Tổng quan nghiên cứu

Thành phố Hồ Chí Minh là một trong những đô thị có tốc độ cơ giới hóa nhanh nhất khu vực Đông Nam Á, với hơn 3,6 triệu phương tiện giao thông đăng ký vào năm 2007, trong đó xe hai bánh chiếm tới 3,096 triệu phương tiện. Mật độ sở hữu phương tiện tại đây đạt mức 492 xe máy trên 1.000 dân, vượt xa các đô thị trong khu vực như Bangkok với 136 xe máy trên 1.000 dân hay Singapore với 41 xe máy trên 1.000 dân. Đáng chú ý, phương tiện cá nhân đảm nhận gần 94% tổng nhu cầu đi lại hàng ngày, riêng xe gắn máy chiếm tới 78%, trong khi vận tải hành khách công cộng chỉ đáp ứng khoảng 6%.

Đặc thù dòng giao thông hỗn hợp với sự áp đảo của xe máy tạo nên các hành vi di chuyển phức tạp như không tuân thủ làn đường cứng, liên tục len lỏi và chiếm dụng khoảng trống ngang. Thực tế này khiến các mô hình phân tích giao thông truyền thống hoặc phần mềm mô phỏng vi mô thiết lập theo tiêu chuẩn phương Tây không thể phản ánh chính xác hiện trạng vận hành. Mục tiêu trọng tâm của nghiên cứu là khảo sát thực nghiệm, trích xuất dữ liệu vi mô của phương tiện và hiệu chỉnh hệ thống thông số trong mô hình xe theo xe Wiedemann 74 thuộc phần mềm PTV Vissim nhằm mô phỏng sát thực tế dòng giao thông hỗn hợp tại các nút giao đô thị.

Phạm vi nghiên cứu tập trung vào nút giao có đèn tín hiệu Ba Tháng Hai - Lê Hồng Phong và tuyến đường Xô Viết Nghệ Tĩnh tại Thành phố Hồ Chí Minh trong khung thời gian cao điểm năm 2012 với thời gian chạy mô phỏng 1.800 giây cho mỗi kịch bản. Ý nghĩa khoa học và thực tiễn của đề tài thể hiện qua việc giảm thiểu sai số dự báo lưu lượng và thời gian di chuyển từ mức trên 25% xuống dưới 8%, cung cấp công cụ chuẩn xác phục vụ công tác quy hoạch, điều khiển đèn tín hiệu và cải tạo hạ tầng giao thông đô thị.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu ứng dụng nền tảng lý thuyết mô phỏng vi mô dòng giao thông, kết hợp giữa mô hình chuyển động nối đuôi và mô hình lựa chọn hành vi trong vùng xung đột:

Mô hình xe theo xe tâm sinh lý Wiedemann 74 (Psycho-physical car following model): Đây là hạt nhân của phần mềm PTV Vissim dành cho mạng lưới đường đô thị. Mô hình phân chia trạng thái điều khiển của người lái thành 4 vùng hành vi rõ rệt bao gồm: Lái tự do (Free driving), Tiếp cận (Approaching), Nối đuôi (Following), và Hãm phanh (Braking). Quá trình chuyển đổi giữa các trạng thái được kích hoạt khi phương tiện chạm tới các ngưỡng nhận thức về cự ly không gian và chênh lệch vận tốc tương đối.

Mô hình gián cách tinh thần thể trạng của Leutzbach và mô hình xe theo xe của General Motors: Đóng vai trò đối sánh lý thuyết về độ nhạy phản ứng của tài xế trước các kích thích từ khoảng cách và biến thiên tốc độ của xe đi trước.

Mô hình lựa chọn nhị phân (Binary Choice Model): Ứng dụng hàm xác suất để xác định khoảng cách chấp nhận vượt và gián cách thời gian an toàn (critical gap) của dòng phụ khi cắt qua hoặc nhập vào dòng chính tại vùng xung đột nút giao.

Các khái niệm then chốt được chuẩn hóa bao gồm: Khoảng cách dừng tĩnh mong muốn (ký hiệu AX), khoảng cách theo sau tối thiểu khi có chênh lệch vận tốc (ký hiệu ABX), khoảng cách theo sau tối đa (ký hiệu SDX), gián cách liền kề (Adjacent Gap), và bề rộng động học của xe gắn máy khi di chuyển tự do trong làn xe.

Phương pháp nghiên cứu

Nguồn dữ liệu nghiên cứu được thu thập thông qua phương pháp ghi hình video độ phân giải cao tại thực địa ở nút giao Ba Tháng Hai - Lê Hồng Phong và đoạn tuyến Xô Viết Nghệ Tĩnh (quận Bình Thạnh). Khảo sát được thực hiện trong 2 khung giờ cao điểm có lưu lượng tiệm cận trạng thái bão hòa: buổi sáng từ 7 giờ 00 đến 8 giờ 00 và buổi chiều từ 17 giờ 00 đến 18 giờ 00.

