Tổng quan nghiên cứu

Việc phát triển mạng lưới đường cao tốc (ĐCT) ở Việt Nam đóng vai trò then chốt trong thúc đẩy tăng trưởng kinh tế và kết nối các vùng kinh tế trọng điểm. Theo quyết định số 326 ngày 01/03/2016 của Thủ tướng Chính phủ, đến năm 2020, tổng chiều dài ĐCT dự kiến đạt 2.703 km, chiếm gần 50% tổng chiều dài mạng lưới ĐCT được quy hoạch. Tính đến năm 2019, Việt Nam đã hoàn thành và đưa vào sử dụng khoảng 800 km ĐCT, với các tuyến tiêu biểu như Trung Lương – TP. Hồ Chí Minh (62 km), Đà Nẵng – Quảng Ngãi (139 km), Hạ Long – Vân Đồn (60 km), và TP. HCM – Long Thành – Dầu Giây. Tuy nhiên, nguồn vốn đầu tư cho các dự án ĐCT rất lớn, trong khi ngân sách nhà nước hạn chế và vốn vay ODA ngày càng khó khăn, dẫn đến nhiều dự án bị đội vốn lên đến 145% so với dự toán ban đầu.

Vấn đề trọng tâm của nghiên cứu là ước lượng chính xác chi phí xây dựng ĐCT trong giai đoạn nghiên cứu khả thi, khi thông tin còn hạn chế và chưa có thiết kế chi tiết. Việc ước lượng sai lệch có thể gây ra hậu quả nghiêm trọng: chi phí ước lượng thấp dẫn đến đội vốn, mất lòng tin công chúng; chi phí ước lượng cao gây khó khăn trong bố trí nguồn vốn và làm chậm tiến độ dự án. Mục tiêu nghiên cứu là xác định các nhân tố chính ảnh hưởng đến chi phí xây dựng ĐCT tại Việt Nam, xây dựng mô hình ước lượng chi phí dựa trên mạng neural mờ (ANFIS) với 13 nhân tố đầu vào, và phát triển ứng dụng phần mềm trên nền tảng Matlab để hỗ trợ tư vấn thiết kế, chủ đầu tư và cơ quan quản lý trong việc dự toán chi phí.

Phạm vi nghiên cứu tập trung vào dữ liệu từ các dự án ĐCT đã hoàn thành và đang triển khai tại Việt Nam, thu thập ý kiến chuyên gia từ các đơn vị như PMU7, PMU85, CIPM, VEC, Bộ Giao Thông Vận Tải và các công ty tư vấn trong nước và quốc tế. Nghiên cứu có ý nghĩa thực tiễn cao, góp phần nâng cao độ chính xác dự toán chi phí, giảm thiểu rủi ro tài chính và thúc đẩy phát triển bền vững mạng lưới ĐCT quốc gia.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu dựa trên hai lý thuyết chính: mạng neural nhân tạo (Artificial Neural Network - ANN) và logic mờ (Fuzzy Logic). Mạng neural nhân tạo mô phỏng cấu trúc và chức năng của hệ thần kinh con người, có khả năng học từ dữ liệu, nhận dạng mẫu và mô hình hóa các quan hệ phi tuyến phức tạp. ANN được sử dụng để xử lý dữ liệu đầu vào đa chiều và dự đoán kết quả đầu ra dựa trên các trọng số được điều chỉnh qua quá trình huấn luyện.

Logic mờ, do Lofti Zadeh đề xuất năm 1965, cho phép xử lý các thông tin không chắc chắn, mơ hồ bằng cách sử dụng các tập mờ và các quy tắc ngôn ngữ dạng "nếu-thì". Hệ thống suy luận mờ giúp mô phỏng quá trình ra quyết định của con người trong điều kiện thiếu chính xác hoặc không đầy đủ thông tin.

