Nesnelerin interneti teknolojisi kullanılarak elde edilen trafik verileri ile kısa dönemli trafik akım ve hız tahmini
[ X ]
Tarih
2020
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Adana Alparslan Türkeş Bilim Ve Teknoloji Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Akıllı ulaşım sistemleri (AUS), operasyonel verimliliğinin ve kapasitenin arttırılması için akıllı algılama, hesaplama ve iletişim teknolojileriyle donatılmış ulaşım sistemleri olarak tanımlanmaktadır. AUS bünyesinde kullanılan teknolojilerle, trafiği oluşturan bileşenler ile ilgili doğru, güvenilir ve gerçek zamanlı veriler elde edilmektedir. Böylece ulaşım sistemlerinde gerçek zamanlı trafik yönetimi, kontrol stratejilerinin geliştirilmesi, gecikme, tıkanıklık ve enerji tüketiminin azaltılması sağlanmaktadır. Bu nedenle doğru ve gerçek zamanlı trafik tahminleri AUS'un efektif çalışması için kritik bir ihtiyaç olmaktadır. Bu tez çalışmasında, AUS uygulamalarında kullanılan IoT teknolojisi sayesinde elde edilen gerçek zamanlı trafik verileri kullanılarak kısa dönemli trafik hız ve akım tahmini yapılması amaçlanmıştır. Bu yüzden öncelikle AUS'un detaylı olarak açıklaması yapılmış olup, mimari yapısı ve tarihsel gelişimi anlatılmıştır. Ülkemizdeki ve dünyadaki kullanım alanları ve örnekleri incelenmiştir. Daha sonra IoT teknolojisi tanımlanarak mimari yapısından bahsedilmiştir. AUS uygulamalarında yer alan IoT teknolojisi uygulamaları örnekler ile açıklanmıştır. Son olarak tez çalışması kapsamında, Kaliforniya Ulaşım Daire Başkanlığı'na (Caltrans) ait Performans Ölçüm Sistemi'nde (PeMS) bulunan sensörlerden alınmış veriler kullanılarak kısa dönemli trafik hız ve akımı tahmin edilmeye çalışılmıştır. Bu tahminlerin yapılması için makine öğrenmesi algoritmalarından yapay sinir ağları ve destek vektör makinesi yöntemleri kullanılmıştır. Trafiğin kısa dönemli tahmini için 15 dakika sonrasına ait hız ve akım değerleri tahmin edilmiştir. Ayrıca hem gerçek veriler hem de tahmin edilen değerler kullanılarak hız-akım değeri ilişkisini gösteren saçılma grafikleri oluşturulmuştur. Bu saçılma grafikleri üzerinden, üç rejimli hız-akım değeri modeli temel alınarak, trafiğin tıkanıklık durumu değerlendirilmiştir.
Intelligent transportation systems (ITS) are defined as transportation systems equipped with smart sensing, computation and communication technologies to increase operational efficiency and capacity. With the technologies utilized within ITS, accurate, reliable and real-time data about the traffic components are obtained. Thus, real-time traffic management, control strategies, delay, congestion and energy consumption are reduced in transportation systems. Therefore, accurate and real-time traffic estimates are a critical need for ITS to work effectively. In this thesis, it is aimed to make short-term traffic speed and flow estimation using real-time traffic data obtained thanks to the internet of things (IoT) technology used in ITS applications. Accordingly, ITS firstly has been described in detail and its architecture and historical development have been explained. Usage areas and examples in our country and in the world are examined. Afterward, IoT technology is defined and its architectural structure is mentioned. IoT technology applications in ITS applications are explained with examples. Finally, within the scope of the thesis, short-term traffic speed and flow are estimated by using the data obtained from the sensors in the Performance Measurement System (PeMS) of California Transportation Department (Caltrans). Among machine learning algorithms, artificial neural networks and support vector machine methods are used to make these estimations. Traffic speed and flow values for 15-minutes ahead are estimated as the short-term values. In addition, scatter plots showing the speed-flow value relationship are created using both real data and estimated values. On the basis of these scatter plots, the congestion situation of the traffic are assessed based on the three-regime speed-flow model.
Intelligent transportation systems (ITS) are defined as transportation systems equipped with smart sensing, computation and communication technologies to increase operational efficiency and capacity. With the technologies utilized within ITS, accurate, reliable and real-time data about the traffic components are obtained. Thus, real-time traffic management, control strategies, delay, congestion and energy consumption are reduced in transportation systems. Therefore, accurate and real-time traffic estimates are a critical need for ITS to work effectively. In this thesis, it is aimed to make short-term traffic speed and flow estimation using real-time traffic data obtained thanks to the internet of things (IoT) technology used in ITS applications. Accordingly, ITS firstly has been described in detail and its architecture and historical development have been explained. Usage areas and examples in our country and in the world are examined. Afterward, IoT technology is defined and its architectural structure is mentioned. IoT technology applications in ITS applications are explained with examples. Finally, within the scope of the thesis, short-term traffic speed and flow are estimated by using the data obtained from the sensors in the Performance Measurement System (PeMS) of California Transportation Department (Caltrans). Among machine learning algorithms, artificial neural networks and support vector machine methods are used to make these estimations. Traffic speed and flow values for 15-minutes ahead are estimated as the short-term values. In addition, scatter plots showing the speed-flow value relationship are created using both real data and estimated values. On the basis of these scatter plots, the congestion situation of the traffic are assessed based on the three-regime speed-flow model.
Açıklama
Fen Bilimleri Enstitüsü, İnşaat Mühendisliği Ana Bilim Dalı
Anahtar Kelimeler
Trafik, Traffic ; Ulaşım
