การพยากรณ์จำนวนการเกิดอุบัติเหตุทางถนนของเมืองท่องเที่ยวหลักและเมืองท่องเที่ยวรองในประเทศไทย

Forecasting the number of road accidents in major and secondary tourist cities in Thailand

Name: กันมาร์ลินด์ เจริญชาศรี

keyword: การพยากรณ์ร่วม

ThaSH: อุบัติเหตุทางถนน -- ไทย -- พยากรณ์

ThaSH: อุบัติเหตุทางถนน -- ไทย -- สถิติ

ThaSH: การวิเคราะห์อนุกรมเวลา

ThaSH: การวิเคราะห์การถดถอย

Abstract: การศึกษานี้มีวัตถุประสงค์เพื่อหาตัวแบบการพยากรณ์ที่เหมาะสมและเปรียบเทียบประสิทธิภาพของตัวแบบการพยากรณ์ และวิธีการพยากรณ์ที่ดีที่สุดสำหรับการพยากรณ์จำนวนการเกิดอุบัติเหตุทางถนนในประเทศไทย ซึ่งในการศึกษาครั้งนี้ มีความสนใจเพิ่มเติมเกี่ยวกับมาตรการส่งเสริมการท่องเที่ยวและกระจายรายได้สู่ภูมิภาคต่าง ๆ จึงทำการแบ่งข้อมูลเป็น 2 กลุ่มตามการท่องเที่ยวแห่งประเทศไทย (ททท.) ซึ่งได้แก่ (1) เมืองท่องเที่ยวหลัก และ (2) เมืองท่องเที่ยวรอง และทำการสร้างตัวแบบการพยากรณ์โดยใช้ข้อมูลจำนวนการเกิดอุบัติเหตุทางถนนบนโครงข่ายถนนของกระทรวงคมนาคม ซึ่งเก็บข้อมูลจากระบบรายงานข้อมูลอุบัติเหตุของกระทรวงคมนาคม โดยศูนย์เทคโนโลยีสารสนเทศและการสื่อสาร สำนักงาน ปลัดกระทรวงคมนาคม ซึ่งข้อมูลที่ใช้ในการดำเนินงานมีลักษณะเป็นรายเดือน ตั้งแต่เดือนมกราคม พ.ศ. 2562 ถึงเดือนธันวาคม พ.ศ. 2567 รวมทั้งสิ้นจำนวน 72 เดือน และทำการศึกษาวิธีการพยากรณ์เดี่ยวโดยใช้วิธีวิเคราะห์อนุกรมเวลา 3 วิธี ได้แก่ (1) วิธีการปรับให้เรียบแบบเลขชี้กำลัง (Exponential Smoothing Method) (2) วิธีการวิเคราะห์การถดถอยด้วยอนุกรมเวลา (Time Series Regression Method) (3) วิธีบอกซ์เจนกินส์ (Box-Jenkins Method) และวิธีการพยากรณ์ร่วม 5 วิธี ได้แก่ (1) วิธีการให้น้ำหนักที่เท่ากัน (Simple Average Method or Equivalent Weighted method: EW) (2) วิธีการพยากรณ์ร่วมโดยใช้วิธีการวิเคราะห์การถดถอย (3) วิธีรวมแบบอิงค่า MAPE (MAPE-Based combination) (4) วิธีการให้น้ำหนักที่ไม่เท่ากัน (Unequivalent Weighted Method: UNEW) และ (5) วิธีการถ่วงน้ำหนักด้วยค่าอันดับ (Weighted Ranking method: WR) เมื่อได้ค่าพยากรณ์ที่มาจากการคำนวณด้วยวิธีข้างต้นแล้ว ทำการตรวจสอบและเปรียบเทียบความแม่นยำของตัวแบบการพยากรณ์โดยใช้เกณฑ์ค่าร้อยละความผิดพลาดสัมบูรณ์เฉลี่ย (Mean Absolute Percentage Error: MAPE) ที่ต่ำสุด เพื่อเลือกตัวแบบการพยากรณ์ที่มีประสิทธิภาพมากที่สุด ทั้งนี้ จากผลการวิจัยพบว่า วิธีการพยากรณ์ข้อมูลจำนวนการเกิดอุบัติเหตุทางถนนของเมืองท่องเที่ยวหลัก โดยใช้วิธีการพยากรณ์ร่วมโดยการให้น้ำหนักที่ไม่เท่ากัน (Unequivalent Weighted method: UNEW) และวิธีการพยากรณ์ข้อมูลจำนวนการเกิดอุบัติเหตุทางถนนของเมืองท่องเที่ยวรองโดยใช้วิธีการพยากรณ์ร่วมโดยใช้วิธีการวิเคราะห์การถดถอย ซึ่งเป็นวิธีการพยากรณ์ที่มีประสิทธิภาพมากที่สุด ซึ่งและผลจากการวิจัยนี้จะเป็นประโยชน์ต่อหน่วยงานที่เกี่ยวข้อง โดยสามารถนำผลที่ได้จากการวิจัยนี้ไปใช้ในการวางแผนมาตรการป้องกันอุบัติเหตุและรับมือให้เป็นไปอย่างเหมาะสมและมีประสิทธิภาพ

Abstract: This study purpose to identify the most suitable forecasting model and compare the forecasting performance of different methods to determine the best approach for predicting the number of road accidents in Thailand. Additionally, this study considers the impact of tourism promotion and regional income distribution by categorizing data into two groups, following the classification of the Tourism Authority of Thailand (TAT): (1) Major Tourist Cities and (2) Secondary Tourist Cities. The forecasting models were developed using monthly road accident data collected from the Ministry of Transport’s accident reporting system, managed by the Information and Communication Technology Center, Office of the Permanent Secretary, Ministry of Transport. The dataset spans from January 2019 to December 2024, Totaling 72 months. This study employs 3 individual forecasting methods based on time series analysis: (1) Exponential Smoothing Method, (2) Time Series Regression Method, and (3) Box-Jenkins Method. Additionally, 5 combined forecasting methods: (1) Simple Average Method or Equivalent Weighted method: EW, (2) Regression-Based combination, (3) MAPE-Based combination, (4) Unequivalent Weighted Method: UNEW, and (5) Weighted Ranking method: WR. The forecasting accuracy of each method was assessed using the Mean Absolute Percentage Error (MAPE) criterion, with the model yielding the lowest MAPE being selected as the most effective. The findings indicate that for Major tourist cities, the most efficient forecasting approach was the Unequivalent Weighted Method (UNEW). While, Secondary tourist cities, the best-performing method was the Regression-Based Combination. The results of this study are expected to be beneficial for relevant authorities in formulating effective road accident prevention measures and response strategies to enhance public safety and regional planning.

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Name: ยุพาภรณ์ อารีพงษ์

Role: ที่ปรึกษาการค้นคว้าอิสระ

Email : yupaporn.a@sci.kmutnb.ac.th

Created: 2567

Modified: 2568-12-02

Issued: 2568-12-02

วิทยานิพนธ์/Thesis

application/pdf

tha

DegreeName: วิทยาศาสตร์มหาบัณฑิต

Level: ปริญญาโท

Descipline: สถิติประยุกต์และวิทยาการวิเคราะห์ข้อมูล

Grantor: มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	B17723486.pdf	2.13 MB

ใช้เวลา

0.030761 วินาที