โครงการ ระบบตรวจจับความผิดปกติด้วยข้อมูลเชิงจุลภาค (ระยะที่ 1: กรณีประยุกต์ใช้กับระบบจราจร Traffy)
ในปัจจุบันการค้นหาและจัดกลุ่มความผิดปกติ (anomaly detection and classification) เป็นองค์ประกอบสำคัญ ในการบริหารจัดการระบบต่างๆ ให้มีประสิทธิภาพมากยิ่งขึ้น เพราะการค้นพบความผิดปกติล่วงหน้า จะช่วยในการป้องกัน และบรรเทา (prevent and minimize) ความสูญเสียทางสังคมและเศรษฐกิจที่ตามมา เช่น การค้นหาและจัดกลุ่มความผิดปกติของการจราจรบนท้องถนนหรือที่รู้จักกันทั่วไป คือ traffic incident detection สามารถช่วยเพิ่มโอกาสในการแก้ปัญหา หรือบรรเทาการติดขัดของการจราจรบนท้องถนน เพื่อลดความตึงเครียด ของผู้ขับขี่บนท้องถนน ลดปัญหามลภาวะ สิ่งแวดล้อม ประหยัดพลังงาน รวมถึงประหยัดเวลาและงบประมาณ ในส่วนระบบการสือสาร การค้นหาและจัดกลุ่มความผิดปกติ ที่รู้จักกันทั่วไปคือ network anomaly detection สามารถลดอัตราเสี่ยงของการสูญเสียข้อมูลที่มีคุณค่า (loss of information) และเพิ่มประสิทธิภาพ ในระบบรักษาความปลอดภัยของเครือข่าย (network security) ในส่วนระบบการเงินและการตลาด การค้นหาและจัดกลุ่มความผิดปกติมักถูกนำไปประยุกต์ใช้ใน financial market anomaly detection เพื่อลดโอกาสเสี่ยงทางเศรษฐกิจ
วัตถุ ประสงค์ของโครงการ
1. เพื่อการวิจัยและพัฒนาวิธีการค้นหาและจัดกลุ่มความผิดปกติ
2. เพื่อ การรวบรวมและศึกษาข้อมูลทางความผิดปกติที่เน้นการตีความทางกายภาพเพื่อเสริม ฐานความรู้ให้ผู้อื่นนำข้อมูลไปใช้ประโยชน์ต่อยอด ได้โดยง่าย หลากหลาย และเป็นไปอย่างกว้างขว้าง
3. เพื่อศึกษาและค้นคว้าเพื่อนำมาซึ่งการนำไปใช้จริงของวิธีการค้นหาและจัด กลุ่มความผิดปกติที่นำเสนอ
บท คัดย่อ
ใน ปัจจุบันการค้นหาและจัดกลุ่มความผิดปกติ (anomaly detection and classification) เป็นปัญหาทางการวิจัย ที่ได้รับความสนใจ และมีความสำคัญในหลายสาขาเช่น ระบบจราจร ระบบเครือข่ายการสื่อสาร ระบบการเงินและการตลาด การค้นหาและจัดกลุ่มความผิดปกติที่มีประสิทธิภาพมีความสำคัญอย่างมาก ในการป้องกันและบรรเทา (prevent and minimize) ความสูญเสียที่ตามมา โครงการ วิจัยนี้มีจุดประสงค์ในการวิจัยและพัฒนาเพื่อให้ได้วิธีการค้นหาและจัดกลุ่ม ความผิดปกติซึ่งจะเน้นการวิเคราะห์แบบอนุกรมเวลา (time series analysis) ประเมินความผันแปรในสถานที่และเวลา (space and time variability assessment) เชิงจุลภาค ควบคู่ไปกับความผันแปรเชิงมหภาค การพัฒนาวิธีการ (algorithm) ที่สามารถค้นหาความผิดปกติได้อย่างรวดเร็ว และนำไปใช้ได้ในหลายสาขา รวมทั้งสามารถตอบสนองต่อ ข้อจำกัดพื้นฐานของการนำไปประยุกต์ใช้จริง อาทิเช่น ข้อจำกัดของความพร้อมและความสมบูรณ์ของข้อมูล (information availability) ข้อจำกัดของการเรียนรู้จากข้อมูลในอดีต (prior knowledge) และความแตกต่างของลักษณะของข้อมูลความผิดปกติที่สถานที่และเวลาต่างกัน (different scenarios)
ระยะ เวลาดำเนินโครงการ : 1 มิถุนายน พ.ศ.2554 ถึง 21 พฤษภาคม พ.ศ.2556
คณะผู้ วิจัย
หัวหน้าโครงการ : นายสุทธิพงศ์ ธัชยพงษ์
ผู้ร่วมวิจัย : นายวสันต์ ภัทรอธิคม, นายอนุรักษ์ ภูลสวัสดิ์, นายวสวัตติ์ พฤฒิปัญญาสกุล, นายเฉลิมพล สายประเสริฐ