Mô hình kết hợp mạng neural và logic mờ (Neuro-Fuzzy) được áp dụng trong nghiên cứu dưới dạng Adaptive Neuro-Fuzzy Inference System (ANFIS). ANFIS tích hợp khả năng học của mạng neural với khả năng xử lý mơ hồ của logic mờ, giúp xây dựng mô hình ước lượng chi phí có độ chính xác cao và dễ dàng điều chỉnh dựa trên dữ liệu thực tế. Mô hình sử dụng 13 biến đầu vào quan trọng ảnh hưởng đến chi phí xây dựng ĐCT, bao gồm chiều dài tuyến, số làn xe, chiều dài phần cầu, phần hầm, số lượng hầm chui dân sinh, số lượng nút giao, điều kiện địa hình và địa chất, các loại vật liệu vận chuyển đến công trình, và chiều dài đường gom.

Phương pháp nghiên cứu

Nguồn dữ liệu chính được thu thập từ 55 gói thầu xây dựng ĐCT đã hoàn thành và đang triển khai tại Việt Nam, bao gồm hồ sơ dự toán, bản vẽ phê duyệt, hợp đồng thi công và các báo cáo liên quan. Dữ liệu được chuẩn hóa theo tỷ lệ [0,1] để tăng hiệu suất đào tạo mô hình.

Phương pháp phân tích chính là xây dựng mô hình ANFIS trên phần mềm Matlab R2010b, sử dụng Fuzzy Logic Toolbox với hàm thành viên Gaussian. Thuật toán lan truyền ngược (backpropagation) và phân cụm dữ liệu mờ (subtract clustering) được áp dụng để tối ưu hóa mô hình. Quá trình huấn luyện mô hình gồm ba bộ dữ liệu: tập huấn luyện, tập kiểm tra và tập xác nhận nhằm đảm bảo độ tin cậy và khả năng dự báo của mô hình.

Timeline nghiên cứu kéo dài từ tháng 02/2019 đến tháng 06/2019, bao gồm các bước: khảo sát và xác định nhân tố ảnh hưởng, thu thập và xử lý dữ liệu, xây dựng và kiểm định mô hình ANFIS, phát triển ứng dụng GUI trên Matlab để hỗ trợ người dùng trong việc ước lượng chi phí xây dựng ĐCT.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Xác định 13 nhân tố chính ảnh hưởng đến chi phí xây dựng ĐCT: Qua khảo sát ý kiến 5 chuyên gia giàu kinh nghiệm và phân tích dữ liệu thực tế, các nhân tố như chiều dài tuyến, số làn xe, chiều dài phần cầu, phần hầm, số lượng hầm chui dân sinh, số lượng nút giao, điều kiện địa hình và địa chất, cùng các loại vật liệu vận chuyển đến công trình được xác nhận có ảnh hưởng lớn đến chi phí. Ví dụ, chiều dài phần cầu và phần hầm chiếm tỷ trọng chi phí đáng kể, đặc biệt trong các dự án đi qua địa hình phức tạp.

  2. Mô hình ANFIS cho kết quả dự báo chính xác với sai số rất thấp: Mô hình được huấn luyện và kiểm định trên 55 gói thầu cho thấy sai số dự báo chi phí dưới 5%, vượt trội hơn so với các mô hình hồi quy tuyến tính truyền thống. Mô hình có khả năng mô phỏng các quan hệ phi tuyến giữa các biến đầu vào và chi phí đầu ra, giúp dự báo chi phí trong giai đoạn nghiên cứu khả thi hiệu quả hơn.

  3. Ứng dụng phần mềm GUI trên Matlab giúp người dùng dễ dàng ước lượng chi phí: Giao diện thân thiện, cho phép nhập các thông số dự án và nhận kết quả ước lượng nhanh chóng, hỗ trợ tư vấn thiết kế, chủ đầu tư và cơ quan quản lý trong việc ra quyết định đầu tư.

  4. So sánh với các nghiên cứu trước đây: Kết quả nghiên cứu phù hợp với các nghiên cứu quốc tế về ước lượng chi phí ĐCT, đồng thời bổ sung các yếu tố đặc thù của Việt Nam như điều kiện địa hình, địa chất và chi phí vận chuyển vật liệu. Mô hình ANFIS được đánh giá cao về khả năng xử lý dữ liệu mơ hồ và phi tuyến, phù hợp với đặc điểm phức tạp của các dự án ĐCT tại Việt Nam.

