Design of adaptive cruise control (ACC) using fuzzy logic control (FLC)
Uyarlanabilir hız sabitleyici (ACC) tasarımı bulanık mantık kontrolü (FLC) kullanılarak
- Tez No: 1003541
- Danışmanlar: YRD. DOÇ. DR. CAN GÖKÇE
- Tez Türü: Yüksek Lisans
- Konular: Otomotiv Mühendisliği, Automotive Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: İngilizce
- Üniversite: İstanbul Okan Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Otomotiv Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Uyarlanabilir Hız Kontrolü (Adaptive Cruise Control – ACC), modern Gelişmiş Sürücü Destek Sistemlerinin (Advanced Driver Assistance Systems – ADAS) temel bileşenlerinden biridir. ACC, aracın boylamsal hızını otomatik olarak ayarlayarak öndeki araçla güvenli bir takip mesafesini korumayı amaçlar. Klasik hız kontrol sistemleri yalnızca sabit bir hız değerini korurken, ACC iki çoğu zaman çelişen hedefi dengelemelidir: istenen araçlar arası mesafeyi korumak ve aynı zamanda sürüş konforu ile yakıt verimliliğini sağlamak. Bu dengeyi kurmak oldukça zordur çünkü trafik ortamı doğası gereği belirsiz, doğrusal olmayan ve diğer sürücülerin öngörülemeyen davranışlarından etkilenmektedir. Bu durum, dinamik yol koşullarına uyum sağlayabilen sağlam ve akıllı kontrol yöntemlerinin kullanılmasını zorunlu kılar. Klasik kontrol teknikleri olan Oransal–İntegral–Türev (PID) kontrolü ve Model Öngörülü Kontrol (Model Predictive Control – MPC) yöntemleri, ACC uygulamaları için geniş ölçüde araştırılmıştır. PID kontrolörleri basit yapılarıyla avantaj sağlasa da yüksek dinamikli senaryolarda tatmin edici bir performans sergileyememektedir. MPC ise sistem kısıtlarını ele alabilmesi ve tahmin ufku boyunca performansı optimize edebilmesi açısından dikkat çekicidir. Ancak MPC'nin pratik uygulaması yüksek hesaplama yükü, doğru modellere bağımlılık ve parametre ayarlarına karşı hassasiyet gibi dezavantajlara sahiptir. Bu kısıtlamalar, aşırı hesaplama gereksinimi olmadan sağlamlık ve gerçek zamanlı uygulanabilirlik sunabilecek alternatif yaklaşımların araştırılmasını teşvik etmektedir. Bu tezde, temel yöntem olarak Bulanık Mantık Kontrolü (Fuzzy Logic Control – FLC) kullanılarak bir Uyarlanabilir Hız Kontrol sistemi geliştirilmiştir. Önerilen FLC, dilsel kurallar ve üyelik fonksiyonları aracılığıyla insan sürüş sezgisini taklit etmektedir. Giriş değişkenleri olarak göreceli mesafe (∆𝑑) ve göreceli hız (∆𝑣) kullanılırken, çıkış olarak gerekli ivmelenme komutu üretilmiştir. Mamdani tipi bir bulanık çıkarım sistemi oluşturulmuş; üyelik fonksiyonları dikkatle tasarlanmış ve 25 kuraldan oluşan bir kural tabanı ile insan sürüş sezgileri modellenmiştir: araç fazla yaklaştığında frenleme, mesafe sabitken sabit hızda seyir ve öndeki araç uzaklaştığında hızlanma. Kontrolör, hem takip eden (ego) hem de öndeki aracı temsil eden boylamsal araç dinamiği modeli kullanılarak MATLAB/Simulink ortamında uygulanmış ve doğrulanmıştır. Performans değerlendirmesi için FLC tabanlı ACC, sabit hızda seyir, öndeki aracın ani yavaşlaması, dur-kalk trafiği ve öndeki aracın hızlanması gibi çeşitli trafik senaryolarında test edilmiştir. Takip hatası, hız izleme hatası, ivme düzgünlüğü ve sürüş konforu (ani ivmelenme – jerk – minimizasyonu) gibi temel performans göstergeleri analiz edilmiştir. Sonuçlar, FLC tabanlı ACC'nin güvenli takip mesafelerini sürekli koruduğunu, çarpışmaları önlediğini ve pürüzsüz ivmelenme-frenleme profilleri sağladığını, dolayısıyla yolcu konforu ve güvenliğini artırdığını göstermiştir. Karşılaştırma amacıyla, aynı araç modeli ve senaryolar kullanılarak MPC tabanlı bir ACC sistemi de tasarlanmıştır. Karşılaştırmalı analizler, MPC'nin hassas izleme ve mesafe kısıtlarını sıkı bir şekilde uygulama avantajına sahip olduğunu; ancak FLC yaklaşımının model belirsizliklerine karşı daha dayanıklı, ayarlaması daha kolay ve hesaplama açısından daha verimli olduğunu ortaya koymuştur. Bu avantajlar, FLC'nin basitlik ve uyarlanabilirliğin kritik olduğu gerçek zamanlı gömülü uygulamalara uygunluğunu vurgulamaktadır. Genel olarak, bu çalışma Bulanık Mantık Kontrolü'nün, MPC gibi modele dayalı yöntemlere etkili bir alternatif sunduğunu göstermektedir. Bulgular, insan benzeri karar verme stratejilerinin bulanık mantık aracılığıyla dahil edilmesinin, Uyarlanabilir Hız Kontrol sistemlerinin güvenliğini, sağlamlığını ve uygulanabilirliğini önemli ölçüde artırabileceğini ve bu sistemleri yeni nesil otonom ve yarı otonom araçlar için daha uygun hale getirdiğini ortaya koymaktadır.
