Accident Decoder Project

การวิเคราะห์เชิงลึกความสัมพันธ์และความขัดแย้งของสถิติอุบัติเหตุทางถนน

โปรเจควิเคราะห์ข้อมูลอุบัติเหตุทางถนน โดยมุ่งเน้นการค้นหา “ความจริงที่ขัดแย้งกับความคาดหวัง” เพื่อนำไปสู่การตัดสินใจเชิงนโยบายและการป้องกันอุบัติเหตุที่มีประสิทธิภาพมากกว่าเดิม

ปัจจุบันสถิติอุบัติเหตุถูกรายงานในรูปแบบของ “จำนวนครั้ง” เป็นหลัก ซึ่งอาจทำให้การแก้ไขปัญหาไม่ตรงจุด โปรเจคนี้จึงใช้กระบวนการ Data Science เพื่อเจาะลึกความสัมพันธ์ระหว่าง ปริมาณอุบัติเหตุ (Volume) และ ความรุนแรง (Severity) —

Data Overview

• จำนวนข้อมูล: 19,373 แถว และ 38 ตัวแปร (Columns)
• ขอบเขตข้อมูล: ข้อมูลอุบัติเหตุภายใต้การดูแลของหน่วยงานรัฐ (กรมทางหลวง และกรมทางหลวงชนบท) ปี 2019
• ตัวแปรสำคัญ: * 📍 เชิงภูมิศาสตร์: จังหวัด, ประเภทถนน, พิกัด (Lat/Long)
  • เชิงเวลา: วันที่เกิดเหตุ, เวลาที่เกิดเหตุ
  • เชิงพฤติกรรม: มูลเหตุสันนิษฐาน, ลักษณะการเกิดเหตุ
  • เชิงผลลัพธ์: จำนวนผู้เสียชีวิต, ผู้บาดเจ็บสาหัส, ผู้บาดเจ็บเล็กน้อย

Data Cleaning & Transformation

เพื่อให้ได้ตัวชี้วัดที่มีประสิทธิภาพ เราได้ดำเนินการดังนี้:

• Lethality Rate Calculation: สร้างตัวชี้วัด “อัตราการเสียชีวิตต่ออุบัติเหตุ” เพื่อวัดความรุนแรง
• Time Feature Engineering: สกัดช่วงเวลา (Hour) และเดือน (Month) เพื่อวิเคราะห์รูปแบบเชิงเวลา
• Categorical Grouping: จัดกลุ่มประเภทรถและสภาพอากาศเพื่อให้เห็นรูปแบบความสัมพันธ์

---

Key Insight Discovery

Insight 1: The Volume vs. Severity Paradox

ปริมาณรถติด ไม่ได้น่ากลัวเท่า “ถนนโล่ง”

คนทั่วไปมักคิดว่า กทม. หรือถนนเส้นหลักที่รถติดๆ จะมีคนตายเยอะเพราะอุบัติเหตุเกิดบ่อย แต่ความจริงคือ “ยิ่งถนนโล่ง ยิ่งอันตรายถึงชีวิต” แม้ กทม. จะมียอดการชนสูงลิ่ว แต่ความรุนแรงกลับต่ำ (แค่รถบุบ บาดเจ็บเล็กน้อย) ในขณะที่ “ถนนทางหลวงชนบท” หรือในต่างจังหวัดที่รถน้อย ถนนโล่ง กลับมีเคส “เสียชีวิตทันที” โผล่มาเป็นจำนวนมาก

