Luận án tiến sĩ: Phương pháp heuristics giải bài toán định vị và định tuyến tại ĐH Bách khoa Hà Nội

Luận văn thạc sĩ toán học nghiên cứu các phương pháp heuristics giải bài toán định vị và hướng lộ trong hậu cần đô thị, khảo sát thực trạng, phân tích nguyên nhân, đề xuất giải

• Tác giả: Nguyễn Ngọc Quang
• Người hướng dẫn: PGS.TS Đỗ Phan Thuận
• Trường học: Trường Đại học Bách khoa Hà Nội
• Chuyên ngành: Công nghệ thông tin
• Đề tài: Phương Pháp Heuristics Trong Giải Bài Toán Định Vị Và Hướng Lộ Hậu Cần Đô Thị
• Loại tài liệu: Luận án
• Năm xuất bản: 2021
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT
• DANH MỤC CÁC BẢNG
• DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ
• MỞ ĐẦU
• 1. CHƯƠNG 1: TỔNG QUAN VẤN ĐỀ ĐỊNH VỊ VÀ ĐỊNH TUYẾN CỦA HẬU CẦN ĐÔ THỊ TRONG BÀI TOÁN CHIA SẺ PHƯƠNG TIỆN VÀ BÀI TOÁN GIAO VÀ NHẬN ĐA LOẠI HÀNG HÓA, ĐA TUYẾN
• 1.1. HẬU CẦN ĐÔ THỊ
• 1.2. VẤN ĐỀ QUY HOẠCH TRONG HẬU CẦN ĐÔ THỊ
• 1.3. CÁC MÔ HÌNH HẬU CẦN ĐÔ THỊ ĐIỂN HÌNH
• 1.3.1. Mô hình hậu cần đô thị một mức
• 1.3.2. Mô hình hậu cầu đô thị hai mức
• 1.4. VẤN ĐỀ ĐỊNH VỊ VÀ ĐỊNH TUYẾN TRONG HẬU CẦN ĐÔ THỊ
• 1.4.1. Định tuyến trong bài toán chia sẻ phương tiện
• 1.4.2. Định vị và định tuyến trong bài toán giao nhận đa loại hàng hóa, đa tuyến
• 1.5. KẾT LUẬN CHƯƠNG
• 2. CHƯƠNG 2: VẤN ĐỀ ĐỊNH TUYẾN TRONG BÀI TOÁN CHIA SẺ PHƯƠNG TIỆN
• 2.1. PHÁT BIỂU BÀI TOÁN
• 2.2. MÔ HÌNH TOÁN HỌC
• 2.2.1. Định nghĩa đầu vào
• 2.2.2. Định nghĩa các biến
• 2.2.3. Các hàm mục tiêu
• 2.3. THUẬT TOÁN GIẢI BÀI TOÁN CHIA SẺ PHƯƠNG TIỆN
• 2.3.1. Kỹ thuật định tuyến trên đồ thị động
• 2.3.2. Kỹ thuật phân cấp đỉnh giản lược CH
• 2.3.3. Thuật toán heuristic cho mô hình vận tải trực tiếp
• 2.3.4. Thuật toán cho mô hình chia sẻ phương tiện
• 2.3.4.1. Cấu trúc chung
• 2.3.4.2. Thuật toán tham lam
• 2.3.4.3. Thuật toán tìm kiếm địa phương
• 2.4. THỰC NGHIỆM VÀ ĐÁNH GIÁ
• 2.4.1. Dữ liệu thực nghiệm
• 2.4.1.1. Xử lý mạng lưới đường giao thông của Tokyo
• 2.4.1.2. Chuyển đổi yêu cầu vận tải
• 2.4.1.3. Xử lý khung tốc độ
• 2.4.1.4. Định vị kho và bến đỗ của xe taxi
• 2.4.1.5. Bộ dữ liệu thực nghiệm và tham số thực nghiệm
• 2.4.2. Kết quả thực nghiệm
• 2.5. KẾT LUẬN CHƯƠNG
• 3. CHƯƠNG 3: VẤN ĐỀ ĐỊNH VỊ VÀ ĐỊNH TUYẾN TRONG BÀI TOÁN GIAO VÀ NHẬN ĐA LOẠI HÀNG HÓA, ĐA TUYẾN
• 3.1. TỔNG QUAN BÀI TOÁN GIAO VÀ NHẬN ĐA LOẠI HÀNG HÓA, ĐA TUYẾN
• 3.2. BÀI TOÁN GIAO VÀ NHẬN ĐA LOẠI HÀNG HÓA, ĐA TUYẾN VỚI KHUNG THỜI GIAN VÀ ĐỒNG BỘ
• 3.2.1. Phát biểu bài toán
• 3.2.2. Mô hình bài toán
• 3.3. BÀI TOÁN GIAO VÀ NHẬN ĐA LOẠI HÀNG HÓA, ĐA TUYẾN Ở HAI MỨC VỚI KHUNG THỜI GIAN VÀ ĐỒNG BỘ
• 3.3.1. Đồng bộ hàng hóa tại điểm trung chuyển
• 3.3.2. Mô hình bài toán
• 3.4. THUẬT TOÁN GIẢI BÀI TOÁN MTT-PDTWS VÀ BÀI TOÁN 2E-MTT-PDTWS
• 3.4.1. Cấu trúc chung của thuật toán
• 3.4.2. Thuật toán ALNS giải bài toán MTT-PDTWS
• 3.4.3. Thuật toán ALNS giải bài toán 2E-MTT-PDTWS
• 3.4.4. Thuật toán heuristic lập lịch vận tải mức 1 cho bài toán 2E-MTT-PDTWS
• 3.4.5. Các cấu phần chính của thuật toán ALNS
• 3.4.5.1. Khởi tạo lời giải ban đầu
• 3.4.5.1.1. Khởi tạo lời giải ban đầu cho bài toán MTT-PDTWS
• 3.4.5.1.2. Khởi tạo lời giải ban đầu cho bài toán 2E-MTT-PDTWS
• 3.4.5.2. Thao tác chỉnh sửa
• 3.4.5.3. Điều chỉnh trọng số của các thao tác
• 3.4.5.4. Tiêu chí chập nhận lời giải mới và điều kiện dừng
• 3.5. THỰC NGHIỆM VÀ ĐÁNH GIÁ
• 3.5.1. Dữ liệu thực nghiệm
• 3.5.1.1. Dữ liệu thực nghiệm cho bài toán MTT-PDTWS
• 3.5.1.2. Dữ liệu thực nghiệm cho bài toán 2E-MTT-PDTWS
• 3.5.2. Thực nghiệm và đánh giá bài toán MTT-PDTWS
• 3.5.2.1. Hiệu chỉnh thông số và kết quả thực nghiệm
• 3.5.2.2. Đánh giá hiệu năng của thủ tục nâng cao chất lượng lời giải
• 3.5.2.3. Đánh giá kết quả của thuật toán ALNS và thuật toán tìm kiếm Tabu
• 3.5.3. Thực nghiệm và đánh giá bài toán 2E-MTT-PDTWS
• 3.6. KẾT LUẬN CHƯƠNG
• KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• HƯỚNG PHÁT TRIỂN
• TÀI LIỆU THAM KHẢO
• DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA LUẬN ÁN

Tóm tắt

I. Tổng quan về Phương Pháp Heuristics Trong Giải Bài Toán Định Vị

Phương pháp heuristics đã trở thành một công cụ quan trọng trong việc giải quyết các bài toán định vị và hướng lộ hậu cần đô thị. Các phương pháp này giúp tối ưu hóa quá trình vận tải hàng hóa, giảm thiểu chi phí và thời gian. Trong bối cảnh đô thị hóa ngày càng gia tăng, việc áp dụng các phương pháp heuristics trong quy hoạch đô thị là cần thiết để nâng cao hiệu quả logistics.

