Luận văn thạc sĩ kỹ thuật xây dựng nghiên cứu mô hình phát hiện sự cố giao thông dựa trên mô phỏng dòng xe hỗn hợp ở thành phố hồ chí minh

Nghiên cứu mô hình phát hiện sự cố giao thông tại TP Hồ Chí Minh dựa trên mô phỏng dòng xe hỗn hợp, góp phần cải thiện an toàn giao thông.

• Tác giả: Vũ Xuân Thủy
• Người hướng dẫn: TS. Văn Hồng Tấn
• Trường học: Đại học Bách Khoa - ĐHQG TP.HCM
• Chuyên ngành: Xây dựng đường ô tô và đường thành phố
• Đề tài: Mô Hình Phát Hiện Sự Cố Giao Thông Tại TP.HCM Dựa Trên Simulink Dòng Xe Hỗn Hợp
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2014
• Địa điểm: TP.HCM

Mục lục chi tiết

• LỜI CẢM ƠN
• TÓM TẮT LUẬN VĂN
• LỜI CAM ĐOAN
• DANH MỤC TỪ VIẾT TẮT
• DANH SÁCH CÁC HÌNH
• DANH SÁCH BẢNG BIỂU
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. ĐẶT VẤN ĐỀ NGHIÊN CỨU
• 1.2. CƠ SỞ HÌNH THÀNH ĐỀ TÀI
• 1.3. MỤC ĐÍCH NGHIÊN CỨU
• 1.4. GIẢ THUYẾT KHOA HỌC CỦA ĐỀ TÀI NGHIÊN CỨU
• 1.5. PHẠM VI VÀ GIỚI HẠN NGHIÊN CỨU
• 1.5.1. Phạm vi nghiên cứu
• 1.5.2. Giới hạn nghiên cứu
• 1.6. BỐ TRÍ LUẬN VĂN
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. CÁC NGHIÊN CỨU TRƯỚC ĐÂY
• 2.1.1. Các nghiên cứu trong nước
• 2.1.2. Các nghiên cứu ngoài nước
• 2.2. Lý thuyết về mô phỏng giao thông
• 2.3. Lý thuyết về nhận biết sự cố
• 3. CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. PHƯƠNG PHÁP MÔ PHỎNG
• 3.2. PHƯƠNG PHÁP MÔ HÌNH GIẢ LẬP SỰ CỐ GIAO THÔNG BẰNG ĐÈN TÍN HIỆU TRONG VISSIM
• 3.2.1. Đèn tín hiệu giao thông
• 3.2.2. Giả lập sự cố giao thông bằng đèn tín hiệu giao thông
• 3.3. PHƯƠNG PHÁP MÔ HÌNH PHÁT HIỆN SỰ CỐ GIAO THÔNG
• 3.3.1. Khoảng cách bố trí detector
• 3.3.2. Vị trí xảy ra sự cố
• 3.3.3. Thời gian phát hiện sự cố giao thông
• 3.4. THU THẬP SỐ LIỆU
• 3.4.1. Dữ liệu đầu vào
• 3.4.2. Hoạt động thu thập dữ liệu
• 3.4.3. Dữ liệu đầu ra
• 3.4.4. Phương pháp xử lý dữ liệu đầu vào cho phân tích thống kê SPSS
• 3.5. MÔ HÌNH PHÂN TÍCH – HỒI QUY
• 3.5.1. Phân tích hồi quy
• 3.5.2. Sơ lược về phần mềm SPSS
• 3.5.3. Sơ lược về hồi quy cấp bậc (Odinal regression)
• 4. CHƯƠNG 4: NỘI DUNG NGHIÊN CỨU
• 4.1. NỘI DUNG CẦN THỰC HIỆN TRONG PHẠM VI NGHIÊN CỨU CỦA ĐỀ TÀI
• 4.2. TRÌNH TỰ QUÁ TRÌNH NGHIÊN CỨU MÔ PHỎNG PHÁT HIỆN SỰ CỐ CỦA MÔ HÌNH
• 4.3. CƠ SỞ DỮ LIỆU CHO MÔ HÌNH HỒI QUY CẤP BẬC
• 4.3.1. Dữ liệu cho trường hợp xảy ra sự cố
• 4.3.2. Dữ liệu cho trường hợp không xảy ra sự cố
• 4.4. PHƯƠNG PHÁP ƯỚC LƯỢNG THAM SỐ MÔ HÌNH
• 4.4.1. Xác định sự cố
• 4.4.2. Phương pháp mô hình thứ bậc (Ordinal Model)
• 4.5. ƯỚC LƯỢNG THAM SỐ CỦA MÔ HÌNH (PARAMETER ESTIMATES) PHÁT HIỆN SỰ CỐ TRONG TRƯỜNG HỢP KHOẢNG CÁCH GIỮA HAI DETECTOR LÀ 500M
• 4.5.1. Khoảng thời gian thu thập dữ liệu Δt = 10s , thời gian phát hiện là 40s sau khi có sự cố xảy ra
• 4.5.2. Khoảng thời gian thu thập dữ liệu Δt = 10 s , thời gian phát hiện là 60s sau khi có sự cố xảy ra
• 4.5.3. Khoảng thời gian thu thập dữ liệu Δt = 10s , thời gian phát hiện là 80s sau khi có sự cố xảy ra
• 4.5.4. Khoảng thời gian thu thập dữ liệu Δt = 20 s , thời gian phát hiện là 40s sau khi có sự cố xảy ra
• 4.5.5. Khoảng thời gian thu thập dữ liệu Δt = 20 s , thời gian phát hiện là 60s sau khi có sự cố xảy ra
• 4.5.6. Khoảng thời gian thu thập dữ liệu Δt = 20 s , thời gian phát hiện là 80s sau khi có sự cố xảy ra
• 4.6. ƯỚC LƯỢNG THAM SỐ CỦA MÔ HÌNH (PARAMETER ESTIMATES) PHÁT HIỆN SỰ CỐ TRONG TRƯỜNG HỢP KHOẢNG CÁCH GIỮA HAI DETECTOR LÀ 700M
• 4.6.1. Khoảng thời gian thu thập dữ liệu Δt = 10s , thời gian phát hiện là 40s sau khi có sự cố xảy ra
• 4.6.2. Khoảng thời gian thu thập dữ liệu Δt = 10s , thời gian phát hiện là 60s sau khi có sự cố xảy ra
• 4.6.3. Khoảng thời gian thu thập dữ liệu Δt = 10s , thời gian phát hiện là 80s sau khi có sự cố xảy ra
• 4.6.4. Khoảng thời gian thu thập dữ liệu Δt = 20 s , thời gian phát hiện là 40s sau khi có sự cố xảy ra
• 4.6.5. Khoảng thời gian thu thập dữ liệu Δt = 20 s , thời gian phát hiện là 60s sau khi có sự cố xảy ra
• 4.6.6. Khoảng thời gian thu thập dữ liệu Δt = 20 s , thời gian phát hiện là 80s sau khi có sự cố xảy ra
• 4.7. KẾT QUẢ ĐÁNH GIÁ MÔ HÌNH
• 5. CHƯƠNG 5: KẾT LUẬN VÀ KIẾN NGHỊ
• 5.1. Kết luận
• 5.2. Kiến nghị
• ABSTRACT
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC

