Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/45422
Title: การคาดการณ์จำนวนผู้โดยสารของระบบขนส่งมวลชนในกรุงเทพมหานครด้วยแบบจำลองอุปสงค์โดยตรง
Other Titles: RIDERSHIP FORECAST FOR MASS TRANSIT SYSTEMS IN BANGKOK USING DIRECT DEMAND MODEL
Authors: พิชญา ศรีทองทิม
Advisors: ศักดิ์สิทธิ์ เฉลิมพงศ์
Other author: จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์
Advisor's Email: Saksith.C@chula.ac.th,saksith.c@gmail.com
Subjects: การขนส่งมวลชน -- ไทย -- กรุงเทพฯ
Local transit -- Thailand -- Bangkok
Local transit -- Ridership -- Forecasting
Issue Date: 2557
Publisher: จุฬาลงกรณ์มหาวิทยาลัย
Abstract: การขยายตัวพื้นที่เมืองของกรุงเทพมหานครเป็นไปอย่างรวดเร็วและไร้ขอบเขต ซึ่งทำให้เกิดปัญหาการจราจรติดขัดอย่างกว้างขวาง จึงจำเป็นต้องพัฒนาระบบขนส่งมวลชนให้รองรับความต้องการในการเดินทางที่เพิ่มขึ้นอย่างรวดเร็ว อย่างไรก็ตามในอดีตที่ผ่านมาพบว่าระบบรถไฟฟ้าในกรุงเทพมหานครมีการใช้งานระบบที่เกิดขึ้นจริงมีปริมาณต่ำกว่าที่คาดการณ์ไว้ ดังนั้นงานวิจัยนี้จึงมีวัตถุประสงค์เพื่อคาดการณ์จำนวนผู้โดยสารของระบบขนส่งมวลชน และศึกษาตัวแปรที่จะส่งผลต่อจำนวนผู้โดยสารด้วยแบบจำลองอุปสงค์โดยตรงซึ่งเป็นแบบจำลองที่ใช้แนวทางการพัฒนาพื้นที่รอบสถานีมาปรับใช้ในการคาดการณ์ ซึ่งข้อมูลที่ใช้ในการวิเคราะห์แบบจำลองประกอบไปด้วย 3 ปัจจัย คือ ปัจจัยด้านการใช้พื้นที่รอบสถานี ปัจจัยด้านจำนวนประชากรรอบสถานี และปัจจัยด้านลักษณะและการให้บริการของระบบขนส่งมวลชน จากผลการศึกษาพบว่าตัวแปรหลักที่ส่งผลต่อจำนวนผู้โดยสาร ประกอบไปด้วย การใช้พื้นที่อาคารเป็นสำนักงานและบริษัท ห้างสรรพสินค้า ความยาวถนนรอบสถานี จำนวนประชากรรอบสถานี ความจุจุดจอดแล้วจร จำนวนเส้นทางรถประจำทาง ประเภทเส้นทางของระบบรถขนส่งมวลชน และประเภทของสถานี และเมื่อพิจารณาความคลาดเคลื่อนของจำนวนผู้โดยสารคาดการณ์และจำนวนผู้โดยสารจริงนั้นพบว่าแบบจำลองอุปสงค์โดยตรงนั้นให้ผลที่ยอมรับได้ เมื่อเปรียบเทียบกับแบบจำลองต่อเนื่อง 4 ขั้นตอนที่นิยมใช้ในการคาดการณ์จำนวนผู้โดยสารในปัจจุบัน เนื่องจากมีความคลาดเคลื่อนไม่แตกต่างจากกันมากนั้น สำหรับงานวิจัยนี้ยังมีข้อจำกัดในเรื่องของจำนวนสถานีตัวอย่าง สถานีที่นำมาวิเคราะห์แบบจำลองเป็นสถานีในเมืองในขณะที่สถานีคาดการณ์เป็นสถานีชานเมือง และแบบจำลองไม่สามารถอธิบายจำนวนผู้โดยสารได้หากมีเส้นทางอื่นแข่งขัน สุดท้ายสำหรับงานวิจัยในอนาคตควรจะเพิ่มจำนวนสถานีตัวอย่าง พร้อมกับเพิ่มจำนวนสถานีชานเมืองมาใส่ในแบบจำลองเพื่อให้ผลการคาดการณ์ที่ได้มีความถูกต้องมากยิ่งขึ้นไป
Other Abstract: Urbanization in Bangkok Metropolitan Area has continued at a rapid pace for extended period, causing severe traffic congestion. Public transportation improvement is necessary to support the resulting travel demand. However, transit ridership forecasts have always been overestimated. The objective of this study is to forecast transit ridership using Direct Demand Model (DDD) which is based on characteristics of area around transit stations. Three types of factors, land use around the station, population around the station, and transportation characteristics, are independent variables in the model. Regression estimations show that station-specific factors that affect ridership include office space, retail space, road length, population, parking, number of bus routes, type of transit line, and type of station. The direct demand model is then used to estimate ridership, and the errors of estimation are found to be similar to those of the four-step model. The limitations of this study include the small number of stations that was used to estimate the model and the lack of variety in station types, which limits the prediction power of the model. Future research should address these issues by increasing the sample size of stations as well as the variety of station types, such as suburban stations.
Description: วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2557
Degree Name: วิศวกรรมศาสตรมหาบัณฑิต
Degree Level: ปริญญาโท
Degree Discipline: วิศวกรรมโยธา
URI: http://cuir.car.chula.ac.th/handle/123456789/45422
URI: http://doi.org/10.14457/CU.the.2014.913
metadata.dc.identifier.DOI: 10.14457/CU.the.2014.913
Type: Thesis
Appears in Collections:Eng - Theses

Files in This Item:
File Description SizeFormat 
5470304021.pdf4.27 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.