Özet (Çeviri)
Adaptive Cruise Control (ACC) is an essential component of modern advanced driver assistance systems (ADAS), designed to automatically adjust the longitudinal speed of a vehicle in order to maintain a safe distance from the preceding vehicle. Unlike conventional cruise control, which only regulates speed to a fixed setpoint, ACC must balance two often competing objectives: keeping the desired inter-vehicle spacing while ensuring ride comfort and fuel efficiency. Achieving this balance is challenging because the traffic environment is inherently uncertain, nonlinear, and influenced by the unpredictable behavior of other drivers. These factors necessitate the use of robust and intelligent control methods that can respond adaptively to dynamic road conditions. Traditional control techniques such as Proportional–Integral–Derivative (PID) control and Model Predictive Control (MPC) have been widely investigated for ACC. PID controllers offer simplicity but often fail to provide satisfactory performance in highly dynamic scenarios. MPC, on the other hand, has been recognized for its ability to handle system constraints and optimize performance over a prediction horizon. However, the practical implementation of MPC faces several drawbacks, including high computational demand, dependence on accurate models, and sensitivity to parameter tuning. These limitations motivate the exploration of alternative strategies that can provide robustness and real-time feasibility without excessive computational overhead. In this thesis, an Adaptive Cruise Control system is developed using Fuzzy Logic Control (FLC) as the primary method. The proposed FLC leverages linguistic rules and membership functions to emulate human driving intuition. Relative distance (∆𝑑) and relative speed (∆𝑣) are used as inputs, while the controller outputs the required acceleration command. A Mamdani-type fuzzy inference system is constructed with carefully designed membership functions and a 25-rule base that captures typical human driving heuristics: braking when too close, coasting when stable, and accelerating when the lead vehicle pulls away. The controller was implemented and validated in MATLAB/Simulink using a longitudinal vehicle dynamics model that represents both the ego vehicle and a variable lead vehicle. To assess performance, the FLC-based ACC was tested under various traffic scenarios, including constant-speed cruising, sudden lead-vehicle deceleration, stop and-go traffic, and acceleration of the leading vehicle. Key performance indicators such as spacing error, speed tracking error, acceleration smoothness, and ride comfort (jerk minimization) were evaluated. Results demonstrated that the FLC-based ACC consistently maintained safe headway distances, avoided collisions, and provided smooth acceleration and braking profiles, thereby improving passenger comfort and safety. For benchmarking, a Model Predictive Control (MPC)-based ACC was also formulated using the same vehicle model and scenarios. Comparative analysis revealed that while MPC achieved precise tracking and strict enforcement of spacing constraints, the FLC approach was more robust to modeling uncertainties, easier to tune, and computationally more efficient. These advantages highlight the suitability of FLC for real-time embedded applications where simplicity and adaptability are crucial. Overall, this work contributes to the field of intelligent transportation systems by demonstrating that Fuzzy Logic Control provides a viable and effective alternative to model-based methods such as MPC. The findings suggest that incorporating human like decision-making strategies through fuzzy logic can significantly enhance the safety, robustness, and practicality of Adaptive Cruise Control systems, making them more suitable for next-generation autonomous and semi-autonomous vehicles.
Benzer Tezler
- Bulanık mantık tabanlı uyarlamalı hız kontrolü
Fuzzy logic based adaptive cruise control
ATAKAN ONDOĞAN
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiEskişehir Osmangazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. METİN ÖZKAN
- Model reference adaptive controller design with augmented error method for lane tracking
Serit takibi kontrolü için artıtılmış hata yöntemi ile model referans uyarlanabilir kontrolör tasarımı
MEHMET NURİ DİYİCİ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. YAPRAK YALÇIN
- Otonom bir elektrikli aracın adaptif hız uyarlamalı kontrolü için model öngörülü kontrol tasarımı
Model predictive control design for adaptive cruise control of an autonomous electric vehicle
BERKE MİRAÇ
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiKontrol Mühendisliği Ana Bilim Dalı
DOÇ. DR. UĞUR YILDIRAN
- Controller parameter tuning for an adaptive cruise control system based on particle swarm optimization approach
Adaptif seyir sistemi kontrolcüsü parametrelerinin parçacık sürü optimizasyonu yöntemi ile belirlenmesi
ERHAN ÖZKAYA
Yüksek Lisans
İngilizce
2019
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HİKMET ARSLAN
- Akıllı araçlar kapsamında ileri sürüş destek sistemlerinde sensör füzyonu
Sensor fusion in advanced driver asistance systems in the scope of intelligent vehicles
İLKER ALTAY
Doktora
Türkçe
2014
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. BİLİN AKSUN GÜVENÇ