Khai phá mô hình sơ tán sóng thần với nền tảng OpenMOLE

Tuyển tập Hội nghị Khoa học thường niên năm 2020. ISBN: 978-604-82-3869-8

KHAI PHÁ MƠ HÌNH SƠ TÁN SĨNG THẦN
VỚI NỀN TẢNG OPENMOLE
Lê Nguyễn Tuấn Thành
Trường Đại học Thuỷ lợi, email:

1. GIỚI THIỆU

Lịch sử nhân loại đã ghi nhận nhiều thảm
hoạ động đất, sóng thần với sức tàn phá
khủng khiếp. Ngày 11/03/2011 (UTC), một
trận động đất 9.0 độ Richter xảy ra ngồi
khơi Tōhoku thuộc Nhật Bản, đã gây ra sóng
thần lan dọc bờ biển Thái Bình Dương của ít
nhất 20 quốc gia, bao gồm cả bờ biển phía
Tây của Bắc và Nam Mỹ. Thảm hoạ kép này
đã gây ra nhiều thiệt hại nghiêm trọng với
15,863 người thiệt mạng, 5,901 người bị
thương, 4,414 người mất tích và phá huỷ
114,591 ngơi nhà [1]. Giảm thiểu tối đa thiệt
hại gây ra bởi sóng thần, cả về mặt con người
và cơ sở hạ tầng, là mục tiêu hàng đầu của
các nhà quản lý, cũng như các nhà khoa học.
Một trong những phương pháp triển vọng
để giải quyết bài tốn quản lý sóng thần,
cũng như các hệ thống phức tạp khác, là sử
dụng cách tiếp cận mơ hình hố và mơ phỏng
hướng tác tử (Agent-Based Modelling and
Simulation - ABMS) [2]. Trong đó, hành vi
và sự tương tác của nhiều tác tử có thể cho

chúng ta thấy được xu hướng và cấu trúc
chung của toàn bộ hệ thống. Một số nền tảng
đã được phát triển dựa trên cách tiếp cận này,
như NetLogo [2], GAMA, Repast Suite....
Tuy nhiên, khi thực hiện việc mơ phỏng
các mơ hình được phát triển trên một số nền
tảng đa tác tử, như NetLogo, việc hiệu chỉnh
các tham số đầu vào khá thủ cơng và mất
nhiều thời gian. Ngồi ra, việc tăng quy mô
mô phỏng với số lượng lớn tác tử cũng là một
thách thức với một số nền tảng đa tác tử. Để
khắc phục các nhược điểm đó, cũng như để
có thể thực hiện các khai phá chun sâu trên
các mơ hình đa tác tử, chúng ta cần một cách
tiếp cận mới.

Trong bài báo này, chúng tôi giới thiệu
một cách tiếp cận, như được chỉ ra trong
(hình 1), giúp thực hiện khai phá chun sâu
các mơ hình nói chung (đã được phát triển
với nền tảng, ngơn ngữ bất kỳ) và mơ hình sơ
tán sóng thần dựa trên cách tiếp cận hướng
tác tử nói riêng.

Hình 1. Quy trình thực hiện khai phá
mơ hình sơ tán sóng thần
Mơ hình sơ tán sóng thần sau khi được
phát triển trên nền tảng NetLogo sẽ được sử
dụng như là đầu vào cho công cụ
OpenMOLE (Open MOdeL Experiment) [3],

một cơng cụ chun dụng để khai phá mơ
hình. Việc kết hợp hai công cụ (NetLogo và
OpenMOLE) là rất cần thiết để kiểm chứng
tính hiệu quả của mơ hình đa tác tử.
Các phần tiếp theo của bài báo được tổ
chức như sau. Trong phần hai, chúng tôi sẽ
giới thiệu mô hình sơ tán sóng thần tại Việt
nam, đã được phát triển trên nền tảng
NetLogo [4]. Sau đó, chúng tơi sẽ trình bày
phương pháp khai phá mơ hình này sử dụng
cơng cụ OpenMOLE. Cuối cùng là phần kết
luận và hướng phát triển.
2. MƠ HÌNH SƠ TÁN SĨNG THẦN Ở
NHA TRANG, VIỆT NAM:

Mơ hình của chúng tơi [4] được phát triển
dựa trên tình huống giả định như sau: một
trận động đất 9.0 độ Richter xảy ra ở ngồi
khơi biển Đơng, khu vực Manila Trench, gây

