Ground Truth: ใช้ ESP32S3 เปลี่ยนข้อมูลค่าเช่าเป็นแรงต้านจักรยาน

ถ้าข้อมูลบนแผนที่ไม่ได้มีไว้แค่ดู แต่สามารถทำให้เรารู้สึกถึงมันผ่านแรงที่ต้องใช้ปั่นจักรยานได้ล่ะ? Ground Truth คือโปรเจกต์ของ Justin Blinder ที่นำ ESP32S3, GPS, Dataset และ Servo มาสร้าง Physical Data Interface บน Citi Bike ในนิวยอร์ก

เมื่อจักรยานเคลื่อนเข้าสู่พื้นที่ที่ข้อมูลสะท้อนภาระค่าใช้จ่ายด้านที่อยู่อาศัยสูงขึ้น ระบบจะเพิ่มแรงต้านผ่านกลไกเบรกหน้า ส่วนพื้นที่ที่มีค่า Affordability ดีกว่า แรงต้านจะลดลง ทำให้ข้อมูลที่ปกติอยู่ในรูปเปอร์เซ็นต์หรือแผนที่กลายเป็นประสบการณ์ทางกายภาพที่ผู้ขี่สัมผัสได้

ชิ้นส่วน Ground Truth ประกอบด้วยบอร์ด ESP32S3 โมดูล GPS Servo จอ OLED แบตเตอรี่และ Enclosure
ชิ้นส่วนหลักของอุปกรณ์ Ground Truth ซึ่งรวม Microcontroller, GPS, Servo, Display, Battery และ Enclosure สำหรับติดตั้งกับ Citi Bike
Key Takeaways
  • Ground Truth เป็นงานของ Justin Blinder ที่เปลี่ยนข้อมูล Housing Affordability ให้กลายเป็นแรงต้านทางกายภาพบนจักรยาน
  • ระบบใช้ ESP32S3, GPS Module, SD Card Reader, High-torque Servo, OLED และ Custom PCB
  • ข้อมูลถูกเก็บและอ่านจากอุปกรณ์โดยตรง ระบบไม่ต้องเชื่อมต่อ Internet ระหว่างการใช้งาน
  • GPS ใช้ระบุตำแหน่ง แล้ว Microcontroller นำพิกัดไปเทียบกับ Dataset ของพื้นที่
  • ค่าที่ได้ถูก Mapping ไปยังตำแหน่ง Servo เพื่อเปลี่ยนแรงต้านของเบรกหน้า
  • Dataset อ้างอิง American Community Survey 2020–2024 แบบ 5-year estimates ระดับ Block Group
  • ผู้สร้างย้ำว่าข้อมูลดังกล่าวเป็น Estimate และ Rent Burden เป็นเพียงหนึ่งมุมในการมอง Housing Pressure

Ground Truth คืออะไร?

Ground Truth เป็นอุปกรณ์ที่ออกแบบให้ติดเข้ากับ Citi Bike แล้วเปลี่ยน Pedal Resistance ตามข้อมูล Rent Burden ของพื้นที่ที่จักรยานกำลังเคลื่อนผ่าน

แนวคิดสำคัญของโปรเจกต์คือการนำข้อมูลเชิงนามธรรมที่ปกติถูกนำเสนอผ่าน Heat Map, Chart หรือ Census Statistic มาแปลงเป็นสิ่งที่ร่างกายรับรู้ได้ ผู้ขี่จึงไม่ได้เพียง “อ่าน” ค่าของพื้นที่ แต่ต้องออกแรงแตกต่างกันขณะเคลื่อนผ่านพื้นที่แต่ละแห่ง

แนวคิดสำคัญ: Ground Truth ไม่ได้ใช้ ESP32S3 เพื่อสร้าง Dashboard อีกหนึ่งหน้าจอ แต่ใช้ Microcontroller เป็นตัวกลางระหว่าง Location Data → Dataset → Physical Actuator → Human Experience

จากข้อมูล Housing Affordability สู่แรงต้านจริง

โปรเจกต์นี้ใช้ข้อมูลจาก American Community Survey หรือ ACS ในระดับ Block Group เพื่อสร้างภาพของ Housing Affordability ในพื้นที่ New York City

Rent Burden คืออะไร?

