Tóm tắt Luận án Tiến sĩ Kỹ thuật: Nhận dạng, đánh giá và quản lý rủi ro công trình cầu trên đường cao tốc trong vận hành khai thác

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:27

Thêm vào BST

Báo xấu

2
lượt xem 1
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Tóm tắt Luận án Tiến sĩ Kỹ thuật "Nhận dạng, đánh giá và quản lý rủi ro công trình cầu trên đường cao tốc trong vận hành khai thác" được nghiên cứu với mục tiêu: Nghiên cứu tổng quát về rủi ro kỹ thuật và quản lý rủi ro kỹ thuật công trình cầu trên đường ô tô cao tốc; Nghiên cứu thuật toán và xây dựng chương trình ứng dụng trí tuệ nhân tạo trong đánh giá và dự báo rủi ro kỹ thuật công trình cầu trên đường ô tô cao tốc; Ứng dụng trí tuệ nhân tạo và học máy (AI/ML) để quản lý rủi ro kỹ thuật nhằm tăng cường năng lực bảo trì cho các công trình cầu trên đường cao tốc.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Tóm tắt Luận án Tiến sĩ Kỹ thuật: Nhận dạng, đánh giá và quản lý rủi ro công trình cầu trên đường cao tốc trong vận hành khai thác

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI LÊ ĐỨC ANH NHẬN DẠNG, ĐÁNH GIÁ VÀ QUẢN LÝ RỦI RO CÔNG TRÌNH CẦU TRÊN ĐƯỜNG CAO TỐC TRONG VẬN HÀNH KHAI THÁC NGÀNH: Kỹ thuật Xây dựng Công trình Đặc biệt MÃ SỐ : 958.02.06 TÓM TẮT LUẬN ÁN TIẾN SĨ NGƯỜI HƯỚNG DẪN KHOA HỌC 1. PGS.TS. ĐÀO DUY LÂM 2. TS. NGUYỄN TRỌNG ĐỒNG Hà Nội, 05-2024
Công trình được hoàn thành tại: TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI Người hường dẫn khoa học: 1. PGS.TS. Đào Duy Lâm Trường Đại học Giao thông vận tải 2. TS. Nguyễn Trọng Đồng Tổng công ty Đầu tư phát triển đường cao tốc Việt Nam Phản biện 1: PGS.TS. Khúc Đăng Tùng Phản biện 2: TS. Phùng Bá Thắng Phản biện 3: TS. Nguyễn Việt Khoa Luận án được bảo vệ trước Hội đồng chấm luận án cấp Trường họp tại Trường Đại học Giao thông vận tải vào hồi giờ ngày tháng năm 2024 Có thể tìm hiểu luận án tại thư viện: 1. Thư viện Quốc Gia Việt Nam 2. Thư viện Trường Đại học Giao thông vận tải
1 PHẦN MỞ ĐẦU 1. Tính cấp thiết của đề tài Việt Nam đang chuyển mình mạnh mẽ trên con đường công nghiệp hóa - hiện đại hóa đất nước. Trong đó, phát triển hạ tầng giao thông nói chung và giao thông đường bộ nói riêng, đặc biệt là hệ thống mạng đường ô tô cao tốc là một trong những nhân tố hàng đầu để thúc đẩy phát triển của đất nước. Thủ tướng Chính phủ đã ban hành Quyết định số 1454/QĐ-TTg phê duyệt Quy hoạch phát triển mạng lưới đường bộ thời kỳ 2021-2030, tầm nhìn đến năm 2050, trong đó đến năm 2030 có khoảng 5.004 km đường ô tô cao tốc, đến năm 2050 mạng lưới đường ô tô cao tốc cơ bản hoàn thiện với 41 tuyến, tổng chiều dài khoảng 9.014 km. Công trình giao thông nói chung và đặc biệt là đường ô tô cao tốc nói riêng luôn có các điểm cơ bản như tính chất bất ổn định, tính chi tiết phức tạp, chi phí đầu tư lớn và thời gian dài, chịu ảnh hưởng điều kiện tự nhiên, đòi hỏi sự hợp tác của nhiều bên liên quan, đòi hỏi công nghệ kỹ thuật cao phức tạp; đồng thời không thể tránh khỏi các tác động và chi phối của môi trường kinh tế - xã hội - luật pháp - văn hóa làm xuất hiện rủi ro. Trong hệ thống hạ tầng đường ô tô cao tốc, cầu được xem là thành phần dễ có thể xảy ra sự cố nhất. Cầu chịu nhiều rủi ro khác nhau trong suốt vòng đời công trình, cần nhận dạng, phân tích, đánh giá và dự báo các rủi ro. Đã có nhiều thiệt hại về kinh tế và xã hội xảy ra với cầu trên đường ô tô cao tốc ở thế giới đặc biệt trong giai đoạn khai thác với yêu cầu an toàn cao, công tác đánh giá, dự báo cần nghiên cứu để đề phòng sự cố, hỗ trợ tối ưu hóa bảo trì, chính vì vậy nghiên cứu sinh đã lựa chọn đề tài “Nhận dạng, đánh giá và quản lý rủi ro công trình cầu trên đường cao tốc trong vận hành khai thác”. 2. Mục đích nghiên cứu - Nghiên cứu tổng quát về rủi ro kỹ thuật và quản lý rủi ro kỹ thuật công trình cầu trên đường ô tô cao tốc. - Nghiên cứu đề xuất phương pháp nhận dạng các yếu tố rủi ro kỹ thuật công trình cầu đường ô tô cao tốc trong suốt vòng đời công trình trong đó tập trung vào giai đoạn vận hành khai thác. Rủi ro trong giai đoạn thi công cũng được phân tích như tiền đề cho việc nhận dạng, đánh giá rủi ro trong giai đoạn vận hành khai thác. - Nghiên cứu thuật toán và xây dựng chương trình ứng dụng trí tuệ nhân tạo trong đánh giá và dự báo rủi ro kỹ thuật công trình cầu trên đường ô tô cao tốc. - Ứng dụng trí tuệ nhân tạo và học máy (AI/ML) để quản lý rủi ro kỹ thuật nhằm tăng cường năng lực bảo trì cho các công trình cầu trên đường cao tốc. 3. Đối tượng và phạm vi nghiên cứu - Đối tượng nghiên cứu: Rủi ro các công trình cầu trên đường ô tô cao tốc. - Phạm vi nghiên cứu: Nghiên cứu kỹ thuật nhận dạng, phân tích và đề xuất mô hình đánh giá rủi ro kỹ thuật công trình cầu trên đường ô tô cao tốc và trên các trục đường bộ chính yếu trong suốt vòng đời công trình, tập trung vào giai đoạn vận hành khai thác. Rủi ro trong giai đoạn thi công cũng được xét đến do tính tương quan và là tiền đề, nguồn gốc của một số rủi ro trong giai đoạn vận hành khai thác. 4. Phương pháp nghiên cứu: Luận án đã sử dụng các phương pháp nghiên cứu sau đây: - Nghiên cứu tổng hợp phân tích tài liệu: Tham khảo và nghiên cứu các đề tài, báo cáo nghiên cứu và ứng dụng của nhận dạng, phân tích, đánh giá rủi ro công trình,… - Phương pháp kế thừa: Kế thừa các nghiên cứu trước đây về quản lý rủi ro công
2 trình giao thông, các phương pháp hiện đại trong quản lý rủi ro,… - Phương pháp khảo sát thực tế: Khảo sát thực tế các công trình cầu trên đường ô tô cao tốc tại Việt Nam. - Phương pháp khảo sát chuyên gia: Xây dựng phiếu khảo sát, hỏi ý kiến các chuyên gia nhiều kinh nghiệm trong ngành giao thông vận tải. - Phương pháp sử dụng trí thông minh nhân tạo: Xây dựng thuật toán và chương trình sử dụng học máy (Machine Learning) trong quản lý rủi ro công trình cầu. 5. Ý nghĩa khoa học và thực tiễn của đề tài nghiên cứu * Ý nghĩa khoa học: - Đề xuất phương pháp hiện đại nhận dạng các yếu tố rủi ro kỹ thuật công trình cầu trên đường ô tô cao tốc áp dụng trong giai đoạn thi công và khai thác. - Đề xuất thuật toán để xây dựng mô hình và chương trình đánh giá, đo lường mức độ rủi ro kỹ thuật công trình cầu trên đường ô tô cao tốc sử dụng Machine Learning. - Đề xuất ứng dụng thuật toán và chương trình Machine Learning trong đánh giá và dự báo rủi ro kỹ thuật công trình cầu trên đường ô tô cao tốc ở Việt Nam với ví dụ phân tích cụ thể trong giai đoạn vận hành khai thác. * Ý nghĩa thực tiễn: - Đề xuất ứng dụng thuật toán và chương trình Machine Learning trong đánh giá và dự báo rủi ro kỹ thuật trong dự án cụ thể công trình cầu trên đường ô tô cao tốc và trên các tuyến đường chính yếu ở Việt Nam hướng tới sử dụng trí tuệ nhân tạo trong nhận dạng, đánh giá và dự báo rủi ro công trình. - Việc áp dụng các công nghệ mới như hệ thống cảnh báo sớm, mô phỏng và mô phỏng ảo cũng có thể cung cấp các công cụ hữu ích để ứng phó với rủi ro từ đó xây dựng hệ thống quản lý, bảo trì các công trình cầu trên đường cao tốc. - Các nghiên cứu của Luận án được ứng dụng thực tế tại Tổng công ty Đầu tư phát triển đường cao tốc Việt Nam (VEC) và các đơn vị khác trong ngành. 