78


Tuyển tập Hội nghị Khoa học thường niên năm 2020. ISBN: 978-604-82-3869-8

ra sóng thần với cột sóng cao 5m dọc bờ biển
của thành phố Nha Trang. Khi nhận được
thông báo về đợt sóng thần sắp xảy ra, người
dân, bao gồm cả khách du lịch, sẽ cố gắng di
chuyển về các điểm trú ẩn được bố trí sẵn

trong đất liền.
Mơ hình của chúng tôi gồm ba loại tác tử:
1) người dân địa phương; 2) khách du lịch và
3) phương tiện giao thơng (ơ tơ). Cả ba loại
tác tử này đều có ba trạng thái trong vòng đời
của chúng: 1) đã tử vong (dead); 2) được sơ
tán vào điểm trú ẩn an toàn (evacuated); và
3) đang ở khu vực nguy hiểm (in-danger),
tương ứng với ba màu đỏ, xanh, vàng.
Tác tử con người (i.e., người dân địa
phương, khách du lịch) có các thuộc tính như
tốc độ di chuyển, bán kính quan sát. Khách du
lịch, khác với người dân địa phương, không
nắm rõ thông tin về các điểm trú ẩn, cũng như
đường đi, nên cần có một chiến thuật di
chuyển hiệu quả về các hầm trú ẩn khi sóng
thần xảy ra. Tác tử ơ tơ có các thuộc tính như
tốc độ di chuyển, số lượng người ngồi trong,
mức tăng tốc, mức giảm tốc. Chúng tôi cũng
xây dựng các chiến thuật di chuyển khác nhau
dành cho tác tử này. Ngồi ra, chúng tơ mơ
hình hố sóng thần di chuyển vào từ ngồi
biển. Khi vào đất liền, tốc độ của sóng thần sẽ
giảm dần và dừng hẳn khi tốc độ bằng 0.
Mơ hình của chúng tơi có các tham số đầu
vào tồn cục như: số phân đoạn sóng, tốc độ
di chuyển của sóng thần, thời điểm sóng thần
xuất hiện, thời gian mơ phỏng, kích thước và
vị trí của các hầm trú ẩn. Và các tham số đầu
ra như: số lượng dân địa phương và khách du

lịch tử vong, đã được sơ tán, đang trong khu
vực nguy hiểm; số lượng ô tô bị ngập nước,
đã được sơ tán, đang trong khu vực nguy
hiểm; số lượng nhà cửa bị ngập nước, an tồn.
Giao diện 2D của mơ hình được chỉ ra
trong (hình 2), với màn hình mơ phỏng ở
chính giữa. Bên tay trái màn hình là các tham
số đầu vào cho ba loại tác tử (i.e., người dân
địa phương, khách du lịch, ô tô), chiến thuật
di chuyển của khách du lịch và ơ tơ, và các
tham số tồn cục khác. Bên tay phải màn hình
là kết quả của q trình mơ phỏng theo thời

gian thực, bao gồm: thống kê về số lượng tử
vong/bị ngập nước, được sơ tán thành cơng,
và đang trong khu vực nguy hiểm.

Hình 2. Giao diện 2D của mơ hình sơ tán
sóng thần trên nền tảng NetLogo
3. KHAI PHÁ MƠ HÌNH SƠ TÁN SĨNG
THẦN VỚI OPENMOLE

Giống như các hệ thống vật lý thực tế,
cách hành xử của một mơ hình trên máy tính
cũng khơng thể được dự đốn và tính tốn
một cách trực quan. Đó là lý do tại sao các
thử nghiệm ở quy mô lớn là điều cần thiết để
có thể giúp chúng ta hiểu được cách những
mô thức xuất hiện từ phạm vi này đến phạm
vi khác. Công cụ OpenMOLE cho phép thực

thi phân tán các thử nghiệm quy mô lớn trên
môi trường điện toán hiệu năng cao.
OpenMOLE đã được phát triển từ năm 2008
dưới dạng một nền tảng miễn phí và nguồn
mở. Nó cung cấp một tập các cơng cụ để chạy
thử nghiệm, khai phá, chẩn đốn và tối ưu hóa
các mơ hình có sẵn. Với OpenMOLE, chúng ta
có thể thực hiện các khai phá chun sâu trên
các mơ hình đã được phát triển trước bằng bất
kỳ ngôn ngữ nào (như: Java, NetLogo, R,
SciLab, Python, C ++, Gama, Binary exe, ...).
Để xây dựng một thử nghiệm khai phá đầy
đủ trong OpenMOLE, chúng ta phải xây dựng
các đoạn script sử dụng ngôn ngữ của
OpenMOLE. Một script trong OpenMOLE
cần phải định nghĩa các thành phần sau: 1) các
tác vụ cần thực hiện; 2) danh sách tham số đầu
vào và đầu ra; 3) các phương pháp khai phá;
4) các hook giúp định nghĩa cách thức lưu kết
quả: hiển thị ra màn hình hoặc/và ghi ra file;
5) các môi trường thực thi (tuỳ chọn).

