Geri Dön

Peak-aware traffic prediction with deep learning models and a driver simulation method with probabilistic hybrid automaton

Derin öğrenme modelleri ile yoğunluk yönelimli trafik tahmini ve olasılıksal hibrit otomata ile bir sürücü simulasyon yöntemi

  1. Tez No: 749896
  2. Yazar: FATİH ACUN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ EBRU AYDIN GÖL, DOÇ. DR. SİNAN KALKAN
  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: 2022
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 61

Özet

Trafiği doğru bir şekilde tahmin etmek, birçok yönden kentsel yaşam üzerindeki etkisi nedeniyle önem arz etmektedir. Farklı trafik veri kümelerinde çeşitli istatistiksel yöntemler, makine öğrenimi ve derin öğrenme yaklaşımları uygulanmıştır. Genel olarak trafik, küçük bir zaman dilimine yayılan sabah ve akşam yoğunlukları dışında sabit seyreden bir davranış sergiler. Bir tahmin modelini yüksek doğruluklu olarak kabul etmek için yoğun saatlerde başarılı sonuçlar göstermesi gerekir. Bu tezde, kayıp fonksiyonunda küçük bir değişiklik ekleyerek herhangi bir derin öğrenme modeline uygulanabilecek yeni bir ortalamaya uzaklık ağırlıklandırma tekniği sunuyoruz. Yöntem, modellerin performansının yoğun saatlerde değerlendirilmesini de mümkün kılmaktadır. Trafik tahmini, yolculukların seyahat sürelerinin kestirimi ve araçların enerji (batarya ya da yakıt) tüketimlerini kestirmek amacıyla sıklıkla kullanılmaktadır. Bu tez kapsamında, seyahat süreleri ve yakıt tüketimini tahmin etme amacıyla Olasılıksal Hibrit Otomata tabanlı bir sürücü simülasyon modeli geliştirilmiştir. Bu simülatör, girdi olarak verilen trafik hızı ve sürücü özelliklerine göre hız-zaman verisini çıktı olarak üretir. Sonrasında bu çıktı elektrikli araç simulatöründe tüketimin kestirilmesi amacıyla kullanılır.

Özet (Çeviri)

Accurately predicting traffic is crucial due to its impact on urban life in many aspects. Several statistical methods, machine learning, and deep learning approaches are applied to different traffic datasets. In general, traffic follows a stable behavior except for the morning and evening peaks which span a small period in time. To consider a prediction model to be accurate, it must demonstrate successful results during peak hours. In this thesis, a novel distance to mean weighting technique is presented that can be applied to any deep learning model by introducing a minor change in the loss function. The method also makes it possible to evaluate the performance of the models during peak hours in traffic. Traffic prediction is frequently used in estimating travel times and energy consumption (battery or fuel). In this thesis, in order to estimate both travel time and consumption, a driver simulation model based on Probabilistic Hybrid Automata is developed. The simulator generates speed-time data with respect to the given traffic and driver characteristics. The result is then used to estimate the consumption using an electric vehicle simulator.

Benzer Tezler

  1. Order dispatching via deep reinforcement learning

    Başlık çevirisi yok

    ERAY MERT KAVUK

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AYŞE TOSUN KÜHN

  2. Filo planlaması

    Fleet planning

    SIDIKA MUŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    1992

    Ulaşımİstanbul Teknik Üniversitesi

    DOÇ. DR. MEHMET TANYAŞ

  3. Hiperspektral görüntülerde son elemanların ve katışım oranlarının hesaplanması

    Finding endmembers and proportion values in hyperspectral image

    ERDİNÇ GÜNEŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Elektrik ve Elektronik MühendisliğiHacettepe Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. SENİHA ESEN YÜKSEL

  4. A novel scheduling strategy for priority-aware iot networks for age of information optimization

    Öncelik bilinçli nesnelerin interneti ağlarında bilgi yaşı optimizasyonu için yeni dağıtım stratejisi

    OĞUZHAN SAYINBAŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik MühendisliğiBoğaziçi Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. EMİN ANARIM

  5. Düzce Meslek Yüksek Okulu Mobilya Dekorasyon Bölümü öğrencilerinde işe bağlı solunum sistemi bulguları sıklığı

    Respiratory symptoms and peak expiratory flow rates in furniture-decoration students

    CAHİT BİLGİN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2003

    Göğüs HastalıklarıAbant İzzet Baysal Üniversitesi

    Göğüs Hastalıkları ve Tüberküloz Ana Bilim Dalı

    YRD. DOÇ. DR. PERİ MERAM ARBAK