1. Đặt vấn đề
Trong bối cảnh đô thị hóa nhanh chóng tại các siêu đô thị châu Á, việc chuyển đổi từ phát triển dựa trên phương tiện cá nhân sang mô hình Phát triển đô thị theo định hướng giao thông công cộng (TOD) được xem là giải pháp then chốt để giải quyết ùn tắc và ô nhiễm môi trường.
Tại Hà Nội, chiến lược này không chỉ dừng lại ở việc nghiên cứu mà đã trở thành nhiệm vụ chính trị trọng tâm, được nhấn mạnh trong Kết luận số 49-KL/TW của Bộ Chính trị [26], với mục tiêu hoàn thiện mạng lưới đường sắt đô thị (ĐSĐT) vào năm 2035.
Tuy nhiên, thách thức lớn trong thập kỷ qua không chỉ nằm ở công nghệ, thi công, mà ở sự thiếu đồng bộ giữa quy hoạch giao thông và quy hoạch sử dụng đất, đặc biệt là các rào cản trong kiểm soát hệ số sử dụng đất (FAR) và cơ chế tạo nguồn lực tài chính cho hạ tầng.
Bước ngoặt về thể chế diễn ra giai đoạn 2024 – 2025 khi hệ thống pháp lý mới dần hoàn thiện. Luật Thủ đô số 39/2024/QH15 [27] cho phép áp dụng cơ chế đặc thù điều chỉnh quy hoạch cục bộ, gia tăng mật độ xây dựng và hệ số FAR trong vùng phụ cận các ga ĐSĐT.
Cùng với Luật Đất đai số 31/2024/QH15 [28] và Điều chỉnh Quy hoạch chung Thủ đô đến năm 2045, tầm nhìn 2065 [29], đây là khuôn khổ quan trọng để triển khai TOD gắn với cơ chế thu lại giá trị gia tăng từ đất (LVC). Trong bối cảnh đó, khung 3V là công cụ hỗ trợ ra quyết định giúp sàng lọc và xác định thứ tự ưu tiên can thiệp quanh ga trên cơ sở dữ liệu định lượng.
Tuyến 2A (Cát Linh – Hà Đông) là tuyến ĐSĐT đầu tiên tại Hà Nội đi vào khai thác thương mại [25]. Trong bối cảnh đó, việc lựa chọn ga ưu tiên và tái thiết các TOD cần dựa trên đánh giá định lượng để hướng tới tính khả thi của dự án.
Các bằng chứng thực nghiệm chỉ ra rằng các đặc trưng hình thái đô thị như mật độ, đa dạng chức năng và thiết kế (nhóm 3Ds/5Ds) liên quan chặt chẽ đến lựa chọn phương thức và nhu cầu sử dụng vận tải công cộng [1], [20].
Trong các khung đánh giá quanh ga, mô hình node-place nhấn mạnh sự cân bằng giữa vai trò nút giao thông và chất lượng nơi chốn đô thị [19], trong khi khung 3V của WB bổ sung trụ cột tiềm năng thị trường nhằm hỗ trợ phân loại/ưu tiên can thiệp TOD theo từng ga và hành lang [2], [22].
Trên cơ sở đó, nghiên cứu này đặt mục tiêu ứng dụng khung 3V để đánh giá và phân hạng tiềm năng TOD quanh 12 ga tuyến 2A. Các mục tiêu cụ thể gồm: (i) xây dựng bộ chỉ báo 3V thí điểm tận dụng dữ liệu khảo sát và dữ liệu không gian; (ii) chuẩn hóa, tổng hợp chỉ số và xếp hạng ga; (iii) nhận diện trạng thái “lệch pha” để đưa chiến lược can thiệp và (iv) kiểm tra độ nhạy của thứ hạng đối với lựa chọn chuẩn hóa/trọng số.
Nghiên cứu đóng góp: (1) đề xuất quy trình 3V có khả năng tái lập trong điều kiện dữ liệu hạn chế; (2) cung cấp số liệu định lượng hỗ trợ ưu tiên can thiệp TOD tuyến 2A gắn với bối cảnh pháp lý mới tại Hà Nội.
