Tại Sao Dự Án Digital Twin Thất Bại? Giải Pháp Kiến Trúc Microservices Cho Đô Thị Thông Minh

Phần 1: Nghịch Lý Đầu Tư Và “Cái Chết” Của Các Dự Án Đô Thị Thông Minh

1.1. Lời hứa của Kỷ nguyên Số và Thực tế

Trong thập kỷ qua, khái niệm “Đô thị Thông minh” đã chuyển dịch từ những trang tiểu thuyết khoa học viễn tưởng vào các văn bản quy hoạch chiến lược của hàng loạt quốc gia. Tại trung tâm của cuộc cách mạng này là “Bản sao số” (Digital Twin) – công nghệ được ví như “chén thánh” của quản trị hiện đại. Về mặt lý thuyết, một bản sao số hoàn hảo là tấm gương phản chiếu chính xác từng nhịp đập của thế giới thực trong thời gian thực: từ dòng chảy của hàng triệu phương tiện giao thông, sự biến thiên của mạng lưới năng lượng, đến nhịp độ sinh học của hệ thống y tế và quản lý chất thải.¹

Sức hấp dẫn của công nghệ này là không thể chối cãi. Các nhà lãnh đạo thành phố được hứa hẹn về khả năng “nhìn thấy trước tương lai” thông qua các mô phỏng, tối ưu hóa vận hành tự động và khả năng phản ứng tức thì với các thảm họa. McKinsey dự báo rằng việc triển khai thành công Digital Twin có thể cải thiện hiệu quả vốn và vận hành từ 20-30%.³ Tại Việt Nam, từ Hà Nội, TP. Hồ Chí Minh đến Đà Nẵng, các đề án xây dựng đô thị thông minh với nòng cốt là các trung tâm điều hành và bản sao số đang được thúc đẩy mạnh mẽ.⁴

Tuy nhiên, đằng sau những bản vẽ đồ họa 3D hào nhoáng, một thực tế ảm đạm đang bao trùm ngành công nghiệp này. Theo các phân tích từ giới chuyên gia, có tới 75% các sáng kiến Digital Twin thất bại trong việc đáp ứng kỳ vọng về tỷ suất hoàn vốn (ROI) hoặc dừng lại ngay sau giai đoạn thí điểm.⁶ Hàng tỷ đô la ngân sách đang bị đổ vào những dự án mà sau 3 năm triển khai vẫn không mang lại thông tin chi tiết nào có thể hành động được.

Câu hỏi đặt ra là: Tại sao?

1.2. Không phải do thiếu Dữ liệu hay Ngân sách

Một quan niệm sai lầm phổ biến là các dự án thất bại do thiếu dữ liệu. Thực tế, chúng ta đang sống trong kỷ nguyên bùng nổ dữ liệu lớn. Các thành phố hiện đại được bao phủ bởi hàng triệu cảm biến IoT, camera giám sát, thiết bị định vị trên phương tiện công cộng và dữ liệu di động của người dân.⁷ Dữ liệu không thiếu, thậm chí là thừa mứa.

Cũng không phải do thiếu ngân sách. Các gói thầu cho đô thị thông minh thường có giá trị khổng lồ, được ưu tiên trong các chương trình đầu tư công và nhận được sự hỗ trợ mạnh mẽ từ các tập đoàn công nghệ.

Nguyên nhân cốt lõi, “kẻ sát nhân thầm lặng” của các dự án Digital Twin, chính là sự thiếu tập trung.³

1.3. Hội chứng “Đun sôi Đại dương”

Các nhà quản lý đô thị thường rơi vào cái bẫy tâm lý của sự hoàn hảo. Họ muốn mọi thứ và muốn ngay lập tức. Tư duy này dẫn đến việc cố gắng xây dựng một mô phỏng toàn diện bao trùm mọi lĩnh vực cùng một lúc: năng lượng, giao thông, y tế, an ninh, môi trường và quản lý rác thải. Trong giới kỹ thuật, thuật ngữ này được gọi là cố gắng “đun sôi đại dương” – một nhiệm vụ bất khả thi về mặt vật lý và phi lý về mặt quản trị.

Tại sao cách tiếp cận này dẫn đến thảm họa?

