Senior Project Progress Milestone

🏙️ @TidinAI: Model Progress Presentation

รายงานผลการพัฒนา ทดสอบ และคัดเลือกแบบจำลองประเมินราคาที่ดินกรุงเทพมหานคร

01 / 15

ระบบประเมินราคาที่ดินอัจฉริยะในเขตกรุงเทพมหานคร

(Smart Land Valuation System — Phase 4 Modeling Report)

การพัฒนาแบบจำลองแมชชีนเลิร์นนิงสำหรับทำนายราคาประเมินที่ดินต่อตารางวาแบบรายแปลง โดยใช้ปัจจัยเชิงพื้นที่ ระบบราง โครงข่ายถนน และผังเมืองรวม กทม.

วิชาโครงงานวิศวกรรมคอมพิวเตอร์ (CSI411 Machine Learning)

ภาคเรียนที่ 1 ปีการศึกษา 2570

👥 คณะผู้จัดทำและบทบาทรับผิดชอบ

นายวรเดช อาจวิชัย (66080240)

Lead Developer • Linear Regression, Ridge & Lasso Regularization

นายณัฐดนัย รอดมุ้ย (66092117)

Developer • Random Forest (Bagging) & XGBoost Regressor

นางสาวจิตติมา โอภาพ (66078688)

Developer • LightGBM, CatBoost & Blended Ensemble Model

Problem & Motivation

🎯 ทบทวนโจทย์และปัญหาเดิม: ทำไมราคาที่ดินถึงประเมินยาก?

ความท้าทายจากรอบการประเมิน 4 ปี และความผันผวนรุนแรงของราคาที่ดินกรุงเทพฯ

02 / 15

⚠️ ข้อจำกัดของระบบประเมินราคาที่ดินในปัจจุบัน

รอบการประเมินล่าช้า 4 ปีครั้ง: กรมธนารักษ์ปรับราคาประเมินรอบละ 4 ปี ทำให้ราคาในระบบไม่ทันการเติบโตของส่วนต่อขยายรถไฟฟ้า
ต้องมีเลขโฉนดหรือเลขระวาง: ประชาชนทั่วไปที่ไม่มีเอกสารสิทธิ์ ไม่สามารถตรวจสอบราคาประเมินเบื้องต้นได้เลย
ระบบไม่รองรับการประเมินเชิงพื้นที่: ไม่มีระบบที่ผู้ใช้สามารถคลิกจุดใดก็ได้บนแผนที่แล้วคำนวณมูลค่าออกมาได้ทันที

🔬 3 ความท้าทายทางสถิติและ Machine Learning

1. ความเบ้ขวารุนแรง (Skewness = +7.82): แปลงทั่วไปราคาหลักหมื่น แต่สีลม-สาทรพุ่งทะลุ 1 ล้านบาท/ตร.ว. ดึงให้โมเดลเพี้ยนหากไม่แปลง Log

2. ความเหลื่อมล้ำ 36.4 เท่า: เขตบางรัก (261k บ.) แพงกว่าเขตหนองจอก (7k บ.) มหาศาล ต้องใช้ตัวชี้วัด MAPE เพื่อความยุติธรรม

3. ธรรมชาติแบบขั้นบันได (Step Function): ผังเมืองและระยะรถไฟฟ้าตัดขาดเป็นโซน ต้นไม้ตัดสินใจจึงทำงานได้ดีกว่าสมการเส้นตรง

Spatial Validation Strategy

🛡️ ชุดข้อมูลทดสอบที่ไร้การจำข้อสอบ: 0% Spatial Data Leakage

การแบ่งชุดข้อมูลแบบ Spatial Block Split ตามรหัสระวางแผนที่ 1,284 บล็อก

03 / 15

📍 ปัญหาจากกฎข้อแรกของภูมิศาสตร์ (Tobler's First Law)

"ทุกสิ่งมีความสัมพันธ์กัน แต่สิ่งที่อยู่ใกล้กัน ย่อมสัมพันธ์กันมากกว่าสิ่งที่อยู่ไกลกัน"

หากแบ่งชุดข้อมูลแบบสุ่มสุ่มทั่วไป (Random Split) แปลงที่อยู่ติดกันจะหลุดเข้าไปทั้ง Train และ Test ทำให้โมเดลเพียงแค่ "จำราคาแปลงข้างบ้านมาตอบ" ได้คะแนน R² ลวงตาสูงถึง 0.95+ แต่ไม่สามารถนำไปใช้งานจริงได้

✅ ทางแก้ของ @TidinAI: บังคับตัดแบ่งตามรหัสระวาง (sheet_code) แปลงที่อยู่ระวางเดียวกันต้องอยู่ชุดเดียวกัน 100%

