1. Họ và tên: Trần Văn Mạnh 2. Giới tính: Nam
3. Ngày sinh: 05/09/1978 4. Nơi sinh: Quảng Ninh
5. Quyết định công nhận nghiên cứu sinh số: 778/QĐ-CTSV, ngày 21 tháng 08 năm 2017 của Hiệu trưởng Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội.
6. Các thay đổi trong quá trình đào tạo:
Quyết định về việc thay đổi tên đề tài luận án tiến sĩ và cán bộ hướng dẫn cho nghiên cứu sinh Trần Văn Mạnh số 155/QĐ-ĐT, ngày 17 tháng 03 năm 2020 của Hiệu trưởng Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội.
Quyết định về việc gia hạn học tập cho nghiên cứu sinh K24 (đợt 1) số: 561/QĐ-ĐT, ngày 28 tháng 08 năm 2020 của Hiệu trưởng Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội. Thời gian gia hạn 2 năm.
Quyết định về việc trả nghiên cứu sinh về địa phương/cơ quan công tác số: 1179/QĐ-ĐT, ngày 29 tháng 11 năm 2022 của Hiệu trưởng Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội.
Quyết định về việc điều chỉnh tên đề tài luận án tiến sĩ của nghiên cứu sinh Trần Văn Mạnh số 386/QĐ-ĐHCN ngày 27 tháng 02 năm 2025. Tên đề tài cũ “Kiến trúc dịch vụ gợi ý chia sẻ phương tiện đi lại dựa trên khai phá dữ liệu không gian – thời gian” được đổi thành tên mới “Một số phương pháp cải tiến cho bài toán chia sẻ phương tiện đi lại dựa trên khai phá dữ liệu không gian-thời gian” nhằm phù hợp hơn với nội dung của luận án và không làm thay đổi hướng nghiên cứu của luận án.
7. Tên đề tài luận án: Một số phương pháp cải tiến cho bài toán chia sẻ phương tiện đi lại dựa trên khai phá dữ liệu không gian-thời gian.
8. Ngành đào tạo: Kỹ thuật phần mềm 9. Mã số: 9480103.
10. Cán bộ hướng dẫn khoa học: PGS.TS. Trương Anh Hoàng; TS. Vũ Thị Hồng Nhạn.
11. Tóm tắt các kết quả mới của luận án:
Mục đích và đối tượng nghiên cứu của luận án:
Sự gia tăng dân số đô thị nhanh chóng đã đặt ra những thách thức nghiêm trọng đối với hệ thống giao thông vận tải, bao gồm ùn tắc giao thông, ô nhiễm môi trường và sử dụng tài nguyên không hiệu quả. Mặc dù chia sẻ phương tiện đi lại đã nổi lên như một giải pháp đầy tiềm năng, các phương pháp hiện tại vẫn tồn tại nhiều hạn chế, từ đó làm lỗ rõ những khoảng trống nghiên cứu quan trọng cần được giải quyết. Nhứ nhất, phần lớn các mô hình chia sẻ phương tiện hiện nay chưa khai đầy đủ tiềm năng của dữ liệu hành trình không gian–thời gian thu thập từ hệ thống GPS (Global Positioning System), dẫn đến việc bỏ qua các mẫu di chuyển thường xuyên có giá trị cho việc lập kế hoạch đi chung. Bên cạnh đó, các thuật toán tạo nhóm đi chung chưa tích hợp các ràng buộc không gian–thời gian, khiến việc tạo nhóm không phù hợp với thực tiễn vận hành hoặc không tối ưu về hiệu quả. Ngoài ra, các phương pháp định tuyến và lập lịch truyền thống gặp khó khăn trong việc cân bằng giữa tối ưu hóa chi phí và đảm bảo chất lượng dịch vụ, đặc biệt trong bối cảnh nhu cầu đa dạng của hành khách luôn biến động và đa dạng. Nhằm giải quyết những khoảng trống nghiên cứu trên, luận án tập trung nghiên cứu mô hình chia sẻ phương tiện tĩnh, hình thức đi chung phương tiện theo lịch đặt trước và theo tuyến cố định.
Đối tượng nghiên cứu chính là:
Những người dùng có nhu cầu di chuyển thường xuyên và lặp lại (như đi làm, đi học) theo các tuyến đường dài trong nội đô hoặc liên vùng.
Các dữ liệu hành trình không gian–thời gian thu thập từ hệ thống GPS hoặc nền tảng ứng dụng đặt xe.
Các bài toán tối ưu tổ hợp trong lĩnh vực phân cụm và định tuyến, cụ thể gồm: phân cụm người dùng dựa trên dữ liệu không gian–thời gian, bài toán định tuyến phương tiện với cửa sổ thời gian (VRPTW), và khai phá mẫu di chuyển (trajectory pattern mining).