1. Sự phức tạp bùng nổ: Đô thị là một “hệ thống của các hệ thống”. Mối tương quan giữa các biến số là phi tuyến tính. Ví dụ, tắc nghẽn giao thông làm tăng khí thải, ảnh hưởng đến sức khỏe người dân, từ đó gây áp lực lên hệ thống bệnh viện. Việc cố gắng mô hình hóa tất cả các mối tương tác chằng chịt này ngay từ ngày đầu tiên tạo ra một bài toán kỹ thuật quá lớn, vượt quá khả năng xử lý.³
2. Thiếu mục tiêu vận hành rõ ràng: Nhiều dự án bắt đầu với tư duy “công nghệ đi trước”. Các thành phố mua sắm nền tảng phần mềm trước khi xác định rõ họ muốn giải quyết vấn đề gì. Việc thiếu một kết quả vận hành cụ thể khiến Digital Twin trở thành một món đồ chơi công nghệ đắt tiền hơn là một công cụ quản lý thiết thực.⁸
3. Ảo tưởng về Trực quan hóa: Các nhà lãnh đạo thường bị quyến rũ bởi các mô hình 3D giống như thật của thành phố. Mặc dù trực quan hóa quan trọng để giao tiếp, nhưng nó không phải là đích đến cuối cùng. Một mô hình 3D đẹp đẽ nhưng không có dữ liệu thời gian thực chính xác chảy bên dưới chỉ là một “lớp vỏ rỗng”.⁶ Giá trị thực sự nằm ở khả năng phân tích và dự báo.

Hậu quả tất yếu là sự ra đời của những “đầm lầy dữ liệu” khổng lồ.

Phần 2: Giải phẫu Bệnh lý Dữ liệu – Từ “Hồ Chứa” đến “Đầm Lầy”

2.1. Cơ chế hình thành Đầm lầy Dữ liệu

Trong kiến trúc dữ liệu hiện đại, khái niệm “Hồ dữ liệu” (Data Lake) là giải pháp lưu trữ linh hoạt. Tuy nhiên, khi thiếu sự quản trị và mục đích rõ ràng, hồ dữ liệu nhanh chóng biến chất thành “Đầm lầy dữ liệu” (Data Swamp).

Đây là tình trạng dữ liệu tích tụ quá tải mà không có sự xử lý hay phân tích hiệu quả. Nó chứa đầy dữ liệu “bẩn”: dữ liệu cũ, không còn giá trị, số liệu sai lệch, không nhất quán về định dạng và thiếu thông tin mô tả ngữ cảnh.¹⁰

Khi một thành phố cố gắng nhập dữ liệu từ nhiều sở ban ngành (Giao thông, Điện lực, Y tế, Tài nguyên Môi trường) cùng một lúc mà không có chiến lược làm sạch và chuẩn hóa chung, kết quả là một mớ hỗn độn. Dữ liệu bị cô lập, định dạng không tương thích và thiếu tính liên kết.⁶

2.2. Cái giá phải trả

Nếu không có dữ liệu chủ đáng tin cậy, bạn chỉ có những con số vô hồn chứ không phải tri thức. Một bản sao số dựa trên dữ liệu sai lệch không chỉ bị giới hạn về năng lực mà còn tiềm ẩn nguy hiểm.¹²

Những rủi ro bao gồm:

1. Sai lệch trong ra quyết định: Dữ liệu trễ hoặc sai có thể khiến hệ thống điều khiển đèn tín hiệu gây tắc nghẽn thêm thay vì giải tỏa.
2. Lãng phí nguồn lực: Duy trì hạ tầng lưu trữ cho dữ liệu “rác” tiêu tốn ngân sách lớn. Các kỹ sư dữ liệu phải dành phần lớn thời gian để dọn dẹp thay vì phân tích.¹
3. Mất niềm tin: Khi người dùng cuối nhận thấy thông tin từ hệ thống không chính xác, họ sẽ từ chối sử dụng, dẫn đến thất bại trong việc mở rộng quy mô.⁸

Phần 3: Cuộc Cách Mạng Kiến Trúc – Từ Nguyên Khối (Monolith) đến Vi Dịch Vụ (Microservices)

Để giải quyết bài toán trên, ngành công nghiệp Digital Twin cần vay mượn tư duy kiến trúc từ công nghệ phần mềm: chuyển dịch từ Monolith sang Microservices.

3.1. So sánh Monolith và Microservices trong Bối cảnh Đô thị

Kiến trúc Nguyên khối (Monolith) là cách tiếp cận truyền thống, nơi tất cả chức năng và dữ liệu tích hợp trong một khối duy nhất.