ใน Dataset ของ Ground Truth ค่า Rent Burden ใช้สัดส่วนรายได้ครัวเรือนที่ถูกใช้ไปกับ ค่าเช่าและ Utilities ไม่ใช่เพียงการดูว่าค่าเช่าเป็นเงินจำนวนเท่าไร

เหตุผลคือค่าเช่าเท่ากันอาจส่งผลกับแต่ละครัวเรือนไม่เท่ากัน หากระดับรายได้แตกต่างกัน การดูสัดส่วนของรายได้จึงช่วยสะท้อนแรงกดดันด้านค่าใช้จ่ายได้อีกมุมหนึ่ง

Dataset ใช้ Indicator มากกว่าหนึ่งตัว

หน้า Project ระบุว่า Dataset รวมข้อมูลสอง Indicator ได้แก่ Median Share of Income ที่ใช้กับค่าเช่า และสัดส่วน Renter Households ที่ใช้รายได้อย่างน้อยครึ่งหนึ่งกับ Housing

ข้อมูลเหล่านี้ถูก Normalize และ Blend เป็น Affordability Score เพื่อสะท้อนทั้งแรงกดดันโดยทั่วไปของพื้นที่และสัดส่วนครัวเรือนที่เผชิญภาระสูงมาก

อย่าอ่านค่านี้เป็น “ราคาค่าเช่าของพื้นที่” โดยตรง: ระบบไม่ได้ใช้เพียงราคาเช่ารายเดือน แต่ใช้ข้อมูลเชิงสัดส่วนและ Composite Score ที่สร้างจากข้อมูล Housing Affordability ของพื้นที่

Hardware ข้างในมีอะไรบ้าง?

แม้ Concept ของ Ground Truth จะเริ่มจากข้อมูลด้านเมือง แต่หัวใจของระบบจริง ๆ คือ Embedded Hardware ที่เชื่อมตำแหน่งทางภูมิศาสตร์ เข้ากับ Mechanical Actuation

Component หน้าที่ในระบบ ข้อมูลที่ Source ยืนยัน
ESP32S3 Microcontroller หลักสำหรับประมวลผลตำแหน่งและ Dataset ระบุโดย Ground Truth และ Hackaday
GPS Module อ่านตำแหน่งของจักรยานขณะเคลื่อนที่ ระบุโดย Ground Truth
SD Card Reader ใช้กับ Dataset ที่เก็บอยู่ภายในอุปกรณ์ ระบุโดย Ground Truth
High-torque Servo สร้างแรงดึงไปยังกลไกเบรกหน้า ระบุโดย Ground Truth
OLED Display แสดงข้อมูลบนตัวอุปกรณ์ ระบุโดย Ground Truth
Custom PCB รวม Electronics และการเชื่อมต่อส่วนต่าง ๆ ของระบบ ระบุโดย Ground Truth
Battery / Power Management จ่ายและจัดการพลังงานให้กับระบบ ระบุใน Project Hardware
3D-printed Enclosure Housing สำหรับติดตั้งชุด Hardware เข้ากับจักรยาน ระบุโดย Ground Truth
Source ไม่ได้ระบุ: รุ่นย่อยของ GPS, รุ่น Servo, Servo Torque, Battery Capacity, Battery Runtime, OLED Resolution, SD Card Capacity หรือ Part Number ของ Hardware แต่ละชิ้น จึงไม่ควรเดาสเปกเหล่านี้จากภาพ

ระบบทำงานอย่างไร?