Về vận hành, tuyến 2A khai thác đoàn tàu 4 toa, khoảng 232 lượt/ngày; sản lượng hành khách trung bình khoảng 35.000-40.000 lượt/ngày; giãn cách khoảng 6 phút giờ cao điểm và 10 phút giờ bình thường [25]. Các thông số này cho thấy năng lực hiện tại của tuyến và là cơ sở để thảo luận yêu cầu đồng bộ hóa Node, Place và Market trong vùng phụ cận ga.
2. Cơ sở lý thuyết và khung đánh giá 3V
TOD thường được hiểu là mô hình phát triển đô thị nén, đa chức năng quanh các điểm trung chuyển giao thông công cộng khối lượng lớn, ưu tiên đi bộ, xe đạp và giảm phụ thuộc vào xe cá nhân; từ đó nâng hiệu quả khai thác vận tải công cộng và định hướng tăng trưởng đô thị theo các hành lang vận tải [17], [19], [21].
Nhiều nghiên cứu đã hệ thống hóa các nguyên lý mật độ – đa dạng – thiết kế (3Ds) và mở rộng thành 5Ds, cho thấy mối liên hệ với lưu lượng đi lại, lựa chọn phương thức và nhu cầu sử dụng PTCC [1], [20].
Mô hình node-place mô tả sự cân bằng giữa vai trò nút giao thông (mức độ kết nối, năng lực dịch vụ) và chất lượng khu vực (mật độ, đa dạng chức năng, tiện nghi công cộng) như điều kiện cần của TOD [19]. Khung 3V do WB đề xuất mở rộng node-place bằng cách bổ sung “Giá trị tiềm năng thị trường”, nhấn mạnh tính sẵn sàng của thị trường bất động sản và dư địa tạo giá trị để hỗ trợ LVC [2], [22]. Ba trụ cột 3V được diễn giải như sau:
– Giá trị Nút (Node Value): phản ánh tầm quan trọng của nhà ga trong cấu trúc mạng lưới giao thông, thường đo bằng lưu lượng, mức độ kết nối đa phương thức và chỉ số trung tâm [2].
– Giá trị Nơi chốn (Place Value): phản ánh chất lượng đô thị trong vùng đi bộ quanh ga, bao gồm mật độ, đa dạng sử dụng đất, chất lượng không gian công cộng và khả năng tiếp cận phi cơ giới [2], [21].
– Giá trị Tiềm năng Thị trường (Market Potential Value): phản ánh động lực cung-cầu và năng lực gia tăng diện tích sàn/giá trị đất thông qua chính sách quy hoạch (ví dụ nới FAR) và cơ hội tái phát triển [2].
Khung 3V cho phép các nhà hoạch định chính sách nhận diện và trực quan hóa các trạng thái “lệch pha” giữa ba trụ cột giá trị tại từng nhà ga, từ đó xác định dư địa để kiến tạo giá trị kinh tế thông qua việc đồng bộ hóa giữa năng lực kết nối (Giá trị Nút) và chất lượng không gian (Giá trị địa điểm).
Việc lượng hóa các chỉ số giúp thiết lập nền tảng đối thoại liên ngành giữa các cơ quan quy hoạch, giao thông, kinh tế và người dân nhằm đồng bộ hóa các đầu mối giao thông lớn với các không gian đô thị chất lượng cao. Từ đó, sự kết hợp này sẽ thúc đẩy “Giá trị Tiềm năng Thị trường”, biến các nhà ga thành động lực tăng trưởng thực sự (Hình 1).
Tổng quan nghiên cứu về ứng dụng 3V/Node-Place trong phân hạng nhà ga TOD
Trong hai thập kỷ qua, mô hình Node-Place được dùng rộng rãi để mô tả trạng thái cân bằng giữa vai trò nút giao thông và vai trò nơi chốn của khu vực ga. Từ khoảng 2019, hướng nghiên cứu chuyển dần sang các khung đa chiều nhằm phản ánh tốt hơn vị thế ga trong toàn mạng lưới, chất lượng môi trường cấp vi mô và các kết quả đầu ra như tiếp cận, lượng hành khách và chất lượng phát triển đô thị. Một nhánh mở rộng quan trọng là bổ sung chiều “mạng lưới/hệ thống”.
