Tổng quan nghiên cứu

Ùn tắc giao thông (UTGT) là một trong những vấn đề nghiêm trọng ảnh hưởng đến phát triển kinh tế - xã hội tại các đô thị lớn, đặc biệt là tại Thành phố Hồ Chí Minh (TP.HCM). Theo thống kê năm 2018, dân số TP.HCM đạt khoảng 10 triệu người, với mật độ phương tiện giao thông ngày càng tăng, dẫn đến tình trạng UTGT diễn ra phức tạp và kéo dài. Mỗi năm, thiệt hại do UTGT gây ra ước tính lên đến hàng chục nghìn tỷ đồng, đồng thời làm tăng ô nhiễm môi trường và giảm chất lượng cuộc sống người dân. Nghiên cứu này nhằm xây dựng hệ thống cảnh báo ùn tắc giao thông dựa trên phân tích dữ liệu lớn (big data) thu thập từ nhiều nguồn khác nhau như GPS trên xe buýt, ứng dụng di động và các hệ thống giao thông khác tại TP.HCM trong giai đoạn 2019-2020.

Mục tiêu chính của luận văn là phát triển các mô hình khai phá và phân tích dữ liệu nhằm dự báo chính xác tình trạng giao thông khi dữ liệu thời gian thực bị thiếu hụt, từ đó mở rộng phạm vi giám sát và nâng cao hiệu quả cảnh báo UTGT. Phạm vi nghiên cứu tập trung trên địa bàn TP.HCM, với dữ liệu thu thập từ các tuyến đường trọng điểm và các khung thời gian khác nhau trong ngày, đặc biệt là các khung giờ cao điểm. Kết quả nghiên cứu có ý nghĩa quan trọng trong việc hỗ trợ các nhà quản lý giao thông đưa ra các quyết định điều hành kịp thời, góp phần giảm thiểu UTGT và nâng cao chất lượng dịch vụ giao thông đô thị.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai khung lý thuyết chính: lý thuyết khai phá dữ liệu (Data Mining) và mô hình phân tích dữ liệu lớn (Big Data Analytics). Khai phá dữ liệu là quá trình khám phá các mẫu, quy luật tiềm ẩn trong tập dữ liệu lớn nhằm hỗ trợ ra quyết định. Big Data được đặc trưng bởi 5V: Volume (khối lượng lớn), Velocity (tốc độ cao), Variety (đa dạng), Veracity (độ tin cậy) và Value (giá trị thông tin).

Các khái niệm chuyên ngành quan trọng bao gồm:

  • Tình trạng giao thông (Traffic State): Mức độ lưu thông trên các đoạn đường, được phân loại theo các mức độ từ thông thoáng đến ùn tắc nặng.
  • Mô hình phân loại (Classification Model): Thuật toán học máy dùng để phân loại dữ liệu giao thông thành các nhóm trạng thái khác nhau.
  • Dữ liệu chia sẻ (Crowd-sourced Data): Dữ liệu thu thập từ người dùng qua ứng dụng di động, thiết bị GPS.
  • Mô hình dự báo (Prediction Model): Mô hình sử dụng dữ liệu lịch sử để dự báo tình trạng giao thông trong tương lai.

Phương pháp nghiên cứu

Nguồn dữ liệu chính bao gồm:

  • Dữ liệu GPS từ xe buýt do nhóm nghiên cứu thu thập trực tiếp qua ứng dụng di động Android trong 2 tuần, với hơn 31,000 bản ghi ban đầu, sau xử lý còn khoảng 18,000 bản ghi hợp lệ.
  • Dữ liệu giao thông từ nhà cung cấp TomTom, thu thập qua API công khai, với hơn 2,500 bản ghi dữ liệu truy vấn mỗi tài khoản.
  • Dữ liệu từ hệ thống camera giám sát và các ứng dụng cảnh báo giao thông của Sở Giao thông Vận tải TP.HCM.

Phương pháp phân tích sử dụng các thuật toán học máy như Random Forest, Decision Tree, Naive Bayes và Support Vector Machine (SVM) để xây dựng mô hình phân loại tình trạng giao thông dựa trên các đặc trưng như vận tốc trung bình, thời gian, ngày trong tuần và khung giờ cao điểm. Cỡ mẫu dữ liệu huấn luyện khoảng 4,758 bản ghi sau khi chuẩn hóa và gán nhãn theo mức độ ùn tắc (LOS A/B đến F). Phương pháp chọn mẫu là lấy toàn bộ dữ liệu thu thập được trong các khung giờ cao điểm và các tuyến đường trọng điểm nhằm đảm bảo tính đại diện. Timeline nghiên cứu kéo dài từ tháng 2 đến tháng 7 năm 2020, bao gồm thu thập, xử lý dữ liệu, xây dựng và đánh giá mô hình.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Hiệu quả mô hình Random Forest trong phân loại tình trạng giao thông: Mô hình đạt F1-score trung bình khoảng 72,6% trên dữ liệu thu thập tại tuyến đường Cộng Hòa chiều từ Bà Quẹo đến Tân Bình, cao hơn so với Decision Tree (61,5%). Điều này cho thấy Random Forest có khả năng xử lý dữ liệu phức tạp và đa chiều tốt hơn.

