Tổng quan nghiên cứu

Ùn tắc giao thông là một thách thức nghiêm trọng đối với các đô thị lớn, đặc biệt tại các quốc gia đang phát triển như Việt Nam. Tại Hà Nội, tình trạng ùn tắc diễn ra phổ biến ở nhiều khu vực trung tâm như quận Cầu Giấy, Ba Đình, Thanh Xuân và Hai Bà Trưng, gây ảnh hưởng tiêu cực đến đời sống xã hội và kinh tế. Ước tính mỗi ngày người dân di chuyển trung bình khoảng 10 km trong đô thị, với chi phí cá nhân cho xăng xe và thời gian đi lại lên tới 20.000 đồng cho mỗi chuyến đi, chưa kể chi phí xã hội do ùn tắc giao thông gây ra có thể chiếm tới 25% tổng chi phí cá nhân.

Mục tiêu nghiên cứu là phát triển một phương pháp ước tính tình trạng giao thông đô thị dựa trên dữ liệu hành vi người dùng thu thập từ cảm biến trên điện thoại thông minh, nhằm cung cấp thông tin chính xác về khả năng di chuyển của xe cơ giới trong các khu vực nội thành Hà Nội. Nghiên cứu tập trung vào dữ liệu thu thập trong các khung giờ cao điểm và bình thường, từ các khu vực thường xuyên xảy ra ùn tắc, trong khoảng thời gian từ năm 2018 đến 2019. Việc ứng dụng phương pháp này không chỉ giúp giảm chi phí thu thập dữ liệu mà còn nâng cao hiệu quả dự báo tình trạng giao thông, hỗ trợ người tham gia giao thông đưa ra quyết định di chuyển hợp lý, góp phần giảm thiểu ùn tắc và ô nhiễm môi trường.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu dựa trên hai lý thuyết chính: lý thuyết về giao thông vận tải đô thị và lý thuyết cảm biến trên điện thoại thông minh. Lý thuyết giao thông vận tải đô thị phân tích cấu trúc mạng lưới đường, phân loại các loại đường và phương tiện, cũng như các yếu tố ảnh hưởng đến khả năng thông hành và ùn tắc tại các nút giao thông. Lý thuyết cảm biến tập trung vào các loại cảm biến phổ biến trên điện thoại thông minh như cảm biến gia tốc (Accelerometer), cảm biến con quay hồi chuyển (Gyroscope), cảm biến từ kế (Magnetometer) và GPS, giúp thu thập dữ liệu vị trí, vận tốc và hướng di chuyển của người dùng.

Ba khái niệm chính được sử dụng trong nghiên cứu gồm:

  • Inflow (dòng chảy): nhóm các đối tượng có cùng hướng di chuyển trong một ô lưới trên bản đồ trong cùng khoảng thời gian.
  • Main Direction (hướng chính): số lượng các hướng di chuyển chính trong mỗi ô lưới, phản ánh mức độ xung đột giao thông.
  • Congestion Quality Status (CQS): chỉ số đánh giá mức độ ùn tắc giao thông theo bốn cấp độ: nhanh, bình thường, đông đúc và ùn tắc.

Phương pháp nghiên cứu

Nguồn dữ liệu chính là bộ dữ liệu thu thập từ ứng dụng “Traffic Detection Engine” cài đặt trên điện thoại thông minh Android, thu thập dữ liệu GPS, cảm biến gia tốc và cảm biến từ kế. Dữ liệu được lấy từ các khu vực trung tâm Hà Nội như quận Cầu Giấy, Ba Đình, Thanh Xuân, Hai Bà Trưng trong năm 2018-2019, với cỡ mẫu gồm hơn 50.000 bản ghi dữ liệu di chuyển và 50 bản ghi khảo sát thực tế tình trạng giao thông.

