Sử dụng GIS phân tích điểm nóng sự cố giao thông đường bộ

1. Đặt vấn đề
Sự cố giao thông đường bộ gia tăng mạnh trong thập kỷ qua gây hậu quả nghiêm trọng. Theo WHO, riêng năm 2026 đã có hơn 1,35 triệu người tử vong do tai nạn giao thông, trung bình mỗi ngày khoảng 3.700 người thiệt mạng [16].

Nhằm giảm thiểu rủi ro, các nhà nghiên cứu đã tập trung phát triển công cụ phân tích sự cố, trong đó hệ thống thông tin địa lý (GIS) được ứng dụng rộng rãi để xử lý bài toán không gian phức tạp. Xác định điểm nóng giao thông giúp nhận diện khu vực có nguy cơ cao, chịu ảnh hưởng bởi mạng lưới đường bộ, môi trường và thời tiết.

Nhiều nghiên cứu đã áp dụng GIS để phân tích điểm nóng giao thông, trong đó phương pháp KDE được sử dụng để xác định vị trí có nguy cơ cao [1, 15]. Một số nghiên cứu tập trung vào phân tích thời gian nhưng không thể hiện trực quan vị trí cụm sự cố [6]. Để có cái nhìn toàn diện, một số ít nghiên cứu hiện nay kết hợp phân tích không gian - thời gian [5, 15].

Phương pháp Comap giúp trực quan hóa mối quan hệ giữa vị trí và sự thay đổi của sự cố theo thời gian [6]. Một số nghiên cứu trước đây đã áp dụng Comap nhưng chưa xét yếu tố mùa và chỉ số nghiêm trọng (SI) [13, 15], trong khi Harirforoush (2017) xem xét theo mùa nhưng không phân tích sự thay đổi trong ngày [6].

Tại Việt Nam, Le và cộng sự (2020) đã nghiên cứu ảnh hưởng của chỉ số nghiêm trọng đến điểm nóng tai nạn, kết hợp phân tích không gian - thời gian với dữ liệu tai nạn 2015 - 2017 tại Hà Nội [10].
Do đó, mục tiêu chính của nghiên cứu này nhằm phân tích tai nạn giao thông tại Thanh Hóa bằng GIS.

Cụ thể, nghiên cứu áp dụng phương pháp KDE để xác định các khu vực rủi ro theo thời gian và mùa, đồng thời so sánh trực quan kết quả để đánh giá sự phân bố tai nạn.

2. Vật liệu và phương pháp nghiên cứu 
2.1. Khu vực nghiên cứu

Thanh Hóa là một tỉnh lớn của Bắc Trung bộ có tọa độ địa lý nằm trong khoảng từ 19018’ đến 20040’ vĩ độ Bắc và từ 104022’ đến 106004’ kinh độ Đông (Hình 1). Thanh Hóa là một tỉnh chuyển tiếp giữa miền Bắc và miền Trung Việt Nam trên các phương diện.

Ngoài ra, đây là một trong 5 tỉnh có diện tích lớn nhất Việt Nam, với diện tích 11.114,70 km2 vào năm 2024 và dân số 3.640.128 người năm 2019. Thanh Hóa có giao thông thuận lợi với đường sắt xuyên Việt, đường Hồ Chí Minh, quốc lộ, cảng Nghi Sơn và hệ thống sông ngòi, kết nối Bắc Nam, nội tỉnh và quốc tế. 

2.2. Dữ liệu nghiên cứu
Nghiên cứu sử dụng bản đồ đường bộ, ranh giới hành chính từ Google Earth và dữ liệu tai nạn giao thông 2020 - 2023 từ Phòng CSGT, xử lý bằng ArcGIS 10.8. Hình 2 minh họa phân bố sự cố tai nạn tại Thanh Hóa trong 4 năm.

2.3. Phương pháp luận
2.3.1. Quy trình phân tích không gian - thời gian điểm nóng sự cố giao thông đường bộ

Hình 3 minh họa quy trình trình phân tích không gian - thời gian điểm nóng sự cố giao thông đường bộ.

