បញ្ហា/ប្រធានបទ (The Problem/Topic)៖ របាយការណ៍នេះធ្វើការត្រួតពិនិត្យស្ថានភាពបច្ចុប្បន្ននៃបច្ចេកវិទ្យាបើកបរដោយស្វ័យប្រវត្តិនៅក្នុងវិស័យយានយន្ត កសិកម្ម ឧស្សាហកម្ម លំហអាកាស និងសមុទ្រ ដើម្បីកំណត់ពីបច្ចេកវិទ្យាដែលអាចយកមកពង្រឹងការបើកបរដោយស្វ័យប្រវត្តិក្នុងវិស័យផ្លូវដែក។
វិធីសាស្ត្រ (Approach)៖ ការសិក្សានេះប្រើប្រាស់ការរុករកឯកសារជាប្រព័ន្ធ (Systematic literature review) ដើម្បីវិភាគលើបច្ចេកវិទ្យា មុខងារ និងសេនស័រដែលកំពុងត្រូវបានប្រើប្រាស់ក្នុងការស្រាវជ្រាវ និងផលិតផលពាណិជ្ជកម្ម។
សេចក្តីសន្និដ្ឋានសំខាន់ៗ (Key Conclusions)៖
របាយការណ៍នេះបង្ហាញពីស្ថានភាពបច្ចុប្បន្ននៃបច្ចេកវិទ្យាបើកបរដោយស្វ័យប្រវត្តិនៅក្នុងវិស័យសំខាន់ៗដូចជា យានយន្ត កសិកម្ម ឧស្សាហកម្ម សមុទ្រ អាកាសចរណ៍ និងផ្លូវដែក។ របកគំហើញដ៏សំខាន់គឺថា ការបញ្ចូលទិន្នន័យពហុសេនស័រ (Multi-sensor data fusion) កំពុងក្លាយជាស្តង់ដារសកលដែលមិនអាចខ្វះបាន ដើម្បីធានាសុវត្ថិភាព ភាពរឹងមាំ និងភាពសុក្រឹតខ្ពស់សម្រាប់ការកំណត់ទីតាំង និងការរកឃើញឧបសគ្គ។
| ការរកឃើញ (Finding) | ព័ត៌មានលម្អិត (Detail) | ភស្តុតាង (Evidence) |
|---|---|---|
| បច្ចេកវិទ្យាកំណត់ទីតាំងប្រកបដោយភាពសុក្រឹត (Precise Localization Technologies) | ការកំណត់ទីតាំងរបស់យានយន្តស្វ័យប្រវត្តិពឹងផ្អែកយ៉ាងខ្លាំងលើការរួមបញ្ចូលគ្នានៃប្រព័ន្ធផ្កាយរណបកម្រិតខ្ពស់ (RTK-GPS/DGPS) ជាមួយនឹងប្រព័ន្ធវាស់ស្ទង់ចលនាពីខាងក្នុង (Inertial Navigation Systems - INS/IMU) និង Odometry ដើម្បីដោះស្រាយបញ្ហានៅពេលបាត់បង់សញ្ញា GPS (ដូចជានៅតំបន់មានអគារខ្ពស់ៗ ឬរូងក្រោមដី)។ | យោងតាមរបាយការណ៍ ប្រព័ន្ធ DGPS និង RTK-GPS ដែលធ្វើការជាមួយ IMU អាចផ្តល់នូវភាពសុក្រឹតនៃការកំណត់ទីតាំងកម្រិតសង់ទីម៉ែត្រ (Centimetre-level accuracy ទំហំក្រោម ៥សង់ទីម៉ែត្រ) សម្រាប់ការងារកសិកម្ម និងយានយន្ត។ |
