Search

Traffy @ ITS Lab

ห้องปฏิบัติการระบบขนส่งและจราจรอัจฉริยะ

Category

Featured Story

โครงการ Traffy Transit

บริการระบบแสดงข้อมูลตำแหน่งและเวลาเข้าป้ายแก่ผู้ใช้บริการรถสาธารณะนั้นมีแล้วในหลายประเทศ แต่ก็ยังไม่มีบริการรายงานตำแหน่งรถเมล์หรือคาดการณ์การเข้าจอดที่ตำแหน่งที่สนใจสำหรับรถสาธารณะ จากสภาพของการให้บริการข้อมูลรถโดยสารสาธารณะดังกล่าว ทำให้พบว่ายังมีช่องโหว่ที่ควรได้รับการแก้ไขคือ…

Continue reading “โครงการ Traffy Transit”

Advertisements
Featured post

GNSS และดาวเทียมค่าแก้ สำหรับเครื่องบินไร้คนขับเชิงพาณิชย์

ที่มา  มนต์ศักดิ์  โซ่เจริญธรรม

เราคงทราบกันดีว่าอีกไม่นานรถยนต์ไร้คนขับ (Autonomous Car) คงมาแน่ แต่คงมีน้อยคนที่ทราบว่าเครื่องบินพาณิชย์ที่สามารถลงจอดได้แบบคนขับสามารถทำได้มานานแล้วอย่างน้อยตั้งแต่ปี 1994 ซึ่งใช้ GNSS เป็นอุปกรณ์หลักในการระบุตำแหน่ง โดยในตอนนั้นมีการทดสอบบินถึง 50 เที่ยวบินโดยมหาวิทยาลัยโอไฮโอ [1] ได้รับการสนับสุนนเครื่อง Boeing 757 จากบริษัท UPS

สหรัฐให้ความสนใจเรื่องการบินแบบไร้คนขับมากถึงขนาดลงทุนส่งดาวเทียมบริการค่าแก้ที่ชื่อ Wide Area Augmentation
System (WAAS) [2] เพื่อให้พิกัดจาก GNSS มีความถูกต้องมากขึ้น ในระดับต่ำกว่า 1 เมตร และมี Footprint ครอบคลุมทั่วสหรัฐตั้งแต่ปี 2003 [8]

waasCoverageBig
รูปที่ 1 Wide Area Augmentation System (WAAS)
lpvCoverage2
รูปที่ 2 พื้นที่บริการของ WAAS
600px-SBAS_in_the_world
รูปที่ 3 พื้นที่บริการครอบคลุมของดาวเทียมค่าแก้ที่มีในประเทศต่าง ๆ

ในระยะหลังองค์การการบินพลเรือนระหว่างประเทศ หรือ ICAO [3] ก็ได้ออกคำแนะนำในการใช้ GNSS และการให้บริการดาวเทียมค่าแก้มาแล้ว [4] และในปัจจุบันก็มีหลายประเทศที่ลงทุนทำแบบเดียวกับ WAAS ของสหรัฐ เช่น รัสเซีย [5] ญี่ปุ่น [6] อินเดีย [9] และยุโรป [7]

อย่างไรก็ตาม จนถึงปัจจุบันเครื่องบินพาณิชย์ก็ยังคงมีกัปตันประจำเครื่อง ทั้งนี้อาจจะเป็นเพราะระบบดาวเทียมบริการค่าแก้
ยังไม่ได้รับการพัฒนาให้อิ่มตัวในทุกพื้นที่ของโลก หรืออาจเป็นเหตุผลเชิงจิตวิทยาประกอบกัน

ที่น่าสนใจกว่านั้น คือ ชิป GNSS ทั่วไป เช่น ที่มีใน Zenfone [10] ซึ่งเพิ่งเปิดตัวปี 2015 เริ่มมีความสามารถรับและใช้งานค่าแก้ (ศัพท์เทคนิคเรียก SBAS) ได้แล้ว

