Sensör arızalarına karşı afet dirençli derin öğrenme tabanlı sürdürülebilir adaptif trafik sinyalizasyonunun geliştirilmesi
Development of disaster-resilient deep learning-based sustainable adaptive traffic signalization against sensor failures
- Tez No: 982266
- Danışmanlar: DR. ÖĞR. ÜYESİ YALÇIN ALBAYRAK, DOÇ. DR. SEVİL KÖFTECİ
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Ulaşım, Trafik, Electrical and Electronics Engineering, Transportation, Traffic
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Akdeniz Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışma, geçmiş verilerle beslenerek geleceğe yönelik tahminler üreten bir dijital ikiz altyapısının geliştirilmesi kapsamında, adaptif sinyalize kavşaklarda trafik sürekliliğinin sağlanabilmesi amacıyla gerçekleştirilmiştir. Bu bağlamda, kavşaklarda sensör arızası senaryolarına yönelik çözüm önerileri geliştirilmiş, adaptif trafik sinyalizasyon sistemlerinin modellenmesi ve en iyilemesi yapılmıştır. Bursa Büyükşehir Belediyesi ve Antalya Büyükşehir Belediyesi Akıllı Kavşaklar Projeleri kapsamında kurulan Trafik Kontrol Merkezleri'nde elde edilen trafik verileri, bu çalışmanın temelini oluşturmuştur. Çalışmada, akıllı kavşak sistemlerinin daha verimli ve sürdürülebilir hale getirilmesi amacıyla derin öğrenme tabanlı yaklaşım geliştirilmiştir. SUMO Türkiye Uyarlaması aracılığıyla gerçekleştirilen benzetim çalışmaları ile trafik akış dinamikleri analiz edilmiş, veri analitiği yöntemleri uygulanmıştır. Tüm araç sınıfları için Birim Otomobil Eşdeğeri (Passenger Car Unit, PCU) dönüşümleri esas alınarak tahmin modelleri geliştirilmiş ve kapsamlı bir değerlendirme yapılmıştır. Bulgular LSTM, GRU, RNN, CNN tabanlı derin öğrenme modellerinin trafik hacmi tahmini açısından üstün performans sergilediğini ortaya koymuştur. Bu çalışmanın sonucunda Heybe Kavşağı uygulamasında adaptif bir sinyalize kavşakta sensör arızası durumunda, kavşak önceden belirlenmiş sabit zamanlı sinyal planında çalışmak yerine DQL tabanlı modele göre çalışmıştır. Böylece hizmet seviyesi E'den B'ye değişmiştir, ayrıca ortalama gecikme %61.3 azalmıştır ve ortalama hız %134.6 artmıştır. Ardışık sinyalize kavşakların bulunduğu uygulamada sürdürülebilirliği doğrudan etkileyen çevresel etkiler açısından değerlendirmeler kapsamında, SUMO benzetimi ile elde edilen emisyon çıktılarına göre yakıt tüketimleri esas alınarak, Yaşam Döngüsü Değerlendirmesi (Life Cycle Assessment, LCA) yapılmıştır. LCA sonucunda trafikten kaynaklı emisyonların Küresel Isınma Potansiyellerinin (Global Warming Potential, GWP) yanı sıra, ince partikül madde oluşumu, karasal ekosistemlerde ozon üretimi ve karasal asitlenme üzerinde de etkilere sahip olduğunu göstermiştir. Senaryoların uygulanması durumunda, akıllı sinyalizasyon uygulamalarının sadece karbondioksit emisyonlarında değil, aynı zamanda trafikten kaynaklı çeşitli çevresel etki kategorilerinde de iyileştirmeler sağlayabileceğini ortaya koymuştur. Senaryoların uygulanması ile GWP'de ve çevresel etkilerde %4-%8 iyileştirme sağlanabileceği belirlenmiştir. Bu çalışma, özellikle donanım arızası senaryolarında trafik hacmi tahmini ve adaptif kontrol mekanizmalarının entegrasyonunun akıllı trafik sistemlerinin dayanıklılığına katkı sağlayabileceğini ortaya koymuştur. Bursa ili Nilüfer ilçesinde bulunan Işıktepe Kavşağının analiz sonuçlarına göre sabit sinyal süreli sistemin çalıştırıldığı senaryoya kıyasla, adaptif sinyal süreli modun çalıştırıldığı senaryo daha başarılı performans göstermiştir. Buna göre ortalama yolculuk süresi %19.8 oranında azalmış olup, ortalama hız %27.6 oranında artmıştır. Karbondioksit (CO2) emisyonlarında %13.3, karbonmonoksit (CO) emisyonlarında %17.3, hidrokarbon (HC) emisyonlarında %16.8, azot oksit (NOx) emisyonlarında %13.9 ve partikül madde (PMx) emisyonlarında %11.8 oranında azalma sağlanmıştır. Elde edilen sonuçlar, trafik yönetiminin daha çevreci, ekonomik ve etkili bir yapıya kavuşmasını sağlarken, afet durumlarında akıllı kavşak sistemlerinin daha dirençli hale gelmesi için yenilikçi teknolojiler sunmaktadır. Çalışmanın sonunda, önerilen modeller ve dijital ikiz altyapısının, şehirlerin ulaşım sistemlerini daha sürdürülebilir bir geleceğe taşıyacağı öngörülmektedir.
