Giải bài toán quy hoạch vertiport bằng học máy không gian địa lý: Từ Lagos đến mọi thành phố

Khi một thành phố muốn phát triển taxi bay hoặc hạ tầng cho máy bay cất/hạ cánh thẳng đứng, câu hỏi đầu tiên thường là: đặt các trạm vertiport ở đâu? Với những đô thị đang phát triển nhanh — nơi không có dữ liệu đầy đủ về lộ trình di chuyển của người dân — bài toán trở nên khó hơn rất nhiều so với việc chỉ tìm nơi đông dân nhất.

Một nghiên cứu từ Lagos, Nigeria đã chứng minh rằng có thể dùng học máy không gian địa lý (geospatial machine learning) để xây dựng danh sách các vị trí tiềm năng, dựa trên dân số, mạng lưới đường bộ, giao thông công cộng và các ràng buộc an toàn như sân bay, khu quân sự. Phương pháp này không chỉ hoạt động cho Lagos mà còn được chạy lại thành công với dữ liệu của Nairobi cho thấy tính tái sử dụng cao.

Vấn đề: Dân số đông chưa chắc là nơi thích hợp

Một vertiport là điểm hạ cất cánh dành cho các loại máy bay lên thẳng như taxi bay điện (eVTOL). Ý tưởng đơn giản nhất là lấy bản đồ phân bố dân số, tìm các khu vực tập trung đông người rồi đặt vertiport ở đó. Nhưng thử nghiệm tại Lagos cho thấy cách làm này có lỗ hổng nghiêm trọng.

Khi chỉ dùng dữ liệu dân số và thuật toán phân cụm K-means, mô hình tạo ra 100 vị trí đề xuất; 11 trong số đó nằm trong vùng an toàn của sân bay quốc tế Murtala Muhammed, hoặc ở trên mặt nước, đất ngập nước. Mô hình hoạt động đúng theo yêu cầu "tối ưu mật độ dân số", nhưng lại bỏ qua các yếu tố thực tế như: vị trí đó có thể xây dựng được không, có gần đường lớn hay không, có vi phạm không phận hay không.

So sánh kết quả chỉ dùng dân số và kết quả sau khi thêm các ràng buộc

"Một khu vực đông dân không tự động là một vị trí phù hợp. Khoảng cách giữa nơi con người sống và nơi vertiport thực sự có thể đặt là bài toán trọng tâm mà nghiên cứu này giải quyết."

Quy trình 8 bước có thể áp dụng cho bất kỳ thành phố nào

Thay vì dựa vào một mô hình duy nhất, nghiên cứu đề xuất một pipeline gồm 8 bước, trong đó mọi tham số của thành phố — ranh giới, dân số, đường sá, điểm giao thông công cộng, số lượng vertiport, khoảng cách tối thiểu — đều nằm trong một tệp cấu hình JSON. Điều này giúp chạy lại cho thành phố khác mà không cần sửa mã Python.

Quy trình 8 bước từ xác định phạm vi, phân tích dân số, đo khả năng tiếp cận, loại trừ vùng cấm, phân cụm, xác minh, giãn cách và xếp hạng

Quy trình gồm 4 quyết định chính:

• Dân số ở đâu? Dùng bản đồ dân số dạng raster, mỗi ô lưới là một điểm dân số thực, không phát sinh dữ liệu giả.
• Nơi nào dễ tiếp cận hơn? Cộng thêm điểm thưởng cho những điểm gần đường lớn và trung tâm giao thông như ga tàu, bến xe buýt nhanh, bến phà.
• Nơi nào cần loại trừ? Gỡ bỏ mặt nước, đất ngập nước, rừng ngập mặn, vùng đệm quanh sân bay và căn cứ quân sự.
• Các vị trí còn lại được phân nhóm và xếp hạng thế nào? Dùng K-means có trọng số, kiểm tra lại sau khi phân cụm, đảm bảo khoảng cách tối thiểu rồi xếp hạng theo mức độ nhu cầu mà mỗi điểm thực sự phục vụ.

Điểm đáng chú ý là thứ tự các bước có vai trò quan trọng. Thuật toán phân cụm rất giỏi tìm khu vực tập trung đông người, nhưng không hiểu luật hàng không, quyền sử dụng đất hay rủi ro ngập lụt. Vì vậy, các quy tắc này phải được đưa vào một cách tường minh, không để mô hình tự suy ra.

Vì sao chỉ dùng dân số là chưa đủ?

Số liệu từ Lagos khá rõ ràng. Phiên bản chỉ dùng dân số có 11/100 điểm không an toàn. Phiên bản thêm khả năng tiếp cận nhưng không loại trừ vùng cấm vẫn có 14/100 điểm không an toàn. Chỉ khi kết hợp cả ba yếu tố — dân số, khả năng tiếp cận, vùng loại trừ — thì cả 100 điểm đều vượt qua kiểm tra an toàn.

Biến thể	Số điểm không an toàn	Dân số phục vụ trong top 20	Khoảng cách trung bình đến giao thông	Khoảng cách trung bình đến đường lớn
Chỉ dân số	11/100	~2,97 triệu	3.48 km	1.21 km
Dân số + tiếp cận	14/100	~3,23 triệu	3.17 km	1.31 km
Dân số + tiếp cận + loại trừ	0/100	~2,92 triệu	2.88 km	1.16 km

Con số cho thấy có sự đánh đổi: thêm ràng buộc an toàn làm giảm khoảng 9,5% dân số phục vụ so với phiên bản không loại trừ, nhưng đổi lại mọi vị trí đề xuất đều an toàn và kết nối tốt hơn. Đây chính là thông tin mà nhà quy hoạch cần: an toàn có một cái giá, và pipeline giúp định lượng rõ cái giá đó.