1.1. Định nghĩa và Ý nghĩa của Phương Pháp Heuristics

Phương pháp heuristics là các kỹ thuật tìm kiếm giải pháp gần đúng cho các bài toán phức tạp. Chúng thường được sử dụng khi không thể tìm ra giải pháp tối ưu trong thời gian hợp lý. Việc áp dụng phương pháp này trong bài toán định vị giúp cải thiện đáng kể hiệu suất vận tải.

1.2. Lịch sử Phát triển của Phương Pháp Heuristics

Phương pháp heuristics đã được nghiên cứu và phát triển từ những năm 1970. Ban đầu, chúng chủ yếu được áp dụng trong các bài toán tối ưu hóa đơn giản. Tuy nhiên, với sự phát triển của công nghệ và nhu cầu ngày càng cao trong lĩnh vực logistics, phương pháp này đã được mở rộng và cải tiến để giải quyết các bài toán phức tạp hơn.

II. Vấn đề và Thách thức Trong Giải Bài Toán Định Vị Hậu Cần Đô Thị

Bài toán định vị và định tuyến trong hậu cần đô thị đối mặt với nhiều thách thức. Các yếu tố như mật độ dân số, tình trạng giao thông và loại hàng hóa đều ảnh hưởng đến hiệu quả của các giải pháp logistics. Việc xác định vị trí kho bãi và lộ trình vận chuyển là rất quan trọng để tối ưu hóa chi phí và thời gian.

2.1. Các Yếu Tố Ảnh Hưởng Đến Định Vị

Các yếu tố như mật độ dân số, nhu cầu vận tải và tình trạng giao thông đều có tác động lớn đến việc xác định vị trí kho bãi. Việc phân tích dữ liệu không gian và thời gian là cần thiết để đưa ra quyết định chính xác.

2.2. Thách Thức Trong Định Tuyến Vận Tải

Định tuyến vận tải trong môi trường đô thị phức tạp do sự biến động của giao thông và nhu cầu vận tải. Các phương pháp heuristics cần được áp dụng để tìm ra lộ trình tối ưu, giảm thiểu thời gian và chi phí.

III. Phương Pháp Heuristics Để Giải Quyết Bài Toán Định Vị

Các phương pháp heuristics như thuật toán tham lam và tìm kiếm địa phương đã được áp dụng để giải quyết bài toán định vị trong hậu cần đô thị. Những phương pháp này giúp tìm ra các giải pháp gần đúng trong thời gian ngắn, phù hợp với yêu cầu thực tiễn.

3.1. Thuật Toán Tham Lam Trong Định Vị

Thuật toán tham lam là một trong những phương pháp heuristics phổ biến. Nó hoạt động bằng cách chọn lựa giải pháp tốt nhất tại mỗi bước mà không xem xét các bước tiếp theo. Phương pháp này giúp nhanh chóng tìm ra vị trí kho bãi tối ưu.

3.2. Tìm Kiếm Địa Phương Để Tối Ưu Hóa

Phương pháp tìm kiếm địa phương giúp cải thiện các giải pháp hiện có bằng cách thực hiện các thay đổi nhỏ. Kỹ thuật này có thể dẫn đến các giải pháp tốt hơn cho bài toán định vị trong môi trường đô thị.

IV. Ứng Dụng Thực Tiễn Của Phương Pháp Heuristics Trong Hậu Cần Đô Thị

Việc áp dụng phương pháp heuristics trong thực tiễn đã mang lại nhiều kết quả tích cực. Các nghiên cứu cho thấy rằng việc tối ưu hóa định vị và định tuyến có thể giảm thiểu chi phí vận tải và thời gian giao hàng, từ đó nâng cao hiệu quả hoạt động của hệ thống logistics.

4.1. Kết Quả Nghiên Cứu Từ Các Dự Án Thực Tế

Nhiều dự án nghiên cứu đã chỉ ra rằng việc áp dụng phương pháp heuristics giúp cải thiện đáng kể hiệu suất vận tải. Các số liệu thực nghiệm cho thấy sự giảm thiểu chi phí và thời gian giao hàng.

4.2. Tác Động Đến Chiến Lược Logistics Đô Thị

Phương pháp heuristics không chỉ giúp tối ưu hóa quy trình vận tải mà còn ảnh hưởng đến chiến lược logistics tổng thể của đô thị. Việc cải thiện hiệu quả vận tải góp phần nâng cao chất lượng cuộc sống cho cư dân.

V. Kết Luận và Hướng Phát Triển Trong Nghiên Cứu Hậu Cần Đô Thị

Nghiên cứu về phương pháp heuristics trong giải bài toán định vị và hướng lộ hậu cần đô thị đã mở ra nhiều hướng đi mới. Việc tiếp tục phát triển và ứng dụng các phương pháp này sẽ giúp giải quyết hiệu quả hơn các thách thức trong lĩnh vực logistics đô thị.

5.1. Tương Lai Của Phương Pháp Heuristics

Phương pháp heuristics sẽ tiếp tục được cải tiến và phát triển để đáp ứng nhu cầu ngày càng cao trong lĩnh vực logistics. Các nghiên cứu mới sẽ tập trung vào việc tối ưu hóa hơn nữa các quy trình vận tải.

5.2. Đề Xuất Nghiên Cứu Tiếp Theo

Các nghiên cứu tiếp theo nên tập trung vào việc kết hợp các phương pháp heuristics với công nghệ mới như trí tuệ nhân tạo và học máy để nâng cao hiệu quả trong việc giải quyết bài toán định vị và định tuyến.

Nội dung chính

Tổng quan luận án

Tính cấp thiết và khoảng trống nghiên cứu

Vận tải hàng hóa đóng vai trò huyết mạch trong nền kinh tế, kết nối nhà cung cấp, nhà phân phối và người tiêu dùng. Theo báo cáo của Ủy ban châu Âu, ngành vận tải hàng hóa thu hút 5% tổng lực lượng lao động và đóng góp 5% GDP của Liên minh châu Âu, dự báo đến năm 2050 mức tăng trưởng vận tải hành khách đạt 42% và vận tải hàng hóa đạt 60%. Tại Việt Nam, theo "Báo cáo Logistics Việt Nam 2020" của Bộ Công Thương, tốc độ tăng trưởng vận tải hàng hóa đạt trung bình 14–16%/năm, trong đó đường bộ chiếm tỷ trọng cao nhất với 76,8%. Quyết định số 318/QĐ-TTg của Thủ tướng Chính phủ định hướng giai đoạn 2021–2030 đạt tốc độ tăng trưởng bình quân hàng năm 6,7% đối với hàng hóa và 8,2% đối với hành khách.

