แก้ปัญหาไฟถนนดับด้วย AI และภาพถ่ายดาวเทียม เจาะลึก 'Night Watch' แชมป์ CDG Hackathon 2026

ไฟถนนดับคืนเดียวอาจดูเป็นเรื่องเล็ก แต่ถ้านับรวมทั่วประเทศ ปัญหานี้กลายเป็นภาระที่หน่วยงานรัฐต้องแบกรับทุกปี ทั้งงบประมาณซ่อมบำรุง กำลังคนที่ต้องออกตรวจ และที่สำคัญคือความปลอดภัยของคนที่ต้องขับรถผ่านเส้นทางมืด ๆ ในช่วงเวลากลางคืน นี่คือโจทย์ที่กลายมาเป็นจุดตั้งต้นของทีมที่คว้ารางวัลชนะเลิศในงาน CDG Hackathon 2026 การแข่งขันที่จัดขึ้นเมื่อวันที่ 4 กันยายนที่ผ่านมา

งานนี้ไม่ใช่แค่การแข่งขัน Hackathon ทั่วไป กลุ่มบริษัทซีดีจีจับมือกับมหาวิทยาลัยพันธมิตร 18 แห่งทั่วประเทศ เปิดรับสมัครนิสิตนักศึกษาเข้าร่วมภายใต้โจทย์ ‘AI for a Better Society Platform’ โดยมีทีมสมัครเข้าแข่งขันรวม 108 ทีม รวมผู้เข้าแข่งขันกว่า 324 คน ก่อนจะคัดเลือกเหลือเพียง 21 ทีมสุดท้าย เพื่อนำเสนอผลงานในรอบชิงชนะเลิศ 

โจทย์ปีนี้โฟกัสไปที่ 3 แกนหลัก คือการยกระดับคุณภาพชีวิตประชาชน การทำระบบภาครัฐให้โปร่งใส เข้าถึงง่าย และการจัดการทรัพยากรอย่างยั่งยืน แต่ละทีมจะต้องนำ AI มาผสานเข้ากับข้อมูลเพื่อแก้โจทย์เหล่านี้ โดยเกณฑ์การตัดสินจะดูตั้งแต่ความเข้าใจปัญหา ความคิดสร้างสรรค์ ไปจนถึงโอกาสที่จะนำไปใช้งาน ทำให้ผลงานของ 21 ทีมสุดท้ายที่ผ่านการเข้ารอบมามีจุดร่วมเดียวกัน คือการตั้งต้นจากปัญหาที่ผู้คนต้องเจอจริง ๆ เพื่อให้เทคโนโลยีที่พัฒนาออกมาสามารถสร้างประโยชน์และใช้งานจริงได้ 

Night Watch ระบบตรวจจับไฟถนนดับด้วยภาพถ่ายดาวเทียม

ทีมที่คว้ารางวัลชนะเลิศคือ Lumos จากคณะวิศวกรรมศาสตร์ ภาควิชาวิศวกรรมโทรคมนาคม หลักสูตรวิศวกรรมอวกาศและภูมิสารสนเทศ สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง ประกอบด้วย 

• นายพศิน เตชะเอราวัณ
• นางสาวทอดาว มุมกลาง
• นางสาวปรณัฐพร วีราสุขสันติลาภ

กับผลงานชื่อ Night Watch ระบบคัดกรองจุดไฟฟ้าแสงสว่างทางหลวงขัดข้องด้วยภาพถ่ายดาวเทียม

จุดตั้งต้นของทีมนี้มาจากปัญหาหน้างานที่เจ้าหน้าที่ต้องเจออยู่ทุกวัน ปกติแล้วแขวงทางหลวงแต่ละแห่งจะต้องคอยซ่อมไฟถนนเฉลี่ยถึงปีละ 396 ครั้ง หรือตกเดือนละ 33 ครั้ง แต่ประเด็นคือ มีแค่ 12% หรือราว 2-3 ครั้งต่อเดือนเท่านั้นที่มาจากการแจ้งของประชาชน ส่วนที่เหลืออีก 88-93% เจ้าหน้าที่ต้องคอยขับรถตระเวนตรวจตามสายเอาเอง ซึ่งเป็นวิธีที่ใช้ทั้งกำลังคน กินเวลา และสิ้นเปลืองงบประมาณไม่น้อย

