Delay prediction using machine learning algorithms for connected autonomous traffic flow in uninterrupted facilities
Kesintisiz akımlarda bağlantılı otonom trafik akışı için makine öğrenimi algoritmalarını kullanarak gecikme tahmini
- Tez No: 690435
- Danışmanlar: DOÇ. DR. ILGIN GÖKAŞAR
- Tez Türü: Yüksek Lisans
- Konular: Trafik, İstatistik, Traffic, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 123
Özet
Road incidents and breakdowns in freeways create excess delays in road sections for a duration of time. Amount of this delay plays an important role in the route planning of the people on the road. In this thesis, we propose a delay prediction methodology using machine learning techniques on feature engineered detector data. Our method uses incident characteristics, lagged detector data, adjacent detector data & lagged adjacent detector data as features. Created features are selected using mutual information criteria, correlation analysis and regularized & standard random forest feature importance values. The final model successfully predicts the delay for next timestep with mean squared error of 224.89 for training and 247.77 for testing data sets. Model performance further improves for the simulation conditions with less uncertainty such as incidents with short duration, accidents on right or left lane and detectors further away from the incident location.
Özet (Çeviri)
Otoyollardaki kazalar ve arızalar, bir süre boyunca yol bölümlerinde ek gecikmelere sebep olmaktadır. Bu gecikmenin miktarı, yoldaki insanların rota planlamasında önemli rol oynamaktadır. Bu tezde, özellik mühendisliği ile zenginleştirilmiş dedektör verileri üzerinde makine öğrenim teknikleri kullanarak gecikme tahmini yapan bir metodoloji öneriyoruz. Metodumuz özellik olarak kaza karakteristiklerini, dedektör verilerinin gecikmeli değerlerini, bitişik dedektör verilerini \& bitişik dedektörlerin gecikmeli verilerini kullanmaktadır. Oluşturulan özellikler, karşılıklı bilgi kriterleri, korelasyon analizi ve düzenlileştirilmiş \& standart rastgele orman özellik önemi değerleri kullanılarak seçilir. Sonuçta elde edilen model bir sonraki zaman dilimi için gecikmeyi eğitim setinde 224.89 ve test setinde 247.77 ortalama kare hata ile başarılı bir şekilde tahmin etmektedir. Model performansı kısa süreli kazalar, sağ veya sol şeritta kazalar ve kaza yerine uzak yol bölümleri gibi belirsizliğin daha düşük olduğu simülasyon koşullarında daha da iyi sonuç göstermektedir.
Benzer Tezler
- Vehicular visible light communication channel modeling and performance analysis
Araç görünür ışık haberleşmesi kanal modellemesi ve performans analizleri
BUĞRA TURAN
Doktora
İngilizce
2021
Elektrik ve Elektronik MühendisliğiKoç ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. SİNEM ÇÖLERİ
- Preserving privacy with homomorphic encryption in 5G Network Data Analytics Function
5G Şebeke Veri Analitiği Fonksiyonu'nda homomorfik şifreleme ile mahremiyetin korunması
BERKER ACIR
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ERTAN ONUR
- Makine öğrenmesi algoritmaları kullanılarak sağlık sisteminde tahmin çalışması
Prediction study using machine learning algorithms in health system
GÜLSÜM SALTAN YAŞLI
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEHER ARSLANKAYA
- Havayolu yolculuk deneyimini iyileştirmek için makine öğrenmesi yöntemleriyle uçuş gecikmesi tahmini
Machine learning techniques for enhancing airline passenger experience through flight delay prediction
ESMA ERGÜN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SÜHA TUNA
- GNSS gözlemlerindeki troposferik gecikmenin destek vektör makineleri algoritması ile kestirimi
Estimation of tropospheric delay in GNSS observations using support vector machines algorithm
ALİ UTKU AKAR
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. CEVAT İNAL