Fig. 13a shows a histogram of group

Fig. 13a shows a histogram of group-specific travel times according to pedestrian tracking data and as computed by Ped-
CTM. As defined previously, a pedestrian group comprises all pedestrians that embark on the same route within the same
departure time interval. The bin size corresponds to the simulation time step, i.e., to Dt ¼ L=vf ¼ 2:22 s. PedCTM slightly
overestimates the frequency of travel times beyond 70 s, and underestimates the occurrence of short travel times below 20 s.
To allow for a comparison with the social force model, Fig. 13b provides a similar comparison of route-specific travel
times with a temporal aggregation of 60 s. The resulting mean values are shown in a histogram with a bin size of 5 s. As seen
previously, PedCTM overestimates the occurrence of long travel times, but otherwise shows a reasonable agreement with
trajectory data. The social force model seems to overestimate small travel times and to underestimate the most frequently
observed travel times in the range between 35 and 55 s. Overall, the agreement between PedCTM and trajectory data is better
than for SFM if the squared error is considered (114.4 vs. 181.6).
Fig. 14 shows the residuals of group-specific travel times computed using PedCTM compared to tracking data. The distribution
of the absolute and the relative error is provided in Fig. 14a and b, respectively. In a first approximation, the histograms
resemble a normal distribution with zero mean. From Fig. 14a, it can be seen that the predicted travel times deviate
less than 10 s from the observed walking times for two thirds of the pedestrian groups. For less than 10% of all groups, the
deviation is larger than 20 s. In relative terms, 50% of the estimates deviate less than 13% from observed values, and for more
than 80% of all groups the relative error is smaller than 33%. Also, it can be seen from the absolute residuals that there are a
few particularly long walking times which cannot be reproduced by PedCTM at all.
Another way of illustrating the performance of PedCTM in predicting travel times is by means of a scatter plot.
Fig. 15a shows observed versus predicted travel times in PU West, again aggregated by routes and 60 s-intervals. At first
sight, the predictive power may seem low. However, a large majority of the travel time-pairs come to lie reasonably
close to the 45 best-fit line (dashed curve in Fig. 15a). Specifically, for 74% of all observations, the relative error
amounts to less than 25%. For around 15% of all observations, PedCTM underestimates the walking time by more than
25% (see observations in the lower right half of Fig. 15a, or the left tail of the distribution in Fig. 14a). A reason for this
