Yapay zeka yöntemleri ile yakın mesafeli kavşaklarda sinyal optimizasyonu
Signal optimization at closely spaced intersections using artificial intelligence methods
- Tez No: 935139
- Danışmanlar: PROF. DR. SERHAN TANYEL
- Tez Türü: Doktora
- Konular: Ulaşım, İnşaat Mühendisliği, Transportation, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Ulaştırma Bilim Dalı
- Sayfa Sayısı: 223
Özet
Yakın mesafeli kavşaklar, genellikle sinyalizasyon sistemiyle kontrol edilen ve gecikme, kuyruk uzunluğu ile yakıt tüketimi gibi sorunların yaşandığı özel kavşak tipleridir. Etkin olmayan kontrol stratejileri ve yetersiz yeşil süreler, trafik sıkışıklığına yol açarak kapasite kullanımını düşmesine neden olmaktadır. Bu problemler, optimizasyon algoritmaları ve sürdürülebilir kavşak kontrol stratejileriyle azaltılabilir. Çalışmada, yakın mesafeli sinyalize kavşakların verimliliğini artırmak amacıyla optimizasyon teknikleri uygulanarak taşıt gecikmelerinin ve yakıt tüketiminin minimize edilmesi hedeflenmiştir. Farklı trafik hacimleri, kavşaklar arası mesafe ve sola dönüş oranlarıyla trafik simülasyonuna dayalı senaryolar oluşturulmuş ve SIDRA Intersection benzetim programında analiz edilmiştir. Bu kapsamda geliştirilen birinci model, gecikmeyi minimize etmek için yeşil süre oranını Genetik Algoritma ile optimize etmektedir. Gecikmeye bağlı kümelerin belirlenmesi için k-ortalamalı kümeleme analizi uygulanmış ve kuyruk-mesafe indeksi geliştirilerek, kavşaklar arası doluluk seviyesi değerlendirilmiştir. Sonuçlar, kuyruk-mesafe indeksinin trafik akımını iyileştirme ve konforu artırma potansiyeline sahip olduğunu göstermektedir. İkinci modelde, sola dönüş manevrası ve şerit uzunluğunun yakıt tüketimine etkisi analiz edilmiştir. Kısmi En Küçük Kareler Regresyonu, Polinom Destek Vektör Makineleri ve Yapay Sinir Ağı yöntemleri kullanılarak yakıt tüketimi tahmin modelleri geliştirilmiştir. Ayrıca, Parçacık Sürü Optimizasyonu ile devre süresi ve sola dönüş şerit uzunluğu optimize edilerek yakıt tüketiminin azaltılabileceği belirlenmiştir. Bu bulgular, geliştirilen yaklaşımların trafik yönetimi ve çevresel sürdürülebilirlik açısından etkili çözümler sunduğunu ortaya koymaktadır.
Özet (Çeviri)
Closely spaced intersections are a special type of intersections, typically found in urban areas, where delay, queue length, and fuel consumption frequently arise due to the short spacing. Inadequate control strategies and insufficient green times can lead to congestion, reducing capacity utilization and increasing travel times. These problems can be mitigated through advanced optimization algorithms and sustainable intersection control strategies. This study aims to enhance the efficiency of closely spaced signalized intersections by optimizing control strategies and minimizing vehicle delays and fuel consumption. Various traffic volumes, intersection spacings, and left-turn ratios were considered to develop traffic simulation-based scenarios, which were analyzed using the SIDRA Intersection simulation program. The first model optimizes the green time ratio using Genetic Algorithm to minimize delay. A k-means clustering analysis was conducted to classify intersections based on delay, forming three clusters with distinct characteristics. Additionally, a Queue-to-Distance Index was introduced, representing the ratio of queue length to intersection spacing, as a key indicator for assessing intersection occupancy levels. The findings indicate that this index has the potential to enhance traffic flow and improve comfort. The second model focuses on minimizing fuel consumption. Machine learning-based models, including Partial Least Squares Regression, Polynomial Support Vector Machines, and Artificial Neural Networks, were developed. Furthermore, Particle Swarm Optimization was employed to optimize cycle time and left-turn lane length. The results indicate that the proposed approaches provide effective solutions by improving intersection performance and optimizing control strategies.
Benzer Tezler
- Determining novel target genes in WNT/𝛽-catenin signaling pathway using machine learning
WNT/beta-catenin sinyal yolağında makine öğrenmesi ile hedef genler belirlenmesi
CEMRE KEFELİ
Yüksek Lisans
İngilizce
2022
Genetikİstanbul ÜniversitesiMoleküler Biyoloji ve Genetik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ANDRES OCTAVIO ARAVENA DUARTE
- A novel approach for generating instance-based plausible and proximate counterfactual explanations
Örnek tabanlı makul ve yakın karşı olgusal açıklama üretmeye dayalı yeni bir yaklaşım
YAĞIZ LEVENT GÜME
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiVeri Mühendisliği ve İş Analitiği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERKAN IŞIKLI
- Drone wars 3D: An interactive simulator for drone swarms
Drone savaşları 3D: İnteraktif drone sürüsü simülatörü
GÖKHAN KARADENİZ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiOyun ve Etkileşim Teknolojileri Ana Bilim Dalı
DOÇ. DR. GÖKHAN İNCE
- Günlük ve saatlik yağış verilerinin yeni ters mesafe ağırlıklı model ile tahmin edilmesi
Estimation of daily and hourly precipitation data using a new inverse distance weighted model
KEVSER MERKÜR BAŞKESEN
Yüksek Lisans
Türkçe
2025
Meteorolojiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. YAVUZ SELİM GÜÇLÜ
- Scene change detection with triplet loss network using self-supervised learning
Üçlü kayıp ağı ile kendi kendine denetimli öğrenme metodu kullanarak sahne geçişlerinin tespiti
BURAK NAYIR
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Ana Bilim Dalı
DR. TANKUT AKGÜL