บทคัดย่อ การศึกษาครั้งนี้มีจุดประสง

บทคัดย่อ
การศึกษาครั้งนี้มีจุดประสงค์เพื่อ ศึกษาความแม่นยำและความน่าเชื่อถือของเวลาในการเดินทางจากข้อมูล Digital แบบ real time จากการสร้างสมการพยากรณ์ โดยข้อมูลที่ได้มาจากการเดินทางจริง โดยแบ่งช่วงเวลาในการเดินทางเป็น 3 ช่วงเวลาคือ เวลาเร่งด่วนเช้า (7.00-10.00น.) นอกเวลาเร่งด่วน (เวลานอกเหนือจากเวลาเร่งด่วนเช้าและเย็น) เวลาเร่งด่วนเย็น (16.00-19.00น.) โดยทำการเก็บข้อมูล เวลาที่ใช้ในการเดินทางจริง เวลาเดินทางจาก Google map ค่าดัชนีที่ได้จากข้อมูล Longdo traffic ระยะทางที่ใช้ในการเดินทาง โดยจะแบ่งประเภทข้อมูลเป็นขาเข้า-ออกเมือง นำข้อมูลทั้งหมดคัดแยกตามช่วงวลาต่างๆดังที่กล่าวไว้ข้างต้น โดยคิดตามเวลาที่ขึ้นรถโดยสาร จากนั้นนำข้อมูลมาทำการวิเคราะห์โดยใช้สมการถดถอย เพื่อสร้างสมการพยากรณ์เวลาที่ใช้ในการเดินทางจริง และหาความแม่นยำกับความน่าเชื่อถือของแต่ละสมการ ทำให้ได้สมการพยากรณ์ที่มีความแม่นยำและความน่าเชื่อถือมากที่สุด 2 สมการโดยสมการแรกใช้ค่าดัชนี Longdo ระยะทาง และขาเข้า-ออกในการคาดการณ์เวลาในการเดินทาง กับสมการที่สองใช้ระยะทาง และขาเข้า-ออกในการคาดการณ์เวลาในการเดินทาง นำสมการทั้งสองมาวิเคราะห์หาค่า Root Men Square Error(RMSE) และ Mean Absolute Deviation(MAD) จากนั้นนำค่า RMSE และ MAD ของทั้งสองสมการมาเปรียบเทียบกันโดยสมการแรกมีค่า RMSE และ MAD น้อยกว่าสมการที่สอง จึงเลือกใช้สมการแรกในการคาดการณ์เวลาในการเดินทาง จากนั้นนำสมการที่ได้ไปวิเคราะห์หาค่า RMSE และ MAD ของข้อมูลแต่ละช่วงเวลาโดยช่วงเวลานอกเร่งด่วนมีค่า RMSE และMAD น้อยที่สุด จึงสามารถสรุปได้ว่าเราสามารถใช้ค่าดัชนี Longdo ระยะทาง และข้อมูลการเดินทางขาเข้า-ออก ในการคาดการณ์เวลาเดินทางในช่วงเวลานอกเร่งด่วนได้อย่างแม่นยำและน่าเชื่อถือมากที่สุด

ผลลัพธ์ (อังกฤษ) 1:

Abstract The study is intended to. Study on the precision and reliability of time from a real time Digital data from the equation for the prediction of generation. Data derived from actual journey with travel time interval is the time interval is 3 quick breakfast (7.00-10.00 p.m.) In addition to the quick time (apart from the urgent time morning and evening) quick time (16.00-19.00 hrs.) the data store. The time it takes to actually travel. Map from Google index value from data traffic mileage Longdo by will classify the incoming data-out city. All data exclude various time intervals, as mentioned above. By the time the bus then brought up the data analysis using regression equations to create equations to predict the time required to travel and find accuracy with reliability of each equation. The equation to predict with accuracy and reliability, maximum 2 equation by equation, the first use of Longdo distance and index – the travel time forecasts with a second equation using distance and the inbound-to travel time forecasts. The two analyzed equation find the Square Error (RMSE) Root Men and Mean Absolute Deviation (MAD) then taking the RMSE and MAD the two equations, the equations first derived by comparison with RMSE value is less than the second equation and MAD, so select the first equation is used in forecasting the time to travel. Then apply the equations to analyze the data for each of the RMSE and MAD interval by interval outside of the RMSE values and MAD rush. The smallest was able to conclude that we can use the index value Longdo distance and the inbound travel information- Travel time forecast during a quick, precise, and also have the most reliable.

ผลลัพธ์ (อังกฤษ) 2:

ABSTRACT
This study is intended to. The accuracy and reliability of the travel time from Digital data in real time from creation equation. The data derived from real travelers. By the time the trip was the third time during the morning rush. (7:00 to 10:00 hrs.) Outside the rush hour. (In addition to the morning and evening rush hours) at evening rush. (16:00 to 19:00 hrs.), The collected data. The time spent on the actual trip. Travel time from Google map index value derived from information Longdo traffic used to travel the distance. It is categorized as incoming data - the city. Put all the information on the screen in Vladivostok as discussed above. By the time you catch a bus. The data were analyzed using regression. To predict the time spent on the actual trip. And precisely determine the reliability of the equation. It can predict with accuracy and reliability, the second equation by equation using the first index Longdo distance and stand out - to forecast travel time. The second equation distance. And legs - to predict travel times. Remove the two were analyzed for the Root Men Square Error (RMSE) and Mean Absolute Deviation (MAD) Then, RMSE and MAD of the two equations were compared by the equation first, RMSE and MAD less money. The second Use the first equation to predict the travel time. Then the equation to determine the RMSE and MAD of each moment by moment, outside rush, RMSE and MAD least, it can be concluded that we can use the index Longdo distance and travel information leg. - out To forecast travel time during rush outside, precise and reliable as possible.

ผลลัพธ์ (อังกฤษ) 3:

Abstract
.This study aims to Study on the accuracy and reliability of the travel time from the information Digital a real time from creating predicted by information derived from the journey. The time of day is 3.Rush hour morning (7.00-10.00.)) urgently. (time apart from the rush hour, morning and evening rush hour evening (16.00-19.00.)By the data used in the real time transportation travel time from Google map indices from the data Longdo traffic distances used in travel. The categories of data import and export cities.By the time on the bus. Then the data were analyzed by multiple regression. To establish the equation the travelling time. And the precision and reliability of each equation.2 equation by first order equations using index Longdo distances, and import and export in the prediction of travel time, กับสมการ second distance. And the import and export in the prediction of travel time. The equations of both the Root Men Square Error (RMSE) and Mean.Deviation (MAD), then the RMSE MAD and two equations were compared by the first equation RMSE MAD value and less than the second equation So we choose to use first order equations in the prediction of travel time. Then the equation to analyze the value and RMSE MAD.RMSE MAD and least. It can be concluded that we can use the index Longdo distance information and the import and export. In the prediction of travel time at the time outside the urgent precisely and most reliable
.