Phương pháp phân tích chính là phương pháp DI (Main Direction and Inflow), kết hợp hai chỉ số số lượng hướng chính và vận tốc trung bình của dòng chảy trong mỗi ô lưới trên bản đồ. Bản đồ được chia thành các ô vuông có kích thước xác định, mỗi ô đại diện cho một khu vực nhỏ trong đô thị. Dữ liệu được xử lý qua các bước: thu thập, tiền xử lý, ánh xạ dữ liệu GPS vào các ô lưới (GST Indexing), tính toán chỉ số Inflow và Main Direction, sau đó áp dụng công thức tính CQS để dự đoán tình trạng giao thông. Quá trình nghiên cứu được thực hiện theo timeline từ thu thập dữ liệu, xử lý, phân tích đến đánh giá kết quả trong vòng một năm.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Độ chính xác dự đoán tình trạng giao thông đạt 71,43% khi so sánh kết quả dự đoán từ Estimation module với dữ liệu khảo sát thực tế tại các khu vực trung tâm Hà Nội.
  2. Phân loại tình trạng giao thông theo bốn mức độ: nhanh, bình thường, đông đúc và ùn tắc, được thể hiện rõ qua màu sắc trên bản đồ ô lưới, giúp người dùng dễ dàng nhận biết tình hình giao thông từng khu vực.
  3. Ảnh hưởng của số lượng hướng chính (α) và vận tốc trung bình (β) đến tình trạng giao thông được xác định rõ ràng qua các ngưỡng vận tốc β1, β2, β3 tương ứng với từng mức độ ùn tắc, ví dụ khi α ≥ 4 và vận tốc trung bình dưới 13 km/h, khu vực được đánh giá là ùn tắc.
  4. Phương pháp DI đơn giản, chi phí thấp nhưng hiệu quả cao, phù hợp với điều kiện thực tế tại các đô thị Việt Nam, dễ dàng triển khai và điều chỉnh tham số theo từng khu vực và thời điểm.

Thảo luận kết quả

Kết quả cho thấy phương pháp DI có khả năng phản ánh chính xác tình trạng giao thông dựa trên dữ liệu cảm biến điện thoại thông minh, với độ chính xác trên 70% là mức khá cao trong bối cảnh dữ liệu thu thập có nhiều biến động và phức tạp. Việc kết hợp hai chỉ số Inflow và Main Direction giúp tăng độ tin cậy so với các phương pháp chỉ sử dụng một chỉ số như DCE hay FCE.

So sánh với các nghiên cứu trước đây, phương pháp DI có ưu điểm là đơn giản, dễ triển khai và chi phí thấp hơn nhiều so với các phương pháp phức tạp sử dụng nhiều chỉ số hoặc mô hình tính toán nặng. Tuy nhiên, một số trường hợp dự đoán sai chủ yếu do các tình huống đặc biệt như sự kiện giao thông bất thường hoặc thay đổi đột ngột trong lưu lượng xe, cho thấy cần bổ sung thêm các yếu tố ngoại cảnh hoặc dữ liệu thời gian thực để nâng cao độ chính xác.

Dữ liệu có thể được trình bày qua biểu đồ so sánh tỷ lệ dự đoán đúng và sai, bảng phân loại tình trạng giao thông theo màu sắc ô lưới, giúp trực quan hóa kết quả và hỗ trợ người dùng trong việc ra quyết định di chuyển.

Đề xuất và khuyến nghị

  1. Triển khai rộng rãi ứng dụng thu thập dữ liệu cảm biến trên điện thoại thông minh tại các đô thị lớn nhằm mở rộng phạm vi và đa dạng hóa nguồn dữ liệu, nâng cao độ chính xác dự báo tình trạng giao thông. Chủ thể thực hiện: các cơ quan quản lý giao thông, nhà phát triển phần mềm; Thời gian: 1-2 năm.
  2. Phát triển hệ thống cảnh báo giao thông dựa trên kết quả dự đoán của phương pháp DI, cung cấp thông tin thời gian thực cho người tham gia giao thông qua ứng dụng di động và website. Chủ thể thực hiện: Sở Giao thông Vận tải, các công ty công nghệ; Thời gian: 6-12 tháng.
  3. Tích hợp thêm các yếu tố ngoại cảnh như thời tiết, sự kiện đặc biệt, tai nạn giao thông vào mô hình dự báo để cải thiện độ chính xác và khả năng dự báo tình huống bất thường. Chủ thể thực hiện: các viện nghiên cứu, trung tâm dữ liệu giao thông; Thời gian: 1 năm.
  4. Tổ chức đào tạo và nâng cao nhận thức cho người dân về việc sử dụng thông tin giao thông thông minh, khuyến khích sử dụng phương tiện công cộng và điều chỉnh lịch trình di chuyển hợp lý dựa trên dữ liệu dự báo. Chủ thể thực hiện: chính quyền địa phương, các tổ chức xã hội; Thời gian: liên tục.

