Makine öğrenmesi algoritmaları kullanılarak sürücü davranışlarının yakıt verimliliği üzerindeki etkisi ve elektrikli araçlara eğilimin tespiti
Using machine learning algorithms for the impact of driver behaviors on fuel efficiency and the determination of propensity towards electric vehicles
- Tez No: 924960
- Danışmanlar: DR. ÖĞR. ÜYESİ BURCU ÇARKLI YAVUZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Sakarya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilişim Sistemleri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 85
Özet
Bu çalışma, sürücü davranışlarının yakıt tüketimi ve enerji verimliliği üzerindeki etkilerini incelemeyi ve elektrikli araçların benimsenmesini etkileyen faktörleri analiz etmeyi amaçlamaktadır. Çalışmada, 304 katılımcının demografik özellikleri, sürüş alışkanlıkları ve elektrikli araçlara yönelik tutumlarını kapsayan çevrimiçi bir anketten elde edilen veriler kullanılmıştır. Toplanan veriler, makine öğrenimi teknikleriyle analiz edilerek sürücü davranışlarının yakıt verimliliğine ve elektrikli araç ilgisine nasıl etki ettiği değerlendirilmiştir. Analizler, elektrikli araçlara olan ilginin bilgi seviyesi, maliyet algısı ve altyapı erişimi gibi faktörlere bağlı olarak değiştiğini göstermiştir. Yaş gruplarına göre ilgi seviyelerinde farklılıklar bulunmuş, 30-39 yaş grubunun en yüksek ilgiyi gösterdiği tespit edilmiştir. Bilgi seviyesi ve şarj erişilebilirliğinin artmasıyla ilgi seviyesinin düzenli bir şekilde yükseldiği gözlemlenmiştir. Bunun yanı sıra, sürüş deneyimi, agresif sürüş alışkanlıkları ve yakıt tüketimi farkındalığı arasındaki ilişkiler de değerlendirilmiş ve daha bilinçli sürüş tekniklerinin yakıt verimliliğini artırdığı ortaya konmuştur. Çalışmada Random Forest, XGBoost, Lojistik Regresyon ve SVM gibi makine öğrenimi modelleri uygulanmış ve sınıf dengesizlikleri SMOTE yöntemiyle giderilmiştir. XGBoost modeli %100 doğruluk oranıyla en başarılı sonuçları sağlamıştır. Elde edilen bulgular, sürdürülebilir sürüş alışkanlıklarının teşvik edilmesi ve elektrikli araçların yaygınlaştırılmasına yönelik stratejiler geliştirilmesi için önemli çıkarımlar sunmaktadır.
Özet (Çeviri)
This study aims to examine the impact of driver behaviors on fuel consumption and energy efficiency, as well as to analyze the factors influencing the adoption of electric vehicles. The study utilized data collected through an online survey involving 304 participants, which covered demographic characteristics, driving habits, and attitudes toward electric vehicles. The collected data were analyzed using machine learning techniques to evaluate how driver behaviors affect fuel efficiency and interest in electric vehicles. The analyses revealed that interest in electric vehicles is influenced by factors such as knowledge level, cost perception, and infrastructure accessibility. Variations in interest levels were observed across age groups, with the 30-39 age group demonstrating the highest interest. It was noted that increasing knowledge levels and charging accessibility consistently elevated interest levels. Additionally, the relationships between driving experience, aggressive driving behaviors, and fuel consumption awareness were assessed, demonstrating that more conscious driving techniques can enhance fuel efficiency. The study employed machine learning models such as Random Forest, XGBoost, Logistic Regression, and SVM, and addressed class imbalances using the SMOTE technique. Among these models, the XGBoost model achieved the highest accuracy rate of 100%. The findings provide critical insights for promoting sustainable driving habits and developing strategies to accelerate the adoption of electric vehicles.
Benzer Tezler
- 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
- Akıllı algoritmalar kullanarak sürücü davranışı algılama
Driver behavior detection using intelligent algorithms
NAIF ABDULRAHEEM MAHMOOD ALZEBARI
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. YAŞAR BECERİKLİ
- Deep reinforcement learning for autonomous air combat under noisy observations
Gürültülü gözlem altında otonom hava muharebesi için derin pekiştirmeli ögrenme
AHMET SEMİH TAŞBAŞ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. NAZIM KEMAL ÜRE
- Sürücü davranışlarının modellenmesi için makine öğrenmesi tabanlı bir sistem gerçekleştirimi
Development of a machine learning based system for modeling driver behaviours
ŞERAFETTİN ATMACA
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ASIM SİNAN YÜKSEL
- Sürücü postürünün tanımlanması ve makine öğrenmesi tabanlı tahmini
Driver posture recognition and machine learning-based posture estimation
CEYHUN IBOLAR
Yüksek Lisans
Türkçe
2020
Mekatronik MühendisliğiYıldız Teknik ÜniversitesiMekatronik Ana Bilim Dalı
DOÇ. DR. ERHAN AKDOĞAN
DR. A. EMRE ÇETİN