Phân tích đặc trưng hành vi di chuyển giao thông đô thị cảng tại Thành phố Hải Phòng từ dữ liệu GNSS sử dụng thuật toán DBSCAN
Email:
manhdv@utc.edu.vn
Từ khóa:
GNSS, DBSCAN, Đô thị cảng, Hành vi di chuyển, Giao thông thông minh, Hải Phòng
Tóm tắt
Ở đô thị cảng, vận tải logistics, dòng xe container và liên kết giữa cảng biển với đường đô thị chi phối hoạt động giao thông, tạo nên quy luật không gian - thời gian khác đô thị thông thường. Bài báo phân tích các quy luật này tại Hải Phòng từ dữ liệu GNSS của hệ thống giám sát hành trình. Sau tiền xử lý, 131.498 điểm dừng được phân cụm bằng thuật toán DBSCAN (bán kính 50 m, tối thiểu 5 điểm) theo ba khung giờ 6h30-8h30, 11h-13h và 17h-19h; độ tin cậy của kết quả được kiểm tra qua ba chỉ số Silhouette, Davies-Bouldin, Calinski-Harabasz và đối chiếu với K-means, KDE. Thuật toán xác định 3.377 cụm với tỷ lệ nhiễu 7,95%. Các cụm ổn định nhất nằm quanh khu cảng, tuyến vận tải container và hành lang nối khu công nghiệp, cho thấy hoạt động logistics gắn chặt với cấu trúc giao thông đô thị; mật độ tại khu trung tâm dao động mạnh theo giờ cao điểm, trong khi khu cảng giữ mức cao ở cả ba khung giờ. Kết quả là cơ sở thực nghiệm cho phân tích giao thông và cho việc lựa chọn giải pháp điều hành tại đô thị cảng.Tài liệu tham khảo
[1]. P. N. Duy, L. Chapman, M. Tight, Resilient transport systems to reduce urban vulnerability to floods in emerging-coastal cities: A case study of Ho Chi Minh City, Vietnam, Travel Behaviour and Society, 15 (2019) 28-43. https://doi.org/10.1016/j.tbs.2018.11.001
[2]. H. Nguyen, T. T. Phan, D. T. Binh, Unlocking logistics efficiency in transitional economies: the impact of economic, social and institutional factors on provincial logistics costs in Vietnam, Economic Change and Restructuring, 59 (2026) 44. https://doi.org/10.1007/s10644-026-09995-3
[3]. H. Jing, Y. Gao, S. Shahbeigi, M. Dianati, Integrity monitoring of GNSS/INS based positioning systems for autonomous vehicles: State-of-the-art and open challenges, IEEE Transactions on Intelligent Transportation Systems, 23 (2022) 14166-14187. https://doi.org/10.1109/TITS.2022.3149373
[4]. Đỗ Văn Mạnh, Đinh Tuấn Hải, Development of a Sustainable National Traffic Information Notification System: A GNSS-Based with Enhanced-LSTM for Urban Road Traffic Speed Forecasting, International Journal of Intelligent Transportation Systems Research, 23 (2025) 489-502. https://doi.org/10.1007/s13177-025-00463-2
[5]. Đỗ Văn Mạnh, Trần Quang Học, Lê Khánh Giang, Vương Xuân Cần, Vũ Văn Trường, Enhanced Deep Neural Networks for Traffic Speed Forecasting Regarding Sustainable Traffic Management Using Probe Data from Registered Transport Vehicles on Multilane Roads, Sustainability, 16 (2024) 2453. https://doi.org/10.3390/su16062453
[6]. B. Konakoglu, S. S. Kurt Konakoglu, K. T. Celik, T. Ustun Topal, A Bibliometric Analysis of GPS/GNSS Contributions to GIS, Journal of Geovisualization and Spatial Analysis, 10 (2026) 9. https://doi.org/10.1007/s41651-026-00252-9
[7]. Y. Lee, P. Wang, B. Park, Nonlinear regression-based GNSS multipath dynamic map construction and its application in deep urban areas, IEEE Transactions on Intelligent Transportation Systems, 24 (2023) 5082-5093. https://doi.org/10.1109/TITS.2023.3246493
[8]. T. Z. Abdulhameed, S. A. Yousif, V. W. Samawi, H. I. Al-Shaikhli, SS-DBSCAN: semi-supervised density-based spatial clustering of applications with noise for meaningful clustering in diverse density data, IEEE Access, 12 (2024) 131507-131520. https://doi.org/10.1109/ACCESS.2024.3457587
[9]. H. J. Kim, Y. H. Kim, J. H. Lee, S. J. Park, B. S. Ko, J. W. Song, Improving the accuracy of vehicle position in an urban environment using the outlier mitigation algorithm based on GNSS multi-position clustering, Remote Sensing, 15 (2023) 3791. https://doi.org/10.3390/rs15153791
[10]. Đỗ Văn Mạnh, Tiền xử lý nâng cao dữ liệu GNSS cho phân tích giao thông bằng Hampel filter, mô hình nội suy kết hợp và Kalman filter, Tạp chí Khoa học Giao thông vận tải, 77 (2026) 328-341. https://doi.org/10.47869/tcsj.77.3.8
[11]. M. Ester, H.-P. Kriegel, J. Sander, X. Xu, A density-based algorithm for discovering clusters in large spatial databases with noise, in: Proceedings of the Second International Conference on Knowledge Discovery and Data Mining (KDD-96), 1996, AAAI Press, Portland, pp. 226-231.
