Tổng quan nghiên cứu

Thành phố Hà Nội vào năm 2014 ghi nhận quy mô dân số chính thức đạt hơn 7.268.000 người cùng lực lượng lao động di chuyển thường xuyên vượt mức 3.387.000 người, tạo nên áp lực lưu thông khổng lồ với hơn 13.083.000 chuyến đi mỗi ngày trên mạng lưới 577 phường, xã. Tỷ lệ sở hữu xe máy cá nhân tại thời điểm khảo sát chạm mức cao kỷ lục với bình quân 1,8 xe trên mỗi hộ gia đình, trong khi xe con cá nhân đạt khoảng 0,05 xe trên mỗi hộ gia đình. Tình trạng gia tăng cơ giới hóa nhanh chóng dẫn đến hiện tượng quá tải hạ tầng, ùn tắc kéo dài và ô nhiễm môi trường nghiêm trọng tại các trục giao thông huyết mạch.

Vấn đề nghiên cứu trọng tâm là sự thiếu hụt của các công cụ dự báo giao thông chính xác trong nước. Các phương pháp dự báo truyền thống dựa vào tốc độ tăng trưởng cơ học hoặc hệ số đàn hồi chung bộc lộ sai số lớn do không phản ánh đúng sự thay đổi trong hành vi đi lại và phân bố không gian đô thị. Mục tiêu cốt lõi của luận văn là nghiên cứu, làm chủ và ứng dụng các kỹ thuật khai phá dữ liệu hiện đại nhằm xây dựng hoàn chỉnh mô hình dự báo lưu lượng giao thông chi tiết theo từng loại hình phương tiện, bao gồm xe đạp, xe máy, xe con và xe buýt công cộng.

Phạm vi nghiên cứu bao quát toàn bộ 320 phân vùng giao thông trên địa bàn Thủ đô Hà Nội, sử dụng dữ liệu điều tra hành trình năm 2014 và kiểm định dự báo tầm nhìn đến năm 2020. Nghiên cứu mang ý nghĩa thực tiễn to lớn khi giúp nâng cao hệ số tin cậy của các mô hình toán học lên trên 0,90, giảm thiểu rủi ro sai lệch trong đầu tư công và cung cấp luận cứ khoa học vững chắc phục vụ quy hoạch hạ tầng giao thông đô thị bền vững.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên tiến trình Phát hiện tri thức trong cơ sở dữ liệu (KDD) gồm 7 bước tuần tự: xác định bài toán, thu thập dữ liệu, tiền xử lý làm sạch, trích chọn thuộc tính, khai phá dữ liệu, kiểm định đánh giá và khai thác tri thức ứng dụng. Tiến trình này cho phép trích xuất các quy luật di chuyển tiềm ẩn từ các tập dữ liệu không gian và hành vi có cấu trúc phức tạp.

Khung lý thuyết nền tảng thứ hai là Mô hình dự báo giao thông 4 bước kinh điển trong quy hoạch vận tải quốc tế. Mô hình bao gồm 4 giai đoạn logic chặt chẽ:

  • Giai đoạn 1: Mô hình phát sinh và thu hút chuyến đi (Trip Generation and Attraction), xác định số lượng chuyến đi xuất phát và kết thúc tại từng vùng phân tích.
  • Giai đoạn 2: Mô hình phân bổ chuyến đi (Trip Distribution), xác định ma trận luồng giao thông giữa các cặp phân vùng dựa trên định luật trọng lực tương tự quy luật vạn vật hấp dẫn của Newton.
  • Giai đoạn 3: Mô hình phân chia phương tiện (Modal Split), ứng dụng cấu trúc mô hình Logit đa thức (Multinomial Logit Model) để tính toán xác suất lựa chọn 4 loại phương tiện giao thông.
  • Giai đoạn 4: Mô hình phân bổ luồng giao thông lên mạng lưới đường bộ (Traffic Assignment) theo đường cong quan hệ giữa khối lượng và vận tốc (QV Curve).

Bên cạnh đó, nghiên cứu vận dụng 4 khái niệm kinh tế - kỹ thuật giao thông trọng yếu gồm: Đơn vị xe con quy đổi (PCU), Chi phí vận hành phương tiện (VOC), Chi phí giá trị thời gian của người tham gia giao thông (VOT) và Kỹ thuật biến giả điều chỉnh khu vực (HSDC).