📊 สถิติการแบ่งชุดข้อมูล 282,161 แปลง (1,284 แผ่นระวาง)

Train Set (70.4%): 198,762 แปลง 899 แผ่นระวาง

Validation Set (14.1%): 39,753 แปลง 192 แผ่นระวาง

Test Set (15.5%): 43,646 แปลง 193 แผ่นระวาง

* สถิติยืนยัน: Disjoint 0% Overlap — ระวางใน Test Set ไม่เคยปรากฏใน Train Set แม้แต่แปลงเดียว

Model Architecture

🔬 วงตระกูลแบบจำลองที่นำมาประชัน (Candidate Models Landscape)

ครอบคลุม 4 วงตระกูลหลักของ Machine Learning บนชุดข้อมูลตารางภูมิสารสนเทศ

04 / 15

ตระกูลที่ 1

1. Baseline Models

• Mean Baseline: ทายเฉลี่ยดั้งเดิม (R²: -0.0010, MAPE: 159.2%)
• Base OLS: Linear Regression พื้นฐาน (R²: 0.8081, MAPE: 45.5%)

📌 เกณฑ์มาตรฐานวัดการเรียนรู้ของ AI เหนือสถิติพื้นฐาน

ตระกูลที่ 2

2. Regularized Linear

• Best Ridge (L2): คุมสัมประสิทธิ์ (R²: 0.8095, MAPE: 47.7%)
• Best Lasso (L1): ตัดตัวแปรซ้ำซ้อน (R²: 0.8368, MAE: 14,819 บ.)

📌 Lasso + Poly ดัน MAE ชนะ Random Forest สำเร็จ!

ตระกูลที่ 3

3. Tree Bagging

• Random Forest: สุ่มตัวอย่างและตัวแปรหลายร้อยต้น
• R²: 0.8354 | MAPE: 44.6%
• RMSE ต่ำสุด: 45,315 บ.

📌 คุมแปลงราคาหลุดโลก (Outlier Robustness) ได้นิ่งที่สุด

ตระกูลที่ 4 (แชมป์)

4. Gradient Boosting

• XGBoost: R² 0.8508 | 42.0%
• LightGBM: R² 0.8499 | 41.1% (เร็วสุด)
• CatBoost: R² 0.8518 | 41.6% (เก่งผังเมือง)
• Ensemble: ★ R² 0.8531 | MAPE 40.9%

📌 สร้างต้นไม้แก้ Residual ต่อเนื่อง ชนะเลิศทุกตัวชี้วัด

Evaluation Criteria

📖 คัมภีร์ 4 เกณฑ์ชี้วัดความแม่นยำสำหรับการประเมินมูลค่าที่ดิน (AVM Metrics)

ทำไมต้องวัดผลครบ 4 มิติ? R², MAE, MAPE, RMSE เพื่อความยุติธรรมทุกระดับราคา

05 / 15

1. R² Score (Coefficient of Determination)

ยิ่งใกล้ 1 ยิ่งดี

"โมเดลอธิบายความแปรปรวนของราคาที่ดินได้กี่ %"

เทียบกับการเดาราคาเฉลี่ยดั้งเดิม (R² = 0) ถ้าได้ 0.85 หมายความว่าตัวแปรที่ใส่ไป (BTS, ถนน, ผังเมือง) อธิบายราคาได้ถึง 85% ส่วนอีก 15% คือปัจจัยเฉพาะตัว

🎯 ตัวเลขกลุ่มเรา: Ensemble ทำได้ 0.8531 (85.31%) อธิบายได้ครอบคลุมมาก

2. MAE (Mean Absolute Error)

ยิ่งน้อยยิ่งดี

"โดยเฉลี่ยทายราคาคลาดเคลื่อนไปกี่บาทต่อ ตร.ว."

คิดจาก |ราคาจริง - ราคาทำนาย| โดยตรง เป็นหน่วยบาท เข้าใจง่ายที่สุด คนทั่วไปฟังรู้เรื่องทันที

🎯 ตัวเลขกลุ่มเรา: Ensemble ทำได้ 14,583 บ./ตร.ว. (Lasso ทำได้ 14,819 บ.)