Thảo luận kết quả

Nguyên nhân chính dẫn đến sự khác biệt chi phí giữa các dự án là do đặc thù địa hình và địa chất đa dạng, cũng như sự phức tạp trong thiết kế các hạng mục như cầu, hầm, và các công trình dân sinh đi kèm. Việc áp dụng mô hình ANFIS giúp khắc phục hạn chế của các phương pháp truyền thống khi phải xử lý dữ liệu không đầy đủ và có tính mơ hồ cao trong giai đoạn nghiên cứu khả thi.

Dữ liệu có thể được trình bày qua biểu đồ so sánh sai số dự báo giữa mô hình ANFIS và các mô hình hồi quy, cũng như bảng tổng hợp các nhân tố ảnh hưởng và trọng số tương ứng trong mô hình. Điều này giúp minh bạch hóa quá trình ra quyết định và tăng tính thuyết phục cho các bên liên quan.

Kết quả nghiên cứu góp phần nâng cao hiệu quả quản lý chi phí dự án, giảm thiểu rủi ro đội vốn và tăng cường niềm tin của nhà đầu tư cũng như công chúng vào các dự án ĐCT. Đồng thời, mô hình và phần mềm ứng dụng có thể mở rộng áp dụng cho các loại dự án xây dựng hạ tầng khác trong tương lai.

Đề xuất và khuyến nghị

  1. Áp dụng mô hình ANFIS trong giai đoạn nghiên cứu khả thi của các dự án ĐCT: Các đơn vị tư vấn thiết kế và chủ đầu tư nên sử dụng mô hình để ước lượng chi phí ban đầu, giúp đưa ra các phương án tối ưu và dự toán chính xác hơn. Thời gian áp dụng ngay trong các dự án đang chuẩn bị đầu tư.

  2. Đào tạo và nâng cao năng lực cho cán bộ quản lý dự án về công nghệ mạng neural mờ và phần mềm Matlab: Tổ chức các khóa đào tạo chuyên sâu nhằm nâng cao kỹ năng sử dụng công cụ ước lượng chi phí hiện đại, đảm bảo vận hành hiệu quả mô hình. Thời gian thực hiện trong vòng 6 tháng tới.

  3. Cập nhật và mở rộng cơ sở dữ liệu dự án xây dựng ĐCT liên tục: Thu thập dữ liệu chi tiết từ các dự án mới hoàn thành để cải tiến mô hình, tăng độ chính xác và khả năng dự báo trong điều kiện thay đổi kinh tế – xã hội. Chủ thể thực hiện là các cơ quan quản lý dự án và đơn vị tư vấn.

  4. Phát triển phần mềm ứng dụng trên nền tảng đa dạng và tích hợp với hệ thống quản lý dự án quốc gia: Mở rộng giao diện người dùng, tích hợp với các phần mềm quản lý dự án hiện có để thuận tiện trong việc theo dõi và điều chỉnh chi phí. Thời gian dự kiến 1 năm, do các đơn vị công nghệ thông tin phối hợp với Bộ Giao Thông Vận Tải thực hiện.

Đối tượng nên tham khảo luận văn

  1. Chủ đầu tư và Ban quản lý dự án (PMU): Giúp đánh giá và dự toán chi phí chính xác trong giai đoạn nghiên cứu khả thi, từ đó lập kế hoạch tài chính và phân bổ nguồn vốn hiệu quả.

  2. Đơn vị tư vấn thiết kế và thi công: Hỗ trợ trong việc lựa chọn phương án thiết kế tối ưu dựa trên chi phí dự kiến, giảm thiểu rủi ro đội vốn và điều chỉnh thiết kế phù hợp với điều kiện thực tế.

  3. Cơ quan quản lý nhà nước về giao thông vận tải: Cung cấp công cụ đánh giá chi phí dự án khách quan, minh bạch, phục vụ công tác thẩm định và giám sát đầu tư công.

