Veri madenciliği ve makine öğrenmesi yöntemleri ile İstanbul trafiğinin analizi: D100 karayolu uygulaması
Analysis of Istanbul traffic with data mining and machine learning methods: D100 highway application
- Tez No: 697371
- Danışmanlar: PROF. DR. HALİM KAZAN
- Tez Türü: Doktora
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: İktisat Bilim Dalı
- Sayfa Sayısı: 229
Özet
Trafik problemi, mevcut ve gelecekteki trafik verilerine dayanarak yakın gelecekteki trafik önlemlerinin öngörülmesi adına, Akıllı Ulaşım Sistemlerinde kullanıcıların ve karar vericilerin trafik planlama ve yönetimlerini iyileştirmek, trafik sorunu ile başa çıkmak için son dönemlerde çok önemli bir konu haline gelmiştir. Akıllı Ulaşım Sistemleri sayesinde büyük miktarda trafik verisinin oluşması sonucunda veri odaklı modellerin oluşmasına imkan sağlamıştır. Veri madenciliği ve makine öğrenmesi yöntemleri ile büyük veri odaklı karmaşık senaryolar modellenerek trafik önlemlerinin tahminlemesine olan ilgi giderek artmaktadır. Bu çalışmada, önerilen trafik analiz modellemesinde, öncelikle araştırılması gerçekleştirilecek olan bölgenin trafiğine etki eden parametreler istatistiksel yöntemler sayesinde belirlenerek birbirleri ile olan ilişkileri ve etkileri ortaya çıkarıldı. Trafik yoğunluğu ve trafik olaylarının saat, gün, ay, mevsim, yıl, hava olayları, kaza durumları parametreleri ile aralarındaki ilişkiler belirlendi. Elde edilen parametreler, makine öğrenmesi yöntemleri ile modellenerek trafik yoğunluk analizi ve trafik olayları analizleri gerçekleştirildi. Bu modelde amaç her bölgenin trafik problemine etki eden kendine has parametreler olmasından dolayı, konumsal olarak spesifik trafik uyarı sisteminin gerçekleştirilmesi adına önemli bir çalışma olmuştur. İstanbul ili D100 karayolunun Anadolu yakası, Avrupa yakası ve 15 Temmuz Şehitleri köprüsü hatlarında meydana gelen trafik yoğunluğu ve trafik olaylarına etki eden parametreler istatistiksel yöntemler ile belirlenerek analizleri gerçekleştirilmiştir. Bayes ağı ve Yapay sinir ağı yöntemleri ile trafik yoğunluğu ve kaza olaylarının modelleri oluşturulmuştur. Bu modeller sayesinde bölgeye has oluşabilecek trafik yoğunluk durumları ve trafik olayları için erken uyarı sisteminin alt yapısının oluşturulması sağlanmıştır.
Özet (Çeviri)
For the prediction of traffic measures in the near future based on the traffic problem, current and future traffic data, Improving the traffic planning and management of users and decision makers in Intelligent Transportation Systems has recently become a very important issue to cope with the traffic problem. Thanks to the Intelligent Transportation Systems, it has enabled the formation of data-oriented models as a result of the formation of a large amount of traffic data. There is an increasing interest in the prediction of traffic measures by modeling big data-driven complex scenarios with data mining and machine learning methods. In this study, in the proposed traffic analysis modeling, the parameters affecting the traffic of the region to be investigated were determined by statistical methods, and their relations and effects with each other were revealed. The relationships between traffic density, and parameters of hour, day, month, season, year, weather events, accident situations were determined. Obtained parameters were modeled with machine learning methods and traffic density analysis and traffic incident analyzes were performed. In this model, the aim has been an important study for the realization of a spatially specific traffic warning system, since each region has its own parameters that affect the traffic problem. The traffic density on the Anatolian side, the European side and the 15 July Martyrs Bridge lines of the Istanbul D100 highway and the parameters affecting the traffic incidents were determined by statistical methods and analyzed. Models of traffic density and accident events were created with Bayesian network and Artificial neural network methods. Thanks to these models, the infrastructure of the early warning system has been created for traffic density situations and traffic incidents that may occur specific to the region.
Benzer Tezler
- Pre-release forecasting of imdb movie ratings using multi-view data
Gösterime girmemiş filmlerin ımdb puanının farklı özellik kümeleri kullanılarak tahmin edilmesi
BEYZA ÇİZMECİ
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ÖĞÜDÜCÜ
- Konteyner liman operasyonlarının makine öğrenmesi yöntemleri ile analizi
Analysis of container port operations using machine learning methods
ÜSTÜN ATAK
Doktora
Türkçe
2022
Deniz Bilimleriİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
PROF. DR. YASİN ARSLANOĞLU
PROF. DR. TOLGA KAYA
- Modeling educational data with machine learning methods
Eğitim verilerinin makine oğrenmesi algoritmaları kullanılarak modellenmesi
AYŞE İLKNUR DİLEK
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Kültür ÜniversitesiMatematik ve Bilgisayar Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET FATİH UÇAR
- Makine öğrenmesi yöntemleri ile yazılım hata tahmini
Software defect prediction with machine learning methods
ZEYNEP BEHRİN GÜVEN AYDIN
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. RÜYA ŞAMLI
- Lojistik regresyon analizi ve makine öğrenmesi algoritmaları ile prostat kanseri risk faktörlerinin belirlenmesi üzerine bir çalışma
A study on the determination of prostate cancer risk factors by logistic regression analysis and machine learning algorithms
SELMAN AKTAŞ
Doktora
Türkçe
2022
Biyoistatistikİstanbul Üniversitesi-CerrahpaşaBiyoistatistik Ana Bilim Dalı
PROF. DR. MURAT KİRİŞCİ