  2. Tính khả thi của việc dự báo tình trạng giao thông khi thiếu dữ liệu thời gian thực: Mô hình khai phá dữ liệu dựa trên dữ liệu lịch sử và dữ liệu chia sẻ từ người dùng có thể dự báo chính xác tình trạng giao thông với độ chính xác trên 70% trong các khung giờ cao điểm.

  3. Phân tích dữ liệu lớn giúp mở rộng phạm vi giám sát: Việc tích hợp dữ liệu từ nhiều nguồn như GPS xe buýt, ứng dụng di động và TomTom giúp mở rộng phạm vi giám sát lên đến hơn 260 đoạn đường (segment) trên bản đồ OSM, tăng khả năng cảnh báo sớm UTGT.

  4. Ảnh hưởng của khung thời gian và ngày trong tuần đến tình trạng giao thông: Dữ liệu phân tích cho thấy tình trạng ùn tắc thường nghiêm trọng hơn vào các khung giờ cao điểm sáng và chiều, đặc biệt vào các ngày làm việc trong tuần so với cuối tuần, phù hợp với các nghiên cứu trước đây.

Thảo luận kết quả

Nguyên nhân chính của hiệu quả mô hình Random Forest là do khả năng kết hợp nhiều cây quyết định giúp giảm thiểu hiện tượng overfitting và tăng độ chính xác phân loại. So sánh với các nghiên cứu trong nước và quốc tế, kết quả này phù hợp với xu hướng ứng dụng học máy trong dự báo giao thông. Việc sử dụng dữ liệu chia sẻ từ người dùng qua ứng dụng di động giúp bổ sung dữ liệu thời gian thực, khắc phục hạn chế thiếu hụt dữ liệu truyền thống từ các cảm biến cố định.

Dữ liệu lớn với đa dạng nguồn và tính chất phức tạp đòi hỏi các kỹ thuật xử lý và khai phá dữ liệu tiên tiến để đảm bảo tính chính xác và kịp thời của cảnh báo. Việc phân tích theo khung thời gian và ngày trong tuần giúp mô hình dự báo sát với thực tế vận hành giao thông, từ đó hỗ trợ các nhà quản lý điều chỉnh kế hoạch giao thông phù hợp.

Dữ liệu và kết quả có thể được trình bày qua các biểu đồ F1-score, Precision, Recall của các mô hình trên từng tuyến đường và khung giờ, cũng như bản đồ nhiệt thể hiện mức độ ùn tắc theo thời gian và không gian.

Đề xuất và khuyến nghị

  1. Triển khai hệ thống cảnh báo UTGT dựa trên mô hình Random Forest: Áp dụng mô hình đã huấn luyện để cảnh báo sớm tình trạng ùn tắc trên các tuyến đường trọng điểm, tập trung vào các khung giờ cao điểm. Chủ thể thực hiện: Sở Giao thông Vận tải TP.HCM. Thời gian: 6 tháng đầu sau khi nghiệm thu nghiên cứu.

  2. Mở rộng thu thập dữ liệu chia sẻ từ người dân: Phát triển và khuyến khích sử dụng ứng dụng di động thu thập dữ liệu giao thông từ người dùng nhằm tăng độ phủ và độ chính xác của dữ liệu. Chủ thể thực hiện: Các đơn vị phát triển phần mềm, phối hợp với Sở Thông tin và Truyền thông. Thời gian: 12 tháng.

  3. Tích hợp dữ liệu từ nhiều nguồn và cập nhật mô hình thường xuyên: Xây dựng hệ thống tích hợp dữ liệu từ GPS, camera, TomTom và các nguồn khác, đồng thời cập nhật mô hình dự báo theo lịch trình để đảm bảo tính kịp thời và chính xác. Chủ thể thực hiện: Trung tâm Quản lý giao thông đô thị. Thời gian: liên tục.