6. Bố cục của luận án: Luận án ngoài phần mở đầu và phần kết luận, phần nội dung được chia thành 4 chương: - Chương 1: Tổng quan về rủi ro và quản lý rủi ro công trình cầu trên đường ô tô cao tốc - Chương 2: Cơ sở lý thuyết về nhận dạng và quản lý rủi ro kỹ thuật vận dụng cho công trình cầu trên đường ô tô cao tốc - Chương 3: Nhận dạng, đánh giá rủi ro kỹ thuật công trình cầu trên đường ô tô cao tốc trong giai đoạn thi công và vận hành khai thác - Chương 4: Xây dựng thuật toán Machine Learning và ứng dụng trong đánh giá, dự báo rủi ro kỹ thuật công trình cầu trên đường ô tô cao tốc trong vận hành khai thác TỔNG QUAN VỀ RỦI RO VÀ QUẢN LÝ RỦI RO CÔNG TRÌNH CẦU TRÊN ĐƯỜNG Ô TÔ CAO TỐC 1.1. Tổng quan về rủi ro và quản lý rủi ro Khái niệm rủi ro lần đầu được đưa ra năm 1901 bởi Allan Herbert Willett, ông miêu tả rủi ro là hiện tượng mang tính không xác định và không mong muốn sẽ xảy ra với hai tính chất đặc trưng: tính khách quan và tính không xác định. Hiện nay, chưa có định nghĩa thống nhất nào về rủi ro cho tất cả các lĩnh vực [53], quan điểm về rủi ro có thể chia làm nhiều
3 trường phái như truyền thống và trung hòa. Quản lý rủi ro là một hoạt động xây dựng quy trình có hệ thống bài bản, mang tính khoa học nhằm tìm ra, phòng ngừa và đề xuất giải pháp nhằm giảm thiểu tối đa những rủi ro có khả năng phát sinh trong quá trình hoạt động.Về cơ bản quá trình quản lý rủi ro gồm 3 bước: (1) Nhận dạng và phân loại rủi ro → (2) Đo lường và đánh giá rủi ro → (3) Xử lý rủi ro. 1.2. Quản lý rủi ro đối với các công trình xây dựng cầu Thực tế đã chứng minh ngành xây dựng tiềm ẩn nhiều rủi ro và tăng theo quy mô và độ phức tạp của công trình. Các công trình cầu, đặc biệt là cầu trên đường bộ cao tốc luôn có tính chất phức tạp về kỹ thuật, thời gian xây dựng dài, khối lượng công việc cũng như nguồn vốn đầu tư lớn, lại chịu ảnh hưởng từ nhiều yếu tố khác như chính trị, kinh tế, xã hội, con người, tự nhiên, pháp luật, công nghệ, vật liệu. Công trình cầu chịu những rủi ro khác nhau trong suốt vòng đời công trình [6, 12], trong đó các rủi ro có nguyên nhân liên quan đến kỹ thuật – công nghệ được đánh giá là tiềm ẩn nguy cơ lớn, mức độ ảnh hưởng rộng và có độ phổ biến cao. Rủi ro có thể dẫn tới các thảm họa, gây ra thiệt hại lớn như sụp đổ cầu. Khi đó chi phí sửa chữa khôi phục và chi phí gián đoạn giao thông là vô cùng lớn [8]. Các sự cố của 11 công trình cầu trên thế giới và Việt Nam được mô tả và phân tích trong bảng 1.5 của luận án: cầu xa lộ liên tiểu bang 35W (Mỹ), cầu Seongsu (Hàn Quốc), Cầu Silver (Mỹ), cầu Hintze Ribeiro (Bồ Đào Nha), cầu ở Quebec (Canada), cầu Tacoma Narrows (Mỹ), cầu Angers (Pháp), cầu trên dường cao tốc Ponte Morandi (Ý), cầu tưởng niệm Trung sĩ Aubrey Cosens VC (Canada), cầu Rào cũ (Việt Nam), nhịp dẫn cầu Cần Thơ (Việt Nam)... 1.3. Các mô hình ứng phó và quản lý rủi ro hiện đại Sau khi nhận dạng và phân tích rủi ro, cần phải phát triển các giải pháp, đồng thời xác định hoạt động hợp lý tập trung vào các rủi ro đáng kể nhất, để chuyển dịch sao cho có lợi nhất. Quá trình này nhằm mục đích xác định các hành động ứng phó hiệu quả, phù hợp với cả rủi ro riêng lẻ và tổng thể. Hình 1.1: Quy trình hoạt động của mô hình PRINCE-2 Mô hình PRINCE-2 được hoạt động dựa trên 7 yếu tố cơ bản được áp dụng xuyên suốt quản lý chất lượng công trình, kế hoạch, rủi ro, và sự thay đổi. Các yêu cầu kỹ thuật trong thi công và vận hành khai thác công trình cầu trên đường ô tô cao tốc. Mô hình PRINCE-2 có thể bao quát được toàn bộ khía cạnh có thể phát sinh với công trình từ đó đưa ra giải pháp vấn đề phù hợp nhằm nhanh chóng giải quyết rủi ro phát sinh ngẫu nhiên với công trình.
4 1.4 Các yêu cầu kỹ thuật trong thi công và vận hành khai thác công trình cầu trên đường ô tô cao tốc Hiện nay, việc thiết kế đường ô tô cao tốc ở Việt Nam áp dụng theo hai tiêu chuẩn sau: đối với đường ô tô cao tốc đô thị theo Tiêu chuẩn xây dựng Việt Nam TCXDVN 104:2007 (thuộc thẩm quyền quản lý của Bộ Xây dựng) và đường ngoài đô thị (thuộc thẩm quyền của Bộ Giao thông vận tải) theo Tiêu chuẩn Việt Nam TCVN 5729:2012. Chỉ tiêu kỹ thuật cho thiết kế đường ô tô cao tốc của Việt Nam cơ bản tương đồng với nhiều nước trên thế giới và khu vực như thể hiện Bảng 1.1 của luận án. Bảng 1.1: Tiêu chí kỹ thuật cơ bản đường ô tô cao tốc TT Tên các chỉ tiêu cơ bản Cấp Cấp Cấp Cấp 120 100 80 60 1 Tốc độ tính toán (km/h) 120 1 00 80 60 2 Độ dốc siêu cao lớn nhất (%) 7 7 7 7 3 Bán kính tối thiểu Rmin ứng với độ dốc siêu cao lớn 650 450 240 140 nhất 7% (m) 4 Bán kính tối thiểu Rmin ứng với độ dốc siêu cao 1.000 650 450 250 trung bình 5% (m) 5 Bán kính tối thiểu Rmin ứng với độ dốc siêu cao lấy 3.000 2.000 1.300 700 bằng độ dốc mặt đường 2% (m) 6 Bán kính tối thiểu Rmin khi không bố trí độ dốc siêu 4.000 3.000 2.000 1.200 cao, m 7 Chiều dài đường cong chuyển tiếp ứng với đường 210 210 170 150 cong có bán kính tối thiểu Rmin (m) 8 Chiều dài đường cong chuyển tiếp ứng với đường 150 150 1 40 90 cong có bán kính thông thường (m) 9 Chiều dài hãm xe hay tầm nhìn dừng xe (m) 230 160 1 00 75 10 Độ dốc dọc lớn nhất của mặt đường (%) 4 5 6 8 11 Độ dốc dọc xuống dốc lớn nhất (%) 5,5 5,5 6 6 12 Bán kính đường cong lồi tối thiểu (m) 12.000 6.000 3.000 1.500 13 Bán kính đường cong lõm tối thiểu (m) 5.000 3.000 2.000 1.000 1.5. Hiện trạng về quản lý rủi ro công trình cầu trên đường ô tô cao tốc trong thi công và vận hành khai thác Về mặt thiết kế, hiện ở Việt Nam có tiêu chuẩn thiết kế riêng cho đường ô tô cao tốc là TCVN 5729:2012 “Đường ô tô cao tốc - Yêu cầu thiết kế”. Tuy nhiên việc thiết kế cầu trên đường ô tô cao tốc về cơ bản vẫn dựa trên tiêu chuẩn thiết kế cầu hiện hành. Đối với thi công và khai thác, về cơ bản vẫn dựa trên các quy định, tiêu chuẩn và quy trình chung cho các loại cầu chưa xét đầy đủ đến đặc điểm và yêu cầu kỹ thuật riêng của cầu trên đường ô tô cao tốc. Do vậy, nghiên cứu nhận dạng để đề xuất các giải pháp hiệu quả trong kiểm soát và hạn chế rủi ro trong các dự án đường ô tô cao tốc ở Việt Nam với những đặc thù riêng, đặc biệt là những rủi ro kỹ thuật xảy ra trong giai đoạn vận hành khai thác là hết sức cần thiết và cấp bách. Một trong những mục tiêu quan trọng nhất là nghiên cứu đầy đủ những nguy cơ tiềm ẩn chưa được nhận diện thành những rủi ro có thể nhận diện. Bên cạnh đó, nghiên cứu sẽ phân tích đánh giá và đề xuất giải pháp phù hợp để quản lý và đối phó với những rủi ro. Thông qua nghiên cứu các yếu tố ảnh hưởng tới quá trình thi công và vận hành khai thác công trình sẽ giúp nhận dạng một cách có hệ thống các rủi ro có thể xảy ra và có biện pháp quản lý phòng ngừa một cách khoa học chặt chẽ và phù hợp điều kiện thực tế.
