| Popis: |
Tez (Yüksek Lisans) -- İstanbul Ticaret Üniversitesi -- Kaynakça var. ÖZET Gelişen algılayıcı sistemleri ve altyapı bileşenleri trafik yönetim sistemlerini daha elverişli hale getirmiş ve artan kentleşme karşısında akıllı ulaşım teknolojilerinin kullanımını yaygınlaştırmıştır. Şehir içi trafiğinin en önemli düzenleyicilerinden olan sinyalize kavşaklar, sahadan toplanan veriler sayesinde trafik akışının yönetiminde kritik bir konuma gelmiştir. Yapılan bu çalışmada sinyalize kavşaklarda kullanılan metod ve yöntemler incelenmiştir. Gecikme, doygun akım, sinyal süreleri, sistem doluluk oranı, faz planları gibi öne çıkan tanımlar incelenmiştir. Gittikçe uygulama alanın genişlediğini gördüğümüz derin öğrenme yöntemlerinin trafik problemlerindeki yaklaşımları ele alınmış ve öne çıkan metodlar detaylandırılmıştır. Çalışmanın ana konusu kuyruk teorisi, tüm modelleri ve bileşenleri detaylı olarak anlatılmıştır. Sahadan elde edilen veriler ile araçların geliş, gidiş ve akış karakteristiklerine göre kuyruk modelleri çıkarılmış ve sinyalize bir kavşaktaki bağlı kolların kuyruk uzunlukları, sistemde geçirilen zaman, araç başı servis süreleri, ortalama bekleme süreleri gibi ölçütler hesaplanmıştır. Elde edilen ölçütlere göre kavşak kollarının sırasını ve bu kolların yoğunluğa göre boşaltılmasını sağlayan bir model önerilmiştir. Ayrıca buna bağlı olarak sinyal süreleri hesap yöntemi önerilmiştir. Trafik akımlarının tahmininde derin öğrenme metodlarından LSTM kullanılarak zaman serileri ile tahmini ve gözlem verileri elde edilmiştir. Yapılan iyileştirmeler ile mevcut sistemlerin performansı karşılaştırılarak sonuçları sunulmuştur. Önerilen model ve iyileştirmeler Vissim simülasyon aracı ile gerçeklenerek sonuçlardaki etkisi gösterilmiştir. Anahtar Kelimeler: Akıllı ulaştırma sistemleri, derin öğrenme ile trafik analizi, kuyruk teorisi, sinyalize kavşaklar, trafik akım tahmini. ABSTRACT In recent years, the use of smart transportation systems has come to the fore more with the increase in urbanization and population density. Developing sensor systems and infrastructure components have also made traffic management systems more convenient. Signalized intersections, one of the most important regulators of urban traffic, have become critical in the management of traffic flow, thanks to data collected from the field. In this study, the methods and techniques used in signalized junctions are examined. Queue theory, which is the main subject of the study, is explained in detail with all models and components. Queueing models were developed according to the arrival, departure and flow characteristics of the vehicles with the data obtained from the field. Accordingly, criteria such as tail lengths of a signalized junction approach arms, time spent in the system, service time per vehicle, and average waiting times were obtained. According to the measures obtained, a model is proposed that provides the order of the junction arms and the discharge of these arms according to the density. In addition, signal duration calculation method is proposed. Estimation of traffic flows was made by using LSTM, one of the deep learning methods, and successful results were obtained. The results were presented by comparing the improvements with the performance of the existing systems. In addition, Sidra, Vissim and Intersect softwares, which are prominent in traffic engineering, were examined and the results were simulated with Vissim. All of the applications and methods were carried out on real field data obtained from the intersections selected from Istanbul and Konya provinces. Keywords: Deep learning, ıntelligent transportation systems, queuing theory, signalized ıntersections, traffic flow prediction. İÇİNDEKİLER İÇİNDEKİLER . i ÖZET . iv ABSTRACT . v TEŞEKKÜR . vi ŞEKİLLER DİZİNİ . vii ÇİZELGELER DİZİNİ . ix SİMGELER VE KISALTMALAR DİZİNİ . x 1. GİRİŞ. 