Phân tích nhu cầu và kỳ vọng của người dân Thành phố Hồ Chí Minh đối với camera tích hợp trí tuệ nhân tạo

Tóm tắt

Nghiên cứu phân tích nhu cầu và kỳ vọng của người dân Thành phố Hồ Chí Minh đối với camera tích hợp trí tuệ nhân tạo (AI) hỗ trợ quản lý lưu lượng hành khách xe buýt. Dữ liệu gồm 356 phản hồi của người từ 18 tuổi trở lên. 4 câu hỏi trọng tâm xem xét khó khăn trong quản lý xe buýt, chức năng cần bổ sung cho camera và phần mềm đo đếm, lý do ủng hộ giải pháp và thay đổi dịch vụ được kỳ vọng. Các câu hỏi chọn nhiều phương án được phân tích bằng tần số, tỷ lệ phản hồi hợp lệ, Chi-square, Cramér’s V, Spearman và Benjamini-Hochberg FDR. Quá tải giờ cao điểm là khó khăn được chọn nhiều nhất (64,6%), cảnh báo an toàn là chức năng được mong muốn cao nhất (58,4%), quản lý/điều phối tốt hơn là lý do ủng hộ nổi bật nhất (60,6%), và phân bổ xe hợp lý để tránh chen chúc là thay đổi được kỳ vọng cao nhất (62,8%). Kết quả gợi ý ưu tiên quản lý quá tải, an toàn, phân bổ phương tiện và quản trị dữ liệu khi triển khai camera AI.

Từ khóa
camera AI lưu lượng hành khách xe buýt nhu cầu người dùng vận tải công cộng Thành phố Hồ Chí Minh

Tài liệu tham khảo

1.
Hội đồng nhân dân Thành phố Hồ Chí Minh (2026). Xe buýt miễn phí mở đường cho tương lai xanh của Thành phố Hồ Chí Minh. https://hdnd.hochiminhcity.gov.vn/tin-tuc/tin-tong-hop/xe-buyt-mien-phi-mo-duong-cho-tuong-lai-xanh-cua-tp-hcm.
2.
Quốc hội (2025). Luật Bảo vệ dữ liệu cá nhân số 91/2025/QH15, ban hành ngày 26/6/2025, hiệu lực từ ngày 01/01/2026.
3.
Tiến Lực (2026). Thành phố Hồ Chí Minh chủ trương miễn phí xe buýt cho người dân. Cổng thông tin điện tử Hội đồng nhân dân Thành phố Hồ Chí Minh. https://hdnd.hochiminhcity.gov.vn/tin-tuc/tin-tong-hop/thanh-pho-ho-chi-minh-chu-truong-mien-phi-xe-buyt-cho-nguoi-dan.
4.
Benjamini, Y. and Hochberg, Y. (1995) Controlling the false discovery rate: a practical and powerful approach to multiple testing. Journal of the Royal Statistical Society, Series B, 57, 289-300.
5.
Cats, O., Susilo, Y. O. and Reimal, T. (2017). The prospects of fare-free public transport: evidence from Tallinn. Transportation, 44(5), 1083-1104.
6.
Hsu, Y. W., Chen, Y. W. and Perng, J. W. (2020). Estimation of the number of passengers in a bus using deep learning. Sensors, 20(8), 2178.
7.
Pronello, C., Anbarasan, D., Spoturno, F. et al. (2025). A low-cost automatic people-counting system at bus stops using Wi-Fi probe requests and deep learning. Public Transport, 17, 71-100.
8.
Radovan, A., Mršić, L., Dambić, G. and Mihaljević, B. (2024). A review of passenger counting in public transport concepts with solution proposal based on image processing and machine learning. Eng, 5(4), 3284-3315. https://doi.org/10.3390/eng5040172.