Tuy nhiên, hệ thống vận tải đô thị đang đối mặt với tình trạng tỷ lệ phương tiện di chuyển không tải lớn và hệ số tải trọng trung bình thấp, làm gia tăng chi phí vận hành, ùn tắc giao thông và ô nhiễm môi trường. Việc áp dụng các chính sách hạn chế đỗ xe hay xây dựng hạ tầng chuyên biệt (như đường hầm riêng) thường gặp trở ngại do chi phí đầu tư lớn. Do đó, việc tối ưu hóa quy hoạch và điều hành vận tải dựa trên cơ sở hạ tầng hiện hữu là hướng tiếp cận trọng tâm.

Khoảng trống nghiên cứu được tác giả xác định gồm:

• Các mô hình chia sẻ phương tiện trước đây (như bài toán SARP gốc) chủ yếu dựa trên khoảng cách tĩnh (khoảng cách Manhattan) và giả định chia sẻ giữa nhiều hành khách với nhau, chưa phản ánh đúng điều kiện giao thông phụ thuộc thời gian (tắc nghẽn theo khung giờ, theo vùng đô thị) và các chi phí vận hành thực tế (nhân công, khấu hao phương tiện).
• Các mô hình hậu cần đô thị hai mức hiện hữu phần lớn chỉ giải quyết một hoặc hai loại hàng hóa đơn lẻ ($e2c$ hoặc $c2e$), bỏ qua luồng hàng hóa nội đô ($c2c$).
• Vấn đề đồng bộ hàng hóa giữa các mức phương tiện tại điểm trung chuyển (chuyển hàng trực tiếp hoặc qua kho đệm có giới hạn sức chứa) chưa được tích hợp đồng thời với bài toán định vị và định tuyến đa loại hàng hóa.

Mục tiêu và nhiệm vụ nghiên cứu

Mục tiêu tổng quát của luận án là giải quyết bài toán định vị và định tuyến trong mô hình hậu cần đô thị nhằm tối đa hóa hiệu quả kinh tế (tổng lợi nhuận), giảm thiểu chi phí và thời gian vận tải. Luận án thực hiện các nhiệm vụ nghiên cứu cụ thể được đánh số như sau:

1. Xây dựng mô hình toán học và thuật toán giải bài toán chia sẻ phương tiện phụ thuộc thời gian (SARP) trong hậu cần đô thị một mức, kết hợp vận tải hành khách và hàng hóa nhỏ nội đô ($c2c$).
2. Phát triển thuật toán tìm kiếm lân cận lớn thích nghi (ALNS) giải bài toán giao nhận đa loại hàng hóa, đa tuyến với khung thời gian và đồng bộ (MTT-PDTWS) trong mô hình một mức.
3. Xây dựng mô hình toán học và giải thuật kết hợp (ALNS và Heuristic) giải bài toán giao nhận đa loại hàng hóa, đa tuyến ở hai mức với khung thời gian và đồng bộ (2E-MTT-PDTWS), tích hợp đồng thời ba luồng hàng hóa ($e2c, c2e, c2c$) và cơ chế đồng bộ kho trung chuyển.

Đối tượng và phạm vi nghiên cứu

• Đối tượng nghiên cứu: Các quyết định định vị cơ sở vận tải (điểm trung chuyển, bãi đỗ xe) và định tuyến phương tiện vận tải (xe taxi, xe tải lớn mức 1, xe tải nhỏ mức 2) trong các bài toán SARP, MTT-PDTWS và 2E-MTT-PDTWS.
• Phạm vi không gian: Mạng lưới giao thông đô thị quy mô lớn, thực nghiệm trên bản đồ khu vực Tokyo (Nhật Bản) với diện tích $80 \times 80\text{ km}$, gồm 130.000 điểm giao cắt và 15.000 tuyến đường trích xuất từ OpenStreetMap.
• Phạm vi thời gian: Dữ liệu vận hành thực tế theo chu kỳ ngày của hãng taxi Tokyo-Musen trong giai đoạn tháng 01/2009 (tập trung phân tích 4 ngày liên tục từ 22/01/2009 đến 25/01/2009).

---

Tổng quan tài liệu và vị trí của luận án

Các hướng nghiên cứu trước

Luận án hệ thống hóa các công trình nghiên cứu trong lĩnh vực hậu cần đô thị (City Logistics) và tối ưu hóa vận tải:

• Tổng quan City Logistics: Hu và cộng sự (2019) phân tích 513 công trình từ 1993 đến 2018, chỉ ra sự bùng nổ nghiên cứu từ sau năm 2010 (chiếm 90%) tại hơn 25 quốc gia; các công trình nền tảng của Taniguchi và cộng sự (2001, 2003), Thompson và cộng sự về quy hoạch 3 mức (chiến lược, chiến thuật, vận hành).
• Mô hình hậu cần thực nghiệm: Dự án "City Logistik" tại Đức, Thụy Sỹ, Hà Lan; mô hình phân phối hàng hóa công cộng tại Monaco (sử dụng 1 CDC ngoại ô và đội xe chuyên biệt); hệ thống CityCargo tại Amsterdam (kết hợp tàu điện và xe tải điện); hệ thống Chronopost International tại Pháp (2007) cho dịch vụ chuyển phát nhanh.
• Bài toán định tuyến và chia sẻ phương tiện: Lớp bài toán VRP, DARP (Dial-A-Ride Problem); Trentini và Malhene (2012), Furuhata và cộng sự (2013) khảo sát hệ thống chia sẻ phương tiện; Li và cộng sự (2014) đề xuất bài toán SARP gốc cho phép taxi chia sẻ giữa hành khách và bưu kiện sử dụng khoảng cách Manhattan.
• Bài toán định tuyến đa mức và đa loại hàng hóa:
  • Crainic và cộng sự (2004, 2009, 2012) đề xuất các mô hình 2E-VRP, phân rã bài toán và nghiên cứu luồng hàng chuyển vào/ra đô thị.
  • Nguyen và cộng sự (2012, 2013, 2017) phát triển thuật toán tìm kiếm Tabu cho bài toán TMZT-VRPTW, MT-PDTWS và mở rộng cho bài toán MTT-PDTWS với 3 loại hàng.
  • Jacobsen và cộng sự (1980) khởi xướng bài toán 2E-LRP (giao báo); Alumur và Kara (2007) xây dựng mô hình MIP; Boccia và cộng sự (2010), Sterle (2010), Contardo và cộng sự (2012) sử dụng Tabu Search và Branch-and-Cut; Cuda và cộng sự (2015), Mirhedayatian và cộng sự (2014), Grangier và cộng sự (2016) nghiên cứu yếu tố đồng bộ giữa các phương tiện tại điểm trung chuyển.