Özet (Çeviri)
This study was conducted to ensure traffic continuity at adaptive signalized intersections within the scope of developing a digital twin infrastructure that generates future predictions by utilizing historical data. In this context, solutions were proposed for sensor failure scenarios at intersections, and the modeling and optimization of adaptive traffic signal systems were carried out. The traffic data obtained from the Traffic Control Centers established under the Smart Intersections Projects of Bursa Metropolitan Municipality and Antalya Metropolitan Municipality formed the basis of this research. To enhance the efficiency and sustainability of smart intersection systems, a deep learning–based approach was developed. Traffic flow dynamics were analyzed through simulation studies conducted using the SUMO Türkiye Adaptation, and data analytics methods were applied. Predictive models were developed based on the Passenger Car Unit (PCU) conversions of all vehicle classes, and their results were comprehensively evaluated. The findings revealed that deep learning models such as LSTM, GRU, RNN, CNN demonstrated superior performance in traffic volume prediction. As a result of this study, in the Heybe Intersection application, under a sensor failure scenario in an adaptive signalized intersection, the intersection operated based on a DQL-based model instead of reverting to a pre-defined fixed-time signal plan. This led to an improvement in the level of service from E to B, a 61.3% reduction in average delay, and a 134.6% increase in average speed. In another application involving sequential signalized intersections, a life cycle assessment (LCA) was conducted based on fuel consumption derived from emission outputs obtained through SUMO simulations, in order to assess environmental impacts that directly influence sustainability. The LCA results revealed that traffic-related emissions affect not only global warming potential but also fine particulate matter formation, tropospheric ozone formation in terrestrial ecosystems, and terrestrial acidification. Scenario-based simulations indicated that smart signalization systems could offer improvements not only in CO₂ emissions but also across multiple traffic-related environmental impact categories. It was determined that the implementation of scenarios could lead to a 4–8% improvement in global warming potential and related environmental effects. This study showed that, especially under hardware failure scenarios, the integration of traffic volume prediction and adaptive control mechanisms can enhance the resilience of smart traffic systems. According to the analysis results of the Işıktepe Intersection located in Nilüfer district of Bursa, the scenario using adaptive signal timing outperformed the fixed-time signal plan scenario. Accordingly, the average travel time was reduced by 19.8%, while the average speed increased by 27.6%. Emissions were also reduced: carbon dioxide (CO₂) by 13.3%, carbon monoxide (CO) by 17.3%, hydrocarbons (HC) by 16.8%, nitrogen oxides (NOx) by 13.9%, and particulate matter (PMx) by 11.8%. The results obtained not only contribute to making traffic management more environmentally friendly, economical, and effective, but also present innovative technologies to increase the resilience of smart intersection systems in emergency scenarios. Ultimately, the proposed models and digital twin infrastructure are expected to help transform urban transportation systems toward a more sustainable future.
Benzer Tezler
- Çift sistem dikey kalkış ve iniş iha'larda kontrol yüzeyi arıza yönetimi
Control surface failure management in dual-system vtol uavs
BİLAL BADUR
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. FİKRET ÇALIŞKAN
- Düşük güçlü ve kayıplı kablosuz sensör ağlarında topolojinin ağ kurulumunda enerji tüketimine etkisi
The effect of network installation on low power and lossy wireless sensor networks on energy consumption
NAMIK CEYLAN
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SIDDIKA BERNA ÖRS YALÇIN
- Joint direction of arrival estimation and source enumeration using transformer for sparse linear arrays with robustness to sensor malfunctions
Seyrek doğrusal diziler için sensör bozulmalarına dayanıklı dönüştürücü tabanlı ortak geliş açısı ve kaynak sayısı kestirimi
BURAK HAYATİ MUSLU
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. TOLGA ÇİLOĞLU
- A robust nonlinear MPC and ıncremental nonlinear dynamic ınversion control of quadrotors under rotor failure
Rotor arızası durumunda dört pervaneli hava araçlarının doğrusal olmayan model benzetimli ve artımsal dinamik tersleme tabanlı gürbüz kontrolü
CİHANGİR MEHMETÇİK ELİF
Yüksek Lisans
İngilizce
2026
Havacılık ve Uzay MühendisliğiOrta Doğu Teknik ÜniversitesiHavacılık ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. OZAN TEKİNALP
- Üretim hatlarında görüntü işleme tabanlı piston konum kontrolü
Image processing–based piston position control in production lines
AHMETSERDAR ÇOBAN
Yüksek Lisans
Türkçe
2026
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN IŞIK