การวิเคราะห์ตัวชี้วัดรูปแบบเมืองที่ส่งผลต่อการพยากรณ์ความอ่อนไหวการเกิดน้ำท่วมด้วยแบบจำลองการเรียนรู้ของเครื่องในเมืองชายฝั่งทะเลพัทยา

เมืองพัทยาจังหวัดชลบุรีที่เป็นเมืองท่องเที่ยวชายฝั่งทะเลที่สำคัญของประเทศไทยได้รับผลกระทบจากน้ำท่วมในเขตพื้นที่เมืองทุกปี ทำให้เกิดความเสียหายต่อความเป็นอยู่ของประชาชน เศรษฐกิจและการท่องเที่ยว นำมาสู่ปัญหาที่ต้องมีการวางแผนเพื่อบริหารจัดการเมือง งานวิจัยนี้มีวัตถุประสงค์หลักในการพัฒนาเครื่องมือใช้ในการประเมินพื้นที่เสี่ยงน้ำท่วมในเมืองพัทยาเพื่อเป็นข้อมูลสนับสนุนการบริหารและวางแผนจัดการเมือง การศึกษานี้ได้บูรณาระบบสารสนเทศภูมิศาสตร์ (Geographical Information Systems, GIS) ร่วมกับแบบจำลองการเรียนรู้ของเครื่อง (Machine Learning Model) ประเภท Multiclass Classification เพื่อจัดกลุ่มระดับเสี่ยงน้ำท่วมด้วยการนำเข้าค่าตัวชี้วัดทั้งสิ้น 8 ปัจจัยเชิงพื้นที่ที่ส่งผลต่อการพยากรณ์ความอ่อนไหวการเกิดน้ำท่วมประกอบด้วย ปริมาณน้ำฝน การใช้ประโยชน์ที่ดิน อัตราส่วนพื้นที่อาคารรวมต่อพื้นที่ดิน (Floor Area Ratio, FAR) อัตราส่วนพื้นที่อาคารปกคลุมดินต่อพื้นที่แปลงที่ดิน (Building Coverage Ratio, BCR) ความหนาแน่นของถนน ความชัน ระดับความสูง และความสามารถในการระบายน้ำของดิน โดยงานวิจัยพบว่าการใช้แบบจำลอง Bagging Decision Tree Algorithm ได้ผลประเมินระดับความเสี่ยงน้ำท่วมแม่นยำอยู่ที่ 88.58% เมื่อเทียบกับผลการประเมินพื้นที่น้ำท่วมด้วย Flood Simulation Model ที่ศึกษาโดยกรมโยธาธิการและผังเมือง นอกจากนี้ยังพบตัวแปรที่มีอิทธิพลต่อความเสี่ยงน้ำท่วมเมืองมากที่สุด 3 อันดับแรก ได้แก่ ปริมาณน้ำฝน BCR และ FAR ตามลำดับ การประเมินพื้นที่เสี่ยงน้ำท่วมด้วยการใช้ Machine Learning ถือว่าเป็นเครื่องมือทางด้านผังเมืองที่มีประสิทธิภาพ หากต้องการให้เครื่องมือมีความแม่นยำสูงขึ้นจำเป็นต้องศึกษาเพิ่มเติมโดยเลือกใช้เแบบจำลอง Multiclass Classification ตัวอื่น ๆ มาเปรียบเทียบต่อไป