• Trong Đô thị thông minh: Một dự án khổng lồ cố gắng tích hợp Giao thông, Năng lượng, Y tế vào một nền tảng duy nhất ngay từ đầu.
• Nhược điểm: Khó thay đổi, khó mở rộng. Nếu module xử lý năng lượng lỗi, nó có thể làm treo cả hệ thống giao thông.¹³

Kiến trúc Vi dịch vụ (Microservices) chia nhỏ hệ thống thành các dịch vụ độc lập, mỗi dịch vụ thực hiện một chức năng cụ thể và giao tiếp với nhau qua chuẩn kết nối chung.

• Trong Đô thị thông minh: Hệ thống Giao thông là một vi dịch vụ, Hệ thống Năng lượng là một vi dịch vụ khác. Chúng hoạt động độc lập nhưng có thể trao đổi dữ liệu khi cần.¹⁵
• Ưu điểm:

• Tính độc lập: Nhóm Giao thông có thể nâng cấp thuật toán mà không cần xin phép nhóm Năng lượng.
• Khả năng mở rộng: Có thể dồn tài nguyên cho nút Giao thông trong giờ cao điểm mà không lãng phí cho các nút khác.¹⁷
• Giảm rủi ro: Thất bại ở một nút không kéo theo sự sụp đổ toàn hệ thống.¹⁸

Bảng 1: So sánh Kiến trúc Monolith và Microservices cho Digital Twin

Tiêu chí	Kiến trúc Monolith (Nguyên khối)	Kiến trúc Microservices (Vi dịch vụ)
Phạm vi triển khai	Toàn diện, đa lĩnh vực ngay từ đầu.	Từng phần, theo chiều dọc, mở rộng dần.
Quản trị dữ liệu	Hồ dữ liệu tập trung, dễ trở thành đầm lầy.	Dữ liệu phân tán, có chủ sở hữu rõ ràng.
Đội ngũ phát triển	Một đội ngũ lớn, cồng kềnh.	Nhiều đội ngũ nhỏ, chuyên môn hóa cao.
Rủi ro vận hành	Một lỗi nhỏ có thể làm sập toàn bộ hệ thống.	Lỗi được cô lập, hệ thống vẫn sống sót.
Thời gian ra mắt	Chậm (3-5 năm).	Nhanh (3-6 tháng cho từng thí điểm).

3.2. Digital Twin là hệ thống các Vi dịch vụ

Áp dụng tư duy này, một Digital Twin thành công không phải là một phần mềm đơn lẻ. Nó là sự tổng hợp của các chương trình thí điểm có khả năng tương tác.

Mỗi “nút” của Digital Twin phải được coi là một vi dịch vụ hoàn chỉnh. Chỉ khi nút này hoạt động ổn định và chứng minh được giá trị, chúng ta mới tiến hành kết nối nút tiếp theo vào mạng lưới.¹⁷

Phần 4: Chiến lược Kỹ thuật – Quy trình “Xếp gạch” 4 Bước

Để hiện thực hóa kiến trúc Microservices, cần tuân thủ quy trình 4 bước, tập trung xây dựng từng lớp độc lập thay vì một khối hỗn độn.

4.1. Bước 1: Chọn MỘT Chiều dọc

Nguyên tắc đầu tiên: Sự tập trung. Đừng cố giải quyết mọi vấn đề của thành phố cùng lúc. Hãy chọn một lĩnh vực duy nhất để bắt đầu.

Trong hầu hết trường hợp, Giao thông là ứng cử viên số một vì đây là vấn đề bức xúc nhất tại các đô thị lớn và dữ liệu thường sẵn có hơn so với các lĩnh vực ngầm như điện nước. Hiệu quả từ việc tối ưu giao thông cũng dễ dàng được người dân cảm nhận ngay lập tức.

4.2. Bước 2: Nhập các Tập Dữ liệu Cụ thể

Thay vì đổ tất cả dữ liệu vào kho chung, hãy chỉ thu thập những gì thực sự cần thiết cho chiều dọc Giao thông.