Tóm tắt

I. Tổng quan về mô hình phát hiện sự cố giao thông

Trong bối cảnh giao thông tại TP.HCM, việc phát hiện sớm các sự cố giao thông là rất quan trọng nhằm giảm thiểu tắc nghẽn và ô nhiễm môi trường. Mô hình phát hiện sự cố giao thông được xây dựng dựa trên Simulink, cho phép mô phỏng và phân tích các tình huống giao thông phức tạp. Dữ liệu thu thập từ các detector sẽ giúp xác định thời gian phát hiện sự cố, từ đó cung cấp thông tin kịp thời cho các cơ quan chức năng. Việc ứng dụng công nghệ giao thông hiện đại trong mô hình này không chỉ giúp cải thiện khả năng phát hiện mà còn nâng cao hiệu quả quản lý giao thông.

1.1. Cơ sở lý thuyết về mô phỏng giao thông

Mô phỏng giao thông là công cụ mạnh mẽ để phân tích và đánh giá các tình huống giao thông. Các nghiên cứu trước đây cho thấy rằng việc sử dụng Simulink trong mô phỏng giúp tạo ra các mô hình chính xác và hiệu quả. Mô hình này cho phép người sử dụng điều chỉnh các tham số và kiểm tra các kịch bản khác nhau để tối ưu hóa hoạt động giao thông. Việc áp dụng mô phỏng trong phát hiện sự cố giao thông tại TP.HCM được coi là một bước tiến quan trọng trong việc nâng cao hệ thống giao thông thông minh.

1.2. Phân tích dữ liệu và thuật toán phát hiện

Dữ liệu từ các detector sẽ được thu thập và phân tích để xác định tỷ lệ thời gian choáng chỗ (occupancy rate). Việc phân tích này sử dụng phần mềm SPSS để ước lượng các tham số của mô hình. Thuật toán phát hiện sự cố được xây dựng dựa trên các dữ liệu thu thập được, giúp xác định thời gian phát hiện sự cố một cách chính xác. Điều này không chỉ giúp giảm thiểu thời gian phản ứng mà còn tối ưu hóa việc điều phối giao thông trong khu vực có sự cố.

II. Thực trạng giao thông tại TP

Giao thông tại TP.HCM đang đối mặt với nhiều thách thức lớn, bao gồm tình trạng ùn tắc và tai nạn giao thông. Sự cố giao thông không chỉ làm tăng thời gian di chuyển mà còn gây ô nhiễm môi trường nghiêm trọng. Việc phát hiện sớm và xử lý kịp thời các sự cố là rất cần thiết. Phân tích giao thông hiện nay cho thấy rằng việc cải thiện quản lý giao thông là một trong những giải pháp quan trọng để giảm thiểu tình trạng này. Các giải pháp công nghệ hiện đại như mô phỏng giao thông và các hệ thống giám sát sẽ đóng vai trò quan trọng trong việc nâng cao hiệu quả quản lý.