discrepancy might be non-walking behavior of pedestrians, such as purchasing a ticket or checking the train timetable.
These activities are not considered by the pedestrian walking model. Similarly, PedCTM fails at predicting very short
travel times corresponding to average velocities that are higher than the free-flow speed (right tail in Fig. 14a and
b). Both shortcomings are due to the assumption of a deterministic fundamental diagram, which associates with each
density exactly one speed. We believe that these limitations could be overcome by incorporating a stochastic fundamental
diagram (Nikolic´ et al., 2014) as well as by means of a multi-class framework (Cooper, 2014).
Showing a mixture of routes with different lengths, it could be argued that Fig. 15a should not be used to assess the ability
of the model to predict traffic-dependent variations in travel times. If only a single route is considered, then this dependency
is explored more readily. This may be done at the example of the Dutch bottleneck experiment, which shows a particularly
high level of demand–supply interaction. Fig. 15b shows the corresponding travel time scatter plot, where a temporal aggregation
of Dt ¼ L=vf ¼ 0:57 s is used (aggregation by pedestrian groups). Data points used for calibration and validation are
shown separately. A variation in travel time by a factor of 5, from 5 s to 25 s, is discernible. Since there is only a single route,
this variation is solely a consequence of changing traffic conditions. For a large majority of data points, PedCTM is capable of

ผลลัพธ์ (ไทย) 1:

ฮิสโตแกรมของเวลาการเดินทางเฉพาะกลุ่ม ตามข้อมูลเชิญติดตาม และคำนวณโดย Ped - แสดง fig. 13aCTM ตามที่กำหนดไว้ก่อนหน้านี้ กลุ่มคนเดินเท้าประกอบด้วยโชคดีทั้งหมดที่เริ่มดำเนินการในกระบวนการเดียวกันในเดียวกันช่วงเวลาเดินทาง ขนาดช่องสอดคล้องกับขั้นตอนการจำลองเวลา เช่น การ Dt ¼ L = vf ¼ 2:22 s. PedCTM เล็กน้อยความถี่ของเวลาเดินทางเกิน 70 s และ underestimates การเกิดสั้นเดินทางต่ำกว่า 20 ครั้ง overestimates sเพื่อให้เปรียบเทียบกับแบบบังคับทางสังคม Fig. 13b แสดงการเปรียบเทียบเหมือนการเดินทางเส้นทางเฉพาะครั้งกับรวมขมับ 60 s ค่าเฉลี่ยผลลัพธ์จะแสดงอยู่ในฮิสโตแกรมขนาดช่องเก็บของ 5 s เท่าที่เห็นก่อนหน้านี้ PedCTM overestimates เกิดเวลาเดิน แต่มิฉะนั้น แสดงข้อตกลงที่เหมาะสมกับข้อมูลวิถี แบบบังคับทางสังคมที่ดูเหมือน จะ overestimate เวลาเดินทางเล็ก และประมาทบ่อยที่สุดs ได้เวลาเดินทางสังเกตในช่วงระหว่าง 35 และ 55 โดยรวม ข้อตกลงระหว่างข้อมูล PedCTM และวิถีลูกจะดีกว่ากว่าสำหรับ SFM ถ้าข้อผิดพลาดกำลังสองกำลัง (114.4 เทียบกับ 181.6)Fig. 14 แสดงค่าคงเหลือคำนวณโดยใช้ PedCTM เมื่อเทียบกับการติดตามข้อมูลเวลาเดินทางเฉพาะกลุ่ม การกระจายข้อผิดพลาดสัมพัทธ์และสัมบูรณ์มีให้ใน Fig. 14a และ b ตามลำดับ ในประมาณแรก ฮิสโตแกรมมีลักษณะการแจกแจงปกติ ด้วยค่าเฉลี่ยเป็นศูนย์ จาก Fig. ที่ 14a ดังจะเห็นได้ว่า เวลาเดินทางคาดการณ์ผิดเพี้ยนน้อยกว่า 10 s จากการเดินสังเกตเวลาสำหรับสองในสามของกลุ่มคนเดินเท้า น้อยกว่า 10% ของกลุ่มทั้งหมด การความแตกต่างที่มีขนาดใหญ่กว่า 20 s ในแง่ของญาติ 50% ของการประเมินเบี่ยงเบนน้อยกว่า 13% จากค่าสังเกต และอื่น ๆกว่า 80% ของกลุ่มทั้งหมด ผิดพลาดสัมพัทธ์มีขนาดเล็กกว่า 33% ยัง ดังจะเห็นได้จากค่าคงเหลือสมบูรณ์ที่มีการน้อยโดยเฉพาะอย่างยิ่งจึงเดินครั้งซึ่งไม่สามารถจะทำซ้ำ โดย PedCTM ทั้งหมดเป็นอีกวิธีหนึ่งของการแสดงประสิทธิภาพของ PedCTM ในการทำนายเวลาการเดินทางโดยใช้แผนการกระจายFig. 15a แสดงสังเกตเทียบกับสหรัฐคาดการณ์เวลาใน PU รวมอีก ตามเส้นทางและช่วง s 60 ในตอนแรกเห็น พลังงานอาจดูเหมือนต่ำ อย่างไรก็ตาม ใหญ่คู่เวลาของการเดินทางมานอนพักผ่อนใกล้เส้น best-fit 45 (เส้นประใน Fig. 15a) สำหรับ 74% ของการสังเกต ข้อผิดพลาดสัมพัทธ์โดยเฉพาะจำนวนน้อยกว่า 25% ประมาณ 15% ของทั้งหมดสังเกต PedCTM underestimates เวลาเดินโดยมากกว่า25% (ดูข้อสังเกตุในครึ่งด้านขวาล่างของ Fig. 15a หางด้านซ้ายของการแจกแจงใน Fig. 14a) เหตุผลสำหรับการนี้ความขัดแย้งอาจจะเดินไม่ใช่พฤติกรรมของชิด เช่นซื้อตั๋ว หรือตรวจสอบตารางเวลารถไฟได้กิจกรรมเหล่านี้เป็นแบบเดินคนเดินเท้า ในทำนองเดียวกัน PedCTM ล้มเหลวในการคาดการณ์ที่สั้นมากในเวลาที่สอดคล้องกับตะกอนเฉลี่ยที่สูงกว่าความเร็วของกระแสฟรี (หางขวาใน Fig. 14a และขการแสดงทั้งสองจะจากสมมติฐานของ deterministic พื้นฐานไดอะแกรม ซึ่งเชื่อมโยงกับแต่ละความหนาแน่นความเร็วหนึ่ง เราเชื่อว่า สามารถเอาชนะข้อจำกัดเหล่านี้ โดยเว็บพื้นฐานแบบเฟ้นสุ่มไดอะแกรม (Nikolic´ et al., 2014) เป็นความหมายของกรอบหลายชั้น (คูเปอร์ 2014) และโดยแสดงส่วนผสมของเส้นมีความยาวแตกต่างกัน มันอาจจะโต้เถียงว่า การ Fig. 15a ไม่ควรใช้ในการประเมินความสามารถในแบบจำลองเพื่อทำนายการเปลี่ยนแปลงขึ้นอยู่กับการจราจรในเวลาเดินทาง ถ้ามีเพียงเส้นทางเดียวถือ แล้วซึ่งเป็นอุดมมากขึ้น นี้อาจทำที่ตัวอย่างของดัตช์ขวดทดลอง ซึ่งแสดงแบบโดยเฉพาะอย่างยิ่งระดับสูงของอุปสงค์ – อุปทานโต้ตอบ Fig. 15b รวมชั่วคราวเกี่ยวข้องในเวลากระจายพล็อต แสดงของ Dt ¼ L = vf ¼ 0:57 s จะใช้ (รวมกลุ่มคนเดินเท้า) จุดข้อมูลที่ใช้สำหรับปรับเทียบ และตรวจสอบแสดงแยกต่างหาก เปลี่ยนแปลงในตัวเวลาเดินทาง 5 จาก 5 s กับ 25 s เป็น discernible เนื่องจากมีเพียงหนึ่งกระบวนการผลิตการเปลี่ยนแปลงนี้เป็นแต่เพียงผู้เดียวเป็นผลมาจากการเปลี่ยนแปลงสภาพการจราจร มีความสามารถในการเป็นใหญ่ของจุดข้อมูล PedCTM

ผลลัพธ์ (ไทย) 2:

มะเดื่อ. 13a แสดงกราฟของการเดินทางครั้งเฉพาะกลุ่มตามข้อมูลการติดตามคนเดินเท้าและคำนวณโดย Ped-
ขำ
ตามที่กำหนดไว้ก่อนหน้านี้กลุ่มคนเดินเท้าเดินเท้าประกอบด้วยทุกสิ่งที่เริ่มดำเนินการในเส้นทางเดียวกันภายในเดียวกันช่วงเวลาออกเดินทาง ขนาดถังสอดคล้องกับขั้นตอนเวลาจำลองคือการ Dt ¼ L = VF ¼ 02:22 s PedCTM เล็กน้อย
overestimates ความถี่ของการเดินทางครั้งเกินกว่า 70 วินาทีและดูถูกการเกิดขึ้นของการเดินทางครั้งสั้นต่ำกว่า 20 วินาที.
