Afet yönetimi kapsamında akıllı şehirlerde deprem sonrası yangınların ve coğrafi konumlarının derin öğrenme ve stereo görüş tabanlı sistemlerle tespiti
Deep learning and stereo vision based detection of post-earthquake fire geolocation for smart cities within the scope of disaster management
- Tez No: 803927
- Danışmanlar: PROF. DR. ALEV TAŞKIN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Şehircilik ve Bölge Planlama, Industrial and Industrial Engineering, Urban and Regional Planning
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: 85
Özet
Her geçen gün kalabalıklaşan şehirler; çarpık kentleşme neticesinde altyapı, ulaşım, güvenlik ve çevre ile ilgili birçok sorunla karşı karşıya kalmaktadır. Bu tür sorunlar nedeniyle şehirler doğal afetlere karşı kırılgan hale gelmektedir. Bu sebeple, kent yaşamı kapsamında, doğal afetlere karşı birçok hazırlık yapılmaktadır. Ancak; bu hazırlıklar incelendiğinde, birçok şehir için, ikincil afetlerin göz ardı edildiği görülmektedir. İkincil afetler çok çeşitli olmakla birlikte, en yıkıcı ve sık görülen ikincil afetlerden birisi deprem sonrası yangınlardır. Bu çalışmada, şehirlerde deprem sonrası oluşabilecek kaotik ortamlarda, yangınların neden olduğu kayıpları en aza indirmek için yenilikçi bir erken yangın tespit sistemi önerilmiştir. Bu sistem, evrişimsel sinir ağları (CNN) tabanlı YOLO modeli ile yangını tespit eden, stereo görüş/epipolar geometri ile yangının coğrafi konumunu belirleyen ve kablosuz sensör ağı (WSN) aracılığıyla afet yönetim merkezine bilgi aktaran bir yapıdır. Bu sistem ile birlikte; deprem sonrası yangınların görsel tabanlı algoritmalarla gerçek zamanlı tespitinin sağlanması, yangının coğrafi konumunun elde edilmesi ve afet yönetim merkezine bildirilmesi ile yangına hızlı müdahale imkanı yaratılması, tüm sürecin insan faktörlerinden bağımsız olarak ve deprem sonrası oluşabilecek iletişim kesintilerinden etkilenmeden gerçekleştirilebilmesi, stereo görüş tekniğinin kullanılarak düşük maliyet ve yüksek doğrulukla konum tespiti yapılabilmesi amaçlanmıştır. Gerçekleştirilen deneysel test sonuçları, önerilen sistemin düşük maliyetle, yüksek güvenilirlikle ve doğrulukla deprem sonrası yangın ve yangın konumu tespiti için faydalı olabileceğini göstermektedir.
Özet (Çeviri)
Cities, which are getting crowded day by day, face many problems such as increasing need for planning, incomplete infrastructure, heavy traffic and security. Due to such problems, the cities become vulnerable to natural disasters. For this reason, many preparations are made against natural disasters within the scope of urban life. However, when these preparations are examined, it is seen that secondary disasters are ignored for many cities. One of the most destructive and frequent secondary disasters is fires after earthquakes. In this study, an early fire detection system is proposed in order to minimize the losses caused by fires in the chaotic environment that may occur after earthquakes in cities. This system is a structure that detects fire with convolutional neural network (CNN) based YOLO model, determines the geo-location of the fire with stereo vision/epipolar geometry and provides information to the disaster management center via wireless sensor network (WSN). With this system; it is aimed to provide real-time detection of fires after the earthquake with visual-based algorithms, to obtain the geographical location of the fire and reporting it to the disaster management center, to create a rapid response to the fire, to perform the whole process independently of human factors and without being affected by the communication interruptions that may occur after the earthquake, to use stereo vision technique to detect location of fire. Experimental test results verify that the proposed system would be useful for post-earthquake fire and geo-location of fire detection with low cost, high reliability and high accuracy.
Benzer Tezler
- Akıllı şehirlerde acil durum yönetimi: Çalışma alanı Akçaabat
Emergency management in smart cities: Study area Akçaabat
ÖMÜR DADAK
Yüksek Lisans
Türkçe
2023
CoğrafyaSakarya ÜniversitesiAfet Yönetimi Ana Bilim Dalı
DOÇ. DR. CEM KIRLANGIÇOĞLU
- Implementation of data-driven decisions in urban governance and planning
Kent yönetişim ve planlamasında veri odaklı kararların uygulanması
JAFAR NAJAFLI
Yüksek Lisans
İngilizce
2020
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
DOÇ. DR. ÖZHAN ERTEKİN
- Nesneye yönelik kural tabanlı sınıflandırma ve derin öğrenme yöntemleri ile otomatik yol çıkarımı olanaklarının araştırılması
Investigation of automatic road extraction possibilities with object oriented rule-based classification and deep learning methods
ZEYNEP BAYRAMOĞLU
Yüksek Lisans
Türkçe
2021
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ANİME MELİS UZAR DİNLEMEK
- Derin öğrenme ile araç tespiti: Yıldız Teknik Üniversitesi kampüs otopark alanları örneği
Vehicle detection with deep learning: Yıldız Technical University campus parking areas example
ŞENNUR ÖZTÜRK
Yüksek Lisans
Türkçe
2022
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DOÇ. DR. ANİME MELİS UZAR
- Kentsel dönüşüm çalışmalarında uzlaşma süreçlerinin stratejik ve bütüncül bir bakış açısıyla incelenmesi: Bayrampaşa Eski Cezaevi Alanı örneği
Kentsel dönüşüm çalışmalarında uzlaşma süreçlerinin stratejik ve bütüncül bir bakış açısıyla incelenmesi: Bayrampaşa Eski Cezaevi Alanı Örneği
HASAN HÜSEYİN OKUR
Yüksek Lisans
Türkçe
2019
Peyzaj Mimarlığıİstanbul Teknik ÜniversitesiPeyzaj Mimarlığı Ana Bilim Dalı
PROF. DR. ŞEVKİYE ŞENCE TÜRK