2.1. Nguyên nhân gây ra sự cố giao thông

Có nhiều nguyên nhân dẫn đến sự cố giao thông tại TP.HCM, bao gồm sự gia tăng nhanh chóng của phương tiện giao thông, cơ sở hạ tầng chưa đáp ứng kịp thời, và việc quản lý giao thông chưa hiệu quả. Những yếu tố này không chỉ làm gia tăng tình trạng ùn tắc mà còn làm giảm chất lượng cuộc sống của người dân. Việc áp dụng công nghệ giao thông thông minh sẽ giúp cải thiện tình hình này đáng kể.

2.2. Giải pháp ứng dụng công nghệ trong quản lý giao thông

Để giải quyết các vấn đề trong giao thông, việc áp dụng công nghệ là rất cần thiết. Các giải pháp như lắp đặt camera giám sát, sử dụng detector để thu thập dữ liệu, và phát triển các ứng dụng giao thông thông minh sẽ giúp cải thiện khả năng phát hiện và quản lý sự cố. Những công nghệ này không chỉ giúp phát hiện sớm các sự cố mà còn hỗ trợ việc điều phối giao thông hiệu quả hơn, giảm thiểu tình trạng ùn tắc.

Nội dung chính

Tổng quan nghiên cứu

Ùn tắc và tai nạn giao thông đô thị đang là thách thức nghiêm trọng tại các đô thị lớn ở Việt Nam, đặc biệt là Thành phố Hồ Chí Minh nơi mật độ phương tiện cá nhân rất cao. Thống kê thực tế cho thấy xe máy chiếm tới 87% tổng lưu lượng phương tiện, tạo nên dòng giao thông hỗn hợp phức tạp và thường xuyên xảy ra sự cố đột xuất. Khi một sự cố diễn ra trên các trục đường huyết mạch, năng lực thông hành bị sụt giảm tức thì, kéo theo hiện tượng ùn tắc lan rộng, làm gia tăng thời gian di chuyển và mức độ ô nhiễm môi trường. Việc phát hiện sự cố thủ công qua tuần tra hay phản ánh từ người dân thường mất từ 15 đến 30 phút, khiến công tác giải tỏa hiện trường gặp nhiều chậm trễ.

Mục tiêu trọng tâm của nghiên cứu là xây dựng mô hình tự động phát hiện sự cố giao thông (Automatic Incident Detection - AID) dựa trên công nghệ mô phỏng dòng xe vi mô kết hợp thuật toán hồi quy cấp bậc. Đề tài tập trung xác định khoảng cách bố trí tối ưu giữa các trạm cảm biến thu thập dữ liệu (detector), thiết lập chu kỳ lấy mẫu dữ liệu và tìm ra ngưỡng thời gian phát hiện sớm nhất với độ chính xác cao.

Phạm vi thực nghiệm được triển khai trên đoạn đường thẳng dài 750m thuộc tuyến Cách Mạng Tháng 8, Quận 3, Thành phố Hồ Chí Minh với quy mô 2 làn xe và lưu lượng thiết kế đạt 4.000 xe/giờ. Đóng góp nổi bật của luận văn là hoàn thiện cơ sở dữ liệu tỷ lệ thời gian choáng chỗ (Occupancy Rate), chứng minh tính khả thi của việc phát hiện sự cố trong khoảng thời gian từ 40 đến 60 giây, hỗ trợ đắc lực cho các cơ quan điều hành giao thông thông minh tối ưu hóa khả năng can thiệp hiện trường.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu ứng dụng nền tảng lý thuyết dòng xe vi mô và lý thuyết sóng xung kích (Shockwave Theory) do Lighthill, Whitham và Richards phát triển. Khi một làn xe bị phong tỏa bởi sự cố, vận tốc dòng xe suy giảm đột ngột và mật độ tăng nhanh, tạo nên sóng xung kích lan truyền ngược về phía thượng lưu với vận tốc xác định theo công thức tỷ số giữa độ biến thiên lưu lượng và độ biến thiên mật độ.

Bên cạnh đó, tác giả sử dụng mô hình hồi quy logistic thứ bậc (Ordinal Logistic Regression hay Polytomous Universal Model - PLUM) với hàm liên kết Logit để ước lượng xác suất xảy ra sự cố. Mô hình tích hợp các khái niệm học thuật cốt lõi bao gồm:

• Tỷ lệ thời gian choáng chỗ (Occupancy Rate - ký hiệu là $X_1$ tại thượng lưu và $X_2$ tại hạ lưu), đo lường tỷ lệ phần trăm thời gian cảm biến ghi nhận có xe hiện diện.
• Tỷ lệ phát hiện đúng (Detection Rate - DR), đo lường phần trăm sự cố thực tế được hệ thống nhận diện chuẩn xác.
• Tỷ lệ cảnh báo sai (False Alarm Rate - FAR), phản ánh tỷ số giữa số lần báo động giả trên tổng số lần quan sát.
• Thời gian phát hiện trung bình (Mean Time To Detection - MTTD), xác định khoảng trễ từ khi phát sinh tai nạn đến khi hệ thống đưa ra cảnh báo.

Mô hình cũng kế thừa các nguyên lý so sánh chênh lệch dữ liệu từ thuật toán kinh điển California (TSC-2) nhưng được cải tiến để tương thích hoàn toàn với dòng xe hỗn hợp không phân làn cứng.

