รายงานฉบับสมบูรณ์ "โครงการจัดทำผลการวิเคราะห์ทิศทางแนวโน้มด้านเทคโนโลยีอวกาศและภูมิสารสนเทศ"

โครงการจัดทําผลการวิเคราะหทิศทางแนวโนม ดานเทคโนโลยีอวกาศและภูมิสารสนเทศ (Technology Trend Analysis in Space and Geo-Informatics Technology)

รายงานฉบับสมบูรณ

สถาบันเทคโนโลยีพระจอมเกลาเจาคุณทหารลาดกระบัง

วันที่ 22 พฤศจิกายน พ.ศ. 2560

รายชื่อคณะทางาน 1. ศาสตราจารย์ ดร. พรชัย ทรัพย์นิธิ (หัวหน้าโครงการ) 2. ดร. พีระเมศร์ โชติกวีกิจญาดา

(ผู้เชี่ยวชาญด้าน Space)

3. ดร. กรวิก ตนักษรานนท์

(ผู้เชี่ยวชาญด้าน GIS)

4. นางสาวอัจฉราภรณ์ บารุงกิจ

(ผู้เชี่ยวชาญด้าน GNSS)

5. ดร. เวธิต ภาคย์พิสุทธิ์

(ผู้เชี่ยวชาญด้าน ICT)

I

สารบัญ

เรื่อง บทที่ 1 บทนํา 1.1 บทนํา 1.2 วัตถุประสงค 1.3 ขอบเขตการดําเนินการ 1.4 วิธีการดําเนินการวิจัย 1.5 แผนการดําเนินการวิจัย บทที่ 2 แนวโนมเทคโนโลยีดา นอวกาศ (Space) 2.1 แนวโนมเทคโนโลยีสําหรับดาวเทียมสื่อสาร 2.1.1 High throughput satellite (HTS) 2.1.2 High frequency band 2.1.3 High-Altitude Platform Station (HAPS) 2.1.4 เทคโนโลยีที่ใชในการลดผลกระทบในการสื่อสารผานดาวเทียม (Mitigation Technology) 2.2 แนวโนมเทคโนโลยีสําหรับดาวเทียมสํารวจทรัพยากร (Earth Observation Satellites) 2.2.1 Hyperspectral camera 2.2.2 Multiband SAR 2.3 แนวโนมเทคโนโลยีดาวเทียมอื่น ๆ 2.3.1 ดาวเทียมควอนตัม (Quantum satellite) 2.3.2 ดาวเทียมขนาดเล็ก (Small Satellite) 2.4 แนวโนมเทคโนโลยีของอุปกรณที่เกี่ยวของกับการใชงานดาวเทียม 2.4.1 อุปกรณบนดาวเทียม (Space segment) 2.4.2 อุปกรณภาคพื้นดิน (Ground segment) 2.5 แนวโนมเทคโนโลยีของการแกปญหาขยะอวกาศ เอกสารอางอิง บทที่ 3 แนวโนมเทคโนโลยีดานภูมิสารสนเทศ (Geographic Information System, GIS) 3.1 ขอมูลเชิงตําแหนงจากแหลงใหม 3.1.1 ขอมูลจากโซเชียลมีเดีย 3.1.2 ขอมูลจากระบบคราวดซอรสซิง (Crowdsourcing)

หนา 1 1 1 2 2 3 4 5 7 11 12 16 17 18 19 21 21 22 24 24 34 36 41 47 47 47 50

เรื่อง

สารบัญ (ตอ) 3.1.3 ขอมูลจากเซ็นเซอรและอุปกรณอิเล็กทรอนิกส 3.1.4 แนวโนมของระบบสารสนเทศภูมิศาสตรจากผลกระทบของขอมูลเชิง ตําแหนงจากแหลงใหม 3.2 โครงสรางพื้นฐานที่เกี่ยวของกับเทคโนโลยีภูมิสารสนเทศ 3.2.1 อินเทอรเน็ต 3.2.2 เครื่องมือที่ใชในการผลิตแผนที่ 3.2.2.1 ระบบฐานขอมูลเชิงตําแหนง 3.2.2.2 ซอฟตแวรที่ใชในการสรางแผนที่และจัดการขอมูลเชิงตําแหนง 3.2.3 แนวโนมของระบบสารสนเทศภูมิศาสตรจากโครงสรางพื้นฐานใหม 3.3 ปญญาประดิษฐ (Artificial Intelligence, AI) 3.4 เทคโนโลยีแสดงผลขอมูลเชิงตําแหนง 3.4.1 สามมิติ 3.4.2 Virtual Reality (VR) 3.4.3 Augmented Reality (AR) 3.4.4 อุปกรณแสดงผล 3.4.5 ผลจากเครื่องมือในการแสดงผลขอมูลเชิงตําแหนง 3.5 แนวโนมเชิงนโยบาย 3.5.1 นโยบายเปด 3.5.1.1 เปดเผยขอมูล 3.5.1.2 ซอฟตแวรรหัสเปด (opensource software) 3.5.2 มาตรฐานแบบเปด (open standard) 3.5.3 การรวมมือกัน 3.5.4 แนวโนมของระบบสารสนเทศภูมิศาสตรจากแนวโนมเชิงนโยบาย 3.6 มาตรฐานดานแผนที่ 3.6.1 รูปแบบการรองขอขอมูลแผนที่ออนไลน (map request) 3.6.1.1 รูปแบบการ request tile map 3.6.1.2 รูปแบบการ request feature

หนา 52 53 56 56 57 57 58 61 61 63 63 63 64 67 67 68 68 68 73 73 73 74 75 75 75 76

เรื่อง

สารบัญ (ตอ)

3.6.2 ชนิดขอมูลเชิงพื้นที่บนเว็บ 3.6.2.1 รูปภาพชนิด raster tile และ vector tile 3.6.2.2 Scalable Vector Graphics (SVG) 3.6.2.3 GeoJSON และ TopoJSON 3.6.2.4 รูปแบบ RD 3.6.2.5 รูปแบบอื่น ๆ 3.6.3 แนวโนมมาตรฐานดานแผนที่ 3.7 แนวโนมเทคโนโลยีสารสนเทศภูมิศาสตรในประเทศไทย เอกสารอางอิง บทที่ 4 แนวโนมเทคโนโลยีระบบดาวเทียมนําทางโลก (Global Navigation Satellite System, GNSS) 4.1 สถานะปจจุบันของเทคโนโลยีระบบดาวเทียมนําทางโลก 4.1.1 โครงสรางของระบบดาวเทียมนําทาง 4.1.1.1 สวนอวกาศ 4.1.1.2 สวนภาคพื้นดิน 4.1.1.3 สวนผูใชงาน 4.1.2 สัญญาณที่ใชงานในระบบดาวเทียมนําทางและพื้นที่ใหบริการ 4.1.3 ประเภทของการระบุตําแหนง 4.1.3.1 เทคนิค Differential GNSS (DGNSS) 4.1.3.2 เทคนิค Real-time kinematic (RTK) 4.1.3.3 เทคนิค Precise-point positioning (PPP) 4.1.3.4 เทคนิค Assisted GNSS (A-GNSS) 4.1.3.5 Satellite-based augmentation system (SBAS) 4.1.3.6 Ground-based augmentation system (GBAS) 4.1.3.7 ระบบ Automatic Dependent Surveillance Broadcast (ADSB) 4.1.4 ประโยชนของเทคโนโลยี GNSS นอกเหนือจากการระบุตําแหนง 4.1.4.1 มาตรฐานเวลา 4.1.4.2 อุตุนิยมวิทยา 4.1.4.3 สภาวะอวกาศ (Space Weather) และการสื่อสารวิทยุ 4.1.4.4 การเคลื่อนตัวของผิวเปลือกโลก (Earth Crustal Movement)

หนา 77 77 77 78 79 79 79 80 82 88 88 90 90 93 95 95 100 103 103 106 108 110 113 114 118 118 120 121 122

เรื่อง

สารบัญ (ตอ)

4.1.5 เครือขายสถานีจีเอ็นเอสเอสและการคิดคาบริการ (Station Network and Service Fee) 4.1.5.1 หนวยงาน International GNSS service (IGS) 4.1.5.2 เครือขายสถานีจีเอ็นเอสเอส 4.2 แนวโนมเทคโนโลยีระบบดาวเทียมนําทาง 4.2.1 เทคโนโลยีดาวเทียมนําทางหลายระบบ (multi-constellation) และหลาย ความถี่ (multi-frequency) 4.2.2 การพัฒนาระบบดาวเทียมนําทางในอนาคต 4.2.2.1 โครงการ GPS Modernization 4.2.2.2 ระบบดาวเทียมนําทางโกลนาส 4.2.3 อุตสาหกรรมเกี่ยวของกับระบบดาวเทียมนําทาง 4.2.4 เซ็นเซอร (sensor) และการหลอมรวมขอมูล (Data Fusion) 4.2.5 การสงสัญญาณรบกวน (jamming) และการสงสัญญาณหลอก (spoofing) เอกสารอางอิง บทที่ 5 แนวโนมเทคโนโลยีสารสนเทศ (Information and Communications Technology, ICT) 5.1 อินเทอรเน็ตสรรพสิ่ง (internet of things) 5.1.1 เทคโนโลยีที่ใชในการเชื่อมตออุปกรณ IoT 5.1.1.1 การสื่อสารผานสายไฟฟา (Power line communication, PLC) 5.1.1.2 เทคโนโลยีซิกบี (Zigbee) และบลูทูธ (Bluetooth) 5.1.1.3 802.11ah 5.1.1.4 LoRa 5.1.1.5 LTE-M และ NB-IoT 5.1.2 เทคโนโลยีการประมวลผลขอมูลขนาดใหญ 5.1.3 เทคโนโลยีระบุตําแหนงภายในอาคาร 5.1.4 การระบุตําแหนงโดยใชระบบเครือขายคอมพิวเตอรไรสาย 5.1.5 การระบุตําแหนงโดยใชอุปกรณตรวจจับความเคลื่อนไหว 5.1.6 ผลกระทบที่เกิดขึ้นเมื่อเทคโนโลยี IoT ถูกนํามาใช 5.1.7 ประเด็นที่ตองติดตาม 5.1.8 แนวโนมการประยุกตใชงานเทคโนโลยี IoT

หนา 122 123 128 140 141 143 145 149 166 173 174 178 185 186 187 188 189 189 190 191 191 192 193 195 197 197 198

เรื่อง

สารบัญ (ตอ)

5.2 ปญญาประดิษฐ (Artificial Intelligence, AI) 5.2.1 เทคโนโลยีสําคัญดานการเรียนรูของเครื่อง (machine learning) 5.2.1.1 Deep learning 5.2.1.2 Reinforcement learning 5.2.2 หนวยประมวลผลสาหรับ machine learning 5.2.3 ผลกระทบที่เกิดขึ้นเมื่อเทคโนโลยีปญญาประดิษฐถูกนามาใชงาน 5.2.4 ประเด็นที่ตองติดตาม 5.2.5 แนวโนมการประยุกตใชงานเทคโนโลยีปญญาประดิษฐในภาคอุตสาหกรรม 5.2.6 แนวโนมการประยุกตใชงานเทคโนโลยีปญญาประดิษฐกับเทคโนโลยีภูมิ สารสนเทศ 5.3 บล็อกเชน (blockchain) 5.3.1 พัฒนาการของเทคโนโลยีบล็อกเชนใน bitcoin 5.3.2 ผลกระทบที่เกิดขึ้นเมื่อเทคโนโลยีบล็อกเชนถูกนํามาใชงาน 5.3.3 ประเด็นที่ตองติดตาม 5.3.4 แนวโนมการประยุกตใชงานเทคโนโลยีบล็อกเชนในภาคธุรกิจ 5.3.5 แนวโนมการประยุกตใชงานเทคโนโลยีบล็อกเชนกับเทคโนโลยี IoT 5.3.6 แนวโนมการประยุกตใชงานเทคโนโลยีบล็อกเชนกับเทคโนโลยีภูมิสารสนเทศ 5.4 คอมพิวเตอรควอนตัม (quantum computer) 5.4.1 คิวบิต (qubit) 5.4.2 ผลกระทบที่เกิดขึ้นเมื่อเทคโนโลยีคอมพิวเตอรควอนตัมถูกนํามาใชงาน 5.4.3 ประเด็นที่ตองติดตาม 5.4.4 แนวโนมการพัฒนาเทคโนโลยีคอมพิวเตอรควอนตัม 5.4.5 การประยุกตใชงาน quantum mechanics กับเทคโนโลยีอวกาศ เอกสารอางอิง บทที่ 6 การบูรณาการเทคโนโลยีอวกาศ ภูมิสารสนเทศ จีเอ็นเอสเอส และสารสนเทศ 6.1 การเกษตร 6.1.1 การเกษตรแมนยําสูง (Precision agriculture) 6.1.2 โลจิสติกสทางการเกษตร (Agro-Logistic) 6.2 ภัยพิบัติ 6.2.1 ระบบสารสนเทศภูมิศาสตรกับภัยพิบัติทางธรรมชาติ

หนา 200 201 201 202 203 205 207 208 209 209 211 211 212 212 214 215 216 216 217 218 219 219 220 228 228 229 231 247 247

เรื่อง

สารบัญ (ตอ)

6.2.1.1 ขอมูลจากการสํารวจระยะไกล (Remote sensing) 6.2.1.2 ขอมูลที่ไดจากอาสาสมัคร (volunteered geographic information) 6.2.2 ระบบดาวเทียมนําทางกับภัยพิบัติทางธรรมชาติ 6.2.2.1 การวิเคราะหดินถลม 6.2.2.2 การตรวจจับแผนดินไหวและคลื่นสึนามิ 6.3 การประยุกตใชเทคโนโลยีกับงานดานทรัพยากรธรรมชาติและสิ่งแวดลอม 6.3.1 ทรัพยากรที่ไมสิ้นเปลือง 6.3.1.1 พลังงานลม 6.3.1.2 แสงอาทิตย 6.3.1.3 พลังงานชีวมวล (Biomass energy) 6.3.1.4 น้ํา 6.3.2 ทรัพยากรที่สิ้นเปลือง 6.3.2.1 ปาไม 6.3.3 สิ่งแวดลอม 6.4 การเปลี่ยนแปลงสภาพภูมิอากาศ เอกสารอางอิง บทที่ 7 การวิเคราะหแนวโนมเทคโนโลยี 7.1 บทวิเคราะหแนวโนมเทคโนโลยีอวกาศ 7.1.1 รายละเอียดบทสัมภาษณผูเชี่ยวชาญดานอวกาศ 7.1.2 แนวโนมการตีพิมพดานเทคโนโลยีอวกาศในฐานขอมูล Scopus 7.1.3 สรุปแนวโนมเทคโนโลยีดานอวกาศ 7.1.3.1 เทคโนโลยีที่จะหายไป (Faded out technology) 7.1.3.2 เทคโนโลยีที่จะเขามา (Faded in technology) 7.1.3.3 เทคโนโลยีเปลี่ยนอุตสาหกรรม (Disruptive technology) 7.1.4 แนวทางและกิจกรรมดานเทคโนโลยีอวกาศสําหรับประเทศไทย 7.1.4.1 Remote sensing 7.1.4.2 Payload 7.1.4.3 CubeSat และ Micro Satellite 7.1.4.4 การพัฒนาซอฟตแวร

หนา 250 251 254 254 254 255 256 257 258 259 259 260 260 261 263 285 291 291 291 292 296 296 296 296 297 297 298 298 298

เรื่อง

สารบัญ (ตอ) 7.1.4.5 การพัฒนาบุคคลากร การสรางเครือขายและความรวมมือ 7.2 บทวิเคราะหแนวโนมเทคโนโลยีภูมิสารสนเทศ 7.2.1 รายละเอียดบทสัมภาษณผูเชี่ยวชาญดานภูมิสารสนเทศ 7.2.2 แนวโนมการตีพิมพดานเทคโนโลยีภูมิสารสนเทศ 7.2.3 สรุปแนวโนมเทคโนโลยีดานภูมิสารสนเทศ 7.2.3.1 เทคโนโลยีที่จะหายไป (Faded out technology) 7.2.3.2 เทคโนโลยีที่จะเขามาแทนที่ (Faded in technology) 7.2.4 แนวทางและกิจกรรมดานเทคโนโลยีภูมิสารสนเทศสําหรับประเทศไทย 7.2.4.1 Volunteered geographic information system (VGIS) 7.2.4.2 สนับสนุนนวัตกรรมเปด 7.2.4.3 การพัฒนาขอมูลภูมิสารสนเทศรัฐ 7.2.4.4 แนวทางพัฒนาบุคคลากร 7.3 บทวิเคราะหแนวโนมเทคโนโลยี GNSS 7.3.1 รายละเอียดบทสัมภาษณผูเชี่ยวชาญดาน GNSS 7.3.2 แนวโนมการตีพิมพดานเทคโนโลยีเอ็นเอสเอสในฐานขอมูล Scopus 7.3.3 สรุปแนวโนมเทคโนโลยีดานเอ็นเอสเอส 7.3.3.1 เทคโนโลยีหายไป (Fade-out technology) 7.3.3.2 เทคโนโลยีที่จะเขามาแทนที่ (Fade-in technology) 7.3.3.3 เทคโนโลยีเปลี่ยนอุตสาหกรรม (Disruptive technology) 7.3.3.4 ตารางสรุปแนวโนมเทคโนโลยี 7.3.4 แนวทางและกิจกรรมดานเทคโนโลยีเอ็นเอสเอสสําหรับประเทศไทย 7.3.4.1 เครือขายเอ็นเอสเอสระดับชาติและการใชประโยชน 7.3.4.2 เครื่องรับราคาต่ําสําหรับ RTK PPP และการใชงานรวมกับ เซ็นเซอร 7.3.4.3 ความเสี่ยงตอระบบเอ็นเอสเอส (GNSS Threats) 7.3.4.4 แนวทางพัฒนาบุคคลากร การสรางเครือขายและความรวมมือ 7.4 กิจกรรมและแนวทางวิจัยพัฒนาบูรณาการในอนาคต ภาคผนวก

หนา 298 299 301 303 307 307 307 309 309 309 309 309 310 311 313 317 317 317 317 317 319 319 319 319 319 320 323

สารบัญรูป

รูปที่ 2.1 แสดงถึงพื้นที่และความถี่ในการใหบริการระหวางดาวเทียมทั่วไปกับ HTS 2.2 การเติบโตของผูใชงาน 2G, 3G และ 4G 2.3 การเพิ่มขึ้นของความจุสําหรับ HTS 2.4 กลุมดาวเทียม 4,425 ดวง ในวงโคจรต่ําของบริษัท SpaceX 2.5 ดาวเทียมวงโคจรต่ํา 648 ดวง ของบริษัท OneWeb 2.6 Constellation ดาวเทียมของบริษัท Telesat ในวงโคจรต่ํา 2.7 การวิเคราะหปริมาณแบนดวิดทที่เพิ่มสําหรับการใชงานดาวเทียมในวงโคจรต่ํา 2.8 เปรียบเทียบการใชงานความถี่ดาวเทียมในยานตาง ๆ 2.9 ขอมูลเบื้องตนของดาวเทียม Viasat-2 2.10 โครงการของเฟซบุกที่จะใชโดรนในการเชื่อมตออินเทอรเน็ต 2.11 แผนภาพการเชื่อมตอโครงการบอลลูนของบริษัทกูเกิล 2.12 โครงการ Zephyr 2.13 การเชื่อมตอ HAPS ของบริษัท Stratxx 2.14 ยานความถี่ของเซ็นเซอรสําหรับใชงานดาวเทียมสํารวจทรัพยากร 2.15 ตัวอยางขอมูลที่ไดจาก hyperspectral เซ็นเซอร 2.16 ตัวอยางตารางเปรียบเทียบการใชงานยานความถี่กับรายละเอียด 2.17 หลักการทํางานของดาวเทียมควอนตัม 2.18 ดาวเทียม CubeSat ของนาซาที่ทําขึ้นโดยประยุกตใชงานจากมือถือ 2.19 กราฟแสดงถึงการคาดคะเนการสงดาวเทียมขนาดเล็กขึ้นสูวงโครจร 2.20 เทคโนโลยี multi spot-beam ที่ใชในดาวเทียม Eutelsat 2.21 การใชงานของเทคโนโลยีในการผลิตโซลารเซลลตาง ๆ ในทั่วโลก 2.22 ประสิทธิภาพของโซลารเซลลจากผูผลิตชั้นนําของโลก 2.23 ประสิทธิภาพของโซลารเซลลแตละชนิด 2.24 ราคาของโซลารเซลลในชวงป 1977 ถึง 2015 2.25 ชั้นของสารในการสรางโซลารเซลล 2.26 ความตองการใชงานของ Lithium-ion แบตเตอรีที่เพิ่มขึ้น 2.27 ราคาของแบตเตอรี Lithium-ion ที่ลดลงเรื่อย ๆ ในชวง 10 ปที่ผานมา 2.28 Lithium-ion แบตเตอรีของบริษัท GS Yuasa 2.29 พัฒนาการของแบตเตอรี 2.30 ระบบการทํางานของ thermal loop

หนา 5 6 7 9 9 10 10 11 12 13 14 15 15 17 19 20 21 23 24 25 26 26 27 27 28 28 29 30 31 32

สารบัญรูป (ตอ)

รูปที่ 2.31 ตัวขับเคลื่อนดวยไฟฟาจําลอง 2.32 หนึ่งในตัวขับเคลื่อนดาวเทียม CubeSat 2.33 จานสายอากาศขนาดตางๆของบริษัท ไทยคม จํากัด มหาชน 2.34 ระบบการรับขอมูลภาพถายและควบคุมดาวเทียมของสทอภ.

2.35 NICT ประเทศญี่ปุน ทดสอบรับ-สงขอมูลผานดาวเทียมดวยเลเซอร 2.36 ขยะอวกาศจากอดีตสูปจจุบัน 2.37 ฐานขอมูลชองการสงดาวเทียมขนาดเล็กขึ้นสูวงโคจร 2.38 ยานอวกาศ “สตอรค” 2.39 CubeSail ซึ่งกางแผงโซลารเซลแลว 2.40 แนวคิดการจัดการขยะอวกาศของ ESA 2.41 ตัวอยางการสังเกตการณดาวเทียมในวงโคจรคางฟาของบริษัท ExoAnalysis Solutions 3.1 จํานวนผูใชงานตอเดือนของโซเชียลมีเดียชั้นนําและบริการ messaging ไดแก ทวิตเตอร เฟซบุก วอตสแอปป วีแชท และอินสตาแกรม 3.2 ฟงกชันระบุตําแหนงใน ทวิตเตอร เฟซบุก และอินสตาแกรม 3.3 OpenStreetMap 3.4 ภาพตัวอยางจากโปรแกรม Mapillary 3.5 หนาเว็บ AirVisual.com ซึ่งมีเซ็นเซอรตรวจวัดคุณภาพอากาศที่ประชาชนทั่วไปสามารถซื้อได และเมื่อตอเขากับอินเทอรเน็ตแลวจะสงขอมูลเพื่อแสดงผลในเว็บ 3.6 แผนที่ Google Maps แสดงตําแหนงรถ GrabCar แบบเรียลไทม 3.7 เว็บรายงานสภาพอากาศจากเซ็นเซอร hindustantimes 3.8 แผนที่กูเกิลแสดงตําแหนงรานคาภายในอาคาร สามารถเปลี่ยนชั้นเพื่อดูรานแตละชั้นได 3.9 แผนที่ในหนังสือพิมพ The New York Times 3.10 เครื่องมือสรางแผนที่บนเว็บที่เปนโอเพนซอรสในปจจุบัน แบงเปนเครื่องมือฝง client (javascript library) และฝง server 3.11 ตัวอยางโลกสามมิติแบบแอนิเมชันที่รันในเบราวเซอร 3.12 วิดีโอหนึ่งจาก YouTube VR ที่วิดีโอสามารถหมุนไปโดยรอบได 3.13 AR Sandbox แสดงขอมูลภูมิประเทศลงบนทรายในรูปแบบ contour เมื่อเคลื่อนยายทราย contour จะเปลี่ยนไปดวย โดยการเปลี่ยนแปลงความสูงของทรายนั้นมีการตรวจจับดวย 3D scanner

หนา 33 33 34 35 36 36 37 38 39 39 40 48 49 50 51 53 54 54 56 59 60 63 64

64

สารบัญรูป (ตอ)

รูปที่ 3.14 ภาพแสดงหลักการทํางานของ AR Sandbox ซึ่งประกอบไปดวย 3D scanner ตรวจจับการ เปลี่ยนแปลง และโปรเจกเตอรฉายภาพ contour 3.15 MIT CityScape 3.16 MIT CityScope ใชตัวตอเลโกแทนผังเมืองที่ผูใชสามารถโตตอบได ซึ่งเมื่อโตตอบแลวจะมีผล ใหขอมูลเปลี่ยนแลวแสดงลงบนพื้นผิวเลโกนั้น 3.17 การใชงาน CityIO ผานทางหนาจอไอแพด 3.18 mixed reality ใน windows 10 3.19 ความเหมาะสมของรูปแบบในการเปดเผยขอมูลในผูใชแบบตาง ๆ 3.20 คาใชจายในการบริการแผนที่หรือขอมูลทางแผนที่ของกรมพัฒนาที่ดิน จากกฎกระทรวง พ.ศ. 2555 3.21 รายละเอียดที่ชี้แจงเว็บไซตของสานักวิจัย พัฒนาและอุทกวิทยา กรมทรัพยากรนา กระทรวง ทรัพยากรธรรมชาติและสิ่งแวดลอม 3.22 แอปพลิเคชันขอมูลสารสนเทศทรัพยากรดินรายจังหวัด 3.23 รูปแบบความรวมมือกัน 3.24 ตัวอยางภาพจากการ request แบบ OGC Web Map Tile Service 3.25 ตัวอยาง SVG 3.26 แผนที่แบบ SVG 3.27 Wongnai 4.1 โครงสรางระบบดาวเทียมจีพีเอส 4.2 วงโคจรของระบบดาวเทียมนําทาง (ก) ระบบจีพีเอส (ข) ระบบโกลนาส (ค) ระบบกาลิเลโอ (ง) ระบบไปโตว (จ) ระบบ IRNSS และ (ฉ) ระบบ QZSS 4.3 หนาที่ของสวนภาคพื้นดินของระบบดาวเทียมกาลิเลโอ 4.4 เครือขายสถานีควบคุมและสถานีตรวจสอบภาคพื้นดินในระบบดาวเทียมจีพีเอส 4.5 เครือขายสถานีภาคพื้นดินในระบบดาวเทียมกาลิเลโอ 4.6 สถานีควบคุม (Control station) ในระบบ QZSS 4.7 ตัวอยางผลิตภัณฑเครื่องรับจีพเี อส (ก) บอรด OEM (ข) อุปกรณใชงานพรอมแผนที่ (ค) เครื่องรับสัญญาณสองความถี่ และ (ง) โมดูล (module) จีพีเอสพรอมสายอากาศ 4.8 ภาพรวมยานความถี่ใชงานในระบบดาวเทียมนําทาง 4.9 สเปกตรัมของระบบโกลนาสในยาน L1 (G1) เมื่อเทียบกับระบบอื่น ๆ 4.10 การแบงประเภทของการระบุตําแหนง

หนา 65 65 66 66 67 69 70 71 72 73 76 77 78 80 90 92 93 94 94 94 95 96 100 101

สารบัญรูป (ตอ)

รูปที่ 4.11 ประเภทของการระบุตําแหนง 4.12 การเปรียบเทียบวิธีการระบุตําแหนงเพิ่มความแมนยําในแตละวิธี 4.13 หลักการทํางานของวิธี RTK 4.14 ระบบ RTK ผานเครือขาย (Network RTK) 4.15 เทคนิคสถานีอางอิงเสมือน (VRS) 4.16 ภาพรวมระบบ PPP 4.17 หนาเว็บใหบริการคํานวณคา PPP 4.18 หนาตางโปรแกรม RTKLIB เพื่อแสดงการทํางานของเครื่องรับจีเอ็นเอสเอส 4.19 หลักการทํางานของเทคนิค A-GNSS 4.20 ภาพรวมระบบ SBAS 4.21 แสดงบริเวณที่ระบบ SBAS ครอบคลุมในขณะนี้ 4.22 เครือขายสถานีอางอิง (reference network) ในระบบ SBAS 4.23 โครงสรางของระบบจีบาส 4.24 ระบบ ADSB และการทํางาน 4.25 ตัวอยางแผนที่โลกและตําแหนงอากาศยานทั่วโลก 4.26 ตัวอยางการรวมขอมูลติดตามอากาศยานจากหลายวิธี 4.27 การเปรียบเทียบเวลาอางอิงจากระบบจีพีเอส (แดง) โกลนาส (เหลือง) และกาลิเลโอ (สีเขียว) 4.28 ขั้นตอนในการคํานวณเวลา TAI และ UTC 4.29 ตัวอยางแผนที่ทํานายคา PWV 4.30 ตัวอยางแผนที่ TEC และความผิดพลาดตําแหนงโดยความถี่ L1 4.31 องคประกอบของหนวยงาน IGS 4.32 ตําแหนงสถานีอางอิงในเครือขาย IGS 4.33 เครือขายสถานี CORS ในประเทศสหรัฐอเมริกา 4.34 เครือขายสถานี CORS ในเครือขาย EUREF ทวีปยุโรป 4.35 ตัวอยางคาสถานะการสงขอมูลสถานี GNSS ในเครือขาย EPN ทั้งรายวันและรายชั่วโมง 4.36 เครือขายสถานีจีเอ็นเอสเอสในระบบ GEONET 4.37 เครือขายสถานีจีเอ็นเอส ภายใต CMONOC Network 4.38 เครือขายจีเอ็นเอสเอสในประเทศไทยที่คาดวาจะเสร็จสมบูรณในป 2561 4.39 เครือขายสถานีจีเอ็นเอสเอสในระบบ MyRTKNET 4.40 เครือขายสถานีจีเอ็นเอสเอส SatRef ในเขตปกครองพิเศษฮองกง

หนา 102 103 104 105 105 106 107 108 109 110 112 113 114 115 116 118 119 120 121 122 124 125 128 129 130 131 134 136 137 138

สารบัญรูป (ตอ)

รูปที่ 4.41 ตําแหนงสถานีในเครือขาย MGM-Net ในป 2015 4.42 ระบบ SBAS ในปจจุบันและที่กําลังอยูระหวางพัฒนา 4.43 ตัวอยางบริการเชิงพาณิชยสําหรับเทคโนโลยีเสริมความแมนยํา 4.44 แผนการใหบริการของดาวเทียมนําทางทุกระบบ 4.45 แนวโนมจํานวนดาวเทียมนํารองทุกระบบที่คาดวาจะมองเห็นได (มุมเงยสูงกวา 30 องศา) ใน ป ค.ศ. 2020 4.46 ยานความถี่ของสัญญาณดาวเทียมนําทางที่ใชงานไดในอนาคต 4.47 แนวโนมจํานวนดาวเทียมที่จะสามารถใชงานได (รวมดาวเทียม SBAS) ตั้งแตป ค.ศ 2010 จนถึงป ค.ศ. 2023 4.48 สวนประกอบของระบบดาวเทียมนํารองจีพีเอสเดิม และระบบทันสมัยในอนาคต 4.49 สวนประกอบของระบบดาวเทียมนํารองจีพีเอสเดิม และระบบทันสมัยในอนาคต 4.50 ตารางเวลาการสงดาวเทียมรุน GPS III ในชวงป 2018 ถึงป 2033 4.51 แผนภาพระบบ OCX เชื่อมตอกับองคประกอบของระบบดาวเทียมนํารองจีพีเอส 4.52 แผนที่แสดงพื้นที่การใหบริการของระบบ SDCM 4.53 พื้นที่ซึ่งระบบ EGNOS ครอบคลุม 4.54 แผนการดําเนินการระบบดาวเทียมนํารองกาลิเลโอ 4.55 ความแมนยาแนวนอน (horizontal) และแนวตั้ง (vertical) 4.56 แผนการดําเนินการ 3 ระยะของระบบดาวเทียมไปโตว 4.57 แผนการพัฒนาสถาปตยกรรมระบบเสริมความแมนยํา 4.58 พื้นที่บริการของดาวเทียมระบบ QZSS 4.59 พื้นใหบริการของระบบดาวเทียมนําทาง QZSS 4.60 แผนการดําเนินการระบบดาวเทียม QZSS 4.61 ตําแหนงดาวเทียมทั้งหมดในระบบ QZSS 4.62 ปจจัยสําคัญที่สงผลตอการพัฒนาอุปกรณภาครับ 4.63 การพัฒนาไมโครโปรเซสเซอรในชวง 40 ปที่ผานมา 4.64 การเปรียบเทียบระหวางแนวทางการออกแบบอุปกรณเครื่องรับสัญญาณแบบดั้งเดิมและแบบ กําหนดดวยซอฟตแวร 4.65 ตัวอยางอุปกรณรับสัญญาณ (ก) อุปกรณรับสัญญาณหลายระบบ (multi-) (ข) Magic Box (ค) MG20 4.66 บอรด OEM สาหรับความถี่ L1 ในทองตลาด

หนา 139 142 142 143 144 144 145 146 146 147 148 149 150 150 151 151 153 156 156 157 158 158 159 160 161 162

สารบัญรูป (ตอ)

รูปที่ 4.67 ความผิดพลาดตําแหนงในแนวนอนและแนวตั้งเมื่อทดสอบเครื่องรับ u-Blox รุน EVK-M8T รวมกับสายอากาศ รุน Trimble Zephyr 2 4.68 ประสิทธิภาพในการระบุตําแหนงของโทรศัพทมือถือ ในกรณี (ก) ไมชดเชยดีเลยชั้นไอโอโนสเฟยร และ (ข) ชดเชยดีเลยชั้นไอโอโนสเฟยร 4.69 ชิปประมวลผลความถี่ L1 และ L5 รุน BCM47755 โดยบริษัท Broadcom 4.70 สเปกตรัมของสัญญาณ L1 และ L5 เมื่อรวมสัญญาณสะทอน 4.71 เครื่องรับชนิด Ultra receiver (1 แชนแนล) 4.72 การคาดการณจํานวนผูใชงานสมารตโฟนในประเทศไทย ตั้งแตป 2013 จนถึง 2022 4.73 จํานวนเรือประมงไทย 4.74 ตัวอยางการประยุกตใชงานระบบดาวเทียมนําทาง 4.75 มูลคาอุตสาหกรรมเกี่ยวของกับระบบ 4.76 มูลคาอุตสาหกรรมเกี่ยวของกับระบบ 4.77 แนวโนมเทคโนโลยีมหภาค (macrotrend) ซึ่งระบบจีเอ็นเอสเอสเปนสวนสําคัญ 4.78 ตัวอยางเซ็นเซอรสําคัญที่ใชงานในปจจุบัน 4.79 การหลอมรวมขอมูล 4.80 ประเภทของความเสี่ยงตอสัญญาณจีเอ็นเอสเอส 4.81 ตัวอยางสัญญาณรบกวน chirp ตอความถี่ L1 4.82 ลักษณะของความเสี่ยงตอสัญญาณจีเอ็นเอสเอส 4.83 (ก) หลักการประมาณทิศทางจากสายอากาศหมุนไดและ (ข) การลบสัญญาณออก 4.84 กราฟ sky plot และกําลังสัญญาณกอนและหลังจากการตัดสัญญาณหลอกออกไป 5.1 สวนประกอบของ IoT 5.2 อุปกรณ PLC ยี่หอ TP-link รุน TL-WPA8630 5.3 การเชือ่ มตออุปกรณ IoT แบบ mesh network 5.4 ระยะทางการสื่อสารมาตรฐาน 802.11 5.5 แผนการกําหนดคลื่นความถี่เพื่อรองรับการเชื่อมตอของอุปกรณ IoT ในประเทศไทย 5.6 การใชงานสเปกตรัมของ nb-Iot ในโครงขายมือถือระบบ GSM และ LTE 5.7 ตัวอยางการประยุกตใชงานเทคโนโลยีคลาวดของบริษัท amazon กับอุปกรณ IoT 5.8 การระบุตําแหนงของโทรศัพทโดยใชเทคนิค RSS และ TOA 5.9 การระบุตําแหนงของโทรศัพทโดยใชเทคนิค AOA 5.10 การสราง Fingerprints เพื่อชวยระบุตําแหนง 5.11 การหาตําแหนงของวัตถุจากความเร็วและทิศทางที่เคลื่อนที่

หนา 162 163 164 164 165 167 169 170 171 171 173 173 174 175 176 176 177 177 187 188 189 190 190 191 192 194 194 195 196

สารบัญรูป (ตอ)

รูปที่ 5.12 ระบบระบุตําแหนงโดยใชอุปกรณตรวจจับความเคลื่อนไหว 5.13 ระบบระบุตําแหนงภายในอาคาร 5.14 การคาดการณจํานวนอุปกรณที่เชื่อมตอกับอินเทอรเน็ตของบริษัท Ericsson 5.15 ผลการสํารวจการลงทุนของอุตสาหกรรมป 2016 5.16 จํานวนโครงการที่เกี่ยวของกับเทคโนโลยี IoT ในไตรมาสที่ 3 ป ค.ศ. 2016 5.17 โครงขายเสมือนเซลลสมองของมนุษย 5.18 ความแมนยําในการวิเคราะหขอมูลภาพทางการแพทย 5.19 การแปลงภาพเปนขอความโดยโครงขายประสาทเทียม 5.20 การเรียนรูแบบ reinforcement learning 5.21 ความแตกตางระหวาง CPU และ GPU 5.22 ฮารดแวร Tensor Processing Unit 5.23 รายชื่อผูผลิตหนวยประมวลผลที่ใชคํานวณงานดาน deep learning 5.24 ผลกระทบของปญญาประดิษฐของกลุมอุตสาหกรรมตาง ๆ โดยบริษัท PWC 5.25 การประยุกตใชปญญาประดิษฐในกลุมอุตสาหกรรมตาง ๆ โดย McKinsey Global Institute 5.26 แนวโนมการประยุกตใชปญญาประดิษฐในกลุมอุตสาหกรรมตาง ๆ โดย McKinsey Global Institute 5.27 การกระจายขอมูลของเทคโนโลยีบล็อกเชน 5.28 ขั้นตอนการสรางบล็อกขอมูลของเทคโนโลยีบล็อกเชน 5.29 แนวโนมการพัฒนาเทคโนโลยีบล็อกเชนโดยบริษัท PwC 5.30 การประยุกตใชงานบล็อกเชนโดยบริษัท PwC 5.31 ตัวอยางการใชเทคโนโลยีบล็อกเชนกับเทคโนโลยี IoT ในการขนสงสินคา 5.32 การใชเทคโนโลยีบล็อกเชนกับเทคโนโลยี IoT ในการซื้อขายที่ดิน 5.33 ความแตกตางระหวางบิตและคิวบิต 5.34 ตัวอยางการคํานวณหาผลลัพธของคอมพิวเตอรแบบตาง ๆ 5.35 เครื่องคอมพิวเตอรควอนตัมของบริษัท D-Wave 6.1 การประยุกตใชเทคโนโลยีตาง ๆ กับการเกษตรสมัยใหม 6.2 เทคโนโลยีที่ใชในการเกษตรแมนยําสูง 6.3 การใชโดรนในการรดน้ํา พนสารเคมีและงานดานตาง ๆ สําหรับการเกษตร 6.4 รถที่นําเทคโนโลยีไปใชในการเก็บเกี่ยวผลผลิต 6.5 แอปพลิเคชัน Agri-Map 6.6 หนาตางแสดงพื้นที่ปลูกปาลมน้ํามัน

หนา 196 196 197 199 199 200 202 202 203 204 204 205 206 207 208 210 210 212 213 214 215 216 217 217 228 230 232 232 233 234

สารบัญรูป (ตอ)

รูปที่ 6.7 หนาตางแสดงสถิติการปลูกพืชทดแทนได 6.8 หนาตางแสดงขั้นตอนการทํางาน 6.9 ตัวอยางการวิเคราะหภาพสวนปาลมและตําแหนงตนปาลม 6.10 แผนผังการทํางาน 6.11 องคตาง ๆ ทั่วโลกที่ใชขอมูลจาก GEOGLAM 6.12 พื้นที่สังเกตการณในหลายประเทศที่ใชในการปลูกขาว 6.13 องคกรตาง ๆ ในเอเชีย 6.14 แผนผังโครงสรางการทํางาน 6.15 หนาตางแสดงขอมูลที่ใชในการสังเกตการณ 6.16 ผลิตภัณฑขอมูลเปาหมาย 6.17 สถานะของการเพาะปลูกขาวในระยะตาง ๆ แสดงเปนสีบนแผนที่ 6.18 แผนที่การเพาะปลูกขาวในแตละฤดูกาล 6.19 ผลิตภัณฑขอมูลเปาหมาย 6.20 ประเภทของอุปกรณและเทคโนโลยี 6.21 ซาย: ปจจัยในการให Credit Score สําหรับผูขอสินเชื่อ ขวา: คาตัวแปรที่นํามาใชในการ คํานวณ 6.22 หนา Analytics ของโปรแกรมที่นําภาพถายจากดาวเทียมมาวิเคราะหพื้นที่การเกษตร 6.23 โปรแกรมที่ Ricult พัฒนา สามารถวิเคราะหภาพถายเพื่อตรวจวัดคุณภาพของพืชได ภาพ ขางตนถายจากฟารมจริงที่ประเทศปากีสถาน 6.24 ตัวอยางการวิเคราะหภาพสวนปาลมและตําแหนงตนปาลม 6.25 ดาวเทียมสํารวจระยะไกลของ ESA ที่ใชเปนขอมูลในโครงการ RIICE 6.26 ความตองการของภาครัฐบาลและความเสื่ยงของเกษตรกร 6.27 แผนภาพการใชเทคโนโลยีตาง ๆ สําหรับเกษตรกรยุคใหม 6.28 การวางเลเยอรของขอมูลภูมิศาสตร 6.29 การแพรกระจายกาซ 6.30 แผนที่บริเวณที่เกิดภัยพิบัติจากเฮอริเคนฮารวีย (Harvey) 6.31 ระบบจัดการภัยพิบัติและบริหารความเสี่ยง 6.32 การใชงานระบบดาวเทียม Sentinel-1 เพื่อวิเคราะหภัยพิบัติ 6.33 การใชดาวเทียมจากหนวยงานตาง ๆ 6.34 การใชอากาศยานไรคนขับเพื่อถายภาพ

หนา 234 235 235 236 236 237 237 238 238 239 239 240 240 241 242 243 243 244 245 245 246 248 248 249 249 250 250 251

สารบัญรูป (ตอ)

รูปที่ 6.35 แผนที่แสดงตําแหนงและขอมูลผูประสบภัย 6.36 ผลการวิเคราะหความตองการของผูประสบภัย 6.37 ระบบสารสนเทศพัฒนาโดย Okuma และ Yamamoto 6.38 ตําแหนงอาคารที่เกิดความเสียหายและความหนาแนนของผูประสบภัย 6.39 ตําแหนงของศูนยชวยเหลือผูประสบภัย 6.40 ผลการวิเคราะหดินถลม 6.41 การเปรียบเทียบความเร็วของการแจงเตือนสึนามิ 6.42 การทํา Deep Learning กับขอมูล Remote Sensing 6.43 การประเมินผลกระทบทางสิ่งแวดลอมเพื่อหาแหลงพลังงานลมที่เหมาะสม 6.44 ไลดารวัดลม 6.45 แผนที่แสดงปริมาณแสงแดดที่ตกกระทบบนหลังคาพรอมขอมูลสรุปการใชพลังงาน แสงอาทิตย 6.46 แผนที่แสดง Biomass 6.47 เว็บไซตโครงการ Freewat 6.48 แผนที่แสดงการเปลี่ยนแปลงของปาไมของ University of Maryland 6.49 แผนที่แบบ interactive ของ global forest watch 6.50 Citizen Science Reporter รายงานสัตวปา 6.51 การสํารวจการเปลี่ยนแปลงชายฝง 6.52 อุณหภูมิที่เปลี่ยนแปลงบนโลกนับตั้งแตปค.ศ. 1870 6.53 ความหนาแนนของกาซคารบอนไดออกไซดในชั้นบรรยากาศตั้งแตอดีตจนถึงปจจุบัน 6.54 ความหนาแนนของกาซมีเทนในชั้นบรรยากาศตั้งแตอดีตจนถึงปจจุบัน 6.55 ความหนาของชั้นโอโซนตั้งแตป 1980 จนถึงป 2014 6.56 ตัวอยางสถานีวัดกาซเรือนกระจก (Flux Tower) 6.57 วัฏจักรกาซเรือนกระจกและระบบการสังเกตการณกาซเรือนกระจก 6.58 วิธีการสังเกตการณกาซเรือนกระจกในโครงการ GEOCARBON 6.59 แนวโนมความละเอียดและความแมนยําในการสังเกตการณกาซเรือนกระจกในโครงการ GEOCARBON 6.60 กระบวนการแปลงขอมูลในระดับพื้นที่ไปสูระดับภูมิภาค 6.61 ระบบการผสานขอมูลคารบอนทั่วโลก (Global carbon data assimilation system)

หนา 251 252 252 253 253 254 255 256 257 257 258 259 260 261 261 262 262 264 264 265 265 267 268 269 269 270 270

สารบัญรูป (ตอ)

รูปที่ 6.62 ตัวอยางแผนที่ความหนาแนนคารบอนเฉลี่ยจากดาวเทียม OCO-2 ในชวงวันที่ 1 ตุลาคม ถึง 11 พฤศจิกายน 2014 6.63 โครงการดาวเทียมตรวจวัดกาซเรือนกระจกในอนาคต 6.64 แผนที่เสนทางเรือสํารวจติดอุปกรณวัดแรงดันกาซ CO2 บริเวณผิวน้ําทะเล ที่กําลังดําเนินการ อยูและในอนาคต 6.65 ตําแหนงสถานีสังเกตการณในเครือขาย Global Ocean Observing Network (GOA-ON) เพื่อวัดคาความเปนกรดในทะเล 6.66 ลักษณะขอมูลที่สามารถดาวนโหลดไดจากเว็บไซต Ocean CO2 6.67 เครือขายสถานีสังเกตการณกาซเรือนกระจกทั่วโลก (Global Greenhouse Gas Reference Network) 6.68 ตัวอยางแผนที่ฟลักซ CO2 ในประเทศสหรัฐอเมริกา 6.69 ปริมาณการปลดปลอยกาซ CO2 ทั่วโลกระหวางป 2000 ถึงป 2015 6.70 เครือขายสถานี Global Atmosphere Watch (GAW) ระดับโลก (Global) 6.71 เว็บไซตของโปรแกรม Global Atmosphere Watch (GAW) 6.72 ผลกระทบของสภาพภูมิอากาศในเขตเมือง 6.73 ตัวอยางผลการศึกษาวิจัยเกี่ยวกับละอองฝุนอากาศในประเทศอินเดีย 6.74 ตัวอยางผลการศึกษาวิจัยเกี่ยวกับปริมาณเนื้อที่ปาในประเทศอินเดีย 6.75 ตัวอยางผลการศึกษาวิจัยเกี่ยวกับความหนาแนนคารบอนในประเทศอินเดีย 6.76 แสดงแบบจําลองกาซ CO2 เชิงบูรณาการ (Integrated CO2 model) ที่ใชโดยหนวยงานใน ประเทศอินเดีย 6.77 คา ZTD ที่นําคํานวณจากดาวเทียมแตละดวง 6.78 การเปรียบเทียบปริมาณฝนตกกอนและหลังนําคา PWV มาใชทํานาย 6.79 จํานวนสถานี GNSS ในยุโรปที่สงขอมูลมายังศูนยประมวลคา PWV 6.80 ตําแหนงสถานี GNSS ในยุโรป 6.81 แผนที่ 2-D แสดงการเปลี่ยนแปลงคา PWV 6.82 แผนคา PWV ทั่วโลก 7.1 แนวโนมจํานวนการตีพิมพบทความเกี่ยวกับเทคโนโลยีอวกาศในฐานขอมูล Scopus ระหวางป ค.ศ. 2000 ถึง 2017 7.2 การวิเคราะหเทคโนโลยี HTS โดยใช Factor map (Data mining) 7.3 การวิเคราะหเทคโนโลยี CubeSat โดยใช Factor map (Data mining)

หนา 271 272 273 273 274 274 275 275 276 276 277 278 279 279 280 281 282 282 283 283 284 292 293 294

สารบัญรูป (ตอ)

รูปที่ 7.4 การวิเคราะหเทคโนโลยี HAPS โดยใช Factor map (Data mining) 7.5 แนวโนมเทคโนโลยีอวกาศในชวง 1 ถึง 15 ปขางหนา 7.6 แนวโนมจํานวนการตีพิมพบทความเกี่ยวของกับเทคโนโลยี GIS ในฐานขอมูล Scopus ระหวาง ป 2000 ถึง 2017 7.7 การวิเคราะหเทคโนโลยี Machine learning โดยใช Factor map (Data mining) 7.8 การวิเคราะหเทคโนโลยี IoT โดยใช Factor map (Data mining) 7.9 การวิเคราะหเทคโนโลยี AR โดยใช Factor map (Data mining) 7.10 แนวโนมจํานวนการตีพิมพบทความเกี่ยวของกับเทคโนโลยีเอ็นเอสเอสในฐานขอมูล Scopus ระหวางป 2000 ถึง 2017 7.11 การวิเคราะหเทคโนโลยี Multi-Frequency โดยใช Factor map (Data mining) 7.12 การวิเคราะหเทคโนโลยี Multi-constellation โดยใช Factor map (Data mining) 7.13 การวิเคราะหเทคโนโลยี Location Based Services โดยใช Factor map (Data mining) 7.14 แนวโนมเทคโนโลยีระบบดาวเทียมนําทาง

หนา 295 297 303 305 305 307 313 314 315 316 318

สารบัญตาราง

ตารางที่ 1.1 แผนการดําเนินการวิจัย 2.1 เทคโนโลยีการลดผลกระทบของฝนในการสื่อสารผานดาวเทียม 2.2 การจําแนกดาวเทียมขนาดเล็ก 2.3 คุณสมบัติแบตเตอรีของบริษัท EaglePicher Technologies 4.1 รายละเอียดของระบบดาวเทียมนํารองแตละระบบ 4.2 ความถี่สัญญาณจีพีเอส 4.3 พารามิเตอรสําคัญของสัญญาณในระบบดาวเทียมโกลนาส 4.4 ความถี่สัญญาณในระบบกาลิเลโอ 4.5 ความถี่สัญญาณในระบบดาวเทียมไปโตว 4.6 ความถี่สัญญาณในระบบดาวเทียม IRNSS 4.7 ความถี่สัญญาณในระบบดาวเทียม QZSS 4.8 ระดับการใหบริการในกิจการการบิน 4.9 การเปรียบเทียบเทคโนโลยีติดตามอากาศยานประเภทตาง ๆ 4.10 ผลิตภัณฑขอมูลตําแหนงดาวเทียมจีพีเอส 4.11 ผลิตภัณฑขอมูลตําแหนงดาวเทียมโกลนาส 4.12 ตําแหนงและความเร็วในการเคลื่อนที่ของสถานีอางอิงแตละแหง 4.13 พารามิเตอรเกี่ยวกับชั้นบรรยากาศโทรโพสเฟยรและไอโอโนสเฟยร 4.14 ฟอรแมตขอมูลสําคัญของ IGS 4.15 ตัวอยางประเภทการบริการขอมูล การเชื่อมตอระบบการระบุตําแหนงความแมนยําสูงและ คาใชจายที่เกี่ยวของในประเทศญี่ปุน 4.16 อัตราคาบริการดาน RTK ในเครือขาย GXCOR 4.17 อัตราคาบริการดานการแปลงพิกัด 4.18 จํานวนสถานี CORS ที่แตละหนวยงานไดดําเนินการติดตั้งแลวและอยูระหวางดําเนินการ 4.19 ประเภทการใหบริการ RTK ภายใตหนวยงาน JUPEM ประเทศมาเลเซีย 4.20 อัตราคาบริการ RTK ภายใตหนวยงาน JUPEM ประเทศมาเลเซีย 4.21 คณะทํางานในสาขาตางๆ รวมทั้งตัวอยางการประยุกตใชงานดาน GNSS 4.22 สัญญาณดาวเทียมในระบบโกลนาส 4.23 รายละเอียดและขอกําหนดของระบบ BDGBAS 4.24 ประเภทการบริการจากระบบ BDGBAS 5.1 แนวโนมเทคโนโลยี ICT จากบทวิเคราะหแหลงตาง ๆ 7.1 แนวโนมเทคโนโลยีดานภูมิสารสนเทศ

หนา 3 16 22 29 89 97 97 98 98 99 99 111 117 126 126 127 127 127 132 134 135 136 137 138 140 149 154 155 186 308

บทที่ 1 บทนํา 1.1 บทนํา

ตามที่สํานักงานพัฒนาเทคโนโลยีอวกาศและภูมิสารสนเทศ (องคการมหาชน) หรือ สทอภ. เห็น ความสําคัญของการนําเทคโนโลยีอวกาศและภูมิสารสนเทศ ไปประยุกตใชในการพัฒนาประเทศ ซึ่งขณะนี้มี ความกาวหนาและมีเทคโนโลยีใหมเกิดขึ้นอยางหลากหลาย ประกอบกับปจจุบันรัฐบาล มีนโยบายในการ สงเสริมและสนับสนุนใหใชเทคโนโลยีอวกาศและภูมิสารสนเทศทั้งในภาครัฐและภาคเอกชน ในการวางแผน ยุทธศาสตร กลยุทธ บริหารจัดการทรัพยากร สิ่งแวดลอมและภัยพิบัติ โดยทางสถาบันเทคโนโลยีพระจอม เกลาเจาคุณทหารลาดกระบังไดรับเลือกใหเปนผูดําเนินการวิจัยและศึกษาแนวโนมเทคโนโลยีดานอวกาศ GIS GNSS และ ICT รวมทั้งแนวโนมการบูรณาการในมิติตางๆ ดังนั้นทางทีมวิจัยไดจัดทํารายงานฉบับสมบูรณ ซึ่ง ทําการรวบรวมขอมูลแนวโนม (TREND) เทคโนโลยีที่สําคัญดานอวกาศ GNSS และภูมิสารสนเทศทั้งในและ ตางประเทศ ในอนาคตโดยแบงเปนระยะสั้น ระยะกลางและระยะยาวรวมถึงกิจกรรมและแนวทางในการ ดําเนินที่เกี่ยวของ เพื่อพิจารณาตอไป

1.2 วัตถุประสงค

1. เพื่ อ ศึ ก ษา รวบรวมข อ มู ล แนวโน ม (TREND) เทคโนโลยี ที่ สํ า คั ญ ด า นอวกาศ GNSS และภู มิ สารสนเทศทั้งในและตางประเทศ ในอนาคตโดยแบงเปนระยะสั้น ระยะกลางและระยะยาว 2. เพื่อวิเคราะหหาแนวโนมเทคโนโลยีดานอวกาศ GNSS และภูมิสารสนเทศที่ปจจุบันกําลังจะหายไป (fade out) และเทคโนโลยีอนาคตที่กําลังจะแทนที่ (fade in) ควบคูกับการวิเคราะหความเสี่ยงใน เรื่อง Disruptive Technology 3. เพื่อวิเคราะห และเสนอแนะแนวทางหรือการจัดกิจกรรมที่จําเปนเพื่อพัฒนาและสงเสริมให สทอภ. มีความพรอมตอการรองรับเทคโนโลยีในอนาคต 4. เพื่อนําผลการวิเคราะหมาเปนขอมูลพื้นฐานในการจัดทํากรอบยุทธศาสตรงานวิจัย พัฒนา และ นวัตกรรมดานเทคโนโลยีอวกาศและภูมิสารสนเทศ และแผนที่นําทาง (Roadmap) ของ สทอภ. ในชวง 5 ป พรอมทั้งสามารถกําหนดหัวของานวิจัย พัฒนา และนวัตกรรมใหสอดคลองกับความ ตองการของผูใชงานได ใหเหมาะสม และมีความเปนรูปธรรมมากยิ่งขึ้น

2

1.3 ขอบเขตการดําเนินการ

1. ที่ปรึกษาจะตองนําเสนอรายงานผลการศึกษาขอมูลแนวโนม (TREND) เทคโนโลยีที่สําคัญทั้งในและ ตางประเทศ ตามหัวขอตาง ๆ ดังตอไปนี้ a. เทคโนโลยีอวกาศ (Space)ไดแก Space segment, Ground segment ฯลฯ b. เทคโนโลยีภูมิสารสนเทศ (Geo-informatics) c. เทคโนโลยีระบบนําทางดวยดาวเทียม (GNSS) d. เทคโนโลยีสารสนเทศ (ICT) เนนในสวนที่เกี่ยวของกับขอ a. ถึง c. ในลักษณะโซลูชัน หรืองานวิจัย พัฒนา และนวัตกรรมที่สอดคลองหรือสามารถบูรณาการเทคโนโลยี ดั ง กล า วมาใช ใ นมิ ติ ต า ง ๆ ประกอบด ว ย ด า นเกษตร ด า นภั ย พิ บั ติ ด า นทรั พ ยากรธรรมชาติ สิ่งแวดลอมและดานการเปลี่ยนแปลงสภาพภูมิอากาศของโลกเปนอยางนอย หรืออาจเสนอในดาน อื่น ๆ เพิ่มเติมหากเห็นวาสําคัญจําเปน และเปนประโยชนตอ สทอภ.

2. ที่ปรึกษาจะตองนําเสนอแนวโนมเทคโนโลยีที่กําลังจะหายไป (fade out) และเทคโนโลยีที่กําลังจะ แทนที่ (fade in) ควบคูกับการวิเคราะหความเสี่ยงในเรื่อง Disruptive Technology โดยวิเคราะห แบงเปน 3 ระยะไดแก ระยะสั้น (ชวง 1 – 5 ปขางหนา), ระยะกลาง (5-10 ป) และระยะยาว (10 ป ขึ้นไป) 3. ที่ปรึกษาจะตองนําเสนอแนะแนวทางหรือการจัดกิจกรรมที่จําเปนเพื่อพัฒนาและสงเสริมให สทอภ. มีความพรอมตอการรองรับเทคโนโลยีตาง ๆ ในอนาคต

1.4 วิธีการดําเนินการวิจัย

แนวทางในการศึ ก ษาแนวโน ม เทคโนโลยีแ ละการจั ด ทํ า โครงการ จะประกอบไปดว ยขั้ น ตอน

ดังตอไปนี้ 1. การสํารวจขอมูลแนวโนมเทคโนโลยีจากแหลงขอมูลตาง ๆ ในแตละสาขาแหลงขอมูลสําคัญที่จะทํา การสํารวจ อาทิเชน รายงานเทคนิค วารสารวิชาการ การประชุมวิชาการ เปนตน 2. การสัมภาษณผูเชี่ยวชาญในแตละสาขาดังแสดงในภาคผนวก 3. กระบวนการวิเคราะหแนวโนมเทคโนโลยี ก.

3.1 ขอมูลที่สํารวจจากการตีพิมพในการประชุมวิชาการ วารสาร 3.2 ขอมูลที่สํารวจจากองคกรที่มีภารกิจใกลเคียงกับ สทอภ.

3

1.5 แผนการดําเนินการวิจัย

ตารางที่ 1.1 แผนการดําเนินการวิจัย กิจกรรม 1. การจัดแผนการดําเนินงานและการเก็บขอมูล 2. การสํารวจการศึกษาขอมูลแนวโนมเทคโนโลยีดาน อวกาศ GNSS และภูมิสารสนเทศ 3. การศึกษาและวิเคราะหแนวโนมเทคโนโลยีที่กําลังจะ หายไป (fade out) และเทคโนโลยีที่กําลังจะแทนที่ (fade in) ควบคูกับการวิเคราะหความเสี่ยงในเรื่อง Disruptive Technology 4. นําเสนอแนะแนวทาง หรือการจัดกิจกรรมที่จําเปนเพื่อ พัฒนาและสงเสริม ใหสทอภ. มีความพรอมตอการ รองรับเทคโนโลยีตาง ๆ ในอนาคต

เดือนที่ 1

เดือนที่ 2-3

เดือนที่ 4-6

บทที่ 2 แนวโนมเทคโนโลยีดานอวกาศ (Space) การแขงขันเทคโนโลยีทางดานอวกาศมีมานานกวา 60 ป โดยในชวงแรกเปนการแขงขันระหวาง 2 ประเทศมหาอํานาจของโลกในชว งนั้น คือ สหรัฐอเมริกาและสหภาพโซเวียต แตในปจจุบันมีองคความรูที่ เขาถึงไดงายและเทคโนโลยีที่พัฒนาอยางกาวกระโดดในทุก ๆ สวน ทําใหทุกประเทศลวนแตอยากมีเทคโนโลยี ทางดานอวกาศเปนของตนเอง เนื่องจากเทคโนโลยีทางดานอวกาศเปนเทคโนโลยีขั้นสูง ซึ่งหมายความวา ประเทศใดที่สามารถสรางเทคโนโลยีดังกลาวไดดวยตนเอง ก็จะแสดงถึงศักยภาพทางเทคโนโลยีของประเทศ นั้น ๆ สําหรับเทคโนโลยีทางดานอวกาศของประเทศไทย ก็คงตองพูดถึงเทคโนโลยีที่เกี่ยวของกับดาวเทียม ถึ ง แม ว า เราไม ไ ด ผ ลิ ต ดาวเที ย มเอง แต ก็ มี อ งค ค วามรู ใ นการควบคุ ม และดู แ ลดาวเที ย มมากว า 25 ป เพราะฉะนั้นในสวนของเทคโนโลยีทางดานอวกาศสําหรับประเทศไทยก็ถือวามีความเชี่ยวชาญและชํานาญใน การใชงานมากพอ ในอนาคตถาเราเริ่มที่จะผลิตดาวเทียมดวยตนเอง ก็สามารถนําความรูความชํานาญในการ ใชงานดาวเทียมมาประยุกตใชใหเกิดประโยชนได ในการใชงานดาวเทียม สามารถแบงประเภทไดตามความสูงของวงโคจร เปน 3 แบบหลัก ๆ คือ 1. วงโคจรระดับต่ํา (Low Earth Orbit, LEO) วงโคจรแบบนี้จะอยูระหวางชั้นบรรยากาศกับ Van Allen radiation belt ซึ่งไมมีการกําหนดความ สูงที่แนนอน แตดาวเทียมที่อยูในวงโคจรนี้จะอยูสูงจากผิวโลกต่ํากวา 2,000 กิโลเมตร ประโยชนของดาวเทียม ในวงโคจรแบบนี้คือ ใชในการถายภาพ สื่อสาร เชน ดาวเทียม Iridium เปนตน 2. วงโคจรระดับกลาง (Medium Earth Orbit, MEO) เปนวงโคจรของดาวเทียมที่มีความสูงอยูระหวางวงโคจรระดับต่ํากับวงโคจรคางฟาประโยชนของ ดาวเทียมในวงโคจรนี้ไดแก ดาวเทียมสื่อสาร ระบบดาวเทียมนําทาง (Global Navigation Satellite System) เปนตน 3. วงโคจรคางฟา (Geostationary Orbit, GEO) วงโคจรบนแนวเสนศูนยสูตร มีความสูง 35,786.034 กิโลเมตร เหนือผิวโลก ไดแก ดาวเทียมสื่อสาร

5

2.1 แนวโนมเทคโนโลยีสําหรับดาวเทียมสื่อสาร

ดาวเทียมสื่อสารสวนใหญอยูในวงโคจรคางฟา เนื่องจากดาวเทียมในวงโคจรนี้จะเคลื่อนที่ไปพรอม กั บ การหมุนรอบตัว เองของโลก เหมือนกับ วางดาวเทียมหยุดนิ่งกับ ที่ ทํา ใหส ะดวกในการเขาใชงานจาก ภาคพื้นดิน ซึ่งดาวเทียมที่ใชงานอยูในปจจุบัน มีดวยกันอยู 2 แบบคือ o ดาวเทียมแบบทั่ว ไป (conventional satellite) เปนดาวเทีย มที่ให บริการดา นการสื่อ สาร โดย ใหบริการหลักในการแพรภาพสัญญาณโทรทัศน ซึ่งเปนการใหบริการสําหรับผูใชบริการประจําที่ (fixed satellite service, FSS) หรือดาวเทียมในความถี่ยาน C-band และ Ku-band ซึ่งใหบริการ สงสัญญาณจากสถานีภาคพื้นดิน โดยสัญญาณจะขยายและสงสัญญาณกลับมายังสถานีภาคพื้นดิน ณ ตําแหนงใด ๆ ภายใตพื้นที่ครอบคลุม (footprint) ของดาวเทียม การรับสัญญาณเหลานี้สามารถ รับไดจากสถานีภาคพื้นดินอืน่ ๆ ทุกที่ที่อยูภายใตพื้นที่ใหบริการของดาวเทียม ดวยลักษณะดังกลาว ของดาวเที ย มแบบทั่ ว ไปจึ ง ช ว ยให ผู ป ระกอบการช อ งรายการโทรทั ศ น และผู ป ระกอบการ โทรคมนาคม ไดรับประโยชนจากพื้นที่ครอบคลุมบริเวณกวางของดาวเทียมทั้งในระดับประเทศและ ระดับภูมิภาค o ดาวเที ย มบรอดแบนด (broadband satellite) หรื อ ดาวเที ย ม high throughput (HTS) เป น ดาวเทียมที่ใหบริการบรอดแบนด อินเทอรเน็ต (แบบจุดตอจุด) โดยใชคลื่นความถี่สูง และเทคโนโลยี ดาวเทียมที่มีความแรงของสัญญาณ ครอบคลุมพื้นที่ใหบริการจํากัดเปนวงกลมแคบ ๆ หลาย ๆ วง เรียงติดกันในลักษณะรังผึ้ง ซึ่งโดยปกติแลวความจุของ HTS สามารถจัดสรรคลื่นความถี่ในการ ใหบริการในวงโคจรไดมากกวาเพื่อเทียบกับดาวเทียมแบบทั่วไป จึงชวยลดคาใชจายตอเมกะบิตตอ วินาที (Mbps) นอกจากนี้ HTS สามารถนําเสนอบริการใหกับภาครัฐบาล และภาคธุรกิจ รวมถึง ผูประกอบการเครือขายโทรศัพทเคลื่อนที่ที่มีความตองการเพิ่ม การใหบริการในบริเวณที่ร ะบบ โครงขายภาคพื้นดินไมสามารถเขาถึงโดยใช broadband backhaul แทน

รูปที่ 2.1 พื้นที่และความถี่ในการใหบริการระหวางดาวเทียมทั่วไปกับ HTS [1]

6 สําหรับดาวเทียมในวงโคจรต่ําสวนใหญจะถูกใชงานในการสังเกตการณ สํารวจสภาวะแวดลอมและ ถายภาพ ซึ่ง ณ ปจจุบันวงโคจรนี้ก็ยังถูกใชงานเพื่อใชในการสํารวจทรัพยากรตาง ๆ อยู เชน ตรวจวัดสภาพ อากาศ ตรวจวัดสิ่งตาง ๆ บนโลก และอื่น ๆ แตในปจจุบันวงโคจรต่ํานี้จะถูกนํามาใชเพื่อการสื่อสารมากยิ่งขึ้น โดยเฉพาะการสื่อสารบรอดแบนดผานอินเทอรเน็ต โดยวงโคจรนี้มีขอดีที่เหนือกวาวงโคจรคางฟาคือ มีการ หนวงเวลา (delay time) ที่ต่ํา (25-50 มิลลิวินาที) ขึ้นอยูกับระดับความสูงของวงโคจร การใชกําลังงานที่ต่ํา กวา เปนตน แตขอเสียของวงโคจรนี้คือ เนื่องจากอยูใกลพื้นโลกมากทําใหตองเคลื่อนที่เร็ว ดังนั้นจะทําใหพื้นที่ และเวลาในใหบริการไมคงที่ทําใหตองมีโครงขายของดาวเทียมเพื่อใหครอบคลุมพื้นที่ใหบริการ ในทํานองเดียวกันกับวงโคจรระดับกลาง ลักษณะการทํางานเหมือนกับวงโคจรต่ํา มีการหนวงเวลา มากกวา แตก็มีพื้นที่บริการที่เพิ่มขึ้นเชนกัน ซึ่งในวงโคจรนี้จะเนนไปที่การใหบริการของจีเอ็นเอสเอส (Global navigation satellite system, GNSS) เปนหลัก ในป จ จุ บั น พบว า เครื อ ข า ยอิ น เทอร เ น็ ต มี อิ ท ธิ พ ลต อ การใช ชี วิ ต เป น อย า งมาก เนื่ อ งจากเป น แหลงขอมูลชั้นดี เขาถึงงาย รวมถึงชวยใหการทําธุรกรรมตาง ๆ สะดวกสบายมากยิ่งขึ้น ทําใหผูคนจากทั่วทุก มุมโลกตางเขามาใชงานในเครือขายอินเทอรเน็ตมากขึ้นเรื่อย ๆ ตลอดระยะเวลา 10 ปที่ผานมา จากการเก็บ สถิติของการใชงานโทรศัพทมือถือของผูบริโภคในปจจุบันพบวามีการใชในลักษณะของขอมูล (data) มากกวา การใชเสี ย ง (voice) สื่ อสารกั นเหมื อนเช นในอดี ต ซึ่ ง โทรศั พท มื อถื อยั ง เป น เทคโนโลยี 1G หรื อ 2G จาก พฤติกรรมในลักษณะนี้ทําใหความตองการใชงานขอมูลโครงขายภาคพื้นดินมีมากขึ้นอยางตอเนื่อง ดังตัวอยาง ในรูปที่ 2.2 แสดงขอมูลสมุดปกขาว (white paper) ของบริษัท cisco ที่ไดทําการทํานายการเพิ่มขึ้นของการ ใชงานของ 4G หรือการใชขอมูลเปนหลัก ซึ่งพฤติกรรมและความตองการเหลานี้จะสงผลถึงการใชงานการ สื่อสารในทุกรูปแบบ เชนเดียวกับการสื่อสารผานดาวเทียมที่จะตองเพิ่มปริมาณของแบนดวิดทและความเร็วใน การสงขอมูลเพื่อตอบโจทยพฤติกกรรมของผูบริโภคที่เปลี่ยนไป

รูปที่ 2.2 การเติบโตของผูใชงาน 2G, 3G และ 4G [2]

7 2.1.1 High throughput satellite (HTS) HTS เปนดาวเทียมที่นําเทคโนโลยีตาง ๆ เขาไปใชงานมากยิ่งขึ้น ซึ่งในอดีตดาวเทียมจะทําหนาที่ เปนแคตัวสะทอนสัญญาณกลับมายังพื้นโลก แตสําหรับ HTS แลว ไดมีการเพิ่มเทคโนโลยีของสายอากาศให สามารถสรางพื้นที่บริการใหเปนแบบ spot beam และนําเทคโนโลยี frequency reuse มาใชเพื่อการใชยาน ความถี่ใหมีประสิทธิภ าพสูงสุด ซึ่ง HTS จะเปนดาวเทียมที่มีการใชงานมากขึ้นเรื่อย ๆ เพื่อรองรับปริมาณ ขอมูลมหาศาล โดยขอดีของ HTS มีดังนี้ o ราคาของการเขาใชงานจะถูกลง o สามารถใหบริการพื้นที่ใดเปนพิเศษได (spot beam) o สามารถใชงานอุปกรณภาคพื้นดินที่มีอยูได เทคโนโลยีที่จะเขามามีบทบาทสําคัญในอนาคตสําหรับการใชงาน HTS มีดังนี้ o เทคโนโลยี spot beam ของสายอากาศ o การใชงานเกตเวย (gateway) รวมกัน o การใชงานความถี่รวมกัน (frequency reuse) ที่ใหญขึ้น o สรางฮับ (hub) ในแตละพื้นที่ที่ใหบริการ (spot beam) o การเชื่อมตอแตละฮับดวยใยแกวนําแสง (fiber-optic) o การสื่อสารทางแสง สวนการใหบริการของ HTS มีดังนี้ o HDTV/UHDTV 8K TV o อินเทอรเน็ตความเร็วสูง

รูปที่ 2.3 การเพิ่มขึ้นของความจุสําหรับ HTS [3]

8 o HTS ในวงโคจรคางฟา ในรูปที่ 2.3 แสดงใหเห็นถึงความตองการของแบนดวิดท (Bandwidth) ที่เพิ่มขึ้นของการใชงาน HTS ในวงโคจรคางฟา และจากการศึกษาขอ มูลทั่ว โลกทั้งทางภาคอุตสาหกรรม และการประชุม วิช าการ พบวาใหความสนใจไปที่เทคโนโลยีตาง ๆ ของ HTS โดยสําหรับในภาคอุตสาหกรรมนั้นมีแผนที่จะสง HTS ขึ้น สูวงโคจรมากขึ้น ในระยะเวลา 5-10 ปขางหนา ยกตัวอยางเชน บริษัท VT iDirect [4] บริษัท Intelsat ซึ่งมี ดาวเทียมครอบคลุมทั่ว โลก [5] และ บริษัท Inmarsat [6] เปน ตน ซึ่งขอมูล นี้ก็ตรงกับ ความคิดเห็น ทาง ภาคอุตสาหกรรมดาวเทียมในประเทศไทย รวมถึงความคิดเห็นของผูเชี่ยวชาญดาวเทียมในวงการการศึกษาใน ระดับนานาชาติ ในการใชงาน HTS ในวงโคจรคางฟามีขอดีคือ 1. มีพื้นที่ใหบริการกวาง 2. มีอายุการใชงานมากกวา 10 ป สวนขอเสียคือ 1. มีการลดทอนของสัญญาณมาก 2. มีการหนวงเวลากวา 250 มิลลิวินาที ตอการเดินทางไปกลับของสัญญาณ 1 ครั้ง o HTS ในวงโครจรต่ํา จากขอมูลในชวงปที่ผานมาพบวา ในระยะเวลา 5-10 ปขางหนา หลาย ๆ บริษัท เชน SpaceX เฟ ซบุก (facebook) และกูเกิล (google) ตางตองการที่จะสรางแพลตฟอรม (platform) เครือขายอินเทอรเน็ต เพื่อรองรับผูบริโภคของตนเองโดยการสงดาวเทียมขึ้นไปอยูในวงโคจรต่ํา โดยออกแบบ constellation ให ครอบคลุม ซึ่ง constellation นั้นขึ้นอยูกับหลายองคประกอบ เชน จํานวนดาวเทียม ระดับความสูง และมุม เอียงวงโคจร เปนตน ยกตัวอยางเชน SpaceX จะสงอินเทอรเน็ตดาวเทียม 4,425 ดวง ที่ระดับความสูง 1,100 ถึง 1,325 กิโลเมตร และมี 83 constellation ดังแสดงในรูปที่ 2.4 กูเกิลจะสงดาวเทียม 180 ดวง บริษัท OneWeb จะสงดาวเทียม 648 ดวง ที่ระดับความสูงประมาณ 1,200 กิโลเมตร และมี 18 constellation ใน ลักษณะวงโคจรผานขั้วโลก ดังแสดงในรูปที่ 2.5 เปนตน ในการใชงาน HTS ในวงโคจรต่ํามีขอดีคือ 1. เนื่องจากอยูใกลโลกทําใหสามารถใชกําลังงานที่ต่ําในการรับ - สงขอมูล 2. การหนวงเวลาอยูในระดับต่ําประมาณ 25-50 มิลลิวินาที ขึ้นอยูกับระดับความสูงของวงโคจร สวนขอเสียคือ 1. มีอายุการใชงานสั้น เนื่องจากดาวเทียมตองเคลื่อนที่ตลอดเวลา 2. พื้นที่ใหบริการนอย แตถามีระบบการสื่อสาร (network) ระหวางดาวเทียมก็จะทําใหพื้นที่บริการ ครอบคลุมมากยิ่งขึ้น

9

รูปที่ 2.4 กลุมดาวเทียม 4,425 ดวง ในวงโคจรต่ําของบริษัท SpaceX [7]

รูปที่ 2.5 ดาวเทียมวงโคจรต่ํา 648 ดวง ของบริษัท OneWeb [8] ยกตั ว อย า งดาวเที ย มของบริ ษั ท Telesat ที่ จ ะออกแบบให ง านดาวเที ย มในวงโคจรต่ํ า 2 constellation ใชงานรวมกันดังแสดงในรูปที่ 2.6 โดยที่มีแผนจะเริ่มใชงานในป ค.ศ. 2021 ซึ่งจะใชดาวเทียม อยางนอย 72 ดวง สําหรับ constellation แรก ที่มีมุมเอียงอยูที่ 99.5 องศา และดาวเทียมอีก 45 ดวงสําหรับ constellation ที่มีมุมเอียง 37.4 องศา ที่ความสูง 1,000 กิโลเมตร การใชงาน constellation รวมกันในวง โคจรต่ําตามที่ Telesat ไดออกแบบพบวา สามารถใหปริมาณแบนดวิดทไดมากกวา HTS ในวงโคจรคางฟา ใน ราคาที่ถูกกวา

10

รูปที่ 2.6 Constellation ดาวเทียมของบริษัท Telesat ในวงโคจรต่ํา [9]

รูปที่ 2.7 การวิเคราะหปริมาณแบนดวิดทที่เพิ่มขึ้นสําหรับการใชงานดาวเทียมในวงโคจรต่ํา [10] จากการที่ไดวิเคราะหขอมูลขางตน พบวาดาวเทียมในอนาคตจะเปนแบบ HTS ทั้งหมดในการใชงาน ที่วงโคจรคางฟา แตในอีกมุมหนึ่งระยะเวลา 5-10 ปขางหนา การสื่อสารอินเทอรเน็ตผานดาวเทียมจะถูกใช แพลตฟอรมในวงโคจรต่ําทั้งหมด เนื่องจากการหนวงเวลา (latency) ที่ต่ําเทียบเทาการใชงานบนพื้นโลกและ จากการที่บริษัทยักษใหญที่มีกลุมลูกคามหาศาล เชนเฟซบุกและกูเกิลดังที่กลาวไป ตางเขามาลงทุนเพื่อสราง แพลตฟอร ม เป น ของตนเอง และจากข อ มู ล ในรู ป ที่ 2.7 มี ก ารคาดการณ ว า แบนด วิ ด ท ข องการใช ง าน อินเทอรเน็ตดาวเทียมในวงโคจรต่ําจะสูงขึ้นตามพฤติกรรมของผูใชงานบนภาคพื้นดิน

11 2.1.2 High frequency band จากการคาดการณความตองการใชงาน HTS ในวงโคจรคางฟา [3] พบวา ในป ค.ศ. 2024 จะเห็นวา การใชงาน C-band มีปริมาณนอยลงเมื่อเทียบกับการใชงาน Ku-band โดยเฉพาะอยางยิ่งกับ Ka-band จาก แผนภาพของความถี่ที่ใชงานเกี่ยวกับดาวเทียมดังแสดงในรูปที่ 2.8 พบวาความจุ ในยานการใชงานความถี่ที่ สูงขึ้น เชน ในยาน Ka-band มีปริมาณมากเมื่อเทียบกับยานความถี่ปจจุบัน C-band และ Ku-band และใน ปจจุ บันมีการใชงานดาวเทียมสื่อสารในยานความถี่ C-band และ Ku-band คอนขางหนาแนน อยา งมาก ดั ง นั้ น ในการเพิ่ ม ปริม าณแบนดวิ ด ท ใ ห ม ากขึ้ น เพื่ อ ที่ จ ะรองรั บ ปริม าณความต อ งการที่ สู ง ขึ้ น ในอนาคต ภาคอุ ต สาหกรรมดาวเที ย มสื่ อ สารในหลาย ๆ ประเทศเริ่ ม พั ฒ นาและมี แ ผนที่ จ ะใช ง านในย า นความถี่ Ka-band มากยิ่งขึ้น โดยเฉพาะในกลุมประเทศที่อยูเหนือเสนศูนยสูตรซึ่งไมมีผลกระทบจากการลดทอนจาก ฝนมากนัก เชน ญี่ปุน ยุโรป และ อเมริกา จะพบวาการใชงานในความถี่ที่สูงขึ้นจะมีขอดีดังนี้ o มีแบนดวิดทมากขึ้นทําใหสามารถรองรับปริมาณขอมูลที่มากขึ้นได o จานสายอากาศที่ใชมีขนาดเล็กลง สามารถติดตั้งและพกพาสะดวก o สามารถสงขอมูลดวยความเร็วสูงขึ้น สวนขอเสียมีดังนี้ o การลดทอนจากเมฆ ฝน สูงขึ้น ทําใหตองพัฒนาระบบในการเพิ่มประสิทธิภาพของการใชงานใหดีขึ้น o พื้นที่ใหบริการยังไมครอบคลุม

รูปที่ 2.8 การเปรียบเทียบการใชงานความถี่ดาวเทียมในยานตาง ๆ [11] ดาวเทียม Viasat-2 ถูกสงขึ้นวงโคจรเมื่อกลางป 2017 และจะเริ่มใหบริการในชวงตนป ค.ศ. 2018 ดาวเทียม Viasat-2 ไดมีการใชงานในยานความถี่ Ka-band เพียงยานเดียวเทานั้นและเปนการผสมผสาน เทคโนโลยีสําหรับการใชงานในยานความถี่สูงและการใหบริการในพื้นที่ที่กวาง ดังแสดงในรูปที่ 2.9

12

รูปที่ 2.9 ขอมูลเบื้องตนของดาวเทียม Viasat-2 [12] ณ ปจจุบันไดมีการศึกษาการใชงานความถี่ในยาน C-band สําหรับการใชงานการสื่อสารเคลื่อนที่ (mobile communication) ทางภาคพื้นดิน [13] โดย 2 เมืองที่ใชในการศึกษาคือ ลอนดอน ประเทศอังกฤษ และเซินเจิ้น ประเทศจีน และผลการศึกษาสามารถเพิ่มความสามารถในการสงขอมูลไดเปนอยางดี ดวยเหตุนี้ สามารถวิเคราะหไดวา ถามีการศึกษาความคุมคาแลว ซึ่งขอมูลหลาย ๆ ตัวบงชี้วาปริมาณการใชขอมูลจะมี มากขึ้นนั้น ในชวงเวลา 10 ปขึ้นไป ความถี่ในยาน C-band ซึ่งปจจุบันใชกับดาวเทียมสื่อสาร อาจจะถูก นํามาใชในระบบภาคพื้นดินแทน และความถี่สําหรับดาวเทียมสื่อสารก็จะตองขึ้นไปใชในยาน Ku-band และ Ka-band ตามลําดับ 2.1.3 High-Altitude Platform Station (HAPS) สืบเนื่องจาก HTS ในวงโคจรต่ําที่จะมีการเติบโตในระยะ 5-10 ปขางหนาแลวนั้น ในระยะยาว 10 ป ขึ้นไป HAPS จะเปนอีกมิติหนึ่งในการเชื่อมตออินเทอรเน็ตใหกับผูคนบนโลก โดยปจจุบันเทคโนโลยีนี้ก็ไดมี การทดสอบประสิทธิภาพกันอยู ซึ่งถาความตองการในการเขาใชงานอินเทอรเน็ตเติบโตอยางรวดเร็วก็อาจจะ ไดใชงาน HAPS ภายในชวงระยะกลาง 5-10 ป ก็เปนไปได โดยที่ HAPS ตามคํานิยามของ ITU คือ สถานีลอย ฟาที่ความสูงในชวง 20 ถึง 50 กิโลเมตรเหนือพื้นโลก ซึ่งขอดีเมื่อเปรียบเทียบกับ HTS ในวงโคจรต่ํา คือการ หนว งเวลาจะต่ํากวา ซึ่งเมื่อเทียบพื้นที่ใหบริการก็จ ะพบวา ไมตางกัน เนื่องจาก HAPS จะตองมีเครือ ข า ย (network) เพื่อครอบคลุมพื้นที่ที่จะใหบริการเชนกัน ซึ่งบริษัทตาง ๆ ที่มีอิทธิพลในโลกออนไลนตางมีโครงการ เพื่อสรางการเชื่อมตออินเทอรเน็ตใหครอบคลุมมากยิ่งขึ้นนอกเหนือไปจากการใชงานดาวเทียมที่วงโคจรตาง ๆ โครงการโดรนของเฟซบุกดังแสดงในรูปที่ 2.10 ขณะนี้ไดมีการพัฒนาโดรนเพื่อเชื่อมตอสัญ ญาณ อินเทอรเน็ต โดยที่โดรนจะบินอยูในระดับความสูงประมาณ 18-27 กิโลเมตรเหนือพื้นโลก และปลอยสัญญาณ Wi-Fi ลงมาตามพื้นที่ใหบริการ ซึ่งการหนวงเวลาจะนอยมากไมตางกับการใชงานบนพื้นโลก

13

รูปที่ 2.10 โครงการของเฟซบุกที่จะใชโดรนในการเชื่อมตออินเทอรเน็ต [14]

14 โครงการบอลลูนของกูเกิลดังแสดงในรูปที่ 2.11 เปนอีกโครงการที่กําลังจะเกิดขึ้นสําหรับ HAPS โดยความสูงของบอลลูนจะอยูประมาณ 20 กิโลเมตรเหนือพื้นโลก บอลลูนแตละลูกจะทํางานไดประมาณ 100 วัน บอลลูนแตละลูกจะมีใหพื้นที่บริการ 5,000 ตารางกิโลเมตร และจะเชื่อมตอกันดวยเลเซอร จากการทดสอบล าสุดของทั้งโครงการโดรนของเฟซบุก และโครงการบอลลูนของกูเกิล พบว า ลั กษณะของการเขาใชงานของทั้ง 2 โครงการนี้นาจะเปนแบบการบริการครอบคลุม (global service) แต อยางไรก็ดี ยังตองมีการพัฒ นากันอีก พอสมควรเพื่อ ใหแ พลตฟอรมนี้ใชงานไดอ ยางมีประสิทธิภาพและมี เสถียรภาพ

รูปที่ 2.11 ภาพการเชื่อมตอโครงการบอลลูนของบริษัทกูเกิล [15] โครงการ Zephyr ของ Airbus เปน อีกหนึ่ง โครงการที่ มีก ารพัฒ นาขึ้น เพื่ อเชื่ อ มต อ การสื่ อ สาร ระหวางดาวเทียมในวงโคจรตาง ๆ และ UAVs ซึ่งจะมีการใชงานในรูปแบบที่หลากหลาย เชน การสื่อสาร ทั่วไปเปนขอมูลภาพ เสียง หรือประเภทภาพถายดาวเทียม นอกจากนั้นยังมีการใชงานในภารกิจทางการทหาร ดังแสดงในรูปที่ 2.12

15

รูปที่ 2.12 โครงการ Zephyr [16] บริษัท Stratxx ทางฝงยุโรป จากประเทศสวิตเซอรแลนด ไดมีการพัฒนา HAPS ในรูปแบบเดียวกัน โดยออกแบบเปนลักษณะของเรือบิน (Airships) ซึ่งจะบรรจุอุปกรณสื่อสารและทํางานในชั้น Stratosphere ที่ ระดับความสูงมากกวา 20 กิโลเมตร โดยมีพื้นที่บริการครอบคลุม 40 กิโลเมตร ดังแสดงในรูปที่ 2.13

รูปที่ 2.13 การเชื่อมตอ HAPS ของบริษัท Stratxx [17]

16 นอกเหนือจากโครงการของ HAPS ที่กลาวมาในขางตน ก็มีอีกหลายประเทศที่กําลังพัฒนาโครงการ ในลักษณะเดียวกันอยู [18] และมีความกาวหนาอยางมาก ดังนั้นการสื่อสารผาน HAPS อาจจะมีการใชงาน จริงเร็วกวาที่คาดการณไว นาจะอยูใชชวงเวลาที่คาบเกี่ยวระหวางแนวโนมเทคโนโลยีอวกาศในระยะกลาง (510 ป) และระยะยาว (10 ปขึ้นไป) 2.1.4 เทคโนโลยี ที่ ใ ช ใ นการลดผลกระทบในการสื่ อ สารผ า นดาวเที ย ม (Mitigation Technology) สืบเนื่องจากการใชงานดาวเทียมที่ความถี่สูงขึ้นในยาน Ku-band และ Ka-band ทําใหการสื่อสาร ผานดาวเทียมจะถูกรบกวนจากเมฆและฝนมากขึ้นตามลําดับ ไมวา การใชงานดาวเทียมจะอยูในวงโคจรคางฟา หรือวงโคจรต่ําก็จ ะไดรับผลกระทบนี้เชนเดียวกัน เนื่องจากอิทธิพลของเมฆและฝนจะอยูในระดับความสูง ประมาณ 5-10 กิโลเมตร เหนือพื้นโลก โดยเฉพาะอยางยิ่งในประเทศที่อยูตามแนว ± 10 องศาของเสนศูนย สูตร ดังนั้นจึงตองมีการพัฒนาเทคโนโลยีในการลดผลกระทบของเมฆและฝนดังแสดงในตารางที่ 2.1 ตารางที่ 2.1 เทคโนโลยีการลดผลกระทบของฝนในการสื่อสารผานดาวเทียม [19-21] Type Principle and Feature Examples Statistic o Margin addition o increase EIRP & G/T o Hierarchical channel o Hierarchical coding o Waste of resource modulation Dynamic o Adaptive distribution of link o Power control resourced o Bandwidth control o Good for point to point o Coding rate control Diversity o Prepare0channels0with0low0 o Site diversity attenuation0correlation o Time diversity o Good for large attenuation o Frequency diversity o Orbit diversity

&

ในชวงเวลา 5-10 ปขางหนานี้ เทคโนโลยีการลดผลกระทบจากฝนจะมีบทบาทอยางมาก ยกตัวอยาง เชน o Site diversity จะถูกเปลี่ยนแปลงไปจากลักษณะสถานีใหญเพียงแค 2-3 สถานี จะกลายเปนสถานี ที่ เ ล็ ก ลงและอยูใ นพื้ นที่ ที่ ส ามารถหลี ก เลี่ย งการลดทอนของฝนอยา งมีป ระสิ ทธิภ าพ จากการ วิเคราะหเสนทางของฝนแตละพื้นที่ o Time diversity จะเปนเทคโนโลยีที่มาตอบโจทยการสงขอมูลที่ไมตองการเรียลไทม ในชวงเวลาที่ ถูกลดทอนจากฝน เนื่องจากในการใชงานในยานความถี่สูง เชน Ka-band นั้น การลดทอนจากฝน

17 จะมีอิทธิพลอยางมากตอสัญญาณดาวเทียม ทําใหขอมูลที่สง ณ ขณะนั้นอาจหายไปอยางมาก ดังนั้น การใชเทคนิค time diversity จะเพิ่มความนาเชื่ อ ถื อของระบบมากยิ่ง ขึ้นเพราะข อมูล ที่ ส ง จะ ถูกตอง 100% แตมีขอเสียเพียงขอเดียวคือ ไมเรียลไทม แตอันที่จริงแลวในปจจุบันพฤติกรรมของ ผูบริโภคสวนใหญก็ไมไดตองการการสงขอมูลแบบเรียลไทม แตเปนการสงขอมูลแบบ on demand มากกวา o Adaptive power control จะใชงานเทคโนโลยี beamforming เพื่อที่จะสามารถจัดการกับกําลัง งานในแตละพื้นที่ไดอยางอิสระและเหมาะสม

2.2 แนวโนมเทคโนโลยีสําหรับดาวเทียมสํารวจทรัพยากร (Earth Observation Satellites)

ดาวเทียมสํารวจทรัพยากรและสภาพแวดลอม เปนการผสมผสานระหวางเทคโนโลยีการถายภาพ และโทรคมนาคม โดยการใชคลื่นแมเหล็กไฟฟาทําหนาที่เปนสื่อกลางสงผานระหวางวัตถุและเปาหมายและ อุปกรณบันทึกขอมูล อุปกรณถายถาพที่ติดตั้งอยูบนดาวเทียม มักจะไดรับ การออกแบบใหมีความสามารถ ถ ายภาพ และมีความหลากหลายในรายละเอียดของภาพไดอยา งเหมาะสม เพื่อประโยชนในการจํา แนก ประเภททรัพยากรที่สําคัญ ๆ ซึ่งจําแนกการใชเซ็นเซอรในการถายภาพไดดังนี้ o เซ็นเซอรอินฟราเรดและแสง (Optical และ Infrared sensors) o Passive: High-resolution, multispectral, hyperspectral o Active: Lidar o เซ็นเซอรไมโครเวฟ (Microwave sensors) o Passive (radiometers) o Active (radar): Scatterometer, synthetic aperture radar (SAR) โดยเซ็นเซอรแตละชนิดก็จะไดขอมูลที่แตกตางกันออกไปดังแสดงในรูปที่ 2.14

รูปที่ 2.14 ยานความถี่ของเซ็นเซอรสําหรับใชงานดาวเทียมสํารวจทรัพยากร [22]

18 ดาวเทียมสํารวจทรัพยากรธรรมชาติมีการใชงานทัง้ ที่ระดับความสูงในวงโคจรต่ํา และวงโคจรคางฟา โดยในวงโคงจรค า งฟ า ก็ มี ทั้ ง แบบอยู กั บ ที่ แ ละการโคจรด ว ยมุ ม เอี ย ง แต เ นื่ อ งจากดาวเที ย มสํ า รวจ ทรัพยากรธรรมชาติที่ใชงานอยูในวงโคจรคางฟา หางจากพื้นโลกประมาณ 36,000 กิโลเมตร ทําใหการใชงาน ดาวเทียมสํารวจทรัพยากรธรรมชาติมีขอจํากัดในการเลือกใชอยูพอสมควร โดยมีขอดีหลัก ๆ คือ มีพื้นที่ในการ สํารวจมาก แตขอเสียคือ ความละเอียดในการถายภาพจะนอยมาก ความเร็วในการถายภาพก็จะนอยเชนกัน เนื่ อ งจากคลื่ น ต อ งเดิ น ทางไกล กล อ งจะต อ งมี กํ า ลั ง สู ง ซึ่ ง ข อ จํ า กั ด นี้ อ าจจะเลื อ กใช ด าวเที ย มสํ า รวจ ทรัพยากรธรรมชาติในวงโคจรนี้เปนในลักษณะเฉพาะ เชน ติดตามการกอตัวของเมฆ ติดตามอุณหภูมิและอื่น ๆ ในสวนของดาวเทียมสํารวจทรัพยากรธรรมชาติในวงโคจรต่ํานั้นเปนที่นิยมมากกวาการใชงานในวงโคจรคาง ฟ า เนื่องจากมีขอดีคือ มีขนาดเล็ก มีความซับซอนนอยกวา สามารถใหคาความละเอียดสูงมาก (สําหรับ เทคโนโลยีใหม ๆ สามารถใหความละเอียดดีกวา 1 เมตร) ในวงโคจรต่ําสามารถออกแบบมุมเอียงใหสามารถ ถายภาพไดทั่วโลก เนื่องจากดาวเทียมจะโคจรรอบโลกวันหนึ่งกวา 10 รอบ และราคาถูกกวา สวนขอเสีย คือ อายุการใชงานต่ําเมื่อเทียบกับดาวเทียมสํารวจทรัพยากรธรรมชาติในวงโคจรคางฟา 2.2.1 Hyperspectral camera Hyperspectral remote sensing เปนรูป แบบของการสํา รวจขอ มูลจากระยะไกลโดยใชเ ครื่ อ ง กวาดภาพชวงคลื่นละเอียดสูง (hyperspectral sensor หรือ imaging spectrometer) โดยเครื่องจะแบงการ ตรวจวัดออกเปนชวงคลื่นหรือแบนดเล็ก ๆ จํานวนมากในชวงคลื่นที่มองเห็นได (visible) ถึงอินฟราเรด ซึ่งจะ ตรวจวัดพรอม ๆ กัน โดยจํานวนแบนดที่พบจะอยูตั้งแตระดับประมาณ 100-200 แบนดขึ้นไป เชน เครื่อง AVIRIS ติดตั้งบนเครื่องบินสํารวจขององคการนาซา มีทั้งหมด 224 แบนด ตรวจวัดในชวงคลื่น 0.40-2.45 ไมโครเมตร เปนตน [23] ความแตกตางระหวาง multispectral กับ hyperspectral ทีเ่ ห็นไดอยางเดนชัด ไดแก การตรวจวัด แบบ multispectral โดยสวนใหญจ ะทําการตรวจวัดในชวงคลื่นที่มองเห็นไดถึงอินฟราเรดกลาง (middle infrared) ในชวงความยาวคลื่นกวา ง (70-400 นาโนเมตร) จํานวน 5-10 แบนด และมีเพียงไมกี่ร ะบบที่ สามารถตรวจวัดไดถึงชวง thermal infrared แตการตรวจวัดระบบนี้จะใหความละเอียดเชิงพื้นที่สูงกวา ทําให โดยสวนใหญการสํารวจระยะไกลแบบ multispectral จะใชในการศึกษาพืชพรรณ หินและดิน น้ํา เมือง พื้นที่ เกษตรกรรม และสิ่งกอสรางตาง ๆ สวนการตรวจวัดแบบ hyperspectral จะมีลักษณะเดนที่ตางออกไปคือจะ แบงชวงคลื่นออกเปนชวงแคบ ๆ (5-10 นาโนเมตร) ในชวงคลื่น visible, near infrared, middle infrared และ thermal infrared ทําใหมีจํานวนแบนดมาก ดังที่กลาวไวในเบื้องตน ซึ่งจะมีประโยชนคือทําใหก าร สํารวจชวงคลื่นมีลักษณะตอเนื่อง อีกทั้งยังเหมาะสําหรับการสํารวจในยานคลื่นที่สูงขึ้น หรือการสํารวจที่ตอง ใชการจําแนกในชวงคลื่นที่ละเอียด เชน การศึกษาอุณหภูมิพื้นผิว หรือการศึกษาชนิดและลักษณะแร ขอมูล hyperspectral โดยทั่วไปจะแสดงการจัดเก็บในรูปแบบของ data cube ซึ่งเปนขอมูล 3 มิติแบบลูกบาศก (data cube) โดยที่ในแนวระนาบแกน X-Y จะแสดงขอมูลภาพ (spatial information) สวนแกน Z จะแสดง ขอมูลเชิงคลื่น (spectral information)

19

รูปที่ 2.15 ตัวอยางขอมูลที่ไดจากเซ็นเซอร hyperspectral 2.2.2 Multiband SAR เทคนิค SAR (synthetic aperture radar) เปนเทคนิคการถายภาพโดยใชเรดาร เพื่อใหไดภาพถาย ที่มีความละเอียดสูง หลักการพื้นฐานการทํางานของ SAR เริ่มจากการสรางสัญญาณพัลสเดียวของเรดารที่มี ความกวางของสัญญาณแคบมาก ๆ จากนั้นทําการสงพัลสเรดารดังกลาวออกไป พรอมกับรอรับคลื่นเรดารที่ สะทอนกลับ เมื่อคลื่นเรดารเดินทางไปกระทบกับวัตถุ เมื่อรับคลื่นสะทอนกลับ ดาวเทียมจะทําการเก็บขอมูล ดิบเพื่อสงใหสถานีภาคพื้นดินทําการประมวลผลและสรางภาพตอไป โดยใชเทคนิคการแปลงฟูเรียร (Fourier transform) สาเหตุหลักที่ไมทําการประมวลผลบนดาวเทียม เนื่องจากการประมวลผลและสรางภาพจําเปน จะตองใชคอมพิวเตอรที่มีขีดความสามารถสูงเพราะขบวนการการประมวลผลมีความซับซอนสูง เมื่อเทียบกับ การประมวลผลขอมูลดิบที่ไดจากการถายภาพจากกลองถายภาพ นอกจากนี้การสรางสัญญาณพัลสเดียวของ คลื่นเรดารที่มีความกวางของสัญญาณแคบมาก ๆ นั้น จําเปนที่จะตองใชสายอากาศขนาดยาวมาก รวมไปถึง ขนาดกํา ลังไฟฟา สูงที่จ ะตอ งจา ยให กับ ชุดสรางสัญ ญาณคลื่นเรดาร ซึ่งป จจั ยดังกลา วเปนขอจํา กัดที่ตอง พิจารณาในการใชคลื่นเรดารเพื่อการถายภาพ ซึ่ง multiband SAR เปนการประยุกตใชความถี่หลาย ๆ ยาน เชน X-band, C-band และ L-band ในการถา ยภาพ เนื่องจากแตละยานความถี่จ ะใหขอ มูล รายละเอีย ดที่ตางกันไป ทําให นําขอมูล ที่ไดไปใช ประโยชนไดมากขึ้น ดังแสดงในรูปที่ 2.16 ในปจจุบันไดมีการนําขอมูลหลายยานความถี่จากหลายดาวเทียมมา ประมวลผลทางภาคพื้นดิน แตในอนาคตอาจจะมีการใชเทคนิคหลายความถี่รวมกันในการถายภาพ เพื่อที่จะ ไดไมตองรอรับขอมูลจากดาวเทียมดวงอื่นที่ใชงานในยานความถี่ที่ตางกัน

20

รูปที่ 2.16 ตัวอยางตารางเปรียบเทียบการใชงานยานความถี่กับรายละเอียด [24]

21

2.3 แนวโนมเทคโนโลยีดาวเทียมอื่น ๆ 2.3.1 ดาวเทียมควอนตัม (Quantum satellite) ดาวเทียมควอนตัมดังแสดงในรูป ที่ 2.17 เปนเทคโนโลยีลา สุดที่ทั่ว โลกกํา ลังให ความสนใจ ซึ่ง ดาวเทียมประเภทนี้อาจจะมาทดแทนดาวเทียมทั่วไปหรือ HTS ก็เปนไปได หรืออาจจะถูกนํามาใชงานใน ภารกิจอื่น ๆ เชน ภารกิจทางการหทาร โดยเทคโนโลยีของควอนตัมนั้นสามารถเพิ่มความปลอดภัยของการ รับสงขอมูลโดยใชเทคโนโลยีการเขารหัสเชิงควอนตัมเขามาชวยนั้น ทําใหการโจรกรรมขอมูลเปนไปไดยาก ซึ่ง ตอนนี้ประเทศจีนไดมีการทดสอบสงขอมูลเชิงควอนตัมขึ้นดาวเทียมเปนประเทศแรกของโลก และมีแผนที่จะ ทดสอบอยางตอเนื่องไปอีกกวา 10 ป ดังนั้นในระยะเวลามากกวา 10 ป เทคโนโลยีการสื่อสารผานดาวเทียม ควอนตั ม จะเป น เทคโนโลยี ที่ มี ป ระสิ ท ธิ ภ าพสู ง และเข า มามี บ ทบาททางด า นการสื่ อ สารในอนาคต นอกเหนือจากนั้นประเทศอื่น ๆ ก็มีการพัฒนาการสงขอมูลดวยเทคโนโลยีควอนตัมเชนกัน แตโดยมากจะทํา การทดสอบทางภาคพื้นดินเปนหลัก

รูปที่ 2.17 หลักการทํางานของดาวเทียมควอนตัม [25]

22 2.3.2 ดาวเทียมขนาดเล็ก (Small Satellite) ดาวเทียมขนาดเล็กสามารถแบงยอยไดตามขนาดของน้ําหนักดาวเทียมเปนหลัก ดังตารางที่ 2.2 โดย จุดประสงคของการสรางดาวเทียมขนาดเล็กนั้น เพื่อพัฒนาและใชงานในภารกิจตาง ๆ แทนที่ดาวเทียมขนาด ใหญซึ่งตอ งใช เวลาและงบประมาณในการสร า งอยา งมาก และสืบ เนื่อ งจากความสามารถของจรวดที่ มี ประสิทธิภาพดีขึ้นและมีการนํากลับมาใชงานใหมได ทําใหเทคโนโลยีการนําสงดาวเทียมขึ้นไปในอวกาศเปน เรื่องที่งายและถูกลงอยางมาก จากบทวิเคราะห [26] สามารถสรุปไดวาดาวเทียมขนาดเล็กจะเขามามีบทบาท ในวงโคจรต่ํา มากกว า HTS เสี ย อี ก เนื่ อ งจากราคาถู ก และสามารถสง ขึ้ น ได เรื่ อ ย ๆ ถา เทคโนโลยีมี การ เปลี่ยนแปลงอยางรวดเร็ว เพราะวาอายุการใชงานของดาวเทียมขนาดเล็กมีอายุประมาณ 5 ป ขึ้นอยูกับขนาด และภารกิจของดาวเทียม ดังนั้นจึงตอบโจทยเทคโนโลยีที่เปลี่ยนแปลงไดดี ขอดีของการพัฒนาดาวเทียมขนาดเล็ก คือ o มีความซับซอนนอยกวาดาวเทียมขนาดใหญ o ใชงบประมาณต่ํากวาการสรางดาวเทียมขนาดใหญ o ใชเวลาสรางนอยกวาดาวเทียมขนาดใหญ ขอเสียของการพัฒนาดาวเทียมขนาดเล็ก คือ o อายุใชงานสั้น o เพิ่มขยะอวกาศ o น้ําหนักนอยทําใหควบคุมการเคลื่อนที่และเสถียรภาพไดยาก ตารางที่ 2.2 การจําแนกดาวเทียมขนาดเล็ก [27] ความสูง (km) ชนิด มวล (kg) คาบวงโคจร 1000 – 5000 Mini 100 - 500 (2 – 3 hrs) 500 – 2000 Micro 10 – 100 (1.6 - 2 hrs) 300 – 800 Nano 1 - 10 (1.4 – 1.7 hrs) 200 - 400 Pico 0.1 – 1 (1.4 – 1.5 hrs) 200 – 400 Femto < 100 g (1.4 – 1.5 hrs)

อายุของ ดาวเทียม

คาใชจาย กําลังงานที่ใช ($)

3 - 5 years 10-50 M

50 W

1-3 years

2-10 M

35 W

~ 1 year

0.2-2 M

7W

< 1 year

20-200 K

2W

< 1 year

0.1-20 K

6 mW

23

รูปที่ 2.18 ดาวเทียม CubeSat ของนาซาที่ทําขึ้นโดยประยุกตใชงานจากมือถือ [28] มหาวิทยาลัย สถาบันวิจัย หรือองคการในดานอวกาศทั่วโลกตางใหความสําคัญและสนใจในการ พั ฒนาดาวเทียม CubeSat ขึ้นเพื่อจุดประสงคหลักคือการพัฒนาเทคโนโลยีอวกาศเปนของตนเอง และนํา CubeSat ไปใชในการสํารวจและในการศึกษา เชน สถาบันเทคโนโลยีพระจอมเกลาเจาคุณทหารลาดกระบัง มหาวิทยาลัยเทคโนโลยีพระจอมเกลาธนบุรี โรงเรียนดรุณสิกขาลัย และนักวิจัยของ SpaceBox Laboratory มีความรวมมือจั ดทําโครงการเพื่อพัฒนา CubeSat ในชื่อโครงการวา “SpaceBox STEP-1: Thailand’s CubeSat for the Next Generation” โดยไดรับการสนับสนุนจากบริษัทไทยคมซึ่งเปนผูนําธุรกิจในประเทศ ไทย อี ก โครงการของมหาวิ ท ยาลั ย เทคโนโลยี พ ระจอมเกล า พระนครเหนื อ (มจพ.) ในชื่ อ โครงการ “KNACKSAT” และโครงการของ สทอภ. โดยรวมกับ มจพ. และมหาวิทยาลัยเทคโนโลยีมหานคร (มทม.) ใน การพัฒนาดาวเทียม CubeSat ตนแบบเพื่อพัฒนาบุคลากร และเสริมสรางโครงสรางพื้นฐานดานวิศวกรรม ดาวเทียม ในป 2558-2559 ดังนั้นจะพบวาโครงการพัฒนา CubeSat คอนขางตื่นตัวอยางมากในชวงเวลานี้ ในสวนขององคกรใหญ ๆ อยางนาซาก็มีการพัฒนา CubeSat โดยใชมือถือเปนตัวควบคุมดังแสดงในรูปที่ 2.18 ในสวนของทางฝงเอเชีย ไมวาจะเปน จีน ญี่ปุน ไตหวัน เกาหลีใต อินเดีย เวียดนาม ตางมีโ ครงการ พัฒนาดาวเทียม CubeSat ในทํานองเดียวกัน จากรูปที่ 2.19 พบวาการสงดาวเทียมขนาดเล็กขึ้นสูวงโคจร เพิ่มขึ้นในทุก ๆ ป ดังนั้นจึงสรุปไดวาการพัฒนาดาวเทียมขนาดเล็กเปนสิ่งที่ทั่วโลกใหความสนใจและจะมีการ ใชงานมากขึ้นตั้งแตชวงเวลานี้เปนตนไป

24

รูปที่ 2.19 แนวโนวการสงดาวเทียมขนาดเล็กขึ้นสูวงโคจร [29]

2.4 แนวโนมเทคโนโลยีของอุปกรณที่เกี่ยวของกับการใชงานดาวเทียม

ระบบดาวเทียมที่มีการใชงานอยูในปจจุบันนั้น ประกอบไปดวยอุปกรณสวนตาง ๆ มากมายตั้งแต ระบบบนดาวเทียมในอวกาศ ระบบภาคพื้นดิน รวมทั้งโครงขายสวนตาง ๆ เพื่อใหระบบดาวเทียมดังกลาว สามารถทํา งานในแบบที่ตอ งการได เชน การใหบ ริก ารแบบประจํ าที่ (fixed satellite) บริการเคลื่อ นที่ (mobile service) หรือบริการสงกระจายขอมูล (broadcast service) และอื่น ๆ ซึ่งวิธีการใชงานดังกลาวจะ เปนตัวกําหนดอุปกรณเฉพาะตาง ๆ ทีป่ ระกอบเปนระบบดาวเทียม 2.4.1 อุปกรณบนดาวเทียม (Space segment) ระบบตาง ๆ ของดาวเทียม ประกอบดวยบล็อกยอย ๆ หลายบล็อกรวมกัน เนื่องจากดาวเทียมมีการ ทํางานหลายดาน และตองทํางานในสภาพแวดลอมที่รายแรง ดังนั้นจึงตองมีระบบยอยตาง ๆ ที่ทํางานรวมกัน ดังนี้ o Payload subsystem ระบบของเพยโหลด สามารถแบงประเภทไดตามจุดประสงคของการใชงานดาวเทียม เชน ระบบ ถายภาพ (ดาวเทียมสํารวจทรัพยากร) ระบบสื่อสารความเร็วสูง (ดาวเทียมสื่อสาร) หรือ ชุดเครื่องมือการวัด ทางวิทยาศาสตร (ดาวเทียมทางวิทยาศาสตร) สว นที่ใชติดตอสื่อ สารบนดาวเทีย มประกอบไปดวย 2 สว นยอย คือ ทรานสปอนเดอรและจาน สายอากาศ โดยเทคโนโลยีที่กําลังมีการพัฒนาเพื่อที่จะใชงานรวมกับ HTS คือ muti spot-beam ดังแสดงใน รูปที่ 2.20 ละ เทคโนโลยี beam hopping [30–31]

25

รูปที่ 2.20 เทคโนโลยี multi spot-beam ที่ใชในดาวเทียม Eutelsat [32] o Power subsystem ระบบ power subsystem เปนระบบหลักในการใหพลังงานแกตัวดาวเทียมและเปนพารามิเตอร หลั กในการประเมินอายุการใชง านของดาวเทียม ดังนั้นจึง มีการพั ฒนาเทคโนโลยีของอุป กรณใน power subsystem ใหมีประสิทธิภาพมากยิ่งขึ้นอยางตอเนื่อง ซึ่งจะสามารถเปนตัวเพิ่มอายุการใชงานของดาวเทียม ได โดยอุปกรณที่สําคัญใน power subsystem มีดังนี้ 1. โซลารเซลล โซลารเซลล คือสิ่งประดิษฐทางอิเล็กทรอนิกสที่สรางจากสารกึ่งตัวนํา ซึ่งสามารถเปลี่ยนพลังงาน แสงอาทิตยใหเปนพลังงานไฟฟาไดโดยตรง จัดวาเปนแหลงพลังงานทดแทนชนิดหนึ่งและเปนอุปกรณที่สําคัญ อยา งมากกั บ ระบบดาวเทีย ม ถา กลาวถึง ตลาดโซลารเ ซลล หรือ PV จะตอ งพิจ ารณาปจ จัย 2 ขอ ไดแ ก ประสิทธิภาพ กับราคา ซึ่งสิ่งที่ตลาดตองการคือ โซลารเซลลที่มีประสิทธิภาพสูงแตราคาถูก ซึ่งบางครั้งปจจัย ทั้งสองนี้ อาจจะไมสามารถไปพรอมกันได ยกตัวอยางในปจจุบัน โซลารเซลลที่ใชงานอยูทั่วไป ที่ตอบโจทย ตลาดและคุมคาที่สุดคือ โซลารเซลลที่ทํามาจากสารกึ่งตัวนํา silicon (Si) สามารถใหประสิทธิภาพไดประมาณ 20-25% จากประสิทธิภาพสูงสุดในทางทฤษฎีอยูที่ 29% [33] แตในสวนของโซลารเซลลที่ทําจาก gallium arsenide (GaAs) จะสามารถใหประสิทธิภาพในทางทฤษฎีถึง 50% และ 35% ในทางปฏิบัติ [34] แตมีราคา ที่สูงกวามาก จึงไมไดมีการใชงานอยางแพรหลายมากนัก การใชงานโซลารเซลลที่ทําจาก GaAs จึงถูกจํากัดอยู กับงานเฉพาะดานที่สามารถลงทุนสูง ๆ เชน ดาวเทียมเนื่องจากตองการประสิทธิภาพที่สูงและน้ําหนักเบา ทั้ งนี้ เทคโ น โ ลยี ใ น กา รผลิ ตโ ซล า ร เซ ลล ก็ มี อ ยู ห ล าย รู ป แบ บ เ ช น multicrystalline, monocrystalline silicon, thin-film และ multi-junction cells เปนตน โดยจากรูปที่ 2.21 แสดงใหเห็นวา มีการใชเทคโนโลยีในการผลิตโซลารเซลลในลักษณะตาง ๆ มากนอยเพียงใด ซึ่งผูผลิตระดับตน ๆ ของโลกก็มี การพัฒนาเทคโนโลยีในการผลิตอยางตอเนื่องเพื่อเพิ่มประสิทธิภาพของโซลารเซลลดังแสดงในรูปที่ 2.22 และ

26 ในทํานองเดียวกัน งานวิจัยที่เกี่ยวของกับเทคโนโลยีของโซลารเซลลก็มีการพัฒนาอยางตอเนื่องเชนกัน และ สามารถสรุปไดดังรูปที่ 2.23 ซึ่งเปนการเปรียบเทียบประสิทธิภาพของโซลารเซลลในแตละชนิด สุดทายคือการ แขงขันในตลาดโลกและเทคโนโลยีที่สูงขึ้นอยางตอเนื่องทําใหราคาของโซลารเซลลถูกลงเรื่อย ๆ ดังแสดงในรูป ที่ 2.24

รูปที่ 2.21 การใชงานของเทคโนโลยีในการผลิตโซลารเซลลตาง ๆ ในทั่วโลก [35]

รูปที่ 2.22 ประสิทธิภาพของโซลารเซลลจากผูผลิตชั้นนําของโลก [36]

27

รูปที่ 2.23 ประสิทธิภาพของโซลารเซลลแตละชนิด [37]

รูปที่ 2.24 ราคาของโซลารเซลลในชวงป 1977 ถึง 2015 [38] ณ ป จ จุ บั น ทางสถาบั น เทคโนโลยี แ มสซาชูเ ซตส (Massachusetts Institute of Technology, MIT) ไดทํา การคน ควาวิจัย โซลารเซลลที่ทําขึ้นเปนชั้น ๆ เรียกวา “step cell” โดยชั้นบนจะใช gallium arsenide phosphide (GaAsP) และชั้นลางเปน silicon ดังแสดงในรูปที่ 2.25 ซึ่งใหประสิทธิภาพในทาง ทฤษฎีเทากับ 40% และในทางปฏิบัติเทากับ 35% และนาจะออกสูตลาดภายใน 1 ถึง 2 ปขางหนานี้ [39-40] ซึ่ ง ถ า ประสิท ธิ ภ าพในทางปฏิบั ติ ได ใ กล เ คี ย งกั บ ที่ ก ล า วไว ก็ ส ามารถนํ า ไปประยุ ก ต ใ ช กั บ งานที่ ต อ งการ ประสิทธิภาพสูงอยางดาวเทียมได

28

รูปที่ 2.25 ชั้นของสารในการสรางโซลารเซลล [41] ในสวนของอีกคายหนึ่งจะเปนการพัฒนาโซลารเซลลที่ประกอบไปดวย dye-sensitized solar cell, organic photovoltaics, perovskite photovoltaics และ inorganic quantum dot solar cell ซึ่ ง การ พัฒนานี้เมื่อเปรียบเทียบกับ silicon solar cell แลวก็จะพบวาราคาไมแพงมาก บางกวา มีความยืดหยุนกวา และสามารถรับ แสงไดในชว งที่กวางกวา [42] จากขอมูลดัง กลาวสามารถสรุป ไดวา ในชวงเวลา 5-10 ป ขางหนาหลังจากมีการทดลองใชงานโซลารเซลล ชนิดใหมไปสักระยะ อาจจะมีการเปลี่ยนถาย silicon solar cell ที่มีอยูในตลาดถึง 90% ไปสูโซลารเซลล ชนิดใหมที่ใหประสิทธิภาพมากกวาและราคาไมตางไปจากเดิม 2. แบตเตอรี Lithium-ion เปนแบตเตอรี ที่ถูกใชมาอยางยาวนานมากกวา 20 ป ซึ่งพบวาราคาจะถูกลงเรื่อย ๆ ในปจจุบัน ไมวาจะเปนงานใชงานโดยทั่วไปหรือแบตเตอรีคุณภาพสูงสําหรับการใชงานดาวเทียม ซึ่งตรงขาม กั บ ปริมาณการใชง านแบตเตอรีที่ เพิ่ มขึ้น ดัง แสดงในรูป ที่ 2.26 และ 2.27 และเนื่องจากเทคโนโลยีข อง แบตเตอรีมีสวนสําคัญอยางมากเพราะเปนอีกตัวแปรหนึ่งที่จะกําหนดอายุการใชงานของดาวเทียม ทําใหตองมี การพัฒนาแบตเตอรีใหมีประสิทธิภาพมากขึ้น

รูปที่ 2.26 ความตองการใชงานของ Lithium-ion แบตเตอรีที่เพิ่มขึ้น [43]

29

รูปที่ 2.27 ราคาของแบตเตอรี Lithium-ion ที่ลดลงเรื่อย ๆ ในชวง 10 ปที่ผานมา [44] จากการที่รถยนตกําลังปรับตัวเขาสูเทคโนโลยียานยนตไฟฟา ทําใหเทคโนโลยีแบตเตอรีมีการลงทุน และพัฒนามากขึ้น ในสวนของประเทศไทยมีบริษัทใหญ ๆ รวมลงทุนในการสรางโรงงานผลิตแบตเตอรี ที่มี มูลค า การลงทุนรวมประมาณ 1 แสนลา นบาท และมีเปา หมายการผลิตแบตเตอรีสํารอง 50 GWh ไดแ ก พลังงานบริสุทธิ์จํากัด (มหาชน) (EA) บางจากปโตรเลียมจํากัด (มหาชน) (BCP) บริษัทเบตาเอ็นเนอรยีโซลูชัน จํากัด เอ็นเซิรฟกรุป และกลุมการปโตรเลียมแหงประเทศไทย (ปตท.) โดยจะตั้งโรงงานที่นิคมอุตสาหกรรม ไฮเทค นอกเหนือจากบริษัทในไทย ก็จะมีกลุมผูลงทุนภายใตสภาอุตสาหกรรมจากประเทศจีนและประเทศ ไตหวันที่สนใจพัฒนาระบบกักเก็บพลังงาน (Energy Storage) [45] บริ ษั ทที่ เ ป น ผู ผ ลิ ต และจํ า หนา ยแบตเตอรี สํา หรับ ที่ ใ ชง านในอวกาศ เช น บริษั ท EaglePicher Technologies ก็มีการพัฒนาเทคโนโลยีของแบตเตอรีอยางตอเนื่อง ซึ่งมีคุณสมบัติของ Lithium-ion แบตเตอรีสําหรับใชงานในอวกาศไดตามตารางที่ 2.3 ตารางที่ 2.3 คุณสมบัติแบตเตอรีของบริษัท EaglePicher Technologies [46] Space Batteries Part No.

Capacity Nominal Voltage

Maximum Dimensions

Weight Not to Exceed

SAR-10197 200 Ah

33.3 V

10.6"W x 29.5"L x 10.4"H

140 lb/63.5 kg

SAR-10199 100 Ah

33.3 V

10.6"W x 20.0"L x 10.4"H

77.6 lb/35.2 kg

และอีกบริษัทที่จําหนายแบตเตอรีสําหรับใชงานดาวเทียมในอวกาศเชนกัน คือบริษัท GS Yuasa ซึ่ง ก็มี Lithium-ion แบตเตอรีที่พัฒนาอยู 2 รุน คือ LSE GEN II และ LSE GEN III ดังแสดงในรูปที่ 2.28

30

รูปที่ 2.28 Lithium-ion แบตเตอรีของบริษัท GS Yuasa [47] ในความเปนจริง Lithium-ion แบตเตอรี ก็ยังมีความสําคัญอยูมากแตก็มียังมีการคิดคนและพัฒนา สาร และวิธีการอื่น ๆ เพื่อเพิ่มประสิทธิภาพของแบตเตอรีใหดียิ่งขึ้น ดังแสดงในรูปที่ 2.29 ในระยะเวลา 1-5 ปขางหนานี้ เทคโนโลยียังไมมีการเปลี่ยนแปลงเปนรูปธรรม จะเปนการเพิ่ม ประสิทธิภาพของแบตเตอรีเทานั้น ดังนี้ o การเพิ่มประสิทธิภาพของ cathodes โดยการเพิ่ม cobalt ในแบตเตอรีถึง 75% การคนควาเพื่อหา วัสดุใหม ๆ เพิ่มความสามารถในการเก็บประจุ ซึ่งในยุคใหมของ cathode อาจจะเปน lithium-rich layered oxide materials (LLOs) หรือวัสดุอื่นในทํานองเดียวกัน o การเพิ่มประสิทธิภาพของ Anodes o การใช solid-state แทน liquid electrolytes ซึ่งวิธีการนี้จะชวยเพิ่มความหนาแนนพลังงานได แต ก็ยังพบปญหาอยูบางสวน สวนในระยะยาวนั้น นาจะเห็นแบตเตอรีชนิดใหม ๆ ที่เขามามีบทบาทในตลาดมากขึ้น ซึ่งอยูในชวง ของการพัฒนาและยังไมมีการใชงานในเชิงพาณิชย สามารถจําแนกไดดังนี้ o Lithium-Air: สามารถเพิ่มความหนาแนนพลังงานไดมากกวา Li-ion ถึง 10 เทา แตยังพบปญหาอยู มาก ซึ่งนักวิจัยก็ไดลองทดสอบอยางอื่นควบคูกันไป เชน aluminum-air และ sodium-air o Lithium-Sulphur: มีประสิทธิภาพมากกวา เบากวา และถูกกวา Li-ion ปญหาที่พบคือการขยายตัว ถึง 80% เนื่องจากความเครียดเชิงกล o Vanadium Flow Batteries: เปนการใชสารตัวอื่นนอกเหนือจาก Li-ion ซึ่งปญหาที่พบคือ สัดสวน ระหวางพลังงานตอปริมาณยังไมดีพอ น้ําหนักเยอะ

31

รูปที่ 2.29 พัฒนาการของแบตเตอรี [48] 3. OBDH (On-board data handling) ระบบนี้เปน ระบบที่สําคัญ มากอยางหนึ่งของดาวเทียม มีสว นประกอบที่สัม พันธกันระหวา งตัว ดาวเทียมและสถานีควบคุมบนพื้นโลก ระบบนี้จะคอยทําหนาที่เปนเหมือนผูจัดการระบบสื่อสารอื่น ๆ ทั้งหมด คือ มีการตรวจจับสภาพตาง ๆ ของดาวเทียมวาเปนอยางไร แลวสงมายังสถานีควบคุมภาคพื้นดิน จากนั้น สถานี ค วบคุ ม ภาคพื้ น ดิ น นี้ ก็ จ ะทํ า การประมวลสั ญ ญาณดั ง กล า ว ซึ่ ง ประกอบด ว ยสั ญ ญาณจากระบบ Telemetry และระบบ Tracking จากนั้นจึงทําการสงสัญญาณควบคุมที่เหมาะสมกลับไปยังดาวเทียมเพื่อให ดาวเทียมปรับสภาพตาง ๆ ของตัวมันเองใหถูกตองเหมาะสมกับสภาพการใชงานและสภาพแวดลอมตาง ๆ ที่ เกิดขึ้น สําหรับระบบนี้ไดมีการพัฒนาเพื่อเพิ่มประสิทธิภาพสําหรับการใชงาน HTS โดยใชเทคนิค On-Board Processing (OBP) มาชวยในการคํานวณความเหมาะสมของคาพารามิเตอรตางๆ [49] 4. Structure and thermal control ระบบนี้เปนโครงสรางของตัวดาวเทียมและระบบควบคุมและมอนิเตอรความรอนจากอุปกรณตาง ๆ ซึ่งในการออกแบบดาวเทียมตองคํานึงถึงการกระจายความรอนเพื่อไมใหเกิดความรอนสะสมในตัวอุปกรณ เพราะอาจจะทําใหอุปกรณทํางานผิดปกติได นอกเหนือจากความรอนจากอุปกรณในตัวดาวเทียมแลวก็ตอง คํานึงถึงความรอนจากภายนอก เชน ดวงอาทิตย ดวงดาว โลก รังสีความรอนตาง ๆ ที่แผมากระทบผิวของ

32 ดาวเทียม และชวงเวลาของการโคจรที่จะทําใหเกิดการเปลี่ยนแปลงของอุณหภูมิในอวกาศอยางรวดเร็ว ใน เทคโนโลยีปจจุบันสําหรับการความคุมความรอน เชน coating, multilayer insulation, louvers ,heaters, radiators และ heat pipes แตเนื่องจากการใส heaters เพื่อรักษาอุณหภูมิในชวงที่เย็น และใส radiators เพื่อกําจัดความรอน นั้น จะเพิ่มน้ําหนักใหกับดาวเทียมอยางมาก จึงมีการพัฒนาในสวนของระบบโครงสรางและควบคุมความรอน ของดาวเทียม เชน โครงการ Space Technology 8 ขององคกรนาซา (NASA) ไดมีการพัฒนาสวนของการ ควบคุมความรอน เรียกวา thermal loop เพื่อลดขนาดและน้ําหนักของดาวเทียม ดังแสดงในรูปที่ 2.30

รูปที่ 2.30 ระบบการทํางานของ thermal loop [50] 5. AOCS (Attitude and orbit control subsystem) ระบบควบคุมตําแหนงและวงโคจรของดาวเทียม ประกอบไปดวยขอมูลจากเซ็นเซอรหลายสวน เชน sun sensors, earth sensors, star sensors และอื่น ๆ รวมถึงขอมูลการทํา ranging จากภาคพื้นดินดวย ใน การนําสงดาวเทียมไปสูในตําแหนงที่ตองการและทํางานไดเต็มรูปแบบอาจใชเวลาหลายเดือนสําหรับดาวเทียม ที่อยูในวงโคจรคางฟา และหลายอาทิตยสําหรับดาวเทียมวงโคจรต่ํา การพัฒนาวิธีการสงดาวเทียมไปยังตําแหนงที่ตองการนอกเหนือจากจรวดที่สามารถสงดาวเทียมได สู ง ขึ้ น แล ว การใส เ ครื่ อ งรั บ จี พี เ อส (Global positioning system, GPS) ไปกั บ ตั ว ดาวเที ย มเพื่ อ ใช เ ป น พารามิเตอรหนึ่งในการระบุตําแหนงที่ตองการและยังสามารถควบคุมดาวเทียมไดดียิ่งขึ้น โดยเทคนิคนี้เรียกวา geostationary GPSR ขอดีของระบบนี้ คือ ชวยลดระยะเวลาและคาใชจายในการนําดาวเทียมไปยังตําแหนง ที่ตองการและชวยลดความเสี่ยงของผูควบคุมดาวเทียม [51]

33 6. Propulsion subsystem ดาวเทียมสื่อสารโดยทั่วไปเมื่อถูกสงขึ้นจากพื้นโลกโดยใชจรวดเปนพาหนะเมื่อเขาสูชั้นบรรยากาศ แลวภารกิจของจรวดจะหมดไป ดังนั้นตัวดาวเทียมจะตองสามารถขับเคลื่อนตัวมันเขาสูวงโคจรตามต่ําแหนงที่ กําหนดไวและสามารถรักษาตําแหนงอยูไดในวงโคจร ซึ่งที่ตัวของดาวเทียมจะมีระบบขับเคลื่อนโดยใชกาชหรือ พลังงานไฟฟาเปนเชื้อเพลิงเพื่อติดเครื่องยนตขนาดเล็กใหเกิดแรงผลักดันนําตัวดาวเทียมเขาสูตําแหนงวงโคจร ปกติ แ ละ กํ า เนิ ด แรงบิ ด เพื่ อ กํ า หนดทิ ศ ทางและรั ก ษาตํ า แหน ง ความสู ง และวงโคจรของตาวเที ย มให มี เสถียรภาพ ในปจจุบันการพัฒนาระบบขับเคลื่อนจะใชไฟฟาเปนหลักเพื่อลดจํานวนเชื้อเพลิงที่ตองนําขึ้นไปดวย โดยการพัฒนาเพิ่มกําลังงานของระบบขับเคลื่อนใหเพียงพอตอการใชงานดาวเทียมนั้น ๆ ดังแสดงในรูปที่ 2.31

รูปที่ 2.31 ตัวขับเคลื่อนดวยไฟฟาจําลอง [52] งานวิจัยลาสุดไดมีการออกแบบระบบขับเคลื่อนดาวเทียม CubeSat ดวยน้ํา ดังแสดงในรูปที่ 2.32

รูปที่ 2.32 หนึ่งในตัวขับเคลื่อนดาวเทียม CubeSat [53]

34 ซึ่งเทคโนโลยีในหัว ขอ นี้ห ลาย ๆ สว นไดมีนํา เสนอในงานประชุ ม วิช าการ “The 23rd Ka and Broadband Communication Conference and the 35th AIAA International Communication Satellite Systems Conference (ICSSC)” จัดขึ้นที่เมือง Trieste ประเทศอิตาลี เมื่อวันที่ 16 – 19 ตุลาคม พ.ศ. 2560 2.4.2 อุปกรณภาคพื้นดิน (Ground segment) สําหรับอุปกรณทางภาคพื้นดินที่ใชในสื่อสารกับดาวเทียมนั้น จะมีความแตกตางกันตามประเภทการ ใชงานของดาวเทียม เชน ดาวเทียมสื่อสาร หรือ ดาวเทียมสํารวจทรัพยากร โดยจะประกอบดวย 2 สวน หลัก ๆ ดังนี้ o Antenna system ระบบจานสายอากาศของสถานีภาคพื้นดินใชในการรับ-สงขอมูลจากดาวเทียม โดยสวนใหญจะใช จานสายอากาศแบบพาราโบลิกซึ่งจะมีขนาดเล็ก-ใหญตามความถี่ คาอัตราขยายของสายอากาศ และอาจมี ระบบมอเตอรเพื่อใชในการติตามดาวเทียมดวย ตามสถานีหลักที่ใชในการควบคุมและมอนิเตอรดาวเทียม จะตองมีจานขนาดใหญหนึ่งตัวที่มีระบบมอเตอรเพื่อใชในการควบคุมดาวเทียม และติดตั้งจานขนาดเล็กไวเพื่อ มอนิเตอรสัญญาณ ดังแสดงในรูปที่ 2.33

รูปที่ 2.33 จานสายอากาศขนาดตางๆของบริษัท ไทยคม จํากัด มหาชน [54] ในสวนของระบบจานสายอากาศสําหรับดาวเทียมสํารวจ เชน สถานีภาคพื้นดินของสทอภ. มีการ ออกแบบใหใชงานที่ความถี่ยาน S-band และ X-band ในการสงขอมูลภาพถายและควบคุมดาวเทียม ดัง แสดงในรูปที่ 2.34 บริษัทที่จัดจําหนายจานสายอากาศสําหรับการรับ-สงขอมูลผานดาวเทียม เชน บริษัท ViaSat [56], บริษัท Digitalsat [57] เปนตน โดยบริษัทดังกลาว นอกเหนือจากการจัดจําหนายจานสายอากาศ ยังมีบริการ ออกแบบระบบภาคพื้นดินตามความตองการผูใชงานดวย

35

รูปที่ 2.34 ระบบการรับขอมูลภาพถายและควบคุมดาวเทียมของสทอภ. [55] o RF front end system ระบบอุปกรณแปลงสัญญาณวิทยุประกอบไปดวยอุปกรณหลายสวนขึ้นอยูกับประเภทการใชงาน ของดาวเทีย ม เชน สํา หรับ ดาวเทีย มสื่ อสาร จะประกอบไปดว ย HPA (high power amplifier)/ TWTA (traveling-wave tube amplifier)/ SSPA (Solid State Power Amplifier), Up/Down converter และ Modem สําหรับดาวเทียมสํารวจทรัพยากร จะประกอบไปดวย ADC (analog-to-digital converter) และ ระบบประมวลผล เปนหลัก ในสวนการพัฒนาระบบอุปกรณแปลงสัญ ญาณวิทยุโดยสวนใหญจะเนนไปที่การพัฒนาตัวขยาย สัญญาณ [58–59] และพัฒนาในสวนของ Up/Down converter และ Modem โดยใช SDR [60] นอกเหนือจากระบบสื่อสารกับดาวเทียมโดยใชสัญญาณวิทยุแลว ณ ปจจุบันไดมีการพัฒนาระบบ การสื่อสารดวยเลเซอรจากภาคพื้นดินในการรับ-สงขอมูลและควบคุมดาวเทียม ดังแสดงในรูปที่ 2.35

36

รูปที่ 2.35 NICT ประเทศญี่ปุน ทดสอบรับ-สงขอมูลผานดาวเทียมดวยเลเซอร [61]

2.5 แนวโนมเทคโนโลยีของการแกปญหาขยะอวกาศ

ขยะอวกาศ คือดาวเทียมที่ถูกปลดระวาง ไมไดใชงาน แตยังอยูในวงโคจร ไมตกลงสูพื้นโลก หรือ ล อ งลอยไปในอวกาศ นอกจากนี้ยังรวมไปถึ งเครื่อ งมื อ และอุป กรณทางอวกาศที่ อยูน อกโลก ที่ไมได ใ ช ประโยชน และลองลอยไปในอวกาศ มีการประเมินวาขยะอวกาศขนาดเล็กกวา 1 เซนติเมตรลองลอยอยูมาก ถึง 170 ลานชิ้น ขยะอวกาศขนาด 1-10 เซนติเมตร 670,000 ชิ้น และมีขยะอวกาศขนาดใหญลองลอยอยูใน อวกาศรอบโลกอีกราว 69,000 ชิ้น ดังแสดงในรูปที่ 2.36

รูปที่ 2.36 ขยะอวกาศจากอดีตสูปจจุบัน

37 สืบเนื่องจากเทคโนโลยีทางดานอวกาศที่กาวหนาและราคาถูกลงเรื่อย ๆ นั้น สามารถทําใหแตละ ประเทศเริ่มที่จะทําดาวเทียมเปนของตัวเอง โดยเริ่มจากดาวเทียมขนาดเล็ก เชน CubeSat ซึ่งจากฐานขอมูล พบวามีการสงดาวเทียม CubeSat ขึ้นสูวงโคจรมากขึ้นทุกป ดังแสดงในรูปที่ 2.37 ดวยเหตุนี้ก็จะสงผลถึงขยะ อวกาศที่เพิ่มขึ้น

รูปที่ 2.37 ฐานขอมูลชองการสงดาวเทียมขนาดเล็กขึ้นสูวงโคจร [62] อยางไรก็ตามสหรัฐอเมริกา ผูผลิตขยะอวกาศมากที่สุดในโลกยังไมมีความชัดเจนเกี่ยวกับวิธีการ กําจัดเศษโลหะ เศษชิ้นสวนที่เคลื่อนตัวดวยความเร็วสูงไปรอบโลก แตประเทศญี่ปุน ที่มีการพัฒนาและเขาสู การแขงขันในกิจการอวกาศหลังสหรัฐอเมริกา กลับคิดหาวิธีการกําจัดขยะอวกาศเหลานั้นแลว และเริ่มทดลอง การเก็บขยะ ออกจากอวกาศดวยการใชยานอวกาศลากตาขายขนาดใหญความยาวราว 700 เมตร ไปไลเก็บ ชิ้นสวนเหลือทิ้งในอวกาศ เทคโนโลยีนี้อยูในขั้นการทดลอง จากการใชตาขายที่ถักทอขึ้นโดยนิตโต ไซโมะ โรงงานผลิตแห เกาแกอายุ 106 ปในญี่ปุน แตแทนที่จะใชเสนใยโพลิเอสเตอรมาสานกัน แหอวกาศนี้ตองใชเสนใยอะลูมิเนียม และ เสนใยเหล็ก ที่มีความแข็งแรงสูงมากเพื่อชะลอและดักจับขยะอวกาศที่เคลื่อนตัวดวยความเร็วสูงราว 28,000 กิโลเมตรตอชั่วโมง เนื่องจากไดรับแรงจากแรงดึงดูดของโลกและการหมุนรอบตัวของโลก ทําใหขยะ อวกาศเคลื่อนที่ไปตามทิศทางและความเร็วในการหมุนรอบตัวเอง

38

รูปที่ 2.38 ยานอวกาศ “สตอรค” [63] ยานอวกาศของญี่ปุนลํานี้มีชื่อวา “สตอรค” หรือ “คูโนโตริ” ในภาษาญี่ปุน ถูกสงขึ้นจากสถานี อวกาศทาเทกาชิมาในแปซิฟกเหนือ มุงหนาไปยังสถานีอวกาศนานาชาติ (International Space Station, ISS) ระหว า งการเดิ น ทาง ก็ จ ะทํ า หน า ที่ ดั ก ขยะอวกาศด ว ยตาข า ยที่ อ อกแบบมาเป น พิ เ ศษที่ มี สนามแมเหล็กความเขมขนสูง และสารหลอลื่นเพื่อผลักใหขยะอวกาศเปลี่ยนทิศทางมุงลงไปยังชั้นบรรยากาศ โลกเพื่อใหเกิดการเสียดสีกับอากาศจนเกิดความรอนสูงและเผาทําลายไปในที่สุด การทดลองของญี่ปุนนับเปน ความพยายามของนักวิทยาศาสตรเพื่อสรางความปลอดภัยใหกับนักบินอวกาศที่ปฏิบัติการอยูนอกโลก และ ดาวเทียมตาง ๆ ที่กําลังทําหนาที่ถายทอดสัญญาณการสื่อสาร ดาวเทียมตรวจอากาศ รวมทั้งไอเอสเอส ที่มี มูลคาหลายพันลานดอลลาร นอกจากญี่ปุนแลวก็ยังมีอีกหลากหลายแนวคิดที่จะพัฒนาเทคโนโลยีเพื่อจํากัดขยะอวกาศ เชน วิศวกรจากมหาวิทยาลัยเซอรรีย (university of surrey) ในสหราชอาณาจักร เสนอใหใช CubeSail อุปกรณ ที่จะประกบกับขยะอวกาศเปาหมาย จากนั้นมันจะกางแผงที่เรียกวาโซลารเซล (solar sail) ขนาด 5 ตาราง เมตรออกมา

39

รูปที่ 2.39 CubeSail ซึ่งกางแผงโซลารเซลแลว [64] แผงโซลารเซลที่วานี้ไมใชเซลลสุริยะ แตอาจพอเทียบไดกับใบเรือซึ่งมีหนาที่รับลมที่มาปะทะ ทําให เรือแลนไปได สวนแผงโซลารเซลลทําหนาที่รับโฟตอน (อนุภาคของแสง) จากดวงอาทิตยที่ตกกระทบ และ กอใหเกิดแรงผลักแผงไปในทิศทางพุงสูชั้นบรรยากาศโลก ดังแสดงในรูปที่ 2.39 วิธีนี้ใชกับขยะอวกาศที่ระดับ ความสูง 700-800 กิโลเมตรและตองออกแบบใหแผงโซลารเซลลอยูในวงโคจรที่รับแสงจากดวงอาทิตยได ตลอดเวลา (sun-synchronous orbit) แนวคิดของ European Space Agency (ESA) คือขึ้นไปเก็บดาวเทียมที่มีวงโคจรรอบขั้วโลกดวย ยาน e.Deorbit ซึ่งหนักราว 1,600 กิโลกรัม โดยสงขึ้นไปพรอมจรวดชื่อ vega ใหอยูที่ระดับความสูงชวง 8001,000 กิโลเมตร เมื่อยานพบเปาหมาย เชน ดาวเทียมที่ใชการไมไดแลว ก็จะตรงเขา “จับ” เปาหมาย วิธีจับมี สองแบบหลัก ไดแก ตาขา ย และแขนกลหลายแขน เมื่อจับ ไดแลว ยานจะลากขยะอวกาศลดระดั บ ลงสู บรรยากาศของโลก เพื่อใหทั้งยานและขยะอวกาศเสียดสีกับบรรยากาศและเผาไหมจนหมดดังแสดงในรูปที่ 2.40 ซึ่งเปนแนวคิดเดียวกับทางญี่ปุน

รูปที่ 2.40 แนวคิดการจัดการขยะอวกาศของ ESA [65]

40 ณ ปจจุบันบริษัท ExoAnalysis Solutions [66] ไดมีการสังเกตและติดตามดาวเทียมที่อยูในวงโคจร คางฟา ทั้งที่ยังใชงานอยูและหมดอายุไปแลว โดยใชเครือขายกลองโทรทรรศนกวา 160 ตัว ทั่วโลก ซึ่งกลอง โทรทรรศนดังกลาวสามารถติดตามวัตถุหรือเศษอุปกรณตาง ๆ ของดาวเทียมที่มีขนาดเล็กถึง 40 เซนติเมตร หรือขนาด 10 เซนติเมตรหลังผานการประมวลผลแลว ดังแสดงในรูปที่ 2.41 และจากเหตุการณลาสุดเมื่อวันที่ 25 ส.ค. 2560 ที่ผานมา ทางบริษัท ExoAnalysis Solutions ไดตรวจพบการระเบิดของดาวเทียม Telkom-1 [67] ที่ใชงานมา 18 ป และจะถูกแทนที่ดวย Telkom-4 ในป พ.ศ. 2561 โดยการระเบิดครั้งนี้อาจจะสราง ขยะอวกาศอีกมากมายและขยะอวกาศเหลานี้ก็อาจจะสรางความเสียหายใหกับดาวเทียมดวงอื่น ๆ เชนกัน

รูปที่ 2.41 ตัวอยางการสังเกตการณดาวเทียมในวงโคจรคางฟาของบริษัท ExoAnalysis Solutions [68] สืบเนื่องจากแนวโนมของเทคโนโลยีอวกาศที่มีการตื่นตัวอยางมากในปจจุบัน คาดวาขยะอวกาศจะ เพิ่มขึ้นอยางมหาศาล ทั้งในสวนของดาวเทียมที่ใชงานในวงโคจรคางฟาที่เปน HTS หรือดาวเทียมของบริษัท อินเทอรเน็ตรายใหญของโลกที่จะสงขึ้นไปในวงโคจรต่ํารวมกันกวา 5,000 ดวงในระยะ 5-10 ป ขางหนา รวม ไปถึงดาวเทียมขนาดเล็กที่ใชในวงการวิทยาศาสตรและการศึกษา ทั้งที่เทคโนโลยีการจัดการกับขยะอวกาศจึง มีความสําคัญอยางมากที่จะมาชวยเก็บกวาดขยะอวกาศตาง ๆ เพื่อความปลอดภัยในการใชงานกิจการอวกาศ ตาง ๆ ในอนาคต

41

เอกสารอางอิง [1] The why and how of High Throughput Satellites. Available online: http://marketingspread.co.za/2016/11/22/the-why-and-how-of-high-throughput-satellites/ [2] Cisco Visual Networking Index: Global Mobile Data Traffic Forecast Update, 2016–2021 White Paper, 2017. Available online: http://www.cisco.com/c/en/us/solutions/collateral/service-provider/visual-networkingindex-vni/mobile-white-paper-c11-520862.html [3] GETTING THE MOST OUT OF HIGH THROUGHPUT SATELLITES (HTS), 13 June 2016 . Available online: http: / / www. newtec. eu/ article/ article/ getting- the- most- out- of- high- throughputsatellites-hts [4] High Throughput Satellites (HTS). Available online: http://www.idirect.net/Company/High-Throughput-Satellites.aspx [5] The Next Generation of Satellite Technology. Available online: http://www.intelsat.com/global-network/satellites/epicng/ [6] US$1.6bn commitment to Global Xpress. Available online: https://www.inmarsat.com/about-us/our-business/our-vision/ [7] SpaceX satellite constellation. Available online: https://en.wikipedia.org/wiki/SpaceX_satellite_constellation [8] OneWeb’s constellation of 700 low-altitude satellites will be built by Airbus, 18 June 2015.

Available online: https://arstechnica.com/science/2015/06/onewebs-constellation-of-700-low-altitudesatellites-will-be-built-by-airbus/ [9] Telesat: LEO gives more user bandwidth than GEO HTS, 8 May 2017. Available online: https://www.spaceintelreport.com/telesat-leo-gives-more-user-bandwidth-than-geo-hts/ [10] FINANCIAL IMPACT OF A CAPACITY EXPLOSION, 16 November 2015. Available online: http: / /www. nsr. com/ news- resources/ the- bottom- line/financial- impact- of- a- capacityexplosion/ [11] Ku vs Ka: Battle of the Bands, 11 May 2014. Available online: http://blog.idirect.net/ku-v-ka-battle-of-the-bands/ [12] High-Capacity Satellite System. Available online: https://www.viasat.com/products/high-capacity-satellites [13]NEW GSMA REPORT REVEALS ECONOMIC BENEFITS OF C-BAND SPECTRUM FOR MOBILE

42 BROADBAND. Available online: https://www.gsma.com/newsroom/press-release/new-gsma-report-reveals-economicbenefits-of-c-band-spectrum-for-mobile-broadband/ [14] Ch 1: Spreading the Internet – Zuckerberg’s Super Drone, 31 July 2015. Available online: http://www.aventurine.com/ch1-spreading-the-internet-zuckerbergs-super-drone/ [15] BALLOON-POWERED INTERNET FOR EVERYONE. Available online: https://x.company/loon/ [16] Zephyr, the High Altitude Pseudo-Satellite. Available online: http://defence.airbus.com/portfolio/uav/zephyr/ [17] STRATXX revolutionizes global wireless communication, broadcast and surveillance infrastructure. Available online: http://www.stratxx.com/ [18] High-Altitude Platforms — Present Situation and Technology Trends. Available online: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S2175-91462016000300249 [19] P. Chodkaveekityada and H. Fukuchi, “Prediction Model of Time Diversity Using Rain Radar Data,” International journal of satellite communication and networking, 2 0 1 6 , DOI: 10.1002/sat. 1182.

[20] P. Chodkaveekityada and H. Fukuchi, “Time Diversity Evaluation for Attenuation Mitigation Method Using Attenuation Data in Thailand and Japan,” International journal of satellite communication and networking, 2016, DOI: 10.1002/sat. 1184.

[21] P. Chodkaveekityada and H. Fukuchi, “Evaluation of Adaptive Satellite Power Control Method Using Rain Radar Data,” IEICE Transaction on Communication, Vol. E99-B, No. 11, Nov 2016.

[22] Radio Science Contribution to Emergency Disaster. Available online: https://www.researchgate.net/publication/271846153_Radio_Science_Contribution_to_E mergency_Disaster [23] หลักการพื้นฐานและการสกัดสารสนเทศจาก Hyperspectral Remote Sensing. Available online: https://www.gotoknow.org/posts/492650 [24] Discover the Benefits of Radar Imaging. Available online: http://eijournal.com/print/articles/discover-the-benefits-of-radar-imaging [25] China’s quantum satellite achieves ‘spooky action’ at record distance, 15 June 2017.

Available online:

43 http://www.sciencemag.org/news/2017/06/china-s-quantum-satellite-achieves-spookyaction-record-distance [26] Low Earth Orbit: Two Generations Share Their Outlooks. Available online: http://interactive.satellitetoday.com/via/february-2017/low-earth-orbit-two-generationsshare-their-outlooks/ [27] A Survey and Study of Planar Antennas for Pico-Satellites. Available online: http://ieeexplore.ieee.org/document/7358040/ [28] NASA Ames Launching Nanosatellites, Science Experiments on SpaceX Rocket. Available online: https://www.nasa.gov/centers/ames/engineering/SpaceX3_NewsRelease [29] Is Small Satellite Launch a Rocketship Opportunity or a Race to the Bottom?. Available online: https://medium.com/@lux_capital/is-small-satellite-launch-a-rocketship-opportunity-ora-race-to-the-bottom-da8df7a391b3 [30] S. Panthi and C. McLain, “Beam Hopping – a Flexible Satellite Communication System for Mobility,” The 23 rd Ka and Broadband Communication Conference and the 35 th AIAA International Communication Satellite Systems Conference (ICSSC), Trieste, Italy, 2017.

[31] A. Freedman and D. Rainish, “Beam Hooping – System Design Considerations,” The 23rd Ka and Broadband Communication Conference and the 3 5 th AIAA International Communication Satellite Systems Conference (ICSSC), Trieste, Italy, 2017.

[32] What is a high-throughput satellite. Available online: https://superyachttechnology.com/2017/05/04/high-throughput-satellite/ [33] High Efficiency Silicon Solar Cells, 2013 DOI:10.1016/j.egypro.2013.05.033. Available online: http://www.sciencedirect.com/science/article/pii/S187661021300043X [34] GaAs or Si solar cells. Available online: http://www.gochermann.com/solar_cells/ [35] Growth of photovoltaics. Available online: https://en.wikipedia.org/wiki/Growth_of_photovoltaics [36] What are the most efficient solar panels on the market?. Available online: http://news.energysage.com/what-are-the-most-efficient-solar-panels-on-the-market/ [37] Research Cell Efficiency Records. Available online: https://energy.gov/eere/sunshot/downloads/research-cell-efficiency-records

44 [38] Timeline of solar cells. Available online: https://en.wikipedia.org/wiki/Timeline_of_solar_cells [39] Theoretical efficiency limit for a two-terminal multi-junction “step-cell” using detailed balance method. Available online: http://aip.scitation.org/doi/abs/10.1063/1.4942223?journalCode=jap [40] Design Optimization of Single-Layer Antireflective Coating for GaAs1−xxPxx/Si Tandem Cells With x=0, 0.17, 0.29, and 0.37. Available online: http://ieeexplore.ieee.org/document/6945827/?arnumber=6945827 [41] GaAsP/Si tandem solar cells: Realistic prediction of efficiency gain by applying strainbalanced multiple quantum wells. Available online: http://www.sciencedirect.com/science/article/pii/S0927024817303781 [42] The future of low-cost solar cells. Available online: http://cen.acs.org/articles/94/i18/future-low-cost-solar-cells.html [43] Special Report: Lithium: The Oil of the 21st Century. Available online: https://www.wealthdaily.com/report/lithium-the-oil-of-the-21st-century/1449 [44] EV Battery Prices: Looking Back A Few Years, & Forward Yet Again. Available online: https://cleantechnica.com/2016/05/15/ev-battery-prices-looking-back-years-forward-yet/ [45] แบตแสนลาน 5 ยักษ นํารองบูม อีอีซ.ี Available online: http://www.thansettakij.com/content/140053 [46] Lithium-Ion (Li-Ion) The Next Generation of Battery Technology. Available online: http://www.eaglepicher.com/lithium-ion-8 [47] LSE GEN II. Available online: http://www.gsyuasa-lp.com/lse-gen2 [48] The Future of Battery Technology, 23 February 2017. Available online: http://www.visualcapitalist.com/future-battery-technology/ [49] A. Le Pera, “On-Board Regenerative Processor for HTS Ground Segment Optimization,” The 23rd Ka and Broadband Communication Conference and the 35th AIAA International Communication Satellite Systems Conference (ICSSC), Trieste, Italy, 2017.

[50] Thermal Loop. Available online: https://www.jpl.nasa.gov/nmp/st8/tech/heat_pipe_tech2.html [51] K. Nishi, S. Ozawa, T. Fukatsu, Y. Hatooka, T. Sano, K. Nishijo, F. Otani and T. Kohama, “Concept Design for Engineering Test Satellite-9 of Japan,” The 23rd Ka and Broadband

45 Communication Conference and the 35 th AIAA International Communication Satellite Systems Conference (ICSSC), Trieste, Italy, 2017.

[52] Field Effect Electric Propulsion Subsystem FEEPS. Available online: http://spaceflight101.com/lisa-pathfinder/field-effect-electric-propulsion-subsystem/ [53] New propulsion system gets CubeSats moving with teaspoons of water. Available online: https://newatlas.com/cubesat-water-propulsion-system/50804/ [54] รูจักกับไทยคม. Available online: http://tcns.thaicom.net/th/company.asp [55] THEOS (Thailand Earth Observation System) / Thaichote. Available online: https://directory.eoportal.org/web/eoportal/satellite-missions/content/-/article/theos [56] Antenna Systems. Available online: https://www.viasat.com/products/antenna-systems [57] Category. Available online: http://www.digisat.org/vsat-satellite-antennas [58] R. Gray and R. Dorval, “Linear Power at Q, V, and W Band with Advanced Linearizer Technology,” The 23rd Ka and Broadband Communication Conference and the 35th AIAA International Communication Satellite Systems Conference (ICSSC), Trieste, Italy, 2017.

[59] N. Deo, M. Koker, E. Watkins and M. Hanners, “Solid State Power Amplifiers based on GaN and GaAs MMIC Technologies for Future Space- Based Communications and Radar Applications,” The 23rd Ka and Broadband Communication Conference and the 35th AIAA International Communication Satellite Systems Conference (ICSSC), Trieste, Italy, 2017.

[60] Software-defined radio with flexible RF front end for satellite maritime radio applications.

Available online: https://link.springer.com/article/10.1007/s12567-016-0121-9 [61] What is OICETS ("Kirari")?. Available online: http://www2.nict.go.jp/spacelab/hicali/lasersatellitetech/en/03past/past4.html [62] NANOSATELLITE & CUBESAT DATABASE. Available online: http://www.nanosats.eu/ [63] Japan's blasts a giant 'fishing net' into space to clear up some of the 100 MILLION pieces of junk in Earth's orbit. Available online: http: / / www. dailymail. co. uk/ sciencetech/ article- 4 0 1 7 3 1 6 / Japan- launches- neededsupplies-space-station.html [64] CUBESAIL. Available online:

46 https://www.surrey.ac.uk/ssc/research/space_vehicle_control/cubesail/ [65] Space debris. Available online: http://www.esa.int/Our_Activities/Operations/Space_Debris [66] ExoAnalytic solutions. Available online: https://exoanalytic.com/ [67] ExoAnalytic video shows Telkom-1 satellite erupting debris, 30 August 2017. Available online: http://spacenews.com/exoanalytic-video-shows-telkom-1-satellite-erupting-debris/ [68] SPACE SITUATIONAL AWARENESS. Available online: https://exoanalytic.com/space-situational-awareness/

บทที่ 3 แนวโนมเทคโนโลยีดานภูมิสารสนเทศ (Geographic Information System, GIS) เทคโนโลยี ภู มิ ส ารสนเทศ (geographic information system) นั้ น คื อ เทคโนโลยี ส ารสนเทศ (information technology) ที่มีขอมูลเชิงตําแหนงมาเกี่ยวของ และมักมีแผนที่เปนองคประกอบหลัก [1] ดังนั้นแอปพลิเคชันที่มีแผนที่เปนองคประกอบ บริการอิงตําแหนงผูใชงาน (location-based services) และ ระบบสารสนเทศภูมิศาสตรลวนอยูในขอบเขตของเทคโนโลยีภูมิสารสนเทศทั้งสิ้น จากการทบทวนวรรณกรรม ที่เกี่ยวของพบวาเทคโนโลยีดานภูมิสารสนเทศมีแนวโนมในลักษณะที่ขึ้นอยูกับขอมูล เทคโนโลยีสารสนเทศ และนโยบายตาง ๆ ในที่นี้จะกลาวถึงขอ มูล โครงสรางพื้นฐานของเทคโนโลยีสารสนเทศและสว นอื่น ๆ ที่เกี่ยวของ รวมถึงนโยบายที่กําลังสงผลตอเทคโนโลยีภูมิสารสนเทศดังตอไปนี้

3.1 ขอมูลเชิงตําแหนงจากแหลงใหม

ขอมูลเชิงตําแหนงมีแนวโนมที่มาจากแหลงเก็บขอมูลใหมมากยิ่งขึ้น โดยขอมูลเชิงตําแหนงนั้นอาจ อยูในรูปแบบคาพิกัดละติจูด ลองจิจูด หรือขอมูลจากตัวหนังสือที่ตองผานกระบวนการแปลงใหกลายเปนคา พิกัดกอน นอกจากนี้ขอมูลที่ผูกกับขอมูลเชิงตําแหนงยังมีความหลากหลายมากขึ้นอีกดวย เพื่อให เห็นภาพแนวโนมของแหลง ข อมูลใหมที่ มีเ พิ่ม มากขึ้น ในที่นี้จ ะรวบรวมแหลงขอมู ล เชิ ง ตําแหนงใหม ๆ ที่นาสนใจที่เกิดขึ้นในชวงประมาณ 10 ปลาสุดดังตอไปนี้ 3.1.1 ขอมูลจากโซเชียลมีเดีย โซเชียลมีเดียหมายถึงแอปพลิเคชันที่ใชในการติดตอสื่อสาร แบงปนขอมูล ความคิด ความสนใจ และ ขอมูลอื่น ๆ กับผูอื่น [2] ซึ่งหมายถึงเว็บไซตที่เปดโอกาสใหผูใชงานโพสตสิ่งตาง ๆ เพื่อแบงปนขอมูลกัน เชน เฟซบุก (Facebook) ทวิตเตอร (Twitter) อินสตาแกรม (Instagram) ยูทูบ (Youtube) เวยปอ (Weibo) หรือ วิกิพีเดีย (Wikipedia) เปนตน และรวมถึงเว็บไซตประเภทบล็อก (blog) และเว็บบอรด (webboard) เชน พัน ทิป (Pantip) และเรดดิต (Reddit) นอกจากนี้ยังรวมถึงแอปพลิเคชันประเภท instant messaging เชน ไลน (Line) วอตสแอปป (Whatsapp) หรือเฟซบุก เมสเซนเจอร (Facebook messenger) แนวโนมขอมูลจากโซเชียลมีเดียนั้นเพิ่มขึ้นเรื่อย ๆ เนื่องจากในชวง 10 ปที่ผานมาจํานวนผูใชงาน โซเชียลมีเดียในโลกเพิ่มขึ้นอยางตอเนื่อง สําหรับประเทศไทยมีบัญชีผูใชงานเฟซบุกมากที่สุดถึง 41 ลานบัญชี โดยมีอัตราการเพิ่มขึ้นถึง 17% คิดเปน 60% ของประชากรไทย สวนทวิตเตอรมี 5.3 ลานบัญชี และอินสตาแกรม มี 7.8 ลานคน [3]

48

รูปที่ 3.1 จํานวนผูใชงานตอเดือนของโซเชียลมีเดียชั้นนําและบริการ messaging ไดแก ทวิตเตอร เฟซบุก วอตสแอปป วีแชท และอินสตาแกรม [4] ขอมูลเชิงตําแหนงในโซเชียลมีเดียนั้นมักเกิดจากการวัดตําแหนงดวยเครื่องรับสัญญาณจีพีเอสใน อุปกรณสื่อสารตาง ๆ เชนโทรศัพทสมารตโฟน เปนตน หรืออาจเกิดจากการที่ผูใชงานกําหนดตําแหนงลงบน แผนที่ดวยตัวเอง ขอมูลเชิงตําแหนงนั้นมักจะอยูในรูปแบบของขอมูลที่ใชอธิบายขอมูล (metadata) ซึ่งอยูติด กั บข อมูลชนิดอื่น ๆ เชนขอความ รูปภาพ วิดีโ อ และสื่อตาง ๆ เพื่อบอกตําแหนงของสื่อนั้น ๆ ซึ่งการใส ตําแหนงเขาไปนั้นเรียกวา geotagging ตัวอยางโซเชียลมีเดียที่มีการระบุตําแหนง เชน ทวิตเตอร มีฟงกชัน geotagging สําหรับ บันทึก ตําแหนงสถานที่ เฟซบุกมีฟงกชัน check-in สําหรับโพสตแสดงตําแหนงที่อยู พินเทอเรส (Pinterest) เพิ่ม ฟงกชันระบุตําแหนงที่เรียกวา Place Pin ซึ่งฟงกชัน geotagging นี้มักมีขอมูลเชิงตําแหนงละติจูด ลองจิจูด พรอมชื่อสถานที่ระบุดวย

49

รูปที่ 3.2 ฟงกชันระบุตําแหนงใน ทวิตเตอร เฟซบุก และอินสตาแกรม นอกจากนี้ ยัง มี ข อ มูล ตํ า แหนง ในรูป แบบที่ อ ยู ชื่ อ สถานที่ห รื อ การอธิบ ายตํ า แหนง ที่ แ ฝงอยูใน ขอความที่ผูใชโพสตในโซเชียลมีเดียอีกมากมาย โดยขอมูลเหลานี้ไมมีการระบุตําแหนงละติจูด ลองจิจูดที่ แนน อน ซึ่งตองอาศัยการแปลงที่อยูเปนคาพิกัดหรือที่เรียกวาการทํา geocoding หรืออาศัยการแปลงชื่อ สถานที่หรือคําอธิบ ายตํา แหนงใหกลายเปน คาพิกัด โดยการคํานึงถึงบริบทแวดลอมหรือ ที่เรียกวาการทํา geoparsing [5] ขอมูลเชิงตําแหนงเหลานี้มีประโยชนในการศึกษาพฤติกรรม การใชชีวิต การเคลื่อนยายและการทํา กิจกรรมตาง ๆ ในชีวิตประจําวัน ในชวง 10 ปที่ผานมาศึกษาขอมูลเชิงตําแหนงจากโซเชียลมีเดียเปนจํานวน มาก เชน การศึกษาสภาพจราจร [6] การศึกษาการตั้งถิ่นฐานของคนชาติตาง ๆ ในเมืองจากภาษาที่ใชในทวิต เตอร [7] การศึกษาขอมูลเชิงตําแหนงนี้ทําใหเขาใจสภาพสังคมมากยิ่งขึ้น นอกจากนี้ยังเปนแหลงขอมูลใหมที่มีความเปนปจจุบันอยางมาก เนื่องจากผูใชงานสามารถใสขอมูล ผานโซเชียลเน็ตเวิรกที่ใชอยูแลวไดในทันที จึงมีประโยชนกับการจัดการวิกฤตการณตา ง ๆ ขอมูลจากโซเชียลมีเดียในประเทศไทยเกิดขึ้นปริมาณมากเชนเดียวกับในประเทศอื่น ๆ อยางไรก็ดี การใชประโยชนจากขอมูลเชิงตําแหนงจากโซเชียลมีเดียนั้นมีใหเห็นนอย ทั้งนี้นาจะเปนเพราะการนําขอมูลเชิง ตําแหนงออกมาวิเคราะหนั้นทําไดยากเนื่องจากนโยบายและความเปนสวนตัว สําหรับประเทศไทยนั้น เฟซบุก ไดรับความนิยมอยางสูงแตไมมีนโยบายใหผูใชงานทั่วไปดึงขอมูลเชิงตําแหนงปริมาณมาก ๆ ออกมา ยกเวนใน กรณีที่มีเหตุภัยพิบัติ เชน แผนดินไหว เปนตน [8] สวนไลน ไมมีนโยบายเปดเผยขอมูลใด ๆ และในประเทศ

50 ไทย ทวิตเตอรไมไดรับความนิยมเทาไหรนัก และผูที่ใชงาน geotagging ก็มีปริมาณนอย นอกจากนี้เทคโนโลยี ในการแปลงคําอธิบายตําแหนงใหเปนคาพิกัดบอกตําแหนนงบนโลก (geoparsing) สําหรับภาษาไทยนั้นยังไม มีการใหบริการอยางแพรหลาย ยกเวนการแปลงที่อยูใหกลายเปนคาพิกัดอยาง Google Maps geocoding API ขอมูลจากโซเชียลมีเดียมีปริมาณมากมายมหาศาลจนทําใหเรียกไดวาเปนขอมูลขนาดใหญ (big data) มากกวานั้นยังมีขอมูลที่ไมมีโครงสราง หรือมีโครงสรางที่หลากหลาย ทําใหตองใชเครื่องมือชนิดใหม ๆ ในการวิเคราะหและจัดการขอมูล 3.1.2 ขอมูลจากระบบคราวดซอรสซิง (Crowdsourcing) คราวดซอรสซิง คือการรวมกันทํางานอยางใดอยางหนึ่งแทนที่จะจางพนักงานประจํามาทํางาน [9] ตัวอยางการทําคราวดซอรสซิง เชนสารานุกรมวิกิพีเดีย (Wikipedia) ซึ่งเปนสารานุกรมที่ผูใชสามารถปรับปรุง เนื้ อ หาได และ Amazon Mechanical Turk ซึ่งเปน เว็บ ไซตสํา หรับ หางานและโพสตง านที่ตอ งการคนมา ชวยกันจํานวนมาก ๆ อยางการตรวจสอบโปรแกรมหรือการทําแบบสอบถาม เปนตน บทบาทของแอปพลิเคชันหรือเว็บประเภทคราวดซอรสซิงนั้น คือการเปนสื่อกลางใหคนเขามารวมกันทํางานที่ตองอาศัยแรงงานเปน จํานวนมากและเทคโนโลยีคอมพิวเตอรในปจจุบันยังไมสามารถทําได สําหรับแผนที่ที่เปนคราวดซอรสซิงอาจเรียกวา Volunteered Geographic Information System (VGIS) ที่สํา คัญ คือ OpenStreetMap ซึ่งเปนแผนที่ที่มีลัก ษณะเดีย วกับ Google Maps OpenStreetMap ไดรับความนิยมอยางตอเนื่องเนื่องจากในบางพื้นที่ขอมูลมีการปรับปรุงจนมีความทันสมัยมากกวา Google Maps นอกจากนี้ยังมี Mapillary ที่มีลัก ษณะเดีย วกับ Google Street View แตภ าพถายทั้งหมดเกิดจาก อาสาสมัคร

รูปที่ 3.3 OpenStreetMap [10]

51

รูปที่ 3.4 ภาพตัวอยางจากโปรแกรม Mapillary [11] แอปพลิเคชันคราวดซอรสดานแผนที่เกิดขึ้นเยอะมากในชวง 10 ปที่ผานมา หนวยงานรัฐในหลาย ๆ ประเทศไดใชป ระโยชนจ ากการทําคราวดซ อรสซิง เชนการทําแผนที่โ รงเรียนและสถานพยาบาลในกรุ ง กาฐมัณฑุ ประเทศเนปาล แผนที่การตั้งถิ่นฐานชั่วคราวในเมืองไนโรบี ประเทศเคนยา การทําแผนที่สถานที่ ตาง-ๆ จากภาพถายที่ไดจากโทรศัพทสมารตโฟนในอัฟริกาใต เปนตน ซึ่ง [12] ไดทํารวบรวมกรณีศึกษาตาง ๆ ในโลกเอาไว แอปพลิเคชันคราวดซ อรสอีกกลุมหนึ่ง มีวัตถุป ระสงคเพื่อแกปญ หาวิกฤตการณตา ง ๆ ซึ่งอาจ เรียกวา humanitarian map หรือ crisis mapping แผนที่ถูกนํามาใชในการแกปญหาวิกฤตการณครั้งแรก ๆ ในแผนดินไหวในเฮติ ในป พ.ศ. 2554 โดยอาสาสมัครไดเขามาเพิ่มขอมูลถนนบน OpenStreetMap โดย ภายใน 1 อาทิตยถึงกวา 1.4 ลานครั้งภายในเวลาเพียงแค 1 อาทิตย [13] หลังจากนั้นก็ไดมีโครงการแอป พลิเคชันคราวดซอรสสําหรับภัยพิบัติตาง ๆ มากมาย เชน แอปพลิเคชัน MapSwipe ซึ่งเปนแอปพลิเคชันที่ให อาสาสมัครทําการคนหาสิ่งตาง ๆ เชนสิ่งกอสรางในแผนที่ดาวเทียม เพื่อใหการคนหาจุดหมายเปนไปไดงาย ยิ่งขึ้น [14] ในสหรัฐอเมริการมีการใชงานแอปพลิเคชันคราวดซอรสเปนจํานวนมาก เชน เว็บรายงานแผนดิน ถลมของ หนาเพจ USGSTed ในทวิตเตอรใหผูใชรายงานแผนดินไหว และเว็บไซตเพิ่มขอมูลในแผนที่ [15] ของ US geological survey [16] ในประเทศไทยชวงน้ําทวมใหญในป พ.ศ. 2554 ก็มีแผนที่รายงานน้ําทวม เกิดขึ้นหลายแอปพลิเคชัน เชนกัน การทําคราวดซอรสซิงนั้นมีขอดีคือทําใหขอมูลมีความเปนปจจุบันมากกวาการจางคนปรับปรุงขอมูล เนื่องจากอาศัยคนจํานวนมาก ๆ ได มากกวานั้นในพื้นที่ที่เขาถึงยากยังสามารถใชอาศัยคนทองถิ่นเขามาชวย ปรับปรุงขอมูลไดอีกดวย อยางไรก็ดีในบางครั้งอาจขาดแคลนอาสาสมัครที่เพียงพอที่จะทําใหงานนั้นสําเร็จลง

52 ได การระดมอาสาสมัครนั้นอาจทําไดโดยการนัดระดมอาสาสมัครมาชวยกันปรับปรุงแผนที่รวมกัน เชน mapathon1 เปนตน คราวดซอรสซิงในประเทศไทยยัง ถือวาไมไดรับ ความนิย มนัก หากแตมีเว็บ จํานวนหนึ่งที่เริ่มใช แนวคิดคราวดซอรสซิง เชน เว็บเทใจ [17] ซึ่งเปนเว็บประเภทคราวดฟนดดิง (crowdfunding) หรือเว็บระดม ทุน เว็บยุพิน [18] สําหรับรวมกันแจงปญหาในเมืองโดยการอัปโหลดตําแหนงและรูปภาพ และเว็บรายงาน ระดับน้ําทวมในชวงน้ําทวมใหญ 3.1.3 ขอมูลจากเซ็นเซอรและอุปกรณอิเล็กทรอนิกส ระบบสารสนเทศภูมิศาสตรในปจจุบันสวนมากเปนระบบที่ไมใชระบบเรียลไทม คือขอมูลไมมีความ เปนปจจุบันเทาไหรนัก เนื่องจากการเชื่อมตอระหวางขอมูลและระบบยังตองใชเวลาในการสงขอมูลหรือขอมูล ไม ส ามารถส ง ตรงมาสู ร ะบบภู มิ ส ารสนเทศได โ ดยตรง แต แ นวโน ม ที่ ข อ มู ล จากเซ็ น เซอร แ ละอุ ป กรณ อิ เล็กทรอนิกสตาง ๆ จะเชื่อมตอกับระบบสารสนเทศภูมิศาสตรโดยตรงนั้นมีมากขึ้น เนื่องจากในปจจุบัน อุ ป กรณ ต า ง ๆ สามารถส ง ข อ มู ล ผ า นระบบอิ น เทอร เ น็ ต ได ง า ยขึ้ น มากและถู ก ลงมาก จะเห็ น ได จ าก ชี วิ ต ประจํ า วั น ที่ จ ากเดิ ม เราติ ด ต อ กั บ อิ น เทอร เ น็ ต ผ า นเครื่ อ งเดสก ท อปเท า นั้ น มาเป น การติ ด ต อ กั บ อิ นเทอรเน็ตผานสมารตโฟน นาฬิกา โทรทัศน และอุปกรณอื่น ๆ อยูตลอดเวลา ซึ่งแนวโนม การเชื่อมตอ อินเทอรเน็ตของอุปกรณตาง ๆ ที่มากขึ้นนี้ เรียกวาอินเทอรเน็ตสรรพสิ่งหรือ Internet of Things (IoT) อุปกรณใหม ๆ ที่เปนที่นิยมมากขึ้นในชวง 10 ปที่ผานมา ไดแก โทรศัพทสมารตโฟน อุปกรณสวมใส ตาง ๆ เชน นาฬิกาขอมือสําหรับวัดการออกกําลังกาย อุปกรณเหลานี้ลวนมีเครื่องรับสัญญาณจีพีเอสเปน องคประกอบ และยังมีเซ็นเซอรอื่น ๆ เชนเซ็นเซอรตรวจการเคลื่อนไหว เซ็นเซอรวัดอุณหภูมิ รวมไปถึ ง เซ็นเซอรที่เกี่ยวของกับสุขภาพ เชน เซ็นเซอรวัดการเตนของหัวใจ นอกจากนี้อุปกรณวัดคาทางสิ่งแวดลอม ตาง ๆ เชน อุปกรณวัดคุณภาพอากาศ (ตามรูป) วัดความสูงน้ํา มีราคาถูกและขนาดเล็กลง ผนวกกับปญหา ทางสิ่งแวดลอมในปจจุบันที่ ผลักดันใหประชาชนสนใจตรวจวัดดวยตัวเอง ทําใหอุปกรณมีความนิยมสูงขึ้น อยางมาก เซ็นเซอรและอุปกรณอิเล็กทรอนิกสตาง ๆ ลวนมีขอมูลเชิงตําแหนงประกอบอยู นั่นก็คือ ตําแหนง ที่ตั้งของอุปกรณ ไมวาอุปกรณจะมีการเคลื่อนที่ตลอดเวลาหรืออยูกับที่ ทําใหแนวโนมขอมูลเชิงพื้นที่จะเกิดขึ้น เปนปริมาณมาก จึงคาดเดาไดวาในอนาคตสารสนเทศภูมิศาสตรจะเขามามีบทบาทในชีวิตประจําวันมากยิ่งขึ้น

1 รายละเอียดการจัด mapathon สามารถอานเพิ่มเติมไดจาก http://www.missingmaps.org/host/

53

รูปที่ 3.5 หนาเว็บ AirVisual.com ซึ่งมีเซ็นเซอรตรวจวัดคุณภาพอากาศที่ประชาชนทั่วไปสามารถซื้อได และเมื่อตอเขากับอินเทอรเน็ตแลวจะสงขอมูลเพื่อแสดงผลในเว็บ [19] นอกจากเครื่อ งรับ สัญ ญาณจีพีเ อสที่อ ยูในโทรศัพทสมารตโฟน โครงขายโทรศัพ ทเคลื่อ นที่และ เครือขายคอมพิวเตอรสามารถนํามาประยุกตใชในการระบุตําแหนงได 3.1.4 แนวโนมของระบบสารสนเทศภูมิศาสตรจากผลกระทบของขอมูลเชิงตําแหนงจาก แหลงใหม ผลกระทบจากยุ ค อิ น เทอร เ น็ ต สรรพสิ่ ง คื อ ทํ า ให ก ระบวนการแปลงข อ มู ล ให เ ป น ดิ จิ ทั ล (digitization) ลดลง สามารถนําขอมูลมาใชไดทันที สงผลใหแอปพลิเคชันเชิงภูมิศาสตรมีความเปนเรียลไทม มากยิ่งขึ้น เนื่องจากไมตองเสียเวลาในการนําขอมูลเขาสูระบบ ทําใหขอมูลสามารถไหลจากเซ็นเซอรผานระบบ อินเทอรเน็ตเขาสูระบบแสดง และวิเคราะหขอมูลไดทันที ตัวอยางระบบเรียลไทมเชน ในชวงตนป ค.ศ. 2017 Google Map ไดเริ่มแสดงตําแหนงรถ Uber บนแผนที่ และตอมาก็มีการแสดงตําแหนงของ Grab (รูปที่ 3.6) และในชวง 5 ปที่ผานมามีการพัฒนา real-time dashboard ซึ่งผูกติดกับเซ็นเซอรสําหรับติดตามสถานการณ ของเมืองตาง ๆ มากมาย เชน city dashboard ในเมืองลอนดอน [22] ดับลิน [23] และลอสแองเจลิส [24] เว็บไซตรายงานคุณภาพอากาศของ hindustantimes [25] เปนตน จะเห็นวาในชวงนี้มักจะเปนการแสดง ข อ มู ล ในแต ล ะเมื อ ง แต ใ นอนาคตอั น ใกล ข อ มู ล ระหวา งเมือ งจะถู ก นํา มาใชร ว มกั น หรื อ สามารถทํ า ให เปรียบเทียบกันได ตัวอยางเชน urban observatory [26] ของ ESRI ที่เปนเว็บไซตเปรียบเทียบขอมูลระหวาง เมืองตาง ๆ ในโลก

54

รูปที่ 3.6 แผนที่ Google Maps แสดงตําแหนงรถ GrabCar แบบเรียลไทม

รูปที่ 3.7 เว็บรายงานสภาพอากาศจากเซ็นเซอร hindustantimes [25]

55 เมื่อขอมูลมีจํานวนมากขึ้น เนื่องจากอุปกรณเก็บขอมูลเยอะขึ้น และอุปกรณมีความละเอียดสูงขึ้น เรื่อย ๆ ตามความตองการของผูใช2 แนนอนวาขอมูลก็จะมีปริมาณเพิ่มขึ้นเรื่อย ๆ ซึ่งระบบการวิเคราะห แบบเดิมที่เรียกวา geoprocessing นั้นสามารถรองรับเพียงขอมูลขนาดเล็ก ดังนั้นระบบเทคโนโลยีดานภูมิ สารสนเทศจึงมีแนวโนมที่จะตองรวมกับเครื่องมือทางดานขอมูลขนาดใหญ (big data) เพื่อใหสามารถรองรับ การวิเคราะหและแสดงผลขอมูลปริมาณมากได [27] แนวโนมการใชงานระบบคราวดซอรสซิงกับขอมูลเชิงตําแหนง หรืออาจเรียกไดวา VGA นั้นจะมีการ ประยุกตใชงานในขอมูลที่ขาดแคลน ไมสามารถเก็บ ดวยวิธีอื่นได จาก [28] ไดแนะนําวาการทํา VGA นั้น สามารถใชในการเริ่มตนเก็บขอมูลสําหรับพื้นที่ที่ขาดแคลนขอมูลได อีกทั้งกระบวนการทํา VGA นั้นสามารถ กระตุนใหประชาชนตระหนักถึงประโยชนของขอมูลเชิงตําแหนง รวมถึงกระตุนใหประชาชนมีสวนรวมในการ พัฒนาทองถิ่นตัวเองอีกดวย อยางไรก็ดีการทํา VGA นั้นมีแนวโนมที่จะถูกทดแทนโดยปญญาประดิษฐที่จะเขา มาทดแทนแรงงานคนในบางกรณีได อยางเชน ใน OpenStreetMap มีการทดสอบแปลงภาพถายดาวเทียม เปนแผนที่โดยใชปญญาประดิษฐ ขอมูลเชิงตําแหนงหรือขอมูลที่ผูกติดกับตําแหนงมักจะอยูในรูปแบบของขอความ โดยเฉพาะขอมูล จากโซเชียลมีเดีย ทําใหมีแนวโนมที่ระบบภูมิสารสนเทศจะตองรวมเขากับศาสตรอื่น ๆ มีมากขึ้น เชน natural language processing ในการสกัดขอมูลเชิงตําแหนงจากขอความออกมา นอกจากนี้การที่เกิดแหลงขอมูลเชิงตําแหนงมากขึ้นนั้น ยังทําใหเกิดขอมูลเชิงตําแหนงใหม ๆ ของสิ่ง ที่ไมเคยมีการวัดตําแหนงมากอน เชน จากเดิมที่เราไมทราบตําแหนงของคนในอาคาร เมื่อมีระบบ indoor navigation ก็ทําใหเราทราบตําแหนงการเดินทางของผูคนภายในอาคารได ซึ่งการที่เกิดขอมูลเชิงตําแหนง ใหมเหลานี้นาจะผลักดันใหรูปแบบของระบบภูมิสารสนเทศตองมีเปลี่ยนแปลงไป ตัวอยางเชน แผนที่ที่ตอง รองรับระบบ indoor navigation ภายในอาคารตามรูปดานลาง นอกจากนี้ยังทําใหการวัดเชิงตําแหนงก็ยังมี ความแมนยํามากยิ่งขึ้นอีกดวย เชน ขอมูลการเดินทางในเมือง ซึ่งเมื่อกอนใชวิธีการสอบถาม แตตอนนี้มีการใช จีพีเอสติดตามการเดินทาง ทําใหทราบถึงเสนทางในการเดินทางอยางละเอียด

2 ตัวอยางเชนในงานของ Thomas Esch ไดเก็บขอมูลจากดาวเทียมเรดารเพื่อหาเขตเมืองโดยการคํานวณจากความสูงทีห่ ามาไดจากการจับคูภาพ

ถึง 470,000 คูภาพ และขอมูลที่ไดมีความละเอียด (resolution) ถึง 12 เมตร ทําใหสามารถดูเขตเมืองไดละเอียดถึงหมูบาน ซึ่งความละเอียดสูง เชนนี้ตองการเทคโนโลยีที่เหมาะสมกับการจัดการขอมูลปริมาณมาก

56

รูปที่ 3.8 แผนที่กูเกิลแสดงตําแหนงรานคาภายในอาคาร สามารถเปลี่ยนชั้นเพื่อดูรานแตละชั้นได [29]

3.2 โครงสรางพื้นฐานที่เกี่ยวของกับเทคโนโลยีภูมิสารสนเทศ 3.2.1 อินเทอรเน็ต ระบบอินเทอรเน็ตมีการเปลี่ยนแปลงไปอยางมากในชวง 10 ปที่ผานมา เราเรียกมักจะเรีย กยุ ค สมัยกอนป ค.ศ. 2004 วา Web 1.0 และยุคหลังป ค.ศ. 2004 จนถึงปจจุบันเรียกวา Web 2.0 ลักษณะของ Web 2.0 อาจสรุปไดดังตอไปนี้ o มี เ ว็บ ไซต เ กิ ด จากผู ใช เ ป น ผู ส รา งเนื้ อ หาขึ้ น มา (user-generated content) ซึ่ ง ไดแ ก ข อ ความ รูปภาพ วิดีโอ หรือไฟลอื่น ๆ ตัวอยางเชน youtube.com และโซเชียลเน็ตเวิรกตาง ๆ o มีเว็บไซตที่เปนตัวกลางระหวางผูใชที่อาศัยมีการมีสวนรวมของผูใชงาน (user engagement) เปน ตัวหลักในการดําเนินธุรกิจ อยางเชน eBay หรือ amazon รวมถึงเว็บประเภทคราวดซอรสซิง o web-based applications ให บ ริ ก ารเว็ บ ไซต ที่ มีลั ก ษณะเปน ซอฟตแ วร ที่ผู ใ ช ง านใช ผ า นส ว น ปฏิสัมพันธ (interface) บนเบราวเซอร แตมีการประมวลผลอยูที่เครื่องแมขาย ทําใหผูใชไมตอง ติดตั้งโปรแกรมที่เครื่องเลย มีเพียงเบราวเซอรก็สามารถใชงานไดทันที o การติดแท็ก (tag) ใหกับขอมูลบนเว็บเพื่อแบงประเภท หรือที่เรียกวา folksonomy เชน การติด hashtag ในอินสตาแกรมและเฟซบุก เปนตน ซึ่งการทํา hashtag จะทําใหสามารถคนหาขอมูลที่ เกี่ยวของไดเร็วขึ้น เชื่อมโยงขอมูลที่เกี่ยวของกันไดงา ยขึ้น การเปลี่ยนแปลงของระบบอินเทอรเน็ตมีเรื่อย ๆ แบบคอยเปนคอยไป แตในขณะนี้มีบางแหงได กลาววา การเปลี่ย นแปลงกํา ลัง เขาสูยุค Web 3.0 [30] ซึ่งมีการสรางมาตรฐานในการอธิบายขอ มูล หรื อ ทรัพยากรตาง ๆ ที่อยูบนเว็บไซต เชน เอกสาร รูปภาพ วิดีโอ ไฟล หรือขอมูลตาง ๆ เพื่อใหเครื่องมีความเขาใจ ความสัมพันธของสิ่งตาง ๆ ที่อยูบนเว็บไซต ซึ่งความเขาใจของเครื่องนี้จะชวยใหเกิดการเรียนรูของเครื่องที่

57 มากขึ้น สงผลทําใหเราสามารถสืบคนขอมูลบนเว็บไดยืดหยุนยิ่งขึ้น (เชน สามารถคนขอมูลดวยขอมูลประกอบ อื่น ๆ ไดโดยไมตองใชคําคนหลักหรือคียเวิรด) ทําใหการแลกเปลี่ยนขอมูลระหวางเครื่องกับเครื่องทําไดดีขึ้น และยังสงเสริมความกาวหนาของระบบปญญาประดิษฐอีกดวย โดยสรุปแลวในยุค Web 3.0 จะมีลักษณะที่สําคัญดังตอไปนี้ o ผูใชอินเทอรเน็ตนอกเหนือจากมนุษยแลว จะกลายเปนเครื่องมากยิ่งขึ้น โดยเครื่องกับเครื่องจะมี การติดตอ กัน ผานระบบอินเทอรเน็ตมากขึ้น ทํา ใหระบบสถาปตยกรรมอินเทอรเน็ตตอ งมี ก าร เปลี่ยนแปลงไป [28] o เนื่องจากระบบอินเทอรเน็ตจะตองรองรับการติดตอของเครื่อง จึงทําใหขอมูลตาง ๆ ในอินเทอรเน็ต จะตองมีโครงสรางที่ทําใหเครื่องสามารถเขาใจไดเชนเดียวกับความเขาใจของมนุษย เปนที่มาของ Semantic Web 3.2.2 เครื่องมือที่ใชในการผลิตแผนที่ 3.2.2.1 ระบบฐานขอมูลเชิงตําแหนง ระบบสารสนเทศภูมิศาสตรในยุคแรก ๆ นิยมการเก็บขอมูลเชิงตําแหนงดวยไฟล เชน .shp file ของ บริษัท ESRI ซึ่งอยูในรูปแบบที่เรียกวา georelational database กลาวคือ ขอมูลอรรถาธิบาย (attributes) เก็บอยูในรูปแบบเชิงสัมพันธ (relation) ซึ่งผูกติดกับขอมูลเรขาคณิต (geometry) ที่อยูในรูปไฟล หรือการ เก็บภาพถายทางอากาศดวยไฟลภาพเชน geoTiff เปนตน แตเนื่องจากขอมูลเชิงตําแหนงที่เพิ่มขึ้นจึงทําให ระบบการเก็บดวยไฟลไมมีประสิทธิภาพเทาไหรนัก ในชวงป ค.ศ. 1990 มีการพัฒนาใหฐ านขอมูล สามารถบันทึกขอ มูล เรขาคณิต (geometry) ไว ภายในได ซึ่งทําใหสามารถเก็บขอมูลปริมาณมากได และยังสามารถรวมกับขอมูลชนิดอื่น ๆ ที่นิยมบันทึกใน RDBMS ไดอยางสะดวก ในปจจุบัน ฐานขอมูลเชิงสัมพันธ (relational database management system หรือ RDBMS) เชน PostGIS, Oracle Spatial ยังไดรับความนิยมอยางสูง ซอฟตแวรสารสนเทศภูมิศาสตรตาง ๆ เชน ESRI ArcGIS และ QGIS รวมทั้งซอฟตแวรในระบบคลาวดเชน MapBox ลวนมีฟงกชันสนับสนุนการดึง ขอมูลจากฐานขอมูลเหลานี้ ในปจจุบันฐานขอมูลชนิด NoSQL เปนฐานขอมูลที่กําลังไดความนิยม NoSQL ในที่นี้หมายถึง non SQL หรือ non relational ซึ่งเปนฐานขอมูลที่ไมมีลักษณะเชิงสัมพันธ กลาวคือไมมีโครงสรางแบบตาราง เนื่องจากไมมีความสัมพันธแบบนี้เองจึงทําใหการเพิ่มขอมูลทําไดโดยรวดเร็ว สนับสนุนขอมูลที่มีโครงสรางที่ไม แนนอน (เชนในแตละแถวมีจํานวนคอลัมนไมเทากันเปนตน) ฐานขอมูลดังกลาวมักจะมีโครงสรางคลายเชิง วัตถุ (object oriented) มากกวา แนวโนมของฐานขอมูลเชิงตําแหนงนั้นมีความหลากหลายใหเลือกใชมากขึ้น เนื่องจากฐานขอมูลแต ละชนิดลวนมีขอดีขอเสียที่ตางกัน มากกวานั้นในยุคปจจุบันการใชฐานขอมูลที่ตางกันไมไดสรางปญหาใหกับ

