- KB Home
- หลักสูตรปริญญาตรี|Bachelor Degree
- คณะเทคโนโลยีสารสนเทศ
- -สาขาวิชาธุรกิจดิจิทัล
- การเปรียบเทียบอัลกอริทึมการเรียนรู้ของเครื่องจักร เพื่อทำนายการเกิดอุบัติเหตุ โดยใช้การวิเคราะห์อนุกรมเวลา ด้วยเทคนิคเหมืองข้อมูล
ชื่อบทความ: | การเปรียบเทียบอัลกอริทึมการเรียนรู้ของเครื่องจักร เพื่อทำนายการเกิดอุบัติเหตุ โดยใช้การวิเคราะห์อนุกรมเวลา ด้วยเทคนิคเหมืองข้อมูล |
Research Article: | Comparing Machine Learning Algorithm for Predicting Road Accidents Using Time Series Data Mining Techniques |
ผู้เขียน/Author: | ผศ.ดร.พิชญากร เลค | Asst.Prof. Pitchayakorn Lake, Ph.D. |
Email: | pitchayakorn@siam.edu |
สาขาวิชา/คณะ: | ภาควิชาธุรกิจดิจิทัล คณะเทคโนโลยีสารสนเทศ มหาวิทยาลัยสยาม กรุงเทพฯ 10160 |
Department/Faculty: | Faculty of Information Technology in Digital Business, Siam University, Bangkok 10160 |
Published/แหล่งเผยแพร่: | การประชุมวิชาการบัณฑิตศึกษาระดับชาติ ครั้งที่ 11 “วิจัยและนวัตกรรมเพื่อเตรียมพร้อมรับการเปลี่ยนแปลง” วันที่ 24-25 มิถุนายน 2564 มหาวิทยาลัยศิลปากร (รูปแบบออนไลน์) |
การอ้างอิง/citation
พิชญากร เลค. (2564). การเปรียบเทียบอัลกอริทึมการเรียนรู้ของเครื่องจักร เพื่อทำนายการเกิดอุบัติเหตุ โดยใช้การวิเคราะห์อนุกรมเวลา ด้วยเทคนิคเหมืองข้อมูล. ใน รายงานการประชุม การประชุมวิชาการบัณฑิตศึกษาระดับชาติ ครั้งที่ 11 (หน้า S1 – S9). กรุงเทพฯ: มหาวิทยาลัยศิลปากร.
บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์ เปรียบเทียบอัลกอริทึมการเรียนรู้ของเครื่องจักร เพื่อทำนายการเกิดอุบัติเหตุ โดยใช้การวิเคราะห์อนุกรมเวลา ด้วยเทคนิคเหมืองข้อมูล 3 เทคนิค ได้แก่ การถดถอยเชิงเส้น แบบจำลองโครงข่ายประสาทเทียมแบบเปอร์เซ็ปตรอนหลายชั้น และซัพพอร์ตเวกเตอร์แมชชีนสำหรับการถดถอย ข้อมูลที่นำมาใช้ในการศึกษาเป็นข้อมูลในจังหวัดที่มีจำนวนการเกิดอุบัติเหตุมากที่สุด ได้แก่ จังหวัดกรุงเทพมหานคร จังหวัดนครราชสีมา และจังหวัดสมุทรปราการ โดยรวบรวมข้อมูลตั้งแต่ปี พ.ศ. 2558-2562 จำนวน 60 เดือน จากการทดลองพบว่าแบบจำลองที่มีความเหมาะสมในการพยากรณ์การเกิดอุบัติเหตุในประเทศไทย ดังต่อไปนี้แบบ จำลองการถดถอยเชิงเส้น มีความเหมาะสมมากที่สุดกับชุดข้อมูลจังหวัดกรุงเทพมหานคร จังหวัดนครราชสีมา และจังหวัดสมุทรปราการ มีค่าเฉลี่ยความคลาดเคลื่อนสัมพัทธ์เท่ากับร้อยละ 16.29 19.29 และร้อยละ 19.64
คำสำคัญ: การพยากรณ์, การวิเคราะห์อนุกรมเวลา, เทคนิคเหมืองข้อมูล, การเกิดอุบัติเหตุ
ABSTRACT
The purpose of this research is to compare machine learning algorithm for predicting road accidents using time series data mining techniques. There are three techniques such as Linear Regression, Multi-Layer Perceptron and Support Vector Machine for Regression. The data used for the study collected from the provinces, which cause the highest road accidents are Bangkok, Nakhon Ratchasima and Samut Prakarn. The data was collected from 2015-2019 AD. totally 60 months. This research found that the suitable forecasting model for number of road accidents in Thailand as followed: The forecasting model using Linear Regression was the most suitable are Bangkok, Nakhon Ratchasima and Samut Prakarn, which had the rate of MMRE (Mean Magnitude of Relative Error) with the percentage of 16.29, 19.29, and 19.64, respectively.
Keywords: Predicting, Time Series Analysis, Data Mining Techniques, Accidents
การเปรียบเทียบอัลกอริทึมการเรียนรู้ของเครื่องจักร เพื่อทำนายการเกิดอุบัติเหตุโดยใช้การวิเคราะห์อนุกรมเวลา ด้วยเทคนิคเหมืองข้อมูล|Comparing Machine Learning Algorithm for Predicting Road Accidents Using Time Series Data Mining Techniques
Faculty of Information Technology, Siam University, Bangkok, Thailand