Cách Xử lý điểm bất thường của K-means

Một chi tiết kỹ thuật quan trọng: K-means tính khoảng cách theo đường chim bay trong hệ tọa độ địa lý, nhưng kinh độ/vĩ độ là góc chứ không phải khoảng cách phẳng. Nếu dùng trực tiếp có thể làm sai lệch cụm. Do đó, pipeline chuyển tọa độ sang hệ mét phù hợp với khu vực trước khi phân cụm, rồi chuyển kết quả về kinh độ/vĩ độ.

Một vấn đề khác là trọng tâm cụm (centroid) có thể nằm trong vùng cấm ngay cả khi toàn bộ điểm thành viên đều an toàn. Giải pháp là kiểm tra từng centroid sau khi phân cụm và sau khi gộp khoảng cách; nếu một điểm rơi vào vùng loại trừ, nó sẽ được kéo về điểm dân số thực an toàn gần nhất trong cùng cụm. Kiểm tra này giúp giảm số điểm không hợp lệ về 0 trong kết quả cuối cùng.

Chọn số lượng vertiport: không phải cứ nhiều là tốt

Con số 100 trong bài toán Lagos chỉ là thiết lập để so sánh, không phải kết luận. K-means yêu cầu đưa ra số cụm trước khi chạy, nên nếu chọn 100 ngay từ đầu, mô hình chỉ lặp lại giả định của mình.

Nghiên cứu thử nghiệm với 25, 50, 75, 100, 125, 150 và 200 điểm, dùng hai tiêu chí: khoảng cách trung bình từ dân số đến điểm phục vụ và tỷ lệ dân số trong phạm vi 5 km. Kết quả cho thấy 25 điểm là đủ để đạt 92,2% dân số trong bán kính 5 km với khoảng cách trung bình 3,37 km. Nếu tăng lên 50 điểm, tỷ lệ này lên 98,3%, nhưng mức cải thiện thêm không còn lớn — đây chính là điểm khuỷu tay (elbow).

Bản đồ 100 vertiport đề xuất cho Lagos với các vùng đệm sân bay và quân sự

"Mỗi đơn vị an toàn thêm vào hoặc mỗi vertiport bổ sung đều có chi phí đo được bằng dân số phục vụ. Pipeline giúp hiển thị chi phí đó thay vì giấu sau một tấm bản đồ có vẻ chính xác."

Kiểm chứng với Nairobi: tham số không phải là chân lý

Để chứng minh pipeline có thể tái sử dụng, cùng một mã nguồn được chạy với dữ liệu Nairobi, Kenya. Tệp cấu hình chỉ cần thay ranh giới, dân số, đường sá, ga đường sắt và danh sách sân bay. Kết quả tạo ra 57 điểm từ 60 yêu cầu, không có điểm nào vi phạm vùng loại trừ.

Tuy nhiên, thử nghiệm Nairobi phát hiện một vấn đề tinh tế: bộ đệm sân bay 5 km được kế thừa từ Lagos lại quá lớn với Nairobi. Hai sân bay chính cách nhau khoảng 13 km, nằm gần trung tâm của một khu vực tương đối nhỏ nên hai vùng đệm chồng lấn, khiến 31% điểm dân số bị loại. Ở Lagos, cùng thông số này chỉ loại khoảng 10% do địa hình trải rộng hơn. Điều này nhấn mạnh rằng tham số cần được hiệu chỉnh theo địa hình thực tế của từng thành phố, nhất là khi kết quả được dùng trong hồ sơ xin cấp phép hàng không.

Cơ hội cho Việt Nam

Bài toán đặt vertiport tại các đô thị đang phát triển không chỉ riêng của Lagos hay Nairobi. Với TP.HCM và Hà Nội, việc thiếu dữ liệu hành trình chi tiết của người dân cũng là rào cản tương tự. Tuy nhiên, dữ liệu dân số dạng raster, mạng lưới đường bộ, nhà ga và bến xe từ OpenStreetMap cùng các lớp phủ mặt đất hoàn toàn có thể tìm thấy từ các nguồn mở. Một pipeline như trong nghiên cứu này giúp quy hoạch sơ bộ các trạm vertiport phục vụ taxi bay trong tương lai, đồng thời buộc nhà quy hoạch phải công khai các giả định về bán kính an toàn, tiêu chí phục vụ và chi phí đánh đổi.

Kết luận: Công cụ hỗ trợ, không phải câu trả lời cuối cùng

Phương pháp này không tạo ra bản vẽ xây dựng, mà tạo ra một danh sách rút gọn có thứ tự ưu tiên để con người kiểm tra sâu hơn. Nó cho phép tái lập kết quả, thay đổi tham số và áp dụng cho thành phố khác chỉ bằng việc sửa tệp JSON. Nhưng nó cũng thừa nhận rõ ba giới hạn lớn: bộ đệm an toàn chỉ mang tính minh họa, khoảng cách đến giao thông vẫn là đường chim bay chứ chưa phải thời gian di chuyển thực tế, và chưa có dữ liệu rủi ro ngập lụt. Với những cải tiến tiếp theo, quy trình này có thể trở thành nền tảng cho các dự án quy hoạch đô thị hàng không tại nhiều nơi trên thế giới, kể cả Việt Nam.