Araç CAN verilerinin ve EKG'nin işlenmesiyle sürücü yorgunluk tespit sistemi geliştirme
Development of a driver drowsiness detection system by processing vehicle CAN data and ECG signals
- Tez No: 934952
- Danışmanlar: DR. ÖĞR. ÜYESİ ESRA EKİNCİ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İZMİR BAKIRÇAY ÜNİVERSİTESİ
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Akıllı Sistemler Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 77
Özet
Günümüzde, yorgunluk kaynaklı kazaların önlenmesi için, sürücü yorgunluğunun tespiti konusunda doğru ve güvenilir sistemlerin geliştirilmesi büyük önem taşımaktadır. Bu çalışma, sürücü yorgunluğunu tespit etmek için hem fizyolojik verileri (HRV) hem de aracın CAN-Bus haberleşmesini kullanan hibrit bir sistem önererek literatüre yenilikçi bir katkı sağlamaktadır. Literatürde yer alan hibrit yaklaşımlar ise araç CAN-Bus verilerini simülasyon ortamında elde ederek geliştirilmiştir. Ancak bu çalışma iki farklı veri kaynağını gerçek dünyada birleştirerek daha yüksek doğrulukta tespit sağlamayı ve oluşturulan makine öğrenmesi modeli sonucunda sadece araç sinyalleri ile yorgunluğu tespit etmeyi amaçlamaktadır. Yöntem olarak, gerçek sürücülerden çeşitli çevresel ve trafik koşulları altında EKG ve CAN-Bus verileri eş zamanlı olarak toplanmış ve bu veriler makine öğrenimi algoritmalarıyla analiz edilmiştir. Üç sınıflı bir yorgunluk tespit modeli geliştirilmiş olup, bu model sürücüleri düşük, orta ve yüksek yorgunluk seviyelerine ayırmıştır. Elde edilen sonuçlar, modelin %85 doğruluk oranıyla yorgunluk tespitinde başarılı olduğunu göstermiştir.
Özet (Çeviri)
The development of accurate and reliable systems for detecting driver fatigue is critically important to prevent fatigue-related accidents. This study introduces an innovative hybrid system that combines physiological data (HRV) and vehicle CAN-Bus communication to detect driver fatigue, offering a novel contribution to the literature. Unlike existing hybrid approaches, which typically use CAN-Bus data generated in simulation environments, this study integrates real-world data from two distinct sources to achieve higher detection accuracy and aims to identify fatigue solely through vehicle signals using a machine learning model. ECG and CAN-Bus data were simultaneously collected from real drivers under various environmental and traffic conditions, and these datasets were analyzed using machine learning algorithms. A three-class fatigue detection model was developed to classify drivers into low, medium, and high fatigue levels. The results showed that the model achieved an 85% accuracy rate in detecting driver fatigue.
Benzer Tezler
- Wireless electro cardio graph (ECG)
Kablosuz elektro kardiyo grafiği (EKG)
SAMER HAMEED MAJEED
Yüksek Lisans
İngilizce
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. YURIY ALYEKSYEYENKOV
- Developing a novel artificial intelligence based method for diagnosing chronic obstructive pulmonary disease
Kronik obstrüktif akciğer hastalığı teşhisi için yapay zeka tabanlı yeni bir yöntem geliştirilmesi
İNANÇ MORAN
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. DENİZ TURGAY ALTILAR
- Development of trailer truck engine duty cycle for Turkey usage profile
Çekici araç motorları için Türkiye kullanım koşullarını temsil eden seyir çevrimi oluşturulması
FATİH ÜNAL
Yüksek Lisans
İngilizce
2014
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. CEM SORUŞBAY
- A frame packing method to improve the schedulability on CAN and CAN-FD
CAN ve CAN-FD veri yolunda zamanlama iyileştirmek için bir veri paketleme yöntemi
GÖKHAN URUL
Yüksek Lisans
İngilizce
2015
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞENAN ECE SCHMIDT
DOÇ. DR. KLAUS SCHMIDT
- Farklı ayrıntı düzeylerinde bina bilgi modellerinin oluşturulması
Creating building information models in different levels of detail
SERDAR KAYA
Yüksek Lisans
Türkçe
2019
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALPER ŞEN