Geri Dön

Prediction based real time traffic management using connected autonomous vehicles

Bağlı otonom araçları kullanarak tahmine dayalı gerçek zamanlı trafik yönetimi

  1. Tez No: 668156
  2. Yazar: ALPEREN TİMUROĞULLARI
  3. Danışmanlar: DOÇ. DR. ILGIN GÖKAŞAR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Ulaşım, İnşaat Mühendisliği, Transportation, Civil Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 93

Özet

The increasing population of big cities and hence the increasing rate of vehicle use with the population bring important environmental and economic problems. Traffic congestion is one of the main causes of these problems. The presence of factors that may cause traffic to slow down or even stop locally increases the density of traffic, especially in highly populated cities, and the effect of these factors can cease to be local and affect the entire road network. Therefore, the effective management of traffic plays an essential role in reducing these negative effects. In this thesis, the real-time management using the connected autonomous vehicles, namely SWSCAV, was tested in the 11 km long road network using the SUMO (Simulation of Urban Mobility) environment. Then, SWSCAV with and without the prediction was compared with two real-time traffic management methods, namely the Variable Speed Limits and Lane Control Systems. 2400 different scenarios were created changing the parameters: the control distance and the percentage of the connected autonomous vehicles in the traffic flow. SWSCAV with prediction where there are 50% connected autonomous vehicles decreased the density by an average of 58.18%. This scenario provided a 61.61% decrease in the density locally with a control distance of 1250 meters.

Özet (Çeviri)

Büyük şehirlerin artan nüfusu ve dolayısıyla nüfusla birlikte artan araç kullanım oranı, önemli çevresel ve ekonomik sorunları da beraberinde getirmektedir. Trafik sıkışıklığı, bu sorunların ana nedenlerinden biridir. Trafiğin yavaşlamasına ve hatta yerel olarak durmasına neden olabilecek faktörlerin varlığı, özellikle yüksek nüfuslu şehirlerde trafik yoğunluğunu arttırır ve bu faktörlerin etkisi yerel olmaktan çıkıp tüm yol ağını etkileyebilir. Bu nedenle, trafiğin etkin yönetimi, bu olumsuz etkilerin azaltılmasında önemli bir rol oynar. Bu tezde, SWSCAV adı verilen bağlı otonom araçları kullanan gerçek zamanlı trafik yönetimi yöntemi, SUMO (Simulation of Urban Mobility) ortamı kullanılarak 11 km uzunluğundaki yol ağında test edilmiştir. Daha sonra tahminli ve tahminsiz SWSCAV , Değişken Hız Sınırları ve Şerit Kontrol Sistemleri olmak üzere iki gerçek zamanlı trafik yönetimi yöntemi ile karşılaştırılmıştır. Kontrol mesafesi ve bağlı otonom araçların trafik akışındaki yüzdesi parametreleri değiştirerek 2400 farklı senaryo oluşturulmuştur. Trafikteki otonom araçların sayısının tüm araçlara oranının % 50 olduğu tahminli SWSCAV yöntemi, kritik bölgedeki yoğunluğu ortalama% 58,18 azaltmıştır. Bu senaryo, 1250 metrelik bir kontrol mesafesinde yerel olarak yoğunlukta % 61,61 azalma sağlamıştır.

Benzer Tezler

  1. Graph theory based traffic light management

    Grafik teorisi tabanlı trafik ışığı yöntemi

    ADAM RIZVI THAHIR

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAbdullah Gül Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. VEHBİ ÇAĞRI GÜNGÖR

    DR. ÖĞR. ÜYESİ MUSTAFA COŞKUN

  2. Enabling adaptive road lighting through lighting class prediction with real time and historical data

    Gerçek zamanlı ve geçmiş veriye dayanan aydınlatma sınıfı tahmini ile uyarlanabilir yol aydınlatmasının sağlanması

    HASAN MERT TOKGÖZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Enerjiİstanbul Teknik Üniversitesi

    Enerji Bilim ve Teknoloji Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUSTAFA BERKER YURTSEVEN

  3. Konteyner liman operasyonlarının makine öğrenmesi yöntemleri ile analizi

    Analysis of container port operations using machine learning methods

    ÜSTÜN ATAK

    Doktora

    Türkçe

    Türkçe

    2022

    Deniz Bilimleriİstanbul Teknik Üniversitesi

    Deniz Ulaştırma Mühendisliği Ana Bilim Dalı

    PROF. DR. YASİN ARSLANOĞLU

    PROF. DR. TOLGA KAYA

  4. Debi-seviye izleme ve taşkın uyarı maksatlı gerçek zamanlı nehir gözlem istasyonu imalatı: Aşağı Sakarya Nehri uygulaması

    Manufacturing of a real-time river monitoring station for discharge-level monitoring and flood warning: Lower Sakarya River application

    FATMA DEMİR

    Doktora

    Türkçe

    Türkçe

    2024

    İnşaat MühendisliğiSakarya Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. OSMAN SÖNMEZ

  5. İklimlendirme sistemleri üzerinde makine öğrenmesi ile anomali tespiti

    Anomaly detection with machine learning on air conditioning systems

    REFİK KİBAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUHAMMED FATİH ADAK

    DR. ÖĞR. ÜYESİ KEVSER OVAZ AKPINAR