5 1.6 .Kết luận Chương 1 Nhận dạng, đánh giá và quản lý rủi ro đang trở thành vấn đề trọng tâm ở nhiều lĩnh vực, ngành nghề khác nhau. Quản lý rủi ro là một công tác quan trọng, đặc biệt trong thi công và khai thác cầu trên đường ô tô cao tốc nhằm giúp các bên có thể chủ động nhận dạng, đánh giá, kiểm soát đồng thời giảm thiểu tối đa các tác động tiêu cực, từ đó đảm bảo hiệu quả của dự án, công trình. Tuy nhiên, hiện nay ở Việt Nam, việc nghiên cứu về quản lý rủi ro trong các công trình giao thông còn hạn chế cả về mặt lý luận và thực tiễn. Để phân tích, đánh giá rủi ro trong xây dựng công trình cầu trên đường ô tô cao tốc, Chương 1 của Luận án đã hệ thống các khái niệm về rủi ro và nhận dạng rủi ro trong công trình cầu trên đường ô tô cao tốc cả trong vòng đời công trình đặc biệt là giai đoạn thi công và vận hành khai thác với nhiều đặc thù riêng cũng như giai đoạn tương quan chặt chẽ trước đó là giai đoan thi công. Trong đó, đã đề cập tổng quan quá trình quản lý rủi ro và các kỹ thuật nhận dạng rủi ro đối với công trình xây dựng bao gồm các cầu trên đường ô tô cao tốc. Chương 1 cũng đã phân tích những sự cố công trình cầu trên các tuyến cao tốc trên thế giới và đánh giá thực trạng về tình hình nghiên cứu rủi ro và quản lý rủi ro ở trên thế giới và Việt Nam để rút ra những bài học nhận dạng rủi ro trong thi công và vận hành khai thác cầu trên đường ô tô cao tốc. CƠ SỞ LÝ THUYẾT VỀ NHẬN DẠNG VÀ ĐÁNH GIÁ RỦI RO KỸ THUẬT VẬN DỤNG CHO CÔNG TRÌNH CẦU TRÊN ĐƯỜNG Ô TÔ CAO TỐC 2.1. Cơ sở lý thuyết nhận dạng rủi ro đối với công trình cầu Nhận dạng rủi ro là bước đầu tiên trong quá trình quản lý rủi ro, nhằm ngăn chặn các yếu tố sai lầm dẫn đến mất an toàn cho dự án. Nhận dạng rủi ro không phải công việc chỉ diễn ra một lần, đó là một quá trình thực hiện thường xuyên trong suốt vòng đời dự án bởi các rủi ro mới liên tục xuất hiện. Về cơ sở khoa học để xây dựng các phương pháp quản lý rủi ro, hầu hết các mô hình hiện tại để nhận dạng và đánh giá rủi ro đa nguy cơ của cầu dựa trên phương pháp tiếp cận xác suất truyền thống như dựa trên các bảng câu hỏi. Gần đây một số tác giả đã đưa các phương pháp tiếp cận mới, các công cụ hiệu quả hơn để phân tích và đánh giá rủi ro. Phân tích mờ (FAHP) là phương pháp đánh giá rủi ro có cách tiếp cận logic giúp giải quyết những hạn chế của các mô hình hiện nay bằng cách đề xuất các đánh giá mới dựa trên logic mờ mới. Từ đó FAHP đề xuất mô hình đánh giá nguy cơ cầu là cơ sở phát triển công cụ ra quyết định để quản lý an toàn cầu một cách hiệu quả hơn. Phương pháp mạng nơ ron nhận tạo cũng là một phương pháp khác đáng lưu ý có thể áp dụng trong quản lý rủi ro công trình cầu trên đường ô tô cao tốc đem lại hiệu quả cao, đây là tiền đề cho áp dụng trí tuệ nhân tạo (AI) vào quản lý rủi ro [3, 4, 5]. Ngoài ra, các phương pháp mới về quản lý rủi ro cũng đề xuất và trao đổi trong các Hội thảo quốc tế được tổ chức thường niên hoặc định kỳ như IRMC, PSAM, ISRERM,…[53] 2.2. Các phương pháp nhận dạng rủi ro hiện đại Tổng hợp các nghiên cứu trên thế giới và các tài liệu nghiên cứu của Việt Nam về nhận dạng rủi ro, các phương pháp chính (cơ sở xây dựng các kỹ thuật khác nhau) bao gồm: Động não và hội thảo; Bảng liệt kê, bộ câu hỏi và phỏng vấn; Phân tích giả định và giới hạn; Các phương pháp biểu đồ khác. Có nhiều kỹ thuật nhận dạng nhân tố rủi ro khác nhau như Delphi, kỹ thuật phân tích thứ bậc AHP truyền thống (Analytic Hierarchy Process – AHP),
6 kỹ thuật mạng Nơ ron nhân tạo, .... Chapman [53] cho rằng các kỹ thuật nhận dạng hiện tại có thể được chia làm ba loại khác nhau: (1) Nhận dạng được thực hiện chỉ từ kiến thức của các nhà nghiên cứu. (2) Nhận dạng bởi các nhà nghiên cứu tiến hành phỏng vấn các thành viên trong đội ngũ dự án. (3) Các nhà nghiên cứu chủ trì một nhóm nghiên cứu. Trên cơ sở tổng hợp các nghiên cứu và các tài liệu liên quan đến nhận dạng rủi ro, Luận án đã tổng hợp các phương pháp nhận dạng rủi ro chính. 2.3. Phân tích ưu nhược điểm và lựa chọn phương pháp nhận dạng rủi ro trong quản lý rủi ro các công trình xây dựng Nhận dạng rủi ro là một khâu quan trọng trong quá trình quản lý rủi ro. Hiện nay, trên thế giới có rất nhiều phương pháp và kỹ thuật nhận dạng rủi ro hiện đại. Tại Việt Nam, quản lý và nhận dạng rủi ro ngày càng được quan tâm, từng bước ứng dụng các phương pháp nhận dạng rủi ro trên thế giới cho nhiều lĩnh vực. Hiện nay có nhiều phương pháp về nhận dạng rủi ro trong hoạt động xây dựng công trình, bao gồm cả thi công và quản lý vận hành hệ thống cầu trên đường ô tô cao tốc. Để có thể lựa chọn phương pháp nhận dạng rủi ro phù hợp, cần tổng hợp, phân tích ưu nhược điểm của các phương pháp nhận dạng rủi ro. Trong trường hợp đánh giá sơ bộ, trong thời gian ngắn, đề tài đề xuất có thể sử dụng các phương pháp đơn giản như Bảng liệt kê và danh sách ngắn, Bộ câu hỏi và phỏng vấn chuyên gia. Các phương pháp này có thể cho kết quả nhanh nhưng đòi hỏi xây dựng danh mục rủi ro chi tiết và lựa chọn chuyên gia phù hợp. Trong trường hợp cần thực hiện các phân tích sâu hơn có thể sử dụng các phương pháp hiện đại, có cơ sở khoa học để tính toán, xác định định tính và định lượng mức độ rủi ro, có nhiều ưu điểm giúp xác định chính xác, tăng độ tin cậy trong xác định các rủi ro và những nguy cơ mà rủi ro mang lại cho dự án trong cả thi công và vận hành khai thác, Luận án đề xuất áp dụng các phương pháp nhận dạng rủi ro hiện đại cho các công trình cầu trên đường ô tô cao tốc trong giai đoạn thi công và khai thác tại Việt Nam bằng các phương pháp AHP; F-AHP và trí tuệ nhân tạo. 2.4. Kết luận Chương 2 Rủi ro trong xây dựng và vận hành khai thác cầu đường ô tô cao tốc là không thể tránh khỏi. Tuy nhiên, thông qua việc áp dụng các phương pháp quản lý rủi ro hiệu quả và ứng phó với rủi ro một cách hiệu quả, có thể đảm bảo tính an toàn và hiệu quả của các công trình. Việc nghiên cứu, đánh giá và quản lý rủi ro là một yếu tố then chốt để xây dựng những cầu đường ô tô cao tốc đáng tin cậy và bền vững trong tương lai. Nhận dạng rủi ro là quá trình xác định một cách liên tục và có hệ thống các rủi ro có thể xảy. Để lựa chọn được phương pháp nhận dạng rủi ro phù hợp với công trình cầu trên đường ô tô cao tốc, trong chương 2 đã phân tích 14 phương pháp nhận dạng rủi ro hiện đại hiện nay. Ở mỗi phương pháp tác giả đều tiến hành phân tích những ưu, nhược điểm và cách triển khai thực hiện. Từ đó đề xuất 3 phương pháp áp dụng phân tích rủi ro cho cầu trên đường ô tô cao tốc trong giai đoạn thi công và khai thác. Đó là phương pháp AHP, phương pháp F-AHP và phương pháp mạng nơ ron nhân tạo (cơ sở của trí tuệ nhân tạo) cũng như phân tích cơ sở của phương pháp học máy là phương pháp phát triển cao hơn về trí tuệ nhân tạo. Trên cơ sở phân tích những lý do lựa chọn các phương pháp này và cách ứng dụng ở từng phương pháp đã giúp cho Luận án có đủ cơ sở lý luận để tiến hành thực nghiệm đối với
