Trafik işaret levhaları için bir sürücü destek sistemi önerisi
Driver assistance system recommendation for traffic signs
- Tez No: 881686
- Danışmanlar: DOÇ. AHMET ATALAY
- Tez Türü: Yüksek Lisans
- Konular: Ulaşım, Transportation
- Anahtar Kelimeler: Sürücü Destek Sistemleri, Trafik Levha Tanıma Sistemleri, Akıllı Ulaşım Sistemleri, Yapay Zeka, Derin Öğrenme 2024 Ağustos, 61 sayfa, Driver Assistance Systems, Traffic Sign Recognition Systems, Intelligent Transportation Systems, Artificial Intelligence, Deep Learning August 2024, 61 pages
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Ulaştırma Bilim Dalı
- Sayfa Sayısı: 61
Özet
Amaç: Akıllı Ulaşım Sistemleri, gün geçtikçe ülkelerin gündeminde daha fazla yer bulmaktadır. Bu sistemler, yalnızca şehir içi veya şehirler arası hareketliliğin iyileştirilmesine değil, aynı zamanda ekonomik büyümeyi desteklemeye ve vatandaşların yaşam kalitesini artırmaya yönelik önemli bir rol oynamaktadır. Altyapı ve teknolojiyi entegre ederek maksimum verimi elde etmeyi hedefleyen Akıllı Ulaşım Sistemleri, gelişen teknoloji ile birlikte etki alanını giderek genişletmekte, sürekli olarak güncellenmekte ve gelişmektedir. Akıllı Ulaşım Sistemlerinin Yapay Zeka uygulamaları ile entegre olması ile Akıllı Ulaşım Sistemlerinin alt kolu olan Sürücü Destek Sistemlerinin daha etkin kullanılabilmesinin önünü açmıştır. Bu çalışmada, öncelikli olarak trafik kazalarının sebepleri incelenmiş ve Karayolları 2023 kaza istatistiklerine göre, kazaların büyük çoğunluğunun sürücü hatalarından kaynaklandığı belirlenmiştir. Özellikle trafik levhalarına uyulmamasından kaynaklanan kazaları minimize etmek amacıyla, sürücüleri uyaran bir sistemin geliştirilmesi hedeflenmiştir. Yöntem: Bu çalışmada, taşıt kameralarından elde edilen görüntüler üzerinde nesne tanıma ve tespiti gerçekleştirmek için VGG-16 tabanlı bir Convolutional Neural Network (CNN) yöntemi kullanılmıştır. Bu yöntem, TensorFlow kütüphanesi kullanılarak Python dilinde geliştirilmiş ve veri setimizdeki görüntüler üzerinde test edilmiştir. VGG-16, özellikle görüntü işleme ve sınıflandırma görevlerinde yaygın olarak kullanılan güçlü bir derin öğrenme modelidir. Bu sayede, trafik levhalarının doğru bir şekilde tanınması ve sürücülere gerekli uyarıların yapılması hedeflenmiştir. VGG-16'nın seçilmesinin en önemli sebebi, modelin basitliği ve anlaşılabilirliği olup, bu sayede modelde daha kolay iyileştirmeler yapılabilmesidir. Bulgular: Derin öğrenme yöntemlerinden Convolutional Neural Network (CNN) kullanılarak oluşturulan trafik levhası veri seti üzerinde geliştirilen model başarıyla test edilmiştir. Model, Trafik Tanzim ve Trafik Uyarı İşaretlerini tanıma görevlerinde %99,98 başarı elde etmiş ve 12 farklı levha grubunda %99,16 oranında doğruluk sağlamıştır. Sonuç: Bu tez çalışması, Sürücü Destek Sistemi olarak geliştirilen modelin araçlara entegre edilmesiyle sürücülerin trafik levhalarını daha doğru tanımasını ve bu levhalara uygun tepki göstermelerini sağlamayı amaçlamaktadır. Bu sayede, trafik güvenliğinin artırılması ve kazaların azaltılması hedeflenmektedir.
Özet (Çeviri)
Perpose: Intelligent Transportation Systems (ITS) are increasingly becoming a key agenda for countries. These systems play a significant role not only in improving urban and interurban mobility but also in supporting economic growth and enhancing citizens' quality of life. Aiming to achieve maximum efficiency by integrating infrastructure and technology, ITS are expanding their impact with evolving technology, continuously updating and developing. The integration of Artificial Intelligence applications with ITS has paved the way for more effective use of Driver Assistance Systems, a subfield of ITS. In this study, we primarily examined the causes of traffic accidents and determined that the majority of accidents are due to driver errors according to the 2023 traffic accident statistics of the Highway Authority. To minimize accidents resulting from non-compliance with traffic signs, the goal is to develop a system that alerts drivers. Method: In this study, a Convolutional Neural Network (CNN) method based on VGG-16 has been used for object recognition and detection on images obtained from vehicle cameras. This method was developed in Python using the TensorFlow library and tested on images in our dataset. VGG-16 is a powerful deep learning model widely used for image processing and classification tasks. The goal is to accurately recognize traffic signs and provide necessary alerts to drivers. The main reason for selecting VGG-16 is its simplicity and comprehensibility, allowing for easier improvements in the model. Findings: The model developed on the traffic sign dataset using deep learning methods, specifically Convolutional Neural Networks (CNNs), has been successfully tested. The model achieved 99.98% accuracy in recognizing Traffic Regulation and Traffic Warning Signs and provided 99.16% accuracy across 12 different sign categories. Conclusion: This thesis aims to enhance traffic safety and reduce accidents by integrating the developed Driver Assistance System model into vehicles, thereby enabling drivers to more accurately recognize traffic signs and respond appropriately to them.
Benzer Tezler
- Trafik levhalarının evrişimsel sinir ağları ile tanınması
Recognition of traffic signs using convolutional neural networks
BÜŞRA ÖVÜN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. YAŞAR BECERİKLİ
- Mobil haritalama yönteminin yapay zeka teknolojileri ile birlikte ulaşım envanter ve varlık yönetim sistemlerinde kullanılabilirliği ve doğruluk analizi
Usability and accuracy analysis of mobile mapping method in transportation inventory and asset management systems with artificial intelligence technologies
HÜSEYİN KURŞUN
Doktora
Türkçe
2024
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. REHA METİN ALKAN
- Profesyonel sürücülerin trafik işaret levhalarının algılanmasındaki farkındalık düzeyinin ölçülmesi: Ankara ili örneği
Measuring the awareness level of professional drivers in perception of traffic signs: The case of Ankara province
BEYTULLAH İSMAİL ÖZER
Yüksek Lisans
Türkçe
2023
TrafikPolis AkademisiUlaşım Güvenliği ve Yönetimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ OZAN KAVSIRACI
- Trafik işaret levhalarının bilinirliğinin ölçülmesi
Evaluation of recognition of traffic signs
MELİS AZEL KURT
Yüksek Lisans
Türkçe
2020
İnşaat MühendisliğiTokat Gaziosmanpaşa Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FERİT YAKAR
- Türkiye'de bulunan yabancıların trafik işaret levhalarını bilme düzeylerinin incelenmesi
Measuring the levels of knowing traffic signs of foreigners in Turkey
AMİNE YÖRÜK
Yüksek Lisans
Türkçe
2022
TrafikTokat Gaziosmanpaşa Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. FERİT YAKAR