58 งานเนื่องจากฐานขอมูลเปนอิสระจากมาตรฐานในการแลกเปลี่ยนขอมูล (ในปจจุบัน คือมาตรฐานของการทํา web service) 3.2.2.2 ซอฟตแวรที่ใชในการสรางแผนที่และจัดการขอมูลเชิงตําแหนง การที่อินเทอรเน็ตเขามามีบทบาทสําคัญทําใหเครื่องมือผลิตมีการเปลี่ยนแปลงไปมากในชวง 10 ปที่ ผานมาโดยอาจสรุปภาพรวมในปจจุบันไดดังตอไปนี้ 1. ซอฟตแวรระบบสารสนเทศภูมิศาสตรบนเดสกทอปที่เปนรหัสเปด (open-source) มีมากขึ้น เชน QGIS, GvSIG, GeoDa Whitebox, GAT, SAGA GIS เปนตน ซึ่งแตละอยางเนนความสามารถแตละ ดานไมเทากัน เชน GeoDa เนนเรื่องการวิเคราะหสถิติเชิงพื้นที่ (geostatistics) ซึ่งซอฟตแวรบน เดสกทอป กลุมนี้ยังไดรับ ความนิยมสําหรับผูเชี่ยวชาญอยู เนื่องจากการทํางานบนคลาวดยัง ไม สามารถตอบสนองการวิเคราะหเชิงพื้นที่ที่มีความซับซอนได 2. ซอฟตแวรสรางแผนที่บนคลาวด (Software as a Service หรือ Mapping as a Service) เกิดขึ้น มากมาย เชน Mapbox, CartoDB, Mango Map, ArcGIS online ซึ่งเครื่องมือเหลานี้เนนการผลิต แผนที่มากกวาการวิเคราะหขอมูลเชิงพื้นที่ และมีกลุมเปาหมายที่เปนผูพัฒนาโปรแกรม หรือบุคคล ทั่วไปที่ไมไดเชี่ยวชาญระบบสารสนเทศภูมิศาสตร ซึ่งเปนที่นิยมมากในชวง 5 ปที่ผานมา ซอฟตแวร เหลานี้มักจะมีที่เก็บขอมูลใหเชาซึ่งรองรับขอมูลในรูปแบบมาตรฐาน เชน .shp หรือ JSON และ GeoJSON ได มี API ใหบริการการวิเคราะหขอมูลอยางงาย เชน การหาทิศทาง การเปลี่ยนที่อยู เปนตําแหนงเชิงภูมิศาสตร (geocoding) เปนตน และซอฟตแวรเหลานี้มักเนนความสวยงามในการ แสดงผล 3. การสรางแผนที่บนเว็บอาศัยเทคโนโลยี Web 2.0 ซึ่งเทคโนโลยี AJAX เขามามีบทบาทสําคัญ ซึ่งก็ คื อ หน า เว็ บ มี ก ารรั บ ส ง ข อ มู ล กั บ เซิ ร ฟ เวอร โดยไม ต อ งโหลดหน า ใหม ขึ้ น มาทั้ ง หมด ทํ า ให javascript และขอมูลชนิด JSON, GeoJSON ไดรับความนิยมอยางสูง สําหรับ javascript library สําหรับแผนที่บนเว็บแบบ interactive ที่เปนที่นิยม เชน OpenLayers, Leaflet, Cesium รวมไป ถึง javascript library สําหรับสราง visualization โดยทั่วไปก็สนับสนุนการสรางแผนที่ดวยเชน D3.js เปนตน ซึ่งเครื่องมือนี้ไดรับความนิยมสูงในกลุมผูใชงานที่ตองการแสดงผลขอมูลเชิงตําแหนง เชน หนังสือพิมพออนไลน เปนตน

59

รูปที่ 3.9 แผนที่ในหนังสือพิมพ The New York Times [31] 4. มีการแชรขอมูลในอินเทอรเน็ต ทําใหการรวมขอมูลจากแหลงตาง ๆ เขาดวยกัน หรือที่เรียกวาการ mashup ทั้งขอมูลเชิงตําแหนง และขอมูลอื่น ๆ ที่ผูกติดกับขอมูลเชิงตําแหนงโดยเชื่อมโยงผาน ตําแหนง [32] 5. การวิเคราะห ตาง ๆ จะมีก ารประมวลผลที่เครื่อง client มากยิ่งขึ้น สังเกตไดจ ากมี javascript library ที่มีฟงกชันการวิเคราะหเกิดขึ้น เชน Turf.js ของ Mapbox เปนตน

60

รูปที่ 3.10 เครื่องมือสรางแผนที่บนเว็บที่เปนโอเพนซอรสในปจจุบัน แบงเปนเครื่องมือฝง client (javascript library) และฝง server [33]

61 3.2.3 แนวโนมของระบบสารสนเทศภูมิศาสตรจากโครงสรางพื้นฐานใหม โครงสรางพื้น ฐานของระบบสารสนเทศภูมิศาสตรมีการเปลี่ยนแปลงอยางมาก สงผลกระทบตอ ระบบภูมิสารสนเทศทําใหเกิดแนวโนมที่อาจสรุปเปนขอได ดังตอไปนี้ 1. เกิดการแชรขอมูลเชิงพื้นที่บนอินเทอรเน็ตมากยิ่งขึ้น 2. ขอมูลเชิงตําแหนงและแผนที่ถูกนําไปใชอยางแพรหลายมากขึ้น ระบบสารสนเทศภูมิศาสตรเริ่มเปน ที่รูจักมากยิ่งขึ้น 3. ผูสรางแผนที่เปลี่ยนไปอยางมากจากเดิมที่ผูทําแผนที่มักจะเปนผูเชี่ยวชาญแผนที่เทานั้น มาเปน ผูใชงานทั่วไป 4. ผูใชงานสามารถปรับเปลี่ยนแผนที่ไดเองหรือเรียกวาแผนที่ interactive เชน การเปลี่ยนสีและการ แบงคา การพลิกหมุน และการกรองขอมูล เปนตน ซึ่งความสามารถในการปรับเปลี่ยนไดนี้ทําให ผูใชงานสามารถคนควาสกัดสารสนเทศที่สําคัญจากขอมูลไดเอง นอกเหนือจากเห็นขอมูลตามที่ ผูสรางแผนที่ตั้งใจสื่อ [34] 5. ในระยะสั้นหรือกลางอันใกลนี้ ซอฟตแวรสารสนสนเทศภูมิศาสตรที่อยูบนระบบคลาวดจะเปนที่นิยม มากขึ้น รวมทั้งมีแนวโนมที่จํานวนฟงกชันการวิเคราะหคลายกับระบบสารสนเทศภูมิศาสตรบน เดสกทอปมากยิ่งขึ้น เนื่องจากความสามารถของระบบอินเทอรเน็ตที่เพิ่มมากขึ้น และความตองการ ใชงานมากยิ่งขึ้น 6. ในระยะกลางและยาวการสรางแผนที่บนเว็บงายขึ้น แตผลการแสดงแผนที่นาจะซับซอนขึ้นเนื่องจาก การรวมขอมูลอื่น ๆ เขาดวยกันและความเร็วอินเทอรเน็ตที่เพิ่มมากขึ้น แผนที่สามารถมีการโตตอบ ไดมากขึ้นและสามารถแสดงผลรวมกับการแสดงผลรูปแบบอื่น ๆ ไดดีและรวดเร็วยิ่งขึ้น

3.3 ปญญาประดิษฐ (Artificial Intelligence, AI)

ปญญาประดิษฐเปนศาสตรแขนงหนึ่งที่ทําใหคอมพิวเตอรมีการทํางานเหมือนมนุษยมากที่สุด เชน มี ความคิด สามารถเรียนรูได และสามารถสื่อสารได ศาสตรยอยที่สํา คัญ ของปญ ญาประดิษ ฐ คือการเรียนรูของเครื่อง (machine learning) ซึ่งเปน ศาสตรแขนงหนึ่งซึ่งศึกษาเกี่ยวกับการทําใหคอมพิวเตอรสามารถเรียนรูดวยตนเองจากขอมูล โดยปราศจาก การทํางานตามลําดับคําสั่งโปรแกรม ในปจจุบันมีแนวโนมการพัฒนาการเรียนรูของเครื่องมีความกาวหนาเปนอยางมาก สามารถจําแนก ขอมูลที่ไมเคยจําแนกไดมากอน มีการพัฒนาไปเปน deep learning หรือ neural network ที่มีความซับซอน มากยิ่งขึ้น เครื่องมือวิเคราะหขอมูลแบบ deep learning ออกมาใหใช โดยไมเสียคาใชจายหลายยี่หอ เชน TensorFlow ซึ่งเปนของกูเกิล OpenNN และ Theano เปนตน อยางไรก็ดีการประยุกตใช deep learning กับงานดานภูมิสารสนเทศนั้นอยูในชวงเริ่มตน โดยป ค.ศ. 2017 นี้มีการประชุมดานการประยุกตใช deep learning กับภูมิสารสนเทศเปนครั้งแรก [35]

62 เทคโนโลยีการเรียนรูของเครื่องเริ่มเขามามีบ ทบาทในขอมูล ภูมิสารสนเทศมากขึ้น โดยเฉพาะ บทบาทในการแปลความหมายและจําแนกวัตถุจากภาพถาย เชน มหาวิทยาลัยสแตนฟอรต [36] ไดใชการ เรียนรูของเครื่องในการจําแนกบริเวณที่มีความยากจนขาดแคลน เฟซบุก [37] ไดทําเทคโนโลยีมาใชในการ จํ า แนกถนน และทํ า แผนที่ ถ นนจากภาพถ า ยดาวเที ย ม มี ก ารนํ า เทคโนโลยี deep learning หรื อ convolutional neural networks ในการจํ า แนกวั ต ถุ จ ากภาพถ า ยดาวเที ย มชนิ ด hyperspectral ซึ่ ง แกปญหาในเรื่องชุดขอมูลที่จะใชเปนเทรนนิงดาตา (training data) ซึ่งมีไมพอเนื่องจากจะตองหาชุดขอมูลที่มี การจําแนกวัตถุเอาไวแลวซึ่งยังตองอาศัยแรงงานคนอยู [38] และปญหาในเรื่องของจํานวนแบนด (band) ที่มี สู ง มากกว า จํ า นวนข อ มู ล ตั ว อย า ง ทํ า ให ต อ งทํ า การลดด ว ยวิ ธี dimensional reduction ซึ่ ง จะทํ า ให รายละเอียดหายไป [39] การแปลจําแนกวัตถุดวยปญ ญาประดิษฐนี้ส ามารถนําไปประยุกตใชในงานด าน เกษตรกรรม [40] ชวยเพิ่มความแมนยําในการพนยาฆาแมลง [41] นอกจากการแปลความหมายและจําแนกวัตถุแลว ปญญาประดิษฐยังสามารถนําไปประยุกตกับ ขอมูลเชิงตําแหนงในดานอื่น ๆ เชน การศึกษาขอมูลเชิงตําแหนงจากแหลงตาง ๆ [42-43] การแบงกลุมเพื่อทํา ความเขาใจกับขอมูล [44-45] เปนตน จากบทสัมภาษณของ Nigel Clifford CEO ของ Ordnance Survey ซึ่งเปนหนวยงานดานแผนที่ของประเทศอังกฤษ ไดกลาวไววาหนวยงานกําลังพัฒนาการตรวจจับการแตกตาง ของภาพถายดาวเทียมระหวางเวลาที่ตางกันในที่เดียวกัน เพื่อหาการเปลี่ยนแปลงที่เกิดขึ้น (ortho change detection) [46] รวมทั้ ง กํ า ลั ง ทํ า การวิจั ย การประยุ ก ต ใชง านป ญ ญาประดิ ษ ฐใ นงานดา นแผนที่แ ละภู มิ สารสนเทศตาง ๆ [47] จึงสามารถคาดเดาไดวาการประยุกตใชเทคโนโลยีการเรียนรูของเครื่องจะเขามามี บทบาทกับเทคโนโลยีภูมิสารสนเทศมากขึ้น ผลกระทบที่สําคัญของระบบปญญาประดิษฐที่มีตอภูมิสารสนเทศ คือระบบการประมวลผลขอมูลให เปนสารสนเทศจะเปนแบบอัตโนมัติมากยิ่งขึ้น [48] และสามารถประมวลไดโดยทันทีที่ไดขอมูลมา เชน การ ประมวลผลขอมูลจากเซ็นเซอรเปนสภาพจราจรโดยอัตโนมัติ การจําแนกวัตถุบนภาพชนิดราสเตอร (raster) โดยอัตโนมัติ [49] ซึ่งระบบปญญาประดิษฐจะทําใหสามารถวิเคราะหขอมูลที่มีปริมาณมากและมีรูป แบบที่ ซับซอนซึ่งเมื่อกอนมนุษยไมสามารถวิเคราะหได รองรับกับเทคโนโลยีการเก็บบันทึกขอมูลที่สามารถมีความ ละเอียด (resolution) มากขึ้น และเก็บบันทึกในความถี่ที่มากขึ้นดวย ทําใหสามารถนําไปประยุกตใชในงานที่ ครอบคลุมพื้นที่ขนาดใหญเชนงานดานการเปลี่ยนแปลงสภาพภูมิอากาศ [50] รวมถึงการปองกันภัยพิบั ติ ตาง ๆ พัฒนาการการเรียนรูของปญญาประดิษฐในขอมูล geospatial นั้นจะมีการสะสมความรูมากยิ่งขึ้น ช ว ยใหการทํา งานรวดเร็ว ขึ้น เนื่ อ งจากไมตอ งเรีย นรูใหมห มด ตัว อยา งเชน ในการระบุวัตถุ บ นภาพถ า ย ดาวเทียมนั้น การเรียนรูแบบไมมีผูสอน (unsupervised learning) นั้นใชเวลาประมวลผลนาน แตหากเรามี การระบุวัตถุจากการเรียนรูครั้งกอน ๆ แลวจะทําใหกระบวนการจําแนกมีความรวดเร็วมากขึ้น ทั้งนี้ในปจจุบัน ยั งต องอาศัย การจํา แนกจากมนุษยเปนสว นนําเขา กอ น ซึ่งเสียเวลาอยา งมาก แตมีค วามพยายามในการ หลีกเลี่ยงการนําเขาสวนนี้ [51]

63 นอกจากนี้ปญญาประดิษฐยังสามารถทําใหการนํามาซึ่งขอมูลเชิงตําแหนงงายขึ้นอีกดวย โดยการ สกัดขอมูลเชิงตําแหนงออกจากขอมูลชนิดอื่น ๆ เชน การระบุตําแหนง geolocation จากภาพถาย [52] การ สกัดเหตุการณสําคัญ ๆ และตําแหนงจากขอมูลในโซเชียลเน็ตเวิรก [53]

3.4 เทคโนโลยีแสดงผลขอมูลเชิงตําแหนง 3.4.1 สามมิติ การแสดงผลสามมิตินั้นมีมานานแลว ซอฟตแวรสารสนเทศภูมิศาสตรที่รันอยูบนเดสกทอปมีการ สนับสนุนการแสดงแผนที่สามมิติมานาน เชน โปรแกรม ArcScene ของ ESRI ในชวง 10 ปที่ผานมามีวิวัฒนานาการแสดงผลผานเบราวเซอรมาอยางตอเนื่อง สมัยแรกจะตองมี การลงสวนเสริมเชน JAVA เพื่อใหแสดงผลสามมิติได ในปจจุบันมีพัฒนาใหเบราวเซอรสามารถแสดงสามมิติได โดยไมตองลงซอฟตแวรเพิ่มใด ๆ โดยใชเทคโนโลยี HTML5 และ WebGL javascript library

รูปที่ 3.11 ตัวอยางโลกสามมิติแบบแอนิเมชันที่รันในเบราวเซอร [54] 3.4.2 Virtual Reality (VR) Virtual Reality (VR) คือการแสดงผลแบบ 360 องศารอบตัวเสมือนอยูในนั้นจริง ๆ ซึ่งก็คือวิดีโอที่ สามารถเปลี่ยนมุมมองไดโดยรอบ ในปจจุบันมีเพียงแคโทรศัพทมือถือก็สามารถดู VR ไดทันที เพียงมีแคอุปกรณเสริมสําหรับสวมใส อยา ง Google Cardboard หรือ Daydream ก็ส ามารถดูไดเ ลย สว นแหลง ดูวิดีโ อที่เป น VR ในปจ จุบั น มี มากมายในอินเทอรเน็ต เชน YouTube VR ที่รวบรวมวิดีโอ VR เอาไว หนังสือพิมพออนไลน เชน New York Times ก็ผลิตวิดีโอที่เปน VR ไวนําเสนอขาวสารตาง ๆ มากมาย

64

รูปที่ 3.12 วิดีโอหนึ่งจาก YouTube VR ที่วดิ ีโอสามารถหมุนไปโดยรอบได [55] 3.4.3 Augmented Reality (AR) Augmented Reality หมายถึงการนําวัตถุเสมือนที่ไมไดเกิดขึ้นจริงไปทับซอนกับโลกจริง โดยมักจะ มีการตอบโตไดระหวางวัตถุเสมือน และวัตถุจริง เชน เมื่อมีการเคลื่อนไหว ทําใหวัตถุเสมือนเคลื่อนไหวตาม ด ว ย ดังนั้น ระบบจึงตอ งอาศัย เซ็นเซอรตรวจจับ การเปลี่ย นแปลง เชน จีพีเอสตรวจจับ ตํ า แหน ง ไจโรส โคปตรวจจับ ทิศทาง ตัว อยาง AR เชน เกม Pokemon Go ที่เปนที่นิย ม AR Sandbox ซึ่งเปนพื้นผิวจริงที่ สามารถเปลี่ยนแปลงไดตามรูปที่ 3.13 โดยมีกลไกแสดงตามรูปที่ 3.15 MIT CityScope ที่ใชตัวตอเลโกแทน ขอมูลของเมืองตามรูปที่ 3.16 [56] และ MIT CityScape ใชกลไกเคลื่อนไหวบลอกสี่เหลี่ยมขึ้นลงเพื่อแสดง ขอมูล และสามารถโตตอบโดยการเคลื่อนไหวมือดานบน ตามรูปที่ 3.17 [57] โดยการแสดงขอมูลเชิงพื้นที่ที่ สามารถจับตองไดนั้นอาจเรียกวา Tangible GIS

รูปที่ 3.13 AR Sandbox แสดงขอมูลภูมิประเทศลงบนทรายในรูปแบบ contour เมื่อเคลื่อนยายทราย contour จะเปลี่ยนไปดวย โดยการเปลี่ยนแปลงความสูงของทรายนั้นมีการตรวจจับดวย 3D scanner [58]

65

รูปที่ 3.14 ภาพแสดงหลักการทํางานของ AR Sandbox ซึ่งประกอบไปดวย 3D scanner ตรวจจับการ เปลี่ยนแปลง และโปรเจกเตอรฉายภาพ contour [59]

รูปที่ 3.15 MIT CityScape [57]

66

รูปที่ 3.16 MIT CityScope ใชตัวตอเลโกแทนผังเมืองที่ผูใชสามารถโตตอบได ซึ่งเมื่อโตตอบแลวจะมีผลให ขอมูลเปลี่ยนแลวแสดงลงบนพื้นผิวเลโกนั้น [56] อีกแนวทางหนึ่งนอกเหนือจากการโตตอบกับพื้นผิวจําลองที่สัมผัสไดจริงเพียงอยางเดียว อยาง AR Sandbox แลว ยังสามารถเชื่อมตอ AR กับระบบอินเทอรเน็ตในการโตตอบผานทางไกล เชน โครงการ cityIO ของ MIT ที่ผูใชงานสามารถ vote เพื่อโตตอบกับระบบผานทางหนาจอไอแพด เปนตน

รูปที่ 3.17 การใชงาน CityIO ผานทางหนาจอไอแพด [60]

67 ในปจจุบันมีแอปพลิเคชันแผนที่ AR ในโทรศัพทสมารตโฟนหลายแอปพลิเคชัน หากแตยังไมเปนที่ นิยมเทาไหรนัก AR ในปจจุบันยังมีขอจํากัด เชน การโตตอบโดยการเปลี่ยนแปลงโลกจริงยังตองอาศัยการ ประมวลผลอันซับซอน ซึ่งยังไมสามารถทําไดในโทรศัพทสมารตโฟนไดดีเทาไหรนักและการหาตําแหนงในโลก จริงเพื่อการวางวัตถุเสมือนยังคอยไมแมนยํา [61] ในอนาคตระบบ AR มีแนวโนมที่จะสมจริงมากขึ้น และมี การพั ฒ นาไปเป น Mixed Reality (MR) ซึ่ ง หมายถึ ง การผสมระหว า ง Augmented reality และ Virtual reality กลาวคือ มีการสรางภาพเสมือนบนสิ่งแวดลอมจริง โดยการสรางภาพจะมีการรับรูวัตถุจริง เชน สราง วัตถุเสมือนใหอยูบนโตะที่มีอยูจริง เปนตน ซึ่ง Windows 10 เพิ่งออกฟเจอรใหมในปนี้

รูปที่ 3.18 mixed reality ใน windows 10 [62] 3.4.4 อุปกรณแสดงผล แนวโนมของอุปกรณแสดงผลนั้นนาจะมีความหลากหลายมากยิ่งขึ้น โดยดูจากในปจจุบันมีอุปกรณ ตาง ๆ มากมายเชน แทบเล็ต PC โทรศัพทสมารตโฟน นาฬิกามือถือ อุปกรณสวมใสสําหรับ AR, VR และ MR รวมถึงอุปกรณแสดงผลที่จับตองได หรือที่เรียกวา Tangible GIS และอุปกรณอื่น ๆ อีกมากมาย ทําใหการ แสดงผลนั้นตองรองรับอุปกรณหลาย ๆ อยางได ในปจจุบันมาตรฐานในการพัฒนาเปนแบบ responsive กลาวคือ สามารถแสดงผลไดในอุปกรณทุกขนาดอยางเหมาะสม 3.4.5 ผลจากเครื่องมือในการแสดงผลขอมูลเชิงตําแหนง ผลจากการพัฒนาของเทคโนโลยีเครื่องมือในการแสดงผลขอมูลเชิงตําแหนงนั้นทําใหเกิดลักษณะ การแสดงใหม ๆ จากที่เปนกระดาษ ก็กลายเปนแผนที่ที่สามารถตอบโตได เปลี่ยนแปลงไดตามที่ผูใชตองการ และยังมีฟงกชันที่สามารถวิเคราะหขอมูลไดอีกดวย

68 ในอนาคตอันใกลนาจะมีการเปลี่ยนแปลงของเทคโนโลยีสารสนเทศภูมิศาสตรดังตอไปนี้ 1. แนวโนมการพัฒนาเทคโนโลยีสารสนเทศภูมิศาสตรที่สามารถรองรับอุปกรณทุกชนิดทุกขนาด 2. แนวโนมการแสดงผลแผนที่บ นสามมิติบนอินเทอรเ น็ตนาจะเปนที่นิย มมากขึ้น อันเนื่องมาจาก ประสิทธิภาพของเบราวเซอร เครื่องมือพัฒนาสามมิติ และความเร็วอินเทอรเน็ต 3. ในระยะสั้นชวง 5 ปเทคโนโลยีสามมิติ VR และ AR จะทําใหผูใชงานธรรมดาเขามาเกี่ยวของกั บ ระบบสารสนเทศภูมิศาสตรมากยิ่งขึ้น [63] 4. ในระยะกลางและยาว การประยุกตใช AR และ VR ที่จะมากขึ้นเนื่องจากการใชงาน AR และ VR กับ ขอมูลเชิงตําแหนงงายขึ้น ซึ่งในปจจุบันยังมีขอจํากัดอยูบาง เชน การดู point cloud จาก LiDAR ใน mixed reality ซึ่งในปจจุบันยังทําไดยากเนื่องจากขอมูลที่มีขนาดใหญ [64] 5. เมื่อ AR และ VR มีการพัฒนามากขึ้น เชน VR ที่เดินไปตามจุดตาง ๆ ไดอยางไรรอยตอเหมือนการ เลื่อนแผนที่ในอินเทอรเน็ต ก็นาจะทําใหระบบสารสนเทศภูมิศาสตรใชประโยชนจาก AR และ VR มากยิ่งขึ้น

3.5 แนวโนมเชิงนโยบาย 3.5.1 นโยบายเปด การ “เปด” เปนวัฒนธรรมที่ไดรับความนิยมเพิ่มขึ้นอยางตอเนื่องในวงการการเทคโนโลยีสารสนเทศ หมายถึงการใหใชทรัพยากรตาง ๆ รวมกันโดยไมเสียคาใชจาย ตัวอยางเชนซอฟตแวรรหัสเปด (open source software) การเปดเผยขอมูล (open data) เปนตน เชนเดียวกับระบบสารสนเทศอื่น ๆ ระบบสารสนเทศภูมิศาสตรมีการ “เปด” โดยแรกเริ่มที่การเปด ซอฟตแวรใหใชไดฟรี นั่นคือ GRASS GIS และไดมีการเปดสว นตาง ๆ เพิ่มขึ้นมาเรื่อย ๆ ซึ่ง [65] ไดแ บง ออกเปน 8 ดานไดแก การเปดเผยขอมูล การเปดฮารดแวร การเปดมาตรฐาน การเปดการศึกษา การเป ด งานวิจัย การเปดแหลงทุน และการเปดการตีพิมพ 3.5.1.1 เปดเผยขอมูล การเปดเผยขอมูลหมายถึงการที่ขอมูลสามารถนําไปใชตอไดโดยอิสระ และสามารถแจกจายได โดย การเปดเผยขอมูลแบบสมบูรณนั้น ขอมูลจะตองอยูในรูปแบบที่พรอมใชงานโดยมีคาใชจายไมมากไปกวาคาทํา สําเนา โดยไมตองมีการขออนุญาตใชขอมูลที่ซับซอน และสามารถใชซ้ําและแจกจายไดโดยไมจํากัดกลุมบุคคล [49] แตในทางปฏิบัติแลวขอมูลบางอยางอาจมีเงื่อนไขบางประการตามที่เจาของขอมูลเปนผูกําหนด ในปจจุบัน การเปดเผยขอมูลมีระดับความแตกตางกันระหวางหนวยงาน อยางเชน หนวยงานหนึ่ง ๆ อาจเปดเผยขอมูลในลักษณะรายงาน ขอมูล pdf หรือภาพ infographic ซึ่งไมสามารถนําไปวิเคราะหตอได อีก หนวยงานหนึ่งอาจเปดเผยขอมูลดิบในรูปแบบ csv ซึ่งเหมาะกับการนําไปวิเคราะหตอแตอาจไมเหมาะกับการ

69 นําไปพัฒนาแอปพลิเคชันตอ ความเหมาะสมของลักษณะขอมูลที่เปดเผยและผูใชประโยชน แสดงใหเห็นในรูป ที่ 3.19

รูปที่ 3.19 ความเหมาะสมของรูปแบบในการเปดเผยขอมูลในผูใชแบบตาง ๆ [66] การเปดเผยขอมูลในชวง 5 ปที่ผานไดรับความนิยมอยางมาก ทั้งภาครัฐและเอกชนมีการเปดเผย ขอมูลมากมาย สําหรับภาครัฐนั้นประเทศอังกฤษเปนประเทศแรกที่ไดจัดทําเว็บ open data portal ขึ้น [67] และหลังจากนั้นอีกไมนานสหรัฐอเมริกาก็ไดจัดทําเชนกัน [68] สวนนโยบาย open data สําหรับขอมูลเชิง ตําแหนง โดยเฉพาะที่สําคัญคือโครงการ INSPIRE [69] ของสหภาพยุโรป ซึ่งเอาขอมูลเชิงตําแหนงทั้งยุโรปมา รวมกันหมด ทําใหสามารถบูรณาการขอมูลรวมกันเพื่อแกไขปญหาระหวางประเทศ เชน ภัยพิบัติตาง ๆ ได โครงการนี้ เ ป น การสร า งมารตรฐานเพื่ อ ให ข อ มู ล จากประเทศตา ง ๆ สามารถนํ า มาวิ เ คราะห ร ว มกันได นอกจากนี้ยังมีโครงการเปดเผยขอมูล geospatial ของเมืองตาง ๆ เชนเมือง Los Angeles [70] เปนตน ซึ่ง นอกเหนือจะมีขอมูลใหดาวนโหลดโดยตรงและผาน API แลว ยังมีเครื่องมือทําแผนที่ และวิเคราะหขอมูลเชิง ตําแหนงอยางงายดวย สําหรับหนวยงานเอกชนก็มีการเปดเผยขอมูลเชิงตําแหนงมากขึ้นในชวงปที่ผานมา เชน Uber มีการ เปดเผยขอมูลที่เกี่ยวของกับจราจรในบางประเทศ [71] Strava ใหบริการขอมูลออกกําลังกายผานทาง API [72]

70 การเปดเผยขอมูลของรัฐในประเทศไทยนั้นมีมากขึ้นเรื่อย ๆ มีนโยบายสนับสนุนการเปดเผยขอมูล ของรัฐ โดยมีเว็บไซตกลางรวบรวมขอมูลจากแหลงตาง ๆ [73] และลาสุดมีเว็บไซตเปดเผยขอมูลที่เกี่ยวของกับ การเลือกตั้ง [74] โดยมีการนําเสนอขอมูลเปนแผนภูมิ พรอมทั้งแหลงดาวนโหลดขอมูล อยางไรก็ดีการเปดเผยขอมูลในหลายหนวยงานยังไมสมบูรณเทาไหรนัก และบางหนวยงานก็ยังไมมี การเปดเผยขอมูล ซึ่งอุปสรรคที่ขัดขวางการเปดเผยขอมูล (โดยสมบูรณ) ของรัฐมีดังตอไปนี้ o การมีกฎหมายและกฎระเบียบตาง ๆ ที่เปนอุปสรรคตอการเผยแพรขอมูลภูมิสารสนเทศ o มีคาใชจายในการขอขอมูล ทําใหการใชงานขอมูลนั้นไมแพรหลายนัก หรือมีการลักลอบนําขอมูลไป ใช

รูปที่ 3.20 คาใชจายในการบริการแผนที่หรือขอมูลทางแผนที่ของกรมพัฒนาที่ดิน จากกฎกระทรวง พ.ศ. 2555 [75] o ระบบไมเอื้ออํานวยในการเปดเผยขอมูล บางครั้งการเปดเผยขอมูลปริมาณมากตองอาศัยการพัฒนา ระบบเปดเผยขอมูล เชนการพัฒนา API เปนตน ทําใหการเปดเผยขอมูลนั้นยังไมสะดวกเทาใดนัก เชน ยังตองไปติดตอที่หนวยงานเพื่อขอคัดลอกขอมูลโดยตรง

71

รูปที่ 3.21 รายละเอียดที่ชี้แจงเว็บไซตของสํานักวิจัย พัฒนาและอุทกวิทยา กรมทรัพยากรน้ํา กระทรวง ทรัพยากรธรรมชาติและสิ่งแวดลอม [76]

72 o การเปดเผยขอมูลอยูในรูปแบบที่นําไปใชตอไมได เชน ในแอปพลิเคชันขอมูลสารสนเทศทรัพยากร ดิน รายจังหวัดของกรมพั ฒนาที่ ดินมีขอ มูลให ดาวนโ หลดอยู ในรูป แบบ pdf ซึ่งไม สามารถนํ า ไป วิเคราะหเชิงพื้นที่ตอไดโดยงาย

รูปที่ 3.22 แอปพลิเคชันขอมูลสารสนเทศทรัพยากรดินรายจังหวัด [77]

o o

o

o

ขอเสนอแนะในการเปดเผยขอมูลของประเทศไทยมีดังนี้ ควรมีการทบทวนกฎระเบียบการเผยแพรขอมูลในหนวยงานตาง ๆ ควรมีการทบทวนคา ใชจา ยในการคั ดลอกข อมูล เนื่องจากโดยปกติมัก จะเปนภาระหนา ที่ ข อง หนว ยงานนั้น ๆ ที่จ ะเก็บและเผยแพรขอมูลอยูแลว จึงไมควรมีการเก็บคาใชจายในการคัดลอก ขอมูล ควรมีระบบสนับสนุนการเปดเผยขอมูลเชิงพื้นที่ใหกับหนวยงานตางๆ เชน การสรางแหลงเปดเผย ขอมูลเชิงพื้นที่สําหรับใหหนวยงานตาง ๆ นําขอมูลมาเปดเผย (ลักษณะเดียวกับ opendata.go.th แตเปนแบบที่เหมาะสมกับขอมูลเชิงพื้นที่) เนื่องจากหากแตละหนวยงานจะตองพัฒนาระบบเองอาจ มีคาใชจายสูงและมีความยุงยาก ควรใหแตละหนวยงานมีการประชาสัมพันธนโยบายการเปดเผยขอมูลเพื่อใหเปนที่เขาใจตรงกัน และเพื่อความปลอดภัยของขอมูล

73 3.5.1.2 ซอฟตแวรรหัสเปด (opensource software) ระบบสารสนเทศภูมิศาสตรที่มีการเปดเผยรหัสนั้นเปนที่นิยมไมแพซอฟตแวรที่ไมเปดเผย เชน QGIS เปนตน ซึ่งสามารถดาวนโหลดไปใชงานหรือนํารหัสไปปรับปรุงไดเอง แนวโนมในปจจุบันการเปดเผยผานการ ทํา API นั่นคือ สามารถเขาใชบริการตาง ๆ ไดฟรี และการเปดเผยรหัสผาน web version control เปนที่ นิยมเชน GitHub การเปดเผยซอฟตแวรสามารถเลือกใชใบอนุญ าตแบบตาง ๆ เชน apache, MIT, BSD ซึ่งมีระดั บ การเปดเผยไมเทากันได 3.5.2 มาตรฐานแบบเปด (open standard) มาตรฐานแบบเปดคือมาตรฐานตา ง ๆ ที่เปดให ใชรว มกันไดโ ดยไมคิดคาใชจาย สํา หรับ ระบบ สารสนเทศภูมิศาสตรมาตรฐานสําคัญ ๆ เกิดขึ้นจาก Open Geospatial Consortium (OGC) เปนสวนมาก เชน cityGML, Web Map Service (WMS), Web Feature Service (WFS) เปนตน แนวโนมการเปดมาตรฐานตาง ๆ มีเพิ่มมากขึ้น หนวยงานผูผลิตแผนที่เอกชนมีการเปดเผยมาตรฐาน ทําใหมาตรฐานนั้นเปนที่นิยมมากขึ้น เชน Mapbox ไดเปดเผยมาตรฐาน Vector Tiles [78] ซึ่งมีความรวดเร็ว ในการแสดงผลมากกวาราสเตอรตอมา ESRI ไดสนับสนุนมาตรฐานนี้ดวย [79] 3.5.3 การรวมมือกัน การรวมมือกันของระบบสารสนเทศภูมิศาสตรนั้นเกิดขึ้นเนื่องจากระบบอินเทอรเน็ต ทําใหคนจากที่ ตาง ๆ สามารถทํางานรวมกันได รูปแบบการรวมมือกันอาจเปนเกิดขึ้นคนละเวลา เวลาเดียวกัน ในสถานที่ เดียวกันหรือตางสถานที่กัน ซึ่งอาจสรุปไดเปนแผนภูมิดังนี้

รูปที่ 3.23 รูปแบบความรวมมือกัน (แปลจาก [80])

74 ความรว มมือ กัน ของระบบภูมิสารสนเทศนั้นมุงประโยชนหลายอยา ง เชน การรว มกันเพิ่ม และ ปรับปรุงแกไขขอมูล (เชน OpenStreetMap หรือ ฟงกชัน Add a missing place ใน Google Maps) การ สนับสนุนใหภาคประชาชนรวมกันเก็บรวบรวมขอมูล วิเคราะหปรากฏการณตาง ๆ ดวยตัวเอง หรือที่เรียกวา citizen science [81] การชวยเหลือกันเมื่อเกิดเหตุการณใด ๆ (crisis mapping) หรือการนําเทคโนโลยีภูมิ สารสนเทศไปเพิ่ มการมีสว นรว มของประชาชน ที่ เรียกวา public participation GIS (PPGIS) เชนการให ประชาชนมีสวนรวมในการพัฒนานโยบายตาง ๆ เชน การสรางระบบสาธารณูปโภค การจัดการที่ดิน การให ประชาชนมีสวนรวมในการตัดสินใจเกี่ยวกับนโยบายทางดานสิ่งแวดลอม เปนตน [82] ซึ่งความรวมมือเหลานี้ ใชป ระโยชนจ ากระบบสารสนเทศภู มิศ าสตร แบบคราวด ซ อรส (crowdsource) หรืออาจเรี ย กไดว า เป น volunteered GIS ที่ไดกลาวถึงในหัวขอแหลงขอมูลคราวดซอรสซิงไปบางแลว ในชวงปจจุบันนี้ ระบบภูมิสารสนเทศที่มีการทํางานรวมกันเรียลไทม ที่เมื่อมีบุคคลใดบุคคลหนึ่ง แกไขขอมูล อีกบุคคลที่อยูตางกันจะเห็นการแกไขทันที (ชองบนซายในรูปที่ 3.23 ) อยูในชวงตนเทานั้น ยังไม คอยมีการใชงานในรูปแบบนี้เทาไหรนัก 3.5.4 แนวโนมของระบบสารสนเทศภูมิศาสตรจากแนวโนมเชิงนโยบาย 1. ภายใน 5 ปนี้ บริษัทดานระบบสารสนเทศภูมิศาสตรใหญ ๆ เชนบริษัท ESRI ใหการสนับสนุนการ เปดเผยขอ มูล มีการสรางผลิตภัณฑสํา หรับ เปดเผยขอ มูล นโยบายเปดจะสงผลใหขอ มูลมีการ แลกเปลี่ยนมากขึ้ น (http://www.esri.com/software/open/open-data) ซอฟตแ วรจ ะอยู ใน ลักษณะที่ชวยกันพัฒนามากขึ้น การกําหนดการเขาถึงขอมูลนาจะลดลง ประเทศที่ยังไมสนับสนุน การเปดเผยขอมูลจะเห็นประโยชนและมีการปรับตัวเพื่อเปดเผยขอมูลมากขึ้น 2. แนวโนมของระบบสารสนเทศภูมิศาสตรจะเปลี่ยนการรวมกันทํางานระหวางผูเก็บขอมูล ผูวิเคราะห และผูใชงานแผนที่ ซึ่งเปนการติดตอ เพีย งในองค กร (enterprise GIS) แตแนวโน มในอีก ไมกี่ ป ขางหนาจะเปนการทํางานรวมกันระหวางองคกร และกลุมคนตาง ๆ รวมกัน เชน องคกรที่เก็บ ขอมูลนักขาว บุคคลทั่วไป จะมีการแลกเปลี่ยนขอมูล และวิเคราะหขอมูลรวมกันผานระบบระบบ สารสนเทศภูมิศาสตร [27] อธิบายไดจากรูปที่ 3.23 วาระบบระบบสารสนเทศภูมิศาสตรจะเปลี่ยน จากการรวมศูนย (แถวลาง) ไปเปนแบบกระจายมากขึ้น (แถวบน) 3. ในชวง 5-10 ปขางหนามีแนวโนมที่จะสามารถทํางานรวมกันไดในเวลาเดียวกัน (real-time) มากขึ้น [80] เนื่องจากในปจจุบันอินเทอรเน็ตมีความเร็วที่เพียงพอ และเทคโนโลยีที่เกี่ยวของก็สามารถทําได แลว 4. ในระยะยาวจะมีความพยายามที่จะทําใหความรวมมือนั้นไมจํากัดอยูกับกลุมบุคคลใดบุคคลหนึ่ง หรือระดับการศึกษา หรือที่เรียกวา extreme citizen science [83] ผนวกกับเทคโนโลยีสามารถ เขาถึงคนหลายแบบไดมากขึ้น ดังนั้น ในชวง 5-10 ปนาจะมีคนเขามาใชระบบสารสนเทศภูมิศาสตร หลากหลายมากขึ้น

75

3.6 มาตรฐานดานแผนที่ ปจจุบัน

ในที่นี้จะแบงมาตรฐานดา นแผนที่ตามรูป แบบการ request ชนิดขอมูลเชิง พื้น ที่ที่เ ปนที่นิ ย มใน

3.6.1 รูปแบบการรองขอขอมูลแผนที่ออนไลน (map request) 3.6.1.1 รูปแบบการ request tile map รูปแบบแผนที่ที่ใหบริการผานเว็บในปจจุบันนั้นอยูในรูปแบบของ tile map กลาวคือ มีการแบง แผนที่ออกเปนสี่เหลี่ยมเล็ก ๆ แลวสงมาที่เครื่อง client เพื่อตอเปนรูปใหญและทําการแสดงผล ซึ่งการรอง ของ tile map นั้ น จะตอ งมี ก ารร อ งขอบริ เวณที่ ตอ งการ และ zoom level ที่ ต อ งการ ซึ่ ง รู ป แบบนั้ นจะ แตกตางกันไป ในปจจุบันมีการรองขอแบบตาง ๆ ดังนี้ 1. การ request แบบ XYZ โดย X และ Y คือ คาพิกัดในระบบ mercator (เปนองศา) Z คือ zoom level เปนจํานวนเต็ม (สวนใหญจะเริ่มที่ 0 คือ ภาพจํานวน 1 tile ครอบคลุมทั้งโลก 1 คือ ภาพ จํานวน 2x2 tile สวน n คือภาพจํานวน 2nx2n tile) โดยที่ภาพ 1 tile จะมีขนาด 256x256 โดย web server ที่ใหบริการในรูปแบบนี้เชนกูเกิล stamen, OpenStreetMap เปนตน มาตรฐานนี้ เปนที่นิยมมากที่สุด 2. การ request แบบ OGC web map service (WMS) คื อ การร อ งขอรู ป ภาพแผนที่ เ ป น ชนิ ด ราสเตอรจากเครื่อง server ผลที่ไดคือรูปภาพชนิดราสเตอรในตําแหนงและความกวางที่ตองการ โดยจะใหภาพทีละ 1 ภาพตอการ request และจะมีขอมูล XML มาดวย WMS ไมไดรับความนิยม ในซอฟตแวรบนคลาวดที่พัฒนาขึ้นใหม เชน Mapbox (https://www.mapbox.com/) และ carto (https://carto.com/) โดยในเว็ บ ไซต ข อง Mapbox ได ก ล า วว า WMS ยากที่ จ ะจั ด การให มี ป ร ะ สิ ท ธิ ภ า พ [ 8 4 ] ทั้ ง ม า ต ร ฐ า น ก า ร เ รี ย ก แ ผ น ที่ ที่ ย า ว ( เ ช น http://localhost:8080/geoserver/wms?service=wms&version=1.1.1&request=GetCapa bilities เปนตน) และการที่ตองการระบุพิกัด ซึ่งไมคอยมีความสําคัญเทาไหรนักสําหรับการแสดงผล แผนที่บนเว็บ [85] มากกวานั้นผลที่ไดจะอยูในรูปแบบ XML ซึ่งมีความยาวมาก3 Carto ไดกลาววา มีการสนับสนุนขอมูลในรูปแบบ WMS สําหรับผูที่ตองการเผยแพรขอมูลเชิงตําแหนงที่มีมาตรฐาน ตาม OGC เชน โครงการ INSPIRE ของสหภาพยุโรป เปนตน อยางไรก็ดี WMS เปนรูปแบบที่ลาสมัย [86] 3. การ request แบบ OGC Web Map Tile Service (WMTS) คือ การรองขอ map tile ในมาตรฐาน ของ OGC โดยจะแตกตา งจาก WMS คือ ในการ request 1 ครั้งจะใหภ าพมาหลายภาพได ซึ่ง มาตรฐานนี้ส ามารถกํ า หนดไดวา จะกํ า หนดตั ว แปรตามมาตรฐานอื่ น ๆ อยา งไร ตัว อยา งเช น 3 ใน WMS version 1.3.0 สามารถสั่งใหแสดงผลในรูปแบบของ JSON และ Geo JSON ได

76 http://sampleserver6.arcgisonline.com/arcgis/rest/services/WorldTimeZones/MapSer ver/WMTS/tile/1.0.0/WorldTimeZones/default/default028mm/1/0/0.png จะไดภาพดัง รูปที่ 3.24

รูปที่ 3.24 ตัวอยางภาพจากการ request แบบ OGC Web Map Tile Service 4. การ request แบบอื่น ๆ สามารถมีได เชน Bing Map จะมีมาตรฐานการเรียกของตัวเอง ในการ request tile map ทําไดโดยการเรียกผาน javascript library ซึ่งในปจจุบันมีหลากหลาย เชน OpenLayers, Leaflet, Modest Map เปนตน 3.6.1.2 รูปแบบการ request feature ในการ request ขอมูลเปน feature (เปนการเรียกดูวัตถุเปนชิ้น ๆ เชน ที่ดินทีละแปลง เปนตน) นั้นมีมาตรฐานที่สําคัญคือ OGC web feature service (WFS) ซึ่งเปนมาตรฐานการเรียกขอมูลเชิงพื้นที่เปน feature ตางจาก WMS ที่เรียกแผนที่เปนราสเตอรซึ่ง WFS นั้นสามารถกําหนดชนิดเอาตพุต ไดตามตองการ เชน แบบ geoJSON หรือแบบราสเตอรก็ได [87]

77 3.6.2 ชนิดขอมูลเชิงพื้นที่บนเว็บ 3.6.2.1 รูปภาพชนิด raster tile และ vector tile แผนที่แบบดั้งเดิมมักจะอยูในรูปแบบไฟลภาพชนิดราสเตอร (เชน png หรือ jpeg เปนตน) หลาย ๆ ภาพตอกันเปนภาพใหญ ๆ ในปจจุบันมีการพัฒนามาตรฐาน Vector Tile ขึ้นมาโดยเปนมาตรฐานแบบ open standard และมีความรวดเร็วในการแสดงผลเนื่องจากขนาดที่เล็กจึงทําใหมาตรฐานแบบ vector tile ไดรับ ความนิยมมากขึ้นเรื่อย ๆ Mapbox ไดพัฒนาขึ้นและตอมาในป ค.ศ. 2015 บริษัท ESRI ก็สนับสนุนมาตรฐาน นี้ดวยเชนกัน [79] นอกจากนี้สามมิติบนเว็บกําลังเปนที่นิยมเนื่องจากเทคโนโลยี WebGL ที่รองรับการแสดงผลแบบ สามมิติบนเว็บไดทําให vector tile ไดรับความนิยมมากขึ้น 3.6.2.2 Scalable Vector Graphics (SVG) SVG คือ XML ภาพกราฟกตาง ๆ ซึ่งเปน vector ตางจากราสเตอรอยางภาพ .jpg หรือ .png ขอดี ของ SVG คื อ เบราวเ ซอร ทุ ก ชนิ ด ในป จ จุ บั น สามารถแสดงผลภาพ SVG โดยไม ตอ งอาศั ย plug-in ใด ๆ สามารถโตตอบได เชน เมื่อเมาสคลิกจะเกิดกลองขอความขึ้นมา และสามารถขยายหดไดโดยความชัดเจนยัง เทาเดิมเนื่องจากเปนชนิด vector ทําใหความนิยมในการใชงาน SVG ในการสรางแผนภูมิแบบ interactive มี มากขึ้น <svg width="100" height="100"> <circle cx="50" cy="50" r="40" stroke="green" stroke-width="4" fill="yellow" /> </svg> รูปที่ 3.25 ตัวอยาง SVG เนื่อ งจากขอ ดีดังกลาวทําให SVG เปนที่นิย มในการแสดงแผนภูมิแ ละแผนที่ โดย D3.js ซึ่งเปน javascript library สําหรับแสดงผลขอมูลเปนภาพ (visualization) ดวย SVG นั้นไดรับความนิยมมาก อยางไร ก็ดี D3.js นั้น ไมใช javascript library สําหรับแผนที่โดยเฉพาะ สวนหนึ่งนั้นเปนเพราะ SVG นั้นไมเหมาะกับ งานแผนที่เทา ไหรนั ก (SVG ไมสนับสนุนระบบพิ กัด ทางภูมิ ศาสตร ) ดังนั้น SVG จึง มักจะใชแสดงแผนที่ interactive ขนาดเล็กแบบ choropleth map เปนตน แตไมนิยมใชในการแลกเปลี่ยนขอมูลเชิงพื้นที่ (มักจะ ใช GeoJSON มากกวา)

78

รูปที่ 3.26 แผนที่แบบ SVG [88] 3.6.2.3 GeoJSON และ TopoJSON ขอมูลชนิด JSON นั้นไดรับความนิยมมากขึ้นในการแลกเปลี่ยนขอมูลเชิงพื้นที่เนื่องจากมีขนาดที่เล็ก กวา XML จะเห็นจาก API ในปจจุบันนิยมสงขอมูลดวย JSON และการทํางานแบบ AJAX ก็นิยมใช JSON แลกเปลี่ยนขอมูลดวย สวน GeoJSON นั้นไดรับความนิยมมากขึ้นเรื่อย ๆ ตามขอมูลชนิด JSON มาตรฐาน OGC Web Feature Services (WFS) สามารถกําหนดใหมีผลลัพธออกมาเปน GeoJSON ได สวน TopoJSON นั้นมีขนาดเล็กกวา GeoJSON จึงทําใหเหมาะกับการแลกเปลี่ยนขอมูลขนาดใหญ มากกวา GeoJSON ซึ่งสวนใหญ library ที่รองรับ GeoJSON ก็จะมีการรองรับ TopoJSON ดวย และสามารถ เปลี่ยนจาก GeoJSON เปน TopoJSON ไดไมยาก

79 3.6.2.4 รูปแบบ RDF อยางที่กลาวเอาไววาในยุค Web 3.0 นั้นจะมีลักษณะสําคัญ คือเว็บเชิงความหมายหรือ semantic web ซึ่งในการแลกเปลี่ยนขอมูลในยุค Web 3.0 นั้น จะใช RDF เปนมาตรฐานในการอธิบายขอมูลตาง ๆ บน เว็บ ซึ่ง RDF เปนมาตรฐานของ W3C ที่ถูกออกแบบมาใหเครื่องสามารถเขาใจความหมาย และความสัมพันธ ของสิ่งตาง ๆ ได ซึ่งกระบวนการสราง RDF ทําไดโดยการกําหนดโครงสรางขอมูลโดยใช OWL (Ontology Web Language) โดยใชโปรแกรม Ontology Editor ใด ๆ หลังจากนั้นจั ดเตรียมชุดขอมูลที่อยูในรูปแบบ ตารางโดยการเชื่อมโยงโครงสราง OWL ที่สรางขึ้นกับโครงสรางตารางของขอมูล จะไดขอมูลในรูปแบบ RDF ที่สามารถนําไปเผยแพรตอได หรือสามารถสืบคนโดยใชภาษา SPARQL (สําหรับขอมูลเชิงตําแหนงมีมาตรฐาน GEOSPARQL [89]) มีการเริ่มนํา RDF มาใชเปน format ในการบันทึกขอมูล Point of Interest (POI) เชน โครงการ SLIPO ซึ่งเปนหนึ่งในโครงการ Horizon 2020 ของสหภาพยุโรป เปนโครงการที่รวบรวม Point of Interest (POI) เขาดวยกันโดยพยายามใหเปนขอมูลกลางไมขึ้นกับผูขายใด ๆ (vendor-agnostic) โดยขอมูล POI ที่ รวบรวมมาจะถูกแปลงใหอยูในรูปของ Resource Description framework (RDF) โดย POI จากชุดขอมูล ตาง ๆ จะถูกเชื่อมโยงกันดวยมาตรฐานกลาง นอกจากนี้โครงการยังสรางเครื่องมือที่ใชสําหรับแปลงขอมูล POI ในรูปแบบตางๆมาเปนมาตรฐานกลางอีกดวย 3.6.2.5 รูปแบบอื่น ๆ ขอมูลรูปแบบอื่น ๆ เชน GML (เปนมาตรฐาน ISO 19136), KML (ใชใน Google earth), และมี มาตรฐานใหมเกิดขึ้นมารองรับแอปพลิเคชันภายในอาคาร OGC InDoorGML 3.6.3 แนวโนมมาตรฐานดานแผนที่ ในปจจุบัน web service ไดรับความนิยม ทําใหมาตรฐานตาง ๆ มีมากขึ้น web service ทําให หนวยงานตาง ๆ สามารถแลกเปลี่ยนขอมูลเชิงตําแหนงไดโดยไมตองกังวลในเรื่องมาตรฐานการเก็บขอมูล web service ที่เปนที่นิยมคือ REST ซึ่งเปนมาตรฐานหนึ่งของ web service สงผลใหขอมูลแบบ GeoJSON (geojson.org) ไดรับความนิยมไปดวย

80

3.7 แนวโนมเทคโนโลยีสารสนเทศภูมิศาสตรในประเทศไทย

แผนแมบทภูมิสารสนเทศแหงชาติแรกเกิดขึ้น ในป พ.ศ. 2545 แตไมมีการประกาศใชอยา งเป น ทางการ และไดมีการจัดทําแผนแมบทภูมิสารสนเทศอีกครั้งในป พ.ศ. 2560 (พ.ศ. 2560-2564) โดยแผน แม บ ทใหม นี้ ไ ด มี ยุ ท ธศาสตร ที่ ส นั บ สนุ น การเป ด เผยชุ ด ข อ มู ล ภู มิ ส ารสนเทศพื้ น ฐานของประเทศ (Fundamental Geographic Data Set, FGDS) ผ า ร ะ บ บ สื บ ค น ข อ มู ล ( National Geo-Informatics Infrastructure System, NGIS) โดยไดแนะนําใหมีการปรับปรุงชุดขอมูล FGDS ใหม โดยมีการเพิ่มชุดขอมูล และแนะนําใหมีการปรับปรุงขอมูลใหทันสมัย โดยอาจใชแนวทางคราวดซอรสซิงมาชวยในการปรับปรุงขอมูล สวนทองถิ่นโดยเฉพาะขอมูล Point of Interest (POI) [90] จากการวิเคราะหส ถานการณใ นป จจุ บันของประเทศไทย ผนวกกับ เทคโนโลยีที่เกี่ ยวขอ งที่ ไ ด กลาวถึงไปในหัวขอที่แลว ทําใหสรุปไดเปนแนวโนมเทคโนโลยีสารสนเทศภูมิศาสตรในประเทศไทยดังตอไปนี้ 1. การใชขอมูลเชิงพื้นที่และแผนที่ยังไมเปนที่แพรหลายนัก นักพัฒนาแผนที่ยังมีไมมาก มีการใชงานใน เฉพาะกลุ ม นั ก วิ จั ย และนัก ภู มิส ารสนเทศ แตแ นวโน ม ในป จ จุ บั น ผู ใ ชง านอื่ น ๆ จะเข า มาเห็ น ความสําคัญและใชประโยชนขอมูลเชิงตําแหนงมากยิ่งขึ้น

รูปที่ 3.27 Wongnai [91]

81 2. การวิเคราะหขอมูลเชิงตําแหนงยังมีนอยมาก สวนใหญแลวเนนการแสดงผลขอมูลลงบนแผนที่ แตใน ปจจุบันมีการใชงานในแอปพลิเคชันบางสวนแลว เชน การหาเสนทางที่สั้นที่สุด การหารานอาหาร ในบริเวณใกลเคียง เปนตน และมีแนวโนมที่การวิเคราะหเชิงตําแหนงจะมีการใชงานในเทคโนโลยี ใหม ๆ เชน augmented reality หรือ autonomous car มากขึ้น ทั้ง นี้ ในปจ จุบันฟงกชันลวน ใหบริการทางอินเทอรเน็ต (เชน API เปนตน) ซึ่งสรางในตางประเทศเกือบทั้งหมด แนวโนม ของ ประเทศไทยจึงนาจะเปนการใชงานมากกวาการผลิตฟงกชันการวิเคราะหขึ้นมาเอง 3. ระบบสารสนเทศภูมิศาสตรสําหรับทํางานรวมกัน เชน การปรับปรุงขอมูลดวยกัน ยังมีนอยมาก เชน เว็บยุพิน [18] สําหรับรวมกันแจงปญ หาในเมืองโดยการอัปโหลดตําแหนง และรูปภาพ และเว็บ รายงานระดับน้ําทวมในชวงน้ําทวมใหญ เปนตน ถึงแมจะมีการใชงานประโยชนจากเว็บในระดับ นานาชาติ เชน OpenStreetMap เนื่องจากไมเสียคาใชจาย แตความรวมมือในการปรับปรุงขอมูล นั้นยังมีนอย และภาครัฐยังไมมีการใชประโยชนจากการทํางานรวมกันเทาไหรนัก อยางไรก็ดีการ ทํางานรว มกันมักจะตอ งการเหตุการณกระตุน และการสนับ สนุน จึง ทําใหย ากที่จ ะคาดเดาวา แนวโนมจะมากขึ้นหรือไม 4. แนวโนมที่เทคโนโลยี การเรียนรูของเครื่อง (machine learning) และปญญาประดิษฐ (artificial intelligence) จะเขามาในระบบภูมิสารสนเทศในประเทศมีสูงมาก และจะทําใหภ าครัฐใชระบบ อัตโนมัติเพิ่มขึ้น ภายในระยะเวลา 10 ป รัฐนาจะตองการแรงงานนอยลงเรื่อย ๆ 5. รัฐมีการสนับสนุนนโยบายแบบเปดมากขึ้น นักพัฒนามีการเผยแพรซอรสโคดโปรแกรมมากขึ้นตาม แนวโนมโลกในปจจุบัน เนื่องจากแรงผลักดันจากนานาประเทศ คาดวาในอนาคตขอมูลเชิงตําแหนง ในประเทศไทยจะมีการเปดเผยมากขึ้นตามแนวโนมขอมูลชนิดอื่น และรัฐจะไดประโยชนจากมูลคา ของขอมูลแบบเปดมากขึ้นถึงประมาณ 47,505 ลานบาท [90]

82

เอกสารอางอิง [1] M. Yuan, “30 years of IJGIS: the changing landscape of geographical information science and the road ahead,” International Journal of Geographical Information Science, vol. 31, no. 3, pp. 425-434, 2017/03/04, 2017.

[2] What is social media?. Available online: http://whatis.techtarget.com/definition/socialmedia [3] it24hrs. สรุปสถิตผิ ูใช Social Media ในไทยจากงาน Thailand Zocial Awards 2016. Available online: https://www.it24hrs.com/2016/stat-social-media-thai-populations/ [4] Statista. Competition Leaves Twitter in the Dust. Available online: https://www.statista.com/chart/5358/twitters-user-growth-in-perspective/ [5] J. Gelernter, and N. Mushegian, “Geo-parsing Messages from Microtext,” Transactions in GIS, vol. 15, no. 6, pp. 753-773, 2011.

[6] B. Pan, Y. Zheng, D. Wilkie, and C. Shahabi, "Crowd sensing of traffic anomalies based on human mobility and social media." pp. 344-353.

[7] The Twitter Languages of London. Available online: http://spatial.ly/2012/04/twitterlanguages-london/ [8] D. Coldewey. Facebook will share anonymized location data with disaster relief organizations. Available online: https://techcrunch.com/2017/06/07/facebook-will-shareanonymized-location-data-with-disaster-relief-organizations/ [9] E. Estellés-Arolas, and F. González-Ladrón-de-Guevara, “Towards an integrated crowdsourcing definition,” Journal of Information Science, vol. 38, no. 2, pp. 189-200, 2012/04/01, 2012.

[10] OpenStreetMap. Available online: https://www.openstreetmap.org [11] Mapillary. Available online: http://www.mapillary.com [12] M. A. Haklay, Vyron; Basiouka, Sofia; Soden, Robert; Mooney, Peter, Crowdsourced geographic information use in government, World Bank, 2014.

[13] P. Meier. How Crisis Mapping Saved Lives in Haiti. Available online: https://voices.nationalgeographic.org/2012/07/02/crisis-mapping-haiti/ [14] H. M. Dillon. Crisis Mapping: An Overview of Social Media Mapping Response to Disaster.

Available online: http://patimes.org/crisis-mapping-overview-social-media-mappingresponse-disaster/ [15] USGS National Map Corps. Available online: https://edits.nationalmap.gov/tnmcorps/

83 [16] D. Applegate. Crowdsourcing and Citizen Science at the U.S. Geological Survey. Available online: https://www.epa.gov/sites/production/files/2016-08/documents/nacept_ crowdsourcsing_and_cititzen_science_at_the_usgs_by_dapplegate_epa_092815.pdf [17] Taejai. Available online: https://taejai.com [18] ยุพิน. Available online: youpin.city [19] AirVisual. Available online: https://airvisual.com/ [20] D. Liu, B. Sheng, F. Hou, W. Rao, and H. Liu, “From Wireless Positioning to Mobile Positioning: An Overview of Recent Advances,” IEEE Systems Journal, vol. 8, no. 4, pp.

1249-1259, 2014.

[21] A. Tahat, G. Kaddoum, S. Yousefi, S. Valaee, and F. Gagnon, “A Look at the Recent Wireless Positioning Techniques With a Focus on Algorithms for Moving Receivers,” IEEE Access, vol. 4, pp. 6652-6680, 2016.

[22] London City Dashboard. Available online: http://citydashboard.org/london/ [23] Dublin City Dashboard. Available online: http://www.dublindashboard.ie [24] LA City Dashboard. Available online: http://dashboard.lamayor.org/ [25] Hindustantimes Air Quality Data. Available online: http://airquality.hindustantimes.com/ [26] Urban Observatory. Available online: http://www.urbanobservatory.org/ [27] J. Dangermond, "Vision session," Geospatial World Forum, 2017.

[28] UN-GGIM, Future Trends in Geospatial Information Management: the five to ten year vision, 2 (Decenber 2015) ed.: UN, 2015.

[29] Google Maps. Available online: maps.google.com [30] D. Nations. What Is Web 3.0 and Is It Here Yet? . Available online: https://www.lifewire.com/what-is-web-3-0-3486623 [31] Mapping Segregation. Available online: https://www.nytimes.com/interactive/2015/07/08/us/census-race-map.html?mcubz=3 [32] J. Dangermond. Geospatial Technology and the Future of the City. Available online: http://www.esri.com/esri-news/arcnews/winter1415articles/geospatial-technology-andthe-future-of-the-city [33] Web Mapping Tools. Available online: http://www.geotests.net/cours/sigma/webmapping/2016/fig6_2016.pdf [34] D. DiBiase, “Visualization in the earth sciences,” Earth and Mineral Sciences, vol. 59, no.

2, pp. 13-18, 1990.

[35] The First Workshop on GeoAI: AI and Deep Learning for Geographic Knowledge Discovery.

84 Available online: https://udi.ornl.gov/geoai [36] M. Horton. Stanford scientists combine satellite data, machine learning to map poverty.

Available online: http://news.stanford.edu/2016/08/18/combining-satellite-data-machinelearning-to-map-poverty/ [37] Facebook. AI Assisted Road Tracing. Available online: https://wiki.openstreetmap.org/wiki/Talk:AI-Assisted_Road_Tracing [38] R. Kemker, C. Salvaggio, and C. Kanan, “Algorithms for Semantic Segmentation of Multispectral Remote Sensing Imagery using Deep Learning,” Deep Learning for Remotely Sensed Data, 2017.

[39] S. Yu, S. Jia, and C. Xu, “Convolutional neural networks for hyperspectral image classification,” Neurocomputing, vol. 219, no. Supplement C, pp. 88-98, 2017/01/05/, 2017.

[40] The Challenges for Artificial Intelligence in Agriculture. Available online: https://agfundernews.com/the-challenges-for-artificial-intelligence-in-agriculture.html [41] E. Abbey. John Deere invests $300 M in AI and machine learning. Available online: https://www.spatialsource.com.au/gis-data/deere-ai-machine-learning [42] T. Pei, S. Sobolevsky, C. Ratti, S.-L. Shaw, T. Li, and C. Zhou, “A new insight into land use classification based on aggregated mobile phone data,” International Journal of Geographical Information Science, vol. 28, no. 9, pp. 1988-2007, 2014/09/02, 2014.

[43] W. Tu, J. Cao, Y. Yue, S.-L. Shaw, M. Zhou, Z. Wang, X. Chang, Y. Xu, and Q. Li, “Coupling mobile phone and social media data: a new approach to understanding urban functions and diurnal patterns,” International Journal of Geographical Information Science, pp. 128, 2017.

[44] X. Wu, R. Zurita-Milla, and M.-J. Kraak, “Co-clustering geo-referenced time series: exploring spatio-temporal patterns in Dutch temperature data,” International Journal of Geographical Information Science, vol. 29, no. 4, pp. 624-642, 2015/04/03, 2015.

[45] P. Zhao, K. Qin, X. Ye, Y. Wang, and Y. Chen, “A trajectory clustering approach based on decision graph and data field for detecting hotspots,” International Journal of Geographical Information Science, vol. 31, no. 6, pp. 1101-1127, 2017/06/03, 2017.

[46] I. Sargent, H. Bruynseels, T. Kellenberger, E. Domenech, A. Streilein, B. Olsen, C. Ressl, M. Tabor, P. Frederiksen, T. Lithén, N. Champion, and D. Holland, Goals and requirements of European National Mapping Organisations for change detection: Findings of the EuroSDR Working Group on Common goals and requirements for NMAs in change detection, 2012.

85 [47] AI and Deep Learning will make findings of geospatial data more accurate and meaningful.

Available online: https://www.youtube.com/watch?v=8Ox-cVSWHPw [48] M. Dhande. AI and Deep Learning: What is there for Geospatial Industry?. Available online: https://www.geospatialworld.net/blogs/ai-and-deep-learning-geospatial-industry/ [49] DigitalGlobe. DigitalGlobe’s Geospatial Big Data platform (GBDX). Available online: https://platform.digitalglobe.com/gbdx/ [50] Y. Liu, E. Racah, Prabhat, J. Correa, A. Khosrowshahi, D. Lavers, K. Kunkel, M. Wehner, and W. Collins, “Application of Deep Convolutional Neural Networks for Detecting Extreme Weather in Climate Datasets,” in KDD, 2016.

[51] B. Hedayatnia, M. Yazdani, M. Nguyen, J. Block, and I. Altintas, “Determining feature extractors for unsupervised learning on satellite images,” in IEEE International Conference on Big Data (Big Data), 2016.

[52] H. Vardhan. AI and Deep Learning and geospatial industry – The transformation. Available online: https://www.geospatialworld.net/article/artificial-intelligence-deep-learninggeospatial-industry-transformation-2016/ [53] L. Zhao, F. Chen, J. Dai, T. Hua, C.-T. Lu, and N. Ramakrishnan, “Unsupervised Spatial Event Detection in Targeted Domains with Applications to Civil Unrest Modeling,” PLOS ONE, vol. 9, no. 10, pp. e110206, 2014.

[54] AirVisual Earth. Available online: https://airvisual.com/earth [55] Nabokov's Butterflies - Shelf Life 360. Available online: https://www.youtube.com/channel/UCzuqhhs6NWbgTzMuM09WKDQ [56] MIT. CityScope. Available online: https://www.media.mit.edu/projects/city-science-labaalto/overview/ [57] MIT CityScape. Available online: https://vimeo.com/100085426 [58] AR Sandbox. Available online: http://idav.ucdavis.edu/~okreylos/ResDev/SARndbox/ [59] Tangible Landscape. Available online: http://tangible-landscape.github.io [60] CityIO- Various Usage. Available online: https://www.youtube.com/watch?v=sM0wOiK4X9A [61] R. Metz, “Startup Uses Computer Vision to Make Augmented Reality in Cities More Precise,” MIT Technology Review, 2017.

[62] Windows 10 Mixed Reality. Available online: https://www.youtube.com/watch?time_continue=29&v=_xpI0JosYUk [63] D. Tarolli, “The next big thing in the GIS industry: 3D, AR and VR,” Geospatial World, 3

86 April, 2017, 2017.

[64] T. Palladino, “Arvizio Adds LiDAR Point Cloud Support to MR Studio ” Next Reality, 2017.

[65] D. Sui, “Opportunities and Impediments for Open GIS,” Transactions in GIS, vol. 18, no. 1, pp. 1-24, 2014.

[66] Open Data Consultancy Final Report. Available online: http://www.gov.scot/Publications/2013/12/6550/6 [67] data.gov.uk. Available online: https://www.data.gov.uk [68] U.S. Government’s open data. Available online: https://www.data.gov/ [69] INSPIRE. Available online: https://inspire.ec.europa.eu/ [70] LA Geohub. Available online: http://geohub.lacity.org/ [71] Urber Movement. Available online: https://movement.uber.com/cities [72] Strava Lab. Available online: http://labs.strava.com/developers/ [73] Open Data Thailand. Available online: https://data.go.th/ [74] ศูนยกลางขอมูลเปดเกี่ยวกับการเลือกตั้ง. Available online: http://opendata.ect.go.th/dash/ [75] อัตราคาใชจา ยในการบริการแผนที่หรือขอมูลทางแผนที่เปนการเฉพาะราย. Available online: http://www.lddservice.org/services/saleprice.php [76] ขั้นตอนการขอรับบริการขอมูลอุทกวิทยา. Available online: http://ishydro.dwr.go.th/?status=step1&rkeys=&requestid= [77] แอปพลิเคชันขอมูลสารสนเทศทรัพยากรดินรายจังหวัด. Available online: http://gisinfo.ldd.go.th/ [78] Mapbox Vector Tile Specification. Available online: https://www.mapbox.com/vectortiles/specification/ [79] D. Springmeyer. Mapbox Vector Tile Specification adopted by ESRI. Available online: http://blog.mapbox.com/mapbox-vector-tile-specification-adopted-by-esri-14138105872f [80] Y. Sun, and S. Li, “Real-time collaborative GIS: A technological review,” ISPRS Journal of Photogrammetry and Remote Sensing, vol. 115, pp. 143-152, 2016/05/01/, 2016.

[81] M. Haklay, "Citizen Science and Volunteered Geographic Information: Overview and Typology of Participation," Crowdsourcing Geographic Knowledge: Volunteered Geographic Information (VGI) in Theory and Practice, D. Sui, S. Elwood and M. Goodchild, eds., pp.

105-122, Dordrecht: Springer Netherlands, 2013.

[82] C. Harrison, and M. Haklay, “The Potential of Public Participation Geographic Information Systems in UK Environmental Planning: Appraisals by Active Publics,” Journal of Environmental Planning and Management, vol. 45, no. 6, pp. 841-863, 2002/11/01, 2002.

[83] K. Rowland, “Citizen science goes 'extreme',” Nature News, 2012.

87 [84] T. MacWright. Using MapBox With WMS Servers. Available online: https://blog.mapbox.com/using-mapbox-with-wms-servers-422a8aa4e8e6 [85] Sophia. summarizing why WMS is Dead. Available online: http://sproke.blogspot.com/2011/06/summarizing-why-wms-is-dead.html [86] P. Ramsey. OGC Web Map Server support in CartoDB. Available online: https://carto.com/blog/wms-support [87] GeoServer. WFS output formats. Available online: http://docs.geoserver.org/latest/en/user/services/wfs/outputformats.html [88] Presidential Election Result Map. Available online: https://www.nytimes.com/elections/results/president?mcubz=0 [89] GeoSPARQL - A Geographic Query Language for RDF Data. Available online: http://www.opengeospatial.org/standards/geosparql [90] (ราง) แผนแมบทภูมิสารสนเทศแหงชาติ ป พ.ศ. 2560-2564. Available online: http://thaisdi.gistda.or.th/index.php?option=com_phocadownload&view=category &id=40:02-03-2560&Itemid=57 [91] Wongnai. Available online: https://www.wongnai.com/

บทที่ 4 แนวโนมเทคโนโลยีระบบดาวเทียมนําทางโลก (Global Navigation Satellite System, GNSS) 4.1 สถานะปจจุบันของเทคโนโลยีระบบดาวเทียมนําทางโลก

ระบบดาวเทียมนําทางโลก (Global Navigation Satellite System, GNSS) คือระบบดาวเทียมซึ่ง เคลื่อนที่อยูรอบโลก มีวัตถุประสงคเพื่อใชงานในภารกิจดาน การระบุตําแหนง การนําทาง และการเทียบ สัญญาณเวลา (Positioning, Navigation, Timing, PNT) ประกอบดวยกลุมดาวเทียมที่ดําเนินการโดยหลาย ประเทศ แบงไดเปน 3 ประเภทใหญ ๆ คือ 1. ระบบที่ใหบริการทั้งโลก (Global) ไดแก o ระบบดาวเทียมจีพีเอส (Global Positioning System, GPS) จากประเทศสหรัฐอเมริกา o ระบบดาวเทียมโกลนาส (GLONASS) จากประเทศรัสเซีย o ระบบดาวเทียมกาลิเลโอ (Galileo) จากสหภาพยุโรป o ระบบดาวเทียมไปโตว (Beidou หรือ Compass, BDS) จากประเทศจีน 2. ระบบที่ใหบริการระดับภูมิภาค (Regional) ไดแก o ระบบดาวเทียม Quasi-Zenith satellite system (QZSS) จากประเทศญี่ปุน o ระบบดาวเที ย ม Indian Regional Navigation Satellite System (IRNSS) จากประเทศ อินเดีย 3. ระบบเสริมความแมนยําดวยดาวเทียม (Satellite-Based Augmentation System, SBAS) เปนชุด ดาวเทียมทําหนาที่เพิ่มความถูกตองของระบบดาวเทียมนําทางในขอ 1. และ 2. รวมทั้งเครือขาย สื่อสารขอมูลไปยังผูใชงาน ไดแก o ระบบ Wide-Area Augmentation System (WAAS) ประเทศสหรัฐอเมริกา o ระบบ European Geostationary Navigation Overlay Service (EGNOS) สหภาพยุโรป o ระบบ Satellite Navigation Augmentation System (SNAS) ประเทศจีน o ระบบ GPS-Aided GEO-Augmented Navigation System (GAGAN) ประเทศอินเดีย o ระบบ System for Differential Corrections and Monitoring (SDCM) ประเทศรัสเซีย o ระบบ Multi-functional Satellite Augmentation System (MSAS) ประเทศญี่ปุน o ระบบ Wide Area Differential Global Positioning System (WADGPS) ประเทศเกาหลี ใต นอกจากนี้ยังมีการประยุกตใชระบบดาวเทียมในภาคอุตสาหกรรม โดยเฉพาะการนําทางอากาศยาน เพื่อการรอนลงจอด คือระบบเสริมความแมนยําภาคพื้นดิน (ground-based augmentation system) หรือ ระบบ GBAS

89 ตารางที่ 4.1 เปรียบเทียบระบบดาวเทีย มนํา ทางแตล ะระบบในแงข องความครอบคลุม เวลาที่ ใหบริการเต็มรูปแบบ จํานวนดาวเทียมในระบบ รวมทั้งความผิดพลาดการระบุตําแหนง ตารางที่ 4.1 รายละเอียดของระบบดาวเทียมนําทางแตละระบบ [30], [93] ระบบ ความ เวลาใหบริการ จํานวน ความแมนยํา Reference Reference ครอบคลุม เต็มรูปแบบ ดาวเทียม (Accuracy) Frame Time ใชงานใน ระบบ (เต็ม ระบบรวม ดวง สํารอง) GPS โลก 1995 24 (30) 9 m (H) WGS-84 GPST 15 m (V) GLONASS โลก 1995 21 (24) 4-7 m (H) PZ90 GLO (GLONASS) [85] 2010 10-15 m (V) (GLONASS-M) Galileo โลก 2015 24 (30) 4 m (H) [81] GTRF GST 8 m (V) Beidou/ (ปจจุบัน) ~2020 24(35) 8 m (H) [35] CGCS2000 BDT Compass ภูมิภาค MEO(27), (อนาคต) GEO(5), โลก IGSO(3) QZSS ภูมิภาค 2017-2018 4 < 10 m [90] JGS QZSST (เอเชีย[91] แปซิฟก) IRNSS ภูมิภาค 2012 7 <20 m IRNSST (Indian ocean) [86] < 10 m (Indian land)

90 4.1.1 โครงสรางของระบบดาวเทียมนําทาง ระบบดาวเทียมนําทางประกอบไปดวยองคประกอบสําคัญ 3 สวน อันไดแก สวนอวกาศ (space segment) ส ว นพื้ น ดิน (ground segment) และส ว นผูใ ช ง าน (user segment) รูป ที่ 4.1 แสดงตั ว อย า ง ภาพรวมของระบบดาวเทียมจีพีเอส

รูปที่ 4.1 โครงสรางระบบดาวเทียมจีพีเอส [1] 4.1.1.1 สวนอวกาศ ภาคสวนอวกาศประกอบไปดวยระบบดาวเทียมนําทาง ตามจํานวนที่ขึ้นอยูกับแตละระบบดังตาราง ที่ 4.1 เคลื่ อ นที่ ใ นวงโคจรระดั บ กลาง (Medium-Earth Orbit, MEO) เป น ส ว นใหญ ดาวเทีย มนํ า ทาง มี ลักษณะการวางตัวในหลายระนาบ ดังตอไปนี้ ระบบดาวเทียมจีพีเอส จํานวน 6 ระนาบ (plane) แตละระนาบมีการกําหนดตําแหนงดาวเทียม สําหรับจํานวน 4 ดวง มีจํานวนอยางนอย 24 ตําแหนง และรองรับไดถึง 31 ดวง ระดับความสูงของดาวเทียม จีพีเอสอยูท ี่ประมาณ 20,200 กิโลเมตรจากพื้นดิน มีมุมเอียง 55 องศาเมื่อเทียบกับเสนศูนยสูตร ระบบดาวเทียมโกลนาส มีดาวเทียมจํานวน 24 ดวง บนระนาบวงโคจรวงกลมจํานวน 3 ระนาบ ซึ่ง ทํามุม 64.8 องศากับเสนศูนยสูตร ในแตละระนาบจะมีดาวเทียมจํานวน 8 ดวง ความสูงของดาวเทียมในวง โคจรอยูที่ประมาณ 19,100 กิโลเมตร จากพื้นโลก ระบบกาลิเลโอมีจํานวนดาวเทียมทั้ง 14 ดวง ประกอบดวย ดาวเทียมในการทดสอบ (in-orbit validation) จํานวน 4 ดวง และดาวเทียมใชงานจริง (full operational vehicle) จํานวน 10 ดวง ในอนาคต

91 เมื่อระบบพรอมใชงานเต็มรูปแบบจะมีดาวเทียมทั้งสิ้น 24 ดวง รวมกับดาวเทียมสํารองอีก 6 ดวง โดยวงโคจร เปนแบบวงกลมสูงจากพื้นดินประมาณ 23,222 กิโลเมตร ทํามุม 56 องศา บางระบบเชน ระบบดาวเทียมไปโตวและ IRNSS จะมีการใชงานวงโคจรคางฟา (geostationary Orbit) และวงโคจรพองคาบโลก (geosynchronousorbit, GEO) รวมดวย ระบบดาวเทียมไปโตว ประกอบไปดวยดาวเทียมจํานวน 35 ดวง เริ่มใหบริการในเขตเอเชียแปซิฟก มาตั้งแตป 2012 และในชวงปลายป 2016 มีดาวเทียมใชงานจํานวน 26 ดวงแลว โดยในระบบนี้จะใชวงโคจร จํานวน 3 ระดับไดแก วงโคจร GEO มีดาวเทียมจํานวน 5 ดวง ที่ตําแหนง 58.75 องศา 80 องศา 110.5 องศา และ 140 องศาตะวันออก ระดับความสูง 35,786 กิโลเมตรวงโคจรMEO มีจํานวนดาวเทียม 27 ดวงความสูง 21,528 กิโลเมตร ทํามุม 55 องศากับเสนศูนยสูตรและวงโคจร IGSO มีจํานวนดาวเทียม3 ดวง ระบบดาวเทียม IRNSS ภาคสวนอวกาศประกอบดวยดาวเทียมจํานวน 7 ดวง มีดาวเทียมวงโคจร คางฟา 3 ดวง คือ IRNSS-1F, IRNSS-1C และ IRNSS-1G ที่ตําแหนงลองจิ จูด 32.5 องศา 83 องศา และ 129.5 องศา ตะวันออก ตามลําดับ และอีก 4 ดวงคือ IRNSS-1A, 1B, 1D, 1E เปนดาวเทียมวงโคจร IGSO ทํา มุมเทากับ 55 องศา กับ 111.75 องศาตะวันออก กับเสนศูนยสูตร ดาวเทียมในระบบ QZSS ออกแบบขึ้นมีดาวเทียมจํานวน 1 ดวงอยูเหนือประเทศญี่ปุนเสมอและมี มุมเงยของดาวเทียมมีคาสูงเหมาะสําหรับการรับสัญญาณในเขตเมือง ประกอบดวยดาวเทียมในวงโคจรแบบ quasi-zenith จํานวน 3 ดวง มีคา semi-major axis เทากับ 42,164 กิโลเมตร (คาเฉลี่ย) คา eccentricity เทากับ 0.075 และ คา argument of perigee เทากับ 270 องศา นอกจากนี้ยังดาวเทียมคางฟาจํานวน 1 ดวง ที่ตําแหนง 127 องศาตะวันออก และละติจูดที่ 0 องศา มีลักษณะคลายเลข 8 โดยโคจรในแนวเหนือ-ใต ตามเสนลองจิจูดแตจะไมเห็นเปนเสนตรงเนื่องจากการหมุนรอบตัวเองของโลก ดาวเทียมจะเคลื่อนที่ชาลง ในชวงบนของวงโคจรซึ่งเปนวงโคจรที่แคบกวาสวนลางของเลข 8 จากรูปที่ 4.2 จะสังเกตเห็นวาวงโคจรอยู เหนือบริเวณประเทศญี่ปุน ประเทศฟลิปปนสและประเทศออสเตรเลีย เปนหลัก

92

(ก) ระบบจีพีเอส

(ข) ระบบโกลนาส

(ค) ระบบกาลิเลโอ

(ง) ระบบไปโตว

(จ) ระบบ IRNSS (ฉ) ระบบ QZSS รูปที่ 4.2 วงโคจรของระบบดาวเทียมนําทาง (ก) ระบบจีพีเอส [2] (ข) ระบบโกลนาส (ค) ระบบกาลิเลโอ [3] (ง) ระบบไปโตว [4] (จ) ระบบ IRNSS[5] และ (ฉ) ระบบ QZSS [6]

o o o o o o o o o

หมายเลขแทนดาวเทียมแตละระบบ หรือ NMEA ID [75] มีดังตอไปนี้ 1–32: GPS 33–54: Various SBAS systems (EGNOS, WAAS, SDCM, GAGAN, MSAS) o มีหมายเลข NMEA = PRN - 87 55–64: not used (might be assigned to further SBAS systems) 65–88: GLONASS 89–96: GLONASS (future extensions?)

97–192: not used 193–195: QZSS 196–200: QZSS (future extensions?)

