Detecting air traffic controllers' stress levels using machine learning techniques
Hava trafik kontrolörlerinin stres seviyelerinin makine öğrenme teknikleriyle algılanması
- Tez No: 667466
- Danışmanlar: DR. ÖĞR. ÜYESİ İBRAHİM BARAN USLU, DR. ÖĞR. ÜYESİ UĞUR TURHAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Sivil Havacılık, Electrical and Electronics Engineering, Civil Aviation
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Atılım Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 90
Özet
Hava Trafik Kontrolünde olduğu gibi, iletişimin çoğunlukla ses üzerinden sağlandığı ve yoğun stresin iş kalitesini ve dolayısıyla da insan hayatını doğrudan etkileyebildiği koşullarda, stresin tespitinin makinalarla doğru bir şekilde anlaşılması, istenmeyen durumlar için önleyici tedbirler alınabilmesine olanak tanıyacaktır. Bu tez kapsamında, ses üzerinden özellikle mesleki stres altında olduğu düşünülen Hava Trafik Kontrolörlerinin, stres seviyelerinin ölçülmesi amaçlandı. Bu amaçla tez için benzersiz bir veri seti oluşturulup ses özellikleri çıkarıldı ve yapay sinir ağları ile farklı stres düzeylerinin algılanması için sınıflandırma çalışmaları gerçekleştirildi. Yapılan testler sonucunda 26 özellik seçilerek yapılan testlerde ortalama başarım, yapay sinir ağları kullanıldığında %31.2, destek vektör makinaları kullanıldığında ise %25.9'dır.
Özet (Çeviri)
An accurate understanding of stress detection with machines will allow preventive measures to be taken for undesirable situations, such as in air traffic control, where communication is mostly through sound and intense stress can directly affect the quality of work and hence human life. Within the scope of this thesis, it was aimed to measure the stress levels of Air Traffic Controllers, which are considered to be under occupational stress, from their speeches on duty. For this purpose, a unique data set was created for the thesis, sound features were extracted and classification studies were carried out with artificial neural networks. As a result of the tests, the average performance for 26 features was 31.2% for NN and 25.9% for SVM.
Benzer Tezler
- Air traffic controller alertness level detection
Hava trafik kontrolörlerinin dinginlik seviyesi tespiti
AZİZ PARMAKSIZ
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGebze Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET GÖKTÜRK
- Autolanding control system design with deep learning based fault estimation
Derin öğrenme tabanlı hasar tespitli gürbüz otomatik iniş kontrol sistemi
BATUHAN EROĞLU
Yüksek Lisans
İngilizce
2019
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NAZIM KEMAL ÜRE
- Mil-Std 1553 tabanlı sistemler için yeni bir saldırı tespiti yaklaşımı
A new intrusion detection approach for Mil-Std 1553 based systems
YUNUS EMRE ÇİLOĞLU
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞERİF BAHTİYAR
- Cezalandırmaya dayalı optimizasyon yaklaşımı ile kısa vadeli hava aracı çakışma çözümü
Short term aircraft conflict resolution using penalty-based optimization approach
FURKAN ÖNEL
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Sultan Mehmet Vakıf ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. SHAABAN A.I. SAHMOUD
DR. BERNA KİRAZ
- Serbest rota hava sahasında dinamik ara nokta ataması ile çakışma çözümü
Conflict resolution with dynamic midpoint assignment in free route airspace
ERKAN GÖLCÜK
Yüksek Lisans
Türkçe
2022
Sivil HavacılıkEskişehir Teknik ÜniversitesiHava Trafik Kontrol Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FULYA AYBEK ÇETEK