Phương pháp nghiên cứu

Nguồn dữ liệu đầu vào của luận văn được tích hợp từ 2 tập dữ liệu lớn: dữ liệu khảo sát thực nghiệm tại 18.000 hộ gia đình trên địa bàn Hà Nội năm 2014 và dữ liệu thống kê kinh tế - xã hội chính thức của 577 xã, phường được tổng hợp thành 320 phân vùng phân tích giao thông (TAZ). Dữ liệu hộ gia đình bao gồm các biến số chi tiết về mục đích chuyến đi, chi phí di chuyển, thời gian chờ đợi, cự ly thực tế và đặc điểm nhân khẩu học của từng cá nhân.

Phương pháp chọn mẫu là phương pháp điều tra mẫu phân tầng ngẫu nhiên theo địa giới hành chính, bảo đảm tính đại diện cao cho toàn bộ các nhóm dân cư từ nội thành đến ngoại thành. Lý do lựa chọn phương pháp phân tích hồi quy tuyến tính đa biến kết hợp mô hình Logit đa nhân tố trên nền tảng ngôn ngữ lập trình mã nguồn mở R là khả năng xử lý ma trận dữ liệu khổng lồ với 102.285 cặp tương tác phân vùng. Cách tiếp cận này vượt trội hơn các phần mềm thương mại đóng gói như Cube hay Visum ở tính minh bạch của thuật toán, khả năng tùy biến các hệ số hồi quy và khả năng tích hợp biến giả để phản ánh đặc thù giao thông tại Việt Nam. Toàn bộ dữ liệu được chuẩn hóa và kiểm định thống kê trong mốc thời gian từ năm 2014 đến 2016.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Phát hiện thứ nhất thể hiện ở mô hình phát sinh và thu hút chuyến đi. Khi áp dụng hồi quy tuyến tính thông thường với các biến dân số, việc làm và học sinh sinh viên, hệ số tương quan bội R chỉ đạt 0,66 đối với phát sinh và 0,65 đối với thu hút (mức độ giải thích tương ứng là 43,5% và 42,2%). Tuy nhiên, khi tác giả bổ sung kỹ thuật biến giả điều chỉnh khu vực (HSDC), hệ số R của mô hình phát sinh đã tăng vọt lên 0,92 (mức độ giải thích đạt 94,5%) và mô hình thu hút đạt hệ số R bằng 0,91 (mức độ giải thích đạt 83,0%).

Phát hiện thứ hai nằm ở mô hình phân bổ chuyến đi giữa 320 phân vùng. Hàm trọng lực dạng Logarit tuyến tính hóa ban đầu đạt hệ số tương quan R bằng 0,82 với mức độ giải thích 68%. Sau khi tích hợp hệ số điều chỉnh không gian Dummy, hệ số tương quan R tăng lên 0,94, nâng mức độ giải thích của mô hình lên 89% trên tổng số 102.285 quan sát cặp vùng.

Phát hiện thứ ba chỉ ra mức độ chính xác vượt trội của mô hình phân chia thị phần phương tiện Logit đa thức. Mô hình đạt độ tin cậy rất cao cho từng loại phương tiện:

  • Xe đạp: Hệ số tương quan R đạt 0,95; mức độ giải thích đạt 90,3%.
  • Xe con cá nhân: Hệ số tương quan R đạt 0,90; mức độ giải thích đạt 80,6%.
  • Xe buýt công cộng: Hệ số tương quan R đạt 0,89; mức độ giải thích đạt 80,3%.
  • Xe máy: Hệ số tương quan R đạt 0,74; mức độ giải thích đạt 54,8%.

Phát hiện thứ tư về hành vi giao thông cho thấy tần suất di chuyển bình quân của người dân Hà Nội là 2,88 chuyến/người/ngày. Trong đó, nhóm cán bộ công nhân viên thực hiện nhiều chuyến đi nhất với 2,96 chuyến/ngày, sinh viên và học sinh đạt 2,78 chuyến/ngày, và nhóm đi làm đạt mức cao nhất với 3,20 chuyến/ngày. Cự ly di chuyển bình quân của xe máy đạt 5,32 km/chuyến với chi phí vận hành khoảng 298.323 đồng/tháng.

Thảo luận kết quả

Sự cải thiện vượt bậc của các hệ số thống kê sau khi áp dụng biến giả khu vực chứng minh rằng mật độ di chuyển không chỉ phụ thuộc đơn thuần vào quy mô dân số mà còn chịu sự chi phối mạnh mẽ bởi cấu trúc không gian đô thị. Tại các quận lõi trung tâm như Hoàn Kiếm và Ba Đình, mật độ hoạt động kinh tế và thương mại dịch vụ tạo ra lượng chuyến đi thu hút cao gấp nhiều lần so với các huyện ngoại thành như Thường Tín hay Ba Vì, dù quy mô dân số có thể tương đương. Dữ liệu này có thể được biểu diễn trực quan thông qua biểu đồ phân tán hồi quy và bản đồ nhiệt ma trận xuất phát - đích đến (O-D Matrix Heatmap).