7 công trình cầu trên đường ô tô cao tốc ở Việt Nam trong chương 3 và 4 của Luận án. NHẬN DẠNG, ĐÁNH GIÁ RỦI RO KỸ THUẬT TRONG GIAI ĐOẠN THI CÔNG VÀ KHAI THÁC CÔNG TRÌNH CẦU TRÊN ĐƯỜNG Ô TÔ CAO TỐC 3.1. Các rủi ro kỹ thuật đối với công trình cầu trên đường ô tô cao tốc Nắm bắt được quá trình phát triển của rủi ro sẽ giúp lường trước được các ảnh hưởng của chúng đến hiệu quả dự án và nhanh chóng đề ra biện pháp giảm thiểu, khắc phục và phòng ngừa trước khi rủi ro phát triển đến giai đoạn gây ra tác động. Sơ đồ trong Hình 3.1 cho thấy ba giai đoạn phát triển cơ bản của rủi ro xảy ra trong công trình xây dựng bao gồm cả cầu trên đường ô tô cao tốc. Hình 3.1: Các giai đoạn phát triển của rủi ro Ảnh hưởng của rủi ro kỹ thuật có thể khác nhau trong mỗi giai đoạn của dự án và trong các công đoạn khác nhau của cùng một giai đoạn. Thông thường, hiệu quả kinh tế- xã hội của một dự án được thể hiện qua các ba tiêu chí gồm chi phí, thời gian và chất lượng. Đây là ba yếu tố quan trọng nhất khi đầu tư dự án, cũng là cơ sở chính để đánh giá hiệu quả kinh tế của bất kỳ dự án xây dựng nào. Do đó, đây cũng chính là ba yếu tố chịu ảnh hưởng nhiều nhất khi rủi ro kỹ thuật xảy ra. Tuy nhiên trong giới hạn của phạm vi luận án xin phép không đi sâu vào các tiêu chí này. 3.2. Phân tích theo các nhóm nguyên nhân dẫn đến rủi ro kĩ thuật của công trình cầu trên đường ô tô cao tốc trong giai đoạn thi công - Các nhóm rủi ro liên quan đến chủ đầu tư công trình Khó khăn về kinh phí; Chậm thanh toán các hạng mục xây lắp đã thực hiện; Bàn giao mặt bằng không đầy đủ, không đúng thời hạn… Ngoài ra còn có rủi ro do tình trạng tái lấn chiếm sau giải tỏa. - Các nhóm rủi ro liên quan đến nhà thầu thi công Vật liệu và thiết bị sử dụng cho thi công không đảm bảo; Thực hiện thi công yếu kém; Quản lý và giám sát thi công yếu kém; Tai nạn lao động; Khó khăn về kinh phí; Khó khăn về công nghệ và kỹ thuật; Khó khăn do việc phối hợp giữa các nhà thầu trong dự án... - Các nhóm rủi ro liên quan đến đơn vị tư vấn thiết kế và tư vấn quản lý dự án Phương án thiết kế lạc hậu, không hợp lý, chưa đáp ứng đầy đủ công năng sử dụng, không phù hợp địa hình khu vực. Nguyên nhân là do trình độ năng lực tư vấn thiết kế yếu kém, không tuân thủ đầy đủ tiêu chuẩn, quy chuẩn và quy trình kỹ thuật. Sai sót về điều tra số liệu địa chất, thủy văn, mực nước ngầm, hang Kasts... Lựa chọn công nghệ không phù hợp, phương án thi công dự kiến không khả thi hoặc thiếu hợp lý. Tính toán khối lượng thi công của các hạng mục không chính xác. Xây dựng tổng mức dự toán không đầy đủ, thiếu cập nhật các quy định pháp lý mới ban hành.
8 3.3. Phân tích rủi ro kỹ thuật công trình cầu trên đường ô tô cao tốc trong giai đoạn thi công Để tiến hành phân tích rủi ro kỹ thuật công trình cầu trên đường ô tô cao tốc trong giai đoạn thi công, việc phân tích định tính dự án có thể được thực hiện theo trình tự và nội dung sau đây (Nguyễn Văn Hanh, 2015): Mục tiêu; Xác định tần số và thời gian; Đánh giá giả định; Đánh giá chất lượng dữ liệu; Phân tích mức độ xác suất và tác động; Xác định xác suất và tác động; Xác định thứ hạng rủi ro trong dự án; Ngưỡng rủi ro; Điểm rủi ro; Xác định thứ hạng rủi ro giữa các dự án; Lập tài liệu kết quả; Các bước phân tích định tính; Đánh giá kết quả của phân tích định tính. - Mức độ xuất hiện của các rủi ro gồm có nhiều cấp độ: Thường xuyên; Có thể xảy ra; Ít có khả năng … - Mức độ tác động của các rủi ro gồm có 4 cấp độ: Không đáng kể; Không (ít) nghiêm trọng; Nghiêm trọng; Thảm khốc Các rủi ro được nhận dạng gồm 07 rủi ro hình thành từ giai đoạn trước và 11 rủi ro trong bảng 3.1. 3.4. Xác định nhóm nguyên nhân và phân tích rủi ro kỹ thuật công trình cầu trên đường ô tô cao tốc trong giai đoạn vận hành khai thác Trong giai đoạn này, cầu trên đường ô tô cao tốc vẫn phải chịu tác động của các loại tải trọng xe, tác động từ môi trường, khí hậu… nên việc quản lý, vận hành đi liền với phòng ngừa rủi ro có thể xảy ra nhằm đảm bảo an toàn cho hệ thống cầu trên đường ô tô cao tốc là hết sức cần thiết. Các công trình cầu trên đường ô tô cao tốc có khả năng gặp phải những rủi ro sau đây trong giai đoạn khai thác: - Rủi ro xảy ra các hư hỏng công trình, tai nạn, sự cố trong vận hành khai thác. - Rủi ro quản lý, khai thác và bảo trì: Quản lý, vận hành, khai thác đúng tải trọng, công năng thiết kế là điều kiện tiên quyết để đảm bảo an toàn. Công tác kiểm tra, bảo trì đúng yêu cầu kỹ thuật là cơ sở đảm bảo thời hạn khai thác (tuổi thọ) và hiệu quả đầu tư. - Rủi ro lưu lượng giao thông (rủi ro về doanh thu): Rủi ro mà trong đó lưu lượng giao thông thực tế thấp hơn so với lưu lượng dự báo trong phương án tài chính của dự án. Các rủi ro nêu trên đã được phân tích chi tiết trong luận án, các RRKT liên quan đến hư hỏng các kết cấu cầu trong giai đoạn khai thác được phân tích trong Bảng 3.10, Bảng 3.11
9 và Bảng 3.12. Trên cơ sở đó 15 nhóm rủi ro giai đoạn vận hành khai thác cầu đường cao tốc được tổng hợp trong bảng 3.13 với mã số S1 đến S15. 3.5. Đánh giá, phân tích rủi ro kỹ thuật thực tế tại một số công trình đường ô tô cao tốc Theo thống kê cập nhật đến nay từ VEC, một số các tuyến đường ô tô cao tốc được thi công và khai thác tại Việt Nam tương ứng được liệt kê trong Bảng 1 và Bảng 2 của Phụ lục A. Năm 2019, chúng tôi tiến hành khảo sát các cầu trên 3 tuyến cao tốc bao gồm Pháp Vân - Cầu Giẽ - Ninh Bình, Nội Bài - Lào Cai và Đà Nẵng - Quảng Ngãi. Thống kê các cầu khảo sát trên 3 tuyến trên tương ứng được liệt kê trong các Bảng 3, 4 và 5 của Phụ Lục A. Đối với các tuyến đường ô tô cao tốc trong giai đoạn khai thác, vì lý do lưu lượng giao thông và tốc độ khai thác lớn nên nguy cơ cao xảy ra các tai nạn giao thông có mức độ nghiêm trọng. Mỗi khi có tai nạn xảy ra, việc tìm đường nhánh rẽ để thoát khỏi tình trạng ách tắc giao thông là vấn đề cần được đặc biệt quan tâm đối trong vận hành tuyến đường ô tô cao tốc. Ngoài ra, việc thu phí trên nhiều tuyến cao tốc vẫn áp dụng hình thức thu phí kín dẫn đến khi lưu lượng tăng cao, đặc biệt vào các dịp lễ tết, nguy cơ về ùn tắc tại các trạm thu phí cũng tăng lên. Do đó, công tác quản lý điều hành cho dự án trong giai đoạn khai thác này cũng gặp các rủi ro làm giảm hiệu quả khai thác. Do yêu cầu về quy mô, cấp kỹ thuật và độ an toàn khi khai thác, đòi hỏi công tác quản lý, điều hành và khai thác tuyến đường ô tô cao tốc trên toàn quốc cần phải từng bước đáp ứng yêu cầu đề ra. Vì vậy, xác định các rủi ro trong công tác quản lý vận hành, hạn chế các tiềm ẩn tai nạn giao thông, đảm bảo thông suốt giao thông và quản lý vận hành mang lại hiệu quả kinh tế cần được chú trọng. Điều đó đồng nghĩa với việc cần hạn chế hết mức những rủi ro trong quá trình quản lý và vận hành. Đề tài đã tiến hành khảo sát đánh giá tại các tuyến đường ô tô cao tốc điển hình. Qua khảo sát thực tế tại 08 tuyến đường ô tô cao tốc tại Việt Nam, đã phát hiện các vấn đề liên quan đến nhân tố rủi ro kỹ thuật điển hình được chỉ ra trong Bảng 3. đối chiếu các rủi ro đã thống kê trong luận án. Bảng 3.1: Rủi ro kỹ thuật thực tế cầu đường ô tô cao tốc đã khảo sát TT Vấn đề Mã rủi ro 1 Nứt bê tông dầm, trụ C4 2 Đổ gãy dầm do biện pháp thi công sai sót C5, C7 3 Lún đường đầu cầu C4 4 Nứt, bong bật bê tông nhựa S6 5 Không đồng đều bê tông mặt cầu dẫn đến độ êm thuận bị ảnh C7, S9 hưởng 6 Cháy do xăng dầu ảnh hưởng đến kết cấu cầu S13, S14 7 Hư hỏng cong vênh khe co giãn có thể gây tai nạn C4, S9 8 Sụt trượt ảnh hưởng mố trụ cầu S12 9 Tai nạn do mất kiểm soát tốc độ, đi ngược chiều S13, S15 Khảo sát ý kiến chuyên gia a. Xây dựng mẫu câu hỏi Luận án tiến hành xây dựng bộ mẫu câu hỏi khảo sát bao gồm thông tin về các loại thông số kĩ thuật. Các nhân tố này bao gồm: ✓ Dạng kết cấu nhịp chính: (mô tả trong Bảng 4.4) ✓ Lớp mủ mặt cầu: bao gồm bê tông, bê tông nhựa và bê tông xi măng ✓ Bản mặt cầu: bao gồm bản BTCT, bản liên hợp BTCT, bản thuộc kết cấu bản và bản thép trực hướng