Quy mô mẫu nghiên cứu đạt hơn 3.500 lượt phương tiện được theo dõi chi tiết trong mỗi giờ cao điểm. Phương pháp chọn mẫu là chọn mẫu phi ngẫu nhiên có chủ đích, tập trung vào nút giao ngã tư có đèn tín hiệu 2 pha có mặt cắt ngang đường 3 Tháng 2 rộng 3 làn xe cơ giới và đường Lê Hồng Phong rộng 2 làn xe cơ giới. Việc lựa chọn nút giao này xuất phát từ lý do đây là trục huyết mạch có mật độ giao thông hỗn hợp cao, tập trung đầy đủ các tương tác rẽ trái, đi thẳng và tách nhập dòng điển hình.

Phương pháp phân tích số liệu kết hợp hai công cụ bổ trợ: Thứ nhất, sử dụng phần mềm SEV để số hóa chuỗi hình ảnh thực địa, thực hiện chuyển đổi ma trận 8 tham số từ hệ tọa độ màn hình sang hệ tọa độ thực tế của mặt đường. Phương pháp này cho phép trích xuất chính xác tọa độ, vận tốc tức thời và các dải gia tốc trong dải tốc độ từ 0 đến 45 km/h. Thứ hai, thực hiện mô phỏng số trên PTV Vissim với thời lượng chu kỳ 1.800 giây. Quá trình hiệu chỉnh thông số vận hành dựa trên việc tối ưu hóa hàm mục tiêu sai số tổng hợp giữa dữ liệu mô phỏng và thực tế đo đạc, bao gồm 3 biến số cốt lõi: lưu lượng, vận tốc trung bình và mật độ dòng xe.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Thực nghiệm đo đạc và mô phỏng đã lượng hóa được các đặc tính vi mô then chốt của dòng xe máy tại đô thị Thành phố Hồ Chí Minh:

Thứ nhất, phân bố vận tốc thực tế của xe máy trên mặt cắt ngang đường đô thị đạt giá trị trung bình là 21,3 km/h, với dải vận tốc tích lũy dao động từ mức tối thiểu 10,0 km/h đến mức cực đại 44,7 km/h. Vận tốc xe máy trên các đoạn đường không phân chia làn cứng thấp hơn khoảng 15% so với đoạn đường có dải phân cách riêng biệt do chịu ảnh hưởng từ các phương tiện cơ giới kích thước lớn chạy chậm.

Thứ hai, đường đặc tính gia tốc tối đa của xe máy đạt giá trị cao nhất khoảng 1,8 m/s² tại vận tốc xuất phát từ 0 đến 10 km/h, sau đó giảm dần phi tuyến tính về mức 0,5 m/s² khi xe đạt vận tốc 40 km/h. Ngược lại, biểu đồ giảm tốc lớn nhất ghi nhận giá trị hãm phanh khẩn cấp đạt từ -3,5 m/s² đến -4,0 m/s², trong khi gia tốc giảm tốc mong muốn dao động ổn định quanh mức -1,0 m/s² đến -1,5 m/s².

Thứ ba, khoảng cách dừng tĩnh an toàn ax của xe máy được xác định chính xác ở mức 1,5 mét, ngắn hơn 25% so với mức 2,0 mét của xe ô tô con. Khoảng cách an toàn động bx_add và bx_mult của xe máy khi vận hành ở tốc độ 50 km/h được hiệu chỉnh giảm 30% so với thông số mặc định của phần mềm Vissim.

Thứ tư, quá trình hiệu chỉnh lặp các thông số hành vi và khoảng cách chấp nhận vượt theo mô hình Binary Choice đã giúp cải thiện rõ rệt độ chuẩn xác của mô hình. Sai số tổng hợp của hàm mục tiêu giảm từ mức ban đầu trên 25% xuống còn dưới 8%, bảo đảm độ tin cậy theo tiêu chuẩn kiểm định mô phỏng vi mô quốc tế.

Thảo luận kết quả

Sự sai khác đáng kể giữa kết quả thực nghiệm và các giá trị mặc định trong phần mềm Vissim bắt nguồn từ bản chất văn hóa và thói quen lái xe tại Việt Nam. Phương tiện xe máy chiếm trên 78% tổng lưu lượng không di chuyển thành hàng tuần tự mà hình thành các cụm chuyển động linh hoạt. Người lái xe máy có xu hướng tận dụng mọi khoảng trống ngang trên mặt đường để vượt lên trước hàng xe ô tô khi dừng chờ đèn đỏ, tạo ra hiện tượng tích lũy xe dạng nêm tại đầu nút giao.