Kết quả ước lượng hàm thỏa dụng khẳng định chi phí giá trị thời gian (VOT) có tác động phân hóa rõ rệt nhất đến hành vi lựa chọn phương tiện. Người sử dụng xe con có độ nhạy cảm về thời gian cao nhất với hệ số tác động 0,2768, tiếp theo là xe buýt với hệ số 0,1571, xe đạp với 0,104 và xe máy với 0,00017. Điều này giải thích tại sao xe máy vẫn giữ vai trò áp đảo tại Hà Nội nhờ tính linh hoạt cao và chi phí vận hành cực thấp, hoàn toàn tương đồng với các nghiên cứu vận tải đô thị tại các thành phố Jakarta và Dhaka. Việc trình bày kết quả qua bảng so sánh thị phần phương tiện giúp các nhà hoạch định nhìn nhận rõ nét sự cần thiết phải rút ngắn thời gian di chuyển của xe buýt để nâng cao sức cạnh tranh với phương tiện cá nhân.

Đề xuất và khuyến nghị

Dựa trên kết quả dự báo và các hàm thỏa dụng phương tiện, tác giả đưa ra các nhóm khuyến nghị hành động cụ thể:

Thứ nhất, nâng cấp chất lượng và tăng cường khả năng tiếp cận của hệ thống giao thông công cộng. Sở Giao thông Vận tải Hà Nội cần chủ trì triển khai trong giai đoạn 2020 - 2025 các tuyến xe buýt kết nối và đường sắt đô thị tốc độ cao, hướng tới mục tiêu gia tăng thị phần vận tải hành khách công cộng từ mức dưới 15% lên mức tối thiểu 25% tổng lưu lượng chuyến đi toàn đô thị.

Thứ hai, áp dụng chính sách điều tiết kinh tế linh hoạt đối với phương tiện cá nhân. Ủy ban Nhân dân Thành phố Hà Nội cần ban hành lộ trình áp dụng phí sử dụng đường bộ và phí trông giữ phương tiện lũy tiến theo khu vực trong giai đoạn 2022 - 2026, nhằm mục tiêu kéo giảm 15% đến 20% lượng xe con và xe máy cá nhân đi vào các quận nội thành giờ cao điểm.

Thứ ba, chuẩn hóa và số hóa cơ sở dữ liệu điều tra hộ gia đình định kỳ. Viện Quy hoạch Xây dựng phối hợp với các cơ quan thống kê thực hiện khảo sát mẫu tối thiểu 20.000 hộ gia đình theo chu kỳ 3 năm một lần, bảo đảm nguồn dữ liệu cập nhật liên tục để tái hiệu chỉnh hệ số mô hình dự báo giao thông 4 bước.

Thứ tư, đẩy mạnh ứng dụng công nghệ khai phá dữ liệu mã nguồn mở trong công tác tư vấn quy hoạch. Các viện nghiên cứu và doanh nghiệp tư vấn giao thông cần chuyển giao chương trình tính toán trên nền tảng ngôn ngữ R trong vòng 12 tháng, giúp tiết kiệm hơn 50% chi phí mua bản quyền phần mềm nước ngoài và rút ngắn 40% thời gian xử lý ma trận giao thông.

Đối tượng nên tham khảo luận văn

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

  1. Các nhà quản lý và chuyên gia quy hoạch đô thị: Có thể sử dụng trực tiếp các phương trình hồi quy dự báo phát sinh, thu hút và ma trận phân bổ chuyến đi để tính toán nhu cầu hạ tầng giao thông trong các đồ án quy hoạch tổng thể thành phố đến năm 2030.
  2. Giảng viên, nghiên cứu sinh và học viên cao học ngành Công nghệ thông tin và Khoa học máy tính: Tìm thấy một tài liệu tham khảo chuẩn mực về cách thức áp dụng quy trình khai phá dữ liệu KDD, kỹ thuật xử lý biến giả và mô hình Logit đa thức trên các tập dữ liệu không gian quy mô lớn.
  3. Các cơ quan quản lý vận tải và doanh nghiệp vận tải hành khách công cộng: Khai thác các hệ số độ thỏa dụng về chi phí và thời gian để xây dựng phương án trợ giá vé xe buýt, định tuyến luồng tuyến tối ưu và dự báo doanh thu chính xác.
  4. Các kỹ sư dữ liệu và chuyên viên phân tích giao thông thông minh (ITS): Tham khảo toàn bộ mã nguồn xử lý thuật toán trên ngôn ngữ R được tác giả cung cấp để phát triển các ứng dụng mô phỏng giao thông tự động hóa.