1 1. 1. Araştırma Sorunu . 2 1. 2. Araştırmanın Önemi . 3 1. 3. Araştırmanın Amacı . 4 1. 4. Araştırma Metodolojisi . 4 1. 5. Tez Organizasyonu . 4 2. LİTERATÜR ÖZETİ . 6 3. AKILLI ŞEHİRLER. 11 3. 1. Akıllı Şehirler ve Bileşenleri . 13 3. 1. 1. Nesnelerin İnterneti . 13 3. 1. 2. Büyük Veri . 15 3. 1. 3. Bulut Bilişim . 17 3. 2. Akıllı Ulaşım Sistemleri . 20 3. 2. 1. Trafik Yönetim Sistemleri . 21 3. 2. 2. Dönel Kavşaklar . 24 3. 2. 3. Sinyalizasyon Sistemleri . 25 3. 2. 4. Sinyalizasyon Planları . 26 3. 2. 4. 1. Sabit Süreli . 26 3. 2. 4. 2. Yarı Sabit Süreli . 26 3. 2. 4. 3. Dinamik Sinyal Planı . 27 3. 2. 4. 4. Adaptif Sinyal Planı. 28 3. 2. 5. Sinyalize Kavşaklar . 28 3. 2. 5. 1. Sinyalize Kavşaklar Tanımları . 28 3. 2. 5. 2. İzole ve Koordineli . 30 3. 2. 6. Sinyalize Kavşak Hesap Yöntemleri . 30 3. 2. 6. 1. Kavşak Performans Kriterleri . 30 3. 2. 6. 2. Trafik Akış Verisi . 31 3. 2. 6. 3. Sinyalize Kavşaklarda Gecikme . 31 3. 2. 6. 3. 1. Webster Modeli . 33 3. 2. 6. 3. 2. Akcelik Modeli . 33 3. 2. 6. 3. 3. HCM 2000 Modeli . 34 3. 2. 7. Araç Tespiti ve Algılayıcılar . 35 4. ANALİTİK YAKLAŞIMLAR . 42 4. 1. Makine Öğrenmesi. 42 4. 2. Zaman Serisi Modelleri . 43 4. 3. Derin Öğrenme . 44 4. 3. 1. Yapay Sinir ağları . 45 4. 3. 1. 1. Öğrenme Paradigmaları . 48 4. 3. 1. 2. Sinir Ağlarının Öğrenmesi . 48 4. 3. 2. Derin Öğrenme Modelleri . 49 4. 3. 2. 1. Çok Katmanlı Perceptron . 49 4. 3. 2. 2. CNN-(Evrişimsel Sinir Ağı) . 50 4. 3. 2. 3. RNN-(Yinelemeli Sinir Ağı) . 52 4. 3. 2. 4. LSTM-Uzun/Kısa Sıralı Bellek) . 53 4. 4. Kuyruk Teorisi . 54 4. 4. 1. Kuyruk Sistemi Bileşenleri . 55 4. 4. 2. Poisson Dağılımı . 57 4. 4. 3. Üstel Dağılım . 58 4. 4. 4. Erlang Dağılımı . 60 4. 4. 5. Deterministik (Dejenere) Dağılım . 61 4. 4. 6. Uniform (Tekdüze) Dağılım . 62 4. 4. 7. Little Kanunu . 63 4. 4. 8. Öncelikli Kuyruklar . 64 4. 4. 9. Zamanlama Algoritmaları . 64 4. 4. 9. 1. En kısa iş ilk önce (Shortest-Job-First) . 65 4. 4. 9. 2. Round Robin (RR) . 65 4. 4. 9. 3. Çok Kuyruklu Zamanlama Algoritması (Multilevel Queue). 66 4. 4. 9. 4. İlk Gelen önce (First-Come, First-Served) . 66 4. 4. 9. 5. Öncelik Tabanlı (Priority Scheduling) . 66 4. 4. 10. M/M/1/?/? Kuyruk Modeli . 67 4. 4. 11. M/M/c/?/? Kuyruk Modeli . 68 4. 4. 12. M/G/1/?/? Kuyruk Modeli . 69 4. 4. 13. G/G/1/?/? Kuyruk Modeli . 70 5. TRAFİK SİMÜLASYONU . 71 5. 1. Simülasyon Modelleri . 72 5. 1. 1. Mikroskopik Modelleme . 72 5. 1. 1. 1 Araç Takip Modeli . 72 5. 1. 1. 2 Şerit Değiştirme Modeli . 73 5. 1. 1. 3 Akımlar arası Boşluk Modeli . 74 5. 1. 2. Makroskopik Modelleme . 74 5. 1. 3. Mezoskopik Modelleme . 74 5. 2. Simülasyon Araçları . 75 5. 2. 1. Vissim . 75 5. 2. 2. Sidra . 76 5. 2. 3. Sumo . 76 5. 2. 4. Syncro . 77 6. ARAŞTIRMA BULGULARI VE TARTIŞMA . 78 6. 1. Saha Çalışmaları ve Verilerin Toplanması . 78 6. 2. Materyal ve Yöntem . 80 6. 2. 1. Verilerin Toplanması . 82 6. 3. Dağılım ve Kuyruk Analizleri . 85 6. 4. Dinamik Faz Sıraları Modeli . 92 6. 5. Sinyal Süreleri Hesap Yöntemi . 94 6. 6. Trafik Akışı Tahmini . 97 6. 7. R Studio . 101 6. 8. Vissim Simülasyon Çıktıları . 103 7. SONUÇ VE ÖNERİLER . 105 KAYNAKLAR . 108 EKLER. 118 EK A. Kavşaklar . 118 ÖZGEÇMİŞ . 122 |