| សារៈសំខាន់នៃការបញ្ចូលទិន្នន័យពហុសេនស័រ (Multi-sensor Data Fusion) | គ្មានសេនស័រណាមួយមានលក្ខណៈល្អឥតខ្ចោះគ្រប់កាលៈទេសៈនោះទេ។ ហេតុនេះ ប្រព័ន្ធស្វ័យប្រវត្តិត្រូវប្រើប្រាស់បច្ចេកវិទ្យាបញ្ជូលទិន្នន័យពីសេនស័រជាច្រើន (ដូចជា កាមេរ៉ា, RADAR, LiDAR, SONAR) ក្នុងពេលតែមួយ ដើម្បីទាញយកអត្ថប្រយោជន៍បំពេញបន្ថែមឲ្យគ្នា (Complementarity) និងបង្កើតប្រព័ន្ធបម្រុងទុក (Redundancy) នៅពេលមានការបរាជ័យ។ | LiDAR ងាយរងឥទ្ធិពលពីភ្លៀងនិងអ័ព្ទ ប៉ុន្តែ RADAR មិនរងឥទ្ធិពលទេ ខណៈកាមេរ៉ាផ្តល់រូបភាពច្បាស់តែមានកម្រិតពេលយប់។ ការរួមបញ្ចូលគ្នានេះជួយឲ្យប្រព័ន្ធអាចកំណត់និងវាយតម្លៃឧបសគ្គបានត្រឹមត្រូវ ១០០% ក្នងគ្រប់ស្ថានភាព។ |
| បច្ចេកវិទ្យារកឃើញឧបសគ្គ និងការយល់ដឹងពីបរិស្ថាន (Obstacle Detection & Perception) | បច្ចេកវិទ្យារកឃើញឧបសគ្គចែកចេញជាប្រភេទសកម្ម (Active sensors ដូចជា LiDAR និង RADAR ដែលបញ្ចេញរលកសញ្ញា) និងប្រភេទអកម្ម (Passive sensors ដូចជាកាមេរ៉ា Vision sensors)។ ប្រព័ន្ធទាំងនេះប្រើប្រាស់ AI និងក្បួនដោះស្រាយរូបភាព (Image processing) ដើម្បីចំណាត់ថ្នាក់វត្ថុ (ឧទាហរណ៍៖ មនុស្ស យានយន្ត ឬផ្លាកសញ្ញា)។ | RADAR ទាក់ទាញសម្រាប់ការស្វែងរកគោលដៅចម្ងាយឆ្ងាយ (លើសពី ២០០ម៉ែត្រ) និងការប្រើប្រាស់បច្ចេកវិទ្យា 3D SLAM ដោយផ្អែកលើ LiDAR ជួយបង្កើតផែនទី 3D នៃបរិស្ថានជុំវិញបានយ៉ាងជាក់លាក់។ |
| សក្តានុពលនៃការផ្ទេរបច្ចេកវិទ្យាមកកាន់វិស័យផ្លូវដែក (Technology Transfer to Railways) | វិស័យផ្លូវដែកបច្ចុប្បន្នមានប្រព័ន្ធបញ្ជាស្វ័យប្រវត្តិ (ATO) និងប្រព័ន្ធការពារ (ATP) ដែលដំណើរការស្រាប់ ប៉ុន្តែនៅមានកម្រិតនៅឡើយសម្រាប់ផ្លូវដែកធំៗ (Main lines)។ បច្ចេកវិទ្យាស្វ័យប្រវត្តិពីវិស័យយានយន្តអាចត្រូវបានយកមកបំពាក់លើរថភ្លើង ដើម្បីបង្កើនសមត្ថភាពស្វែងរកឧបសគ្គនៅលើផ្លូវដែក។ | ប្រព័ន្ធ CBTC (Communication Based Train Control) អនុញ្ញាតឲ្យរថភ្លើងដំណើរការក្នុងកម្រិតស្វ័យប្រវត្តិកម្មអតិបរមា GoA4 (Unattended Train Operation) ដោយមិនត្រូវការអ្នកបើកបរឡើយ ដោយប្រើប្រាស់ការទំនាក់ទំនងឥតខ្សែ និងសេនស័រវាស់ស្ទង់ចម្ងាយយ៉ាងសុក្រឹត។ |