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp mô phỏng vi mô thông qua phần mềm VISSIM kết hợp mô-đun lập trình điều khiển VAP (Vehicle Actuated Programming). Lý do lựa chọn mô phỏng vi mô là khả năng tái lập chi tiết các hành vi bám đuôi, vượt xe và luồn lách của từng phương tiện cá nhân trong điều kiện thực tế của tuyến đường Cách Mạng Tháng 8 mà không gây xáo trộn giao thông thực địa.

Cỡ mẫu nghiên cứu gồm 110 tập dữ liệu hoàn chỉnh, được chia cân bằng thành 55 mẫu trong điều kiện lưu thông bình thường và 55 mẫu trong điều kiện phát sinh sự cố giao thông. Phương pháp chọn mẫu được thực hiện thông qua việc chạy hơn 100 kịch bản mô phỏng độc lập với 5 bộ hạt giống ngẫu nhiên (random seeds: 30, 33, 36, 39, 42) trên tổng thời gian mô phỏng 1.200 giây mỗi kịch bản. Sự cố được tạo lập cưỡng bức tại giây thứ 600 bằng cách kích hoạt tín hiệu đèn đỏ thông qua file mã nguồn VAP trên một làn xe.

Dữ liệu thô định dạng .trc ghi nhận tỷ lệ choáng chỗ được trích xuất từ 2 trạm detector với khoảng cách thử nghiệm là 500m và 700m, tại 11 vị trí sự cố khác nhau. Các bước tính toán hiệu số tuyệt đối trước và sau thời điểm quan trắc được tổng hợp trên MS Excel trước khi đưa vào phần mềm SPSS để thực hiện phân tích hồi quy cấp bậc.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Mô hình hồi quy cấp bậc cho thấy tỷ lệ choáng chỗ tại detector thượng lưu ($X_1$) và hạ lưu ($X_2$) phản ánh nhạy bén trạng thái tắc nghẽn cục bộ. Đối với kịch bản khoảng cách giữa 2 detector là 500m và chu kỳ thu thập dữ liệu $\Delta t = 10$ giây:

Thứ nhất, tại mốc thời gian phát hiện 40 giây sau khi sự cố phát sinh, giá trị Chi-Square đạt mức ý nghĩa thống kê cao với $p < 0,001$. Tham số ước lượng ngưỡng $\alpha$ đạt 1,305, hệ số hồi quy $\beta_1$ của biến $X_1$ đạt 0,039 (độ tin cậy 74,8%) và hệ số $\beta_2$ của biến $X_2$ đạt 0,197 (độ tin cậy 100%). Xác suất xuất hiện sự cố được biểu diễn chuẩn xác qua hàm logistic:

$$P(\text{Sự cố}) = \frac{1}{1 + e^{-(1,305 - (0,039 X_1 + 0,197 X_2))}}$$

Thứ hai, khi kéo dài cửa sổ quét lên 60 giây sau sự cố với cùng chu kỳ $\Delta t = 10$ giây, độ tin cậy của biến $X_1$ tăng vọt từ 74,8% lên 98,7% (mức ý nghĩa $p = 0,013$), trong khi biến $X_2$ giữ vững độ tin cậy tuyệt đối 100%. Tham số ngưỡng $\alpha$ tăng lên mức 3,234, giúp giảm thiểu đáng kể các dao động giả định của dòng xe máy.

Thứ ba, việc mở rộng khoảng cách detector lên 700m hoặc tăng khoảng thời gian thu thập dữ liệu lên $\Delta t = 20$ giây làm giảm độ nhạy phát hiện trong 40 giây đầu. Dữ liệu ghi nhận độ trễ nhận diện tăng thêm khoảng 20 đến 30 giây để đạt cùng mức độ tin cậy trên 95%.

Thảo luận kết quả

Cơ chế vật lý của hiện tượng bắt nguồn từ sự phân hóa mật độ dòng xe tại hai phía của vị trí va chạm. Phía trước sự cố (thượng lưu - trạm 1), dòng xe máy và ô tô bị ứ đọng khiến tỷ lệ choáng chỗ tăng vọt. Ngược lại, phía sau sự cố (hạ lưu - trạm 2), lượng xe thoát đi nhanh chóng nhưng không có xe mới bù vào, làm tỷ lệ choáng chỗ giảm sâu. Chênh lệch giá trị tuyệt đối giữa hai trạng thái này tạo ra sự bứt phá của hàm Logit.

Khi so sánh với thuật toán California truyền thống vốn thường xuyên cảnh báo sai ở các nước đang phát triển do xe máy không tuân thủ làn, mô hình hồi quy thứ bậc trên VISSIM đã khắc phục nhược điểm này bằng cách sử dụng giá trị trung bình trượt của cửa sổ thời gian. Kết quả phân tích thống kê trên SPSS có thể được biểu diễn rõ ràng qua bảng ước lượng tham số (Parameter Estimates) và biểu đồ tương quan giữa thời gian phát hiện (MTTD) với tỷ lệ phát hiện đúng (DR). Các số liệu chứng minh khoảng cách 500m và chu kỳ lấy mẫu 10 giây mang lại sự cân bằng tối ưu giữa chi phí đầu tư thiết bị và hiệu quả cảnh báo tắc nghẽn trong môi trường giao thông hỗn hợp với lưu lượng 4.000 xe/giờ.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu thực nghiệm, bốn nhóm giải pháp mang tính khả thi cao được đề xuất nhằm nâng cấp hệ thống giám sát giao thông đô thị:

