Işıksız yaya geçitlerinde yaya-taşıt çarpışma uyarı sistemleri için makine öğrenmesi temelli yaya niyet kestirim modellerinin karşılaştırılması
Comparison of machine learning-based pedestrian intention prediction models for pedestrian-vehicle collision warning systems at unsignalized crosswalks
- Tez No: 995254
- Danışmanlar: PROF. YALÇIN ALVER
- Tez Türü: Yüksek Lisans
- Konular: Ulaşım, İnşaat Mühendisliği, Transportation, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: İnşaat Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yaya güvenliği, sürdürülebilir kentsel ulaşım sistemlerinin en kritik bileşenlerinden biridir. Her yıl dünya genelinde yaklaşık 1,35 milyon kişi trafik kazalarında hayatını kaybetmekte, bu ölümlerin yüzde 23'ünü yayalar oluşturmaktadır. Özellikle trafik ışığıyla kontrol edilmeyen yaya geçitlerinde sürücü–yaya etkileşimlerindeki belirsizlik çarpışma riskini artırmaktadır. Bu tez çalışmasında, ışıksız yaya geçitlerinde yayaların karşıya geçme niyetlerini tahmin eden makine öğrenmesi tabanlı modeller geliştirilmiş, performansları karşılaştırılmış ve risk analizi için özgün bir metrik önerilmiştir. Çalışmada JAAD, PIE ve PSI olmak üzere üç farklı uluslararası veri kümesi bütünleşik olarak kullanılmıştır. Toplam 4.835 yaya örneğinden oluşan birleşik veri setinde, yayanın konum, hız, ivme, vücut yönelimi ve çevresel bağlam bilgilerini içeren kinematik ve görsel özellikler çıkarılmıştır. Her yaya için her biri yaklaşık 0,5 saniye uzunluğunda 15 karelik gözlem penceresi tanımlanarak zamansal davranış örüntüleri modellenmiştir. Çalışmada üç farklı model mimarisi geliştirilmiştir. Birinci model yalnızca kinematik özellikleri kullanan Temel Hareket Modeli, ikinci model çevredeki diğer yayalarla etkileşimleri modelleyen Sosyal UKSB ve üçüncü model dikkat mekanizmasıyla uzun vadeli bağımlılıkları öğrenen Dönüştürücü modeldir. Modellerin genelleme yeteneğini artırmak amacıyla iki aşamalı transfer öğrenme uygulanmıştır. İlk aşamada JAAD ve PIE ile temel davranışlar öğrenilmiş, ikinci aşamada PSI veri setiyle dinamik niyet tahmini için ince ayar yapılmıştır. Yapılan denemelerde Sosyal UKSB modeli, %84,57 F1 skoru ile en yüksek performansı göstermiştir. Dönüştürücü model %83,44, Temel Hareket modeli ise %84,06 F1 skoru elde etmiştir. Aydın ilinde taşıt kamerası ile kaydedilen 61 video kullanılarak gerçekleştirilen gerçek dünya testlerinde, Sosyal UKSB modelinin pozitif geçiş vakalarında %95 başarı oranı sergileyerek güvenlik-kritik uygulamalar için en uygun aday olduğu görülmüştür. Buna karşın Dönüştürücü mimarisinin, niyet aşamasında başarılı olsa da eylem aşamasında fazla güvenli tarafta kalarak gerçek tehlikeleri tespit etmede zayıf kaldığı belirlenmiştir. Çalışmanın özgün katkılarından biri, sensör açısından kısıtlı sistemler için geliştirilen Algı Tabanlı Risk Skoru yaklaşımıdır. Bu metrik, yayanın niyet olasılığını fiziksel parametrelerle birleştirerek riski 0–1 aralığında sürekli bir değer olarak hesaplar. Saha verileri kullanılarak optimize edilen risk skorunda ağırlıklar sırasıyla 0,65 niyet, 0,20 konum, 0,10 hız ve 0,05 ivme olarak belirlenmiştir. Sosyal bağlamın etkisi model içinde kapsandığı için formülde yer verilmemiştir. Niyet olasılığı ile risk skoru arasındaki korelasyon katsayısının r = 0,8432 olarak bulunması ve risk skorlarının tehlikeli davranışlardan yaklaşık bir saniye önce yükselmesi sistemin erken uyarı potansiyelini ortaya koymuştur.