เพื่ออนุญาตให้มีการเปรียบเทียบกับรูปแบบการบังคับทางสังคมรูป 13b
มีการเปรียบเทียบที่คล้ายกันในการเดินทางเฉพาะเส้นทางครั้งที่มีการรวมตัวชั่วคราวของ60 s ส่งผลให้ค่าเฉลี่ยที่แสดงในกราฟที่มีขนาดถัง 5 s เท่าที่เห็นก่อนหน้านี้ PedCTM overestimates การเกิดขึ้นของการเดินทางครั้งนาน แต่อย่างอื่นแสดงให้เห็นถึงข้อตกลงที่เหมาะสมกับข้อมูลวิถี รูปแบบการบังคับทางสังคมดูเหมือนจะประเมินเวลาในการเดินทางขนาดเล็กและจะประมาทบ่อยสังเกตเวลาในการเดินทางในช่วงระหว่าง 35 และ 55 s โดยรวม, ข้อตกลงระหว่าง PedCTM และข้อมูลเส้นทางการเคลื่อนที่จะดีกว่าSFM ถ้าข้อผิดพลาดกำลังสองคือการพิจารณา (114.4 เทียบกับ 181.6). รูป 14 แสดงให้เห็นว่าเหลือของการเดินทางครั้งเฉพาะกลุ่มคำนวณโดยใช้ PedCTM เมื่อเทียบกับการติดตามข้อมูล การกระจายของแน่นอนและความผิดพลาดที่มีให้ในรูป 14a และ B ตามลำดับ ในครั้งแรกประมาณ histograms มีลักษณะคล้ายกับการกระจายปกติกับศูนย์เฉลี่ย จากรูป 14a ก็สามารถจะเห็นได้ว่าการเดินทางครั้งคาดการณ์เบี่ยงเบนน้อยกว่า10 วินาทีจากเวลาเดินสังเกตสองในสามของกลุ่มคนเดินเท้า สำหรับน้อยกว่า 10% ของทุกกลุ่มที่เบี่ยงเบนมีขนาดใหญ่กว่า20 s ในแง่ญาติ 50% ของประมาณการที่เบี่ยงเบนน้อยกว่า 13% จากค่าสังเกตและอื่น ๆกว่า 80% ของทุกกลุ่มความผิดพลาดมีขนาดเล็กกว่า 33% นอกจากนี้ก็จะเห็นได้จากที่เหลือแน่นอนว่ามีไม่กี่ครั้งที่เดินนานโดยเฉพาะอย่างยิ่งที่ไม่สามารถทำซ้ำโดย PedCTM at all. วิธีการแสดงการทำงานของ PedCTM ในการทำนายการเดินทางครั้งก็คือโดยวิธีการของพล็อตที่กระจาย. รูป 15a แสดงให้เห็นข้อสังเกตเมื่อเทียบกับการเดินทางครั้งคาดการณ์ไว้ใน PU ตะวันตกรวมอีกครั้งโดยเส้นทางและ 60 s-ช่วงเวลา ตอนแรกเห็นอำนาจการทำนายอาจดูเหมือนต่ำ แต่ส่วนใหญ่ของเวลาคู่ที่เดินทางมานอนที่เหมาะสมใกล้เคียงกับ 45? สายที่ดีที่สุดพอดี (เส้นโค้งเส้นประในรูป. 15a) โดยเฉพาะสำหรับ 74% ของการสังเกตทุกความผิดพลาดจะมีจำนวนน้อยกว่า25% ประมาณ 15% ของการสังเกตทั้งหมด PedCTM ดูถูกเวลาเดินโดยกว่า25% (ดูข้อสังเกตในช่วงครึ่งขวาล่างของรูป. 15a หรือหางด้านซ้ายของการจัดจำหน่ายในรูป. 14a) เหตุผลในการนี้ความแตกต่างอาจจะมีพฤติกรรมที่ไม่สามารถเดินได้จากคนเดินเท้าเช่นการซื้อตั๋วหรือการตรวจสอบตารางเวลารถไฟ. กิจกรรมเหล่านี้จะไม่ได้รับการพิจารณาจากรูปแบบการเดินเดินเท้า ในทำนองเดียวกัน PedCTM ล้มเหลวในการทำนายที่สั้นมากเวลาในการเดินทางที่สอดคล้องกับความเร็วเฉลี่ยที่สูงกว่าความเร็วการไหลของฟรี(หางที่ถูกต้องในรูป. 14a และข) ข้อบกพร่องทั้งสองเป็นเพราะข้อสันนิษฐานของแผนภาพพื้นฐานกำหนดซึ่งเชื่อมโยงกับแต่ละความหนาแน่นตรงหนึ่งความเร็ว เราเชื่อว่าข้อ จำกัด เหล่านี้สามารถเอาชนะโดยการใช้มาตรการพื้นฐานสุ่มแผนภาพ(Nikolic' et al., 2014) เช่นเดียวกับวิธีการของกรอบหลายชั้น (คูเปอร์ 2014). แสดงส่วนผสมของเส้นทางที่มีความยาวแตกต่างกัน อาจจะแย้งว่ารูป 15a ไม่ควรที่จะใช้ในการประเมินความสามารถของรูปแบบที่จะคาดการณ์การเปลี่ยนแปลงขึ้นอยู่กับการจราจรในการเดินทางครั้ง ถ้ามีเพียงเส้นทางเดียวที่ได้รับการพิจารณาแล้วพึ่งพานี้คือการสำรวจมากขึ้นอย่างรวดเร็ว นี้อาจจะทำตัวอย่างการทดลองขวดดัตช์ซึ่งแสดงให้เห็นโดยเฉพาะอย่างยิ่งในระดับสูงของการปฏิสัมพันธ์อุปสงค์อุปทาน มะเดื่อ. 15b แสดงเวลาในการเดินทางที่สอดคล้องกันพล็อตกระจายที่รวมตัวชั่วคราวของDt ¼ L = VF ¼ 00:57 s ถูกนำมาใช้ (การรวมตัวของกลุ่มคนเดินเท้า) จุดข้อมูลที่ใช้สำหรับการสอบเทียบและการตรวจสอบจะแสดงแยกต่างหาก การเปลี่ยนแปลงในเวลาในการเดินทางโดยปัจจัยที่ 5 จาก 5 s ถึง 25 s A, เป็นมองเห็นได้ เนื่องจากมีเพียงเส้นทางเดียวรูปแบบนี้ แต่เพียงผู้เดียวเป็นผลมาจากการเปลี่ยนแปลงสภาพการจราจร สำหรับส่วนใหญ่ของจุดข้อมูล PedCTM มีความสามารถใน

ผลลัพธ์ (ไทย) 3:

รูปที่ 13a แสดงความถี่ของกลุ่มที่เฉพาะเจาะจงเดินทางครั้งตามทางเดินเท้าติดตามข้อมูลและคำนวณโดยเป็ด -
CTM . ตามที่ระบุไว้ก่อนหน้านี้กลุ่มคนเดินเท้าที่ประกอบด้วยทั้งหมดเดินสู่เส้นทางเดียวกับภายในเดียวกัน
ออกเดินทาง เวลา ช่วง ถังขยะขนาดสอดคล้องกับจำลองเวลา ขั้นตอน เช่น การเปลี่ยน¼ L = VF ¼ขึ้นมา pedctm เล็กน้อย
Soverestimates ความถี่ของการเดินทางครั้งเกิน 70 s และ underestimates เกิดเวลาเดินทางสั้น ๆด้านล่าง 20 S .
จะอนุญาตให้มีการเปรียบเทียบกับพลังทางสังคมแบบรูปที่ 13 แสดงคล้ายกันเปรียบเทียบเส้นทางเฉพาะการเดินทาง
ครั้งด้วยรวมเวลา 60 วินาที ซึ่งหมายถึงค่าที่แสดงในกราฟกับถังขยะ ขนาด 5 . ดังที่เห็น
ก่อนหน้านี้pedctm overestimates เกิดเวลาเดินทางนาน แต่จะแสดงข้อตกลงที่เหมาะสมกับ
ข้อมูลเส้นทาง พลังสังคม แบบเหมือน อย่ามองข้ามเวลาเดินทางขนาดเล็กและประมาทบ่อยที่สุด
สังเกตเดินทางครั้งในช่วงระหว่าง 35 และ 55 วินาที โดยข้อตกลงระหว่าง pedctm และข้อมูลวิถีดีกว่า
กว่า sfm ถ้ายกกำลังสองข้อผิดพลาดถือว่า ( 114.4 vs 181.6 ) .
14 รูปที่แสดงให้เห็นความผิดพลาดของกลุ่มที่เฉพาะเจาะจงเดินทางครั้งคำนวณโดยใช้ pedctm เปรียบเทียบกับการติดตามข้อมูล การกระจาย
แน่นอนและความคลาดเคลื่อนสัมพัทธ์มีให้ในรูป 14A และ B ตามลำดับ ในการประมาณค่าแรก ฮิสโตแกรม
คล้ายการแจกแจงปรกติกับศูนย์หมายถึง 14A จากรูป ,จะเห็นได้ว่า คาดการณ์เวลาเดินทางเคลื่อน
น้อยกว่า 10 จากสังเกตการเดินครั้งที่สองในสามของกลุ่มคนเดินเท้า น้อยกว่า 10% ของทุกกลุ่ม มีขนาดใหญ่กว่า 20 S .
