Kentsel trafik için makine öğrenmesine dayalı gürültü kirliliği algılama sistemi tasarımı
A machine learning-based noise pollution detection system for urban traffic
- Tez No: 977405
- Danışmanlar: DOÇ. DR. ALPER KEREM
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Araç plakası tanıma, Derin öğrenme, Gürültü analizi, Makine öğrenmesi, Nesne tespiti, Vehicle license plate recognition, Deep learning, Noise analysis, Machine learning, Object detection
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Kahramanmaraş Sütçü İmam Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kentlerde artan trafik yoğunluğu, modifiye araçların egzoz gürültüsü, yüksek sesli müzik yayınları ve korna kullanımının yasak olduğu bölgelerde dahi aşırı klakson kullanımı gibi faktörlerin kentsel yaşamda gürültüye maruz kalma süresini uzattığı gözlemlenmektedir. Ayrıca, Dünya Sağlık Örgütü (World Health Organization, WHO) tarafından yüksek düzeyde çevresel gürültüye maruz kalmanın insan sağlığına ve psikolojik refahına kalıcı zararlar verebileceği rapor edilmektedir. Mevcut literatüre göre yerel yönetimlerin gürültü kirliliğinden sorumlu araçları doğru şekilde tespit etmesi için güncel gürültü haritalama ve analiz yöntemlerinin yetersiz kaldığı bilinmektedir. Bu soruna yanıt olarak, bu çalışma yalnızca gürültü seviyelerini ölçme ve raporlamanın ötesine geçen, trafik kaynaklı gürültüye katkıda bulunan araçların tanımlanmasını hedefleyen bütünleşik bir yaklaşım önermektedir. Önerilen model, IEC 61672-1:2013 standardıyla uyumlu A-ağırlıklı ses metriklerini içeren gerçek zamanlı gürültü izleme sistemi, derin öğrenme tabanlı YOLOv5 (You Only Look Once version 5) ile plaka tanıma ve Tesseract Optik Karakter Tanıma (Optical Character Recognition, OCR) tabanlı plaka okuma sistemlerini entegre ederek kapsamlı bir çözüm sunacak şekilde tasarlanmıştır. Bu entegrasyonun trafikte gürültü kirliliğine neden olan araçların tespitini kolaylaştırdığı ve mevcut literatürde önemli bir boşluğu doldurduğu gösterilmiştir. Çalışmada toplanan veriler, gürültü eşiği aşım örnekleriyle ilişkilendirilmiş olup plaka tanıma sonuçları gerçek zamanlı yerel gürültü kayıtları ve grafiksel temsilleri içeren veri kümeleriyle desteklenmiştir.
Özet (Çeviri)
The increasing traffic density in cities, exhaust noise from modified vehicles, loud music broadcasts, and excessive horn use—even in zones where horn use is prohibited—have been observed to prolong the duration of noise exposure in urban environments. Moreover, the World Health Organization (WHO) reports that exposure to high levels of environmental noise can inflict lasting harm on human health and psychological well-being. According to the current literature, contemporary noise mapping and analysis methods are inadequate for enabling local authorities to accurately identify vehicles responsible for noise pollution. In response to this challenge, this study proposes an integrated approach that goes beyond merely measuring and reporting noise levels to identify vehicles contributing to traffic-related noise. The proposed model is designed to provide a comprehensive solution by integrating a real-time noise monitoring system that incorporates A-weighted acoustic metrics compliant with IEC 61672-1:2013, license plate detection using the deep learning–based YOLOv5 (You Only Look Once, version 5), and license plate reading based on Tesseract Optical Character Recognition (OCR). It is demonstrated that this integration facilitates the identification of vehicles causing traffic noise pollution and addresses a notable gap in the existing literature. The data collected in the study are associated with noise-threshold exceedance events, and the license plate recognition outputs are supported by datasets that include real-time local noise recordings and their graphical representations.
Benzer Tezler
- Kentsel katı atık toplama rotalarının graf tabanlı pekiştirmeli öğrenme ile optimizasyonu Kadıköy ilçesi örneği
Optimization of urban solid waste collection routes through graph-based reinforcement learning: The case of Kadikoy district
İZEL BOZDEMİR
Yüksek Lisans
Türkçe
2026
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. DURSUN ZAFER ŞEKER
- Trafik sinyal sistemini iyileştirmek için bulanık mantık ve makine öğrenmesinin entegrasyonu
Integrating fuzzy logic and machine learning to improve traffic signal system
ABDULLAHI BASHI
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBeykoz ÜniversitesiBilgisayar Ana Bilim Dalı
PROF. DR. ABDURAZZAG ALI A ABURAS
- Afet yönetimi odaklı hücresel ağ kapsama performansı için mekansal yapay zeka tabanlı model önerisi
Geospatial artificial intelligence (GeoAI) based model proposal for cellular network coverage performance with a focus on disaster management
GÜZİDE MİRAY PERİHANOĞLU
Doktora
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. HİMMET KARAMAN
- Otoparklar için gerçek zamanlı yerleşim sağlayan görüntü işleme tabanlı karar destek sistem önerisi
A proposal for an image processing-based decision support system providing real-time space allocation in parking lots
ORUÇ ALTAY KIRLI
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMuğla Sıtkı Koçman ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
PROF. DR. İLHAN TARIMER
- Real-time crash risk analysis using deep learning
Derin öğrenmeyle gerçek zamanlı kaza risk analizi
SAEID MORADI
Yüksek Lisans
İngilizce
2022
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ OSMAN ATAHAN