Ulaşım, teknik ve mekanik gelişmelerle birlikte geçmiş yıllardan günümüze kadar önemli bir gelişim kaydetmiştir. Kara, deniz ve hava ulaşımı olmak üzere üçe ayrılan ulaşım türlerinden kara ulaşımı insan hayatı içerisinde önemli bir yer tutmaktadır. Kara yollarında yaşanan kazaların artmasıyla birlikte sürücülerin daha bilinçli hale getirilmesi, sürücü davranışlarının tespit edilmesi ve gerekli tedbirlerin alınması günden güne önemini artırmaktadır. Teknolojinin gelişmesiyle birlikte araç, yol, hava durumu gibi verilerin telefon, mikrobilgisayar ve çeşitli sensörlerle alınabilmesi kolaylaşmış ve bu verilerin yapay zekâ yöntemleriyle işlenip bilimsel sonuçların ortaya çıkarılması mümkün hale gelmiştir. İnsanlar gün içerisinde bir noktadan başka bir noktaya kendi araçları ile gitmekte ve karayolu ulaşımını tercih etmektedirler. Gün içerisinde insanların araç kullanımı sırasında yapmış olduğu bazı riskli hareketler (ani hızlanma, ani yavaşlama, ani sağa dönüş, ani sola dönüş, ani şerit değişimi, makas diye tabir edilen hatalı sollama vb.) sonucunda kazalar yaşanmaktadır. Yaşanan kazalar sonucunda maddi ve manevi kayıplar oluşabilmektedir. Sürücülerin yapmış olduğu bu riskli hareketler modellenip sürücü profilleri oluşturulabilir. Oluşturulan sürücü profillerine göre sürücüler uyarılabilir ya da araç kullanımı sırasında kazaya neden olabilecek bu davranışları yapmaması için gerekli yaptırımlar uygulanabilir. Bu tez çalışmasında sürücünün araç kullanımı sırasında yapmış olduğu ani yavaşlama, ani hızlanma, ani sağa dönüş ve ani sola dönüş hareketleri çeşitli makine öğrenmesi algoritmaları(Rastgele Orman, Yapay Sinir Ağları, Destek Vektör Makineleri, Bayes, Karar Tabloları) ile modellenmiş ve sürücü profilleri oluşturulmuştur. Oluşturulan sürücü profillerine göre sürücünün yapmış olduğu riskli sürüş davranışlarına göre sürücünün kaza riski bulanık mantık kullanılarak bulunmuştur. Elde edilen sonuçlara göre sürücü davranışlarının modellenmesinde en başarılı makine öğrenimi algoritması %100 doğru sınıflandırma ile Destek Vektör Makineleri olarak belirlenmiş, sürücülerin kasko ve sigorta fiyatlandırılması bilimsel teknikler kullanılarak yapılabileceği ortaya konmuştur. Anahtar Kelimeler: Yapay Zekâ, Makine Öğrenmesi, Bulanık Mantık, Veri Analizi, Sürücü Davranışları
Transportation, technical and mechanical developments have seen a significant development from past to present. Land transportation, which is divided into three types as land, sea and air transportation, has an important place in human life. With the increasing number of accidents on the road, the drivers become more conscious, driver behavior and determination of necessary measures are increasing day by day. With the development of technology, data such as vehicle, road and weather has been made easy by means of telephone, microcomputer and various sensors and it has been possible to reveal the scientific results by using artificial intelligence methods. People go from one point to another with their own vehicles during the day and prefer road transport. Accidents occur as a result of some risky movements (sudden acceleration, sudden deceleration, sudden right turn, sudden left turn, sudden lane change, scissors called incorrect overtaking, etc.) that people make during the day. As a result of accidents, material and moral losses may occur. These risky movements made by the drivers can be modeled and drive profiles can be created. According to the generated driver profiles, drivers can be warned or sanctions may be applied to prevent these behaviors that may cause an accident while driving. In this thesis, the driver's sudden deceleration, sudden acceleration, sudden right turn and sudden left turn movements are modeled with various machine learning algorithms (Random Forest, Artificial Neural Networks, Support Vector Machines, Bayes, Decision Tables) and driver profiles are created. . According to the created driver profiles, the risk of accident of the driver was determined by using fuzzy logic according to the risky driving behavior of the driver. According to the results, the most successful machine learning algorithm in the modeling of driver behavior was determined as Support Vector Machines with 100% accurate classification, and it was shown that drivers' motor insurance and insurance pricing can be done by using scientific techniques. Keywords: Artificial Intelligence, Machine Learning, Fuzzy Logic, Data Analysis, Driver Behavior
Tez (Yüksek Lisans) - Süleyman Demirel Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı, 2019.