• ** การค้นพบ:** จังหวัดที่มีอุบัติเหตุบ่อยที่สุด (เช่น กรุงเทพมหานคร - 1,528 ครั้ง) กลับมีอัตราการเสียชีวิตต่ำที่สุด (1.57%) ในขณะที่จังหวัดในพื้นที่ห่างไกล (เช่น สุรินทร์, ร้อยเอ็ด) มียอดอุบัติเหตุน้อยกว่าเกือบ 10 เท่า แต่มีอัตราการเสียชีวิตสูงกว่า 20 เท่า (33-35%)
• ** การปรับงบประมาณ:**
  • ลดการทุ่มงบโฆษณารณรงค์ในเมืองหลวง แล้วนำไปติดตั้งอุปกรณ์ลดความเร็ว (เช่น ลูกระนาดสั่นสะเทือน Rumble Strips) และไฟส่องสว่างในถนนสายรองหรือทางหลวงชนบทแทน
  • ย้ายกล้องตรวจจับความเร็วไปไว้ตามถนนต่างจังหวัดที่เป็นทางตรงยาวและโล่ง

Insight 2: The Midnight Lethality

ช่วงเวลาแห่งความตาย

หากดูแค่ “ปริมาณ” ช่วงเวลา 14.00-16.00 น. คือช่วงที่อุบัติเหตุพีคที่สุด เราอาจคิดว่านี่คือช่วงอันตราย แต่เมื่อเจาะลึกไปที่ความรุนแรง ช่วงเวลา 00:00 - 06:00 น. กลับมีสัดส่วนการตายและอุบัติเหตุรุนแรงสูงอย่างมีนัยสำคัญ

• ** การค้นพบ:** ปริมาณอุบัติเหตุพีคที่สุดช่วง 14:00 - 16:00 น. แต่อัตราการเสียชีวิตพุ่งสูงสุดในช่วง 22:00 - 05:00 น. (แตะระดับ 24.4%) อุบัติเหตุช่วงบ่ายมักเกิดจากความเร่งรีบและรถติด (รุนแรงต่ำ) แต่อุบัติเหตุช่วงกลางคืนเกิดจากทัศนวิสัยต่ำ การดื่มสุรา และการหลับใน (รุนแรงสูงมาก)
• ** การปรับงบประมาณ:**
  • จัดสรรกำลังคนใหม่: ปกติหน่วยกู้ภัยและตำรวจมักตั้งด่านหรือสแตนด์บายหนาแน่นช่วงกลางวัน/หัวค่ำ ควรปรับตารางเวรให้มีทีมพร้อมตอบสนองฉุกเฉิน ในช่วง 00:00 - 06:00 น. มากขึ้น
  • Smart Lighting: ลงทุนระบบไฟถนนอัจฉริยะที่จะสว่างขึ้นเมื่อมีรถวิ่งผ่านในเส้นทางเสี่ยงช่วงหลังเที่ยงคืน

Insight 3: The Vehicle Size Discrepancy

อุบัติเหตุต่อการเสียชีวิตของประเภทยานพาหนะ

สถิติบอกว่า “กระบะ” และ “รถเก๋ง” ชนบ่อยที่สุด (เกือบ 2 หมื่นครั้งรวมกัน) ทำให้สังคมมักเพ่งเล็งไปที่รถสองประเภทนี้ แต่ผู้รับเคราะห์ตัวจริงที่โดน Damage หนักที่สุดคือ “มอเตอร์ไซค์” (เจ็บหนัก/ตาย) และผู้สร้าง Damage ที่น่ากลัวที่สุดคือ “รถบรรทุก” (เกิดน้อย แต่ชนทีไรพังพินาศ)

• ** การค้นพบ:** รถปิคอัพและรถเก๋งมีสถิติการชนสูงสุด แต่ผู้รับเคราะห์ที่แท้จริงคือ รถจักรยานยนต์และรถสามล้อเครื่อง (อัตราตาย 36-46%) ขณะที่รถบรรทุกขนาดใหญ่และรถตู้โดยสารสร้างความรุนแรงระดับ High-Impact (อัตราตาย >20%) การบริหารจัดการถนนต้องมุ่งเน้นการแยกกลุ่มรถเป้าหมายที่ต่างกันออกจากกัน
• ** การปรับงบประมาณ:**
  • การแบ่งแยกพื้นที่ถนน (Segregation): เสนอให้มีเลนเฉพาะสำหรับรถจักรยานยนต์ (Motorcycle Lane) ในเส้นทางหลัก เพื่อแยกกลุ่มเปราะบางออกจากกลุ่มรถ 4 ล้อขึ้นไป
  • เทคโนโลยีคุมรถใหญ่: บริษัทขนส่ง/ภาครัฐ ต้องบังคับใช้ระบบ Telematics และเซ็นเซอร์เตือนจุดบอด (Blind Spot Detection) สำหรับรถบรรทุกทุกคัน เพื่อลด High Impact Case

