การพัฒนาแบบจำลอง Hybrid Choice Models ในการเปลี่ยนรูปแบบการเดินทาง กรณีศึกษา: รถไฟฟ้าสายสีเขียวสถานีมหาวิทยาลัยเกษตรศาสตร์
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้เป็นการพัฒนาแบบจำลองทางเลือกที่รวมปัจจัยแฝงของผู้เดินทางมายังมหาวิทยาลัยเกษตรศาสตร์ วิทยาเขตบางเขน โดยมีวัตถุประสงค์เพื่อหาสัดส่วนการเปลี่ยนรูปแบบการเดินทางจากรถยนต์ส่วนบุคคลมาเลือกใช้บริการรถไฟฟ้าที่มีการเชื่อมต่อภายในมหาวิทยาลัย 2 รูปแบบ ได้แก่ รถโดยสารประจำทางภายในมหาวิทยาลัย (กรณีที่ 1) และรถจักรยานยนต์รับจ้าง (กรณีที่ 2) ด้วยวิธีการสร้างแบบสอบถามสำรวจความเห็นผ่านสถานการณ์สมมติและสำรวจทัศนคติของผู้เดินทางที่มีต่อปัจจัยแฝงทั้ง 4 ปัจจัย ได้แก่ ปัจจัยด้านความสะดวก ปัจจัยด้านความสบาย ปัจจัยด้านความปลอดภัยและปัจจัยด้านความเชื่อมั่นในการเดินทาง ผลการศึกษาพบว่าแบบจำลองทางเลือกที่รวมปัจจัยแฝง ที่ได้จากการรวมแบบจำลองทางเลือกดั้งเดิมกับแบบจำลองตัวแปรแฝงมีตัวแปรสาเหตุและตัวชี้วัดหลายตัว หรือ แบบจำลองมิมิค (MIMIC Model) สามารถนำไปพยากรณ์การเปลี่ยนรูปแบบการเดินทางจากรถยนต์ส่วนบุคคลมาเลือกใช้บริการด้วยรถไฟฟ้าแล้วมีรูปแบบการเชื่อมต่อภายในดังกรณีที่ 1 และกรณีที่ 2 ได้เหมาะสมและดีกว่าแบบจำลองทางเลือกดั้งเดิม (ที่คำนึงเฉพาะปัจจัยด้านเวลาและค่าใช้จ่าย) โดยเมื่อพิจารณาจากค่าสถิติการตรวจสอบประสิทธิภาพของแบบจำลอง (McFadden’s R-Square) พบว่ามีค่าสถิติเพิ่มขึ้นร้อยละ 4.03 และ 3.26 และมีค่าร้อยละความถูกต้องในการทำนายของแบบจำลองเพิ่มขึ้นร้อยละ 0.74 และ 0.68 ตามลำดับ
Article Details
ลิขสิทธิ์เป็นของวารสารวิศวกรรมศาสตร์ มหาวิทยาลัยศรีนครินทรวิโรฒ
เอกสารอ้างอิง
[2] M. E. Ben-Akiva and S. R. Lerman, Discrete Choice Analysis: Theory and Application to Travel Demand. Cambridge: MIT Press, 1985.
[3] W. Rujopakarn, Urban Transportation Planning. Bangkok: Kasetsart University, 2001. [in Thai]
[4] D. McFadden, “Quantitative methods for analyzing travel behaviour on individuals: some recent developments,” in Behavioural Travel Modelling, D. A. Hensher and P. R. Stopher, and C. Helm, Eds. London: Croom Helm, 1978, pp. 279-318.
[5] J. D. D. Ortuzar and L. G. Willumsen, Modelling Transport, 4th ed. Hoboken, NJ: John Wiley & Sons, 2011.
[6] C. Spearman, “General intelligence, objectively determined and measured,” American Journal of Psychology, vol. 15, no. 2, pp. 201-293, April 1904. [Online]. Available: JSTOR, https://www.jstor.org/
stable/1412107. [Accessed May. 1, 2018].
[7] S. Wright, “The method of path coefficients,” The Annals of Mathematical Statistics, vol. 5, no. 3, pp. 161-215, September 1934. [Online]. Available: JSTOR, https://www.jstor.org/stable/2957502. [Accessed May. 1, 2018].
[8] K. A. Bollen, Structural Equations with Latent Variables. Hoboken, NJ: John Wiley & Sons, 1989.
[9] B. E. Kline, Principles and Practice of Structural Equation Modelling, 3rd ed. New York: The Guilford Press, 2011.
[10] J. F. Hair, B. J. Banbin, R. E. Anderson, and W. C. Black, Multivariate Data Analysis, 7th ed. New Jersey: Pearson Prentice Hall, 2013.
[11] K. Vanichbancha, Structural Equation Modelling with AMOS. Bangkok: Samlada Partnership Limited, 2014. [in Thai]
[12] S. Piriyawat, Structural Equation Modelling and Travel Behaviour Study. Chonburi: Burapha University, September 2010. [in Thai]. [Online]. Available: https://www.surames.com/images/column_1227454930/SEMandTransportStudy.pdf. [Accessed May. 1, 2018].
[13] N. Wiratchai, LISREL Model: Statistical Analysis for Research, 3rd ed. Bangkok: Chulalongkorn University Printing Office, 1999. [in Thai]
[14] A. M. Anwar, A. K. Tieu, P. Gibson, M. J. Berryman, K. T. Win, A. McCusker, and P. Perez, “Temporal and parametric study of traveller preference heterogeneity using random parameter logit model,” International Journal for Traffic and Transport Engineering, vol. 4, no. 4, pp. 437-455, 2014.
[15] J. F. Hair, W. C. Black, B. J. Banbin, R. E. Anderson, and R. L. Tatham, Multivariate Data Analysis. 6th ed. New Jersey: Pearson Prentice Hall. 2006.
[16] M. E. Ben-Akiva, J. Walker, A. T. Bernardino, D. A. Gopinath, T. Morikawa, and A. Polydoropoulou, “Integration of Choice and Latent Variable Models,” October 1999. Available: https://www.joanwalker.com/uploads/3/6/9/5/3695513/benakivawalkeretal_iclv_chapter_2002.pdf. [Accessed May. 1, 2018].
[17] M. E. Ben-Akiva, D. McFadden, K. Train, J. Walker, C. Bhat, M. Bierlaire, D. Bolduc, A. Boersch-Supan, D. Brownstone, D. S. Bunch, A. Daly, D. Gopinath, A. Karlstrom, and M. A. Munizaga, “Hybrid choice models: progress and challenges,” Marketing Letters, vol. 13, no. 3, Choice Modeling, pp. 163-175, August 2002. [Online]. Available: Springer, https://www.jstor.org/stable/40216632. [Accessed May. 1, 2018].
[18] J. Kim, S. Rasouli, and H. Timmermans, “Hybrid choice models: Principles and recent progress incorporating social influence and nonlinear utility functions,” Procedia Environmental Sciences, Vol. 22, pp. 20-34, 2014.
[19] T. Yamane, Statistics: An Introductory Analysis, 2nd ed. New York: Harper and Row, 1967.
[20] L. Eboli and G. Mazzulla, “Performance indicators for an objective measure of public transport service quality,” European Transport\Trasporti Europri, vol. 51, pp. 1-4, 2012.
[21] K. Vanichbancha, Data Analysis with SPSS for Windows, 11th ed. Bangkok: Dharmasarn Printing Company Limited, 2008. [in Thai]
[22] A. P. Field, Discovering Statistics Using SPSS, 2nd ed. London: Sage, 2005.
