Giới thiệu

Tốc độ đô thị hóa nhanh chóng và sự phức tạp ngày càng tăng của các thành phố trên toàn thế giới tạo ra nhu cầu cấp thiết về các phương pháp tiếp cận sáng tạo đối với quy hoạch, quản lý đô thị và tính bền vững. Giải quyết những thách thức này đòi hỏi phải quản lý và tối ưu hóa hiệu quả các nguồn tài nguyên đô thị để đạt được khả năng phục hồi, tính bền vững và nâng cao chất lượng cuộc sống.

Trong bối cảnh này, các công nghệ tiên tiến như Bản sao số  (Digital Twins – DT), Internet vạn vật (IoT) và Trí tuệ nhân tạo (AI), đã nổi lên như những yếu tố hỗ trợ chính cho Chuyển đổi số, cách mạng hóa quy hoạch và quản lý đô thị. Những công nghệ tiên tiến này cho phép tích hợp dữ liệu liền mạch, theo thời gian thực, mô hình hóa kịch bản phức tạp và đưa ra quyết định dựa trên dữ liệu sáng suốt.

Công nghệ Bản sao số trong bối cảnh thành phố thông minh,

Công nghệ Bản sao số (DT) đóng vai trò là một công cụ mạnh mẽ để phát triển các biểu diễn ảo về cơ sở hạ tầng vật lý, tạo điều kiện thuận lợi cho việc trực quan hóa được cải thiện, mô phỏng nâng cao và quy trình ra quyết định sáng suốt hơn. Việc tích hợp với cảm biến IoT và phân tích được hỗ trợ bởi AI tạo ra khả năng chuyển đổi quản lý đô thị theo một số phương pháp mới như: cho phép quy trình lập kế hoạch và ra quyết định dựa trên dữ liệu hiệu quả hơn, cho phép các nhà hoạch định chính sách thành phố hiểu rõ hơn và dự đoán nhu cầu của người dân và cơ sở hạ tầng của họ. Ngoài ra, khả năng mô phỏng và trực quan hóa của DT có thể giúp các nhà quy hoạch và quản lý thành phố đánh giá tác động của các biện pháp can thiệp có thể, tối ưu hóa việc phân bổ nguồn lực và cải thiện tính bền vững. Cuối cùng, những hiểu biết sâu sắc được tạo ra bởi các phân tích được hỗ trợ bởi AI dẫn đến các hoạt động hiệu quả và đáp ứng hơn, cải thiện khả năng phục hồi của các hệ thống đô thị trước những thách thức mới nổi như biến đổi khí hậu, tăng trưởng dân số và khan hiếm tài nguyên.

Bài viết này thông qua lược dịch các tài liệu có liên quan để cung cấp một góc nhìn về việc tích hợp IoT, AI và các công nghệ khác trong việc phát triển Bản sao số cho các thành phố thông minh. Bao gồm về xu hướng công nghệ, phương pháp tiếp cận và ứng dụng thực tế và cho thấy mức độ trưởng thành nhằm tăng cường mối liên hệ giữa đổi mới công nghệ và khả năng ứng dụng trong quản lý đô thị thông minh.

1. Sự phát triển các khái niệm và công nghệ mới nổi

Bản sao số thành phố (Digital Twin City - DTC): Bắt đầu từ năm 2023 đến nay, DT đã vượt qua chức năng mô tả truyền thống để tích hợp các khả năng dự đoán, toàn diện và tự trị, cho phép nó vượt qua sự đại diện đơn thuần và tạo điều kiện cho các tương tác năng động hơn và ra quyết định thông minh hơn.

Sự phát triển công nghệ đã cho phép kết hợp AI và học máy (ML) xử lý dữ liệu đô thị khổng lồ từ các cảm biến phân tán, hệ thống Giám sát điều khiển và thu thập dữ liệu (SCADA - Supervisory Control And Data Acquisition) và nền tảng di động. Cấp độ tự trị, tiến hóa nhanh, cho phép DTC hành động chủ động, đưa ra quyết định mà không cần sự can thiệp trực tiếp của con người.