Architecture ของ Ground Truth เข้าใจได้ง่ายเมื่อแยกเป็นลำดับจาก “ตำแหน่ง” ไปสู่ “แรงต้าน”

1. GPS Module
อ่านตำแหน่งปัจจุบันของจักรยาน
↓
2. ESP32S3
รับ Coordinates แล้วใช้เป็นข้อมูลสำหรับค้นหาพื้นที่
↓
3. Local Dataset บน SD Card
ระบบค้นหาค่า Rent Burden / Affordability ที่สัมพันธ์กับพื้นที่นั้น
↓
4. Mapping
Microcontroller แปลงค่าของพื้นที่ไปเป็นตำแหน่ง Servo
↓
5. Servo + Front Brake
Servo เพิ่มหรือลดแรงดึงที่กลไกเบรกหน้า
↓
6. Rider
ผู้ขี่สัมผัสการเปลี่ยนแปลงเป็นระดับแรงต้านขณะปั่น

หน้า Project ระบุว่า GPS Poll ตำแหน่งระหว่างการเดินทาง และในช่วงเวลาที่ระบบกำหนด Microcontroller จะเปรียบเทียบ Coordinates กับ Geographic Data ที่เก็บใน SD Card ก่อน Mapping ค่าไปยัง Servo Angle

Source ไม่ได้ให้ค่า Technical สำหรับนำไปสร้างระบบซ้ำ: ไม่มีการระบุ GPS Polling Rate, Update Interval, Servo Angle Range, PWM Value หรือ Mapping Formula แบบตัวเลข ดังนั้นบทความนี้จะไม่สร้างค่าดังกล่าวขึ้นเอง

จุดน่าสนใจ: ระบบทำงาน Offline

หนึ่งใน Design Decision ที่น่าสนใจมากของ Ground Truth คือ ตัวอุปกรณ์ไม่ต้องเชื่อม Internet ระหว่างการใช้งาน

Dataset ถูกเก็บไว้ภายใน Device และอ่านจาก Local Storage ทำให้ Flow ตั้งแต่การระบุตำแหน่งไปจนถึงการค้นหาค่าของพื้นที่เกิดขึ้นภายในอุปกรณ์

หน้า Project ยังระบุด้วยว่าไม่มีการบันทึก Location Data ระหว่างกระบวนการนี้

มุม Maker ที่น่าสนใจ: โปรเจกต์นี้เป็นตัวอย่างของระบบที่สามารถรวม GPS + Local Dataset + Embedded Processing + Actuator โดยไม่ต้องส่งข้อมูลไป Cloud ทุกครั้ง

Servo เปลี่ยนแรงต้านของจักรยานอย่างไร?

ตัวอุปกรณ์ติดตั้งบริเวณ Front Fork ของ Citi Bike และ Servo เชื่อมเข้ากับกลไก Front Brake ผ่านสายขนาดเล็ก

หลักการคือ Servo ออกแรงดึงในแนวเดียวกับที่สายจาก Brake Lever เดิมใช้ควบคุมเบรก เมื่อข้อมูลของพื้นที่สะท้อน Housing Pressure ที่สูงขึ้น ระบบจะเพิ่มแรงต้าน และเมื่อเข้าสู่พื้นที่ที่ Affordability ดีกว่า ระบบจะลดแรงตึงดังกล่าว

Safety: ส่วนนี้เป็นการอธิบาย Concept จาก Project Source ไม่ใช่คู่มือดัดแปลงระบบเบรกจักรยาน Source ไม่ได้ให้แรงดึง, Servo Torque, ระยะ Cable Travel หรือค่าการตั้งเบรก ที่สามารถนำไปใช้กับจักรยานรุ่นอื่นได้โดยตรง

Calibration คือโจทย์ Technical สำคัญ

Hackaday และหน้า Ground Truth ต่างชี้ไปที่โจทย์สำคัญเดียวกัน: ระบบต้องสร้างความแตกต่างของแรงต้านที่ผู้ขี่ รู้สึกได้จริง แต่ต้องไม่เปลี่ยนแบบกระทันหันจนทำให้การขี่ไม่ต่อเนื่องหรือไม่ปลอดภัย

