thái thông minh chung và bố trí ngân sách vận hành ổn định để đảm bảo tính bền vững cho các giải pháp công nghệ.