• GTFS (General Transit Feed Specification): Tiêu chuẩn dữ liệu mở toàn cầu cho giao thông công cộng. Việc chuẩn hóa dữ liệu xe buýt hay Metro theo chuẩn này cho phép tích hợp ngay lập tức với các ứng dụng bản đồ phổ biến.¹⁹
• Cảm biến vòng từ: Dù là công nghệ cổ điển, thiết bị này vẫn cung cấp dữ liệu nền tin cậy nhất để đếm lưu lượng xe và đo độ chiếm dụng đường.
• Camera & Thị giác máy tính: Sử dụng các thuật toán AI (như YOLOv8) để phát hiện và phân loại phương tiện từ video camera giám sát. Dữ liệu nên được xử lý ngay tại biên (ngay tại camera hoặc hộp kỹ thuật) để tránh làm nghẽn băng thông, chỉ gửi về trung tâm các số liệu thống kê đã xử lý.²⁰

4.3. Bước 3: Giải quyết MỘT Vấn đề

Có dữ liệu rồi, nhưng dùng để làm gì? Hãy xác định một bài toán cụ thể. Thay vì nói “quản lý giao thông”, hãy đặt mục tiêu “Tối ưu hóa dòng chảy giao thông tại khung giờ cao điểm (17h-19h) tại các nút giao trọng điểm”.

Hệ thống sẽ chuyển từ thế bị động (thấy tắc mới chỉnh) sang dự báo (biết sắp tắc để điều chỉnh trước). Digital Twin có thể dự báo tình trạng giao thông trong 15-30 phút tới dựa trên dữ liệu lịch sử và hiện tại để điều chỉnh đèn tín hiệu phù hợp.⁷

4.4. Bước 4: Chứng minh Giá trị

Trước khi xin thêm ngân sách để làm các lĩnh vực khác, phân hệ Giao thông phải chứng minh được hiệu quả đầu tư.

Các chỉ số cần đo lường bao gồm: giảm thời gian chờ trung bình tại nút giao, tăng lưu lượng thông qua, và giảm lượng khí thải ước tính. Chỉ cần thành công tại 2-3 nút giao thí điểm, mô hình sẽ có cơ sở vững chắc để nhân rộng.22

Phần 5: Phân tích Thực tiễn tại Việt Nam

Việt Nam đang là môi trường sôi động cho các mô hình Đô thị thông minh. Phân tích các trường hợp cụ thể tại Hà Nội, TP.HCM và Đà Nẵng cho thấy rõ sự cần thiết của cách tiếp cận Microservices.

5.1. Hà Nội: Thí điểm ITS và Bài học “Bắt đầu nhỏ”

Hà Nội đã phê duyệt thí điểm hệ thống giao thông thông minh (ITS) trong nửa cuối năm 2024.²² Thay vì triển khai đồng loạt trên hàng nghìn nút giao, thành phố chọn thí điểm tại 02 nút giao cụ thể. Đây là ví dụ điển hình về việc chọn một vấn đề nhỏ để chứng minh giá trị. Nếu thành công, việc mở rộng quy mô sẽ chỉ là bài toán lặp lại quy trình đã được chuẩn hóa.

5.2. TP. Hồ Chí Minh: Nỗ lực Tích hợp Dữ liệu Phân mảnh

TP.HCM đối mặt với thách thức lớn về sự phân mảnh dữ liệu giữa các sở ngành. Tuy nhiên, thành phố đang có những điểm sáng như thử nghiệm giao hàng bằng thiết bị bay không người lái (UAV) tại Khu Công nghệ cao.²⁴ Đây là một “vi dịch vụ” ngách nhưng giàu tiềm năng.

Giải pháp cho TP.HCM là mô hình Bản sao số Liên kết (Federated Digital Twin). Thay vì cố gắng gom tất cả dữ liệu về một kho, hãy để mỗi đơn vị (Khu công nghệ cao, Metro, Cảng) xây dựng bản sao số riêng của họ như một vi dịch vụ. Thành phố chỉ xây dựng lớp kết nối để các hệ thống này giao tiếp khi cần thiết.⁵

5.3. Đà Nẵng: Tận dụng Hạ tầng Camera và AI

Đà Nẵng có lợi thế về hạ tầng camera giám sát dày đặc và đang chuyển dịch từ việc chỉ ghi hình sang phân tích thông minh bằng AI.²⁶ Các nghiên cứu địa phương về việc áp dụng thuật toán đếm xe cho thấy năng lực công nghệ nội tại đã sẵn sàng.²⁰ Mô hình liên kết dữ liệu từ cấp phường xã lên quận huyện cũng đang được các chuyên gia đề xuất như một hướng đi phù hợp với cơ chế quản lý phân cấp.