Khoảng trống luận án lựa chọn giải quyết

1. Khắc phục hạn chế của bài toán SARP (Li và cộng sự, 2014) bằng cách xây dựng mô hình chia sẻ giữa 1 hành khách và nhiều hàng hóa, phục vụ hành khách trực tiếp không dừng đón trả khách khác; tích hợp yếu tố phụ thuộc thời gian hoàn toàn với khung tốc độ phân theo 3 vùng đô thị (trung tâm, vùng đệm, ngoại ô) và bổ sung đầy đủ các thành phần chi phí thực tế (nhân công, khấu hao xe, phạt quá giờ).
2. Xây dựng hoàn chỉnh bài toán 2E-MTT-PDTWS nhằm lấp đầy khoảng trống chưa có công trình nào giải quyết đồng thời: mô hình hai mức, tích hợp cả 3 loại hàng hóa ($e2c, c2e, c2c$), ràng buộc khung thời gian, cơ chế đồng bộ trực tiếp và gián tiếp (qua kho đệm) gắn với giới hạn sức chứa của điểm trung chuyển.

---

Cơ sở lý thuyết và phương pháp nghiên cứu

Lý thuyết, khái niệm và khung phân tích

• Khung quy hoạch hậu cần đô thị: Dựa trên phân loại 3 mức quy hoạch: mức chiến lược (định vị điểm trung chuyển, lựa chọn mô hình 1 mức hay 2 mức), mức chiến thuật (định tuyến phương tiện, xác định lịch trình, phân bổ tải trọng), mức vận hành (điều hành tài xế, quản lý bãi đỗ và kho trung gian theo thời gian thực).
• Lý thuyết đồ thị động và mạng lưới phụ thuộc thời gian: Sử dụng đồ thị động $G=(V, E)$ thỏa mãn tính chất FIFO (First-In-First-Out), trong đó thời gian di chuyển $\tau_{u,v}^t$ giữa hai đỉnh $u, v$ khi xuất phát tại thời điểm $t$ được biểu diễn bằng hàm tuyến tính từng đoạn: $$\tau_{u,v}^t = C_i + a_i t \quad (t \in p_i)$$ với $a_i = 1$ (vận tốc không đổi), $a_i > 1$ (vận tốc giảm dần), $a_i < 1$ (vận tốc tăng dần).
• Lý thuyết tối ưu hóa tổ hợp và quy hoạch nguyên hỗn hợp (MIP): Xây dựng các hàm mục tiêu tối đa hóa tổng lợi nhuận kèm hệ thống ràng buộc chặt chẽ về luồng, bảo toàn tải trọng, cửa sổ thời gian và sức chứa.

Phương pháp nghiên cứu thực tế

• Kỹ thuật phân cấp đỉnh giản lược CH (Contract Hierarchies): Áp dụng trên đồ thị thành phần $k$-core ($k=3$) để tạo các cạnh tắt trong giai đoạn tiền xử lý, kết hợp tìm kiếm hai chiều (Dijkstra cải tiến) trong giai đoạn truy vấn nhằm tăng tốc độ tính toán đường đi ngắn nhất.
• Kỹ thuật giản lược bản đồ: Loại bỏ các nút trung gian thuần kết nối (không phải nút giao hay điểm dừng), chỉ giữ lại cấu trúc kết nối hình học.
• Thuật toán Heuristic và Tìm kiếm cục bộ cho SARP:
  • Thuật toán Heuristic vận tải trực tiếp: Lập lịch phục vụ tuần tự theo thứ tự thời gian xuất hiện yêu cầu.
  • Thuật toán Tham lam (Greedy): Sắp xếp yêu cầu theo hàm độ linh hoạt $f_r(i) = \mu(\ell_{i+s} - e_i) - \nu \lambda_i^{min}$.
  • Thuật toán Tìm kiếm địa phương (Local Search): Đánh giá chất lượng phục vụ qua hàm hiệu quả $g(r)$, loại bỏ 10% yêu cầu kém hiệu quả nhất và tái chèn vào lộ trình khác.
• Thuật toán Tìm kiếm lân cận lớn thích nghi (ALNS): Áp dụng cho MTT-PDTWS và 2E-MTT-PDTWS. Tự động điều chỉnh trọng số và xác suất lựa chọn các toán tử hủy (destroy operators) và toán tử chỉnh sửa (repair operators) dựa trên chất lượng lời giải thu được ở từng vòng lặp. Kết hợp Heuristic lập lịch mức 1 để tối ưu hóa tuyến xe tải lớn.

Nguồn tư liệu và dữ liệu

• Dữ liệu mạng lưới giao thông: Bản đồ OpenStreetMap thành phố Tokyo.
• Dữ liệu vận tải thực tế: Nhật ký hành trình GPS của hãng taxi Tokyo-Musen trong tháng 01/2009 (hơn 38.800 yêu cầu vận tải, 5.600 xe taxi mỗi ngày).
• Dữ liệu kinh tế: Biểu giá cước vận tải hành khách và hàng hóa taxi tại Nhật Bản năm 2009.
• Môi trường cài đặt: Ngôn ngữ Java, thử nghiệm trên máy tính CPU 2.4 GHz Intel Core i7, RAM 16GB.

---

Nội dung chính theo từng chương

Chương 1. Tổng quan vấn đề định vị và định tuyến của hậu cần đô thị trong bài toán chia sẻ phương tiện và bài toán giao và nhận đa loại hàng hóa, đa tuyến

Chương này tổng kết cơ sở lý luận về hậu cần đô thị và phân tích sâu cấu trúc của hai mô hình phân phối điển hình:

• Mô hình một mức: Phân phối trực tiếp giữa trung tâm CDC và khách hàng; phù hợp với các đô thị vừa và nhỏ; gặp khó khăn tại các siêu đô thị do áp lực ùn tắc và quy định cấm xe tải nặng.
• Mô hình hai mức: Phân phối đa cấp. Mức 1 sử dụng xe tải lớn vận chuyển giữa CDC ngoại ô và các điểm trung chuyển nội đô; Mức 2 sử dụng xe tải nhỏ/xe điện phân phối chặng cuối đến khách hàng.
• Hệ thống hóa bài toán:
  • Bài toán SARP: Chia sẻ phương tiện giữa hành khách và hàng hóa nội đô ($c2c$).
  • Bài toán MTT-PDTWS (1 mức) và 2E-MTT-PDTWS (2 mức): Xử lý đồng thời 3 loại hàng hóa: $e2c$ (ngoại thành vào), $c2e$ (nội thành ra), và $c2c$ (nội bộ thành phố), đồng thời tích hợp cửa sổ thời gian và cơ chế đồng bộ tại trạm trung chuyển.