  4. Đào tạo và nâng cao năng lực cho cán bộ quản lý giao thông: Tổ chức các khóa đào tạo về khai phá dữ liệu và ứng dụng học máy trong quản lý giao thông nhằm nâng cao hiệu quả vận hành hệ thống cảnh báo. Chủ thể thực hiện: Các trường đại học, viện nghiên cứu phối hợp với Sở Giao thông. Thời gian: 6-12 tháng.

Đối tượng nên tham khảo luận văn

  1. Nhà quản lý giao thông đô thị: Sử dụng kết quả nghiên cứu để xây dựng các chính sách điều hành giao thông, giảm thiểu ùn tắc và nâng cao hiệu quả vận hành hệ thống giao thông.

  2. Các nhà nghiên cứu và sinh viên ngành công nghệ thông tin, quản lý đô thị: Tham khảo phương pháp khai phá dữ liệu lớn và ứng dụng học máy trong lĩnh vực giao thông, làm cơ sở cho các nghiên cứu tiếp theo.

  3. Doanh nghiệp phát triển phần mềm và ứng dụng giao thông thông minh: Áp dụng mô hình và kỹ thuật phân tích dữ liệu để phát triển các sản phẩm cảnh báo và dự báo giao thông chính xác, phục vụ người dùng.

  4. Cơ quan quản lý dữ liệu và công nghệ thông tin: Tham khảo quy trình thu thập, xử lý và tích hợp dữ liệu lớn trong lĩnh vực giao thông, từ đó xây dựng hệ thống dữ liệu mở và chia sẻ hiệu quả.

Câu hỏi thường gặp

  1. Hệ thống cảnh báo ùn tắc giao thông dựa trên dữ liệu lớn có ưu điểm gì so với phương pháp truyền thống?
    Hệ thống sử dụng dữ liệu lớn và học máy giúp dự báo chính xác hơn, mở rộng phạm vi giám sát và cảnh báo kịp thời khi dữ liệu thời gian thực bị thiếu hụt. Ví dụ, mô hình Random Forest đạt F1-score trên 70%, cao hơn nhiều so với các phương pháp thống kê truyền thống.

  2. Nguồn dữ liệu nào được sử dụng trong nghiên cứu này?
    Dữ liệu được thu thập từ GPS xe buýt, ứng dụng di động Android, hệ thống camera giám sát của Sở Giao thông Vận tải TP.HCM và dữ liệu từ nhà cung cấp TomTom qua API công khai.

  3. Làm thế nào để xử lý dữ liệu bị thiếu hoặc nhiễu trong quá trình phân tích?
    Nghiên cứu áp dụng các bước tiền xử lý như lọc dữ liệu nhiễu, chuẩn hóa vận tốc, gom nhóm dữ liệu theo khung thời gian 5 phút và gán nhãn dựa trên bảng phân loại mức độ ùn tắc để đảm bảo chất lượng dữ liệu đầu vào cho mô hình.

  4. Mô hình học máy nào được đánh giá hiệu quả nhất trong nghiên cứu?
    Mô hình Random Forest được đánh giá cao nhất với độ chính xác và F1-score khoảng 72,6%, vượt trội hơn so với Decision Tree và các thuật toán khác như Naive Bayes hay SVM.

  5. Ứng dụng thực tiễn của hệ thống cảnh báo này là gì?
    Hệ thống giúp các nhà quản lý giao thông theo dõi và dự báo tình trạng ùn tắc, từ đó đưa ra các biện pháp điều chỉnh luồng giao thông, giảm thiểu thời gian kẹt xe và nâng cao chất lượng dịch vụ giao thông đô thị.

Kết luận

  • Nghiên cứu đã xây dựng thành công mô hình khai phá dữ liệu lớn dự báo tình trạng ùn tắc giao thông tại TP.HCM dựa trên dữ liệu GPS, ứng dụng di động và TomTom.
  • Mô hình Random Forest cho kết quả phân loại chính xác nhất với F1-score trên 70%, phù hợp để triển khai thực tế.
  • Việc tích hợp dữ liệu đa nguồn giúp mở rộng phạm vi giám sát và nâng cao hiệu quả cảnh báo UTGT.
  • Kết quả nghiên cứu cung cấp cơ sở khoa học cho các nhà quản lý giao thông trong việc điều hành và giảm thiểu ùn tắc.
  • Các bước tiếp theo bao gồm triển khai hệ thống cảnh báo trên diện rộng, mở rộng thu thập dữ liệu chia sẻ và đào tạo nhân lực vận hành.

Hành động ngay hôm nay: Các cơ quan quản lý và doanh nghiệp công nghệ nên phối hợp triển khai thử nghiệm hệ thống cảnh báo dựa trên mô hình này để góp phần cải thiện tình trạng giao thông tại TP.HCM.