Các mô hình và thuật toán hỗ trợ ra quyết định trong hệ thống chia sẻ phương tiện, nhằm đánh giá hiệu quả, khả năng mở rộng và ứng dụng thực tiễn.
Luận án đặt ra ba mục tiêu nghiên cứu chính:
Phát triển phương pháp khai phá dữ liệu không gian–thời gian từ lịch sử di chuyển của người dùng GPS để xác định các tuyến đường dài thường xuyên, làm cơ sở cho việc tổ chức dịch vụ chia sẻ phương tiện.
Đề xuất các thuật toán tạo nhóm đi chung dựa trên các tuyến đường thường xuyên, đảm bảo hiệu quả và tuân thủ các ràng buộc không gian–thời gian, nâng cao tính khả thi và hiệu quả của nhóm.
Thiết kế và triển khai các phương pháp tối ưu hóa định tuyến và lập lịch cho các nhóm đi chung, nhằm tối đa hóa số lượng người tham gia dịch vụ và giảm thiểu chi phí vận hành và nâng cao khả năng mở rộng hệ thống.
Thông qua việc đạt được các mục tiêu này, luận án hướng tới giảm sự phụ thuộc vào phương tiện cá nhân, thúc đẩy mô hình đi chung hiệu quả và đóng góp vào việc xây dựng hệ thống giao thông đô thị bền vững, thông minh, thân thiện với môi trường.
Phương pháp nghiên cứu:
Luận án sử dụng phương pháp nghiên cứu liên ngành kết hợp giữa khai phá dữ liệu, thuật toán tối ưu và mô hình toán học để đạt được các mục tiêu nghiên cứu đề ra.
Kỹ thuật khai phá dữ liệu không gian–thời gian: Ứng dụng các phương pháp khai phá dữ liệu mẫu tuần tự để phát hiện các tuyến đường dài thường xuyên và các mẫu di chuyển tiềm năng thông qua phương pháp MFSPM (Maximal Frequent Shared Path Mining).
Thuật toán tạo nhóm đi chung: Đề xuất thuật toán aVC-growth để tạo nhóm đi chung dựa trên các tuyến đường thường xuyên dài. Thuật toán này phân cụm những người dùng có lộ trình di chuyển tương tự, đồng thời đảm bảo tuân thủ các ràng buộc không gian–thời gian, tạo ra các nhóm đi chung hiệu quả.
Mô hình toán học và tối ưu hóa: Phương pháp HRS (Hybrid Routing and Scheduling). được giới thiệu như một khung mô hình toán học cho dịch vụ chia sẻ phương tiện tĩnh, dựa trên nguyên tắc của bài toán định tuyến phương tiện với cửa sổ thời gian (VRPTW). Các đánh giá thực nghiệm, bao gồm dữ liệu thực tế và tổng hợp, được thực hiện để phân tích hiệu suất của các mô hình và thuật toán được đề xuất, đồng thời so sánh với các phương pháp hiện có để làm nổi bật tính hiệu quả và khả năng áp dụng của chúng.
Kết quả chính và đóng góp mới: Luận án đã đạt được ba kết quả chính như sau:
Phương pháp MFSPM để khai phá tuyến đường thường xuyên: Đề xuất một phương pháp mới, MFSPM, để khai phá các mẫu tuyến đường thường xuyên dài trong cơ sở dữ liệu không gian–thời gian. Phương pháp này sử dụng kỹ thuật chiếu cơ sở dữ liệu tiên tiến, tập trung vào việc xác định tập mục thường xuyên tối đa (MFI) thay vì chỉ tập trung vào tập mục đóng đơn thường xuyên nhất (SMFCI), từ đó phát hiện tuyến đường dài thường xuyên chính xác và nhanh hơn so với các phương pháp trước đây.
Thuật toán aVC-growth cho tạo nhóm đi chung: Đề xuất thuật toán aVC-growth để tạo nhóm đi chung dựa trên các tuyến đường thường xuyên của hành khách. Thuật toán này cải tiến thuật toán VG-growth, có khả năng phân cụm khách hàng hiệu quả hơn VG-growth, rút ngắn tổng quãng đường di chuyển và tăng khả năng ứng dụng thực tế.
Phương pháp HRS tối ưu hóa bài toán VRPTW: Phương pháp HRS giải quyết bài toán VRPTW cổ điển bằng cách tối ưu hóa chi phí vận tải và giảm số lượng phương tiện cần thiết. Thuật toán gán nhóm hành khách vào phương tiện và lập kế hoạch chuyến đi đảm bảo phân bổ phương tiện phù hợp với sức chứa và lộ trình, từ đó nâng cao hiệu quả vận hành.
