Yapay zeka yaklaşımlarıyla araç sürücülerinin beceri ve davranışlarının çok boyutlu modellenmesi
Multi-dimensional modelling of the skills and behaviour of the vehicle driver using artificial intelligence approaches
- Tez No: 928032
- Danışmanlar: PROF. DR. RAİF BAYIR, DR. ÖĞR. ÜYESİ AHMET ALBAYRAK
- Tez Türü: Doktora
- Konular: Mekatronik Mühendisliği, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 229
Özet
Bu tez çalışması, sürücü beceri ve davranışlarının modellenmesi için yapay zekâ ve deneysel çalışmaları kapsayan çok boyutlu bütüncül bir yaklaşım içermektedir. Sürücü davranışları, trafik kazalarının temel nedenlerinden biri olarak bilinmektedir. Sürücülerin direksiyon hakimiyeti, frenleme ve hızlanma gibi temel davranışları, trafikte güvenliğin sağlanmasında kritik bir rol oynamaktadır. Bu nedenle, sürücü becerilerinin doğru bir şekilde modellenmesi ve analizi hem sürücülerin eğitiminde hem de trafik güvenliğinin artırılmasında önemli bir adım teşkil etmektedir. Tez çalışması iki önemli unsur üzerine bina edilmiştir. Bunlardan ilki sürücü odaklı yaklaşım içeren bakış analizidir. Bu kapsamda toplamda 38 genç sürücüden oluşan bir katılımcı grubu ile bakış analizi gerçekleştirilmiştir. Üç ayrı kameradan elde edilen video kareleri işlenerek sürücü yüzlerinden oluşan görüntüler 16 bakış bölgesi için kaydedilmiş bakış analizi için veri seti oluşturulmuştur. Bu veri seti, literatürde kabul edilmiş beş farklı Convolutional Neural Network (CNN) modeliyle test edilmiştir. Veri seti ilk defa kullanıldığından literatürce kabul görmesi adına üzerinde birçok deneysel çalışma gerçekleştirilmiştir. Deneysel çalışmalarda GoogLeNet CNN modeli %87,9'luk F1 puanı ile en yüksek başarımı vermiştir. Veri seti açık erişimde araştırmacıların faydalanması amacıyla paylaşılmıştır. İkinci olarak, sürücü odaklı bir yaklaşım ile sürüş performansı ve güvenliği ölçülmüştür. Bu kapsamda şehir trafiğinde sürüş deneyleri yapılmış ve elde edilen verilere dayanarak sürücü davranışları incelenmiştir. Deneysel çalışmalarda 16 sürücüye ait araç içi sensör verileri, On-board Diagnostics (OBD) arayüzü üzerinden direksiyon kullanımı, pedal kullanımı, hızlanma ve ivmelenme gibi parametreler okunarak elde edilmiştir. Bu veriler kullanılarak ekonomik sürüş ve güvenli sürüş birlikte ele alınmıştır. Bu bütüncül yaklaşım iyi bir sürüş olarak adlandırılabilir. Eko-güvenli sürüş bulanık mantık yaklaşımı ile ele alınmış ve deneysel çalışmalarda elde edilen veriler bu teknikle etiketlenmiştir. Bulanık mantık ile veri etiketleme sonucunda sürüş becerileri beş ayrı kategoride sınıflandırılmış ve makine öğrenmesi yaklaşımları kullanılarak sürücü becerileri tahmin edilmiştir. Sonuçlar F1 puanı olarak Multilayer Perceptron (MLP) (%95), topluluk öğrenmesi (%94) ve Support Vector Mechines (SVM) (%93) şeklindedir. Deneysel çalışmalar, bulanık mantık ile veri etiketlemenin doğruluğunu ve önerilen yaklaşımın başarımını göstermiştir. Literatüre kazandırılan eko-güvenli sürüş kavramının pratik hayattaki kullanımı adına ehliyet sınavları analiz edilmiştir. Sürücü hareketlerinin ölçülmesi ve araç içi verilerinin toplanmasıyla geliştirilen çok boyutlu bütüncül yaklaşım sayesinde ehliyet sınavlarında ölçülen metriklerin %15,24'ü değerlendirilebilmektedir. Tez çalışması sürüş becerilerinin daha kapsamlı ve doğru modellenmesine yönelik önemli bir adım olup, sürüş güvenliği ve performansının iyileştirilmesine katkı sağlayacağı düşünülmektedir.