Các nghiên cứu gần đây tích hợp các chỉ số network criticality, centrality hoặc “system support” vào mô hình Node-Place để phản ánh vai trò ga ở cả cấp địa phương và cấp hệ thống, qua đó hỗ trợ phân loại và ưu tiên đầu tư [30], [32]. Zheng và Wei tiếp tục mở rộng thành khung Node-Place-Network-City, cho phép phân nhóm ga theo kiểu hình phát triển và gợi ý chiến lược theo từng nhóm [36].
Song song, các nghiên cứu giai đoạn 2023 – 2025 tăng cường tích hợp biến xã hội-môi trường và biến kết quả. Các công trình gần đây liên hệ Node-Place với khả năng tiếp cận và lượng hành khách, đồng thời bổ sung các chiều như “social contacts”, không gian xanh và “vitality” để phản ánh đầy đủ hơn chất lượng phát triển quanh ga [33], [35], [38].
Dữ liệu lớn và AI cũng mở ra các công cụ phân hạng có khả năng diễn giải. Một số nghiên cứu kết hợp mô hình học máy diễn giải với khung Node-Place mở rộng để nhận dạng loại hình ga; ở cấp vi mô, dữ liệu Street View được dùng để lượng hóa trải nghiệm thị giác và chất lượng không gian đi bộ quanh ga [37], [39].
Đối với Việt Nam, báo cáo TOD tại Hà Nội của GCIEP đã vận dụng cách tiếp cận ba giá trị để sàng lọc khu vực ưu tiên và liên hệ với công cụ LVC, đồng thời nhấn mạnh nhu cầu hoàn thiện dữ liệu và cơ chế phối hợp thể chế khi triển khai TOD [40]. Tổng hợp các hướng nghiên cứu cho thấy khung 3V phù hợp với xu thế đánh giá đa chiều khu vực ga, đồng thời chỉ ra nhu cầu bổ sung thước đo mạng lưới, chỉ số xanh-xã hội và dữ liệu vi mô trong các nghiên cứu tiếp theo.
3. Dữ liệu và phương pháp
3.1. Dữ liệu
Nghiên cứu sử dụng hai nhóm dữ liệu:
(i) Khảo sát tại 12 ga tuyến 2A với 371 mẫu hợp lệ (thời điểm khảo sát: năm 2024 – 2025). Các biến chính gồm phương thức đi lại hiện nay, tần suất sử dụng GTCC/tuần (0-5), khoảng cách từ nơi ở đến bến GTCC gần nhất (m), chi phí đi lại, thời gian đi làm, mức độ hài lòng về các thuộc tính dịch vụ GTCC (thang 1-4; 1 = rất kém, 4 = rất tốt) và nhu cầu cải thiện (thang 1-3; 1 = không cần, 3 = rất cần; giá trị 0 được coi là không trả lời).
(ii) Dữ liệu đặc điểm không gian quanh ga (mật độ, FAR ước lượng, POI, tương quan việc làm, dân cư, cơ hội tái phát triển) tổng hợp từ nguồn mở và tài liệu chuyên môn (OSM và các nguồn liên quan [3],[16]).
3.2. Xác định vùng phục vụ đi bộ (catchment)
Theo hướng tiếp cận khả tiếp cận trong quy hoạch giao thông [24], nghiên cứu ưu tiên vùng phục vụ đi bộ theo mạng đường (network-based catchment) thay vì bán kính. Tham số áp dụng gồm 400 m mạng đi bộ và thời gian 15 phút. Do hạn chế dữ liệu GIS trong giai đoạn thí điểm, các biến POI/mật độ trong bộ dữ liệu không gian hiện được tổng hợp ở phạm vi 800 m quanh ga; khác biệt về phạm vi là một hạn chế nghiên cứu.