2.3.2. Trọng số mức độ nghiêm trọng của sự cố

- Trọng số mức độ nghiêm trọng của sự cố được tính toán dựa trên các điều kiện của Việt Nam. SI được tính theo công thức: SI = 10 I + 40 D [11].

Trong đó, SI - Chỉ số mức độ nghiêm trọng của từng vị trí; I - Tổng số người bị thương; D - Tổng số người tử vong.

2.3.3. Phương pháp Comap
Comap là phương pháp phân tích dữ liệu để trực quan hóa giúp chúng ta hiểu được mối quan hệ giữa các vị trí của sự cố giao thông và sự thay đổi của chúng theo thời gian [4].

Trong nghiên cứu này, đơn vị thời gian được lựa chọn là các giờ khác nhau trong ngày và các mùa khác nhau trong năm theo điều kiện thời tiết của khu vực tỉnh Thanh Hóa nhằm quan sát tác động thay đổi theo thời gian của các điểm nóng. Phân tích Comap được tuân theo các bước sau [2]:

1) Phân chia các sự cố tai nạn thành các lớp khác nhau dựa trên khoảng thời gian (theo giờ, mùa) xảy ra sự cố. 

2) Chạy phân tích KDE cho từng lớp để tạo bản đồ điểm nóng. 

3) Minh họa bản đồ điểm nóng theo các khoảng thời gian đã sắp xếp [11]:
Trong phần này, nghiên cứu phân chia dữ liệu tai nạn theo bốn mùa và bốn khung giờ trong ngày (Bảng 1), với một số ngày chồng lên nhau để giảm ảnh hưởng ranh giới thời gian.

Bảng 1. Bảng phân chia thời gian trong ngày và theo mùa

2.3.4. Phương pháp ước tính mật độ hạt nhân Kernel Density Estimation (KDE) 
Phương pháp ước tính mật độ hạt nhân (KDE) có ưu điểm vượt trội so với các phương pháp thống kê và phân cụm khác [14], giúp xác định mức độ rủi ro tai nạn dưới dạng bề mặt nhiệt. KDE đặt hạt nhân lên mỗi điểm, tính khoảng cách đến vị trí tham chiếu, sau đó tổng hợp giá trị để ước tính mật độ sự cố giao thông, kể cả ở khu vực không ghi nhận tai nạn [3, 12].

Harrou, 2024 cho rằng việc đưa các hạt nhân lên vị trí sự cố là tạo ra tính liên tục và làm mịn khu vực quan sát [7].  
Mật độ hạt nhân ước tính phân bố sự cố bằng cách làm phẳng bề mặt và xác định điểm nóng [8, 10]. Phương pháp này áp dụng hàm kernel cho từng điểm và tính tổng kết quả theo công thức 1 [9].

Trong đó: λ(s) - Mật độ tại vị trí s; r - Bán kính tìm kiếm (băng thông) của KDE; k - Trọng số của điểm i có khoảng cách dis đến vị trí s. 

Bán kính tìm kiếm (băng thông) ảnh hưởng lớn đến phân tích mật độ hạt nhân. Nghiên cứu xác định băng thông 10.250 m bằng công cụ tự tương quan không gian gia tăng để phù hợp với mô hình không gian sự cố tại Thanh Hóa. Băng thông quá lớn sẽ làm giảm độ chi tiết nhưng quá nhỏ khiến điểm nóng khó xác định [1, 9].

3. Kết quả và thảo luận 

3.1. Kết quả phân bố chỉ số SI tại các địa điểm xảy ra sự cố tai nạn giao thông đường bộ

Hình 4 và Hình 5 thể hiện sự phân bố chỉ số nghiêm trọng tại các điểm tai nạn theo thời gian trong ngày và theo mùa. Cụ thể, Hình 4(a-d) minh họa mức độ nghiêm trọng của tai nạn theo các khung giờ, trong đó tai nạn nghiêm trọng chủ yếu xảy ra từ 6h01 đến 18h00 (Hình 4(b,c)).