[1] Monaghan, Aidan. “Plausibility Of 9/11 Aircraft Attacks Generated By GPS-Guided Aircraft Autopilot Systems.”
[2] http://www.faa.gov/about/office_org/headquarters_offices/ato/service_units/techops/navservices/gnss/waas/
[3] http://www.icao.int/Pages/default.aspx
[4] http://www.icao.int/Meetings/PBN-Symposium/Documents/9849_cons_en%5B1%5D.pdf
[5] http://www.sdcm.ru/smglo/staticpages?version=eng&site=extern&title=about
[6] http://www.oosa.unvienna.org/pdf/icg/2007/icg2/presentations/04_01.pdf
[7] http://www.gsa.europa.eu/egnos/what-egnos
[8] http://www.faa.gov/about/office_org/headquarters_offices/ato/service_units/techops/navservices/gnss/waas/news/
[9] http://geoawesomeness.com/gagan-indias-sbas-system-now-operational/
[10] http://www.gizbeat.com/7449/asus-zenfone-2-full-review-mainstream-flagship-bargain/

Expert Ranking การจัดลำดับผู้เชี่ยวชาญ

อยากหา co-advisor ใน สวทช ปรึกษา Thesis ในสาขาที่เชี่ยวชาญ ปรึกษาท่านใหนดี? หรือ อยากรู้นักวิจัย/อาจารย์ท่านนี้เชี่ยวชาญด้านใหนบ้าง?  http://130.211.241.7/expertranking/v2/  มีคำตอบให้ Continue reading “Expert Ranking การจัดลำดับผู้เชี่ยวชาญ”

Featured post

โครงการบริหารตำแหน่งและคาดการณ์เวลาเข้าป้าย

จุดมุ่งหมายของโครงการในครั้งแรกคือมุ่งวิจัยและพัฒนาแนวทางที่เหมาะสมในการสร้างระบบนิเวศสำหรับรวบรวมข้อมูลตำแหน่งรถโดยสารสาธารณะจากพลังมวลชน  (Crowd Sourcing) จากผู้เดินทาง    Continue reading “โครงการบริหารตำแหน่งและคาดการณ์เวลาเข้าป้าย”

Transportation Big Data Analysis

Big data on transportation system

  • Traffic Analysis
  • Bahevier Analysis
  • Mobility Analysis

Examples work

  • วิเคราะห์หาจุดจอดที่เหมาะสมที่สุดของรถ Shutle Bus ไปยังสนามบิน ด้วยการวิเคราะห์ข้อมูลจุดจอดรับ/ส่ง (OD) ของรถ taxi ระหว่างสนามบินไปยังจุดต่าง ๆ [1]
  • ได้ทำการวิเคราะห์วัตถุประสงค์ของการเดินทางมายังจุดต่าง ๆ ของผู้โดยสารรถ taxi ด้วยการวิเคราะห์ข้อมูล GPS ของ taxi จำนวน 150 ล้านทริป [2]

Our on-going works

  • Discover พฤติกรรมการเดินทางของรถแท๊กซี่ ณ ช่วงเวลาต่างๆ
  • Discover ข้อมูลเวลาการเดินทางระหว่างจุดสนใจในกรุงเทพฯ ณ ช่วงเวลาต่างๆ
  • คำนวณเวลาการเดินทางในถนนเส้นต่างๆ ในกรุงเทพมหานคร ณ ช่วงเวลาต่างๆ

Our Data

  • ปัจจุบันห้องปฏิบัติการฯมีข้อมูล GPS จำนวนกว่า 2,000 ล้านเรคคอร์ด ระยะเวลาตั้งแต่ปี 2005 – 2014 โดยมีข้อมูลจากรถสองประเภทคือ
    • รถแท็กซี่
    • รถขนของ

Our System Architecture

ในการจัดการกับข้อมูลจำนวนมากจำเป็นจะต้องมีเครื่องมือที่มีประสิทธิภาพ ปัจจุบันห้องปฏิบัติการฯได้ทำการติดตั้ง Cluster Computing ด้วยเครื่องจำนวนทั้งหมด 11 โหนดสำหรับจัดเก็บและประมวลผลข้อมูลในสองรูปแบบ

  • Mongodb cluster สำหรับจัดเก็บและดึงข้อมูลแบบ real-time ประกอบด้วย 1 Router 3 Configs และ 7 Sharding Data
  • Spark Cluster สำหรับประมวลผลในการวิเคราะห์ข้อมูล ประกอบด้วย 1 master และ 10 slaves โหนด

 

 


[1] Liu, Y., Jia, G., Tao, X., Xu, X., Dou, W. A stop planning method over big traffic data for airport shuttle bus (2015) Proceedings – 4th IEEE International Conference on Big Data and Cloud Computing, pp. 63-70.

