Dương Bảo Trung

Trường Đại học Mở Thành phố Hồ Chí Minh

Email: trung.db@ou.edu.vn

Tóm tắt

Nghiên cứu phân tích vai trò của hệ thống giao thông thông minh đối với ý định quay lại TP. Hồ Chí Minh của du khách quốc tế, dựa trên dữ liệu khảo sát 479 du khách đến từ 45 quốc gia. Bằng phương pháp PLS-SEM và mô hình cấu trúc bậc hai, kết quả cho thấy, Chất lượng dịch vụ tác động mạnh đến Sự hài lòng, Giá trị cảm nhận và Ý định quay lại; tuy nhiên, Sự hài lòng không có ảnh hưởng thống kê đến Ý định quay lại, trong khi Giá trị cảm nhận đóng vai trò quyết định. Du khách ưu tiên các phương tiện dựa trên ứng dụng và ngày càng quan tâm đến giao thông xanh. Trách nhiệm xã hội điểm đến góp phần củng cố niềm tin dài hạn, hàm ý chiến lược phát triển giao thông thông minh bền vững cho TP. Hồ Chí Minh.

Từ khóa: Giao thông thông minh, ý định quay lại, TP. Hồ Chí Minh

Summary

This study analyzes the role of intelligent transportation systems in shaping international tourists’ intention to revisit Ho Chi Minh City, using survey data from 479 visitors from 45 countries. Using the PLS-SEM approach and a second-order structural model, the results indicate that service quality exerts a substantial impact on satisfaction, perceived value, and revisit intention. However, satisfaction does not have a statistically significant effect on revisit intention, whereas perceived value plays a decisive role. Tourists show a preference for app-based transportation services and demonstrate increasing concern for green mobility. Destination social responsibility contributes to strengthening long-term trust, thereby implying strategic directions for the sustainable development of intelligent transportation systems in Ho Chi Minh City.

Keywords: Intelligent transportation systems, revisit intention, Ho Chi Minh City

GIỚI THIỆU

TP. Hồ Chí Minh là trung tâm kinh tế, văn hóa và khoa học - công nghệ lớn của Việt Nam. Nhờ lợi thế về vị trí địa lý và hạ tầng kết nối, TP. Hồ Chí Minh trở thành điểm đến hấp dẫn đối với du khách trong và ngoài nước. Đây là nơi hội tụ cư dân từ nhiều vùng miền, tạo nên sự đa dạng văn hóa đặc trưng, được ví như “Việt Nam thu nhỏ”. Ngành du lịch được xem là một trong những trụ cột phát triển kinh tế Thành phố, với tiềm năng được khẳng định qua sự phong phú của tài nguyên du lịch: từ hệ thống di tích lịch sử - văn hóa, các công trình tôn giáo, bảo tàng, đến những phố chuyên doanh và cảnh quan đặc trưng như sông Sài Gòn. Đến năm 2021, Thành phố đã có 366 tài nguyên du lịch, phản ánh sự đa dạng cả về tự nhiên lẫn nhân tạo (Nguyễn, 2025).

Nhiều nghiên cứu cho thấy, tỷ lệ khách quốc tế quay trở lại Việt Nam còn ở mức rất thấp, chỉ dao động từ 5% đến 6%, trong khi tại Thái Lan con số này đạt khoảng 50%. Dù mỗi năm TP. Hồ Chí Minh thu hút gần một nửa lượng khách quốc tế đến Việt Nam, nhưng phần lớn du khách chỉ lưu trú ngắn ngày (1-2 ngày) trước khi di chuyển sang các địa phương khác hoặc sang nước lân cận. Điều này khiến sức cạnh tranh của ngành du lịch Thành phố chưa thể sánh ngang với khu vực. Một số nguyên nhân chính được xác định bao gồm: sản phẩm du lịch còn hạn chế về sự mới mẻ và thiếu đột phá, nhiều điểm tham quan xuống cấp chưa được cải tạo kịp thời; các hoạt động văn hóa - sự kiện chưa tạo hiệu ứng lan tỏa mạnh. Bên cạnh đó, tình trạng giao thông ùn tắc, ngập lụt và hạ tầng đô thị thiếu đồng bộ làm tăng chi phí, gây bất tiện trong di chuyển, ảnh hưởng đến trải nghiệm của du khách. Đây được xem là yếu tố cản trở lớn trong việc nâng cao tỷ lệ khách quay lại và giữ vững sức cạnh tranh của điểm đến.