Câu hỏi thường gặp

Mô hình dự báo giao thông 4 bước trong luận văn bao gồm những bước cụ thể nào? Mô hình bao gồm 4 giai đoạn liên hoàn: xác định lượng chuyến đi phát sinh và thu hút tại 320 phân vùng, phân bổ dòng chuyến đi giữa các cặp vùng bằng hàm trọng lực, tính toán tỷ lệ lựa chọn 4 loại phương tiện bằng mô hình Logit đa thức, và phân bổ lưu lượng lên mạng lưới tuyến đường theo đơn vị xe con quy đổi.

Kỹ thuật biến giả điều chỉnh khu vực (HSDC) mang lại lợi ích gì cho mô hình? Biến giả khu vực giúp phản ánh sự khác biệt về mật độ hoạt động kinh tế giữa lõi trung tâm và vùng ngoại ô. Việc đưa biến giả vào giúp nâng hệ số tương quan R của mô hình phát sinh từ 0,66 lên 0,92 và mô hình phân bổ chuyến đi từ 0,82 lên 0,94, giảm thiểu đáng kể sai số dự báo.

Hàm thỏa dụng lựa chọn phương tiện phụ thuộc vào những biến số cốt lõi nào? Hàm thỏa dụng được xây dựng dựa trên 3 biến số chính gồm: Chi phí vận hành phương tiện (VOC), Chi phí giá trị thời gian di chuyển (VOT) tính trên thu nhập bình quân đầu người, và biến số chuyến đi nội vùng, cho phép xác định chính xác thị phần của từng loại xe.

Cơ sở dữ liệu khảo sát thực nghiệm được tác giả sử dụng có quy mô ra sao? Nghiên cứu sử dụng nguồn dữ liệu khảo sát chi tiết từ 18.000 hộ gia đình tại Hà Nội thực hiện năm 2014, kết hợp cùng số liệu thống kê kinh tế của 577 phường, xã với hơn 7,26 triệu dân và 3,38 triệu lao động để xây dựng và kiểm định mô hình.

Tại sao ngôn ngữ lập trình R được ưu tiên sử dụng thay vì các phần mềm đóng gói sẵn? Ngôn ngữ R cung cấp mã nguồn mở linh hoạt, cho phép tác giả hoàn toàn làm chủ thuật toán, tự do hiệu chỉnh các biến giả và xử lý ma trận dữ liệu hơn 100.000 dòng mà không bị giới hạn bởi các thiết lập mặc định của các phần mềm thương mại đắt tiền.

Kết luận

  • Luận văn đã làm chủ thành công quy trình khai phá dữ liệu và xây dựng hoàn chỉnh mô hình dự báo giao thông 4 bước phù hợp với thực tiễn đô thị tại Việt Nam.
  • Phương pháp bổ sung biến giả khu vực là giải pháp đột phá giúp nâng cao độ chính xác của các mô hình phát sinh, thu hút và phân bổ chuyến đi lên hệ số tương quan trên 0,90.
  • Mô hình Logit đa thức phản ánh chính xác các yếu tố kinh tế - kỹ thuật chi phối thị phần của 4 loại phương tiện giao thông phổ biến tại Hà Nội.
  • Kết quả kiểm định trên tập dữ liệu 18.000 hộ gia đình cung cấp cơ sở định lượng vững chắc phục vụ công tác dự báo lưu lượng giao thông đến năm 2020.
  • Toàn bộ thuật toán được lập trình trên ngôn ngữ R tạo tiền đề cho việc tự chủ công nghệ mô phỏng giao thông trong nước giai đoạn tiếp theo.

Đóng góp lớn nhất của công trình là thiết lập khung phương pháp luận kết hợp giữa Khoa học máy tính và Kỹ thuật giao thông đô thị. Bước phát triển tiếp theo là mở rộng tích hợp mô hình phân bổ mạng lưới trên nền tảng bản đồ số GIS trong giai đoạn 2024 - 2026. Các cơ quan quản lý đô thị và nhà khoa học dữ liệu hãy nhanh chóng ứng dụng khung nghiên cứu này vào thực tiễn quy hoạch để kiến tạo hệ thống giao thông thông minh và hiện đại.