+-----------------------------------------------------------------------------------+
|                              MÔ HÌNH HẬU CẦN ĐÔ THỊ                               |
+-----------------------------------------+-----------------------------------------+
|           Mô hình 1 mức (SARP)          |       Mô hình 2 mức (2E-MTT-PDTWS)      |
+-----------------------------------------+-----------------------------------------+
| - 1 loại phương tiện (Taxi)             | - 2 đội xe: Xe tải lớn (Mức 1) &        |
| - Vận tải trực tiếp nội đô              |   Xe tải nhỏ (Mức 2)                    |
| - Kết hợp: 1 hành khách + hàng hóa c2c  | - Tích hợp 3 loại hàng: e2c, c2e, c2c   |
| - Phụ thuộc thời gian & khung tốc độ    | - Đồng bộ tại điểm trung chuyển (Kho/Trực tiếp) |
+-----------------------------------------+-----------------------------------------+

Chương 2. Vấn đề định tuyến trong bài toán chia sẻ phương tiện

Chương 2 tập trung mô hình hóa toán học và phát triển giải thuật cho bài toán SARP phụ thuộc thời gian:

• Mô hình toán học:
  • Đầu vào: Tập đỉnh $V = V^{po} \cup V^{pd} \cup V^{fo} \cup V^{fd} \cup D \cup V^{pa}$ (đón/trả khách, nhận/trả hàng, kho đỗ, bãi đỗ logic $V^{pa}$), tập xe taxi $K$.
  • Hàm mục tiêu: Tối đa hóa tổng lợi nhuận $f = f_1 + f_2 + f_3 - f_4 - f_5 - f_6$, chi tiết thành phần:
    • $f_1$: Doanh thu vận tải khách theo thời gian di chuyển chuẩn.
    • $f_2$: Doanh thu vận tải khách phát sinh khi vượt thời gian chuẩn do kẹt xe.
    • $f_3$: Doanh thu vận tải hàng hóa.
    • $f_4$: Chi phí vận hành taxi tính theo tổng thời gian di chuyển.
    • $f_5$: Chi phí nhân công trả cho tài xế taxi.
    • $f_6$: Chi phí sử dụng phương tiện.
  • Hệ thống ràng buộc: Phục vụ hành khách trực tiếp ($X_{i,i+s}^k = Y_i^k$), bảo toàn luồng, giới hạn tải trọng $\omega_i^k \le \sigma_k^{max}$, thời gian làm việc tối đa của taxi $\tau_k^{max}$, khung thời gian phục vụ $[e_i, \ell_i]$, và sức chứa bãi đỗ tạm thời.
• Kỹ thuật xử lý dữ liệu và thuật toán:
  • Tiền xử lý bản đồ: Giản lược bản đồ Tokyo từ 130.000 điểm xuống còn 13.000 điểm (loại bỏ 117.000 điểm kết nối, tương đương 90%), giúp tốc độ xử lý thuật toán tăng gấp 100 lần.
  • Áp dụng kỹ thuật Contract Hierarchies trên đồ thị 3-core với tỷ lệ thu hẹp $S_k \in [10, 11]$, giảm số bước xử lý khoảng 33 lần và tăng tốc độ truy vấn đường đi ngắn nhất trung bình 20 lần.
  • Thuật toán Heuristic vận tải trực tiếp có độ phức tạp $\mathcal{O}(\max(|K| \cdot s, s \log s))$.
  • Thuật toán Tham lam có độ phức tạp $\mathcal{O}(|K| \cdot s \log s)$.
  • Thuật toán Tìm kiếm địa phương có độ phức tạp $\mathcal{O}(q \cdot |K| \cdot s \log s \cdot |V| \log |V|)$ (với $q$ là số vòng lặp).

Thông số dữ liệu thực nghiệm SARP	Dữ liệu 1 (22/01)	Dữ liệu 2 (23/01)	Dữ liệu 3 (24/01)	Dữ liệu 4 (25/01)
Số lượng yêu cầu khách ($V^{po}$)	13.395	-	-	-
Số lượng yêu cầu hàng ($V^{fo}$)	29.361	-	-	-
Số lượng kho đỗ xe ($D$)	6.766	-	-	-
Số lượng bãi đỗ xe ($V^{pa}$)	128	120	133	114

Mức độ tắc nghẽn	Khung giờ áp dụng	Vận tốc trong đô thị	Vận tốc vùng ven	Vận tốc ngoại ô
Bình thường	[00:00, 05:30]; [19:30, 00:00]	[30; 50] km/h	[30; 50] km/h	[30; 50] km/h
Tắc nghẽn một phần	[05:30, 07:30]; [09:00, 17:30]	[14; 30] km/h	[30; 50] km/h	[30; 50] km/h
Tắc nghẽn	[07:30, 09:00]; [17:30, 19:30]	[5; 14] km/h	[14; 30] km/h	[30; 50] km/h

Chương 3. Vấn đề định vị và định tuyến trong bài toán giao và nhận đa loại hàng hóa, đa tuyến

Chương 3 trình bày giải pháp toàn diện cho bài toán giao nhận đa mức:

• Bài toán MTT-PDTWS (Mô hình 1 mức): Chỉ định trạm trung chuyển phục vụ luồng hàng $c2e$ và định tuyến đội xe tải nhỏ cho cả 3 loại hàng hóa ($e2c, c2e, c2c$). Luận án xây dựng thuật toán ALNS giải bài toán và đối sánh hiệu năng với thuật toán tìm kiếm Tabu.
• Bài toán 2E-MTT-PDTWS (Mô hình 2 mức):
  • Mức 1: Tuyến xe tải lớn vận chuyển hàng hóa giữa CDC và các điểm trung chuyển.
  • Mức 2: Tuyến xe tải nhỏ vận chuyển hàng hóa giữa điểm trung chuyển và khách hàng.
  • Cơ chế đồng bộ hàng hóa: Đồng bộ trực tiếp giữa xe tải lớn và xe tải nhỏ (cross-docking) hoặc đồng bộ gián tiếp qua kho đệm trung gian khi xe chưa sẵn sàng hoặc ngoài khung giờ hoạt động; quản lý ràng buộc sức chứa tối đa về số lượng phương tiện có mặt đồng thời tại trạm trung chuyển.
• Giải thuật ALNS tích hợp Heuristic:
  • Khởi tạo lời giải ban đầu bằng Heuristic chèn tuần tự.
  • Vòng lặp ALNS sử dụng các toán tử phá hủy (hủy ngẫu nhiên, hủy theo chi phí cao, hủy theo khoảng cách) và toán tử tái tạo (chèn tham lam, chèn hối tiếc).
  • Thuật toán Heuristic mức 1 tối ưu hóa lộ trình xe tải lớn dựa trên lịch trình đồng bộ thu được từ mức 2.
• Đánh giá thực nghiệm: Đánh giá tác động của tỷ lệ loại bỏ hàng hóa, hiệu năng thủ tục nâng cao chất lượng lời giải, so sánh kết quả ALNS với Tabu Search và phân tích tỷ lệ chuyển hàng trực tiếp giữa xe tải lớn và xe tải nhỏ.

---

Kết quả và những đóng góp mới

Đóng góp về lý luận và mô hình

1. Xây dựng mô hình toán học phụ thuộc thời gian hoàn chỉnh cho bài toán chia sẻ phương tiện SARP, đưa vào các khung tốc độ thực tế theo 3 vùng địa lý đô thị và tích hợp đầy đủ hệ thống chi phí nhân công, khấu hao xe và phạt trễ giờ.
2. Đề xuất và mô hình hóa thành công bài toán "Giao và nhận đa loại hàng hóa, đa tuyến ở hai mức với khung thời gian và đồng bộ (2E-MTT-PDTWS)", lần đầu tiên xử lý đồng thời cả ba luồng hàng ($e2c, c2e, c2c$) cùng cơ chế đồng bộ kho đệm có giới hạn sức chứa trong mô hình hai mức.

