Geri Dön

Otomatik bağımlı gözetim - yayın verileri kullanılarak anomali tespiti ve uçuş istatistiklerinin değerlendirilmesi

Anomaly detection and statistical analysis of flights by using automatic dependent surveillance - broadcast database

  1. Tez No: 841385
  2. Yazar: ÖMER GÜNEŞ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ NURULLAH ÇALIK, DOÇ. DR. BETÜL HİÇDURMAZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Matematik, Sivil Havacılık, İstatistik, Mathematics, Civil Aviation, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: İstanbul Medeniyet Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Uygulamalı Matematik ve Hesaplamalı Bilimler Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 54

Özet

Bu çalışma, havacılık sektöründe uçuş güvenliği konusundaki önemli bir ihtiyaç olan uçuş sırasında ortaya çıkabilecek potansiyel tehlikeleri belirleme amacı taşımaktadır. Anomaly Detection and Statistical Analysis of Flights by Using Automatic Dependent Surveillance - Broadcast Database (ADS-B) verileri, hava araçlarının anlık konum, hız, irtifa ve kimlik bilgilerini sunan bir kaynak olarak, bu tehlikelerin tespiti için potansiyel bir veri kaynağı olarak öne çıkmaktadır. Uygulama kapsamında, uçuşlardaki anormal durumları tespit etmek amacıyla matematiksel yöntemler kullanılmaktadır. İlk adımda, öznitelikler tek boyutlu sinyaller olarak ele alınarak incelenmiştir. Bu özniteliklerin incelenmesi sonucunda, uçuşlardaki anormallikleri en iyi tespit edebilecek özniteliğin dikey hız olduğu gözlemlenmiştir. Çalışma için kullanılan veriler, 2022 yılı Haziran ayında gerçekleşen uçuşlara ait İstanbul Havalimanı kaynaklıdır ve gerçek verileri içermektedir. Bu veriler önce ortanca filtre kullanılarak sinyal gürültülerinden temizlenmiş, ardından konvolüsyon işlemi ile türev alınarak sinyaldeki değişimler belirlenmiştir. İşlenen sinyal daha sonra, irtifa değişimlerine göre kalkış, düz uçuş ve iniş aşamalarına ayrılmış ve her bir aşama ayrıntılı olarak incelenmiştir. Uçuş aşamalarına ait dikey hız verileri, nokta dağılım ve histogram grafikleri kullanılarak incelenmiş ve istatistiksel yöntemlerle anormalliklerin başarıyla tespit edildiği görülmüştür. ADS-B verilerinin istatistiksel yöntemlerle incelenmesi, uçuşlardaki anormalliklerin etkili bir şekilde tespit edilmesine imkan tanımış ve bu tespitlerin anormalliklerin nedenlerinin araştırılmasına ve gelecekteki uçuş güvenliği önlemlerinin geliştirilmesine katkı sağlamıştır. Bu çalışma, hava seyahatinin daha güvenli hale getirilmesi yolunda önemli bir adım olarak değerlendirilmektedir.

Özet (Çeviri)

This study aims to identify potential hazards that may occur during flights, which is a crucial need in the aviation industry for ensuring flight safety. Automatic Dependent Surveillance-Broadcast (ADS-B) data, providing real-time information about aircraft location, speed, altitude, and identity, emerges as a potential data source for detecting these hazards. To detect abnormal conditions during flights, mathematical methods used in applications. In the initial phase, attributes were treated as one-dimensional signals and analyzed accordingly. The analysis revealed that vertical acceleration is the most suitable attribute for detecting anomalies during flights. The data used for this research originates from flights that took place in June 2022 departing from Istanbul Airport and includes real-world data. These data were initially processed to remove signal noise using a median filter, and then changes in the signal were determined by convolution. Subsequently, the processed signal was divided into takeoff, level flight, and landing phases based on changes in acceleration, and each phase was examined in detail. Vertical acceleration data for each flight phase were analyzed using dot distribution and histogram graphs, and anomalies were successfully detected through statistical methods. The statistical analysis of ADS-B data has enabled the effective detection of anomalies during flights, paving the way for the investigation of the causes of these anomalies and the development of future flight safety measures. This study is considered a significant step towards enhancing air travel safety.

Benzer Tezler

  1. Implementation and comparison of different methods for the estimation of aircraft take-off weight based on ADS-B data

    ADS-B verilerine dayalı uçak kalkış ağırlığı tahmini için farklı yöntemlerin uygulanması ve karşılaştırılması

    KÜBRA ÇOLAK BİRGÜL

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Uçak Mühendisliğiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    PROF. DR. METİN ORHAN KAYA

  2. Hava araçlarının ADS-B sinyalleri yardımıyla sınıflandırılması

    Classification of aircrafts by means ADS-B signals

    GÜRSU GÜRER

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiGazi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ALİ KARA

  3. Otomatik bağımlı gözetim-yayını güvenlik analizi

    Automatic dependent surveillance-broadcast security analysis

    EREN KOCAAĞA

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Savunma ve Savunma Teknolojileriİstanbul Teknik Üniversitesi

    Bilgi Güvenliği Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUHAMMED OĞUZHAN KÜLEKCİ

  4. İnsansız hava araçlarının ulusal hava sahalarına entegrasyonu ve yeni hava trafik yönetimi konsepti için otomatik HTK modellemesi ve uçuş yönetim sistemi geliştirilmesi

    The design of automated atc and the development of flight management system for the integration of UAVs into the national airspaces within the new air traffic management paradigm

    CENGİZ PAŞAOĞLU

    Doktora

    Türkçe

    Türkçe

    2016

    Elektrik ve Elektronik MühendisliğiGazi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. NURSEL AKÇAM

    PROF. DR. GÖKHAN İNALHAN

  5. Using artificial neural network with comparative analysis of different techniques for the classification of sentiment analysis

    Yapay sinir ağının benzer analizlerin sınıflandırılmasında farklı tekniklerin karşılaştırmalı analiziyle kullanılması

    OMAR ABDULAH SALEH AL-BAYATI

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Bilişim Teknolojileri Ana Bilim Dalı

    PROF. DR. OĞUZ BAYAT