Công nghệ IoT tạo thành nền tảng công nghệ để triển khai DTC, nó tạo điều kiện thuận lợi cho việc thu thập dữ liệu không bị gián đoạn, xử lý thông tin theo thời gian thực và kết nối mạnh mẽ giữa các hệ thống vật lý và các đối tác kỹ thuật số của chúng. Sự phổ biến của hàng nghìn cảm biến đô thị là điều cần thiết để nắm bắt được nhiều biến số về môi trường, năng lượng và sự di chuyển. Trong bối cảnh này, việc tích hợp cảm biến IoT với nền tảng Vũ trụ ảo (metaverse) để quản lý tòa nhà thông minh thời gian thực với sự cho phép sự cộng tác của nhiều người dùng, khắc phục các hạn chế về không gian và nâng cao nhận thức tình huống trên các môi trường phân tán.

Điện toán biên (Edge Computing) và điện toán đám mây (Cloud Computing): Kiến trúc Edge–Cloud cho phép tối ưu hóa việc xử lý và lưu trữ dữ liệu không đồng nhất, đặc biệt đối với các ứng dụng yêu cầu độ trễ thấp. Các nền tảng như KTWIN, được xây dựng trên Kubernetes và tuân theo các nguyên tắc không có máy chủ, cung cấp giải pháp thống nhất, không phụ thuộc vào nhà cung cấp để triển khai và vận hành các thành phần DTC liền mạch từ biên sang đám mây. Cách tiếp cận này làm giảm đáng kể chi phí hoạt động và chi phí liên quan, khiến nó trở nên quan trọng để xử lý khối lượng dữ liệu ngày càng tăng và nhu cầu xử lý theo thời gian thực. Tương tự, nền tảng dưới dạng Dịch vụ (PaaS) với các nút biên và khả năng thử nghiệm từ xa sử dụng DTC và IoT cho các thành phố thông minh.

Trực quan hóa (3D) và thực tế tăng cường (AR): Hình ảnh 3D và AR đã có những tiến bộ cho phép tương tác trực quan và nhập vai hơn với DTC. Những đổi mới gần đây bao gồm việc sử dụng các kỹ thuật như Kỹ thuật phân lớp Gauss 3D (Gaussian Splatting) để trích xuất các lưới 3D của các tòa nhà và tích hợp các mô hình ngôn ngữ lớn (LLM) để tạo ra các mô tả hình ảnh và ngữ nghĩa chi tiết từ các hình ảnh đa chế độ xem. Những điều trên không chỉ cải thiện độ chính xác và chi tiết của các mô hình thành phố 3D mà còn mở ra những con đường mới cho sự tương tác. Mặc dù có tiềm năng đáng kể của AR trong DTC đối với sự tham gia của công chúng và trực quan hóa quy hoạch đô thị, tuy nhiên các nghiên cứu gần đây chỉ ra rằng các ứng dụng hoàn thiện và chi tiết trong lĩnh vực này vẫn còn hạn chế.

Trí tuệ nhân tạo AI: là yếu tố hỗ trợ chính cho phân tích dữ liệu, ra quyết định và mô hình dự đoán tại DTC. Các mô hình AI như Mạng đối kháng tạo sinh (Generative Adversarial Networks - GAN), Bộ mã hóa tự động biến thiên (Variational Autoencoder - VAE), và Mô hình mạng nơ-ron sử dụng kiến trúc của bộ chuyển đổi (Generative Pre-trained Transformers - GPT) đang cách mạng hóa việc tự tạo ra dữ liệu đô thị, tạo ra các kịch bản giả định, thiết kế và mô hình 3D của các thành phố. Mô hình GAN cho phép khắc phục những hạn chế về chất lượng và tính sẵn có của dữ liệu bằng cách tự động hóa việc tạo ra các mô hình đô thị và tạo điều kiện phát triển DTC. Điều này cho phép các chuyên gia không có kinh nghiệm kỹ thuật có thể áp dụng kiến thức về lĩnh vực riêng của họ và thúc đẩy việc áp dụng một cách đại trà, nhiều hơn.