Các công trình trước đây đều khẳng định vai trò quan trọng của hệ thống giao thông đối với sự phát triển du lịch và đã tiến hành đo lường tác động của các yếu tố hạ tầng nói chung. Tuy vậy, khía cạnh “tính thông minh” của hệ thống giao thông vẫn chưa được nghiên cứu một cách cụ thể. Chính vì vậy, tác giả thực hiện nghiên cứu “Ảnh hưởng của giao thông thông minh đến ý định quay lại TP. Hồ Chí Minh của khách quốc tế”, từ đó đưa ra một số hàm ý quản trị nhằm giá tăng ý định quay trở lại của khách du lịch quốc tế.

CƠ SỞ LÝ THUYẾT VÀ PHƯƠNG PHÁP NGHIÊN CỨU

Cơ sở lý thuyết

Giao thông thông minh

Giao thông thông minh (GTTM) là một thành phần cốt lõi trong cấu trúc của thành phố thông minh, hướng đến việc xây dựng một hệ thống vận tải an toàn, bền vững và hiệu quả thông qua ứng dụng các công nghệ tiên tiến như trí tuệ nhân tạo (AI), internet vạn vật (IoT) và điện toán đám mây (Cloud Computing). GTTM được định nghĩa là một hệ sinh thái tích hợp giữa các phương thức vận tải khác nhau (ô tô, xe buýt, tàu điện, xe đạp...) và các hệ thống dữ liệu thời gian thực, giúp tối ưu hóa việc di chuyển của con người và hàng hóa trong môi trường đô thị phức tạp (Zhang và cộng sự, 2021). Nhờ vào dữ liệu lớn (Big Data) và phân tích thời gian thực, GTTM không chỉ cải thiện hiệu quả giao thông mà còn góp phần giảm phát thải carbon, tối ưu hóa năng lượng và nâng cao chất lượng sống của cư dân đô thị (Wu và cộng sự, 2022; Derawi và cộng sự, 2020).

GTTM còn đóng vai trò quan trọng trong việc nâng cao hiệu suất vận hành của hệ thống giao thông, giúp giảm tắc nghẽn và thời gian di chuyển - yếu tố có ảnh hưởng trực tiếp đến sự hài lòng của du khách. GTTM không chỉ phục vụ mục tiêu hiệu quả mà còn hướng đến tính toàn diện và công bằng trong tiếp cận giao thông. Việc tích hợp các phương thức di chuyển như xe buýt, metro, xe đạp và đi bộ giúp giảm sự phụ thuộc vào ô tô cá nhân và mở rộng cơ hội di chuyển cho mọi tầng lớp xã hội, bao gồm nhóm thu nhập thấp hoặc người khuyết tật (Derawi và cộng sự, 2020; Zhang và cộng sự, 2021).

Du lịch thông minh

Du lịch thông minh (Smart Tourism) là một thuật ngữ nổi bật trong thập kỷ qua, đại diện cho sự phát triển logic và nâng cấp từ du lịch điện tử (e-tourism), chuyển đổi trọng tâm từ kết nối kỹ thuật số đơn thuần sang tích hợp thế giới vật lý và kỹ thuật số (Li và cộng sự, 2017). Du lịch thông minh được định nghĩa là một điểm đến (destination) sử dụng công nghệ thông tin (IT) và đổi mới để tạo ra sự thú vị và làm giàu trải nghiệm cho du khách (Jasrotia và Gangotia, 2018). Bản chất của mô hình này là sự chuyển đổi từ việc chỉ cung cấp liên kết kỹ thuật số giữa doanh nghiệp và khách hàng (e-tourism) sang việc kết nối thế giới kỹ thuật số và vật lý thông qua các công nghệ sẵn có như IoT, điện toán đám mây và truyền thông xã hội.

