การศึกษาภาพรวมงานวิจัยด้านขนส่งสาธารณะไร้คนขับ: การวิเคราะห์บรรณมิติ จากฐานข้อมูลเว็บออฟไซนซ์ (2556–2567)
Article Sidebar
Main Article Content
บทคัดย่อ
ด้วยการเร่งตัวของกระบวนการสร้างเมือง รูปแบบขนส่งสาธารณะแบบดั้งเดิมได้เกิดการเปลี่ยนแปลงอย่างมีนัยสำคัญ ดังนั้น ขนส่งสาธารณะไร้คนขับจึงได้รับความสนใจเพิ่มขึ้นจากทั้งนักปฏิบัติและนักวิจัย อย่างไรก็ดี ยังขาดการทบทวนวรรณกรรมเชิงระบบที่ครอบคลุมเกี่ยวกับการประยุกต์ใช้ขนส่งสาธารณะไร้คนขับ ในประเด็นนี้ การศึกษานี้ใช้การวิเคราะห์บรรณมิติ (bibliometric analysis) เพื่อวิเคราะห์สถานะงานวิจัยปัจจุบัน ประเด็นวิจัยสำคัญ และแนวโน้มการพัฒนาในอนาคตของยานพาหนะไร้คนขับในบริบทของขนส่งสาธารณะ โดยอาศัยบทความที่เกี่ยวข้องจำนวน 125 เรื่องจากฐานข้อมูล Web of Science ประการแรก จากการวิเคราะห์ความถี่ร่วมของคำสำคัญ ได้ระบุกลุ่มประเด็นวิจัยหลัก 4 กลุ่ม ได้แก่ การจัดตารางเวลาที่เหมาะสม การยอมรับของผู้ใช้ ความต้องการและความชอบของประชาชน และกรอบทางเทคนิค นอกจากนี้ ผลการวิเคราะห์ยังแสดงให้เห็นว่าจีนและสหรัฐอเมริกาเป็นประเทศที่มีผลงานวิจัยโดดเด่นที่สุด โดยความร่วมมือระหว่างประเทศมีแนวโน้มเพิ่มขึ้นอย่างต่อเนื่อง สุดท้าย การศึกษานี้ได้อภิปรายถึงความก้าวหน้าทางเทคโนโลยี ผลกระทบทางสังคม และความท้าทายเชิงนโยบายที่เกี่ยวข้องกับการพัฒนาในอนาคตของขนส่งสาธารณะไร้คนขับ พร้อมทั้งเสนอแนวทางเพื่อส่งเสริมการประยุกต์ใช้อย่างแพร่หลาย ผลการวิจัยช่วยเสริมสร้างองค์ความรู้ในสาขายานพาหนะไร้คนขับ และให้ข้อเสนอแนะเชิงนโยบาย นวัตกรรมทางเทคโนโลยี และการพัฒนาอย่างยั่งยืนของระบบขนส่งสาธารณะไร้คนขับ
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ได้รับการตีพิมพ์เป็นลิขสิทธิ์ของคณะวิทยาการจัดการ มหาวิทยาลัยราชภัฏอุดรธานี
ข้อความที่ปรากฏในบทความแต่ละเรื่องในวารสารวิชาการเล่มนี้
ไม่ใช่ความคิดเห็นและความรับผิดชอบของผู้จัดทำ บรรณาธิการ กองบรรณาธิการ และคณะวิทยาการจัดการ มหาวิทยาลัยราชภัฏอุดรธานี ความรับผิดชอบด้านเนื้อหาและการตรวจร่างบทความแต่ละเรื่องเป็นความคิดเห็นของผู้เขียนบทความแต่ละท่าน
เอกสารอ้างอิง
Abe, R. (2019). Introducing autonomous buses and taxis: Quantifying the potential benefits in Japanese transportation systems. Transportation Research Part A: Policy and Practice, 126, 94–113. https://doi.org/10.1016/j.tra.2019.06.003
Bae, I., Moon, J., & Seo, J. (2019). Toward a comfortable driving experience for a self-driving shuttle bus. Electronics, 8(9), Article 943. https://doi.org/10.3390/electronics8090943
Cao, Z., & Ceder, A. A. (2019). Autonomous shuttle bus service timetabling and vehicle scheduling using skip-stop tactic. Transportation Research Part C: Emerging Technologies, 102, 370–395. https://doi.org/10.1016/j.trc.2019.03.018
Cheng, Y. H., & Lai, Y. C. (2024). Exploring autonomous bus users’ intention: Evidence from positive and negative effects. Transport Policy, 146, 91–101. https://doi.org/10.1016/j.tranpol.2023.11.004
Dai, Z., Liu, X. C., Chen, X., & Ma, X. (2020). Joint optimization of scheduling and capacity for mixed traffic with autonomous and human-driven buses: A dynamic programming approach. Transportation Research Part C: Emerging Technologies, 114, 598–619. https://doi.org/10.1016/j.trc.2020.03.001
Dong, X., DiScenna, M., & Guerra, E. (2019). Transit user perceptions of driverless buses. Transportation, 46(1), 35–50. https://doi.org/10.1007/s11116-017-9786-y
Donthu, N., Kumar, S., Mukherjee, D., Pandey, N., & Lim, W. M. (2021). How to conduct a bibliometric analysis: An overview and guidelines. Journal of Business Research, 133, 285–296. https://doi.org/10.1016/j.jbusres.2021.04.070
Greenblatt, J. B., & Saxena, S. (2015). Autonomous taxis could greatly reduce greenhouse-gas emissions of US light-duty vehicles. Nature Climate Change, 5(9), 860–863. https://doi.org/10.1038/nclimate2685
Hasan, U., Whyte, A., & AlJassmi, H. (2022). A microsimulation modelling approach to quantify environmental footprint of autonomous buses. Sustainability, 14(23), 1–31. https://doi.org/10.3390/su142315657
Herrenkind, B., Brendel, A. B., Nastjuk, I., Greve, M., & Kolbe, L. M. (2019). Investigating end-user acceptance of autonomous electric buses to accelerate diffusion. Transportation Research Part D: Transport and Environment, 74, 255–276. https://doi.org/10.1016/j.trd.2019.08.003
