Geri Dön

Araçlarda sürücü destek amaçlı yapay zeka yöntemlerinin uygulanması

Application of artificial intelligence methods for driver assistance in vehicles

PDF İndir

  1. Tez No: 851469
  2. Yazar: CEMRE BELEMİR ŞAFAK
  3. Danışmanlar: PROF. DR. ALİ ÖZTÜRK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: KTO Karatay Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 58

Özet

Dünya Sağlık Örgütü'nün verilerine göre, her yıl yaklaşık 1,35 milyon insan karayolu trafik kazalarında hayatını kaybetmektedir. Bu tür kazaların önlenmesi ve trafik güvenliğinin artırılması için yapay zeka teknolojisinin kullanılması büyük bir umut kaynağıdır. Otomasyon ve yapay zeka, sürücülerin dikkatsizlik veya insan hatalarından kaynaklanan kazaları azaltmaya yardımcı olabilir. Otonom araçlar, sürücü yardımına çok az ihtiyaç duyarak veya hiç ihtiyaç duymadan çevrelerinde gezinebilirler. Otonom araçlar, engelli bireylerin bireysel olarak araç kullanmasına olanak tanır. İnsan hatalarını azaltması, yakıt verimliliği ve konforlu sürüş gibi faydaları nedeniyle her zaman gelişime açık bir teknolojidir. Bu çalışmada, derin öğrenme modeli kullanılarak sürüş esnasında otomatik olarak şeridi takip eden ve engellerden kaçınan bir otonom araç simülasyonu yapılmıştır. Bu amaçla ücretsiz ve açık kaynak kodlu bir 3B simülasyon ortamı olan Webots kullanılmıştır. Simülasyon ortamında izlenecek rota üzerindeki nesne çeşitliliğini artırmak için dört farklı parkur oluşturulmuştur. İlk parkurda kedi, köpek ve tilki gibi hayvanlar bulunmaktadır. İkinci parkur birkaç insanın bulunduğu bir parkurdur. Üçüncü parkur yol yapım çalışmaları ve çeşitli engellerin bulunduğu bir parkurdur. Son parkur ise diğer araçların bulunduğu bir parkur. Üzerinde kamera bulunan araç bu dört pistte kesintisiz olarak tam tur sürülmüştür. Sürüş yaklaşık 2 dakika sürmüş ve sürüş sırasında direksiyon açısı ve kamera görüntülerinden veri toplanmıştır. Aracın otonom özelliği bir derin öğrenme modeli tarafından verilmiştir. Model eğitilirken üç farklı optimize edici denenmiş ve farklı filtreler uygulanmıştır. Sonuçlar değerlendirilirken ortalama karesel hata (MSE) ve doğruluk değerleri incelenmiştir. Doğruluk değerleri“sgdm”,“adam”ve“rmsprop”optimize edici parametreleri için sırasıyla %95.31, %95.01 ve %95.26 olarak elde edilmiştir. MSE değerleri ise sırasıyla 0.3673, 0.3976 ve 0.3885 olmuştur. Otonom araç sürüşü, en yüksek doğruluğa sahip olan“sgdm”optimize edicisini kullanan derin öğrenme modeli ile elde edilmiştir. Bu model kullanılarak iki tam tur sürüş yapıldığında ise MSE değeri 0.1296 ve doğruluk değeri %96.60 elde edilmiştir.

Özet (Çeviri)

According to the World Health Organization, approximately 1.35 million people die in road traffic accidents every year. The use of artificial intelligence technology to prevent such accidents and improve traffic safety is a great source of hope. Automation and AI can help reduce accidents caused by drivers' inattention or human errors. Autonomous cars can navigate their surroundings with little or no need for driver assistance. Autonomous cars allow disabled individuals to drive individually. Due to its benefits such as reducing human errors, fuel efficiency and comfortable driving, it is a technology that is always open to improvement. In this study, an autonomous vehicle simulation that automatically follows the lane and avoids obstacles while driving was made using a deep learning model. For this purpose, Webots which is a free and open source 3D simulation environment, was used. Four different tracks were created to increase the variety of objects on the route to be followed in the simulation environment. There are animals such as cats, dogs and foxes on the first track. The second track is a track where there are several people. The third track is a track with road construction work and various obstacles. The last track is a track with other vehicles. The vehicle with a camera on it was driven full laps on these four tracks without interruption. The drive lasted approximately 2 minutes, and data was collected from steering angle and camera images during the drive. The autonomous feature of the vehicle is given by a deep learning model. While training the model, three different optimizers were tried and different filters were applied. While evaluating the results, mean square error (MSE) and accuracy values were examined. Accuracy values were obtained as 95.31%, 95.01% and 95.26% for the“sgdm”,“adam”and“rmsprop”optimizer parameters, respectively. The MSE values were 0.3673, 0.3976 and 0.3885, respectively. Autonomous vehicle driving was achieved with the deep learning model using the“sgdm”optimizer, which has the highest accuracy. When two full tours were made using this model, the MSE value was 0.1296 and the accuracy value was 96.60%.

Benzer Tezler

  1. Tez No

    315241

    Evolution of paratransit system and its implementations in Turkey: Potential design and technology impact on ameliorating the Dolmuş-Minibus

    Paratransit sistemin evrimi ve Türkiye?deki uygulamasi: Dolmuş-Minibüs kavraminin iyileştirilmesinde potansiyel tasarim ve teknoloji etkisi

    ARZU HÜSNİYE TOKER ÖZKURT

    Yüksek Lisans

    İngilizce

    İngilizce

    2012

    Endüstri Ürünleri Tasarımıİstanbul Teknik Üniversitesi

    Endüstri Ürünleri Tasarımı Ana Bilim Dalı

    PROF. DR. ALPAY ER

  2. Tez No

    663047

    Derin öğrenme algoritmaları ile trafik işaret ve levhalarının tanımlanması

    Traffic sign recognition with deep learning algorithms

    AHMET YAVUZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Elektrik ve Elektronik MühendisliğiPamukkale Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. SERDAR İPLİKÇİ

  3. Tez No

    713828

    Dikkatsiz sürücü davranışlarının derin öğrenme yöntemleri ile tespiti

    Detection of distracted driver behaviors by deep learning methods

    SHAFEEQ KANAAN SHAKIR AL-DOORI

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MURAT KÖKLÜ

  4. Tez No

    638083

    Automated lane change decision making for autonomous vehicles using machine learning techniques

    Makine öğrenmesi teknikleri ile otonom araçlarda şerit değişimine karar verme

    MEHDI NASIRI

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    DOÇ. GÜLAY ÖKE GÜNEL

  5. Tez No

    752892

    Human factor based advanced driver-assistance system (ADAS) design for electric vehicle

    Elektrikli araç için insan faktörü tabanlı gelişmiş sürücü yardım sistemi (ADAS) tasarımı

    DAĞHAN DOĞAN

    Doktora

    İngilizce

    İngilizce

    2022

    Mekatronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. OVSANNA SETA ESTRADA

Geri Dön