Đóng góp về phương pháp giải thuật và thực tiễn

1. Đề xuất quy trình tiền xử lý mạng lưới giao thông kết hợp giản lược bản đồ và kỹ thuật Contract Hierarchies trên đồ thị 3-core, giúp tăng tốc độ tìm đường ngắn nhất lên 20 lần và giảm 90% số nút dư thừa trên dữ liệu thực tế.
2. Xây dựng các thuật toán Heuristic, Tham lam, Tìm kiếm địa phương cho bài toán SARP và thuật toán ALNS kết hợp Heuristic cho bài toán 2E-MTT-PDTWS, cho thấy chất lượng lời giải vượt trội so với thuật toán tìm kiếm Tabu truyền thống.
3. Xây dựng phương pháp chuyển đổi và phát triển bộ dữ liệu chuẩn quy mô lớn từ dữ liệu thực tế của hãng taxi Tokyo-Musen phục vụ cộng đồng nghiên cứu.

Công bố khoa học

Các kết quả nghiên cứu trong luận án đã được công bố qua 05 công trình khoa học quốc tế, bao gồm:

• 02 bài báo trên tạp chí khoa học quốc tế (trong đó có 01 bài thuộc danh mục ISI Q2).
• 03 bài báo tại các kỷ yếu hội nghị quốc tế (trong đó có 01 công trình đạt giải thưởng Best Paper Award tại Hội nghị Quốc tế KSE 2016).

---

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của nghiên cứu

• Mô hình chia sẻ phương tiện SARP và bài toán 2E-MTT-PDTWS được giải quyết theo phương thức tiền định tĩnh hoặc chia chu kỳ rời rạc (10 phút/chu kỳ đối với mô hình động), chưa tích hợp hoàn toàn yếu tố bất định thời gian thực (stochastic real-time) khi xảy ra sự cố giao thông đột xuất.
• Dữ liệu thực nghiệm quy mô lớn chủ yếu dựa trên tập dữ liệu taxi Tokyo năm 2009; chưa mở rộng đánh giá trên các cấu trúc đô thị đặc thù khác (như các đô thị có hạ tầng giao thông hỗn hợp xe máy tại Việt Nam).
• Hàm mục tiêu kinh tế chưa đưa trực tiếp chỉ số phát thải môi trường ($CO_2$, tiêu hao năng lượng) thành một biến mục tiêu độc lập trong bài toán tối ưu đa mục tiêu.

Hướng nghiên cứu tiếp

Theo định hướng được tác giả trình bày tại phần Kết luận và Hướng phát triển:

1. Mở rộng bài toán 2E-MTT-PDTWS cho các đội phương tiện hỗn hợp sử dụng năng lượng mới (xe tải điện, xe máy điện) kết hợp trạm sạc và quản lý dung lượng pin.
2. Phát triển mô hình tối ưu hóa đa mục tiêu, cân bằng đồng thời giữa lợi nhuận kinh tế, thời gian di chuyển và mức độ phát thải khí nhà kính trong đô thị.
3. Ứng dụng các kỹ thuật học máy (Machine Learning) để dự báo chính xác hơn ma trận nhu cầu vận tải và tốc độ giao thông theo thời gian thực phục vụ điều hành trực tuyến.

---

Giá trị tham khảo

Đối tượng thụ hưởng

• Nghiên cứu sinh và Giảng viên: Là tài liệu chuyên khảo tham khảo cho các hướng nghiên cứu thuộc ngành Khoa học máy tính, Vận trù học (Operations Research), Hệ thống thông tin và Quản lý chuỗi cung ứng/Logistics.
• Doanh nghiệp vận tải và công nghệ: Cung cấp giải thuật và mô hình thực tiễn để xây dựng hệ thống phần mềm điều hành xe taxi công nghệ, sàn chia sẻ phương tiện kết hợp giao hàng và trung tâm điều phối logistics chặng cuối.
• Nhà quy hoạch chính sách đô thị: Cung cấp cơ sở khoa học để đánh giá hiệu quả của hệ thống kho phân phối trung gian (CDC) và các trạm trung chuyển trong chiến lược giảm ùn tắc giao thông đô thị.

Các phần đáng tham khảo sâu

• Chương 2 (Mục 2.2 - 2.3): Kỹ thuật tiền xử lý đồ thị giao thông quy mô lớn bằng phân cấp đỉnh giản lược CH và cách thiết lập hàm thời gian di chuyển tuyến tính từng đoạn FIFO.
• Chương 2 (Mục 2.1): Chi tiết cấu trúc mô hình toán học MIP cho bài toán SARP với hệ thống ký hiệu chặt chẽ về bãi đỗ logic và hàm mục tiêu lợi nhuận đa thành phần.
• Chương 3 (Mục 3.2 - 3.4): Khung kiến trúc thuật toán ALNS thiết kế riêng cho bài toán giao nhận đa mức có yếu tố đồng bộ kho bãi.

---

Câu hỏi thường gặp

1. Bài toán SARP trong luận án có điểm gì khác biệt căn bản so với mô hình SARP của Li và cộng sự (2014)?

Mô hình của Li và cộng sự (2014) tính toán dựa trên khoảng cách tĩnh Manhattan và cho phép ghép nhiều hành khách trên cùng một chuyến xe (thiếu tính thực tế do nhu cầu riêng tư/an toàn). Luận án của Nguyễn Ngọc Quang đã cải tiến: (1) Chỉ cho phép 1 hành khách đi cùng các bưu kiện hàng hóa và xe phục vụ khách trực tiếp không dừng giữa chừng; (2) Mô hình hóa phụ thuộc thời gian hoàn toàn với khung tốc độ phân theo 3 vùng đô thị; (3) Bổ sung chi phí nhân công tài xế, chi phí khấu hao xe và phụ thu quá giờ do tắc đường.

2. Kỹ thuật phân cấp đỉnh giản lược CH (Contract Hierarchies) đóng vai trò gì trong giải thuật?

Kỹ thuật CH giúp giải quyết bài toán tìm đường đi ngắn nhất trên mạng lưới đường phố lớn của Tokyo (130.000 điểm giao cắt). Bằng cách tiền xử lý tạo các cạnh tắt trên đồ thị 3-core và loại bỏ các nút kết nối thuần túy (giảm 90% số đỉnh), kỹ thuật này đạt tỷ lệ thu hẹp $S_k \in [10, 11]$, giúp tốc độ truy vấn đường đi ngắn nhất tăng trung bình 20 lần và tốc độ toàn thuật toán nhanh hơn 100 lần.

3. Ba loại hàng hóa ($e2c, c2e, c2c$) trong bài toán 2E-MTT-PDTWS được định nghĩa như thế nào?

• Hàng hóa $e2c$ (External-to-customer): Hàng nhận từ ngoại thành/trung tâm CDC chuyển đến khách hàng trong nội thành.
• Hàng hóa $c2e$ (Customer-to-external): Hàng nhận từ khách hàng trong nội thành chuyển ra các trung tâm phân phối ngoại thành.
• Hàng hóa $c2c$ (Customer-to-customer): Hàng hóa/bưu kiện nhận và giao hoàn toàn giữa các khách hàng trong khu vực nội thành.

