Makine öğrenme yöntemleri ile trafik kazaları için risk tahmini yapabilen web tabanlı bir yazılım
Web based software capable of risk prediction for traffic accidents with machine learning methods
- Tez No: 392805
- Danışmanlar: PROF. DR. HALİL İBRAHİM BÜLBÜL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Trafik, Computer Engineering and Computer Science and Control, Traffic
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2015
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Bilişim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Eğitimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 90
Özet
Günümüzde, ulaşım ve özellikle karayolu taşımacılığı en önemli ihtiyaçlardan biridir. Bununla birlikte, giderek artan araç sayısı ve araç kullanımının yaygınlaşması nedeniyle trafik sıkışıklığı ve trafik kazaları da her geçen gün sıkça karşılaşılan bir sorun olmaya devam etmektedir. Ülkemizde trafik kazaları ile ilgili veriler farklı kurum ve kuruluşlar tarafından kayıt altına alınmakta ve istatistikî sonuçlar türetilmesi için kullanılmaktadır. Bu verileri kullanarak kazalara karşı bazı önleyici tedbirlerin geliştirilmesi de mümkündür. Bu amaca yönelik olarak tez çalışmasında, SBM (Sigorta Bilgi Merkezi) tarafından kayıt altına alınmış 5000 adet maddi hasarlı trafik kazası verisine makine öğrenmesi teknikleri uygulanarak kaza riskini hesaplayan ve kaza riski tahmininde bulunan web etkileşimli dinamik bir sistem gerçekleştirilmiştir. Çalışmada öncelikle farklı makine öğrenme teknikleri test edilerek performansları karşılaştırılmış ve en uygun sonucu veren algoritma belirlenmiştir. Sonraki aşamada ise bu algoritmayı kullanarak kaza riski tahmini yapabilen bir web ara yüzü geliştirilmiştir. Geliştirilen uygulama ile kullanıcının bulunduğu konum yazılım tarafından otomatik olarak tespit edilebilmekte ve buna göre ilgili güzergâhtaki meteorolojik koşullar ve önceden gerçekleşmiş kaza bilgilerine göre kullanıcıya dinamik uyarılar verilebilmektedir. Sunulan uygulama, trafik kaza verilerine makine öğrenme yöntemlerinin uygulanması ile metodolojik bir yenilik içermekte olup geliştirmeye açık birçok yönü de bulunmaktadır.
Özet (Çeviri)
Nowadays transport, especially road transport is one of the most important requirement. However, traffic jams and traffic accidents continue to be a problem frequently encountered due to increasing number of vehicles and its widespread use. In our country data concerning traffic and traffic accidents is recorded by several institutions and it is used to reproduce statistical results. It is possible to develop some preventive measures against traffic accidents by using this recorded data. In the thesis, it has been developed dynamic web based software, which calculates and predicts the traffic accident risk by the method of machine learning that were applied to 5000 property damaged traffic accident data provided by the Insurance Information Center (IIC). In the study, as a first several machine learning techniques were tested and the results were compared. Then, the algorithm giving the most appropriate results was determined. Next step was to develop a web interface predicting traffic accident risk. With this application, driver location could be detected automatically and dynamic alerts could be ensured to him by the use data concerning meteorological conditions through the itinerary and data regarding traffic accident happened before. Presented application includes methodological innovations and also it has many features that can be improved.
Benzer Tezler
- Real-time crash risk analysis using deep learning
Derin öğrenmeyle gerçek zamanlı kaza risk analizi
SAEID MORADI
Yüksek Lisans
İngilizce
2022
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ OSMAN ATAHAN
- A comparative study of deep learning approaches for autonomous vehicle control
Otonom araç kontrolü için ̇derin öğrenme yaklaşımlarının karşılaştırılması
EMRE ŞAHİN
Yüksek Lisans
İngilizce
2024
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. GÜLAY ÖKE GÜNEL
- Akıllı algoritmalar kullanarak sürücü davranışı algılama
Driver behavior detection using intelligent algorithms
NAIF ABDULRAHEEM MAHMOOD ALZEBARI
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. YAŞAR BECERİKLİ
- Deep reinforcement learning for partially observable markov decision processes
Kısmi gözlemlenebilir markov karar süreçleri için derin pekiştirmeli öğrenme
MEHMET HAKLIDIR
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN TEMELTAŞ
- Makine öğrenme yöntemleri ile Kahramanmaraş ilindeki trafik kazası sonuçlarının analizi ve tahmin edilmesi
Analysis and estimation of traffic accident results in Kahramanmaraş with machine learning methods
HÜSEYİN BOLAT
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMunzur ÜniversitesiMühendislik Yönetimi Ana Bilim Dalı
DOÇ. DR. MELİH YÜCESAN