3.3. Xây dựng chỉ báo 3V và chuẩn hóa
Trong điều kiện dữ liệu chưa có lưu lượng hành khách theo từng ga và kết nối GTFS/centrality đầy đủ, nghiên cứu xây dựng bộ chỉ báo 3V thí điểm (Bảng 1), ưu tiên các biến có thể truy xuất từ dữ liệu khảo sát và tài liệu không gian quanh ga. Các chỉ báo được chuẩn hóa bằng min-max về thang (0-1). Với chỉ báo hướng tốt (càng lớn càng tốt): x’=(x-min)/(max-min). Với chỉ báo hướng xấu (càng nhỏ càng tốt, ví dụ khoảng cách tiếp cận): x’=(ma-x)/(max-min). Điểm Node/Place/Market là trung bình của các chỉ báo thành phần; điểm 3V tổng hợp là trung bình của ba trụ cột.
3.4. Phân hạng và nhận diện “lệch pha”
Sau khi tính điểm 3V, các ga được xếp hạng theo điểm tổng hợp. Đồng thời, nghiên cứu phân loại mức Node/Place/Market thành 3 mức (Thấp-Trung bình-Cao) dựa trên ngưỡng 0,4 và 0,6 để nhận diện trạng thái lệch pha và đề xuất chiến lược can thiệp theo khung 3V [2].
3.5. Kiểm định độ nhạy
Độ nhạy được kiểm tra bằng (i) thay đổi trọng số ba trụ cột (trường hợp cơ sở 1/3; 1/3; 1/3 so với kịch bản 0,4; 0,4; 0,2); và (ii) so sánh chuẩn hóa min-max với chuẩn hóa dựa trên thang “độ lệch chuẩn” so với trung bình (sau đó quy đổi về 0-1). Độ ổn định thứ hạng được đánh giá bằng thước đo thống kê dùng để đánh giá mức độ liên hệ giữa hai tập thứ hạng (Spearman).
Bảng 1. Bộ chỉ báo 3V thí điểm và nguồn dữ liệu
4. Kết quả
4.1. Thông số khai thác tuyến 2A
Với công suất thiết kế 1 đoàn tàu 1.360 người, biểu đồ chạy tàu 232 chuyến-lượt/ngày và sản lượng hành khách bình quân hiện tại khoảng 35.000-40.000 lượt/ngày, năng lực chuyên chở lý thuyết đạt 232 × 1.360 = 315.520 lượt/ngày. Hệ số sử dụng công suất ước tính đạt khoảng 11,1-12,7%, cho thấy dư địa tăng trưởng còn lớn. Tốc độ kỹ thuật tuyến đạt 80 km/h và tốc độ khai thác khoảng 35 km/h [14], [16], [25].
4.2. Mô tả mẫu khảo sát
Tổng cộng 371 phiếu hợp lệ được thu thập tại 12 ga. Khoảng cách trung bình từ nơi ở đến bến GTCC gần nhất là 624,7 m. Tần suất sử dụng GTCC trung bình đạt 2,23 lần/tuần; tỷ lệ người khai báo phương thức hiện nay là PTCC khoảng 35,6%, đi bộ/xe đạp 15,4% và phương tiện cá nhân 48,5%. Mức hài lòng trung bình về chất lượng GTCC (thang 1-4) đạt 2,23 điểm; trong các thuộc tính dịch vụ, “giá vé” có điểm cao nhất, trong khi “sự thoải mái trên xe” thấp nhất.
Về nhu cầu cải thiện (thang 1-3), các nội dung được đánh giá cần thiết nhất gồm “nâng cao ý thức người tham gia giao thông”, “phương tiện sạch sẽ/tiện nghi” và “bến GTCC gần nhà hơn”; trong khi “giá vé rẻ hơn” có mức ưu tiên thấp hơn.
Sau chuẩn hóa và tổng hợp, điểm Node-Place-Market và điểm 3V tổng hợp được tính cho từng ga. Hình 3 trực quan hóa tương quan Node-Place với kích thước theo Market, cho phép nhận diện nhanh các trạng thái lệch pha. Bảng 4 trình bày điểm 3V và thứ hạng thí điểm.
