Örüntü tanıma ve öznitelik seçme yöntemleri kullanarak kısa zaman sonraki yol trafik hız öngörüsü
Short time traffic speed prediction using pattern recognition and feature selection methods
- Tez No: 251115
- Danışmanlar: DOÇ. DR. ZEHRA ÇATALTEPE
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Örüntü tanıma, Pattern recognition
- Yıl: 2008
- Dil: Türkçe
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada, İstanbul Büyükşehir Belediyesi'nin web sitesininden alınan RTMS (Remote Traffic Microwave Sensor) cihazlarının hız ölçüm değerleri kullanılarak ileriye yönelik trafik hızı tahmin edilmiştir. Örüntü tanıma yöntemi olarak k-En Yakın Komşu (kNN) ve Karar Destek Makinesi (SVM) kullanılmıştır. 5 dakikadan 60 dakikaya kadar ileriye yönelik hız öngürüsünde bulunabilmek için, tahmin edilecek andan belirli zaman önce ölçülen hız değerleri alınmıştır. Yapılan çalışmada hem uzun dönemli (1 gün veya 1 hafta) hız bilgilerinin hem de kısa dönemli (5 dakikadan 60 dakikaya kadar) hız bilgilerinin kısa dönemli trafik öngürüsü yapmakta önemli bir rol oynadığı bulunmuştur. Hız öngörüsü için en önemli nitelikleri bulmak için öz nitelik seçme yöntemi kullanılmıştır. Bir sensöre ait hız verilerinin değişik zamanlarda alınarak yapılan trafik hızı öngörüsüne ek olarak bu sensöre yakın sensörlerin hız bilgileri alınarak ve yüksek korelasyona sahip sensörlerin hız bilgileri alınarak hız öngörü yapılmıştır. Ayrıca ilgili sensörden veri alınamadığı düşünülerek yüksek korelasyona bağlı sensörlerin birbirlerinin verileri kullanılarak hız öngörüsü yapılmaya çalışılmıştır. Yapılan testler sonucunda genel olarak SVR metodunun KNN metodundan daha başarılı olduğu görülmüştür.Yakın konumlardaki veya yüksek korelasyonlu sensör verisi kullanılarak yapılan tahminlerin ise bir sensör verisi kullanılarak yapılan tahminlerden daha iyi sonuç verdiği görülmüştür. İlgili sensörün bozulduğu varsayılarak onun yerine korelasyonu yüksek diğer sensör verilerinin kullanıldığında sonuçların ilgili sensörün kullanıldığı duruma gayet yakın sonuçlar verdiği görülmüştür.
Özet (Çeviri)
In this study traffic speed on Istanbul roads are predicted using RTMS (Remote Traffic Microwave Sensor) speed measurements obtained from the Istanbul Municipality web site from 327 different sensor locations. Speed predictions are done 5 minutes to an hour ahead and SVM (Support Vector Machine) and kNN (k Nearest Neighbor) methods for speed prediction are used. For speed prediction at a certain sensor location, the most important past speed measurements are computed for better accuracy using feature selection methods. Finding out which other sensors could be used to predict the speed at a certain sensor location and showing that especially for nearby/correlated sensors, it is possible to get better results using related sensor measurements in addition to the sensor being predicted. It is also showed that only using the correlated sensors, it is possible to get good accuracy. This result could be very useful when a sensor breaks down or needs to be calibrated. In all experiments, it is found that SVM produces better results than kNN.
Benzer Tezler
- Intelligent sensing for robot mapping and simultaneous human localization and activity recognition
Robot haritalama ve insanlarda eşzamanlı konum belirleme ve aktivite ayırdetme için akıllı algılama
KEREM ALTUN
Doktora
İngilizce
2011
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik ve Elektronik Mühendisliği Bölümü
PROF. DR. BİLLUR BARSHAN
- Borsa İstanbul (BİST) 100 endeksi yönünün ekonomi haberleri ile tahmin edilmesi
Prediction of Borsa Istanbul 100 index direction using financial news articles
HAKAN GÜNDÜZ
Yüksek Lisans
Türkçe
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ZEHRA ÇATALTEPE
- Makine öğrenme yöntemlerini kullanarak spiral test ile parkinson hastalığının tanı tahmini
Diagnosis of parkinson disease with spiral test using machine learning methods
MUSTAFA GERGER
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHarran ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDÜLKADİR GÜMÜŞÇÜ
- Supervised and semi-supervised learning using informative feature subspaces
Bilgi içeren öznitelik alt uzayları ile eğitmenli ve yarı eğitmenli öğrenme
YUSUF YASLAN
Doktora
İngilizce
2010
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ZEHRA ÇATALTEPE
- El yazısı karakter tanıma: Dalgacık moment özniteliklerinin yenilenen ANFIS ile sınıflandırılması
Handwritten character recognition: Classification of the wavelet moment features using modified ANFIS
BAYRAM CETİŞLİ
Doktora
Türkçe
2005
Elektrik ve Elektronik MühendisliğiEskişehir Osmangazi ÜniversitesiY.DOÇ.DR. RİFAT EDİZKAN