Peak-aware traffic prediction with deep learning models and a driver simulation method with probabilistic hybrid automaton

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği Bölümü, Türkiye

Tezin Onay Tarihi: 2022

Tezin Dili: İngilizce

Öğrenci: FATİH ACUN

Asıl Danışman (Eş Danışmanlı Tezler İçin): Ebru Aydın Göl

Eş Danışman: Sinan Kalkan

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Trafiği doğru bir şekilde tahmin etmek, birçok yönden kentsel yaşam üzerindeki etkisi nedeniyle önem arz etmektedir. Farklı trafik veri kümelerinde çeşitli istatistiksel yöntemler, makine öğrenimi ve derin öğrenme yaklaşımları uygulanmıştır. Genel olarak trafik, küçük bir zaman dilimine yayılan sabah ve akşam yoğunlukları dışında sabit seyreden bir davranış sergiler. Bir tahmin modelini yüksek doğruluklu olarak kabul etmek için yoğun saatlerde başarılı sonuçlar göstermesi gerekir. Bu tezde, kayıp fonksiyonunda küçük bir değişiklik ekleyerek herhangi bir derin öğrenme modeline uygulanabilecek yeni bir ortalamaya uzaklık ağırlıklandırma tekniği sunuyoruz. Yöntem, modellerin performansının yoğun saatlerde değerlendirilmesini de mümkün kılmaktadır. Trafik tahmini, yolculukların seyahat sürelerinin kestirimi ve araçların enerji (batarya ya da yakıt) tüketimlerini kestirmek amacıyla sıklıkla kullanılmaktadır. Bu tez kapsamında, seyahat süreleri ve yakıt tüketimini tahmin etme amacıyla Olasılıksal Hibrit Otomata tabanlı bir sürücü simülasyon modeli geliştirilmiştir. Bu simülatör, girdi olarak verilen trafik hızı ve sürücü özelliklerine göre hız-zaman verisini çıktı olarak üretir. Sonrasında bu çıktı elektrikli araç simulatöründe tüketimin kestirilmesi amacıyla kullanılır.