ผู้สร้างจึงต้อง Calibrate ความสัมพันธ์ระหว่างค่าจาก Dataset และ Servo เพื่อให้ผลลัพธ์เป็น Gradient ของแรงต้าน ไม่ใช่การเปลี่ยนจากไม่มีแรงต้านไปสู่การหยุดรถทันที

หน้า Ground Truth ระบุชัดว่าจุดประสงค์คือให้แรงต้านยังคง Continuous และ Rideable และไม่ได้ตั้งใจให้ Servo หยุดจักรยานโดยทันที

ระบบเบรกเดิมที่ผู้ขี่ควบคุมยังคงทำงาน และผู้สร้างระบุว่าสามารถ Override กลไกของอุปกรณ์ได้

นี่คือ Human-Machine Interaction ไม่ใช่แค่ Servo Control: การทำให้ Actuator “ทำงาน” เป็นเรื่องหนึ่ง แต่การทำให้ผู้ใช้รับรู้การเปลี่ยนแปลงโดยยังควบคุมระบบได้อย่างต่อเนื่อง เป็นอีกโจทย์หนึ่งที่ต้องออกแบบควบคู่กัน

ดู Ground Truth ทำงานจริง

วิดีโอของ Project ช่วยให้เห็นภาพว่า Device ถูกนำไปติดกับ Citi Bike และแนวคิดการเปลี่ยนข้อมูลพื้นที่ให้กลายเป็น Physical Resistance ถูกนำไปใช้ในสถานการณ์จริงอย่างไร

วิดีโอ: Ground Truth — Justin Blinder

ข้อมูลนี้มีข้อจำกัดอะไร?

จุดที่ทำให้ Ground Truth น่าสนใจคือผู้สร้างไม่ได้เพียงนำ Dataset มาใช้งาน แต่ยังอธิบายข้อจำกัดของข้อมูลไว้อย่างชัดเจนด้วย

1. ACS เป็น Estimate ไม่ใช่ Census ของทุกครัวเรือน

American Community Survey เป็นการสำรวจจาก Sample และเมื่อดูในระดับ Block Group จำนวนตัวอย่างในแต่ละพื้นที่มีจำกัด จึงมี Margin of Error ตามมา

พื้นที่สองแห่งที่ดูเหมือนค่าต่างกันจาก Visualization อาจไม่ได้แตกต่างกันอย่างชัดเจนจริงในเชิงสถิติ

2. ข้อมูลไม่ได้เป็น Real-time

Dataset ที่ Ground Truth ใช้คือ ACS 2020–2024 5-year estimates ซึ่งรวมข้อมูลตลอดช่วงเวลาหลายปี

นั่นหมายความว่าค่าที่ผู้ขี่สัมผัสเป็นภาพของพื้นที่ตามข้อมูลที่ถูกวัดในช่วงดังกล่าว ไม่ใช่สถานการณ์ Housing Market แบบ Real-time ในวันที่กำลังปั่นจักรยาน

3. ไม่มีข้อมูล ไม่ได้แปลว่าไม่มีปัญหา

บาง Block Group ไม่มีค่าที่เผยแพร่ เช่น ในกรณีที่ Sample มีขนาดเล็กหรือข้อมูลไม่น่าเชื่อถือเพียงพอ

Ground Truth จึงแสดงพื้นที่เหล่านี้เป็น No Reading แทนที่จะตีความว่าเป็นค่า Zero

4. Rent Burden เป็นเพียงหนึ่ง Lens

Rent Burden สามารถบอกได้ว่ารายได้ส่วนหนึ่งถูกใช้กับ Housing มากแค่ไหน แต่ไม่ได้บอกทุกอย่างเกี่ยวกับแรงกดดันด้านที่อยู่อาศัย

หน้า Project ระบุว่าตัวเลขนี้ไม่ได้วัดประเด็นอย่าง Overcrowding, Housing Quality, Eviction Risk, Informal Tenancy, Lease Security หรือประสบการณ์ด้านความปลอดภัย

และข้อมูลนี้ไม่ได้อธิบายสถานการณ์ของ Homeowners หรือผู้ที่ไม่มีที่อยู่อาศัย

Key Caveat: Ground Truth ไม่ได้อ้างว่าค่าหนึ่งค่าแทนประสบการณ์ของทุกคนในพื้นที่ได้ Block-group Average ไม่ควรถูกนำไปใช้เป็นข้อสรุปเกี่ยวกับครัวเรือนใดครัวเรือนหนึ่ง

Maker ได้อะไรจาก Project นี้?

