วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2554

การให้ข้อมูลการทำนายระยะเวลาในการเดินทางล่วงหน้าที่แม่นยำนั้นเป็นประโยชน์ต่อการวางแผนในการเดินทาง งานวิจัยนี้นำเสนอการวิธีทำนายระยะเวลาในการเดินทางล่วงหน้าในระยะเวลาไม่เกิน 60 นาทีโดยแบบจำลองซัพพอร์ตเวกเตอร์แมชชีนโดยใช้ ความเร็ว ปริมาณรถต่อนาที ความเร็วของช่วงเวลาก่อนขณะทำนาย ปริมาณรถต่อนาทีก่อนขณะทำนาย และ เวลา ณ ขณะทำนาย เป็นข้อมูลนำเข้าสำหรับแบบจำลอง ซึ่งจะประเมินประสิทธิภาพในการทำนายโดยการนำมาเปรียบเทียบกับการทำนายโดยใช้ข้อมูลในอดีตและการทำนายโดยแบบจำลองโครงข่ายประสาทเทียม โดยใช้ MAPE (Mean Absolute Percentage Error) และ RMSE (Root Mean Square Error) เป็นเครื่องมือในการวัดประสิทธิภาพ โดยจะแบ่งสถานการณ์ในการทำนายเป็น 2 สถานการณ์คือ 1. สถานการณ์จริงซึ่งจะใช้ข้อมูลจากกล้องที่ติดตั้งบนทางพิเศษเฉลิมมหานคร 2. สถานการณ์จำลองซึ่งจำลองจากโปรแกรมจำลองการจราจร ซึ่งในสถานการณ์จริงนั้นแบบจำลองซัพพอร์ตเวกเตอร์แมชชีนมีประสิทธิภาพในการทำนายระยะเวลาในการเดินทางดีกว่าวิธีอื่นๆ โดยมีค่าความผิดพลาดเฉลี่ย MAPE น้อยกว่าแบบจำลองโครงข่ายประสาทเทียม 7.67% และวิธีการทำนายโดยใช้ข้อมูลในอดีต 9.76% ในสถานการณ์จำลองนั้นประสิทธิภาพของแบบจำลองซัพพอร์ตเวกเตอร์แมชชีนและแบบจำลองโครงข่ายประสาทเทียมมีค่าความผิดพลาดเฉลี่ย MAPE มีความแตกต่างกัน 1 – 2% และเมื่อเปรียบเทียบอัตราความผิดพลาดต่อระยะเวลาในการทำนายล่วงหน้าแล้วพบว่าการทำนายโดยแบบจำลองซัพพอร์ตเวกเตอร์แมชชีนนั้นมีอัตราเพิ่มขึ้นของความผิดพลาดต่อระยะเวลาการทำนายล่วงที่เพิ่มขึ้นต่ำกว่าแบบจำลองโครงข่ายประสาทเทียม นอกจากนี้ยังพบว่าความแปรปรวนของการจราจรนั้นส่งผลกระทบต่อการทำนายระยะเวลาในการเดินทางล่วงหน้า จากการทดลองพบว่าประสิทธิภาพในการทำนายในช่วงเวลาที่การจราจรมีความแปรปรวนสูงที่สุดในแต่ละวัน มีค่าความผิดพลาดสูงกว่าช่วงเวลาอื่นๆ