10 ✓ Vật liệu kết cấu chịu lực chính: bao gồm thép, BTCT thường, BTCT DƯL, thép - bê tông liên hợp, gạch và đá xây ✓ Dạng cắt mặt dầm dọc chủ: bao gồm mặt cắt chữ nhật, chữ I, chữ T, super- T, chữ U, Pi và mặt cắt hộp ✓ Dạng dầm ngang: bao gồm các loại không có dầm ngang, dầm ngang BTCT, dầm ngang BTCT có DƯL ngang và dầm ngang thép. Mỗi nhân tố này sẽ bao gồm nhiều loại khác nhau và được đánh giá mức độ rủi ro theo thang điểm từ 1 - 5 tương ứng với các mức rủi ro rất thấp, rủi ro thấp, rủi ro trung bình, rủi ro cao, rủi ro rất cao. Ngoài ra, các thông tin của bản thân người được khảo sát như đơn vị công tác, số năm công tác, vị trí công tác, trình độ học vấn, kinh nghiệm trong lĩnh vực đánh giá rủi ro cầu đường cũng được thêm vào trong khảo sát. b. Xử lý kết quả khảo sát Với mỗi tiêu chí được đem ra khảo sát sẽ có được điểm đánh giá rủi ro theo giá trị từ 1-5 như mô tả ở phần trên. Tuy nhiên tuỳ thuộc vào quan điểm và kinh nghiệm của mỗi người được khảo sát, các con số này có thể khác nhau ở mỗi người. Việc lấy giá trị trung bình dựa trên tất cả các mẫu khảo sát rõ ràng sẽ không hợp lý và không có sự ưu tiên cho những người khảo sát có nhiều kinh nghiệm và trình độ học vấn cao. Chính vì vậy, Luận án đề xuất phương pháp F-AHP và đánh trọng số thể hiện mức độ quan trọng cho câu trả lời của những người được khảo sát. Đây chính là giá trị thể hiện cho mức độ rủi ro của đặc trưng F sau khảo sát và sử dụng giá trị này để đưa vào mô hình mạng nơ ron. 𝑁 ∑ 𝑖=1 𝐹𝑖 ∗ 𝑠𝑐𝑜𝑟𝑒 𝑖 𝐹= 𝑁 ∑ 𝑖=1| 𝑠𝑐𝑜𝑟𝑒 𝑖 | 3.6. Đề xuất mô hình nhận dạng, phân tích đo lường mức độ rủi ro kỹ thuật Mô hình F-AHP FAHP là một kỹ thuật tích hợp lý thuyết tập mờ [69] với AHP [46]. Bằng cách tích hợp các số mờ với AHP, FAHP có hiệu quả trong xử lý các nhận thức chủ quan và sự thiếu chính xác, cho phép diễn đạt thích hợp bằng đánh giá ngôn ngữ. FAHP đã được sử dụng rộng rãi trong nghiên cứu xây dựng. Nguyen và Tran (2017) [47] đã tóm tắt các ứng dụng chính của FAHP trong ngành xây dựng để đánh giá và quản lý rủi ro. Trong luận án sử dụng phương pháp này trong đánh giá kết quả khảo sát chuyên gia. Mô hình nơ ron Mục đích của nghiên cứu này là nhằm tạo ra các trường hợp tương tự của mô hình quản trị rủi ro liên quan đến quy trình thi công cầu trên đường ô tô cao tốc với mô hình mạng nơron nhân tạo (ANN), một mô hình dựa trên hệ thống phương pháp luận riêng về nhận diện mẫu và được chia thành ba tầng chính. Các mô hình khác Các mô hình đề xuất ở trên là các mô hình hiện đại có thể thực hiện các phân tích sâu hơn xác định định tính và định lượng mức độ rủi ro, có nhiều ưu điểm trong xác định các rủi ro và những nguy cơ mà rủi ro mang lại cho dự án trong cả quá trình thi công và khai thác cũng có thể trở thành các mô hình nhận dạng rủi ro hiện đại cho công trình cầu trên đường ô tô cao tốc trong giai đoạn thi công và khai thác. Trong trường hợp đánh giá sơ bộ, trong thời gian ngắn, đề tài đề xuất có thể sử dụng mô hình trên cơ sở các phương pháp đơn giản như Bảng liệt kê và danh sách ngắn, Bộ câu hỏi và phỏng vấn chuyên gia. Các mô hình này có thể cho kết quả nhanh nhưng đòi hỏi xây dựng danh mục rủi ro chi tiết và lựa chọn chuyên gia phù hợp. 3.7. Khung quản lý rủi ro các công trình cầu trên đường ô tô cao tốc
11 Các nội dung liên quan đến nhận dạng và phân loại rủi ro đã được thảo luận ở các chương trước của Luận án. Chương này tập trung trình bày các nội dung phân tích rủi ro và lập kế hoạch ứng phó rủi ro, từ đó làm cơ sở để phát triển phương pháp học máy Machine Learning ứng dụng trong các dự án cầu trên đường ô tô cao tốc cụ thể với nhiều ưu điểm nổi bật để khắc phục các khó khăn còn tồn tại. Hình 3.2. Khung rủi ro công trình cầu trên đường cao tốc 3.8. Kết luận Chương 3 Chương 3 đã nhận dạng các rủi ro kỹ thuật công trình cầu trên đường cao tốc tập trung trong giai đoạn thi công và giai đoạn vận hành khai thác: 18 nhóm rủi ro và mức độ ảnh hưởng trong giai đoạn thi công, 15 nhóm rủi ro giai đoạn vận hành khai thác cầu đường cao tốc từ tổng hợp nghiên cứu và kết quả khảo sát thực tế dự án tại Việt Nam. Phân tích các rủi ro kỹ thuật và chỉ rõ các mức độ ảnh hưởng cả ở tiêu chí định tính và định lượng, đánh giá, phân tích rủi ro kỹ thuật thực tế công trình cầu tại một số tuyến đường cao tốc ở Việt Nam hiện nay. Luận án đã đề xuất mô hình F-AHP và mạng nơ ron áp dụng cho việc nhận dạng và đánh giá các rủi ro công trình cầu trên đường cao tốc ở Việt Nam. Từ nhận dạng và phân tích rủi ro có thể đề xuất các giải pháp hiệu quả để kiểm soát và hạn chế các rủi ro kỹ thuật: đề xuất 4 cấp độ rủi ro kết hợp 5 cấp độ xác suất để đưa ra 4 mức độ ứng phó và các nguyên tắc ứng phó rủi ro, giải pháp quản lý rủi ro cho cầu đường cao tốc. Từ nghiên cứu nhận dạng và đánh giá rủi ro công trình cầu có thể đề xuất các giải pháp hiệu quả để kiểm soát và hạn chế các rủi ro trong các dự án với những đặc thù riêng, đặc biệt là những rủi ro kỹ thuật xảy ra trong giai đoạn thi công dự án cũng như khi vận hành khai thác. Tuy nhiên, phân tích dự báo rủi ro vẫn còn những hạn chế nhất định. Do vậy việc tiếp tục nghiên cứu dựa trên các nghiên cứu đã có là rất cần thiết đặc biệt với sự hỗ trợ của trí thông minh nhân tạo. Trong chương 4 của Luận án sẽ tập trung phát triển phương pháp học máy Machine Learning ứng dụng cho các cầu trên đường ô tô cao tốc cụ thể trong giai đoạn vận hành khai thác với nhiều ưu điểm nổi bật để khắc phục những khó khăn còn tồn tại của các mô hình đã nghiên cứu để đánh giá, dự báo rủi ro kỹ thuật công trình. CHƯƠNG 4: XÂY DỰNG THUẬT TOÁN MACHINE LEARNING VÀ ỨNG DỤNG TRONG QUẢN LÝ RỦI RO CÁC CÔNG TRÌNH CẦU TRÊN ĐƯỜNG Ô TÔ CAO TỐC TRONG VẬN HÀNH KHAI THÁC 4.1. Sự cần thiết của việc ứng dụng ML/AI trong quản lý rủi ro để nâng cao năng lực công tác bảo trì công trình cầu trên đường ô tô cao tốc Quản lý rủi ro là yếu tố cốt lõi để đảm bảo an toàn và bền vững của hệ thống cầu - đường ô tô cao tốc. Trong bối cảnh hiện nay, ứng dụng trí tuệ nhân tạo và học máy (AI/ML)
