LOW-DIMENSIONAL TRAFFIC ESTIMATION UTILISING TIME-DELAYED MODEL
ZAMAN GECİKMELİ MODEL KULLANARAK DÜŞÜK BOYUTLU TRAFİK TAHMİNİ
- Tez No: 971816
- Danışmanlar: PROF. DR. BANİ ANVARİ
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Mühendislik Bilimleri, Ulaşım, Civil Engineering, Engineering Sciences, Transportation
- Anahtar Kelimeler: Kalman filtre, Temel bileşenler analizi, Trafik tahmini, Kalman filter, Principal components analysis, Traffic forecast
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Imperıal College London
- Enstitü: Yurtdışı Enstitü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Ulaştırma Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Hesaplama ve iletişim sistemlerindeki yeni teknolojik gelişmeler sayesinde, trafik ortamına ilişkin ayrıntılı veri setlerinin toplanması, işlenmesi ve paylaşılması artık daha basarilabilir hale gelmiştir. Bu gelişmeler, trafik ağı içinde iletişim kuran bağlı araçlara (connected vehicles) gerçek zamanlı trafik koşullarına uyum sağlayabilmeleri için daha doğru trafik bilgileri sunmak amacıyla kullanılabilir. Kısa vadeli trafik tahmin ve kestirim modelleri, öndeki aracın hızı gibi bilgileri elde etmek ve ağdaki bağlı araçlara iletmek için kullanılabilir. Krol, Anvari ve Lot (2019) tarafından önerilen bir çerçeve, indüksiyon döngülerinden alınan gerçek zamanlı veriler kullanılarak bir yol kesitinin hız profilini tahmin etmeyi amaçlamaktadır. Bu çerçeve, doğrusal ve düşük boyutlu bir formülasyona dayanmaktadır. Bu çalışmada ise, trafik durumu verilerine farklı zaman gecikmeleri uygulanarak bu çerçevenin performansı üzerindeki etkileri incelenmiştir. Ayrıca, farklı boyut indirgeme yöntemlerinin çerçevenin başarımı üzerindeki etkileri analiz edilmiştir. Çerçeve, indüksiyon döngüsü dedektörlerinden alınan ortalama hız bilgilerini kullanarak herhangi bir konumdaki bir aracın hızını tahmin eden bir model olarak tanımlanabilir. Bu tahmin süreci, sürekli bir hız alanından ayrık hız değerlerinin elde edilmesi gerekliliği nedeniyle yüksek boyutlu olabilir. Bu nedenle, trafik durumunu düşük boyutlu matrislerle temsil edebilmek amacıyla Temel Bileşenler Analizi (PCA) ve Bağımsız Bileşenler Analizi (ICA) gibi boyut indirgeme yöntemleri kullanılmıştır. Bu yaklaşım, yüksek frekansta veri girişiyle kısa sürede çözülebilecek kısa vadeli bir trafik tahmin modelinin geliştirilmesini mümkün kılabilir. Elde edilen sonuçlara göre, zaman gecikmesi sayısı arttıkça model parametrelerinin doğruluğu da artmaktadır. Ayrıca, genel çerçeve performansı değerlendirildiğinde, ICA kullanılan tahminlerin biraz daha iyi sonuçlar ürettiği gözlemlenmiştir. Tahmin doğruluğu (R²), 1 saniyelik gecikme ile 0.78 seviyesine ulaşmıştır.
Özet (Çeviri)
Collecting, processing and sharing detailed data sets providing information on traffic environment has become more achievable with new technologic capabilities in computation and communication systems. These advances can be used to provide more accurate information on traffic characteristics for connected vehicles that communicate within a traffic network to adapt to real-time traffic conditions. Short-term traffic prediction and estimation models can be used to have this type of information such as the velocity of the vehicle in front and share it with connected vehicles in the network. A framework was proposed to estimate the velocity profile of a road section by using the real-time information received from induction loops (Krol, Anvari & Lot, 2019). This framework was based on a linear and low-dimensional formulation. In this study, the framework is investigated by implementing different time delays on traffic state data and determining their effects on the performance of the framework. Additionally, the effects of using different dimension reduction methods on the performance of the framework are analysed. The framework can be defined as a model estimating a vehicle's velocity at any location by using real-time information including average velocity received from induction loop detectors. This estimation process can be high-dimensional due to the need to determine discrete velocities from a continues velocity field. Therefore, the dimension reduction methods called principal component analysis (PCA), and independent component analysis (ICA) are used in this study to represent traffic state with low-dimensional matrices. This enables a short-term traffic prediction model to be solved within high-frequency data input within a short period of time. According to the results, it is observed that as the number of delays increases, the accuracy of the obtained model parameters increases. Also, considering the overall framework performance, estimations using ICA as a dimensionality reduction method can generate slightly better results. The estimation accuracy (𝑅2) reaches to 0.78 with a 1-second delay.
Benzer Tezler
- Crowd localization and counting via deep flow maps
Derin öğrenme ile çıkarılan hareket haritaları kullanılarak nesne kalabalıklarının tespiti ve sayımı
PEDRAM YOUSEFI
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. BİLGE GÜNSEL
- Orta menzilli otomotiv radarları için çift eğik polarizasyonlu mikroşerit yama anten dizisi tasarımı
Dual slant polarization microstrip patch antenna design for medium range automotive radars
FURKAN MUHAMMED TAYDAŞ
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SELÇUK PAKER
- Mevcut çelik demiryolu köprülerinde yorulma ömrü tayini
Fatique life prediction for existing railway bridges
HÜDAİ KAYA
- Gaziantep'te PM2.5 konsantrasyonunun zamansal ve mekânsaltahminine yönelik transfer öğrenme destekli hibrit yapay zeka modelleri
Spatio-temporal estimation of PM2.5 concentrations in gaziantepusing transfer learning-based hybrid artificial intelligence models
TÜRKAN ZENGİN GÖMLEKSİZ
Yüksek Lisans
Türkçe
2025
Meteorolojiİstanbul Teknik Üniversitesiİklim Bilimi ve Meteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. HÜSEYİN TOROS
- Savaş gemilerinde radar saçılma yüzeyi hesabı
Başlık çevirisi yok
SEVİLAY CAN
Yüksek Lisans
Türkçe
1999
Denizcilikİstanbul Teknik ÜniversitesiGemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı
PROF. DR. EŞREF ADALI