Hình 5(a-d) cho thấy sự phân bố mức độ nghiêm trọng theo mùa, với tai nạn nghiêm trọng tập trung nhiều vào mùa hạ và mùa đông (Hình 5(b,d)), trong khi mùa xuân và mùa thu có mức độ nghiêm trọng thấp hơn (Hình 5(a,c)).

3.2. Kết quả phân bố các điểm nóng theo khoảng thời gian trong ngày không có xét chỉ số SI của tai nạn     

Hình 6 cho thấy sự thay đổi điểm nóng tai nạn theo khung giờ tại Thanh Hóa. Dù lưu lượng phương tiện thấp, từ 0h00 - 6h00 vẫn ghi nhận 140 vụ, chủ yếu trên Quốc lộ 1A (Hà Trung, Hoằng Hóa) và giao lộ Quốc lộ 45 - 47 (Hình 6a).

Nguyên nhân do tầm nhìn hạn chế, xe tải, xe khách chạy tốc độ cao, tài xế mệt mỏi, buồn ngủ, cùng vi phạm tốc độ, thiếu chú ý tín hiệu giao thông. Cần các biện pháp như nâng cấp hạ tầng, lắp đèn chiếu sáng, bổ sung biển báo, tăng cường tuần tra.

Phân bố điểm nóng theo thời gian cho thấy bất thường: 0h00 - 6h00 có 7 điểm nóng dù lưu lượng xe thấp nhất (Hình 6a), có thể do tài xế mệt mỏi, buồn ngủ, vi phạm giao thông. Từ 6h01 - 12h00, số điểm nóng giảm còn 3 điểm (Hình 6b) nhờ điều kiện sáng tốt, kiểm soát giao thông hiệu quả. Khoảng 12h01 - 18h00, điểm nóng tăng lên 6 điểm (Hình 6c), trùng giờ cao điểm chiều, thời tiết nắng nóng gây mệt mỏi cho tài xế.

Đến 18h01 - 23h59, số điểm nóng giảm nhẹ còn 5 điểm (Hình 2.6d) nhưng vẫn ở mức cao do lượng phương tiện lớn và ánh sáng hạn chế.

Những bất thường này cho thấy nếu chỉ xét tần suất tai nạn mà không tính đến mức độ nghiêm trọng, việc đánh giá rủi ro có thể chưa chính xác, ảnh hưởng đến hiệu quả của các giải pháp an toàn giao thông.

3.3. Kết quả phân bố các điểm nóng theo khoảng thời gian trong ngày có xét chỉ số SI của tai nạn    
Hình 7 cho thấy sự thay đổi điểm nóng khi xét chỉ số mức độ nghiêm trọng (SI), với một số vị trí điều chỉnh, tập trung vào các cụm quan trọng hơn.

Kết quả (Bảng 2) cho thấy SI ảnh hưởng rõ rệt đến phân bố tai nạn: Từ 0h00 - 06h00, loại bỏ 3 cụm không đủ nghiêm trọng; từ 6h01-12h00, xuất hiện 2 cụm mới; từ 12h01 - 23h59, SI giúp thu hẹp cụm, tập trung vào điểm nóng ưu tiên.

Điều này khẳng định vai trò của SI trong đánh giá tai nạn chính xác hơn. Đáng chú ý, cụm số 8 xuất hiện trong cả hai trường hợp (Hình 6a), (Hình 7a), trùng với "điểm đen" do Phòng CSGT Thanh Hóa xác định tại Km299+100 - Km299+400, Tiểu khu 6, thị trấn Hà Trung, khu vực có mật độ giao thông cao nhưng thiếu biển báo, đèn tín hiệu (Hình 8).