ផ្អែកលើការវិភាគស្ថានភាពបច្ចេកវិទ្យា របាយការណ៍នេះផ្តល់នូវអនុសាសន៍សំខាន់ៗដើម្បីជំរុញការអភិវឌ្ឍប្រព័ន្ធស្វ័យប្រវត្តិប្រកបដោយសុវត្ថិភាព និងប្រសិទ្ធភាព៖
| គោលដៅ (Target) | សកម្មភាព (Action) | អាទិភាព (Priority) |
|---|---|---|
| ក្រសួងសាធារណការ និងដឹកជញ្ជូន (MPWT) និង ក្រុមហ៊ុនផ្លូវដែក (Royal Railway) | គួរសិក្សាលទ្ធភាពនៃការធ្វើទំនើបកម្មប្រព័ន្ធសញ្ញាផ្លូវដែក ដោយធ្វើសមាហរណកម្មប្រព័ន្ធពហុសេនស័រ (LiDAR, Cameras) និងកម្រិតស្វ័យប្រវត្តិកម្ម ATO/ATP ដើម្បីត្រៀមរៀបចំប្រព័ន្ធរថភ្លើងល្បឿនលឿន និងបង្កើនសុវត្ថិភាពនៅតាមចំណុចប្រសព្វ។ | ខ្ពស់ (High) |
| វិស័យឯកជន (Private Sector) និង ក្រុមហ៊ុនកសិ-ឧស្សាហកម្ម | ចាប់ផ្តើមវិនិយោគ និងសាកល្បងប្រើប្រាស់ត្រាក់ទ័រស្វ័យប្រវត្តិ និងដ្រូនកសិកម្ម (Agricultural Drones/UGVs) ដែលបំពាក់បច្ចេកវិទ្យា RTK-GPS សម្រាប់បង្កើនទិន្នផល កាត់បន្ថយចំណាយកម្លាំងពលកម្ម និងកាត់បន្ថយការប្រឈមនឹងសារធាតុគីមី។ | មធ្យម (Medium) |
| អាជ្ញាធរអាកាសចរណ៍ស៊ីវិល (SSCA) និង អ្នកតាក់តែងគោលនយោបាយ | ត្រូវបង្កើតក្របខណ្ឌច្បាប់ និងស្តង់ដារសុវត្ថិភាពច្បាស់លាស់ស្តីពីការប្រើប្រាស់ដ្រូនយន្ត (UAVs) សម្រាប់ការងារពាណិជ្ជកម្ម ដោយតម្រូវឲ្យមានប្រព័ន្ធស្វែងរកនិងបញ្ចៀសការប៉ះទង្គិច (Sense And Avoid - SAA) ស្របតាមស្តង់ដារអន្តរជាតិ។ | ខ្ពស់ (High) |
| សាកលវិទ្យាល័យ និង ស្ថាប័នស្រាវជ្រាវ (Universities & Research Institutions) | ត្រូវបញ្ចូលមុខវិជ្ជាវិទ្យាសាស្ត្រទិន្នន័យសេនស័រ (Sensor Fusion), កុំព្យូទ័រចក្ខុ (Computer Vision) និងបញ្ញាសិប្បនិម្មិត (AI in Robotics) ទៅក្នុងកម្មវិធីសិក្សាវិស្វកម្ម ដើម្បីរៀបចំធនធានមនុស្សឲ្យស្របនឹងតម្រូវការបច្ចេកវិទ្យានាពេលអនាគត។ | មធ្យម (Medium) |
ទោះបីជាប្រទេសកម្ពុជាមិនទាន់មានឧស្សាហកម្មផលិតយានយន្តស្វ័យប្រវត្តិក៏ដោយ ការយល់ដឹងពីបច្ចេកវិទ្យា Sensor Fusion និងប្រព័ន្ធកំណត់ទីតាំងឆ្លាតវៃ (C-ITS) គឺជាមូលដ្ឋានគ្រឹះដ៏សំខាន់សម្រាប់ការធ្វើទំនើបកម្មហេដ្ឋារចនាសម្ព័ន្ធទីក្រុងឆ្លាតវៃ (Smart Cities), វិស័យកសិកម្មឆ្លាតវៃ (Smart Agriculture) និងការស្តារប្រព័ន្ធផ្លូវដែកនៅកម្ពុជាឲ្យស្របតាមស្តង់ដារអន្តរជាតិ។
