Traffic flow speed estimation based on multi-feature spaces
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, Department of Computer Engineering, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: İngilizce
Öğrenci: ENES BİLGİN
Danışman: Mehmet Amaç Güvensan
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Şehirlerdeki trafik büyük bir sorundur. Daha fazla araç ve insan, daha fazla stres, kaza ve ekonomik kayıpları beraberinde getirir. Ulaşım çözümleri sunmak giderek zorlaşmaktadır. Trafik hızı tahmini modelleri şehirlerde zamanı yönetmede yardımcı olmaktadır. İncelenen literatür örnekleri, kısa vadeli trafik tahmini modellerinin gelecek iki saat için %95 başarılı olduğunu göstermektedir. 6 saat ve daha uzun vadeli tahmin modelleri, kısa vadeli modellerden daha az yaygındır. Kısa vadeli trafik tahmini için yakın gelecek trafik hızı verileri yeterli olurken, uzun vadeli tahminler hem uzak geçmişten hem de yakın gelecekten daha fazla veriye ihtiyaç duyar. Çok özellikli veri uzayları kullanarak uzun vadeli tahminleri iyileştirmek mümkündür. Literatürde, ARIMA, CNN ve LSTM tekniklerini kullanılmıştır. Bu tezde polinomsal regresyon, CNN ve LSTM ile yapılan deneylerin ardından GRU modeli temel model seçilmiştir. Tez kapsamında trafiği etkileyen faktörler incelenmiş ve tahmini iyileştirmek için yöntemler önerilmiştir. Hava koşulları trafik üzerinde değişken bir etkiye sahiptir, bu nedenle eğitim ve tahmin sırasında hava verilerini kullanarak geçmiş trafik hızını ayarlayan "Pre-Tuning" yöntemi önerilmiştir. Bu yöntem, zorlu hava koşullarında tahmin performansını %26'ya kadar artırmıştır. Komşu yollar da trafik üzerinde etkilidir. Yan yollardaki trafik hızlarını tahmin modeline entegre edilmiş ve bazı segmentlerde %50'ye varan performans artışı sağlanmıştır. Önerdiğimiz trafik hız gruplama yöntemi ile MAPE cinsinden %44'lük bir iyileşme sağlanmıştır. Tahmin edilemeyen olayları tahmin modeline dahil etmek için bir tahmin sonrası iyileştirme yapısını önerilmiştir. Segment özelliklerine göre birden fazla teknik kullanmak, trafik hızı tahminini önemli ölçüde iyileştirebilir. İstanbul Büyükşehir Belediyesi'nden alınan RTMS sensör verileri ile 106 yol segmentinde trafik hızlarını bir hafta geleceğe kadar tahmin etmek için bir hibrit model önerilmiştir. Her segmentin karakteristik özelliklerini dikkate alan bu model, çok özellikli veri uzayı yaklaşımını kullanarak %35 oranında performans artışı sunmuştur. Trafik hızları bir hafta sonrasına kadar %10 MAPE ile tahmin edilmiştir.