Phần 6: Tương lai – Bản sao số như một Hệ sinh thái Sống

6.1. Từ Vi dịch vụ đến AI Tác tử

Tương lai của Digital Twin không chỉ dừng lại ở việc quan sát mà sẽ tiến tới tự động hóa hành động. Khi kiến trúc Microservices đã ổn định, chúng ta có thể tích hợp các “Tác tử AI” (AI Agents) vào từng nút.²⁸ Ví dụ: Một tác tử Giao thông phát hiện tai nạn sẽ tự động giao tiếp với tác tử Y tế để điều xe cứu thương mà không cần con người can thiệp. Điều này chỉ khả thi khi các hệ thống được thiết kế dạng module độc lập có khả năng tương tác.

6.2. Kết luận

Digital Twin không phải là một đích đến nơi bạn mua phần mềm và cài đặt là xong. Nó là một hành trình tích lũy các chương trình thí điểm thành công.

Thất bại của các dự án trước đây không nằm ở công nghệ, mà nằm ở tham vọng quản lý sai lầm. Bằng cách chia nhỏ bài toán đô thị thành các mảnh ghép vi dịch vụ có thể quản lý được, chúng ta không chỉ tiết kiệm ngân sách, tránh lãng phí dữ liệu mà còn thực sự mang lại hiệu quả.

Chỉ khi nút “Giao thông” đã ổn định và sinh lời, chúng ta mới kết nối nút “Năng lượng”. Đó là cách duy nhất để xây dựng một thành phố thông minh bền vững, từng bước một, thay vì cố gắng “đun sôi cả đại dương”.

Tài liệu tham khảo:

Bài viết được tổng hợp và phân tích dựa trên các nguồn nghiên cứu uy tín:

• Về nguyên nhân thất bại và tư duy quản trị: ³
• Về khái niệm “Đầm lầy dữ liệu” và quản trị dữ liệu: ¹⁰
• Về kiến trúc Microservices và ứng dụng trong Smart City: ¹³
• Về các tiêu chuẩn dữ liệu (GTFS) và kỹ thuật cảm biến: ¹⁹
• Về thực tiễn tại Việt Nam (Hà Nội, TP.HCM, Đà Nẵng): ⁴