Đối tượng nên tham khảo luận văn

  1. Các nhà quản lý giao thông đô thị: sử dụng kết quả nghiên cứu để xây dựng chính sách điều tiết giao thông, quy hoạch mạng lưới đường bộ và phát triển hệ thống cảnh báo giao thông thông minh.
  2. Các nhà phát triển phần mềm và công nghệ: ứng dụng phương pháp DI trong phát triển các ứng dụng giao thông thông minh, hệ thống thu thập và xử lý dữ liệu cảm biến từ điện thoại.
  3. Các nhà nghiên cứu và học viên ngành Công nghệ Thông tin, Giao thông vận tải: tham khảo phương pháp thu thập và xử lý dữ liệu cảm biến, mô hình dự báo tình trạng giao thông dựa trên dữ liệu thực tế.
  4. Người tham gia giao thông và cộng đồng dân cư đô thị: tiếp cận thông tin dự báo giao thông chính xác, từ đó điều chỉnh hành vi di chuyển, giảm thiểu ùn tắc và ô nhiễm môi trường.

Câu hỏi thường gặp

  1. Phương pháp DI là gì và có ưu điểm gì so với các phương pháp khác?
    Phương pháp DI kết hợp hai chỉ số số lượng hướng chính và vận tốc trung bình của dòng chảy trong mỗi ô lưới để dự đoán tình trạng giao thông. Ưu điểm là đơn giản, chi phí thấp, dễ triển khai và có độ chính xác khoảng 71%, phù hợp với điều kiện đô thị Việt Nam.

  2. Dữ liệu thu thập từ điện thoại thông minh có đáng tin cậy không?
    Dữ liệu được thu thập từ cảm biến GPS, gia tốc và từ kế trên điện thoại thông minh, được xử lý tiền xử lý để loại bỏ nhiễu và làm mịn, đảm bảo độ tin cậy cao. Việc thu thập liên tục mỗi 5 giây giúp phản ánh chính xác hành vi di chuyển thực tế.

  3. Phương pháp DI có thể áp dụng cho các thành phố khác không?
    Có thể áp dụng cho các đô thị khác có điều kiện tương tự về hạ tầng và tỷ lệ sử dụng điện thoại thông minh cao. Tuy nhiên cần điều chỉnh tham số phù hợp với đặc điểm giao thông và quy hoạch của từng thành phố.

  4. Làm thế nào để cải thiện độ chính xác dự báo của phương pháp DI?
    Có thể bổ sung thêm dữ liệu ngoại cảnh như thời tiết, sự kiện giao thông, tai nạn, đồng thời mở rộng phạm vi thu thập dữ liệu và áp dụng các thuật toán học máy để nâng cao khả năng dự báo.

  5. Người dân có thể sử dụng thông tin dự báo giao thông như thế nào?
    Người dân có thể sử dụng ứng dụng cung cấp thông tin dự báo để lựa chọn tuyến đường, thời gian di chuyển hợp lý, tránh các khu vực ùn tắc, từ đó tiết kiệm thời gian và chi phí đi lại.

Kết luận

  • Phương pháp DI dựa trên dữ liệu cảm biến điện thoại thông minh đã được phát triển và thử nghiệm tại Hà Nội, đạt độ chính xác dự đoán khoảng 71,43%.
  • Kết hợp hai chỉ số số lượng hướng chính và vận tốc trung bình giúp phản ánh chính xác tình trạng giao thông theo bốn mức độ từ nhanh đến ùn tắc.
  • Phương pháp có ưu điểm chi phí thấp, dễ triển khai và điều chỉnh tham số linh hoạt phù hợp với điều kiện thực tế.
  • Kết quả nghiên cứu góp phần nâng cao hiệu quả quản lý giao thông đô thị, hỗ trợ người dân và cơ quan quản lý trong việc điều tiết và dự báo giao thông.
  • Các bước tiếp theo bao gồm mở rộng phạm vi thu thập dữ liệu, tích hợp thêm yếu tố ngoại cảnh và phát triển hệ thống cảnh báo giao thông thời gian thực.

Hành động ngay hôm nay: Các cơ quan quản lý và nhà phát triển công nghệ nên phối hợp triển khai ứng dụng thu thập dữ liệu và hệ thống dự báo giao thông dựa trên phương pháp DI để cải thiện tình trạng ùn tắc tại các đô thị lớn.