การศึกษาองค์ประกอบที่เกี่ยวข้องกับการเกิดอุบัติเหตุจราจรในประเทศไทยและการจำแนกข่าว ด้วยเทคนิคการทำเหมืองข้อความ
Publisher
Issued Date
2024
Issued Date (B.E.)
2567
Available Date
Copyright Date
Resource Type
Series
Edition
Language
tha
File Type
application/pdf
No. of Pages/File Size
63 แผ่น
ISBN
ISSN
eISSN
DOI
Other identifier(s)
Identifier(s)
Access Rights
Access Status
Rights
ผลงานนี้เผยแพร่ภายใต้ สัญญาอนุญาตครีเอทีฟคอมมอนส์แบบแสดงที่มา-ไม่ใช้เพื่อการค้า-ไม่ดัดแปลง 4.0 (CC BY-NC-ND 4.0)
Rights Holder(s)
Physical Location
Bibliographic Citation
Citation
กอฟฟาร์ ลัดเลีย (2024). การศึกษาองค์ประกอบที่เกี่ยวข้องกับการเกิดอุบัติเหตุจราจรในประเทศไทยและการจำแนกข่าว ด้วยเทคนิคการทำเหมืองข้อความ. Retrieved from: https://repository.nida.ac.th/handle/123456789/7030.
Title
การศึกษาองค์ประกอบที่เกี่ยวข้องกับการเกิดอุบัติเหตุจราจรในประเทศไทยและการจำแนกข่าว ด้วยเทคนิคการทำเหมืองข้อความ
Alternative Title(s)
Study of factors related to traffic accidents in Thailand and news classification using text mining
Author(s)
Advisor(s)
Editor(s)
item.page.dc.contrubutor.advisor
Advisor's email
Contributor(s)
Contributor(s)
Abstract
ในปัจจุบันปัญหาอุบัติเหตุจากการจราจรในประเทศไทยยังคงเป็นปัญหาหลักๆที่ต้องแก้ไขอย่างเร่งด่วน โดยปัญหาด้านจราจรมีแนวโน้มเพิ่มขึ้นทุกปี ทำให้มีผู้เสียชีวิต และผู้บาดเจ็บ ก่อให้เกิดความสูญเสียในชีวิตและทรัพย์สินแก่ผู้ประสบเหตุเองและความเสียหายให้กับภาครัฐในการสูญเสียงบประมาณในการดูแลและแก้ปัญหาดังกล่าว ผู้วิจัยจึงสนใจที่จะสร้างตัวแบบหัวข้อสาเหตุการเกิดอุบัติเหตุจราจร โดยมีการสร้างตัวแบบหัวข้อด้วยวิธีการจัดสรรดีรีเคลแฝง (Latent Dirichlet Allocation : LDA) เพื่อเป็นแนวทางในการหาประเด็นสาเหตุที่สำคัญและตัวแบบจำแนกข่าวสารด้วยการผสานกันระหว่างการจัดกลุ่มข้อมูลแบบเคมีน (K-means Clustering) กับการจำแนกประเภท 2 อัลกอริทึม ประกอบด้วย อัลกอริทึม ซัพพอร์ตเวกเตอร์แมชชีน (Support Vector Machine : SVM) และ อัลกอริทึม ถดถอยโลจีสติก (Logistic Regression) เพื่อหาตัวแบบที่เหมาะสมที่สุดในการจำแนกข่าวสารที่ส่งผลต่อการเกิดอุบัติเหตุการจราจรในประเทศไทย ผลการศึกษาการสร้างตัวแบบหัวข้อ ผู้วิจัยได้ทำการแบ่งประเด็นสาเหตุสำคัญออกเป็น 3 หัวข้อ ได้แก่ (1) องค์ประกอบเชิงบุคคล (2) องค์ประกอบเชิงยานพาหนะ (3) องค์ประกอบเชิงกายภาพ (ถนน/สภาพแวดล้อม) และผลการศึกษาตัวแบบจำแนกข่าวสารพบว่า การจัดกลุ่มแบบเคมีนจะให้ผลลัพธ์เท่ากับ 7 กลุ่ม และเมื่อนำไปสร้างการจำแนกประเภทพบว่า อัลกอริทึมซัพพอร์ตเวกเตอร์แมชชีนมีประสิทธิภาพในการจัดประเภทดีที่สุดด้วยค่า Accuracy เท่ากับ 0.83126 ค่า Precison เท่ากับ 0. 83608 ค่า Recall เท่ากับ 0.83317
Table of contents
Description
วิทยานิพนธ์ (วท.ม. (การวิเคราะห์ธุรกิจและวิทยาการข้อมูล))--สถาบันบัณฑิตพัฒนบริหารศาสตร์, 2567