Nhảy tới nội dung

🤖 AI Prediction Service

Công nghệ AI dự báo - Dự báo lưu lượng giao thông, cảnh báo ngập úng, tác động dây chuyền

Mục Đích​

AI Prediction Service cung cấp các dự báo thông minh cho CivicTwin AI:

  1. 🚗 Dự báo Lưu lượng Giao thông

    • Dự báo 15–60 phút trước
    • Xác định các điểm nóng sắp hình thành
    • Gợi ý thay đổi tín hiệu giao thông

  2. 💧 Cảnh báo Ngập úng

    • Kết hợp dữ liệu thời tiết + cảm biến mực nước
    • Cảnh báo sớm 2–6 giờ trước
    • Khuyến nghị sơ tán, tuyến đường an toàn

  3. 📊 Tác động Dây chuyền (Cascade Effects)

    • Mô phỏng cách một sự cố lan truyền qua hệ thống
    • Dự báo khu vực sẽ ảnh hưởng

  4. 💰 Tác động Kinh tế-Xã hội

    • Dự báo GDP, việc làm, bình đẳng xã hội
    • Phục vụ cho scenario simulation

Công Nghệ​

Thành phầnCông nghệ
AI CoreAmazon Bedrock + Amazon Nova
Time SeriesTensorFlow/PyTorch (LSTM, Transformer)
FrameworkPython FastAPI
ML OpsKubernetes, MLflow
MonitoringPrometheus + Grafana

Các Mô hình Dự báo​

1. Traffic Flow Prediction (LSTM)​

Input:

  • Lịch sử lưu lượng (7 ngày qua, hourly)
  • Current state (từ Digital Twin)
  • Events (sự kiện: tai nạn, sửa đường, v.v.)
  • Calendar features (ngày hôm nay, thứ, lễ tế)

Output:

  • Dự báo lưu lượng (15, 30, 60 phút tới)
  • Confidence score (0-100%)

Độ chính xác: RMSE < 15% (với dữ liệu đủ)

2. Flooding Risk (Hybrid)​

Input:

  • Dữ liệu thời tiết (from OpenWeatherMap API)
  • Cảm biến mực nước (real-time từ IoT)
  • Lịch sử mưa (3 tháng qua)
  • Đặc điểm địa lý (độ cao, gradient)

Output:

  • Risk level: NONE, LOW, MEDIUM, HIGH, CRITICAL
  • Affected zones (list of zone IDs)
  • Recommended actions (evacuate, close roads,...)

Độ chính xác: Precision > 85% (phát hiện true flooding)

3. Cascade Effects (Agent-Based)​

Input:

  • Initial incident (vị trí, loại)
  • Current city state
  • Network topology (graph)

Output:

  • Predicted impact zones
  • Timeline of effects
  • Severity estimation

4. Socioeconomic Impact (Nova LLM)​

Input:

  • Scenario description (text)
  • Context (city data, demographics)

Output:

  • Impact assessment (structured JSON): 
    {
      "economic": {
        "gdp_change": 2.5,        // percent
        "employment": 1200,       // jobs
        "business_hours_saved": 45000
      },
      "social": {
        "accessibility": 35,      // % improvement
        "equity_score": 0.65,
        "job_creation": "medium"
      },
      "environmental": {
        "co2_reduction": 12.5,    // tons/year
        "air_quality": 18         // AQI improvement
      }
    }

API Endpoints​

Traffic Prediction​

# Dự báo lưu lượng cho một đường sá
POST /api/predictions/traffic/{roadId}
{
  "horizonMinutes": 60
}

Response:
{
  "roadId": "...",
  "predictions": [
    { "timestamp": "2026-03-31T11:00:00Z", "flow": 1200, "confidence": 92 },
    { "timestamp": "2026-03-31T11:15:00Z", "flow": 1350, "confidence": 89 },
    ...
  ],
  "alert": "System overload expected at 11:00, recommend signal optimization"
}

Flooding Alert​

# Cảnh báo ngập úng cho thành phố
GET /api/predictions/flooding/city

Response:
{
  "overallRisk": "MEDIUM",
  "affectedZones": [
    {
      "zoneId": "...",
      "riskLevel": "HIGH",
      "affectedArea": 1250,    // m²
      "recommendedActions": ["evacuate", "close_roads_3_4"],
      "timeToFlooding": 180    // minutes
    }
  ],
  "weatherForecast": {
    "rainfall": 120,           // mm expected
    "intensity": "heavy",
    "duration": 240            // minutes
  }
}

Cascade Effects​

# Dự báo tác động dây chuyền của một tai nạn
POST /api/predictions/cascade
{
  "incidentType": "traffic_accident",
  "location": { "lat": 16.0544, "lon": 108.2022 },
  "severity": "severe"
}

Response:
{
  "primaryImpactZones": [...],
  "secondaryImpactZones": [...],
  "timeline": {
    "5mins": "Traffic congestion at direct roads",
    "15mins": "Spread to neighboring intersections",
    "30mins": "Alternative routes overwhelmed"
  }
}

Socioeconomic Impact​

# Đánh giá tác động của một scenario
POST /api/predictions/impact
{
  "scenarioId": "...",
  "timeframe": 10  // years
}

Response:
{
  "economic": { "gdp_change": 2.5, ... },
  "social": { "accessibility": 35, ... },
  "environmental": { "co2_reduction": 12.5, ... },
  "explanation": "Dự án này cải thiện tiếp cận y tế 35% vì... [AI generated]"
}

Training & Optimization​

Data Pipeline​

Raw Data (IoT, APIs)
    ↓
Data Validation & Cleaning
    ↓
Feature Engineering
    ↓
Train/Test Split (80/20)
    ↓
Model Training (LSTM, etc.)
    ↓
Model Validation & Evaluation
    ↓
Hyperparameter Tuning
    ↓
Production Deployment

Retraining Schedule​

  • Traffic Model: Daily (12 AM UTC)
  • Flooding Model: When rainfall > threshold
  • Cascade Model: Weekly (Sundays 2 AM)

Ví dụ Sử dụng​

Từ Dashboard Service​

// Lấy dự báo giao thông để hiển thị cảnh báo
const predictions = await predictionService.getTrafficPrediction(roadId);
if (predictions.alert) {
  displayWarning(predictions.alert);  // "System overload expected at 11:00"
}

Từ Notification Service​

// Gửi cảnh báo ngập úng cho công dân
const flooding = await predictionService.getFloodingAlert();
if (flooding.overallRisk === 'CRITICAL') {
  notificationService.broadcastAlert({
    title: "Cảnh báo Ngập úng Khẩn cấp",
    zones: flooding.affectedZones,
    actions: ["Evacuate", "Avoid these roads"]
  });
}

Deployment​

Docker​

FROM python:3.11-slim
WORKDIR /app
RUN pip install fastapi uvicorn tensorflow torch
COPY requirements.txt .
RUN pip install -r requirements.txt
COPY . .
EXPOSE 8002
CMD ["uvicorn", "main:app", "--host", "0.0.0.0"]

Env Variables​

AWS_REGION=us-east-1
AWS_ACCESS_KEY_ID=...
AWS_SECRET_ACCESS_KEY=...
DIGITAL_TWIN_API=http://digital-twin:3001
KAFKA_BROKER=kafka:9092
MODEL_PATH=/models

Performance Targets​

MetricTarget
Traffic prediction RMSE< 15%
Flooding alert precision> 85%
Cascade prediction latency< 30 seconds
API response time< 500ms
Model inference time< 1 second

Liên quan​