Page 181 - Proceeding of Atrans Young Researcher's Forum 2019_Neat

“Transportation for A Better Life:
Smart Mobility for Now and Then”

23 August 2019, Bangkok, Thailand

ตารางที่ 5 ค่าพารามิเตอร์ส าหรับการคาดการณ์อุบัติเหตุ (Nspf)

Segment Single-vehicle Multiple-vehicle
Year สมการ N Section Length AADT
spf
(km)
fi pdo fi pdo
1 4.70 39,245 4.00 7.48 2.61 3.93
2 5.70 38,996 4.83 9.02 3.14 4.70
พ.ศ. 2557 ,,6,, = × (+ ×ln[× ]) 3 3.90 42,760 3.51 6.68 2.46 3.84
∗
4 4.40 47,169 4.23 8.25 3.22 5.26

5 4.30 39,807 3.71 6.95 2.45 3.70
1 4.70 44,100 4.32 8.29 3.11 4.92
2 5.70 43,819 5.21 9.99 3.73 5.89
พ.ศ. 2558 ,,6,, = × (+ ×ln[× ]) 3 3.90 48,049 3.78 7.40 2.93 4.81
∗
4 4.40 53,004 4.56 9.13 3.84 6.59
5 4.30 44,731 4.00 7.70 2.91 4.64

1 4.70 48,393 4.58 8.99 3.57 5.89
2 5.70 48,085 5.53 10.84 4.29 7.05
พ.ศ. 2559 ,,6,, = × (+ ×ln[× ]) 3 3.90 52,727 4.02 8.03 3.36 5.76
∗
4 4.40 58,163 4.84 9.91 4.41 7.89
5 4.30 49,085 4.25 8.35 3.35 5.56

4.3 การคาดการณ์อุบัติเหตุ Np (total)
การเปรียบเทียบผลการคาดการณ์อุบัติเหตุ Np (total) ระหว่าง
จ านวนการเกิดอุบัติเหตุในช่วงระหว่างปี พ.ศ. 2557-2559 เทียบกับผล
การคาดการณ์จากแบบจ าลอง HSM ผลการศึกษาสามารถสรุปได้ว่า
แบบจ าลอง HSM มีแนวโน้มคาดการณ์จ านวนครั้งการเกิดอุบัติเหตุในแต่
ละปีมากกว่าจ านวนครั้งการเกิดอุบัตเหตุจริง โดยมีค่าเฉลี่ยความผิดพลาด
อยู่ที่ ร้อยละ 31.15 จากผลการคาดการณ์ดังกล่าว สามารถสรุปได้ว่า
ปัจจัยทางด้านปริมาณการจราจรเฉลี่ยรายปี (AADT) ของแต่ละช่วงทาง
พิเศษ มีผลอย่างมากต่อการประยุกต์ใช้แบบจ าลอง HSM เมื่อเปรียบเทียบ
กับปัจจัยทางกายภาพอื่นๆ ซึ่งมีค่าคงที่ตลอดช่วงปี ที่พิจารณา ดังนั้น

เพื่อให้สามารถพิจารณาใช้แบบจ าลอง HSM ในการคาดการณ์อุบัติเหตุ
บนทางพิเศษได้อย่างมีประสิทธิภาพ การศึกษานี้จึงพิจารณาใช้ค่าปรับแก้
แบบจ าลองเพิ่มเติมในลักษณะของค่าเฉพาะพื้นที่ (Local Parameter) ซึ่ง
จะช่วยสะท้อนประสิทธิภาพการคาดการณ์ด้วยแบบจ าลอง HSM ได้มาก
ขึ้น รายละเอียดการปรับเทียบแบบจ าลองกับข้อมูลอุบัติเหตุบนทางพิเศษ
กาญจนาภิเษก (บางพลี-สุขสวัสดิ์) แสดงในรูปที่ 6

156