Bölgesel trafik yoğunluk tahmini için derin öğrenme teknikleri ile model oluşturulması
Modeling with deep learning techniques for regional traffic density forecasting
- Tez No: 635536
- Danışmanlar: DR. ÖĞR. ÜYESİ MEHMET AMAÇ GÜVENSAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 110
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
- Turistik gezi planlaması problemi için matematiksel model önerisi
A new mathematical programming model for the tourist trip design problem
OĞUZHAN GÖKBAYRAK
Yüksek Lisans
Türkçe
2023
Endüstri ve Endüstri MühendisliğiSüleyman Demirel ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAKAN ALTUNAY
- Marmara denizi trafik akışı ve trafik düzeninin analizi
Maritime traffic analysis of Marmara sea
TUNÇ ALTAN
Yüksek Lisans
Türkçe
2014
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma İşletme Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. YUSUF VOLKAN AYDOĞDU
- 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
2017
DenizcilikDokuz Eylül ÜniversitesiDeniz Ulaştırma İşletme Mühendisliği Ana Bilim Dalı
PROF. DR. SELÇUK NAS
- A macrolevel tabu-search based approach to determine the major factors in built environment-traffic safety relationship
Yapılı çevre-trafik güvenliği ilişkisinde başlıca faktörlerin belirlenmesi için tabu-arama tabanlı bir yaklaşım
ONUR ALİŞAN
Doktora
İngilizce
2021
UlaşımOrta Doğu Teknik ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
PROF. DR. ELA BABALIK
- Bakü-Tiflis-Ceyhan boru hattının bölgesel deniz trafiğine etkileri
Impact of Baku-Tıflıs-Ceyhan piplene on regional ship traffic
MUSTAFA HAKAN İLAGA
Doktora
Türkçe
2019
Denizcilikİstanbul Üniversitesi-CerrahpaşaDeniz Ulaştırma İşletme Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN KARA