Khi so sánh với các nghiên cứu quốc tế sử dụng thông số mặc định của Wiedemann (vốn xây dựng cho dòng xe ô tô tại châu Âu với khoảng cách giữ xe trước từ 2,5 đến 3,0 mét), nếu không hiệu chỉnh, phần mềm Vissim sẽ đánh giá thấp năng lực thông hành thực tế của nút giao từ 30% đến 40%, đồng thời tính toán sai lệch chiều dài dòng chờ xe lên tới hơn 50%.

Dữ liệu nghiên cứu được biểu diễn trực quan qua hệ thống đồ thị chuyên dụng. Biểu đồ tích lũy vận tốc dạng chữ S phản ánh mức độ phân tán tốc độ của dòng xe hai bánh. Biểu đồ quan hệ giữa gia tốc và vận tốc hiện tại mô tả chính xác năng lực cơ học thực tế của xe máy đang lưu hành. Bảng so sánh chỉ số độ lệch trước và sau hiệu chuẩn minh chứng rõ nét cho tính ưu việt của bộ thông số mới trong việc tái hiện chiều dài hàng chờ và thời gian thông hành qua nút giao Ba Tháng Hai - Lê Hồng Phong.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu thực nghiệm và mô phỏng, đề tài đưa ra 4 nhóm giải pháp cụ thể nhằm tối ưu hóa tổ chức giao thông đô thị:

Chuẩn hóa bộ thông số hiệu chỉnh Wiedemann 74: Áp dụng bắt buộc bộ thông số thực nghiệm (khoảng cách dừng xe tĩnh ax bằng 1,5 mét cho xe máy; dải gia tốc tối đa từ 0,5 đến 1,8 m/s²; hệ số khoảng cách an toàn động giảm 30%) vào quy trình thiết kế và thẩm tra mô phỏng nút giao đô thị. Viện Quy hoạch Xây dựng và các công ty tư vấn giao thông cần triển khai áp dụng ngay trong giai đoạn 3 đến 6 tháng tới để nâng độ chính xác dự báo lên trên 92%.

Tối ưu hóa chu kỳ và pha đèn tín hiệu tại các giao lộ lớn: Tiến hành rà soát các nút giao trên trục đường Ba Tháng Hai có cự ly trung bình từ 500 đến 650 mét; điều chỉnh thời gian đèn vàng cố định ở mức 3,0 đến 4,0 giây nhằm giảm thiểu tổn thất chuyển pha và triệt tiêu xung đột dòng rẽ trái. Sở Giao thông Vận tải Thành phố Hồ Chí Minh chủ trì hoàn thành phương án điều chỉnh trong thời gian 12 tháng.

Bố trí vạch dừng ưu tiên cho xe máy (Advanced Stop Line): Thiết lập khu vực dừng chờ riêng cho xe gắn máy phía trước vạch dừng của ô tô từ 3 đến 5 mét tại các ngã tư có lưu lượng vượt quá 3.000 phương tiện/giờ. Giải pháp này giúp giải tỏa nhanh lượng xe máy tích lũy khi bắt đầu pha xanh, tăng khả năng thông hành của nút giao thêm 15% đến 20%. Trung tâm Quản lý Hạ tầng Giao thông đường bộ tổ chức thí điểm trong 6 tháng.

Xây dựng cơ sở dữ liệu số hóa hành vi giao thông vi mô: Sở Giao thông Vận tải phối hợp cùng các trường đại học khối kỹ thuật thiết lập hệ thống quan trắc video tự động, cập nhật định kỳ 2 năm một lần các biểu đồ phân bố vận tốc và gia tốc của phương tiện cơ giới, làm nền tảng cho việc vận hành các kịch bản điều khiển giao thông thông minh (ITS).

Đối tượng nên tham khảo luận văn

Nội dung và kết quả của luận văn mang lại giá trị thực tiễn sâu sắc cho 4 nhóm đối tượng chính:

Kỹ sư tư vấn và chuyên gia quy hoạch giao thông: Sử dụng bộ thông số vi mô đã được hiệu chỉnh để xây dựng mô hình mô phỏng mạng lưới đường đô thị trên phần mềm PTV Vissim. Việc này giúp rút ngắn hơn 50% thời gian cân chỉnh mô hình ban đầu và đảm bảo phương án thiết kế hình học nút giao đạt độ tin cậy kỹ thuật trên 90%.

Cơ quan quản lý nhà nước và lực lượng điều hành giao thông: Sở Giao thông Vận tải và Phòng Cảnh sát Giao thông có thể khai thác các phân tích về phân bố dòng chờ và chu kỳ đèn tín hiệu để xây dựng phương án phân luồng, điều tiết giao thông giờ cao điểm tại hơn 100 nút giao trọng điểm có đặc tính tương đồng.

