การพัฒนาระบบแจ้งเตือนภัยน้ำท่วมต้นทุนต่ำโดยใช้เทคโนโลยี IoT และเครือข่าย LoRaWAN กรณีศึกษาหมู่บ้านธารปราสาท
คำสำคัญ:
อินเตอร์เน็ตของสรรพสิ่ง, ระบบแจ้งเตือนน้ำท่วม, ระบบแจ้งเตือนบทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาระบบแจ้งเตือนภัยน้ำท่วมแบบเรียลไทม์ โดยใช้เทคโนโลยี IoT และเครือข่าย LoRa WAN เพื่อใช้งานในพื้นที่ชนบทที่ประสบปัญหาน้ำท่วมซ้ำซาก ระบบที่พัฒนาประกอบด้วยเซ็นเซอร์วัดระดับน้ำแบบอัลตราโซนิกจำนวน 3 ตัวและเซ็นเซอร์วัดปริมาณน้ำฝน เชื่อมต่อกับไมโครคอนโทรลเลอร์ที่ส่งข้อมูลผ่านเครือข่าย LoRaWAN ไปยังเกตเวย์ Raspberry Pi เพื่อบันทึกลงฐานข้อมูลบนคลาวด์ (Google Sheets) และแสดงผลผ่านแดชบอร์ดแบบเรียลไทม์บน Looker Studio ระบบใช้พลังงานจากแผงโซลาร์เซลล์ร่วมกับแบตเตอรี่ ทำให้สามารถทำงานต่อเนื่องได้แม้ไฟฟ้าดับ และมีการแจ้งเตือนผ่าน LINE Application โดยอัตโนมัติ เมื่อระดับน้ำเกินเกณฑ์ที่กำหนด เพื่อเตือนโรงเรียนและชุมชนให้เตรียมรับมือภัยน้ำท่วมล่วงหน้า โดยจัดทำเป็นชิ้นงาน ต้นแบบ (Prototype) เผื่อเก็บผลการทดลองเป็นจำนวนระยะเวลาแบบสุ่ม 20 วัน ที่แสดงให้เห็นว่า ระบบสามารถตรวจวัดระดับน้ำและปริมาณฝนได้อย่างต่อเนื่องและแม่นยำโดยมีความคลาดเคลื่อนเฉลี่ย 7% มีค่าเบี่ยงเบนมาตรฐานจากการเก็บข้อมูลเป็นจำนวน 20 วัน ได้อยู่ที่ 39.71 ข้อมูลถูกส่งแบบเรียลไทม์และการแจ้งเตือนภัยทำได้อย่างทันท่วงที ส่งผลให้โรงเรียนและชุมชนได้รับข้อมูลเพื่อป้องกันความเสียหายจากน้ำท่วมได้รวดเร็วขึ้น ระบบที่พัฒนาขึ้นมีต้นทุนต่ำ ใช้พลังงานต่ำ และมีความน่าเชื่อถือในการสื่อสารระยะไกล อีกทั้งดูแลรักษาง่ายและรองรับการใช้งานในพื้นที่ห่างไกลที่โครงสร้างพื้นฐานการสื่อสารจำกัดได้เป็นอย่างดี ช่วยลดผลกระทบจากน้ำท่วมและเพิ่มประสิทธิภาพในการบริหารจัดการทรัพยากรน้ำและการรับมือภัยพิบัติในพื้นที่ศึกษาอย่างมีนัยสำคัญ
เอกสารอ้างอิง
Adu-Manu, K., Tapparello, C., & Heinzelman, W. (2017). Wireless sensor networks for flood monitoring: A systematic review. Sensors, 17(11), 2541. https://doi.org/10.3390/s17112541
Arridha, R., Sukaridhoto, S., & Rizal, S. (2020). Real-time potable water quality monitoring using machine learning models. 2020 International Electronics Symposium (IES) (pp. 234-240). IEEE.
Allahbakhshian-Farsani, P., Vafakhah, M., & Khosravi-Farsani, H. (2020). Regional flood frequency analysis through some machine learning models in semi-arid regions. Water Resources Management, 34, 2887–2909. https://doi.org/10.1007/s11269-020-02589-2
Boonmee, S. (2018). IoT security. EAU Heritage Journal Science and Technology, 12(1), 59–67. Retrieved from https://he01.tci-thaijo.org/index.php/EAUHJSci/article/view/114401 (in Thai)
Kaur, M., Kaur, P. D., & Sood, S. K. (2021). Energy efficient IoT-based cloud framework for early flood prediction. Natural Hazards, 109, 2053-2076. https://doi.org/10.1007/s11069-021-04910-7
Padmavathi, B. (2024). LoRa-Powered water management system for real time monitoring and control in gated communities. In 2024 3rd International Conference on Automation, Computing and Renewable Systems (ICACRS) (pp. 114-122). IEEE
Perera, S., Silva, R., & Fernando, N. (2020). Intelligent flood warning system using IoT technology. Proceedings of the International Conference on Smart Technologies (pp. 45-52). IEEE
Onboonuea, T., & Tinapron, S. (2023). Study of the Performance and Design of Dust Sensors. EAU Heritage Journal Science and Technology, 17(3), 26–37. Retrieved from https://he01.tci-thaijo.org/index.php/EAUHJSci/article/view/265947
Pires, L. M., & Gomes, J. (2024). River Water Quality Monitoring Using LoRa-Based IoT. Designs, 8(6), 127. https://doi.org/10.3390/designs8060127
Rani, D. S., Jayalakshmi, G. N., & Baligar, V. P. (2020). Low Cost IoT based Flood Monitoring System Using Machine Learning and Neural Networks: Flood Alerting and Rainfall Prediction. 2020 2nd International Conference on Innovative Mechanisms for Industry Applications (ICIMIA) (pp. 261-267). Bangalore, India: IEEE.
Sandhya, E., Sk, K. S., Mantena, S. V., Desanamukula, V. S., Koteswararao, C., Vemula, S. R., & Vemula, M. (2025). Enhancing security and efficiency in Mobile Ad Hoc Networks using a hybrid deep learning model for flooding attack detection. Scientific Reports, 15(1), 818. https://doi.org/10.1038/s41598-024-84421-0
Sendra, S., Parra-Boronat, L., Jimenez, J. M., García-García, L., & Lloret, J. (2023). LoRa-based network for water quality monitoring in coastal areas. Mobile Networks and Applications (Online), 28(1), 65-81. https://doi.org/10.1007/s11036-022-01994-8
Thumkanon, C., Asavasaksakul, S., Pokudom, N., & Pokudom, K. (2017). Cloud computing: Infrastructure for the Internet of Things. EAU Heritage Journal Science and Technology, 11(1), 30–37. Retrieved from https://he01.tci-thaijo.org/index.php/EAUHJSci/article/view/84518
Syamsi, A., Budi, S., Sari, R., & Prasetyo, A. (2024). Water level monitoring for flood early mitigation based on Internet of Things (IoT). ResearchGate. https://doi.org/10.51967/tepian.v5i2.2504
World Meteorological Organization (WMO). (2008). Guide to meteorological instruments and methods of observation (WMO-No.8). Geneva: World Meteorological Organization