Insight 4: The Holiday Illusion

อย่าใส่ใจแค่ช่วงเทศกาล

แม้ เม.ย. และ ธ.ค. จะมียอดอุบัติเหตุสูง แต่ถ้าเราเอาบริบทของปริมาณรถในช่วงเทศกาลมาหาร (อัตราส่วนการชนต่อจำนวนรถที่เดินทาง) เราจะพบว่าจริงๆ แล้ว ช่วงนอกเทศกาลต่างหาก ที่คนมีความเสี่ยงในการเสียชีวิตสูงกว่า! เพราะเทศกาลรถติดจนขับเร็วไม่ได้

• ** การค้นพบ:** อัตราการเสียชีวิตในเดือน “ตุลาคม-พฤศจิกายน” สูงกว่าช่วงเทศกาลสงกรานต์และปีใหม่ แคมเปญรณรงค์ระดับประเทศที่มุ่งเน้นเฉพาะช่วงเทศกาล อาจทำให้ประชาชนละเลยความเสี่ยงในช่วง “วันธรรมดาที่ถนนโล่ง” ซึ่งมีความเสี่ยงต่อการเสียชีวิตสูงกว่า
• ** การปรับงบประมาณ:**
  • Always-on Campaign: เลิกใช้งบ PR แบบทุ่มตู้มเดียวช่วงเทศกาล แต่ให้กระจายงบทำแคมเปญสร้างจิตสำนึกตลอดทั้งปี (Year-round safety communication)
  • Dynamic Insurance Pricing: สำหรับธุรกิจประกันภัย สามารถนำ Insight นี้ไปปรับเบี้ยประกันให้สะท้อนความเสี่ยงที่แท้จริง ไม่ใช่แค่จับตาดูช่วงเทศกาลอย่างเดียว

---

Correlation Analysis

จากการวิเคราะห์ Correlation Matrix พบค่าสัมประสิทธิ์ที่น่าสนใจ:

• Total Accidents vs Lethality Rate (-0.28): ยืนยันความสัมพันธ์เชิงลบทางสถิติว่า ยิ่งอุบัติเหตุเกิดบ่อย ความรุนแรงยิ่งลดลง
• Time of Day vs Total Accidents (0.45): ช่วงเวลามีอิทธิพลต่อปริมาณการจราจรและการเกิดเหตุอย่างมีนัยสำคัญ

---

Actionable Recommendations

1. Re-allocation of Safety Budget: โยกงบประมาณจากการรณรงค์เฉพาะช่วงเทศกาลและในเมืองใหญ่ ไปสู่การติดตั้งอุปกรณ์ชะลอความเร็วในทางหลวงชนบทตลอดทั้งปี
2. Midnight Quick Response: เพิ่มศักยภาพหน่วยกู้ชีพขั้นสูง (ALS) ในช่วงเวลาหลัง 22:00 น. เพื่อรองรับเคสอุบัติเหตุรุนแรง
3. Specific Lane Segregation: บังคับใช้เลนเฉพาะรถจักรยานยนต์ในเส้นทางที่มีรถบรรทุกขนาดใหญ่วิ่งหนาแน่น
4. Point-to-Point Speed Cameras: ติดตั้งระบบตรวจจับความเร็วแบบเฉลี่ยบนทางหลวงทางตรงยาว เพื่อลดพฤติกรรมการขับรถเร็วในพื้นที่ถนนโล่ง