Bảng 2. Vị trí các cụm xuất hiện mới trong hai trường hợp không xét SI và xét SI theo khoảng thời gian trong ngày

3.4. Kết quả phân bố các điểm nóng theo mùa trong năm không có xét SI
Hình 9 cho thấy sự thay đổi điểm nóng tai nạn theo mùa (không xét SI). Mùa xuân ghi nhận 426 vụ, mùa hạ 499 vụ, với phân bố điểm nóng tương đồng, chủ yếu trên Quốc lộ 1A, giao lộ Quốc lộ 45, 47 (Hình 9 (a,b)). Mùa thu có 7 điểm nóng (Hình 9c), giảm nhẹ do tai nạn phân tán hơn. Mùa đông chỉ còn 4 điểm nóng, giảm 50%, có thể do lưu lượng giao thông giảm.

Một số điểm nóng trùng với "điểm đen" do cảnh sát giao thông báo cáo xuất hiện theo mùa: Mùa xuân và đông tại ngã ba Quốc lộ 1A - chợ Đò Lèn (Hình 9(a,d)); mùa hạ và thu tại ngã ba Tiểu khu 6, thị trấn Hà Trung (Hình 9(b,c)). Việc điểm nóng giảm mạnh vào mùa đông nhấn mạnh sự cần thiết xem xét thêm chỉ số nghiêm trọng để quản lý giao thông hiệu quả hơn.

3.5. Kết quả phân bố các điểm nóng theo mùa trong năm có xét chỉ số SI
Nghiên cứu cho thấy sự khác biệt rõ rệt trong xác định điểm nóng tai nạn khi xét SI (Hình 10). Vị trí của một số cụm điểm nóng khá khác nhau do sự tích hợp của SI tai nạn thể hiện trong Bảng 3. Bảng 3 cho thấy mức độ nghiêm trọng (SI) ảnh hưởng khác nhau theo mùa. Mùa xuân và hạ, các điểm nóng ít thay đổi khi xét SI (Hình 10(a,b)).

Mùa thu, 6 điểm nóng (Hình 9c) được xác định rõ hơn khi xét SI (Hình 10c), giúp ưu tiên xử lý. Mùa đông ban đầu chỉ có 1 điểm nóng tại vị trí số 1 trong Hình 9d, nhưng khi xét SI trong Hình 10d, xuất hiện thêm 1 điểm mới tại vị trí số 2, cho thấy SI tác động đáng kể đến phân bố tai nạn.

Đặc biệt, 2 "điểm đen" tại vị trí số 8 trong Hình 9b mùa hạ và vị trí số 7 trong Hình 9d mùa đông trên Quốc lộ 1A luôn tồn tại trong cả hai trường hợp, cho thấy nguy cơ tai nạn cao, nhấn mạnh tầm quan trọng của việc ưu tiên giải quyết chúng trong các chiến lược giảm thiểu tai nạn giao thông.

Bảng 3. Vị trí các cụm xuất hiện mới trong hai trường hợp không xét SI và xét SI theo mùa trong năm

4. Kết luận và kiến nghị 

Kết quả của nghiên cứu cho thấy sự phân bố các điểm nóng giao thông đường bộ có sự thay đổi theo thời gian, phụ thuộc vào từng mùa và các khung giờ trong ngày. Cụ thể, tai nạn giao thông thường xuyên xảy ra vào mùa hạ và mùa đông, vào các khung giờ từ 6h01 đến 18h00. Các cụm điểm nóng thường xảy ra ở các ngã ba, ngã tư đi qua huyện Hà Trung trên Quốc lộ 1A. 

Hai phương pháp phân tích điểm nóng tai nạn giao thông có và không có chỉ số mức độ nghiêm trọng SI cho thấy vị trí cụm điểm nóng có sự khác biệt khi tích hợp SI. Việc tích hợp SI giúp nâng cao độ chính xác của phân tích, vì đánh giá điểm nóng không chỉ dựa trên tần suất mà còn phải xem xét mức độ nghiêm trọng của tai nạn để xác định các sự cố gây thiệt hại đáng kể. 