Mô hình chất lượng dịch vụ SERVQUAL

Mô hình SERVQUAL (Service Quality) được phát triển bởi Parasuraman và cộng sự (1985), là một công cụ đo lường tiêu chuẩn nhằm định lượng chất lượng dịch vụ (SQ) thông qua góc nhìn của khách hàng. Mô hình này dựa trên giả định cốt lõi rằng chất lượng dịch vụ được xác định bởi sự khác biệt (hay khoảng cách) giữa chất lượng kỳ vọng (E) và chất lượng nhận thức/cảm nhận (P) về dịch vụ đã được cung cấp. Để đo lường nhận thức và kỳ vọng, Parasuraman và cộng sự (1988) đã khái quát hóa chất lượng dịch vụ thành 5 chiều kích cốt lõi, thường được chia thành: khía cạnh hữu hình, độ tin cậy, khả năng đáp ứng, sự đảm bảo và sự đồng cảm.

Giả thuyết và mô hình nghiên cứu đề xuất

Nghiên cứu của Nguyễn (2025) đã chứng minh rằng, chất lượng dịch vụ giao thông và ứng dụng công nghệ thông minh có tác động tích cực đến sự hài lòng và ý định quay lại của du khách. Do đó, giả thuyết H1 được xác định như sau:

H1: Chất lượng dịch vụ ảnh hưởng tích cực tới Sự hài lòng của du khách.

Nghiên cứu thực nghiệm trong lĩnh vực du lịch thông minh (Torabi và cộng sự, 2022) và giao thông thông minh (Derawi và cộng sự, 2020; Zhang và cộng sự, 2021) cũng cho thấy, chất lượng dịch vụ tốt giúp nâng cao giá trị cảm nhận của du khách thông qua sự thuận tiện, tin cậy và hiệu quả. Do đó, giả thuyết H2 được đề xuất như sau:

H2: Chất lượng dịch vụ ảnh hưởng tích cực tới Giá trị của dịch vụ.

Nghiên cứu của Torabi và cộng sự (2022) về du lịch thông khẳng định rằng, chất lượng dịch vụ, đặc biệt trong hệ thống giao thông và công nghệ thông minh, có tác động tích cực đến trải nghiệm và ý định quay lại của du khách. Do đó, nghiên cứu đề xuất giả thuyết H3 như sau:

H3: Chất lượng dịch vụ ảnh hưởng tích cực tới Ý định quay lại của du khách.

Vai trò của sự hài lòng không chỉ dừng lại ở việc thúc đẩy hành vi lặp lại mà còn củng cố lòng trung thành, khuyến khích truyền miệng tích cực và thậm chí làm tăng sự sẵn lòng trả giá cao hơn (Zhang và cộng sự, 2021). Do đó, việc tối đa hóa sự hài lòng là một chiến lược then chốt, đảm bảo sự phát triển kinh tế bền vững và khả năng cạnh tranh lâu dài của điểm đến (Singh, 2021). Do đó, giả thuyết H4 được đề xuất như sau:

H4: Sự hài lòng ảnh hưởng tích cực tới Ý định quay lại của du khách.

Trong bối cảnh du lịch thông minh, giá trị dịch vụ còn được củng cố bởi sự tiện lợi, khả năng tiếp cận và tính tương tác mà công nghệ mang lại (Derawi và cộng sự, 2020). Do đó, giả thuyết H5 được đề xuất như sau:

H5: Giá trị dịch vụ ảnh hưởng tích cực tới Ý định quay lại của du khách.

Dựa trên các giả thuyết trên, tác giả đề xuất mô hình nghiên cứu như Hình.