[12]. E. Schubert, J. Sander, M. Ester, H.-P. Kriegel, X. Xu, DBSCAN revisited, revisited: why and how you should (still) use DBSCAN, ACM Transactions on Database Systems, 42 (2017) 1-21. https://doi.org/10.1145/3068335
[13]. O. Arbelaitz, I. Gurrutxaga, J. Muguerza, J. M. Pérez, I. Perona, An extensive comparative study of cluster validity indices, Pattern Recognition, 46 (2013) 243-256. https://doi.org/10.1016/j.patcog.2012.07.021
[14]. P. J. Rousseeuw, Silhouettes: A graphical aid to the interpretation and validation of cluster analysis, Journal of Computational and Applied Mathematics, 20 (1987) 53-65. https://doi.org/10.1016/0377-0427(87)90125-7
[15]. L. Kaufman, P. J. Rousseeuw, Finding Groups in Data: An Introduction to Cluster Analysis, John Wiley & Sons, New York, 1990. https://doi.org/10.1002/9780470316801
[16]. D. L. Davies, D. W. Bouldin, A cluster separation measure, IEEE Transactions on Pattern Analysis and Machine Intelligence, PAMI-1 (1979) 224-227. https://doi.org/10.1109/TPAMI.1979.4766909
[17]. T. Caliński, J. Harabasz, A dendrite method for cluster analysis, Communications in Statistics, 3 (1974) 1-27. https://doi.org/10.1080/03610927408827101
[18]. S. Lloyd, Least squares quantization in PCM, IEEE Transactions on Information Theory, 28 (1982) 129-137. https://doi.org/10.1109/TIT.1982.1056489
[19]. B. W. Silverman, Density Estimation for Statistics and Data Analysis, Chapman and Hall, London, 1986.
[20]. Z. Xie, J. Yan, Kernel Density Estimation of traffic accidents in a network space, Computers, Environment and Urban Systems, 32 (2008) 396-406. https://doi.org/10.1016/j.compenvurbsys.2008.05.001
[21]. J. Sander, M. Ester, H.-P. Kriegel, X. Xu, Density-based clustering in spatial databases: The algorithm GDBSCAN and its applications, Data Mining and Knowledge Discovery, 2 (1998) 169-194. https://doi.org/10.1023/A:1009745219419
[2]. H. Nguyen, T. T. Phan, D. T. Binh, Unlocking logistics efficiency in transitional economies: the impact of economic, social and institutional factors on provincial logistics costs in Vietnam, Economic Change and Restructuring, 59 (2026) 44. https://doi.org/10.1007/s10644-026-09995-3
[3]. H. Jing, Y. Gao, S. Shahbeigi, M. Dianati, Integrity monitoring of GNSS/INS based positioning systems for autonomous vehicles: State-of-the-art and open challenges, IEEE Transactions on Intelligent Transportation Systems, 23 (2022) 14166-14187. https://doi.org/10.1109/TITS.2022.3149373
[4]. Đỗ Văn Mạnh, Đinh Tuấn Hải, Development of a Sustainable National Traffic Information Notification System: A GNSS-Based with Enhanced-LSTM for Urban Road Traffic Speed Forecasting, International Journal of Intelligent Transportation Systems Research, 23 (2025) 489-502. https://doi.org/10.1007/s13177-025-00463-2
[5]. Đỗ Văn Mạnh, Trần Quang Học, Lê Khánh Giang, Vương Xuân Cần, Vũ Văn Trường, Enhanced Deep Neural Networks for Traffic Speed Forecasting Regarding Sustainable Traffic Management Using Probe Data from Registered Transport Vehicles on Multilane Roads, Sustainability, 16 (2024) 2453. https://doi.org/10.3390/su16062453
[6]. B. Konakoglu, S. S. Kurt Konakoglu, K. T. Celik, T. Ustun Topal, A Bibliometric Analysis of GPS/GNSS Contributions to GIS, Journal of Geovisualization and Spatial Analysis, 10 (2026) 9. https://doi.org/10.1007/s41651-026-00252-9
[7]. Y. Lee, P. Wang, B. Park, Nonlinear regression-based GNSS multipath dynamic map construction and its application in deep urban areas, IEEE Transactions on Intelligent Transportation Systems, 24 (2023) 5082-5093. https://doi.org/10.1109/TITS.2023.3246493