Công nghệ Chuỗi khối (Blockchain): cung cấp giá trị bằng cách cải thiện khả năng truy xuất nguồn gốc, bảo mật và khả năng tương tác giữa nhiều nguồn dữ liệu cung cấp cho DTC. Sự tích hợp của nó với công nghệ học liên kết (Federated Learning - FL) trong các hệ thống máy tính nhiều tầng là một chiến lược đầy hứa hẹn để giải quyết các mối lo ngại về bảo mật và quyền riêng tư, bảo vệ danh tính của những người tham gia trong hệ sinh thái phân tán.

2. Phân loại ứng dụng thực tế trong đô thị

DTC cho phép giải quyết các thách thức đô thị phức tạp và cải thiện chất lượng cuộc sống của người dân. Các nghiên cứu gần đây nhấn mạnh việc mở rộng khả năng từ giám sát thụ động sang can thiệp chủ động và ra quyết định mang tính dự đoán. Các ứng dụng được phân loại thành quản lý giao thông, quy hoạch đô thị, giám sát môi trường, lưới điện thông minh, dịch vụ công cộng và các trường hợp khẩn cấp:

Quản lý giao thông và di chuyển thông minh: AI và DT ngày càng được sử dụng để quản lý mạng lưới giao thông đô thị phức tạp. DTC cho phép tích hợp dữ liệu thời gian thực về bãi đỗ xe, hệ thống định vị toàn cầu (GPS), camera và đèn giao thông thông minh để tối ưu hóa luồng giao thông đô thị. Các thành phố như Barcelona đã chứng minh việc sử dụng thành công của họ để giảm tắc nghẽn thông qua AI điều chỉnh linh hoạt đèn giao thông để tối ưu hóa dòng di chuyển của các tuyến đường và ưu tiên di chuyển cho hệ thống giao thông công cộng.

Quy hoạch đô thị và sự tham gia của người dân: DTC tạo điều kiện thuận lợi cho việc ra quyết định dựa trên dữ liệu và cho phép mô phỏng dự đoán để phát triển thành phố thông minh. Ngoài ra, các công cụ như Virtual Singapore đã phát triển các mô hình kỹ thuật số 3D cho phép các dự án đô thị được mô phỏng trước khi triển khai, hỗ trợ các nhà quy hoạch đánh giá tác động tiềm ẩn đối với các khía cạnh như luồng gió trong đô thị, luồng giao thông và dịch vụ công cộng. Các sáng kiến khác, chẳng hạn như trường hợp của Dublin, minh họa cách DTC có thể đóng góp vào quá trình dân chủ hóa quy hoạch đô thị bằng cách tích cực thu hút người dân tham gia vào quá trình ra quyết định.

CDT cung cấp các giao diện trực quan, trao quyền cho người dân đóng góp vào việc lập kế hoạch và củng cố niềm tin với những người ra quyết định. Một số nghiên cứu gần đây đã nhấn mạnh rằng DTC vượt xa vai trò là một đại diện kỹ thuật đơn giản; chúng là những công cụ đồng sản xuất các dạng kiến thức và quản trị đô thị mới.

Giám sát môi trường và khả năng phục hồi khí hậu: DTC cho phép giám sát chất lượng không khí, nhiệt độ đô thị, mức độ tiếng ồn và quản lý chất thải cùng các thông số đô thị khác. Các trường hợp như Lisbon, sử dụng DTC để mô phỏng lũ lụt, chứng minh tính hiệu quả của chúng trong việc thiết kế các chiến lược chống biến đổi khí hậu dựa trên bằng chứng khoa học. Mạng cảm biến chi phí thấp đang nổi lên như một sự hỗ trợ khả thi cho DTC trong quản lý chất lượng không khí theo thời gian thực, cho phép tăng mật độ quan sát và tích hợp thông tin đa dạng để ra quyết định năng động và chủ động. Dự án tích hợp công nghệ và khả năng phục hồi đô thị ở Sydney đã được phát triển để trở thành một thành phố kiên cường thông qua công nghệ và DT dựa trên quản trị thời gian thực.