Data Visualization ไม่จำเป็นต้องจบที่หน้าจอ

Maker Project จำนวนมากจบ Flow ด้วยการนำ Sensor Data ไปแสดงบน Dashboard แต่ Ground Truth แสดงอีกแนวทางหนึ่ง: Output ของข้อมูลสามารถเป็น Movement, Force หรือ Physical Feedback ได้

GPS ไม่ได้มีไว้แค่ทำ Tracker

ในระบบนี้ GPS ไม่ได้ถูกใช้เพื่อสร้างเส้นทางย้อนหลัง แต่ถูกใช้เป็น Input เพื่อเลือก Context ที่สัมพันธ์กับพื้นที่ปัจจุบัน แล้วนำ Context นั้นไปควบคุม Actuator

Local Data ก็สร้าง Interactive System ได้

การเก็บ Dataset ไว้บนอุปกรณ์ทำให้โปรเจกต์สามารถ Lookup ข้อมูลตามตำแหน่ง โดยไม่ต้องพึ่ง Internet ในระหว่างใช้งาน

Actuator ต้องออกแบบร่วมกับ Human Experience

Servo ไม่ได้มีโจทย์แค่หมุนให้ถึงตำแหน่ง แต่ต้องเปลี่ยนแรงต้านในระดับที่ผู้ใช้รู้สึกได้ โดยยังรักษาประสบการณ์การขี่ให้ต่อเนื่อง

Pattern ที่นำไปต่อยอดกับ Maker Project อื่นได้:
Location / Sensor → Microcontroller → Local Data → Decision / Mapping → Actuator → Physical Feedback

FAQ: คำถามที่พบบ่อย

1. Ground Truth คืออะไร?

Ground Truth เป็น Project ของ Justin Blinder ที่ติดอุปกรณ์เข้ากับ Citi Bike แล้วเปลี่ยนแรงต้านของจักรยานตามข้อมูล Housing Affordability ของพื้นที่ที่กำลังเคลื่อนผ่าน

2. Ground Truth ใช้ Microcontroller อะไร?

Source ระบุว่าใช้ ESP32S3 เป็น Microcontroller หลักของระบบ

3. GPS ทำหน้าที่อะไร?

GPS ใช้อ่านตำแหน่งของจักรยาน จากนั้น Microcontroller นำ Coordinates ไปเปรียบเทียบกับ Geographic Data ที่เก็บอยู่ในอุปกรณ์

4. ต้องต่อ Internet ขณะใช้งานหรือไม่?

ไม่ต้อง หน้า Ground Truth ระบุว่าอุปกรณ์ไม่เชื่อมต่อ Internet และ Dataset ถูกเก็บและอ่านในเครื่อง

5. ระบบบันทึก Location ของผู้ขี่หรือไม่?

หน้า Project ระบุว่าไม่มีการบันทึก Location Data ในกระบวนการทำงานของอุปกรณ์

6. Dataset มาจากไหน?

ใช้ข้อมูล American Community Survey หรือ ACS แบบ 2020–2024 5-year estimates ในระดับ Block Group

7. Rent Burden หมายถึงอะไร?

ในบริบทของ Project นี้คือสัดส่วนรายได้ครัวเรือนที่ถูกใช้กับ Rent และ Utilities โดย Dataset ยังรวม Indicator อื่น เพื่อสร้าง Affordability Score สำหรับพื้นที่

8. Servo ทำหน้าที่อะไร?

Servo เชื่อมกับ Front Brake ของจักรยานผ่านสาย และเพิ่มหรือลดแรงตึงตามค่าที่ Microcontroller Mapping มาจาก Dataset

9. Servo สามารถหยุดจักรยานทันทีหรือไม่?

จุดประสงค์ของระบบไม่ใช่การหยุดจักรยานทันที Source ระบุว่า Servo Range ถูก Calibrate เพื่อให้แรงต้านต่อเนื่องและยังขี่ได้

10. เบรกของผู้ขี่ยังใช้งานได้หรือไม่?

