การจำแนกและการทำนายเส้นทางการบิน

Airline route classification and prediction

Name: สุกฤษฎิ์ ศรีรัตนะวิไล

ThaSH: มหาวิทยาลัยเกษตรศาสตร์ -- วิทยานิพนธ์. วศ.ม. (วิศวกรรมคอมพิวเตอร์) 2562

Classification :.LCCS: QA76.87

ThaSH: มหาวิทยาลัยเกษตรศาสตร์. -- สาขาวิศวกรรมคอมพิวเตอร์ -- วิทยานิพนธ์

ThaSH: นิวรัลเน็ตเวิร์ค (วิทยาการคอมพิวเตอร์)

ThaSH: การวิเคราะห์การถดถอยโลจิสติก

ThaSH: การวิเคราะห์แบบถดถอย

ThaSH: ซัพพอร์ตเวกเตอร์แมชชีน

ThaSH: สายการบิน -- แบบจำลอง

ThaSH: ธุรกิจการบิน

ThaSH: การขนส่งทางอากาศ

Abstract: การวิเคราะห์เส้นทางการบินมีความสำคัญอย่างมากต่อธุรกิจการบิน เนื่องจากผู้ประกอบการสายการบินจำเป็นต้องเปิดเส้นทางที่สามารถรองรับความต้องการของผู้โดยสารได้อย่างเหมาะสม ในการที่สายการบินจะเลือกเปิดเส้นทางใด ย่อมคำนึงถึงปัจจัยต่างๆ ที่มีผลต่อความต้องการของผู้โดยสารในเส้นทางนั้น งานวิจัยนี้วิเคราะห์การให้บริการของเส้นทางการบิน ด้วยข้อมูลของปัจจัยที่มีผลต่อความต้องการของผู้โดยสาร และข้อมูลการเดินทางของผู้โดยสารจริง งานวิจัยนี้ได้ออกแบบการวิเคราะห์เส้นทางการบินเป็น 3 ส่วน ได้แก่ การทำนายและจำแนกการมีอยู่ของเส้นทางการบิน การทำนายและจำแนกประเภทของเส้นทางการบิน และ การทำนายประเภทของเส้นทางการบินโดยใช้ข้อมูลระยะยาว ในงานวิจัยนี้ใช้การเรียนรู้ด้วยเครื่องจักร (Machine Learning) เพื่อแก้ปัญหาการทำนาย (Prediction) และ ปัญหาการจำแนกหมวดหมู่ (Classification) ผ่านวิธี Logistic Regression, Support Vector Machine และ Neural Network ผลการวิจัยสรุปได้ว่า ในการทำนายและจำแนกการมีอยู่ของเส้นทางการบิน พบว่า วิธีการ Neural Network ให้ผลลัพธ์ที่ดีที่สุด ส่วนของการทำนายและจำแนกประเภทของเส้นทางการบิน พบว่า วิธีการ Support Vector Machine ให้ผลลัพธ์ในการทำนายที่ดีที่สุด สุดท้าย ในการทำนายประเภทของเส้นทางการบินโดยใช้ข้อมูลระยะยาว พบว่า วิธีการแบบ Neural Network ให้ผลลัพธ์ที่ดีที่สุด จากการวิเคราะห์ปัจจัยที่มีผลการต่อการมีอยู่ของเส้นทางการบิน พบว่า ประชากรเป็นปัจจัยที่มีผลอย่างมีนัยยะสำคัญ และเมื่อวิเคราะห์คุณสมบัติของเส้นทางการบินจากการวิเคราะห์ทั้ง 3 ส่วน พบว่า แบบจำลองสามารถวิเคราะห์การมีอยู่ของเส้นทางการบินได้ และวิเคราะห์ประเภทของเส้นทางที่เป็นประเภทแบบบินตรงได้ดี หากแต่แบบจำลองยังไม่สามารถวิเคราะห์เส้นทางการบินประเภทแบบต่อเครื่อง หรือ ประเภทที่มีทั้งแบบบินตรงและต่อเครื่องได้ดีมากนัก ดังนั้นในอนาคต จำเป็นจะต้องใช้ปัจจัยอื่นๆเพื่อช่วยเพิ่มประสิทธิภาพในการวิเคราะห์ประเภทของสองเส้นทางการบินนี้ให้ดียิ่งขึ้น Analysis of airline routes significantly impacts on airline economics. Airlines must operate routes that serve demand of air-travel passengers appropriately. To operate any route, factors related to passenger demand in such route must be considered. This research analyzes airline route prediction and classification. It studies data related to factors of passenger demand and real air-travel data. This work contains three main parts: 1) route existence prediction and classification, 2) route type prediction and classification, and 3) long-term route-type prediction. Machine learning is applied to solve prediction and classification problems in this work, using three learning methods: logistic regression, support vector machine and neural network. For route existence prediction and classification, the results show that neural network provides the best performance model. For route type prediction and classification, support vector machine gives the optimal model. For long-term route-type prediction, neural network also gives the best model. From analyzing factors on route existence, it is found that population is the most significant affected factor. From analyzing route characteristics from three main parts, it is found that the implemented models can analyze route existence and direct routes well. However, the models analyze transit routes and both direct and transit routes inefficiently. Therefore, in the future, additional factors should be included to enhance the analysis of the latter two route types

มหาวิทยาลัยเกษตรศาสตร์. สำนักหอสมุด

Address: กรุงเทพมหานคร

Email: tdckulib@ku.ac.th

Name: สุภาพร เอื้อจงมานี

Role: อาจารย์ที่ปรึกษาวิทยานิพนธ์หลัก

Name: หัชทัย ชาญเลขา

Role: อาจารย์ที่ปรึกษาวิทยานิพนธ์ร่วม

Created: 2562

Modified: 2568-07-15

Issued: 2568-07-15

วิทยานิพนธ์/Thesis

วิทยานิพนธ์/Thesis

application/pdf

URL: https://www.lib.ku.ac.th/KUthesis/2562/sukrit-sri-all.pdf

CallNumber: QA76.87 .ส41

tha

DegreeName: วิศวกรรมศาสตรมหาบัณฑิต

Level: ปริญญาโท

Descipline: วิศวกรรมคอมพิวเตอร์

Grantor: มหาวิทยาลัยเกษตรศาสตร์

©copyrights มหาวิทยาลัยเกษตรศาสตร์

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	sukrit-sri-all.pdf	1.84 MB

ใช้เวลา

0.029326 วินาที