Akıllı kavşaklar için makine öğrenme tabanlı graf algoritmasının geliştirilmesi
Development of machine learning based graph algorithm for smart intersections
- Tez No: 859279
- Danışmanlar: PROF. DR. BEŞİR DANDIL, PROF. DR. ENGİN AVCI
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mekatronik Mühendisliği, Trafik, Computer Engineering and Computer Science and Control, Mechatronics Engineering, Traffic
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektronik Sistemleri Bilim Dalı
- Sayfa Sayısı: 112
Özet
Şehir nüfusunun hızlı arttığı dünyamızda trafikteki kaynak tüketimlerinin kontrol altına alınabilmesi, şehirlerin sürdürülebilirliği açısından çözülmesi gereken en önemli problemlerdendir. Hızla artan şehir nüfusu araç sayısı ile birlikte kavşaklardaki araç bekleme süresini de beraberinde getirmektedir. Fiziksel trafik topolojisindeki değişiklikler uzun süre aldığından, günümüzdeki çalışmalar uyarlanabilir trafik sinyalizasyon yöntemlerinin geliştirilmesi yönünde ilerlemektedir. Bu çalışmalardaki temel amaç trafikteki araçların bekleme sürelerini azaltarak birim zamanda geçen araç sayısını optimize etmektir. Verimli bir trafik sinyalizasyon yöntemi yakıt tüketimi, karbonmonoksit gazı salınımı, bireysel ekonomiye katkı, ülke ekonomisine katkı, bireysel zaman, verimlilik gibi birçok alana pozitif katkı sunmaktadır. Kavşak sinyalizasyon optimizasyonu çok sayıda gerçek zamanlı değişken veriden etkilenen gerçek bir dünya problemidir. Tek bir kavşakta maksimum akışı sağlamak bir sonraki kavşakta sıkışıklığa neden olabilir. Bu nedenle tez kapsamında bir hat veya alanın genelinde optimal akışı sağlayabilmek için faz ve süreyi optimize edebilen Derin Pekiştirmeli Öğrenme (Deep Reinforcement Learning-DRL) tabanlı graf yöntemi önerilmiştir. Bu yöntem, araç verilerinin doğrudan ölçeklendirilmiş şehir kavşaklarına entegre edilerek Kentsel Mobilite Simülasyonu (Simulation of Urban Mobility-SUMO) üzerinde geliştirilmiştir. Yöntem, ardışık iki kavşağın iki günlük araç trafiğine dair bilgileri kullanmaktadır. Bu yaklaşımda faz sırası DRL yöntemiyle hesaplanmaktadır. Faz süresi ise Ford-Fulkerson algoritmasının maksimum akış bulma yönteminden yararlanılarak hesaplanır. Faz sırası ve süresi birleştirilerek sinyalizasyon yürütülmektedir. Önerilen yöntem ardışık kavşaklar üzerinde ayrı ayrı modeller halinde paralel çalıştırılarak SUMO simülatöründe test edilmiştir. Bu yaklaşımın, gerçek harita ve gerçek veri kullanarak kavşaklarda kuyruk uzunluğunu tekli olarak %31 ile %73 arasında azalttığı, genel trafik düzeyinde ise kuyruk uzunluğunu %61 oranla azaltarak, trafik sıkışıklığının çözümünde verimli sonuçlar ürettiği gözlemlenmiştir. Gerçek araç verilerinin yanı sıra sentetik üretilen araç verilerinden elde edilen test sonuçlarına göre yöntemin geliştirilmesi ve uygulanması umut vericidir.
Özet (Çeviri)
In our world where the urban population is rapidly increasing, controlling resource consumption in traffic is one of the most important problems to be solved in terms of the sustainability of cities. The rapidly increasing city population brings with it the number of vehicles and the waiting time at intersections. Since changes in physical traffic topology take a long time, current studies are moving towards the development of adaptive traffic signaling methods. The main purpose of these studies is to optimize the number of vehicles passing per unit time by reducing the waiting times of vehicles in traffic. An efficient traffic signaling method makes a positive contribution to many areas such as fuel consumption, carbon monoxide gas emission, contribution to the individual economy, contribution to the national economy, individual time and efficiency. Intersection signaling optimization is a real-world problem affected by a large amount of real-time variable data. Maintaining maximum flow at a single intersection may cause congestion at the next intersection. For this reason, within the scope of the thesis, a Deep Reinforcement Learning (DRL) based graph method that can optimize phase and duration in order to ensure optimal flow throughout a line or area has been proposed. This method was developed on Simulation of Urban Mobility (SUMO) by integrating vehicle data directly into scaled city intersections. The method uses information on two-day vehicle traffic at two consecutive intersections. In this approach, the phase sequence is calculated by the DRL method. Phase duration is calculated using the maximum flow finding method of the Ford-Fulkerson algorithm. Signaling is carried out by combining phase sequence and duration. The proposed method was tested in the SUMO simulator by running parallel models as separate models on consecutive intersections. It has been observed that this approach reduces the queue length at intersections individually by 31%to 73%by using real maps and real data, and produces efficient results in solving traffic congestion by reducing the queue length by 61%at the general traffic level. The development and application of the method based on test results obtained from real vehicle data as well as synthetically generated vehicle data is promising.
Benzer Tezler
- Applications of multi-agent systems in transportation
Ulaşımda çoklu ajan sistemlerinin uygulamaları
İLHAN TUNÇ
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET TURAN SÖYLEMEZ
- Yaya ulaşımının artırılması ve güvenliklerinin sağlanması amacıyla yapay zekâ ve görüntü işleme yöntemlerinin kullanılması
Using artificial intelligence and image processing methods to increase pedestrian transportation and ensure their safety
EMRE KUŞKAPAN
Doktora
Türkçe
2023
İnşaat MühendisliğiErzurum Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED YASİN ÇODUR
- The information theoretical privacy and the impact of communication channel on information theoretic privacy
Bilgi kuramsal mahremiyet ve haberleşme kanalının bilgi kuramsal mahremiyete etkisi
MEHMET ÖZGÜN DEMİR
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜNEŞ ZEYNEP KARABULUT KURT
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR
- Intelligent agents based simulation using Jack development environment
Jack geliştirme ortamında kullanarak akıllı etmenler tabanlı benzetim
ÇAĞATAY ÇATAL
Yüksek Lisans
İngilizce
2004
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ.DR. COŞKUN SÖNMEZ