• Lắp đặt hệ thống cảm biến vòng từ chuẩn hóa: Sở Giao thông Vận tải Thành phố Hồ Chí Minh cần chủ trì triển khai lắp đặt các cặp vòng cảm ứng từ (Loop Detector) với khoảng cách thiết kế tiêu chuẩn 500m trên các tuyến đường trục có tỷ lệ xe máy trên 80% (như Cách Mạng Tháng 8, Nam Kỳ Khởi Nghĩa, Điện Biên Phủ). Kế hoạch thực hiện theo lộ trình giai đoạn 2026 - 2027, hướng tới mục tiêu phủ kín 100% các nút giao thông phức tạp.
• Tích hợp thuật toán hồi quy cấp bậc vào trung tâm ITS: Trung tâm Quản lý Điều hành Giao thông Đô thị cần cập nhật phần mềm xử lý dữ liệu với chu kỳ thu thập $\Delta t = 10$ giây, cài đặt thuật toán tự động nhận diện sự cố để đạt mục tiêu rút ngắn thời gian phát hiện trung bình (MTTD) xuống dưới 60 giây, giảm tỷ lệ cảnh báo sai xuống dưới 3% trong quý IV/2026.
• Tự động hóa kịch bản điều khiển đèn tín hiệu phản ứng nhanh: Lực lượng Cảnh sát Giao thông phối hợp đơn vị quản lý đường bộ ứng dụng lập trình VAP để tự động kích hoạt pha đèn ưu tiên giải tỏa dòng xe thượng lưu ngay khi hệ thống phát hiện sự cố, giảm thời gian ùn tắc kéo dài ít nhất 35% trong vòng 10 phút đầu tiên sau va chạm.
• Xây dựng ngân hàng dữ liệu mô phỏng dòng xe hỗn hợp: Các viện nghiên cứu quy hoạch và trường đại học chuyên ngành cần mở rộng mô phỏng vi mô cho hơn 25 kịch bản giao thông đô thị đặc thù vào năm 2028, làm cơ sở khoa học hiệu chỉnh các hệ số $\alpha$ và $\beta$ phù hợp với từng điều kiện hình học đường khác nhau.

Đối tượng nên tham khảo luận văn

Nội dung luận văn mang lại giá trị học thuật và thực tiễn sâu sắc cho bốn nhóm đối tượng chuyên môn:

• Cơ quan quản lý và quy hoạch giao thông đô thị: Sử dụng tài liệu làm căn cứ khoa học để xây dựng tiêu chuẩn kỹ thuật lắp đặt hệ thống cảm biến trên đường bộ, xây dựng đề án giao thông thông minh (ITS) cho các thành phố loại đặc biệt với lưu lượng xe máy cao.
• Kỹ sư vận hành và phát triển hệ thống ITS: Khai thác phương pháp thiết lập mô-đun VAP trong VISSIM và công thức hàm hồi quy Logit để lập trình các thuật toán cảnh báo tự động trong thời gian thực tại các trung tâm giám sát camera và cảm biến.
• Giảng viên và chuyên gia nghiên cứu giao thông: Sử dụng công trình làm tài liệu tham khảo chất lượng cao về phương pháp kết hợp mô phỏng vi mô dòng xe hỗn hợp với mô hình kinh tế lượng/thống kê thứ bậc (PLUM Model) trong phân tích kỹ thuật công trình.
• Học viên cao học và sinh viên chuyên ngành Cầu đường, Giao thông: Nắm bắt quy trình xử lý dữ liệu thô .trc, kỹ năng thiết kế kịch bản mô phỏng và ứng dụng phần mềm SPSS trong việc giải quyết các bài toán kỹ thuật hạ tầng đô thị hiện đại.

Câu hỏi thường gặp

Mô-đun VAP trong VISSIM đóng vai trò gì trong quá trình nghiên cứu?
VAP (Vehicle Actuated Programming) là công cụ lập trình điều khiển trong VISSIM, cho phép thiết lập các hàm logic như IF-THEN-ELSE để kích hoạt đèn tín hiệu chuyển sang pha đỏ cưỡng bức tại giây thứ 600. Việc này giúp mô phỏng chính xác sự cố dừng xe đột ngột trên 1 làn đường và xuất file dữ liệu .trc ghi nhận tỷ lệ choáng chỗ phục vụ phân tích.

Tại sao nghiên cứu lại chọn tỷ lệ choáng chỗ (Occupancy Rate) thay vì vận tốc hay lưu lượng?
Trong dòng xe hỗn hợp với 87% là xe máy, vận tốc và lưu lượng thường biến động liên tục do hành vi luồn lách. Tỷ lệ choáng chỗ tại detector phản ánh chân thực nhất sự hiện diện vật lý của phương tiện trên mặt đường. Sự kết hợp chênh lệch tỷ lệ choáng chỗ giữa trạm thượng lưu và hạ lưu mang lại độ tin cậy phân tích đạt tới 98,7% - 100%.

