การประยุกต์ใช้ปัญญาประดิษฐ์ในการสืบค้นและสรุปข้อมูลเมือง

จุฬา จิระตระการวงศ์; ณัฐวุฒิ ปรียวนิตย์

ผู้แต่ง

จุฬา จิระตระการวงศ์ คณะสถาปัตยกรรมศาสตร์ มหาวิทยาลัยศิลปากร
ณัฐวุฒิ ปรียวนิตย์ คณะสถาปัตยกรรมศาสตร์ มหาวิทยาลัยศิลปากร

คำสำคัญ:

ปัญญาประดิษฐ์, ข้อมูลเมือง, ข้อมูลเปิด

บทคัดย่อ

บทความวิจัยนี้มีวัตถุประสงค์เพื่อ 1. วิเคราะห์ลักษณะ โครงสร้าง และข้อจำกัดของชุดข้อมูลเมืองที่ใช้ในการออกแบบระบบต้นแบบแพลตฟอร์มอัจฉริยะสำหรับการบริหารจัดการเมือง 2. ออกแบบและพัฒนาระบบต้นแบบที่ประยุกต์ใช้ปัญญาประดิษฐ์ในการเชื่อมโยง สืบค้น วิเคราะห์ และสรุปข้อมูลเมือง และ 3. ประเมินความสามารถและข้อจำกัดของระบบต้นแบบในการตีความคำถาม เลือกใช้ข้อมูล วิเคราะห์ข้อมูล และสร้างผลลัพธ์ที่สามารถตรวจสอบย้อนกลับได้ งานวิจัยนี้เป็นการวิจัยเชิงออกแบบและพัฒนา ใช้ชุดข้อมูลเมืองจริงจากกรุงเทพมหานครและจังหวัดเชียงใหม่เป็นแหล่งข้อมูล ประกอบด้วยข้อมูลคุณภาพอากาศ ข้อมูลอุบัติเหตุ ข้อมูลการจราจร และข้อมูลเชิงพื้นที่จากฐานข้อมูลเปิด เครื่องมือที่ใช้ในการวิจัย ได้แก่ ระบบต้นแบบ ชุดคำสั่งของปัญญาประดิษฐ์ เครื่องมือวิเคราะห์ข้อมูล และชุดคำถามประเมิน จำนวน 22 ข้อ ผู้วิจัยรวบรวมและจัดเตรียมข้อมูลตามพื้นที่ ช่วงเวลา และตัวแปรที่กำหนด แล้วทดลองระบบด้วยชุดคำถามที่ครอบคลุมข้อมูลเมืองในมิติเชิงพื้นที่ เชิงเวลา และเชิงคุณลักษณะ วิเคราะห์ข้อมูลโดยประเมินความถูกต้องของพารามิเตอร์ ความเหมาะสมของข้อมูลและเครื่องมือที่ระบบเลือกใช้ รวมทั้งความถูกต้องของคำตอบเชิงตัวเลขและเชิงข้อความ โดยใช้ค่าความคลาดเคลื่อนสัมบูรณ์ ค่าร้อยละความคลาดเคลื่อนสัมบูรณ์เฉลี่ย และการวิเคราะห์เชิงพรรณนา

ผลการวิจัยพบว่า 1. ชุดข้อมูลเมืองแต่ละแหล่งมีโครงสร้าง รูปแบบการเข้าถึง ความละเอียด และอภิข้อมูลแตกต่างกัน ทำให้การเชื่อมโยงข้อมูลข้ามแหล่งจำเป็นต้องมีการจัดเตรียมข้อมูลและเครื่องมือเฉพาะสำหรับข้อมูลแต่ละประเภท 2. ระบบต้นแบบสามารถทำหน้าที่เป็นตัวกลางระหว่างคำถามภาษาธรรมชาติกับข้อมูลเมืองจากหลายแหล่ง โดยใช้กลไกปัญญาประดิษฐ์เชิงตัวแทนร่วมกับแนวคิดการสร้างคำตอบจากข้อมูลที่สืบค้นได้ เพื่อสร้างผลลัพธ์พร้อมข้อมูลประกอบที่สามารถตรวจสอบย้อนกลับได้ และ 3. ผลการประเมินจากชุดคำถามจำนวน 22 ข้อ พบว่า ระบบส่งมอบข้อมูลได้ครบถ้วน 20 ข้อ และถูกต้องบางส่วน 2 ข้อ พารามิเตอร์ที่ระบบตีความและส่งต่อมีความถูกต้อง 78 จาก 79 รายการ คำตอบเชิงตัวเลขและวันเวลามีค่าร้อยละความคลาดเคลื่อนสัมบูรณ์เฉลี่ยร้อยละ 0.04 ขณะที่คำตอบที่ต้องอาศัยการเชื่อมโยงเหตุผลหรือการอ้างอิงเชิงข้อความผิดพลาด 3 จาก 5 กรณี แสดงให้เห็นว่า ระบบมีศักยภาพในการสนับสนุนการเข้าถึงและวิเคราะห์ข้อมูลเมืองที่มีโครงสร้างชัดเจน แต่การนำไปใช้งานจริงควรออกแบบการตรวจสอบโดยมนุษย์ให้เหมาะสมกับลักษณะของผลลัพธ์และแสดงแหล่งข้อมูล พารามิเตอร์ อภิข้อมูล และหลักฐานประกอบคำตอบเพื่อเพิ่มความน่าเชื่อถือของระบบ

เอกสารอ้างอิง

Cheung, J. C. & Ho, S. S. (2025). The effectiveness of explainable AI on human factors in trust models. Scientific Reports, 15, 23337.

Del Rosario, R. F. et al. (2025). Architecting resilient LLM agents: A guide to secure plan-then-execute implementations. arXiv preprint arXiv:2509.08646.

Gantla, H. et al. (2025). Fusion of real-time traffic and environmental sensor data with machine learning for optimizing smart city operations. Fusion: Practice and Applications, 19(2), 328–340.

He, M. et al. (2025). Generative AI for urban design: A stepwise approach integrating human expertise with multimodal diffusion models. arXiv preprint arXiv:2505.24260.

Kanna, K. & Kolbe, T. H. (2025). Advanced user interaction with urban digital twins using large language models. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, X-G-2025, 469–476.

Kaynak, S. et al. (2025). City-scale digital twin framework for flood impact analysis: Integrating urban infrastructure and real-time data analytics. Urban Climate, 64, 102640.

Lin, T. (2025). Research on cross-domain data fusion and co-optimization strategy of smart city management software. Frontiers in Science and Engineering, 5(7), 35–46.

Padsala, R. et al. (2025). A data-driven urban digital twin approach for evaluating positive energy district potential using OGC standards in Stuttgart. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLVIII-4/W16-2025, 67–74.

Pan, Y. et al. (2016). Urban big data and the development of city intelligence. Engineering, 2(2), 171–178.

Tiwari, A. (2025). Conceptualising the emergence of agentic urban AI: From automation to agency. Urban Informatics, 4, 1–16.

Wilson, E. et al. (2025). Real-time data visualization frameworks for smart city applications [Preprint]. ResearchGate. doi:10.13140/RG.2.2.16704.85762.