Bölgesel Trafik Yoğunluk Tahmini İçin Derin Öğrenme Teknikleri İle Model Oluşturulması

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2020

Tezin Dili: Türkçe

Öğrenci: FETHİYE YASLI

Danışman: Mehmet Amaç Güvensan

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Trafik, şehirleşmiş yerleşim birimlerinin en önemli sorunlarından biri haline gelmiştir. Trafikte geçen zamanı azaltmak amacı ile insanlara bir noktadan diğerine en hızlı ve konforlu gideceği güzergahı gösteren çeşitli uygulamalar geliştirilmiştir. Fakat bu uygulamalar kısa vadeli hız tahmini için uygun olmasına rağmen uzun vadeli trafik yoğunluğu hakkında öngörüde bulunamamaktadırlar. Bu çalışmada geçmiş hafta hız verilerinin örüntüleri kullanılarak 7 güne kadar tahminde bulunmak için Polinom Regresyon Modeli, Ortalama Yöntemi ve derin öğrenme yöntemlerinden Evrişimli Sinir Ağı(CNN) yöntemleri kullanılmıştır. Bu çalışma İstanbul il genelinde 44 farklı algılayıcıdan elde edilen trafik hız verileri kullanılarak gerçekleştirilmiştir. Derin öğrenme yöntemlerinden CNN kullanılarak 44 algılayıcı için farklı yaklaşım ve parametreler kullanılarak öngörü modelleri kurulmuştur. Elde edilen Ortalama Mutlak Yüzde Hata (MAPE) değerleri algılayıcılara bağlı olarak %2-40 arası değişim göstermektedir ve genel ortalamada MAPE değeri %16,60 olarak elde edilmiştir. CNN ve Ortalama yöntemlerinin başarı oranının algılayıcılara bağlı olarak, Polinom Regresyon yönteminden %3-10 arası daha başarılı olduğu gözlemlenmiştir.