Hu, Q., Hu, S., Shen, S., Ouyang, Y., & Chen, X. M. (2024). Optimizing routing and scheduling of shared autonomous electric taxis considering capacity constrained parking facilities. Sustainable Cities and Society, 111, Article 105557. https://doi.org/10.1016/j.scs.2024.105557
Jo, A., Kwon, W., & Yi, K. (2024). Motion planning for urban autonomous bus considering localization uncertainty using offset-free MPC. IEEE Access, 12, 11743–11760. https://doi.org/10.1109/ACCESS.2024.3355205
Klinkhardt, C., Kandler, K., Kostorz, N., Heilig, M., Kagerbauer, M., & Vortisch, P. (2024). Integrating autonomous busses as door-to-door and first-/last-mile service into public transport: Findings from a stated choice experiment. Transportation Research Record, 2678(2), 605–619. https://doi.org/10.1177/03611981231175900
Li, H., Li, S., & Zhang, X. (2023). Coordination optimization of real-time signal priority of self-driving buses at arterial intersections considering private vehicles. Applied Sciences, 13(19), 1–15. https://doi.org/10.3390/app131910803
Liu, S., Huang, W., Ji, H., & Wang, L. (2024). Robust model-free adaptive iterative learning control for an autonomous bus trajectory tracking system. Science Progress, 107(2), 1–37. https://doi.org/10.1177/00368504241249617
Lokhandwala, M., & Cai, H. (2018). Dynamic ride sharing using traditional taxis and shared autonomous taxis: A case study of NYC. Transportation Research Part C: Emerging Technologies, 97, 45–60. https://doi.org/10.1016/j.trc.2018.10.007
Mao, C., Liu, Y., & Shen, Z. J. M. (2020). Dispatch of autonomous vehicles for taxi services: A deep reinforcement learning approach. Transportation Research Part C: Emerging Technologies, 115, Article 102626. https://doi.org/10.1016/j.trc.2020.102626
Oliveira, R., Lima, P., Cirillo, M., & Wahlberg, B. (2021). Autonomous bus driving: A novel motion-planning approach. IEEE Vehicular Technology Magazine, 16(3), 29–37. https://doi.org/10.1109/MVT.2021.3086438
Rosell, J., & Allen, J. (2020). Test-riding the driverless bus: Determinants of satisfaction and reuse intention in eight test-track locations. Transportation Research Part A: Policy and Practice, 140, 166–189. https://doi.org/10.1016/j.tra.2020.08.013
Salonen, A. O. (2018). Passenger's subjective traffic safety, in-vehicle security and emergency management in the driverless shuttle bus in Finland. Transport Policy, 61, 106–110. https://doi.org/10.1016/j.tranpol.2017.10.011
Schandl, F., Lermer, E., & Hudecek, M. F. (2024). If it concerns me: An experimental investigation of the influence of psychological distance on the acceptance of autonomous shuttle buses. Collabra: Psychology, 10(1), Article 118770. https://doi.org/10.1525/collabra.118770
Shi, M., He, H., Li, J., Han, M., & Zhou, N. (2022). Path planning and following control of autonomous bus under time-varying parameters against parametric uncertainties and external disturbances. IEEE Transactions on Vehicular Technology, 71(7), 7057–7070. https://doi.org/10.1109/TVT.2022.3170440
Van Eck, N. J., & Waltman, L. (2017). Citation-based clustering of publications using CitNetExplorer and VOSviewer. Scientometrics, 111, 1053–1070. https://doi.org/10.1007/s11192-017-2300-7
Wang, L., Xue, X., Zhao, Z., & Wang, Z. (2018). The impacts of transportation infrastructure on sustainable development: Emerging trends and challenges. International Journal of Environmental Research and Public Health, 15(6), 1–15. https://doi.org/10.3390/ijerph15061172
Xie, H., David, A., Mamun, M. R. A., Prybutok, V. R., & Sidorova, A. (2022). The formation of initial trust by potential passengers of self-driving taxis. Journal of Decision Systems, 32(2), 326–355. https://doi.org/10.1080/12460125.2021.2023258
Zhou, X., Wu, L., Zhang, Y., Chen, Z. S., & Jiang, S. (2023). A robust deep reinforcement learning approach to driverless taxi dispatching under uncertain demand. Information Sciences, 646, 1–16. https://doi.org/10.1016/j.ins.2023.119401