12 đã trở thành một công cụ hữu ích để cải thiện quản lý rủi ro và tăng cường năng lực bảo trì cho các dự án cầu - đường ô tô cao tốc. Áp dụng AI/ML trong quản lý rủi ro các công trình cầu trên đường ô tô cao tốc đem lại nhiều lợi ích. Bằng cách sử dụng các mô hình AI/ML, dữ liệu từ các công trình cầu có thể được thu thập và phân tích để đánh giá và dự báo các vấn đề kỹ thuật (theo Sun và cộng sự 2020). Điều này giúp quản lý rủi ro và đưa ra biện pháp phòng ngừa và bảo trì hiệu quả. Ví dụ, AI/ML có thể được áp dụng để tự động phát hiện các dấu hiệu hư hỏng trên cầu, nhận dạng mức độ hao mòn, và dự báo thời gian sử dụng cầu đến thời điểm cần bảo trì. Điều này giúp tối ưu hóa kế hoạch bảo trì, tiết kiệm chi phí và tăng cường an toàn cho người sử dụng. Đã có những thành công và ứng dụng thực tế của AI/ML trong lĩnh vực quản lý và bảo trì cầu - đường tại các quốc gia phát triển. Ví dụ, ở Mỹ, hệ thống giám sát và phân tích dữ liệu tự động đã được triển khai để giám sát liên tục tình trạng kỹ thuật của các cầu. Tại Nhật Bản, các công ty xây dựng đã sử dụng AI/ML để phân tích dữ liệu và tư vấn bảo trì cho các cầu đường ô tô cao tốc. Đức cũng đã áp dụng AI/ML để đánh giá và dự báo tình trạng hư hỏng của các cầu và đưa ra các biện pháp bảo trì phù hợp. 4.2. Xây dựng thuật toán Machine Learning đánh giá rủi ro công trình cầu trên đường ô tô cao tốc trong vận hành khai thác Có thể thấy, việc lựa chọn được thuật toán tối ưu phù hợp để quá trình huấn luyện đạt hiệu quả tốt nhất là cần thiết. Ngoài ra để tìm được mô hình hiệu quả với bài toán đặt ra, thường phải chú trọng đến việc lựa chọn và tinh chỉnh tốc độ học quá trình huấn luyện mô hình. Việc tinh chỉnh có thể được thực hiện thủ công hay tự động. Tuy nhiên, do tính chất phức tạp của mô hình học máy, cùng với bộ dữ liệu với kích thước lớn. Mỗi khi thay đổi thuật toán tối ưu, mô hình phải được huấn luyện lại từ đầu, gây lãng phí về thời gian và tài nguyên. Do đó trong phạm vi của Luận án này, ảnh hưởng của các thuật toán tối ưu tới hiệu quả của mô hình không được xét tới. Một trong những biến thể của thuật toán tối ưu Gradient Descent, đó là Stochastic Gradient Descent (SGD) sẽ được áp dụng. Với cách cập nhật này, SGD thường nhanh hơn BGD và có thể sử dụng để học trực tuyến khi tập dữ liệu huấn luyện được cập nhật liên tục. Với SGD, bộ trọng số θ được cập nhật thường xuyên hơn so với BGD và vì vậy hàm mất mát cũng dao động nhiều hơn. Sự dao động này khiến SGD có vẻ không ổn định nhưng lại có điểm tích cực là nó giúp di chuyển đến những điểm cực tiểu (địa phương) mới có tiềm năng hơn. Với tốc độ học giảm, khả năng hội tụ của SGD cũng tương đương với BGD. Mặc dù có các biến thể khác nhau của Gradient Descent (GD), về cơ bản trình tự thực thi của các thuật toán tối ưu trải qua các bước dưới đây. Cần chú ý rằng, bước 2, 3 sẽ được lặp đi lặp lại cho tới khi thỏa mãn điều kiện dừng (mất mát mục tiêu). Bước 1: Khởi tạo biến nội tại. Bước 2: Đánh giá mô hình dựa vào biến nội tại và hàm mất mát. Bước 3: Cập nhật các biến nội tại theo hướng tối ưu hàm mất mát. 4.3. Đánh giá và dự báo rủi ro kỹ thuật cầu trên đường ô tô cao tốc trong vận hành khai thác sử dụng Machine Learning 4.3.1. Xây dựng cơ sở dữ liệu 4.3.1.1. Thu thập dữ liệu Trong luận án này, tập dữ liệu được lấy từ trang web http://www.vbms.vn [21]. Đây là hệ thống quản lý cầu thuộc Cục đường bộ Việt Nam. Dữ liệu bao gồm nhiều thông tin như loại kết cấu cầu, loại kết cấu dầm, loại kết cấu nhịp, năm khai thác, lưu lượng xe trung bình,... và đặc biệt là chỉ số rủi ro đánh giá mức độ hư hỏng của cầu tại thời điểm khảo sát. Có tất cả 59 thuộc tính được thu thập cho mỗi cầu. Chi tiết các thuộc tính được mô tả trong
13 Phụ lục. Các thông tin này giúp phân tích và xây dựng mô hình đánh giá rủi ro cho các loại cầu. Tổng cộng 11.823 mẫu số liệu của 11.823 cầu trong cả nước trong đó bao gồm nhiều loại cầu khác nhau. Số lượng của mỗi cầu tương ứng với từng đơn vị quản lý được trình bày trong bảng 4.1. Bảng 4.1: Số lượng cầu và đơn vị quản lý STT Đơn vị quản lý Số lượng 1 Khu Quản lý đường bộ I 901 2 Khu Quản lý đường bộ II 988 3 Khu Quản lý đường bộ III 890 4 Khu Quản lý đường bộ IV 1393 5 Đường cao tốc 643 6 Sở GTVT các tỉnh thành phố 7.008 Tổng số 11.823 4.3.1.2. Làm giàu dữ liệu cầu trên đường ô tô cao tốc Như số liệu đã trình bày tại bảng 4.1, tổng số cầu trên đường cao tốc trên tập dữ liệu này là 643 cầu. Đây là một con số khá khiêm tốn so với một tập dữ liệu để có thể phân tích và huấn luyện bằng các phương pháp học máy. Đối với các bài toán học máy, luôn đòi hỏi một tập dữ liệu đủ nhiều, đủ chất lượng và đủ độ đa dạng [22]. Chính vì thế việc làm giàu thêm dữ liệu giúp cho các mô hình học máy trở nên tổng quát hoá hơn [24]. Về cơ bản, làm giàu thêm dữ liệu là bổ sung thêm vào tập dữ liệu gốc những mẫu dữ liệu mới có các phân phối tương tự như các mẫu dữ liệu trong tập ban đầu. Với từng loại dữ liệu lại có các phương pháp làm giàu dữ liệu khác nhau. Ví dụ: dữ liệu dạng ảnh có thể sử dụng các phép biến đổi hình học như cắt, phóng to, thu nhỏ, xoay ảnh, thêm nhiễu vào ảnh,... [23], dữ liệu dạng chữ có thể sử dụng các kĩ thuật như thay thế từ đồng nghĩa, các cụm từ đồng nghĩa, các câu đồng nghĩa [26] để tạo ra những mẫu dữ liệu mới có đặc trưng tương tự với dữ liệu gốc. Ở đây, Luận án đề xuất phương pháp làm giàu dữ liệu bằng cách sử dụng thuật toán KNN [25] để xác định K cây cầu có mức độ tương đồng nhất với các 643 cầu cao tốc kể trên. Trong cài đặt thuật toán này chúng tôi sử dụng siêu tham số K = 5 và độ tương tự threshold = 0.6. Để tính toán độ tương tự chúng tôi sử dụng khoảng cách cosine (công thức 9) để tính toán độ tương tự giữa hai vector đặc trưng của các cầu. 𝑛 ∑ 𝑖=1 𝐴 𝑖 𝐵 𝑖 𝐀⋅ 𝐁 cos(𝜃) = = ∥ 𝐀 ∥∥ 𝐁 ∥ √∑ 𝑖=1 𝐴2 √∑ 𝑖=1 𝐵2 𝑛 𝑖 𝑛 𝑖 Sau khi tính toán và loại bỏ các cầu bị trùng lặp, một tập dữ liệu bao gồm 2.313 cầu đã được hình thành và được sử dụng trong phân tích ở các phần sau. 4.3.1.3. Xử lý với giá trị bị khuyết (missing value) Xử lý dữ liệu cơ bản như xử lý missing value được tiến hành cho bộ dữ liệu gồm 2.313 cầu. Biểu đồ 4.1 thể hiện mức độ đầy đủ dữ liệu của từng thuộc tính trong bộ dữ liệu. Các xử lý khác nhau được áp dụng với mỗi mức độ đầy đủ khác nhau. Cụ thể, kĩ thuật thay thế missing value bằng giá trị trung bình của các thuộc tính có đầy đủ dữ liệu được áp dụng với các mẫu dữ liệu có mức độ đầy đủ trên 80%. Với những thuộc tính có giá trị nhỏ hơn 20%, Luận án sử dụng phương pháp loại bỏ thuộc tính đó khỏi tập dữ liệu. Sau khi tiến hành xử lý sẽ thu được tập dữ liệu mới bao gồm 2.313 mẫu và 30 thuộc tính tương ứng. 4.3.1.4. Kết quả khảo sát ý kiến chuyên gia Việc khảo sát ý kiến chuyên gia là cần thiết giúp cho mô hình học máy có sự khách quan hơn khi đánh giá đối với các thuộc tính bị thiên lệch về mặt số lượng trong tập dữ liệu.