Khoảng cách bố trí detector 500m có ưu thế gì vượt trội so với cự ly 700m?
Khoảng cách 500m đảm bảo sóng xung kích (Shockwave) lan truyền đến cảm biến nhanh chóng, cho phép hệ thống nhận diện bất thường chỉ sau 40 đến 60 giây. Cự ly 700m khiến thông tin phản hồi bị trễ thêm 20 - 30 giây và làm giảm độ sắc nét của dữ liệu đo đạc tại thời điểm ban đầu.

Ý nghĩa của các hệ số hồi quy trong hàm xác suất phát hiện sự cố là gì?
Trong phương trình hồi quy cấp bậc, hệ số $\alpha = 1,305$ đóng vai trò là ngưỡng chặn phân loại, trong khi các hệ số $\beta_1 = 0,039$ và $\beta_2 = 0,197$ biểu thị trọng số tác động của tỷ lệ choáng chỗ tại thượng lưu ($X_1$) và hạ lưu ($X_2$). Giá trị $\beta_2$ cao cho thấy sự sụt giảm lưu lượng ở trạm hạ lưu là dấu hiệu chỉ thị sự cố vô cùng mạnh mẽ.

Mô hình này có thể áp dụng cho các tuyến đường có làn xe dành riêng cho xe buýt không?
Hoàn toàn có thể áp dụng. Mô hình được xây dựng trên cơ sở dữ liệu dòng xe hỗn hợp gồm 87% xe máy, 8% xe con và 5% xe buýt. Khi áp dụng cho tuyến có làn ưu tiên, chỉ cần hiệu chỉnh lại thông số phân làn trong VISSIM và ước lượng lại bộ tham số $\beta$ trong SPSS để đạt độ chính xác tối ưu.

Kết luận

• Luận văn đã xây dựng thành công mô hình phát hiện sự cố giao thông tự động (AID) dành riêng cho dòng xe hỗn hợp tại Thành phố Hồ Chí Minh bằng việc kết hợp phần mềm mô phỏng VISSIM và hồi quy logistic thứ bậc.
• Xác định khoảng cách bố trí detector tối ưu là 500m và chu kỳ thu thập dữ liệu lý tưởng $\Delta t = 10$ giây, giúp cân bằng hoàn hảo giữa độ chính xác và chi phí lắp đặt.
• Thời gian phát hiện sự cố hiệu quả nhất là 60 giây sau khi phát sinh tai nạn, đưa độ tin cậy của biến thượng lưu đạt 98,7% và biến hạ lưu đạt 100%, giảm thiểu tối đa các cảnh báo sai.
• Đóng góp quan trọng nhất của đề tài là xây dựng hoàn chỉnh phương trình hàm xác suất toán học phục vụ tích hợp trực tiếp vào các trung tâm điều hành giao thông thông minh.
• Kế hoạch triển khai tiếp theo cần mở rộng tích hợp dữ liệu từ camera AI và vòng từ thực địa trên 10 tuyến đường huyết mạch trong giai đoạn 2026 - 2027.

Các cơ quan quản lý, nhà nghiên cứu và doanh nghiệp công nghệ giao thông hãy chủ động ứng dụng khung mô hình này nhằm hiện đại hóa hạ tầng điều hành và giảm thiểu triệt để ùn tắc giao thông đô thị.

Trích đoạn nội dung tài liệu

Chương 1: Tổng quan. ‐ Chương 2: Cơ sở lý thuyết. ‐ Chương 3: Phương pháp nghiên cứu. ‐ Chương 4: Nội dung nghiên cứu.

‐ Chương 5: Kết luận và kiến nghị. HV: Vũ Xuân Thủy MSHV: 12010336 GVHD: TS. Văn Hồng Tấn Trang 19 Luận văn Thạc sĩ Chuyên ngành xây dựng đường ôtô và đường thành phố Chương 2: CƠ SỞ LÝ THUYẾT 2. CÁC NGHIÊN CỨU TRƯỚC ĐÂY: 2.1 Các nghiên cứu trong nước: Ở nước ta hiện nay vẫn chưa có nghiên cứu nào ứng dụng phần mềm mô phỏng vissim để mô hình phát hiện sự cố giao thông.

Năm 2010, Đậu Thanh Hải “ Hỗ trợ phát hiện và thông báo ùn tắc giao thông trên ANDROID”, đề tài mô phỏng giải pháp cung cấp thông tin giao thông qua môi trường Internet và các thiết bị di động. Giải pháp được chọn là kết hợp Web Server chạy trên nền ASP.NET và phần mềm chạy trên thiết bị điện thoại di động Android. Năm 2014, Ngô Việt Đức “ Ứng dụng mô hình tác tử vào mô phỏng dòng xe hỗn hợp trên đường”. Mô phỏng giao thông dựa trên tác tử (Agent-Based Models) là một cách tiếp cận mới để mô phỏng dòng giao thông hỗn hợp với nhiều thành phần xe khác nhau trong dòng xe, bao gồm: Xe máy, xe ô tô, xe tải và xe buýt.