หน้า Project ระบุว่า Brake Lever เดิมของผู้ขี่ยังคงทำงาน และสามารถ Override กลไกของระบบได้

11. ข้อมูล Housing เป็น Real-time หรือไม่?

ไม่ใช่ Dataset ใช้ ACS 2020–2024 5-year estimates จึงสะท้อนข้อมูลที่รวบรวมในช่วงเวลานั้น ไม่ใช่ Housing Market แบบ Real-time

12. Ground Truth ใช้ Servo รุ่นไหน?

Source ระบุเพียงว่าเป็น High-torque Servo แต่ไม่ได้ระบุ Model, Torque, Voltage หรือ Current

13. มี Wiring หรือ Pinout สำหรับทำตามหรือไม่?

หน้า Project มีภาพ PCB Layout และ Circuit Schematic แต่ Source ที่ใช้ในบทความนี้ไม่ได้ให้ Tutorial การ Wiring แบบ Step-by-Step จึงไม่ได้สร้าง Pinout หรือการต่อสายเพิ่มเติมขึ้นเอง

14. มี Source Code สำหรับ ESP32S3 หรือไม่?

Source ที่ใช้ในบทความนี้ไม่ได้ให้ Source Code ที่สามารถนำมาอ้างอิงเป็น Code Snippet ได้ จึงไม่มีการสร้างตัวอย่าง Code ขึ้นเอง

References / แหล่งข้อมูลต้นฉบับ

อยากเปลี่ยน Data ให้ควบคุมโลกจริง?

Project แบบ Ground Truth แสดงให้เห็นว่า Development Board, Sensor, GPS, Local Data และ Actuator สามารถนำมาต่อกัน เพื่อสร้าง Interactive System ที่ไม่ได้จบแค่การแสดงผลบนหน้าจอ

หากกำลังพัฒนา Maker Project ที่ใช้ ESP32, Sensor, Module หรืออุปกรณ์ควบคุม สามารถสอบถามทีม Globalbyte เพื่อช่วยดูอุปกรณ์ที่เหมาะกับแนวคิดของ Project ได้

ช้อปสินค้า / บริการ เข้ากลุ่ม Community สอบถามผ่าน LINE OA
Disclaimer: บทความนี้เป็นการสรุปและเรียบเรียงจากแหล่งข้อมูลภาษาอังกฤษ อาจมีความคลาดเคลื่อน กรุณาตรวจสอบ Source ต้นฉบับก่อนลงมือทำ โปรเจกต์ Ground Truth มีการเชื่อม Servo เข้ากับระบบเบรกจักรยาน แต่ Source ไม่ได้ให้ค่า Servo Torque, Cable Tension, Servo Angle, Mapping Formula หรือขั้นตอน Calibration สำหรับนำไปใช้กับจักรยานรุ่นอื่น จึงไม่ควรใช้บทความนี้เป็นคู่มือดัดแปลงระบบเบรก นอกจากนี้ Dataset เป็น ACS 2020–2024 5-year estimates ซึ่งเป็นข้อมูลสำรวจที่มี Margin of Error และไม่ใช่ข้อมูล Housing Market แบบ Real-time ค่า Rent Burden ยังเป็นเพียงหนึ่ง Indicator และไม่สามารถแทนประสบการณ์ด้านที่อยู่อาศัย ของทุกครัวเรือนหรือทุกคนในพื้นที่ได้

Blog posts