การประมาณความยาวของแถวคอยแบบแปรผันตามเวลาบริเวณทางแยกสัญญาณไฟจราจรโดยใช้ข้อมูลแถบสีจาก Google Maps
Article Sidebar
Main Article Content
บทคัดย่อ
ปัญหาการจราจรติดขัดบริเวณทางแยกไฟสัญญาณจราจรเป็นปัญหาที่พบเจอได้บ่อยในเขตเมือง บ่อยครั้งพบว่ารถฉุกเฉินเช่นรถพยาบาลต้องติดอยู่ในแถวคอยบริเวณทางแยกสัญญาณไฟ ส่งผลให้การเดินทางรับส่งผู้ป่วยเป็นไปอย่างล่าช้าและอาจเป็นสาเหตุของการสูญเสียตามมา งานวิจัยฉบับนี้มีเป้าหมายในการพัฒนาระบบไฟสัญญาณจราจรอัจฉริยะเพื่อให้สิทธิพิเศษในการผ่านทางแก่รถฉุกเฉิน โดยมุ่งเน้นพัฒนาวิธีการในการตรวจวัดความยาวของแถวคอยแบบแปรผันตามเวลาบริเวณทางแยกที่มีไฟสัญญาณจราจรซึ่งเป็นข้อมูลสำคัญส่วนหนึ่งในการดำเนินการของระบบ อย่างไรก็ตาม งานวิจัยในอดีตส่วนใหญ่ใช้วิธีการวิเคราะห์ความยาวแถวคอยด้วยอุปกรณ์ตรวจวัดจราจร แต่ทางแยกส่วนใหญ่ในประเทศไทยยังไม่มีการติดตั้งและใช้งานอุปกรณ์ดังกล่าว ดังนั้นงานวิจัยนี้จึงนำเสนอแนวทางใหม่เพื่อใช้ในกรณีที่บริเวณทางแยกไม่มีอุปกรณ์ตรวจวัดจราจร โดยอาศัยข้อมูลแถบสีจาก Google Maps ในการประมาณค่าระยะความยาวแถวคอยผ่านวิธีการที่แตกต่างกัน 3 วิธีได้แก่ วิธีการถดถอยเชิงเส้นแบบพหุคูณ, อัลกอริทึมการพยากรณ์แบบการสุ่มป่าไม้ (Random Forest) และวิธีการใช้ค่าเฉลี่ยความยาวแถวคอย จากการศึกษาพบว่าระยะความยาวของแถบสีที่แสดงบน Google Maps สามารถประมาณค่าแนวโน้มความยาวแถวคอยที่เกิดขึ้นจริงได้ดีในระดับหนึ่งและมีความสัมพันธ์กันมากขึ้นเมื่ออยู่ในช่วงเวลาเร่งด่วนที่มีการจราจรหนาแน่น โดยพบว่าวิธี Random Forest สามารถพยากรณ์ระยะความยาวแถวคอยได้ดีที่สุดเมื่อเปรียบเทียบกับวิธีอื่น
Article Details
เอกสารอ้างอิง
[2] Lighthill MJ, Whitham GB. On kinematic waves II. A theory of traffic flow on long crowded roads. Proceedings of the Royal Society A: Mathematical, Physical and Engineering Sciences. 1955;229(1178): 317–345.
[3] Richards PJ. Shock waves on the highway. In: Reilly, W. Highway Capacity Manual 2000. 4th ed. Washington, DC: National Research Council; 1956. p. 42–51.
[4] Stephanopoulos G, Michalopoulos PG. Modelling and analysis of traffic queue dynamics at signalized intersections. Transportation Research Part A. 1979;13(5): 295-307.
[5] Henry X. LIU, Xinkai WU, Wenteng MA, et al. Real-time Queue Length Estimation for Congested Signalized Intersections. Transportation Research Part C. 2009;17: 412-427.
[6] Webster FV, Cobbe BM. Traffic signals. London: Her Majesty’s Stationery Office; 1966.
[7] Cronje WB. Analysis of existing formulas for delay, overflow, and stops. Transportation Research. 1983;905: 89–93.
[8] Balke K, Charara H, Parker R. Development of a Traffic Signal Performance Measurement System (TSPMS). Texas (Austin): Department of Transportation Research and Technology Implementation Office 2005.
[9] Ban XJ, Hao P, Sun Z. Real time queue length estimation for signalized intersections using travel times from mobile sensors. Transportation Research Part C. 2011;19(6): 1133-1156.
[10] Wu A, Yang X. Real-time queue length estimation of signalized intersections based on RFID data. Procedia-Social and Behavioral Sciences. 2013;96: 1477-1484.
[11] อภิรักษ์ บุตรละ. การประยุกต์ใช้ Google Map ในการพัฒนาระบบการคำนวณค่ารถ taxi ในเขตพื้นที่กรุงเทพมหานครและปริมณฑล. วิทยานิพนธ์วิทยาศาสตรมหาบัณฑิต บัณฑิตวิทยาลัย มหาวิทยาลัยกรุงเทพ 2553.
[12] นันทชัย กานตานันทะ. การพยากรณ์ด้วยวิธีการพยากรณ์เชิงสาเหตุ. วารสารวิศวกรรมศาสตร์ (ISSN: 1906-3636). 2555;4(1): 35-48.
[13] พัฒนพงษ์ ดลรัตน์. การเปรียบเทียบประสิทธิภาพของแบบจำลองในการพยากรณ์ความสำเร็จการศึกษาของนักเรียนระดับประกาศนียบัตรวิชาชีพ. วารสารวิทยาศาสตร์และเทคโนโลยี. 2560;37(3): 380-388.
[14] Nicholas S. Biostar Bioinformatics Explained. Available from: https://www.biostars.org/p/
86981/ [Accessed: 04th June 2020].
[15] ขนิษฐา ดีสุบิน. การพัฒนาตัวแบบการพยากรณ์ความถนัดทางการเรียนตามทฤษฎี 4 MAT โดยการวิเคราะห์ด้วยวิธีต้นไม้. วารสารนวัตกรรมการเรียนรู้. 2560;2(1): 43
