Advanced statistical methods for intelligent transportation systems
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Dokuz Eylül Üniversitesi, Fen Bilimleri Enstitüsü, İstatistik Ana Bilim Dalı, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: İngilizce
Öğrenci: BÜŞRA GÜNGÖR
Danışman: Selma Gürler
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Akıllı ulaşım sistemleri için makine öğrenmesi teknikleri ve istatistiksel yöntemlerin kullanımı son zamanlarda önem kazanmıştır. Bu tezde, kümeleme ve modelleme için ulaştırma alanının ihtiyaçlarına hizmet edebilecek iki farklı yöntem önerilmiştir. Kümeleme yöntemleri, kümelerin ileri analizi için veri noktalarını hızlı ve kolay bir şekilde gruplamak amacıyla kullanılmaktadır. Çoğu kümeleme yöntemi karmaşık hesaplamalara ihtiyaç duymaktadır. Ayrıca, yöntemler özellikle veri hacmi büyük olduğunda algoritmayı zaman alıcı hale getiren yinelemeli bir prosedüre sahiptir. Bu tezde, uyarlanabilir küme örneklemesi (ACS) tasarımı fikrine dayanan uzamsal uyarlamalı kümeleme (SAC) adı verilen yeni bir kümeleme yöntemi önerilmektedir. Izgara yapısı üzerinde komşuluk aramasına dayanan bir örnekleme yöntemi olan ACS, uyarlanabilir birim seçim sürecine sahiptir ve yinelemeli olarak eklenen birimler toplu haldeki birimleri kolay ve hızlı bir şekilde ortaya çıkarmaktadır. SAC algoritması, ızgara yapılarını ve komşuluk aramasını kullanarak kümeler oluşturmakta ve gürültü noktaları tespit edebilmektedir. Önerilen algoritmanın performansı, gerçek ve yapay veri setleri kullanılarak literatürde iyi bilinen yoğunluk tabanlı kümeleme yöntemleri ile karşılaştırılarak değerlendirilmiştir. Ayrıca, SAC algoritması kullanılarak Birmingham İngiltere ve Buca/Türkiye'deki kaza yerlerinin sıcak noktaları tespit edilmiştir. Ek olarak, kaza sayısını azaltmak amacıyla sıcak nokta lokasyonlarında kazaya neden olan faktörler incelenmiştir. Araç takip aralığı modellemesi, trafik sinyali optimizasyonu ve akış modellemesi için önemli konulardan biridir. Bu tezde, tüm parametrelerin bilinmediği varsayımı altında, maksimum olabilirlik yöntemini kullanarak Üstel Weibull (EW) dağılımının parametreleri tahmin edilmektedir. Sıralı küme örneklemesi ve basit rastgele örnekleme yöntemlerinin performansı, R-yazılımında bir simülasyon çalışması ile ortalama hata kareler açısından ele alınmaktadır. Son olarak, ulaşım alanındaki gerçek bir uygulama çalışmasından elde edilen simüle edilmiş verileri analiz ederek EW dağılımının esnekliği ve kullanışlılığı gösterilmiştir.