Bảng 2. Thông số khai thác tuyến ĐSĐT 2A
Bảng 3. Thống kê mẫu khảo sát theo ga (n = 371)
Bảng 4. Điểm 3V thí điểm, mức độ và đề xuất giải pháp
Bảng 5. Tóm tắt kiểm tra độ nhạy thứ hạng (Spearman)
4.3. Điểm 3V và xếp hạng tiềm năng TOD
4.4. Phân tích độ nhạy
Kết quả độ nhạy cho thấy thứ hạng tương đối ổn định. Khi thay đổi trọng số từ (1/3; 1/3; 1/3) sang (0,4; 0,4; 0,2), tương quan thứ hạng Spearman đạt ρ = 0,93. Khi thay đổi chuẩn hóa từ min-max sang z-score (quy đổi về [0; 1]), tương quan thứ hạng đạt ρ = 1,00. Điều này cho thấy kết quả phân hạng thí điểm không nhạy cảm mạnh với các lựa chọn kỹ thuật cơ bản trong phạm vi kiểm tra.
5. Thảo luận
Kết quả thí điểm cho thấy các ga tuyến 2A có điểm 3V không đồng đều; trạng thái “lệch pha” giữa Node-Place-Market là cơ sở định hướng lựa chọn giải pháp quy hoạch và tái thiết. Theo khung 3V [2], các ga có Place và/hoặc Market cao nhưng Node chưa tương xứng nên ưu tiên các giải pháp infill để tăng kết nối trung chuyển, cải thiện tiếp cận đi bộ/xe đạp và nâng chất lượng phục vụ GTCC. Ngược lại, các ga có Node cao nhưng Place thấp cần tăng mật độ đi kèm nâng FAR, mật độ dân cư, việc làm và chất lượng không gian công cộng quanh ga.
Kết quả nghiên cứu này bước đầu tạo cơ sở định lượng lựa chọn các khu vực quanh ga để triển khai TOD/LVC trong bối cảnh Luật Thủ đô 2024 [27], Luật Đất đai 2024 [28] và định hướng không gian của Quy hoạch chung điều chỉnh [29].
Tuy vậy, do nghiên cứu còn ở giai đoạn thí điểm và dữ liệu Node/Place chưa đầy đủ, các kết quả nên được xem như công cụ sàng lọc ban đầu để phục vụ khảo sát sâu và nghiên cứu khả thi TOD.
Các hạn chế chính gồm: (i) chỉ báo Node thí điểm chưa thay thế được các chỉ số mạng lưới và lưu lượng hành khách; (ii) phạm vi dữ liệu không gian hiện là 800 m/15 phút; và (iii) dữ liệu mạng lưới, không gian, điểm đến có thể có sai lệch theo khu vực và thời điểm cập nhật [3], [5]. Nghiên cứu tiếp theo cần tích hợp dữ liệu chính xác hơn, số liệu hành khách theo ga và phân tích GIS để tính toán các chỉ số node/place đầy đủ hơn [23], [24].
6. Kết luận và khuyến nghị
Nghiên cứu đã ứng dụng khung 3V [2] để xây dựng quy trình đánh giá và phân hạng tiềm năng TOD quanh 12 ga tuyến ĐSĐT 2A Hà Nội trên cơ sở dữ liệu khảo sát (n = 371) và hồ sơ không gian quanh ga. Các kết quả chính và khuyến nghị gồm:
(1) Thiết lập bộ chỉ báo 3V dựa trên dữ liệu sẵn có, cho phép xếp hạng tương đối các ga và nhận diện trạng thái lệch pha Node-Place-Market.
(2) Nhóm ga có điểm 3V cao cần được ưu tiên nghiên cứu khả thi TOD/LVC và lựa chọn chiến lược phù hợp để đồng bộ hóa 3V.
(3) Khảo sát cho thấy cần ưu tiên nâng chất lượng dịch vụ và điều kiện tiếp cận GTCC (điểm dừng gần hơn, tiện nghi, an toàn, trung chuyển), bên cạnh các giải pháp quản lý nhu cầu.
(4) Thứ hạng 3V tương đối ổn định dưới các kiểm tra độ nhạy cơ bản, cho thấy khả năng sử dụng như công cụ sàng lọc ban đầu.
(5) Để tăng độ tin cậy của khung 3V, cần bổ sung dữ liệu mạng lưới, số liệu hành khách theo ga và phân tích GIS trong nghiên cứu tiếp theo.
TS Thân Đình Vinh, ThS Đặng Thị Nga, ThS Lê Văn Chè – Bộ môn Giao thông, Khoa Đô thị, Trường Đại học Kiến trúc Hà Nội