Để giảm thiểu tai nạn tại các điểm nóng, nghiên cứu đề xuất một số giải pháp như cải thiện hệ thống chiếu sáng, lắp đặt biển báo, vạch sơn phản quang để tăng khả năng quan sát, tăng cường giám sát giao thông bằng camera và tuần tra vào khung giờ rủi ro cao... Bên cạnh đó, nâng cao ý thức người tham gia giao thông thông qua tuyên truyền tại các khu vực dân cư là biện pháp quan trọng để đảm bảo an toàn giao thông lâu dài.

* Tít bài do Tòa soạn đặt - Mời xem file PDF tại đây

TÀI LIỆU THAM KHẢO
[1]. Anderson, T. K. (2009), Kernel density estimation and K-means clustering to profile road accident hotspots, Accident Analysis & Prevention, 41(3), 359-364.
[2]. Asgary, A., Ghaffari, A., & Levy, J. (2010), Spatial and temporal analyses of structural fire incidents and their causes: A case of Toronto, Canada, Fire Safety Journal, 45(1), 44-57.
[3]. Bisht, L. S., & Tiwari, G. (2023), Identification of road traffic crashes hotspots on an intercity expressway in India using geospatial techniques, IATSS research, 47(3), 349-356.
[4]. Brunsdon, C., Corcoran, J., & Higgs, G. (2007), Visualising space and time in crime patterns: A comparison of methods, Computers, Environment and Urban Systems, 31(1), 52-75.
[5]. Dai, D. (2012), Identifying clusters and risk factors of injuries in pedestrian-vehicle crashes in a GIS environment, Journal of Transport Geography, 24, 206-214.
[6]. Harirforoush, H. (2017), An integrated GIS-based and spatiotemporal analysis of traffic accidents: A case study in Sherbrooke (Doctoral dissertation, Université de Sherbrooke).
[7]. Harrou, F., Kini, K. R., Madakyaru, M., & Sun, Y. (2024), A semi-supervised anomaly detection strategy for drunk driving detection: a feasibility study, Frontiers in Sensors, 5, 1375034.
[8]. Jientrakul, R., Yuangyai, C., Boonkul, K., Chaicharoenwut, P., Nilsang, S., & Pimsakul, S. (2022), Integrating spatial risk factors with social media data analysis for an ambulance allocation strategy: a case study in Bangkok, Sustainability, 14(16), 10247.
[9]. Lakshmi, S., Srikanth, I., & Arockiasamy, M. (2019), Identification of traffic accident hotspots using geographical information system (GIS), International journal of engineering and advanced technology, 9(2), 4429-4438.
[10]. Le, K. G., Liu, P., & Lin, L. T. (2020), Determining the road traffic accident hotspots using GIS-based temporal-spatial statistical analytic techniques in Hanoi, Vietnam, Geo-spatial Information Science, 23(2), 153-164.
[11]. Le, K. G., Liu, P., & Lin, L. T. (2022), Traffic accident hotspot identification by integrating kernel density estimation and spatial autocorrelation analysis: a case study, International journal of crashworthiness, 27(2), 543-553.
[12]. Munasinghe, D. S. (2023), Spatial Analysis of Urban Road Traffic Accidents Using GIS, British Journal of Multidisciplinary and Advanced Studies, 4(6), 70-83.
[13]. Plug, C., Xia, J. C., & Caulfield, C. (2011), Spatial and temporal visualisation techniques for crash analysis, Accident Analysis & Prevention, 43(6), 1937-1946.
[14]. Shad, R., & Rahimi, S. (2017), Identification of road crash black-sites using geographical information system, International Journal for Traffic and Transport Engineering, 7(3), 368-380.
[15]. Vemulapalli, S. S., Ulak, M. B., Ozguven, E. E., Sando, T., Horner, M. W., Abdelrazig, Y., & Moses, R. (2017), GIS-based spatial and temporal analysis of aging-involved accidents: a case study of three counties in Florida, Applied Spatial Analysis and Policy, 10, 537-563.
[16]. World Health Organization (2021), Global status report on road safety 2021, World Health Organization.