การกรองข้อมูลที่ผิดพลาดจากรถที่ติดตั้ง GPS เพื่อใช้ในการประเมิณสภาพการจราจร

Filtering of Unusable Road Traffic GPS Data

Name: ธรรมมาภรณ์ รักสุข

keyword: นิวตรอนเน็ตเวิร์ค

; Neural Network

Abstract: วิทยานิพนธ์นี้เป็นการนำเสนอวิธีการกรองข้อมูล GPS ที่ผิดปรกติหรือไม่สามารถนำมาช่วยในการประเมินสภาพจราจรได้ออกไป ซึ่งข้อมูลตัวอย่างในการทดสอบจะใช้ข้อมูลจากรถแท็กซี่ที่ติดตั้ง GPS ในบริเวณกรุงเทพมหานครและปริมณฑล ซึ่งมีอยู่ประมาณ 3000-4000 คัน อัตราการส่งข้อมูล GPS มายังศูนย์คือ 3 นาที 10 วินาที ซึ่งจากการวิเคราะห์ข้อมูล GPS ทั้งหมดพบว่ามีข้มูลผิดปรกติแบ่งออกเป็นสี่ประเภทหลักๆได้แก่ ข้อมูลจากรถแท็กซี่ที่ขับวนเพื่อรอผู้โดยสาร ข้อมูลจากรถแท็กซี่ ที่จอดรอผู้โดยสาร ข้อมูลจากรถแท็กซี่ที่มีทิศทางเคลื่อนที่คลาดเคลื่อนเนื่องจากข้อจำกัดของเครื่องรับ GPS และเพื่อเป็นการยืนยันว่าการกรองข้อมูลที่ผิดปรกติออกไปแล้วจะทำให้ระบบมีประสิทธิภาพมากขึ้นจึงได้มีการวัดค่าการกระจายของข้อมูลด้วยสัมประสิทธิ์การแปรผันซึ่งค่าสัมประสิทธิ์การแปรผันที่ลดลงนั้นในทางสถิติกล่าวไว้ว่าหากข้อมูลใดๆที่มีค่าสัมประสิทธิ์การแปรผันน้อยนั่นหมายถึงค่าแนวโน้มเข้าสู่ศูนย์กลางของข้อมูลชุดนั้นจะเป็นตัวแทนที่ดีและน่าเชื่อถือกว่าข้อมูลชุดที่มีค่าสัมประสิทธิ์การแปรผันมากกว่า ในการทดลองพบว่าค่าสัมประสิทธิ์การแปรผันของข้อมูลหลังกำจัดความผิดปรกติออกไปมีค่าลดลงสูงสุดร้อยละ 11.98 ทั้งนี้ขึ้นอยู่กับแต่ละพื้นที่ หลังจากการวิเคราะห์ และแยกข้อมูลผิดปรกติออกไปแล้วจะได้ทำการจำลองระบบการกรองข้อมูลด้วยนิวตรอนเน็ตเวิรค์โมเดลเพื่อให้ระบบเรียนรู้การคัดกรองด้วยตรเองเพื่อเป็นการเพิ่มประสิทธิภาพและความเร็วในการกรองข้อมูลของระบบซึ่งผลที่ได้เมื่อเปรียบเทียบกับการกรองด้วยการวิเคราะห์ข้อมูลแล้วให้ค่าความถูกต้องสูงถึงร้อยละ 83.19

Abstract: This research examined an algorithm for filtering unusual GPS data from multiple GPS-equipped cars. The GPS data was periodically transmitted to a base station via a radio link cvery 3 minutes and 10 seconds by 3000-4000 taxis around Bangkok and suburb. From manually analysis of the data, there arc four main problems that affect the accuracy of traffic estimation system: (1) taxi driver drive round one place for a long time, (2) taxi waits for passengers, (3) the direction of car does not flow along the street, (4) the measurement error of the GPS receivers. If these problems are filtered out before being sent to the traffic estimation system, the system will be more accurate. To validate the performance of the filtered GPS data, the coefficient of variation (C.V.) was applied to measure the variation of two groups of data: non-filtered data and filtered data. Low value of C.V. indicates consistent data, thus more accurate. The experiment indicated that the algorithm can reduce the C.V. of the data by an average of 11.98 percent depending on the locations. Then, a neural network model was implemented to model the tilter process. The results showed 83.19 percent accuracy compared to the rule-based method.

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี. สำนักหอสมุด.

Address: กรุงเทพมหานคร

Email: info.lib@mail.kmutt.ac.th

Name: พจน์ ตั้งงามจิตต์

Role: อาจารย์ที่ปรึกษา

Role: อาจารย์ที่ปรึกษา

Created: 2553-04-27

Modified: 2553-04-27

Issued: 2553-04-27

วิทยานิพนธ์/Thesis

application/pdf

CallNumber: INC516

tha

DegreeName: วิศวกรรมศาสตรมหาบัณฑิต

Level: ปริญญาโท

Descipline: วิศวกรรมระบบควบคุมและเครื่องมือวัด

Grantor: มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	INC516.pdf	2.1 MB	190	2024-12-06 13:14:40
2	INC516ab.pdf	25.76 KB	56	2022-02-03 16:16:29

ใช้เวลา

0.023407 วินาที