201–235: Beidou

93 4.1.1.2 สวนภาคพื้นดิน ในสวนภาคพื้นดิน หรือสวนควบคุม (control segment) โดยทั่วไป ประกอบไปดวยสถานีควบคุม หลั ก (master control station) เครือขายสถานีรับสัญญาณและจานรับ สัญญาณ ซึ่งกระจายตัวอยูทั่วโลก สถานีฐานหลักทําหนาที่ควบคุมการทํางานของระบบดาวเทียมนําทาง การรักษาตําแหนงวงโคจร โดยจะ คํานวณตําแหนงวงโคจรดาวเทียม ซิงคสัญญาณเวลาในดาวเทียม จากสัญญาณที่สงมาจากเครือขายสถานีรับ สัญญาณ จากนั้นทําการอัปโหลดเพื่อสงไปยังดาวเทียมอีกครั้งหนึ่ง นอกจากนี้ยังบริหารจัดการคาประสิทธิภาพ (performance) ของระบบ ได แ ก ความถู ก ต อ ง (accuracy) ความน า เชื่ อ ถื อ (integrity) ความต อ เนื่ อ ง (continuity) และเวลาในการใชงาน (availability) ของสัญญาณดาวเทีย ม ตามมาตรฐานผูใชงานสําหรับ ระดับการบริการตาง ๆ รวมทั้งตอบสนองสถานการณที่สัญญาณดาวเทียมขาดหาย ในสวนสถานีรับสัญญาณ (receving station) [1], [7], [8], [83] มีหนาที่สําคัญคือ ติดตามดาวเทียมนําทางซึ่งเคลื่อนที่ผานบริเวณนั้น และสงคาที่สังเกตไดไปยังสถานีควบคุมหลัก รวบรวมขอมูลชั้นบรรยากาศ คาระยะทางเทียม คาเฟสคลื่นพาห (carrier phase) และสัญญาณนําทาง (navigation signal) รูปที่ 4.3 แสดงหนาที่ของสวนภาคพื้นดิน ของระบบดาวเทียมกาลิเลโอ มีสถานีควบคุมหลัก 2 แหง ตั้งอยูที่เมือง Oberpfaffenhofen ประเทศเยอรมัน และเมือง Fucino ประเทศอิตาลี ทํางานรวมกับสถานีรับ สัญญาณ รูปที่ 4.4 และรูปที่ 4.5 แสดงสวนภาคพื้นดินในระบบจีพีเอส และระบบกาลิเลโอตามลําดับ ใน ระบบจีพีเอสประกอบไปดวย ประกอบไปดวยสถานีควบคุมหลัก (master control station) จํานวน 2 แหง สถานีตรวจสอบ (monitoring station) จํานวน 16 แหง สําหรับสัญญาณในยาน L และมีจานรับสัญญาณ ภาคพื้นดินอีก 16 แหง

รูปที่ 4.3 หนาที่ของสวนภาคพื้นดินของระบบดาวเทียมกาลิเลโอ [7]

94

รูปที่ 4.4 เครือขายสถานีควบคุมและสถานีตรวจสอบภาคพื้นดินในระบบดาวเทียมจีพีเอส [1]

รูปที่ 4.5 เครือขายสถานีภาคพื้นดินในระบบดาวเทียมกาลิเลโอ [8] รูปที่ 4.6 แสดงสถานีควบคุม (Control station) ในระบบ QZSS ที่เมืองโกเบ (Kobe) และเมือง ฮิตาชิ โอตะ (Hitachi-Ohta)

รูปที่ 4.6 สถานีควบคุม (Control station) ในระบบ QZSS [83]

95 4.1.1.3 สวนผูใชงาน ผูใชงานในระบบจีเอ็นเอสเอส โดยหลัก คือใชบ ริการดา นตํา แหนง การนํา ทาง และเวลา มีการ ประยุกตใชงาน ในหลากหลายดาน อาทิเชน การสํารวจ วิศวกรรมโยธา การจราจร และโลจิสติกส การจัดการ ที่ดิน การเกษตร การทําแผนที่ การทําเหมือง ภัยพิบัติ วิทยาศาสตร เปนตน โดยผูใชงานเองก็มีหลากหลาย เชน ผูบริโภคทั่วไป (consumer) ผูใชงานในแตละอาชีพ การทหาร โดยความแมนยําจะขึ้นอยูกับอุปกรณ เครื่องรับที่ใชงาน ในปจจุบันอุปกรณเครื่องรับจีเอ็นเอสเอสที่จําหนายมีอยูในบอรด OEM เครื่องรับสัญญาณ หรือชุดอุปกรณโ ซลูชันในแตล ะดาน ซึ่งครอบคลุม การใชงานจากสัญญาณความถี่เดียว หลายความถี่รวม ทั้งหลายกลุมระบบดาวเทียม ตัวอยางของอุปกรณผูใชงานแสดงดังรูปที่ 4.7

(ก)

(ข)

(ค) (ง) รูปที่ 4.7 ตัวอยางผลิตภัณฑเครื่องรับจีพีเอส (ก) บอรด OEM [9] (ข) อุปกรณใชงานพรอมแผนที่ [10] (ค) เครื่องรับสัญญาณสองความถี่ [11] และ (ง) โมดูล (module) จีพีเอสพรอมสายอากาศ [12] 4.1.2 สัญญาณที่ใชงานในระบบดาวเทียมนําทางและพื้นที่ใหบริการ โดยทั่วไป ระบบดาวเทียมนําทางจะมีการสงสัญญาณไปบนยานความถี่จํานวน 2 ถึง 4 ยาน โดยยาน ความถี่ที่ใชงานกันมากคือยาน L1 (1.5 GHz) และ L2 (1.2 GHz) ในชวงหลัง ๆ เริ่มมีการสงดาวเทียมสําหรับ ยาน L5 (L5 band) เชนกัน ยกเวนระบบดาวเทียม IRNSS ซึ่งใชงานความถี่ในยาน S (S band) ดวย รูปที่ 4.8 แสดงภาพรวมยานความถี่ใชงานในระบบดาวเทียมนําทางทุกระบบเรียงจากระบบจีพีเอส ด า นบน ไปถึ งระบบ SBAS ดา นลา ง โดยในฝง ซายคือความถี่ใ นชว ง 1160 MHz ถึง 1300 MHz ในสวน ดานขวา คือชวงความถีต่ ั้งแต 1560 MHz เปนตนไป

96

รูปที่ 4.8 ภาพรวมยานความถี่ใชงานในระบบดาวเทียมนําทาง [13] ในระบบจีพีเอสนั้น บนความถี่ L1 จะมีการสงชุดบิตโคดสั้นที่เรียกวา coarse/acquisition (C/A) รวมกับขอมูลตําแหนงดาวเทียม (navigation message) สําหรับผูใชงานทั่วไป และชุดบิตโคดยาวรวมกับ ข อมู ลตํา แหนงดาวเทียม (navigation message) สํา หรับ ผูใชง านที่ไดรับอนุญ าต (authorized) เชน ทาง การทหาร สําหรับความถี่ L2 จะมีการสงชุดบิตโคดยาวที่เรียกวา P(Y) ตารางที่ 4.2 ถึง 4.7 แสดงยานความถี่ ใชงานในระบบดาวเทียมนําทางแตละระบบ ชนิดการมอดูเลต อัตราเร็ว รวมถึงบริการที่เกี่ยวของ ในระบบ ดาวเทียมโกลนาส ระบบดาวเทียมกาลิเลโอ และระบบดาวเทียมไปโตว มีการเรียกแทนยาน L ดวยอักษร G E และ B ตามลําดับ ในยานเดียวกันก็มักจะสงหลายสัญญาณไปพรอมกันดวยโคดสุมเทียม (pseudo-random code) ที่ตางกันเชน ในระบบจีพีเอส บนยาน L1 มีการสงสัญญาณ L1(C/A), L1c ในระบบกาลิเลโอ บนยาน E1 มีโคด E1a, E1b และ E1c เปนตน สําหรับการมอดูเลตที่ใชงานไดแก BPSK (binary phase shift keying) QPSK (Quaternary PSK) BOC (Binary offset carrier) และเวอรชันที่ดัดแปลงเพิ่มเติม เชน CBOC MBOC และ Alt BOC เปนตน

97 ตารางที่ 4.2 ความถี่สัญญาณจีพีเอส [82] ความถี่ (MHz) โคด

L1 1575.42

การมอดูเลต (Modulation)

C/A BPSK(1) P(Y) BPSK(10) M (M-code) BOC(10,5) L1c-d BOC(1,1) L1c-p MBOC(6,1,1/11) L2 1227.60 P(Y) BPSK(10) L2C BPSK(1) M (M-code) BOC(10,5) L5 1176.45 L5I BPSK(10) L5Q BPSK(10) หมายเหตุ: BPSK – binary phase shift keying

อัตราเร็ว Navigation Data (bps) 50 50 50 50 25

ดาวเทียม

IIR-M IIIA IIIA

IIR-M IIR-M 50 IIF IIF BOC – Binary offset carrier

ตารางที่ 4.3 พารามิเตอรสําคัญของสัญญาณในระบบดาวเทียมโกลนาส [82], [89] ความถี่ (MHz) โคด การมอดูเลต อัตราเร็ว (Modulation) Navigation Data (bps) L1 C/A BPSK 50 1598.0625 to P(Y) BPSK N/A 1605.375 L2 C/A BPSK 50 1242.9375 to P(Y) BPSK N/A 1248.625 L3 1201 C/A BPSK P(Y) BPSK หมายเหตุ – A = Advanced

ดาวเทียม

GLONASS-M GLONASS-K GLONASS-K (A) GLONASS-M GLONASS-K GLONASS-K (A) GLONASS-K (A)

98 ตารางที่ 4.4 ความถี่สัญญาณในระบบกาลิเลโอ [82] ความถี่ (MHz) โคด การมอดูเลต (Modulation) E1 1575.42 E1a BOCcos(15,2.5)

E5 1191.795 1176.45 1207.14 E6 1278.75

E1b E1c E5 E5a E5b E6a

CBOC(6,1,1/11) CBOC(6,1,1/11) AltBOC(15,10) BPSK(10) BPSK(10) BOCcos(10,5)

ประเภทการบริการ public regulated service open service open service

open service public regulated service E6b BPSK(5) commercial E6c BPSK(5) commercial หมายเหตุ: CBOC – Complimentary binary offset carrier, AltBOC – Alternative BOC ตารางที่ 4.5 ความถี่สัญญาณในระบบดาวเทียมไปโตว ความถี่ (MHz) อัตราเร็วชิพ อัตราเร็วบิต การมอดูเลต (MHz) ขอมูล (MHz) (Modulation) B1I 1561.098 2.046 50 (MEP/GEO) BOC (14,2) 500 GEO B1-CD1575.42 1.023 50/100 MBOC (6,1,1/11) B1-CP No B2aD1176.45 10.23 25/50 QPSK(10), B2aP No ALTBOC(15,10) B2aD1207.14 B2aP B2bD 50/100 B2bP No ALTBOC(15,10) B3 1268.52 10.23 500 bps QPSK (10) B3-AD 2.5575 50/100 BOC(15, 2.5) B3-AP No หมายเหตุ: MBOC – Modified binary offset carrier, d – data, p – pivot QPSK – Quarternary PSK

ประเภทการ บริการ Authorized open service open service

Authorized

99 ตารางที่ 4.6 ความถี่สัญญาณในระบบดาวเทียม IRNSS [87] ความถี่ (MHz) แบนดวิดท อัตราเร็วขอมูล (MHz) (Mchips/s) L5 1176.45 24 1.023 2.046 S 2492.028

16.5

การมอดูเลต (Modulation) BPSK(1) BOC(5,2)

ประเภทการ บริการ Standard Restricted

BPSK(1) BOC(5,2)

Standard Restricted

1.023 2.046

ตารางที่ 4.7 ความถี่สัญญาณในระบบดาวเทียม QZSS [83],[84],[91] ความถี่ (MHz)

อัตราเร็วชิพ PRN (MHz)

L1(C/A) 1575.42 L1S 1575.42

1.023 1.023

L1Sb

1575.42

1.023

L1c L2c L5 L5S

1575.42 1227.6 1176.45 1176.45

L6

1278.75

S band 2 GHz

อัตราเร็วบิต Navigation data (bps/sps) 50/50 250/500

การมอดูเลต แบนดวิดท (Modulation) (MHz) BPSK(1) BPSK(1)

30.69 30.69

25/50

BOC(1,1)

30.69

1.023 10.23 10.23

25/50 50/100 50/100

BPSK(1) BPSK(10) BPSK(10)

30.69 24.9 24.9

5.115

2000/250

BPSK(5)

42

ประเภทการบริการ

open service Augmentaion (sub-meter level) SBAS (start 2020) open service open service open service Experimental Augmentation (cm-level) QZSS safety confirmation service

100 ในกรณีของระบบโกลนาส สัญ ญาณในยา น L1 (G1) และ L2 (G2) มีการสงขอ มูลแบบ FDMA (Frequency-division multiplexing) ดังนั้นความถี่ศูนยกลางที่ใชงานจึงมีหลายคา รูปที่ 4.9 แสดงสเปกตรัม ของระบบโกลนาสในยาน L1 (G1) เมื่อเทียบกับระบบอื่น ๆ

รูปที่ 4.9 สเปกตรัมของระบบโกลนาสในยาน L1 (G1) เมื่อเทียบกับระบบอื่น ๆ [89] 4.1.3 ประเภทของการระบุตําแหนง โดยทั่วไป เทคโนโลยีการระบุตําแหนงสามารถแบงไดเปน 2 กลุมหลัก ๆ ไดแก Position fixing และ Dead reckoning [30] วิธี Position fixing เปนการคํานวณตําแหนงโดยตรงจากสัญญาณภายนอก เชน คลื่น เสียง คลื่นแสง สัญญาณ GNSS เปนตน หรือโดยอาศัยขอมูลภายนอก เชน fingerprint ในแตละกริด เปนตน ส วนวิธี Dead reckoning เปนการระบุตําแหนงใหมเมื่อไดขอมูลระยะทาง และทิศทางจากเซ็นเซอร โดย จําเปนตองทราบตําแหนงคาเริ่มตนกอน ทั้งนี้เซ็นเซอรที่ใชงานนั้นมีหลายชนิดขึ้นอยูกับวัตถุ ยานพาหนะที่ เดิ น ทาง ระบบที่ไ ด ยิ น บ อ ย ๆ คื อ ระบบ Inertial Navigation System (INS) ที่ ใ ช ง านเซ็น เซอร Inertial Measurement Unit (IMU) ซึ่ ง ประกอบด ว ยเซ็ น เซอร วั ด ความเร ง (accelerometer) และไจโรสโคป (gyroscope) รูปที่ 4.10 แสดงการแบงประเภทของการระบุตําแหนง ในรูปนี้มีเทคนิคชวยเสริม (Assistance) และชวยเหลือ (Aiding) การระบุตําแหนง การชวยเสริมหมายถึงการสงขอมูลดาวเทียมผานชองทางสื่อสารอื่น ไปยังเครื่องรับ สวนการชวยเหลือ คือการสงขอมูลเพิ่มเติมเชน ความเร็ว ระดับความสูง คาแกไขตาง ๆ เปนตน

101

ไดแก

รูปที่ 4.10 การแบงประเภทของการระบุตําแหนง [30] ในระบบดาวเทียมนําทางนั้น การระบุตําแหนง พิจารณาแบงไดเปน 3 ประเภท แสดงดังรูปที่ 4.10 1. การบริการตําแหนงสัมบูรณ (Absolute point positioning) เปนการบริการระบุตําแหนงดวยอุปกรณเครื่องรับจํานวน 1 เครื่อง จากสัญญาณดาวเทียม มักจะให ความแมนยําในระดับเมตร 2. การระบุ ตํ า แหน ง ร ว มกั บ สถานี ฐ าน (Positioning service with base station) หรื อ การระบุ ตําแหนงเทียบเคียง (Relative positioning) เปนการระบุตําแหนงที่มีความละเอียดสูง ที่มีการสงคาแกไขจากสถานีฐาน (base station) หรือ เครือขายสถานีฐานไปยังผูใชงาน เชน เครื่องรับ (rover) เปนเทคนิคในการระบุตําแหนงเพื่อลด ความผิดพลาดใหนอยลงไปกวาวิธีการระบุตําแหนงมาตรฐาน (ซึ่งมีความผิดพลาดต่ํากวา 10 เมตร) โดยที่สถานีฐานใชอุปกรณสองความถี่เพื่อสงคาแกไขไปยังเครื่องรับ แตอุปกรณเครื่องรับที่ใชงาน เปนชนิดความถี่เ ดียว ซึ่งมีราคาไมแ พง หรือชนิดสองความถี่ขึ้นไปก็ได การระบุตําแหนงความ ละเอียดสูงสามารถแบงไดเปน 2 ชนิดหลัก ๆ ไดแก o DGNSS (Differential GNSS) o RTK (Real-time kinematics)

102 3. การระบุตําแหนงแมนยํา (precise positioning service: PPP) เปนการระบุ ตําแหนงโดยเครื่องรับ ไดรับ คา พารามิเตอรว งโคจรแมนยํา (precise orbit) แกไข นาฬิกาแมนยํา (precise clock) ผานเครือขาย สามารถใหความแมนยําในระดับเซนติเมตร หรือ ต่ํากวา

รูปที่ 4.11 ประเภทของการระบุตําแหนง นอกจากการระบุตําแหนง 3 ประเภทขางตนแลว ในปจจุบัน ยังมีเทคนิคสําคัญอื่น ๆ เพิ่มเติม ไดแก A-GNSS (Assisted GNSS) การระบุตําแหนงดวยวิธีเสริม (Augmentation) โดยเฉพาะอยางยิ่ง มีการใชงาน ในภาคอุตสาหกรรมการบิน การเดินทะเล และอื่น ๆ ไดแก o GBAS (Ground-based augmentation system) o SBAS (Satellite based augmentation system) o ABAS (Aircraft-based augmentation system) รูปที่ 4.12 แสดงการเปรียบเทียบแตละวิธีในแงของความแมนยํา และระยะทางในการใชงาน วิธี DGNSS และวิธี SBAS อาศัยสัญญาณโคด (code signal) เปนหลัก ใหความผิดพลาดของตําแหนงในระดับ เมตร ครอบคลุมระยะทางไดถึง 1,000 กิโลเมตร ในขณะที่วิธี RTK และ PPP นั้นเครื่องรับจะตองรับคาเฟส คลื่นพาห (carrier phase) ได และเมื่อคํานวณตําแหนงจะใหความแมนยําในระดับเซ็นติเมตร สาเหตุที่การใช คาเฟสสัญญาณใหความแมนยําสูงกวาโคด เนื่องจากคาเฟสของสัญญาณดาวเทียมใหความละเอียดสูงกวา

103

รูปที่ 4.12 การเปรียบเทียบวิธีการระบุตําแหนงเพิ่มความแมนยําในแตละวิธี [104] 4.1.3.1 เทคนิค Differential GNSS (DGNSS) เทคนิค DGNSS ประกอบดวยสถานีฐาน (base station) หรือสถานีอางอิง (reference station) และผูใชงาน โดยสถานีฐานตองทําการปกหมุดตําแหนงแมนยํา แลวจึงจะสงคาแกไขตําแหนงหรือคาระยะทาง เทียม (pseudorange) ดวยคลื่นวิทยุตรงไปยังเครื่องรับ (rover station) ความแมนยําของระบบ DGNSS อยู ที่ประมาณ 1 เมตร 4.1.3.2 เทคนิค Real-time kinematic(RTK) เทคนิค RTK ประกอบดวยสถานีฐานหรือสถานีอางอิง และผูใชงานเชนกัน รูปที่ 4.13 แสดงหลักการ แกไขความผิดพลาดของตําแหนงดวยวิธี RTK คือ หลังจากทําการเชื่อมตอสัญญาณ เครื่องรับจะตองอยูกับที่ และรอใหสามารถแกไขคําตอบ (โดยอาศัยสัญ ญาณจากสถานีฐาน) ใหอยูในสถานะ fixed ไดกอน จึงจะมี ความผิดพลาดของตํา แหน ง ที่น อ ยมาก แลว ผูใชง านจึ งจะเริ่มเคลื่อ นที่ไ ด ระหวา งการเคลื่อนที่อ าจจะมี สถานการณที่เปลี่ย นสถานะคําตอบเปน float ซึ่งจะให ความแมน ยําลดลง การใชง านวิธี RTK ควรจํา กั ด ระยะทางในการใชงานในระดับต่ํากวา 20 ถึง 30 กิโลเมตร เนื่องจากในระยะทางขนาดนี้ ถือวาสภาวะของชั้น บรรยากาศไอโอโนสเฟยรคอนขางคงที่ นอกจากนี้โดยปกติเมื่อผูใชงานอยูหางจากสถานีฐานอางอิงมากขึ้น ความแมนยําก็จะลดลงไปดวยในกรณีที่ทั้งสถานีฐานและผูใชงานใชเครื่องรับชนิดสองความถี่ที่รองรับเทคนิ ค RTK จะมีความแมนยํา ของตําแหนงสูงสุด คือมีความผิดพลาดของตํา แหนงในระดับเซ็นติเ มตร เมื่ออยูใน สถานะ fixed แตสถานีฐานหรือผูใชงานมีเครื่องรับชนิดความถี่เดียวความแมนยําของตําแหนงจะลดลงการสง ขอมูลมีหลายมาตรฐานเฟรมขอมูล แตที่นิยมคือ รูปแบบขอมูล RTCM (The Radio Technical Commission for Maritime Services)

104

รูปที่ 4.13 หลักการทํางานของวิธี RTK [105] อีกเทคนิคซึ่งเปนที่นิยมโดยผูใชงานทั่วโลกในปจจุบัน คือเทคนิค RTK ผานเครือขาย (Network RTK) ในกรณีที่โครงสรางพื้นฐานประกอบไปดวยเครือขายสถานีอางอิงจํานวนหลายสถานี สามารถที่จะใชงาน วิ ธี RTK ผ า นเครื อ ข า ยได โดยสถานี ฐ านอ า งอิ ง จริ ง จะส ง ค า แก ไ ขผ า นระบบเครื อ ข า ยไร ส ายเช น โทรศัพทเคลื่อนที่ มักใชโปรโตคอลชื่อ Networked Transport of RTCM via Internet Protocol (NTRIP) รู ป ที่ 4.13 แสดงระบบ RTK ผา นเครือ ขา ยโดยที่เ ครื่ อ งเซิร ฟ เวอรก ลางที่เ รีย กว า NTRIP caster ทํา การ เชื่อมตอกับสถานีฐานอางอิง (NTRIP server) จํานวนหนึ่งเพื่อรับขอมูลจากแตละสถานีอางอิง จากนั้นสงขอ มูลคาแกไขไปยังเครื่องรับผูใชงาน (rover) ซึ่งมีมากกวา 1 เครื่องได เพื่อคํานวณตําแหนง ในปจจุบันเครื่องรับ สัญญาณจีเอ็นเอสเอสคุณภาพสูงสามารถสงไปยัง NTRIP caster ไดโดยไมจําเปนตองติดตั้งซอฟตแวรเพิ่มเติม แตหากใชสถานีฐานเปนอุปกรณที่ราคาต่ํา เชน U-Blox สามารถที่จะใชโปรแกรม SNIP (https://www.usesnip.com) เพื่อสงขอมูลแบบ serial หรือ TCP/IP รวมทั้งมีฟงกชันการทํา NTRIP caster ดวย

105

รูปที่ 4.14 ระบบ RTK ผานเครือขาย (Network RTK) [106] นอกจากนี้มีอีกหนึ่งเทคนิคสําคัญคือเทคนิคสถานีฐานอางอิงเสมือน (virtual reference station, VRS) เปนเทคนิคซึ่งอาศัยเครือขายของสถานีฐานอางอิงจริง และทําการสรางสถานีฐานอางอิงเสมือนขึ้นมา เพื่อสงคาแกไปยังผูใชงาน โดยหลัก ๆ คือมีวัตถุประสงคเพื่อลดระยะหางระหวางผูใชงานกับสถานีฐานใหลดลง ที่เซิรฟเวอรกลางของระบบจะประมวลผลขอมูลจากสถานีฐานอ างอิงจริงอยา งนอ ย 3 สถานีที่อยูรอบ ๆ ผูใชงาน จากนั้นทําการสรางตําแหนงสถานีอางอิงเสมือนซึ่งอยูใกลผูใชงานมากกวาสถานีฐานอางอิง และสราง สูตรคํานวณคาแกไขซึ่งขึ้นอยูกับระยะหางของผูใชงานจากสถานีอางอิงเสมือน วิธีเหมาะสําหรับกรณีที่จํานวน สถานีฐานอางอิงไมมากเพียงพอ การทํางานของระบบ VRS แสดงดังรูปที่ 4.15

รูปที่ 4.15 เทคนิคสถานีอางอิงเสมือน (VRS)

106 ขอดีข องเทคนิ ค Network RTK ไดแก มีความแม นยํ าสูง ใชงานงาย มี เพีย งผูใช งานคนเดี ย วก็ สามารถทําได และยังมีราคาต่ําอีกดวย โดยจะตองมีสถานีฐานเพื่อสงคาแกไขมายังผูใชงาน อยางไรก็ดี เทคนิค RTK มีขอจํากัดคือ จําเปนที่จะตองมีเครือขายสถานีที่ใกลกัน จึงอาจจะไมสะดวกสําหรับประเทศที่มีเครือขาย ไมหนาแนน หรือในเขตพื้นที่หางไกล 4.1.3.3 เทคนิค Precise-point positioning (PPP) สําหรับเทคนิค PPP นั้นไมจําเปนตองมีสถานีฐานอีกตอไป โดยเครื่องรับสามารถระบุตําแหนงที่ แม น ยําไดโ ดยการเขา ถึง สัญ ญาณนาฬิกาของดาวเทีย ม (precise clock) และการแกไขวงโคจรที่แมนยํา (precise orbit) ผานดาวเทียม หรือผานอินเทอรเน็ต เครื่องรับจะใชคาแกไขทําใหระดับความผิดพลาดอยู ระดับเซนติเมตร หรือมากกวา เทคนิค PPP ใหความแมนยําสูงถึงระดับเซนติเมตร แตหากตองความแมนยําใน ระดับ มิลลิเมตรหรือเดซิเมตร (decimeter) จะตองใชหนึ่งชวงเวลาลูเขา (converge time) นานขึ้นในการ คํานวณตําแหนง ขึ้นอยูกับคุณภาพของคาที่แกไข และวิธีการใชคาในเครื่องรับ โครงสร า งของระบบ PPP จะคลา ยกั บ ระบบเครื อ ข า ยดาวเที ย มภาคพื้ น ดิน (satellite-based augmentation systems, SBAS) ระบบ PPP จะใหคาแกไขเพื่อเพิ่มความแมนยําใหกับเครื่องรับ อยางไรก็ ตาม ระบบ PPP โดยทั่วไปจะใหความแมนยําที่มากกวา มีคาธรรมเนียมในการใชคาแกไขฟรี หรือราคาถู ก ระบบ PPP สามารถใชคาแกเดียวกันนี้ไดทั่วโลก ในขณะที่ระบบ SBAS จะใชเปนระดับภูมิภาค ระบบ PPP โดยทั่วไปแสดงดังรูปที่ 4.16

รูปที่ 4.16 ภาพรวมระบบ PPP [67]

107 คาแกไขนาฬิก าและวงโคจร สามารถดาวนโ หลดไดจ าก International Service (IGS) ภายใต โครงการ Real-time IGS Pilot Porject หรื อ เครือ ข า ย European Union Reference Stations (EUREF) ภายใตโครงการ EUREF-IP Project ดังตอไปนี้ o EUREF-IP Ntrip Broadcaster (www.euref-ip.net) o IGS-IP Ntrip Broadcaster (www.igs-ip.net) o IGS MGEX Ntrip Broadcaster (mgex.igs-ip.net) o IGS Products Ntrip Broadcaster (products.igs-ip.net)

o o o o o o

ซอฟตแวรที่ใชในการคํานวณตําแหนงดวยเทคนิค PPP ไดรับการพัฒนาจากหลายหนวยงาน เชน GIPSY-OASIS (https://gipsy-oasis.jpl.nasa.gov/) Magic (https://magic.gmv.com/) Bernese software (http://www.bernese.unibe.ch/) GAPS (http://gaps.gge.unb.ca/about.html) gLAB Software (http://www.gage.es/gLAB) RTKLib (http://www.rtklib.com/) เปนตน

นอกจากนี้ เมื่อเร็ว ๆ นี้ ยังมีการบริการคํานวณคา PPP ออนไลน เชน CSRS PPP [68] ตัวอยาง หนาเว็บสําหรับสงไฟล RINEX เพื่อคํานวณคา PPP แสดงดังรูปที่ 4.17

รูปที่ 4.17 หนาเว็บใหบริการคํานวณคา PPP [68]

108 อีกโปรแกรมหนึ่งซึ่งเปนประโยชนในการศึกษาดาน คือโปรแกรม RTKLIB ซึ่งเปนโปรแกรมประเภท โอเพนซอรส (Open source) ที่เปดเผยตอสาธารณะขององคกร Research and Development of Precise Positioning Technology by Global Navigation Satellite System ใช สํ า หรั บ ประมวลผลที่ รั บ ได จ าก เครื่องรับจีเอ็นเอสเอสทั้งแบบเรียลไทม เพื่อประมาณคาตําแหนงของเครื่องรับอยางแมนยําในขณะนั้น หรือ สามารถประมวลผลจากขอมูลที่บันทึกไวกอนหนา สําหรับการทดลอง หรือวิเคราะหคาพารามิเตอรตาง ๆ ใน งานวิจัย หรือทดลองทางวิทยาศาสตร โดยโปรแกรม RTKLIB ยังมีหนาตาโปรแกรมแบบ GUI (Graphic user interface) สําหรับผูใชที่ตองการความสะดวกสบายในการใชงาน แสดงไดดังรูปที่ 4.18 มีทั้งเวอรชันบนวินโดว หรื อ ลี นุ ก ซ ทํ า งานบน command line ผู ใ ช ง านสามารถดาวน โ หลดโปรแกรมได จ ากเว็ บ ไซต http://www.rtklib.com/

รูปที่ 4.18 หนาตางโปรแกรม RTKLIB เพื่อแสดงการทํางานของเครื่องรับจีเอ็นเอสเอส จากรูปโปรแกรมยอย RTKNAVI ในชุดโปรแกรม RTKLIB เมื่อเครื่องรับจีเอ็นเอสเอสที่เชื่อมตออยูกับ คอมพิวเตอรรับสัญ ญาณดาวเทียมจีเอ็นเอสเอสได ขอมูลดาวเทียมจะถูกสงมายังโปรแกรม RTKNAVI ใน รูปแบบไบนารี โปรแกรม RTKNAVI จะทําการถอดรหัสและคํานวณตําแหนงของเครื่องรับที่เชื่อมตออยูกับ คอมพิวเตอรได โดยตําแหนงของเครื่องรับที่คํานวณไดจะแสดงอยูในพื้นที่กรอบสีเขียว และความแรงของ สัญญาณดาวเทียมแตละดวงที่เครื่องรับจีเอ็นเอสเอสรับไดจะแสดงอยูในพื้นที่กรอบสีแดง 4.1.3.4 เทคนิค Assisted GNSS (A-GNSS) เทคโนโลยี Assisted-GNSS (A–GNSS) เปนเทคโนโลยีชวยใหผูใชงานสามารถคํานวณตําแหนง ได เร็วขึ้น แมจะอยูในสภาวะแวดลอมที่ผูใชงานไมอาจรับสัญญาณจีเอ็นเอสเอสไดเลย เนื่องจากระดับสัญญาณต่ํา เกินไป (เชน ต่ํากวา -145 dBm) หรือรับไดแตไมสามารถคํานวณหาตําแหนงดาวเทียมได ยกตัวอยางเชน ผูใชงานอยูภายในอาคาร หรือในบริเวณที่มีตึกสูงจํานวนมากบดบังดาวเทียมนําทางบางสวน เปนตน ในระบบ A–GNSS นี้จะมีเซิรฟเวอรใหบริการขอมูลตําแหนงดาวเทียมนําทาง เชน คาอิเฟเมอริส (ephemeris) และอัล

109 มาแนก (almanac) โดยผูใชงานสามารถเขาถึงขอมูลนี้ผานเครือขายสื่อสารแบบเรียลไทม หรือแบบออฟไลน ทําใหลดระยะเวลาในการหาตําแหนงผูใชงาน (Time To First Fix, TTFF) อุปกรณเครื่องรับสามารถที่จะเริ่ม ทํางานในโหมด hot start แทนโหมด cold start ขอดีทางออมที่เกิดขึ้นก็คือ เครื่องรับใชพลังงานต่ําลงในการ ประมวลผล นอกจากนี้ระบบยังสามารถสงขอมูลอื่น ๆ ที่เปนประโยชนในการนําทางไปยังเครื่องรับ เชน ขอมูล จราจร เพื่อชวยในการหาเสนทางที่ใชเวลานอยที่สุด เปนตน [30] รูปที่ 4.17 แสดงหลักการทํางานของเทคนิค A-GNSS [12] อยางไรก็ดีในกรณีออฟไลน ผูใชงาน จะตองทําการดาวนโหลดขอมูลตําแหนงดาวเทียมและบันทึกในหนวยความจําเอง ขอมูลตําแหนงดาวเทียมนี้ โดยปกติจ ะมีร ะยะเวลาใช งานจํ ากั ด และเมื่อนํา มาใชผา นไปนานขึ้ น ก็จ ะใหค วามแมนยํ า ของตํา แหน ง ดาวเทียมที่ลดลง

รูปที่ 4.19 หลักการทํางานของเทคนิค A-GNSS [12] ดวยอัตราเร็วขอมูลในเครือขายโทรศัพทมือถือที่สูงขึ้น ทําใหการสงขอมูล ephemeris จากระบบ ดาวเทียมหลายระบบดวยเทคนิค A-GNSS ทําไดงายดายขึ้น นอกจากนี้การสงขอมูลชวยเหลือ (assistance) ในลักษณะนี้ยังเปนหัวใจสําคัญตอการระบุตําแหนงแบบรวมมือกัน (cooperative positioning) แบบ peerto-peer โดยผูใชงานในบริเวณใกลเคียงกันสามารถแชรขอมูลกันผานการสื่อสารระยะใกล (short range) เชน ในการเคลื่อนที่บริเวณภายในเชื่อมตอกับภายนอกอาคาร เปนตน [30]

110 4.1.3.5 Satellite-based augmentation system (SBAS) ในปจจุบัน กิจการการบินนั้นมีการใชงานระบบ เพื่อระบุตําแหนงอากาศยานระหวางการบินใน อากาศ แตมักจะใชงานเมื่ออยูหางจากสนามบินออกมาระยะหนึ่ง เนื่องจากการใชงานระบบ จําเปนที่จะตอง คํานึงถึงความผิดพลาดในการระบุตําแหนง ในการเพิ่มความแมนยําของระบบ ระหวางที่อากาศยานอยูใน ระดับตาง ๆ เชน Enroute จึงมีการนําเทคโนโลยี SBAS เขามาใชงานเพื่อสงคาแกไขไปยังอากาศยาน เทคโนโลยี SBAS เปนการลดความผิดพลาดของระบบผานดาวเทียมโดยสงคาแกไขไปยังผูใชงาน เหมาะสมกับพื้นที่บริเวณขนาดเล็กไปจนถึงขนาดใหญระดับทวีป

รูปที่ 4.20 ภาพรวมระบบ SBAS [69] จากรูป ที่ 4.20 แสดงภาพรวมระบบ SBAS ประกอบไปดว ยเครือขา ยสถานีอา งอิง (reference station) ซึ่งสงคาแกไขไปยังสถานีหลัก (master station) โดยตําแหนงของสถานีหลักจะมีตําแหนงที่แนนอน และกระจายอยูในบริเวณกวาง ดังนั้นสถานีหลักจึงสามารถคํานวณคาแกไขไดอยางแมนยํา คาแกไขจะสงไปที่ ดาวเทียม SBAS ซึ่งเปนดาวเทียมวงโคจรคางฟา ซึ่งจะสงคาแกไขไปยังเครื่องรับของผูใชงานอาทิเชน อากาศ ยาน โทรศัพทมือถือ ยานพาหนะ เปนตน ซึ่งอยูในบริเวณพื้นที่ระบบ SBAS เครื่องรับจะไดรับคาที่ทําการแกไข และสามารถนําไปคํานวณระยะที่ถูกตองตอไป ระดับการใหบริการดานการบินแบงเปนระดับแสดงดังตารางที่ 4.8 ดังตอไปนี้

111 ตารางที่ 4.8 ระดับการใหบริการในกิจการการบิน [71] Type

Enroute

Accurac y (H) 95% 3.7 km

Accur Integrity Time-toacy Alert (V) (TTA) 95% N/A 1-1E-7 in any 5 min approach

Continuity

Availability

1- 1E-4/1hr to 1 - 1E-8/1hr 1- 1E-4/1hr to 1 - 1E-8/1hr 1- 1E-4/1hr to 1 - 1E-8/1hr

0.99 0.99999

to

0.99 0.99999

to

0.99 0.99999

to

En route, 0.74 km Terminal

N/A

1-1E-7 in any 15 s approach

Initial approach, Intermediate approach, Nonprecisioned approach, Departure Approach precision w/vertical guidance (APVI) Approach precision w/vertical guidance (APVII) CAT I

220 m

N/A

1-1E-7 in any 10 s approach

16 m

20 m

1-2E-7 in any 10 s approach

1 - 8E-6/15s 0.99 0.99999

to

16 m

8m

1-2E-7 in any 6 s approach

1 - 8E-6/15s 0.99 0.99999

to

16 m

4-6 m

6m

1.4 m

CAT IIIb

3.6 m

1.0 m

1 - 8E-6/15s 0.99 0.99999 1 – 4E-6/15s 0.99 0.99999 1 – 4E-6/15s 0.99 0.99999

to

CAT II/IIIa

1-2E-7 in any 6 s approach 1–1E-9 /30s (L) 1-2 s 1–1E-9 /15s (V) 1 – 2E-6/30s 1-2 s (L) 1 – 2E6/15s (V)

to to

112

o o o o o

o o o o o

ระบบ SBAS ทั่วโลกมีหลากหลายระบบ [73] ไดแก (ใชงานในปจจุบัน) ระบบ Wide-Area Augmentation System (WAAS) ประเทศสหรัฐอเมริกา ระบบ European Geostationary Navigation Overlay Service (EGNOS) สหภาพยุโรป ระบบ GPS-Aided GEO-Augmented Navigation System (GAGAN) ประเทศอินเดีย [92] ระบบ System for Differential Corrections and Monitoring (SDCM) ประเทศรัสเซีย ระบบ Multi-functional Satellite Augmentation System (MSAS) ประเทศญี่ปุน (กําลังพัฒนาหรือศึกษา) ระบบ Satellite Navigation Augmentation System (SNAS) ประเทศจีน ระบบ Wide Area Differential Global Positioning System (WADGPS) ประเทศเกาหลีใต ระบบ South/Central America and the Caribbean (SACCSA) เขตอเมริกากลาง อเมริกาใต และแคริบเบียน ระบบ SBAS ประเทศมาเลเซีย ระบบ SBAS over the Africa-Indian Ocean (AFI) ทวีปอาฟริกา (ความรวมมือกับสหภาพยุโรป ในการขยายระบบ EGNOS) รูปที่ 4.21 แสดงบริเวณที่ระบบ SBAS ครอบคลุมในขณะนี้ [30]

รูปที่ 4.21 บริเวณที่ระบบ SBAS ครอบคลุมในขณะนี้ [30] (* แทนระบบที่ยังไมไดรับการรับรองโดยองคกร ICAO)

113 รูปที่ 4.22 แสดงเครือขายสถานีอางอิง (reference network) ในระบบ SBAS ใชงานในปจจุบัน ไดแกระบบ WAAS EGNOS MASA และ GAGAN

รูปที่ 4.22 เครือขายสถานีอางอิง (reference network) ในระบบ SBAS [74] 4.1.3.6 Ground-based augmentation system (GBAS) เทคโนโลยีจีบาส (Ground based augmentation system, GBAS) เปนเทคโนโลยีที่ชวยในการนํา รองการลงจอดของอากาศยาน โดยอาศัยหลักการของดีจีพีเอส (Differential GPS, DGPS) ซึ่งแตกตางจาก ระบบนํารองลงจอดที่ใชในปจจุบันคือ Instrument Landing System (ILS) มีหลักการใชคลื่นวิทยุที่สงออก มาจากรันเวย โดยติดตั้งเครื่องรับสัญญาณจีเอ็นเอสเอสรอบพื้นที่สนามบินจํานวน 3-4 เครื่อง ในสวนของ ระบบจีบาสภาคพื้นดิน (GBAS ground processor) จะรับขอมูลจากดาวเทียมจีเอ็นเอสเอส และคํานวณคา ความผิดพลาดคาพารามิเตอรตาง ๆ เชน คาความผิดพลาดของการวัดระยะเทียม (pseudo-range error) ที่ เกิดจากชัน้ บรรยากาศไอโอโนสเฟยร คาปรับแกในการระบุตําแหนงของอากาศยาน เปนตน หลังจากนั้นระบบ จี บ าสในสว นของภาคพื้ นดิน จะสง ข อ มูลเหลา นี้ ไปยั งเครื่ องบิน ดว ยความถี่ VHF (very high frequency) ขณะที่เครื่องบินกําลังลดระดับการบินเพื่อเขาสูเฟสการลงจอด ในสวนของอากาศยานจะนําคาที่ไดรับจาก สถานีภาคพื้นดินไปปรับแกความผิดพลาด (error correction) เพื่อชวยในการระบุตําแหนงและความสูงของ อากาศยานเองใหมีความแมนยํามากขึ้น โดยจีบ าสมีรัศมีการใชงานประมาณ 20 กิโ ลเมตร รอบบริเวณ สนามบิน โครงสรางของระบบจีบาสแสดงดังรูปที่ 4.23 นอกจากนั้นระบบจีบาสยังมีการสังเกตการณความ

114 แมนยํา (accuracy) คือการวัดความคลาดเคลื่อนของตําแหนงอากาศยาน ความนาเชื่อถือ (integrity) คือการ วัดความนาเชื่อถือของขอมูลที่สงใหแกอากาศยาน ความตอเนื่อง (continuity) คือการทํางานของระบบอยาง ตอเนื่องและความพรอมใชงาน (availability) ของระบบที่สอดคลองกับ 3 หัวขอกอนหนานี้เพื่อใหเปนไปตาม มาตรฐานความปลอดภัยของระบบ ทั้งนี้ยังตองสามารถเตือนผูใชงานหากระบบความพรอมที่กลาวไปขางตน ต่ํากวาระดับที่ยอมรับไดอีกดวย

รูปที่ 4.23 โครงสรางของระบบจีบาส

o o o o o o o o o

4.1.3.7 ระบบ Automatic Depedent Surveillance Broadcast (ADSB) ระบบ ADSB [76] คือระบบสงคาขอมูลตําแหนงอากาศยานโดยอัตโนมัติ ขอมูลที่ทําการสงไดแก หมายเลขเที่ยวบิน (Flight Identification) หรือ Callsign หมายเลขอากาศยาน ตามมาตรฐาน ICAO จํานวน 24 บิต ตําแหนงอากาศยาน (ละติจูด ลองจิจูด) คาความเชื่อมั่น (integrity) ความแมนยํา (accuracy) ของตําแหนง ระดับความสูงจากพื้นดิน อัตราการเปลี่ยนระดับความสูง แนวตั้ง (rate of climb/descent) องศาเสนทางบิน และความเร็ว (Track Angle and Ground Speed) โคดภาวะฉุกเฉิน (Emergency indication) และอื่น ๆ

รูปที่ 4.24 แสดงระบบ ADSB โดยอากาศยานจะสงเฟรมขอมูลไปยังสถานีรับ ADSB ภาคพื้นดิน ซึ่ง กระจายอยูทั่วโลก และสงขอมูลไปยังกองบังคับการบิน หรือศูนยขอมูลในประเทศ และภูมิภาค โดยปกติจะใช ความถี่เทากับ 1090 MHz หรือ 978 MHz สําหรับหวงอากาศ (airspace) ในประเทศสหรัฐอเมริกา ที่ระดับ

115 ความสูงต่ํากวา 18000 ฟุต อุปกรณ ADSB มี 2 ประเภท ไดแก ADSB-out สําหรับสงเฟรมขอมูลไปยังสถานี ภาคพื้นดินหรืออากาศยานในบริเวณใกลเคียง และ ADSB-in สําหรับรับเฟรมขอมูลจากอากาศยานอีกลําหนึ่ง ได ทั้งนีเ้ พื่อชวยตรวจเช็กระยะหางระหวางอากาศยานใกลเคียง หรือการหลีกเลี่ยงสถานการณที่อากาศยานอยู ในระยะที่ใกลกันมากเกินไป อาจจะเปนอันตรายได

The aircraft gets positions from GNSS satelites TCAS Support

ADSB-in ADSB-out

VHF receiver Comm. Satellite Microwave Tower control

รูปที่ 4.24 ระบบ ADSB และการทํางาน [76] ในประเทศสหรัฐอเมริกา หนวยงาน Federal Aviation Agency (FAA) ไดประกาศบังคับใหอากาศ ยานติดตั้งระบบ ADSB (อุปกรณ ADSB-out) ภายในวันที่ 1 มกราคม ค.ศ. 2020 [55] ระบบ ADSB มีขอดี สําคัญไดแก o มีคา availability > 99.9% o สามารถอัปเดตตําแหนงทุก ๆ 8 วินาที หรือนอยกวา o ลดระยะหางระหวางอากาศยานในแนวลองจิจูดและแนวตั้งทําใหประหยัดเชื้อเพลิง o การวางแผนเสนทางการบินที่มีประสิทธิภาพมากขึ้น o ลดคาใชจายในการติดตั้งอุปกรณติดตามดาวเทียมประเภทอื่นซึ่งมีราคาสูง

116 ระบบการติดตามอากาศยาน สามารถตรวจสอบออนไลนไดจากหลายแหลง ที่นิยมใชกันมาก คือ บริการของ Flight Radar 24 (https://www.flightradar24.com) รูปที่ 4.25 แสดงตัวอยางแผนที่โลกและ ตําแหนงอากาศยานทั่วโลก โดยผูใชงานสามารถที่จะซูมลึกเขาไปในแตละบริเวณไดเอง

รูปที่ 4.25 ตัวอยางแผนที่โลกและตําแหนงอากาศยานทั่วโลก [76] อยางไรก็ดี ระบบ ADSB รวมทั้งระบบติดตามอากาศยานอื่น ๆ มีขอจํากัดที่ทุกระบบตองสามารถสง สัญญาณเสนตรงโดยไมมีสิ่งกีดขวางหรือที่เรียกวา line of sight ไปยังสถานีภาคพื้นดินได โดยระบบ ADSB สามารถครอบคลุมพื้นที่ใหบริการบนโลกเมื่อรวมพื้นที่มหาสมุทร มีคาเพียง 30% เทานั้น ดังนั้นระบบ ADSB ผานอวกาศ (Space-based ADSB) [56],[57] คือระบบ ADSB ซึ่งสงคาตําแหนง ผ านระบบดาวเทียมจะชวยเพิ่มการบริการใหครอบคลุมทั้งโลกได เปนประโยชนตอบริเวณพื้นที่ซึ่งมีสถานี พื้นดินไมหนาแนนพอ เชน พื้นที่หางไกลบริเวณประเทศแคนาดา หลายพื้นที่ในทวีปแอฟริกา หรือทวีปเอเชีย และบริเวณเหนือมหาสมุทร เปนตน สําหรับในทวีปยุโรป ประเทศสหรัฐอเมริกาหรือประเทศซึ่งมีเครือขาย ภาคพื้นดินหนาแนนอยูแลว ระบบนี้ยังไมมีความจําเปนในการใชงาน คาใชจายหลักในการใชงานระบบ ADSB จะอยูที่ Air Navigation Service Provider (ANSP)

117 ตารางที่ 4.9 การเปรียบเทียบเทคโนโลยีติดตามอากาศยานประเภทตาง ๆ [56] Procedural ADS-C SSR

ADS-B (Ground)

Spacebased ADSB Avionics HF for Pilot FANS 1/A Mode S or 1090ES ADS-B 1090ES Position ATCRBS (DO-260 ADS-B (DOReports) Transponder versions 0, 1, 260 2 versions 0, 1, 2) Range Varies 1300 NM 200 NM (varies 200 NM 1100 NM with altitude) (varies with altitude) System HF Coverage No Polar / Line of Sight Line of Sight Continuous Coverage Areas Subscribed Limitation Limitation Global Only Coverage Availability < 98% ≥ 99.9% ≥ 99.9% Same ≥ 99.9% Update Interval

30–60 ~14 minutes minutes (or at Compulsory Reporting points)

<8 - 12s

< 8s (at 95%) < 8s (at 95%)

Possible Separation

≥ 80 / 100 NM ≥ 30 / 45 NM

En Route: 5 NM

EnRoute: 5 NM

Oceanic: ≤ 15 NM Terrestrial En Route: 5 NM

ในการใชงานของระบบการติดตามอากาศยาน จะนํา ขอ มูล ADSB ที่ไดรับ ไปรวมกับ ขอมูลการ ติดตามตําแหนงวิธีอื่น ๆ ในปจจจุบัน ที่ยังใชสําหรับการติดตามอากาศยาน โดยแสดงดังตัวอยางในรูปที่ 4.26 บริ ษั ทที่ ใ ห บ ริ ก าร ADSB ผ า นอวกาศ (หรื อ มี ความสนใจ) ในอนาคต ได แ ก บริ ษั ท Aireon, Globastar, GomSpace และ SES Techcom เปนตน

118

รูปที่ 4.26 ตัวอยางการรวมขอมูลติดตามอากาศยานจากหลายวิธี [56] 4.1.4 ประโยชนของเทคโนโลยี GNSS นอกเหนือจากการระบุตําแหนง แมวาเทคโนโลยี GNSS มีวัตถุประสงคหลักของการใชงานคือการระบุตําแหนงหรือพิกัดเครื่องรับ แต ยังมีหลากหลายสาขาซึ่งไดใชประโยชนจากเทคโนโลยีที่สําคัญนี้ ไดแก 4.1.4.1 มาตรฐานเวลา “เวลา” ที่ แ ม น ยํ า มี บ ทบาทสํ า คั ญ ต อ สั ง คมและประชาชน เช น ในเครื อ ข า ยระบบสื่ อ าร (communication) เครือขายการสงไฟฟา (power grid) ภาคธุรกิจการเงิน เปนตน ดังนั้นมีความจําเปนที่จะ รักษาและถายทอดมาตรฐานเวลาไปยังภาคอุตสาหกรรมและผูใชงานโดยทั่วไป หนวยงานในประเทศไทยที่ รับผิดชอบดานมาตรฐานเวลา คือ สถาบันมาตรวิทยา กระทรวงวิทยาศาสตรและเทคโนโลยี เนื่องจากบน ดาวเทียม GPS ใชนาฬิกาอะตอม (atomic clock) ซึ่งใหความแมนยําสูง ดังนั้นในประเทศตาง ๆ จึงมีการ จัดทํามาตรฐานเวลา UTC (Local) เทียบกับ เวลามีหลายประเภทไดแก 1. TAI (International Atomic Time) เปนเวลาที่ใชอางอิงระหวางประเทศซึ่งถูกคํานวณที่ สํานักงาน ชั่ง ตวง วัด ระหวางประเทศ (BIPM) โดยใชขอมูลจาก นาฬิกา ซีเซียม (Cesium clock) มากกวา 250 เครื่องซึ่งตั้งอยูตามสถาบันมาตรวิทยาของประเทศตาง ๆ กวา 50 ประเทศ รวมทั้งสถาบัน มาตรวิทยาแหงชาติ ประเทศไทย 2. UTC (Coordinated universal Time) คือเวลา TAI ที่ถูกเพิ่ม-ลด วินาที (Leap second) เพื่อให สอดคลองกับเวลาที่ไดจากการโคจรของโลก 3. UTC (NIMT) คือเวลามาตรฐานประเทศไทยไดจากนาฬิกา Cesium ถูกคํานวณโดย BIPM โดยเทียบ กับเวลามาตรฐานอางอิง UTC ซึ่งมีความไมแนนอนอยูที่ 20 นาโนวินาที จาก BIPM Circular T. (https://www.bipm.org/en/bipm-services/timescales/time-ftp/Circular-T.html)

119 4. UT-1 (Universal Time) คือเวลาที่เกิดจากการโคจรของโลกซึ่งพัฒนามาจาก UT-0 และถูกแกคา (correct) จากการเปลี่ยนแปลงทาง Longitude ของสถานีสังเกตการณ เนื่องจากการเคลื่อนไหว เปลี่ยนแปลงของขั้วโลก โดยนิยามขางตนจะสามารถอธิบายใหเขาใจงายขึ้นดังรูปที่ 4.27 ซึ่งจะ แสดงให เ ห็ น ว า เวลามาตรฐานของประเทศต า ง ๆ รวมทั้ ง ประเทศไทยมี ก ารสอบกลั บ ได (Traceability) และสงผลใหระบบเวลาของประเทศตางมีความถูกตองสอดคลองกันทั่วโลก ตัวอยางความแตกตางของเวลาจากระบบจีพีเอส (GPST) โกลนาส (GLONASST) และกาลิเลโอ (GST) ตั้วแตวันที่ (ชนิด Modified Julian date, MJD) 57299 ถึงวันที่ 57699 (วันที่ 26 กันยายน 2016) แสดงดังรูปที่ 4.27 สําหรับ รูปที่ 4.28 แสดงขั้นตอนในการคํานวณเวลา TAI และ UTC ซึ่งมีการสอบกลับได

รูปที่ 4.27 การเปรียบเทียบเวลาอางอิงจากระบบจีพีเอส (แดง) โกลนาส (เหลือง) และกาลิเลโอ (สีเขียว) [97]

120

รูปที่ 4.28 ขั้นตอนในการคํานวณเวลา TAI และ UTC 4.1.4.2 อุตุนิยมวิทยา เทคโนโลยี GNSS สามารถนํามาประยุกตใชเกี่ยวของกับการเปลี่ยนแปลงสภาพภูมิอากาศ โดยใช ศึกษาปริมาณไอน้ําหรือความชื้นในอากาศ ซึ่งมีประโยชนตอการวัดปริมาณฝนที่แมนยําขึ้นกวาการใชเครื่องวัด ปริมาณน้ําฝนบนพื้นดินเทานั้น และยังสะดวกกวาการปลอยอุปกรณเรดิโอซอนด (radosonde) ขึ้นไปบนชั้น บรรยากาศเพื่อเก็บขอมูล หลักการก็คือ เราสามารถประมวลคาการหนวงเวลาโทรโพสเฟยรซินิต (zenith tropospheric delay (ZTD) จากไฟล RINEX ที่ ไ ด ม าจากเครื่ อ งรั บ สั ญ ญาณจี เ อ็ น เอสเอส ค า ZTD ประกอบดวยผลกระทบจากอากาศแหงเรียกวา zenith hydrostatic delay (ZHD) และอากาศชื้นที่เรียกวา zenith wet delay (ZWD) ดั ง นั้ น เมื่ อ คํ า นวณค า ZWD ได แ ล ว จะสามารถแปลงเป น ปริ ม าณไอน้ํ า (precipitable water vapor, PWV) ได คา PWV ที่ไดจาก GNSS มักใชเปนคาเริ่มตนในแบบจําลองสภาพ อากาศเชิงตัว เลข (numerical weather model) โดยมีประโยชนคือทําใหสามารถทํานายปริมาณฝนที่จ ะ เกิดขึ้นในระยะใกล ไดอยางแมนยําขึ้น [78] รูปที่ 4.29 แสดงตัวอยางแผนที่ทํานายคา PWV โดยหนวยงาน National Oceanic and Atmospheric Agency (NOAA)

121

รูปที่ 4.29 ตัวอยางแผนที่ทํานายคา PWV [79] 4.1.4.3 สภาวะอวกาศ (Space Weather) และการสื่อสารวิทยุ ชั้นบรรยากาศไอโอโนสเฟยรมีปริมาณอิออนและอิเล็กตรอนสูง มีการเปลี่ยนแปลงคาตลอดเวลา ดังนั้นจึงกอใหเกิดคาดีเลยที่สูงกวาในชั้นโทรโพสเฟยร คาปริมาณอิเล็กตรอนสุทธิ (total electron content, TEC) สามารถคํานวณไดจากเครื่องรับ GNSS สองความถี่ และที่สําคัญในเขตเสนศูนยสูตรแมเหล็กหรือเขต ละติ จูดต่ํา สามารถนํา ไปใชวิเคราะหก ารเกิดพายุไอโอโนสเฟย ร (ionospheric storm) การเกิด plasma bubble ซึ่งสงผลกระทบตอการสื่อสารวิทยุความถี่สูง (HF) การขาดหาย (outage) และการเกิด loss-lof lock ของสัญญาณดาวเทียม GNSS ดวย รูปที่ 4.30 แสดงตัวอยางแผนที่ TEC และความผิดพลาดตําแหนงโดย ความถี่ L1 โดย National Space Weather Prediction Center ประเทศสหรัฐอเมริกา

122

รูปที่ 4.30 ตัวอยางแผนที่ TEC และความผิดพลาดตําแหนงโดยความถี่ L1 [80] 4.1.4.4 การเคลื่อนตัวของผิวเปลือกโลก (Earth Crustal Movement) เทคโนโลยี GNSS สามารถนําไปตรวจวัดการเคลื่อนตําแหนงพื้นผิวโลก ซึ่งอาจจะเกิดในสภาวะปกติ หรือเปนผลมาจากแผนดินไหว เปนตน โดยระดับการเคลื่อนมีขนาดเล็ก (แผนดินทรุดตัว) ไปจนขนาดใหญ (การเคลื่อนตัวของทวีป) การตรวจวัดสามารถใชวิธี static หรือ kinematic รวมทั้งสามารถใชวิธีแกไขความผิด จากสถานีฐานที่มีพิกัดแนนอน หรือใชเทคนิค PPP ก็ได [79] 4.1.5 เครือขา ยสถานีจีเ อ็น เอสเอสและการคิดคา บริก าร (Station Network and Service Fee) เครือขายสถานีจีเอ็นเอสเอสในโลกมีจํานวนหลายพันสถานีกระจายอยูทั่วโลก โดยปกติแลวรัฐบาล ในแตละประเทศหรือภูมิภาคไดลงทุนในการกอสรางโครงสรางพื้นฐานเหลานี้ โดยอาจจะใหบริการขอมูลตาง ๆ เช น ไฟล RINEX และใหบ ริการการระบุตํ า แหน ง การรังวัด ในสว นคาใชจายนั้นอาจจะไมมี ก ารกํ า หนด คาใชจายสําหรับการดาวนโหลดขอมูลใด ๆ หากทําการดาวนโ หลดผานเว็บไซตที่กําหนดไว หากตองการ เชื่อมตอกับระบบดาวนโหลดขอมูลที่เรียลไทมมากขึ้นหรือใชบริการเสริมแกไขความผิดพลาดตําแหนง เชน RTK มักจะมีคาใชจายในบริการตามอัตราที่กําหนดไว นอกจากนี้ยังมีเครือขายที่ติดตั้งโดยบริษัทเอกชนเชิง พาณิชย

123 4.1.5.1 หนวยงาน International GNSS Service (IGS) นั บ ตั้ ง แต ป ค.ศ. 1994 เป น ต น มา หน ว ยงาน International Service หรื อ IGS จั ด ตั้ ง ขึ้ น มี วัตถุประสงคเพื่อใหบริการผลิตภัณฑขอมูล คุณภาพสูง สําหรับการประยุกตใชงานดานการศึกษา วิทยาศาสตร และเชิงพาณิชย ไดรับความรวมมือในการเชื่อมตอขอมูลจากโครงสรางพื้นฐานดานสถานีรับสัญญาณดาวเทียม ตอเนื่องถาวร หรือสถานี CORS (continuously operating reference stations) จํานวนมากกวา 400 แหง จากหนวยงานตาง ๆ มากกวา 100 ประเทศทั่ว โลก นอกจากนี้ยังใหบริการผลิตภัณฑขอมูลเพื่อการจัดทํา international terrestrial reference frame (ITRF) มี ห น า ที่ ส นั บ สนุ น การวิ จั ย และผลิ ต ผลงานวิ จั ย ดา น geodetic มี ก ารจั ด ทํ า ผลิต ภั ณ ฑแ ละแอปพลิ เ คชั น ใหม ๆ ผ า นคณะทํ า งาน และโครงการนํา ร อ งต า ง ๆ หน ว ยงาน IGS เป นส ว นสํ า คั ญ ใน global geodetic observing system (GGOS) เป น สมาชิ ก ของ world data system (WDS) หน ว ยงาน IGS มี อ งค ป ระกอบต า ง ๆ แสดงดั ง รู ป ที่ 4.31 โดยภายใต IGS มี ห น ว ยงานหรื อ องคประกอบสําคัญคือ o คณะกรรมการบริ ห ารนานาชาติ (International Governing Board) มีส มาชิกจากหลากหลาย ประเทศจากสหภาพยุโรป และประเทศสหรัฐอเมริกา o ศูนยประสานงานกลาง (Central bureau) NASA/JPL ทําหนาที่บริหารจัดการกลาง ถือเปนฝาย บริหารของคณะกรรมการบริหารนานาชาติ โดยมีภารกิจหลักคือ a. ประสานงานและบริหารจัดการกิจกรรมตาง ๆ b. ประสานงานเครือขายสถานี IGS c. กําหนดและสงเสริมการปฏิบัติตามมาตรฐานเครือขาย IGS d. ตรวจเช็กการดําเนินงานของเครือขายสถานีและประเมินคุณภาพของขอมูลที่สงเขามา e. พัฒนาและบริหารจัดการระบบ Central Bureau Information System (CBIS) f. ประสานงานกับองคกรภายทั่วโลก o สถานีจีพีเอส (GPS Station) ทําหนาที่สงขอมูล ไปยังศูนยขอมูลโลก (Global Data Center) o ศูนยขอมูล โลก (Global Data Center) ทําหนา ที่จัดเก็บ ข อ มูลจากแตล ะสถานี โดยศูนยข อ มู ล สามารถแบงไดเปน 3 ประเภทไดแก a. ศูนยขอมูลดําเนินการ (operational center) เชื่อมตอกับแตละสถานีโดยตรง b. ศูนยขอมูลภูมิภาค จัดเก็บขอมูลในแตละภูมิภาค c. ศูนยขอมูลโลก จัดเก็บขอมูลทั้งหมดสําหรับศูนยวิเคราะหขอมูล (Analysis center) และการ สรางผลิตภัณฑขอมูลตาง ๆ

124 o ศูนยวิเคราะหขอมูล (Analysis center) ทําหนาที่วิเคราะหขอมูล เพื่อจัดทําเปนผลิตภัณฑขอมูล ตาง ๆ โดยแบงไดเปน 2 ประเภทไดแก a. ศูนยวิเคราะหขอมูล (Analysis center) สรางผลิตภัณฑขอมูลของแตละวัน ทําการคํานวณ และวิเคราะหอยางตอเนื่อง b. ศูนยวิเคราะหขอมูลรอง (Associate Analysis center) สรางผลิตภัณฑเฉพาะเชน พิกัดและ อัตราการเคลื่อนตัวของแตละสถานี ขอมูลโทรโพสเฟยร ขอมูลไอโอโนสเฟยร ทั้งนี้อาจจะมี การจัดการประมวลผลแบบ distributed การวิเคราะหขอมูลรวมกันในระดับเครือขาย เปน ตน ศูนยวิเคราะหขอมูลมีจํานวน 8 แหงคือ i. Astronomical Institute University of Bern (Switzerland) ii. European Space Opeations Center (ESOC)/ European Space Agency (Germany) iii. FLINN Analysis Center, Jet Propulsion Laboratory or JPL (USA) iv. GeoForschungsZentrum (Germany) v. Geosciences Lab, National Geodetic Survey or NGS (USA) vi. Natural Resources Canada (Canada) vii. Scripps Institution of Oceanography or SIO (USA) viii. US Naval Observatory or USNO (USA)

รูปที่ 4.31 องคประกอบของหนวยงาน IGS [13] นอกจากนี้ยังมีองคกรจากทั่วโลกที่มีความรวมมือมากกวา 80 แหง สมาชิก Associate member จํานวนมากกวา 10 คน และสมาชิก corresponding member มากกวา 1200 คน สถานี CORS แสดงใน รูป ที่ 4.32 (สถานีที่เปนสีแดงแสดงสถานะที่วา สถานีที่ไมสงขอ มูล มายัง เครือขาย IGS)

125

รูปที่ 4.32 ตําแหนงสถานีอางอิงในเครือขาย IGS [14]

o o o o o o

ผลิตภัณฑสําคัญที่ IGS จัดทําไดแก ตําแหนงดาวเทียม (ephemerides) ตัวแปรการหมุนของโลก (Earth rotation parameters) พิกัดสถานีสังเกตการณและความเร็วในการเคลื่อน (Global tracking station coordinates and velocities) ขอมูลเวลาของสถานีสังเกตการณและเวลาบนดาวเทียม (Satellite and Tracking station clock information) หรือคาแกนาฬิกาความละเอียดสูง ค า ดี เ ลย โ ดยประมาณในชั้ น โทรโพสเฟ ย ร แ นว Zenith (Zenith tropospheric path delay estimates) แผนที่ไอโอโนสเฟยรโลก(Global ionosphere map)

ตารางที่ 4.10 แสดงผลิตภัณฑประเภทตาง ๆ ที่เกี่ยวของกับตําแหนงดาวเทียมจีพีเอส ความแมนยํา คาดีเลย ความถี่ในการอัปเดตขอมูล และความถี่ขอมูล ผลิตภัณฑแตละประเภทมีคุณสมบัติดังตอไปนี้คือ [15] ก. ผลิตภัณฑสมบูรณ (Final product) เปนผลิตภัณฑขอมูลที่มีความแมนยํา และความสม่ําเสมอสูงสุด โดยจะทําการอัปเดตคาภายในวันศุกรทุกสัปดาห แตคาที่อัปเดตเปนของ 2 สัปดาหกอนหนานั้น ดังนั้นจะดีเลยเวลาประมาณ 13 ถึง 21 วัน ข. ผลิตภัณฑเร็ว (Rapid product) เปนผลิตภัณฑมีคุณภาพใกลเคียงกับผลิตภัณฑสมบูรณ โดยจะทํา การอัปเดตคาในทุก ๆ วัน จะดีเลยไมเกิน 17 ชั่วโมงนับตั้งแตวันที่รับคาสัญญาณจีพีเอส

126 ค. ผลิตภัณฑเร็วยิ่ง (Ultra-rapid product) เปนผลิตภัณฑสําหรับการใชงานเรียลไทม หรือกึ่งเรียลไทม มีการอัปเดต 4 ครั้งตอวันเวลา 03:00, 09:00, 15:00, and 21:00 UTC ดังนั้นมีการดีเลยคาไมเกิน 6 ชั่วโมงนับตั้งแตเวลาที่รับคาสัญญาณจีพีเอส ง. ผลิตภัณฑกระจายคา (broadcast product) เปนผลิตภัณฑขอมูลซึ่งประกาศโดยดาวเทีย มแบบ เรียลไทม ตารางที่ 4.10 ผลิตภัณฑขอมูลตําแหนงดาวเทียมจีพีเอส [15]

ตารางที่ 4.11 แสดงผลิตภัณฑประเภทตาง ๆ สําหรับตําแหนงดาวเทียมนําทางโกลนาส โดยจะมี ความแมนยําประมาณ 3 เซนติเมตร และดาวนโหลดไดอยางชา 18 วัน มีการอัปเดตขอมูลในทุกวันพฤหัสบดี ตารางที่ 4.12 แสดงตําแหนงและความเร็วในการเคลื่อนที่ของสถานีอางอิงแตละแหงในเครือขาย IGS ตารางที่ 4.13 แสดงพารามิเตอรเกี่ยวกับชั้นบรรยากาศโทรโพสเฟยรและไอโอโนสเฟยร โดยสําหรับชั้นโทรโพสเฟยรจะ บริการขอมูลคา zenith path delay (ZPD) มีความแมนยําเทากับ 4 มิลลิเมตร สวนคาปริมาณอิเล็ก ตรอน สุทธิ (Total electron content: TEC) มีแบบเร็ว (rapid) และแบบสมบูรณ (final) ซึ่งจะใหคา TEC ของแต ละกริด (ขนาด 5ox2.5o) ทั่วโลก ตารางที่ 4.11 ผลิตภัณฑขอมูลตําแหนงดาวเทียมโกลนาส [15]

127 ตารางที่ 4.12 ตําแหนงและความเร็วในการเคลื่อนที่ของสถานีอางอิงแตละแหง [15]

ตารางที่ 4.13 พารามิเตอรเกี่ยวกับชั้นบรรยากาศโทรโพสเฟยรและไอโอโนสเฟยร [15]

สําหรับตารางที่ 4.14 ทําการเปรียบเทียบฟอรแมตหลัก ๆ ของขอมูลที่ IGS ใหบริการ เชน RINEX เวอรชันตาง ๆ เปนตน ตารางที่ 4.14 ฟอรแมตขอมูลสําคัญของ IGS [16] ฟอรแมต ขอมูล RINEX v.3.03 คาระยะทางเทียม, ไบอัสดาวเทียม, พิกัดดาวเทียม (GPS, Glonass, Galileo, Beidou, QZSS, SBAS, IRNSS) RINEX v.3.02 คาระยะทางเทียม, ไบอัสดาวเทียม, พิกัดดาวเทียม (GPS, Glonass, Galileo, Beidou, QZSS, SBAS) RINEX v.3.01 คาระยะทางเทียม, ไบอัสดาวเทียม, พิกัดดาวเทียม (GPS, Glonass, Galileo, Beidou, QZSS, SBAS) RINEX v.2.11 คาระยะทางเทียม, ไบอัสดาวเทียม, พิกัดดาวเทียม (GPS, GLONASS, Galileo) RINEX v.2.10 คาระยะทางเทียม, ไบอัสดาวเทียม, พิกัดดาวเทียม (GPS, Glonass) SINEX พิกัดและความเร็วการเคลื่อนที่สถานี sp3 version c พิกัดดาวเทียม (แมนยําสูง) sp3 version a พิกัดดาวเทียม (แมนยําสูง) erp การหมุนของโลก IONEX แผนที่คาอิเล็กตรอนสุทธิ (TEC) ชั้นไอโอโนสเฟยร Tropo SINEX คาดีเลยผานชั้นโทรโพสเฟยร

128 4.1.5.2 เครือขายสถานีจีเอ็นเอสเอส ในแตละประเทศหรือภูมิภาค มีการติดตั้งโครงสรางพื้นฐานในสวนเครือขายสถานีจีเอ็นเอสเอสและ อาจมีการบริห ารจัดการที่แ ตกตา งกัน รูป ที่ 4.15 แสดงเครือขา ยสถานี CORS ในประเทศสหรัฐ อเมริก า ประเทศสหรัฐอเมริกา มีเครือขายสถานีฐานอางอิงในประเทศจํานวนประมาณ 2,000 สถานี ซึ่งอาจจะมี ดําเนินการติดตั้งแยกออกจากกันโดยแตละรัฐ หนวยงานหรือองคกรตาง ๆ แตมีหนวยงานกลางระดับชาติ เชน หนวยงานบริการจีออเดซีแหงชาติ (National Geodesy Service, NGS) ภายใตองคการบริหารมหาสมุทรและ ชั้นบรรยากาศแหงชาติ (National Oceanic and Atmosphere Administration, NOAA) ซึ่งบริหารจัดการ สถานี CORS เหลานี้

รูปที่ 4.33 เครือขายสถานี CORS ในประเทศสหรัฐอเมริกา [17] ในทวีปยุโรปมีเครือขาย European Union Reference Stations (EUREF) ซึ่งบริหารจัดการสถานี CORS ในทวีปยุโรป ภายใต Regional Reference Frame sub-commission for Europe สมาคมจีออเดซี นานาชาติ เปนความรวมมือจากมากกวา 30 ประเทศในทวีปยุโรป มีวัตถุประสงคเพื่อดําเนินการดูแลและ ปรับปรุงระบบอางอิง European Terrestrial Reference System (ETRS89) โดยเครือขายสถานี GNSS ภายใตเครือขาย EUREF เรียกวา EUREF Permanent GNSS Network (EPN) ซึ่งจัดวาเปนเครือขาย IGS ที่มีความหนาแนน (Dense network) ผลิตภัณฑที่ใหบริการในเครือขาย EPN มีหลายประเภทไดแก o ไฟล RINEX รายวัน รายชั่วโมง ทุก 15 นาที o พิกัดสถานี GNSS ในเครือขาย EPN รายวันและรายสัปดาห o คาดีเลยในชั้นบรรยากาศโทรโพสเฟยร (Tropospheric delays) o พารามิเตอรวงโคจรดาวเทียม คานาฬิกา (รูปแบบ ETRS89)

129 สําหรับขอมูลรายวัน ในแตละวัน ทุกสถานีจะอัปโหลดขอมูลในชวง 24 ชั่วโมงที่ผานมาในรูปแบบ ไฟล RINEX (บีบอัดแบบ Hatanaka) ไปยังศูนยขอมูล EPN จํานวน 2 แหง ในประเทศออสเตรีย และประเทศ เยอรมัน และในทุก ๆ 3 เดือนขอมูลรายวันเหลานี้จะสงไปเก็บที่ EPN Data Archive ที่ Royal Observatory of Belgium ประเทศเบลเยี่ยม ในแตละสัปดาห ศูนยประสานงานกลาง EPN (EPN Central bureau) จะทํา การแจงไปยังสมาชิกเกี่ยวกับขอมูลที่ขาดหายไป หรือ metadata ที่ผิดเพี้ยนไป สําหรับขอมูลรายชั่วโมง แตละสถานีสงขอมูลเพื่อคํานวณคา zenith total delay (ZTD) สําหรับ ป อ นในแบบจํ า ลองการทํ า นายสภาวะอากาศเชิ ง ตั ว เลข (Numerical Weather Prediction model) ใน โครงการ E-GVAP ผูใชงานสามารถดาวนโหลดไฟล RINEX ไดโดยไมมีคาใชจาย ความถี่ของไฟล RINEX ที่ดาวนโหลด คือ รายวัน รายชั่วโมง ราย 15 นาที แบบเรียลไทม ขอมูลรายวันและรายชั่วโมง สามารถโหลดไดจากศูนย ขอมูลภูมิภาค ไดแก o Federal Agency for Cartography and Geodesy, Germany (EKG) ที่ FTP site: ftp://igs.bkg.bund.de/ o ขอมูลรายวัน รายชั่วโมง ราย 15 นาที o Bundesamt für Eich- und Vermessungswesen, Austria (BEV) ที่ FTP site: ftp://gnss.bev.gv.at/pub/obs o ขอมูลรายวัน รายชั่วโมง

รูปที่ 4.34 เครือขายสถานี CORSในเครือขาย EUREF ทวีปยุโรป [18]

130 รูปที่ 4.35 แสดงตัวอยางคาสถานะการสงขอมูลสถานี GNSS ในเครือขาย EPN ทั้งรายวันและราย ชั่วโมง จากรูปจะเห็นวาสีแดงแทนสถานีที่สงขอมูลใหไดนอยกวา 80% ของขอมูลทั้งหมด ในกรณีขอมูลราย ชั่วโมง ดีเลยในการสงขอมูลจะตองต่ํากวา 10 นาทีจึงจะยอมรับได

รูปที่ 4.35 ตัวอยางคาสถานะการสงขอมูลสถานี GNSS ในเครือขาย EPN ทั้งรายวันและรายชั่วโมง [77] เครือขายในประเทศญี่ปุนคือระบบ GPS Earth Observation Network (GEONET) [19] ประกอบ ไปด ว ยสถานี จี พี เ อสจํ า นวน 1,300 แห ง ภายใต ก ารดู แ ลขององค ก รภู มิ ส ารสนเทศแห ง ประเทศญี่ ปุ น (Geospatial Information Authority of Japan, GSI) ซึ่งดูแลระบบดาวเทียมนําทางโครงสรางพื้นฐานดาน สถานีรับสัญญาณดาวเทียมตอเนื่อ งถาวร ที่แตละสถานีอยูหา งจากกันประมาณ 20 กิโ ลเมตร ขอมูลที่ ได นํามาใชประโยชนในดานตาง ๆ ไดแก o การสํารวจรังวัดและการสรางแผนที่ จากขอมูลทุก ๆ 30 วินาที o การเคลื่อนไหวของเปลือกโลก (แผนดินไหว ภูเขาไฟระเบิด การเตือนภัยสุนามิ) จากการคํานวณ พิกัดตําแหนง o การระบุตําแหนงแมนยํา (โครงสรางดาน ICT เกษตรแมนยํา การเสริมความแมนยําในระบบ QZSS) จากขอมูลแบบเรียลไทม o ดานอื่น ๆ (การวัดปริมาณไอน้ําในชั้นบรรยากาศ การศึกษาชั้นบรรยากาศไอโอโนสเฟยร เปนตน)

131

รูปที่ 4.36 เครือขายสถานีจีเอ็นเอสเอสในระบบ GEONET [19] การใหบริการขอมูลจากระบบ GEONET การดาวนโหลดขอมูลจากเครือขาย GEONET ทําได 2 ชองทางคือ ชองทางที่ 1 - เว็บไซตของหนวยงาน GSI (หลังจากการลงทะเบียน) คาใชจาย ไมมี เว็บไซต http://datahouse1.gsi.go.jp/terras/terras_english.html ประเภทขอมูล ไฟล RINEX แบบ Post processing, Quasi- real time ชองทางที่ 2 - เว็บไซตของบริษัทเอกชนหรือหนวยงานภายนอก ผูใชงานสามารถดาวนโหลดไฟล RINEX จากบริษัทเอกชนหรือหนวยงานภายนอก เชน 1. Japan Association of Surveyors (http://www.jsurvey.jp/eng.htm) [20] ขอมูลที่ใหบริการ – ไฟล RINEX (1 วินาที) พิกัดของแตละสถานี (รายวัน) 2. JENOBA (www.jenoba.jp) [21] 3. Nippon GPS Data Service Corporation (https://www.gpsdata.co.jp/) [22] 4. Terasat Japan Co.,Ltd. (https://www.terasat.co.jp/) [23]

132 คิดคาใชจาย 30,000 USD (3,200,000 JPY) ตอป โดยสามารถดาวนโหลดขอมูลไดจ ากเว็บไซต http://datahouse1.gsi.go.jp/terras/terras_english.html บริษัทนี้มีจํานวนสถานีเทากับ 200 สถานี โดย ประเภทขอมูลที่ใหดาวนโหลดคือไฟล RINEX แบบเรียลไทมทุก ๆ 1 วินาที ลักษณะการใหบริการของบริษัทเอกชน มีหลากหลายรูปแบบ และรองรับการรังวัดแบบจลนแบบ เรียลไทม (RTK) ตัวอยางคาบริการประเภทการบริการและคาบริการในประเทศญี่ปุน แสดงในตารางที่ 4.15 ตารางที่ 4.15 ตัวอยางประเภทการบริการขอมูลจี เอ็นเอสเอส การเชื่อมตอระบบการระบุตํา แหนงความ แมนยําสูงและคาใชจายที่เกี่ยวของในประเทศญี่ปุน [24] Before (Basic) (Standard) (Annual contract) (Static) (DGPS) revision Metered Flat rate Flat rate Metered Flat rate rate system system rate system Plan name Fixed Post Metered Annual amountpl Processing Dplan doseplan contractplan an Onlyplan Registration fee

Basic charge

Uniformized 20,000 yen (only for the first time) ※ 10,000 yen after the second one 2,000 yen / month

24,000 yen / month

240,000 yen / year

Real time data Free usage time including 20 minutes

Postprocessing data Free usage time included 60 minutes

Post-processing data Free usage time included 60 minutes

free

Real time data ( virtual point RTK · electronic reference point RTK )

※ Consulta tion separatel y

(D)

133 Before revision

Plan name

(Basic)

(Standard)

(Annual contract)

(Static)

(DGPS)

Metered rate

Flat rate system

Flat rate system

Metered rate

Flat rate system

Metered doseplan

Fixed amountpl an

Annual contractplan

Post Processing Onlyplan

Dplan

100 yen / minute Usage fee

The monthly upper limit of basic monthly charges is 48,000 yen

All you can use

All you can use

-

※ Consulta tion separatel y

Post-processing data ( virtual point / electronic reference point ) Usage fee

Uniformly 40 yen / minute (observation data time)

สําหรับประเทศจีน มีหลายหนวยงานที่ติดตั้งสถานีจี เอ็น เอสเอส เครือขายที่สําคัญ แหงหนึ่ ง คื อ Crustal Movement Observation Network of China (CMONOC) [100] ซึ่งมีวัตถุประสงคเพื่อศึกษาการเคลื่อนตัวของเปลือกโลก โดยเฉพาะอยางยิ่งจากแผนดินไหว โดยใน ปจจุบัน เครือขายจีเอ็นเอสเอสอยูในระยะที่สอง มีจํานวนมากกวา 2000 สถานี แสดงดังรูปที่ 4.37

134

รูปที่ 4.37 เครือขายสถานีจีเอ็นเอส ภายใต CMONOC Network [100] สําหรับบริการขอมูลและการบริการเสริมนั้น แตละเขตอาจจะมีการใหบริการแยกกัน ยกตัวอยาง เชน ในเขตปกครองตนเองกวางสี่ (Guanxi) ที่เรียกวา GXCOR ใหบริการ RTK และใหการแปลงพิกัด แสดงดัง ตารางที่ 4.16 และ 4.17 ตามลําดับ โดยคาลงทะเบียนรายปคือ 1,000 หยวน ตารางที่ 4.16 อัตราคาบริการดาน RTK ในเครือขาย GXCOR [101]

135 ตารางที่ 4.17 อัตราคาบริการดานการแปลงพิกัด [101]

ในประเทศไทยเครือขายสถานีจีเอ็นเอสเอส อยูในระหวางการติดตั้งจํานวนสถานีเพิ่มมากขึ้น โดย คาดวาจะมีจํานวนสถานีมากกวา 200 แหงภายในป 2561 อยางไรก็ดี สถานีเหลานี้อยูภายใตการดําเนินการ ของหลายหนวยงานเชน กรมที่ดิน กรมโยธาธิการและผังเมือง และกรมแผนที่ทหาร เปนตน นอกจากนี้ ใน ประเทศยังมีหนวยงานอื่น ๆ ที่ไดดําเนินการติดตั้งเครื่องรับจีเอ็นเอสเอส เชน มหาวิทยาลัยตาง ๆ และบริษัท วิทยุการบินแหงประเทศไทย (จํากัด) โดยมีจํานวนสถานีที่ติดตั้งไปแลว และอยูระหวางดําเนินการแสดงใน ตารางที่ 4.18 อยางไรก็ดี ขณะนี้ยังไมห นว ยงานกลางทําหนาที่เป นศูนยขอมูล กลาง (data center) เป น ประเด็นสําคัญที่ควรจะดําเนินการอยางเรงดวน เพื่อการบูรณาการในการใชประโยชนขอมูล การวางแผนการ ใชงานและการใหบริการในอนาคต รูปที่ 4.38 แสดงเครือขายจีเอ็นเอสเอสในประเทศไทยที่คาดวาจะเสร็จ สมบูรณในป 2561

136 ตารางที่ 4.18 จํานวนสถานี CORS ที่แตละหนวยงานไดดําเนินการติดตั้งแลวและอยูระหวางดําเนินการ [25] หนวยงาน กรมที่ดิน กรมแผนที่ทหาร กรมโยธาธิการและผังเมือง จุฬาลงกรณมหาวิทยาลัย สถาบั น ทรั พ ยากรน้ํ า และ การเกษตร (องคกรมหาชน) จํานวนสถานีทั้งสิ้น

จํานวนสถานี CORS (ปจจุบัน) 62 1 15 1 4

จํานวนสถานี CORS (อนาคต) 60 80 -

80

240

ทั้งนี้จํานวนสถานีขางตน ยังไมรวมถึงจํานวนสถานีเพิ่มเติม ซึ่งประเทศญี่ปุนมีความประสงคที่จ ะ ติดตั้งเพิ่มเติมในประเทศไทย อีกจํานวนประมาณ 200 สถานี ในอนาคต

รูปที่ 4.38 เครือขายจีเอ็นเอสเอสในประเทศไทยที่คาดวาจะเสร็จสมบูรณในป 2561 [26]

137 ในประเทศมาเลเซีย มีเครือขายสถานีจีเอ็นเอสเอสจํานวนมากกวา 450 สถานี [53] แบงเปน 2 เครือขายยอยไดแก Malaysia Primary GPS Network 2000 (PMGN2000) จํานวน 283 สถานี และ Sabah and Sarawak known as East Malaysia Primary GPS Network 2000 (EMPGN2000) จํานวน 171 สถานี หนวยงานที่ดูแลสถานีจีพีเอสทั่วประเทศคือกรมการสํารวจและแผนที่แหงประเทศมาเลเซีย (Department of Survey and Mapping Malaysia: JUPEM) ในสวนการบริการดาน RTK มีเครือขาย MyRTKNET (Malaysia RTK Network) มีจํานวนสถานีมากกวา 80 สถานีทั่วประเทศแสดงดังรูปที่ 4.39

รูปที่ 4.39 เครือขายสถานีจีเอ็นเอสเอสในระบบ MyRTKNET [27] การให บ ริ ก ารข อ มู ล RINEX และบริก าร RTK เชิ ง พาณิช ย ผ า น JUPEM Geospatial Data and Sales Information Centers nationwide หรื อ ทางออนไลน ผ า น E-Biz JUPEM Geoportal (เว็ บ ไซต https://ebiz.jupem.gov.my/v1/) ประเภทของขอมูลและอัตราคาบริการแสดงดังตารางที่ 4.19 และ 4.20 ตามลําดับ ตารางที่ 4.19 ประเภทการใหบริการ RTK ภายใตหนวยงาน JUPEM ประเทศมาเลเซีย [54] ประเภทขอมูล ลักษณะขอมูล Virtual Reference Station correction

Real Time

Single Reference Correction

Real Time

Correction Differential Global Positioning System (DGPS) Based Network

Real Time

RINEX Virtual Data

Post-Processed

RINEX data

Post-Processed

138 ตารางที่ 4.20 อัตราคาบริการ RTK ภายใตหนวยงาน JUPEM ประเทศมาเลเซีย [54] ประเภทขอมูล อัตราคาบริการ Fixed Time Virtual Reference Station (VRS) RTK / VRS Differential GPS (DGPS) / Single RM 1,000.00 per user per year Time Reference GPS Reference Time GPS VRS post-process RINEX data RM 1.00 per minute per station GPS Referral Station's post-process data RM 2.00 per hour per station ในบางประเทศไมมีการคิดคาบริการขอมูล RINEX และการบริการ RTK ตัวอยางเชน เขตปกครอง พิเศษฮองกง และประเทศอาฟริกาใต [103] เปนตน ในเขตปกครองพิเศษฮองกง มีเครือขายสถานีจีเอ็นเอสเอส ชื่อ Hong Kong Satellite Positioning Reference Station Network (SatRef) จํานวน 18 แหง แสดง ดังรูปที่ 4.40

รูปที่ 4.40 เครือขายสถานีจีเอ็นเอสเอส SatRef ในเขตปกครองพิเศษฮองกง [102] โดยมีการใหบริการ 4 ดานไดแก 1. ไฟลขอมูล RINEX 2. เทคนิค RTK 3. เทคนิค Differential GNSS (DGNSS) 4. การเชื่อมตอขอมูล GNSS แบบเรียลไทม

139 องคการสํารวจการบินแหงประเทศญี่ปุน (JAXA) ไดดาํ เนินการจัดตั้งเครือขาย MGM-Net [65] หรือ Multi-GNSS Monitoring Network เปนเครือขายเครื่องรับ GNSS ซึ่งสามารถรับสัญญาณจากดาวเทียมนํา ทาง QZSS และระบบอื่น ๆ โดยมีวัตถุประสงคเพื่อ 1. ปรับปรุงความถูกตองของการคํานวณวงโคจรดาวเทียมแมนยํา (precise orbit determination: POD) โดยคํานวณคาออฟเซ็ตของวงโคจร และนาฬิกา เพื่อประโยชนตอการนําเทคนิค PPP มาใช งาน 2. เพิ่มฟงกชัน POD จากเดิมมีไวสําหรับดาวเทียม GPS/QZSS ใหครอบคลุม Multi-GNSS ดวย ทั้งนี้จะมีจํานวนเครื่องรับดาวเทียมกระจายอยูทั่วโลก 60 สถานี ในจํานวนนี้มี 20 สถานีในเขต เอเชียแปซิฟก ขอมูลที่ไดจะทําการแลกเปลี่ยนกับโครงการ Multi-GNSS ภายใตเครือขาย IGS ในขณะนี้มี หน ว ยงานสมาชิ ก จํ า นวน 54 หน ว ยงาน สํ า หรั บ ประเทศไทย มีเ พี ย ง 3 หน ว ยงานที่ เ ป น สมาชิ ก ได แ ก จุฬาลงกรณมหาวิทยาลัย ศูนยเทคโนโลยีอิเล็กทรอนิกสและคอมพิวเตอรแหงชาติ (เนคเทค) และสถาบัน เทคโนโลยีแหงเอเชีย (AIT) รูปที่ 4.41 แสดงตําแหนงสถานีในเครือขาย MGM-Net ในป 2015

รูปที่ 4.41 ตําแหนงสถานีในเครือขาย MGM-Net ในป 2015 [95] นอกจากนี้ประเทศญี่ปุนยังไดดําเนินการโครงการ Multi-GNSS Demonstration Campaign เพื่อ สงเสริมการใชงานเทคโนโลยี GNSS เพื่อการระบุตําแหนง การนําทางและเวลา (Positioning, Navigation and Timing, PNT) ในเขตเอเชีย โอเชียเนีย (Asia-Oceania) และพัฒนาแอปพลิเคชันใหมที่ประยุกตใชงาน เทคโนโลยี GNSS โดยมีองคกร Multi-GNSS Asia (MGA) มีเว็บไซต http://www.multignss.asia/ รวบรวม ขอมูลและโครงการความรวมมือตาง ๆ สําหรับเครือขาย ตารางที่ 4.21 รวบรวมคณะทํางานในสาขาตาง ๆ รวมทั้งตัวอยางการประยุกตใชงานที่เกี่ยวของ

140 ตารางที่ 4.21 คณะทํางานในสาขาตางๆ รวมทั้งตัวอยางการประยุกตใชงานดาน GNSS [95] คณะทํางาน ตัวอยางการประยุกตใชงาน Precise positioning Precise agriculture Construction machine guidance/control Disaster Mitigation and Tsunami monitoring Management GNSS meteorology Landslide monitoring Intelligent Transportation Probe-cae Systems (ITS) Mobile mapping system Road pricing Car-navigation Location-Based Services (LBS) Mobile phone Pedestrian navigation Short message Sightseeing application Network Multi-GNSS monitoring network Capactiy Building Summer school

4.2 แนวโนมเทคโนโลยีระบบดาวเทียมนําทาง

ในชวงหลายปที่ผานมาการพัฒนาเทคโนโลยีระบบดาวเทียมนําทางกาวหนาไปมากทั้งในสวนของ ระบบดาวเทียมซึ่งมีการสงจํานวนดาวเทียมเพิ่มมากขึ้นและอุปกรณเครื่องรับรุนใหมซึ่งมีความสามารถในการ รองรับความถี่มากขึ้น แมวาเทคโนโลยีการระบุตําแหนงประเภทอื่น ๆ ซึ่งอาศัย ระบบเซลลูลาร แท็กสําหรับ ภายในอาคารและเทคโนโลยีอื่น ๆ อาจจะไดรับความสนใจเพิ่มมากขึ้นแตการระบุตําแหนงโดยอาศัยเทคโนโลยี ระบบดาวเทียมนําทางถือเปนหัวใจหลักของภาคอุตสาหกรรมและผูบริโภค มีการใชงานอยางกาวขวางรวมทั้งมี ราคาที่แขงขันตอการใชงานในแตละประเภท ทั้งนี้แนวโนมสําคัญที่สงผลตอเทคโนโลยีการระบุตําแหนง ใน อนาคตคือ การระบุตําแหนงที่เพิ่มความแมนยํา รวมกับการวิเคราะหขอมูลจากสภาวะแวดลอม และใหบริการ ขอมูลที่ปลอดภัยสําหรับผูใชงาน ในสวนของระบบดาวเทียมนําทาง กําลังเขาสูยุคของดาวเทียมหลายระบบ (multi-constellation) คือระบบดาวเทียมจีพีเอส (สหรัฐอเมริกา) โกลนาส (รัสเซีย) กาลิเลโอ (ยุโรป) ไปโตว (จีน) IRNSS (อินเดีย) และ QZSS (ญี่ปุน) ที่ใกลจะเสร็จสมบูรณ หรืออยูระหวางการปรับปรุงคุณภาพ นอกจากนี้ยังการเปดใชงาน สัญญาณหลายความถี่ ตั้งแต L1, L2 และ L5 เปนตน

141 ในสวนของอุปกรณภาครับ มีการพัฒนาอุปกรณที่มีความหลากหลาย ทั้งนี้เพื่อตอบสนองตอแนวโนม เทคโนโลยีมหภาคเชน อินเทอรเน็ตเพื่อทุกสรรพสิ่ง (IoT) และขอมูลขนาดใหญ (big data) อีกทั้งยังมีปจจัย สําคัญในระบบการระบุตําแหนงในอนาคตทีส่ ําคัญ 3 ดาน ไดแก 1. การระบุตําแหนงในทุกสภาวะแวดลอม รวมกับเซ็นเซอรและระบบอื่น ๆ ผูใชงานสามารถใชงาน ระบบภายนอกอาคารเชื่อมตอไปยังภายในอาคารไดอยางราบรื่น (ยังไมสมบูรณ แตละจะไมมีรูปภาพ หรือตาราง เอกสารอางอิง เพิ่มเติม) 2. เทคโนโลยีอัตโนมัติและสภาวะแวดลอมอัจฉริยะ ที่มีความนาเชื่อถือในระดับเหมาะสมตอการใชงาน อัตโนมัติ เชน รถยนต เรือ การรอนลงจอด การเขาจอดยานพาหนะ โดยสามารถปรับตัวไปตาม สภาวะแวดลอมอยางชาญฉลาด (ยังไมสมบูรณ แตละจะไมมีรูปภาพ หรือตาราง เอกสารอางอิง เพิ่มเติม) 3. ความปลอดภัยขอมูล ผูใชงานมีความปลอดภัยในการใชงาน และระบบมีการปกปองขอมูลสวนบุคคล จากการเผยแพรหรือการบุกรุกผานเครือขายตาง ๆ (ยังไมสมบูรณ แตละจะไมมีรูปภาพ หรือตาราง เอกสารอางอิง เพิ่มเติม) 4.2.1 เทคโนโลยี ด าวเที ย มนํ า ทางหลายระบบ (multi-constellation) และหลายความถี่ (multi-frequency) แนวโนมสําคัญของเทคโนโลยี GNSS คือระบบดาวเทียมนําทางที่สามารถใชงานไดมากขึ้น ดังนั้น ผูใชงานสามารถที่จะใชประโยชนจากจํานวนดาวเทียมมากขึ้น ในการเพิ่มประสิทธิภาพของการระบุตําแหนง หรือการใหบริการที่เกี่ยวของ โดยเฉพาะอยางยิ่งเมื่อนํามาใชเสริม (augmentation) ในระบบ เทคนิ ค SBAS และ DGNSS จะช ว ยให ร ะบบความแม น ยํ า (accuracy) และความน า เชื่ อ ถื อ (integrity) SBAS รุนที่ 2 รองรับความถี่เดียวและสองความถี่ รวมทั้งคาแกไขที่คํานวณมาจากระบบดาวเทียม นําทางหลายระบบ เทคนิค PPP และ RTK มีความสําคัญตอการเพิ่มความแมนยําในระดับเซ็นติเมตร ในขณะที่เทคนิค A-GNSS ชวยใหระบบสามารถใชงานได (availability) ดีขึ้น ใชเวลา Time-to-first-fix (TTFF) และรวมทั้งใช กําลังงานต่ําลง [30] เทคนิค PPP รวมกับ floating solution ใหความแมนยําแนวราบประมาณ 5 ถึง 10 เซนติเมตร แตเมื่อได fixed solution ความแมนยําแนวราบจะลดลงเหลือประมาณ 2 เซนติเมตร [30] อยางไร ก็ ดี เวลาที่ใชในการลูเขา (converged time) ยังนานอยู ดังนั้นในอนาคตจะลดลงไดจากปจจัยตาง ๆ เชน ความเร็วในการประมวลผลของเครื่องรับ จํานวนความถี่สูงขึ้น รวมทัง้ การใชระบบดาวเทียมนําทางหลายระบบ เขามาชวยกัน ในกรณีที่มีจํานวน 3 ความถี่ในการใชงานสามารถลดเวลาลูเขาลงดวยเทคนิค Triple Carrier Ambiguity Resolution (TCAR) ในภาคอุตสาหกรรมการบิน การใชประโยชนจาก GNSS เนนไปที่เทคโนโลยี GBAS และ SBAS รูปที่ 4.40 แสดงระบบ SBAS ในปจจุบันและที่กําลังอยูระหวางพัฒนา รวมทั้งรายละเอียดตาง ๆ โดยสรุป

142

รูปที่ 4.42 ระบบ SBAS ในปจจุบันและที่กําลังอยูระหวางพัฒนา [30] รูปที่ 4.43 แสดงตัวอยางบริการเชิงพาณิชยสําหรับเทคโนโลยีเสริมความแมนยํา (augmentation) [30]

รูปที่ 4.43 ตัวอยางบริการเชิงพาณิชยสําหรับเทคโนโลยีเสริมความแมนยํา [30]

143 4.2.2 การพัฒนาระบบดาวเทียมนําทางในอนาคต ในขณะนี้แตละประเทศอยูระหวางการดําเนินการปรับปรุงระบบดาวเทียมนําทางใหทันสมัยมากขึ้น เชน ในระบบดาวเทียมจีพีเอส และระบบดาวเทียมโกลนาส อยูระหวางการสงดาวเทียมรุนใหมเพื่อทดแทน ดาวเทียมเการะบบดาวเทียมกาลิเลโอ และระบบดาวเทียมไปโตวอยูระหวางการสงดาวเทียมดวงใหมครบ จํานวนตามที่วางแผนไวสําหรับในรุนแรก คาดกันวาภายในป ค.ศ 2020 จะมีดาวเทียมครบในระบบที่ออกแบบ และจะสามารถใหบริการทั้งโลกได สําหรับระบบดาวเทียม IRNSS และระบบดาวเทียม QZSS จะสงดาวเทียม ครบทั้งระบบภายหลังจากป ค.ศ. 2020 รูปที่ 4.44 แสดงแผนการใหบริการของดาวเทียมนําทางทุกระบบ

รูปที่ 4.44 แผนการใหบริการของดาวเทียมนําทางทุกระบบ [28] แนวโนมจํานวนดาวเทียมนําทางทุกระบบที่คาดวาจะมองเห็นได (visible satellites) ที่คามุมเงยสูง กวา 30 องศา ในป ค.ศ. 2020 แสดงในรูปที่ 4.45 โดยจะมีดาวเทียมนําทางจํานวนมากกวา 120 ดวงทั่วโลก และบริเวณที่สามารถมองเห็นดาวเทียมจํานวนสูงสุดคือบริเวณเขตพื้นที่เอเชียแปซิฟก

144

รูปที่ 4.45 แนวโนมจํานวนดาวเทียมนําทางทุกระบบที่คาดวาจะมองเห็นได (มุมเงยสูงกวา 30 องศา) ในป ค.ศ. 2020 [95] การที่มีดาวเทียมที่สามารถมองเห็นไดจํานวนมาก เปนผลดีตอผูใชงาน รูปที่ 4.46 แสดงยานความถี่ ของสัญญาณดาวเทียมนําทางที่ใชงานไดในอนาคต ดังนั้นอุปกรณภาครับสามารถที่จะเลือกใชเฉพาะสัญญาณที่ มีคุณภาพสูงได สําหรับความแมนยําระดับต่ําถึงกลาง สามารถใชความถี่เดียว เชน L1/E1/B1 หรือ L5/E5/B2 ก็เพียงพอ แตสําหรับความแมนยําสูงขึ้น เชน เทคนิค RTK, PPP นั้นจําเปนตองใชงานหลายความถี่เพื่อคํานวณ ความกํ า กวมของจํ า นวนเฟส สามารถเลื อ กใช ง าน 2 ความถี่ เ ช น L1+L2, L1+L5 หรือ 3 ความถี่ เ ช น L1+L2+L5 เปนตน

รูปที่ 4.46 ยานความถี่ของสัญญาณดาวเทียมนําทางที่ใชงานไดในอนาคต [30]

145 รูปที่ 4.47 แสดงแนวโนมจํานวนดาวเทียมที่จะสามารถใชงานได (รวมดาวเทียม SBAS) ตั้งแตป ค.ศ.