Hình: Mô hình nghiên cứu đề xuất

Nguồn: Tác giả đề xuất

Phương pháp nghiên cứu

Phương pháp chọn mẫu

Nghiên cứu áp dụng phương pháp lấy mẫu thuận tiện kết hợp với kỹ thuật quả cầu tuyết nhằm tiếp cận 479 du khách đến từ 45 quốc gia đã từng hoặc đang tham quan tại TP. Hồ Chí Minh. Công cụ chính được sử dụng trong nghiên cứu là bảng câu hỏi khảo sát trực tuyến được thiết kế trên nền tảng Google Form. Phương pháp nghiên cứu định lượng được sử dụng để kiểm định mô hình lý thuyết và xác định các mối quan hệ nhân quả giữa các biến. Phương pháp này cho phép kiểm định thực nghiệm tác động của các thành phần chất lượng dịch vụ (Hữu hình, Độ tin cậy, Đáp ứng, Đảm bảo, Đồng cảm) đến Sự hài lòng, Giá trị cảm nhận và Ý định quay lại của du khách quốc tế. Các biến trong mô hình nghiên cứu được đo lường bằng thang Likert 5 điểm (1 = Hoàn toàn không đồng ý, 5 = Hoàn toàn đồng ý), được kế thừa và điều chỉnh từ các thang đo đã được kiểm chứng trong các nghiên cứu quốc tế về chất lượng dịch vụ và hành vi du khách

Phân tích dữ liệu

Mô hình nghiên cứu được xây dựng (Hình) dựa trên sự kết hợp giữa khung lý thuyết SERVQUAL và các nhân tố hành vi khách hàng, trong đó Chất lượng dịch vụ đóng vai trò là biến độc lập bậc 2 cốt lõi, được cấu thành từ 5 nhân tố thành phần bậc một bao gồm: Yếu tố hữu hình, Khả năng đáp ứng, Sự đảm bảo, Sự đồng cảm và Độ tin cậy. Phần mềm được sử dụng trong quá trình phân tích dữ liệu là SmartPLS, phù hợp với các nghiên cứu mang tính khám phá và có mô hình phức hợp nhiều biến tiềm ẩn. Quy trình xử lý biến bậc hai trong phân tích PLS-SEM được thực hiện nghiêm ngặt qua phương pháp mô hình lặp lại các chỉ báo (Repeated Indicators Approach) hoặc sử dụng điểm nhân tố (Latent Variable Scores) (Nghiên cứu sử dụng cách viết số thập phân theo chuẩn quốc tế).

KẾT QUẢ NGHIÊN CỨU

Đánh giá mô hình đo lường

Kết quả phân tích (Bảng 1) cho thấy, tất cả các cấu trúc nghiên cứu, gồm: Sự đảm bảo (DB), Sự đồng cảm (DC), Khả năng đáp ứng (DU), Giá trị dịch vụ (GT), Yếu tố hữu hình (HH), Sự hài lòng (HL), Độ tin cậy (TC), Ý đinh quay lại (YD) đều đạt độ tin cậy cao. Hệ số tải nhân tố của các biến quan sát dao động từ 0.706 đến 0.907 (> 0.70), phản ánh mức độ đại diện tốt cho các cấu trúc. Cronbach’s Alpha nằm trong khoảng 0.746-0.883 và độ tin cậy tổng hợp (CR) đạt từ 0.854 đến 0.912, đều đáp ứng các tiêu chuẩn khuyến nghị (Hair và cộng sự, 2021). Các kết quả này khẳng định tính nhất quán nội tại và giá trị hội tụ của mô hình đo lường, cho phép tiếp tục các phân tích giá trị phân biệt và mô hình cấu trúc SEM.

Bảng 1: Các chỉ số Loading, Cronbach’s Alpha, CR và AVE

Nguồn: Tính toán của tác giả

Giá trị phân biệt và giá trị hội tụ

Kết quả (Bảng 2) cho thấy, các chỉ số HTMT đều đáp ứng ngưỡng chấp nhận. Phần lớn giá trị dưới 0.85; một số cặp tiệm cận vẫn thấp hơn 0.90 và được chấp nhận (Henseler và cộng sự, 2015). Kết hợp tiêu chuẩn Fornell-Larcker, mô hình đo lường đạt giá trị phân biệt, không phát hiện vi phạm.