Ý nghĩa khoa học và thực tiễn:
Luận án này cung cấp một khung giải pháp toàn diện cho bài toán chia sẻ phương tiện, kết hợp giữa khai phá dữ liệu không gian–thời gian để tìm các tuyến đường thường xuyên, thuật toán tạo nhóm và các kỹ thuật tối ưu hóa định tuyến và lập lịch cho các dịch vụ chia sẻ phương tiện. Kết quả nghiên cứu không chỉ mở rộng lý thuyết trong lĩnh vực khai phá không gian–thời gian và tối ưu hóa tổ hợp, mà còn mang lại giá trị thực tiễn trong việc phát triển các hệ thống giao thông thông minh, giảm ùn tắc và khuyến khích giao thông bền vững.
12. Khả năng ứng dụng trong thực tiễn: Các phương pháp đề xuất có tiềm năng ứng dụng trong triển khai các dịch vụ đi chung theo lịch đặt trước tại các khu đô thị, khu công nghiệp hoặc hành lang di chuyển tập trung (ví dụ: tuyến nhà – cơ quan, nhà – trường học).
Luận án góp phần giảm chi phí vận hành hệ thống giao thông, tăng hiệu suất sử dụng phương tiện, đồng thời giảm phụ thuộc vào phương tiện cá nhân. Các mô hình đáp ứng tiêu chuẩn tính toán thời gian thực và có khả năng tích hợp vào nền tảng công nghệ hiện hành.
13. Những hướng nghiên cứu tiếp theo: Hướng nghiên cứu cụ thể cần tiếp tục như sau:
Tiến hành triển khai thuật toán MineMLSP trong phương pháp MFSPM để đánh giá hiệu quả và khả năng ứng dụng thực tế.
Cải tiến thuật toán aVC-growth: Bổ sung các yếu tố thực tế như phản ánh thay đổi nhu cầu hành khách, điều kiện giao thông và tích hợp các kỹ thuật học máy để tối ưu hóa gán nhóm trong thời gian thực.
Mở rộng phương pháp HRS: Nghiên cứu các tình huống với điểm đón và trả khác nhau, đồng thời thực nghiệm trên các tập dữ liệu lớn hơn và đa dạng hơn để tăng tính linh hoạt.
Bảo mật và ứng dụng trí tuệ nhân tạo: Phát triển các giải pháp bảo mật toàn diện và sử dụng các mô hình học sâu, học tăng cường để dự đoán hành vi di chuyển và tối ưu hóa lộ trình.
Nghiên cứu sử dụng chuỗi khối trong bài toán chia sẻ phương tiện đi lại: Phát triển giải pháp chia sẻ phương tiện dựa trên chuỗi khối để tăng cường bảo mật, giảm chi phí giao dịch và loại bỏ trung gian. Tích hợp hợp đồng thông minh để tự động hóa thanh toán và phi tập trung hóa hệ thống.
14. Các công trình đã công bố có liên quan đến luận án:
1. Tran Van Manh, Thi Hong Nhan Vu, "Design of architecture for carpooling based on flexible pickup and delivery locations", (2020), Proceeding of the 16th International Conference on IIHMSP in Conjunction with the 13th International Conference on FITAT, November 5–7, 2020, Ho Chi Minh City, Vietnam, DOI: 10.1007/978-981-33-6757-9_26, pp 205-211 (Scopus).
2. Nhan T.H. Vu, Manh V.Tran, “A Rideshare Model based on Movement Patterns”, (2021), The 13th international conference on future information & communication engineering (ICFICE 2020), 19th February, 2021 Online, Vol. 12, No. 1 ISSN 2765-3811, pp 3-7.
3. Manh V.Tran, Nhan T.H. Vu, “A System for Rideshare Service” (2020), The 13th international conference on future information & communication engineering (ICFICE 2020), 19th February, 2021 Online, Vol. 12, No. 1 ISSN 2765-3811, pp 8-12.
4. Van Manh Tran, Thi Hong Nhan Vu, “Leveraging CPLEX to Solve the Vehicle Routing Problem with Time Windows”, (2021), 2021 13th International Conference on Knowledge and Systems Engineering (KSE-2021), Bangkok, Thailand, 10-12 November 2021, DOI: 10.1109/KSE53942.2021.9648591 (Scopus).
5. Van Manh Tran, Thi Hong Nhan Vu, “A Routing Method for Ridesharing Service by Applying CPLEX”,(2022), 2022 13th Asian Control Conference (ASCC), Jeju, Korea, Republic of, 2022, DOI: 0.23919/ASCC56756.2022.9828064, 766-771 (Scopus).
6. Thi Hong Nhan Vu, Van Manh Tran, “A Novel Scheduling Approach for Intelligent Ridesharing System”, (2022), 2022 The 13th Asian Control Conference (ASCC 2022), Jeju Island, Korea, May 4-7, 2022.
7. Van Manh Tran, Thi Hong Nhan Vu, “A New Method for Forming Rideshare Groups”, (2023), 2023 15th International Conference on Knowledge and Systems Engineering (KSE-2023), Hanoi, Vietnam, October 18-20, 2023, DOI: 10.1109/KSE59128.2023.10299428 (Scopus)