นอกจากนี้การทำงานแบบเดิมยังมีข้อจำกัดค่อนข้างมาก เพราะการออกตรวจทำได้แค่เป็นรอบ ๆ ไม่สามารถขับรถดูได้ครบทุกเส้นทางในทุกคืน และถ้าจะแก้ปัญหาด้วยการติดเซนเซอร์ที่เสาไฟทุกต้น ต้นทุนก็มหาศาล เพราะบางพื้นที่แค่แขวงเดียวก็มีเสาไฟไปแล้วถึง 7,695 ต้นแล้ว ขณะที่กล้อง CCTV ตามท้องถนนก็ไม่ได้ถูกออกแบบมาเพื่อคอยเช็กความสว่างของถนนทั้งเส้นตั้งแต่แรก 

ทางแก้ของทีม Lumos คือดึงภาพถ่ายดาวเทียม VIIRS (VNP46A2) ถ่ายภาพแสงสว่างตอนกลางคืนเหนือประเทศไทยทุกคืนตอนเวลาประมาณตีหนึ่งครึ่ง มาวิเคราะห์ร่วมกับข้อมูล GIS ที่มีอยู่ ทั้งบัญชีทรัพทย์สินเสาไฟ 7,695 ต้น โครงข่ายสายทางพร้อมหลักกิโลเมตรและสถิติอุบัติเหตุกับปริมาณจราจร 

หลักการทำงานคือ ระบบจะนำสถิติความสว่างเดิมของถนนแต่ละเส้นมาเป็นเกณฑ์อ้างอิง หากจุดไหนมีแสงสว่างลดลงผิดปกติ ก็จะประเมินว่าไฟดับ โดยมีการกรองปัจจัยธรรมชาติอย่างเมฆหรือฝนออกไปก่อนเพื่อป้องกันการแจ้งเตือนพลาด เมื่อพบปัญหา ระบบจะแปลงพิกัดดาวเทียมให้เป็นหมายเลขสายทางและหลักกิโลเมตร พร้อมปักหมุดบนแผนที่เป็นสีแดงหรือส้ม ช่วยให้เจ้าหน้าที่ลงพื้นที่ไปแก้ไขได้ทันที 

AI เข้ามาทำหน้าที่สามส่วนหลักในระบบนี้ ส่วนแรกคือเรียนรู้รูปแบบแสงไฟบนถนนแต่ละเส้นเพื่อแยกแยะว่าจุดไหนคือไฟถนนจริง ส่วนที่สองคือคัดกรองสัญญาณรบกวนและวิเคราะห์ความผิดปกติ โดยจะเปรียบเทียบความสว่างในอดีตกับปัจจุบันควบคู่กับข้อมูลสภาพอากาศ เพื่อวิเคราะห์ว่าความสว่างที่หายไปเกิดจากไฟดับจริงหรือแค่ปรากฏการณ์ธรรมชาติ และส่วนสุดท้ายคือแปลงพิกัดดาวเทียมให้กลายเป็นข้อมูลที่ทีมช่างเข้าใจและใช้งานได้ทันที

โดยผลการทดสอบพบว่าระบบมีความแม่นยำสูง 90.1% นการแยกแยะระหว่างจุดที่ไฟถนนทำงานปกติ กับจุดที่มีปัญหาไฟดับ และตลอดระยะทางทดสอบ 100 กิโลเมตรเป็นเวลา 1 เดือน ไม่มีการแจ้งเตือนผิดพลาดแม้แต่ครั้งเดียว ทำให้ทีมช่างที่ออกไปตรวจมั่นใจได้ว่าทุกจุดที่ระบบชี้คือจุดที่มีปัญหาจริง ซึ่งช่วยลดภาระการส่งชุดตรวจออกไปลดลงจากเดิม 33 ครั้งต่อเดือนเหลือเพียงราว 2.7 ครั้งต่อเดือน ซึ่งลดลงจากเดิม 10 เท่า

ส่วนเรื่องต้นทุนค่าบริการปีแรกอยู่ที่ประมาณ 280,000 บาท คิดเป็นสัดส่วนเพียง 0.49% ของงบประมาณไฟฟ้าแสงสว่างประจำปีของแขวงที่ประมาณ 57 ล้านบาท และปีถัดไปจะลดลงเหลือปีละ 180,000 บาท ตัวเลขนี้ทำให้ Night Watch ไม่ใช่แค่ไอเดียที่ฟังดูดี แต่เป็นโซลูชันที่หน่วยงานรัฐพิจารณาแล้วว่านำไปใช้จริงได้โดยไม่ต้องแบกรับต้นทุนมหาศาล

