Geri Dön

Bölgesel trafik yoğunluk tahmini için derin öğrenme teknikleri ile model oluşturulması

Modeling with deep learning techniques for regional traffic density forecasting

PDF İndir

  1. Tez No: 635536
  2. Yazar: FETHİYE YASLI
  3. Danışmanlar: DR. ÖĞR. ÜYESİ MEHMET AMAÇ GÜVENSAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Trafik, şehirleşmiş yerleşim birimlerinin en önemli sorunlarından biri haline gelmiştir. Trafikte geçen zamanı azaltmak amacı ile insanlara bir noktadan diğerine en hızlı ve konforlu gideceği güzergahı gösteren çeşitli uygulamalar geliştirilmiştir. Fakat bu uygulamalar kısa vadeli hız tahmini için uygun olmasına rağmen uzun vadeli trafik yoğunluğu hakkında öngörüde bulunamamaktadırlar. Bu çalışmada geçmiş hafta hız verilerinin örüntüleri kullanılarak 7 güne kadar tahminde bulunmak için Polinom Regresyon Modeli, Ortalama Yöntemi ve derin öğrenme yöntemlerinden Evrişimli Sinir Ağı(CNN) yöntemleri kullanılmıştır. Bu çalışma İstanbul il genelinde 44 farklı algılayıcıdan elde edilen trafik hız verileri kullanılarak gerçekleştirilmiştir. Derin öğrenme yöntemlerinden CNN kullanılarak 44 algılayıcı için farklı yaklaşım ve parametreler kullanılarak öngörü modelleri kurulmuştur. Elde edilen Ortalama Mutlak Yüzde Hata (MAPE) değerleri algılayıcılara bağlı olarak %2-40 arası değişim göstermektedir ve genel ortalamada MAPE değeri %16,60 olarak elde edilmiştir. CNN ve Ortalama yöntemlerinin başarı oranının algılayıcılara bağlı olarak, Polinom Regresyon yönteminden %3-10 arası daha başarılı olduğu gözlemlenmiştir.

Özet (Çeviri)

Traffic has become one of the most important problems of urbanized settlements. In order to reduce the time spent in traffic, various applications have been developed which show people the fastest and most comfortable route from one point to another. However, although these applications are suitable for short-term speed prediction, they cannot predict long-term traffic density. In this study, Polynomial Regression Model, Mean Method, and Convolutional Neural Network (CNN) methods, which are among the deep learning methods, were used to predict up to 7 days using the patterns of speed data of the past week. This study was carried out using traffic speed data obtained from 44 different sensors across the city of Istanbul. Forecasting models have been established by using different approaches and parameters for 44 sensors using CNN, which is one of the deep learning methods. The Average Absolute Percentage Error (MAPE) values obtained vary between 2-40% depending on the sensors and the overall average MAPE value is obtained as 16.60%. Depending on the sensors, the success rate of CNN and Mean methods was observed to be 3-10% more successful than Polynomial Regression method.

Benzer Tezler

  1. Tez No

    846836

    Assessment of urbanization history of Addis Ababa city, Ethiopia

    Addıs Ababa cıty, Ethıopıa'nın kentleşme tarihinin değerlendirilmesi

    ABDURAHMAN HUSSEN YIMER

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Şehircilik ve Bölge PlanlamaMersin Üniversitesi

    Şehir ve Bölge Planlama Ana Bilim Dalı

    DOÇ. DR. ALİ CENAP YOLOĞLU

  2. Tez No

    962042

    Contributions to the determination of optimized driving strategies for electric vehicles using artificial intelligence based methods

    Elektrikli araçlar için yapay zeka tabanlı yöntemlerle en uygunlaştırılmış sürüş stratejilerinin belirlenmesine katkılar

    UFUK BOLAT

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. DERYA AHMET KOCABAŞ

    DOÇ. DR. GÜLCİHAN ÖZDEMİR

  3. Tez No

    1011669

    Güney Ege ve Batı Akdeniz bölgelerinde meydana gelen orman yangınlarının hava kalitesiyle olan ilişkisinin araştırılması

    Investigation of the relationship between forest fires and air quality in the Southern Aegean and Western Mediterranean regions

    CANSU AKTAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2026

    Meteorolojiİstanbul Teknik Üniversitesi

    Meteoroloji Mühendisliği Ana Bilim Dalı

    DOÇ. DR. EMRAH TUNCAY ÖZDEMİR

  4. Tez No

    475830

    Deniz trafik yoğunluğunun OTS verileri kullanılarak haritalandırılması: Kuzey Ege denizinde bir uygulama

    Mapping marine traffic density by using AIS data: An application in the Northern Aegean Sea

    BURAK KUNDAKÇI

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    UlaşımDokuz Eylül Üniversitesi

    Deniz Ulaştırma İşletme Mühendisliği Ana Bilim Dalı

    PROF. DR. SELÇUK NAS

  5. Tez No

    349835

    Marmara denizi trafik akışı ve trafik düzeninin analizi

    Maritime traffic analysis of Marmara sea

    TUNÇ ALTAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    Gemi Mühendisliğiİstanbul Teknik Üniversitesi

    Deniz Ulaştırma İşletme Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. YUSUF VOLKAN AYDOĞDU

Geri Dön