การศึกษาจุดคอขวดบนเส้นทางสายหลักในช่วงเทศกาลวันหยุดยาว: กรณีศึกษา ถนนมิตรภาพช่วงนครราชสีมา–ขอนแก่น
Main Article Content
บทคัดย่อ
ในช่วงเทศกาลหรือวันหยุดยาวผู้คนมักจะเดินทางด้วยรถยนต์ส่วนบุคคลเพื่อไปท่องเที่ยวหรือกลับภูมิลำเนาส่งผลให้เกิดการติดขัดบนท้องถนน แต่หากสังเกตเพิ่มเติมจะพบว่าการติดขัดของกระแสจราจรนั้นจะเกิดขึ้นเป็นระยะๆสลับกับเคลื่อนตัวได้อย่างรวดเร็วนั่นเป็นเพราะว่ามีคอขวดเกิดขึ้น การศึกษานี้มีขึ้นเพื่อหาปัจจัยที่เกี่ยวข้องต่อการเกิดคอขวดบนท้องถนน การเก็บข้อมูลดำเนินการโดยการขับรถยนต์สำรวจไปตามกระแสจราจรจากจังหวัดนครราชสีมาไปยังจังหวัดขอนแก่นเป็นจำนวน 16 รอบในช่วงต้นของเทศกาลปีใหม่ คือระหว่างวันที่ 27 ถึง 29 ธันวาคม 2556 โดยที่แต่ละรอบออกเดินทางห่างกัน 3 ชั่วโมง รถแต่ละคันประกอบไปด้วยคนขับรถและผู้โดยสารเพื่อทำหน้าที่บันทึกตำแหน่งที่เกิดคอขวดพร้อมระบุปัจจัยของสภาพแวดล้อมลงในแบบฟอร์ม จากนั้นนำข้อมูลที่ได้มาประมวลผลและคัดกรองจนในที่สุดสามารถสรุปได้ว่ามีปัจจัยที่เกี่ยวข้องทั้งหมด 12 ปัจจัย และได้ตำแหน่งคอขวดจำนวน 97 ตำแหน่ง จากนั้นนำไปสร้างแบบจำลองโดยใช้วิธีที่เรียกว่า Binary Logistic Regression ผลที่ได้จากการศึกษาพบว่าแบบจำลองรูปแบบที่ใช้ข้อมูลสถานีบริการน้ำมันแยกประเภทเป็นของ ปตท. และยี่ห้ออื่นๆ กับไม่จำแนกรูปแบบของสะพานยกระดับมีประสิทธิภาพดีที่สุด
Article Details
บทความที่ลงตีพิมพ์เป็นข้อคิดเห็นของผู้เขียนเท่านั้น
ผู้เขียนจะต้องเป็นผู้รับผิดชอบต่อผลทางกฎหมายใดๆ ที่อาจเกิดขึ้นจากบทความนั้น
References
[2] M. J. Cassidy and R. L.Bertini, “Some traffic features at freeway bottlenecks,” Transportation Research Part B: Methodological, vol. 33, no. 1, pp. 25–42, 1999.
[3] R. L. Bertini and A. M. Myton, “Use of performance measurement system data to diagnose freeway bottleneck location empirically in Orange country, Calofornia,” Journal of the Transportation Research Board, vol. 1925, 2005.
[4] Z. Horowitz and R. L. Bertini, “Using PORTAL data to empirically diagnose freeway bottlenecks located on Oregon Highway 217,” presented at Institute of Transportation Engineering District 6 Annual Meeting, July 15–18, 2007.
[5] J. Wieczorek, H. Li, R. J. Fernandez-Moctezuma, and R. L. Bertitni, “Integration an automated bottleneck detection tool into an online freeway data archive,” presented at 88th Annual Meeting of the Transportation Research Board, January 11–15, 2009.
[6] J. Wieczorek, H. Li, R. J. Fernandez-Moctezuma, and R. L. Bertitni, “Techniques for validating an automatic bottleneck detection tool using archived freeway sensor data,” presented at 89th Annual Meeting of the Transportation Research Board, January 10–14, 2010.
[7] C. Chen, A. Skabardonis, and P. Varaiya, “Systematic identification of freeway bottlenecks,” Transportation Research Record: Journal of the Transportation Research Board, vol. 1867, pp. 46–52, 2004.
[8] R. L. Bertitni , R. J. Fernandez-Moctezuma, J. Wieczorek, and H. Li, “Using archived its data to automatically identify freeway bottleneck in Portland, Oregon,” presented at the 15th World Congress on Intelligent Transport Systems and ITS America's 2008 Annual Meeting, Washington, DC, 2008.
[9] P. Jin, S. Parker, J. Fang, B. Ran, and C. M. Walton, “Freeway recurrent bottleneck identification algorithms considering detector data quality issues,” Journal of Transportation Engineering, vol. 138, no. 10, pp. 1205–1214, 2012.
[10] J. M. Hibe, Logistic regression models. Chapman & Hall/CRC. Boca Raton: Taylor & Francis Group, 2009.
[11] D. G. Kleinbaum and M. Klein, Logistic regression A Self-learning text, 3rd Edition. New York:Springer, 2010.