Đại diện cho các đối tượng trong dòng xe là các tác tử độc lập, tương tác lẫn nhau và tương tác với môi trường giao thông. Nghiên cứu sử dụng phần mềm Netlogo để xây dựng các mô hình mô phỏng, phương pháp mô phỏng dựa trên tác tử để đánh giá thông số khoảng cách – thời gian.2 Các nghiên cứu ngoài nước: Trên thế giới giải pháp mô phỏng giao thông đã có từ đầu những năm 1950 và đã và đang phát triển mạnh mẽ cùng với sự phát triển của máy tính. Các phần mềm mô phỏng ngày càng hoàn thiện phản ánh các trạng thái giao thông nên độ chính xác ngày càng được nâng cao. Trong những năm gần đây, một số phương pháp mới dùng theo dõi phát hiện sự cố đã được đề xuất.

Hai loại thuật toán được nghiên cứu để phát hiện sự cố: (1) phương pháp sử dụng công nghệ mạng hệ nơron thần kinh và (2) là phương pháp dựa trên mô hình phát hiện sự cố. HV: Vũ Xuân Thủy MSHV: 12010336 GVHD: TS. Văn Hồng Tấn Trang 20 Luận văn Thạc sĩ Chuyên ngành xây dựng đường ôtô và đường thành phố Để hạn chế vấn đề tắc nghẽn giao thông đồng thời tăng khả năng quản lý giao thông với nghiên cứu “phát hiện sự cố trên đường cao tốc bằng phương pháp mạng Bayes” của Zhang & Taylor (2004) đã đưa ra khả năng phát hiện sự cố giúp ngăn chặn làn kịp thời cũng như báo cáo vị trí sự cố và thời gian. Các thuật toán bao gồm hai phần chính : (1) Xử lý dữ liệu và (2) phát hiện sự cố.

Xử lý dữ liệu được thiết kế để xử lý chi tiết các số liệu tại vị trí đo lường của giao thông. Ùn tắc và phát hiện sự cố được thực hiện bởi mạng Bayes, được nghiên cứu sử dụng mô phỏng sự cố. Han và May (1989) đã phát triển một kỹ thuật để phát hiện sự cố trên đường phố được dựa trên dữ liệu khối lượng (volume) và thu thập dữ liệu occupancy từ hệ thống vòng lặp mỗi phút. Các số liệu được xử lý để xác định sự cố được phát hiện, trong đó 99% giá trị của số lượng xe, thời gian bị kẹt tại sự cố và tốc độ tại mỗi điểm phát hiện được sử dụng để xác định phạm vi ứng dụng.

Loại sự cố xảy ra như tắc nghẽn do làn xe hoặc tắc nghẽn do trục giao thông chính được phát hiện dựa trên các điều kiện hoạt động của máy phát hiện trong làn xe liền kề. Hệ thống này đã được ứng dụng trên một phần của trục giao thông chính ở Los Angeles. Chen và Chang (1993) đã đưa ra một hệ thống có khả năng phát hiện sự cố trong thời gian thực và điều tiết hoạt động giao thông bằng một loại máy ghi hình. Hệ thống bao gồm ba yếu tố: một mô hình dự báo lưu lượng xe, một mô hình xác định sự cố, và một quá trình theo dõi sự cố.

Mô hình dự báo lưu lượng xe giao thông dựa trên khái niệm mô phỏng, chức năng chính của mô hình này là để mô phỏng hoạt động giao thông và dự đoán sự phát triển của nó. Mô hình này xét đến không gian và thời gian hoạt động trong giao thông bằng cách sử dụng (trạm máy phát hiện đặt ở đầu tuyến, cuối tuyến đường nguồn và thông tin theo thời gian). Điều kiện thời gian tại lúc phát hiện thì được so sánh với điều kiện dự đoán phát hiện sự cố. Mô hình xác định sự cố hỗ trợ việc phát hiện và đánh giá mức độ nghiêm trọng của của sự cố.

Khan và Ritchie (1994) đã nghiên cứu việc sử dụng các mạng noron nhân tạo để phát hiện sự cố trên đường. Họ sử dụng phiên bản đã được thay đổi của mô hình HV: Vũ Xuân Thủy MSHV: 12010336 GVHD: TS. Văn Hồng Tấn Trang 21 Luận văn Thạc sĩ Chuyên ngành xây dựng đường ôtô và đường thành phố NetSim để mô phỏng một mạng lưới đường ở Anaheim, California. Mô hình được thiết kế để mô phỏng tắc nghẽn đường nằm ngẫu nhiên trong khoảng thời gian khác nhau và dữ liệu phát hiện từ hệ thống vòng lặp trong mạng được sử dụng để phát triển các nguồn cấp dữ liệu từ nhiều lớp được chuyển tiếp qua mạng noron nhân tạo để phát hiện ùn tắc đường.

Hiệu quả ứng dụng của mạng noron vào giờ cao điểm đã cho kết quả tốt về tỉ lệ phát hiện và tỉ lệ báo động giả. Lý thuyết về mô phỏng giao thông: Mô phỏng giao thông là cách làm giả các điều kiện của tình huống nào đó thông qua một mô hình để tạo ra kết quả. Đó là cách thực hiện bằng thực nghiệm trên phần mềm máy tính, mô phỏng giao thông cơ bản gồm hai loại là: Mô phỏng vi mô và Mô phỏng vĩ mô. ™ Mô phỏng vi mô: Mô hình mô phỏng vi mô thường được sử dụng cho các mạng lưới đường giao thông nhỏ và trung bình.