2010 จนถึงป ค.ศ. 2023 ซึ่งจะเห็นวาภายในป ค.ศ. 2023 จํานวนดาวเทียมมีมากกวา 140 ดวง

รูปที่ 4.47 แนวโนมจํานวนดาวเทียมที่จะสามารถใชงานได (รวมดาวเทียม SBAS) ตั้งแตป ค.ศ 2010 จนถึง ป ค.ศ. 2023 [30] 4.2.2.1 โครงการ GPS Modernization โครงการ GPS Modernization [1],[31], [32] ภายใตการดําเนินงานของกองทัพอากาศสหรัฐ มี แผนที่จะปรับปรุงระบบดาวเทียมนําทางจีพีเอสใหมีความทันสมัยเพิ่มมากขึ้น ซึ่งจะประกอบไปดวยฟงกชัน สําคัญดังตอไปนี้ o สัญญาณผูใชงานสาธารณะ จํานวน 4 สัญญาณคือ L1 C/A, L1C, L2C, L5 o สัญญาณทางทหาร จํานวน 4 สัญญาณคือ L1/L2 P(Y), L1/L2M เพื่อปองกัน การกวนสัญ ญาณ (jamming) หรือหลอกลวง (spoofing) o อุปกรณภาครับทางทหาร (Military GPS User Equipment, MGUE) o เดิมใชนาฬิการูบิเดียม (Cesium) ในอนาคตจะใชนาฬิกาอะตอมรูบิเดียมที่ปรับปรุงใหแมนยําขึ้ น หรือนาฬิกาซีเซียม (Cesium) o ระบบควบคุมการดําเนินงานยุคหนา (Next-generation operation control center, OCX) ซึ่งมี การปกปองขอมูลและการติดตามคุณภาพสัญญาณดาวเทียมที่ดีขึ้น o ระบบสามารถทํางานโดยปราศจากสถานีภาคพื้นดินไดหลายวัน

146

รูปที่ 4.48 สวนประกอบของระบบดาวเทียมนําทางจีพีเอสเดิม และระบบทันสมัยในอนาคต [31-32] รูปที่ 4.48 คุณสมบัติสําคัญในระบบดาวเทีย มนํา ทางจีพีเอสยุคใหม ไดแก การจัดการแบบใหม ความทนทานตอการกวนสัญญาณ การปองกันสัญญาณหลอก (anti-spoof) กําลังสัญญาณโคดทางทหาร (Mcode power) สูงขึ้น และการเขารหัสของโคดทางทหาร (M-code cryptography) แข็งแกรง เปนตน

รูปที่ 4.49 สวนประกอบของระบบดาวเทียมนําทางจีพีเอสเดิม และระบบทันสมัยในอนาคต [31-32]

147 Spoofing และ Jamming spoofing คือการสงสัญญาณโดยตั้งใจเพื่อลดคุณภาพหรือเปลี่ยนแปลงสัญญาณนําทางที่อุป กรณ เครื่องรับ นําไปประมวลผลตอไป อันจะสงผลใหผูใชงานไมสามารถคํานวณพิกัดตําแหนงไดเลย หรือไดคา ตําแหนงที่ผิดเพี้ยนไปจากตําแหนงจริงเปนอยางมาก การ spoof ถือเปนความเสี่ยงอยางมาก โดยเฉพาะอยาง ยิ่งหากเกิดขึ้นที่สถานีอางอิง ซึ่งจะสงคาแกตาง ๆ ไปยังเครือขายผูใชงาน ถึงแมวาตําแหนงของสถานีอางอิง มักจะทราบอยูแลว แตในการ spoof จะสามารถเปลี่ยนแปลงคาสะทอนหลายวิถี (multipath) และสัญญาณ รบกวน (noise) ในสัญญาณที่อุปกรณเครื่องรับตรวจวัดได จึงทําใหคาโคดและเฟสที่ไดรับ มีคาผิดเพี้ยนไปมาก ในสวน jamming คือการรบกวนสัญญาณคลื่นวิทยุหรือสัญญาณดาวเทียมใดๆ โดยการสงคลื่นเขา แทรกที่บริเวณความถี่เดียวกัน มีวัตถุประสงคหลักคือทําใหไมสามารถรับสัญญาณขอมูลได โดยในหัวขอ 4.2.5 มีการอธิบายความหมายและวิธีการปองกันหรือแกไขปญหาการ spoofing และ jamming โดยละเอียดไว ในระหวางปค.ศ. 2018 ถึง ป ค.ศ. 2033 กองทัพอากาศสหรัฐ มีแผนในการสงดาวเทียมรุน GPS III จํานวนทั้งสิ้น 32 ดวง แสดงดังรูปที่ 4.48 โดยในชวงป ค.ศ. 2018 ถึงป ค.ศ. 2023 เปนระยะการพัฒนา ทดสอบและสงดาวเทียม SV1 ถึง SV10 ซึ่งทุกดวงจะมีสัญญาณ L1c และ L5 นอกจากนี้มีสัญญาณ M-code เพื่อภารกิจทางทหาร มีกําลังเพิ่มขึ้น 5 dB จากบทความลาสุด [23] มีความเปนไปไดสูงที่จะเริ่มสงดาวเทียม 10 ในชวงเดือนกรกฎาคมถึงสิงหาคม ป ค.ศ. 2018 โดยจรวด Falcon 9 ของบริษัท SpaceX

รูปที่ 4.50 ตารางเวลาการสงดาวเทียมรุน GPS III ในชวงป 2018 ถึงป 2033 [31] สําหรับดาวเทียม SV11 จะมีการสงในชวงป ค.ศ. 2026 ในชวงเวลากอนที่จะทําการสงดาวเทียม SV11 อาจจะมีการเพิ่มเติมเทคโนโลยีทันสมัยมากขึ้น บางสวนที่มีอยูในแผนไดแก o บอร ด วงจรดิ จิ ทั ล โปรแกรมได ใ นวงโคจร (On-Orbit Reprogrammable Digital Payload, ORDWG) o วงจรขยายกําลังสูง (high power amplifiers) o สัญญาณโคดทางทหาร (M-code) ที่มีกําลังสูงขึ้นอีก 18 เดซิเบล o เซ็นเซอรตรวจวัดประจุแบบ energized charged particle (ECP) sensor

148 o บอรดวงจรสําหรับการคนหาและชวยเหลือ (search and rescue payload) o ระบบตรวจสอบ NUDET (NUDET Detection System , NDS) นอกจากนี้ยังมีชวงเวลากอนดาวเทียม SV17 SV23 และ SV27 ก็จะมีการเพิ่มเทคโนโลยีใหม ๆ เชนกัน สําหรับดาวเทียม SV17 เปนตนไปอาจจะมีขีดความสามารถในการใชสัญญาณ M-code ในบริเวณหนึ่ง เพิ่มเติม (enhanced M-Code Space Service Volume, SSV) การใชเลเซอรแ บบมีทิศทาง (Directional laser crosslinks) ทั้งนี้เพื่อเพิ่มขีดความสามารถในการปกปองระบบจากการบุกรุกหรือความเสี่ยงอื่น ๆ โดย หนวยงานที่รับผิดชอบคือหองปฏิบัติการวิจัยกองทัพอากาศ คาดวาภายในป 2033 ดาวเทียมรุนใหมทั้งหมด ของ GPS III จะถูกสงขึ้นวงโคจรเปนที่เรียบรอย อีกสวนสําคัญในโครงการ GPS Modernization คือระบบการควบคุมการดําเนินงานของดาวเทียม จี - พี เ อสยุคหนา (GPS Next-Generation Operational Control System, OCX) จะทํา หนาที่ควบคุม การ ทํางานของดาวเทียมจีพีเอสดั้งเดิมและดาวเทียมรุนใหม จัดการสัญญาณนําทาง และปกปองระบบจากการบุก รุก (cybersecurity) โดยระบบ OCX นี้ประกอบไปดวย 3 ระยะคือ o Block 0: เปนระยะการสงดาวเทียมรุน GPS III และตรวจสอบดาวเทียมทั้งหมด o Block 1: เปนระยะการจัดการสัญญาณนําทางทั้งหมด รวมทั้งสัญญาณทางทหารชุดใหม o Block 2: เปนระยะการเสริมคุณภาพ และการปกปองสัญญาณเพื่อการทหาร

รูปที่ 4.51 แผนภาพระบบ OCX เชื่อมตอกับองคประกอบของระบบดาวเทียมนําทางจีพีเอส [32]

149 4.2.2.2 ระบบดาวเทียมนําทางโกลนาส สําหรับระบบดาวเทียมนําทางโกลนาส มีแผนการสงดาวเทียมดังนี้ ป 2015-2017: โกลนาส-เอ็ม (GLONASS-M) 9 ดวง มีสัญญาณ L3 CDMA ป 2017++: สง โกลนาส-เค (GLONASS-K) ป 2020: ระบบ SDCM ใหบริการ ดวยดาวเทียมวงโคจรคางฟาจํานวน 3 ดวง ป 2021: สงดาวเทียมอัปเกรดครบถวน ตารางที่ 4.22 สัญญาณดาวเทียมในระบบโกลนาส

ระบบ SDCM มีพื้นที่บริการครอบคลุมประเทศไทย แสดงดังรูปที่ 4.52

รูปที่ 4.52 แผนที่แสดงพื้นที่การใหบริการของระบบ SDCM [88]

150 ระบบดาวเทียมนําทางกาลิเลโอ ระบบดาวเทียมนําทางกาลิเลโอ สามารถครอบคลุมพื้นที่ทั่วโลกรวมทั้งประเทศไทย ในปจจุบันระบบ ดาวเทียมนําทางกาลิเลโอไดเริ่มมีการใหบริการในเบื้องตนแลว แตจํานวนดาวเทียมที่สงขึ้นไปในวงโคจรยังมี จํานวนไมครบ คาดวาจะสงทั้งหมดขึ้นไปภายในป ค.ศ. 2020 อยางไรก็ดี ระบบ EGNOS ซึ่งเปนระบบ SBAS ชนิดหนึ่งไมครอบคลุมประเทศไทย แสดงดังรูปที่ 4.53

รูปที่ 4.53 พื้นที่ซึ่งระบบ EGNOS ครอบคลุม [81] รูปที่ 4.54 แสดงแผนการดําเนินการในแตละระยะเวลาการดําเนินการของระบบดาวเทียมนี้ จะเห็น วาหลังจากชวงป ค.ศ. 2015 เปนตนไปจะเปนระยะเวลาในการใชประโยชนจากระบบดาวเทียมที่สงขึ้นไปในวง โคจรทั้งหมด

รูปที่ 4.54 แผนการดําเนินการระบบดาวเทียมนําทางกาลิเลโอ [33]

151 ระบบดาวเทียมนําทางไปโตว ระบบดาวเทียมนําทางไปโตวสามารถครอบคลุมพื้นที่ทั่วโลก โดยมีระดับความผิดพลาดตําแหน ง ขึ้นอยูกับพื้นที่ ในสวนประเทศไทย ระดับความแมนยําทั้งแนวนอน และแนวตั้งจากสัญญาณ B1 อัปเดตลาสุด ป 2016 [36] คือ ไมเกิน 10 เมตร แสดงดังรูปที่ 4.55

รูปที่ 4.55 ความแมนยําแนวนอน (horizontal) และแนวตั้ง (vertical) [36] จากแผนที่นําทางการพัฒนาระบบดาวเทียมไปโตวซึ่งมีชวงเลาใน 3 ระยะนั้น จะเห็นวาตั้งแตป ค.ศ.

2017 เปนตนไปจะอยูในชวงสงดาวเทียมเพิ่มเติมเพื่อนําไปสูการใหบริการที่ครอบคลุมทั้งโลก

รูปที่ 4.56 แผนการดําเนินการ 3 ระยะของระบบดาวเทียมไปโตว [34-35]

152 นอกจากนี้ในระบบดาวเทียมนี้มีแผนงานในอนาคตไดแก ระบบดาวเทียมไปโตว-2(Beidou-2) 2017 เผยแพรเอกสาร ICD สําหรับสัญญาณ B1c, B1a 2018 ปรับปรุงความเสถียรและความแมนยําในระบบไปโตว สงดาวเทียมสํารอง Beidou-2 จํานวน 2 ดวง ระบบดาวเทียมไปโตว-3(Beidou-3) 2017 สงดาวเทียมไปโตว-3 (Beidou-3) วงโคจร MEO จํานวน 6-8 ดวง 2018 สงดาวเทียมไปโตว-3 (Beidou-3) วงโคจร MEO จํานวน 10 ดวง ดาวเทียมบนวง โคจร GEO จํานวน 1 ดวง 2019-2020 สงดาวเทียมไปโตว-3 (Beidou-3) วงโคจร MEO จํานวน 6 ดวง ดาวเทียมบนวง โคจร GEOจํานวน 2 ดวง ดาวเทียมบนวงโคจร IGSOจํานวน 3 ดวง 2020 ระบบดาวเทียมไปโตว มีดาวเทียมจํานวน 35 ดวง (5 GEO, 27 MEO, and 3 IGSO) ใหบริการทั้งโลก ในสวนระบบ GBAS/SBAS นั้น มีแผนการดําเนินการดังนี้คือ ป 2018 ระบบ ไปโตว-จีบาส (Beidou-GBAS) เฟส 2 เสร็จสมบูรณ (ความแมนยําระดับเมตร สําหรับพื้นที่สวนใหญในประเทศ ระดับเซนติเมตรสําหรับพื้นที่หนาแนน และระดับ มิลลิเมตรสําหรับบริกาคํานวณภายหลัง post processing) ป 2019 ปรับปรุงเครือขายสถานีภาคพื้นดินที่เกี่ยวของ ป 2020 สงดาวเทียม (GEO) จํานวน 2 ดวง และเริ่มบริการ SBAS ในประเทศจีนและบริเวณ ใกลเคียง ป 2030 ระบบ PNT แหงชาติเสร็จสมบูรณ เปาหมายการใชงาน แผนการพั ฒ นาสถาป ต ยกรรมระบบเสริ ม ความแมน ยํ า (Augmentation System) ของระบบ ดาวเทียมไปโตว แบงไดเปน 4 ระดับ ไดแก 1. ระบบดาวเทียม ( Layer) ทําการมอนิเตอรวัด integrity ของระบบ ไดแก ไปโตว จีพีเอส กาลิเลโอ และโกลนาส โดยเน น ไปที่ ส ถานีฐ าน การทํา งานของดาวเที ย ม ลิ ง คร ะหว า งดาวเที ย ม (Inter Satellite Links) 2. การเสริมความแมนยําพื้นที่กวาง (Wide area augmentation Layer) คือระบบ SBAS ทําการสงคา ผลตางความผิดพลาด มีการมอนิเตอรคา intrgrity และใหบริการ PPP

153 3. การเสริมความแมนยําพื้นที่ทองถิ่น (Local area augmentation Layer) ประกอบไปดวยเครือขาย สถานี CORS และระบบ GBAS ทําการสงคาผลตางความผิดพลาด มีการมอนิเตอรคา intrgrity และ ใหบริการ RTK 4. ผูใชงาน (User layer) มีการพัฒนาอุปกรณเครื่องรับ SBAS GBAS และ CORS แสดงดังรูปที่ 4.57

รูปที่ 4.57 แผนการพัฒนาสถาปตยกรรมระบบเสริมความแมนยํา [37] การบริการของระบบ GBAS รวมกับระบบดาวเทียมไปโตวหรือ BDGBAS

154 ตารางที่ 4.23 รายละเอียดและขอกําหนดของระบบ BDGBAS ระบบ ไปโตว ไปโตว ดาวเทียม วิธีการเสริม ความแมนยํา

ไปโตว

ไปโตว/จีพี ไปโตว/จีพี เอส/โกล เอส นาส พื้นที่กวาง พื้นที่ Post 2 ความถี่ ทองถิ่น processing เรียลไทม เรียลไทม ระดับ คาเฟสคลื่นพาห RTK มิลลิเมตร

พื้นที่กวาง 1 ความถี่ เรียลไทม คาเฟสคลื่นพาห

ควา มแ ม น ยํ า แนวราบ

พื้นที่กวาง 1 ความถี่ เรียลไทม คาระยะทาง เทียม ระดับเมตร (95%)

ระดับเมตร (95%)

ระดับต่ํากวา เมตร (95%)

ควา มแ ม น ยํ า แนวตั้ง

ระดับเมตร (95%)

ระดับเมตร (95%)

ระดับต่ํากวา เมตร (95%)

ขอมูลสงจาก ระบบ (broadcasting dat)

คาวงโคจร คาวงโคจร คาวงโคจร ละเอียด ละเอียด ละเอียด ไบอัสดาวเทียม ไบอัสดาวเทียม ไบอัสดาวเทียม ดีเลยจากชั้นไอ ดีเลยจากชั้นไอ ดีเลยจากชั้นไอ โดนสเฟยร โดนสเฟยร โดนสเฟยร วิธีการสงขอมูล ดาวเทียม ดาวเทียม ดาวเทียม คลื่นวิทยุ คลื่นวิทยุ คลื่นวิทยุ ระบบ ระบบ ระบบ โทรศัพทเคลื่อนที่ โทรศัพทเคลื่อนที่ โทรศัพทเคลื่อนที่

ระดับ เซ็นติเมตร (RMS) ระดับ เซ็นติเมตร (RMS) คาแกไข

ระดับ มิลลิเมตร (RMS) ระดับ มิลลิเมตร (RMS) Post processing

ระบบ โทรศัพท เคลื่อนที

อิน เทอรเน็ต

155 ตารางที่ 4.24 ประเภทการบริการจากระบบ BDGBAS ระบบ ไปโตว ไปโตว ไปโตว ดาวเทียม จํานวนผูใชงาน ไมจํากัด ไมจํากัด ไมจํากัด กลุมผูใชงาน คนทั่วไป คนทั่วไป คนทั่วไป เปาหมาย ยานพาหนะ ยานพาหนะ ยานพาหนะ วัตถุ วัตถุ วัตถุ

อุปกรณ

ไปโตว/จีพี ไปโตว/จีพีเอส เอส/โกลนาส 10 6 ไมจาํ กัด ระบบที่ตองใช การตรวจจับ ความแมนยํา แผนดิน ระดับ เคลื่อนที่ การ เซ็นติเมตร เลื่อนตําแหนง ระดับมิลลิเมตร สมารทโฟน สมารทโฟน สมารทโฟน อุปกรณ เซ็นเซอรอยูนิ่ง อุปกรณสวมใส อุปกรณสวมใส อุปกรณสวมใส hand-held หรือติดกับวัตถุ (wearable (wearable (wearable devices) devices) devices) อุปกรณนําทาง อุปกรณนําทาง อุปกรณนําทาง แทบเล็ต เปน แทบเล็ต เปน แทบเล็ต เปน ตน ตน ตน

ในภาพรวม การดําเนินการวิจัยและพัฒนาและการเตรียมความพรอมสูภาคอุตสาหกรรมของระบบ ดาวเทียมไปโตวยุคใหม มีเปาหมายเพื่อใหมีความแมนยําสูง ลดพลังงาน ผลิตภัณฑขนาดเล็ก และนําไปสูการ ใชงานอยางกวางขวางในระดับ 100 ลานชิ้น เชื่อมเทคโนโลยี ที่พรอมสูภาคอุตสาหกรรมไปยังการใชงานดาน ไอที และรว มกั บ กลยุท ธ ข องชาติ เช น โครงการเส น ทางสายไหม (Belt and Road) โครงการหลอมรวม Beijing-Tianjin-Hebei โครงการ Yangtze river economic belt และอื่ น ๆ ขั บ เคลื่ อ นการร า งระเบี ย บ ขั้นตอน กฎหมายเกี่ยวของกับการนําทางดาวเทียมในประเทศจีน ปรับปรุงและพัฒนาภาคอุตสาหกรรมนี้ สราง ecosystem ของการบริการและการประยุกตใชงานเทคโนโลยีไปโตว สงเสริมนวัตกรรมการใชงานรวมกับการ หลอมรวมเครือขาย การเก็บขอมูล อุปกรณเครื่องรับที่สอดคลองกัน รวมไปถึงการระดมทุนตาง ๆ ระบบดาวเทียมนําทาง QZSS ระบบ QZSS ใหบริการ 3 ประเภท [83] ไดแก o GPS complimentary (L1 C/A, L1c, L2c และ L5) บริการระบุตําแหนงปกติ o GNSS augmentation (L1S) เพื่อเพิ่มความแมนยําชนิด o Sub-meter Level augmentation Service (SLAS) o Centimeter Level augmentation Service (CLAS) o Messaging service (L6)

156 สําหรับระบบ SBAS ดวยสัญญาณ L1Sb จะเริ่มใหบริการในป 2020 [83] ระบบดาวเทียมนําทาง QZSS ใหบริการพื้นที่บริเวณเอเชียแปซิฟก และสามารถครอบคลุมประเทศ ไทย จากรูปที่ 4.56 เสนคอนทัวรบงบอกจํานวนชั่วโมงที่แตละพื้นที่รับสัญญาณได จะเห็นวาประเทศไทย จะ รับสัญญาณจากดาวเทียม QZSS ไดตลอด 24 ชั่วโมง แตมุมเงยจะไมไดอยูเหนือหัวเหมือนกับประเทศญี่ปุน และทวีปออสเตรเลีย

รูปที่ 4.58 พื้นที่บริการของดาวเทียมระบบ QZSS [64]

องศา

แตจากรูปที่ 4.59 แสดงใหเห็นวาในประเทศไทยจะสามารถรับสัญญาณได 90% ที่มุมเงยสูงกวา 10

รูปที่ 4.59 พื้นใหบริการของระบบดาวเทียมนําทาง QZSS [65]

157 จากการทดลองในประเทศออสเตรเลียพบวา ระบบ QZSS สามารถใหบริการ PPP ไดโดยมีความ แม น ยํ า แนวราบในระดั บ 5 เซ็ น ติเ มตร และแนวตั้ ง 10 เซ็น ติ เ มตร แต ใช เ วลาถึ ง 2 ชั่ ว โมงในสํ า หรั บ convergence time เพื่อใหความแมนยําในระดับนี้ ในการใชงาน PPP ที่มีการแกไขคาดีเลยชั้นไอโอโนสเฟยร นั้ น จํ า เป น ต อ งมี ก ารจํ า ลองค า ที่ ดี เ ลย ที่ แ ม น ยํ า ในแต ล ะบริ เ วณ ซึ่ ง ค า ดี เ ลย ที่ ไ ด จ าก แผนที่ Global Ionospheric Maps (GIM) มีความละเอียดไมเพียงพอ ถึงแมวาจะใชคาจาก GIM ก็ไมไดลดเวลาในการคํานวณ มากนัก ในขณะนี้คาปริมาณอิเล็กตรอนสุทธิจริงนั้นจะชวยลดเวลาคํานวณลงได แตมีปริมาณเกินกวาที่ระบบ จะรองรับไดในขณะนี้ แผนการดําเนินการระบบดาวเทียม QZSS [27] แสดงดังรูปที่ 4.58 โดยสงดาวเทียมจํานวน 4 ดวง แรก ภายในป 2017 เปนที่เรียบรอยแลว [63] หลังจากนั้นจะใหบริการกลุมดาวเทียม จนถึงป 2022 ซึ่งระบบ ดาวเทียมจะมีจํานวนดาวเทียมครบ 7 ดวงตามที่วางแผนไว รูปที่ 4.61 แสดงตําแหนงดาวเทียมทั้งหมดใน ระบบ QZSS เมื่อทําการสงโดยสมบูรณเรียบรอยแลว

รูปที่ 4.60 แผนการดําเนินการระบบดาวเทียม QZSS [36]

158

รูปที่ 4.61 ตําแหนงดาวเทียมทั้งหมดในระบบ QZSS [37] 4.2.2 อุปกรณภาครับ เทคโนโลยีอุปกรณภาครับสําหรับผูใชงาน ในปจจุบันมีความหลากหลายมาก มีตั้งแตชิปประมวลผล ขนาดเล็กที่มีพลังงานต่ําสําหรับแตละโหนดในเครือขาย IoT ไปจนถึงเครื่องรับสัญญาณในอากาศยานซึ่งมี ขนาดใหญกวา มีการประมวลผลไดซับซอนขึ้นและมีการราคาแพงกวา โดยในปจจุบัน มีการนําเสนออุปกรณ ภาครับรุนใหม ๆ จํานวนมากเขาสูตลาดเพื่อตอบสนองการใชง านสมัยใหม และสวนหนึ่งเปนผลลัพธข อง พัฒนาการในภาคอตุสาหกรรมอิเล็กทรอนิกส กอปรกับระบบดาวเทียมนําทางเดิมก็ไดรับการปรับปรุงใหมี ประสิทธิภาพสูงขึ้น และยังมีระบบดาวเทียมนําทางระบบใหม ๆ จากหลายประเทศ ปจจัยสําคัญที่สงผลตอการพัฒนาอุปกรณภาครับมี 3 ปจจัย แสดงดังรูปที่ 4.60 ไดแก 1. การเขาถึงขอมูลทุกที่ ตลอดเวลา (ubiquity) 2. ระบบอัตโนมัติและสภาวะแวดลอมอัจฉริยะ(automation and ambience intelligence) เชน รถยนตอัตโนมัติหรือกึ่งอัตโนมัติ สามารถตรวจสอบสภาวะแวดลอมและปรับตัวไปตามนั้น 3. ระบบที่ทนทาน (robust) และปลอดภัยขึ้น (secure) โดยเฉพาะอยางยิ่งตอการตัดสัญญาณ การ รบกวนสัญญาณ รวมทั้งสิทธิสวนบุคคล

รูปที่ 4.62 ปจจัยสําคัญที่สงผลตอการพัฒนาอุปกรณภาครับ (ดัดแปลงจาก [30])

159 อุปกรณภาครับมีการใชงานดาวเทียมนําทางหลายระบบ โดยจะสามารถรับไดถึง 4 ระบบ อยางไรก็ ดี ในกรณีอากาศยานการใชงานดาวเทียมหลายระบบจะชา กวา เนื่อ งจากตองรอการออกกฏระเบีย บและ มาตรฐานที่เกี่ยวของกอน สําหรับการใชงานหลายความถี่ จะเพิ่มขึ้นอยางชา ๆ นําโดยผูใชงานที่ตองการความ แมนยําสูง เนื่องจากราคาของชิปที่ผลิตจะสูงกวาและกินพลังงานมากกวา อีกทั้งเพิ่งเริ่มมีสัญญาณสองความถี่ที่ เปดใหใชงาน เชน L1+L5, E1+E5 เปนตน อุปกรณภาครับคุณภาพสูงอาจจะเริ่มใชประโยชนจากสามความถี่ ซึ่งใหความละเอียดแบบ Triple-carrier ambiguity solution (TCAR) เชน L1+L2+L5 ไดเชนกัน แนวโนมสําคัญตอการผลิตอุปกรณเครื่องรับ ไดแก 1. การสเกลแบบ MtM (more than Moore scaling) เนื่องจากการลดขนาดวงจรดิจิทัลโดยเฉพาะอยางยิ่งขนาดของทรานซิสเตอรทําไดชาลงไปเรื่อย ๆ ตามกฏของมัว ร (Moore’s law) แสดงดังรูป ที่ 4.63 ดังนั้นจึง นํา ไปสูการสเกลแบบ MtM เปน แนวโนมในการประยุกตหลัก การออกแบบวงจรดิจิทัล ไปสูว งจรอนาลอกเพื่อ ใหมีขนาดเล็กลง รวมทั้งแปลงวงจรอนาลอกใหเปนดิจิทัล ซึ่งนาจะมีผลตอการรวมวงจรภาคสวนความถี่วิทยุ RF ลง ในชิปเดียวกันได

รูปที่ 4.63 การพัฒนาไมโครโปรเซสเซอรในชวง 40 ปที่ผานมา [30] 2. เทคโนโลยีเครื่องรับกําหนดโดยซอฟตแวรสําหรับจีเอ็นเอสเอส (software defined receiver) แนวทางการออกแบบในลักษณะนี้คือจะใชสายอากาศและวงจรสวนหนา RF ของเครื่องรับตามปกติ แตจะใชทรัพยากรในเครื่องของผูใชงานชวยประมวลผลสัญญาณดิจิทัลแทน รูปที่ 4.62 แสดงการ เปรียบเทียบระหวางแนวทางการออกแบบเดิมและเทคโนโลยีใหม แมวาแนวทางนี้จะชวยใหการ ออกแบบฮารดแวรในอุปกรณรับสัญญาณดั้งเดิมทําไดยืดหยุนมากขึ้น แตจะไปเพิ่มโหลดการทํางาน ที่ผูใชงานมากขึ้นดวย

160

รูปที่ 4.64 การเปรียบเทียบระหวางแนวทางการออกแบบอุปกรณเครื่องรับสัญญาณแบบดั้งเดิมและแบบ กําหนดดวยซอฟตแวร [30] 3. การออกแบบเครื่องรับสัญญาณ เครื่ อ งรั บ สั ญ ญาณประกอบไปด ว ยหลายส ว นได แ ก สายอากาศ (antenna) เพื่ อ รั บ สั ญ ญาณ ดาวเทียม วงจรสวนหนา RF (วงจรขยาย วงจรแปลงความถี่ลง) เพื่อแปลงสัญญาณดาวเทียมความถี่ สู ง ให มีค วามถี่ ต่ํ า ลง บล็ อ กประมวลสั ญ ญาณเบสแบนด (baseband processing) เพื่ อ ทํา การ ประมาณตําแหนงดาวเทียมและเวลาที่ใชจากดาวเทียมมายังเครื่องรับสัญญาณสุดทายคือ บล็อก ประมวลคาตําแหนง ความเร็วและเวลา (PVT processing) ซึ่งทําการคํานวณตําแหนง ความเร็ว และเวลาของเครื่องรับ การพัฒนาเครื่องรับสัญญาณที่สําคัญ เนนไปที่สวนประกอบดังตอไปนี้ o สายอากาศ (antenna) o กําจัดสัญญาณสะทอน multipath o มีการใชงานหลากหลายความถี่ o บล็อกประมวลสัญญาณเบสแบนด (baseband processing) o เพิ่มจํานวนแชนแนล ซึ่งรวมสัญญาณจากเซ็นเซอรดวย o ลดผลกระทบจากสัญญาณสะทอน multipath o บล็อก PVT o ทํางานกับระบบดาวเทียมเดียว หรือหลายระบบ o ใชงานสําหรับ ความถี่เดียว, D, RTK, PPP

161 4. การประมวลผลสัญญาณ o การแทร็กสัญญาณเวกเตอร (Vector tracking) เปนการรวมขั้นตอนการหาสัญญาณ (acquisition) และการแทร็กสัญญาณ (tracking) เขา ด ว ยกั น เพื่ อ ช ว ยเพิ่ ม ความไวในการรั บ สัญ ญาณ และลดการแทรกสอดสั ญ ญาณ แตใ ช พลังงานเพิ่มสูงขึ้นเปนอยางมาก o การประมวลผลบนคลาวด (Cloud processing) และเครื่อ งรับ ชว งเวลาสั้น (snapshot receiver) การประมวลผลสัญ ญาณดิจิทัลบนคลาวด แทนที่จะประมวลผลในชิป ASIC บนเครื่องรั บ สัญญาณดั้งเดิม หรืออุปกรณผูใชงาน จะเปนการลดพลังงานที่ใชงานบนอุป กรณลง โดย อาจจะทํางานรวมกับเทคนิคเครื่องรับชวงเวลาสั้น ซึ่งบันทึกสัญญาณดาวเทียมมาเก็บไว และ ประมวลผลในระหวางที่ผูใชงานอยูภายในอาคารก็ได แนวโนมสําคัญเกิดจากการที่อุปกรณเครื่องรับสองความถี่มีราคาต่ําลง และจะเริ่มมีการใชง านใน อุปกรณโทรศัพทเคลื่อนที่ ในขณะที่อุปกรณเครื่องรับหนึ่งความถี่เองก็มีประสิทธิภาพในการทํางานสูงขึ้นดวย นอกจากนี้เอง บอรด OEM จากผูผลิตสามารถรับสัญญาณไดจากดาวเทียมหลายระบบ มีคุณภาพสูงขึ้นและมี ราคาถูกลง อาทิเชน ชิปรุน LX1101 สําหรับสมารทโฟนความละเอียดสูง สามารถรับสัญญาณ ไปโตว (B1) จีพี เอส (L1) โกลนาส (L1) สามารถระบุตําแหนงดวยระบบดาวเทียม 1 ระบบ (ไปโตว หรือ จีพีเอส) การระบุ ตําแหนงดวยระบบดาวเทียม 2 ระบบ (ไปโตว + จีพีเอส) ได และรองรับการเชื่อมตอระบบบ Bluetooth WiFi รองรับการตําแหนงความละเอียดสูง ระบบ A-GNSS บางอุปกรณทําหนาที่ชวยใหอุปกรณมือถือปจจุบันให การระบุตํา แหนง ความละเอีย ดสูง ได เชน อุป กรณ Magic Box หรือ M20 เปน ตน [34] โดยรับ สัญ ญาณ ดาวเทียมไปโตวความละเอียดสูงผานเครือขาย 3G/4G แลวเชื่อมตอกับโทรศัพทมือถือผาน Bluetooth

(ก) (ข) (ค) รูปที่ 4.65 ตัวอยางอุปกรณรับสัญญาณ (ก) อุปกรณรับสัญญาณหลายระบบ (multi-GNSS) (ข) Magic Box (ค) MG20 [34]

162 จากบริษัท ComNav, Co. Ltd. บริษัท u-Blox เปนตน ในชวงเดือนกันยายน พ.ศ. 2560 บริษัท Broadcom ไดประกาศอยางเปนทางการวา ไดผลิตชิปประมวลผลรุน BCM47755 ซึ่งเปนอุปกรณภ าครับ สัญญาณแบบสองความถี่ (L1/E1 และ L5/E5) เหมาะสําหรับอุปกรณสื่อสารเชน โทรศัพทมือถือ แทบเล็ต และอุปกรณอิเล็กทรอนิกสสวมใส (wearable) อันจะสงผลกระทบตอการใชงานการระบุตําแหนงความแมนยํา ระดับเซนติเมตรในวงกวาง [42]

รูปที่ 4.66 บอรด OEM สําหรับความถี่ L1 ในทองตลาด [36], [43] แนวโนม สํ า คัญ ในอนาคต คือ การใช อุ ป กรณเ ครื่อ งรับ RTK ราคาต่ํา (low-cost receiver) รั บ สัญญาณดาวเทียมนําทางหลายระบบ (multi-constellation) รวมกับสายอากาศคุณภาพสูง (survey grade antenna) ซึ่งสามารถที่จะลดผลกระทบจากการสะทอนหลายวิถีได โดยทํางานผานเครือขายการสื่อสาร จาก บทความในนิตยสาร GPS Solution [44] ไดทําการทดลองใชงานเครื่องรับสัญญาณแบบหนึ่งความถี่ยี่หอ uBlox รุน EVK-M8T รับสัญญาณจากระบบจีพีเอสรวมกับระบบไปโตว โดยใชเปรียบเทียบการใชสายอากาศ แบบ patched antenna กั บ สายอากาศรุ น Trimble Zephyr 2 พบว า เมื่ อ ใช ส ายอากาศรุ น Trimble Zephyr 2 ใหประสิทธิภาพที่ดี คือใหความแมนยําในระดับเซนติเมตร ทั้งในแนวนอน (ทิศเหนือ ตะวันออก) และแนวตั้ง แสดงดังรูปที่ 4.67

รูปที่ 4.67 ความผิดพลาดตําแหนงในแนวนอนและแนวตั้งเมื่อทดสอบเครื่องรับ u-Blox รุน EVK-M8T รวมกับสายอากาศ รุนTrimble Zephyr 2 [44]

163 บทบาทของโทรศัพทมือถือสําหรับการระบุตําแหนงอยางแมนยํา ถือเปนยุคใหมของ “Precise for Everyone” [45] และ “Position as a service” หนวยงาน CNES ในประเทศฝรั่งเศส [46] ไดพัฒนาแอป พลิเคชันบนโทรศัพทมือถือ เชน RTCM Converter [47] และ PPP WhizLite [48] เพื่อใหบริการแกประชาชน ทั่วไป ทั้งนี้โ ปรแกรม RTCM Converter ไดพัฒนาขึ้นเพื่อแปลงคา ที่วัดบนโทรศัพทมือถือใหอยูในรูป แบบ ฟอรแมต RTCM กอนที่จะสงไปยังหนวยประมวลผลภายนอก สวนโปรแกรม PPP WhizLite เปนเวอรชั น ขนาดเล็กลงของโปรแกรม PPP-Wizard client ทําหนาที่ป ระมวลผลคาระยะทางเทียมและคาด็อปเปลอร ร ว มกั บ คา ตํา แหน ง วงโคจรดาวเที ย มจากเครื อ ข า ยให บ ริ ก ารข อ มูล เช น IGS และคา แก ไ ขดี เ ลย จ ากชั้ น บรรยากาศไอโอโนสเฟยร ทําใหสามารถคํานวณตําแหนงแมนยําของโทรศัพทมือถือแบบเรียลไทมได โดยพบวา จากขอมูลระยะเวลา 5 นาที ในโหมดอยูกับที่ (static) ใหความแมนยําโดยเฉลี่ยต่ํากวา 1 เมตร ในโหมดเคลื่อน (kinematic) ที่ใหความแมนยําโดยเฉลี่ยในชวง 1-2 เมตร นอกจากนี้ยังมีหนวยงานอื่น ๆ เชน University of Texas at Austin, Finnish Geospatial Research Institute ซึ่งไดทดลองประมวลผลสัญญาณละเอียดจาก โทรศัพทมือถือเชนกัน การใชโทรศัพทมือถือเพื่อการระบุตําแหนงความละเอียดสูงในระดับประมาณ 1 เมตร จะมีความ แพรหลายมากยิ่งขึ้นในอนาคตอันใกล เนื่องจากในป 2016 บริษัทกูเกิลไดประกาศอยางเปนทางการ [49],[50] ว าจะเปดคาสัญ ญาณละเอีย ดหรือ เฟสคลื่น พาห เ พื่ อการใชง านได ในระบบปฏิบัติ ก ารแอนดรอยด รุน N (Nougat) นอกจากนี้ผูผลิตโทรศัพทมือถือหลายแหงไดประกาศวาจะเปดใหสามารถเขาถึงคาเฟสคลื่นพาหของ สั ญ ญาณดาวเทีย มนํา ทาง ในชิป รุนใหม ๆ เชน Nexus 9 tablet, Nexus 5x phone, Nexus 6p phone, Pixel phone and the Pixel XL phone เปนตน ในอนาคตโทรศัพทแอนดรอยดรุน N รวมกับชิปจีเอ็นเอส เอสหลั ง จากป 2016 จะรองรั บ การใช ง านสั ญ ญาณละเอี ย ด (raw measurement) รู ป ที่ 4.66 แสดง ประสิ ท ธิ ภ าพในการระบุ ตํ า แหน ง จากการประมวลผลสั ญ ญาณละเอี ย ดระบบจี พี เ อส จากโทรศัพ ท รุ น Samsung Galaxy S7 ใชชิปรุน Broadcom 4774 (รองรับระบบจีพีเอส โกลนาส กาลิเลโอ ไปโตว QZSS) โดยพบวาเมื่อประมวลผลคาเฟสของสัญญาณ ระยะทางเทียม คาด็อปเปลอร จะใหความแมนยําเฉลี่ยต่ํากวา 0.2 เมตร หรือแมแตระดับเซนติเมตร

(ก) (ข) รูปที่ 4.68 ประสิทธิภาพในการระบุตาํ แหนงของโทรศัพทมือถือ ในกรณี (ก) ไมชดเชยดีเลยชั้นไอโอโนสเฟยร และ (ข) ชดเชยดีเลยชั้นไอโอโนสเฟยร [51]

164 บริษัท Broadcom เตรีย มผลิตชิปเซ็ตนํา ทาง GPS รุนใหม "BCM47755" ที่จ ะพัฒ นาและเพิ่ ม ประสิทธิภาพความแมนยํามากขึ้น โดยจะมีการผิดพลาดไมเ กิน 30 เซนติเมตร ขณะที่รุนปจจุบันมีค วาม ผิดพลาดไมเกิน 5 เมตร และชิปดังกลาวมีการคาดการณวาจะถูกนําไปใชบนสมารทโฟนรุนตาง ๆ ในป 2018 เชน Samsung Galaxy S9/S9 Plus และ LG G7 เปนตน [61],[62]

รูปที่ 4.69 ชิปประมวลผลความถี่ L1 และ L5 รุน BCM47755 โดยบริษัท Broadcom [61] สําหรับระบบการทํางานของชิปรุน BCM47755 จะใชคลื่นสัญญาณ L1 และ L5 ใหทํางานรวมกัน สงผลใหมีความแมนยํามากกวาเดิมในเขตเมืองที่แออัด หรือสภาวะแวดลอมที่มีสิ่งขีดขวางบล็อกสัญญาณ ชิป รุนนี้จะมีการประหยัดพลังงานมากกวาเดิมถึง 2 เทา สาเหตุที่สัญญาณ L5 ชวยใหแกไขการสะทอนสัญญาณ หลายวิถี (multipath) ไดเนื่องจากวา มีขนาดสเปกตรัมที่แคบกวาของสัญญาณ L1 และทําใหสัญญาณสะทอน มีโอกาสซอนทับกับสัญญาณตรงนอยลงมาก ดังแสดงในรูปที่ 4.70

รูปที่ 4.70 สเปกตรัมของสัญญาณ L1 และ L5 เมื่อรวมสัญญาณสะทอน

165 บริษัทอื่นที่มีแนวทางในการพัฒนาสูความแมนยําระดับเซนติเมตร นี้คือ Bosch Geo++ Mitsubishi Electric และบริษัท U-Blox ซึ่งไดประกาศทําความรวมมือใหบริการในชื่อ Sapcorda Services เมื่อเดือน สิงหาคม พ.ศ. 2560 ในเบื้องตนคือการสงคาแกไขจากเครือขายสถานีฐานไปยังอุปกรณเครื่องรับ แตยังไมได ประกาศผลิตภัณฑที่ใชงาน สัญญาณ L1/L5 นอกจากอุปกรณเครื่องรับ แบบทั่วไป มีเครื่องรับสัญญาณอีกประเภทหนึ่งซึ่งไดรับความสนใจเปน อยางมาก คือเครื่องรับสัญญาณซอฟตแวร (Software receiver) ในบทความ [98] ไดพิจารณาเครื่องรับ 2 ชนิด สําหรับเครือขาย IGS ที่จําเปนตองมีการอัปเดตคุณสมบัติขั้นต่ําที่จําเปน (minimum requirement) ตอ เครือขาย ไดแก Super receiver และ Ultra receiver โดยที่ Super receiver มีสมบัติที่เหมาะสมตอเครือขาย IGS สามารถผลิตโดยเทคโนโลยีปจจุบัน มี คุณสมบัติดังตอไปนี้ o แทร็กสัญญาณดาวเทียม GNSS สาธารณะไดทุกชนิด o แทร็กสัญญาณเขารหัสลับเมื่อไมสามารถรับสัญญาณสาธารณะได o รองรับมาตรฐาน RINEX ลาสุด o สามารถดัดแปลงคุณสมบัติตาง ๆ (เชน วงจร correlation วงจร tracking ฯลฯ) ผานอินเทอรเน็ต o สามารถตรวจเช็กและลดจํานวน cycle slip ได o สามารถคํานวณสัญญาณ I และ Q ความถี่ไดถึง 50 Hz o ใหคาพารามิเตอรสําคัญออนไลนได o ราคาไมสูง สํ า หรั บ Ultra receiver เป น เครื่ อ งรั บ ที่ มี คุ ณ สมบั ติ สู ง มาก ต อ งมี ก ารบั น ทึ ก และประมวลผล คาพารามิเตอรตาง ๆ จะทําใหไดรับผลิตภัณฑขอมูลที่มีคุณภาพสูงสุด มีประโยชนสูงมาก เครื่องรับชนิด Ultra receiver ประกอบดัวยเครื่องรับพรอมหนวยบันทึกสัญญาณหลายเครื่อง แตละเครื่องมีคุณลักษณะแสดงดังรูป ที่ 4.71

รูปที่ 4.71 เครื่องรับชนิด Ultra receiver (1 แชนแนล) [98]

166 เครื่ อ งรั บ สั ญ ญาณแตล ะเครื่ อ งจะรับ สัญ ญาณ GNSS ทํา การลดความถี่ ล งมา (downconvert) จากนั้นแปลงเปนสัญญาณดิจิทัลดวยอัตราการแซมปลิ้งที่สูงมาก ปริมาณขอมูลมหาศาลนี้อาจจะคํานวณคา ตอไปแบบใกลเรียลไทม (near real-time) หรือภายหลังก็ได ยกตัวอยางเชน หากความถี่ของสัญญาณเทากับ 8 MHz อัตราการแซมปลิ้งขั้ นต่ําเทากับ 16 Msps ดังนั้นใน 1 วินาทีจ ะมีจํานวน 16 ลานคาที่ตองทํา การ จัดเก็บ หรือประมวลผลตอ ไป เครื่องรับ GNSS ซอฟตแวรในลักษณะนี้ไดรับความนิย มในการศึกษา วิจัย รวมทั้งมีบางบริษัทที่รับผลิต [99] มีการนําใชในการศึกษาผลกระทบของ Spoofing การประมวลผลสัญญาณ Multi-GNSS เปนตน ซอฟตแวรที่ใชประมวลผลเพื่อคํานวณสัญญาณ I และ Q หรือที่เรียกวา GNSS-SDR (Software-defined radio) สามารถดาวนโหลดซอฟตแวร Toolbox (โปรแกรม MALTAB) ออนไลน ไดจาก หลายแหลง เชน o GNSS SDR (http://gnss-sdr.org/) o Chameleon Chips (http://chameleonchips.com/) 4.2.3 อุตสาหกรรมเกี่ยวของกับระบบดาวเทียมนําทาง อุตสาหกรรมที่เกี่ยวของกับเทคโนโลยี GNSS แบงไดเปนหลายประเภทไดแก ดานขนสงและจราจร (Logistic/Transportation) การบริการที่เกี่ยวของกับตําแหนง (Location-based services) การประมง เปน ตน ทั้งนี้อุตสาหกรรมที่ใชประโยชนจากเทคโนโลยี GNSS มากที่สุดในประเทศไทยไดแก ดานขนสงและจราจร และการบริการที่เกี่ยวของกับตําแหนง (เนนอุปกรณมือถือ) เนื่องจากการสํารวจเกี่ยวกับภาคอุตสาหกรรม จําเปนตองมีการสํารวจและศึกษาโดยละเอียด ดังนั้นเนื้อหาในหัวขอเปนเพียงบางสวนที่ไดศึกษาเทานั้น การบริการที่เกี่ยวของกับตําแหนง (Location-based services) ในที่นี้จะสนใจเกี่ยวกับการใชงานผานอุปกรณมือถือ จากเว็บไซต www.statista.com [107] พบวา จํานวนผูใชงานสมารทโฟนในประเทศไทย ตั้งแตป 2013 จนถึง 2022 แสดงในรูปที่ 4.72 โดยพบวาในป 2017 มีจํานวนผูใชงานสมารทโฟนในประเทศไทยประมาณ 224 ลานหนวย และจะเพิ่มขึ้นเปน 270 ลาน หนวย ในป 2022 (ประชากร 1 คนอาจจะใชงานอุปกรณมากกวา 1 หนวย)

167

รูปที่ 4.72 การคาดการณจํานวนผูใชงานสมารตโฟนในประเทศไทย ตั้งแตป 2013 จนถึง 2022 [107] การขนสงและจราจร (Logistics/Transportation) เมื่อพิจารณาขอมูลจาก กลุมสถิติการขนสง กองแผนงาน กรมการขนสงทางบก (วันที่ 29 ก.พ.

2559) [108] พบวาประเทศไทยมีจํา นวนยานพาหนะทั้ งสิ้น 36,912,488 คัน แบง เปนประเภทหลัก ๆ ดังตอไปนี้ o รถยนตสวนบุคคล 8,276,398 คัน o รถใชงานเกษตรกรรม 103,378 คัน o รถบรรทุกสวนบุคคล (van, pickup) 6,167,296 คัน o รถโดยสาร 153,454 คัน o รถบรรทุก 1,033,403 คัน o รถใชงานเกษตรกรรม 103,378 คัน o รถจักรยานยนตสวนบุคคล Motorcycle 20,342,403 คัน จากบทความวิ เ คราะห โ ดยศู น ย วิ จั ย ไทยพาณิ ช ย (EIC) [109] คาดว า ภายในป 2018 ตลาด Connected GPS จะมีขนาดราว 1.3 หมื่นลานบาท และจะเติบโตอยางตอเนื่อง จากอุปสงคของอุตสาหกร รมการขนสงทางบกที่มีจํานวนรถโดยสารและรถบรรทุกรวมกันกวา 1.3 ลานคันทั่วประเทศในปจจุบันและมี แนวโนมเติบโตสะสมราว 6% ตอป ทั้งนี้ ผูจัดจําหนายและใหบริการ Connected GPS จะไดรับประโยชนจาก การซื้อเพื่อปรับปรุงเทคโนโลยีใหมตามรอบการใชงานที่จะหมดอายุลงทุก ๆ 3-5 ป นอกจากนี้ ผูใหบริการ Logistics Cloud จะไดรับ อานิสงสโ ดยตรงจากการเพิ่มขึ้นของผูใชงาน Connected GPS ผูประกอบการ ขนส ง ที่ ติ ด ตั้ ง ระบบ Connected GPS แล ว ควรต อ ยอดในการวิ เ คราะห ข อ มู ล ด ว ย Big Data เพื่ อ เพิ่ ม

168 ความสามารถในการแขงขัน โดยเทคโนโลยี Big Data จะเพิ่มความสามารถในการแขงขันดวยการสรางขอมูล เชิงลึกเพื่อใชวางแผนการขนสงใหเกิดความคุมคาสูงสุด นอกจากนี้ หากผูประกอบการขนสงรายใหญสามารถ สราง application สําหรับวิเคราะหขอมูลได จะชวยลดการพึ่งพาผูเชี่ยวชาญทางดานขอมูลจากภายนอก รวมถึงอาจสามารถตอยอดในการขาย application ใหกับผูประกอบการขนสงรายเล็กไดอีกดวย ในระยะเริ่มตน Connected GPS จะมีบทบาทชวยใหผูประกอบการสามารถติดตามขอมูลการขนสง สินคาไดอยางรวดเร็ว โดย Connected GPS เปนนวัตกรรมที่ไดรับ อานิสงสจากความเร็วในการสงขอมูลที่ เพิ่มขึ้น ทําใหผูประกอบการสามารถจับตาดูรถขนสงไดแบบ real-time ซึ่งจะชวยแกปญหาที่สะสมมานานใน อุตสาหกรรม เชน การขับออกนอกเสนทาง การใชความเร็วเกินกําหนด หรือแมกระทั่งการเบิกคาน้ํามันเกิน อัตรา จากกรณีศึกษาของบริษัท DHL ประเทศไทย พบวา การติดตั้ง Connected GPS ทําใหบริษัทสามารถ ลดการใชเชื้อเพลิงไดเกือบ 40% อีกทั้ง เทคโนโลยี Connected GPS นั้นมีความซับซอนไมมากนัก มีเพียง อุปกรณสงสัญญาณและการแสดงผลเทานั้น จึงทําใหผูประกอบการและคนขับสามารถปรับใชเทคโนโลยีได อยางรวดเร็ว ทั้งนี้ จากประโยชนขางตน กรมการขนสงทางบกจึงไดออกกฎขอบังคับใหรถบรรทุกและรถ โดยสารสาธารณะทุกคันตองติดตั้งระบบ Connected GPS ภายในป 2019 ซึ่งเปนอีกหนึ่งปจจัยสนับ สนุน สําคัญในการเรงใชเทคโนโลยีดังกลาวอีกดวย ในระยะตอมา Logistics Cloud และ Big Data จะถูกนํามาใชควบคูกับเทคโนโลยี Connected GPS เพื่ อ ใช วิ เ คราะห ก ารขนส ง สิ น คา ให มี ป ระสิ ทธิ ภ าพสู ง สุ ด ข อ มู ล ต า ง ๆ จาก Connected GPS เชน เส นทางการขนสงสินคา ความเร็ว สภาวะการจราจร และอัตราสิ้นเปลืองเชื้อ เพลิง จะถูก นํามาเก็บ ไว ที่ Logistics Cloud ที่มีตนทุนการเก็บขอมูลต่ํากวาเซิรฟเวอรแบบดั้งเดิมแตสามารถสงขอมูลไดรวดเร็วขึ้น และ เปนการสนับสนุนการนําเทคโนโลยี Big Data analysis เขามาวิเคราะหขอมูลขนาดใหญที่เก็บรวบรวมไวเพื่อ การดําเนินธุรกิจในอนาคต เชน วางแผนการขนสง คาดการณปริมาณสิน คา ประเมินโอกาสในการขนส ง เสนทางใหม ๆ เปนตน ซึ่งในที่สุดจะชวยสรางความสามารถในการแขงขันใหกับผูประกอบการขนสงอยางมาก อยา งไรก็ ต าม Big Data analysis เป น เทคโนโลยี ที่มี ค วามซับ ซ อ นสู ง จึ ง จํ า เป น ต อ งมี บุ ค ลากรที่มี ค วาม เชี่ยวชาญในการจัดการขอมูล สงผลใหผูประกอบการตองจัดเตรียมบุคลากรที่มีความเชี่ยวชาญกอนจึงจะ สามารถนําเทคโนโลยีนี้มาใชได ในสวนแอปพลิเคชันการเรียกใชบริการรถโดยสาร เชน รถยนต รถแท็กซี่และจักรยานยนต ใน ปจจุบันมีหลายบริษัทที่ใหบริการอาทิเชน บริษัท Grab Uber Taxi Beam All Thai Taxi PRO Taxi เปนตน จากบทความ [110] บริษัท Grab ไดรายงานวาในป 2017 ทั้งภูมิภาคอาเซียน มีจํานวนผูใชงาน 45 ลานคน และจํานวนคนขับ 930,000 คน และภายในป 2025 มูลคาตลาดในอาเซียน จะเทากับ 13,000 ลานดอลลาร (390,000 ลานบาท) โดยมูลคาในประเทศไทยจะเทากับ 2,000 ลานดอลลาร (70,000 ลานบาท) ในอนาคต คาดวาจะมีบริษัทที่ใหบริการยืมรถจักรยานผานแอพพลิเคชันในประเทศไทยอีกดวย ในประเทศไทยมีบริษัทที่เกี่ยวของกับการขนสงอัจฉริยะ (Intelligent Transportation System, ITS) จํานวนมากกวา 100 บริษัทและองคการ โดยจากเว็บไซตของสมาคมระบบขนสงและจราจรอัจฉริยะไทย [111] ได แ บ ง องค ก รและบริ ษั ท ที่ เ กี่ ย วข อ งกั บ ITS เป น หลายประเภทได แ ก เทคโนโลยี สื่ อ สาร

169 (Communication) ทางดวน หนวยงานรัฐ โครงสรางพื้นฐานดาน ITS การขนสงและการติดตาม (Logistics and Tracking) เทคโนโลยีการติดตาม (Navigator) แผนที่ บริการขนสงสาธารณะ ผูพัฒนาซอฟตแวร เปนตน นับตั้งแตเดือนกุมภาพันธ 2559 กรมการขนสงทางบกไดรับรองบริษัท GPS จํานวน 35 บริษัท [112] ที่สามารถติดตั้งระบบ GPS ในรถบรรทุกและรถโดยสารสาธารณะได ดานประมง ประเทศไทยมีจํา นวนเรือประมงมากกวา 40,000 ลํา ที่ลงทะเบีย น [113] แสดงดังรูปที่ 4.73 โดยประมาณ 80% เปนเรือขนาดเล็ก โดยในการแกปญ หาการประมงผิดกฎหมาย ซึ่งประเทศไทยได รับ ใบเหลืองจากสหภาพยุโรปตั้งแตวันที่ 21 เมษายน 2558 เปนตนมา ทําใหประเทศไทยจําเปนที่จะตองมีการ ติดตาม เฝาระวัง และตรวจสอบ ทั้งการการออกใบอนุญาตทําการประมงใหม รวมทั้งมีการพัฒนา ระบบ VMS (Vessel Monitoring System) ซึ่งอาศัยเครื่องรับ GNSS ในการติดตามเรือประมง

รูปที่ 4.73 จํานวนเรือประมงไทย [113]

170 การใหบริการเวลา Timing & Synchronization จากการสัมภาษณ ดร.ทยาทิพย ทองตัน สถาบันมาตรวิทยาเวลา UTC (NIMT) การใหบริการเวลา มี กลุมผูใชงานไดแก ตลาดหุนธนาคารสถาบันการเงินโทรคมนาคมแล็บสอบเทียบรวมถึงประชาชนทั่วไป โดยใน แตละวัน จํานวนครั้งที่ request ผาน NTP Server จํานวน 40 ลานครั้งตอวันในประเทศไทยมีหองปฏิบัติการ สอบเทียบเวลาจํานวน 30 แหง ระบบดาวเทียมนําทางมีประโยชนตอการใชงานในหลากหลายดาน อาทิเชน การทําแผนที่ การ สํารวจ การจราจรและโลจิสติกส การจราจรทางอากาศ กิจการรถไฟ การเดินเรืออากาศไรคนขับ อุปกรณ อิเล็กทรอนิกสสําหรับผูบริโภค เปนตน จากรายงานการตลาดเทคโนโลยีจีเอ็นเอสเอสประจําป 2017 โดยหนวยงาน European Global Navigation Satellite Agency (GSA) พิจารณาอุตสาหกรรมเกี่ยวของกับการใชบริการระบบดาวเทียมนําทาง แยกเปนสองสวนไดแก (1) อุปกรณ (devices) เชน เครื่องรับสัญญาณ และการบริการเสริมเพิ่มความแมนยํา (augmentation service) และ (2) บริการมูลคาเพิ่ม (added value services) เชน การบริการเกี่ยวของกับ การนําทางและระบุตําแหนง แอปพลิเคชันการจัดการรถบรรทุกและเรือขนสง แอปพลิเคชันมือถือ เปนตน โดยในรายงานไดประมาณการณวานับตั้งแตป 2015 เปนตนมา มูลคาตลาดในสวนของการบริการมูลคาเพิ่มสูง กวาสวนของอุปกรณและการบริการเสริมแลว กอปรกับคาดการณวาเทคโนโลยีใหม ๆ เชน 5G เมืองอัจฉริยะ IoT จะชวยกระตุนใหตลาดมีการขยายตัวรวมทั้งกอใหเกิดความหลากหลายของบริการเพิ่มขึ้นไปดวย จะทําให มูลคาตลาดของอุตสาหกรรมนี้ประมาณ 195,000 ลานยูโร ภายในป 2025 แสดงดังรูปที่ 4.75

รูปที่ 4.74 ตัวอยางการประยุกตใชงานระบบดาวเทียมนําทาง [34]

171

รูปที่ 4.75 มูลคาอุตสาหกรรมเกี่ยวของกับระบบ [30] โดยสัดสวนของการใชงานในดานตาง ๆ ภายในป 2025 แสดงดังรูปที่ 4.76 ซึ่งจะเห็นไดชัดวา ตลาด ของการบริการระบุตําแหนง (location based service, LBS) และตลาดที่เกี่ยวของกับ การจราจรบนถนน (road) มีสัดสวนถึง 93.4% ทั้งนี้เปนผลมาจากแนวโนมการใชงานเทคโนโลยีรถยนตอัตโนมัติ และการเชื่อมตอ ขอมูลเสริมรวมกับตําแหนงรถยนต เชน กลองจับความเร็ว การคนหาที่จอดรถ การรายงานสภาวะอากาศ ขาว จราจร เปนตน นอกเหนือไปจากนี้การนําเทคโนโลยจีเอ็นเอสเอสเขามาในโทรศัพทมือถือ ชวยสงเสริมใหเกิด การใชงานที่หลากหลายขึ้น เชน เทคโนโลยีโลกความจริงแตงเติม (augmented reality) การใชประโยชนจาก ระบบดาวเทียมนําทางหลายระบบพรอมกัน จะชวยเพิ่มความแมนยําในการระบุตําแหนงเทียบเทาระดับมือ อาชีพ ยอมจะเพิ่มการใชงานรวมกับแผนที่ใหแมนยํายิ่งขึ้น

รูปที่ 4.76 มูลคาอุตสาหกรรมเกี่ยวของกับระบบ [30]

172 แนวโนมเทคโนโลยีมหภาค (macrotrend) ที่จะชวยใหการใชงานระบบดาวเทียมนําทางมีเพิ่มมาก ขึ้น แสดงดังรูปที่ 4.77 ไดแก o อินเทอรเน็ตสรรพสิ่ง (Internet of Things, IoT) การเชื่อมตอของอุปกรณ เซ็นเซอร รถยนต อาคารและวัตถุตาง ๆ ผานอินเทอรเน็ต และผูใชงาน สามารถทําการควบคุมจากสถานที่อื่น ๆ ได โดยถือเปนเทคโนโลยีเซ็นเซอรสําคัญอยางหนึ่ง ซึ่งจะ ขอมูลตําแหนงและเวลา o ขอมูลขนาดใหญ (Big data) การประมวลผลขอมูลในลักษณะดั้งเดิมไมเหมาะตอปริมาณขอมูลมหาศาลในแตละวัน จําเปนตองมี ระบบการวิเคราะหและประมวลผลที่ซับซอน โดยเทคโนโลยี เปนแหลงกําเนิดขอมูลตําแหนงและ เวลา เมื่ออุปกรณจํานวนมากขึ้นผลิตขึ้นพรอมกับชิปรับสัญญาณ ปริมาณขอมูลจึงมีมากขึ้นตามไป ดวย o เทคโนโลยีสุขภาพเคลื่อนที่ (mHealth) เทคโนโลยีนี้มีการประยุกตใชงานที่สําคัญไดแก การชวยเหลือผูปวย ผูพิการ และการใชงานในภาวะ ฉุกเฉิน ซึ่งจําเปนตองผสมผสานระหวางปริมาณขอมูลขนาดใหญกับเทคโนโลยี o เทคโนโลยีโลยี augmented reality (AR) เทคโนโลยี AR ผสมผสานขอมูลดิจิทัลกับสภาวะแวดลอมของผูใชงาน เทคโนโลยี เปนสวนสําคัญ ของขอมูลอางอิงภูมิศาสตร (georeferenced information) o เมืองอัจฉริยะ เมืองอัจฉริยะ เกี่ยวของกับระบบบูรณาการเพื่อการเก็บขอมูล วัดคาพารามิเตอรที่เกี่ยวของกับเมือง หนึ่ง ๆ และทําการสงคาเหลานี้ไปยังประชาชนหรือเปดใหประชาชนเขาถึงไดโดยงาย โดยเทคโนโลยี ใหขอมูลเกี่ยวกับการเคลื่อนที่ของประชากร และยานพาหนะตาง ๆ ในเมือง o โลจิสติกสหลายโหมด (multi-modal logistics) เทคโนโลยีโลจิสติกสหลายโหมดเกี่ยวขอ งกับ การขนสงสินคาดวยวิธีการอยา งนอย 2 วิธี ทั้งนี้ผู ใหบริการโลจิสติกสจะประยุกตใชงานเทคโนโลยี และสรางแอปพลิเคชันเพื่อการขนสงและการ จัดการอยางมีประสิทธิภาพและความปลอดภัย

173

รูปที่ 4.77 แนวโนมเทคโนโลยีมหภาค (macrotrend) ซึ่งระบบจีเอ็นเอสเอสเปนสวนสําคัญ [38] 4.2.4 เซ็นเซอร (sensor) และการหลอมรวมขอมูล (Data Fusion) ปจ จุบัน ระบบตาง ๆ มีการใชง านเซ็นเซอรจํานวนหลายชนิด สําหรับในอุป กรณอิเล็กทรอนิกส ผูบริโภคมักจะมีการใชงาน เซ็นเซอรวัดการเคลื่อนที่ (motion sensor) อันประกอบไปดวย วงจรวัดอัตราเรง (accelerometer) ไจโรสโคป (gyroscope) และวงจรวัดสนามแมเหล็ก สําหรับ รถยนตไรคนขับยังมีระบบ ช วยเหลือคนขับขั้นสูง (Advanced Driver Assistance Systems, ADAS) ซึ่งมีการใชงานกลองอินฟราเรด กลอง CMOS และเซ็นเซอรอัลตราซาวด (ultra sound sensor) อุปกรณ เชน กลองถายรูป กลองวีดิโอเองก็ ใชงานอยางแพรหลายซึ่งจะตองมีการเชื่อมตอกับระบบการระบุตําแหนงในอนาคตเพิ่มมากขึ้นอยางแนนอน

รูปที่ 4.78 ตัวอยางเซ็นเซอรสําคัญที่ใชงานในปจจุบัน [39] เทคโนโลยีเซ็นเซอรขนาดเล็ก พลังงานต่ําและราคาถูกที่มีการพัฒนาไปอยางรวดเร็ว จะสงผลใหการ สรางเครือขายเซ็นเซอรเหลานี้เขาใกลสูความเปนจริงมากขึ้น

174 การหลอมรวมข อ มู ล (Data fusion) [40] คื อ กระบวนการรวมข อ มูล หรื อ สารสนเทศเพื่ อ การ ประมาณคา หรื อ ทํ า นายสถานการณ โดยปกติ ก ระบวนการหลอมรวมข อ มูล แบง ได เ ป น 2 ประเภท คือ กระบวนการอยางงาย (low-level process) และกระบวนการขั้นสูง (high-level process) ในกระบวนการ อยางงายอาจจะเปาหมายคือเพียงการติดตามซึ่งอาศัยเทคนิคการวนลูปควบคุม หรือการแยกแยะวัตถุซึ่งทํา การตรวจสอบ (detection) วามีวัตถุ บุคคลหรือไม และการแบงประเภท (classification) เพื่อแยกแยะคน สัตว พืช สิ่งของ เปนตน ในขณะที่กระบวนขั้นสูงจะมีการใชอัลกอริธึมเพื่อประเมินและวิเคราะหสถานการณได รวมทั้งการควบคุมขั้นตอนการหลอมรวมขอมูล อาจจะมีการใชทรัพยากรขอมูลในการคํานวณใหเหมาะสม ที่ สําคัญก็คือขอมูลจากเซ็นเซอรแตละชนิดโดยปกติมีความละเอียดไมเทากัน ดังนั้นระบบจะตองมีวิธีจัดการและ หลอมรวมขอมูลใหเหมาะสมกับการใชงานแตละประเภท

รูปที่ 4.79 การหลอมรวมขอมูล [41] เทคนิคการคํานวณและประมวลผลที่สําคัญไดแก เครือขายประสาทเทียม (neural network) ตัว กรองคาลมาน (Kalman filter) เทคนิค SVM (support vector machine) เปนตน โดยแนวโนมสําคัญ คือ การลดราคาใหต่ําลงแตมีประสิทธิภาพสูงขึ้น การใชงานคลาวดเพื่อจัดเก็บขอมูลหรือประมวลผล และการใช เทคนิคการเรียนรูลึก (deep learning) 4.2.5 การสงสัญญาณรบกวน (jamming) และการสงสัญญาณหลอก (spoofing) ระบบดาวเทียมนําทางมีการสงสัญญาณผานระยะทางไกล ดังนั้นเมื่อสัญญาณมาถึงอุปกรณเครื่องรับ จะมีกําลังงานในระดับต่ํามาก จึงทําใหระบบมีความเปราะปรางตอการแทรกสอดหรือรบกวนทั้งโดยธรรมชาติ (เชน การแกวงตัวจากผลกระทบจากชั้นบรรยากาศไอโอโนสเฟยร) จากสิ่งแวดลอมโดยรอบ (เชน การสะทอน สัญญาณ) และโดยมนุษยทั้งที่ตั้งใจ (intentional) และไมตั้งใจ (unintentional) ดังแสดงในรูปที่ 4.80

175

รูปที่ 4.80 ประเภทของความเสี่ยงตอสัญญาณจีเอ็นเอสเอส [58] การรบกวนแบบตั้งใจมีหลายชนิด เชน การสงสัญญาณรบกวนโดยตั้งใจ (jamming) และการสง สัญญาณหลอก (spoofing) เปนตน ดังนั้นจะตองมีการปกปองสัญญาณดาวเทียมจากเหตุการณเหลานี้ วิธีการ ตาง ๆ ในการรบกวนสัญญาณจีพีเอสแสดงดังรูปที่ 4.80 การสงสัญญาณรบกวนโดยตั้งใจ คือการสงสัญญาณในชวงความถี่เดียวกันเพื่อใหระบบทํางานไดไม เต็มที่หรือไมสามารถทํางานได แมวาการกระทํานี้ผิดกฏหมาย แตปรากฏวาสามารถหาซื้ออุปกรณเหลานี้ได ทั่ วไป ผ าน อิ น เท อ ร เ น็ ต มั กพบ ว า มี ก ารใช งา นเ พื่ อป อ ง กั นกา ร ติ ด ตา ม วั ต ถุ ( asset tracking) [https://www.jammer-store.com/gps-blockers-jammers.html] การรบกวนสัญญาณ โดยทั่วไปแบงไดเปน 4 ประเภท ไดแก [59] o Class I: Continuous wave signal o Class II: Chirp signal with one saw-tooth function o Class III: Chirp signal with multi saw-tooth functions o Class IV: Chirp signal with frequency bursts รูปที่ 4.81 แสดงตัวอยางสัญญาณ chrip ในชวงเวลา 9 ไมโครวินาที ซึ่งมีแบนดวิดทชนาดเทากับ 20 MHz

176

รูปที่ 4.81 ตัวอยางสัญญาณรบกวน chirp ตอความถี่ L1 [59] การสงสัญญาณหลอก (spoof) คือสงสัญญาณปลอมไปยังเครื่องรับจีเอ็นเอสเอสและมีปลอมแปลง ขอมูลสําคัญ เชน ephemeris และ almanac คาแกไขตาง ๆ คาความนาเชื่อถือขอมูล ขอมูลในการพิสูจน ตัวตน เปนตน ซึ่งวิธีการสรางสัญญาณหลอกนั้น มักจะเปนการปลอมขอมูลนําทาง ตําแหนงดาวเทียม เปนตน การสงสัญญาณเปนเหตุการณที่อันตรายโดยเฉพาะอยางเมื่อมีการใชงานจีเอ็นเอสเอสในภาวะวิกฤต (เชน โด รนที่สงออกไปเพื่อคนหาผูประสบภัยพิบัติ) หรือตอเครื่องรับสัญญาณในเครือขายจีเอ็นเอสเอสซึ่งทําการสงคา แกไปยังผูใชงานจํานวนมาก

รูปที่ 4.82 ลักษณะของความเสี่ยงตอสัญญาณจีเอ็นเอสเอส [30] วิธีการปองกันการสงสัญญาณหลอก (anti-spoofing) สามารถดําเนินการโดยหลายวิธี อาทิเชน o การควบคุมผูใชงานผานโคดขนาดยาว เชน การบริการระบุตําแหนงแมนยําในระบบจีพีเอส เปนตน o การระบุตัวตนบนสัญญาณจีเอ็นเอสเอส (signal authentication)

177 ในสวนการปองกันหรือการลดผลกระทบตอการแทรกสอดสัญญาณ (interference mitigation) ทํา ได โ ดยอาศัยสายอากาศลํา ดับ (antenna array) หรือสายอากาศที่ห มุนได (rotating antenna) [60] โดย อาศัยหลักการวิเคราะหทิศทางของสัญ ญาณรบกวน (Direction of arrival, DoA) รูปที่ 4.83 (ก) และ (ข) แสดงบล็อกไดอะแกรมของตัวอยางของหลักการประมาณทิศทางจากสายอากาศหมุนได (ซึ่งเทียบเทาการใช สายอากาศลําดับ) จากนั้นทําการลบสัญญาณออกดวยตัวกรองสัญญาณแบบ Notch filter รูปที่ 4.84 แสดง การเปรียบเทียบผลลัพธที่ไดเมื่อทําการตัดสัญญาณหลอกออกไป

(ก) (ข) รูปที่ 4.83 (ก) หลักการประมาณทิศทางจากสายอากาศหมุนไดและ (ข) การลบสัญญาณออก [60]

รูปที่ 4.84 กราฟ sky plot และกําลังสัญญาณกอนและหลังจากการตัดสัญญาณหลอกออกไป [60] วิ ธี อื่ น ในการลดผลกระทบจากสั ญ ญาณรบกวน ไดแ ก การสลั บ ความถี่ ใ ชง าน (ระบบ multi-) รวมถึงการใชงาน inertial navigation system หรือ INS รวมดวย (เพื่อติดตามตําแหนงแบบออฟไลน)

178

เอกสารอางอิง [1] H.W.Martin III, “U.S. Space-Based Positioning, Navigation and Timing (PNT),” China Navigation Satellite Conference 2017, Shanghai, China, May 2017.

[2] http://learntoflyblog.com/2016/02/01/aircraft-systems-gps/ [3] P. Steigenberger, O. Montenbruck, “Galileo status: orbits, clocks, and positioning,” GPS Solut (2017) 21:319–331, DOI 10.1007/s10291-016-0566-5.

[4] S.Gaff, “BeiDou’s Applications, Role in Asia Continue to Evolve,” Inside News, April, 2017. http://inside.com/node/5437] [5] IRNSS – India’s Own GPS Equivalent Navigation System. Available online: http://www.iuemag.com/january2016/sc/irnss-indias-own-gps.php [6] View the QZSS (Translated).Available online: http://blog.goo.ne.jp/qzss/c/b085edf7da87d74ab40892042b199ab9/1 [7] ESA Navigation. Available online: http://m.esa.int/Our_Activities/Navigation/Service_interruption_for_Galileo_system_ upgrade [8] New Galileo TT&C station in French Polinesia. Available online: http://galileo.eu/ttc-frenchpolinesia/ [9] OEM Receiver Boards. Available online: https://www.novatel.com/products/receivers/oem-receiver-boards/ [10] Garmin GPSMAP296. Aviation GPS Receiver Unnited Kingdom. Available online: https://afors.com/aircraftView/14832Garmin GPSMAP 296 [11] Trimble SPS855M Modular Receiver. Available online:http://www.sitechmarine.com/449/-receivers [12] Embrace the New Navigation System A Resurfaced (Translated). Available online: http://www.2cm.com.tw/coverstory_content.asp?sn=0807140007 [13] IGS Overview. Available online: http://slideplayer.com/slide/5716763/ [14] IGS Networks. Available online: http://www.igs.org/network [15] IGS Products. Available online: http://www.igs.org/products [16] IGS Formats. Available online: https://kb.igs.org/hc/en-us/articles/201096516-IGS-Formats [17] CORS Map. Available online: https://www.ngs.noaa.gov/CORS_Map/ [18] EUREF Permanent Reference Network. Available online: http://www.epncb.oma.be [19] Estimation of Precipitable Water Vapor Map by GPS. Available online:

179 http://gpspp.sakura.ne.jp/pwmap.htm [20] Japan Association of Surveyors. Available online: http://www.jsurvey.jp/eng.htm [21] JENOBA. Available online:www.jenoba.jp [22] Nippon GPS Data Service Corporation. Available online:https://www.gpsdata.co.jp/ [23] Terasat Japan Co.,Ltd. Available online: https://www.terasat.co.jp/ [24] Rate Plan. Available online: http://www.jenoba.jp/service/jenoba/plan/ [25] รายงานการประชุมคณะอนุกรรมการบริหารจัดการโครงสรางพื้นฐานระบบดาวเทียมนําทางของ ประเทศ ครั้งที่ 1/2560 กระทรวงวิทยาศาสตรและเทคโนโลยี [26] RTK Network. Available online: https://rtkdol.wordpress.com/2016/06/08/พื้นที่ดําเนินการrtk--network/ [27] Updates on Malaysian Infrastructure. Available online: http://www.unoosa.org/documents/pdf/icg/activities/2008/icg3/13.pdf [28] User Technology Report. Available online: https://www.gsa.europa.eu/system/files/reports/_user_technology_report_webb.pdf [29] The Analysis Centre Software is the precursor to the National Positioning Infrastructure initiative. Available online: http://www.crcsi.com.au/research/1-positioning/1-14development-of-analysis-centre-software/ [30] User Technology Report, European Global Navigation Satellite Agency (GSA), Issue 1, 2016.

Available online: https://www.gsa.europa.eu/system/files/reports/gnss_user_technology _report_webb.pdf [31] National Space-Based Positioning, Navigation, and Timing (PNT) Advisory Board, June 2017 Meeting.

[32] Col. G. Gleckel, “Global Positioning System Update to PNT Advisory Board,” 19th PNT Advisory Board Meeting, 28-29 June 2017. Available online: http://www.gps.gov/governance/advisory/meetings/2017-06/gleckel.pdf [33] P. Steigenberger, O. Montenbruck, “Galileo status: orbits, clocks, and positioning,” GPS Solut (2017) 21:319–331, DOI 10.1007/s10291-016-0566-5.

[34] M.Jiaqing, “The Progress of BeiDou Navigation Satellite System”, China Satellite Navigation Office, 59th COPUOUS Meeting 2016, June 2016.” Available online: http://www.gps.gov/cgsic/meetings/2016/shen.pdf [35] M.Jiaqing, “Operation and Development of BeiDou Navigation Satellite System”, China Satellite Navigation Office, 60th COPUOUS Meeting 2017.’ Available online: http://www.unoosa.org/documents/pdf/copuos/2017/copuos2017tech06E.pdf

180 [36] QZSS Strategy Office, National Space Policy Secretariat Cabinet Office, Government of Japan, “Project Overview of the Quasi-Zenith Satellite System,” Committee on the Peaceful Uses of Outer Space Scientific and Technical Subcommittee, 54th Session, February 2017.Available online: http://www.gps.gov/cgsic/meetings/2017/murai.pdf [37] Report on “The Future of Global Navigation Satellite Systems: Anyone, Anywhere, Anytime, Any Accuracy by 2027” Available online:

https://celebrating200years.noaa.gov/visions/gnss/welcome.html [38] Market Report 2017, European Global Navigation Satellite Agency (GSA), Issue 5, 2017.

Available online: https://www.gsa.europa.eu/2017--market-report [39] Improving Control with MEMS sensors. Available online: https://www.electronicproducts.com/Sensors_and_Transducers/Sensors_and _Transducers/Improving_control_with_MEMS_inertial_sensors.aspx [40] Data Fusion Strategies in Advanced Driver Assistance Systems. Available online: http://www.fujitsu.com/downloads/MICRO/fma/marcom/convergence/data/papers/ 2010-01-2337.pdf [41] ATA Fusion for Level 1 to 5 Autonomy:: The modular Data Fusion Framework.

Available online: https://www.baselabs.de/create/ [42] Broadcom launches dual-frequency receiver for mass market. Available online: http://gpsworld.com/broadcom-launches-dual-frequency--receiver-for-mass-market/ [43] OEM Board. Available online: http://www.comnavtech.com/productslist.asp?nclassid=1&sw=2048&sh=1152 [44] R. Odolinski and P.J.G. Teunissen, “Low-cost, high-precision, single-frequency GPS–BDS RTK positioning,” GPS Solutions, 2017. DOI 10.1007/s10291-017-0613-x [45] “Trimble Catalyst Now Offering High-Accuracy, On-Demand Positioning-as-a-Service,” Inside GNSS, Industry Views, July 8, 2017. Available online: http://insidegnss.com/ node/5542 [46] “CNES Offering Two New Android Apps for ,” Industry News, InsideGNSS , June 13, 2017. http://insidegnss.com/node/5505 [47] RTCM Converter. Available online: https://play.google.com/store/apps/details?id=jocs.fr._tortcm [48] PPP WhizLite. Available online: https://play.google.com/store/apps/details?id=jocs.fr._ppp&hl=en [49] Google Open Ups PSeudoranges. Available online: http://gpsworld.com/google-opens-

181 up--pseudoranges/ [50] The 10 biggest announcements from Google I/O 2016. Available online: https://events.google.com/io2016/schedule#day1 [51] Innovation: Precise positioning using raw GPS measurements from Android smartphones.

Available online: http://gpsworld.com/innovation-low-cost-single-frequency-positioningapproach-with-gps-bds-rtk/ [52] GJ6 Portable All Civil Bands GPS Jammer, Anti Tracking Device. Available online: https://www.jammer-store.com/gj6-all-civil-gps-signal-jammer [53] GPS station. Available online: https://www.jupem.gov.my/v1/my/produkperkhidmatan/stesen-gps/ [54] Real-time kinematic (RTK). Available online: https://www.jupem.gov.my/v1/my/produkperkhidmatan/real-time-kinematic/ [55] Automatic Depedent Surveillance-Broadcast (ADSB). Available online: https://www.faa.gov/nextgen/programs/adsb/ [56] Space-based ADSB. Available online: https://www.icao.int/WACAF/Documents/Meetings/2016/Lisbon-2016/Sat-21/SAT21 WP 09 Space based ADS-B-Airon.pdf [57] Globalstar's Space-based ADSB. Available online: https://www.globalstar.com/en/index.php?cid=6300 [58] Available online: https://www.gps.gov/governance/advisory/meetings/2017-06/ buesnel.pdf [59] Effects of jammers and potential mitigation approaches. Available online: www.unoosa.org/documents/pdf/psa/activities/2012/un-latvia/ppt/3-14.pdf [60] Real World Spoofing Trials and Mitigation via Direction of Arrival Discirmination. Available online: http://www.insidegnss.com/node/5465 [61] Efficient, dual-frequency GPS chip to vastly increase location accuracy on select phones in 2018. Available online: https://www.phonearena.com/news/Efficient-dual-frequencyGPS-chip-to-vastly-increase-location-accuracy-on-select-phones-in-2018_id98385 [62] Super Accurate GPS Coming to Smart Phones in 2018. Available online: https://spectrum.ieee.org/semiconductors/design/superaccurate-gps-coming-tosmartphones-in-2018 [63] Japanâ&#x20AC;&#x2122;s H-2A conducts QZSS-4 launch. Available online: https://www.nasaspaceflight.com/2017/10/japans-h-2a-rocket-qzss-4-launch/

182 [64] Feature Story: QZSS Satellites. Available online: Available online: http://www.crcsi.com.au/edm/edition-51/ [65] Call for Applications: Hosting sites for Multi- Monitoring Network. Available online: http://www.satnavi.jaxa.jp/e/news/qz-1106012_e.html [66] Precise Point Positioning (PPP) versus Network RTK . Available online: https://www.fig.net/resources/proceedings/fig_proceedings/fig2016/ppt/ts05e/ TS05E_alkan_ozulu_et_al_8258_ppt.pdf [67] Precise Point Positioning (PPP). Available online: https://www.novatel.com/anintroduction-to-/chapter-5-resolving-errors/precise-point-positioning-ppp/ [68] The Precise Point Positioning Software Center. Available online http://www2.unb.ca/gge/Resources/PPP/OnlinePPPs.html [69] Satellite-based-augmentation-systems. Available online: https://www.novatel.com/anintroduction-to-gnss/chapter-5-resolving-errors/satellite-based-augmentation-systems/ [70] SBAS Fundamentals. Available online: http://www.navipedia.net/index.php/SBAS_Fundamentals [71] GBAS CAT II/III Development Baseline SARPs. Available online: https://www.icao.int/safety/airnavigation/documents/gnss_cat_ii_iii.pdf [72] High-Accuracy and Navigation: Category II-III Precision Approaches & GSMGCS. Available online:http://www.anastasia-fp6.org/documentation/presentations/Presentations_Docs/ ENCIMP_050509-1_GBAS-ASMGCS-final.pdf [73] Other SBAS. Available online: http://www.navipedia.net/index.php/Other_SBAS. [74] https://www.faa.gov/about/office_org/headquarters_offices/ato/service_units/techops/ navservices/gnss/library/briefings/media/SBAS_Global_Status_June%202014.pdf [75] NMEA IDs. Available online: https://github.com/mvglasow/satstat/wiki/NMEA-IDs [76] How it works: ADSB. Available online: https://www.flightradar24.com/how-it-works [77] Introduction & Maps. Available online: http://www.epncb.oma.be/_networkdata/data_access/dailyandhourly/index.php [78] Tropospheric Sensing with GPS (GNSS). Available online: http://www.gpsmet.com/gnss_meteorology [79] GPS (GNSS) for Meteorology and Geosciece. Available online: http://www.gpsmet.com/ [80] Current Space Weather Condition: U.S. Total Electron Content. Available online: http://www.swpc.noaa.gov/products/us-total-electron-content [81] The European GNSS Programme EGNOS and Galileo. Available online:

183 http://slideplayer.com/slide/707485/ [82] GNSS Specifications. Available online: http://www.rtklib.com/rtklib_sdr.htm [83] Project Overview of the Quasi-Zenith Satellite System. Available online: https://www.gps.gov/cgsic/meetings/2017/murai.pdf [84] Transmission signals. Available online: http://qzss.go.jp/en/overview/services/sv03_signals.html [85] GLONASS Performances. Available online: http://www.navipedia.net/index.php/GLONASS_Performances [86] NAVIC. Available online: http://www.navipedia.net/index.php/NAVIC [87] Indian Regional Navigation Satellite Starts Signal Transmissions. Available online: http://gpsworld.com/indian-regional-gnss-satellite-starts-signal-transmissions/ [88] GLONASS Modernization. Available online: http://gpsworld.com/glonass-modernization12232/ [89] GLONASS Signal Plan. Available online: http://www.navipedia.net/index.php/GLONASS_Signal_Plan [90] Introduction to Japanese Augmentation System, QZSS. Available online: http://www.unoosa.org/pdf/icg/2010/ICG5/18october/06bis.pdf [91] Quasi-Zenith Satellite System Interface Specification Satellite Positioning, Navigation and Timing Service (IS-QZSS-PNT-001). Available online: http://qzss.go.jp/en/technical/download/pdf/ps-is-qzss/is-qzss-pnt-001.pdf [92] IRNSS Orbit Determination and Broadcast Ephemeris Assessment. Available online: https://ilrs.cddis.eosdis.nasa.gov/docs/2015/IONITM_15_IRNSS_Montenbruck.pdf [93] Indian Regional Navigation Satellite System (IRNSS) and GPS-Aided GEO Augmented Navigation System (GAGAN). Available online: http://www.unoosa.org/pdf/icg/2013/icg8/5.pdf [94] RINEX 3.03. Available online: ftp://igs.org/pub/data/format/rinex303.pdf [95] Acitivities: MGA Annual Report 2015. Available online: http://www.multignss.asia/schedule.html [96] เวลามาตรฐาน สืบคนออนไลนไดที่ http://www.nimt.or.th/main/?page_id=356 [97] Reliable Time from GNSS Signals. Available online: www.insidegnss.com/auto/marapr17LAW.pdf [98] Consideration for Future IGS Receivers. Available online: https://radionavlab.ae.utexas.edu/images/stories/files/papers/considerations_

184 for_distributionW.pdf [99] A Universal GNSS Software Receiver Toolbox. Available online: http://www.insidegnss.com/node/4095 [100] Geodesy and Geodynamics, Available online: http://www.sciencedirect.com/science/article/pii/S1674984715300288 [101] Baidu, Available online: https://wenku.baidu.com/view/7b97b1de195f312b3169a596.html [102] Geodetic Survey Products & Services, Available online: http://www.geodetic.gov.hk/smo/gsi/programs/en/GSS/satref/satref.htm [103] TrigNet Web Application, Available online: http://trignet.co.za [104] https://www.novatel.com/an-introduction-to-gnss/chapter-5-resolving-errors/gnss-datapost-processing/ [105] https://www.novatel.com/an-introduction-to-gnss/chapter-5-resolving-errors/real-timekinematic-rtk/ [106] http://anatumfieldsolutions.com/rtk-gps-explained/ [107] Number of smartphone users in Thailand from 2013 to 2022 (in millions). Available online: https://www.statista.com/statistics/467191/forecast-of-smartphone-users-inthailand/ [108] จํานวนรถยนต Available online: https://data.go.th/DatasetDetail.aspx?id=21372366-e78b4d4a-b040-8a702ecedd5f [109] ศูนยวิจัยไทยพาณิชย(EIC) แนะผูประกอบการขนสงติดระบบ Connected GPS และวิเคราะหขอมูล ดวย Big Data เพิ่มความสามารถแขงขัน Available online: https://www.efinancethai.com LastestNews/LatestNewsMain.aspx?ref=A&id=odm7p~P.HYOqU=&year=2017& month=5&lang=T&security=SCB&postdate=2017-05-31%2011:33 [110] Grab seeks hold of ride hailing market. Available online: https://www.bangkokpost.com/ tech/local-news/1263907/grab-seeks-hold-of-ride-hailing-market [111] Intelligent Transportation System in Thailand Directory 2015. Available online: https://issuu.com/paprathom/docs/low_aw_its_thailand [112] ตรวจสอบ 35 บริษัท GPS ที่กรมการขนสงทางบกรับรอง Available online: http://www.busthai.net/2014-08-24-14-34-30/234-27-gps [113] 1 ป 8 เดือนปญหาประมง IUU – กรมเจาทาหักดิบลดจํานวนเรือ 1 ป ผานม.44 ถอนรวด 1.7 หมื่นลํา ยัง Over Fishing Available online: https://thaipublica.org/2017/01/iuu2560-1/

บทที่ 5 แนวโนมเทคโนโลยีสารสนเทศ (Information and Communications Technology, ICT) เทคโนโลยี ส ารสนเทศมี ส ว นสํ า คั ญ ต อ การพั ฒ นาองค ก รและหน ว ยงานต า ง ๆ โดยองค ก รที่ ประยุกตใชเทคโนโลยีสารสนเทศไดอยางรวดเร็วและมีประสิทธิภาพทําใหเกิดความไดเปรียบในการแขงขันเชิง ธุรกิจ ดังนั้นการศึกษาและติดตามเทคโนโลยีสารสนเทศที่เกิดขึ้นจึงมีความสําคัญอยางยิ่ง บทวิเคราะหแนวโนม เทคโนโลยีสารสนเทศนี้ มุงเนนศึกษาเทคโนโลยีสารสนเทศที่นาสนใจ โดยสามารถประยุกตใชกับเทคโนโลยี ดานอวกาศ เทคโนโลยีดานระบบดาวเทียมนําทางโลก และเทคโนโลยีดานภูมิสารสนเทศ ซึ่งไมไดรับการ กลาวถึงหรือกลาวถึงเพียงเล็กนอยในบทกอนหนา ป จ จุ บั น เทคโนโลยี อิ น เทอร เ น็ ต สรรพสิ่ ง (internet of things) ป ญ ญาประดิ ษ ฐ (artificial intelligence) บล็อกเชน (blockchain) และคอมพิวเตอรควอนตัม (quantum computer) ดังกลาวไดรับ การกลาวถึงอยางมาก เนื่องจากการมาถึงของเทคโนโลยีดังกลาวอาจกอใหเกิดการเปลี่ยนแปลงตอหนวยงาน ตาง ๆ ที่เกี่ยวของ จากรายงานของ Gartner [1] บงชี้แนวโนมของเทคโนโลยีขางตน โดยจะพบวาปจจุบั น เทคโนโลยีดานการเรียนรูของเครื่อง (machine learning) ถูกนํามาประยุกตใชวิเคราะหขอมูลอยางแพรหลาย โดยเทคโนโลยีการเรียนรูของเครื่อง ซึ่งเปนความสามารถในการเรียนรูและวิเคราะหของเครื่องคอมพิวเตอร เปน สว นสํา คัญ ที่ทํา ใหเทคโนโลยีป ญ ญาประดิ ษฐได ถู ก พั ฒนาไปอยา งรวดเร็ว อยางไรก็ตาม ในปจ จุบั น เทคโนโลยีดา นป ญ ญาประดิษ ฐ จํ า กั ด ความสามารถเฉพาะงานบางประเภทเท า นั้น โดยเทคโนโลยี ด าน ปญญาประดิษฐทั่วไป (artificial general intelligence) ซึ่งเกี่ยวของกับเทคโนโลยีดานการเรียนรูของเครื่องที่ สามารถใชกับ งานทุกประเภทยังคงอยูในชว งการพัฒนา ในรายงานของ Gartner [1] ยังคาดการณไวว า เทคโนโลยีอินเทอรเน็ตสรรพสิ่ง หรือ IoT ที่อุปกรณทุกชนิดสามารถติดตอสื่อสารกันได จะไดรับความนิยม อยางมาก เชนเดียวกับเทคโนโลยีบล็อกเชน ซึ่งเกี่ยวของกับ โครงสรางและความปลอดภัยของขอมูลจะถูก นํามาใชอยางแพรหลาย หลังจากนั้นเทคโนโลยีคอมพิวเตอรควอนตัม ซึ่งปจจุบันอยูในชวงการพัฒนาจะเขามา มีบทบาทสําคัญในอนาคต ตารางที่ 5.1 แสดงแนวโนมเทคโนโลยี ICT จากบทวิเคราะหของหนวยงานที่จัดทํา รายงานเทคนิคดานเทคโนโลยีสารสนเทศ โดยพบวาเทคโนโลยี IoT ไดรับการกลาวถึงมากที่สุด อยางไรก็ตาม เทคโนโลยีคอมพิวเตอรควอนตัม ไดรับการกลาวถึงเพียงเล็กนอยเนื่องจากเทคโนโลยีคอมพิวเตอรควอนตัมยัง ไมมีผลกระทบที่สําคัญในระยะเวลาอันสั้น

186 ตารางที่ 5.1 แนวโนมเทคโนโลยี ICT จากบทวิเคราะหแหลงตาง ๆ ประเภทของเทคโนโลยี หนวยงาน European Commission [2] World Economic Forum [3] Gartner [1,4] IDC Consulting [5] Information and Communications Technology Council [6] รวม

X X X X

X X -

X X X -

คอมพิวเตอร ควอนตัม X -

X

X

-

-

5

3

3

1

IoT

5.1 อินเทอรเน็ตสรรพสิ่ง (internet of things)

ปญญาประดิษฐ บล็อกเชน

เทคโนโลยีใหมเกิดขึ้นเมื่อถึงเวลาทีเ่ หมาะสม คําพูดดังกลาวสามารถอธิบายการเติบโตของเทคโนโลยี IoT ไดเปนอยางดี จากสถิติของ Internet live stats [7] ในป ค.ศ. 2006 จํานวนผูใชงานอินเทอรเน็ตทั่วโลก อยูที่ประมาณ 1.1 พันลานคน คิดเปน 17.6% ของจํานวนประชากรทั้งหมดบนโลก ในชวงเวลาเดียวกันนั้น Kevin Ashton ผูสรางมาตรฐานเทคโนโลยี RFID พยายามเชื่อมตออุปกรณ RFID เขาดวยกัน โดยนําเสนอ แนวคิดของการเชื่อมตออุปกรณตาง ๆ ผานโครงขายอินเทอรเน็ตที่เรียกวา IoT ตลอดชวงระยะเวลา 10 ปที่ ผานมา ประเทศตาง ๆ ดําเนินการขยายโครงขายการสื่อสาร อาทิเชน โครงขาย ADSL ไฟเบอรออฟติก 3G และ 4G เพื่อใหประชาชนสามารถเขาถึงโครงขายอินเทอรเน็ตไดในทุกพื้นที่ จากสถิตในป ค.ศ. 2016 จํานวน ผูใชงานอินเทอรเน็ตพุงขึ้นเปน 3.4 พันลานคน คิดเปน 46.1% ของจํานวนประชากรบนโลก แนวความคิด IoT ที่ Kevin Ashton ไดนําเสนอไวจึงไดรับการพูดถึงอีกครั้ง โดยภาครัฐและอุตสาหกรรมตางเล็งเห็นถึงความ เปนไปไดและศักยภาพของเทคโนโลยี IoT ที่จะชวยขับเคลื่อนเศรษฐกิจ และสังคม บทวิเคราะหของบริษัท Ericsson ประมาณการจํานวนอุปกรณจําพวก IoT ทั่วโลกในป ค.ศ. 2022 จะมีมากถึง 29 พันลานชิ้น [8] โดย บริษัท Gartner คาดการวาเทคโนโลยี IoT สามารถลดรายจายคาบํารุงรักษา คาบริการและคาวัสดุสิ้นเปลือง ของบริ ษั ท ได ม ากถึ ง 1 ล า นล า นดอลลาร ส หรั ฐ ภายในป ค.ศ. 2022 [4] นอกจากอุ ป กรณ ที่ ส ามารถ ติดตอสื่อสารกันผานโครงขายการสื่อสาร (รูปที่ 5.1) เทคโนโลยีสําคัญที่จะชวยขับเคลื่อนประสิทธิภาพของ IoT คือ เทคโนโลยีการวิเคราะหขอมูลที่ไดจากอุปกรณจําพวกเซ็นเซอรที่ติดอยูในโทรศัพทมือถือ รถยนต หรือ อื่น ๆ ผลการวิเคราะหสามารถนําไปใชในการบงชี้ลักษณะ กําหนดการตัดสินใจ หรือควบคุมอุปกรณอื่น ๆ ใน โครงขายเดียวกันเพื่อบรรลุวัตถุประสงคที่ตองการของมนุษย กอใหเกิดรูปแบบ smart contract หรือการนํา ระบบไอทีมาชวยในการบังคับใชสัญญาทางธุรกิจใหมีการดําเนินการโดยอัตโนมัติ

187

รูปที่ 5.1 สวนประกอบของ IoT [9] 5.1.1 เทคโนโลยีที่ใชในการเชื่อมตออุปกรณ IoT จากการคาดการณจํานวนอุปกรณ IoT ที่มีมากถึง 29 พันลานชิ้นภายในป ค.ศ. 2022 [8] ทําให วิธีการเชื่อมตออุปกรณ IoT เปนโจทยสําคัญ ปจจุบันการพัฒนาโครงขายสื่อสารจึงมุงเนนใหสามารถรองรับ การเชื่อมตอของอุป กรณจํา นวนมากเขา ดวยกัน โดยเทคโนโลยีสื่อ สารที่ใชเ ชื่อ มตออุป กรณจะตองทําให อุ ป กรณสามารถประหยัด พลัง งานเพื่ อยื ดระยะเวลาการใช งานได เทคโนโลยีสื่อ สารสามารถแบ งเป น 2 ประเภท ได แ ก เทคโนโลยี สื่อ สารใช สายและเทคโนโลยีสื่ อ สารไรส าย สํ า หรั บ เทคโนโลยี สื่อ สารใชสาย จําเปนตองเสียคาใชจายในการวางสายสื่อสารจํานวนมาก อยางไรก็ตาม เทคโนโลยีการสื่อสารผานสายไฟฟา (power line communication) หรือเทคโนโลยี PLC สามารถลดคาใชจายในการสรางโครงขายสื่อสารได เนื่องจากเทคโนโลยี PLC จะใชโครงขายสายไฟฟาในการรับสงขอมูล สําหรับเทคโนโลยีสื่อสารไรสาย ไดแก ซิกบี (Zigbee) บลูทูธ (Bluetooth) มาตรฐาน 802.11ah LoRa LTE-M และ NB-IoT ตางไดรับการพัฒ นา เพื่อใหสามารถรองรับการเชื่อมตอกับอุปกรณ IoT จํานวนมาก