[8]. T. Z. Abdulhameed, S. A. Yousif, V. W. Samawi, H. I. Al-Shaikhli, SS-DBSCAN: semi-supervised density-based spatial clustering of applications with noise for meaningful clustering in diverse density data, IEEE Access, 12 (2024) 131507-131520. https://doi.org/10.1109/ACCESS.2024.3457587
[9]. H. J. Kim, Y. H. Kim, J. H. Lee, S. J. Park, B. S. Ko, J. W. Song, Improving the accuracy of vehicle position in an urban environment using the outlier mitigation algorithm based on GNSS multi-position clustering, Remote Sensing, 15 (2023) 3791. https://doi.org/10.3390/rs15153791
[10]. Đỗ Văn Mạnh, Tiền xử lý nâng cao dữ liệu GNSS cho phân tích giao thông bằng Hampel filter, mô hình nội suy kết hợp và Kalman filter, Tạp chí Khoa học Giao thông vận tải, 77 (2026) 328-341. https://doi.org/10.47869/tcsj.77.3.8
[11]. M. Ester, H.-P. Kriegel, J. Sander, X. Xu, A density-based algorithm for discovering clusters in large spatial databases with noise, in: Proceedings of the Second International Conference on Knowledge Discovery and Data Mining (KDD-96), 1996, AAAI Press, Portland, pp. 226-231.
[12]. E. Schubert, J. Sander, M. Ester, H.-P. Kriegel, X. Xu, DBSCAN revisited, revisited: why and how you should (still) use DBSCAN, ACM Transactions on Database Systems, 42 (2017) 1-21. https://doi.org/10.1145/3068335
[13]. O. Arbelaitz, I. Gurrutxaga, J. Muguerza, J. M. Pérez, I. Perona, An extensive comparative study of cluster validity indices, Pattern Recognition, 46 (2013) 243-256. https://doi.org/10.1016/j.patcog.2012.07.021
[14]. P. J. Rousseeuw, Silhouettes: A graphical aid to the interpretation and validation of cluster analysis, Journal of Computational and Applied Mathematics, 20 (1987) 53-65. https://doi.org/10.1016/0377-0427(87)90125-7
[15]. L. Kaufman, P. J. Rousseeuw, Finding Groups in Data: An Introduction to Cluster Analysis, John Wiley & Sons, New York, 1990. https://doi.org/10.1002/9780470316801
[16]. D. L. Davies, D. W. Bouldin, A cluster separation measure, IEEE Transactions on Pattern Analysis and Machine Intelligence, PAMI-1 (1979) 224-227. https://doi.org/10.1109/TPAMI.1979.4766909
[17]. T. Caliński, J. Harabasz, A dendrite method for cluster analysis, Communications in Statistics, 3 (1974) 1-27. https://doi.org/10.1080/03610927408827101
[18]. S. Lloyd, Least squares quantization in PCM, IEEE Transactions on Information Theory, 28 (1982) 129-137. https://doi.org/10.1109/TIT.1982.1056489
[19]. B. W. Silverman, Density Estimation for Statistics and Data Analysis, Chapman and Hall, London, 1986.
[20]. Z. Xie, J. Yan, Kernel Density Estimation of traffic accidents in a network space, Computers, Environment and Urban Systems, 32 (2008) 396-406. https://doi.org/10.1016/j.compenvurbsys.2008.05.001
[21]. J. Sander, M. Ester, H.-P. Kriegel, X. Xu, Density-based clustering in spatial databases: The algorithm GDBSCAN and its applications, Data Mining and Knowledge Discovery, 2 (1998) 169-194. https://doi.org/10.1023/A:1009745219419
Tải xuống
Chưa có dữ liệu thống kê
Nhận bài
05/08/2026
Nhận bài sửa
16/09/2026
Chấp nhận đăng
07/10/2026
Xuất bản
15/10/2026
Chuyên mục
Công trình khoa học
Kiểu trích dẫn
Đỗ Văn, M. (1791997200). Phân tích đặc trưng hành vi di chuyển giao thông đô thị cảng tại Thành phố Hải Phòng từ dữ liệu GNSS sử dụng thuật toán DBSCAN. Tạp Chí Khoa Học Giao Thông Vận Tải, 77(8), 1115-1127. https://doi.org/10.47869/tcsj.77.8.7