Bảng 2: Tỷ lệ HTMT

Nguồn: Tính toán của tác giả

Đánh giá mô hình cấu trúc

Sau khi xác nhận mô hình đo lường, nghiên cứu kiểm định mô hình cấu trúc bằng Bootstrapping 5.000 mẫu (Bảng 3). Kết quả cho thấy, CL tác động mạnh nhất đến HL (β = 0.785, p < 0.001), khẳng định vai trò then chốt của chất lượng (Hair và cộng sự, 2021). CL cũng ảnh hưởng tích cực đến GT (β = 0.669, p < 0.001) và YD (β = 0.397, p < 0.001), qua đó chấp nhận giả thuyết từ H1 đến H3. Ngược lại, HL không tác động có ý nghĩa đến YD (β = -0.051, p = 0.472), nên giả thuyết H4 bị bác bỏ. GT tác động tích cực và có ý nghĩa đến YD (β = 0.360, p < 0.001), ủng hộ giả thuyết H5.

Bảng 3: Kiểm định giả thuyết

Nguồn: Tính toán của tác giả

Sau khi kiểm định giả thuyết, nghiên cứu đánh giá khả năng giải thích và dự báo của mô hình thông qua R², Q² và f² (Bảng 4). Kết quả cho thấy, HL đạt R² = 0.602, phản ánh mức giải thích mạnh; GT và YD có R² lần lượt là 0.429 và 0.414, đạt mức trung bình. Các giá trị Q² của HL (0.441), GT (0.273) và YD (0.256) đều > 0, khẳng định tính liên quan dự báo của mô hình. Phân tích f² cho thấy, CL tác động rất mạnh đến HL và GT, trong khi GT và CL đóng góp nhỏ - trung bình vào YD; HL không có đóng góp đáng kể.

Bảng 4: Đánh giá chất lượng mô hình

Nguồn: Tính toán của tác giả

KẾT LUẬN VÀ ĐỀ XUẤT

Kết luận

Kết quả cho thấy, Chất lượng dịch vụ tác động mạnh đến Sự hài lòng, Giá trị cảm nhận và Ý định quay lại TP. Hồ Chí Minh của du khách quốc tế; tuy nhiên, Sự hài lòng không có ảnh hưởng thống kê đến Ý định quay lại, trong khi Giá trị cảm nhận đóng vai trò quyết định. Điều này khẳng định, Chất lượng dịch vụ là nhân tố tiền đề mang tính quyết định, có tác động mạnh mẽ và trực tiếp đến cả Sự hài lòng và Giá trị cảm nhận của du khách, đồng thời gián tiếp và trực tiếp ảnh hưởng đến Ý định quay lại. Tuy nhiên, một phát hiện nổi bật và khác biệt so với nhiều nghiên cứu trước đây là Sự hài lòng không có tác động thống kê đến Ý định quay lại, trong khi Giá trị cảm nhận lại đóng vai trò là động lực chính chi phối hành vi. Kết quả này phản ánh sự thay đổi trong cơ chế ra quyết định của du khách quốc tế, đặc biệt là nhóm du khách trẻ và có trình độ học vấn cao, vốn có xu hướng đánh giá trải nghiệm du lịch dựa trên sự cân nhắc thực dụng giữa lợi ích nhận được và chi phí bỏ ra, hơn là cảm xúc hài lòng ngắn hạn.

Hàm ý

Dựa trên kết quả nghiên cứu, tác giả đề xuất một số hàm ý quản trị như sau:

Một là, ưu tiên đầu tư vào các khía cạnh cốt lõi của chất lượng dịch vụ của giao thông thông minh. Bởi, nghiên cứu đã khẳng định, chất lượng dịch vụ là nhân tố cốt lõi tác động mạnh nhất đến sự hài lòng và giá trị cảm nhận.