Özet (Çeviri)
This thesis work presents a comprehensive, multidisciplinary approach to modelling driver skills and behaviours, incorporating artificial intelligence and experimental studies. Driver behaviour is a primary cause of traffic accidents, with steering, braking and acceleration playing a critical role in safety. Accurate modelling and analysis of driver skills is essential for training drivers and improving traffic safety.This thesis is organized on two key elements. Firstly, there is the perspective analysis with a driver-oriented approach, which involved driver gaze analysis with a group of 38 young drivers. Video frames obtained from three different cameras were processed and images of driver faces were recorded for 16 gaze regions. The dataset was tested with five Convolutional Neural Network (CNN) models, all of which are accepted in the literature. The GoogLeNet CNN model gave the highest performance, with an F1 score of 87.9%.The dataset is now open access, for the benefit of researchers. Secondly, driving performance and safety were measured with a driver-oriented approach. In this context, driving experiments were conducted in city traffic and driver behaviour was investigated based on the data obtained. In the experimental studies, in-vehicle sensor data of 16 drivers were obtained by reading parameters such as steering, pedal usage, acceleration and acceleration through the On-board Diagnostics (OBD) interface.Using this data, economic driving and safe driving are considered together. This holistic approach is the key to identifying good driving, which in turn informs eco-safe driving. The latter was handled with a fuzzy logic approach, and the data obtained in the experimental studies were labelled with this technique. Data labelling with fuzzy logic classified driving skills into five categories and predicted them using machine learning approaches. The results are Multilayer Perceptron (MLP) (95%), ensemble learning (94%) and Support Vector Machine (SVM) (93%) as F1 score. Experimental studies have demonstrated the accuracy of data labelling with fuzzy logic and the success of the proposed approach. The eco-safe driving concept introduced in the literature was analysed using driving licence exams. The multidimensional holistic approach, developed by measuring driver movements and collecting in-vehicle data, allows for the measurement of 15.24% of the metrics in driving licence exams. This thesis is an important step towards more comprehensive and accurate modelling of driving skills and is expected to contribute to the improvement of driving safety and performance.
Benzer Tezler
- Derin öğrenme yöntemleri kullanarak kardiyovasküler hastalıkların tahmini ve yorumlanması
Prediction and interpretation of cardiovascular diseases using deep learning methods
ALİ VIRIT
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKahramanmaraş Sütçü İmam ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALİ ÖTER
- Otomotiv sektöründe parça kontrolü için yapay zekâ destekli yazılım geliştirilmesi
Development of ai-supported software for part inspection in the automotive industry
ONUR ARDIÇ
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKÇEN ÇETİNEL
- Analitik hiyerarşi süreci ve veri madenciliği teknikleriyle hibrit bir karar destek sistemi uygulaması: kovid19 tanısı
A hybrid decision support system application with analytic hierarchy process and data mining techniques: diagnosis of COVİD 19
AHMET BURSALI
Yüksek Lisans
Türkçe
2023
BiyoistatistikEge ÜniversitesiBiyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı
DOÇ. DR. ASLI SUNER KARAKÜLAH
- Architectural section generation and semantic evaluation with deep learning methods
Derin öğrenme yöntemleri ile mimari kesit üretimi ve anlamsal değerlendirilmesi
ECE SAVAŞ
Yüksek Lisans
İngilizce
2025
Mimarlıkİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. MİNE ÖZKAR KABAKÇIOĞLU
- A novel approach for robust identification and characterization of mechanical shock loads for structural durability assessment
Yapısal dayanım değerlendirmesi için mekanik şok yüklerinin tespiti ve işlenmesine yönelik yeni bir yaklaşım
DOĞUKAN ELİBOL
Yüksek Lisans
İngilizce
2025
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. MESUT KIRCA