188 5.1.1.1 การสื่อสารผานสายไฟฟา (Power line communication, PLC) เทคโนโลยี PLC สามารถแบงได 2 ชนิด ไดแก แบนดแคบ (narrowband) (เหมาะสําหรับอุปกรณที่ มีความเร็วในการรับสงขอมูลต่ํา) และ บรอดแบนด (broadband) (เหมาะสําหรับอุปกรณที่มีความเร็วในการ รับสงขอมูลสูง ปจจุบันความเร็วสูงสุดอยูที่ 1.2 Gbps) เนื่องจากเทคโนโลยี PLC ใชสายไฟฟาในการรับสง ขอมูลจึงหลีกเลี่ยงไมไดที่เทคโนโลยี PLC จะเกี่ยวของกับความปลอดภัยของมนุษย [10] ปจจุบัน หนวยงาน กํากับของสหรัฐอเมริกาและยุโรปไดออกมาตรฐานสําหรับการใชงานเทคโนโลยีแบนดแคบ และบรอดแบนด หนวยงานกํากับของประเทศญี่ปุนไดออกมาตรฐานสําหรับแบนดแคบเทานั้น โดยประเทศไทยยังไมมีมาตรฐาน สํ าหรับการใชงานอุป กรณ PLC อยางไรก็ตาม อุปกรณ PLC สามารถหาซื้อไดตามทองตลาด ตัวอยางเช น อุปกรณ PLC ยี่หอ TP-link ในรูปที่ 5.2 ซึ่งมีความเร็วในการรับสงขอมูลถึง 1.2 Gbps

รูปที่ 5.2 อุปกรณ PLC ยี่หอ TP-link รุน TL-WPA8630 [11]

189 5.1.1.2 เทคโนโลยีซิกบี (Zigbee) และบลูทูธ (Bluetooth) เทคโนโลยีซิกบี (Zigbee) และบลูทูธ (Bluetooth) เปนเทคโนโลยีสื่อสารไรสายที่ทํางานบนความถี่ 2.4 GHz โดยมีระยะการรับสง ขอมูลประมาณ 100 เมตร เทคโนโลยีซิกบีถูก ออกแบบมาเพื่อ เชื่อ มตอ กั บ อุปกรณที่มีความเร็วต่ํา ประหยัดพลังงาน สามารถรับสงขอมูลแบบ mesh network หรือ many to many ได ตางจากเทคโนโลยีบลูทูธที่ถูกออกแบบมาเพื่อรับสงขอมูลแบบ peer to peer เทานั้น ทําใหซิกบีไดรับ ความนิยมนํามาเชื่อมตออุป กรณ IoT อยางไรก็ตาม ปจจุบันเทคโนโลยีบลูทูธ [12] ไดรับการพัฒนาให ใช พลังงานต่ําและสามารถรับสงขอมูลแบบ mesh network ทําใหเทคโนโลยีบลูทูธมีความเหมาะสมสําหรับการ ประยุกตใชกับอุปกรณ IoT

รูปที่ 5.3 การเชื่อมตออุปกรณ IoT แบบ mesh network [12] 5.1.1.3 802.11ah เทคโนโลยีสื่อสารไรสายมาตรฐาน 802.11 เปนเทคโนโลยีสื่อสารที่ใชในระบบเครือขายคอมพิวเตอร หรือ wireless LAN อุปกรณสอื่ สารไรสายมาตรฐาน 802.11 ที่มีขายในประเทศไทยจะเปนมาตรฐาน 802.11g 802.11n และ 802.11ac ที่ทํางานบนความถี่ 2.4 GHz และ 5 GHz อยางไรก็ตาม อุปกรณสื่อสารไรสาย มาตรฐานดังกลาวถูกออกแบบมาเพื่อรองรับการสื่อสารความเร็วสูงในระบบคอมพิวเตอร ทําใหสมาคม IEEE จึงไดออกมาตรฐาน 802.11ah [13] ที่ทํางานบนความถี่ 900 MHz สามารถรับสงขอมูลไดในระยะทางที่สูง กวาเดิม นอกจากนี้มาตรฐาน 802.11ah ถูกออกแบบเพื่อรับสงขอมูลความเร็วต่ําและประหยัดพลังงานเพื่อ รองรับอุปกรณ IoT

190

รูปที่ 5.4 ระยะทางการสื่อสารมาตรฐาน 802.11 [14] 5.1.1.4 LoRa เทคโนโลยีซิกบี บลูทูธ และมาตรฐาน 802.11 จัดเปนเทคโนโลยีสื่อสารไรสายประเภท local area network (LAN) ซึ่ ง เป น การรั บ ส ง ข อ มู ล ระยะใกล ทํ า ให บ ริ ษั ท Semtech ได พั ฒ นาเทคโนโลยี สื่ อ สาร LoRaWAN ซึ่งเปนเทคโนโลยีสื่อสารไรสายประเภท Wide Area Network (WAN) โดยสามารถรับสงขอมูลได ในระยะไกลและใชพลังงานต่ํา [15] ทําใหเทคโนโลยีดังกลาวจัดอยูในกลุม Low Power WAN (LPWAN) โดย สามารถรับสงขอมูลแบบ star network คลายกับเทคโนโลยีมาตรฐาน 802.11 เทคโนโลยี LoRaWAN จะ ทํางานอยูบนความถี่ยาน ISM band โดยสหรัฐอเมริกาใชความถี่ 915 MHz ยุโรปใชความถี่ 868 MHz สําหรับ ประเทศไทยจํ า เป น ต อ งใชเ ทคโนโลยี LoRaWAN บนความถี่ 433 MHz ซึ่ง เป น ยา นความถี่ ที่ ไ มต อ งขอ ใบอนุญาต (รูปที่ 5.5) ในปจจุบันสํานักงาน กสทช. อยูในระหวางการจัดทํารางประกาศที่เกี่ยวกับการใชคลื่น ความถี่ 920-925 MHz สําหรับการใชงานอุปกรณ IoT โดยไดจัดประชุมรับฟงความคิดเห็นสาธารณะตอราง ประกาศดังกลาวเมื่อวันที่ 18 สิงหาคม 2560 [16]

รูปที่ 5.5 แผนการกําหนดคลื่นความถี่เพื่อรองรับการเชื่อมตอของอุปกรณ IoT ในประเทศไทย [16]

191 5.1.1.5 LTE-M และ NB-IoT สําหรับเทคโนโลยี LTE-M และ NB-IoT จัดเปนเทคโนโลยีที่อยูในกลุม low power WAN (LPWAN) เช นเดีย วกับ LoRa แตเทคโนโลยี LTE-M และ NB-IoT จะทํางานบนโครงขายโทรศัพทมือ ถือซึ่งเป นยาน ความถี่ ที่ ต อ งขอใบอนุ ญ าต โดยเทคโนโลยี LTE-M เป น การปรั บ ปรุ ง เทคโนโลยี LTE ที่ ใ ช ใ นโครงข า ย โทรศัพทมือถือเพื่อใชเชื่อมตออุปกรณที่มีความเร็วต่ํา ทําใหเทคโนโลยี LTE-M จําเปนตองทํางานบนโครงขาย LTE เทานั้น องคกร 3GPP จึงไดออกมาตรฐาน NB-IoT [17] ซึ่งสามารถประยุกตใชกับโครงขายมือถือระบบ GSM แบบ standalone และโครงข า ยมื อ ถื อ ระบบ LTE แบบ in-band และ guard band ดั ง รู ป ที่ 5.6 ปจจุบัน บริษัท AIS ในประเทศไทยไดเปดตัว NB-IoT บนคลื่น 900 MHz เรียบรอยแลว

รูปที่ 5.6 การใชงานสเปกตรัมของ NB-IoT ในโครงขายมือถือระบบ GSM และ LTE [17] 5.1.2 เทคโนโลยีการประมวลผลขอมูลขนาดใหญ เมื่อเซ็นเซอรสามารถรายงานสถานะผานโครงขายการสื่อสาร สงผลใหปริมาณขอมูลมีขนาดใหญ ดังนั้น การวิเคราะหขอมูลจํา เป นตองมีความรวดเร็วเพื่อตอบสนองการตัด สินใจและดําเนินการตามแผน ป จ จุ บั น เทคโนโลยี ค ลาวด (cloud) ได เ ข า มามี บ ทบาทในการจั ด เก็ บ ข อ มู ล และการประมวลผลข อ มู ล ตั ว อย า งเช น google cloud platform, amazon web services และ microsoft azure เนื่ อ งจากความ สะดวกในการใชงานและราคาที่สามารถปรับใหสอดคลองกับการงาน โดยทั่วไปการใหบริการคลาวดสามารถ แบงได 3 ประเภท ไดแก 1. Infrastructure-as-a-Service (IaaS) ใหบ ริการโครงสรา งพื้น ฐานทางคอมพิว เตอร ตัว อยา งเช น หน ว ยประมวลผล ระบบจั ด เก็ บ ข อ มู ล และระบบเครื อ ข า ย ผู ใ ช บ ริ ก ารสามารถเลือ กหน ว ย ประมวลผล ระบบจัดเก็บขอมูล และอื่น ๆ ตามลักษณะงานที่ตองการโดยสามารถปรับเปลี่ยนได ตลอดเวลา

192 2. Platform-as-a-Service (PaaS) ให บ ริก ารสํ า หรั บ การพั ฒ นาแอปพลิ เ คชัน ตั ว อย า งเช น ระบบ ฐานขอมูล, runtime library, software library และ Frameworks ตาง ๆ ทําใหนักพัฒนาสามารถ ลดระยะเวลาในการจําลองระบบเพื่อทดสอบแอปพลิเคชัน 3. Software as a Service (SaaS) ใหบริการซอฟตแวรหรือแอปพลิเคชัน ผานโครงขายอินเทอรเน็ต โดยซอฟตแวรจะถูกประมวลผลบนระบบของผูใหบริการ ทําใหผูใชบริการสามารถใชงานซอฟตแวร ดวยระบบคอมพิวเตอรสมรรถนะที่แตกตางกันได ปจจุบันบริษัทไอทีขนาดใหญเปดใหบริการคลาวดทุกประเภท โดยมุงเนนประสิทธิภาพและความ สะดวกในการใชงาน รอบรับการประมวลผลขอมูลขนาดใหญ และมีบริการเชื่อมตออุปกรณ IoT ตัวอยางเชน บริการ AWS IoT ของบริษัท Amazon (รูปที่ 5.7) ซึ่งใหบริการเชื่อมตออุปกรณ IoT และบริการพื้นที่จัดเก็บ ข อ มู ล ในระบบคลาวด โดยสามารถแสดงผลข อ มู ล และวิ เ คราะห ข อ มู ล ดว ยเทคโนโลยี ป ญ ญาประดิ ษ ฐ นอกจากนี้ บริษัทไอทีขนาดใหญอื่น ๆ เชน บริษัท Google และ Microsoft มีบริการเชื่อมตออุปกรณ IoT และการวิเคราะหขอมูลดวยเทคโนโลยีปญญาประดิษฐ

รูปที่ 5.7 ตัวอยางการประยุกตใชงานเทคโนโลยีคลาวดของบริษัท Amazon กับอุปกรณ IoT [18] 5.1.3 เทคโนโลยีการระบุตําแหนงภายในอาคาร เมื่ออุปกรณ IoT ไดรับการใชงานอยางแพรหลาย การระบุตําแหนงของอุปกรณ IoT ในพื้นที่ตาง ๆ สามารถทําไดโดยงาย ปจจุบันเทคโนโลยีระบบดาวเทียมนําทางโลกไดรับความนิยมในการประยุกตใชระบุ ตําแหนงของอุปกรณตาง ๆ เนื่องจากเทคโนโลยีดังกลาวครอบคลุมการใชงานในหลายพื้นที่ อยางไรก็ตามการ ใชงานเทคโนโลยีระบบดาวเทียมนําทางโลกยังคงจํากัดการใชงานในบริเวณพื้นที่โลงเทานั้น ทําใหการระบุ ตําแหนงบริเวณพื้นที่ปด เชน ภายในอาคาร บาน ยังคงเปนปญหาสําคัญ ปจจุบันเทคนิคการระบุตํา แหน ง ภายในอาคารสามารถแบงได 2 กลุม ไดแก กลุมที่ใชสัญญาณวิทยุ เชน อารเอฟไอดี (RFID) [19-21] บลูทูธ (Bluetooth) [22-24] ซิกบี (Zigbee) [25, 26] กลุมที่ไมใชสัญญาณวิทยุ เชน อินฟราเรด (infrared) [27]

193 อัลตราโซนิค (ultrasonic) [28] อยางไรก็ตามเทคโนโลยีดังกลาวมีราคาสูงเนื่องจากจําเปนตองติดตั้งใหม อีก ทั้งยังมีคา ใชจายในการบํารุงรักษา 5.1.4 การระบุตําแหนงโดยใชระบบเครือขายคอมพิวเตอรไรสาย การระบุตําแหนงภายในอาคารโดยใชระบบเครือขายคอมพิวเตอรไรสาย (wireless LAN) [29-32] กําลังไดรับความสนใจมาก เนื่องจากอุปกรณดงั กลาวถูกติดตั้งในพื้นที่ตาง ๆ เพื่อใหบริการอินเทอรเน็ต เทคนิค การระบุตําแหนงภายในอาคารจัดเปนเทคนิคที่ใชสัญญาณวิทยุ ซึ่งใชหลักการวัดระยะทางจากอุปกรณไปยัง เสาสงสัญญาณ ตัวอยางเชน การระบุตําแหนงของอุปกรณโทรศัพทมือถือในรูปที่ 5.8 ซึ่งทําไดโดยการวัด ระยะทางจากอุปกรณโทรศัพทมือถือไปยังเสาสงสัญญาณ ซึ่งสามารถคํานวณไดจาก 1. ความแรงของสัญญาณที่ไดรับ (received signal strength, RSS) 2. ระยะเวลาของสัญญาณที่ไดรับ (time of arrival, TOA) อยางไรก็ตามวิธีการวัดความแรงของสัญญาณที่ไดรับหรือ RSS มักเกิดปญหาสัญญาณรบกวน เชน สัญญาณรบกวนที่เกิดจาก multipath และ non-line-of-sight สงผลตอความแมนยําของการระบุตําแหนง สําหรับวิธีการวัดระยะเวลาของสัญญาณที่ไดรับหรือ TOA ปญหาที่สําคัญคือความแมนยําของเวลาระหวาง เครื่องรับและเครื่องสง รวมถึงการ synchronize ของเวลาระหวางเครื่องรับและเครื่องสง ทั้งนี้ ปญหาดังกลาว สามารถใชวิธีคํานวณระยะเวลาที่แ ตกตางของสัญ ญาณที่ได รับ (time difference of arrival, TDOA) ซึ่ง ระยะเวลาของสัญญาณที่ไดรับจะถูกหักลบจากสัญญาณอื่นที่ไดรับเพื่อแกปญหาการ synchronize ของเวลา ระหวางเครื่องรับและเครื่องสง การระบุตําแหนงของโทรศัพทโดยใชเทคนิค RSS, TOA, TDOA จําเปนตองใช เสาสงสัญญาณอยางนอย 3 ตน ซึ่งการลดจํานวนเสาสงสัญญาณสามารถทําไดโดยใชเทคนิคการวัดมุม ของ สัญญาณที่ไดรับ (angle of arrival, AOA) โดยเทคนิค AOA จะใชเสาสงสัญญาณอยางนอย 2 ตนดังรูปที่ 5.9 การระบุตําแหนงดวยเทคนิค AOA จะตองทําการวัดระยะหางระหวางเสาสงทั้ง 2 ตน และระยะหางระหวาง เสาสงกับเครื่องรับ การระบุตําแหนงสามารถนําไปประยุกตใชกับขอมูลจําพวก geographic ดังรูปที่ 5.10 เชน แผนที่ในอาคาร โดยทําการสราง fingerprints บนแผนที่ในอาคาร ซึ่งแบงเปนขั้นตอน offline และ online โดยขั้นตอน offline จําเปนตองทําการสํารวจพื้นที่เพื่อเก็บขอมูล RSS และ TOA บนตําแหนงตาง ๆ บนแผนที่ จากนั้นในขั้นตอน online อุปกรณจะทําการตรวจสอบวา RSS และ TOA ที่ไดรับอยูในบริเวณใดบนแผนที่

194

รูปที่ 5.8 การระบุตําแหนงของโทรศัพทโดยใชเทคนิค RSS และ TOA [29]

รูปที่ 5.9 การระบุตําแหนงของโทรศัพทโดยใชเทคนิค AOA [29]

195

รูปที่ 5.10 การสราง Fingerprints เพื่อชวยระบุตําแหนง [30] 5.1.5 การระบุตําแหนงโดยใชอปุ กรณตรวจจับความเคลื่อนไหว ปจจุบันการระบุตําแหนงสามารถประยุกตใชเซ็นเซอรที่อยูในอุปกรณโทรศัพทมือถือ เชน เซ็นเซอร ความเรง และเซ็นเซอรทิศทางเพื่อนําไปใชคํานวณหาทิศทางและความเร็วที่วัตถุเคลื่อนที่ อยางไรก็ตามเทคนิค นี้จําเปนตองทราบตําแหนงเริ่มตนของอุปกรณ ซึ่งสามารถทราบไดจากเซ็นเซอรที่ติดอยูที่ประตูทางเขาอาคาร หรือเซ็นเซอรตามทางแยกบนทองถนน พิจารณาการระบุตําแหนงจากจากเซ็นเซอรความเรงและเซ็นเซอร ทิศทางในรูปที่ 5.11 โดยระยะทางที่วัตถุเคลื่อนที่สามารถหาไดจากการปริพันธ (integration) ของความเร็ว ซึ่งความเร็วหาไดจากการปริพันธ (integration) ของความเรง และเมื่อทราบทิศทางและตําแหนงเริ่มตนก็จะ สามารถระบุตํา แหนงที่วัตถุ เคลื่อนที่ได รูป ที่ 5.12 แสดงแผนภาพระบบการระบุตําแหนงโดยใชอุป กรณ ตรวจจับความเคลื่อนไหว โดยวัตถุจะถูกระบุตําแหนงเริ่มตนจากเซ็นเซอรหรือระบบเครือขายคอมพิวเตอรไร สายที่ถูกติดตั้งในพื้นที่ตาง ๆ จากนั้นเมื่อวัตถุเคลื่อนที่เซ็นเซอรจะบงชี้ความเคลื่อนไหวและทิศทาง โดยขอมูล ที่กลาวมานี้จะถูกสงไปยังหนวยประมวลผลจําพวก data fusion เพื่อคํานวณหาตําแหนงของวัตถุ เทคนิคการ ระบุตําแหนงโดยใชอุป กรณต รวจจับ ความเคลื่อ นไหวสามารถประยุกตใชรวมกับการระบุตําแหนง โดยใช สัญญาณวิทยุเพื่อเพิ่มประสิทธิภาพของการระบุตําแหนงดังรูปที่ 5.13

196

รูปที่ 5.11 การหาตําแหนงของวัตถุจากความเร็วและทิศทางที่เคลื่อนที่ [31]

รูปที่ 5.12 ระบบระบุตําแหนงโดยใชอุปกรณตรวจจับความเคลื่อนไหว [31]

รูปที่ 5.13 ระบบระบุตําแหนงภายในอาคาร [32]

197 5.1.6 ผลกระทบที่เกิดขึ้นเมื่อเทคโนโลยี IoT ถูกนํามาใชงาน o ปริมาณขอมูลที่เพิ่มมากขึ้น จากการคาดการของบริษัท Ericsson ซึ่งจํานวนอุปกรณจําพวก IoT ทั่วโลกในป ค.ศ. 2022 มีจะ มากถึง 29 พันลานชิ้น แบงเปนอุปกรณประเภท short-range ที่มีระยะการเชื่อมตอไมเกิน 100 เมตร จํานวน 15.5 พันลานชิ้น เพิ่มขึ้นจากป ค.ศ. 2016 ประมาณ 20% และอุปกรณประเภท wide-area จํานวน 2.1 พันลานชิ้น เพิ่มขึ้นจากป ค.ศ. 2016 ประมาณ 30% สงผลใหปริมาณขอมูลเพิ่มขึ้นอยางหลีกเลี่ยงไมได

รูปที่ 5.14 การคาดการณจํานวนอุปกรณที่เชื่อมตอกับอินเทอรเน็ตของบริษัท Ericsson [8] o การติดตามสถานะของสินคาหรือบุคคลตลอดเวลา เมื่ออุปกรณจําพวก IoT ถูกใชงานอยางแพรหลาย โครงขายอินเทอรเน็ตสําหรับอุปกรณ IoT จะมี ราคาถูก ลงและที่ร องรับ การใชง านทุก บริเวณ ทํา ใหก ารติดตามสถานะของสินคาและบุค คลเปน ไปอย าง งายดาย o ธุรกิจรูปแบบใหม เซ็นเซอรที่ตดิ อยูตามพื้นที่ตาง ๆ สามารถรายงานสถานะหรือบงชี้เหตุการณไปยังอุปกรณอื่น ๆ เกิด การรับรูและตัดสินใจไดอยางรวดเร็ว การติดตามและการรายงานสถานะอยางรวดเร็วทําใหเกิดธุรกิจรูปแบบ ใหมที่ประยุกตใชงานอุปกรณ IoT 5.1.7 ประเด็นที่ตองติดตาม o มาตรฐานของอุปกรณ IoT เนื่องจากเทคโนโลยีที่ใชเชื่อมตออุปกรณ IoT มีรูปแบบที่หลากหลาย มาตรฐานและแพลตฟอรม จําเปนตองไดรับการพัฒนา o การรักษาความปลอดภัยของขอมูลที่ไดจากอุปกรณ IoT

198 เซ็นเซอรที่ถูกติดไวตามที่ตาง ๆ โดยเฉพาะที่หางไกลจําเปนตองสื่อสารผานโครงขายสาธารณะ ดังนั้น การโจรกรรมหรือปลอมแปลงขอมูลจากเซ็นเซอรตาง ๆ อาจเกิดขึ้น o ปริมาณการลงทุนดานเทคโนโลยี IoT ปริมาณการลงทุน ของเทคโนโลยี IoT สามารถบงชี้การประยุกตใชงานของเทคโนโลยี IoT โดย นิตยสาร Forbes [33] รายงานวาในประเทศสหรัฐอเมริกามีบริษัทจํานวน 2,888 บริษัทที่กําลังพัฒนา IoT ซึ่ง เกิดการจางงาน 342,000 คน รวมงบลงทุนทั้งสิ้น 125 พันลานดอลลาสหรัฐ 5.1.8 แนวโนมการการประยุกตใชงานเทคโนโลยี IoT บริษัท IDC ไดรายงานผลสํารวจงบลงทุนของอุปกรณ IoT ในป ค.ศ. 2016 ซึ่งพบวาจํานวนเงิน ลงทุนของอุปกรณ IoT ในอุตสาหกรรมการผลิตมีจํานวนสูงมากเมื่อเทียบกับดานอื่น ๆ [34] สอดคลองกับการ วิเคราะหของบริษัท IoT analytics ซึ่งรายงานจํานวนโครงการที่เกี่ยวของกับเทคโนโลยี IoT ในไตรมาสที่ 3 ป ค.ศ. 2016 โดยพบวาการประยุกตใชงานเทคโนโลยี IoT ในภาคอุตสาหกรรมมีจํานวนมากที่สุด [35] ตัวอยางการประยุกตใชงานเทคโนโลยี IoT o Connected Industry การเชื่อมตอของอุป กรณ เครื่องจักร เครื่องวัด และระบบการควบคุมในระบบอุตสาหกรรมเขา ดวยกัน ทําใหสามารถบริหารการผลิตและการจัดการไดอยางมีประสิทธิภาพมากขึ้น ตัวอยางเชน บริษัท Seeberger ซึ่งสามารถติดตามสถานะการผลิตไดทุกกระบวนการ [36] o Smart City จากรูปที่ 5.10 พบวาการประยุกตใชงานเทคโนโลยี IoT กับโครงการที่เกี่ยวของกับ smart city สูง เปนอันดับที่ 2 โดยโครงการที่ไดรับ ความนิยมมากที่สุด คือโครงการ smart traffic ตัวอยางเชน โครงการ จัดเก็บคาผานทางในประเทศไตหวัน [37] และโครงการ Siemens intelligent traffic systems [38] o Smart Energy เทคโนโลยี IoT จะถูกนํามาประยุกตใชกับโครงการดาน smart energy ในลักษณะการตรวจวั ด ระยะไกล เชน ระบบ smart meter ซึ่งสามารถวัดปริมาณการใชสาธารณูปโภคของที่อยูอาศัย การใชงาน smart meter กอใหเกิดโครงขายไฟฟาอัจฉริยะ (smart grid) ซึ่งสามารถตรวจวัดปริมาณการใชงานพลังงาน ไฟฟาและประมาณการใชไฟฟาในชวงเวลาตาง ๆ เพื่อวางแผนการจายพลังงานไฟฟาและคํานวณราคาไฟฟาให สอดคลองกับคาอุปสงค-อุปทาน o Connected Cars รถยนตที่สามารถเชื่อมตออินเทอรเน็ตสามารถรายงานการจราจร อุบัติเหตุในบริเวณตาง ๆ หรือ ขอมูลการใชงานรถยนต ปจจุบันกลุมบริษัท Toyota และบริษัทไอที-โทรคมนาคมหลายราย ไดกอตั้งกลุม automotive edge computing consortium เพื่อพัฒนาเทคโนโลยีรถยนตที่เชื่อมตออินเทอรเน็ตได โดยมี

199 เปาหมาย คือ การพัฒนาเทคโนโลยีเพื่อรองรับบริการใหม ๆ เชน ระบบชวยขับขี่ หรือการสรางแผนที่แบบ เรียลไทม [39]

รูปที่ 5.15 ผลการสํารวจการลงทุนของอุตสาหกรรมป ค.ศ. 2016 [34]

รูปที่ 5.16 จํานวนโครงการที่เกี่ยวของกับเทคโนโลยี IoT ในไตรมาสที่ 3 ป ค.ศ. 2016 [35]

200

5.2 ปญญาประดิษฐ (Artificial Intelligence, AI)

ปญญาประดิษฐ (artificial intelligence) หรือ AI ไดถูกกลาวถึงมาอยางยาวนาน สังเกตไดจากบท ภาพยนตรในอดีตจํานวนหลายเรื่องเกี่ยวของกับหุนยนตและภัยคุกคามที่เกิดจากความเฉลียวฉลาดที่มากกวา มนุษย อยางไรก็ตามในเวลานั้นเทคโนโลยีปญญาประดิษฐ ในบทภาพยนตรกับความเปนจริงยังมีความแตกตาง อยูพอสมควร จนมนุษยรูสึกวาปญญาประดิษฐ เหมือนกับตัวการตูนที่ไมมีวันเกิดขึ้นได ในระยะ 2 ปที่ผานมา เทคโนโลยีปญญาประดิษฐ ไดรับการกลาวถึงอยางมากจากความสําเร็จของบริษัทชื่อดังตาง ๆ ตัวอยางเชน บริษัท DeepMind (บริษัทในเครือของกูเกิล) ประสบความสําเร็จในการสรางคอมพิวเตอรชื่อ AlphaGo เพื่อ ใชเลนโกะ (เกมที่ไดรับการยอมรับวามีความซับซอนและจํานวนรูปแบบการเลนหลากหลายมาก) โดยสามารถ เอาชนะ Ke Jie (ผูเลนโกะอันดับหนึ่งของโลกในเวลานั้น) ไดอยางงายดาย ในการแขงครั้งนั้นสิ่งที่นาสนใจคือ Ke Jie ไดใชกลยุทธที่เรียนรูจาก AlphaGo ในการแขงขันรอบกอนหนามาใชตอสูกับ AlphaGo อยางไรก็ตาม AlphaGo สามารถตอบสนองกับ กลยุทธใหมข อง Ke Jie โดยสามารถพัฒนากลยุทธใ หม ตา งจากอดี ต ที่ AlphaGo จะใชกลยุทธจากรูปแบบการเลนของมนุษยที่ถูกบันทึกไว ยอนเวลากลับไปในอดีตอีกครั้ง ในชวง เวลาที่เทคโนโลยีปญญาประดิษฐ ในบทภาพยนตรกับความเปนจริงแตกตางอยูมาก มนุษยคิดคนวิธีการจําลอง การทํางานของเซลลสมองในระบบคอมพิวเตอร โดยกําหนดใหการตัดสินใจของคอมพิวเตอรเกิดจากผลลัพธ การคํานวณของโนดตาง ๆ ในโครงขาย (รูปที่ 5.17 ซาย) วิธีการคํานวณของโนดเกิดจากการหาความสัมพันธ ของขอมูลอินพุต (input) และเอาตพุต (output) ที่มนุษยจัดเตรียมไว ทําใหคอมพิวเตอรเกิดการเรียนรูและ สามารถตัดสินใจได เทคโนโลยีนี้จึงถูกเรียกวา การเรียนรูของเครื่อง (machine learning) ประสิทธิภาพใน ตัดสินใจของเครื่องคอมพิวเตอรจ ะขึ้นกับจํานวนรูป แบบที่ใหคอมพิวเตอรเรียนรู และจํานวนโนดที่ อยูใน โครงขา ย ในอดีตนัก วิจัย เจอปญ หาในการคํา นวณโครงข า ยที่มีจํา นวนโนดมาก ทําใหป ระสิทธิภ าพของ เทคโนโลยีการเรียนรูของเครื่องมีขอจํากัด จนกระทั่งในชวงป ค.ศ. 2006 ไดมีคนพบวิธีการคํานวณโครงขายที่ มีจํานวนโนดมาก (รูปที่ 5.17 ขวา) ซึ่งทําใหประสิทธิภาพของเทคโนโลยีการเรียนรูของเครื่องกาวขามขีดจํากัด จนสามารถสรางคอมพิวเตอรชื่อ AlphaGo ที่มีความเฉลียวฉลาดมากกวามนุษย

รูปที่ 5.17 โครงขายเสมือนเซลลสมองของมนุษย [40]

201 5.2.1 เทคโนโลยีสําคัญดานการเรียนรูของเครื่อง (machine learning) การเรียนรูของเครื่อง (machine learning) เกิดจากการนําขอมูลอินพุตและเอาตพุตที่ตองการให เครื่องคอมพิวเตอรหาความสัมพันธเพื่อใชตัดสินใจขอมูลอินพุตใหมที่มนุษยตองการ ในอดีตการเตรียมขอมูล อิ น พุ ต จํ า เป น ต อ งใชค วามเชี่ย วชาญของมนุ ษ ย ใ นการคั ด เลื อ กข อ มูล ที่ คาดว า จะมี ป ระโยชน ต อ การหา ความสัมพันธของเครื่องคอมพิวเตอร อยางไรก็ตามเทคนิคสมัยใหม เชน deep learning สามารถลดบทบาท ของมนุ ษ ย โดยเครื่ อ งคอมพิ ว เตอรส ามารถคน หาและคัด เลื อ กข อ มู ล ที่ สํ า คัญ ไดเ อง นอกจากนี้ เ ทคนิ ค reinforcement learning ยังชวยใหคอมพิวเตอรมีทักษะการเรียนรูและตัดสินใจจากประสบการณในอดีต คลายการเรียนรูของมนุษย 5.2.1.1 Deep learning เทคนิค deep learning เกี่ยวของกับโครงขายประสาทเทียม หรือ artificial neural network (รูป ที่ 5.17 ซาย) เพื่อใชหาความสัมพันธของขอมูล [41] ในชวงป ค.ศ.1960 การทําโครงขายประสาทเที ยม เกี่ยวของกับการพัฒนาในงานดาน image recognition และ speech recognition หรือการจดจําภาพและ เสียง อยางไรก็ตาม การใชโครงขายประสาทเทียมกับงานดังกลาวมักเจอปญหาที่สําคัญที่ยากตอการพัฒนา ตัวอยางเชน การจดจําภาพวัตถุเมื่อวัตถุไมไดอยูตรงกลางภาพหรือวัตถุมีการหมุน การจดจําเสียงเมื่อผูพูดใช สําเนียงที่แตกตางกันออกไป ปญหาดังกลาวจําเปนตองใชความเชี่ยวชาญของมนุษยเพื่อคนหาลักษณะที่สําคัญ ของวัตถุและเสีย งกอนนํา ไปเป นอินพุตของโครงขายประสาทเทียม สงผลใหในชวงป ค.ศ. 1990 เทคนิค โครงขายประสาทเทียมไมไดรับความสนใจจากนักวิจัย จนกระทั่งในป ค.ศ. 2006 งานวิจัยของ G. Hinton และ Y. Bengio ไดนําเสนอเทคนิคที่ชวยใหโครงขายประสาทเทียมสามารถคนหาลักษณะที่สําคัญของขอมูลได โดยไมตองพึ่งมนุษย [42, 43] งานวิจัยดังกลาวสงผลใหโครงขายประสาทเทียมกลับมาไดรับความสนใจจาก นักวิจัยทั่วโลก โครงขายประสาทเทียมเริ่มมีความซับซอนมากขึ้นโดยจํานวนโนดในโครงขายประสาทเทียมอาจ มีมากถึง 100 ลานโนด (พิจารณารูปที่ 5.17 ขวา เมื่อมีโ นดจํานวนมาก) ทําใหโ ครงขายประสาทเทียมถูก พิจารณาเทคนิค deep learning หรือการเรียนรูของเครื่องคอมพิวเตอรระดับที่ลึกมาก ปจ จุบัน เทคนิค convolutional neural network ซึ่ง เปนเทคนิค deep learning ประเภทหนึ่ ง ได รับ ความนิ ย มนํา มาประยุ ก ตใช ง านดา น image recognition [44] ตัว อยางเชน การจดจํ าใบหน า ของ โทรศัพทมือถือรุน iphoneX การจดจําภาพถายดานการแพทย (รูปที่ 5.18 เนื่องจากขอมูลภาพทางการแพทย มีปริมาณมาก ยากตอการที่มนุษยจะเรียนรูไดหมดภายในเวลาอันสั้น ตางจากโครงขายประสาทที่สามารถ เรียนรูไดอยางรวดเร็ว) สําหรับงานดาน speech recognition เทคนิค recurrent neural network [45-47] ไดรับความนิยมอยางมาก โดยสามารถนํามาประยุกตรวมกับเทคนิค convolutional neural network เพื่อ สรางขอความอธิบายภาพดังรูปที่ 5.19 นอกจากนี้ เทคนิค deep learning ถูกนําใชในบริษัทเอกชนอยาง แพรหลาย ตัวอยางเชน บริษัทกูเกิล (พัฒนาระบบแปลขอความของ google translate และการแนะนําวิดีโอ ของยูทูป) บริษัท AXA (ใชในการทํานายการเกิดอุบัติเหตุทางรถยนตของลูกคาเพื่อตั้งราคาประกันรถยนตให เหมาะสม)

202

รูปที่ 5.18 ความแมนยําในการวิเคราะหขอมูลภาพทางการแพทย [48]

รูปที่ 5.19 การแปลงภาพเปนขอความโดยโครงขายประสาทเทียม [41] 5.2.1.2 Reinforcement learning การตัดสินใจของคอมพิวเตอรโดยใชโ ครงขายประสาทเทียมเกิดจากขอมูลอินพุตและเอาต พุตที่ มนุ ษ ย ป อ นให กั บ คอมพิ ว เตอร ดั ง นั้ นข อ มู ล อิ น พุ ต และเอาต พุ ตจึ ง มี ส ว นสํ า คัญ ต อ การเรีย นรู ข องเครื่ อ ง คอมพิวเตอร ในบางกรณีขอมูลอินพุตอาจมีจํานวนมากเกินกวาที่มนุษยหาใหกับคอมพิวเตอรได ตัวอยางเชน เหตุการณทั้งหมดที่เกิดขึ้นในเกมคอมพิวเตอร รสชาติอาหารทุกชนิดที่อยูบนโลก โดยทั่วไปมนุษยเกิดการ เรี ยนรูจ ากการทดลอง (ทดลองบั ง คั บหุ นยนต ในเกมให ทํ า ลายหรือหลบหนี คูต อสู ทดลองชิ ม อาหารที่ อยู ตรงหนา) และเมื่อผลลัพธจากการทดลองเกิดขึ้น มนุษยจะเกิดการเรียนรู (สถานะการณแบบนี้บังคับใหหลบ ดีกวาสู รสชาติแบบนี้ฉันไมชอบเลย) จากที่กลาวมานี้ จึงเปนที่มาของเทคนิค reinforcement learning ซึ่งมี การทํางานดังรูปที่ 5.20 โดย agent ทําการทดลองหรือ action กับสถานะการณปจจุบันหรือมี environment ลักษณะหนึ่ง ทําใหเกิดผลลัพธตาง ๆ และทําใหสถานะการณเปลี่ยนไปจากเดิม agent จะทําการเรียนรูวาการ เลือก action แบบนี้จะใหผลลัพธเปนอยางไร และเมือ่ เลือก action ตอไปเรื่อย ๆ จะไดผลลัพธอยางไร สังเกต ไดวาการเรียนรูของคอมพิวเตอรคลายกับการเรียนรูของมนุษย ปจจุบันโครงขายประสาทเทียมถูกนํามาใชเปน agent เพื่อเรียนรูเหตุการณตาง ๆ เทคนิค reinforcement learning ไดรับความคาดหมายวาจะมีบทบาทตอ ความสามารถและการตัดสินใจของปญญาประดิษฐอยางมาก ตัวอยางเชน คอมพิวเตอร AlphaGo ที่ถูกฝก เพื่อใชเลนโกะ

203

รูปที่ 5.20 การเรียนรูแบบ reinforcement learning [49] 5.2.2 หนวยประมวลผลสําหรับ machine learning การคํ า นวณโครงข า ยประสาทเที ย มที่ มี จํ า นวนโนดมากจํ า เป น ต อ งใช ห น ว ยประมวลผลที่ มี ประสิทธิภาพสูง โดยทั่วไปการเพิ่มประสิทธิภาพของหนวยประมวลผลในระบบคอมพิวเตอรสามารถทําได 2 แนวทาง ได แ ก การเพิ่ มความเร็ ว การคํา นวณชุด คํ า สั่ ง และการเพิ่ มจํ า นวนหนว ยประมวลผลในระบบ คอมพิว เตอร ปจ จุบัน หนว ยประมวลผลกลางของคอมพิว เตอรห รือ CPU (Central processing unit) ถูก ออกแบบเพื่อคํานวณชุดคํา สั่ง แบบเรียงลํา ดับ (คํา นวณ 1 ชุดคําสั่งตอสัญ ญาณนาฬิกา) ดัง นั้น การเพิ่ ม ประสิทธิภาพของ CPU มุงเนนการเพิ่มความเร็วการคํานวณชุดคําสั่ง แตกตางจากหนวยประมวลผลภาพหรือ GPU (Graphics Processing Unit) ซึ่งถูกออกแบบเพื่อคํานวณชุดคําสั่งแบบขนาน การเพิ่มประสิทธิภาพของ GPU จะมุงเนนการเพิ่มจํานวนหนวยประมวลผล พิจารณารูปที่ 5.21 ซึ่งหนวยประมวลผล GPU อาจมีหนวย ประมวลผลมากกวา 1,000 หนวย การคํานวณของโครงขายประสาทเทียมใหมีความรวดเร็วจําเปนตองใชการคํานวณแบบขนาน ทําให หนวยประมวณผล GPU ไดรับความนิยมใชคํานวณโครงขายประสาทเทียม โดยมีบริษัท Nvidia ผูผลิตหนวย ประมวณผล GPU เปนผูนําตลาดการประมวลผลงานดาน deep learning [51] ปจจุบันบริษัท Google ได ออกแบบหนวยประมวลผลเพื่อใชสําหรับงานดานโครงขายประสาทเทียม โดยหนวยประมวลผล TPU (Tensor Processing Unit) ประกอบไปดว ยหนว ยประมวลผลการคูณของเมทริก ซจํ านวนมาก ทํา ใหการคํ า นวณ โครงข า ยประสาทเทีย มโดยใชห น ว ยประมวลผล TPU มี ความรวดเร็ว กว า หน วยประมวลผล GPU [52] ป จ จุ บั น บริ ษั ท Google นํ า หน ว ยประมวลผล TPU ประยุ ก ต ใชใ นระบบ Google Cloud Platform เพื่ อ ใหบริการคํานวณงานดาน deep learning [53] รูปที่ 5.23 แสดงรายชื่อผูผลิตหนวยประมวลผลที่ใชคํานวณ งานดาน deep learning โดยจะพบวาบริษัทจํานวนมากอยูในประเทศสหรัฐอเมริกา

204

รูปที่ 5.21 ความแตกตางระหวาง CPU และ GPU [50]

รูปที่ 5.22 ฮารดแวร Tensor Processing Unit [52]

205

รูปที่ 5.23 รายชื่อผูผลิตหนวยประมวลผลที่ใชคํานวณงานดาน deep learning [51] 5.2.3 ผลกระทบที่เกิดขึ้นเมื่อเทคโนโลยีปญญาประดิษฐถูกนํามาใชงาน บริษัท PWC ไดทําการศึกษาผลกระทบของปญญาประดิษฐ ในกลุมอุตสาหกรรมตาง ๆ โดยพบวา กลุมทางดาน Healthcare และ Automotive จะไดรับผลกระทบมากที่สุด [54] (รูปที่ 5.24) รองลงมาคือ อุ ตสาหกรรมดาน financial services, technology and communications และ retail โดยอุตสาหกรรม ดาน energy และ manufacturing จะไดรับผลกระทบนอ ยสุด นอกจากนี้ นักวิเคราะหดานอุตสาหกรรม เทคโนโลยีสารสนเทศของ Mckinsey global institute ไดบทสัมภาษณผูบริหารจํานวน 203 คน พบวา 75% ของผูบริหารแจงวาจะมีการประยุกตใชงานปญญาประดิษฐ ภายใน 3 ป และ 3% ของผูบริหารแจงวาบริษัทได มีการประยุกตใชงานปญญาประดิษฐ เรียบรอย [55] ผลการสัมภาษณบงชี้แนวโนมของอุตสาหกรรมผูนําที่จะมี การประยุกตใชปญญาประดิษฐ ไดแก กลุมบริการดานการเงิน กลุมอุตสาหกรรมไฮเทคและกลุมผูใหบริการ ดานการสื่อสาร (รูปที่ 5.25)

206

รูปที่ 5.24 ผลกระทบของปญญาประดิษฐของกลุมอุตสาหกรรมตาง ๆ โดยบริษัท PWC [54]

207

รูปที่ 5.25 การประยุกตใชปญญาประดิษฐในกลุมอุตสาหกรรมตาง ๆ โดย McKinsey Global Institute [55] 5.2.4 ประเด็นที่ตองติดตาม o การวางงานซึ่งเกิดจากการแทนที่ของปญญาประดิษฐ เมื่อปญญาประดิษฐพัฒนาจนมีขีดความสามารถไดทัดเทียบมนุษยหรือมากกวาในบางสถานการณ สงผลตอการเปรียบเทียบคาแรงและผลงานระหวางคนกับปญญาประดิษฐ ทําใหบางสายงานอาจถูกทดแทน โดยป ญ ญาประดิ ษ ฐ อย า งหลี ก เลี่ ย งไม ไ ด อย า งไรก็ ดี จะมี จํ า นวนสายงานที่ เ พิ่ ม มากขึ้ น จากการใชง าน ปญญาประดิษฐดวยเชนกัน โดยเฉพาะเมื่อตองทํางานรวมกับหุนยนต เปนตน o การดัดแปลงขอมูลที่ใชเรียนรูของปญญาประดิษฐโดยกลุมคนที่ไมหวังดี การพัฒนาการคิดและวิเคราะหข องปญญาประดิษ ฐ เกิดจากการเรีย นรูขอมูลที่ม นุษยปอ นให ดังนั้นการ ดัดแปลงขอมูลของกลุมคนที่ไมหวังดีสามารถเกิดขึ้นได 5.2.5 แนวโนมการประยุกตใชงานเทคโนโลยีปญญาประดิษฐในภาคอุตสหกรรม บ ริ ษั ท McKinsey Global Institute ได คาดการ ณ แ นวโ น มก า รป ร ะยุ ก ต ใช เ ทคโ น โ ลยี ปญญาประดิษฐในงานที่มีลักษณะตอไปนี้ (รูปที่ 5.26) 1. การประมาณการอนาคต เชน แนวโนมตลาด อุปสงคและอุปทานของตลาด 2. การพัฒนากระบวนการผลิต เชน การลดพลังงาน การลดระยะเวลาขนสง 3. การพัฒนากลยุทธ เชน การกําหนดราคาและโปรโมชัน 4. การพัฒนาบริการ เชน การแนะนําสินคาที่เหมาะสมกับลูกคา

208

รูปที่ 5.26 แนวโนมการประยุกตใชปญญาประดิษฐในกลุมอุตสาหกรรมตาง ๆ โดย McKinsey Global Institute [55]

209 5.2.6 แนวโนมการประยุกตใชงานเทคโนโลยีปญญาประดิษฐกับเทคโนโลยีภูมิสารสนเทศ ปจจุบันการประยุกตใชเทคนิค deep learning กับงานดานภูมิสารสนเทศกําลังไดรับความสนใจ อยา งมาก โดยในป 2017 ได มี ก ารประชุ ม วิ ช าการด า นการประยุ ก ต ใ ช เ ทคนิค deep learning กั บ ภู มิ สารสนเทศเปนครั้งแรก [56] โดยเฉพาะบทบาทในการแปลความหมายและจําแนกวัตถุจากภาพถาย เชน มหาวิทยาลัยสแตนฟอรต ไดใชประยุกตใช machine learning เพื่อจําแนกบริเวณพื้นที่มีความขาดแคลน [57] บริษัท Facebook ไดนําเทคโนโลยีปญญาประดิษฐมาใชในการจําแนกถนนและทําแผนที่จากภาพถาย ดาวเทียม [58] นอกจากการแปลความหมายและจําแนกวัตถุแลว เทคโนโลยีปญญาประดิษฐสามารถนําไป ประยุกตใชกับขอมูลเชิงตําแหนง เชน การศึกษาขอมูลเชิงตําแหนงจากแหลงตาง ๆ [59, 60] การแบงกลุมเพื่อ ทําความเขาใจกับขอมูล [61, 62] การระบุตําแหนง geolocation จากภาพถาย [63] การสกัดเหตุการณสําคัญ และตําแหนงจากขอมูลในโซเชียลเน็ตเวิรก [64] การประยุ ก ต ใ ช ง านเทคโนโลยี ป ญ ญาประดิ ษ ฐ ใ นข า งต น ทํ า ให เ ห็ น บทบาทของเทคโนโลยี ปญญาประดิษฐกับเทคโนโลยีภูมิสารสนเทศ ซึ่งเทคโนโลยีปญญาประดิษฐสามารถวิเคราะหขอมูลที่มีปริมาณ มากและมีรูปแบบที่ซับซอนซึ่งมนุษยไมสามารถวิเคราะหได เชน การประมวลผลสภาพจราจรจากเซ็นเซอร [65] การจําแนกวัตถุบนภาพชนิดราสเตอร [66] นอกจากนี้ จากบทสัมภาษณของ Nigel Clifford CEO ของ Ordnance Survey หน ว ยงานด า นแผนที่ ข องประเทศอั ง กฤษ ทํ า ให ท ราบวา หนว ยงานกํ า ลั ง พั ฒ นาการ ตรวจจับความแตกตางของภาพถายดาวเทียมในชวงเวลาที่แตกตางกันเพื่อหาการเปลี่ยนแปลงที่เกิดขึ้น (ortho change detection) [67] รวมถึ ง การประยุ ก ต ใ ช ง านป ญ ญาประดิ ษ ฐ สํ า หรั บ งานด า นแผนที่ แ ละภู มิ สารสนเทศตางๆ [68] เชน เกษตรกรรมเพิ่มความแมนยําในการพนยาฆาแมลง [69] การเปลี่ยนแปลงสภาพ ภูมิอากาศ [70]

5.3 บล็อกเชน (blockchain)

ปจจุบันเทคโนโลยีบล็อกเชนไดรับความสนใจอยางมากเนื่องจากเทคโนโลยีดังกลาวถูกนํามาใชใน งานดานความปลอดภัยของสกุลเงินอิเล็กทรอนิกสที่มีชื่อเสียง ตัวอยางเชน Bitcoin และ Ethereum หลักการ พื้นฐานของเทคโนโลยีบล็อกเชนสามารถอธิบายโดยใชตัวอยางการโอนเงินที่ใชอยูในปจจุบัน การโอนเงินจาก บั ญ ชีตนทางไปยังปลายทางจะดํา เนินการผา นธนาคารที่มีหนา ที่ต รวจสอบความถูกตอง เชน เลขที่บัญชี ยอดเงินคงเหลือในระบบ ฯลฯ เมื่อธนาคารตรวจสอบความถูกตองเสร็จสิ้นจึงอนุมัติการโอนเงินจากบัญชีตน ทางไปยังปลายทาง (รูปที่ 5.27 ซาย) รูปแบบดังกลาวมีลักษณะที่เรียกวา centralized ledger หรือการมีคน กลางคอยตรวจสอบความถูกตองของแลกเปลี่ยนสินคา สําหรับเทคโนโลยีบล็อกเชนการดําเนินการจะมีรูปแบบ ที่แตกตางออกไป โดยขอมูลทั้งหมดไมจําเปนตองเก็บไวที่ศนู ยกลางเพียงแหงเดียว ขอมูลของบัญชีตาง ๆ ควร กระจายไปใหทุกคนเก็บรักษาไว หรือ distributed ledger (รูปที่ 5.27 ขวา) ทําใหปราศจากตัวกลางที่ทํา หนาที่ตรวจสอบความถูกตอง ในกรณีนี้ การโอนเงินจากบัญชีตนทางไปยังปลายทางจะไดรับการอนุมัติเมื่อทุก คนตรวจสอบขอ มูลกับสําเนาของตนเองเสร็จสิ้น ดังนั้น การปลอมแปลงขอมูลจึงเกิด ขึ้น ไดยากเนื่อ งจาก จําเปนตองแกไขขอมูลของทุกคนในระบบ หลักการดังกลาวจึงสรางความเชื่อมั่นและความปลอดภัยของขอมูล

210 เพื่อใหเห็นภาพมากขึ้น พิจารณาขั้นตอนการสรางบล็อกขอมูลของเทคโนโลยีบล็อกเชนโดยกําหนดให บัญชี A ตองการโอนเงินไปยังบัญชี B (รูปที่ 5.28 หมายเลข 1) สามารถกระทําไดโดยการสรางรายการโอนเงินซึ่ง ประกอบไปดวยรายละเอียดตาง ๆ เชน เลขที่บัญชีตนทางและปลายทาง ยอดเงินที่มีอยู ยอดเงินที่ตองการโอน ฯลฯ จากนั้น รายการโอนเงินจะถูกสรางเปนบล็อกที่มีหมายเลขกํากับ (รูปที่ 5.28 หมายเลข 2) และบล็อก ขอมูลจะถูกนําไปตรวจสอบกับบล็อกขอมูลที่บุคคลอื่นเก็บรักษาไว (รูปที่ 5.28 หมายเลข 3) เชน ตรวจเช็ควา จํานวนเงินที่มีอยูถูกตองหรือไม เมื่อบล็อกขอมูลถูกตรวจสอบเสร็จสิ้น (รูปที่ 5.28 หมายเลข 4) บล็อกขอมูล จะถูกนํา ไปเรียงตอกับ บล็อ กขอมูลของการทําธุรกรรมกอนหนา สําหรับการทําธุรกรรมในอนาคตนั้นจะ ดําเนินการในลักษณะเดียวกัน โดยบล็อกขอมูลใหมที่เกิดขึ้นจะถูกนํามาเรียงตอไปเรื่อย ๆ และบล็อกขอมูลที่ เรียงตอกันนี้จะมีการอางอิงถึงกัน ทําใหการตรวจสอบยอนหลังสามารถกระทําได

รูปที่ 5.27 การกระจายขอมูลของเทคโนโลยีบล็อกเชน [71]

รูปที่ 5.28 ขั้นตอนการสรางบล็อกขอมูลของเทคโนโลยีบล็อกเชน [72]

211 5.3.1 พัฒนาการของเทคโนโลยีบล็อกเชนใน bitcoin การเปลี่ยนรูป แบบจาก centralized ledger เปน distributed ledger ในเทคโนโลยีบ ล็อกเชน กอใหเกิดปญหาที่เรียกวา double spending [73] ตัวอยางเชน นาย ก มีเงินอยู 100 บาท ตองการทําทุจริต โดยโอนเงินไปใหนาย ข จํานวน 100 บาท และนาย ค จํานวน 100 บาท โดยสรางรายการโอนเงินขึ้นมาพรอม กั น (กรณี centralized ledger สามารถแก ป ญ หา double spending โดยธนาคารหรือ คนกลางจะค อย ตรวจสอบจํานวนเงินที่มีอยูกอนอนุมัติคําสั่งโอนเงิน) ดังนั้น bitcoin จึงแกปญหาโดยการใหทุกคนในโครงขาย ยืนยันจํานวนเงินที่มีอยูของนาย ก กอนอนุญาตใหนาย ก ทําการโอนเงินใหคนอื่น อยางไรก็ตาม การใหทุกคน ในโครงขายทําการยืนยันอาจสงผลตอความลาชาในการโอนเงิน ดังนั้น การอนุมัติสามารถใชการตัดสินใจของ คนสวนใหญในโครงขายแทน การใหคนสวนใหญในโครงขายยืนยันจํานวนเงินของนาย ก กอนทําการโอนเงินใหบุคคลอื่น นาย ก อาจทําการทุจริตโดยการตกลงกับคนอื่น ๆ (จํานวนหลายคน) ในโครงขายเพื่อยืนยันจํานวนเงินที่นาย ก มีอยู Bitcoin จึงกําหนดใหทุกคนที่ตองการยืนยันจํานวนเงินคนอื่นจะตองทําการ proof of work หรือออกแรง ทํางานบางอยางเพื่อพิสูจนตนเอง ตัวอยางเชน ทุกคนที่ตองการยืนยันจํานวนเงินคนอื่นตองทําการแกปริศนา เพื่อหาผูชนะ (Bitcoin ใช SHA-256 hash function [74] สรางปริศนา) การกําหนดเงื่อนไขดังกลาวทําใหการ ยืนยันจํานวนเงินคนอื่นไมขึ้นอยูกับจํานวนคนหรือจํานวนเครื่องคอมพิวเตอร แตขึ้นอยูกับความสามารถในการ แกปริศนาหรือความรวดเร็วในการประมวลผลของเครื่องคอมพิวเตอรทําใหการทุจริตเกิดไดยากขึ้น (bitcoin มองวาการทุจริตโดยใชความเร็วคอมพิวเตอรยากกวาการทุจริตโดยใชจํานวนคอมพิวเตอร) นอกจากนี้ความ ซับซอนของเกมปริศนาแปรผันตามความรวดเร็วของเครื่องคอมพิวเตอรในโครงขาย เชน เมื่อคอมพิวเตอรใน โครงขายมีความรวดเร็วมาก ปริศนาที่ถูกสรางขึ้นจะมีความยากมากยิ่งขึ้น 5.3.2 ผลกระทบที่เกิดขึ้นเมื่อเทคโนโลยีบล็อกเชนถูกนํามาใชงาน เทคโนโลยีบล็อกเชนไดรับการคาดหมายวาเปนเทคโนโลยีที่จะปฏิวัติวงการการเงินเนื่องจากความ สะดวกและความปลอดภัยในการโยกยายเงินระหวางสถาบันการเงินหรือโอนยายขามภูมิภาค นอกจากนี้ยัง สามารถลดค า ใช จ า ยที่ เ กิ ด จากการดํ า เนิ น การได จํ า นวนมาก โดย Santander’s fund InnoVenture คาดการณวาการประยุกตใชรูปแบบ distributed ledger ในระบบธนาคารจะชวยลดคาใชจายระหวาง 13.8 ถึง 18.4 ลานยูโร ตอไตรมาสกอนป ค.ศ. 2022 [71] เทคโนโลยีบล็อกเชนไมไดกอใหเกิดการเปลี่ยนแปลง เฉพาะสถาบันการเงินเทานั้น แตยังมีผลกระทบตอธุรกิจอื่น ๆ เชนกัน โดยเฉพาะการลดบทบาทของตัวกลาง ตัวอยางเชน การบันทึกธุรกรรมการซื้อขายเพลงเพื่อใหเกิดการซื้อขายโดยตรงระหวางศิลปนกับผูฟง การ ตรวจสอบกรรมสิทธิ์ในธุรกิจ อสั งหาริมทรั พย และประวั ติก ารซื้ อขายหรือ โอน การเปลี่ย นแปลงดัง กล า ว กอใหเกิดรูปแบบ smart contract หรือการนําระบบคอมพิวเตอรมาชวยในการบังคับใชสัญญาทางธุรกิจใหมี การดําเนินการโดยอัตโนมัติ

212 5.3.3 ประเด็นที่ตองติดตาม o หนวยงานควบคุมการใชงานสกุลเงินดิจิทัล ปจจุบันสกุลเงินดิจิทัลถูกนํามาใชงานอยางแพรหลาย หนวยงานที่คอยตรวจสอบและควบคุมจึงมี ความสําคัญอยางมาก o การประมวลผลและการบํารุงรักษาขอมูลเมื่อบล็อกขอมูลมีขนาดใหญมาก เนื่องจากขอมูลใหมที่บรรจุในบล็อกจะถูกเรียงตอกับบล็อกกอนหนาดังนั้นจํานวนบล็อกจะเพิ่มมาก ขึ้นเรื่อย ๆ สงผลตอระยะเวลาการคํานวณ o ความเปนสวนตัวและความปลอดภัยของขอมูลที่ถูกแพรกระจายในระบบ เนื่องจากขอมูลไมไดถูกจัดเก็บไวสวนกลางที่มีระบบปองกันการเขาถึงขอมูลจากภายนอก ดังนั้น วิธีการรักษาความปลอดภัยของขอมูลที่ถูกกระจายในโครงขายจึงมีความสําคัญอยางยิ่ง o มาตรฐานการแลกเปลี่ยนขอมูลระหวางโครงขายบล็อกเชนที่แตกตางกัน เมื่อเทคโนโลยีบล็อกเชนถูกนําไปใชกับโครงสรางขอมูลของบริษัทตาง ๆ ดังนั้นการแลกเปลี่ยนขอมูล ระหวางบริษัทจําเปนตองใชมาตรฐานเดียวกัน 5.3.4 แนวโนมการประยุกตใชงานเทคโนโลยีบล็อกเชนในภาคธุรกิจ ปจจุบันเทคโนโลยีบล็อ กเชนอยูในระหวางการพัฒนาและทดสอบดังรูป ที่ 5.29 โดยการพัฒนา เทคโนโลยีบล็อกเชนในขั้นตอนตอไปเกี่ยวของกับพัฒนามาตรฐานและขอบังคับโดยระยะแรกมุงเนน 3 กลุม ดวยกัน ไดแก กลุมบริการดานการเงิน เชน digital currency, trade finance, remittances, commodity exchange กลุมบริการของภาครัฐ เชน การโอนที่ดิน ประวัติรถยนต ประวัติสุขภาพ เอกสารระบุตัวตน และ กลุม supply chain บริษัท PwC ไดทําการศึกษาแนวโนมการประยุกตใชงานเทคโนโลยีบล็อกเชนในภาค ธุรกิจตาง ๆ ดังรูปที่ 5.30

รูปที่ 5.29 แนวโนมการพัฒนาเทคโนโลยีบล็อกเชนโดยบริษัท PwC [75]

213

รูปที่ 5.30 การประยุกตใชงานบล็อกเชนโดยบริษัท PwC [76] ตัวอยางการประยุกตใชงานเทคโนโลยีบล็อกเชน 1. บริ ษัท Nasdaq ผู ให บ ริ การด านการซื้ อ ขายหลั กทรั พ ย ได พัฒนาระบบการซื้ อ ขายแลกเปลี่ ย น หลักทรัพยโดยใชเทคโนโลยีบล็อกเชน 2. บริษั ท IBM และ Walmart ได พั ฒ นาระบบสํ า หรั บ การบริห าร supply chain ของสิ น คา ดว ย เทคโนโลยีบล็อกเชน 3. ธนาคารกสิกรไทยเปดบริการทําหนังสือค้ําประกัน โดยอาศัยเทคโนโลยีบล็อกเชนจาก IBM 4. บริษัท Daimler AG ไดทดลองนําเอาระบบบล็อกเชนมาใชงานกับระบบการเงินของบริษัทเพื่อลด การพึ่งพาระบบการเงินของธนาคาร 5. บริษัท Accenture รวมมือกับบริษัท microsoft เพื่อนําเทคโนโลยีบล็อกเชนมาสรางโซลูชันการ ยืนยันตัวบุคคลเพื่อสนับสนุนภารกิจของ UN 6. บริษัท Toyota Research Institute รวมมือกับ MIT Media Lab โดยนําเทคโนโลยี Distributed Ledger ในการเก็บขอมูลการขับขี่จากรถยนตบนทองถนนเพื่อพัฒนาเทคโนโลยีขับเคลื่อนอัตโนมัติ

214 5.3.5 แนวโนมการประยุกตใชงานเทคโนโลยีบล็อกเชนกับเทคโนโลยี IoT ป จ จุ บั น การรัก ษาความปลอดภั ย ของข อ มู ล ที่ ได จ ากอุ ป กรณ IoT กํ า ลัง ได รั บ ความสนใจ โดย เทคโนโลยีบล็อกเชนไดรับการคาดหมายวาจะชวยรักษาความปลอดภัยของขอมูลที่ไดจากอุปกรณ IoT [77] เชน การประยุกตใชงานเทคโนโลยีบล็อกเชนกับเทคโนโลยี IoT ของบริษัท IBM ในกระบวนการสงสินคา [78] ดังรูปที่ 5.31 สมมุติใหสินคาถูกสงจากทาเรือของโรงงานไปยังทาเรืออื่น หลังจากนั้นสินคาจะถูกสงจากทาเรือ ไปยังปลายทางโดยรถยนต เทคโนโลยี IoT จะถูกนํามาใชในการตรวจสอบขอมูลอุณหภูมิของสินคาไมใหสูงเกิน กวาที่กําหนด (กรณีสูงเกินที่กําหนดจะทําการปรับผูใหบริการสงสินคา) ทําใหผูสงสินคา ผูใหบริการสงสินคา ทางเรือ ผูบริการสงสินคาทางรถยนต ผูรับสินคา สามารถตรวจสอบขอมูลไดตลอดเวลา อยางไรก็ตาม เพื่อ ปองกันการแกไขขอมูล การตรวจสอบขอมูลยอนหลัง การจํากัดการเขาถึงของขอมูล และอื่น ๆ เทคโนโลยี บล็อกเชนจึงถูกนํามาใชเพื่อชวยแกปญหาดังกลาว นอกจากนี้ยังสามารถลดรายจายเมื่อเทียบกับการลงทุน สรางระบบปองกันและตรวจสอบที่ครอบคลุมการใชงานตามที่กลาวไปในตอนตน

รูปที่ 5.31 ตัวอยางการใชเทคโนโลยีบล็อกเชนกับเทคโนโลยี IoT ในการขนสงสินคา [78]

215 5.3.6 แนวโนมการประยุกตใชงานเทคโนโลยีบล็อกเชนกับเทคโนโลยีภูมิสารสนเทศ เทคโนโลยีบล็อกเชนกับภูมิสารสนเทศไดรับ การกลาวถึงในงานประชุมวิชาการ FOSS4G ป ค.ศ.

2016 [79] โดยประยุกตใชงานกับภูมิสารสนเทศแบบ Open Data ซึ่งขอมูลถูกเผยแพรสาธารณะ ทําใหขอมูล สามารถตรวจสอบความถูกตองและแกไขไดจากบุคคลอื่นสอดคลองกับความสามารถของเทคโนโลยีบล็อกเชน ปจจุบัน บริษัท Atlaschain ไดพัฒนาโปรแกรมการจัดการขอมูล GIS ดวยเทคโนโลยีบล็อกเชน โดยเผยแพร ชุดโปรแกรมใหผูที่สนใจไดพัฒนาตอ [80] นอกจากการประยุกตใชงานกับภูมิสารสนเทศแบบ Open Data เทคโนโลยีบล็อกเชนยังไดรับความสนใจในการประยุกตใชงานกับการซื้อขายที่ดิน [81] เชน ประเทศสวีเดนได ทดสอบระบบการลงทะเบียนที่ดินและซื้อขายที่ดินผานเทคโนโลยีบล็อกเชน [82]

รูปที่ 5.32 การใชเทคโนโลยีบล็อกเชนกับเทคโนโลยี IoT ในการซื้อขายที่ดิน [82]

216

5.4 คอมพิวเตอรควอนตัม (quantum computer)

ในป ค.ศ. 1975 กอรดอน มัวร คาดการณไววาจํานวนทรานซิสเตอรในวงจรรวมจะเพิ่มขึ้นสองเทา ในทุกสองป การคาดการณดังกลาวสอดคลองกับความเปนจริงไดอยางนาอัศจรรยจนไดรับการขนานนามวา เปนกฎของมัวร อยางไรก็ตาม ในชวงไมกี่ปที่ผานมาขนาดของทรานซิสเตอรเล็กลงจนถึงระดับ atomic-scale กอใหเกิดความยุงยากในการบรรจุทรานซิสเตอรในวงจรรวม ผูเชี่ยวชาญสวนใหญตางลงความเห็นวากฎของ มัวรใกลถึงวันสิ้นสุดและในอนาคตการผลิตวงจรรวมจะไมอยูบนพื้นฐานของซิลิกอนอีกตอไป ผูเชี่ยวชาญได ทําการศึกษาการสรางชิพ (chips) ดวยใชวัสดุอื่น ๆ โดยพบวาวัสดุประเภท graphene อาจเปนตัวเลือกที่ดีใน อนาคต อีกทางเลือกหนึ่งคือการละทิ้งโครงสรางคอมพิวเตอรในปจจุบันและหันหนาเขาสูกลศาสตรควอนตัม (quantum mechanics) 5.4.1 คิวบิต (qubit) คอมพิวเตอรที่ใชอยูในปจจุบันจะใชบิตขอ มูลที่มี 2 สถานะ ไดแก 0 และ 1 แตในคอมพิว เตอร ควอนตัมซึ่งเรียกบิตขอมูลวาคิวบิต (qubit) [83] จะมีสถานะพิเศษอีกอยางที่เรียกวา superposition ซึ่งเปน สถานะที่บิตขอมูลเปนไดทั้ง 0 และ 1 ในเวลาเดียวกัน (รูปที่ 5.33) สถานะ superposition สามารถนําไป สรางอัลกอริธึมใหมที่สามารถแกโจทยที่มีความซับซอนสูงไดอยางรวดเร็ว เพื่อใหเห็นภาพมากขึ้น สมมติให ฟงกชันคณิตศาสตรที่ตองการหาผลลัพธ คือล็อกชนิดหนึ่งและการหาผลลัพธของฟงกชันคือการใชกุญแจเปด ล็อกหรือทดลองทุกคําตอบที่เปนไปได (รูปที่ 5.34) ดังนั้น การหาผลลัพธของคอมพิวเตอรในปจจุบันสามารถ ทําไดโดยการทดสอบไขกุญแจที่มีอยูทั้งหมดเพื่อหากุญแจหรือคําตอบที่ตองการของฟงกชัน (ในรูปที่ 5.34 มี กุญแจจํานวน 8 ดอก) ถาตองการใหคอมพิวเตอรหาคําตอบไดรวดเร็วขึ้น สามารถใชวิธีการคํานวณแบบขนาน (parallel computing) ซึ่งเปนการสรางล็อกเพิ่มขึ้นตามจํานวนของกุญแจแลวทําการทดลองไขพรอมกัน (รูป ที่ 5.34 ดานลาง) อยางไรก็ตาม วิธีดังกลาวจําเปนตองใชหนวยประมวลผลที่มากขึ้น สําหรับคอมพิวเตอร ควอนตัมฟงกชันคณิตศาสตรที่ตองการหาผลลัพธสามารถจัดเรียงตัวเปนล็อกแบบใหมที่สามารถไขดวยกุญแจ หลายดอกพร อ มกั น ทํ า ให ค อมพิ ว เตอร ค วอนตั ม สามารถคํ า นวณได อ ย า งรวดเร็ ว นอกจากนี้ สถานะ superposition ยังชวยสรางอัลกอริธึมใหมที่ไมสามารถใชงานในระบบคอมพิวเตอรทวั่ ไปได

รูปที่ 5.33 ความแตกตางระหวางบิตและคิวบิต [84]

217

รูปที่ 5.34 ตัวอยางการคํานวณหาผลลัพธของคอมพิวเตอรแบบตาง ๆ [85] 5.4.2 ผลกระทบที่เกิดขึ้นเมื่อเทคโนโลยีคอมพิวเตอรควอนตัมถูกนํามาใชงาน ในปจจุบันระบบรักษาความปลอดภัยในคอมพิวเตอรจะชี้วัดจากระยะเวลาที่ใชในการถอดรหัสหรือ การเจาะระบบ ดังนั้นการออกแบบระบบรักษาความปลอดภัยจะพยายามทําใหระยะเวลาที่ใชในการถอดรหัส ยาวนานมาขึ้น อยางไรก็ตาม เนื่อ งจากคอมพิว เตอรควอนตัมสามารถคํา นวณไดอ ยางรวดเร็ว ทํา ใหการ ถอดรหัสสามารถทําไดโ ดยใชระยะเวลาอันสั้น ดังนั้น ผลกระทบของคอมพิวเตอรควอนตัมในระยะแรกจะ เกี่ยวของกับระบบรักษาความปลอดภัยที่ใชอยูในปจจุบันอยางหลีกเลี่ยงไมได และเมื่อคอมพิวเตอรควอนตัมมี ราคาถูกลง คอมพิวเตอรควอนตัมอาจถูกนํามาใชทดแทนระบบคอมพิวเตอรทั่วไปเพื่อใชในงานวิเคราะหขอมูล ขนาดใหญหรือใชทดสอบอัลกอริธึมที่มีความซับซอนมาก ไดแก machine learning, financial modeling, healthcare, security&mission planing สงผลใหโลกมีการเปลี่ยนแปลงที่เร็วขึ้นกวาเดิม

รูปที่ 5.35 เครื่องคอมพิวเตอรควอนตัมของบริษัท D-Wave [86]

218 สถานการณปจจุบันของเครื่องคอมพิวเตอรควอนตัม o บริ ษั ท D-Wave Systems ผู ผ ลิ ต คอมพิ ว เตอร ค วอนตัม สั ญ ชาติ แ คนาดา เป ด ตั ว คอมพิ ว เตอร ควอนตัมรุน 2000Q โดยมีจํานวนคิวบิตทั้งสิ้น 2,000 ตัว มากกวารุน 2X ที่เปดตัวไปเมื่อป ค.ศ.

2015 ถึง 2 เทาตัว รายชื่อบริษัทที่ D-Wave Systems ไดขายคอมพิวเตอรควอนตัม 1. บริษัท Lockheed Martin (บริษัทชื่อดังดานการทหาร) 2. โครงการวิจัยรวมระหวางบริษัทกูเกิลและนาซา 3. Los Alamos National Laboratory (หนวยงานวิจัยภายใต United States national security) 4. บริษัท Temporal Defense System (บริษัทดานไซเบอรซีเคียวริต)ี 5. Oak Ridge National Laboratory (หนวยงานวิจัยภายใต U.S. department of energy) o บริษัท IBM ประกาศแผนพัฒนาคอมพิวเตอรควอนตัมเชิงพาณิชยขนาด 50 คิวบิต (คอมพิวเตอร ของ D-Wave System เหมาะสําหรับงานดาน optimization เทานั้น) o บริษัทกูเกิลเตรียมจะสรางคอมพิวเตอรควอนตัมขนาด 30 – 50 คิวบิตภายในสิ้นป ค.ศ. 2017 o The National Institute of Standards and Technology (NIST) เริ่ ม ก ระ บ ว น ก า ร ส ร ร ห า อัลกอริธึมเขารหัสในยุคคอมพิวเตอรควอนตัมในเดือนสิงหาคม ป ค.ศ. 2017 o บริษัทกูเกิลนําคอมพิวเตอรควอนตัมมาประยุกตใชกับเทคโนโลยี machine learning เพื่อพัฒนา งานทางดาน AI 5.4.3 ประเด็นที่ตองติดตาม o ความปลอดภัยเมื่อคอมพิวเตอรควอนตัมถูกนํามาใช เมื่อคอมพิวเตอรควอนตัมถูกนํามาใชความปลอดภัยเปนเรื่องที่ตองคํานึงเปน อันดับแรก วิธีการ เขารหัสลับจําพวก quantum key distribution จําเปนตองไดรบั การศึกษา o ราคาของคอมพิวเตอรควอนตัม ปจจุบันคอมพิวเตอรควอนตัมยังมีราคาสูง แตเมื่อใดที่ราคาลดลงจนอยูในระดับที่จับตองไดจะทําให คอมพิวเตอรควอนตัมถูกใชอยางแพรหลาย o การประยุกตใชคอมพิวเตอรควอนตัมกับงานในปจจุบันโดยไมตองดัดแปลงหรือปรับเปลี่ยน คอมพิวเตอรควอนตัมที่มีขายในปจจุบันยังจํากัดการใชงานเฉพาะดาน ดังนั้นการประยุกตใชงาน คอมพิวเตอรควอนตัมยังคงจํากัด o ความรูดานกลศาสตรควอนตัม (quantum mechanics) โครงสรางของคอมพิวเตอรควอนตัมแตกตางกับคอมพิวเตอรที่ใชในปจจุบันอยางสิ้นเชิง โดยปจจุบัน ความรูทางดานกลศาสตรควอนตัมยังอยูในวงจํากัด

219 5.4.4 การพัฒนาเทคโนโลยีคอมพิวเตอรควอนตัม ป จ จุ บั น มหาวิ ท ยาลั ย และบริ ษั ท กู เ กิ ล IBM และ Intel พยายามสร า ง universal quantum computer หรือคอมพิวเตอรควอนตัมที่สามารถใชงานไดหลากหลายประเภท (คอมพิวเตอรของ D-Wave System เหมาะสําหรับงานดาน optimization เทานั้น) อยางไรก็ตาม อัลกอริธึม ที่ใชงานอยูในปจจุบันจะ ทํางานอยูบนพื้นฐานบิตขอมูล 0 และ 1 ดังนั้นการสราง universal quantum computer จําเปนตองพัฒนา บิตขอมูลที่เรียกวา logical qubit (คลายโครงสรางบิตขอมูลในปจจุบัน) ซึ่งจําเปนตองใช physical qubit (บิตขอมูลที่มีสถานะ superposition ที่เปนไดทั้ง 0 และ 1 ในเวลาเดียวกัน) ปจจุบันขอจํากัดของคอมพิวเตอร ทั่วไปคือขนาดจํานวนหนวยความจํา โดยซุปเปอรคอมพิวเตอรที่ใหญสุดในปจจุบันมีจํานวนหนวยความจํา เทากับ 10 Petabytes ซึ่งเทียบเคียงไดกับคอมพิวเตอรควอนตัมที่มี logical qubit จํานวน 48 คิวบิต [83] ดังนั้น การพัฒนา universal quantum computer จะมุงเนนไปที่ logical qubit ที่มากกวา 48 คิวบิต 5.4.5 การประยุกตใชงาน quantum mechanics กับเทคโนโลยีอวกาศ นอกจากคอมพิวเตอรควอนตัม ความรูดาน quantum mechanics ยังถูกนํามาประยุกตใชงานกับ ดาวเทียมสื่อสาร โดยเขารหัสขอมูลที่สงดวยเทคนิค quantum key distribution เพื่อปองกันการโจรกรรม ข อ มู ล ป จ จุ บั น ประเทศจี น ได ทํา การส ง ดาวเที ย มที่ มี ก ารเข า รหั ส ด ว ย quantum key distribution [87] ประเทศญี่ปุนไดทําการทดสอบการเขารหัส quantum key distribution ใน microsatellite [88]

220

เอกสารอางอิง [1] Top Trends in the Gartner Hype Cycle for Emerging Technologies 2017, Aug. 2017. Available online: http://www.gartner.com/smarterwithgartner/top-trends-in-the-gartner-hype-cyclefor-emerging-technologies-2017/ [2] A digital compass for decision makers: toolkit on disruptive technologies, impact and areas for action, European Commission, Jul. 2 0 1 6 .

Available online: http://ec.europa.eu/DocsRoom/documents/17924/attachments/1/translations/en/renditio ns/pdf [3] Digital Transformation of Industries, World Economic Forum, Jan. 2016. Available online: http://reports.weforum.org/digital-transformation/wp-content/blogs.dir/94/mp/ files/pages/files/digital-enterprise-narrative-final-january-2016.pdf [4] Top Strategic Predictions for 2017 and Beyond: Surviving the Storm Winds of Digital Disruption, Gartner, Oct. 2016. Available online: http://www.gartner.com/binaries/ content/assets/events/keywords/cio/ciode5/top_strategic_predictions_fo_315910.pdf [5] Emerging ICT Innovation, Digital Transformation and the Impact on ICT Skills, IDC European Government Consulting, 2016. Available online: http://netfutures2016.eu/ wp-content/uploads/2016/05/2-Cattaneao-Netfutures_ICT-skills_-F.pdf [6] Digital Talent: Road to 2020 and Beyond, Information and Communications Technology Council, Canada, Mar. 2016. Available online: https://www.ictc-ctic.ca/wp-content/ uploads/2016/03/ICTC_DigitalTalent2020_ENGLISH_FINAL_March2016.pdf [7] Internet Users, 2016. Available online: http://www.internetlivestats.com/internet-users/ [8] Ericsson Mobility Report, Jun. 2017. Available online: https://www.ericsson.com/ assets/local/mobility-report/documents/2017/ericsson-mobility-report-june-2017.pdf [9] National Internet of things (IoT) Strategic Roadmap: A Summary, MIMOS BERHAD, 2015.

Available online: http://www.mimos.my/iot/National_IoT_Strategic_Roadmap_ Summary.pdf [10] C. Cano, A. Pittolo, D. Malone, L. Lampe, A. M. Tonello and A. G. Dabak, “State of the Art in Power Line Communications: From the Applications to the Medium,” IEEE Journal on Selected Areas in Communications, Vol. 34, No. 7, Jul. 2016. Available online: http://ieeexplore.ieee.org/document/7467440/ [11] Powerline AC Wi-Fi Kit TL-WPA8630 KIT. Available online: http://www.tp-link.com/us/ products/details/cat-5509_TL-WPA8630-KIT.html

221 [12] Bluetooth mesh networking, Jul. 2017. Available online: https://www.ericsson.com/en/ publications/white-papers/bluetooth-mesh-networking [13] S. Aust and R. V. Prasad, “IEEE 802.11ah: Advantages in Standards and Further Challenges for Sub 1 GHz Wi-Fi” in Proc. IEEE International Conference on Communication, Jun 2012.

Available online: http://ieeexplore.ieee.org/document/ 6364903 [14] IOT HAS A NEW FRIEND — 802.11AH, Sept. 2015. Available online: http://www. incognito.com/blog/iot-has-a-new-friend-802-11ah/ [15] What is LoRaWAN. Available online: https://www.lora-alliance.org/what-is-lora [16] (ราง) ประกาศ กสทช. ที่เกี่ยวกับการใชคลื่นความถี่ 920-925 เมกะเฮิรตซ จํานวน 3 ฉบับ และแนวทาง การอนุญาตประกอบกิจการโทรคมนาคมเพื่อรองรับ IoT Available online: http://www.nbtc.go.th/getattachment/News/ขาวรับฟงความคิดเห็น/การรับฟงความคิดเห็น สาธารณะจากผูมีสวนไดเสี-(27)/เสนอรางประกาศ-920-925-MHz-Public-Hearing-18-82017.pdf.aspx [17] NB-IoT: a sustainable technology for connecting billions of devices. Available online: https://www.ericsson.com/en/publications/ericsson-technology-review/archive/2016/nbiot-a-sustainable-technology-for-connecting-billions-of-devices [18] AWS IoT. Available online: https://aws.amazon.com/iot-platform/ [19] L. M. Ni, Y. Liu, Y. C. Lau, and A. P. Patil, “LANDMARC: Indoor location sensing using active RFID,” in Proc. 1st IEEE Int. Conf. Pervasive Comput. Commun., pp. 407–415, TX, USA, Mar. 2003. Available online: http://ieeexplore.ieee.org/document/1192765/ [20] J. Wang and D. Katabi, “Dude, where’s my card? RFID positioning that works with multipath and non-line of sight,” in Proc. ACM Conf. SIGCOMM, pp. 51–62, Hong Kong, Aug. 2013.

Available online: https://dl.acm.org/citation.cfm?id=2486029 [21] L. Yang et al., “Tagoram: Real-time tracking of mobile RFID tags to high precision using COTS devices,” in Proc. 20th Annu. Int. Conf. Mobile Comput. Netw., pp. 237–248, Sep. 2014. Available online: https://dl.acm.org/citation.cfm?id=2639111 [22] U. Bandara, M. Hasegawa, M. Inoue, H. Morikawa, and T. Aoyama, “Design and implementation of a Bluetooth signal strength based location sensing system,” in Proc.

IEEE Radio Wireless Conf., pp. 319–322, Atlanta, GA, USA, Sep. 2004. Available online: http://ieeexplore.ieee.org/document/1389140/ [23] S. S. Chawathe, “Beacon placement for indoor localization using Bluetooth,” in Proc. 11th Int. IEEE Conf. Intell. Transp. Syst., pp. 980–985, Beijing, China, Oct. 2008. Available online:

222 http://ieeexplore.ieee.org/document/4732690/ [24] X. Zhao, Z. Xiao, A. Markham, N. Trigoni, and Y. Ren, “Does BTLE measure up against WiFi? A comparison of indoor location performance,” in Proc. 20th Eur. Wireless Conf., pp. 1–6, Barcelona, Spain, May 2014. Available online: http://ieeexplore.ieee.org/document/6843088/ [25] S. Hilsenbeck, D. Bobkov, G. Schroth, R. Huitl, and E. Steinbach, “Graph-based data fusion of pedometer and WiFi measurements for mobile indoor positioning,” in Proc. ACM Int. Joint Conf. Pervasive Ubiquitous Comput., Seattle, pp. 147–158, WA, USA, Sep. 2014.

Available online: https://dl.acm.org/citation.cfm?id=2636079 [26] J. Chen, X. J. Wu, P. Z. Wen, F. Ye, and J. W. Liu, “A new distributed localization algorithm for ZigBee wireless networks,” in Proc. Chin. Control Decis. Conf., pp. 4451–4456, Guilin, China, Jun. 2009. Available online: http://ieeexplore.ieee.org/document/5192347/ [27] R. Want, A. Hopper, V. Falcão, and J. Gibbons, “The active badge location system,” ACM Trans. Inf. Syst., vol. 10, no. 1, pp. 91–102, Jan. 1992. Available online: https://dl.acm.org/citation.cfm?id=128759 [28] F. Ijaz, H. K. Yang, A. W. Ahmad, and C. Lee, “Indoor positioning: A review of indoor ultrasonic positioning systems,” in Proc. 15th Int. Conf. Adv. Commun. Technol. (ICACT), pp. 1146–1150, Jan. 2013 [29] D. Liu, B. Sheng, F. Hou, W. Rao, and H. Liu, "From Wireless Positioning to Mobile Positioning: An Overview of Recent Advances," IEEE Systems Journal, vol. 8, no. 4, pp.

1249-1259, 2014. Available online: http://ieeexplore.ieee.org/document/6709788/ [30] A. Khalajmehrabadi, N. Gatsis, and D. Akopian, “Modern WLAN Fingerprinting Indoor Positioning Methods and Deployment Challenges,” IEEE Communications surveys & tutorials, vol. 19, no. 3, third quarter 2017. Available online: http://ieeexplore.ieee.org/document/7874080/ [31] A. Tahat, G. Kaddoum, S. Yousefi, S. Valaee, and F. Gagnon, "A Look at the Recent Wireless Positioning Techniques With a Focus on Algorithms for Moving Receivers," IEEE Access, vol.

4, pp. 6652-6680, 2016. Available online: http://ieeexplore.ieee.org/document/7562457/ [32] P. Davidson and R. Piche, “A Survey of Selected Indoor Positioning Methods for Smartphones,” IEEE communications surveys & tutorials, vol. 19, no. 2, second quarter 2017. Available online: http://ieeexplore.ieee.org/document/7782316/ [33] IoT In The USA, Jul. 2017. Available online: https://www.forbes.com/sites/johnkoetsier/ 2017/07/10/iot-in-the-usa-3000-companies-125b-in-funding-613b-in-valuation-342000-

223 employees/#2c76d85f3ef5 [34] The key IoT use cases from an actual investment perspective. Available online: https://www.i-scoop.eu/internet-of-things-guide/iot-spending-2020/ [35] The top 10 IoT application areas – based on real IoT projects. Available online: https://iot -analytics.com/top-10-iot-project-application-areas-q3-2016/ [36] Warehouse of the future. Available online: https://www.cisco.com/c/dam/en/us/ products/collateral/se/internet-of-everything/seeberger-voc-case-study.pdf [37] Intel Inside Efficient and Smart Traffic Outside. Available online: https://www.intel.com/content/dam/www/public/us/en/documents/solutionbriefs/taiwan-fetc-improves-traffic-modernizes-taiwans-transportation-industry.pdf [38] Siemens Intelligent Traffic Systems (ITS). Smart systems. Smart traffic. Available online: https://www.siemens.com/global/en/home/products/mobility/road-solutions.html [39] Industry leaders to form consortium for network and computing infrastructure of automotive big data. Available online: https://www.ericsson.com/en/news/ 2017/8/consortium-for-automotive-big-data [40] Why are deep neural networks hard to train?. Available online: http://neuralnetwork sanddeeplearning.com/chap5.html [41] Y. LeCun, Y. Bengio and G. Hinton, “Deep learning,” Nature, May 2015. Available online: https://www.nature.com/nature/journal/v521/n7553/full/nature14539.html [42] G. Hinton, E., S. Osindero, and Y.-W. Teh, “A fast learning algorithm for deep belief nets,” Neural Comp. 18, pp. 1527–1554, 2006. Available online: https://www.cs. toronto.edu/~hinton/absps/fastnc.pdf [43] Y. Bengio, P. Lamblin, D. Popovici and H. Larochelle, “Greedy layer-wise training of deep networks” in Proc. Advances in Neural Information Processing Systems, pp. 19153–160, 2006. Available online: https://papers.nips.cc/paper/3048-greedy-layer-wise-training-ofdeep-networks.pdf [44] Y. LeCun, et al. “Handwritten digit recognition with a back-propagation network,” in Proc.

Advances in Neural Information Processing Systems, pp. 396–404, 1990. Available online: http://yann.lecun.com/exdb/publis/pdf/lecun-90c.pdf [45] S. Hochreiter, “Untersuchungen zu dynamischen neuronalen Netzen,” [in German] Diploma thesis, T.U. Münich, 1991. Available online: http://people.idsia.ch/~juergen/ SeppHochreiter1991ThesisAdvisorSchmidhuber.pdf [46] Y. Bengio, P. Simard and P. Frasconi, “Learning long-term dependencies with gradient

224 descent is difficult,” IEEE Trans. Neural Networks, pp. 5157–166, 1994. Available online: https://dl.acm.org/citation.cfm?id=2328340 [47] S. Hochreiter and J. Schmidhuber, “Long short-term memory,” Neural Comput., pp.

91735–1780, 1997. Available online: http://www.bioinf.jku.at/publications/older/ 2604.pdf [48] Big Idea 2017, ARK Investment Management, USA, 2017. Available online: https://arkinvest.com/research/big-ideas-2017 [49] Dueling Deep Q-Networks, Apr. 2016. Available online: http://torch.ch/blog/2016/04/ 30/dueling_dqn.html [50] What is GPU-Accelerated Computing. Available online: http://www.nvidia.com/object/ what-is-gpu-computing.html [51] Companies Developing Deep Learning Chips. Available online: https://www.facebook.com/ARKInvest/photos/a.1402330056654436.1073741829.

1387354158152026/1826325264254911/?type=3&theater [52] N. P. Jouppi, et.al. “In-Datacenter Performance Analysis of a Tensor Processing Unit” the 44th International Symposium on Computer Architecture (ISCA), Toronto, Canada, June 26, 2017. Available online: https://arxiv.org/ftp/arxiv/papers/1704/1704.04760.pdf [53] Cloud TPU: Train and run machine learning models faster than ever before. Available online: https://cloud.google.com/tpu/ [54] Sizing the prize What’s the real value of AI for your business and how can you capitalise?, PWC, 2017. Available online: https://www.pwc.at/de/publikationen/ branchen-und-wirtschaftsstudien/pwc-ai-analysis-sizing-the-prize-report.pdf [55] Artificial Intelligence The Next Digital Frontier?, Mckinsey Global Institute, 2017. Available online: Available online: https://www.mckinsey.com/~/media/mckinsey/ industries/advanced%20electronics/our%20insights/how%20artificial%20intelligence %20can%20deliver%20real%20value%20to%20companies/mgi-artificial-intelligencediscussion-paper.ashx [56] The First Workshop on GeoAI: AI and Deep Learning for Geographic Knowledge Discovery.

Available online: https://udi.ornl.gov/geoai [57] M. Horton. Stanford scientists combine satellite data, machine learning to map poverty.

Available online: http://news.stanford.edu/2016/08/18/combining-satellite-data-machinelearning-to-map-poverty/ [58] Facebook. AI Assisted Road Tracing. Available online:

225 https://wiki.openstreetmap.org/wiki/Talk:AI-Assisted_Road_Tracing [59] T. Pei, S. Sobolevsky, C. Ratti, S.-L. Shaw, T. Li, and C. Zhou, “A new insight into land use classification based on aggregated mobile phone data,” International Journal of Geographical Information Science, vol. 28, no. 9, pp. 1988-2007, 2014/09/02, 2014.

[60] W. Tu, J. Cao, Y. Yue, S.-L. Shaw, M. Zhou, Z. Wang, X. Chang, Y. Xu, and Q. Li, “Coupling mobile phone and social media data: a new approach to understanding urban functions and diurnal patterns,” International Journal of Geographical Information Science, pp. 128, 2017.

[61] X. Wu, R. Zurita-Milla, and M.-J. Kraak, “Co-clustering geo-referenced time series: exploring spatio-temporal patterns in Dutch temperature data,” International Journal of Geographical Information Science, vol. 29, no. 4, pp. 624-642, 2015/04/03, 2015.

[62] P. Zhao, K. Qin, X. Ye, Y. Wang, and Y. Chen, “A trajectory clustering approach based on decision graph and data field for detecting hotspots,” International Journal of Geographical Information Science, vol. 31, no. 6, pp. 1101-1127, 2017/06/03, 2017.

[63] H. Vardhan. AI and Deep Learning and geospatial industry – The transformation. Available online: https://www.geospatialworld.net/article/artificial-intelligence-deep-learninggeospatial-industry-transformation-2016/ [64] L. Zhao, F. Chen, J. Dai, T. Hua, C.-T. Lu, and N. Ramakrishnan, “Unsupervised Spatial Event Detection in Targeted Domains with Applications to Civil Unrest Modeling,” PLOS ONE, vol. 9, no. 10, pp. e110206, 2014.

[65] M. Dhande. AI and Deep Learning: What is there for Geospatial Industry? Available online: https://www.geospatialworld.net/blogs/ai-and-deep-learning-geospatial-industry/ [66] DigitalGlobe. DigitalGlobe’s Geospatial Big Data platform (GBDX). Available online: https://platform.digitalglobe.com/gbdx/ [67] I. Sargent, H. Bruynseels, T. Kellenberger, E. Domenech, A. Streilein, B. Olsen, C. Ressl, M. Tabor, P. Frederiksen, T. Lithén, N. Champion, and D. Holland, Goals and requirements of European National Mapping Organisations for change detection: Findings of the EuroSDR Working Group on Common goals and requirements for NMAs in change detection, 2012.

[68] AI and Deep Learning will make findings of geospatial data more accurate and meaningful.

Available online: https://www.youtube.com/watch?v=8Ox-cVSWHPw [69] E. Abbey. John Deere invests $300 M in AI and machine learning. Available online: https://www.spatialsource.com.au/gis-data/deere-ai-machine-learning [70] Y. Liu, E. Racah, Prabhat, J. Correa, A. Khosrowshahi, D. Lavers, K. Kunkel, M. Wehner, and

226 W. Collins, “Application of Deep Convolutional Neural Networks for Detecting Extreme Weather in Climate Datasets,” in KDD, 2016.

[71] The Fintech 2.0 Paper: rebooting financial services, Santander InnoVentures. Available online: http://santanderinnoventures.com/fintech2/ [72] Technology: Banks seek the key to blockchain. Available online: https://www.ft.com/ content/eb1f8256-7b4b-11e5-a1fe-567b37f80b64?segid=0100320#axzz3qK4rCVQP [73] F. Tschorsch and B. Scheuermann, “Bitcoin and Beyond: A Technical Survey on Decentralized Digital Currencies,” IEEE Communications Surveys & Tutorials, Vol. 18, No. 3, 2016. Available online: http://ieeexplore.ieee.org/document/7423672/ [74] R. C. Merkle, “A digital signature based on a conventional encryption function,” in Proc.

7th Conf. Adv. Cryptol., pp. 369–378, Aug. 1987. Available online: https://people.eecs.berkeley.edu/~raluca/cs261-f15/readings/merkle.pdf [75] Blockchain overview, PwC, 2016. Available online: https://mytaxpartner.pwc.com/ media/1247992/blockchain-overview.pdf [76] Use cases for blockchain technology in energy & commodity trading, PwC, 2017. Available online: http://www.pwc.com/gx/en/industries/energy-utilities-resources/ publications/blockchain-technology-in-energy.html [77] How Blockchain Could Revolutionize The Internet Of Things. Available online: https://www.forbes.com/sites/delltechnologies/2017/06/27/how-blockchain-couldrevolutionize-the-internet-of-things/#48ddcca16eab [78] Implement your first IoT and Blockchain project. Available online: https://www.ibm.com/internet-of-things/platform/private-blockchain/ [79] Blockchain in geospatial applications. Available online: https://docs.google.com/ presentation/d/1FNIt0YBppfBcyVYKZwO7dv8AfrQ6b_v6T7DGAt7YW70/edit?usp=sharing [80] Blockchain based decentralised, permissioned GIS and data management platform.

Available online: https://lightrains.com/work/atlaschain-gis-blockchain [81] Blockchain in Geospatial Applications. Available online: https://www.giminternational.com/content/blog/blockchain-in-geospatial-applications-2 [82] The Land Registry in the blockchain – testbed. Available online: https://chromaway.com/papers/Blockchain_Landregistry_Report_2017.pdf [83] Technical Roadmap for Fault-Tolerant Quantum Computing, Networked quantum information technologies, Oct. 2016. Available online: https://nqit.ox.ac.uk/

227 sites/www.nqit.ox.ac.uk/files/2016-11/NQIT%20Technical%20Roadmap.pdf [84] Expanding the Quantum Computing Toolbox. Available online: http://www.yalescientific.org/2017/01/expanding-the-quantum-computing-toolbox/ [85] Quantum Search Algorithms, Quantum Wireless, and a Low-Complexity Maximum Likelihood Iterative Quantum Multi-User Detector Design, IEEE Access, May. 2013.