4. Cơ chế đồng bộ hàng hóa tại điểm trung chuyển trong bài toán 2E-MTT-PDTWS hoạt động ra sao?

Cơ chế đồng bộ diễn ra giữa xe tải lớn (mức 1) và xe tải nhỏ (mức 2) theo 2 phương án: (1) Đồng bộ trực tiếp: Chuyển giao hàng trực tiếp giữa hai xe khi cả hai cùng có mặt tại trạm trong khung giờ cho phép; (2) Đồng bộ gián tiếp: Sử dụng kho đệm trung gian để lưu trữ tạm thời nếu một trong hai xe chưa đến hoặc ngoài giờ hoạt động. Điểm trung chuyển có quy định ràng buộc sức chứa tối đa về số lượng xe được đỗ cùng lúc.

5. Dữ liệu thực nghiệm của luận án được xây dựng từ nguồn nào?

Dữ liệu được trích xuất từ dữ liệu GPS thực tế trong tháng 01/2009 của hãng taxi Tokyo-Musen tại Tokyo (Nhật Bản) kết hợp bản đồ OpenStreetMap. Tập thực nghiệm chính gồm 4 bộ dữ liệu ngày (22/01–25/01/2009), trong đó 70% yêu cầu khách được chuyển đổi thành yêu cầu bưu kiện hàng hóa với khung giờ sáng ([8h30, 12h00]) và chiều ([12h00, 21h00]), xử lý hơn 42.000 yêu cầu vận tải mỗi ngày.

---

Kết luận

Luận án tiến sĩ của tác giả Nguyễn Ngọc Quang đã giải quyết trọn vẹn bài toán định vị và định tuyến trong mô hình hậu cần đô thị từ một mức đến hai mức. Tác giả đã đóng góp các mô hình toán học mới cho bài toán chia sẻ phương tiện SARP phụ thuộc thời gian và bài toán giao nhận hai mức 2E-MTT-PDTWS tích hợp đồng thời ba luồng hàng hóa cùng cơ chế đồng bộ kho đệm. Hệ thống thuật toán Heuristic, Contract Hierarchies và ALNS đề xuất được chứng minh đạt hiệu năng cao trên tập dữ liệu thực tế quy mô lớn của thành phố Tokyo. Công trình có giá trị học thuật và ứng dụng thực tiễn cao, đóng góp thiết thực cho sự phát triển của hệ thống logistics đô thị thông minh.

Trích đoạn nội dung tài liệu

Chương 1: trình bày tổng quan về hậu cần đô thị. Khảo sát các mô hình hậu cần đô thị điển hình: mô hình hậu cần đô thị một mức và mô hình hậu cần đô thị hai mức. Phần cuối cùng của chương trình bày vấn đề định vị và định tuyến trong hậu cần đô thị thông qua bài toán chia sẻ phương tiện và bài toán giao và nhận đa loại hàng hóa, đa tuyến; • Chương 2: nghiên cứu vấn đề định tuyến của mô hình hậu cần đô thị một mức thông qua giới thiệu và giải quyết bài toán chia sẻ phương tiện SARP. Luận án xây dựng mô hình toán học biểu diễn bài toán.

Luận án xây dựng thuật toán tham lam, thuật toán tìm 4 kiếm địa phương để giải quyết bài toán và tiến hành thực nghiệm từ dữ liệu thực tế của công ty taxi Tokyo-Musen; • Chương 3: nghiên cứu vấn đề định vị và định tuyến trong hậu cần đô thị thông qua bài toán giao và nhận đa loại hàng hóa, đa tuyến. Vấn đề định vị và định tuyến trong hậu cần đô thị một mức được nghiên cứu thông qua bài toán giao và nhận đa loại hàng hóa, đa tuyến với khung thời gian và đồng bộ (gọi tắt là bài toán MTT-PDTWS). Mở rộng bài toán MTT-PDTWS, vấn đề định vị và định tuyến trong hậu cần đô thị hai mức được nghiên cứu thông quan bài toán giao và nhận đa loại hàng hóa, đa tuyến ở hai mức với khung thời gian và đồng bộ (gọi tắt là bài toán 2E-MTT-PDTWS). Tiếp theo, thuật toán tìm kiếm lân cận lớn thích nghi ALNS được xây dựng để giải quyết bài toán MTT- PDTWS.

Kết hợp thuật toán ALNS với thuật toán heuristic, luận án xây dựng thuật toán để giải quyết bài toán 2E-MTT-PDTWS. Xây dựng dữ liệu thực nghiệm và tiến hành thực nghiệm, phân tích, đánh giá hiệu quả của thuật toán. TỔNG QUAN VẤN ĐỀ ĐỊNH VỊ VÀ ĐỊNH TUYẾN CỦA HẬU CẦN ĐÔ THỊ TRONG BÀI TOÁN CHIA SẺ PHƯƠNG TIỆN VÀ BÀI TOÁN GIAO VÀ NHẬN ĐA LOẠI HÀNG HÓA, ĐA TUYẾN Chương này trình bày tổng quan về hậu cần đô thị. Khảo sát các mô hình hậu cần đô thị điển hình: mô hình hậu cần đô thị một mức và mô hình hậu cần đô thị hai mức.

Phần cuối cùng của chương giới thiệu vấn đề định vị và định tuyến trong hậu cần đô thị thông qua bài toán chia sẻ phương tiện và bài toán giao và nhận đa loại hàng hóa, đa tuyến. HẬU CẦN ĐÔ THỊ Hậu cần đô thị bắt đầu được nghiên cứu từ những năm 1970. Trong giai đoạn này, nghiên cứu chính của hậu cần đô thị là hạn chế các phương tiện vận tải có kích thước lớn và giảm tác động của vận tải đối với môi trường đô thị. Trong khoảng thời gian từ 1975-1980, hậu cần đô thị không thu hút nhiều sự quan tâm của cộng đồng nghiên cứu.

Sau năm 1980, với sự phát triển nhanh chóng của hệ thống giao thông, vấn đề vận tải trong hậu cần đô thị thu hút nhiều công trình nghiên cứu hơn với các kết quả đạt được như: các khảo sát về giao thông, các dự án nghiên cứu và các kết quả thực nghiệm của mô hình nghiên cứu. Các nghiên cứu trong giai đoạn này diễn ra chủ yếu tại liên minh Châu Âu và Nhật. Năm 2019, tác giả Hu và cộng sự tổng hợp và phân tích 513 công trình nghiên cứu về hậu cần đô thị từ năm 1993 đến năm 2018 [9]. Theo thống kê, từ năm 2010 số lượng nghiên cứu về hậu cần đô thị tăng đáng kể qua từng năm (chiếm 90% tổng số lượng nghiên cứu được khảo sát).

Các nghiên cứu về hậu cần đô thị được quan tâm nghiên cứu tại hơn 25 nước. Các nước có nhiều nghiên cứu đóng góp: Mỹ, Ý, Pháp, Đức, Anh, Tây Ban Nha và Canada. Mạng lưới các quốc gia hợp tác nghiên cứu hậu cần đô thị [9] Thông qua thống kê và phân tích dữ liệu thực tế, các khảo sát đầu tiên về hậu cần đô thị chỉ ra các vấn đề chính của vận tải trong hậu cần đô thị là số lượng xe vận tải di chuyển không tải lớn và mức tải trọng trung bình của các xe vận tải không cao [10] [11]. Điều này dẫn đến sự lãng phí, tình trạng tắc nghẽn giao thông, ảnh hưởng đến môi trường và xã hội.