Quản lý năng lượng và lưới điện thông minh: DTC góp phần tối ưu hóa tài nguyên năng lượng ở các thành phố thông minh thông qua kiến trúc phân lớp ảo và vật lý dựa trên AI. Các ứng dụng thực tế bao gồm quản lý dịch vụ công cộng, hệ thống năng lượng và giám sát cơ sở hạ tầng quan trọng. DTC được áp dụng từ cấp độ tòa nhà đến mạng lưới phân phối, cho phép dự đoán nhu cầu, phát hiện lỗi, cân bằng lưới điện và tối ưu hóa mức tiêu thụ năng lượng trong thời gian thực tại một số thành phố của Trung Quốc…

Dịch vụ công cộng và các trường hợp khẩn cấp: Các ứng dụng thực tế của DTC bao gồm quản lý dịch vụ công, hệ thống năng lượng và giám sát cơ sở hạ tầng quan trọng. Trong trường hợp nước, chất thải và an toàn công cộng, DTC là chìa khóa để dự đoán rò rỉ, tối ưu hóa các tuyến thu gom và điều phối các trường hợp khẩn cấp thông qua mô phỏng trong môi trường tham chiếu địa lý 3D.  

Trong quản lý chất thải rắn, DTC là chìa khóa để dự đoán lượng chất thải phát sinh, tối ưu hóa các tuyến thu gom và giảm chi phí vận hành thông qua mô phỏng phát sinh chất thải và thuật toán định tuyến được tối ưu hóa. Để quản lý tình trạng khẩn cấp trong cơ sở hạ tầng dân dụng, DTC được áp dụng trong tất cả các giai đoạn của vòng đời thảm họa: giảm nhẹ, chuẩn bị, ứng phó và phục hồi. Một nền tảng thử nghiệm DT động đầu tiên trên thế giới dựa trên dữ liệu đang được phát triển để cải thiện việc đào tạo và giao tiếp với người bằng cách kết hợp giao tiếp không dây mô phỏng trong môi trường ảo thực tế để chuẩn bị cho các đội ứng phó khẩn cấp trước các sự cố thảm khốc một cách an toàn và hiệu quả.

3. Một số thách thức hạn chế triển khai DTC

Dự đoán thời gian thực và giảm độ trễ: Bất chấp những tiến bộ, các mô hình AI nhẹ hơn có khả năng thích ứng với kiến trúc điện toán biên được yêu cầu phản ứng với độ trễ tối thiểu trong các ứng dụng quan trọng như trường hợp khẩn cấp hoặc lưu lượng truy cập tức thời. Tuy nhiên, quản lý độ trễ vẫn là một thách thức chính, đặc biệt là để duy trì bảo mật trong các hệ thống điều khiển và IoT trong khi đồng thời đáp ứng các yêu cầu thời gian thực. Việc đạt được độ trễ cực thấp trong điều kiện đô thị thực tế vẫn là một khoảng cách chưa được giải quyết đối với DTC

Khả năng tương tác ngữ nghĩa và các tiêu chuẩn mở: Các thách thức về khả năng tích hợp giữa các nền tảng không đồng nhất vẫn tồn tại. Hơn nữa, vẫn tồn tại một khoảng cách đáng chú ý trong lĩnh vực tiêu chuẩn hóa ngữ nghĩa và khả năng tương tác quy mô lớn trong các nền tảng DT và IoT quy mô lớn. Ngoài ra, thiếu các tiêu chuẩn mở, ontology phổ biến và phần mềm trung gian đa giao thức, thậm chí tích hợp blockchain để đảm bảo tính minh bạch và truy xuất nguồn gốc.

Khả năng mở rộng, hiệu suất và kiến trúc phân cấp: Việc phát triển DTC có thể mở rộng quy mô từ các tòa nhà đến siêu đô thị đòi hỏi các phương pháp phân cấp và kiến trúc dựa trên dịch vụ vi mô, linh hoạt. Mô hình DT phân cấp cho phép điều phối hiệu quả các mạng 6G, thích ứng với các tình huống thời gian thực thông qua cơ chế lựa chọn thuộc tính thích ứng và mô hình hóa mạng có thể mở rộng. Việc tạo ra các bộ dữ liệu điểm chuẩn quy mô lớn, là một bước quan trọng trong việc giải quyết các thách thức về khả năng mở rộng và xác thực của DTC, cung cấp dữ liệu cần thiết để đào tạo và thử nghiệm các mô hình ở quy mô lớn chưa từng có. Tuy nhiên, những lỗ hổng về tiêu chuẩn hóa và khả năng tương tác vẫn tồn tại, cản trở việc áp dụng DTC trên quy mô lớn.