1. Creating Smart Cities through Digital Twins | NTT R&D Website, accessed January 6, 2026, https://www.rd.ntt/e/research/JN202403_25281.html
2. [2309.13394] Smart City Digital Twin Framework for Real-Time Multi-Data Integration and Wide Public Distribution – arXiv, accessed January 6, 2026, https://arxiv.org/abs/2309.13394
3. Why Digital Twins Fail (And How To Avoid It) – VIATechnik, accessed January 6, 2026, https://www.viatechnik.com/insights/blog/why-digital-twins-fail/
4. Ha Noi unveils five-year plan for smart city development, accessed January 6, 2026, https://thanglong.chinhphu.vn/english/ha-noi-unveils-five-year-plan-for-smart-city-development-110250918143301581.htm
5. Vietnam charts path to mature smart cities with AI at the core, accessed January 6, 2026, https://vir.com.vn/vietnam-charts-path-to-mature-smart-cities-with-ai-at-the-core-143744.html
6. Why Digital Twin Projects Fail And How to Fix the Data Layer – ContextClue, accessed January 6, 2026, https://context-clue.com/blog/why-digital-twin-projects-fail-and-how-to-fix-the-data-layer/
7. Trends in Digital Twin Framework Architectures for Smart Cities: A Case Study in Smart Mobility – MDPI, accessed January 6, 2026, https://www.mdpi.com/1424-8220/24/5/1665
8. Why Digital Twins Fail, and How to Actually Make Them Work – e-Magic, accessed January 6, 2026, https://www.e-magic.ca/post/why-digital-twins-fail-and-how-to-actually-make-them-work
9. Why Digital Twins fail… and how to achieve actual benefits – Insights – M2P Consulting, accessed January 6, 2026, https://www.m2p.net/updates/why-digital-twins-fail-and-how-to-achieve-actual-benefits
10. Data swamp là gì? | Từ điển Anh – Việt – ZIM Dictionary, accessed January 6, 2026, https://dictionary.zim.vn/anh-viet/data-swamp
11. Data swamp – Thách thức dữ liệu doanh nghiệp phải đối mặt trong kỷ nguyên số – DTSoft, accessed January 6, 2026, https://dtsoft.vn/data-swamp-thach-thuc-du-lieu-doanh-nghiep-phai-doi-mat-trong-ky-nguyen-so-cttt276.html
12. Why Digital Twins Fail Without the Right Data Foundation | Informatica, accessed January 6, 2026, https://www.informatica.com/blogs/why-digital-twins-fail-without-the-right-data-foundation.html
13. Monolithic vs Microservices – Difference Between Software Development Architectures, accessed January 6, 2026, https://aws.amazon.com/compare/the-difference-between-monolithic-and-microservices-architecture/
14. Microservices vs. monolithic architecture – Atlassian, accessed January 6, 2026, https://www.atlassian.com/microservices/microservices-architecture/microservices-vs-monolith
15. Monolithic vs. Microservices Architecture – IBM, accessed January 6, 2026, https://www.ibm.com/think/topics/monolithic-vs-microservices
16. Digital Twinning for Microservice Architectures – Illinois Experts, accessed January 6, 2026, https://experts.illinois.edu/en/publications/digital-twinning-for-microservice-architectures/
17. Smart City Digital Twins: A Modular and Adaptive Architecture for Real-Time Data-Driven Urban Management, accessed January 6, 2026, https://servicearchitecture.wp.imtbs-tsp.eu/files/2024/09/1571071812-final.pdf
18. Digital Twin Micro-Services Architecture to Support a Scenario-based Integration of Smart Mobility Services and Simulations, accessed January 6, 2026, https://annals-csis.org/Volume_43/drp/pdf/8576.pdf
19. What is GTFS? – General Transit Feed Specification, accessed January 6, 2026, https://gtfs.org/getting-started/what-is-GTFS/
20. Optimizing traffic management in Danang: a comparative study of multi-object tracking techniques for real-time vehicle flow monitoring, accessed January 6, 2026, https://jst-ud.vn/jst-ud/article/view/8995
21. [2111.00941] Turning Traffic Monitoring Cameras into Intelligent Sensors for Traffic Density Estimation – arXiv, accessed January 6, 2026, https://arxiv.org/abs/2111.00941
22. Ha Noi pilots smart traffic system, accessed January 6, 2026, https://thanglong.chinhphu.vn/english/ha-noi-pilots-smart-traffic-system-11024060415024132.htm
23. Hanoi to pilot smart transportation system from June 2024, accessed January 6, 2026, https://www.hanoicreativecity.com/en/hanoi-pilot-smart-transportation-system-june-2024/
24. TP.HCM lần đầu thử nghiệm giao hàng bằng UAV, accessed January 6, 2026, https://tapchihangkhong.vn/tp-hcm-lan-dau-thu-nghiem-giao-hang-bang-uav-8613.html
25. Tích hợp GIS – BIM xây dựng bản sao số đô thị trong quản trị hiện đại, accessed January 6, 2026, https://tapchixaydung.vn/tich-hop-gis-bim-xay-dung-ban-sao-so-do-thi-trong-quan-tri-hien-dai-20201224000035579.html
26. ‘Từ 13-12, hệ thống camera AI chính thức hoạt động tại Đà Nẵng’ là tin thất thiệt, accessed January 6, 2026, https://tuoitre.vn/tu-13-12-he-thong-camera-ai-chinh-thuc-hoat-dong-tai-da-nang-la-tin-that-thiet-20251213075134849.htm
27. Hiệu quả mô hình “Camera an ninh giao thông” ở Đà Nẵng – Báo Công an Nhân dân điện tử, accessed January 6, 2026, https://cand.com.vn/giao-thong/hieu-qua-mo-hinh-camera-an-ninh-giao-thong-o-da-nang-i792001/
28. Building Smart Cities With Digital Twins and Agentic AI – YouTube, accessed January 6, 2026, https://www.youtube.com/watch?v=BJpBp2gwk2Y
29. City information modelling and urban digital twins – IEC, accessed January 6, 2026, https://www.iec.ch/system/files/2024-04/iec_tec_cim_udt_en.pdf
30. TP.HCM xây dựng mô hình quản lý giao thông thông minh, accessed January 6, 2026, https://ttbc-hcm.gov.vn/tp-hcm-xay-dung-mo-hinh-quan-ly-giao-thong-thong-minh-1013776.html