Ứng dụng học máy trong dự đoán ETA và tối ưu lịch trình xe bồn bê tông với rủi ro CVaR dưới thời gian di chuyển bất định

Abstract

Đề án nghiên cứu bài toán dự báo thời gian đến dự kiến (ETA) cho xe bồn bê tông và xây dựng khung hỗ trợ ra quyết định điều phối dưới rủi ro trong điều kiện vận hành bất định. Khung phân tích của đề án gồm ba tầng: Dự báo, Rủi ro và Ra quyết định. Trong nghiên cứu này, ETA được hiểu là ETA vận hành đến thời điểm bắt đầu đổ tại công trường. Dữ liệu được trích xuất từ hệ thống vận hành của một doanh nghiệp bê tông thương phẩm tại Việt Nam trong giai đoạn 01/2025–07/2025. Sau chuẩn hoá và kiểm soát chất lượng, tập dữ liệu sàng lọc dùng cho mô hình hoá gồm 88.406 chuyến được sử dụng để huấn luyện và đánh giá theo thiết kế chia mẫu theo thời gian. Ở tầng Dự báo, các mô hình boosting cho dữ liệu bảng được huấn luyện để ước lượng các phân vị có điều kiện của ETA tại q0.50, q0.90 và q0.95, đồng thời so sánh với các mô hình đối chứng. Kết quả cho thấy CatBoost là mô hình được lựa chọn cuối cùng do đạt pinball loss thấp nhất và tạo ra khoảng dự báo sắc nét hơn. Để cải thiện độ hiệu chuẩn ngoài mẫu của các phân vị cao, nghiên cứu áp dụng Conformalized Quantile Regression (CQR). Ở tầng Rủi ro, tổn thất do trễ được lượng hoá từ phần trễ không âm so với trung vị dự báo và được đánh giá bằng VaR và CVaR, cho thấy rủi ro đuôi vẫn đáng kể. Ở tầng Ra quyết định, đề án sử dụng hàm mục tiêu Mean–CVaR kết hợp quét tham số λ để hỗ trợ lựa chọn mức buffer, cho thấy mức buffer được lựa chọn tăng theo mức độ ngại rủi ro. Tóm lại, đề án cho thấy cách tiếp cận kết hợp dự báo phân vị, đo lường rủi ro đuôi và hỗ trợ lựa chọn buffer là phù hợp đối với bài toán hỗ trợ điều phối xe bồn bê tông trong điều kiện vận hành bất định