Giảng viên, nghiên cứu sinh và sinh viên ngành Cầu đường, Kỹ thuật Giao thông: Tài liệu cung cấp cơ sở lý luận hoàn chỉnh về các mô hình xe theo xe (Wiedemann, Leutzbach, General Motors), phương pháp luận số hóa tọa độ video hiện trường bằng phần mềm SEV và quy trình xử lý dữ liệu hồi quy nhị phân.

Các kỹ sư phát triển giải pháp Giao thông thông minh (ITS): Áp dụng các phương trình vi mô về khoảng cách an toàn và dải gia tốc thực tế của xe máy Việt Nam vào thuật toán điều khiển đèn tín hiệu thích ứng thời gian thực, nâng cao hiệu quả giảm ùn tắc đô thị.

Câu hỏi thường gặp

Tại sao không thể sử dụng trực tiếp các thông số mặc định trong phần mềm Vissim để mô phỏng giao thông tại Việt Nam? Các thông số mặc định của Vissim được xây dựng dựa trên hành vi lái xe ô tô tại các quốc gia phát triển, nơi phương tiện tuân thủ nghiêm ngặt làn đường và giữ khoảng cách an toàn tĩnh từ 2,0 đến 3,0 mét. Tại Việt Nam, xe máy chiếm gần 80% lưu lượng với đặc tính len lỏi và khoảng cách dừng chỉ 1,5 mét. Nếu không hiệu chỉnh, mô hình sẽ tính toán sai lệch năng lực thông hành trên 30%.

Mô hình Wiedemann 74 mô tả chuyển động của dòng xe hỗn hợp theo cơ chế nào? Wiedemann 74 là mô hình tâm sinh lý phân chia hành vi người lái thành 4 trạng thái: lái tự do, tiếp cận, nối đuôi và hãm phanh. Mô hình xác định thời điểm người lái thay đổi gia tốc dựa trên các ngưỡng nhận thức về khoảng cách không gian an toàn (AX, ABX, SDX) và sự chênh lệch vận tốc tương đối giữa xe sau và xe trước.

Phần mềm SEV đóng vai trò gì trong quy trình nghiên cứu của đề tài? Phần mềm SEV là công cụ trung gian xử lý chuỗi hình ảnh trích xuất từ video quay thực địa. Bằng cách sử dụng ma trận chuyển đổi 8 tham số từ tọa độ màn hình sang tọa độ thực tế mặt đường, SEV giúp trích xuất chính xác tọa độ vị trí theo thời gian, từ đó tính toán các giá trị vận tốc và đường cong gia tốc của từng phương tiện.

Khoảng cách dừng an toàn ax giữa xe máy và ô tô khác biệt như thế nào trong mô hình? Số liệu thực nghiệm chỉ ra rằng khoảng cách dừng tĩnh an toàn ax của xe máy là 1,5 mét, trong khi của xe ô tô là 2,0 mét. Sự chênh lệch 0,5 mét này phản ánh kích thước hình học nhỏ gọn và tâm lý sẵn sàng tận dụng tối đa không gian dừng chờ trước vạch đèn tín hiệu của người đi xe máy.

Làm thế nào để đánh giá một mô hình mô phỏng vi mô đã đạt độ chính xác yêu cầu? Nghiên cứu sử dụng hàm mục tiêu sai số tổng hợp f đo lường độ lệch phần trăm của 3 biến số cơ bản: lưu lượng xe, vận tốc trung bình và mật độ dòng xe giữa mô phỏng và thực tế. Mô hình được công nhận đạt chuẩn khi sai số trung bình giữa các biến số này giảm xuống dưới ngưỡng 10%.

Kết luận

  • Xác lập thành công bộ thông số vi mô đặc thù cho dòng xe gắn máy tại đô thị Việt Nam với vận tốc trung bình đạt 21,3 km/h và gia tốc tối đa đạt 1,8 m/s².
  • Hiệu chỉnh chuẩn xác mô hình tâm sinh lý xe theo xe Wiedemann 74 trên phần mềm PTV Vissim, giúp giảm sai số mô phỏng từ mức trên 25% xuống dưới 8%.
  • Ứng dụng thành công phần mềm xử lý ảnh SEV để lượng hóa chính xác tọa độ thực địa và xây dựng các hàm tăng giảm tốc phi tuyến tính của phương tiện.
  • Đề xuất giải pháp khoa học về bố trí vạch dừng ưu tiên và tối ưu hóa chu kỳ đèn tín hiệu cho các nút giao có cự ly từ 500 đến 650 mét.
  • Đóng góp khung phương pháp luận hoàn chỉnh phục vụ công tác quy hoạch, thẩm tra an toàn và phát triển hệ thống giao thông thông minh trong lộ trình 6 đến 12 tháng tới.