การศึกษาผลกระทบของคุณภาพข้อมูลฝนต่อประสิทธิภาพในการคาดการณ์สภาพจราจร ด้วยเทคนิคโครงข่ายประสาทเทียม

บทคัดย่อ

ปริมาณฝนตกหนักไม่เพียงแต่เป็นปัจจัยสำคัญที่ส่งผลกระทบโดยตรงต่อภัยพิบัติทางธรรมชาติ เช่น น้ำท่วมฉับพลันและดินถล่ม แต่ยังส่งผลกระทบต่อเนื่องสู่ภาวะการจราจรติดขัด ซึ่งเป็นปัญหาด้านเศรษฐกิจและสังคมที่สำคัญ หากสามารถตรวจจับพฤติกรรมฝนได้อย่างแม่นยำย่อมนำไปสู่การพัฒนาเครื่องมือสำหรับการคาดการณ์สภาพการจราจรที่มีประสิทธิภาพตามมา การศึกษานี้ มีวัตถุประสงค์เพื่อต้องการศึกษาผลกระทบของการใช้ข้อมูลฝนนำเข้าที่มีคุณภาพที่แตกต่างกันต่อประสิทธิภาพในการคาดการณ์สภาพจราจรด้วยเทคนิค Neural Networks (NN) โดยความท้าทายของการวิจัยนี้คือการนำข้อมูลเรดาร์ตรวจอากาศซึ่งให้ข้อมูลฝนความละเอียดสูงระดับพิกเซล ในทุก 10 นาที มาใช้ในการวิเคราะห์เปรียบเทียบกับการใช้ข้อมูลฝนแบบจุดจากสถานีตรวจวัด ในขั้นตอนการศึกษา ได้เลือกใช้ถนนพหลโยธินในขอบเขตมหาวิทยาลัยเกษตรศาสตร์สำหรับการคาดการณ์การจราจร และเลือกใช้เทคนิค NN เป็นเครื่องมือในการพัฒนาแบบจำลองคาดการณ์สภาพจราจรล่วงหน้า ข้อมูลเรดาร์และข้อมูลสภาพจราจรจาก Google Traffic ที่ครอบคลุมพื้นที่ศึกษาจะถูกรวบรวมและวิเคราะห์ผลเพื่อสร้างเป็นชุดข้อมูลนำเข้าให้แบบจำลอง NN ผลการศึกษาแสดงให้เห็นว่า เมื่อนำข้อมูลน้ำฝนจากเรดาร์ร่วมกับข้อมูลการจราจร สามารถคาดการณ์สถานการณ์ของการจราจรล่วงหน้า 30 นาที ได้แม่นยำกว่าการใช้ข้อมูลฝนจากสถานีวัดน้ำฝนนำเข้าหรือจากการใช้ข้อมูลการจราจรย้อนหลังเพียงอย่างเดียวอย่างชัดเจน ผลลัพธ์ที่ได้นี้แสดงให้เห็นถึงศักยภาพของข้อมูลความละเอียดสูงจากเรดาร์ในการเพิ่มประสิทธิภาพของระบบคาดการณ์การจราจรแบบตามเวลาจริงได้ต่อไป