Hai là, tích hợp quy hoạch giao thông thông minh vào chiến lược du lịch bền vững. Theo đó, các nhà quản lý nên phát triển hệ sinh thái giao thông xanh.

Ba là, tận dụng hệ thống giao thông thông minh để tối ưu hóa tour tuyến. Cụ thể, các doanh nghiệp nên khai thác thế mạnh vận tải dựa trên ứng dụng.

Bốn là, chủ động cung cấp thông tin và hướng dẫn sử dụng tiện ích. Doanh nghiệp nên tăng cường truyền thông về tiện ích thông minh.

(*) Công trình được thực hiện với sự tài trợ của Trường Đại học Mở Thành phố Hồ Chí Minh, Mã số: T2025.03.1

Tài liệu tham khảo:

1. Derawi, M., Dalveren, Y., and Cheikh, F. A. (2020). Internet-of-Things-Based Smart Transportation Systems for Safer Roads. 2020 IEEE 6th World Forum on Internet of Things (WF-IoT). https://doi.org/10.1109/wf-iot48130.2020.9221208.

2. Jasrotia, A., and Gangotia, A. (2018). Smart cities to smart tourism destinations: a review paper. Journal of Tourism Intelligence and Smartness, 1(1), 47-56.

3. Hair, J. F., Hult, G. T. M., Ringle, C. M., Sarstedt, M., Danks, N. P., and Ray, S. (2021). Partial Least Squares Structural Equation Modeling (PLS-SEM) Using R. In Classroom Companion: Business. Springer International Publishing. https://doi.org/10.1007/978-3-030-80519-7.

4. Henseler, J., Ringle, C. M., and Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43(1), 115-135. https://doi.org/10.1007/s11747-014-0403-8.

5. Li, Y., Hu, C., Huang, C., and Duan, L. (2017). The concept of smart tourism in the context of tourism information services. Tourism Management, 58(1), 293-300. https://doi.org/10.1016/j.tourman.2016.03.014.

6. Nguyễn , T. L. G. (2025). Phát triển du lịch bền vững tại TP. Hồ Chí Minh. https://kinhtevadubao.vn/phat-trien-du-lich-ben-vung-tai-tp-ho-chi-minh-30834.html.

7. Parasuraman, A., Zeithaml, V. A., and Berry, L. L. (1985). A Conceptual Model of Service Quality and Its Implications for Future Research. Journal of Marketing, 49(4), 41-50. https://doi.org/10.1177/002224298504900403.

8. Parasuraman, A., Zeithaml, V. A., and Berry, L. L. (1988). SERVQUAL: A multiple-item scale for measuring consumer perceptions of service quality. Journal of Retailing, 64(1), 12-40.

9. Singh, K. (2021). Service Quality and Customer Satisfaction in Hospitality, Leisure, Sport and Tourism: An Assessment of Research in Web of Science. Journal of Quality Assurance in Hospitality & Tourism, 24(1), 1-27. tandfonline. https://doi.org/10.1080/1528008x.2021.2012735.

10. Torabi, Z.-A., Shalbafian, A. A., Allam, Z., Ghaderi, Z., Murgante, B., and Khavarian-Garmsir, A. R. (2022). Enhancing Memorable Experiences, Tourist Satisfaction, and Revisit Intention through Smart Tourism Technologies. Sustainability, 14(5), 2721. https://doi.org/10.3390/su14052721.

11. Wu, Y., Dai, H.-N., Wang, H., Xiong, Z., and Guo, S. (2022). A Survey of Intelligent Network Slicing Management for Industrial IoT: Integrated Approaches for Smart Transportation, Smart Energy, and Smart Factory. IEEE Communications Surveys & Tutorials, 24(2), 1175-1211. https://doi.org/10.1109/COMST.2022.3158270.

12. Zhang, J., Li, S., and Wang, Y. (2021). Shaping a Smart Transportation System for Sustainable Value Co-Creation. Information Systems Frontiers, 25. https://doi.org/10.1007/s10796-021-10139-3.