Download

วารสาร : ปีที่ 4 ฉบับที่ 2 กรกฎาคม-ธันวาคม 2560
ชื่องานวิจัย (TH): การเปรียบเทียบประสิทธิภาพของแบบจำลองการเกิดอุบัติเหตุทางถนน โดยใช้ เทคนิคอนุกรมเวลา
ชื่องานวิจัย (EN) : Performance Comparison of the Road Occurrence Accidents Prediction Models using Time Series Techniques
ผู้วิจัย : ปทิตญา บุญรักษา และ จารี ทองคำ
บทคัดย่อ (TH) : 

งานวิจัยนี้มีวัตถุประสงค์เพื่อ ศึกษาและเปรียบเทียบประสิทธิภาพของแบบจำลองในการพยากรณ์จำนวนผู้ประสบอุบัติเหตุบนท้องถนน ตั้งแต่ เดือนมกราคมพ.ศ.2554 ถึง เดือนธันวาคม 2559 ของจังหวัดขอนแก่น โดยใช้ 5 เทคนิคที่มีประสิทธิภาพในการสร้างแบบจำลองคือ Linear regression (LR), Artificial Neural Network (ANN), Sequential Minimal Optimization for Regression (SMOreg), Support Vector Machine Regression (SVR) และ Gussian Process (GP) มาใช้ คณะผู้วิจัยได้ใช้หลักการ Sliding Window ในการแบ่งกลุ่มข้อมูลเป็นชุดข้อมูลเรียนรู้ และชุดข้อมูลทดสอบ เพื่อวัดประสิทธิภาพการพยากรณ์ของแบบจำลองด้วยค่า เพื่อวัดประสิทธิภาพการพยากรณ์ของแบบจำลองด้วยค่า mean absolute error (MAE) และ root mean square error (RMSE)
ผลการวิจัยพบว่า เทคนิค SVM มีประสิทธิภาพในการสร้างแบบจำลองในการพยากรณ์จำนวนผู้ประสบอุบัติเหตุบนท้องถนนที่มีค่า ซึ่งเป็นค่าความผิดพลาดต่ำสุดเมื่อเปรียบเทียบกับแบบจำลองที่สร้างจากเทคนิค LR, ANN, SMOreg และ Gussian Process

Abstract : 

The purposes of the research were to study and comparison of effective models for forecasting number of road accidents. The data were collected from January 2010 to December 2016 at Khon Kaen province. Five techniques were used including Linear regression (LR), Artificial Neural Network (ANN), Sequential Minimal Optimization for Regression (SMOreg), Support Vector Machine Regression (SVR) and Gussian Process (GP). The Sliding Window method was utilized to segment data into learning and testing sets. The predictive efficiency of the models were measured by Mean Absolute Error (MAE) and Root Mean Square Error (RMSE).
The research finding showed that SVM techniques is effective in predicting the number of road accident victims. This is the lowest error value when compared with LR, ANN, SMOreg and Gussian Process models.

Keywords : Accident, Road Accidents, Time Series, Data Mining
Full Paper : Download

<< ย้อนกลับ | |