Özet (Çeviri)
Pedestrian safety is one of the most critical elements of sustainable urban transportation systems. Globally, approximately 1.35 million people lose their lives in traffic accidents each year, and pedestrians account for nearly 23 percent of these fatalities. At unsignalized crosswalks, uncertainty in driver–pedestrian interactions considerably increases collision risk. In this thesis, machine learning-based models for predicting pedestrians' crossing intentions were developed and compared, and a novel risk analysis metric was proposed. In the study, three different international datasets JAAD, PIE, and PSI were utilized in an integrated manner. A combined dataset of 4,835 pedestrian samples was constructed, from which kinematic and visual features such as position, velocity, acceleration, body orientation, and contextual information were extracted. For each pedestrian, an approximately 0.5-second-long 15-frame observation window was defined to model temporal behavior patterns. Three model architectures were developed: A Basic Motion Model using a bidirectional Long Short-Term Memory structure with only kinematic features; a Social LSTM Model modeling interactions with surrounding pedestrians; and a Transformer Model learning long-term dependencies via attention mechanisms. To enhance the generalization capability of the models, a two-stage transfer learning strategy was applied. In the first stage, basic behaviors were learned using JAAD and PIE, and in the second stage, fine-tuning was performed for dynamic intention estimation using the PSI dataset. Conducted tests showed that the Social LSTM model achieved the highest performance with an F1-score of 84.57%. The Transformer model achieved 83.44%, while the Basic Motion model reached 84.06%. In real-world field tests conducted on 61 video clips recorded in Aydın, Türkiye, the Social LSTM model achieved a 95% success rate in positive crossing cases, proving to be the most suitable candidate for safety-critical applications. Conversely, it was determined that the Transformer architecture, while successful in the intention phase, behaved overly conservatively during the action phase, remaining weak in detecting actual hazards. An original contribution of this study is the Perception-Based Risk Score approach developed for sensor-constrained systems. This metric integrates pedestrian intention probability with physical parameters to continuously evaluate risk within a 0–1 range. In the risk score optimized with field data, the weights were determined as 0.65 for intention, 0.20 for position, 0.10 for speed, and 0.05 for acceleration. The impact of social context was excluded from the formula as it is encapsulated within the model. The correlation coefficient between intention probability and risk score was found to be r = 0.8432, and risk scores increased approximately one second before hazardous behaviors, demonstrating the system's early-warning potential.
Benzer Tezler
- Otizmli çocuklara yaya geçidi ve üst geçit kullanma becerilerinin öğretiminde sosyal öykü ve video model yöntemlerinin etkililik ve verimliliklerinin karşılaştırılması
A comparison of the effectiveness and efficiency of social story and video modeling methods in teaching pedestrian crossing and overpass usage skills to children with autism
TALHA TÜNCER
Yüksek Lisans
Türkçe
2026
Eğitim ve ÖğretimNecmettin Erbakan ÜniversitesiÖzel Eğitim Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SÜLEYMAN ARSLANTAŞ
- Görsel anlatımda zıtlık ve denge
In Visual expressing contrast and balance
LEYLA ŞENTÜRK VARLIK
Sanatta Yeterlik
Türkçe
1999
Güzel SanatlarAnadolu ÜniversitesiResim Ana Sanat Dalı
PROF. ABDULLAH DEMİR
- Seryum ve lityum teknoloji kritik elementlerinin sucul toksisitesinin araştırılması
Investigation of aquatic toxicity of cerium and lithium technology critical elements
SEMA TERZİ
Yüksek Lisans
Türkçe
2019
Çevre MühendisliğiTekirdağ Namık Kemal ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. SÜREYYA MERİÇ PAGANO
- Adana ili Çukurova Üniversitesi Balcalı Hastanesinde çalışan sekreterlerde dijital göz yorgunluğunun prevelansı ve elektromanyetik alan ile ilişkisi
Prevalence of digital eyestrain in secretaries working in Adana province Cukurova University Balcali Hospital and its relationship with electromagnetic field
OSMAN KÖSEK
Tıpta Uzmanlık
Türkçe
2022
Halk SağlığıÇukurova ÜniversitesiHalk Sağlığı Ana Bilim Dalı
DOÇ. DR. BURAK METE
- Meyve ve sebzelerde bulunan askorbik asidin polarografik tayini ve değişik ortamlarda bozunma mekanizmasının incelenmesi
Başlık çevirisi yok
FERHUNDE ŞAHBAZ
Doktora
Türkçe
1985
Gıda MühendisliğiHacettepe ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
PROF.DR. GÜLER SOMER