ការរៀបចំខ្លួនឲ្យបានលឿនតាមរយៈការតាក់តែងគោលនយោបាយ និងការបណ្តុះបណ្តាលធនធានមនុស្សលើបច្ចេកវិទ្យា Multi-sensor នឹងជួយកម្ពុជាផ្លាស់ប្តូរមុខមាត់ឧស្សាហកម្មរបស់ខ្លួន កាត់បន្ថយគ្រោះថ្នាក់ និងពន្លឿនកំណើនសេដ្ឋកិច្ចឌីជីថល (Digital Economy) ប្រកបដោយនិរន្តរភាព។
ដើម្បីអនុវត្តតាមអនុសាសន៍នៃរបាយការណ៍នេះ គួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Multi-sensors data fusion | ដំណើរការនៃការបញ្ចូលទិន្នន័យពីសេនស័រច្រើនប្រភេទខុសៗគ្នា (ដូចជា កាមេរ៉ា, LiDAR, RADAR និង GPS) បញ្ចូលគ្នាដើម្បីទទួលបានព័ត៌មានដែលសុក្រឹត អាចទុកចិត្តបាន និងបំពេញចំណុចខ្វះខាតឱ្យគ្នាទៅវិញទៅមកសម្រាប់ការបញ្ជាយានយន្តស្វ័យប្រវត្តិ។ | ដូចជាមនុស្សដែលប្រើទាំងភ្នែក (មើលរូបភាព) និងត្រចៀក (ស្តាប់សំឡេង) ក្នុងពេលតែមួយដើម្បីដឹងពីបរិស្ថានជុំវិញបានច្បាស់ជាងការប្រើប្រាស់សរីរាង្គតែមួយ។ |
| Simultaneous Localization And Mapping (SLAM) | បច្ចេកទេសដែលអនុញ្ញាតឱ្យយានយន្តស្វ័យប្រវត្តិអាចបង្កើតផែនទីនៃបរិស្ថានជុំវិញដែលវាមិនធ្លាប់ស្គាល់ ស្របពេលដំណាលគ្នាដែលវាកំពុងកំណត់ទីតាំងរបស់វាផ្ទាល់នៅក្នុងផែនទីនោះ (ជាញឹកញាប់ប្រើពេលគ្មានសញ្ញា GPS)។ | ដូចជាការដើរចូលក្នុងបន្ទប់ងងឹតដែលយើងមិនធ្លាប់ស្គាល់ ហើយយើងយកដៃស្ទាបជញ្ជាំងដើម្បីគូសប្លង់បន្ទប់ក្នុងខួរក្បាល បណ្តើរ និងដឹងថាយើងកំពុងឈរនៅត្រង់ណាបណ្តើរ។ |
| Dead Reckoning | វិធីសាស្ត្រគណនាទីតាំងបច្ចុប្បន្នរបស់យានយន្តដោយផ្អែកលើទីតាំងចុងក្រោយដែលវាបានដឹង បូករួមជាមួយនឹងការវាស់ស្ទង់ចលនា (ល្បឿន ទិសដៅ និងពេលវេលា) ដោយមិនពឹងផ្អែកលើប្រព័ន្ធសញ្ញាពីខាងក្រៅដូចជា GPS ឡើយ។ | ដូចជាពេលបិទភ្នែកដើរទៅមុខ ប្រសិនបើអ្នកដឹងថាអ្នកចាប់ផ្តើមពីចំណុចណា ហើយអ្នកឈានជើងប៉ុន្មានជំហានក្នុងទិសដៅណា អ្នកអាចស្មានដឹងថាអ្នកកំពុងនៅទីណា។ |