Ngoài ra, các khảo sát này cũng chỉ ra việc cố gắng áp dụng các quy định, chính sách về giao thông và đỗ xe không giải quyết được vấn đề. Một số phương pháp mới được đề xuất như xây dựng hệ thống tàu điện ngầm riêng để vận tải hàng hóa nhằm giảm số lượng phương tiện tham gia vận tải trong đô thị [12] [13] nhưng không đem lại hiệu quả trong thực tế vì chi phí triển khai quá lớn. Do đó, đa số mô hình hậu cần đô thị trong giai đoạn này đề xuất đều xem xét phương án sử dụng hợp lý các phương tiện vận tải trên hạ tầng hiện có để giảm số lượng phương tiện vận tải lưu thông, tăng khả năng phân phối hàng hóa hiệu quả. Ngoài ra, trong khảo sát gần đây [9], tác giả Hu và cộng sự chỉ ra các lĩnh vực nghiên cứu chính của hậu cần đô thị: chính sách vận tải (Transopration Policy), hậu cần và đánh giá vận tải (Logistics and Transportation Review), chính sách và thực hành (Policy and Practice).

Và các phương pháp nghiên cứu chính gồm: phương pháp mô hình hóa (modelling), phương pháp mô phỏng, phân tích định lượng và nghiên cứu mô hình. Tác giả Hu và cộng sự cũng chỉ ra một trong những xu hướng chính khi nghiên cứu hậu cần đô thị trong những năm gần đây là nghiên cứu ảnh hưởng của hậu cần đô thị đối với sự phát triển bền vững thông qua: tác động đến tài 7 nguyên của đô thị và tác động đến môi trường. Các tiêu chí, phân tích tác động đến môi trường, kinh tế đô thị được đề xuất và phân tích chuyên sâu trong các nghiên cứu [7] [8] [14]. Xuyên suốt lịch sử phát triển, một số định nghĩa về hậu cần đã được đề xuất.

Định nghĩa thông dụng về hậu cần do Hội đồng quản lý hậu cần CLM đưa ra [15]: “Hậu cần là một phần của chuỗi cung ứng, bao gồm: lập kế hoạch, thực hiện và kiểm soát hiệu quả các vấn đề lưu trữ, dịch vụ và thông tin liên quan từ kho đến điểm tiêu thụ nhằm đáp ứng yêu cầu của khách hàng”. Tuy nhiên, xem xét trong bối cảnh đô thị với những đặc điểm riêng, một số nhà nghiên cứu đề xuất định nghĩa riêng cho hậu cận đô thị. Tác giả Taniguchi và đồng sự [16] đưa ra định nghĩa: “Hậu cần đô thị là quá trình tối ưu hóa các hoạt động hậu cần và các hoạt động vận tải trong khu vực đô thị trên cơ sở xem xét các vấn đề liên quan đến môi trường giao thông, tắc nghẽn giao thông và năng lượng tiêu thụ”. Thông qua các khảo sát và định nghĩa, có thể nhận xét vận tải hàng hóa là cốt lõi của hậu cần đô thị.

Các phương tiện được sử dụng để phục vụ vận tải khách hàng trong thành phố thường là xe tải có kích thước nhỏ (từ nay gọi tắt là xe tải nhỏ) phù hợp với môi trường đô thị. Các phương tiện vận tải thực hiện vận tải ở ngoài thành phố thường có kích thước lớn (từ nay gọi tắt là xe tải lớn) để vận tải được nhiều hàng hóa do ít bị hạn chế về khung thời gian hoạt động. Trong mô hình hậu cần đô thị, khái niệm nhà ga đô thị được xem xét như: điểm trung chuyển, trung tâm phân phối CDC, điểm kết nối với các chuỗi cung ứng tương ứng khác. Trong đó, trung tâm phân phối CDC là địa điểm đồng bộ hàng hóa giữa các phương tiện, cũng như là nơi lưu trữ, sắp xếp, bốc hàng, dỡ hàng và phân chia hàng hóa.

Cụ thể, hàng hóa sẽ được tập trung trước khi vận tải vào thành phố hoặc sau khi ra ngoài thành phố tại các trung tâm phân phối CDC trong mô hình hậu cần đô thị. Khái niệm trung tâm phân phối CDC cũng được sử dụng tương tự trong mô hình hậu cần liên hợp và mô hình làng vận tải. Trong khi mô hình hậu cần liên hợp là dịch vụ vận tải bằng nhiều hình thức vận tải xuất phát từ một điểm qua nhiều điểm trung gian đến địa điểm cho người nhận, thì làng vận tải chính là toàn bộ khu vực vận tải bao gồm cơ sở hạ tầng, hoạt động vận tải, phương tiện vận tải. Trung tâm phân phối CDC thường được đặt gần cửa vào thành phố, đường cao tốc, hoặc là một phần hạ tầng của hệ thống đường sắt, đường hàng không và đường thủy.

Việc sử dụng trung tâm phân phối CDC là đóng góp quan trọng đối với vận tải hàng hóa trong đa số các đề xuất và dự án liên quan đến mô hình hậu cần đô thị [17]. VẤN ĐỀ QUY HOẠCH TRONG HẬU CẦN ĐÔ THỊ Tương tự các hệ thống giao thông vận tải phức tạp khác, hậu cần đô thị sẽ được quy hoạch theo các phương thức, các mức khác nhau [18] [19]. Các mức quy hoạch của hậu cần đô thị bao gồm: mức chiến lược, mức chiến thuật và mức vận hành [5]. • Ở mức chiến lược, mô hình hậu cần đô thị sẽ được xem xét đánh giá trong cả trường hợp là hệ thống độc lập cũng như là một hệ thống nhỏ trong hệ thống giao thông vận tải tổng thể với mối liên hệ giữa các hệ thống.

Việc lựa chọn mô hình hậu cần đô thị một mức hay hai mức theo tiêu chí chi phí/lợi ích (cost-benefit) là một phần yêu cầu quy hoạch thuộc mức chiến lược. Việc định vị các cơ sở vận tải thuộc mức quy hoạch chiến lược. • Quy hoạch ở mức chiến thuật là việc lập kế hoạch vận tải đảm bảo hoạt động hiệu quả và tối ưu hóa các tài nguyên trong khi đáp ứng các yêu cầu vận tải với các tiêu chí cụ thể như thời gian giao hàng, khung thời gian hoạt động… [20] [21]. Như vậy, quy hoạch ở mức chiến thuật sẽ tập trung xử lý các vấn đề liên quan đến định tuyến các phương tiện vận tải như: thời gian khởi hành, lộ trình và tải của phương tiện vận tải, ….

• Từ mức quy hoạch chiến thuật, lịch làm việc của tài xế vận tải, nhân viên tại điểm trung chuyển cũng như điều chỉnh các hoạt động của phương tiện vận tải và kho trung gian sẽ được thực hiện ở mức vận hành. Các nghiên cứu tiêu biểu về hoạt động của một đội xe vận tải thuộc mức vận hành được tác giả Taniguchi, tác giả Thompson và cộng sự nghiên cứu tại công trình [22] [23].