XÂY DỰNG CHATBOT VỀ LUẬT GIAO THÔNG SỬ DỤNG MÔ HÌNH RAG

Abstract

Đề tài tập trung nghiên cứu và xây dựng hệ thống FISHY – một hệ thống hỗ trợ thông minh trong lĩnh vực luật giao thông Việt Nam, nhằm cung cấp cho người dùng công cụ tra cứu, hỏi đáp và nhận diện thông tin giao thông một cách nhanh chóng, thuận tiện và chính xác. Hệ thống được định hướng phát triển như một trợ lý thông minh có khả năng hỗ trợ người dùng giải đáp các thắc mắc liên quan đến hành vi vi phạm giao thông, mức xử phạt, quy định pháp luật, đồng thời hỗ trợ nhận diện biển báo giao thông từ hình ảnh. Mục tiêu chính của đề tài là nâng cao khả năng tiếp cận thông tin pháp luật giao thông cho người dân thông qua nền tảng trí tuệ nhân tạo, góp phần hỗ trợ tuyên truyền, phổ biến kiến thức pháp luật và nâng cao ý thức tham gia giao thông. Trong quá trình thực hiện, đề tài ứng dụng mô hình ngôn ngữ lớn kết hợp với kiến trúc Retrieval-Augmented Generation (RAG) nhằm tăng độ chính xác và độ tin cậy của câu trả lời. Hệ thống không chỉ dựa vào khả năng sinh ngôn ngữ tự nhiên của mô hình mà còn kết hợp truy xuất dữ liệu từ nguồn tri thức pháp luật đã được lưu trữ và xử lý trước, giúp phản hồi bám sát căn cứ pháp lý. Bên cạnh đó, đề tài còn tích hợp mô hình YOLO để thực hiện chức năng nhận diện biển báo giao thông từ hình ảnh, mở rộng khả năng hỗ trợ người dùng trong việc nhận biết thông tin giao thông một cách trực quan. Nguồn dữ liệu được xây dựng từ các văn bản pháp luật, quy định xử phạt giao thông và dữ liệu hình ảnh biển báo, qua đó tạo nên một hệ thống hỗ trợ đa chức năng, kết hợp giữa hỏi đáp pháp luật và thị giác máy tính. Về mặt kỹ thuật, hệ thống được phát triển theo mô hình dịch vụ, trong đó phần xử lý hỏi đáp pháp luật được triển khai trên nền tảng FastAPI, kết hợp cơ chế truy xuất ngữ nghĩa từ cơ sở dữ liệu vector và dữ liệu luật giao thông đã được chuẩn hóa. Dữ liệu văn bản được tổ chức, phân mảnh và lưu trữ phục vụ cho truy xuất theo ngữ nghĩa, đồng thời tích hợp cơ chế tìm kiếm lai giữa từ khóa và vector để nâng cao chất lượng truy vấn. Phần nhận diện biển báo giao thông sử dụng mô hình YOLO được xây dựng thành dịch vụ riêng, cho phép tiếp nhận ảnh đầu vào và trả về kết quả nhận diện một cách tự động. Kiến trúc này giúp hệ thống có tính mở rộng, dễ bảo trì và thuận lợi trong việc nâng cấp các thành phần trí tuệ nhân tạo trong tương lai. Kết quả thực nghiệm cho thấy hệ thống hoạt động ổn định, có khả năng phản hồi các câu hỏi pháp luật giao thông theo ngữ cảnh tự nhiên và hỗ trợ nhận diện biển báo giao thông với hiệu quả khả quan. Việc kết hợp giữa RAG và YOLO giúp FISHY không chỉ đóng vai trò là một chatbot pháp luật thông minh mà còn là một công cụ hỗ trợ trực quan trong lĩnh vực giao thông đường bộ. Những kết quả đạt được cho thấy tiềm năng ứng dụng của trí tuệ nhân tạo trong lĩnh vực pháp luật và giao thông, đồng thời tạo nền tảng cho các hướng phát triển tiếp theo như mở rộng tập văn bản pháp lý, cải thiện chất lượng truy xuất, tối ưu mô hình nhận diện và tích hợp hệ thống trên các nền tảng ứng dụng thực tế. Từ khóa: Chatbot, LLM, Xử lý ngôn ngữ tự nhiên, FastAPI, Luật giao thông Việt Nam, RAG, YOLO, Nhận diện biển báo giao thông, Truy xuất ngữ nghĩa, Trí tuệ nhân tạo. This thesis presents the research and development of FISHY, an intelligent support system for Vietnamese traffic law that provides users with a fast and convenient tool for legal inquiry, question answering, and traffic sign recognition. The system is designed to help users access information related to traffic violations, penalties, legal regulations, and traffic signs, thereby improving legal awareness and supporting road safety education. To improve the accuracy and reliability of responses, the study applies a large language model (LLM) combined with the Retrieval-Augmented Generation (RAG) architecture. Instead of relying only on the model’s internal knowledge, the system retrieves relevant information from a preprocessed legal knowledge base so that generated answers are grounded in legal evidence. In addition, a YOLO-based model is integrated to recognize traffic signs from images, allowing the system to support both textual and visual interaction. The knowledge base is constructed from Vietnamese legal documents, traffic penalty regulations, and traffic sign image datasets. From a technical perspective, FISHY is developed using a service-oriented architecture. The legal question-answering module is implemented with FastAPI, semantic retrieval, and hybrid search mechanisms combining keyword-based and vector-based retrieval. The traffic sign recognition module is deployed as a separate YOLO service, enabling image input and automatic recognition results. Experimental results show that the system operates stably, can answer Vietnamese traffic law questions in natural language, and achieves promising results in traffic sign recognition. The integration of RAG and YOLO demonstrates the potential of artificial intelligence in legal and transportation applications, while also providing a foundation for future improvements and real-world deployment. Keywords: Chatbot, LLM, Natural Language Processing, FastAPI, Vietnamese Traffic Law, RAG, YOLO, Traffic Sign Recognition, Semantic Retrieval, Artificial Intelligence