Geri Dön

Araç muayene verileri ile veri madenciliği uygulanması

Application of data mining with vehicle inspection data

PDF İndir

  1. Tez No: 695822
  2. Yazar: GİZEM ÇETİN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ÖMER ÖZGÜR TANRIÖVER
  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: 2021
  8. Dil: Türkçe
  9. Üniversite: Ankara Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 110

Özet

Araç muayenesi trafikte yer alan motorlu ya da motorsuz araçlar için teknik yeterliliklerinin ölçüldüğü, yolcu ve trafik güvenliğinin sağlanıp sağlanmadığının tespit edildiği sistemdir. Türkiye'de karayolunda seyreden araçların teknik muayenelerini daha etkin ve sağlıklı bir şekilde yapmak ve karayolu trafik güvenliğini sağlamak amacıyla her yıl yaklaşık 6 milyona yakın aracın periyodik muayenesi gerçekleşmektedir. Bu tez çalışmasında Ulaştırma ve Altyapı Bakanlığı araç muayene verileri kullanılarak makine öğrenmesi algoritmaları ve derin sinir ağları kullanılarak araç muayene sonucu tahmini yapılmıştır ve veriler üzerinde örnekleme yöntemi kullanılarak makine öğrenmesi algoritmalarının performansları karşılaştırılmıştır. Ayrıca birliktelik kuralları yöntemlerinden apriori algoritması kullanılarak araçların muayene sonucunda birlikte görülen kusurların analizi gerçekleştirilmiştir ve araç kusurları arasında anlamlı ilişkiler bulunmuştur. Çalışmada yaklaşık 7 milyon araç muayene verisi kullanılmıştır. Araç muayene sonucunu tahmin etmek için aracın km, model, yakıt tipi ve muayene sonucu çıkan kusur verileri kullanılmıştır. Makine öğrenme algoritmalarından Lojistik Regresyon (LR), Naive Bayes (NB), Karar Ağaçları (DT), Rastgele Orman (RF), K-En Yakın Komşu (KNN), Gradyan Yükseltme (XG Boost), Ada Boost, Derin Sinir Ağı (DNN) ve Evrişimsel Sinir Ağı (CNN) kullanılmıştır. Her bir model AUC, ROC eğrisi, doğruluk, kesinlik, hatırlama ve F1 skor değerleri açısından karşılaştırılmıştır. Makine öğrenme modellerinin hafif kusurlu, ağır kusurlu ve emniyetsiz olarak sınıflandırılan muayene sonucu tahminini yüksek doğrulukla öngörebildiği sonucuna ulaşılmıştır.

Özet (Çeviri)

Vehicle inspection is a system in which the technical qualifications of motorized or non-motorized vehicles in traffic are measured and whether passenger and traffic safety are provided or not. In Turkey, periodic inspections of nearly 6 million vehicles are carried out every year in order to carry out technical inspections of vehicles traveling on the road more effectively and healthily and to ensure road traffic safety. In this thesis, vehicle inspection results were estimated by using machine learning algorithms and deep neural networks using the vehicle inspection data of the Ministry of Transport and Infrastructure, and the performances of machine learning algorithms were compared using the sampling method on the data. In addition, using the apriori algorithm, which is one of the association rules methods, the analysis of the defects seen as a result of the inspection of the vehicles was carried out and significant relationships were found between the vehicle defects. Approximately 7 million vehicle inspection data were used in the study. In order to estimate the vehicle inspection result, the vehicle's km, model, fuel and inspection results were used. Logistic Regression (LR), Naive Bayes (NB), Decision Trees (DT), Random Forest (RF), K-Nearest Neighbor (KNN), Gradient Boost (XG Boost), Ada Boost, Deep Neural Network (DNN) from machine learning algorithms and Convolutional Neural network (CNN) was used. Each model was compared in terms of AUC, ROC curve, accuracy, precision, recall and F1 score values. It has been concluded that machine learning models can predict with high accuracy the estimation of lightly defective, severely defective and unsafe inspection result using vehicle inspection data.

Benzer Tezler

  1. Tez No

    497861

    Estimation of heart disease based on data mining using patients health database

    Hasta sağlığı veri tabanı kullanarak veri madenciliğine dayalı kalp hastalığı tahmini

    AZHAR HATEM JEBUR AL BAIDHANI

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Ana Bilim Dalı

    Assist. Prof. YASA EKŞİOĞLU ÖZOK

  2. Tez No

    611178

    Araç muayene istasyonlarında kapasite yönetimi

    Capacity management in vehicle inspection stations

    ALİ ÇALIK

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Endüstri ve Endüstri MühendisliğiMaltepe Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SİNAN APAK

  3. Tez No

    868167

    Uzun süreli verilerin analizinde kullanılan makine öğrenmesi algoritmaları

    Machine learning algorithms for longitudinal data analysis

    CAN DEMİRCİGİL

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    İstatistikHacettepe Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. MELİKE BAHÇECİTAPAR

  4. Tez No

    827867

    Classification of abnormal respiratory sounds using deep learning techniques

    Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması

    AHAMADI ABDALLAH IDRISSE

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DOÇ. DR. OKTAY YILDIZ

  5. Tez No

    892441

    Meme kanserli hastalarda neoadjuvan kemoterapiye yanıtın öngörülmesi ve değerlendirilmesi amacıyla bir nomogram geliştirilmesi

    For the prediction and evaluation of neoadjuvant chemotherapy response in breast cancer patient: Development of a nomogram

    SEZER GÖKÇEN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2024

    Genel CerrahiBolu Abant İzzet Baysal Üniversitesi

    Genel Cerrahi Ana Bilim Dalı

    PROF. DR. MEHMET HAYRİ ERKOL

    DOÇ. DR. BAHRİ ÖZER

Geri Dön