79


Tuyển tập Hội nghị Khoa học thường niên năm 2020. ISBN: 978-604-82-3869-8

OpenMOLE cung cấp sẵn một số phương
pháp khai phá như: phương pháp lấy mẫu,
phương pháp hiệu chỉnh đơn hoặc đa tiêu chí

(sử dụng thuật tốn di truyền NSGA2), phương
pháp phân tích độ nhạy (của Morris và của
Saltelli), phương pháp Profile, phương pháp
PSE (Pattern Space Exploration), phương pháp
OSE (Origin Space Exploration), phương pháp
ABC (Approximate Bayesian Computation).
Việc thực thi các tác vụ có thể được thực
hiện trên mơi trường cục bộ, với một hoặc
nhiều luồng, hoặc ủy thác cho một môi trường
ở xa (i.e., thông qua SSH, Cluster, Grid).
Trong thử nghiệm với mơ hình sơ tán sóng
thần đã được phát triển trên NetLogo [4],
chúng tôi khai báo một tác vụ NetLogo6Task
trong OpenMOLE với 13 tham số đầu vào và
9 tham số đầu ra. Phương pháp khai phá được
sử dụng là phương pháp lấy mẫu với hàm
DirectSampling, cho phép định nghĩa các
khoảng giá trị mong muốn của 13 tham số đầu
vào, có thể lên đến hàng triệu - điều không thể
thực hiện được với nền tảng NetLogo. Hàm
DirectSampling giúp tạo một quy trình thực
hiện được minh hoạ trong (hình 3).

nghiệm, tức là các đầu vào mà chúng ta muốn
thay đổi; 3) aggregation: (tham số tùy chọn)
một tác vụ tổng hợp được thực hiện trên các
dữ liệu đầu ra của tác vụ đánh giá.
Chúng tôi thực thi thử nghiệm trên môi
trường cục bộ với 10 luồng chạy đồng thời.
Kết quả thử nghiệm, gồm giá trị cho 9 tham

đầu ra, được ghi vào một tệp csv, có thể được
sử dụng cho các phân tích phía sau. Đây cũng
là một ưu điểm của cơng cụ OpenMOLE so
với NetLogo.
4. KẾT LUẬN

Trong bài báo này, chúng tôi đã giới thiệu
một cách tiếp cận giúp thực hiện các khai phá
chun sâu trên các mơ hình nói chung và mơ
hình đa tác tử cho bài tốn sơ tán sóng thần
nói riêng. Với phương pháp lấy mẫu, kết quả
đạt được là khá hứa hẹn. Trong tương lai,
chúng tôi sẽ thử nghiệm với các phương pháp
khai phá khác (như phương pháp hiệu chỉnh,
phương pháp phân tích độ nhạy, phương
pháp PSE, …) và đồng thời sẽ thực hiện trên
các môi trường phân tán ở xa để cho kết quả
tốt hơn.
5. TÀI LIỆU THAM KHẢO

Hình 3. Quy trình thực hiện
của hàm DirectSampling
Các tham số của DirectSampling bao gồm:
1) evaluation: tên tác vụ (hoặc một thành
phần của các tác vụ) sử dụng các dữ liệu đầu
vào; 2) sampling: định nghĩa thiết kế thử

[1] Koketsu, K., Yokota, Y., Nishimura, N.,
Yagi, Y., Miyazaki, S. I., Satake, K., Okada,
T. (2011). A unified source model for the

2011 Tohoku earthquake. Earth and Planetary
Science Letters, 310 (3-4), 480-487.
[2] Wilensky, U., Rand, W. (2015). An
introduction to agent-based modeling:
modeling natural, social, and engineered
complex systems with NetLogo. MIT Press.
[3] Reuillon,
R.,
Leclaire,
M.,
ReyCoyrehourcq, S. (2013). OpenMOLE, a
workflow engine specifically tailored for
the distributed exploration of simulation
models. Future Generation Computer
Systems, 29(8), pp. 1981-1990.
[4] Nguyen, P.A.H.C., Le, N.T.T. (2019). Mơ
hình đa tác tử cho bài tốn ứng phó sóng
thần ở Việt Nam. Hội nghị Khoa học
Thường niên Đại học Thuỷ lợi, Hà Nội,
Việt Nam, pp. 139-141.

80