A Prediction Model for Road Accident Risk in the New Year with Data Mining

Main Article Content

ภัทธิรา สุวรรณโค
ดร.นิศาชล จำนงศรี
ผศ. ดร.จิติมนต์ อั่งสกุล

Abstract

- Thailand's road death rate is the world's highest in 2015, most of which comes from pedestrians. This research introduces a model to predict the risk of road accidents in the New Year day. Data mining technique is used with data based on accident information, casualties and deaths collected during the 2008-2015 by the Government Information Center. By comparing the performance of Naïve Bayes Multilayer Perceptron and Meta bagging, a popular technique is used to forecast. The experiments show that Meta bagging technique is more effective than Multilayer Perceptron and Naïve Bayes.

Article Details

How to Cite
[1]
สุวรรณโค ภ., จำนงศรี ด., and อั่งสกุล ผ. ด., “A Prediction Model for Road Accident Risk in the New Year with Data Mining”, JIST, vol. 7, no. 2, pp. 10–19, Dec. 2017.
Section
Research Article: Soft Computing (Detail in Scope of Journal)

References

1. สำนักนโยบาย กระทรวงสาธารณสุข (2558). รายงานสถิติสาธารณสุข สำนักนโยบายและยุทธศาสตร์ กระทรวงสาธารณสุข. จำนวนและอัตราตายต่อประชากร 100,000 คน จำแนกตามสาเหตุที่สำคัญ ปี พ.ศ. 2537 - 2558 รายปี. Retrieved from http://social.nesdb.go.th/SocialStat/StatReport_Final.aspx?reportid=367&template=1R2C& yeartype=M&subcatid=15

2. wongkarnpat. (2559). อัตราการเสียชีวิตของชาวไทยบนท้องถนน. นิตยสารวงการแพทย์. Retrieved from http://www.wongkarnpat.com/viewpat.php?id=2169#.WezUR2i0M2y

3. องค์การอนามัยโลก. (2558). รายงานสถานการณ์โลกด้านความปลอดภัยทางถนน พ.ศ. 2558. Retrieved from http://www.who.int/violence_injury_prevention/road_safety_status/2015/GSRRS2015_Summary_Thai.pdf?ua=1

4. หน่วยเฝ้าระวังและสะท้อนสถานการณ์ความปลอดภัยทางถนน. (2558). อัตราการเสียชีวิตจากอุบัติเหตุทางถนน ต่อ ประชากร 100,000 คน แยกรายจังหวัด. Retrieved from http://trso.thairoads.org/statistic/watch/detail/137

5. หน่วยเฝ้าระวังและสะท้อนสถานการณ์ความปลอดภัยทางถนน. (2559). อัตราการเสียชีวิตจากอุบัติเหตุทางถนน ต่อ ประชากร 100,000 คน แยกรายจังหวัด. Retrieved from http://trso.thairoads.org/statistic/watch/detail/137

6. ศูนย์อำนวยการความปลอดภัยทางถนน. (2560). สรุปรายงานผลการปฏิบัติงานป้องกันและลดอุบัติเหตุทางถนนในช่วงเทศกาลปีใหม่ พ.ศ. 2560. Retrieved from http://122.155.1.141/upload/minisite/file_attach/196/594b37bb52a68.zip

7. S.Krishnaveni, and M.Hemalatha. (2011). A Perspective Analysis of Traffic Accident using Data Mining Techniques. International Journal of Computer Applications, Volume 23(7, June 2011), 40-48.