Bảo mật, quyền riêng tư và cân nhắc về mặt đạo đức: Việc kết hợp rộng rãi dữ liệu cá nhân và tiềm năng kiểm soát cơ sở hạ tầng quan trọng khiến việc phát triển các giải pháp an ninh mạng, tính ẩn danh và khung đạo đức cụ thể cho DTC trở nên cấp thiết. Các thách thức an ninh mạng, bao gồm các vấn đề truyền dữ liệu (đánh chặn, sửa đổi, tấn công từ chối dịch vụ), xác thực hệ thống (yêu cầu xác thực đa yếu tố và sinh trắc học), tích hợp với các cấu trúc kỹ thuật số khác (Đám mây, IoT, hệ thống nội bộ) và các mối đe dọa do AI điều khiển mới nổi. Các lỗ hổng khác nhau tùy thuộc vào loại DTC với rủi ro từ trung bình đến rất cao, đặc biệt là trong các hệ thống cấp mạng, nơi một lỗ hổng nhỏ có thể gây ra hậu quả nghiêm trọng.

Một lỗ hổng đáng chú ý trong lĩnh vực DTC là thiếu khung an ninh thống nhất và được xác nhận ở quy mô đô thị tập trung vào các giao thức bảo mật cụ thể.

Đánh giá tác động: Một hạn chế cản trở triển khai DTC là thiếu các số liệu rõ ràng để đánh giá Lợi tức đầu tư (ROI), hiệu quả hoạt động và lợi ích xã hội thu được từ việc thực hiện chúng. Hầu hết, việc triển khai hiện nay đang chỉ giới hạn quy mô nhỏ với sự đóng góp tối thiểu vào việc vận hành trong quá trình lập kế hoạch và ra quyết định trong thế giới thực. Điều này cho thấy sự mất kết nối giữa phát triển công nghệ và khả năng của DTC trong việc tạo ra giá trị hữu hình và có thể đo lường được trong môi trường đô thị.

Ngoài ra, thiếu số liệu, bằng chứng rõ ràng về ROI và lợi ích xã hội có thể cản trở đầu tư và áp dụng quy mô lớn của chính phủ và các bên liên quan.

Một lỗ hổng đáng chú ý là trong đánh giá tổng thể về tác động của DTC đều tập trung vào các khía cạnh kỹ thuật mà không đo lường lợi ích hữu hình.

Khả năng mở rộng và khả năng nhân rộng: Việc ứng dụng DT trong các thành phố thông minh đưa ra những thách thức chính về khả năng mở rộng, cụ thể là khả năng xử lý số lượng thiết bị IoT và dịch vụ đô thị ngày càng tăng. Nó cũng liên quan đến khả năng nhân rộng như khả năng di chuyển hoặc điều chỉnh các giải pháp thành công giữa các bối cảnh đô thị khác nhau mà không cần tái cơ cấu lớn.

Các nghiên cứu đa phần phân tích một số mô hình nhất định và chưa chỉ ra sự thay đổi, tiến hóa của mô hình khi mà hệ thống đô thị trở nên phức tạp.

Lời kết

Bài tiếp theo sẽ giới thiệu các khía cạnh hoạt động của Bản sao kỹ thuật số của thành phố thông minh cũng như các giai đoạn phát triển và ứng dụng trong các lĩnh vực của thành phố thông minh

Người thực hiện

Lê Việt Hưng

Phòng Dịch vụ số -  Cục Chuyển đổi số quốc gia

Tài liệu tham khảo:

https://www.mdpi.com/2624-6511/8/5/175#B73-smartcities-08-00175

https://www.researchgate.net/publication/379193044_A_comprehens 

https://www.sciencedirect.com/science/article/pii/S2210670724004086#bib0024

https://www.researchgate.net/publication/394243959_Urban_futures_in_the_mirror_of_technology_The_politics_of_urban_digital_twins