This project aims to design and develop an electric tuk-tuk by converting the traditional combustion engine system to an electric system, supporting the reduction of air pollution and promoting sustainable automotive technology. The electric tuk-tuk is designed using a BLDC electric motor and a control system specifically adapted for the unique driving style of three-wheeled vehicles in Thailand. The study considers suitable energy systems and includes interviews with traditional tuk-tuk drivers to ensure the vehicle meets everyday usability needs. The findings suggest that adopting electric tuk-tuks not only reduces emissions and PM2.5 particulate matter but also enhances an eco-friendly image for Thailand’s tourism sector while supporting domestic innovation and economic growth.
ในช่วงไม่กี่ทศวรรษที่ผ่านมาปัญหาสิ่งแวดล้อมได้รับความสนใจอย่างมากจากทั่วโลก โดยเฉพาะในประเทศไทยที่เผชิญกับปัญหามลพิษทางอากาศอย่างรุนแรง ซึ่งเป็นหนึ่งในวิกฤตสำคัญของเมืองใหญ่เช่นกรุงเทพฯ ที่ค่าฝุ่น PM2.5 สูงถึง 27.4ไมโครกรัมต่อลูกบาศก์เมตร หรือเกินมาตรฐานขององค์การอนามัยโลก (WHO) ถึง 5 เท่า สาเหตุหลักของปัญหานี้มาจากยานพาหนะที่ใช้เครื่องยนต์สันดาปภายใน(ICE) โดยเฉพาะในยานพาหนะที่ใช้เชื้อเพลิงฟอสซิลซึ่งปล่อยทั้งก๊าซคาร์บอนไดออกไซด์(CO2) คาร์บอนมอนอกไซด์ (CO) และฝุ่น PM2.5 ซึ่งล้วนแต่ส่งผลกระทบต่อคุณภาพอากาศและสุขภาพของประชาชนรถตุ๊กตุ๊กซึ่งเป็นเอกลักษณ์ของไทยและเป็นที่นิยมในหมู่นักท่องเที่ยวเป็นอีกหนึ่งยานพาหนะที่ใช้งานมาอย่างยาวนานและมักใช้เครื่องยนต์สันดาปที่มีประสิทธิภาพต่ำ ทำให้ปล่อยมลพิษสูงกว่ายานพาหนะที่ใช้เทคโนโลยีใหม่ ดังนั้นการพัฒนารถตุ๊กตุ๊กไฟฟ้าจึงมีความสำคัญเพื่อลดการปล่อยมลพิษ ควบคู่ไปกับการรักษาเอกลักษณ์ของไทยให้คงอยู่ การเปลี่ยนรถตุ๊กตุ๊กจากเครื่องยนต์สันดาปเป็นรถไฟฟ้าจะช่วยลดการปล่อยก๊าซเรือนกระจกได้อย่างมาก โดยหากตุ๊กตุ๊กเปลี่ยนมาเป็นรถไฟฟ้าจะลดการปล่อยก๊าซเรือนกระจกจากเดิม 6.2 ตันต่อปีเหลือเพียง2 ตันต่อปี หรือคิดเป็นการลดลงถึง 67% ซึ่งสอดคล้องกับนโยบายของรัฐบาลไทยที่ตั้งเป้าลดการปล่อยก๊าซเรือนกระจกให้ได้ 20-25% ภายในปี 2573 ตามข้อตกลงปารีส (Paris Agreement) นอกจากนี้รถตุ๊กตุ๊กไฟฟ้ายังมีค่าใช้จ่ายในการบำรุงรักษาต่ำกว่ารถที่ใช้เครื่องยนต์เชื้อเพลิง เพราะไม่มีเครื่องยนต์สันดาปที่ซับซ้อนช่วยให้เจ้าของรถประหยัดค่าใช้จ่ายในระยะยาว อีกทั้งยังช่วยเสริมสร้างภาพลักษณ์ด้านสิ่งแวดล้อมให้แก่ประเทศไทย สนับสนุนการท่องเที่ยวที่เป็นมิตรต่อสิ่งแวดล้อม และเพิ่มโอกาสในการพัฒนาเทคโนโลยีในประเทศซึ่งนอกจากจะเป็นการรักษาสิ่งแวดล้อมแล้วยังสร้างโอกาสใหม่ๆในด้านเศรษฐกิจและการท่องเที่ยวอย่างยั่งยืน
คณะวิศวกรรมศาสตร์
The project uses artificial intelligence (AI) and deep learning to develop a smart police system (Smart Police) to analyze the identity of individuals and vehicles suspected of involvement in crimes. The system uses CCTV cameras to detect people with concealed weapons and track vehicles involved in crimes. The system also sends alerts to the police when a crime is detected. The Smart Police system is a collaboration between the Faculty of Engineering, King Mongkut's Institute of Technology Ladkrabang, the Provincial Police Region 2, the Chachoengsao Foundation for Development, and the Smart City Office of Chachoengsao Province. The system is designed to prevent and deter crime, increase public safety and order, and build a network of cooperation between the government, the private sector, and the community. The system is currently under development, but it has the potential to be a valuable tool for law enforcement. The system could help to reduce crime and improve public safety in Chachoengsao Province and other parts of Thailand.
คณะสถาปัตยกรรม ศิลปะและการออกแบบ
-
คณะวิทยาศาสตร์
This special project aims to develop and compare the performance of gold price prediction models using quantitative variables and news text data. The study incorporates nine key predictors, including Brent crude oil prices, WTI crude oil prices, silver prices, platinum prices, the U.S. Federal Reserve's policy interest rate, the Nikkei 225 index, the Dow Jones Industrial Average, the S&P 500 index, and daily news articles from Bangkok Business News. Relevant news data will be processed using Natural Language Processing (NLP) techniques and integrated with three predictive models: Gradient Boosting, Machine Learning Models, and Regression Analysis. The model performance will be evaluated using three key metrics: Root Mean Square Error (RMSE), Mean Absolute Error (MAE), and the Coefficient of Determination (R*). This research aims to develop a predictive model that effectively utilizes both quantitative variables and news data to enhance gold price forecasting, providing valuable insights for investors and analysts.