[2] Zhang, J., You, S., Gruenwald, L.High-performance spatial query processing on big taxi trip data using GPGPUs(2014) Proceedings – 2014 IEEE International Congress on Big Data, BigData Congress 2014, art. no. 6906763, pp. 72-79.

โครงการวิจัยข้อมูลจราจรจาก Social Networks

ASK

ที่มาและความสำคัญ

ปัจจุบันมีผู้ใช้เครือข่ายสังคมโดยเฉพาะ Twitter ในการรายงานสภาพการจราจร (Traffic Incident) มากขึ้น ศูนย์ให้บริการข้อมูลจราจรทางวิทยุต่างๆ เริ่มมีการให้ข้อมูลผ่านทาง Twitter การให้บริการทำโดยใช้พนักงานของศูนย์ ผู้จัดทำจึงออกแบบและสร้างต้นแบบนี้ เพื่อรวบรวมข้อมูลที่เกี่ยวข้องการจราจร ทำการเผยแพร่ข้อมูลต่อ (Retweet) รวมถึงการนำมาวิจัยต่อยอดเพิ่มคุณค่าของข้อมูลโดยการแยกประเภทเหตุการณ์ ระบุบริเวณที่ได้รับผลกระทบจากเหตุการณ์และใช้เป็นข้อมูลสำหรับระบบตอบคำถามข้อมูลจราจร Traffy Ask โดยระบบสามารถรวบรวมข้อมูลจากผู้ใช้ที่ให้ข้อมูลแบบเปิดเผย (Public) โดยอัตโนมัติ แม้ผู้ใช้ดังกล่าวไม่ได้กล่าวถึง (mention) บัญชีของระบบก็ตาม

Feature

  1. รวบรวมและคัดกรองข้อมูล รวบรวมข้อมูลโดยใช้ API ของ Twitter คัดกรองข้อมูลหยาบคาย หรือข้อคำถามออกไป
  2. เผยแพร่ข้อมูล ระบบ Retweet ข้อมูลจราจรที่คัดกรองได้ เข้าสู่ระบบ Twitter
  3. ตอบคำถามเกี่ยวกับการจราจร เมื่อผู้ใช้ mention @traffy และส่งข้อมูลคำถามเกี่ยวกับการจราจร ระบบจะทำส่งคำตอบโดย mention กลับไปให้ผู้ใช้ โดยเรียกใช้งานระบบ Traffy ASK

ทดลองใช้ผลงาน

  1. ดูข้อมูลจราจร ผ่าน Twitter @traffy http://twitter.com/traffy
  2. สอบถามข้อมูลจราจร โดย Mention @traffy http://twitter.com/traffy
  3. สอบถามข้อมูลจราจร ผ่าน Website http://traffy.in.th/ask/
  4. getIncident API https://its.nectec.or.th/getincident

ร่วมสนับสนุนงานวิจัย

  1. รายงานสภาพจราจร อุบัติเหตุ สภาพอากาศ ผ่านทาง Twitter สามารถเพิ่มรูปภาพ และข้อมูลพิกัด GPS ของรายงานนั้นเพื่อให้ข้อมูลในรายงานมีประโยชน์มากขึ้น
  2. แจ้งทีมงานเมื่อระบบรายงานข่าวที่ไม่สมควร ผ่านทางการ mention @traffy หรือส่ง email ให้ traffyteam@gmail.com
  3. ให้คำแนะนำติชมระบบผ่านทางการ mention @traffy หรือส่ง email ให้ traffyteam@gmail.com

Continue reading “โครงการวิจัยข้อมูลจราจรจาก Social Networks”

Up ↑

%d bloggers like this: