โอม ศรนิลกอฟฟาร์ ลัดเลีย2024-12-252024-12-252024https://repository.nida.ac.th/handle/123456789/7030วิทยานิพนธ์ (วท.ม. (การวิเคราะห์ธุรกิจและวิทยาการข้อมูล))--สถาบันบัณฑิตพัฒนบริหารศาสตร์, 2567ในปัจจุบันปัญหาอุบัติเหตุจากการจราจรในประเทศไทยยังคงเป็นปัญหาหลักๆที่ต้องแก้ไขอย่างเร่งด่วน 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 0.8331763 แผ่นapplication/pdfthaผลงานนี้เผยแพร่ภายใต้ สัญญาอนุญาตครีเอทีฟคอมมอนส์แบบแสดงที่มา-ไม่ใช้เพื่อการค้า-ไม่ดัดแปลง 4.0 (CC BY-NC-ND 4.0)อุบัติเหตุจราจรการสร้างตัวแบบหัวข้อตัวแบบจำแนกข่าวสารเทคนิคการทำเหมืองข้อความtext::thesis::master thesis