การทำนายระดับความรุนแรงของอุบัติเหตุบนท้องถนนโดยใช้เทคนิคเหมืองข้อมูล

การคาดการณ์ระดับความรุนแรงของอุบัติบนท้องถนนนั้นเป็นเรื่องสำคัญต่อการบริหารการจัดการความปลอดภัยทางถนน ในการค้นคว้าอิสระนี้ได้มีวัตถุประสงค์เพื่อสร้างและพัฒนาโมเดล ในการทำนายระดับความรุนแรงโดยอาศัยชุดข้อมูลสำหรับฝึกโมเดลจากหน่วยงานภาครัฐในช่วงระยะเวลา 5 ปีย้อนหลัง ตั้งแต่ พ.ศ. 2563 ถึง พ.ศ. 2567 ซึ่งในการค้นคว้าอิสระนี้ได้ทำการเปรียบเทียบประสิทธิภาพของโมเดลที่ต่างๆ ได้แก่ โมเดลการสุ่มป่าไม้ โมเดลโครงข่ายประสาทเทียม โมเดลบูสติ้งแบบกราดิเอนท์โดยใช้อัลกอริทึม CatBoost และโมเดลบูสติ้งแบบกราดิเอนท์โดยใช้อัลกอริทึม LightGBM โดยได้ทำการปรับแต่งพารามิเตอร์ต่างๆให้เหมาะสมกับโมเดลแต่ละโมเดลเพื่อให้ได้ผลการทำนายที่แม่นยำที่สุด จากผลลัพธ์พบว่าโมเดลบูสติ้งแบบกราดิเอนท์โดยใช้อัลกอริทึม LightGBM ให้ผลลัพธ์ดีที่สุด อย่างไรก็ตามการศึกษาในครั้งนี้ยังพบข้อจำกัดบางประการ ได้แก่ ความไม่สมดุลของข้อมูลและความไม่ครอบคลุมของคุณลักษณะข้อมูลบางประการ ซึ่งส่งผลต่อประสิทธิภาพของโมเดล ดังนั้นในการพัฒนาโมเดลเพิ่มเติมในอนาคต ควรให้ความสำคัญกับการปรับสมดุลของข้อมูลและการเลือกใช้คุณลักษณะข้อมูลอื่นเพิ่มเติมเพื่อเพิ่มประสิทธิภาพของโมเดลให้สามารถนำไปประยุกต์ใช้ได้อย่างมีประสิทธิผลในการจัดการและป้องกันอุบัติเหตุบนท้องถนน