Available online: http://ieeexplore.ieee.org/document/6515077/ [86] The D-Wave 2000Q™ Quantum Computer Technology Overview, D-Wave Systems.

Available online: http://www.dwavesys.com/sites/default/files/D-Wave%202000Q% 20Tech%20Collateral_0117F2.pdf [87] S.-K. Liao, et.al “Satellite-to-ground quantum key distribution,” Nature, 43-47 mar. 2017.

Available online: https://www.nature.com/nature/journal/v549/n7670/full/nature 23655.html [88] World's first demonstration of space quantum communication using a microsatellite.

Available online: https://phys.org/news/2017-07-world-space-quantummicrosatellite.html

บทที่ 6 การบูรณาการเทคโนโลยีอวกาศ ภูมิสารสนเทศ จีเอ็นเอสเอสและสารสนเทศ ในบทนี้จะกลาวถึงการบูรณาการเทคโนโลยีดานอวกาศ ภูมิสารสนเทศ จีเอ็นเอสเอสและสารสนเทศ เพื่อการบริหารจัดการและการพัฒนาดานการเกษตร ทรัพยากรธรรมชาติและสิ่งแวดลอม การเปลี่ยนแปลง สภาพภูมิอากาศและภัยพิบัติ ซึ่งในภาพรวมพบวามีโครงการวิจัยและพัฒนาในดานเหลานี้จํานวนมาก และโดย สวนใหญจําเปนตองอาศัยเทคโนโลยีอันหลากหลายเพื่อสรางเปนโซลูชันสําคัญในดานตาง ๆ

6.1 การเกษตร

แนวโนมการประยุกตใชเ ทคโนโลยีตา ง ๆ ตามหัวขอขางตนที่สําคัญ ในดานการเกษตร คือ การ บริหารจัดการพื้นที่เกษตรเชิงบูรณาการ (Integrated farm management) เปนการบริหารจัดการองครวม เพื่อเพิ่มประสิทธิภาพในการเพาะปลูกพืชผลและการใชทรัพยากรที่มีอยูเพื่อการเกษตรอยางยั่งยืน โดยอาศัย ปริมาณขอมูลขนาดใหญจากภาคอวกาศ (ดาวเทียม) และภาคพื้น (เซ็นเซอร โดรน ฯลฯ) ผานการประมวลผล ขอมูลเพื่อใชประกอบการตัดสินใจ

รูปที่ 6.1 การประยุกตใชเทคโนโลยีตาง ๆ กับการเกษตรสมัยใหม [1] ทั้งนี้การประยุกตใชงานสําคัญแบงไดเปน 2 ดานใหญ ๆ คือ การเกษตรแมนยําสูง และโลจิสติกส ทางการเกษตร

229 6.1.1 การเกษตรแมนยําสูง (Precision agriculture) เกี่ยวของกับการนําเทคโนโลยีและโซลูชันหลากหลายดานเพื่อการบริหารจัดการ ความแปรผันใน กระบวนการผลิตพืชผลทางการเกษตร เพื่อที่จะเพิ่มผลผลิตและลดผลกระทบตอสิ่งแวดลอม โดยสามารถ พิจารณาการใชงานในดานตาง ๆ ไดแก 1. การนําทางเครื่องจักรในพื้นที่เกษตร (Farm machinery guidance) [2] เปนการใชเทคโนโลยี GNSS รวมกับจอแสดงผล ชวยนําทางผูขับรถจักรการเกษตรใหเคลื่อนที่บน เสนทางที่เหมาะสมที่สุด ลดการทับซอนบนแถวขาง ๆ 2. การขับเคลื่อนอัตโนมัติ (Automatic steering) [3] เปนการบังคับพวงมาลัยเครื่อ งจักรการเกษตรอัตโนมัติ เพื่อใหผูใชงานใชเวลาในการทําภารกิจ การเกษตรเปนหลัก 3. การใชงานที่มีอัตราแปรผัน (Variable rate application) [4] เปนการรวมขอมูลตําแหนงกับคาจากเซ็นเซอรและแผนที่ดิจิทัล เพื่อใชสารเคมีทางการเกษตรใน ปริมาณที่พอเหมาะ 4. การตรวจสอบผลิตผลทางการเกษตร (Yield monitoring) [5-6] เปนการตรวจสอบปริมาณผลผลิตทางการเกษตร โดยรวมคาจากเซ็นเซอรที่วัดคาได และพิกัด ตําแหนง 5. การตรวจสอบชีวมวล (Biomass monitoring) [7-8] เปนการสอบปริมาณชีวมวลในพื้นที่เกษตร ใหขอมูลเกี่ยวกับพืชผลลาสุด 6. การตรวจสอบสภาพดิน (Soil condition monitoring) [9] เปนตรวจวัดปริมาณความชื้น ปุย และโรคพืชเพื่อชวยในการบริหารจัดการในพิกัดตําแหนงตาง ๆ 7. การติดตามปศุสัตว และปกอาณาเขตสมมติ (Livestock tracking and virtual fencing) เปนการติดตามลักษณะของสัตวในฟารม 8. การจัดการพื้นที่ปา (Forest management) เปนสํารวจพื้นปา เชน พื้นที่เสียหาย ถูกบุกรุก พื้นที่โลง ถนน เปนตน ที่บริเวณพิกัดตาง ๆ ตัวอยางเทคโนโลยีเกษตรกรรมความแมนยําสูง ไดแก o เทคโนโลยีการรับรูระยะใกล (Proximal sensing) หรือเซ็นเซอรเพื่อตรวจวัดคาตาง ๆ ใน จุดที่สนใจ เช น สภาพดิ น อากาศ โรคพื ช และระดั บ ผลผลิ ต โดยข อ มู ล ที่ ไดจ ะถู ก นํ า มาแปลงเปนแผนที่ เชื่อมโยงตัวแปรตาง ๆ กับการบริหารจัดการดานการเกษตรที่เหมาะสม o ระบบระบุพิกัดจากดาวเทียม (Global Navigation Satellite System,GNSS) เปน เทคโนโลยีที่ใช มากที่สุด โดยถูกนํามาตอยอดใชกับ Controlled Traffic Farming (CTF) ที่ควบคุมการ เคลื่อนไหว ของเครื่องจัก รแบบอัตโนมัติ และเทคโนโลยี Variable Rate Technology (VRT) ควบคุม การ

230 หวานเมล็ดพืช ความหนาแนน การใชปุยและสารปราบศัตรูพืชไดอยางแมนยํา จึงชวยลดตนทุนคา ปจจัย การผลิตและผลกระทบตอสิ่งแวดลอม o การสํารวจจากระยะทางไกล (Remote Sensing, RS) เปนการถายภาพจากทางไกลดวย ดาวเทียม เพื่อสํารวจศักยภาพการผลิต ความตองการหรือขาดแคลนสารอาหารในแตละพื้นที่ ซึ่งเหมาะกั บ พื้นที่ขนาดใหญ ขอมูลที่ไดมักถูกใชในการวางนโยบายระดับรัฐบาลหรือดานการทหารมากกวา แต ปจจุบัน เทคโนโลยี RS มีราคาถูกลงและใชงานไดงายขึ้น เชน อากาศยานไรคนขับที่เรียกวา UAV หรือ โดรน จึงถูก นํามาใชประโยชนในการสํารวจความหลากหลายของพื้นที่เกษตร o ระบบสารสนเทศภู มิ ศ าสตร (Geographic Information Systems, GIS) โดยการเก็ บ รวบรวม ขอมูลจากระบบเซ็นเซอรตาง ๆ และทําเปนแผนที่แสดงพิกัดภูมิศาสตร แตการแปลขอมูลจาก GIS ตองอาศัยความรูความชํานาญเพื่อหาความสัมพันธระหวางอากาศ สภาพดิน และการเติบโตของพืช ขอมูล จาก GIS สามารถใชในการวางแผนควบคุมการใชปจจัยการผลิตใหเหมาะกับความตองการ ของพืช นอกจากนี้ ยังมีเทคโนโลยีเกษตรกรรมความแมน ยํา สูงอื่น ๆ อาทิ การเก็บ ตัว อยางและ ตรวจ วิเคราะหคุณภาพและองคประกอบในดิน (Sampling Location) ระบบติดตามการเติบโตและความ ตองการ ไนโตรเจนของพืช (Biomass Monitoring) ระบบควบคุมและคัดแยกคุณภาพผัก/ผลไม (Machine Vision Systems) ระบบติดตามการขนสงปศุสัตว (Tracking Livestock Transporting) และโปรแกรม ชวยบริหาร จัดการและตัดสินใจในการทําเกษตร (Farm Management Information Systems) เปนตน แสดงดังรูปที่ 6.2

รูปที่ 6.2 เทคโนโลยีที่ใชในการเกษตรแมนยําสูง [10]

231

รูปที่ 6.2 (ตอ) เทคโนโลยีที่ใชในการเกษตรแมนยําสูง [10] 6.1.2 โลจิสติกสทางการเกษตร (Agro-Logistic) เกี่ยวของกับการชวยใหเกษตรกรเพิ่มประสิทธิภาพและดําเนินการตามกฎระเบียบและมาตรฐาน ตาง ๆ ได ดังนี้ 1. การติดตามและการบริหารจัดการเครื่องจักรการเกษตร (Machinery tracking and management) เปนการติดตามที่ตั้งของเครื่องจักรและสถานการณใชงานของอุปกรณตาง ๆ เพื่อบริหารจัดการ ขั้นตอนทํางานใหมีประสิทธิภาพ 2. ความสามารถในการติดตามยอนกลับเชิงภูมิศาสตร (Geo-tracebility) เปนการชวยใหสามารถติดตามยอนกลับของอาหาร สัตวและผลิตผล โดยใชงานอุปกรณรับสงติดบน ตัวสัตว และยานพาหนะ บนพิกัดตําแหนงของเนื้อที่ 3. การกําหนดพื้นที่การเกษตร (Field definition) เปนการวัดอาณาเขตและขนาดของพื้นที่เกษตรอยางแมนยํา เพื่อประโยชนตาง ๆ อาทิเชน การ จัดการเงินอุดหนุนใหเกษตรกรตามปริมาณเนื้อที่ ตัวอยางเพิ่มเติมสําหรับการนําเทคโนโลยีตาง ๆ มาใชในการเกษตร เชน การใชโดรนเปนสวนสําคัญในการเก็บขอมูล ดังแสดงในรูปที่ 6.3 ซึ่งโดรนสามารถใชงานไดดังนี้ o การรดน้ํา การพนสารเคมี ปุย เฉพาะตน o การหยอนเมล็ด (sowing) หรือเพาะปลูกระหวางแถวของพืชหลักที่เก็บเกี่ยวแลว

232

รูปที่ 6.3 การใชโดรนในการรดน้ํา พนสารเคมีและงานดานตาง ๆ สําหรับการเกษตร เทคโนโลยี GNSS ใชงานรวมกับ GIS o รถแทร็กเตอรเกษตรขับอัตโนมัติ เพื่อการปรับผิวหนาดิน การปลูกและเก็บเกี่ยว [11] ตัวอยางโครงการที่นําเทคโนโลยีไปใชไดในการเกษตร เชน 1. โครงการ Copernicus มีการนําเทคโนโลยีไปใช ดังนี้ o เก็บขอมูลดิน และพืชผลเกษตร เพื่อสรางแผนที่ดินและพืชผล o การตัดสินใจอยางทันสถานการณ o การบริหารจัดการใชปุย สารเคมีตาง ๆ o ลดผลตนทุนการผลิต o ลดผลกระทบตอสิ่งแวดลอม

รูปที่ 6.4 รถที่นําเทคโนโลยีไปใชในการเก็บเกี่ยวผลผลิต [12]

233 2. โครงการแอปพลิ เ คชั น Agri-Map ของกระทรวงเกษตรและสหกรณ ร ว มกั บ ศู น ย เ ทคโนโลยี อิ เล็กทรอนิกสและคอมพิวเตอรแหงชาติ (เนคเทค) สํานักงานพัฒนาวิทยาศาสตรและเทคโนโลยีแหงชาติ (สวทช.) กระทรวงวิทยาศาสตรและเทคโนโลยี [13]

รูปที่ 6.5 แอปพลิเคชัน Agri-Map[14] เปนแอปพลิเคชัน ชวยในการเขาถึงและใชขอมูลเชิงภูมิสารสนเทศดานการเกษตรเพื่อบริหารจัดการ พื้นที่เกษตรไดอยางมีประสิทธิภาพ มีระบบวิเคราะหขอมูลและแสดงผลของพื้นที่ที่สามารถปลูกพืชทดแทน และพื้นที่ที่เหมาะสม เพื่อใหวางแผนเลือกปลูกพืชเศรษฐกิจทดแทนใหเหมาะสมตามชั้นความเหมาะสมของดิน ตนทุนตอไร แสดงเลเยอรของขอมูล อาทิเชน o ขอมูลพื้นฐาน (ขอบเขตพื้นที่ การใชที่ดิน ดินปญหา พื้นเพาะปลูกพืชเศรษฐกิจ ฯลฯ) o พื้นที่เพาะปลูกในชั้นความเหมาะสมตาง ๆ o ชั้นความเหมาะสมของที่ดิน o เขตความแหมาะสมสําหรับการเพาะเลี้ยงสัตวน้ํา o แหลงน้ํา o ที่ตั้งโรงรงาน และแหลงรับซื้อ o ขอมูลเกษตรกร

234 ตัวอยางหนาเว็บ

รูปที่ 6.6 หนาตางแสดงพื้นที่ปลูกปาลมน้ํามัน [14]

รูปที่ 6.7 หนาตางแสดงสถิติการปลูกพืชทดแทนได [14] 3. เปนโครงการวิเคราะหพื้นที่เพาะปลูกขาวและผลผลิต (ภายใตเครือขาย APSRAF) ประมวลผลภาพดาวเทียม บันทึกในฐานขอมูล แสดงแผนที่การเพาะปลูกขาว สถานะของตนขาว และทํารายงาน

235

รูปที่ 6.8 หนาตางแสดงขั้นตอนการทํางาน 4. การประเมินจํานวนตนปาลมดวยโดรน [15] การใชโดรนเพื่อการสํารวจ มีขอดีคือใหความละเอียดภาพสูง และรวดเร็ว มีประโยชนในดานตาง ๆ อาทิ เชน การสํา รวจสิ่งแวดล อ ม ผลกระทบจากภั ย พิบั ติ การวิเคราะห ความครอบคลุ ม ของพืช ผลผลิ ต การเกษตร ไฟปา จราจร

รูปที่ 6.9 ตัวอยางการวิเคราะหภาพสวนปาลมและตําแหนงตนปาลม [16]

236 5. Group on Earth Observation Global Agricultural Monitoring (GEOGLAM) กอตั้งโดยกลุมประเทศ G20 มีวัตถุประสงคเพื่อดําเนินการรวบรวมขอมูลพืชผลทางการเกษตร ดวย เทคโนโลยีการสังเกตการณโลก (Earth observation) [17]

รูปที่ 6.10 แผนผังการทํางาน หนาที่หลัก o ประสานงานกับผูเก็บขอมูล o รวบรวมและสรางขอมูลสูการนําไปใชตามความตองการตาง ๆ o วิจัย (JECAM, Asia-RICE)

รูปที่ 6.11 องคกรตาง ๆ ทั่วโลกที่ใชขอมูลจาก GEOGLAM

237 6. โครงการ Asia-Rice [18] ภายใต ก ารดํ า เนิ น งานของ Group on Earth Observation Global Agricultural Monitoring (GEOGLAM)

รูปที่ 6.12 พื้นที่สังเกตการณในหลายประเทศที่ใชในการปลูกขาว

รูปที่ 6.13 องคกรตาง ๆ ในเอเชีย

238

รูปที่ 6.14 แผนผังโครงสรางการทํางาน

รูปที่ 6.15 หนาตางแสดงขอมูลที่ใชในการสังเกตการณ

239 รูปที่ 6.15 แสดงถึงความสามารถในการปลูกขาวในภูมิภาคเอเชียตะวันออกเฉียงใตหลังจากหมดฤดู ฝน ซึ่งพบวาประเทศเวียดนามและฟลิปปนสตอนเหนือมีแนวโนมที่จะปลูกขาวไดนอย

รูปที่ 6.16 ผลิตภัณฑขอมูลเปาหมาย

รูปที่ 6.17 สถานะของการเพาะปลูกขาวในระยะตาง ๆ แสดงเปนสีบนแผนที่

240

รูปที่ 6.18 แผนที่การเพาะปลูกขาวในแตละฤดูกาล

รูปที่ 6.19 ผลิตภัณฑขอมูลเปาหมาย

241

รูปที่ 6.20 ประเภทของอุปกรณและเทคโนโลยี รูปที่ 6.16 ถึง 6.20 แสดงถึงขอมูลตาง ๆ ที่สําคัญ ที่ใชในการสังเกตการเพาะปลูกขาวในภูมิภาค เอเชีย ซึ่งขอมูลที่ไดสามารถนําไปประเมินในเชิงปริมาณความตองการขาวในภูมิภาค รวมถึงสามารถประเมิน ดานความเสี่ยงอื่น ๆ ไดอีกดวย 7. โครงการ Ricult [19] Ricult คือบริษัท Startup ที่มีเปาหมายมุงเนนเรื่องการสนับสนุนกลุมเกษตรกรโดยเฉพาะ ชื่อของ Ricult มาจากคําวา Ag(ricult)ture โดยทีมเลือกเริ่มตนบทบาท FinTech กอน เพราะปญหาดานการเงินเปน ปญหาพื้นฐานสําคัญ สิ่งที่ Ricult ทําคือการพิจารณาใหสินเชื่อเกษตรกรรายยอย เนื่องจากธุรกิจนี้มีการใชเทคโนโลยีขั้น สูงอยาง Machine Learning และภาพถายจากดาวเทียมมาใชในโมเดลธุรกิจนี้ดวย ซึ่งในประเทศไทยยัง ไม คอยมีใครทําดานนี้ และปญหาที่เกษตรกรขาดปจจัยดานเงินทุน เปนปญหาใหญสําหรับสถานการณในปจจุบัน แตก็ยังไมมีใครลงมือทําอยางจริงจัง Ricult เติบโตมาจาก Startup Accelerator ที่ MIT ลาสุด Ricult เพิ่งชนะการแขงขัน The Global Social Venture Competition หรือ GSVC ในระดับภูมิภาค แถมยังควารางวัลชนะเลิศจากการแขงขัน The FinTech Disrupt Challenge ที่จัดขึ้นโดย Bill Gates Foundation ในการพิ จ ารณาให สิ น เชื่ อ เกษตรกรรายย อ ย คื อ การทํ า Credit Scoring “Ricult” ถื อ เป น ‘Alternative credit score’ คือไมไดใหเงินกูเปนเงินสดโดยตรง แตจะใหสินเชื่อกับเกษตรกรรายยอยในรูป ของเกษตรภัณฑตาง ๆ เชน เมล็ดพันธุ ปุย เปนตน Ricult จะทําหนาที่เปนสื่อกลางระหวางเกษตรกรและผูให สินเชื่อ เชน ธนาคาร บริษัท หรือรานคาเกษตรภัณฑที่เปน Partner ปญหาในปจจุบัน คือ ผูใหสินเชื่อจะไมคอยใหสินเชื่อกับเกษตรกรรายยอย เนื่องจากไมสามารถวัด ความเสี่ยงได อาจเกิดหนี้สูญ ซึ่ง Ricult จะทําหนาที่เปนตัวกลางเพื่อวัดความเสี่ยงดานสินเชื่อของเกษตรกร รายยอยให ดวยการใชเทคโนโลยี Machine Learning ในการวิเคราะหขอมูลตาง ๆ ของเกษตรกรเกือบทุก ดาน และนํามาสรางเปน Credit Score โดยยึด 2 หัวขอนี้เปนหลักประกันความเสี่ยง ไดแก เกษตรกรมีความ

242 ตั้งใจจริงที่จะชําระเงินคืนหรือไม (Willingness to pay back) หรือ เกษตรกรมีความสามารถที่จะชําระเงินคืน หรือไม (Ability to pay back)

รูปที่ 6.21 ซาย: ปจจัยในการให Credit Score สําหรับผูขอสินเชื่อ ขวา: คาตัวแปรที่นํามาใชในการคํานวณ ยกตัว อยางเชน ขอ มูลที่นํา มาใชในการวิเคราะห ดาน Willingness to pay back นั้น ไดมาจาก แบบสอบถามที่คิดขึ้นโดยผูเชี่ยวชาญดาน Psychometrics (สาขาหนึ่งในคณะเศรษฐศาสตร) เพื่อน ผูนําชุมชน เปนตน สวนขอมูลที่ใชในการวิเคราะหดาน Ability to pay back จะมาจากภาพพื้นที่เพาะปลูกของเกษตรกร จากดาวเทียม โดยมีการใชขอมูลยอนหลังไปถึง 5 ปในการวิเคราะหเพื่อทํานายผลผลิตและคาดการณรายได ของเกษตรกรรายนั้น แลวจึงนํามาคิดเปน Credit Score นอกจากการใชเทคโนโลยี Machine Learning และภาพถายจากดาวเทียมจะนํามาใชในการชวย พิจารณารายไดในอนาคตแลว ยังสามารถชวยในการเปนที่ปรึกษาดานการเพาะปลูกใหกับเกษตรกร เพื่อเพิ่ม ปริมาณผลผลิตและประสิทธิภาพในการเพาะปลูกใหกับเกษตรกรไดอีกดวย เชน ใชในการวิเคราะหแรธาตุและ สารอาหารในดิน ทํา ใหเกษตรกรทราบวา ตองเติม แรธ าตุ สารอาหาร หรือปุย อยางไร รวมทั้ง ยังสามารถ คาดการณสภาพอากาศในระหวางการเพาะปลูก ทําใหเกษตรกรสามารถวางแผนและเตรียมรับมือในระหวาง การเพาะปลูกไดอีกดว ย ซึ่งขอมูล ตาง ๆ ที่เ ปนประโยชนเหลา นี้ ทางแอป Ricult ก็จ ะมีการสื่อสารไปยัง เกษตรกรเพื่อเปนประโยชนแกพวกเขาในการพัฒนาปรับปรุงตอไป ดังนั้น Ricult ไมใชเพียงทํานายรายไดในอนาคต แตจะชวยสนับสนุนใหเกษตรกรมีโอกาสทํารายได ใหมากขึ้นดวย ผานการวิเคราะหขอมูล และการใหคําแนะนําดานการเพาะปลูก

243

รูปที่ 6.22 หนา Analytics ของโปรแกรมที่นําภาพถายจากดาวเทียมมาวิเคราะหพื้นที่การเกษตร

รูปที่ 6.23 โปรแกรมที่ Ricult พัฒนา สามารถวิเคราะหภาพถายเพื่อตรวจวัดคุณภาพของพืชได ภาพขางตนถายจากฟารมจริงที่ประเทศปากีสถาน Model ที่ใชในประเทศปากีสถานตอนนี้ใชไดกับพืชบางชนิด เชน ขาวโพด มัน ซึ่งการนํามาใชกับพืช ชนิดอื่นหรือในประเทศไทยอาจตองมีการปรับใหเหมาะสมกับพื้นที่ วัฒนธรรม และสภาพแวดลอมอีกทีหนึ่ง แตโดยสวนมากตัว Model ยังคงเหมือนกันประมาณ 80% นาจะมีสวนที่แตกตางกันประมาณ 20-30% ซึ่ง ตอนนี้ยังอยูในขั้น exploration stage อยูสําหรับประเทศไทย

244 8. โครงการ RICE [20]

รูปที่ 6.24 ตัวอยางการวิเคราะหภาพสวนปาลมและตําแหนงตนปาลม RIICE ห รื อ Remote sensing-based Information and Insurance for Crops in Emerging economics เปนหนวยงานที่มุงหวังที่จะชวยลดความออนแอของเกษตรผูปลูกขาวขนาดเล็ก เกษตรกรผูมี รายไดนอยทั้งในเอเชียและที่อื่น ๆ ทั่วโลก องคกรนี้ใชงานดาวเทียมสํารวจทรัพยากรธรรมชาติ หรือ ดาวเทียม

245 ถายภาพระยะไกล แสดงดังรูปที่ 6.25 โดยการสังเกตการเติบโตของขาวตามพื้นที่ที่เลือก เชน ประเทศกัมพูชา ประเทศอินเดีย ประเทศไทย และอื่น ๆ ซึ่งขอมูลจากการสํารวจนี้สามารถชวยใหรัฐบาลจัดหาแนวทางการ จัดการขาวในระยะสั้นเพื่อรองรับความตองการในภูมิภาค นอกเหนือจากนั้น ขอมูลเหลานี้ยังสามารถชวยบริษัทโรงสีขาวใหสามารถจัดการกับความเสี่ยงของ ขาวในแตละปไดดวย ทั้งนี้รัฐบาลยังสามารถจัดการกับนโยบาลเพื่อชวยเหลือเกษตรกรไดอยางเหมาะสมและมี ประสิทธิภาพมากยิ่งขึ้น

รูปที่ 6.25 ดาวเทียมสํารวจระยะไกลของ ESA ที่ใชเปนขอมูลในโครงการ RIICE

รูปที่ 6.26 ความตองการของภาครัฐบาลและความเสื่ยงของเกษตรกร

246 จากรูปที่ 6.26 แสดงใหเห็นความตองการของภาครัฐ ซึ่งมีหลัก ๆ 3 ปจจัยก็คือ ความปลอดภัยทาง การเงิน นโยบายรายไดเพื่อรองรับเกษตรกร และการปกปองผลผลิตของเกษตรกร โดยที่ความตองการของ รัฐบาลจะขึ้นอยูกับความเสี่ยงตาง ๆ ในผลผลิตของเกษตรกรโดยตรง ดังนั้นถาภาครัฐและเกษตรกรสามารถนํา เทคโนโลยีไปใชไดอยา งเหมาะสมและมีประสิทธิภาพ จะทําใหสามารถบรรลุความตองการของภาครัฐ ได เกษตรกรก็จะมีความเสี่ยงนอยลงและสามารถสรางผลผลิตไดอยางตอเนื่อง ดังนั้นในทุกปควรจะมีการทํานาย ผลผลิตในแตละพื้นที่ รวมกับขอมูลสภาวะอากาศที่เพื่อที่จะนําไปสู o นโยบายการจัดการผลผลิต o การชวยเหลือทั้งในดานของเงินและองคความรู

รูปที่ 6.27 แผนภาพการใชเทคโนโลยีตาง ๆ สําหรับเกษตรกรยุคใหม บทสรุปของการนําเทคโนโลยีมาประยุกตใชในดานการเกษตรคือ การควบรวมขอมูลจากในแตละ เทคโนโลยี เชน remote sensing, GNSS, GPS และ ICT มาใชเพื่อชวยในการเพิ่มคุณภาพของผลผลิต ชวยลด ต น ทุ น ทั้ ง ในแง ก ารผลิ ต และการขนส ง และช ว ยลดผลกระทบต อ สิ่ ง แวดล อ มและพลั ง งานที่ ใ ช ล ง ทั้ ง นี้ ภาครัฐบาลจะตองลงทุนในขอมูลพื้นฐานใหครอบคลุม รวมถึงการอบรมใหความรูแกเกษตรกรใหเกิด การ ประยุกตใชเทคโนโลยีเพื่อสรางคุณคาและมูลคาเพิ่มใหแกผลผลิต

247

6.2 ภัยพิบัติ

ภัยพิบัติทางธรรมชาติกอใหเกิดความสูญเสียทั้งชีวิตและทรัพยสินของมนุษย ปจจุบันภัยพิบัติทาง ธรรมชาติมีแนวโนมเพิ่มขึ้นเรื่อย ๆ สาเหตุหนึ่งเกิดจากบริเวณที่มีโอกาสเกิดภัยพิบัติทางธรรมชาติมีจํานวน ประชากรเพิ่ ม ขึ้ น จากรายงานของ European Space Agency [21] ได บ ง ชี้ จํ า นวนประชากรที่อ าศัย อยู บริเวณพื้นที่ซึ่งอยูในระดับต่ําและมีโอกาสเกิดน้ําทวมเพิ่มขึ้น 114% และพื้นที่ซึ่งอยูบริเวณที่มีพายุไซโคลน เพิ่มขึ้น 192% โดยเมืองที่มีโอกาสแผนดินไหวมีจํานวนมากกวาครึ่งหนึ่งของเมืองทั้งหมดในโลก ปญหาสภาพ อากาศที่เปลี่ยนแปลงทําใหระดับน้ําทะเลและอุณหภูมิเพิ่มสูงขึ้นสงผลกระทบตอการเกษตร อาหาร ภัยพิบัติ ฯลฯ ดังนั้นการพัฒนาวิธีการจัดการภัยพิบัติจึงเปนสิ่งจําเปน 6.2.1 ระบบสารสนเทศภูมิศาสตรกับภัยพิบัติทางธรรมชาติ ระบบสารสนเทศภู มิศ าสตร Geographic Information System (GIS) ถู ก นํ า มาใช บ ริ ห ารและ จั ด การภั ย พิ บัติท างธรรมชาติ อ ยา งแพร ห ลาย รู ป ที่ 6.28 แสดงข อ มูล GIS ของเมื อ งนิ ว ยอร ก ประเทศ สหรัฐอเมริกา ระหวางเกิดพายุแซนดี้ ป ค.ศ. 2012 ซึ่งขอมูล GIS ประกอบการวางเลเยอรที่ชวยจัดการภัย พิบัติ ไดแก ความหนาแนนประชากร ชื่อเจาของอาคาร แผนที่แสดงรายละเอียดโครงสรางพื้นฐานที่สําคัญ ขอมูลโซเชียลมีเดียที่บงบอกตําแหนงของผูคนที่กําลังทวิตเกี่ยวกับพายุ และตําแหนงโรงพยาบาล การทําขอมูล ระบุตําแหนงรวมกับแผนที่ในลักษณะดัง กลาวชวยในการจัดการและแกปญ หาภัย พิบัติ ตัวอยางเชน ระบุ ตําแหนงที่มีความเสี่ยงเพื่อปองกันและแกปญหาบรรเทาทุกข แนวทางการเคลื่อนยายอพยพ รูปที่ 6.29 แสดง การใช ง านข อ มู ล GIS ร ว มกั บ โมเดล areal location of hazardous atmospheres (ALOHA) [22] เพื่ อ ศึกษาการแพรกระจายของกาซในเขตเมืองและบริเวณที่สงผลกระทบ รูปที่ 6.30 แสดงภัยพิบัติจากเฮอริเคน ฮาร วี ย (Harvey) ป ค.ศ. 2017 โดยใชบ ริการที่มีชื่อวา google crisis response [23] ซึ่งรวบรวมขอมูลที่ สําคัญในการสรางเลเยอรบนแผนที่ สภาพการจราจร เสนทางอพยพ บริมาณฝนในแตละพื้นที่ ภาพถายทาง อากาศ อยางไรก็ตามขอมูลสวนใหญบนแผนที่อยูในสหรัฐอเมริกา

248

รูปที่ 6.28 การวางเลเยอรของขอมูลภูมิศาสตร [22]

รูปที่ 6.29 การแพรกระจายกาซ [22]

249

รูปที่ 6.30 แผนที่บริเวณที่เกิดภัยพิบัติจากเฮอริเคนฮารวีย (Harvey) [23] ดังนั้น ระบบสารสนเทศภูมิศาสตรจึงประกอบไปดวยขอ มูลที่ม าจากหลายแหลง ไดแก global navigation satellite system (GNSS), volunteered geographic information (VGI), satellite image และขอมูลจากแหลงอื่น ๆ ซึ่งอาจเกี่ยวของกับกฎหมาย ขอตกลง และการแลกเปลี่ยนขอมูล เพื่อชวยสราง ข อ มู ล จากการสํ า รวจระยะไกล (remote sensing) และระบบสารสนเทศภู มิ ศ าสตร Geographic Information System (GIS) สําหรับการนําไปใชการจัดการภัยพิบัติและบริหารความเสี่ยงดังรูปที่ 6.31

รูปที่ 6.31 ระบบจัดการภัยพิบัติและบริหารความเสี่ยง [24]

250 6.2.1.1 ขอมูลจากการสํารวจระยะไกล (Remote sensing) การสํารวจระยะไกล (remote sensing) นอกจากจะนํ า มาใชสํา รวจทรัพ ยากรแลว ยั งสามารถ นํามาใชวิเคราะห วางแผนแกปญหา และติดตามสถานการณภัยพิบัติทางธรรมชาติที่เกิดขึ้น รูปที่ 6.32 แสดง ตัวอยางภาพถายดาวเทียมและการนําไปใชงานไดดานตาง ๆ เชน การจัดการสถานการณน้ําทวม การเฝาระวัง แผน ดินไหว และอื่น ๆ ปจจุบันโครงการสํารวจขอมูลระยะไกลดว ยดาวเทียมไดรับความรวมมือจากหลาย หน ว ยงาน เช น โครงการรว มมื อ Sentinel Asia ที่ ป ระกอบไปด ว ย 86 หน ว ยงานจาก 26 ประเทศ โดย สํานักงานพัฒนาเทคโนโลยีอวกาศและภูมิสารสนเทศ (สทอภ.) จากประเทศไทย เปนหนึ่งหนวยงานหลักที่ บริการภาพถายดาวเทียม ขอมูลภาพถายดาวเทียมเปนขอมูลที่สําคัญของระบบสารสนเทศภูมิศาสตร เนื่องจาก ชวยใหเห็นพื้นที่ที่เกิดภัยพิบัติไดอยางชัดเจน นอกจากนี้ อากาศยานไรคนขับสามารถนํามาใชเพื่อถายภาพทาง อากาศไดอีกเชนกัน

รูปที่ 6.32 การใชงานระบบดาวเทียม Sentinel-1 เพื่อวิเคราะหภัยพิบัติ [21]

รูปที่ 6.33 การใชดาวเทียมจากหนวยงานตาง ๆ [25]

251

รูปที่ 6.34 การใชอากาศยานไรคนขับเพื่อถายภาพ [26] 6.2.1.2 ขอมูลที่ไดจากอาสาสมัคร (volunteered geographic information) ในปจจุบันขอมูลที่ไดจากอาสาสมัคร (volunteered geographic information) หรือ VGI ซึ่งเปน ข อ มู ล ที่ เ กี่ ย วข อ งกั บ ภู มิ ศ าสตร ข องประชาชนในพื้ น ที่ต า ง ๆ ถู ก นํ า มาใช วิ เ คราะห เ หตุ ก ารณ ที่เ กิ ด ขึ้ น ตัวอยางเชน การเลือกตั้งในประเทศสหรัฐอเมริกา การรายงานความเดือดรอนในบริเวณที่เกิดเหตุภัยพิบัติ ซึ่ง ขอมูล VGI สามารถบงชี้รายละเอียดของปญหาและตําแหนงพิกัดบนระบบสารสนเทศภูมิศาสตร ตัวอยางโครงการ Ushahidi for crisis response บริษัท ushahidi ผูใหบริการระบบคลาวดซอรสซิงบนแผนที่ไดใหบริการระบบแผนที่สําหรับภัยพิบัติ ตัวอยางเชน ภัยพิบัติจากแผนดินไหวที่ประเทศเนปาล [27] ป ค.ศ. 2015 ซึ่ง Kathmandu Living Labs ได พัฒนาเทคโนโลยีบนมือถือและเว็บไซตเพื่อเก็บรวบรวมขอมูลจากผูประสบภัยเพื่อชวยหนวยงานรัฐบาลและ หนวยงานไมแสวงหากําไร ทราบความตองการของผูประสบภัยดังรูปที่ 6.35 นอกจากนี้ ยังสามารถวิเคราะห การความตองของผูประสบภัยดังรูปที่ 6.36

รูปที่ 6.35 แผนที่แสดงตําแหนงและขอมูลผูประสบภัย [27]

252

รูปที่ 6.36 ผลการวิเคราะหความตองการของผูประสบภัย [27] ตัวอยางโครงการพัฒนาขอมูลโซเชียลมีเดียสําหรับการจัดการภัยพิบัติในญี่ปุน หน ว ยงาน Ministry of Land, Infrastructure, Transport and Tourism ของประเทศญี่ ปุ น ได จั ดทํา แผนที่เพื่อ ใชในงานภัย พิบัติ อยา งไรก็ตามแผนที่ดังกลาวมีรายละเอีย ดของประชาชนในพื้นที่นอย โดยเฉพาะอยางยิ่งในชวงที่เกิดภัยพิบัติ เพื่อแกปญหาดังกลาว Okuma และ Yamamoto [28] จากบริษัท Shinken Co. Ltd. และมหาวิ ทยาลั ย University of Electro-Communications ได พั ฒ นาระบบ Social media GIS เพื่อใชวางแผนและวิเคราะหภัยพิบัติในพื้นที่ตาง ๆ ดังรูปที่ 6.37 ซึ่งขอมูลโซเชียลมีเดียไดมาจาก ผูใชงาน ทวิตเตอร

รูปที่ 6.37 ระบบสารสนเทศพัฒนาโดย Okuma และ Yamamoto [28]

253 ตัวอยางการศึกษาเสนทางอพยพของประชาชนในภัยพิบัติ ขอมูลตําแหนงของผูประสบภัยมีประโยชนมากตอการจัดการภัยพิบัติ พิจารณารูปที่ 6.38 (A) ซึ่ง แสดงระดับความเสียหายของอาคารและรูปที่ 6.38 (B) แสดงความหนาแนนของผูประสบภัย การวางตําแหนง ของศู น ย ช ว ยเหลื อ ผู ป ระสบภั ย จํ า เป น ต อ งได รั บ การศึ ก ษาอย า งถี่ ถ ว น เนื่ อ งจากถนนในพื้ น ที่ จํ า นวน ผูประสบภัย อาหารที่เหลือในแตละบริเวณเกี่ยวของกับความสามารถของผูประสบภัยในการเดินทางไปยังศูนย ชวยเหลือ ในงานวิจัย [29] ไดประยุกตใช agent-based model ในการจําลองการเดินทางของผูประสบภัยไป ยังศูนยชวยเหลือทําใหสามารถหาตําแหนงของศูนยชวยเหลือผูประสบภัยที่ดีสุด รูปที่ 6.39 (A) แสดงตําแหนง ศูนยชวยเหลือที่ไดจากการสุมรูปที่ 6.39 (B) แสดงตําแหนงศูนยชวยเหลือที่ดีสุด และรูปที่ 6.39 (C) แสดง ตําแหนงศูนยชวยเหลือที่แยสุด

รูปที่ 6.38 ตําแหนงอาคารที่เกิดความเสียหายและความหนาแนนของผูประสบภัย [29]

รูปที่ 6.39 ตําแหนงของศูนยชวยเหลือผูประสบภัย [29]

254 6.2.2 ระบบดาวเทียมนําทางกับภัยพิบัติทางธรรมชาติ ปจจุบันระบบดาวเทียมนําทางถูกนํามาใชอยางแพรหลาย เชน การสํารวจพื้นที่ การทําแผนที่ ระบบ ติดตามยานพาหนะ และระบบนํารองในมือถือ นอกจากนี้ ระบบดาวเทียมนําทางยังสามารถนํามาใชการ บริหารจัดการน้ํา และการปองกันภัยพิบัติ เพื่อความปลอดภัยในชีวิตและทรัพยสินของประชาชน 6.2.2.1 การวิเคราะหดินถลม ดินถลม เปนปรากฏการณที่เกิดไดในบริเวณพื้นที่ที่มีความลาดชันสูง อยางไรก็ตาม บริเวณที่มีความ ลาดชันต่ําก็สามารถเกิดดินถลมไดถามีปจจัย เชน บริเวณใกลแนวรอยเลื่อน บริเวณที่น้ํากัดเซาะ บริเวณที่มี การผุพังของหินและทําใหเกิดชั้นดินหนา การวิเคราะหปรากฏการณดินถลมสามารถใชระบบระบุตําแหน ง GNSS เขามาชวยดังรูปที่ 6.40 ซึ่งมีการเปรียบเทียบบริเวณที่เกิดและไมเกิดดินถลมโดยใชระบบจีพีเอส [30] และใชระบบ low-cost GNSS ในงานวิจัย [31]

รูปที่ 6.40 ผลการวิเคราะหดินถลม [30] 6.2.2.2 การตรวจจับแผนดินไหวและคลื่นสึนามิ คลื่นสึนามิ (Tsunami) เปนคลื่นที่เกิดขึ้นจากแผนดินไหว กอใหเกิดอันตรายตอชีวิตและทรัพยสิน ของผูพักอาศัยบริเวณแนวชายฝง ในปจจุบันการตรวจจับ คลื่นสึนามิจะใชอุปกรณวัดแผนดินไหว (seismic instrument) เพื่อตรวจหาความรุนแรงของการสั่นที่สามารถกอใหเกิดคลื่นสึนามิและทําการแจงเตือนภายใน เวลา 5-10 นาทีหลังจากเกิดแผนดินไหว อยางไรก็ตามอุปกรณวัดแผนดินไหวไมสามารถใหขอมูลไดรวดเร็ว เนื่องจากพื้นที่แผนดินไหวอาจอยูหางจากอุปกรณวัดมาก ดังนั้นการแจงเตือนอาจลาชาไปมากกวา 20 นาที นอกจากนี้ อุปกรณวัดแผนดินไหวมีความคลาดเคลื่อนสูงเมื่อแผนดินไหวมีขนาดใหญมาก ปจจุบันอุปกรณจีพีเอสที่ติดตั้งทั่วทุกมุมโลก ถูกนํามาชวยตรวจจับแผนดินไหวโดยบทความของ Melgar [32] ไดทําการวิเคราะห

255 ความรวดเร็วในการตรวจจับแผนดินไหวระหวางระบบที่มีและไมมีมีจีพีเอส ในเหตุการณแผนดินไหวที่ประเทศ ชิลี ป ค.ศ. 2015 ดังรูปที่ 6.41 โดยจะสังเกตไดวาระบบที่มีจีพีเอสสามารถแจงเตือนสึนามิไดอยางรวดเร็ว

รูปที่ 6.41 การเปรียบเทียบความเร็วของการแจงเตือนสึนามิ [32]

6.3 การประยุกตใชเทคโนโลยีกับงานดานทรัพยากรธรรมชาติและสิ่งแวดลอม

การจัดการดานทรัพยากรธรรมชาตินั้นมัก ใชการเก็บ ขอมูลนั้นจากระบบ Remote Sensing ซึ่ง อาจจะมาจากระบบดาวเทียม อากาศยานไรคนขับ หรือ เซ็นเซอรที่ติดตั้งอยูบนพื้นผิวโลก ซึ่งแนวโนมความ ละเอียดของเซ็นเซอรที่มากขึ้นทําใหสามารถวิเคราะหขอบเขต (เชนขอบเขตปาไม เปนตน) ไดแมนยํายิ่งขึ้น และการที่มี band มากขึ้นก็ทําใหสามารถจําแนกชนิดวัตถุที่อยูบนโลกไดมากขึ้น และมีการเก็บขอมูลอีกทาง คือการเก็บขอมูลจากระบบคลาวดซอรส เชน การติดตามปาไม [33] หรือใหอาสาสมัครถายรูปเก็บตัวอยาง สิ่งมีชีวิตตาง ๆ ผานแอปพลิเคชันเพื่อวัดความหลากหลายทางชีวภาพ [34] เปนตน สวนการวิเคราะหขอมูลนั้นเนื่องจากมักจะเกี่ยวของกับขอมูลเชิงตําแหนงจึงมักจะตองอาศัยระบบ สารสนเทศภูมิศาสตร ซึ่งแนวโนมของความเร็วในการรับขอมูลจากดาวเทียมมากขึ้นผนวกกับความสามารถ ของซอฟตแวรประมวลผลที่เร็วขึ้นทําใหสามารถวิเคราะหขอมูลในแบบเรียลไทมไดมากขึ้น นอกจากนี้การ ประยุกตใชงานเทคโนโลยีทางดานปญญาประดิษฐ เชน Deep Neural Network เริ่มเขามามีบทบาทมากขึ้น โดยนําไปประยุกตใชกับการจําแนกวัตถุ และการลดสัญญาณรบกวนในภาพ

256

รูปที่ 6.42 การทํา Deep Learning กับขอมูล Remote Sensing [35] นอกจากนี้ยังมีการประยุกตใชระบบภูมิสารสนเทศในการสรางการมีสวนรวมในการตัดสินใจ เชน Watershed GIS สํา หรับ การจัดการน้ําในลุมน้ําเพื่อแกปญ หาการขนาดแคลนน้ํา โดยทั้งผูเชี่ย วชาญและ ประชาชนทั่วไปที่อาศัยอยูในบริเวณลุมน้ํานั้น ๆ ลวนมีสวนรวมในการแสดงความคิดเห็น ความคิดเห็นทั้งหมด จะถูกนําไปประมวลผลรว มกันเพื่อหาวิธีการแกไขปญหาที่ดีที่สุด โดยภูมิสารสนเทศที่ออกแบบมานั้นตอ ง สามารถใชไดกับคนทุกระดับการศึกษา [36] ในที่นี้จะเปนการทบทวนการประยุกตใชงานเทคโนโลยีดาวเทียมและเทคโนโลยีภูมิสารสนเทศกับ งานทางดานทรัพยากรที่นาสนใจ โดยจะจําแนกเปนทรัพยากรที่ไมสิ้นเปลือง และทรัพยากรที่สิ้นเปลือง 6.3.1 ทรัพยากรที่ไมสิ้นเปลือง ทรัพยากรที่ไมสิ้นเปลือง เชน ลม แสงอาทิตย น้ํา ชีวมวล หรือพลังงานความรอนจากพื้นพิภพ มี บทบาทสําคัญในการสรางพลังงานหมุนเวียน ซึ่งก็คือพลังงานที่สามารถใชไดเรื่อย ๆ โดยไมหมดไป หรือมีการ นํากลับมาใชใหมได โดยเริ่มไดรับความนิยมมากขึ้นเนื่องจากความตระหนักถึงผลกระทบทางดานสิ่งแวดลอม ของพลังงานอื่น ๆ รวมถึงประสิทธิภาพในการผลิตพลังงานหมุนเวียนดีขึ้นจนเริ่มใกลเคียงกับพลังงานจาก ฟอสซิลที่นิยมใชในปจจุบัน อยางไรก็ดีในแตละพื้นที่บนโลกนั้นมีสิ่งแวดลอมที่ตางกัน ยอมทําใหในแตละบริเวณนั้นมีทรัพยากรที่ ไมสิ้นเปลืองแตกตางกัน ซึ่งเทคโนโลยีภูมิสารสนเทศและเทคโนโลยีดานการสํารวจระยะไกลไดมีบทบาทในการ หาบริเวณที่มีศักยภาพในการใชพลังงานแตละชนิด รวมถึงการวางแผนการใชงาน และการหาแหลงพลังงาน ใหม ๆ ทําใหแนวโนมการประยุกตใชทั้งเทคโนโลยีดาวเทียมและเทคโนโลยีสารสนเทศภูมิศาสตรจะมีการใช งานมากยิ่งขึ้นกับการจัดการทรัพยากรที่ไมสิ้นเปลือง

257 6.3.1.1 พลังงานลม เทคโนโลยีภูมิสารสนเทศและดาวเทียมไดถูกนํามาใชกับการตําแหนงติดตั้งกังหันลมที่เหมาะสม [3739] มีการใชเทคโนโลยีภูมิสารสนเทศเพื่อการหาความคุมทุนเมื่อติดตั้งกังหันลมบนหลังคา [40] รวมถึงการ ประเมินผลกระทบดานสิ่งแวดลอมของฟารมกังหันลม [41]

รูปที่ 6.43 การประเมินผลกระทบทางสิ่งแวดลอมเพื่อหาแหลงพลังงานลมที่เหมาะสม [41] อีกอยางหนึ่งก็คือการติดตามสภาพลมรวมถึงผลลัพธอื่น ๆ หลังจากติดตั้งไปแลว ในปจจุบันมีการ ใชไลดารวัดลักษณะลม เพื่อปรับทิศทางใบพัด ทําใหประสิทธิภาพเพิ่มมากขึ้น [42]

รูปที่ 6.44 ไลดารวัดลม [42]

258 6.3.1.2 แสงอาทิตย โซลารเซลลมีการพัฒนาอยูในระดับที่มีประสิทธิภาพมากและราคาถูกลง ทําใหประชาชนสามารถใช พลังงานแสงอาทิตยตามอาคารตาง ๆ ได แตขอจํากัดของแสงอาทิตยในบางพื้นที่นั้นอาจทําใหการใชพลังงาน แสงอาทิตยไมคุมนัก ในปจ จุบันจึง ทําใหผูบริโภคจึง ตองการขอมูลสําหรับ ชว ยในการตัดสินใจใชพ ลังงาน แสงอาทิตย เชนประสิทธิภาพ บริเวณที่โดนแสงแดด คาเฉลี่ยพลังงานที่ได เปนตน ซึ่งแผนที่ไดมีบทบาทสําคัญ ในการวิเคราะหและนําเสนอขอมูลเหลานี้ มี ก ารประยุ ก ต ใ ข Light Detection and Ranging (Lidar) ในการวิ เ คราะห ป ริ ม าณพลั ง งาน แสงอาทิตยที่ตกกระทบบนหลังคา [40], [43] ซึ่ง ไลดารจ ะทํา การวิเคราะหรูป แบบของพื้นที่ที่แ สงแดด สามารถตกกระทบได ซึ่งประกอบดวยความเอียง และเงาบัง ซึ่งการใชไลดารชวยทําใหการสํารวจมีคาใชจาย ลดลงและรวดเร็วขึ้น สามารถทดแทนการสํารวจภาคสนามได รวมถึงลดคาใชจายในการรณรงคใหติดแผงโซลารเซลลใหกับสถานที่ที่ไมเหมาะสมจะติดตั้ง [44] นอกเหนือจากการสํารวจแลวยังมีการทําแผนที่เพื่อใหประชาชนทราบความคุมคาในการลงทุนกับ แผงโซลารเซลล กูเกิลไดจัดทําแผนที่พลังงานแสงอาทิตยในสหรัฐอเมริกา [45] พรอมระบบสนับสนุนการ ตัดสินใจซื้อแผงโซลารเซลล ซึ่งประกอบดวยจํานวนแผงที่ตองใช การเปรียบเทียบราคาแผงโซลารเซลล และ การเปรียบเทียบแหลงเงินทุน

รูปที่ 6.45 แผนที่แสดงปริมาณแสงแดดที่ตกกระทบบนหลังคา พรอมขอมูลสรุปการใชพลังงานแสงอาทิตย [45]

259 6.3.1.3 พลังงานชีวมวล (Biomass energy) พลังงานชีวมวล หมายถึง พลังงานจากสารอินทรียตาง ๆ เชน เศษไม ขยะ ซากพืชซากสัตว ในปจจุบันมีการวิเคราะหความเปนไปไดและแหลงพลังงานชีวมวล จึงมีการสรางแผนที่และระบบ วิเคราะหความเปนไปไดของพลังงานชีวมวล

รูปที่ 6.46 แผนที่แสดง Biomass [46] 6.3.1.4 น้ํา เทคโนโลยี big data ทําใหสามารถประมวลผลขอมูลขนาดใหญได [47] โดยประมวลผลขอมูลจาก Landsat ตั้งแตป ค.ศ.1984 ถึง ป ค.ศ. 2015 เพื่อติดตามสภาพการเปลี่ยนแปลงของแหลงน้ําบนผิวดินทั่วโลก ทําให สามารถเห็นการเปลี่ยนแปลงระยะยาวที่เกิดขึ้นซึ่งไมเคยมีมากอน (ปกติแลวจะทําการวิเคราะหการ เปลี่ ยนแปลงในระยะสั้นเทานั้น) ซึ่งการเปลี่ยนแปลงของแหลงน้ํา นั้นเกิดจากทั้งการเปลี่ย นแปลงสภาพ ภูมิอากาศโลก และการกระทําของมนุษย เชนการทําเกษตร การสรางเขื่อน เปนตน โครงการเกี่ ย วกั บ น้ํา ที่สํ า คัญ อั น หนึ่ ง คือ ซอฟตแ วรแ บบรหั ส เป ด สํ า หรับ จั ด การทรั พ ยากรน้ํ า Freewat [48] ซึ่งเปนโครงการใน Horizon 2020 ของ EU เปนระบบสรางโมเดลและ simulation ที่ผนวก กับระบบสารสนเทศภูมศิ าสตรที่เปนรหัสเปด QGIS โดยเปนโมดูลเสริมของ QGIS

260

รูปที่ 6.47 เว็บไซตโครงการ Freewat [48] 6.3.2 ทรัพยากรที่สิ้นเปลือง 6.3.2.1 ปาไม การติดตามทรัพยากรปาไมดวยระบบ remote sensing ทําใหสามารถวัดความสมบูรณของปาไมได ทั่วโลก ซึ่งมีการติดตามปาไมทั่วโลกที่นาสนใจดังตอไปนี้ เชนองคการนาซาไดทําแผนที่ความสูงตนไมโดยใช Geoscience Laser Altimeter Systems (GLAS) ผ น ว ก กั บ MODIS, SRTM, TRMM แ ล ะ ฐ า น ข อ มู ล WorldClim ซึ่งการติดตามทั่วโลกนี้ทําใหทราบการเปลี่ยนแปลงในภาพรวมของโลกได นอกจากนี้องคการนาซายังไดวิเคราะหพื้นที่ไฟปาทั่วโลกโดยใช Moderate Resolution Imaging Spectroradiometer (MODIS) University of Maryland ได ทํา การติ ด ตามการเพิ่ มขึ้ น และลดลงของป า ไมโ ดยวิ เ คราะห ข อ มู ล ภาพถ า ย ดาวเทียม Landsat ยอนหลัง 15 ป และแสดงผลลงบนเว็บ [49] World Resources Institute ไดทําแผนที่ interactive ชื่อ Global Forest Watch [50] ซึ่งรวบรวมขอมูลทุกอยางเกี่ยวกับปาไม รวมถึงขอมูลอื่น ๆ ซึ่ง อาจเปนสาเหตุที่ทําใหปาไมลดลง

261

รูปที่ 6.48 แผนที่แสดงการเปลี่ยนแปลงของปาไมของ University of Maryland [49]

รูปที่ 6.49 แผนที่แบบ interactive ของ global forest watch [50] 6.3.3 สิ่งแวดลอม นอกจากทรัพยากรธรรมชาติแลวยังมีการประยุกตใชระบบภูมิสารสนเทศในการติดตามสิ่งแวดลอม โดยการเก็บขอมูลดวยเทคโนโลยีอวกาศและนํามาวิเคราะหและแสดงผลดวยระบบภูมิสารสนเทศ ตัวอยางการประยุกตใชเทคโนโลยีกับสิ่งแวดลอมที่นาสนใจ เชน ระบบคลาวดซอรสซิงหรืออาจ เรียกวาเปนการทํา Citizen Science เพื่อการติดตามสิ่งแวดลอมในประเด็นตาง ๆ เชน ติดตามพืชรุกรานดวย ระบบ GIS บนเว็บ [51] เว็บรายงานการติดตามสัตวปาผานระบบ GIS [52]

262

รูปที่ 6.50 Citizen Science Reporter รายงานสัตวปา [52] อีกตัวอยางที่นาสนใจคือการสํารวจการเปลี่ยนแปลงชายฝงโดยใช remote sensing และ GIS โดย การวิเคราะหภาพถายทางดาวเทียมยอนหลังเพื่อพยากรณการเปลี่ยนแปลงในอนาคต [53]

รูปที่ 6.51 การสํารวจการเปลี่ยนแปลงชายฝง [53]

263 การรวบรวมขอมูลทางดานสิ่งแวดลอมที่มีประโยชนจะชวยใหสามารถดูแลรักษาสิ่งแวดลอ มไดดี ยิ่งขึ้น เชน โครงการ Satellite-based Wetland Observation Service(SWOS) [54] เปนโครงการรวบรวม ขอมูลพื้นที่ชุมน้ําที่เปนขอมูลจากภาพถายดาวเทียมที่ไมเสียคาใชจาย โดยโครงการนี้เปนโครงการที่ไดรับทุน Horizon2020 ของสหภาพยุโรป

6.4 การเปลี่ยนแปลงสภาพภูมิอากาศ

การเปลี่ยนแปลงสภาพภูมิอากาศ (Climate Change) [55] เปนผลมาจากปรากฏการณการเพิ่มขึ้น ของ ปริมาณกาซเรือนกระจก (Greenhouse effect) ซึ่งเมื่อพิจารณาพิธีสารเกียวโต (Kyoto treaty) ไดระบุ เกี่ยวกับกาซเรือนกระจกที่สําคัญไว 6 ชนิด คือ กาซคารบอนไดออกไซด (CO2) กาซมีเทน (CH4) กาซไนตรัส ออกไซด (N2O) กาซไฮโดรฟลูออโรคารบอน (HFCs) กาซเปอรฟลูออโรคารบอน (PFCs) และกาซซัลเฟอรเฮก ซะฟลูออไรด (SF6) ที่ปกคลุมโลกอยูในชั้นบรรยากาศโทรโพสเฟยร และสตราโตสเฟยรสวนใหญเกิดขึ้นจาก การดําเนินกิจกรรมของมนุษย โดยกาซเหลานี้มีคุณสมบัติในการดูดกลืนพลังงานความรอนจากดวงอาทิตยและ แผรังสีความรอนบางสวน ลงสูพื้นผิวของโลก ในขณะเดียวกันยังกั้นคลื่นพลังงานความรอนจากผิวโลกไมให ผ า นออกสูบ รรยากาศไดอยา งปกติ สงผลใหอุณหภูมิเฉลี่ย ของโลกเพิ่ม สูง ขึ้น เกิดการเปลี่ย นแปลงสภาพ ภูมิอากาศ สงผลใหเกิดการเปลี่ยนแปลงของสิ่งแวดลอม และยังสงผลกระทบตอไปยังการเกษตร แหลงน้ํา ภูมิอากาศรุนแรง ภัยพิบัติ ระบบนิเวศและสาธารณสุข แตการศึกษาวิจัยเกี่ยวกับผลกระทบของภาวะโลกรอน ยังตองอาศัยขอมูลในระยะยาว ราวเกือบ 3 ทศวรรษ ประเทศที่อยูภายใตกรอบอนุสัญญาสหประชาชาติวาดวยการเปลี่ยนแปลง ส ภ า พ ภู มิ อ า ก า ศ ( United Nations Framework Convention on Climate Change, UNFCCC) ใ ห ความสําคัญและรวมมือในการรักษาความเขมขนของกาซเรือนกระจกในชั้นบรรยากาศใหมีคาคงที่และอยูใน ระดับที่ไมกอใหเกิด อันตรายตอระบบภูมิอากาศของโลก โดยจากขอตกลงปารีส (Paris Agreement) ป ค.ศ.

2015 ตั้งเปาที่จะรัก ษาระดับ อุณหภูมิใหสูงไมเ กิน 1.5 oC เมื่อเทียบกับ ยุคกอ นปฏิวัติอุตสาหกรรม (Preindustrial age) [56] จากรายงานประเมินสถานการณการเปลี่ยนแปลงสภาพภูมิอากาศ ฉบับที่ 5 (The 5th Assessment Report) แสดงระดับอุณหภูมิที่เพิ่มขึ้นและความหนาแนนของกาซคารบอนไดออกไซดตั้งแตป ค.ศ.1870 (ยุคกอนปฏิวัติอุตสาหกรรม) ดังรูปที่ 6.52 จะเห็นวา ณ ปจจุบัน (ป ค.ศ.2017) ระดับอุณหภูมิที่ เพิ่มขึ้นมาเทากับประมาณ 1 oC หากเปนเชนนี้ตอไปนี้ภายในป ค.ศ.2100 อุณหภูมิโลกจะสูงขึ้นมาเทากับ 4.5 oC

264

รูปที่ 6.52 อุณหภูมิที่เปลี่ยนแปลงบนโลกนับตั้งแตป ค.ศ. 1870 [57] นั บ ตั้ ง แต ยุ ค ก อ นการปฏิ วั ติ อุ ต สาหกรรมเป น ต น มา จะเห็ น ว า ความหนาแน น ของก า ซ คารบอนไดออกไซดในชั้นบรรยากาศตั้งแตอดีตจนถึงปจจุบัน มีคาเพิ่มสูงขึ้นมาก โดยเพิ่มขึ้นจากประมาณ 280 ppm (parts per million) มาที่ ร ะดั บ สู ง กว า 400 ppm (1 ppm CO2 = 2.134 PgC (Petagram Carbon) = 2.134 GtC (Gigaton Carbon)) ในปจจุบัน แสดงดังรูปที่ 6.53 โดยมีการเพิ่มขึ้นในอัตราประมาณ 2 ppm ตอป คาที่ไดนี้วิเคราะหมาจากชั้นน้ําแข็งที่ขั้วโลกและสถานีตรวจวัดอากาศที่เริ่มมีการติดตั้งในหลายป ที่ผาน ในสวนความหนาแนนของกาซมีเทนในชั้นบรรยากาศ มีการเพิ่มขึ้นจาก 700 ppb (parts per billion) มาอยูที่ประมาณ 1800 ppb แสดงดังรูปที่ 6.54 มีการเพิ่มขึ้นประมาณ 2 เทาครึ่ง รูปที่ 6.55 แสดงความหนา ของชั้นโอโซน (ในหนวย Dobson) วิเคราะหจากดาวเทียม จะเห็นวาชั้นโอโซนอยูในชั้นโทรโพสเฟยรและสตรา โตสเฟยร ยกเวนในชวงป ค.ศ.1994-1996 แสดงเฉพาะคาผลรวมเทานั้น

รูปที่ 6.53 ความหนาแนนของกาซคารบอนไดออกไซดในชั้นบรรยากาศตั้งแตอดีตจนถึงปจจุบัน [58]

265

รูปที่ 6.54 ความหนาแนนของกาซมีเทนในชั้นบรรยากาศตั้งแตอดีตจนถึงปจจุบัน [58]

รูปที่ 6.55 ความหนาของชั้นโอโซนตั้งแตป ค.ศ.1980 จนถึงป ค.ศ.2014 [58] ขอมูลการติดตามและตรวจวัดกาซเรือนกระจกอยางตอเนื่องทั้งในระดับมหภาค (Macro Scale) และจุลภาค (Micro Scale) เปนขอมูลที่สนับสนุนตอการกําหนดนโยบายที่เกี่ยวของกับการบริหารจัดการกาซ เรือนกระจก เพื่อลดผลกระทบจากการเปลี่ยนแปลงสภาพภูมิอากาศ ความเขาใจตอวัฏจักรคารบอนและการ กักเก็บคารบอนยังเปนตัวแปรสําคัญในการกําหนดวา ในอนาคต การเผาไหมเชื้อเพลิงฟอสซิลจะปลอยกาซ เรือนกระจกไดในระดับเทาใด วัฏจักรกาซเรือนกระจก (Greenhouse Gas Cycle) กาซเรือนกระจกมีการไหลเวียนตลอดเวลาใน ชั้นบรรยากาศ โดยเฉพาะในชั้นโทรโพสเฟยรซึ่งอยูในระดับความสูงจากพื้นผิวโลกขึ้นไปถึงระยะ 10 กิโลเมตร ซึ่งมีกระบวนการและปฏิสัมพันธระหวางกาซเรือนกระจกในชั้นบรรยากาศและแหลงปลอย (Source) และกัก เก็บ (Sink) มีองคประกอบใน 3 สวนหลัก ๆ คือ (1) ชั้นบรรยากาศ (Atmosphere) (2) พื้นผิวโลก (Land) และ (3) มหาสมุทร (Ocean)

266 กาซเรือนกระจกที่กอใหเกิดการเพิ่มขึ้นของปริมาณกาซเรือนกระจกในชั้นบรรยากาศ เชน การเผา ไหมของเชื้อเพลิงฟอสซิลจากการขนสง กระบวนการผลิตอุตสาหกรรม กระบวนการ สังเคราะหแสงของพืช กระบวนการหมักในระบบยอยอาหารของสัตวเคี้ยวเอื้อง การปลูกขาว และการจัดการของเสีย เปนตน กาซ เรือนกระจกสําคัญมีหลายประเภทได ดังนี้ 1. กาซคารบอนไดออกไซด สามารถหมุนเวียนเปนวัฏจักรได หลายทาง อาทิ การหายใจของพืชและ สัตว การยอยสลายมูลสัตวและซากพืชซากสัตว การเผาไหมของถานหิน น้ํามันและคารบอเนต การ ละลายคารบอนในน้ําจืดและน้ําทะเลในรูปของกรดคารบอนิก การหายใจของพืชน้ําและ สัตวน้ํา และการสลายตั ว ของพื ช สั ตว และแพลงก ต อนในแหล ง น้ํา การย อ ยสลายอนิ น ทรีย วัต ถุ แ ละ อินทรียวัตถุ การทับถมในรูปของฟอสซิล การสะสมอยูในชั้นหินและแร ซึ่งคารบอนจะถูกปลอยออก สูบรรยากาศในรูปของกาซ คารบอนไดออกไซด (CO2) สําหรับกิจกรรมที่มีการตรึงคารบอน อาทิ กระบวนการสังเคราะหแสงของพืชและแหลง เก็บสะสมในมวลชีวภาพและคารบอนในดิน ปริมาณ การปลอยกาซคารบอนไดออกไซดอันเกิดจากมนุษย เชนจากการเผาไหมของถานหินและการทําลาย พื้นที่ปา ในแตละป จะถูกกักไวที่ชั้นบรรยากาศประมาณ 50% และสวนที่เหลือกักอยูในมหาสมุทร และบนพื้นผิวโลก 2. ก า ซมี เ ทน (CH4) สามารถหมุน เวี ย นเป นวั ฏ จั ก รไดห ลายทาง อาทิ เหมือ งแร แ ละหลุ ม ขุ ด ก า ซ ธรรมชาติ ฟารมปศุสัตว พื้นที่ฝงกลบขยะ พื้นที่นาขาวที่มีน้ําขัง พื้นที่ชุมน้ํา และปาพรุ เปนตน 3. กาซไนทรัสออกไซด (N2O) มีสาเหตุมาจากการเผาไหมของถานหินและพื้นที่ฝงกลบขยะ 4. กาซในกลุมฟลูออไรด เชน กาซไฮโดรฟลูออโรคารบอน (HFCs) กาซเปอรฟลูออโรคารบอน (PFCs) กาซไนโตรเจนไตรฟลูออไรด และกาซซัลเฟอรเฮกซะฟลูออไรด (SF6) มักถูกใชแทนสารลดชั้นโอโซน ที่ใชในอดีต แนวทางตรวจวัดกาซเรือนกระจก เพื่อประเมินในแงของแหลงปลอย (Source) และแหลงกักเก็ บ (Sink) สามารถจําแนกไดโดยสรุป 5 วิธี ไดแก 1. การสุมตรวจวัดโดยตรง (Direct Sampling) จากชั้นบรรยากาศโดยตรง 2. การสรางแบบจําลองยอนกลับ (Inverse Modeling) หรือเรียกเทคนิคนี้วา “Top-Down” เปน การ สรางแบบจําลองเพื่ออธิบายกระบวนการแลกเปลี่ยนคารบอน โดยมีการวิเคราะหการไหลเวียนของ อากาศในชั้นบรรยากาศ (Transport Model) เพื่อสรุปปริมาณการแลกเปลี่ยนกาซเรือนกระจก (Carbon Flux) ระหวาง ระบบนิเวศบนพื้นโลกและชั้นบรรยากาศ ซึ่งจะมีความแตกตางกันตามที่ตั้ง และชวงเวลา 3. การสรางแบบจําลองจากความรูความเขาใจกระบวนการแลกเปลี่ยนคารบอนระหวางระบบนิเวศ บน พื้นโลกและชั้นบรรยากาศ (Process-Based Surface Modeling) เชน แบบจําลอง DeNitrification and DeComposition (DNDC) ที่เนนการประมาณคากาซ N2O และ CO2

267 4. การตรวจวัดขอมูลดวยเทคโนโลยีการสํารวจขอมูลระยะไกล (Remote Sensing) เปนการตรวจวัด และอธิบายความสัมพันธของวัฏจักรคารบอนบนพื้นผิวของโลกและในชั้นบรรยากาศ โดยผสมผสาน การสรางแบบจําลอง การใชเทคโนโลยีการสํารวจขอมูลระยะไกลดวยดาวเทียม (Satellite) ที่ระดับ พื้นผิวของโลก ครอบคลุมพื้นที่เปนบริเวณกวาง (High Spatial Coverage) และมีความถี่สูงในการ ตรวจวัดซ้ําตําแหนงเดิม (High Temporal Resolution) 5. การตรวจวัดขอมูลภาคสนามที่ระดับพื้นผิวของโลก หรือเรียกเทคนิคนี้วา “Bottom-Up” เปน การ ตรวจวัดการแลกเปลี่ยนกาซเรือนกระจก เชน คารบอน และกาซมีเทนระหวางชั้นบรรยากาศกั บ พื้นดินจากสถานีตรวจวัดกาซเรือนกระจก หรือสถานีตรวจวัดจุลอุตุนิยมวิทยา (Flux Tower หรือ Micrometeorology Tower) เชน บริเวณเหนือ เรือนยอดตนไม บริเวณแปลงพื้น ที่เ กษตร โดย ขอมูลจากการตรวจวัดจะเปนขอมูลเฉพาะพื้นที่ ไมสามารถนําขอมูลไปใชในระดับภูมิภาคได รูปที่ 6.56

รูปที่ 6.56 ตัวอยางสถานีวัดกาซเรือนกระจก (Flux Tower) [59]

268

รูปที่ 6.57 วัฏจักรกาซเรือนกระจกและระบบการสังเกตการณกาซเรือนกระจก [61] โดยในรอบการประเมินผลกระทบของกาซเรือนกระจกตอสภาพภูมิอากาศโลกครั้งที่ 6 ทาง IPCC จะ เผยแพรรายงานดังตอไปนี้ o ป ค.ศ. 2018 ผลกระทบของระดับอุณหภูมิที่สูงขึ้น 1.5 ๐Cภาวะโลกรอน o ป ค.ศ. 2019 การปรับปรุงกระบวนวิธีการคํานวณปริมาณกาซเรือนกระจก o ป ค.ศ. 2022 รายงานภาวะโลกรอน ฉบับที่ 6 (The 6th Assessment Report, AR6) โครงการ GEOCARBON and GHG Initiative โครงการ GEOCARBON [60-61] เปนโครงการวิจัยที่จัดทําขึ้นเพื่อศึกษาและติดตามวัฏจักรของ คาร บ อนและกา ซเรือนกระจก (Green House Gas, GHG) ในสามสว นคือ ชั้นบรรยากาศ พื้นผิวโลกและ มหาสมุทร และทําการวิเคราะหผลจากการสังเกตการณได ซึ่งจะนําไปสูผลิตภัณฑและเครื่องมือในการติดตาม คารบอน และการประเมินการกักเก็บคารบอน การสังเกตการณกาซคารบอนไดออกไซดและแบบจําลองและ ความเขาใจในกระบวนการไหลเวีย นของกาซเรือนกระจก (ในแตละพื้นที่และเวลา) ที่ปรับปรุงใหมีความ แมนยํามากยิ่งขึ้น โครงการวิจัย นี้ดําเนินการจัดทํา ระบบสังเกตการณคารบ อนบนโลกเชิง บูร ณาการ (Integrated Global Carbon Observing System) เปนความรว มมือของหลายประเทศผานเครือขายสังเกตการณโ ลก (Group of Earth Observation, GEO) โดยมีการสังเกตการณกาซเรือนกระจกรวมกันของสถานีจากทั่วโลก และมีการใชกระบวนวิธีอันหลากหลายที่ระดับความสูงจากพื้นโลกตาง ๆ แสดงดังรูปที่ 6.58 อาทิเชน

269 o วิธีการตรวจวัดกาซคารบอนไดออกไซดจากอวกาศ เชน ดาวเทียม TanSat, GOSAT-1, GOSAT-2, OCO-2 เปนตน เพื่อใหขอมูลอยางตอเนื่อง o เครือขายวัดสังเกตการณภาคพื้นดิน เชน หอคอยวัดกาซเรือนกระจก (flux tower) o โครงการ CONTRAIL เพื่อตรวจวัดกาซเรือนกระจกโดยสายการบินเชิงพาณิชย o การวัดกาซคารบอนไดออกไซดดวยเรือ

รูปที่ 6.58 วิธีการสังเกตการณกาซเรือนกระจกในโครงการ GEOCARBON [61] ในการศึกษาวิจัย และการสรางแผนที่ความหนาแนนกาซ CO2 และกาซ CH4 มีเปาหมายที่จะเพิ่ ม ความแมนยําใหอยูในระดับ 5 gC m-2y-1 (5 gram Carbon/m2/year) และความละเอียดของพื้นที่ในระดับ 1-10 กิโลเมตร ภายในป ค.ศ. 2025 แสดงดังรูปที่ 6.59

รูปที่ 6.59 แนวโนมความละเอียดและความแมนยําในการสังเกตการณกาซเรือนกระจก ในโครงการ GEOCARBON [61]

270 กระบวนการแปลงขอมูลในระดับพื้นที่ไปสูระดับภูมิภาคสามารถทําไดโดยผสานขอมูลสังเกตการณ เชน จาก Flux tower ในแตละพื้นที่รวมกับสภาพพื้นที่ การใชที่ดิน พื้นที่ปา ภาพถายดาวเทียม การวัดคาดิน และการใชเทคนิคการวิเคราะหขอมูล อาทิเชน การทําเหมืองขอมูล (data mining) การเรียนรูดวยเครื่อง (machine learning) การจดจํารูปแบบ (pattern recognition) เพื่อนําไปสูการสรางแผนที่กาซเรือนกระจก การไหลเวียนฟลักซระหวางพื้นโลก กับชั้นบรรยากาศ เปนตน

รูปที่ 6.60 กระบวนการแปลงขอมูลในระดับพื้นที่ไปสูระดับภูมิภาค [61]

รูปที่ 6.61 ระบบการผสานขอมูลคารบอนทั่วโลก (Global carbon data assimilation system) [61]

271 โครงการดาวเทียมสํารวจชั้นบรรยากาศ ในปจจุบันมีดาวเทียมจํานวนเพียง 3 ดวงที่ตรวจวัดการปลอยกาซเรือนกระจก [62] ไดแก o ดาวเทียม Orbiting Carbon Observatory-2 (OCO-2) โดยองคการนาซา ประเทศสหรัฐอเมริกา o ดาวเทียม Greenhouse Gases Observing Satellite (GOSAT) ประเทศญี่ปุน o ตรวจวัดกา ซคารบ อนไดออกไซด และกา ซมีเทนดว ยเซ็นเซอรช นิด Thermal and Near Infrared (TANSO-FTS) o ตรวจวัดฝุน และเมฆดวย Cloud and Aerol Imager (TANSO-CAI) o ดาวเทียม TanSat ประเทศจีน รูป ที่ 6.62 แสดงแผนที่ความหนาแนนของกา ซคารบอนไดออกไซดเฉลี่ย ทั่ว โลก ในชว งวันที่ 1 ตุลาคม ถึง 11 พฤศจิกายน ค.ศ. 2014 วิเคราะหจากดาวเทียม OCO-2

รูปที่ 6.62 ตัวอยางแผนที่ความหนาแนนคารบอนเฉลี่ยจากดาวเทียม OCO-2 ในชวงวันที่ 1 ตุลาคม ถึง 11 พฤศจิกายน 2014 [63]

272

รูปที่ 6.63 โครงการดาวเทียมตรวจวัดกาซเรือนกระจกในอนาคต [62] ซึ่งอันที่จริงแลวระบบตรวจวัดกาซ CO2 ที่แมนยําขึ้น มีความละเอียดมากกวา 1 ppm สามารถทํา ไดโดยการใชเลเซอรตรวจวัดปริมาณ CO2 ได แตขณะนี้องคการนาซาขาดงบประมาณที่จะดําเนินการโครงการ นี้ นอกจากนี้ในบทความนี้ไดแนะนําวาในอนาคต ตัวแปรสําคัญเกี่ยวกับวัฏ จักรกาซเรือนกระจกที่ควรจะ สั งเกตการณเพิ่มเติม ไดแก โปรไฟลอุณหภูมิสามมิติ (3D temperature) โปรไฟลลมสามมิติ (3D wind) ปริมาณละอองน้ํา (water vapor) และเมฆ เปนตน โครงการศึกษาวิจัยการเปลี่ยนแปลงกาซเรือนกระจกในทะเล ปริมาณกาซ CO2 ที่เพิ่มสูงขึ้นในทะเลสงผลตออุณหภูมิทะเลที่เพิ่มสูงขึ้นและภาวะความเปนกรด ของทะเล โครงการประสานงานศึ ก ษาคาร บ อนในทะเลนานาชาติ (International Ocean Carbon Coordination Project) [54] มีวัตถุประสงคเพื่อสงเสริมและประสานงานโครงการวิจัยศึกษากาซเรือนกระจก ในมหาสมุทรทั่วโลก มีกิจกรรมที่หลากหลายไดแก การสังเกตการณแรงดันคารบอนบนพื้นผิวทะเล (surface CO2) ในทะเล การวัดความเปนกรดของทะล เปนตน นอกจากนี้ยังกําหนดกลยุทธ พารามิเตอรสําคัญ และ กระบวนการวิจัย เพื่อเปนมาตรฐานรวมกันอีกดวยดังรูปที่ 6.64 และ 6.65 แสดงแผนที่เสนทางเรือสํารวจและ ตําแหนงสถานีสังเกตการณในเครือขาย Global Ocean Observing Network (GOA-ON)

273

รูปที่ 6.64 แผนที่เสนทางเรือสํารวจติดอุปกรณวัดแรงดันกาซ CO2 บริเวณผิวน้ําทะเล ที่กําลังดําเนินการอยูและในอนาคต [64]

รูปที่ 6.65 ตําแหนงสถานีสังเกตการณในเครือขาย Global Ocean Observing Network (GOA-ON) เพื่อวัดคาความเปนกรดในทะเล [65] ขอมูลกา ซเรือนกระจกในทะเลสามารถดาวนโ หลดไดจากหลายแหง อาทิเ ชนเว็บ ไซต Carbon Dioxide Information Analysis Center (Ocean CO2 ) ภ า ย ใ ต OakRidge National Research Laboratory (ORNL) และ Carbon Tracker System ภายใตองคกร NOAA แสดงดังรูปที่ 6.66

274

รูปที่ 6.66 ลักษณะขอมูลที่สามารถดาวนโหลดไดจากเว็บไซต Ocean CO2 [66] ทางองคกร NOAA ไดประสานงานเครือขายสถานีสังเกตการณกาซเรือนกระจกทั่วโลกครอบคลุมทุก ทวีปและเขตละติจูด ที่เรียกวา Global Greenhouse Reference Network [67] แสดงดังรูปที่ 6.67

รูปที่ 6.67 เครือขายสถานีสังเกตการณกาซเรือนกระจกทั่วโลก (Global Greenhouse Gas Reference Network) [67]

275 ในเวอรชันลาสุดของ Carbon Track คือ CT2016 ใหคาประมาณการของฟลักซ CO2 ระหว า ง พื้นผิวโลกกับชั้นบรรยากาศในชวงป ค.ศ. 2000 ถึง ป ค.ศ. 2015 ลักษณะของผลิตภัณฑที่แสดงในรูปที่ 6.68 และรูปที่ 6.69 ไดแก แผนที่แสดงคาเฉลี่ยของความหนาแนนกาซ CO2 CH4 กราฟแสดงการเปลี่ยนแปลงในแต ละเวลา (time series) เปนตน

รูปที่ 6.68 ตัวอยางแผนที่ฟลักซ CO2 ในประเทศสหรัฐอเมริกา [68]

รูปที่ 6.69 ปริมาณการปลดปลอยกาซ CO2 ทั่วโลกระหวางป ค.ศ. 2000 ถึงป ค.ศ. 2015 [68]

276 Global Atmosphere Watch (GAW) เป น โปรแกรมการศึก ษาวิ จั ย ด า นชั้ น บรรยากาศโลก ภายใต อ งค ก รอุ ตุ นิ ย มวิท ยาโลก (World Meteorology Organization, WMO) มี วั ต ถุ ป ระสงค เ พื่ อ ตรวจวั ด โอโซน (ozones) ก า ซเรื อ นกระจก (greenhouse gases) ละอองในอากาศ (aerosols) reactive gases การแพรของรังสี UV (UV radiation) เปนตน โครงการนี้ประกอบดวยเครือขายสถานีจากหลากหลายประเทศ สถานีระดับโลกจํานวน 30 สถานี สถานีระดับภูมิภาคจํานวน 400 สถานี และสถานีเครือขายความรวมมือจํานวน 100 สถานี แสดงดังรูปที่ 6.70 หนาเว็บไซตของโปรแกรมศึกษาวิจัยนี้ แสดงดังรูปที่ 6.71

รูปที่ 6.70 เครือขายสถานี Global Atmosphere Watch (GAW) ระดับโลก (Global) [69]

รูปที่ 6.71 เว็บไซตของโปรแกรม Global Atmosphere Watch (GAW) [70]

277 ในโปรแกรมนี้ ยั ง มี ก ารศึ ก ษาวิ จั ย ที่ เ น น เขตเมื อ ง เกี่ ย วกั บ ผลกระทบของสภาพภู มิ อ ากาศต อ สาธารณสุข เกษตร สิ่งแวดลอม และการตอบสนองเหตุการณฉุกเฉิน อีกดวย ดังแสดงในรูปที่ 6.72

รูปที่ 6.72 ผลกระทบของสภาพภูมิอากาศในเขตเมือง [70] ตัวอยางโครงการดานการเปลี่ยนแปลงสภาพภูมิอากาศในบางประเทศ ในประเทศอินเดีย หนวยงานหลักที่รับผิดชอบเรื่องการเปลี่ยนแปลงสภาพภูมิอากาศคือองคกรวิจัย ด า นอวกาศอิ น เดี ย (Indian Space Research Organization, ISRO) โดยสนั บ สนุ น งบประมาณวิ จั ย ใน โปรแกรมวิจัยขนาดใหญแกศูนยวิจัยระดับชาติ หนวยงานวิจัยภาครัฐและหนวยงานภายในขององคกร ISRO เอง ตัวอยางของศูนยวิจัยที่ไดรับงบประมาณวิจัย ไดแก o ศูนยวิจัยดานการเปลี่ยนแปลงสภาพภูมิอากาศ สถาบันเทคโนโลยีและการจัดการแหงอินเดีย วิทยา เขตพูน (IITM, Pune) o โปรแกรมดานอวกาศและเซ็นเซอร o โปรแกรมการวิจัยดาน Biosphere และ Geosphere องคกรวิจัยดานอวกาศอินเดีย o ระบบสารสนเทศดานสภาพภูมิอากาศและสิ่งแวดลอมแหงชาติ o หองปฏิบัติการวิจัยดานฟสิกส (กระทรวงอวกาศ) o หองปฏิบัติการวิจัยดานชั้นบรรยากาศแหงชาติ (กระทรวงอวกาศ)

278 ในสวนโปรแกรมการวิจัยดาน Biosphere และ Geosphere ประกอบไปดวยโครงการศึกษาวิจัย ระดับชาติ และเครือขายหลายสถาบันไดแก o โครงการคารบอนแหงชาติ (National Carbon Project) o โครงการ Aerosol Radiative Forcing in India o โครงการ Aerosol Chemistry o โครงการ Trace Gases & dynamics o โครงการ Atmospheric Boundary Layers o โครงการ Energy & Mass Exchange in Vegetation o โครงการ Land Use & Hydrology o โครงการ Multi-proxy paleo-climate studies รูปที่ 6.73 ถึงรูปที่ 6.75 แสดงตัวอยางผลการศึกษาวิจัยในดานตาง ๆ เกี่ยวกับละอองฝุนในอากาศ

รูปที่ 6.73 ตัวอยางผลการศึกษาวิจัยเกี่ยวกับละอองฝุนอากาศในประเทศอินเดีย [71]

279

รูปที่ 6.74 ตัวอยางผลการศึกษาวิจัยเกี่ยวกับปริมาณเนื้อที่ปาในประเทศอินเดีย [71]

รูปที่ 6.75 ตัวอยางผลการศึกษาวิจัยเกี่ยวกับความหนาแนนคารบอนในประเทศอินเดีย [71]

280 รูปที่ 6.76 แสดงแบบจําลองกาซ CO2 เชิงบูรณาการ (Integrated CO2 model) ที่ใชโดยหนวยงาน ในประเทศอินเดีย อันประกอบไปดวย สวนของชั้นบรรยากาศ มหาสมุทรและพื้นดิน โดยนําไปสูการจําลอง ความหนาแนนกาซ CO2 ในชั้นบรรยากาศ และคํานวณงบประมาณ CO2 (CO2 budget) รวมทั้งผลกระทบ ของกาซเรือนกระจกตอประเทศอีกดวย

รูปที่ 6.76 แบบจําลองกาซ CO2 เชิงบูรณาการ (Integrated CO2 model) ที่ใชโดยหนวยงานในประเทศอินเดีย [71] ในประเทศไทยเอง หนวยงานสําคัญที่ดูแลเรื่องการเปลี่ยนแปลงสภาพภูมิอากาศคือ องคการบริหาร จัดการกาซเรือนกระจก (องคการมหาชน) [72] หรือ อบก. ซึ่งทํางานรวมกับหนวยงานภาครัฐ เชน สํานักงาน พั ฒนาเทคโนโลยีอวกาศและภูมิสารสนเทศ (สทอภ.) กรมที่ดิน มหาวิทยาลัย เปนตน โดยไดจัดทําระบบ สารสนเทศขอมูลสถานการณกาซเรือนกระจกเชิงพื้นที่ ซึ่งเปนระบบที่แสดงขอมูลการปลอย การกักเก็บ และ การลดกาซเรือนกระจกในรูป แบบเชิงพื้นที่ อางอิงการคํานวณปริมาณการปลอยและการกักเก็บกาซเรือน กระจก เพื่อเปนการสงเสริมการวางแผนการบริหารจัดการกาซเรือนกระจกในระดับพื้นที่ของประเทศไทย ตาม คําแนะนําในคูมือการคํานวณของคณะกรรมาธิการระหวางรัฐบาลวาดวยการเปลี่ยนแปลงสภาพภูมิอากาศ ฉบั บ ป ค.ศ.2006 (2006 IPCC Guidelines for National Greenhouse Gas Inventories) และอา งอิง คา ศักยภาพในการทําใหเกิดภาวะโลกรอน (Global Warming Potential, GWP) คือ กาซคารบอนไดออกไซด (CO2) เทากับ 1 กาซมีเทน (CH4) เทากับ 25 และกาซไนตรัสออกไซด (N2O) เทากับ 298 สําหรับขอมูลการ ปลอยและการกักเก็บกาซเรือนกระจกภาคเกษตร ปาไม และการใชประโยชนที่ดิน ในชวงป พ.ศ. 2550 และ พ.ศ. 2555 ทําการคํานวณปฐานจากขอมูลการใชประโยชนที่ดินในชวงป พ.ศ. 2545 และ พ.ศ. 2550 จากกรม พัฒนาที่ดิน ตามลําดับ โดยมีหนวยแสดงผล 1 ตารางกริด เทากับ 1 เฮกตาร หรือ 10,000 ตารางเมตร หรือ 6.25 ไร”

281 ในขณะนี้คณะกรรมการนโยบายการเปลี่ยนแปลงสภาพภูมิอากาศแหงชาติไดเห็นชอบตอแผนแมบท แห ง ชาติดานการจัดการเปลี่ยนแปลงสภาพภูมิอากาศ [73] ชว งป พ.ศ. 2558-2593 โดยกํา หนดเปน 3 ยุทธศาสตร คือ 1. การปรับตัว (Adaptation) เพื่อรับผลกระทบจากการเปลี่ยนแปลงสภาพภูมิอากาศ 2. ลดการปลอยกาซเรือนกระจก (Mitigation) และเพิ่มแหลงกักเก็บกาซเรือนกระจก 3. เสริมสรางขีดความสามารถของประเทศเพื่อจัดการความเสี่ยงจากผลกระทบการเปลี่ยนแปลงสภาพ ภูมิอากาศ เทคโนโลยี GNSS สามารถนํามาประยุกตใชเกี่ยวของกับการเปลี่ยนแปลงสภาพภูมิอากาศ โดยใช ศึกษาปริมาณไอน้ําหรือความชื้นในอากาศ ซึ่งมีประโยชนตอการวัดปริมาณฝนที่แมนยําขึ้นกวาการใชเครื่องวัด ปริมาณน้ําฝนบนพื้นดินเทานั้น และยังสะดวกกวาการปลอยอุปกรณเรดิโอซอนด (radiosonde) ขึ้นไปบนชั้น บรรยากาศเพื่อเก็บขอมูล หลักการก็คือ เราสามารถประมวลคาการหนวงเวลาโทรโพสเฟยรซินิต (zenith tropospheric delay (ZTD) จากไฟล RINEX ที่ ไ ด ม าจากเครื่ อ งรั บ สั ญ ญาณจี เ อ็ น เอสเอส ค า ZTD ประกอบดวยผลกระทบจากอากาศแหงเรียกวา zenith hydrostatic delay (ZHD) และอากาศชื้นที่เรียกวา zenith wet delay (ZWD) ดั ง นั้ น เมื่ อ คํ า นวณค า ZWD ได แ ล ว จะสามารถแปลงเป น ปริ ม าณไอน้ํ า (perceptible water vapor: PWV) ได คา PWV ที่ไดจาก GNSS มักใชเปนคาเริ่มตนในแบบจําลองสภาพ อากาศเชิงตัว เลข (numerical weather model) โดยมีประโยชนคือทําใหสามารถทํานายปริมาณฝนที่จ ะ เกิดขึ้นในระยะใกล ไดอยางแมนยําขึ้น รูปที่ 6.77 แสดงวาคา ZTD ที่นําคํานวณจากดาวเทียมแตละดวงเปน คาในแนวเฉียง ดังนั้นจําเปนที่จะตองแปลงคาใหเปนคา ZTD แนวตั้งกอนนํามาใชงาน

รูปที่ 6.77 คา ZTD ที่นําคํานวณจากดาวเทียมแตละดวง [74]

282 รูปที่ 6.78 แสดงการเปรียบเทียบวาเมื่อนําคา PWV มาใชในการทํานายปริมาณฝน จะแมนยําขึ้น กวาเดิม HIRLAM (U11) Precipitation Forecast (without GPS)

16 to 17 UTC on 11 May 2010

Radar Hourly Precipitation Observations 16 to 17 UTC on 11 May

HIRLAM (U11) Precipitation Forecast (with GPS) 16 to 17 UTC on 11 May

รูปที่ 6.78 การเปรียบเทียบปริมาณฝนตกกอนและหลังนําคา PWV มาใชทํานาย [75] ในสหภาพยุโ รป มีเ ครือขา ยหนว ยงานใหบ ริการด า นอุ ตุนิย มวิ ทยายุโ รป (European National Meteorological Services) หรือ EUMETNET จํานวน 31 แหง มีศูนยกลางที่เมืองบรัสเซลล ประเทศเบลเยี่ยม มีการใชประโยชนจากสัญ ญาณ GPS เพื่อสังเกตการณ ทํานายคาสภาพภูมิอากาศ เพื่อใชในกิจการ ตาง ๆ อาทิเชน กิจการการบิน หนึ่งในโครงการที่ดําเนินการ คือ โครงการ E-GVAP มีวัตถุประสงคเพื่อสงคา PWV ไปยังผูใชงานดานอุตุนิยมวิทยาในเครือขาย จํานวนสถานี GNSS ที่สงขอมูลเกือบเรียลไทม (near realtime) แสดงดังรูปที่ 6.79 ในปจจุบันมีจํานวนสถานีประมาณ 3000 แหง โดยใหคา ZTD ทุกๆ 90 นาที รูปที่ 6.80 แสดงตําแหนงสถานี GNSS ในยุโรปที่เขารวม

รูปที่ 6.79 จํานวนสถานี GNSS ในยุโรปที่สงขอมูลมายังศูนยประมวลคา PWV [75]

283

รูปที่ 6.80 ตําแหนงสถานี GNSS ในยุโรป [75]

รูปที่ 6.81 แผนที่ 2-D แสดงการเปลี่ยนแปลงคา PWV [75]

284 รูปที่ 6.81 และรูปที่ 6.82 แสดงตัวอยางแผนที่ 2-D ของการเปลี่ยนแปลงคา PWV ในยุโรปและคา PWV ทั่วโลก

รูปที่ 6.82 แผนคา PWV ทั่วโลก [75] ในโครงการ COST Action ES1206 ซึ่งเปนโครงการระหวางป 2013 ถึง 2017 เปนความรวมมือ ระหว า งสหภาพยุ โ รป ประเทศสหรั ฐ อเมริ ก า แคนาดา ออสเตรเลี ย อิ ส ราเอล ฮ อ งกง และตู นิ เ ชี ย มี วัตถุประสงค เพื่อพัฒนาผลิตภัณฑขอมูลโทรโพสเฟยรจาก multi-GNSS การทํานายสภาพอากาศเรียลไทม และสภาพอากาศที่รุนแรง

285

เอกสารอางอิง [1] Integrated farming. Available online: https://en.wikipedia.org/wiki/Integrated_farming [2] Machinery Guide for precision agriculture. Available online: http://www.machineryguideapp.com/en [3] Automatic Steering System. Available online: https://www.ijsr.net/archive/v5i5/NOV163265.pdf [4] Precision Farming Tools: Variable-Rate Application. Available online: https://pubs.ext.vt.edu/content/dam/pubs_ext_vt_edu/442/442-505/442-505_PDF.pdf [5] Yield Monitoring. Available online: http://www.agleader.com/products/yield-monitoring/ [6] Yield Monitoring and Mapping. Available online: https://cropwatch.unl.edu/ssm/mapping [7] On-Line Optical Cell Biomass Monitoring. Available online: https://www.genengnews.com/gen-articles/on-line-optical-cell-biomass-monitoring/5826 [8] Biomass monitoring by use of a continuous on-line optical sensor. Available online: http://www.sciencedirect.com/science/article/pii/S0925400500006924 [9] National Soil Condition Monitoring for soil pH and soil carbon. Available online: http://www.clw.csiro.au/aclep/documents/CLW_Science_Report_0511.pdf [10] R. Gebbers, “Current Crop and Soil Sensors for Precision Agriculture,” ConBAP 2014, Brazil.

[11] Md. Shaha Nur Kabir et al., “Performance comparison of single and multi-GNSS receivers under agricultural fields in Korea,” Engineering in Agriculture, Environment and Food, vol.

9, 2016, p. 27-35.