Kaynakça var.
Ulaşım, teknik ve mekanik gelişmelerle birlikte geçmiş yıllardan günümüze kadar önemli bir gelişim kaydetmiştir. Kara, deniz ve hava ulaşımı olmak üzere üçe ayrılan ulaşım türlerinden kara ulaşımı insan hayatı içerisinde önemli bir yer tutmaktadır. Kara yollarında yaşanan kazaların artmasıyla birlikte sürücülerin daha bilinçli hale getirilmesi, sürücü davranışlarının tespit edilmesi ve gerekli tedbirlerin alınması günden güne önemini artırmaktadır. Teknolojinin gelişmesiyle birlikte araç, yol, hava durumu gibi verilerin telefon, mikrobilgisayar ve çeşitli sensörlerle alınabilmesi kolaylaşmış ve bu verilerin yapay zekâ yöntemleriyle işlenip bilimsel sonuçların ortaya çıkarılması mümkün hale gelmiştir. İnsanlar gün içerisinde bir noktadan başka bir noktaya kendi araçları ile gitmekte ve karayolu ulaşımını tercih etmektedirler. Gün içerisinde insanların araç kullanımı sırasında yapmış olduğu bazı riskli hareketler (ani hızlanma, ani yavaşlama, ani sağa dönüş, ani sola dönüş, ani şerit değişimi, makas diye tabir edilen hatalı sollama vb.) sonucunda kazalar yaşanmaktadır. Yaşanan kazalar sonucunda maddi ve manevi kayıplar oluşabilmektedir. Sürücülerin yapmış olduğu bu riskli hareketler modellenip sürücü profilleri oluşturulabilir. Oluşturulan sürücü profillerine göre sürücüler uyarılabilir ya da araç kullanımı sırasında kazaya neden olabilecek bu davranışları yapmaması için gerekli yaptırımlar uygulanabilir. Bu tez çalışmasında sürücünün araç kullanımı sırasında yapmış olduğu ani yavaşlama, ani hızlanma, ani sağa dönüş ve ani sola dönüş hareketleri çeşitli makine öğrenmesi algoritmaları(Rastgele Orman, Yapay Sinir Ağları, Destek Vektör Makineleri, Bayes, Karar Tabloları) ile modellenmiş ve sürücü profilleri oluşturulmuştur. Oluşturulan sürücü profillerine göre sürücünün yapmış olduğu riskli sürüş davranışlarına göre sürücünün kaza riski bulanık mantık kullanılarak bulunmuştur. Elde edilen sonuçlara göre sürücü davranışlarının modellenmesinde en başarılı makine öğrenimi algoritması %100 doğru sınıflandırma ile Destek Vektör Makineleri olarak belirlenmiş, sürücülerin kasko ve sigorta fiyatlandırılması bilimsel teknikler kullanılarak yapılabileceği ortaya konmuştur. Anahtar Kelimeler: Yapay Zekâ, Makine Öğrenmesi, Bulanık Mantık, Veri Analizi, Sürücü Davranışları
Transportation, technical and mechanical developments have seen a significant development from past to present. Land transportation, which is divided into three types as land, sea and air transportation, has an important place in human life. With the increasing number of accidents on the road, the drivers become more conscious, driver behavior and determination of necessary measures are increasing day by day. With the development of technology, data such as vehicle, road and weather has been made easy by means of telephone, microcomputer and various sensors and it has been possible to reveal the scientific results by using artificial intelligence methods. People go from one point to another with their own vehicles during the day and prefer road transport. Accidents occur as a result of some risky movements (sudden acceleration, sudden deceleration, sudden right turn, sudden left turn, sudden lane change, scissors called incorrect overtaking, etc.) that people make during the day. As a result of accidents, material and moral losses may occur. These risky movements made by the drivers can be modeled and drive profiles can be created. According to the generated driver profiles, drivers can be warned or sanctions may be applied to prevent these behaviors that may cause an accident while driving. In this thesis, the driver's sudden deceleration, sudden acceleration, sudden right turn and sudden left turn movements are modeled with various machine learning algorithms (Random Forest, Artificial Neural Networks, Support Vector Machines, Bayes, Decision Tables) and driver profiles are created. . According to the created driver profiles, the risk of accident of the driver was determined by using fuzzy logic according to the risky driving behavior of the driver. According to the results, the most successful machine learning algorithm in the modeling of driver behavior was determined as Support Vector Machines with 100% accurate classification, and it was shown that drivers' motor insurance and insurance pricing can be done by using scientific techniques. Keywords: Artificial Intelligence, Machine Learning, Fuzzy Logic, Data Analysis, Driver Behavior