Driving behavior classification using smartphone sensor data
Akıllı telefon sensör verileri kullanılarak sürüş davranışı sınıflandırılması
- Tez No: 812807
- Danışmanlar: PROF. DR. FATİH ALAGÖZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 86
Özet
̇İnsan hatasından kaynaklanan önemli miktarda kaza nedeniyle sürücü davranış izleme sistemlerine olan ihtiyaç artmıştır. Bu sistemler, sürüş davranışının gerçek zamanlı izlenmesini ve analizini sunarak kaza oranlarını düşürme ve genel yol güvenliğini artırma potansiyeline sahiptir. Yolcuların telefonlarından toplanan verilere dayanan çalışmamızda, sürüş davranışını sınıflandırmak için yeni bir analiz çerçevesi önerdik. Veriler, akıllı telefonlara yüklenen, geliştirdiğimiz mobil uygulama kullanılarak toplandı ve Makine Öğrenimi (ML) algoritmalarını kullanarak işledik. Çalışmamız, doğruluk oranını artırmak ve sekans bazında sonuçlar çıkarmak için Uzun Kısa Süreli Bellek (LSTM) algoritması geliştirmeye özellikle vurgu yaparak, birkaç makine öğrenimi sınıflandırma tekniği kullandı. Sonuçlar, yöntemin akıllı telefon uygulamalarından elde edilen verileri kullanarak sürüş davranışını ne kadar başarılı bir şekilde sınıflandırdığını göstermektedir. LSTM algoritmasının başarılı olması sonrasında, kullanıcılardan verileri alarak tek bir merkezde toplamadan, öğrenme ve analiz gerçekleştirebilmek amacıyla federe öğrenme algoritması geliştirdik. Çalışmamız federe öğrenme algoritmamızın sürüş davranışı sınıflandırılmasında başarı oranını da artırdığını göstermektedir.
Özet (Çeviri)
The need for driver behavior monitoring systems has increased due to the significant amount of accidents that are brought on by human mistakes. These systems have the potential to lower accident rates and increase overall road safety by offering real-time monitoring and analysis of driving behavior. Based on the data collected from passengers' smartphones, we propose a novel analysis framework for classifying driving behavior in this thesis. Our mobile phone application was used to collect the data, which was then subjected to machine learning algorithms for processing. We utilized several Machine Learning (ML) classification techniques, with a particular emphasis on developing a Long Short Term Memory (LSTM) algorithm for increased accuracy and sequence-based prediction. The outcomes show how successfully the suggested method classifies driving behavior using the data obtained from smartphone applications. After having a successful result with LSTM, instead of collecting all data from users into one area, we developed a federated learning algorithm to train and test each data on users' phones. The results of the study show that federated learning is useful for the classification of driver behavior and thus increases accuracy.
Benzer Tezler
- Araç içindeki akıllı telefondan alınan sensör verilerine göre sürüş davranışı
Driving behaviour according to sensor data obtained from smartphone of the driver
FARID FAKHNAVAR
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÜsküdar ÜniversitesiYapay Zeka Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. GÖKALP TULUM
- Parameter optimization of electric vehicles according to driving behavior
Sürücü davranışına göre elektrikli araçların parametre optimizasyonu
TUBA NUR SERTTAŞ
Doktora
İngilizce
2019
Elektrik ve Elektronik MühendisliğiEskişehir Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMER NEZİH GEREK
PROF. DR. FATİH ONUR HOCAOĞLU
- Kanal tabanlı özellik temsili ve derin öğrenmeye dayalı uykululuk sınıflandırması
Drowsiness classification based on channel-based feature representation and deep learning
MUSTAFA RIFAT ÇELİK
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ZÜMRAY ÖLMEZ
- Optimal feature tuning model by variants of convolutional neuralnetwork with LSTM for driver distract detection in IoT platform
IoT platformunda sürücü dikkat dağılmasını algılamak için LSTM ile evrimsel sinir ağının çeşitleriyle optimum özellikli ayar modeli
HAMEED MUTLAG FARHAN FARHAN
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYÇA KURNAZ TÜRKBEN
- Sürücü davranışı ve sürücü kişiliği arasındaki ilişki analizi
Analysis of the relationship between driving behavior and driver personality
İBRAHİM HALİL ÇELİK