Geri Dön

Implementing artificial neural network based gap acceptance models in the simulation model of a traffic circle in SUMO

SUMO'da trafik çemberinin simülasyon modelinde artificial neural network tabanlı boşluk kabul modellerinin uygulanması

  1. Tez No: 760676
  2. Yazar: MOHAMMAD BAGHERI
  3. Danışmanlar: Assoc. Prof. Dr. BEKİR OĞUZ BARTIN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Ulaşım, İnşaat Mühendisliği, Transportation, Civil Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Özyeğin Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 67

Özet

The impact of various operational and design alternatives at roundabouts and traffic circles can be evaluated using microscopic simulation tools. Most microscopic simulation softwares utilize default underlying models for this purpose, which may not be generalized to specific facilities. Since the effectiveness of traffic operations at traffic circles and roundabouts is highly affected by the gap rejection–acceptance behavior of drivers, it is essential to accurately model driver's gap acceptance behavior using location-specific data. The objective of this paper was to evaluate the feasibility of implementing an Artificial Neural Network (ANN)-based gap acceptance model in SUMO, using its application programming interface. A traffic circle in New Jersey was chosen as a case study. Separate ANN models for one stop-controlled and two yield-controlled intersections were trained based on the collected ground truth data. The output of the ANN-based model was then compared with the SUMO model, calibrated by modifying the default gap acceptance parameters to match the field data. Based on the analyses results it was concluded that the advantage of the ANN-based model lies not only in the accuracy of the selected output variables in comparison to the observed field values, but also in the realistic vehicle crossings at the uncontrolled intersections in the simulation model.

Özet (Çeviri)

Dönel kavşaklarda ve trafik dairelerinde çeşitli operasyonel ve tasarım alternatiflerinin etkisi, mikroskobik simülasyon yazılımları kullanılarak değerlendirilebilir. Çoğu mikroskobik simülasyon yazılımı, bu amaç için belirli tesislere genelleştirilemeyecek varsayılan temel modelleri kullanır. Trafik daireleri ve dönel kavşaklardaki trafik operasyonlarının etkinliği, sürücülerin boşluk reddetme-kabul davranışından büyük ölçüde etkilendiğinden, konuma özgü verileri kullanarak sürücünün boşluk kabul davranışını doğru bir şekilde modellemek esastır. Bu makalenin amacı, uygulama programlama arayüzünü kullanarak SUMO'da Artificial Neural Network (ANN)-tabanlı bir boşluk kabul modeli uygulamanın fizibilitesini değerlendirmektir. Örnek olay olarak New Jersey'deki bir trafik çemberi seçilmiştir. Bir durak kontrollü ve iki verim kontrollü kavşak için ayrı ANN modelleri, toplanan yer gerçeği verilerine dayalı olarak eğitilmiştir. ANN tabanlı modelin çıktısı daha sonra SUMO modeliyle karşılaştırıldı ve varsayılan boşluk kabul parametreleri saha verileriyle eşleşecek şekilde değiştirilerek kalibre edildi. Analiz sonuçlarına dayanarak, ANN-tabanlı modelin avantajı, seçilen çıktı değişkenlerinin gözlemlenen alan değerlerine göre doğruluğunda ve ayrıca simülasyon modelinde kontrolsüz kavşaklarda gerçekçi araç geçişlerinde yattığı sonucuna varılmıştır.

Benzer Tezler

  1. Elektrikli hava aracı itki sistemleri için yapay zeka destekli akıllı algılama

    Artificial intelligence based smart sensing for electric aircraft propulsion

    BAHADIR CİNOĞLU

    Doktora

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Teknik Üniversitesi

    Havacılık Elektrik ve Elektroniği Ana Bilim Dalı

    PROF. DR. TAHİR HİKMET KARAKOÇ

    PROF. DR. UMUT DURAK

  2. Deep convolutional neural network based broken magnet detection of PMSM using finite element analysis

    Sonlu elemanlar analizi kullanarak PMSM'nin derin dönüşümlü sinir ağı tabanlı kırık mıknatıs tespiti

    AMIN GHAFOURI MATANAGH

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SALİH BARIŞ ÖZTÜRK

  3. Akusto optik filtreli EDFA modülünün yapay sinir ağı ile kazanç düzleme kontrolü

    Neural network based dynamic gain control of erbium doped fiber amplifiers

    HÜSEYİN TİRTOM

    Yüksek Lisans

    Türkçe

    Türkçe

    2005

    Elektrik ve Elektronik MühendisliğiEge Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ.DR. GÖKALP KAHRAMAN

  4. Strategic decision making in construction companies: An artificial neural network based decision support system for international market selection

    İnşaat şirketlerinde stratejik karar verme mekanizmaları: Yurtdışı pazar seçiminde kullanılması önerilen ve yapay sinir ağları ile oluşturulan bir karar destek sistemi

    İREM DİKMEN

    Doktora

    İngilizce

    İngilizce

    2001

    İnşaat MühendisliğiOrta Doğu Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. M. TALAT BİRGÖNÜL

  5. Bilgisayar simülasyonu ile yapay zeka içeren algoritmik çözümlerin irdelenmesi

    An Investigation into the algorithmic solutions by computer simulations including artificial intelligence

    FÜSUN ATAMAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2000

    Elektrik ve Elektronik MühendisliğiGazi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. SELMA YÜNCÜ