Otonom araçlar için pekiştirmeli öğrenme tabanlı şerit değiştirme algoritması geliştirilmesi
Development of a reinforcement learning-based lane change algorithm for autonomous vehicles
- Tez No: 958242
- Danışmanlar: PROF. DR. FATİH ŞAHİN
- Tez Türü: Yüksek Lisans
- Konular: Otomotiv Mühendisliği, Automotive Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Otomotiv Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 98
Özet
Günümüzde otonom sürüş teknolojilerinin yaygınlaşması, bu alandaki araştırmaları artırmıştır. Trafik güvenliği, akıcılığı ve sürüş konforu gibi hedeflere ulaşmak için bu teknolojiler sürekli geliştirilmektedir. Otonom sürüş sistemlerinin gelişiminde yapay zekâ, özellikle pekiştirmeli öğrenme (Reinforcement Learning) algoritmaları önemli rol oynamaktadır. Bu çalışmada, otonom araçlar için şerit değiştirme kararını verebilen bir sistem geliştirilmiştir. Karar verme, rota planlama ve rota takibi aşamaları entegre bir şekilde ele alınmıştır. Karar verme süreci için DQN (Deep Q Network) tabanlı pekiştirmeli öğrenme algoritması kullanılmıştır. Şerit değiştirme rotası Sigmoid Fonksiyonu ile oluşturulmuş, rota takibi için Stanley denetleyici tercih edilmiştir. Modelleme, senaryo oluşturma ve test aşamaları MATLAB/Simulink yazılımında gerçekleştirilmiştir. Araç modeli olarak üç serbestlik dereceli bisiklet modeli kullanılmıştır. Senaryo, iki şeritli bir yolda ilerleyen otonom araç ve sabit hızda hareket eden dört çevre araçtan oluşmaktadır. Gözlem kümesi; araçların hız ve konum bilgilerini, aksiyon kümesi ise şerit değiştirme ve şeritte kalma eylemlerini içermektedir. Ödül fonksiyonu, çarpışmasız ve başarılı şerit değişimlerine göre yapılandırılmıştır. Farklı başlangıç koşullarında ve 10–30 m/s hız aralığında oluşturulan senaryolar ile DQN ajanı eğitilmiş; araç, uygun kararlar vererek güvenli şekilde ilerlemiştir.
Özet (Çeviri)
With the growing prevalence of autonomous driving technologies, research interest in this field has significantly increased. These technologies are continuously improved to enhance traffic safety, ensure smooth flow, and maximize driving comfort. Artificial intelligence plays a crucial role in the development of autonomous systems, and among its methods, reinforcement learning offers effective solutions. In this study, a decision-making system for lane changes in autonomous vehicles is developed. The process integrates decision-making, path planning, and path tracking in a unified structure. A Deep Q-Network (DQN)-based reinforcement learning algorithm is used for decision-making. The lane change path is generated using a Sigmoid Function, and the Stanley Controller is employed for path tracking. The modeling, scenario creation, and testing phases are implemented in MATLAB/Simulink. A three degrees-of-freedom bicycle model is used to represent the vehicle. The scenario consists of an autonomous vehicle and four surrounding vehicles moving at constant speeds on a two-lane road. The observation set includes the positions and velocities of vehicles, while the action set consists of lane keeping and lane changing maneuvers. The reward function is designed to encourage successful, collision-free lane changes. The DQN agent is trained using scenarios with random initial positions and speeds ranging from 10 to 30 m/s. The trained agent successfully enables the vehicle to make safe and appropriate decisions under various conditions.
Benzer Tezler
- Advanced reinforcement learning applications in autonomous driving
Otonom araçlarda ileri pekiştirmeli öğrenme uygulamaları
MUSTAFA BURAK GÜNEL
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DOÇ. DR. NAZIM KEMAL ÜRE
- Applications of deep reinforcement learning for advanced driving assistance systems
İleri sürüş destek sistemleri için derin pekiştirmeli öğrenme uygulamaları
MUHARREM UĞUR YAVAŞ
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Ana Bilim Dalı
DOÇ. DR. TUFAN KUMBASAR
- Model reference adaptive controller design with augmented error method for lane tracking
Serit takibi kontrolü için artıtılmış hata yöntemi ile model referans uyarlanabilir kontrolör tasarımı
MEHMET NURİ DİYİCİ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. YAPRAK YALÇIN
- Swarm fighter aircraft control with deep reinforcement learning approach
Derin pekiştirmeli öğrenme ile sürü savaş uçaklarının kontrolü
METİN SARI
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. FİKRET ÇALIŞKAN
- Automated lane change decision making for autonomous vehicles using machine learning techniques
Makine öğrenmesi teknikleri ile otonom araçlarda şerit değişimine karar verme
MEHDI NASIRI
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. GÜLAY ÖKE GÜNEL