3. MAPE % (หัวใจของแบบจำลองสากล AVM)

เกณฑ์สากล < 45%

"ทายผิดพลาดเฉลี่ยคิดเป็นกี่ % ของราคาแปลงนั้น"

ทายผิด 15,000 ที่สีลม (แปลงละ 3 แสน) = ผิด 5% แต่ถ้าผิด 15,000 ที่หนองจอก (แปลงละ 1 หมื่น) = ผิด 150% MAPE จึงนำ % แต่ละแปลงมาเฉลี่ยเพื่อความยุติธรรมทุกเขต

🎯 ตัวเลขกลุ่มเรา: Ensemble ทำได้ 40.89% (ดีขึ้นจาก Baseline 159% เกือบ 4 เท่า)

4. RMSE (Root Mean Squared Error)

ตัวคุม Outlier

"ตัวลงโทษแปลงที่ทายราคาหลุดโลกอย่างหนักหน่วง"

ยกกำลังสองความผิดพลาดก่อนเฉลี่ย หากโมเดลไหนทายหลุดไปบางแปลง ค่า RMSE จะพุ่งทันที เอาไว้ดูว่าโมเดลไหนคุมราคาแปลงแปลกๆ ได้ดีที่สุด

🎯 ตัวเลขกลุ่มเรา: Random Forest ชนะเลิศ 45,315 บ./ตร.ว. คุมราคาโดดได้ดีที่สุด

Benchmark Results

🏆 ตารางคะแนนรวม Official Benchmark Leaderboard (8 โมเดลจริง)

ผลการทดสอบวัดผลบน Spatial Block Test Set (43,646 แปลง) เรียงตามลำดับ MAPE %

06 / 15

อันดับ	โมเดล (Model Name)	ผู้พัฒนา	ตระกูลโมเดล	R² Score	MAE (บาท/ตร.ว.)	MAPE (%)	RMSE (บาท/ตร.ว.)
🥇 1	7. Ensemble (LGBM + CatBoost)	จิตติมา โอภาพ	Hybrid Boosting	0.8531	14,583.25	40.89%	49,104.66
🥈 2	5. LightGBM Regressor	จิตติมา โอภาพ	Histogram Boosting	0.8499	14,819.35	41.10%	49,490.15
🥉 3	6. CatBoost Regressor	จิตติมา โอภาพ	Categorical Boosting	0.8518	14,632.19	41.60%	48,821.60
4	4. XGBoost Regressor	ณัฐดนัย รอดมุ้ย	Gradient Boosting	0.8508	15,371.88	42.01%	52,324.09
5	2.4 Best Lasso (alpha=0.0005)	วรเดช อาจวิชัย	Regularized Linear	0.8368	14,819.43	44.31%	47,235.28
6	3. Random Forest Regressor	ณัฐดนัย รอดมุ้ย	Bagging Ensemble	0.8354	14,885.38	44.63%	45,314.65 (ต่ำสุด)
7	2.3 Best Ridge (alpha=500.0)	วรเดช อาจวิชัย	Regularized Linear	0.8095	16,954.65	47.70%	51,811.12
8	Base Model: Linear Regression	วรเดช อาจวิชัย	OLS Baseline	0.8081	16,954.83	45.51%	61,521.80
Ref	0. Mean Baseline (ทายเฉลี่ยดั้งเดิม)	Baseline อ้างอิง	Naive Statistic	-0.0010	33,375.50	159.22%	87,835.43

Performance Visualization

📈 กราฟเปรียบเทียบผลลัพธ์ครบ 4 มิติ (Visual Performance Comparison)

การวิเคราะห์พฤติกรรมเชิงเปรียบเทียบของโมเดลแต่ละตระกูล

07 / 15

Feature Interpretability

🌳 เจาะลึกความเหนือชั้นของ Boosting & ปัจจัยขับเคลื่อนราคาที่ดิน

ทำไม CatBoost และ LightGBM ถึงชนะ? และ Feature Importance บอกอะไรเรา?

08 / 15

Academic Deep Dive

💡 กรณีศึกษาพิเศษ: ทำไม OLS พหุนามพังทลาย แต่ Lasso ถึงรอด?

บทเรียนสำคัญด้านคณิตศาสตร์และสถิติ: Multicollinearity vs L1 Regularization

09 / 15

💥 1. ปัญหา: Unregularized OLS พหุนามระเบิด

การทดลองนำฟีเจอร์ระยะทางและขนาดแปลงมาทำ Interaction แบบพหุนามกำลังสอง (Degree 2) เกิดปัญหา Multicollinearity รุนแรง

              • R² Score: -0.5837 (ติดลบหนัก)

              • MAE: 7.65 × 10¹⁶ บาท/ตร.ว. (ระเบิดมหาศาล)

สาเหตุทางคณิตศาสตร์: เมทริกซ์ผกผัน (XᵀX)⁻¹ ใกล้เป็น Singular Matrix ทำให้ค่าสัมประสิทธิ์ Weights แกว่งเข้าสู่อนันต์

🛡️ 2. ทางแก้: Lasso L1 Penalty ตัดตัวแปรซ้ำซ้อน

เมื่อนำ Lasso Regression (α=0.0005) เข้ามาควบคุมด้วย L1 Penalty (λ∑|wᵢ|) ตัวโมเดลทำการบีบสัมประสิทธิ์ตัวแปรซ้ำซ้อนให้กลายเป็น 0

              • R² Score: 0.8368 (ฉลาดขึ้นก้าวกระโดด)

              • MAE: 14,819.43 บาท/ตร.ว. (ชนะ Random Forest!)