  4. Các nhà nghiên cứu và sinh viên ngành Quản lý xây dựng, Kỹ thuật giao thông: Là tài liệu tham khảo quý giá về ứng dụng mạng neural mờ trong ước lượng chi phí xây dựng, mở rộng kiến thức và phương pháp nghiên cứu trong lĩnh vực quản lý dự án hạ tầng giao thông.

Câu hỏi thường gặp

  1. Mô hình ANFIS là gì và tại sao được chọn để ước lượng chi phí xây dựng ĐCT?
    ANFIS là hệ thống suy luận mờ dựa trên mạng neural thích nghi, kết hợp khả năng học của mạng neural và xử lý mơ hồ của logic mờ. Mô hình này phù hợp với dữ liệu phức tạp, không chính xác và phi tuyến như chi phí xây dựng ĐCT, giúp dự báo chính xác hơn so với các phương pháp truyền thống.

  2. Dữ liệu đầu vào của mô hình gồm những yếu tố nào?
    Mô hình sử dụng 13 nhân tố chính như chiều dài tuyến, số làn xe, chiều dài phần cầu, phần hầm, số lượng hầm chui dân sinh, số lượng nút giao, điều kiện địa hình và địa chất, cùng các loại vật liệu vận chuyển đến công trình. Các yếu tố này được xác định qua khảo sát chuyên gia và phân tích dữ liệu thực tế.

  3. Độ chính xác của mô hình ước lượng chi phí như thế nào?
    Mô hình ANFIS đạt sai số dự báo dưới 5% so với chi phí thực tế của các dự án đã hoàn thành, vượt trội hơn nhiều so với các mô hình hồi quy tuyến tính truyền thống có sai số khoảng 15-20%.

  4. Phần mềm ứng dụng được phát triển có những tính năng gì?
    Phần mềm có giao diện thân thiện, cho phép người dùng nhập các thông số dự án và nhận kết quả ước lượng chi phí nhanh chóng. Đây là công cụ hỗ trợ đắc lực cho tư vấn thiết kế, chủ đầu tư và cơ quan quản lý trong việc lập dự toán và ra quyết định đầu tư.

  5. Mô hình có thể áp dụng cho các loại dự án xây dựng khác không?
    Mô hình ANFIS có thể được điều chỉnh và mở rộng để áp dụng cho các dự án xây dựng hạ tầng khác như cầu, hầm, nhà cao tầng, tuy nhiên cần thu thập dữ liệu đặc thù và hiệu chỉnh mô hình phù hợp với từng loại dự án cụ thể.

Kết luận

  • Nghiên cứu đã xác định 13 nhân tố chính ảnh hưởng đến chi phí xây dựng đường cao tốc tại Việt Nam, phản ánh đặc thù địa hình, địa chất và yêu cầu kỹ thuật của các dự án.
  • Mô hình ANFIS được xây dựng trên nền tảng Matlab cho kết quả dự báo chi phí với sai số dưới 5%, vượt trội so với các phương pháp truyền thống.
  • Ứng dụng phần mềm GUI giúp đơn giản hóa quá trình ước lượng chi phí, hỗ trợ hiệu quả cho các bên liên quan trong giai đoạn nghiên cứu khả thi.
  • Nghiên cứu góp phần nâng cao độ chính xác dự toán chi phí, giảm thiểu rủi ro tài chính và thúc đẩy phát triển bền vững mạng lưới đường cao tốc quốc gia.
  • Đề xuất áp dụng mô hình trong thực tế, đào tạo cán bộ và mở rộng cơ sở dữ liệu để hoàn thiện mô hình trong các giai đoạn tiếp theo.

Hành động tiếp theo: Các đơn vị quản lý dự án và tư vấn thiết kế nên triển khai áp dụng mô hình ANFIS trong các dự án mới, đồng thời phối hợp cập nhật dữ liệu và đào tạo nhân lực để nâng cao hiệu quả quản lý chi phí xây dựng đường cao tốc tại Việt Nam.