Please use this identifier to cite or link to this item: http://hdl.handle.net/11527/325
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorÇataltepe, Zehratr_TR
dc.contributor.authorYıldırım, Ümit Ülkemtr_TR
dc.date2008tr_TR
dc.date.accessioned2008-07-10tr_TR
dc.date.accessioned2015-04-07T13:59:28Z-
dc.date.available2015-04-07T13:59:28Z-
dc.date.issued2008-11-19tr_TR
dc.identifier.urihttp://hdl.handle.net/11527/325-
dc.descriptionTez (Yüksek Lisans) -- İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2008tr_TR
dc.descriptionThesis (M.Sc.) -- İstanbul Technical University, Institute of Science and Technology, 2008en_US
dc.description.abstractBu çalışmada, İstanbul Büyükşehir Belediyesi’nin web sitesininden alınan RTMS (Remote Traffic Microwave Sensor) cihazlarının hız ölçüm değerleri kullanılarak ileriye yönelik trafik hızı tahmin edilmiştir. Örüntü tanıma yöntemi olarak k-En Yakın Komşu (kNN) ve Karar Destek Makinesi (SVM) kullanılmıştır. 5 dakikadan 60 dakikaya kadar ileriye yönelik hız öngürüsünde bulunabilmek için, tahmin edilecek andan belirli zaman önce ölçülen hız değerleri alınmıştır. Yapılan çalışmada hem uzun dönemli (1 gün veya 1 hafta) hız bilgilerinin hem de kısa dönemli (5 dakikadan 60 dakikaya kadar) hız bilgilerinin kısa dönemli trafik öngürüsü yapmakta önemli bir rol oynadığı bulunmuştur. Hız öngörüsü için en önemli nitelikleri bulmak için öz nitelik seçme yöntemi kullanılmıştır. Bir sensöre ait hız verilerinin değişik zamanlarda alınarak yapılan trafik hızı öngörüsüne ek olarak bu sensöre yakın sensörlerin hız bilgileri alınarak ve yüksek korelasyona sahip sensörlerin hız bilgileri alınarak hız öngörü yapılmıştır. Ayrıca ilgili sensörden veri alınamadığı düşünülerek yüksek korelasyona bağlı sensörlerin birbirlerinin verileri kullanılarak hız öngörüsü yapılmaya çalışılmıştır. Yapılan testler sonucunda genel olarak SVR metodunun KNN metodundan daha başarılı olduğu görülmüştür.Yakın konumlardaki veya yüksek korelasyonlu sensör verisi kullanılarak yapılan tahminlerin ise bir sensör verisi kullanılarak yapılan tahminlerden daha iyi sonuç verdiği görülmüştür. İlgili sensörün bozulduğu varsayılarak onun yerine korelasyonu yüksek diğer sensör verilerinin kullanıldığında sonuçların ilgili sensörün kullanıldığı duruma gayet yakın sonuçlar verdiği görülmüştür.tr_TR
dc.description.abstractIn this study traffic speed on Istanbul roads are predicted using RTMS (Remote Traffic Microwave Sensor) speed measurements obtained from the Istanbul Municipality web site from 327 different sensor locations. Speed predictions are done 5 minutes to an hour ahead and SVM (Support Vector Machine) and kNN (k Nearest Neighbor) methods for speed prediction are used. For speed prediction at a certain sensor location, the most important past speed measurements are computed for better accuracy using feature selection methods. Finding out which other sensors could be used to predict the speed at a certain sensor location and showing that especially for nearby/correlated sensors, it is possible to get better results using related sensor measurements in addition to the sensor being predicted. It is also showed that only using the correlated sensors, it is possible to get good accuracy. This result could be very useful when a sensor breaks down or needs to be calibrated. In all experiments, it is found that SVM produces better results than kNN.en_US
dc.publisherFen Bilimleri Enstitüsütr_TR
dc.publisherInstitute of Science and Technologyen_US
dc.rightsİTÜ tezleri telif hakkı ile korunmaktadır. Bunlar, bu kaynak üzerinden herhangi bir amaçla görüntülenebilir, ancak yazılı izin alınmadan herhangi bir biçimde yeniden oluşturulması veya dağıtılması yasaklanmıştır.tr_TR
dc.rightsİTÜ theses are protected by copyright. They may be viewed from this source for any purpose, but reproduction or distribution in any format is prohibited without written permission.en_US
dc.subjectKısa zamanlı trafik hızı öngörüsütr_TR
dc.subjectk-en yakın komşutr_TR
dc.subjectKarar destek makinesitr_TR
dc.subjectShort time travel predictionen_US
dc.subjectTraffic speed predictionen_US
dc.subjectKNNen_US
dc.subjectSVMen_US
dc.titleÖrüntü Tanıma Ve Öznitelik Seçme Yöntemleri Kullanarak Kısa Zaman Sonraki Yol Trafik Hız Öngörüsütr_TR
dc.title.alternativeShort Time Traffic Speed Prediction Using Pattern Recognition And Feature Selection Methodsen_US
dc.typeThesisen_US
dc.typeTeztr_TR
dc.contributor.departmentBilgisayar Mühendisliğitr_TR
dc.contributor.departmentComputer Engineeringen_US
dc.description.degreeYüksek Lisanstr_TR
dc.description.degreeM.Sc.en_US
Appears in Collections:Bilgisayar Mühendisliği Lisansüstü Programı - Yüksek Lisans

Files in This Item:
File Description SizeFormat 
8759.pdf2.62 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.