Dựa trên lý thuyết xe theo xe, diễn tả mối quan hệ giữa các xe thông qua hành vi lái xe. Mô phỏng sự di chuyển của từng xe cá nhân trong dòng giao thông dựa trên lý thuyết về xe theo xe và sự chuyển làn. Mô hình này cho người thiết kế có độ chính xác và khả năng phân tích kết quả cao, tuy nhiên số lượng xe cộ và kích thước của mạng lưới đường bị hạn chế do bộ nhớ của máy tính có giới hạn. Trong thời gian gần đây, có rất nhiều phần mềm ứng dụng mô hình mô phỏng vi mô đã ra đời như: CORSIM, PARAMICS, GETRAM, WATSIM….

và được sử dụng rộng rãi. ™ Mô phỏng vĩ mô: Mô phỏng vĩ mô dùng để mô phỏng các đặc tính của dòng giao thông, diễn tả dòng xe như một khối thống nhất theo tốc độ - mật độ - lưu lượng. Không HV: Vũ Xuân Thủy MSHV: 12010336 GVHD: TS. Văn Hồng Tấn Trang 22 Luận văn Thạc sĩ Chuyên ngành xây dựng đường ôtô và đường thành phố giống như mô phỏng vi mô, mô hình này đơn giản và độ chính xác thấp hơn mô hình vi mô nhưng nó có khả năng áp dụng cho các hệ thống mạng lưới lớn với lưu lượng xe lớn.

Mô phỏng các đại lượng cơ bản của hệ thống giao thông hơn là mối quan hệ của từng xe riêng lẻ. ™ Mô phỏng trung gian: Kết hợp các đặc điểm của mô phỏng vĩ mô và mô phỏng vi mô. Lý thuyết về nhận biết sự cố: 2. Hiện tượng Shockwave trong dòng xe: Khả năng thông hành của phương tiện trên một tuyến đường bị giảm đột ngột do có một sự cố giao thông, do giảm số làn xe….

tại vị trí xảy ra sự cố xe di chuyển với vận tốc chậm hơn, lưu lượng và mật độ thay đổi, dòng xe bắt đầu ứ lại ở phía xảy ra sự cố. Khi sự cố giao thông được khắc phục, mật độ dòng xe trong lane bắt đầu dãn ra gọi là hiện tượng shockwave trong giao thông được thể hiện như hình 2.1: Hiện tượng shockwave do sự thay đổi mật độ dòng xe. Vận tốc của shockwave được tính bằng công thức: q 2 − q1 vw = k 2 − k1 Trong đó: là vận tốc shockwave HV: Vũ Xuân Thủy MSHV: 12010336 GVHD: TS. Văn Hồng Tấn Trang 23 Luận văn Thạc sĩ Chuyên ngành xây dựng đường ôtô và đường thành phố là mật độ của dòng xe trước và sau đường đỏ.

là lưu lượng của dòng xe trước và sau đường đỏ của hình 2. Đường đỏ trên hình 2.1 có thể di chuyển hai chiều, nếu di chuyển cùng chiều với chiều dòng xe, v w là dương và ngược lại. Đặc điểm của dòng xe hỗn hợp khi có một sự cố giao thông: Dòng xe hỗn hợp: là sự tham gia lưu thông của rất nhiều phương tiện như: ô tô, xe máy, xe đạp, xe thô sơ…. Dòng xe hỗn hợp luôn luôn trộn lẫn với nhau, mọi không gian đều được sử dụng.

Khi có một sự cố giao thông thì trạng thái dòng xe được mô tả như hình 2. Dòng xe ở vùng A có khoảng cách xa về phía thượng lưu so với vị trí sự cố vì thế tốc độ và mật độ của dòng xe tại khu vực A vẫn duy trì bình thường. Vùng B là vùng nằm trực tiếp trước vị trí xảy ra sự cố nên lúc này dòng xe tại B di chuyển với vận tốc chậm hơn và mật độ lớn hơn (phía hạ lưu). Vùng này có hiện tượng shockwave về phía thượng lưu dòng xe.

Dòng xe vùng C nằm trực tiếp phía sau sự cố nên các xe di chuyển chậm dần và nối đuôi nhau do sự cố giao thông như hình 2. Tùy theo mức độ giảm năng lực thông hành, mật độ giao thông trong vùng C có thể thấp hơn bình thường trong khi vận tốc có thể cao hơn bình thường. Vùng D dòng xe ở khá xa so với sự cố nên trạng thái dòng xe di chuyển binh thường giống vùng A [6]. HV: Vũ Xuân Thủy MSHV: 12010336 GVHD: TS.

Văn Hồng Tấn Trang 24 Luận văn Thạc sĩ Chuyên ngành xây dựng đường ôtô và đường thành phố Hình 2.2: Đặc điểm dòng xe tại các khu vực lân cận sự cố giao thông.3: Đặc điểm giao thông khi có một sự cố giao thông (Nguồn: JHK và đồng sự, 1993) HV: Vũ Xuân Thủy MSHV: 12010336 GVHD: TS. Văn Hồng Tấn Trang 25 Luận văn Thạc sĩ Chuyên ngành xây dựng đường ôtô và đường thành phố 2.