รายการบทความการแลกเปลี่ยนเรียนรู้ตามคำสำคัญ  : ระบบขนส่งอัจฉริยะ
ความรู้จากการเข้าอบรม ประชุมวิชาการ » รายงานสรุปเนื้อหาและการนำไปใช้ประโยชน์ จากการเข้าร่วมประชุมวิชาการในการประชุมวิชาการ International Conference on Recent Trends in Pure and Applied Mathematics – 2021 (ICRTPAM-21) เมื่อวันที่ 2–3 กันยายน 2564 ณ มหาวิทยาลัยราชภัฎภูเก็ต ตามหนังสือที่ อว 69.5.5 / 186 ลงวันที่ 30 มิถุนายน 2564
ความแออัดของการจราจรเป็นปัญหาที่หนักหนาสำหรับเมืองขนาดใหญ่และขนาดกลางจำนวนมาก ซึ่งเป็นภัยคุกคามร้ายแรงต่อการพัฒนาเมืองอย่างยั่งยืน เมื่อเร็วๆ นี้ ระบบจราจรอัจฉริยะ (ITS) ได้กลายเป็นเครื่องมือที่มีประสิทธิภาพในการบรรเทาความแออัดของเมือง กุญแจสำคัญของ ITS อยู่ที่การคาดการณ์การไหลของการจราจรที่แม่นยำ อย่างไรก็ตาม วิธีการพยากรณ์ที่มีอยู่ของการไหลของการจราจรไม่สามารถปรับให้เข้ากับความสุ่มและความยาวที่แท้จริงของอนุกรมเวลาการไหลของการจราจรได้ ในการแก้ปัญหา บทความนี้ใช้การเรียนรู้เชิงลึก (DL) เพื่อคาดการณ์การไหลของการจราจรผ่านการวิเคราะห์อนุกรมเวลา ผู้เขียนได้พัฒนาแบบจำลองการคาดการณ์การไหลของการจราจรโดยอิงจากเครือข่ายหน่วยความจำระยะสั้น (LSTM) แบบจำลองที่เสนอถูกนำมาเปรียบเทียบกับแบบจำลองการคาดการณ์แบบคลาสสิกสองแบบ ได้แก่ โมเดลค่าเฉลี่ยเคลื่อนที่แบบบูรณาการอัตโนมัติ (ARIMA) และแบบจำลองโครงข่ายประสาทเทียมแบบย้อนกลับ (backpropagation neural Network) ผ่านการทดลองคาดการณ์ปริมาณการใช้ข้อมูลระยะยาว โดยใช้อนุกรมเวลาการไหลของการรับส่งข้อมูลจริง ผลการทดลองแสดงให้เห็นว่าเครือข่าย LSTM ที่เสนอนั้นมีประสิทธิภาพเหนือกว่าโมเดลคลาสสิกในด้านความแม่นยำในการทำนาย การวิจัยของเราเปิดเผยกฎหมายวิวัฒนาการแบบไดนามิกของกระแสการจราจรและอำนวยความสะดวกในการตัดสินใจของการจัดการจราจร
คำสำคัญ : ระบบขนส่งอัจฉริยะ  
กลุ่มบทความ : กลุ่มงานตามสมรรถนะบุคลากร
หมวดหมู่ : กลุ่มงานสายวิชาการ
สถิติการเข้าถึง : เปิดอ่าน 1100  ครั้ง | แสดงความคิดเห็น 0  ครั้ง
ผู้เขียน เกรียงไกร ราชกิจ  วันที่เขียน 16/9/2564 19:14:05  แก้ไขล่าสุดเมื่อ 26/3/2567 17:59:52