ClearBid AI: ระบบช่วยทำเอกสาร TOR ที่ลดเวลาทำงานให้เจ้าหน้าที่รัฐ 

ทีมที่ได้รองชนะเลิศในปีนี้ คือ ClearBid AI ("Your TOR Intelligence Copilot") เป็นผลงานจากภาควิชาวิศวกรรมคอมพิวเตอร์ คณะวิศวกรรมศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย โดย

• ธนพล ธิติสิริเวช
• ธีธัช ธารีเวทย์
• ชานน เจียง

ปัญหาที่ทีมนี้หยิบมาแก้คือ กระบวนการทำเอกสาร TOR ที่ปัจจุบันยังคงต้องทำแบบ Manual แทบทุกขั้นตอน แถมเอกสารเก่า ๆ ก็มักจะกระจัดกระจายอยู่ตามระบบต่าง ๆ ทั้งใน e-GP ระบบจัดซื้อจัดจ้างของภาครัฐ ทำให้เจ้าหน้าที่ต้องเสียเวลาค้นหาและนำมานั่งเทียบข้อกำหนดทีละจุด ซึ่งนอกจากจะกินเวลาในการเรียบเรียงและตรวจสอบนานเกินไปแล้ว ยังมีความเสี่ยงสูงที่จะตกหล่นข้อมูลสำคัญหรือเผลอหยิบข้อกำหนดที่ไม่ตรงบริบทมาใช้งาน

ClearBid AI แก้ปัญหานี้ด้วยกรอบการทำงานสามขั้นตอน เริ่มจาก Collect ที่ดึงและรวบรวม TOR เก่า มาตรฐานราคากลางและระเบียบจัดซื้อจัดจ้างมาไว้ที่เดียว พร้อมจัดอันดับความเกี่ยวข้อง ตามด้วย Draft ที่ร่าง TOR จากความต้องการของผู้ใช้โดยอ้างอิงแหล่งที่มากำกับไว้ทุกข้อกำหนด และปิดท้ายด้วย Guard ที่ตรวจสอบความครบถ้วนและราคากลางก่อนส่งให้เจ้าหน้าที่พิจารณาอีกครั้ง ระบบใช้ทั้งเทคโนโลยี RAG ในการค้นหาเอกสารเก่าที่ตรงบริบท ใช้ OCR อ่านไฟล์ PDF และ Word เพื่อดึงข้อมูลออกมาเป็นดิจิทัล และใช้ LLM ช่วยจัดทำร่างพร้อมอ้างอิงแหล่งที่มาในแต่ละหัวข้อ 

ผลลัพธ์ที่วัดได้คือช่วยประหยัดเวลาการทำงานของเจ้าหน้าที่พัสดุได้ 1 วันต่อการจัดทำ TOR หนึ่งฉบับ ช่วยเพิ่มประสิทธิภาพการทำงานของหน่วยงาน คิดเป็นมูลค่ารวมกว่า 1.5 ล้านบาท/ปี และยังช่วยลดความผิดพลาดในการอ้างอิงข้อมูลและเกณฑ์ราคากลางได้ด้วยระบบตรวจสอบแหล่งที่มาของข้อมูล

จากเวทีแข่งขันสู่พื้นที่บ่มเพาะคนรุ่นใหม่

สิ่งที่ทำให้ CDG Hackathon 2026 ต่างจากแฮกกาธอนทั่วไป คือผลงานไม่ได้จบแค่ตอนประกวดเท่านั้น เพราะทั้ง Night Watch และ ClearBid AI มีการกางตัวเลขให้เห็นเลยว่าถ้าเอาไปทำจริงต้องใช้งบเท่าไหร่ และจะช่วยรัฐประหยัดเงินได้แค่ไหน ความชัดเจนตรงนี้ทำให้ผลงานมีโอกาสถูกนำไปใช้ต่อยอด 

นอกจากนี้เวทียังเปิดโอกาสให้คนทำงานจริงกับนักศึกษาได้มาเจอกัน นักศึกษาจาก 18 สถาบันได้ลองแก้โจทย์ของหน่วยงานรัฐจริง ๆ ได้ใช้ทักษะที่โลกการทำงานต้องการและได้เห็นว่าสิ่งที่เรียนมาสามารถนำมาใช้แก้ปัญหาของประเทศได้ ขณะเดียวกันทางซีดีจีเองก็ได้เห็นมุมมองใหม่ ๆ จากคนรุ่นใหม่ด้วย