การพัฒนาระบบวิเคราะห์ข้อมูลการขนส่งสินค้าระดับประเทศ ด้วยข้อมูล GPS รถบรรทุก
Article Sidebar
Main Article Content
บทคัดย่อ
การขนส่งสินค้าทางถนนด้วยรถบรรทุกเป็นรูปแบบหลักของการขนส่งสินค้าของประเทศไทย และมีบทบาทสำคัญต่อระบบเศรษฐกิจและห่วงโซ่อุปทานของประเทศ อย่างไรก็ตามการบริหารจัดการและการวางแผนระบบขนส่งสินค้าในระดับประเทศที่ผ่านมา ยังประสบข้อจำกัดด้านการเข้าถึงข้อมูลเชิงลึกที่สะท้อนพฤติกรรมการเคลื่อนย้ายสินค้าจริงในเชิงพื้นที่และเชิงเวลา บทความวิชาการนี้มีวัตถุประสงค์เพื่อนำเสนอกระบวนการพัฒนาระบบวิเคราะห์ฐานข้อมูลการขนส่งสินค้าด้วยข้อมูล GPS รถบรรทุก ในระดับประเทศ โดยประยุกต์ใช้ข้อมูลตำแหน่งจากระบบ GPS ของรถบรรทุก ร่วมกับการวิเคราะห์ข้อมูลขนาดใหญ่ เพื่อสร้างองค์ความรู้ด้านรูปแบบการเคลื่อนย้ายสินค้า โครงสร้างห่วงโซ่อุปทาน และพฤติกรรมการเดินรถของรถบรรทุก ระบบวิเคราะห์ที่พัฒนาขึ้น (ได้ถูกตรวจสอบความถูกต้องเช่นระยะเดินทางเฉลี่ย หรือปริมาณรถบนถนน โดยผลลัพธ์อยู่ในเกณฑ์ยอมรับได้) สามารถประมวลผลข้อมูล GPS ปริมาณมหาศาลในระดับหลายร้อยล้านจุดข้อมูลต่อวัน โดยแสดงผลในรูปแบบตัวชี้วัด ตัวอย่างเช่นระบบดังกล่าวสามารถวิเคราะห์หาปริมาณการเคลื่อนย้ายสินค้ารวมได้มากกว่าสามล้านเที่ยวต่อเดือน จากรูปแบบกิจกรรม ณ จุดหยุดรถบรรทุกและห่วงโซ่การเดินทางขนส่งที่มีลักษณะเฉพาะจำนวนกว่าห้าพันรูปแบบ เพื่อสนับสนุนการกำหนดนโยบาย การวางแผนโครงสร้างพื้นฐานด้านโลจิสติกส์ และการบริหารจัดการระบบขนส่งสินค้าในระดับประเทศ
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
ลิขสิทธิ์เป็นของวารสารวิศวกรรมศาสตร์ มหาวิทยาลัยศรีนครินทรวิโรฒ
เอกสารอ้างอิง
J. Felipe, M. Sergio and J. E. Naranjo, “Definition of an enhanced map-matching algorithm for urban environments with poor GNSS signal quality,” Sensors, vol. 16, no. 2, Art. no. 218, 2016.
S. P. Greaves and M. Figliozzi, “Collecting commercial vehicle tour data with passive global positioning system technology,” Transp. Res. Rec., no. 2049, pp. 158–166, 2008.
E. D. McCormack, X. Ma, C. Klocow, A. Curreri and D. Wright, “Developing a GPS-based truck freight performance measure platform,” Washington State Dept. Transp., Olympia, WA, USA, Res. Rep. WA-RD 743.1, 2010, pp. 9–20.
X. Yang, Z. Sun, B. Xuegang and J. Holguín-Veras, “Urban freight delivery stop identification using GPS data,” Transp. Res. Rec., no. 2411, pp. 55–61, 2014.
K. Gingerich, H. Maoh and W. Anderson, “Classifying the purpose of stopped truck events: An application of entropy to GPS data,” Transp. Res. Part C, Emerg. Technol., vol. 64, pp. 17–27, Mar. 2016.
L. Sarti, L. Bravi, F. Sambo, L. Taccari, M. Simoncini and S. Salti, “A stop purpose classification from GPS data of commercial vehicle fleets,” in Proc. IEEE Int. Conf. Data Mining Workshops (ICDMW), New Orleans, LA, USA, 2017, pp. 280–287.
R. Aziz, M. Kedia, S. Dan, S. Basu, S. Sarkar, S. Mitra and P. Mitra, “Identifying and characterizing truck stops from GPS data,” in Advances in Data Mining: Applications and Theoretical Aspects (Lecture Notes in Computer Science), vol. 9728, P. Perner, Ed. Cham, Switzerland: Springer, 2016, pp. 168–182.
T. Siripirote, A. Sumalee and H. W. Ho, “Statistical estimation of freight activity analytics from Global Positioning System data of trucks,” Transp. Res. Part E, Logist. Transp. Rev., vol. 140, Art. no. 101986, Aug. 2020.
J. Hu, S. Yang, Y. Yang, X. Xu and X. Zhang, “Identifying truck activity from Global Positioning System data based on satellite imagery,” Transp. Res. Rec., vol. 2679, no. 3, pp. 680–696, 2024.
E. Cascetta and F. Russo, “Calibrating aggregate travel demand models with traffic counts: Estimators and statistical performance,” Transportation, vol. 24, no. 3, pp. 271–293, Aug. 1997.
Y. Pan, A. Kabiri, A. Darzi, M. Ashoori, Q. Sun and L. Zhang, “Truck trip and long-haul truck tour identification based on national-level truck GPS data,” Transportmetrica B: Transp. Dyn., vol. 14, no. 1, 2026.
A. Zanjani, “Deriving statewide freight truck flows from Global Positioning System (GPS) data,” Graduate Theses and Dissertations, Univ. South Florida, Tampa, FL, USA, 2014.
T. Siripirote, A. Sumalee and S. Siripirote, “Development of program for national truck origin-destination estimations from passive GPS data,” Innovation Hub – Smart City: Translational Research Fund, Council of University Presidents of Thailand, Final Rep., 2017.
T. Siripirote, “Innovation development of Big Data analytics system for truck freight and passenger travel in Bangkok and its vicinity, Phase 1: Bangkok,” Office of Transport and Traffic Policy and Planning, Final Rep., 2023.
National Academies of Sciences, Engineering, and Medicine, Forecasting Metropolitan Commercial and Freight Travel. Washington, DC, USA: The National Academies Press, 2008.
