Akıllı algoritmalar kullanarak sürücü davranışı algılama
Driver behavior detection using intelligent algorithms
- Tez No: 823267
- Danışmanlar: PROF. DR. YAŞAR BECERİKLİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Doğrusal regresyon histogramları, Temel bileşenler analizi, Linear regression histograms, Principal components analysis
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüz dünyasında araba kullanmak, tam dikkat gerektiren çok karmaşık ve tehlikeli bir iştir. (Dikkatinin dağılmış, agresif, uykulu, sinirli veya yorgun hissetmesi) gibi her türlü davranış, sürücünün dikkatini yoldan başka yöne çevirebilir. kazalara, ölümlere ve yaralanmalara neden olabilir. Trafik kazalarının dünya çapında ciddi bir sorun olduğunu söyleyebilirim. Çünkü bu olay dünyanın çoğu ülkesinde artmakta ve birçok mağdura neden olmaktadır. Bu projenin amacı, sürücü eylemlerini ve davranışlarını tanımlayabilen bir sistem geliştirmek için makine öğrenimi(MÖ) yöntemlerini ve Derin Öğrenme(DÖ) algoritmalarını kullanmaktır. Bu nedenle, dikkati dağılmış, agresif, uykulu, sinirli veya yorgun sürüş gibi riskli sürüş davranışlarını belirlemek önemlidir. Bu hedefe ulaşmak için 15 sürücü davranışı üzerinde çalışıyoruz. Sağlanan görüntüleri, sürücünün güvenli bir Şekilde mi yoksa agresif, uykulu, sinirli veya yorgun bir Şekilde mi sürdüğünü veya dikkat dağıtıcı faaliyetlerde bulunup bulunmadığını belirlemek için çeşitli ML modellerini ve DÖ'yi kullanarak kategorilere ayırdık. 15 sürücü davranışını ve 10'ar adet ML/DÖ yöntemleri tek projede birleştiren ilk calışmadır. Bir Makine Öğreniminde Yaklaşımımız, ilgili metriklere dayalı olarak en iyisini belirlemek için (DAA) ve (TBA) gibi farklı modelleri karşılaştırmayı içerir. DÖ'de CNN'lerle çalışan birkaç popüler algoritma ve teknik kullanılabilir. Bir ML algoritması sonucunda, özellikle Destek Vektör Makineleri (DVM), Önyükleme Toplama (Bagging) ve K-En Yakın Komşular (KYK) yöntemleri olmak üzere TBA'ya kıyasla DAA ile daha yüksek kesinlik, geri çağırma, F1 ve doğruluk elde edilebilir. TBA ve DAA kombinasyonunun birçok modelin performansını daha da artırabileceğini gösterir. Ayrıca bir DÖ sonucunda, Visual Geometry Group (VGG), MobileNet, Evrişimli Sinir Ağı (CNN), Residual Networks_101_Strategy_2, (ResNet_101_S2), Dense Convolutional Network_121(Densenet_121), Inception ve EfficientNet'in yüksek hassasiyet elde edilebilir.
Özet (Çeviri)
Driving a car in today's world is a very complex and dangerous job that requires full attention. Any behavior (feeling distracted, aggressive, drowsy, irritable or tired) can distract the driver from the road. can cause accidents, deaths and injuries. I can say that traffic accidents are a serious problem worldwide. Because this incident is increasing in most countries of the world and causes many victims. The aim of this project is to use ML methods and DL algorithms to develop a system that can describe driver actions and behaviors. Therefore, it is important to identify risky driving behaviors such as distracted, aggressive, drowsy, irritable or tired driving. We are working on 15 driver behaviors to achieve this goal. We categorized the images provided using various ML models and DL to determine whether the driver was driving safely or aggressively, drowsy, irritably, or tired, or engaged in distracting activities. It is the first study to combine 15 driver behaviors and 10 ML/DL methods in a single project. Our Approach to a ML involves comparing different models such as LDA and PCA to determine the best based on relevant metrics. In DÖ we use several popular algorithms and techniques that work with CNNs. An ML results show higher precision, recall, F1 and accuracy scores with LDA compared to PCA, especially (SVM), (Bagging) and (K-NN) methods. It shows that the combination of PCA and DAA can further improve the performance of many models. Also, a DL results show that (VGG), MobileNet, (CNN), (ResNet_101_S2), (Densenet_121), Inception and EfficientNet show high precision.
Benzer Tezler
- Improving lane change decisions in autonomous driving using adversarial learning
Otonom sürüşte şerit değiştirme kararlarının karşıt öğrenme yöntemiyle iyileştirilmesi
AYTUĞ ONURHAN EFİL
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA DOĞAN
- A comparative study of nonlinear model predictive control and reinforcement learning for path tracking
Yol izleme için doğrusal olmayan model öngörülü kontrol ve pekiştirmeli öğrenmenin karşılaştırmalı çalışması
GAMZE TÜRKMEN
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. OVSANNA SETA ESTRADA
- Sivas'ta kadınların işgücüne katılım farklılıkları
Başlık çevirisi yok
BİNNUR ERCEM
Yüksek Lisans
Türkçe
1984
SosyolojiCumhuriyet ÜniversitesiKurumlar Sosyolojisi Ana Bilim Dalı
YRD. DOÇ. DR. FARUK KOCACIK
- Dönemsel yayınlarımızda reklamcılık işlevi ve basının kamuoyu oluşturma görevi ile ilişkisi
Başlık çevirisi yok
NEYLAN GÖNLÜYÜCE
Yüksek Lisans
Türkçe
1987
Gazetecilikİstanbul ÜniversitesiGazetecilik Ana Bilim Dalı
PROF. DR. KAYIHAN İÇEL
- Banka kredilerinin ekonomide yarattıkları etkiler
Başlık çevirisi yok
NİHAL ÜÇSU
Yüksek Lisans
Türkçe
1987
Ekonomiİstanbul Üniversitesiİktisat Ana Bilim Dalı
PROF. DR. HAYRİ ERDOĞAN ALKİN