Geri Dön

Applying classification methods on traffic dataset

Trafik verisi üzerinde sınıflandırma yöntemlerinin kullanılması

  1. Tez No: 484374
  2. Yazar: MUSTAFA ÇIRKA
  3. Danışmanlar: YRD. DOÇ. DR. METE ÇELİK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Veri Madenciliği, Betimsel Analiz, Korelasyon, Regresyon, Karar Ağacı, Data Mining, Descriptive Statistic, Correlation, Regression, Decision Tree
  7. Yıl: 2017
  8. Dil: İngilizce
  9. Üniversite: Erciyes Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 64

Özet

Veri madenciliği büyük bir veri setinden anlamlı bilgi çıkartmak ve bu bilgiyi işlemek için kullanılan yöntemlerin bütünüdür. Ayrıca büyük veri yığınları içerisinden gelecek ile ilgili tahminlerin yapılabilmesini sağlayacak sonuçların bilgisayar programları vasıtasıyla aranmasıdır. Sınıflandırma, kümeleme, istatistiksel analiz, korelasyon ve regresyon bu sonuçlara ulaşmak için kullanılan veri madenciliği metodlarından bazılarıdır. Veri madenciliğine başlamadan önce gerekli ön adım çalışmaları yapılır ve sonra ulaşılmak istenen sonuca uygun olan metod seçilir. Bu ön adımlar gürültü temizleme, veri dönüştürme ve veri seçme gibi süreçleri kapsamaktadır. Bu çalışmada veri madenciliği metodları Türkiye karayollarına ait trafik verileri üzerinde uygulanmıştır. Betimsel analiz ile Kayseri'de kazaların en çok olduğu yollar tespit edilmiş, bu yollar üzerinde meydana gelen kaza türleri incelenmiş ve ayrıca bu yollar üzerinde en çok kaza olan aralıklar belirlenmiştir. Korelasyon analizi ile bu kazalar sonucu meydana gelen toplam ölü ve yaralı sayısı ile haftalar ve aylar arasında ki ilişki artış ve azalış yönünden ele alınmış ve kaza sayısının ölü ve yaralı sayısı üzerinde ki etkisi incelenmiştir. Son olarak regresyon analizi ile toplam ölü ve yaralı sayısını etkilediği düşünülen değişkenler ile bir model oluşturulmuş ve hangi koşullarda yada durumlarda ölme ve yaralanma riskinin fazla olduğunu tahmin etme yoluna gidilmiştir. Son olarak, aynı model karar ağacı uygulamasında kullanılmış ve sonuçlar karşılaştırılmıştır.

Özet (Çeviri)

Data mining is a whole of methods that extracts meaningful information from a large dataset and then processes this information. Additionally, data mining finds the results to predict the answers belonging to future within a large data stack by using computer programs. Classification, statistical analysis, correlation and regression are the some data mining methods to reach such information. Before start to data mining, preliminary works should be done on the data and then appropriate methods are chosen to reach to desired results. Some of the preliminary works are cleaning noisy data, converting variables and choosing a data to work on it. In this study, data mining methods were used on the traffic dataset of General Directory of Highways (KGM) in the Zone 6th. The most dangerous roads, common accident types and accident sections on these roads were investigated in Kayseri by using Descriptive Statistic. The relation between weeks / months and number of injured & dead, and effect of number of accidents on number of injured and number of dead separately were investigated by using correlation to check any increase / decrease within them. A model was created by using logistic regression to predict risky factors / situations that effect number of injured & dead in the accidents. Finally, decision tree model was formed and the results were compared.

Benzer Tezler

  1. Nicemlenmiş yerel zernike momentlerle trafik işaretlerinin sınıflandırılması

    Traffic sign classification with quantized local zernike moments

    EMRAH BAŞARAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2013

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MUHİTTİN GÖKMEN

  2. Kolektif makine öğrenmesi tabanlı ağ saldırı tespiti

    Collective machine learning based network intrusion detection

    ŞURA EMANET

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÖNDER DEMİR

    DR. ÖĞR. ÜYESİ GÖZDE KARATAŞ BAYDOĞMUŞ

  3. Derin öğrenme yöntemleri ile kablosuz ağlara sızma tespiti

    Wireless network intrusion detection using deep learning methods

    EMRE HALİSDEMİR

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HACER KARACAN

  4. Araçların şerit değişikliğinin dalgacık dönüşümü ile analizi ve sınıflandırılması

    Analysis and classification of the lane changing of vehicles by wavelet transform

    YUNUS EMRE AVCI

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYalova Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ OSMAN HİLMİ KOÇAL

  5. Araç sürüş verilerinden makine öğrenmesi tekniklerini kullanarak sürücü sınıflandırma

    Driver classification with using machine learning methods on vehicle driving data

    BATUHAN KARATAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTOBB Ekonomi ve Teknoloji Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. OSMAN ABUL