บทพิสูจน์วิชาการ: การใส่ Regularization ช่วยให้โมเดลเส้นตรงสามารถแข่งขันกับโมเดล Ensembles สมัยใหม่ได้อย่างสมศักดิ์ศรี

Training Health & Diagnostics

📊 การตรวจสอบสุขภาพโมเดล: Learning Progression & Diagnostics

กลไกเทียบเท่า Epoch ในโมเดล GBDT (400 Rounds) และการตรวจสอบ Actual vs Predicted

10 / 15

Residual Analysis

🔍 การวิเคราะห์ข้อผิดพลาดสูงสุด (Top 10 Worst Errors Analysis)

แปลงที่โมเดลทายคลาดเคลื่อนมากที่สุด ไม่ได้เกิดจาก AI ล้มเหลว แต่เกิดจาก "ปัจจัยนอกตาราง"

11 / 15

พบมากสุด 45% 🚫

ที่ดินตาบอดไม่มีทางออก (Landlocked)

แปลงอยู่ใจกลางเมืองใกล้ BTS แต่ไม่มีทางเข้า-ออกสู่ถนนสาธารณะ กรมธนารักษ์หักลดราคาประเมินลง 50–70% แต่ในตารางข้อมูลเปิดของรัฐไม่มีคอลัมน์บอกสิทธิทางผ่าน โมเดลจึงทายตามทำเลรอบข้างจนเกิด Over-estimation

พบ 30% ✨

แปลงหัวมุมติดถนนหลายด้าน (Corner Plot)

แปลงหัวมุมแยกใหญ่ที่มีทางเข้า-ออก 2–3 ด้าน มีมูลค่าทางพาณิชย์สูงกว่าแปลงปกติในซอยเดียวกัน 30–50% แต่โมเดลรับรู้เพียงระยะห่างถนนเส้นเดียว จึงเกิด Under-estimation

พบ 15% 📐

รูปทรงแปลงผิดปกติ (Irregular Shape)

ที่ดินรูปชายธง คอขวด หรือเส้นก๋วยเตี๋ยวหน้ากว้างไม่ถึง 4 เมตร พัฒนาอาคารไม่ได้ ตารางข้อมูลบอกแค่ขนาด ตร.ว. แต่ไม่เห็นรูปทรงโพลีกอนแปลงที่ดิน ทำให้ประเมินคลาดเคลื่อน

🛡️ แนวทางแก้ไขเชิงระบบใน Phase 5 (Web Application):

1. Interactive Polygon Geometry: เปิดให้ผู้ใช้วาดรูปแปลงจริงและระบุความกว้างหน้าดินติดถนนบนแผนที่ Leaflet เพื่อชดเชยค่าความคลาดเคลื่อนทางกายภาพ

2. Confidence Scoring & Alert: แสดงช่วงราคาประเมิน (Price Range) พร้อมแจ้งเตือนหากแปลงนั้นมีความเสี่ยงเป็นที่ดินตาบอดหรือทรงเส้นก๋วยเตี๋ยว

Urban Continuum Evaluation

🏙️ ความแม่นยำรายบริบทเมือง (Spatial Error Distribution)

การทดสอบความเท่าเทียมของโมเดลผ่าน 4 เขตตัวแทน Urban Continuum (CBD ยัน ชานเมือง)

12 / 15

Champion Decision

🏆 มติการคัดเลือก Champion: สถาปัตยกรรม Dual-Engine AI

การจับคู่เพื่อความสมบูรณ์แบบระหว่าง ความแม่นยำสูงสุด (Precision) และ ความเร็วสูงสุด (Speed)

13 / 15

🥇 1. Primary Precision Engine

High Accuracy

CatBoost / Blended Ensemble (จิตติมา)