[12] Precision agriculture: How big data can make farms more sustainable. Available online: https://geneticliteracyproject.org/2017/02/28/nebraska-farmers-embracing-precisionagriculture-conserve-resources-increase-profits/ [13] Agri-Map. Available online: http://agri-map-online.moac.go.th/static/file/agrimap-manual.pdf [14] Agri-Map. Available online: http://agri-map-online.moac.go.th/login [15] The Promising Business of Counting Sunflowers. Available online: http://insideunmannedsystems.com/promising-business-counting-sunflowers/

286 [16] Smart Counting – Oil Palm tree inventory with UAV. Available online: http://mycoordinates.org/smart-counting-oil-palm-tree-inventory-with-uav/ [17] Group on earth observations. Available online: https://www.earthobservations.org/geoglam_cm.php [18] Asia-RiCE. Available online: http://www.asia-rice.org/ [19] Ricult. Available online: http://www.ricult.com/ [20] RIICE. Available online: http://www.riice.org/about-riice/ [21] Satellite Earth Obse rvations In Support Of Disaster Risk Reduction, European Space Agency, 2015. Available online: http://www.eohandbook.com/eohb2015/files/ CEOS_EOHB_2015_WCDRR.pdf [22] B. Tomaszewski, “Geographic Information Systems (GIS) for Disaster Management,” CRC Press, 2014. Available online: https://www.crcpress.com/Geographic-Information-SystemsGIS-for-Disaster-Management/Tomaszewski/p/book/9781482211689 [23] Hurricane Harvey. Available online: https://google.org/crisismap/2017-harvey [24] L. A. Manfré, et al. “An Analysis of Geospatial Technologies for Risk and Natural Disaster Management,” ISPRS International Journal of Geo-Information, Aug. 2012. Available online: http://www.mdpi.com/2220-9964/1/2/166 [25] A. Suzuki, “- Sentinel Asia - Supporting Disaster Management and Enhancing Cooperation through APRSAF,” the 59 th session of the Committee on the Peaceful Uses of Outer Space, COPUOS, Jun. 2016. Available online: http://www.unoosa.org/documents/ pdf/copuos/2016/copuos2016tech19E.pdf [26] https://www.rit.edu/research/feature/may-2016/aerial-viewpoint-remote-sensing-uavs [27] Quakemap. Available online: https://www.ushahidi.com/case-studies/quakemap [28] K. Yamamoto, “Development and Operation of Social Media GIS for Disaster Risk Management in Japan,” Planning Support Systems and Smart Cities, 2 01 5 . Available online: https://link.springer.com/chapter/10.1007/978-3-319-18368-8_2 [29] A. T. Crooks and S. Wise, “GIS and agent-based models for humanitarian assistance,” Computers, Environment and Urban Systems, 2013. Available online: http://www.sciencedirect.com/science/article/pii/S0198971513000550 [30] G. Wang, “GPS Landslide Monitoring: Single Base vs. Network Solutions − A case study

287 based on the Puerto Rico and Virgin Islands Permanent GPS Network,” Journal of Geodetic Science, Apr. 2011. Available online: https://www.degruyter.com/view/ j/jogs.2011.1.issue-3/v10156-010-0022-3/v10156-010-0022-3.xml [31] A. Cina and M. Piras, “Performance of low-cost GNSS receiver for landslides monitoring: test and results,” Geomatics, Natural Hazards and Risk, 2 0 1 5 . Available online: http://www.tandfonline.com/doi/full/10.1080/19475705.2014.889046 [32] D. Melgar, et al. “Local tsunami warnings: Perspectivesfrom recent large events,” Geophysical Research Letters, Feb. 2016. Available online: http://onlinelibrary.wiley .com/doi/10.1002/2015GL067100/full [33] FLETCHER, K., WOLDEMARIAM, T. & STOLLE, F. 2017. Scientists Use Google Earth and Crowdsourcing to Map Uncharted Forests [Online]. Global Forest Watch. Available online: http://blog.globalforestwatch.org/data/scientists-use-Google-earth-and-crowdsourcing-tomap-uncharted-forests.html [Accessed 20 September 2017].

[34] CHANDLER, M., SEE, L., COPAS, K., BONDE, A. M. Z., LÓPEZ, B. C., DANIELSEN, F., LEGIND, J. K., MASINDE, S., MILLER-RUSHING, A. J., NEWMAN, G., ROSEMARTIN, A. & TURAK, E. 2 0 17 .

Contribution of citizen science towards international biodiversity monitoring. Biological Conservation, 213, 280-294.

[35] ZHANG, L., ZHANG, L. & DU, B. 2016. Deep Learning for Remote Sensing Data. IEEE Geoscience and Remote Sensing Magazine. IEEE. [36] KOLAGANI, N. & RAMU, P. 2017. A participatory framework for developing public participation GIS solutions to improve resource management systems. International Journal of Geographical Information Science, 31,463-480.

[37] JANGID, J., BERA, A. K., JOSEPH, M., SINGH, V., SINGH, T. P., PRADHAN, B. K. & DAS, S. 2016. Potential zones identification for harvesting wind energy resources in desert region of India – A multi criteria evaluation approach using remote sensing and GIS. Renewable and Sustainable Energy Reviews, 65, 1-10.

[38] BOSCH, J., STAFFELL, I. & HAWKES, A. D. 2017. Temporally-explicit and spatially-resolved global onshore wind energy potentials. Energy, 131, 207-217.

[39] CAVAZZI, S. & DUTTON, A. G. 2016. An Offshore Wind Energy Geographic Information System (OWE-GIS) for assessment of the UK's offshore wind energy potential. Renewable Energy, 87, 212-228.

288 [40] ROBERT, M., PIETER, G., JENNIFER, M., CALEB, P. & RYAN, E. 2017. Using GIS-based methods and lidar data to estimate rooftop solar technical potential in US cities. Environmental Research Letters, 12, 074013.

[41] AYDIN, N. Y., KENTEL, E. & DUZGUN, S. 2010. GIS-based environmental assessment of wind energy systems for spatial planning: A case study from Western Turkey. Renewable and Sustainable Energy Reviews, 14, 364-373.

[42] ZEPHIR. 2017. ZephIR Lidar [Online]. Available online: https://www.zephirlidar.com/ [Accessed].

[43] SZABÓ, S., ENYEDI, P., HORVÁTH, M., KOVÁCS, Z., BURAI, P., CSOKNYAI, T. & SZABÓ, G. 2016. Automated registration of potential locations for solar energy production with Light Detection And Ranging (LiDAR) and small format photogrammetry. Journal of Cleaner Production, 112, 3820-3829.

[44] S. Adeyemo, “How LIDAR is Transforming Remote Solar Sales and System Design ” Renewable Energy World, 2016.

[45] Google. Project Sunroof. Available online: https://www.google.com/get/sunroof#p=0 [46] BioPower Atlas. Available online: https://maps.nrel.gov/biopower-atlas/ [47] J.-F. Pekel, A. Cottam, N. Gorelick, and A. S. Belward, “High-resolution mapping of global surface water and its long-term changes,” Nature, vol. 5 40 , no. 7 63 3 , pp. 4 18 - 4 2 2 , 12/15/print, 2016.

[48] freewat. Available online: http://www.freewat.eu/ [49] M. C. Hansen, P. V. Potapov, R. Moore, M. Hancher, S. A. Turubanova, A. Tyukavina, D. Thau, S. V. Stehman, S. J. Goetz, T. R. Loveland, A. Kommareddy, A. Egorov, L. Chini, C. O. Justice, and J. R. G. Townshend, “High-Resolution Global Maps of 2 1st-Century Forest Cover Change,” Science, vol. 342, no. 6160, pp. 850, 2013.

[50] Global Forest Watch. Available online: http://www.globalforestwatch.org/map [51] H. Marchante, M. C. Morais, A. Gamela, and E. Marchante, “Using a WebMapping Platform to Engage Volunteers to Collect Data on Invasive Plants Distribution,” Transactions in GIS, vol. 21, no. 2, pp. 238-252, 2017.

[52] ESRI, "Citizen Science Reporter," ESRI, 2017.

[53] L. Cenci, L. Disperati, M. G. Persichillo, E. R. Oliveira, F. L. Alves, and M. Phillips, “Integrating remote sensing and GIS techniques for monitoring and modeling shoreline evolution to support coastal risk management,” GIScience & Remote Sensing, pp. 1-21, 2017.

[54] Satellite-based Wetland Observation Service (SWOS). Available online: http://swos-

289 service.eu/about/ [55] รายงานการตรวจวัดกาซเรือนกระจกจากสถานีจุลอุตุนิยมวิทยา (Greenhouse Gas Measurement from Micrometeorology Tower) โดย ศูนยขอมูลกาซเรือนกระจก องคการบริหารจัดการกาซเรือน ก ร ะ จ ก ( อ ง ค ก า ร ม ห า ช น ) ชื่ อ เ ว็ บ ไ ซ ต http://conference.tgo.or.th/download/ tgo_or_th/Article/2017/GreenhouseGas Measurement from Micrometeorology Tower.pdf [56] Outcomes of COP21 and IPCC. Avaliable online: https://public.wmo.int/en/resources/bulletin/outcomes-of-cop21-and-ipcc [57] Climate change and the sustainable development agenda. Available online: www.un.org/pga/71/wp-content/uploads/sites/.../IPCC-PowerPoint-presentation.pdf.

[58] Climate Change Indicators:Atmospheric Concentration of Greenhouse Gases. Available online: https://www.epa.gov/climate-indicators/climate-change-indicators-atmosphericconcentrations-greenhouse-gases [59] Flux Tower Measurements. Available online: www.neonscience.org [60] GEOCarbon Strategy, June 2010. Available online: http://www.globalcarbonproject.org/global/pdf/GEO_CARBONSTRATEGY_20101020.pdf [61] The GEO Carbon and GHG Initiative,” 9th GEOSS AP Symposium 10-12 January 2017 Tokyo, Japan.

[62] J. Tollefson, “Next generation of carbon-monitoring satellites faces daunting hurdles: Space agencies envisage system of probes to track whether countries are achieving emissions goals,” Nature, vol. 533, no. 7, 25 May 2016.

[63] Global Atospheric Carbon Dioxide. Available online: https://www.nasa.gov/jpl/oco2/ pia18934 [64] Planned and Ongoing Voyages. Available online: http://www.ioccp.org/images/01Underway/IOCCP_VOS_lines.jpg [65] Global Ocean Observing Network. Available online: http://www.ioccp.org/index.php/ocean-acidification [66] Ocean Carbon Data System. Available online: https://www.nodc.noaa.gov/ocads/ [67] Greenhouse Gas Reference Network Site Information. Available online: https://www.esrl.noaa.gov/gmd/ccgg/ggrn.php [68] Global Greenhouse Gas Reference Network: Fluxes. Available online: https://www.esrl.noaa.gov/gmd/ccgg/carbontracker/fluxes.php [69] GAW stations network and other measurements. Available online: https://www.wmo.int/pages/prog/arep/gaw/measurements.html

290 [70] Observing Systems. Available online: https://www.wmo.int/pages/prog/arep/gaw/monitoring.html [71] Use of EO inputs for Climate Change studies in India, Presentation to 58th Session of UN COPUOS, 2015. Available online: http://www.unoosa.org/pdf/pres/copuos2015/copuos2015tech17E.pdf [72] องคการบริหารจัดการกาซเรือนกระจก URL: http://www.tgo.or.th/2015/thai/index.php [73] สถานการณกาซเรือนกระจก/การลดกาซเรือนกระจกในประเทศไทย- นโยบายของประเทศ URL: http://www.tgo.or.th/2015/thai/content.php?s1=11&s2=36 [74] Tropospheric Sensing with GPS (GNSS). Available online: http://www.gpsmet.com/gnss_meteorology [75] The Current Status and Future of GNSS Meterology in Europe. Available online: https://www.unavco.org/community/.../Jones-unavco2016-GNSS-Met-Europe.pptx

บทที่ 7 การวิเคราะหแนวโนมเทคโนโลยี แนวทางการวิเคราะหแนวโนมเทคโนโลยีดานอวกาศ (Space) เทคโนโลยีนําทางดวยดาวเทีย ม (GNSS) และภูมิสารสนเทศ (GIS) รวมถึงดานเทคโนโลยีสารสนเทศ (ICT) ที่เกี่ยวของ เกิดจากการสํารวจขอมูล แนวโนมเทคโนโลยีจากแหลงตาง ๆ ไดแก เอกสารตีพิมพ (รายงานเทคนิค, วารสารวิชาการ นิตยสาร/วารสาร เทคโนโลยี การประชุมวิชาการ ฯลฯ) การสัมภาษณผูเชี่ยวชาญในประเทศและตางประเทศ ในแตละสาขา รวมทั้งไดรับการยืนยันจากแนวโนมสถิติการตีพิมพทางวิชาการในฐานขอมูล SCOPUS รวมกับเทคนิค data mining เพื่อนํามาประกอบรวมกันเพื่อวิเคราะหแนวโนมเทคโนโลยีในชวงระยะสั้น กลาง และยาว เกี่ยวกับ เทคโนโลยีที่จ ะกํา ลัง จะหายไป (fade-out) เทคโนโลยีที่กํา ลังจะมาแทนที่ (fade-in) และความเสี่ยงจาก disruptive technology ในรูปแบบของตารางแนวโนมเทคโนโลยี และที่สําคัญ คือผลกระทบตอประเทศไทย ทายที่สุดคณะผูวิจั ยไดนําเสนอแนวทางกิจ กรรม การวิจัย และพัฒนาที่ป ระเทศไทยควรจะดํา เนินการใน เทคโนโลยีแตละดาน รวมทั้งการบูรณาการดานการเกษตร ภัยพิบัติ ทรัพยากรธรรมชาติ และสิ่งแวดลอม รวมทั้งการเปลี่ยนแปลงสภาพภูมิอากาศ

7.1 บทวิเคราะหแนวโนมเทคโนโลยีอวกาศ 7.1.1 รายละเอียดบทสัมภาษณผูเชี่ยวชาญดานอวกาศ Prof. Hajime Fukuchi จาก Tokyo Metropolitan University ใหความเห็นเทคโนโลยีอวกาศใน อนาคตวา จะมีการพัฒนาดาวเทียมขนาดเล็กอยางกวางขวาง ในชวงเวลานี้เปนตนไป ซึ่งขณะนี้มีบริษัทขนาด เล็กเปดใหมจํานวนหลายแหง มีการวางแผนที่จะสรางดาวเทียมขนาดเล็ก เพื่อใชงานในดานตาง ๆ เชน ใช สําหรับถายภาพโดยใช SAR เปนตน ในสวนของระยะกลางจะเปนการใชงานที่ความถี่สูงกับ HTS รวมถึงการ พัฒนาเทคโนโลยีที่จะลดผลกระทบของเมฆ และฝน สวนระยะยาว 10 ปขึ้นไป เทคโนโลยี HAPS จะเขามามี บทบาทมากยิ่งขึ้นสําหรับเทคโนโลยีอวกาศ ในสวนของผูเ ชี่ย วชาญดาวเทีย มในอุตสาหกรรมของไทย คุณปรีดา ศิลปวิทยารัก ษ จากบริษัท ไทยคม จํากัด มหาชน ใหความเห็นวา แนวโนมของการใชงานดาวเทียมจะเปลี่ยนไปตามพฤติกรรมผูบริโภค นั้นหมายความวาจะมีการใชขอมูลปริมาณมากขึ้นเรื่อย ๆ ทําใหตองมีการเพิ่มความจุ (capacity) บนดาวเทียม เพื่อรองรับขอมูลปริมาณที่มากขึ้นดังกลาว แตสุดทายแลว การสื่อสารตาง ๆ ทั้งภาคพื้นดิน และในสวนของ ดาวเทียม จะถูก รวมไวเปนแพลตฟอร มเดีย ว หมายความวา จะสามารถสงผา นข อมูล ถึง กั นไดห มด และ ดาวเทียมบนวงโคจรคางฟาจะเปนการใชงานสําหรับถายทอดสัญญาณ (broadcast) เทานั้น เนื่องจากขอดี คือ การใชงานครอบคลุมพื้นที่กวาง และการใชงานดาวเทียมในวงโคจรคางฟาจะไมเหมาะสําหรับขอมูลขนาดใหญ

292 (big data) เนื่องจากขอจํากัดหลาย ๆ อยาง ทําใหการใชงานขอมูลขนาดใหญจะถูกยายมาใชงานในดาวเทียม ที่วงโคจรต่ํา 7.1.2 แนวโนมการตีพิมพดานเทคโนโลยีอวกาศในฐานขอมูล Scopus ผูวิเคราะหไดจัดทํากราฟแสดงถึงจํานวนการตีพิมพตั้งแตป ค.ศ. 2000 ถึง ป ค.ศ. 2017 เพื่อเปน การยืนยันผลวิเคราะหแนวโนมเทคโนโลยีอวกาศในอนาคต ดังแสดงในรูปที่ 7.1 (ปค.ศ. 2017 ขอมูลยังไม ครบ) ซึ่งจากกราฟพบวาจํานวนการตีพิมพมีการเพิ่มขึ้นอยางตอเนื่องสําหรับ keywords ตาง ๆ ที่ไดนําเสนอ ในขางตน

รูปที่ 7.1 แนวโนมจํานวนการตีพิมพบทความเกี่ยวกับเทคโนโลยีอวกาศในฐานขอมูล Scopus ระหวางป ค.ศ. 2000 ถึง 2017 นอกเหนือจากจํานวนของงานวิจัยที่ตีพิมพตั้งแตอดีตจนถึงปจจุบัน ผูวิเคราะหไดทําการวิเคราะห ขอมูลเพิ่มเติมจากเทคนิคการทํา data mining เพื่อใหไดขอมูลที่เพิ่มเติม และเกี่ยวของกับแนวโนมเทคโนโลยี อวกาศที่ไดนํา เสนอ โดยทางผูวิเคราะหไดนําเสนอ keywords หลัก 3 คํา คือ HTS ดังแสดงในรูป ที่ 7.2, CubeSat ดังแสดงในรูปที่ 7.3 และ HAPS ดังแสดงในรูปที่ 7.4 การใช Factor map ในการวิเคราะหขอมูล เปนวิธีหนึ่งของเทคนิค data mining ซึ่งแสดงใหเห็นถึงสาขายอยภายใต keyword นั้น รวมถึงแสดงใหเห็นถึง ความเชื่อมโยงในบางแงมุมอีกดวย ผูวิเคราะหใชขอมูลในการทํา data mining ตั้งแตป ค.ศ. 2000 ถึง ป ค.ศ. 2017 โดยในการทํา data mining โดยวิธี factor map จะทําใหเห็น keywords ยอยอื่น ๆ ที่ปรากฏภายใต keywords หลัก เชน ในกรณีที่ HTS เปน keyword หลัก จะพบคําวามีงานวิจัยเกี่ยวกับสายอากาศ (antenna) โปรโตคอลเครือขาย network protocols อัตราเร็วขอมูลสูง (high data rate) และดานอื่น ๆ ซึ่งเปนงานวิจัยที่เกี่ยวของกับ HTS เปนตน จากการทํา data mining จะทําใหเห็นความเชื่อมโยงและแนวโนมเทคโนโลยีอื่น ๆ ดังแสดงในรูปที่ 7.2 ถึง 7.4 โดยขนาดของวงกลมแสดงถึงปริมาณอางอิงถึง keywords ยอยนั้น ๆ กับ keywords หลัก

293

รูปที่ 7.2 การวิเคราะหเทคโนโลยี HTS โดยใช Factor map (Data mining)

294

รูปที่ 7.3 การวิเคราะหเทคโนโลยี CubeSat โดยใช Factor map (Data mining)

295

รูปที่ 7.4 การวิเคราะหเทคโนโลยี HAPS โดยใช Factor map (Data mining)

296 7.1.3 สรุปแนวโนมเทคโนโลยีดานอวกาศ 7.1.3.1 เทคโนโลยีที่จะหายไป (Faded out technology) สําหรับเทคโนโลยีที่จะหายไป ไดแก ระบบสถานีภาคพื้นดินแบบที่ใชงานอยูทั่วไป เนื่องจากระบบ ตาง ๆ ตองมีการพัฒนาใหสามารถรับขอมูลความเร็วสูง และปริมาณมาก 7.1.3.2 เทคโนโลยีที่จะเขามา (Faded in technology) การมอดูเลตและการเขารหัสแบบใหม (Advanced modulation and coding technologies) จะ มีการพัฒนา และปรับปรุงประสิทธิภาพใหดียิ่งขึ้นเพื่อรองรับการสื่อสารความเร็วสูง 7.1.3.3 เทคโนโลยีเปลี่ยนอุตสาหกรรม (Disruptive technology) 1. ดาวเทียมขนาดเล็ก (Small Satellite) 2. การสื่อสารดวยแสง (Optical communication in space) 3. ดาวเทียมควอนตัม (Quantum satellite) จากขอ มูลในบทที่ 2 รวมทั้ง บทสัม ภาษณจ ากผูเชี่ ย วชาญด านอวกาศ สามารถเขียนแผนภาพ แนวโนมเทคโนโลยีอวกาศที่จะเกิดขึ้นตามชวงระยะเวลา 1-5 ป ชวง 5-10 ป และชวง 10 ปขึ้นไป ดังแสดงใน รูปที่ 7.5 โดยทางผูวิเคราะหไดแบงแนวโนมเทคโนโลยีอวกาศขึ้นตามระดับความสูงของการใชเทคโนโลยีนั้น ๆ เทียบกับเวลา ซึ่งสามารถสรุปไดดังนี้ ชวงระยะเวลา 1-5 ป นับจากนี้ พบวาเทคโนโลยีที่เปนประเด็นสําคัญที่สุดก็คือ การพัฒนาดาวเทียม ขนาดเล็ก เนื่องจากทุกประเทศสามารถเขาถึงเทคโนโลยีนี้ได นอกจากนั้น เทคโนโลยีอีกแบบหนึ่งที่จะชวยเพิ่ม ศักยภาพในการตรวจวัดความเปลี่ยนแปลงตาง ๆ บนโลกนี้ คือ ดาวเทียมสํารวจทรัพยากร (remote sensing) ซึ่งมีหนาที่ถายภาพและนําผลที่ไดมาวิเคราะหเพื่อใชในประโยชนทางดานตาง ๆ เชน ดานการเกษตร ดานภัย พิบัติ ดานการพยากรณอากาศ และอื่น ๆ ชวงระยะเวลา 5-10 ป นับวาเปนชวงเวลาของเทคโนโลยีอวกาศเลยก็วาได เนื่องจากเทคโนโลยี เกือบทุกดานที่มีการพัฒนาในชวงนี้ จะสามารถใชงานจริงไดในชวงเวลาดังกลาว ดังนั้น ชวงระยะเวลา 5-10 ป จึงเปนชวงเวลาที่สําคัญที่จะไดเห็นการเปลี่ยนแปลง และการพัฒนาเทคโนโลยีอวกาศ โดยเทคโนโลยีที่สําคัญ ในชวงนี้ไดแก HTS ทั้งที่อยูในความสูงระดับวงโคจรคางฟา และระดับวงโคจรต่ํา ซึ่ง HTS เปน keyword หลัก โดยในเทคโนโลยียอย ๆ ที่ใชงานรวมกับ HTS จะมีการพัฒนาในทุกสวน เทคโนโลยีที่สําคัญอีกอยา งก็คื อ วิธีการกําจัดขยะอวกาศ เนื่องจากในชวงระยะเวลา 1-10 ป พบวามีดาวเทียมกวา 5,000 ดวงจะขึ้นสูวงโคจร ซึ่งในจํานวนนี้ยังไมรวมดาวเทียมขนาดเล็กที่มีการนําขึ้นสูวงโคจรในทุก ๆ ป และจะมากขึ้นเรื่อย ๆ ดังนั้น เทคโนโลยีที่จะมาชวยเก็บเศษซากดาวเทียมที่เสีย ดาวเทียมที่หมดอายุ ชิ้นสวนอุปกรณตาง ๆ ที่ลอยอยูใน อวกาศ จึงเปนเทคโนโลยีที่สําคัญอยางมาก

297 ในสวนระยะเวลา 10 ปขึ้นไป วิเคราะหวาแนวโนมของเทคโนโลยีอวกาศที่จะเกิดขึ้น และคาบเกี่ยว ระหวางระยะเวลา 5-10 ป และ 10 ป คือ เทคโนโลยี HAPS ถึงแมวาจะมีการทดสอบอยูบางแลว แตคงตอง รอการทดสอบอีกสักระยะ ถึงจะสามารถสรุปกลุมเปาหมายและระบบการเชื่อมตอในสวนของสถานีภาคพื้นดิน ที่ชัดเจนได ในทํานองเดียวกันกับ ดาวเทียมควอนตัมที่มีการทดสอบในระยะแรก และยังคงตองรอผลทดสอบ เพิ่มเติมในอนาคต

รูปที่ 7.5 แนวโนมเทคโนโลยีอวกาศในชวง 1 ถึง 15 ปขางหนา 7.1.4 แนวทางและกิจกรรมดานเทคโนโลยีอวกาศสําหรับประเทศไทย เพื่อใหสอดคลองกับแนวทางและนโยบายของสทอภ. รวมทั้งประโยชนตอประเทศไทยโดยรวม ทาง ผู วิ เคราะหจึงขอเสนอแนวทางเทคโนโลยีอวกาศในอนาคตดังนี้ (สว นหนึ่งนํา มาจากผลการสัมมนาเรื่อ ง “รูปแบบและระบบดาวเทียมเพื่อการพัฒนาที่เหมาะสมตามแนวทางการพัฒนากิจการอวกาศของประเทศไทย โดยสํานักงานคณะกรรมการวิจัยแหงชาติ ในวันที่ 25 มกราคม 2560 และวันที่ 7 มีนาคม 2560”) 7.1.4.1 Remote sensing สืบ เนื่องจากทางสทอภ. เปน ผูใหบ ริการขอมูล ทางดานดาวเทีย มสํารวจทรัพยากรเพื่อ ไปใชใ น กิจกรรมทางดานตาง ๆ ในประเทศไทยอยูแลว ดังนั้น เทคโนโลยีที่มีความสําคัญและจําเปนตอหนวยงานก็คง จะเปนเทคโนโลยีในสวนของดาวเทียมสํารวจทรัพยากร ทั้งนี้โครงการการจัดทําดาวเทียมสํารวจทรัพยกรดวง ตอไป ควรที่มีเทคโนโลยีที่สามารถใหขอมูลที่หลายหลายมากขึ้น เพื่อสามารถนําไปในดานตาง ๆ โดยไมตอง พึ่งพาขอมูลจากดาวเทียมดวงอื่นมากนัก เชน การเกษตร ภัยพิบัติ การประมง และการพยากรณอากาศ หรือ การเพิ่มจํานวนดาวเทียมสํารวจทรัพยากรใหสามารถใหบริการขอมูลในประเทศไดอยางตอเนื่อง

298 7.1.4.2 Payload ควรจะมีการพัฒนา Payload ทางดานการระบบการถายภาพแบบ hyperspectral การสื่อสาร การ วัดปริมาณกาซคารบอนไดออกไซด การวัดปริมาณไอออน และการออกแบบ Payload 7.1.4.3 CubeSat และ Micro Satellite ในปจจุบันสทอภ. ไดมีงานวิจัยความรว มมือกับสถาบันการศึก ษาและหนวยงานในประเทศเพื่ อ พัฒนาในสวนของดาวเทียมขนาดเล็ก เชน CubeSat ทั้งนี้ถาสามารถขยายความรวมมือใหมากขึ้น หรือใหทุน วิจัยทางดานการสรางดาวเทียมขนาดเล็กที่มากขึ้น เพื่อทําใหเกิดการแขงขันและพัฒนาเทคโนโลยีดาวเทียม ก็ จะสงผลใหสามารถพัฒนาตอยอดเปนดาวเทียมขนาดใหญตอไปได ควรมีการตั้งเปาหมายการสรางดาวเทียมให ชัดเจนในชวง 1-15 ปขางหนา ซึ่งเนนไปทางดานความมั่นคง การสื่อสารและการรับรูระยะไกล 7.1.4.4 การพัฒนาซอฟตแวร ควรมีการพัฒนาครบวงจรสําหรับการคํานวณและวิเคราะหวงโคจร การควบคุมวงโคจรเพื่อภารกิจ การถายภาพ เทคโนโลยีการจัดเก็บขอมูลขนาดใหญจากดาวเทียม 7.1.4.5 การพัฒนาบุคคลากร การสรางเครือขายและความรวมมือ การพัฒนาเทคโนโลยีอวกาศอยางรวดเร็วในปจจุบันทําใหประเทศไทยตองผลิตบุคคลากรที่มีความรู ความสามารถในดานนี้เพิ่มมากขึ้น เพื่อรองรับการเขามาของเทคโนโลยีอวกาศที่จะเกิดขึ้นในอนาคต และ ยุทธศาสตรอวกาศแหงชาติระยะ 20 ป เนื่องจากสทอภ. เปนองคกรที่มีบุคคลากรที่มีความรูความสามารถ ทางดานเทคโนโลยีอวกาศมากมาย ทําใหสามารถถายทอดความรูสูระดับอุดมศึกษา หรือมัธยมศึกษาไดเปน อยางดี จึงควรมีการจัดอบรม และกิจกรรมตาง ๆ หรือหัวขอวิจัยเกี่ยวกับเทคโนโลยีอวกาศอยางตอเนื่อง เพื่อ เปนแรงบันดาลใจใหกับนักเรียน นักศึกษาไดเขามาทํางานในดานเทคโนโลยีอวกาศ นอกเหนือไปจากการเปด วิชาเลือก หรือพัฒนาหลักสูตรดานอวกาศแลว ควรเนนการพัฒนาคอรสออนไลนเพื่อเปนการเผยแพรองค ความรูใหกวางยิ่งขึ้นการสรางเครือขาย และความรวมมือเปนสิ่งจําเปนตอการพัฒนากิจการอวกาศ โดยมีการ พัฒนาบุคลากรในประเทศกอน เพื่อสรางทีมนักวิจัยและพัฒนาที่เขมแข็ง ในสวนการดําเนินการความรวมมือ ระหวางประเทศควรมีการทําคูขนาน มีกลยุทธและยุทธศาสตรที่ชัดเจน เพื่อประโยชนสูงสุดของประเทศไทย อาจจะตองมีหนวยงานที่ตั้งขึ้นเฉพาะ เพื่อการดําเนินงานประสานงานความรวมมือ และทายที่สุดประเทศไทย จําเปนที่จะตองพัฒนากฎหมายดานอวกาศของประเทศดวย

299

7.2 บทวิเคราะหแนวโนมเทคโนโลยีภูมิสารสนเทศ

เทคโนโลยีภูมิสารสนเทศเป นการประยุ ก ตเ ทคโนโลยีส ารสนเทศกั บ ข อมูล เชิ งตํ าแหน ง ดังนั้ น ผลกระทบตอเทคโนโลยีภูมิสารสนเทศจึงเกี่ยวของกับเทคโนโลยีสารสนเทศอยางหลีกเลียงไมได โดยแนวโนมที่ เกิดขึ้นสามารถจําแนกไดดังนี้ o แนวโนมเทคโนโลยีภูมิสารสนเทศจากผลกระทบของขอมูลเชิงตําแหนงจากแหลงใหม จากแนวโนมการประยุกตใชงานเทคโนโลยี IoT ในกลุมเซ็นเซอรที่ติดตั้งอยูในอุปกรณตาง ๆ และ ระบบโซเชียลเน็ตเวิรก สงผลใหปริมาณขอมูลเชิงตําแหนงเพิ่มมากขึ้นเรื่อย ๆ นอกจากนี้ ขอมูลเชิงตําแหนงยัง มีความหลากหลายมากขึ้นเรื่อย ๆ โดยไมอยูในรูปแบบของคาพิกัดเพียงอยางเดียว เชน คําอธิบายสถานที่ หรือ Geotagging เปน ตน นอกจากนี้ขอมูลจะมีความละเอียดมากขึ้นทั้งในเชิงพื้นที่ และเชิงเวลาซึ่งจะทําใหภูมิ สารสนเทศมีความเปนเรียลไทมมากยิ่งขึ้น กอใหเกิดปริมาณขอมูลมหาศาล หรือเปนที่รูจักกันในชื่อ big data ซอฟตแวรดานภูมิสารสนเทศจําเปนตองเปลี่ยนไปในทิศทางที่รองรับขอมูลขนาดใหญมากขึ้น และเนื่องจาก ทรั พ ยากรที่ ใ ช ใ นการประมวลผลและจั ด เก็ บ ข อ มู ล ขนาดใหญ จ ะต อ งมี ป ระสิ ทธิ ภ าพสู ง มาก ทํ า ให เ กิ ด แรงผลักดันใหซอฟตแวรดานภูมิสารสนเทศไปอยูบนระบบคลาวด เนื่องจากการแชรทรัพยากรบนคลาวด รวมกันชวยประหยัดคาใชจาย และปราศจากบุคคลากรที่มีความเชี่ยวชาญที่ทําหนาที่ดูแล เนื่องจากเซ็นเซอรตาง ๆ มีราคาถูกมากขึ้น ทําใหหนวยงานที่ไมใชหนวยงานรัฐจะมีโอกาสสราง หรือ เปนเจาของขอมูลมากขึ้น ซึ่งอาจจะทําใหหนวยงานรัฐกลายเปนผูรับรองความถูกตองของชุดขอมูลหลัก [1] อยางไรก็ดีแหลงขอมูลเชิงตําแหนงจากคราวดซอรส (crowd source) ก็ยังมีความจําเปนในกรณีที่พื้นที่นั้น ๆ มีการเขาถึงยาก หรือเปนขอมูลที่เปนความคิดเห็นซึ่งไมสามารถตรวจจับดวยเซ็นเซอรไดโดยงาย เปนตน ซึ่ง การทําคราวดซอรสยังจะมีประโยชนในดานการสรางความตระหนักในความรวมมือไดอีกดวย o แนวโนมระบบภูมิสารสนเทศจากโครงสรางพื้นฐานทางดาน ICT ยุคของ Web 2.0 สงผลใหการแชรขอมูลเชิงพื้นที่บนอินเทอรเน็ตมีมากขึ้น และทําใหซอฟตแวร ระบบภูมิสารสนเทศสามารถอยูบนเว็บได (web application) นอกจากนี้ยังทําใหระบบภูมิสารสนเทศมีการใช งานแพรหลายมากยิ่งขึ้นอีกดวย สงผลใหการพัฒนาระบบภูมิสารสนเทศอยูในทิศทางที่มีการปรับเปลี่ยนให เหมาะสมกับผูใชงานทั่วไป ที่ไมจําเปนตองมีความรูและความเชี่ยวชาญในดานการพัฒนาโปรแกรม และดวย เทคโนโลยีบราวเซอรและความเร็วอินเทอรเน็ตที่เพิ่มมากขึ้น ทําใหรูปแบบของแผนที่บนอินเทอรเน็ตมีการ โตตอบมากขึ้น ผูใชงานสามารถปรับเปลี่ยนรูปแบบแผนที่ไดตามตองการ และสามารถสืบคนขอมูลเพื่อเรียกดู ได ทันที ในยุคของ Web 3.0 นี้มีแนวโนมที่จะเกิดการทํางานรวมกันในวงกวางมากยิ่งขึ้น จากเดิมที่มีการ ทํางานรวมกันภายในองคกรเทานั้น เปนการทํางานรวมกันระหวางองคกร ดังนั้น แนวโนมการจัดเก็บขอมูลเชิง ตําแหนงจะมีทิศทางที่เปลี่ยนไปในรูปแบบที่รองรับการแชรขอมูล และติดตอกับระหวางเครื่องกับเครื่องมาก ขึ้น เชน การสรางมาตรฐาน API สําหรับการติดตอระหวางแอปพลิเคชัน หรือการจัดเก็บขอมูลเชิงความหมาย (semantic) และแนวโนมการทํางานขามองคกรนี้เอง จะทําใหเทคโนโลยีภูมิสารสนเทศมีแนวโนมจะเปนแบบ

300 เปดมากขึ้น ทั้งการเปดเผยขอมูล และซอฟตแวรแบบเปด เนื่องจากการทํางานรวมกันระหวางองคกร และการ แชรขอมูลรวมกันใหประสิทธิภาพมากกวา (Dangermond) ปจจุบันการพัฒนาเทคโนโลยีการระบุตําแหนงในอาคารเปนไปอยางรวดเร็ว และมีประสิทธิภาพมาก ขึ้น สงผลใหเทคโนโลยีการระบุตําแหนงถูกใชงานมากขึ้นในอนาคต การใหบริการในรูปแบบใหม ๆ ที่เกี่ยวของ กับเทคโนโลยีการระบุตําแหนงในอาคารจะเกิดขึ้นอยางมากมาย โดยขอมูลที่ไดจากเซ็นเซอรมีสวนสําคัญตอ ประสิทธิภาพของการระบุตํา แหนง นอกจากนี้ การประยุกตใชระบบคลาวดในการประมวลผลขอมูลจาก เซ็นเซอรยังมีสวนชวยใหการระบุตําแหนงเปนไปอยางมีประสิทธิภาพ ระบบการจัดเก็บขอมูลแบบรวมศูนยหรือการจัดเก็บขอมูลที่สวนกลางเพียงอยางเดียวมีความเสี่ยง ดานความปลอดภัยอยางมาก เนื่องจากการปลอมแปลง หรือแกไขขอมูลสามารถกระทําไดโดยงายโดยบุคคลที่ เข า ถึ ง ขอ มูล สว นกลาง การจัดเก็บ ขอมูลแบบกระจายศูนย และเทคโนโลยีดา น blockchain จะเขา มามี บทบาทสําคัญในการรักษาความปลอดภัยของขอมูล o เทคโนโลยีแสดงผลขอมูลเชิงตําแหนง ในการแสดงผลแผนที่นั้นจะตองรองรับอุปกรณที่มีหลากหลายชนิดมากขึ้น โดยการแสดงผลแบบ สามมิติจะมีความนิยมเพิ่มมากขึ้น เนื่องจากประสิทธิภาพของบราวเซอรและฮารดแวรที่เพิ่มมากขึ้น มากกวา นั้น การแสดงผลแบบสามมิติยัง จํา เป นสํา หรั บการแสดงผลแบบ Virtual Reality (VR) และ Augmented Reality (AR) อีกดวย o แนวโนมเทคโนโลยีภูมิสารสนเทศจากระบบปญญาประดิษฐ (Artificial Intelligence) เทคนิคสมัยใหม เชน deep learning และ reinforcement learning ทําใหระบบปญญาประดิษฐ มีป ระสิท ธิภ าพสูง การจําแนก แบงกลุม และการทํา นายเหตุการณอ นาคตเปนไปอยางแมนยํา สงผลให เทคโนโลยีระบบปญญาประดิษฐมีบทบาทสําคัญในอนาคต การจําแนกวัตถุจากภาพถายหรือการสกัดตําแหนง ออกจากขอมูลเพื่อสรางระบบภูมิสารสนเทศเปนไปอยางอัตโนมัติมากยิ่งขึ้น และเมื่อปริมาณขอมูลจากแหลง ตาง ๆ มีปริมาณมหาศาล การวิเคราะหขอมูลโดยพึ่งพาแรงงานคนจะมีความยุงยาก ทําใหเทคโนโลยีะบบ ปญญาประดิษฐยิ่งมีความสําคัญในการวิเคราะหขอมูลขนาดใหญ ลดขอจํากัดตาง ๆ ของมนุษย

301 7.2.1 รายละเอียดบทสัมภาษณผูเชี่ยวชาญดานภูมิสารสนเทศ Ed Manley Ed Manley เปนนักวิจัยที่ University College London กลาววา งานในปจจุบันมักจะเกี่ยวของ กับขอมูลขนาดใหญหรือที่เรียกวา Big Data ที่มาจากแหลงใหม ๆ มาใชในการศึกษาของมนุษย เชน พฤติกรรม การเดินทาง หรือพฤติกรรมการยายถิ่นฐาน เปนตน ซึ่งขอมูลขนาดใหญนี้จะไดมาจากหลายแหลง เชน GPS, โทรศัพทมือถือ หรือขอมูลจากรถยนตอัจฉริยะ ขอมูลเหลานี้มีขนาดใหญกวา และละเอียดกวาการเก็บบันทึก แบบดั้งเดิม เชน การทําแบบสํารวจ ซึ่งชวยใหการเรียนรูพฤติกรรมมนุษยมีความแมนยํามากยิ่งขึ้น Ed ไดกลาววาเทคโนโลยีที่กําลังพัฒนา คือวิธีในการแสดงผลที่หลากหลายมากขึ้น เชน งานที่ทําใน ปจจุบันคือการพัฒนาเมืองแบบสามมิติที่มีขอมูลแบบเรียลไทม รวมทั้งมีการพัฒนาเซ็นเซอรที่สามารถติดตอได Ed คิดวา Virtual Reality จะแพรหลายมากขึ้น ในอนาคตคิดวาขอมูลจะมีขนาดใหญขึ้นเรื่อย ๆ และในสายการขนสงระบบก็จะเปนอัตโนมัติมากขึ้น โดยระบบปญญาประดิษฐนาจะเขามาทดแทนการทํางานของมนุษยในหลาย ๆ งาน นอกจากนี้ Ed ยังคิดวา Desktop Application จะหายไปอยางแนนอน คุณอาภากรณ พุมมณีกร ลักษณะงานที่ทําเปนงานสํารวจขอมูล และสรางแผนที่แบบละเอียดสําหรับงานที่มีพื้นที่ขนาดเล็ก และงานที่ตองการความถูกตองของขอมูลสูง เชน แผนที่โบราณสถาน แผนที่แสดงแปลงพื้นที่เชา สํารวจ ตําแหนงมิเตอรน้ํา ซึ่งงานเหลานี้มักจะตองมีการสํารวจ หรือตรวจสอบความถูกตองของขอมูลดวยการลงสนาม ในปจจุบันแผนที่แบบ web และ mobile ไดรับความนิยมมาก และ software แบบ commercial ไดรับความนิยมมากกวา open source เนื่องจากมีบริการที่ดีกวา ปญหาในปจจุบันของประเทศไทย คือมีการสํารวจขอมูลซ้ํา ทําใหสิ้นเปลืองงบประมาณ เชน หลาย โครงการสํารวจขอมูลตางกันแตพื้นที่เดียวกัน แตเนื่องจากไมไดมีการรวมกันทําใหตองลงพื้นที่เดิมหลาย ๆครั้ง แทนที่จะลงพื้นที่ครั้งเดียวสํารวจทุกอยางไปเลย นอกจากนี้ในการสํารวจติดตามการเปลี่ยนแปลงนั้น เนื่องจาก ไมทราบวามีการเปลี่ยนแปลงที่ใดจึงตองลงสํารวจทั้งหมด ทําใหเปลืองเวลา และงบประมาณ อยางมาก ในปจ จุบันในประเทศไทยยั ง ไมค อ ยมี ก ารนํ า ระบบปญ ญาประดิษ ฐม าใชกั บ งานดา นข อมู ล เชิ ง ตําแหนงมากนัก แตคิดวาในอนาคตจะมีการนํามาใชมากขึ้น และนาจะชวยในการแกปญหาการลงสํารวจ สนามได

302 ผศ.ดร. อริศรา เจริญปญญาเนตร งานสวนใหญเกี่ยวของกับระบบ remote sensing คาดวาขอมูลจะมีความละเอียดเชิงพื้นที่มากขึ้น มีชวงคลื่นมากขึ้น ดาวเทียมประเภทเรดารจะไดรับความนิยมมากขึ้น สวนระบบปญญาประดิษฐยังไมมีการ นํามาใชในวงการภูมิสารสนเทศในประเทศไทยในอนาคตอันใกลนี้ และงานในปจจุบันมีการใชเครื่องมือ ที่ รองรับ big data สวนปญหาในปจจุบันคือขอมูลมาจากหลายหนวยงานนํามารวมกันยาก ไมเปนมาตรฐาน Adel Bolbol Fernandez การแสดงผลแบบสามมิติมีการนําไปใชมากขึ้น ซอฟตแวรในดานภูมิสารสนเทศจะมีการรวมกั บ ซอฟตแวรชนิดอื่น ๆ มากขึ้น เชน ซอฟตแวรดานการวิเคราะหสถิติ จะมีความเปนเรียลไทมมากขึ้น และทุก อยางจะเกี่ยวของกับเว็บมากขึ้น เนื่องจากแนวโนมดาน IoT กําลังเกิดขึ้น มีโครงการที่จะเกิดขึ้นที่จะนําขอมูล จากเซ็นเซอรจากแหลงตาง ๆ มาแสดงผลรวมกันเกิดขึ้นมากมาย และเปนสวนหนึ่งที่องคกรกําลังให ความ สนใจ Adel ไดกลาวเอาไววาแนวโนม 3 ดานที่จะเขามามีผลกระทบกับระบบภูมิสารสนเทศในอนาคตอัน ใกล ไดแก machine learning, IoT และ Big Data เดสกทอปจะหายไป เนื่องจากจะกลายเปนการทํางานผานบราวเซอรทั้งหมด ไมวาจะเปนเว็บภายใน องคกรหรือภายนอกองคกร เพราะการทํางานผานบราวเซอรโดยการนําการประมวลผลหลัก ๆ ไปไวบนคลาวด ชวยลดการทํางานบนคอมพิวเตอรสวนบุคคลไดมาก และยังลดคาใชจายในการบํารุงรักษาไดมาก อยางไรก็ดี ในบางหนวยงานไมตองการที่จะนําขอมูลไปไวในคลาวด เนื่องจากไมไววางใจในความปลอดภัย ข อ แนะนํ า คื อ ภาครั ฐ ควรให ค วามสนใจกั บ การพั ฒ นา Spatial Data Infrastructure ซึ่ ง ในบาง ประเทศยังมีการพัฒนาที่ไมมากนัก วีรญา สุวัชรมล ในประเทศไทยองคกรตาง ๆ ใหความสนใจกับเทคโนโลยี Big Data กันมาก อยางไรก็ดี หลายๆ หนวยงานยังมีขอมูลอยูในระดับที่ยังไมสามารถเรียกวาเปน Big Data ได เชนปริมาณที่ไมมากเทาที่ควร หรือ ความหลากหลายของขอมูลยังมีไมมากนัก เปนตน ซึ่งขอมูลที่ยังไมเขาขาย Big Data ยังสามารถใชเครื่องมือ ดั้งเดิมในการวิเคราะหขอมูลได เทคโนโลยี Machine Learning เปนเทคโลยีที่มีผลกระทบกับภูมิสารสนเทศแนนอน แตในประเทศ ไทยยังไมมีการประยุกตใชมากเทาที่ควร ความเห็ น ในเรื่ อ งของคลาวด นั้ น คุณ วี ร ญาคิด ว า จะมี ก ารใช ง านมากขึ้ น แตแ อปพลิ เ คชั น บน เดสกทอปยังจะมีตอไปเนื่องจากในหลาย ๆ หนวยงานยังมีความกังวลเรื่องความปลอดภัย

303 7.2.2 แนวโนมการตีพิมพดานเทคโนโลยีภูมิสารสนเทศ รูปที่ 7.6 แสดงจํานวนการตีพิมพบทความเกี่ยวกับเทคโนโลยี machine learning, volunteered geographic information system, social media, augmented reality และ IoT ซึ่งถูกนํามาประยุ กต ใช กับเทคโนโลยีภูมิสารสนเทศ โดยจะพบวาจํานวนการตีพิมพของเทคโนโลยีดาน volunteered geographic information system(VGIS) เพิ่มขึ้นอยากเห็นไดชัดตั้งแตป ค.ศ. 2010 เนื่องจากมีการประยุกตใชเปนครั้ง แรกกับเหตุการณภัยพิบัติที่เฮติ และเพิ่มขึ้นอีกครั้งในป 2013 เนื่องจากมีการประยุกตใชั VGIS กับ Citizen Science หรือการวิจัยทางวิทยาศาสตรโดยใหประชาชนเขามามีสวนรวม สําหรับเทคโนโลยี IoT จํานวนการ ตีพิมพเพิ่มสูงขึ้นตั้งแตป ค.ศ. 2008 โดยชวงเวลาดังกลาวไดมีการประยุกตใชงานอุปกรณเซ็นเซอรจํานวนมาก จากแนวโนมจะเห็นวา VGIS ยังมีความสําคัญในงานจนถึงปจจุบัน ถึงแมวาเทคโนโลยีดานปญญาประดิษฐจะมี การกลาวถึงวาจะเขามาทดแทนการทํางานของมนุษย สําหรับการประยุกตใชงานโซเชียลมีเดียกับเทคโนโลยี ภูมิสารสนเทศ จํ านวนการตีพิมพเพิ่มขึ้นอยางเห็นไดชันตั้งแตป ค.ศ. 2012 เนื่องจากขณะนั้นไดมีฟงกชัน geotagging ในซอฟตแวรโซเชียลมีเดียหลายคาย เชน เฟซบุก ทวิตเตอร และอินสตาแกรม เปนตน และมีการ เปดเผยชุดขอมูล geotagging การมาเขามาของเทคโนโลยี deep learning มีสว นชว ยใหเทคโนโลยีดาน machine learning มีประสิทธิภาพสูง ทําใหแนวโนมการใชงานเทคโนโลยีดาน machine learning กับภูมิ สารสนเทศเพิ่มสูงขึ้นอยางมีนัยสําคัญในชวงระยะเวลา 5 ปที่ผานมา สําหรับเทคโนโลยี augmented reality ก็มีจํานวนตีพิมพมากขึ้น เชนเดียวกับเทคโนโลยีอื่น ๆ

รูปที่ 7.6 แนวโนมจํานวนการตีพิมพบทความเกี่ยวของกับเทคโนโลยี GIS ในฐานขอมูล Scopus ระหวางป 2000 ถึง 2017 เมื่อ ทํา การวิเคราะหการประยุกตใชงานเทคโนโลยี machine learning กับ GIS โดยใช Factor map ดังรูปที่ 7.7 พบวามีการประยุกตใชงานในดาน landslide น้ําใตดิน (groundwater) ภาพถายดาวเทียม (Landsat) การกระจายประชากร และจะเห็นวามีความเกี่ยวของกับซอฟตแวรรหัสเปด หรือการเปดเผยขอมูล

304 ซึ่งอาจสรุปไดวาเครื่องมือในการวิเคราะหขอมูล และขอมูลมีแนวโนมที่จะเปนรหัสเปดสอดคลองกับแนวโนมที่ ไดอธิบายไวในบทที่ 3 รูปที่ 7.8 แสดง factor map ที่วิเคราะหบทความดาน IoT แสดงใหเห็นถึงการประยุกตใชงานใน ดานตาง ๆ ที่เกี่ยวของกับระบบภูมิสารสนเทศ เชน real-time GIS, smart city, smart grid, argricultural product, electric vehicle และ underground locomotive positioning เป น ต น โดยแอปพลิ เ คชั น ที่ เกี่ยวของกับ IoT นี้มีการประยุกตใช RFID ระบบ cloud และ Web GIS Factor Map ของคํ า GIS และ AR แสดงดั ง รู ป ที่ รู ป ที่ 7.8 ซึ่ง ชี้ ให เ ห็ น สว นที่กํ า ลัง พั ฒ นาของ Augmented Reality คื อ การแสดงผลภาพแบบสามมิติ ส ว น Tangible GIS และ Mobile Augmented Reality กําลังไดรับความสนใจ ซึ่งสอดคลองกับแนวโนมจากการทบทวนวรรณกรรมตาง ๆ ในบทที่ 3

305

รูปที่ 7.7 การวิเคราะหเทคโนโลยี Machine learning โดยใช Factor map (Data mining)

306

รูปที่ 7.8 การวิเคราะหเทคโนโลยี IoT โดยใช Factor map (Data mining)

307

รูปที่ 7.9 การวิเคราะหเทคโนโลยี AR โดยใช Factor map (Data mining) 7.2.3 สรุปแนวโนมเทคโนโลยีดานภูมิสารสนเทศ 7.2.3.1 เทคโนโลยีที่จะหายไป (Faded out technology) คาดวาเทคโนโลยีที่จะหายไปในอนาคต คือระบบภูมิสารสนเทศบนเดสกทอป (Desktop) 7.2.3.2 เทคโนโลยีที่จะเขามาแทนที่ (Faded in technology) คาดวาเทคโนโลยีที่จะแทนที่ในอนาคตไดแก 1. Cloud GIS 2. Artificial Intelligence

308 3. 3D, VR, AR 4. Real time GIS 5. Big Data จากหัวขอที่ 7.2.1 และ 7.2.2 สามารถสรุปเปนตารางแนวโนมเทคโนโลยีดานภูมิสารสนเทศ ในชวง ระยะสั้น ระยะกลางและระยะยาว ไดดงั ดานลางตอไปนี้ ตารางที่ 7.1 แนวโนมเทคโนโลยีดานภูมิสารสนเทศ ระยะสั้น (Short Term)

Bigger + More real-time  Real-time Dashboard แสดงขอมูลหลาย ๆ อยาง แบบพรอมกัน  ระบบ GIS แบบเรียลไทม  ข อ มู ล จากหลายแหล ง เช น เซ็ น เซอร โซเชี่ ย ล เน็ตเวิรก  มี ก ารใช ง านสามมิ ติ ม าก ขึ้น  แผนที่ บ นอิ น เทอร เ น็ ต ที่ ซับซอนขึ้น  มี ฟ ง ก ชั น วิ เ คราะห เ ชิ ง พื้ น ที่ ใ ห บ ริ ก ารในระบบ คลาวดมากขึ้น และมีการ ใชงานมากขึ้น  สามมิติบนเว็บมี ประสิทธิภาพมากขึ้น  นโยบายเปด

ระยะกลาง (Medium Term)

ระยะยาว (Long Term)

การวิ เ คราะห ข อ มู ล เชิ ง ตํ า แหน ง ที่ การวิเคราะหขอมูลเชิงตําแหนง ซับซอนมากขึ้นและ ที่สามารถ แพรหลายมากยิ่งขึ้น ปรับปรุงไดเอง  Machine Learning เขามาแทนการ  มีการใชงานระบบ ทํางานของมนุษย ปญญาประดิษฐในระบบภูมิ สารสนเทศอยางแพรหลาย  VR, AR มีการใชงานมากขึ้น  ระบบสารสนเทศภูมิศาสตร ที่มี การ  การใช ง านไม จํ า กั ด ที่ ก ลุ ม บุ ค ค ล ใ ด แ ล ะ ไ ม จํ า กั ด ติดตอระหวางองคกรแบบเรียลไทม การศึกษา  GIS รวมกับศาสตรอื่น ๆ

309 7.2.4 แนวทางและกิจกรรมดานเทคโนโลยีภูมิสารสนเทศสําหรับประเทศไทย 7.2.4.1 Volunteered geographic information system (VGIS) การประยุกตใชงาน VGIS นอกเหนือจากจะไดขอมูลที่วิธีอื่น ๆ ไมสามารถเก็บรวบรวมไดแลว ยัง เปนการสรางความรวมมือของภาคประชาชนอีกดวย การสนับสนุนการใชงาน VGIS จึงเปนอีกสวนหนึ่ง ที่ ภาครัฐควรใหการสนับ สนุน โดยอาจมีการศึกษาการประยุกตใชเครื่อ งมือที่มีการพัฒนาขึ้น มาแลว และมี การศึกษาความเปนไปไดในการประยุกตใชกับประชาชนในระดับตาง ๆ 7.2.4.2 สนับสนุนนวัตกรรมเปด ในการทํางานใหบรรลุวัตถุประสงคใด ๆ ในปจ จุบันมีแนวโนมที่จ ะตองมีการรวมมือกันระหวาง องคก ร ดัง ที่ Jack Dangermond ไดกลาวเอาไว ดังนั้น ภาครัฐ ควรมีบ ทบาทในการสนับสนุนการทํางาน รวมกัน มีการแชรองคความรูรวมกันหรือที่เรียกวา นวัตกรรมแบบเปด (open innovation) [2] โดยใหภาค ประชาชนเขามามีสวนรวมในการชวยเหลือภาครัฐในการแกปญหาใด ๆ ใหความเห็นดานนโยบาย และชวย ตรวจสอบ โดยบทบาทของรัฐควรเปลี่ยนจากการเปนผูใหบริการ เชนใหการใหบริการแอปพลิเคชัน เปนตน เปนการสนับสนุนการทํางานรวมกัน เชน การใหขอมูลภาครัฐกับภาคเอกชนเพื่อใหภาคเอกชนไดมีสวนรวมใน การตรวจสอบและแก ปญ หาภาครัฐ ตา ง ๆ นอกจากนี้อ าจมีก ารใหสิ่ง จูง ใจกั บ หนว ยงานที่ มี การเป ด เผย นวัตกรรมหรือขอมูล ใหกับ หนว ยงานอื่น ๆ หรือการกํา หนดมาตรฐานในการแลกเปลี่ย นขอ มูล หรือการ สนับสนุนความรวมมือระหวางประเทศใหมากขึ้น [3] เปนตน 7.2.4.3 การพัฒนาขอมูลภูมิสารสนเทศรัฐ ขอมูลบางอยางเชน Point of Interest หรือขอมูลดานการคมนาคมขนสงที่เปนแบบเรียลไทมยังอยู ในมือของหนวยงานเอกชนอีกมาก ไมมีการรวบรวมเขาดวยกัน ซึ่งขอมูลเหลานี้มีประโยชนกับภาครัฐและชวย ในการพัฒนาเมือ งและสัง คมโดยรวม ภาครัฐจึงควรมีการศึก ษาความจํา เปน ของขอมูลเหลา นี้แ ละใหก าร สนับสนุนการรวบรวมขอมูลเขาดวยกัน และมีการเปดเผยขอมูลใหกับทุกคน โดยสรางมาตรฐานที่งายตอการ แชรขอมูลรวมกัน เพื่อใหมีการใชขอมูลอยางสูงสุด 7.2.4.4 แนวทางพัฒนาบุคคลากร เนื่อ งจากเทคโนโลยี Artificial Intelligence (AI) กํา ลัง เขามามีบทบาทสํา คัญ ตอ ภูมิสารสนเทศ โดยเฉพาะอยา งยิ่ ง การวิ เ คราะห ข อ มู ล ขนาดใหญ ดัง นั้ น บุ ค ลากรจํ า เป น ต อ งมี ความรู แ ละความเข า ใจ เทคโนโลยีปญญาประดิษฐรวมถึงวิธีการประยุกตใชงานในดานตาง ๆ ที่เกี่ยวของกับภูมิสารสนเทศ

310

7.3 บทวิเคราะหแนวโนมเทคโนโลยี GNSS

เทคโนโลยีจีเอ็นเอสเอสแนวโนมสําคัญที่เกิดขึ้นสามารถจําแนกไดดังนี้

o เทคโนโลยีด าวเทีย มนําทางหลายระบบ (multi-constellation) และหลายความถี่ (multifrequency) แนวโน ม สํ า คั ญ ของเทคโนโลยี จี เ อ็ น เอสเอส คื อ ระบบดาวเที ย มนํ า ทางหลายระบบ (Multiconstellation) ที่สามารถใชงานไดมากขึ้น โดยเริ่มใชงานระบบดาวเทียมไปโตว กาลิเลโอและ QZSS ไดแลว ดังนั้นผูใชงานสามารถที่จะใชประโยชนจากจํานวนดาวเทียมมากขึ้น ในการเพิ่มประสิทธิภาพของการระบุ ตําแหนง หรือการใหบริการที่เกี่ยวของ โดยเฉพาะอยางยิ่งเมื่อนํามาใชเสริม (augmentation) สําหรับจํานวน ความถี่ที่เพิ่มมากขึ้น แนวโนมสําคัญคือการใชความถี่ในยาน L1+L5 (สองความถี่) และ L1+L2+L5 (สาม ความถี่) นอกจากนี้มาตรฐานหลายดานจําเปนตองปรับปรุงเพื่อรองรับการใช multi-constelllation และ multi-frequency ในอนาคต เชน มาตรฐาน GBAS และ SBAS (เวอรชัน 2) เปนตน o อุปกรณเครื่องรับและเครื่องรับราคาต่ําสําหรับ RTK PPP ปจจัยสําคัญที่สงผลตอการพัฒนาอุปกรณภาครับมี 3 ปจจัย ไดแก การเขาถึงขอมูลทุกที่ ตลอดเวลา (ubiquity) ระบบอัตโนมัติ และสภาวะแวดลอมอัจฉริยะ (automation and ambience intelligence) และ ระบบที่ทนทาน (robust) และปลอดภัย ขึ้น (secure) โดยเฉพาะอยางยิ่งตอ การตัดสัญ ญาณ การรบกวน สัญญาณ รวมทั้งสิทธิสวนบุคคล ในอนาคตจะมีการใชอุปกรณเครื่องรับ RTK ราคาต่ํา (low-cost receiver) รับสัญญาณดาวเทียมนํา ทางหลายระบบ (multi-constellation) รวมกับสายอากาศคุณภาพสูง (survey grade antenna) ซึ่งสามารถ ที่จะลดผลกระทบจากการสะทอนหลายวิถีได โดยนาจะมีการใชงานแพรหลายเพื่อการเกษตร การสํารวจ การ ใชโดรน เปนตน บทบาทของโทรศัพทมือถือสําหรับการระบุตําแหนงอยางแมนยําจะมีเพิ่มมากขึ้น ซึ่งถือเปน ยุคใหมของ “Precise for Everyone” และ “Position as a service” สามารถทํางานรวมกับเทคนิค RTK และ PPP ผานเครือขายไรสาย แตจะตองลดเวลาลูเขา (converging time) กอนการใชงาน สํา หรับ เครื่อ งรับ ซอฟตแ วร (software receiver) แมวาจะมีก ารนํามาใชในการศึก ษาและการ ทดลองมาระยะหนึ่งแลว แตการใชงานอยางแพรหลายอาจจะยังไมเกิดขึ้นในระยะใกล อยางไรก็ดีแนวโนมการ ใชคลาวดเพื่อประมวลผลในเทคนิค PPP ควรมีการติดตามอยางใกลชิด

311 o การใชงาน GNSS รวมกับเซ็นเซอร การใชงาน GNSS รวมกับ เซ็นเซอรชนิด ตา ง ๆ เชน เซ็นเซอรวัดการเคลื่ อนที่ IMU การใช งาน Inertial Navigation System (INS) ในยานพาหนะ กลองวิดีโ อ เซ็นเซอรวัดอุณหภูมิ และอื่น ๆ เปนสวน สําคัญในอนาคตอันใกล ซึ่งพบเห็นในการเกษตร รถยนตอัจฉริยะ ยานพาหนะประเภทตาง ๆ รวมทั้งการระบุ ตําแหนงภายในอาคาร การใชเซ็นเซอรระดับความสูงในแตละบริเวณจะชวยเพิ่มความแมนยํา ขอมูลเกี่ยวของ กับเซ็นเซอรไดมีการเชื่อมโยงกับเรื่อง ICT ที่อธิบาย IoT ในบทที่ 5 แลวเชนกัน ปริมาณขอมูลจากหลายแหลง จําเปนตองมีการหลอมรวมขอมูล (data fusion) ซึ่งจะนําไปสูการเรียนรูอัจฉริยะดวยเทคนิคปญญาประดิษฐ รวมกับคลาวด o สัญญาณรบกวน Jamming และสัญญาณหลอก (Spoofing) ประเด็นการตรวจจับ การปองกันและการแกไขสถานการณที่มี jamming และ spoofing ถือเปน เรื่องที่ทาทายและสําคัญมาก ทั้งนี้เนื่องจากหากไมมีการแกไขอยางเหมาะสม และมีความยืดหยุนเพียงพอจะ สงผลกระทบตอความเชื่อมั่นการใชงานเทคโนโลยีจีเอ็นเอสเอสได แนวโนมการแกสัญญาณรบกวน jamming และ spoofing คือมีการใชสายอากาศเพื่อตรวจจับ ทิศทาง เนื่องจากโดยปกติจ ะมาจากทิศทางทิศทางหนึ่ง โดยเฉพาะ หลังจากตรวจสอบวาเปนสัญญาณรบกวนแลวจึงทําการแกไขตอไป 7.3.1 รายละเอียดบทสัมภาษณผูเชี่ยวชาญดาน GNSS ทีมผูวิจัยไดสงแบบสํารวจความเห็น (ดังมีรายละเอียดในภาคผนวก ก.) ไปยังแตละทาน โดยในบาง กรณีนั้นมีการสัมภาษณรายบุคคลเพิ่มเติมอีกหลายครั้งเพื่อความชัดเจนของความเห็นที่ไดสํารวจมาประกอบ ไปดวยคําถามเกี่ยวกับโครงการสําคัญในปจจุบันและอนาคต รวมทั้งแนวโนมเทคโนโลยีที่คาดวาจะเกิดขึ้นใน อนาคต ศ.ดร.เฉลิมชนธ สถิร ะพจน จากภาควิชาวิศวกรรมสํา รวจ คณะวิศวกรรมศาสตร จุฬ าลงกรณ มหาวิทยาลัย ไดใหความเห็นวา โครงการสําคัญในประเทศไทยที่กําลังจะเกิดขึ้นคือการมีเครือขายจีเอ็นเอสเอส ที่ครอบคลุมทั่วประเทศ แตเนื่องจากมีการดําเนินการของหนวยงานภายใตกระทรวงที่ตางกัน ดังนั้นจําเปนที่ จะตองมีหนวยงานหนึ่งรับผิดชอบเกี่ยวกับการดูแลรักษาสถานีฐาน การจัดทําศูนยขอมูลดานจีเอ็นเอสเอสที่ ทํ า งานอย า งมี ป ระสิ ทธิ ภ าพและมี ก ารสรา งผลิตภั ณ ฑข อ มู ล ที่เ ป นประโยชนตอ ประชาชน โดยแนวโน ม เทคโนโลยีที่สําคัญไดแก ระบบ multi-GNSS และระบบการระบุตําแหนงภายในอาคาร นอกจากนี้ในดานการ สํารวจจะตองมีการพัฒนาไปยังจุดอางอิงแบบ virtual แทนระบบเดิมซึ่งมีคา ใชจายในการดูแลรักษาราคาสูง ดร. วสุ อุดมเพทาย จากภาควิชาวิศวกรรมเกษตร คณะวิศวกรรมศาสตร สถาบันเทคโนโลยีพระจอม เกล าเจาคุณทหารลาดกระบัง ไดใหความเห็นวาแนวโนมสําคัญคือ Low-Cost RTK GNSS และ Low-Cost Multi-Frequency ดร.นิกร สุทธิเสงี่ยม จากบริษัท Repco (Thailand) ไดใหความเห็นวาแนวโนมสําคัญ คือการนํา INS เขามาใชรวมกับจีเอ็นเอสเอส เนื่องจากมีราคาถูกลง เพื่อการจราจรทางถนนและทางราง (รถไฟ) นอกจากนี้

312 ระบบดาวเทียมไปโตว เริ่มมีการใชงานมากขึ้น ควรที่จะพัฒนาแอปพลิเคชันที่นําระบบไปโตวมาใชงานรวมกับ ระบบดาวเทียมจีพีเอส นายภัณฑิล นิชรัตน จากบริษัท CHC (Thailand) ไดสรุปเกี่ยวกับโครงการติดตั้งเครือขายเครื่องรับ GNSS จํานวน 92 สถานีสําหรับกรมที่ดิน ใหบริการเทคนิค RTK และ VRS เพื่อการสํารวจและการเกษตรเปน ตน ในอนาคตควรที่จะมีการประยุกตใชงานสําหรับการคํานวณคา IPWV (Integrated Precipitable Water Vapor) การปองกันภัยพิบัติ การสํารวจพิกัดของถนนและทางรถไฟ แนวโนมสําคัญในอนาคตคือ ระบบการ ระบุตําแหนงภายในอาคารซึ่งนาเปนนําเทคโนโลยีจีเอ็นเอสเอส ทํางานรวมกับ INS Wi-Fi ภายในอาคาร เปน ตน และอุปกรณเครื่องรับ RTK ราคาถูกและการใชงานดานการเกษตร ดร.ศราวุฒิ รุงเรืองวจีเอก จากสํานักงานการบินพลเรือนแหงประเทศไทย อธิบายวาในขณะนี้ดาน การบิน ประเทศไทยจะติดตั้งระบบ GBAS ที่สนามบินสุวรรณภูมิภายในป 2020 แนวโนมสําคัญคือ การระบุ ตําแหนงดวยอุปกรณสมารตโฟน การใชหลายความถี่ การใชดาวเทียมหลายระบบ รวมทั้งประเด็นดานความ ปลอดภัยไซเบอร (cyber security) ดานทางการบิน สํ า หรั บ ผู เ ชี่ ย วชาญต า งประเทศ ไดแ ก Dr.Sam Pullen จากมหาวิท ยาลั ย แสตนฟอร ด (USA) Dr.Susumu Saito จาก Electronic Navigation Research Institute (Japan) และ Dr. Dinesh Manandhar จากมหาวิทยาลัยโตเกียวและ JAXA (Japan) ไดใหความเห็นวา แนวโนมเทคโนโลยีที่สํา คัญในอนาคต คือ เทคโนโลยีในการลดผลกระทบจาก jamming และ spoofing ซึ่งรองรับคา integrity ตามเงื่อนไข และทําได อยางมีป ระสิทธิภ าพ มีความยืดหยุนและราคาไมแพง นอกจากนี้อุปกรณเครื่องรับสามารถทํางานรว มกับ เซ็นเซอรตาง ๆ แทนที่จะทํางานดวยเครื่องรับอยางเดียว และมีแนวโนมจะใชงานหลายความถี่ไดแก L1, L5 ผูเชี่ยวชาญมีความเห็นไมตรงกันเกี่ยวกับ distruptive technology คือบางก็เห็นวาประเด็น Spoofing ถือ เปน disruptive technology เนื่องจากมีผลตอความเชื่อมั่นในการใชงานเทคโนโลยีจีเอ็นเอสเอส แตบางทาน เห็นวาไมใชประเด็น สําหรับประเทศไทย ทุกทานเห็นวา ควรที่จะนําเทคโนโลยีจีเอ็นเอสเอส มาใชดานเกษตรใหมากขึ้น เพื่อเพิ่มผลิตผล เชนเดียวกับที่ประสบความสําเร็จเปนอยางดีในทวีปอเมริกาและยุโรป ควรจะทํารวมมือกับ ประเทศอื่น ๆ ทั้งในเขตเอเชียตะวันออกเฉียงใต และในโลก เพื่อการวิจัยและพัฒนา การใชงานเทคโนโลยีจี เอ็นเอสเอส ในดานการจราจร ขนสง การสํารวจและมาตรฐานเวลา อีกประเด็นที่สําคัญคือการพัฒนาบุคลากร ในดานนี้ควรทําอยางตอเนื่อง

313 7.3.2 แนวโนมการตีพิมพดานเทคโนโลยีจีเอ็นเอสเอสในฐานขอมูล Scopus แนวโนมการตีพิมพบทความที่เกี่ยวกับ ดานจีเอ็นเอสเอสสามารถทําการสืบ คนไดจากฐานข อมู ล Scopus ตั้งแตป ค.ศ. 2000 ถึง ป ค.ศ. 2017 เพื่อเปนการยืนยันผลวิเคราะหแนวโนมเทคโนโลยีจีเอ็นเอสเอส ในอนาคต ดังแสดงในรูปที่ 7.10 ผูวิเคราะหไดจัดทํากราฟแสดงถึงจํานวนการตีพิมพ0จากรูปจะพบวาหัวขอ เกี่ยวกับ multi-frequency, multi-constellation, jamming, low cost, RTK, PPP ลวนไดรับความสนใจ มากขึ้นเรื่อย ๆ หมายเหตุ– เนื่องจากทําการวิเคราะหขอมูลในเดือนตุลาคมป 2017 ดังนั้นจํานวนผลงานในปนี้ไมใช จํานวนสุทธิของทั้งป

รูปที่ 7.10 แนวโนมจํานวนการตีพิมพบทความเกี่ยวของกับเทคโนโลยีจีเอ็นเอสเอสในฐานขอมูล Scopus ระหวางป 2000 ถึง 2017 เมื่อทําการวิเคราะหการประยุกตใชงานเทคโนโลยี multi-frequency หรือ multi-constellation กั บ จี เ อ็นเอสเอส โดยใช Factor map ดังรู ป ที่ 7.11 และรูป ที่ 7.12 พบวา ทั้งสอง keyword ใหแ ผนที่ ที่ คลายกัน นั่นคือระบบ Multi-GNSS มีการนําหลายความถี่มาใชงาน จะเห็นวามีการศึกษาเกี่ยวกับระบบไปโตว ระบบ QZSS และระบบกาลิเลโอ อีกทั้งจะเห็นกลุมของ Precision และ Signal Generation ซึ่งเกี่ยวของกับ ศึกษาและการประเมินความแมนยําจากการใช multi-frequency และ multi-constellation รวมถึงในดาน การออกแบบระบบมีการวิจัยดานสายอากาศ วงจร front end และการสรางสัญญาณ มีการประยุกตใชงาน ในดานการศึกษาชั้นบรรยากาศไอโอโนสเฟยรและเทคโนโลยี GBAS อีกดวย รูปที่ 7.13 แสดง factor map ที่วิเคราะหบทความดาน Location-based service แสดงใหเห็นถึง การประยุกตใชงานในดานตาง ๆ ที่เกี่ยวของกับระบบจีเอ็นเอสเอส เชน Intelligent Highway Systems, Mobile Phone, Railroad transportation รวมถึงมีการนํามา INS มาใชงานรวมดวย เปนตน

314

รูปที่ 7.11 การวิเคราะหเทคโนโลยี Multi-Frequency โดยใช Factor map (Data mining)

315

รูปที่ 7.12 การวิเคราะหเทคโนโลยี Multi-constellation โดยใช Factor map (Data mining)

316

รูปที่ 7.13 การวิเคราะหเทคโนโลยี Location Based Services โดยใช Factor map (Data mining)

317 7.3.3 สรุปแนวโนมเทคโนโลยีดานจีเอ็นเอสเอส 7.3.3.1 เทคโนโลยีหายไป (Fade-out technology) ในสวนเทคโนโลยีที่จะหายไป ไดแก 1. อุปกรณเครื่องรับหนึ่งความถี่ (single frequency) โดยปราศจากเซ็นเซอรรวมดวย 2. การใชงานดาวเทียมระบบเดียว 3. อุปกรณเฉพาะเชน Garmin แบบ Handheld เพื่อการสํารวจ 7.3.3.2 เทคโนโลยีที่จะเขามาแทนที่ (Fade-in technology) ในสวนเทคโนโลยีที่จะเขามาแทนที่ ไดแก เทคโนโลยี 1. Low-cost RTK: อุปกรณเครื่องรับสัญญาณราคาต่ํา สําหรับการทํา RTK ทําใหผูใชงานสามารถเขาถึง การระบุตําแหนงอยางแมนยําไดอยางงายดายมากขึ้น 2. อุปกรณสมารตโฟนเพื่อการระบุตําแหนงแมนยํา 3. ระบบดาวเทียมนําทางหลายระบบ (Multi-Constellation) 4. การใชหลายความถี่ เชน L1/L5 เปนตน 5. ระบบ GBAS CAT I (Category I) เพื่อกิจการการบิน 6. ระบบ SBAS เพื่อกิจการการบิน 7. Data Fusion 8. การระบุตําแหนงภายในอาคาร (Indoor GNSS) เชื่อมตอกับภายนอกอาคาร 9. เทคโนโลยีดาวเทียมไปโตว 7.3.3.3 เทคโนโลยีเปลี่ยนอุตสาหกรรม (Disruptive technology) เทคโนโลยีสําคัญที่อาจจะเปลี่ยนอุตสาหกรรมในอนาคตไดแก o เทคโนโลยีการตัดสัญญาณ (jamming) และเทคโนโลยีสัญญาณปลอม (spoof) ซึ่งอาจจะทําใหเกิด ความไมเชื่อมั่นตอระบบจีเอ็นเอสเอสก็เปนได ซึ่งควรจะไดรับการแกไข หรือลดผลกระทบในชวง ระยะสั้นถึงระยะกลาง 7.3.3.4 ตารางสรุปแนวโนมเทคโนโลยี จากขอมูลในบทที่ 5 รวมทั้งบทสัมภาษณจากผูเชี่ยวชาญดานจีเอ็นเอสเอส สามารถเขียนแผนภาพ แนวโนมเทคโนโลยีอวกาศที่จะเกิดขึ้นตามชวงระยะเวลา 1-5 ป ชวง 5-10 ป และชวง 10 ปขึ้นไป ดังแสดงใน รูปที่ 7.14 โดยทางผูวิเคราะหไดแบงแนวโนมเทคโนโลยีดาวเทียมนําทางขึ้นตามระดับความสูงของการใช เทคโนโลยีนั้นเทียบกับเวลา ซึ่งสามารถสรุปไดดงั นี้

318 ชวงระยะเวลา 1-5 ป นับจากนี้ พบวาเทคโนโลยีที่เปนประเด็นสําคัญ ที่สุดก็คือ อุปกรณราคาต่ํา (low-cost) รวมกับเทคนิค RTK เพื่อการใชงานดานตาง ๆ การใชงานระบบไปโตว และการใช 2 ถึง 3 ความถี่ ในอุปกรณเครื่องรับ ซึ่งแนวโนมในชวงนี้จะมีการใชงานตอไปยังชวงกลางเชนกัน ชวงระยะเวลา 5-10 ป ทั้งระบบดาวเทียมไปโตว และระบบดาวเทียมกาลิเลโอจะมีจํานวนเต็มระบบ ทําใหการใชงานหลายความถี่ และหลายระบบเปนไปไดอยางสมบูรณยิ่งขึ้น การใชงานจีเอ็นเอสเอสรวมกับ เซ็นเซอรยังจะมีอยางตอเนื่อง การใชงาน GBAS สําหรับประเทศไทยนาจะเสร็จสมบูรณในชวงนี้ ในสวนระยะเวลา 10 ปขึ้นไป จะพบวาระบบดาวเทียมมีการพัฒนาจํานวนดาวเทียมเพิ่มเติมอยาง ตอเนื่อง โดยโครงการ GPS Modernization จะเสร็จสมบูรณ ในชวงระยะกลางถึงระยะยาวนาจะเห็นบทบาท ของเครื่องรับซอฟตแวร (software receiver) รวมกับการประมวลผลผานคลาวด รวมทั้ง big data อันเกิด จากขอมูลที่รวบรวมได และมีการใชประโยชนตอไป ในระยะยาวบางประเทศ เชน ประเทศจีน จะดําเนินการ ระบบ National PNT เสร็จสมบูรณ

รูปที่ 7.14 แนวโนมเทคโนโลยีระบบดาวเทียมนําทาง

319 7.3.4 แนวทางและกิจกรรมดานเทคโนโลยีจีเอ็นเอสเอสสําหรับประเทศไทย 7.3.4.1 เครือขายจีเอ็นเอสเอสระดับชาติและการใชประโยชน ภายในป พ.ศ. 2561 ประเทศไทยมีเครือขายจีเอ็นเอสเอส ที่ครอบคลุมทั่วประเทศ ดังนั้นจําเปนที่ จะตองมีหนวยงานกลาง เชน National GNSS Center เพื่อรับผิดชอบเกี่ยวกับการดูแลรักษาสถานีฐาน การ จั ดทํา ศูนยขอ มูลดานจีเ อ็น เอสเอส ที่มีป ระสิทธิภ าพ และมีการสรา งผลิตภัณฑขอ มู ลที่เปนประโยชนต อ หนวยงานภาครัฐ ภาคเอกชน ประชาชน โดยควรที่จะศึกษาโครงการสรางการบริหารงานจากหนวยงานที่ ให บริการในลักษณะคลายกันในระดับนานาชาติ นอกจากนี้ควรจัดทําแผนการพัฒ นา และบริหารจัดการ เทคโนโลยีจีเอ็นเอสเอสแหงชาติเพื่อความยั่งยืน อยางไรก็ดี ในระยะแรก (1-3 ป) ควรใหบริการขอมูล RINEX และบริการเสริมเชน RTK ฟรีไปกอน จากนั้นในระยะที่สองอาจจะมีการพิจารณาอีกครั้งหนึ่ง ประโยชนสําคัญจากการมีเครือขายจีเอ็นเอสเอสระดับชาติ คือ การใชงานเกี่ยวกับ RTK PPP เพื่อ การระบุตําแหนงทั้งในดานการเกษตร การจราจร การบิน (เชน GBAS, SBBAS) การสํารวจแบบใหม มาตรฐาน เวลา อุตุนิย มวิท ยา ภัย พิบัติ เปน ตน ดังนั้น ควรที่จ ะมีการใหบ ริก ารดาน RTK PPP รวมทั้ง A-GNSS จาก เครือขายจีเอ็นเอสเอส ขนาดใหญโดยในชวงแรกรัฐอาจจะดําเนินการเอง จากนั้นอนุญาตใหภาคเอกชนเขามา ดําเนินการในระยะตอไป นอกจากนี้ควรมีการสรางเครือขายผูใชงาน นักวิจัยเพื่อใชประโยชนจากระบบที่ ภาครัฐไดลงทุนและสรางขึ้นมา 7.3.4.2 เครื่องรับราคาต่ําสําหรับ RTK PPP และการใชงานรวมกับเซ็นเซอร เพื่อใหการใชอุปกรณเครื่องรับราคาต่ําสําหรับหลายความถี่ ดาวเทียมหลายระบบ ควรที่จะสงเสริมให มีการใชงานอุปกรณเหลานี้ มากขึ้นผานเครือขาย RTK PPP โดยเฉพาะอยางยิ่งเมื่อใชงานรวมกับเซ็นเซอรเพื่อ ประโยชน ดานการเกษตร การจราจร ยานพาหนะอัจฉริยะ ภัยพิบัติ และการทองเที่ยว รวมทั้งมีการพัฒนา แอปพลิเคชันใหม ที่มีการนําระบบไปโตว และระบบกาลิเลโอ มาใชงานรวมกับระบบจีพีเอส 7.3.4.3 ความเสี่ยงตอระบบจีเอ็นเอสเอส (GNSS Threats) ควรมีศึกษาและออกมาตรการปองกันสัญญาณรบกวนและสัญญาณหลอก ตอระบบจีเอ็นเอสเอส อยางจริงจัง โดยเฉพาะอยางยิ่งบริเวณสถานีฐานเครือขายจีเอ็นเอสเอสของประเทศ และเพื่อประโยชนตอ ภาคเอกชน และสาธารณะ รวมถึงการใหความรูแกภาครัฐ เอกชน และประชาชนอยางตอเนื่อง 7.3.4.4 แนวทางพัฒนาบุคคลากร การสรางเครือขายและความรวมมือ สําหรับประเทศไทย ทุกทานเห็นวา ควรที่จะนําเทคโนโลยีจีเอ็นเอสเอสมาใชดานเกษตรใหมากขึ้น เพื่อเพิ่มผลิตผล เชนเดียวกับที่ประสบความสําเร็จเปนอยางดีในทวีปอเมริกา และยุโรป ควรจะทํารวมมือกับ ประเทศอื่น ๆ ทั้งในเขตเอเชียตะวันออกเฉียงใต และในโลก เพื่อการวิจัยและพัฒนา การใชงานเทคโนโลยีจี เอ็นเอสเอส ในดานการจราจร ขนสง การสํารวจและมาตรฐานเวลา อีกประเด็นที่สําคัญคือการพัฒนาบุคลากร

320 ในดานนี้ควรทําอยางตอเนื่อง จึงควรมีการจัดอบรมและกิจกรรมตาง ๆ หรือหัวขอวิจัยเกี่ยวกับเทคโนโลยีจีเอ็น เอสเอสอยางตอเนื่อง เพื่อเปนแรงบันดาลใจใหกับนักเรียน นักศึกษาไดเขามาทํางานในดานเทคโนโลยีจีเอ็น เอสเอส นอกเหนือไปจากการเปดวิชาเลือก หรือพัฒนาหลักสูตรดานอวกาศแลวควรเนนการพัฒนาคอรสออน ไลนเพื่อเปนการเผยแพรองคความรูใหกวางยิ่งขึ้น นอกจากนี้ควรที่มีการสรางเครือขาย และความรวมมือเปนสิ่งจําเปนตอการพัฒนาเทคโนโลยีจีเอ็น เอสเอส และการใชประโยชน

7.4 กิจกรรมและแนวทางวิจัยพัฒนาบูรณาการในอนาคต

นอกเหนือไปจากกิจกรรมและแนวทางวิจัยและพัฒนาเฉพาะดานอวกาศ ภูมิสารสนเทศและจีเอ็น เอสเอสในหัวขอที่ 7.1.4 7.2.4 และ 7.3.4 แลว ในการประยุกตใชงานเทคโนโลยีทั้ง 3 นี้เพื่อแกปญหาทางดาน การเกษตร ภัยพิบัติ ทรัพยากรธรรมชาติ และสิ่งแวดลอม รวมทั้งการเปลี่ยนแปลงสภาพภูมิอากาศ จําเปนที่ จะตองมีการบูรณาการขามเทคโนโลยีเพื่อใหผลลัพธมีประสิทธิภาพและประสิทธิผลสูงสุด นอกจากนี้ยังจําเปน เสริมสรางโครงสรางพื้นฐานดานการวิจัยและพัฒนาอันจะเปนองคประกอบพื้นฐานสําคัญ ตัวอยางโครงการ บูรณาการที่สามารถจัดทําโดย สทอภ. แบงตามสาขามีดังตอไปนี้

o o o o o o o o o

ตัวอยางโครงการดานเกษตร ขอมูลภาพถายดาวเทียมแยกประเภทผลผลิตทางการเกษตรแตละชนิด เพิ่มปริมาณเซ็นเซอรสภาพภูมิอากาศทั่วประเทศใหมีความละเอียดมากขึ้น ระบบการติดตามไฟปาดวยดาวเทียม ใหความรูเกษตรกรเกี่ยวกับการติดตั้งเซ็นเซอรในพื้นที่ของตนเอง ดาวเทียมถายภาพระยะไกลความละเอียดสูง ระบบการติดตามปริมาณและชนิดพืชผลทางการเกษตร ระบบและแบบจําลองการทํานายผลผลิตทางการเกษตรประจําปลวงหนา โดยพิจารณาจากสภาวะ อากาศและขอมูลจากเกษตรกร การพยากรณปริมาณน้ําสําหรับการเกษตรในแตละพื้นที่ การเชื่อมโยงระบบประกันภัยหรือระบบชดเชยเกษตรกรกับสภาพภูมิอากาศ ภัยพิบัติ

321 o o o o o

o o o o o o

o o o o o o o o o o o

ตัวอยางโครงการดานภัยพิบัติ การประยุกตใชงานขอมูลโซเชียลมีเดีย ระบบสารสนเทศภูมิศาสตรสําหรับสถานการณฉุกเฉิน การใชงานเทคโนโลยีจีเอ็นเอสเอส เพื่อติดตามดานภัยพิบัติตาง ๆ เชน แผนดินไหว การเคลื่อนตัว ของเปลือกโลก ระบบแจงเตือนน้ําทวมในประเทศไทย ขอมูลความเสี่ยงภัยพิบัติระดับจังหวัดและทองถิ่นเพื่อการประกันภัย แผนปฏิบัติการจากสภาวะอวกาศรุนแรง (severe space weather) ตัวอยางโครงการดานทรัพยากรธรรมชาติและสิ่งแวดลอม การรวบรวมแหลงขอมูลสําหรับทรัพยากรธรรมชาติที่ไมเสียคาใชจาย ระบบ API สําหรับดาวนโหลดขอมูลดานทรัพยากรธรรมชาติ การสรางระบบสารสนเทศภูมิศาสตรเพื่อการมีสวนรวมของประชาชน การพัฒนาระบบสารสนเทศภูมิศาสตรสําหรับบุคคลทั่วไปที่ไมใชผูเชี่ยวชาญเพื่อการเฝาระวังทาง สิ่งแวดลอม การวิเคราะหแหลงพลังงานใหมๆเชนพลังงานแสงอาทิตย โดยใชเทคโนโลยีดาวเทียมและระบบ สารสนเทศภูมิศาสตร เทคโนโลยี GNSS-Reflecterometry เพื่อการศึกษาทางทะเล ตัวอยางโครงการดานการเปลี่ยนแปลงสภาพภูมิอากาศ การตรวจวัดระดับน้ําทะเลรอบประเทศไทย การใชเ ทคโนโลยี จี เ อ็ น เอสเอส เพื่ อ ติ ด ตามและศึ ก ษาชั้ น บรรยากาศ เช น วัด ความชื้ น ในชั้ น บรรยากาศ การแสดงความหนาแนนกาซเรือนกระจกแบบกึ่งเรียลไทม และแบบเรียลไทม การแสดงความหนาแนนกาซเรือนกระจกในเขตเมืองใหญ แผนที่แสดงกาซเรือนกระจกความละเอียดสูง ดาวเทียมวัดกาซเรือนกระจก ศูนยขอมูลสถานีการตรวจวัดกาซเรือนกระจก ผลกระทบของการเปลี่ยนแปลงสภาพภูมิอากาศตอความมั่นคงทางอาหาร พลังงาน การทองเที่ยว ภัยพิบัติ ผลกระทบของระดับน้ําทะเลที่ระดับตาง ๆ ตอพื้นที่บริเวณชายฝง แบบจําลองสภาพภูมิอากาศกาศที่แมนยํา การขยายเครือขายตรวจวัดสภาพอากาศทั่วประเทศ มีความรวมมือกับประเทศใกลเคียงและนานา ประเทศ

322 ดานอื่นๆ การบูร ณาการรวมกันระหวา ง การใชจีเ อ็นเอสเอส เพื่อคํา นวณวงโคจรของดาวเทียม remote sensing (Low Earth Orbit) ความละเอียดถูกตองสูง

323

เอกสารอางอิง [1] UN-GGIM, Future Trends in Geospatial Information Management: the five to ten year vision, 2 (Decenber 2015) ed. UN, 2015.

[2] ส. อุดมโสภกิจ. (2016) การสรางนวัตกรรมแบบเปด (Open Innovation). Available online: http://www.tpa.or.th/publisher/pdfFileDownloadS/tn244_p57-60.pdf [3] นวัตกรรมแบบเปด ตอยอดงานวิจัย สรางพันธมิตร. Available online: http://www.bangkokbiznews.com/news/detail/777822

ภาคผนวก

ภาคผนวก ก รายชื่อผูเชี่ยวชาญที่ขอสัมภาษณ ดานอวกาศ ภาคการศึกษา 1. ผศ.ดร.ชินวัชร สุรสั วดี คณะวิศวกรรมศาสตร และโครงการวิทยาลัยวิศวกรรมอวกาศและระบบโลก สถาบันเทคโนโลยีพระจอมเกลาเจาคุณทหารลาดกระบัง 3. Prof. Hajime Fukuchi Tokyo Metropolitan University ภาคอุตสาหกรรม 1. คุณปรีดา ศิลปวิทยารักษ บริษัท ไทยคม จํากัด มหาชน 2. คุณวรายุทธ เย็นบํารุง บริษัท mμ Space ผูใชประโยชน 1. คุณเอกสิทธ ชางเหล็ก กรมอุตุนิยมวิทยา 2. คุณจรัญ สินสวัสดิ์มงคล บริษัท แอดวานซ อินโฟร เซอรวิส จํากัด (มหาชน)

ดานภูมิสารสนเทศ ภาคการศึกษา 1. ผศ.ดร. อริศรา เจริญปญญาเนตร ภาควิชาภูมิศาสตร คณะสังคมศาสตร มหาวิทยาลัยเชียงใหม คณะสิ่งแวดลอมและทรัพยากรศาสตร มหาวิทยาลัยมหิดล ภาคอุตสาหกรรม 1. อาภากรณ พุมมณีกร บริษัท จีโอแมติก เทคโนโลยี จํากัด 2. วีรญา สุวัชรมล บริษัท จีไอเอส จํากัด (ESRI) ผูใชประโยชน 1. ดร. อนุชิต สุขเจริญพงศ กรมอุตสาหกรรม ผูเชี่ยวชาญระดับนานาชาติ 1. Dr Adel Bolbol Fernandez ESRI 2. Dr. Ed Manley Centre for Advanced Spatial Analysis, University College London

ดานระบบดาวเทียมนําทางโลก ภาคการศึกษา 1. ศ.ดร.เฉลิมชนธ สถิระพจน ภาควิชาวิศวกรรมสํารวจ คณะวิศวกรรมศาสตร จุฬาลงกรณมหาวิทยาลัย 2. ดร.วสุ อุดมเพทาย ภาควิชาวิศวกรรมเกษตร คณะวิศวกรรมศาสตร สถาบันเทคโนโลยีพระจอมเกลาเจาคุณทหารลาดกระบัง ภาคอุตสาหกรรม 1. ดร.นิกร สุทธิเสงี่ยม บริษัท Repco (Thailand) 2. นายภัณฑิล นิชรัตน บริษัท CHC (Thailand) ผูใชประโยชน 1. ดร.ศราวุฒิ รุงเรืองวจีเอก สํานักงานการบินพลเรือนแหงประเทศไทย 2. นายเกียรติศักดิ์ อมรประเสริฐสุข กรมโยธาธิการและผังเมือง ผูเชี่ยวชาญระดับนานาชาติ 1. Dr. Sam Pullen Stanford University, USA 2. Dr. Susumu Saito, Researcher Electronic Navigation Research Institute (ENRI), Japan 3. Dr. Dinesh Manandhar The University of Tokyo

ดานเทคโนโลยีสารสนเทศ ภาคการศึกษา 1. ดร.ยรรยง เต็งอํานวย ผูทรงคุณวุฒิทางวิชาการดานพลังงานและสารสนเทศ คณะกรรมวิจัยแหงชาติ (วช.)

2. ศ.ดร.ประภาส จงสถิตวัฒนา ภาควิชาวิศวกรรมคอมพิวเตอร คณะวิศวกรรมศาสตร จุฬาลงกรณมหาวิทยาลัย 3. Lin M. M. Myint School of Information Technology, Shinawatra University ภาคอุตสาหกรรม 1. คุณภารําไพ ธรรมดุษฎี IT specialist, True Information Technology 2. คุณอุดมศักดิ์ ชัยเพชร ผูอํานวยการกองบริการขายสื่อสารสายการบิน บริษัทวิทยุการบินแหงประเทศไทย ผูใชประโยชน 1. พันเอกดร. เศรษฐพงค มะลิสุวรรณ รองประธานกรรมการกิจการกระจายเสียง สํานักงานคณะกรรมการกิจการกระจายเสียง กิจการ โทรทัศนและกิจการโทรคมนาคมแหงชาติ (กสทช.)

2. ดร.สมรักษ เพชรชาตรี ผูจัดการสวนปฏิบัติการวิจัย กสท โทรคมนาคม จํากัด (มหาชน) 3. Andy Young Researcher, Japan Advanced Institute of Science and Technology