Araçların interneti uygulamaları için V2X tabanlı sistemlerde gerçek zamanlı optimizasyon çözümleri
Real-time optimization solutions in V2X-based systems for internet of vehicles applications
- Tez No: 972737
- Danışmanlar: DR. ÖĞR. ÜYESİ ONUR İNAN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Bilgisayar yazılımları, Yapay zeka ve makine öğrenmesi dersi, Çok kriterli optimizasyon, İnsan-yapay zeka etkileşimi, Computer softwares, Artificial intelligence and machine learning course, Multi criteria optimization, Human-artificial intelligence interaction
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında, araçların interneti (IoV) uygulamaları için V2X tabanlı sistemlerde gerçek zamanlı optimizasyon çözümleri geliştirilmiştir ve otonom araçlarda (AV'ler) hız ve ivme tahmini ile karar alma süreçlerini optimize etmek için yenilikçi makine öğrenmesi yöntemleri birleştirilmiştir. Önerilen yöntemler arasında denetimli öğrenme temelli Chaotic AdaBoost (CAB) ve pekiştirmeli öğrenme temelli Lévy Flight-enhanced Proximal Policy Optimization (LFPPO) yer almıştır. Algoritmaların karşılaştırılmalarında k-Nearest Neighbors (kNN), Artificial Neural Networks (ANN), AdaBoost (AB), Gradient Boosting (GB), Random Forest (RF) ve Proximal Policy Optimization (PPO) algoritmaları kullanılmıştır. CARLA simülatörünün Town 10 ve Town 5 ortamlarında gerçekleştirilen deneylerde, CAB, ivme tahmini için 0.018 MSE, 0.020 MAE ve 0.993 R² ile %99.3 başarı elde etmiş; bu, kNN (23.215 MSE, 0.87 R²), ANN (3.297 MSE, 0.982 R²), RF (4.419 MSE, 0.975 R²), GB (1.701 MSE, 0.991 R²) ve AB'ye (0.15 MSE, 0.985 R²) kıyasla üstünlük göstermiştir. LFPPO, %99 başarı oranı, 42,135 ödül seviyesi ve %1 çarpışma oranı ile PPO'ya (%81 başarı, 33,895 ödül, %19 çarpışma) göre daha güvenli bir sürüş profili sunmuştur. Apache Kafka ve MongoDB altyapısı, veri işleme süreçlerini desteklemiş; Kafka, carla-data başlığı altında gerçek zamanlı veri akışını senkron ve asenkron modlarda sağlayarak düşük gecikmeli tahmin süreçlerini mümkün kılmış, MongoDB ise verilerin güvenilir depolanmasını ve hızlı erişimini sağlamıştır. Python script dosyaları aracılığıyla senkron ve asenkron tahmin süreçleri uygulanmıştır. CAB ve ANN, asenkron modda sensör belirsizliklerine karşı yüksek başarı (CAB: MSE=0.018, R²=0.993) sağlayarak karmaşık veri setlerinde üstün performans göstermiştir, kNN ve RF ise senkron modda hızlı tahminler sunmuştur. Bu çalışma, kaos teorisinin makine öğrenimine entegrasyonuna teorik bir katkı sunarken, kentsel ulaşım ve lojistik uygulamalarında AV'lerin güvenilirliğini artırmıştır.
Özet (Çeviri)
In this thesis, real-time optimization solutions are developed in V2X based systems for internet of vehicles (IoV) applications and innovative machine learning methods are combined to optimize speed and acceleration estimation and decision-making processes in autonomous vehicles (AVs). The proposed methods include supervised learning-based Chaotic AdaBoost (CAB) and reinforcement learning-based Lévy Flight-enhanced Proximal Policy Optimization (LFPPO). In the comparison of the algorithms, k-Nearest Neighbors (kNN), Artificial Neural Networks (ANN), AdaBoost (AB), Gradient Boosting (GB), Random Forest (RF) and Proximal Policy Optimization (PPO) algorithms were used. In the experiments conducted in Town 10 and Town 5 environments of the CARLA simulator, CAB achieved 99.3% success in acceleration estimation with 0.018 MSE, 0.020 MAE and 0.993 R²; This showed superiority compared to kNN (23.215 MSE, 0.87 R²), ANN (3.297 MSE, 0.982 R²), RF (4.419 MSE, 0.975 R²), GB (1.701 MSE, 0.991 R²) and AB (0.15 MSE, 0.985 R²). LFPPO offered a safer driving profile with a 99% success rate, 42.135 reward level, and 1% collision rate compared to PPO (81% success, 33.895 rewards, 19% collisions). Apache Kafka and MongoDB infrastructure supported the data processing processes; Kafka enabled low-latency prediction processes by providing real-time data streams under the carla-data title in synchronous and asynchronous modes, while MongoDB provided reliable storage and fast access to data. Synchronous and asynchronous prediction processes were implemented using Python script files. CAB and ANN demonstrated superior performance on complex datasets, achieving high accuracy against sensor uncertainties in asynchronous mode (CAB: MSE=0.018, R²=0.993), while kNN and RF provided fast predictions in synchronous mode. This study provides a theoretical contribution to the integration of chaos theory into machine learning and improves the reliability of AVs in urban transportation and logistics applications.
Benzer Tezler
- Benchmarking simultaneous authentication schemes
Eş zamanlı kimlik doğrulama şemalarının karşılaştırmalı analizi
MORTEZA AZMOUDEH AFSHAR
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. ENVER ÖZDEMİR
- ISO 19650 compliant project information protocol proposal for collaborative working and BIM execution
İşbirlikçi çalışma ve BIM uygulamaları için ISO 19650 uyumlu proje bilgi protokolü önerisi
SALİM BURAK TEZGİDEN
Yüksek Lisans
İngilizce
2019
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. DENİZ ARTAN
- Nesnelerin interneti uygulamalarının cupcarbon ile benzetimi: Akıllı şehir örnekleri
Simulation of internet of things applications with cupcarbon: Smart city examples
MEHMET AKKURT
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. KEREM KÜÇÜK
- Real-time vehicle monitoring and on-board diagnostic system
Gerçek zamanlı araç takibi ve arıza tespit sistemi
EMİN VİLGENOĞLU
Yüksek Lisans
İngilizce
2019
İletişim BilimleriDokuz Eylül ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ REYAT YILMAZ
- Smart waste management techniques and their performance under various scenarios
Akıllı atık yönetim teknikleri ve farklı senaryolardaki başarımları
DAMLA GÜLEN
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SEMA FATMA OKTUĞ