หน้าที่ในระบบ: คำนวณราคาแปลงที่ดินที่ผู้ใช้คลิกปักหมุด หรือวาดแปลงโพลีกอนบนแผนที่ Leaflet
คะแนนความแม่นยำ: R² = 0.8531 | MAPE = 40.89% (แชมป์อันดับ 1 ของโครงการ)
จุดเด่น: มี Ordered Boosting จัดการความซับซ้อนของผังเมืองและเขตได้แม่นยำที่สุด

⚡️ 2. Secondary High-Speed Engine

Ultra Fast

LightGBM Regressor (จิตติมา)

หน้าที่ในระบบ: รองรับการค้นหาพื้นที่กว้าง (Spatial Area Search) และการสร้าง Heatmap ระดับหลายหมื่นแปลง
ความเร็วการประมวลผล: เร็วกว่าโมเดลอื่น 5–10 เท่า (Inference ในระดับ Milliseconds)
จุดเด่น: ใช้หน่วยความจำต่ำมาก เหมาะสำหรับการประมวลผลพร้อมกันจำนวนมากบนเว็บเซิร์ฟเวอร์

Future Architecture

🚀 สถาปัตยกรรมระบบจริงบน Web Application (Phase 5 Transition)

แผนการนำโมเดล Pipeline (.joblib) ไปต่อยอดสู่แพลตฟอร์มใช้งานจริง

14 / 15

STEP 1: FRONTEND

Interactive Leaflet UI

• ผู้ใช้คลิกตำแหน่งบนแผนที่
• วาดโพลีกอนแปลงที่ดิน
• คำนวณพิกัด UTM E, UTM N
• คำนวณระยะห่างถนน/BTS อัตโนมัติ

STEP 2: BACKEND

FastAPI + Spatial Index

• ค้นหาโซนสีผังเมือง (R-tree < 5ms)
• ดึงสัดส่วน FAR / OSR ตามกฎหมาย
• จัดหมวดหมู่ Urban Tier อัตโนมัติ
• แปลงข้อมูลเข้า Feature Pipeline

STEP 3: AI ENGINE

Dual-Engine AVM

• Primary Engine: CatBoost/Ensemble สำหรับประเมินรายแปลงแม่นยำสูง
• Secondary Engine: LightGBM สำหรับค้นหาเร็ว Real-time
• แปลงกลับด้วย Inverse Log (exp)

STEP 4: OUTPUT

Valuation & Tax Output

• ราคาประเมิน (บาท/ตร.ว.)
• ราคารวมทั้งแปลงที่ดิน
• ช่วงความเชื่อมั่น (Price Range)
• คำนวณภาษีที่ดินและสิ่งปลูกสร้าง

🚀 แผนปฏิบัติการ Phase 5: Export Pipeline (.joblib) ➔ พัฒนา API Endpoint บน FastAPI ➔ เชื่อมต่อ Frontend แผนที่ดาวเทียม Leaflet ➔ ทดสอบ End-to-End Latency < 200ms

Conclusion & Next Steps

🎯 สรุปผลสัมฤทธิ์ Milestone & แผนงานก้าวต่อไป

สรุปความสำเร็จ Phase 4 และเปิดรับคำแนะนำจากคณะกรรมการ (Q&A Session)

15 / 15

✅ ผลสัมฤทธิ์ที่ลุล่วงใน Phase 4 Modeling

พัฒนาและทดสอบโมเดลครบ 8 โมเดลบน Spatial Block Test Set 43,646 แปลง (0% Leakage)
บรรลุความแม่นยำ R² = 0.8531 และบีบ MAPE ลงเหลือ 40.89% (ดีขึ้น 4 เท่าตัวจาก Baseline)
สร้างกรณีศึกษาเชิงวิชาการด้าน Multicollinearity และ Regularization (OLS vs Lasso)
คัดเลือก Champion ด้วยสถาปัตยกรรม Dual-Engine และ Export Pipeline (.joblib) สำเร็จ

🔨 แผนงานระยะต่อไปสู่ Phase 5 (Final Submission)

พัฒนา Web Application เต็มรูปแบบ (Leaflet.js + FastAPI + R-tree Spatial Index)
เพิ่มฟังก์ชันคำนวณประมาณการภาษีที่ดินและสิ่งปลูกสร้างตามประเภทการใช้งานจริง
ดำเนินการทำ User Testing ทดสอบความเร็วในการตอบสนอง และความง่ายในการใช้งาน
จัดทำเล่มรายงานและคู่มือสถาปัตยกรรมระบบฉบับสมบูรณ์

ขอขอบพระคุณคณะกรรมการและอาจารย์ที่ปรึกษาทุกท่าน

ทางกลุ่ม @TidinAI พร้อมรับฟังข้อเสนอแนะและตอบข้อซักถามครับ