14 Tiến hành khảo sát với các thông số kĩ thuật như đã trình bày ở Chương 3 bao gồm các nhân tố ít ảnh hưởng đến mức độ rủi ro của cầu sau khi chạy thuật toán Random Forest. Sau khi khảo sát, thu được 49 kết quả từ 49 người có trình độ, kinh nghiệm công tác khác nhau trong lĩnh vực đánh giá rủi ro. Thời gian công tác trong lĩnh vực xây dựng được miêu tả trong Biểu đồ 4.3. Trình độ học vấn của những người tham gia khảo sát được thể hiện trong Biểu đồ 4.4. Tỉ lệ những người đã từng tham gia quản lý rủi ro cho dự án được thể hiện trong Biểu đồ 4.5. Các số liệu này là những chỉ số quan trọng để chúng tôi tiến hành xử lý kết quả khảo sát trong những bước tiếp theo. 4.3.2. Phân tích dữ liệu và thuộc tính với Random Forest 4.3.2.1. Ý nghĩa của việc trích chọn thuộc tính Trích chọn thuộc tính là một quá trình để tìm ra một tập con tốt nhất các thuộc tính theo một số tiêu chí nào đó. Trích chọn thuộc tính gồm các công cụ thao tác dữ liệu làm cho dữ liệu phù hợp với thuật toán mà không thay đổi bản chất của dữ liệu và là một công cụ hữu hiệu để cải tiến các phương thức khai phá dữ liệu. 4.3.2.2. Lựa chọn siêu tham số bằng kĩ thuật tìm kiếm theo lưới (grid search) Để xây dựng tập thuộc tính quan trọng, thuật toán RF đã được sử dụng trong Luận án. Trong thuật toán RF có một số siêu tham số cần được lựa chọn như n_estimator, criterion, max_depth, max_samples, max_features... Giá trị của các siêu tham số này sẽ ảnh hưởng đến tính hiệu quả của thuật toán RF. Tìm ra được một số tham số tối ưu sẽ rất khó khăn và mất thời gian. Việc này thường đòi hỏi kiến thức và kinh nghiệm của người xây dựng mô hình. Thay vào đó, với sự giúp đỡ của máy tính hiện đại, việc tìm ra các bộ tham số tốt nhất sử dụng kĩ thuật Grid Search (tìm kiếm theo lưới) [4] đem lại hiệu quả rất tốt trong đa số các trường hợp. 4.3.2.3. Tiền xử lý dữ liệu Tiền xử lý dữ liệu là một trong những bước có thể coi là quan trọng có ảnh hưởng nhiều đến độ chính xác của mô hình học máy [12]. Các bước xử lý dữ liệu trước khi đưa vào mô hình cho bài toán nhận diện rủi ro cầu trên đường ô tô cao tốc gồm các bước sau: Loại bỏ các thuộc tính tầm thường: Các thuộc tính được gọi là tầm thường nếu không mang tính chất đại diện cho mức độ rủi ro. Đó là các thông tin riêng của một cầu, không mang tính tổng quát trên tập hợp dữ liệu các cầu. Trong số 30 thuộc tính được thu thập trong bộ dữ liệu cầu cao tốc, 14 thuộc tính được cho là tầm thường được loại bỏ bao gồm: Tên cầu, Số hiệu cầu, Quận, Huyện, Tỉnh/TP, Đơn vị khai thác, Kinh độ, Vĩ độ, Cao độ, Cục/Sở, Lý trình, Quốc lộ, Tổng giá trị đầu tư, Đơn vị XD. Chuẩn hoá dữ liệu của các thuộc tính: Việc chuẩn hoá dữ liệu của các thuộc tính giúp mô hình tính toán chính xác hơn. Có hai loại dữ liệu cần được chuẩn hoá là dữ liệu dạng số và dữ liệu dạng phân loại. Đối với dạng số, chuẩn hóa được sử dụng [2] và đối với các dạng phân loại, mã hóa nhị phân sẽ được sử dụng. 4.3.2.4. Các đặc trưng quan trọng Sau khi tiền xử lý dữ liệu trên tập dữ liệu gồm 2.313 cầu và 16 thuộc tính, tập dữ liệu đã xử lý sẽ được đưa vào trong thuật toán RF để tiến hành dự đoán mức độ quan trọng của từng thuộc tính với tham số đã học được từ Grid Search với kết quả được thể hiện trên Hình. 4.6. Các nhận xét sau có thể được chỉ ra từ biểu đồ ✓ Các thuộc tính có ảnh hưởng nhất đến mức độ rủi ro của một cầu tại thời điểm hiện tại chính là các yếu tố liên quan đến quá trình khai thác và vận hành. Đó là các yếu tố như: lưu lượng xe trung bình, tải trọng khai thác, vận tốc khai thác, năm bắt đầu khai thác, đối tượng chạy chung. Điều này cũng dễ hiểu bởi lẽ các thuộc tính này sẽ thể hiện mức độ khai thác và sử dụng của cầu trên thực tế và cũng là các dữ liệu được thu thập trực tiếp trong quá trình khai thác thực tế trên nhiều mẫu cầu khác nhau nên chúng sẽ thể hiện được mức độ
15 tổng quát hoá của các mô hình. ✓ Các yếu tố ít ảnh hưởng hơn đến mức độ rủi ro (trong tập dữ liệu này) là các yếu tố liên quan đến đặc tính kĩ thuật của cầu như dạng kết cấu, lớp phủ mặt cầu, vật liệu kết cấu chịu lực,... Trái với dự đoán thông thường, các yếu tố này lại ít ảnh hưởng đến mức độ rủi ro của cầu. Một nguyên nhân đơn giản có thể giải thích là vì các yếu tố này chưa thực sự đủ độ đa dạng trong tập dữ liệu đang sử dụng. Điều này do đa số các cầu thu thập được đều bị thiên lệch về một kiểu thông số kĩ thuật dẫn đến hiện tượng dữ liệu bị mất cân bằng trong các thuộc tính này, làm cho các thuộc tính này RF hạ thấp mức độ ảnh hưởng đến rủi ro. Trong khi đó, các nhân tố về thông số kĩ thuật của cầu chắc chắn sẽ có ảnh hưởng đến mức độ rủi ro. Để khắc phục tình trạng này và tăng thêm tính khách quan của nghiên cứu, chúng tôi tiến hành việc khảo sát ý kiến các chuyên gia về mức độ ảnh hưởng thực tế của các thuộc tính này đối với rủi ro của cầu. Biểu đồ 4.6. Mức độ quan trọng của các thuộc tính trong tập dữ liệu 4.3.3. Kiến trúc mạng nơ ron nhân tạo Mô hình mạng truyền thẳng nhiều lớp: Mạng nơ ron được sử dụng rộng rãi nhất là mô hình mạng nhiều tầng truyền thẳng (MLP: Multi Layer Perceptron). Một mạng MLP sẽ có lớn hơn 3 lớp (n > 3) không bao gồm lớp đầu vào trong đó gồm một lớp đầu ra và (n-1) lớp ẩn. Kiến trúc một mạng nơ ron tổng quát được sử dụng trong bài được thể hiện trong Hình 4.17. Với mục đích dự báo rủi ro, Luận án này xây dựng một mạng nơ ron có 4 lớp ẩn với số lượng nơ ron trong mỗi lớp ẩn lần lượt là 128, 64 và 32. Kết quả đầu ra được chỉ báo thông qua hàm kích hoạt phi tuyến sigmoid. Quá trình huấn luyện được thực hiện lặp tối đa là 100 lần (epochs), đây là số lần trong đó toàn bộ dữ liệu đầu vào được đưa vào huấn luyện. Ngoài ra, số lượng mẫu được chọn ngẫu nhiên (batch) từ bộ dữ liệu ban đầu để đưa vào cho mỗi lần huấn luyện là 256. 4.3.4. Sử dụng học máy và ứng dụng trong dự án thực tế Phần này trình bày về các kết quả thực nghiệm của toàn bộ quá trình lựa chọn thuộc tính và xây dựng mô hình đánh giá rủi ro sử dụng mạng nơ ron nhân tạo. Giống như việc xây dựng các mô hình AI khác, quá trình này bao gồm các bước như phân chia tập dữ liệu huấn luyện, tập dữ liệu kiểm tra, huấn luyện tinh chỉnh mô hình và đánh giá độ chính xác của mô hình. 4.3.4.1. Tập dữ liệu thực tế a. Tiền xử lý dữ liệu Đối với các thuộc tính trong tập dữ liệu, Luận án tiến hành tiền xử lý dữ liệu theo như trong Bảng 4.7. b) Phân chia tập dữ liệu