| RTK-GPS | ប្រព័ន្ធកំណត់ទីតាំងតាមប្រព័ន្ធផ្កាយរណប (Real-Time Kinematic GPS) ដែលប្រើប្រាស់ស្ថានីយ៍មូលដ្ឋានជាឯកសារយោងដើម្បីកែតម្រូវសញ្ញា GPS ធ្វើឱ្យការកំណត់ទីតាំងមានភាពសុក្រឹតខ្ពស់រហូតដល់កម្រិតសង់ទីម៉ែត្រ។ | ដូចជាការប្រើប្រាស់ម៉ែត្រវាស់ប្រវែងដែលមានភាពច្បាស់លាស់កម្រិតសង់ទីម៉ែត្រ ជាជាងការគ្រាន់តែប្រើប្រាស់ជំហានជើងដើម្បីប៉ាន់ស្មានប្រវែងរវាងចំណុចពីរ។ |
| LiDAR | ឧបករណ៍សេនស័រសកម្ម (Light Detection And Ranging) ដែលបាញ់ពន្លឺឡាស៊ែររាប់លានដងទៅកាន់បរិស្ថានជុំវិញ រួចវាស់ពេលវេលាដែលពន្លឺនោះផ្លាតត្រឡប់មកវិញ ដើម្បីបង្កើតជាទិន្នន័យផែនទី 3D លម្អិតពីវត្ថុនិងឧបសគ្គនានា។ | ដូចជាសត្វប្រចៀវបញ្ចេញសំឡេងដើម្បីវាស់ចម្ងាយពីឧបសគ្គនៅពេលយប់ តែបច្ចេកវិទ្យានេះប្រើពន្លឺឡាស៊ែរដែលភ្នែកមនុស្សមើលមិនឃើញជំនួសវិញ។ |
| Automatic Train Operation (ATO) | ប្រព័ន្ធប្រតិបត្តិការរថភ្លើងដោយស្វ័យប្រវត្តិដែលគ្រប់គ្រងការបង្កើនល្បឿន ការបន្ថយល្បឿន និងការឈប់នៅចំណតដោយមិនត្រូវការការបញ្ជាដោយផ្ទាល់ពីអ្នកបើកបរ ដើម្បីធានាសុវត្ថិភាពនិងភាពទៀងទាត់នៃការធ្វើដំណើរ។ | ដូចជាប្រព័ន្ធបើកបរស្វ័យប្រវត្តិ (Auto-pilot) នៅលើយន្តហោះ ដែលកុំព្យូទ័រជាអ្នកគ្រប់គ្រងដំណើរការហោះហើរដោយផ្ទាល់។ |
| Odometry | ការប្រើប្រាស់ទិន្នន័យពីសេនស័រដែលភ្ជាប់នឹងកង់ ឬប្រព័ន្ធវាស់ស្ទង់រូបភាព (Visual Odometry) ដើម្បីប៉ាន់ស្មានចម្ងាយ និងការផ្លាស់ប្តូរទីតាំងរបស់យានយន្តតាមពេលវេលាជាក់ស្តែង។ | ដូចជាការរាប់ចំនួនជុំនៃកង់កង់វិល ដើម្បីគណនាថាអ្នកជិះកង់បានចម្ងាយប៉ុន្មានម៉ែត្រពីកន្លែងដើម។ |
| Communication Based Train Control (CBTC) | ប្រព័ន្ធគ្រប់គ្រងរថភ្លើងទំនើបដែលប្រើប្រាស់ការទំនាក់ទំនងទិន្នន័យឥតខ្សែពីរថភ្លើងទៅហេដ្ឋារចនាសម្ព័ន្ធ ដើម្បីកំណត់ទីតាំងយ៉ាងច្បាស់លាស់ និងរក្សាចម្ងាយសុវត្ថិភាពរវាងរថភ្លើងនីមួយៗ (Moving Block) ដោយស្វ័យប្រវត្តិ។ | ដូចជាការប្រើប្រាស់អាយកូមទាក់ទងគ្នាពីចម្ងាយពេលកំពុងបើកឡានដេញគ្នា ដើម្បីកុំឱ្យបុកគូទគ្នា ប៉ុន្តែប្រព័ន្ធនេះធ្វើឡើងដោយស្វ័យប្រវត្តិនិងលឿនបំផុតរវាងរថភ្លើងនិងមជ្ឈមណ្ឌលបញ្ជា។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
