Araçlar arası haberleşmede (V2V) makine öğrenmesi tabanlı yayılım ortamı sınıflandırması ve yol kaybı tahmini
Machine learning-based propagation environment classification and path loss estimation in vehicle-to-vehicle (V2V) communication
- Tez No: 944024
- Danışmanlar: DR. ÖĞR. ÜYESİ ZEYNEP HASIRCI TUĞCU
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektronik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Araçtan araca haberleşme (V2V), trafik akışını optimize ederek ulaşım verimliliğini artırmayı ve trafik kazası olasılığını azaltmayı amaçlayan kritik bir teknolojidir. V2V haberleşme sistemlerinde karşılaşılan temel zorluklardan biri olan yol kaybı tahmini ve yayılım ortamı belirsizliği, bu tez çalışmasında makine öğrenmesi algoritmaları kullanılarak ele alınmıştır. Çalışmanın amacı, farklı çevresel koşullarda (kent, yarıkent, kırsal ve anayol), V2V haberleşmesindeki olası hataları en aza indirgenmesi amacıyla yayılım ortamı sınıflandırması gerçekleştirmek ve buna bağlı olarak yol kaybını yüksek doğrulukla tahmin edebilen modeller geliştirmektir. Bu doğrultuda, Trabzon ve Gümüşhane illerinde gerçekleştirilen saha çalışmaları sonucunda, farklı çevresel koşulları temsil eden 161.940 ortam sınıfı verisi ve 111.512 yol kaybı örneğinden oluşan büyük ölçekli ve kapsamlı bir veri seti kullanılmıştır. Yayılım ortamı sınıflandırması ve yol kaybı tahmini için çeşitli makine öğrenmesi algoritmaları uygulanmış; her iki problem için elde edilen sonuçlar, literatürdeki benzer makine öğrenmesi temelli çalışmalar ile kıyaslanmış, ayrıca yol kaybı tahmini özelinde sonuçlar, log-mesafe, iki-ışın ve log-ışın gibi geleneksel ampirik modellerle de karşılaştırmalı olarak analiz edilmiştir. Çalışmanın çıktıları, çevresel farklılıkların dikkate alındığı, dinamik ve ortama duyarlı yol kaybı tahmini yapılabileceğini ortaya koymakta; bu sayede adaptif iletim gücü stratejilerine yönelik veri temelli bir yaklaşım sunmaktadır.
Özet (Çeviri)
Vehicle-to-vehicle (V2V) communication is a critical technology designed to optimize traffic flow, improve transportation efficiency, and reduce traffic accidents. This thesis addresses path loss prediction and propagation environment uncertainty, two key challenges in V2V systems, by employing machine learning algorithms. The study aims to classify propagation environments under varying conditions (urban, semi-urban, rural, and highway) to minimize potential communication errors and to develop models that accurately predict path loss based on these classifications. Accordingly, a comprehensive dataset of 161,940 environment class samples and 111,512 path loss measurements was used through field studies conducted in Trabzon and Gümüşhane. Several machine learning algorithms were implemented for both classification and prediction tasks. The results were compared with similar machine learning-based studies in the literature and, for path loss prediction, also with traditional empirical models such as log-distance, two-ray, and log-ray. The findings show that accounting for environmental variability enables dynamic, context-aware path loss prediction and offers a data-driven basis for adaptive transmission power strategies in V2V systems.
Benzer Tezler
- Kalıp hazırlama teknikleri dersinde ders araçlarının öğrenci başarısına etkisi
Başlık çevirisi yok
FATMA BAYRAKTAR
Yüksek Lisans
Türkçe
1986
Eğitim ve ÖğretimGazi ÜniversitesiGiyim Endüstrisi ve Giyim Sanatları Ana Bilim Dalı
PROF. DR. HIFZI DOĞAN
- Çekirdeksiz kuru üzümde uygulanan politikanın Ege Bölgesinde üretim ve üretici açısından sonuçlarının değerlendirilmesi
Başlık çevirisi yok
GÜVEN ÖZERİN
- Mikrobilgisayar kullanarak tarım işletmesi analizi üzerine bir çalışma
Başlık çevirisi yok
BÜLENT MİRAN