Veri madenciliği ve makine öğrenmesi yöntemleri ile İstanbul trafiğinin analizi: D100 karayolu uygulaması
Analysis of Istanbul traffic with data mining and machine learning methods: D100 highway application
- Tez No: 697371
- Danışmanlar: PROF. DR. HALİM KAZAN
- Tez Türü: Doktora
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Bayes ağlar, Büyük veri, Makine öğrenmesi, Makine öğrenmesi yöntemleri, Trafik, Trafik sorunu, Trafik yönetimi, Veri madenciliği, Yapay sinir ağları, Bayes networks, Big data, Machine learning, Machine learning methods, Traffic, Traffic problem, Traffic management, Data mining, Artificial neural networks
- Yıl: 2021
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: İktisat Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Trafik problemi, mevcut ve gelecekteki trafik verilerine dayanarak yakın gelecekteki trafik önlemlerinin öngörülmesi adına, Akıllı Ulaşım Sistemlerinde kullanıcıların ve karar vericilerin trafik planlama ve yönetimlerini iyileştirmek, trafik sorunu ile başa çıkmak için son dönemlerde çok önemli bir konu haline gelmiştir. Akıllı Ulaşım Sistemleri sayesinde büyük miktarda trafik verisinin oluşması sonucunda veri odaklı modellerin oluşmasına imkan sağlamıştır. Veri madenciliği ve makine öğrenmesi yöntemleri ile büyük veri odaklı karmaşık senaryolar modellenerek trafik önlemlerinin tahminlemesine olan ilgi giderek artmaktadır. Bu çalışmada, önerilen trafik analiz modellemesinde, öncelikle araştırılması gerçekleştirilecek olan bölgenin trafiğine etki eden parametreler istatistiksel yöntemler sayesinde belirlenerek birbirleri ile olan ilişkileri ve etkileri ortaya çıkarıldı. Trafik yoğunluğu ve trafik olaylarının saat, gün, ay, mevsim, yıl, hava olayları, kaza durumları parametreleri ile aralarındaki ilişkiler belirlendi. Elde edilen parametreler, makine öğrenmesi yöntemleri ile modellenerek trafik yoğunluk analizi ve trafik olayları analizleri gerçekleştirildi. Bu modelde amaç her bölgenin trafik problemine etki eden kendine has parametreler olmasından dolayı, konumsal olarak spesifik trafik uyarı sisteminin gerçekleştirilmesi adına önemli bir çalışma olmuştur. İstanbul ili D100 karayolunun Anadolu yakası, Avrupa yakası ve 15 Temmuz Şehitleri köprüsü hatlarında meydana gelen trafik yoğunluğu ve trafik olaylarına etki eden parametreler istatistiksel yöntemler ile belirlenerek analizleri gerçekleştirilmiştir. Bayes ağı ve Yapay sinir ağı yöntemleri ile trafik yoğunluğu ve kaza olaylarının modelleri oluşturulmuştur. Bu modeller sayesinde bölgeye has oluşabilecek trafik yoğunluk durumları ve trafik olayları için erken uyarı sisteminin alt yapısının oluşturulması sağlanmıştır.
Özet (Çeviri)
For the prediction of traffic measures in the near future based on the traffic problem, current and future traffic data, Improving the traffic planning and management of users and decision makers in Intelligent Transportation Systems has recently become a very important issue to cope with the traffic problem. Thanks to the Intelligent Transportation Systems, it has enabled the formation of data-oriented models as a result of the formation of a large amount of traffic data. There is an increasing interest in the prediction of traffic measures by modeling big data-driven complex scenarios with data mining and machine learning methods. In this study, in the proposed traffic analysis modeling, the parameters affecting the traffic of the region to be investigated were determined by statistical methods, and their relations and effects with each other were revealed. The relationships between traffic density, and parameters of hour, day, month, season, year, weather events, accident situations were determined. Obtained parameters were modeled with machine learning methods and traffic density analysis and traffic incident analyzes were performed. In this model, the aim has been an important study for the realization of a spatially specific traffic warning system, since each region has its own parameters that affect the traffic problem. The traffic density on the Anatolian side, the European side and the 15 July Martyrs Bridge lines of the Istanbul D100 highway and the parameters affecting the traffic incidents were determined by statistical methods and analyzed. Models of traffic density and accident events were created with Bayesian network and Artificial neural network methods. Thanks to these models, the infrastructure of the early warning system has been created for traffic density situations and traffic incidents that may occur specific to the region.
Benzer Tezler
- Pre-release forecasting of imdb movie ratings using multi-view data
Gösterime girmemiş filmlerin ımdb puanının farklı özellik kümeleri kullanılarak tahmin edilmesi
BEYZA ÇİZMECİ
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ÖĞÜDÜCÜ
- Türkiye'nin siber güvenlik politikalarının yazılım mühendisliği açısından değerlendirilmesi ve kritik altyapıların siber saldırılardan korunmasına yönelik olay yönetim sistemi tasarımı
Evaluation of Türkiye's cyber security policies in terms of software engineering and incident management system design for the protection of critical infrastructures from cyber attacks
UĞUR GÜRTÜRK
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜLSÜM ZEYNEP GÜRKAŞ AYDIN
- Veri madenciliği teknikleri ile Borsa İstanbul pay piyasası pazarlarında fiyat hareketlerinin tahmini
Predicting of stock price movements with data mining techniques on Borsa Istanbul equity markets
EFE GÖKAKIN
- Konteyner liman operasyonlarının makine öğrenmesi yöntemleri ile analizi
Analysis of container port operations using machine learning methods
ÜSTÜN ATAK
Doktora
Türkçe
2022
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma İşletme Mühendisliği Ana Bilim Dalı
PROF. DR. YASİN ARSLANOĞLU
PROF. DR. TOLGA KAYA
- Nesnelerin interneti platformları için makine öğrenmesi tabanlı bir tahmin modülü
A machine learning based prediction module for internet of things platforms
HALİL GÜLAÇAR
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YUSUF YASLAN