การเปรียบเทียบเทคนิคการเรียนรู้ของเครื่องเพื่อตรวจจับความผิดปกติจากเหตุการณ์สาธารณะสำหรับการวางแผนจุดจอดรถพยาบาลฉุกเฉิน

A comparative analysis of machine learning techniques for anomaly detection in public events for ambulance allocation planning

Name: พรกนก แซ่ฉาย

ThaSH: รถพยาบาล

ThaSH: การเรียนรู้ของเครื่อง

ThaSH: สื่อสังคมออนไลน์

Abstract: ในยุคโลกาภิวัฒน์ สื่อสังคมออนไลนเปนแหลงที่ทำใหเกิดขอมูลขนาดใหญ มักอยูในรูปของการโพสต์การแสดงความคิดเห็นการแจงเกิดเหตุ ดังนั้น การใชขอมูลจากสื่อสังคมออนไลน์ เช่น เอ็กซ (หรือชื่อเดิม ทวิตเตอร์) ที่มีการแจ้งการเกิดเหตุการณ์สาธารณะ สามารถชวยในการตอบสนองต่อภัยพิบัติหรือเหตุการณ์ฉุกเฉินทางการแพทย์ เนื่องจากขอมูลที่แสดงบนเครือข่ายสังคมเป็นข้อมูลทันทีและสามารถระบุสถานที่ได้ช่วยในการวางแผนจุดจอดรถพยาบาลฉุกเฉิน ปัจจัยที่ใช้ในการวิเคราะห์เพื่อจัดสรรจุดจอดรถพยาบาลฉุกเฉิน ระบุไว้ 4 ปัจจัย ได้แก่ การประเมินความเสี่ยงจากภัยพิบัติ การตรวจจับสถานการณ์ที่ผิดปกติ เช่น เหตุการณ์สาธารณะ การวางแผนตอสถานการณ์ฉุกเฉิน เช่น อุบัติเหตุบนท้องถนน การจราจร การวางแผนการตอบสนองต่อเหตุการณทั่วไป ดังนั้น ในการศึกษานี้ได้นำเสนอการประยุกต์ใช้ข้อมูลจากสื่อสังคมออนไลน์ด้วยเทคนิคการประมวลผล ภาษาธรรมชาติและการเรียนรู้ของเครื่องเพื่อระบุความต้องการใช้บริการการแพทย์ฉุกเฉินสำหรับพื้นที่กรณีศึกษา ซึ่งประเมินความต้องการใช้รถพยาบาลฉุกเฉินจากขอความด้วยการจำแนกระดับ ความผิดปกติ (Anomaly Classification) แบ่งออกเป็น 2 ระดับ ได้แก่ ระดับปกติ และระดับมีความเสี่ยงจากการเก็บขอมูลการเกิดเหตุการณสาธารณะจากบัญชีเอ็กซ์ 3 แหล่ง ได้แก่ จส.100 ไทยทิกเก็ตเมเจอร์ และไลฟ์เนชั่นในช่วงป ค.ศ. 2022 นำมาทำความสะอาดและสกัดคุณลักษณะที่ต้องการแล้วจึงทำการแบ่งข้อมูลเพื่อฝึกฝนและทดสอบเพื่อจำแนกระดับความผิดปกติด้วย แบบจำลองต่างๆ ได้แก่การถดถอยโลจิสติก ต้นไม้ตัดสินใจ ป่าไมแบบสุม และกราเดียนบูสติ้ง จากการศึกษาพบว่า จากการประเมินสมรรถนะ การถดถอยโลจิสติก ต้นไม้ตัดสินใจ ป่าไม้แบบสุม และกราเดียนบูสติ้ง ได้รับคะแนนความถูกต้อง 76.9% 93.8% 93.8% และ 94.4% ตามลำดับ และค่าพื้นที่ใต้กราฟ ROC (AUC) ที่ 0.92 0.92 0.92 และ 0.94 ดังนั้น สามารถสรุปได้ว่า แบบจำลองกราเดียนบูสติ้ง เป็นแบบจำลองที่มีสมรรถนะสูงสุดและเหมาะสมที่สุดกับชุดข้อมูลในการประเมินความหนาแนนของประชากรในสถานที่จากขอความแจ้งเหตุการณ์สาธารณะ ในส่วนของการประยุกต์ใช้ร่วมกับการจัดสรรจุดจอดรถพยาบาลฉุกเฉินบนพื้นที่กรณีศึกษาด้วยแบบจำลองทางคณิตศาสตร์ พบว่า แบบจำลองครอบคลุม (MCLP) ได้นำเสนอจุดจอดรถพยาบาล 41 จุด สามารถตอบสนองต่อการเกิดเหตุการณ์ได้ 944 ครั้งเพื่อให้ครอบคลุมในการตอบสนองตอความต้องการใช้รถพยาบาล ฉุกเฉินบนพื้นที่กรณีศึกษาและเป็นการใช้ทรัพยากรรถพยาบาลฉุกเฉินได้อย่างมีประสิทธิภาพสูงสุด

สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง. สำนักการเรียนรู้ตลอดชีวิตพระจอมเกล้าเจ้าคุณทหารลาดกระบัง

Address: กรุงเทพมหานคร

Email: lifelong@kmitl.ac.th

Name: ชุมพล ยวงใย

Role: อาจารย์ที่ปรึกษาวิทยานิพนธ์

Email : chumpol.yu@kmitl.ac.th

Created: 2567

Modified: 2568-10-15

Issued: 2568-10-15

วิทยานิพนธ์/Thesis

application/pdf

tha

DegreeName: วิศวกรรมศาสตรมหาบัณฑิต

Level: ปริญญาโท

Descipline: วิศวกรรมอาหาร

Grantor: สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง

©copyrights สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	Pornkanok Sae-Chai.pdf	16.41 MB

ใช้เวลา

0.032367 วินาที