ส่วนในแง่สัมพัทธ์ 50% ของค่าเบี่ยงเบนน้อยกว่า 13 เปอร์เซ็นต์ สังเกตได้จากค่าและมาก
80% กลุ่มความผิดพลาดสัมพัทธ์ทั้งหมดมีขนาดเล็กกว่า 33% นอกจากนี้มันสามารถเห็นได้จากค่าคลาดเคลื่อนสัมบูรณ์มี
น้อยเป็นเวลานานโดยเฉพาะอย่างยิ่งการเดินครั้ง ซึ่งไม่สามารถทำซ้ำ โดย pedctm เลย .
อีกทางที่แสดงให้เห็นถึงประสิทธิภาพของ pedctm ในการทำนายเวลาเดินทางคือ โดยการกระจายแปลง ให้สังเกตเมื่อเทียบกับคาดการณ์ 15A
รูปเดินทางครั้งใน PU ทิศตะวันตก อีกรวมโดย เส้นทางและ 60 s-intervals . รักแรกพบ
,อำนาจพยากรณ์อาจดูเหมือนต่ำ อย่างไรก็ตาม ขนาดใหญ่ส่วนใหญ่ของเวลาเดินทางคู่มาโกหกสมเหตุสมผล
ใกล้ 45  เส้นพอดี ( เส้นประในรูปโค้ง 15A ) โดย 74 เปอร์เซ็นต์ของค่าความคลาดเคลื่อนสัมพัทธ์
จํานวนน้อยกว่า 25% ประมาณ 15 % ของค่า pedctm underestimates เวลาเดินมากกว่า
25% ( เห็นตัวอย่างในรูปขวาล่าง ครึ่ง15A หรือซ้ายหางของการกระจายในรูป 14A ) เหตุผลสำหรับความแตกต่างนี้
อาจจะไม่เดิน พฤติกรรมของคน เช่น การซื้อตั๋วหรือตรวจสอบตารางเวลารถไฟ .
กิจกรรมเหล่านี้จะไม่พิจารณาโดยคนเดินเท้าเดินแบบ ในทํานองเดียวกัน pedctm ล้มเหลวในการทำนายที่สั้นมาก
เวลาเดินทางที่ความเร็วเฉลี่ยที่มากกว่าความเร็วการไหลของฟรี ( ขวาในรูปหาง 14A และ
b ) ทั้งข้อบกพร่องเนื่องจากสมมติฐานพื้นฐานของ deterministic แผนภาพ ซึ่งเชื่อมโยงกับแต่ละ
ความหนาแน่นตรงหนึ่งความเร็ว เราเชื่อว่าข้อ จำกัด เหล่านี้อาจจะเอาชนะด้วยการผสมผสาน Stochastic พื้นฐาน
แผนภาพ ( nikolic ใหม่ et al . ,2014 ) เช่นเดียวกับวิธีการของกรอบหลายชั้น ( คูเปอร์ 2014 ) .
แสดงส่วนผสมของเส้นทางที่มีความยาวแตกต่างกัน มันอาจจะแย้งว่าภาพที่ 15A ไม่ควรใช้ประเมินความสามารถ
ของทำนายการจราจรขึ้นอยู่กับรูปแบบในการเดินทางครั้ง ถ้าเพียงเส้นทางเดียว คือ พิจารณาแล้วนี้พึ่งพา
สํารวจ เพิ่มเติมได้อย่างง่ายดายนี้อาจจะทำในตัวอย่างของการทดลองของชาวดัตช์ ซึ่งแสดงให้เห็นโดยเฉพาะอย่างยิ่ง
สูงระดับของอุปสงค์และอุปทาน ปฏิสัมพันธ์ รูปที่ 15 บีแสดงเวลาเดินทางวางแผนกระจายที่
รวมชั่วคราวของ DT ¼ L = VF ¼ 0:57 s ใช้ ( รวบรวมโดยกลุ่มคนเดินเท้า ) ข้อมูลที่ใช้สำหรับการสอบเทียบและการตรวจสอบเป็นจุด
แสดงแยกต่างหากการเปลี่ยนแปลงเวลาในการเดินทางโดยปัจจัยที่ 5 จาก 5 เป็น 25 , จะบอก . เนื่องจากมีเพียงเส้นทางเดียว
รูปแบบนี้ แต่เพียงผู้เดียว ผลพวงของการเปลี่ยนแปลงสภาพการจราจร . สำหรับส่วนใหญ่ของจุดข้อมูล pedctm มีความสามารถของ