8. Meenu Gupta, Vijender Kumar Solanki, and Vijay Kumar Singh. (2017). Analysis of Datamining Technique for Traffic Accident Severity Problem: A Review. Proceedings of the Second International Conference on Research in Intelligent and Computing in Engineering, Vol. 10, 197–199. doi:10.15439/2017R121

9. Liling Li, Sharad Shrestha, and Gongzhu Hu. (2017 ). Analysis of road traffic fatal accidents using data mining techniques T2. IEEE 15th International Conference on Software Engineering Research, Management and Applications (SERA). doi:10.1109/SERA.2017.7965753

10. Madhar Taamneh, Sharaft Alkheder and Salah Taameh. (2017). Data-mining techniques for traffic accident modeling and prediction in the United Arab Emirates. Journal of Transportation Safety & Security, 9, 2017 (2). doi:19439962.2016.1152338

11. Gordon S. Linoff, Michael J.A.Berry. (2011). Data Mining Techniques: For Marketing, Sales, and Customer Relationship Management (4 ed.). IN: Wiley Publishing.

12. สุชาดา กีระนันท์. (2554). คำถามคำตอบเกี่ยวกบการทำเหมืองข้อมูลเบื้องต้น. Retrieved from https://home.kku.ac.th/wichuda/Knowlage/6DataMining/Datamining_Suchada.pdf

13. wipawan. (2017). data mining. CLASSIFICATION STEPS (1). Retrieved from https://wipawanblog.files.wordpress.com/2013/08/lab_datamining.pdf

14. Jun Zhang and alt. (2013). Internet Traffic Classification by Aggregating Correlated Naive Bayes Predictions. IEEE TRANSACTIONS ON INFORMATION FORENSICS AND SECURITY, 8(1), 5-15.

15. Sang Bum Kim, Kyoung Soo Han, and Hae Chang Rim. (2006). Some effective techniques for naive bayes text classification. IEEE Transactions on Knowledge and Data Engineering, 18(11), 1457-1466.

16. จตุภัทร เมฆพายัพ และ กิดาการ สายธน. (2554). สมรรถนะของข่ายงานระบบประสาทแบบ Multi-Layer Perceptron และ Radial Basis Function สำหรับแผนภูมิควบคุมคุณภาพหลายตัวแปร. วารสารวิทยาศาสตร์บูรพา, 16(2554)(2), 97-106.

17. Breiman, Leo. (1996). Bagging Predictors. Machine Learning, 24(2), 123-140.

18. อมรภัทร์ หาญโคกกรวด และคนอื่น ๆ. (2556). แบบจำลองทำนายความเสี่ยงการเกิดอุบัติเหตุบนท้องถนนโดยเทคนิคถุงจำแนก. วารสารวิทยาศาสตร์และเทคโนโลยีมหาวิทยาลัยมหาสารคาม, 9, 253-262.

19. เอกสิทธิ์ พัชรวงศ์ศักดา. (2557ข). การวิเคราะห์ข้อมูลด้วยเทคนิคดาต้า ไมน์นิงเบื้องต้น. Retrieved from http://dataminingtrend.com/2014/wp-content/uploads/2014/08/intro_data_mining_preview.pdf

20. เอกสิทธิ์ พัชรวงศ์ศักดา. (2557ก). การแบ่งข้อมูลเพื่อนำทดสอบประสิทธิภาพของโมเดล. Data Mining Trend. Retrieved from http://dataminingtrend.com/2014/data-mining-techniques/cross-validation/

21. อติพร องค์สาธิต. (2560). เอกสารประกอบการสอน หลักการพิจารณานำงานวิจัยเกี่ยวกับการตรวจวินิจฉัยมาประยุต์ในเวชปฏิบัติ. Retrieved from http://med.mahidol.ac.th/fammed/sites/default/files/public/pdf/ EBM_Diagnostic_study.pdf

22. จิราวรรณ รอนราญ. (2559). การทำงานในรูปแบบ Data Mining. Retrieved from http://www.erp.mju.ac.th/ acticleDetail.aspx?qid=502

23. Sang Bum Kim, Kyoung Soo Han, and Hae Chang Rim. (2006). Some effective techniques for naive bayes text classification. IEEE Transactions on Knowledge and Data Engineering, 18(11), 1457-1466.