Sinyalize kavşaklardaki taşıt gecikmelerinin yapay zeka teknikleri ile modellenmesi
Modelling of vehicle delays at signalized intersections with artificial intelligence techniques
- Tez No: 155650
- Danışmanlar: Y.DOÇ.DR. MAHİR GÖKDAĞ
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Yapay zeka, sinir ağlan, neuro- fuzzy, gecikme tahmini, sinyalize kavşak, Artificial intelligence, neural networks, neuro-fuzzy, delay estimation, signalized intersection 11
- Yıl: 2004
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 170
Özet
ÖZET Y. Lisans Tezi SİNYALİZE KAVŞAKLARDAKİ TAŞIT GECİKMELERİNİN YAPAY ZEKA TEKNİKLERİ İLE MODELLENMESİ Neslihan KARSLI Atatürk Üniversitesi Fen Bilimleri Enstitüsü İnşaat Mühendisliği Anabilim Dalı Danışman: Yrd. Doç. Dr. Mahir GÖKDAĞ Ortak Danışman: Yrd. Doç. Dr. A. Samet HAŞILOGLU Kavşaklarda meydana gelen taşıt gecikmeleri, bütün trafik sistemini etkiler. Yollarda meydana gelen taşıt gecikmelerini azaltmak ve alternatif kavşak geliştirme projelerini değerlendirmek için gecikme miktarının yüksek bir doğruluk payı ile tahmin edilmesi gerekir. Son zamanlarda, bilgisayarların zeki davranışlar sergilemesi amacıyla geliştirilen, kompleks problemleri dizayn eden ve çözen yapay zeka teknikleri, etkili bir şekilde ulaşım mühendisliğinde kullanılmaktadır. Bu tez çalışmasında, diğer klasik modellerden olan webster ve sinyal simülasyon modelinin (SSM) yamsıra uyarlanabilir sinirsel bulanık sonuç çıkarım sistemi (ANFIS) ve sinirsel ağlar, sinyalize kavşaklarda taşıt gecikmelerini tahmin etmek için kullanılmıştır. Erzurum sınırları içerisinde bulunan iki sinyalize kavşak olan Yakutiye ve Gez kavşağında trafik akımı ve taşıt gecikmeleri gözlem ile belirlenmiştir. ANFIS ve sinirsel ağ, üç girdi (zaman, akım ve kuyruk) ve tek çıktı değişkenine (gecikme) sahip eğitim bilgisiyle eğitilmiş ve test edilmiştir. ANFIS ve sinirsel ağ sonuçlan, gözlem, SSM, webster ve teker teker kendileriyle karşılaştırılmış, ANFIS, sinirsel ağ ve SSM sonuçlarının birbirine en yalan modeller olduğu ve ANFIS'in sinirsel ağlar' dan daha iyi performans gösterdiği bulunmuştur. Sonuç olarak, neuro-fuzzy ve sinirsel ağların yüksek bir doğruluk seviyesinde taşıt gecikmelerini tahmin etmek için kullanılabileceği gösterilmiştir. 2004, 151 sayfa
Özet (Çeviri)
ABSTRACT Master Thesis MODELLING OF VEHICLE DELAYS AT SIGNALIZED INTERSECTIONS WITH ARTIFICIAL INTELLIGENCE TECHNIQUES Neslihan KARSLI Atatürk University Graduate School of Engineering Faculty Department of Civil Engineering Supervisor: Asst. Prof. Dr. Mahir GÖKDAG Co-Advisor: Asst. Prof. Dr. A. Samet HAŞILO?LU Vehicle delays that occur at junctions affect the entire traffic system. In order to minimize vehicle delay on the roads and to evaluate the alternative junction construction projects, the amount of delay should be estimated with high accuracy level. Recently, artificial intelligence techniques, which design and solve complex problems, implemented in order to enable computers to exhibit intelligent behavior, have been used efficently in transportation engineering. In this thesis study, adaptive neuro-fuzzy inference system (ANFIS) and neural networks were used to estimate vehicle delays at signalized junctions, rather than other classical models: Webster and Signal Simulation Model (SSM). Traffic flow and vehicle delays at signalized junctions in yakutiye and gez, districts of Erzurum province, were determined by observation. The ANFIS network and neural network were trained and tested by training data with three input variables (Time, Approach and Queu ) and an output variables (vehicle delay). The results of ANFIS and neural networks were compared with observation, SSM, Webster and one by one themselves. They were found that ANFIS, Neural Networks and SSM results were the ones closest to the observation values and ANFIS showed better performace than neural networks. Consequently, the neuro-fuzzy and neural networks were shown to be used to predict the vehicle delays with a higher level of accuracy. 2004, 151 page
Benzer Tezler
- Sinyalize kavşaklarındaki gecikme tahmininde yapay zeka yöntemi ile farklı yöntemlerin karşılaştırılması
The comparison of different methods with procedure of artificial intelligence for delay estimation at the signalized intersections
AHMET ATALAY
Yüksek Lisans
Türkçe
2004
İnşaat MühendisliğiAtatürk Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MAHİR GÖKDAĞ
- İzole sinyalize kavşaklar için derin öğrenme yaklaşımı ile gecikme modelleri geliştirilmesi
Development of delay models with a deep learning approach for isolated signalized intersections
BERK BAYRAKDAR
Yüksek Lisans
Türkçe
2021
İnşaat MühendisliğiKırıkkale Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERDEM DOĞAN
- İzole sinyalize kavşaklardaki ortalama taşıt gecikmelerinin yapay sinir ağları ile modellenmesi
Modelling average vehicle delays on isolated signalized intersections using artificial neural networks
ÖZGÜR BAŞKAN
Yüksek Lisans
Türkçe
2004
İnşaat MühendisliğiPamukkale Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
Y.DOÇ.DR. YETİŞ ŞAZİ MURAT
- Sinyalize olmayan kavşaklardaki trafik gecikmelerinin yapay sinir ağları ile modellenmesi
Modeling of traffic delays at non-signaling junctions with artificial neural networks
ALİ SAMET AYVAZ
Yüksek Lisans
Türkçe
2017
UlaşımOndokuz Mayıs Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. UFUK KIRBAŞ
- Signalized intersection delay estimation for transportation demand modeling
Ulaşım talep modellemesi için sinyalize kavşak gecikme tahmini
ABDULSAMET SARAÇOĞLU
Doktora
İngilizce
2022
TrafikYıldız Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. HALİT ÖZEN
DR. ÖĞR. ÜYESİ MEHMET SERKAN APAYDIN