16 Luận án tiến hành phân chia tập dữ liệu thành tập dữ liệu huấn luyện (dữ liệu train) và tập dữ liệu kiểm tra (dữ liệu test). 4.3.4.2. Thiết lập thực nghiệm Tiến hành các thực nghiệm theo các kịch bản như sau: ✓ Chỉ sử dụng ANN và không có trích chọn đặc trưng: Để kiểm tra tính hiệu quả của việc trích chọn các thuộc tính quan trọng bằng RF, Luận án tiến hành chạy ANN trên tập dữ liệu 15 thuộc tính ban đầu mà không có trích chọn đặc trưng. ✓ Sử dụng ANN + các thuộc tính quan trọng: Đây là sự kết hợp ANN với việc trích chọn đặc trưng quan trọng bằng RF. Thuật toán ANN sẽ nhận đầu vào là 6 đặc trưng quan trọng nhất (trong tổng số 15 đặc trưng) để tính toán mức độ rủi ro. ✓ Sử dụng ANN + các thuộc tính quan trọng + khảo sát ý kiến chuyên gia: Luận án tiến hành thử nghiệm mô hình ANN bằng cách sử dụng kết hợp các đặc trưng quan trọng. Với các đặc trưng kém quan trọng, Luận án sử dụng mức độ rủi ro được đánh giá từ các chuyên gia như một giá trị đầu vào của mô hình ANN. Đối với mỗi kịch bản, tiến hành huấn luyện mạng nơ ron và đo lường hiệu quả bằng chỉ số MSE. 4.3.4.3. Kết quả thực nghiệm Trong quá trình huấn luyện, MSE sẽ được đo trên mỗi epoch cho cả tập dữ liệu train và dữ liệu test. Kết quả đánh giá tốt nhất được lấy tại thời điểm mô hình có giá trị MSE trên tập test nhỏ nhất. Nếu MSE nhỏ nhất trong 100 epoch nhưng trị số vẫn lớn thì cần phải điều chỉnh các tham số của mô hình. Sau đây là kết quả từng trường hợp. a. Chỉ sử dụng ANN và không có trích chọn thuộc tính quan trọng Trong trường hợp này, dễ dàng nhận thấy mô hình bị rơi vào hiện tượng overfiting tức bị fit quá mức vào trong tập dữ liệu train mà không có khả năng tổng quát hoá cho tập dữ liệu test. Vấn đề này được thể hiện rõ trong Biểu đồ 4.8. Rõ ràng phương pháp này không có hiệu quả do kiến trúc mạng nơ ron chỉ học tốt trên tập dữ liệu training mà không có độ tổng quát hoá trên tập test. Giá trị MSE tốt nhất của mô hình trên tập huấn luyện là 0.0024 và trên tập kiểm tra là 0.034 Biểu đồ 4.8. MSE trong quá trình training ANN không có trích chọn thuộc tính quan trọng b. Sử dụng ANN + các thuộc tính quan trọng Trường hợp này, quá trình huấn luyện khá thành công và phù hợp thông qua sự biến động đi xuống ổn địng của MSE trên cả tập dữ liệu train và tập dữ liệu test.
17 Biểu đồ 4.9. MSE trong quá trình training ANN có trích chọn thuộc tính quan trọng Biểu đồ trên chứng minh mô hình ANN đã có khả năng tổng quát hoá trên tập dữ liệu test. Do đó, việc trích chọn đặc trưng đã giúp mô hình loại bỏ các thông tin không liên quan nhiều đến mức độ rủi ro, mô hình đơn giản hơn và tránh bị chi phối bởi các thông tin nhiễu trong tập dữ liệu. Giá trị MSE tốt nhất của mô hình trên tập huấn luyện là 0,0008 và trên tập kiểm tra là 0,0019 đều tốt hơn hẳn so với phương pháp đầu tiên. c. Sử dụng ANN + các thuộc tính quan trọng + khảo sát ý kiến chuyên gia Để tăng cường thêm đặc trưng cho tập dữ liệu, Luận án tiến hành lấy thêm một đặc trưng khác từ việc tham khảo ý kiến chuyên gia bằng cách lấy giá trị trung bình đại diện cho các đặc trưng được thu thập. Giá trị MSE tốt nhất của mô hình trên tập dữ liệu train là 0,0022 và trên tập dữ liệu test là 0,0037. Kết quả thu được có phần thấp hơn so với khi không đưa thêm dữ liệu khảo sát. Điều này khá dễ hiểu bởi số lượng dữ liệu ít và khi lấy giá trị trung bình của ý kiến khảo sát khiến cho giá trị này khá tương đồng nhau giữa các cầu (khiến cho mô hình khó học thuộc tính này hơn). Tuy nhiên với số lượng dữ liệu lớn hơn, Luận án kì vọng mô hình sẽ hoạt động tốt hơn khi có ý kiến của chuyên gia tuy nhiên trên thực tế ý kiến chuyên gia có sự phân tán nhất định ảnh hưởng đến sai số trong kết quả. Bảng 4.6: Sai số MSE trong 3 thí nghiệm Lỗi trên tập huấn Lỗi trên tập kiểm Thí nghiệm luyện tra ANN 0,0024 0,034 ANN + RF 0,0008 0,0019 ANN + RF + Chuyên gia 0,0022 0,0037 Kết quả cho dự đoán điểm rủi ro bài toán dự đoán phân loại rủi ro Mô hình Số lớp ẩn Số thuộc Val loss (Cross Accuracy tính Entropy) Test ANN 3 (512 -> 256 -> 128 -> 5) 14 0,0881 0,8893 ANN 3 (512 -> 256 -> 128 -> 5) 8 0,0832 0,9201 ANN 3 (512 -> 256 -> 128 -> 5) 5 0,0687 0,9674 ANN 3 (512 -> 256 -> 128 -> 5) 4 0,0783 0,9146 Trong đó:
18 Val loss: Là giá trị nhỏ nhất của hàm mất mát Cross Entropy đo trên tập val trong quá trình training. Cross Entropy: Là hàm mất mát thường được sử dụng trong quá trình huấn luyện mạng nơ ron nhân tạo cho bài toán phân loại (ở đây là phân loại mức độ rủi ro). Chi tiết tham khảo thêm tại https://tonydeep.github.io/tensorflow/2017/07/07/Cross-Entropy- Loss.html Accuracy Test: Là độ đo mức độ chính xác trên tập test. Độ chính xác được đo bằng số lượng mẫu dữ liệu được dự đoán đúng / tổng số lượng mẫu dữ liệu. 4.3.4.4 Kết quả trên các cầu thực tế Luận án trích chọn ra 40 mẫu dữ liệu thực tế để trình bày trong phần này. Các dữ liệu này là các mẫu được lấy ra từ tập dữ liệu kiểm tra, bao gồm các cầu trên thực tế được thu thập từ bộ dữ liệu VBMS như được mô tả trong bảng 4.7. Trong bảng này có các chỉ số đại diện như Năm KT - Số năm khai thác của cầu, Vận tốc TB - Vận tốc khai thác trung bình, Tải trọng TB - Tải trọng xe khai thác trung bình, Lưu lượng TB - Lưu lượng xe khai thác trung bình, Điểm khảo sát - điểm rủi ro được đánh giá qua khảo sát. Điểm dự báo - điểm rủi ro được đánh giá bởi mô hình ANN. Điểm rủi ro càng thấp thể hiện mức độ rủi ro càng cao được tính theo thang điểm 100. Bảng 4.7: Một số mẫu dữ liệu cầu trên thực tế Năm khai Vận tốc Tải trọng Lưu lượng Điểm Điểm STT thác TB TB TB khảo sát dự báo 1 20 120 50000 100000 14 14,3 2 20 75 30000 40000 40 39,2 3 20 75 2500 30000 56 55,3 4 15 75 50000 100000 22 23,4 5 15 120 2500 100000 34 35,1 6 5 75 2500 25000 65 66,4 4.4.4. Đề xuất xây dựng chương trình đánh giá rủi ro trực tuyến Ngoài lý thuyết chung và khung đánh giá cơ bản về những rủi ro có thể xảy ra đối với công trình cầu trên đường ô tô cao tốc có thể sử dụng một số công cụ công nghệ cao để đánh giá rủi ro. Trong khuôn khổ đề tài nghiên cứu này chúng tôi đã bước đầu xây dựng chương trình đánh giá rủi ro dưới dạng trang web thử nghiệm tại địa chỉ: https://bit.ly/BridgeRiskAssDA. Các bước sử dụng như sau: a. Phần đánh giá rủi ro dựa vào ý kiến chuyên gia (lấy kết quả từ mẫu khảo sát) Phần này sử dụng trực tiếp ý kiến chuyên gia trong việc đánh giá (không thông qua mô hình AI), kết quả thể hiện theo biểu đồ cột. Tác vụ này chỉ mang tính tham khảo theo ý kiến của chuyên gia, Luận án không kết hợp các đặc trưng này vào mô hình AI. Khi không sử dụng tính năng này, ô trong Hình 4.8 cần được bỏ chọn. b. Đánh giá rủi ro xây dựng và vận hành sử dụng mô hình AI Phần này bao gồm hai yếu tố rủi ro đó là Yếu tố an toàn và Yếu tố khai thác vận hành có thể lựa chọn các yếu tố theo tên tương ứng. Chi tiết các yếu tố này được mô tả cụ thể như sau: ● Đối với yếu tố an toàn: ○ Kết cấu chống va xô: bao gồm các loại kết cấu chống va xô khác nhau của cầu so với các phương tiện giao thông xung quanh bao gồm: không có, có kết cấu chống va xô với