Araç içindeki akıllı telefondan alınan sensör verilerine göre sürüş davranışı
Driving behaviour according to sensor data obtained from smartphone of the driver
- Tez No: 948096
- Danışmanlar: YRD. DOÇ. DR. GÖKALP TULUM
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: sürüş davranışı analizi, akıllı telefon sensörleri, makine öğrenimi, veri üretimi, Rastgele Orman, sensör füzyonu, hareket sınıflandırması, araç telematiği, driving behavior analysis, smartphone sensors, machine learning, data generation, Random Forest, sensor fusion, motion classification, vehicle telematics
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Üsküdar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yapay Zeka Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 78
Özet
Bu araştırma, araçlardan toplanan akıllı telefon sensör verilerini kullanarak sürüş davranışını analiz etmek ve sınıflandırmak için makine öğrenimi tekniklerinin uygulanmasını araştırmaktadır. Çalışma, sürüş modellerini yakalamak ve yorumlamak için modern akıllı telefonların yerleşik ivmeölçer ve jiroskop sensörlerinden yararlanmaya odaklanıyor ve özel araç izleme sistemlerine uygun maliyetli bir alternatif sunuyor. Araştırma metodolojisi, akıllı telefon sensörlerinden veri toplama, veri ön işleme ve Rastgele Orman, Karar Ağacı ve K-En Yakın Komşular sınıflandırıcıları dahil olmak üzere birden fazla makine öğrenimi modelinin uygulanmasını kapsar. Deneysel sonuçlar, Rastgele Orman sınıflandırıcısının test edilen modeller arasında en yüksek performansı (AUC = 0.930) elde etmesiyle önerilen yaklaşımın etkinliğini göstermektedir. Karışıklık matrisleri, ROC eğrileri ve özellik önem sıralamaları yoluyla ayrıntılı karşılaştırmalı analiz, dikey ivmenin (accy) ve dönme hareketlerinin (gyrox, gyroz) sürüş davranış kalıplarının en önemli göstergeleri olduğunu ortaya koymaktadır. Çalışma ayrıca, Rastgele Orman modeli için sırasıyla% 95,8 ve% 84,0 doğruluk oranlarıyla gerçek ve oluşturulan veri kümeleri arasında karşılaştırılabilir sınıflandırma performansı gösteren oluşturulan sentetik verilerin kalitesini de doğrulamaktadır. Bulgular, akıllı telefon tabanlı sürüş davranışı analizinin yalnızca uygulanabilir değil, aynı zamanda son derece doğru olduğunu ve sürücü güvenliği izleme, sigorta telematiği ve otonom araç geliştirmede potansiyel uygulamalar sunduğunu gösteriyor. Bu araştırma, karmaşık sürüş davranışı analizi için ortak akıllı telefon sensörlerinin kullanılmasının uygulanabilirliğini göstererek ve araç telematik uygulamalarında sentetik veri üretimi için bir çerçeve oluşturarak alana katkıda bulunmaktadır.
Özet (Çeviri)
This research investigates the application of machine learning techniques for analyzing and classifying driving behavior using smartphone sensor data collected from within vehicles. The study focuses on leveraging the built-in accelerometer and gyroscope sensors of modern smartphones to capture and interpret driving patterns, presenting a cost-effective alternative to specialized vehicle monitoring systems. The research methodology encompasses data collection from smartphone sensors, data preprocessing, and the implementation of multiple machine learning models including Random Forest, Decision Tree, and K-Nearest Neighbors classifiers. Experimental results demonstrate the effectiveness of the proposed approach, with the Random Forest classifier achieving the highest performance (AUC = 0.930) among the tested models. Detailed comparative analysis through confusion matrices, ROC curves, and feature importance rankings reveals that vertical acceleration (accy) and rotational movements (gyrox, gyroz) are the most significant indicators of driving behavior patterns. The study also validates the quality of generated synthetic data, showing comparable classification performance between real and generated datasets, with accuracy rates of 95.8% and 84.0% respectively for the Random Forest model. The findings suggest that smartphone-based driving behavior analysis is not only feasible but also highly accurate, offering potential applications in driver safety monitoring, insurance telematics, and autonomous vehicle development. This research contributes to the field by demonstrating the viability of using common smartphone sensors for sophisticated driving behavior analysis and establishing a framework for synthetic data generation in vehicle telematics applications.
Benzer Tezler
- Reducing in-vehicle communication overload and enhancing efficiency in autonomous and electrical vehicles
Otonom ve elektrikli araçlarda araç içi iletişim yükünü azaltma ve etkinliğini artırma
YUNUS KAĞAN ÖZDEMİR
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET CANSIZ
- security of vehicles platoon from inside and outside attacks
iç ve dış saldırılardan müfreze araç güvenliği
MUHAMMET AL SHEİKHLY
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. SEFER KURNAZ
- Araç kamerası görüntülerinde nesne ve nesne hareketi tespiti için bütünleşik bir derin öğrenme mimarisi
A unified deep learning architecture for object and motion detection in vehicle cameras
ÖZLEM OKUR
Yüksek Lisans
Türkçe
2024
Mühendislik BilimleriEskişehir Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET KILIÇARSLAN
- Elektrikli araç şarj istasyonlarının akıllı şebekelerle entegrasyonunun sağlanması ve bu istasyonların şebekeye getireceği yükün incelenmesi: Bursa örneği
Ensuring the integration of electric vehicle charging stations with smart grids and investigation of the load that these stations bring to the network: Bursa
ENES AVCİ
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiBursa Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSA AYDIN
- The effects of ridesourcing services on vehicle ownership and the taxi market in the United Kingdom
Akıllı telefon uygulaması tabanlı araç kaynak kullanımı hizmetlerinin Birleşik Krallık'taki araç sahipliği ve taksi piyasasi üzerindeki etkileri
PINAR BİLGİN