Trafik İşaret Levhaları İçin Bir Sürücü Destek Sistemi Önerisi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Atatürk Üniversitesi, Mühendislik Fakültesi, İnşaat Mühendisliği, Türkiye
Tezin Onay Tarihi: 2024
Tezin Dili: Türkçe
Öğrenci: MUHAMMED BUĞRA KIZILARSLANOĞLU
Danışman: Ahmet Atalay
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Amaç: Akıllı Ulaşım Sistemleri, gün geçtikçe ülkelerin gündeminde daha fazla yer bulmaktadır. Bu sistemler, yalnızca şehir içi veya şehirler arası hareketliliğin iyileştirilmesine değil, aynı zamanda ekonomik büyümeyi desteklemeye ve vatandaşların yaşam kalitesini artırmaya yönelik önemli bir rol oynamaktadır. Altyapı ve teknolojiyi entegre ederek maksimum verimi elde etmeyi hedefleyen Akıllı Ulaşım Sistemleri, gelişen teknoloji ile birlikte etki alanını giderek genişletmekte, sürekli olarak güncellenmekte ve gelişmektedir. Akıllı Ulaşım Sistemlerinin Yapay Zeka uygulamaları ile entegre olması ile Akıllı Ulaşım Sistemlerinin alt kolu olan Sürücü Destek Sistemlerinin daha etkin kullanılabilmesinin önünü açmıştır. Bu çalışmada, öncelikli olarak trafik kazalarının sebepleri incelenmiş ve Karayolları 2023 kaza istatistiklerine göre, kazaların büyük çoğunluğunun sürücü hatalarından kaynaklandığı belirlenmiştir. Özellikle trafik levhalarına uyulmamasından kaynaklanan kazaları minimize etmek amacıyla, sürücüleri uyaran bir sistemin geliştirilmesi hedeflenmiştir. Yöntem: Bu çalışmada, taşıt kameralarından elde edilen görüntüler üzerinde nesne tanıma ve tespiti gerçekleştirmek için VGG-16 tabanlı bir Convolutional Neural Network (CNN) yöntemi kullanılmıştır. Bu yöntem, TensorFlow kütüphanesi kullanılarak Python dilinde geliştirilmiş ve veri setimizdeki görüntüler üzerinde test edilmiştir. VGG-16, özellikle görüntü işleme ve sınıflandırma görevlerinde yaygın olarak kullanılan güçlü bir derin öğrenme modelidir. Bu sayede, trafik levhalarının doğru bir şekilde tanınması ve sürücülere gerekli uyarıların yapılması hedeflenmiştir. VGG-16'nın seçilmesinin en önemli sebebi, modelin basitliği ve anlaşılabilirliği olup, bu sayede modelde daha kolay iyileştirmeler yapılabilmesidir. Bulgular: Derin öğrenme yöntemlerinden Convolutional Neural Network (CNN) kullanılarak oluşturulan trafik levhası veri seti üzerinde geliştirilen model başarıyla test edilmiştir. Model, Trafik Tanzim ve Trafik Uyarı İşaretlerini tanıma görevlerinde %99,98 başarı elde etmiş ve 12 farklı levha grubunda %99,16 oranında doğruluk sağlamıştır. Sonuç: Bu tez çalışması, Sürücü Destek Sistemi olarak geliştirilen modelin araçlara entegre edilmesiyle sürücülerin trafik levhalarını daha doğru tanımasını ve bu levhalara uygun tepki göstermelerini sağlamayı amaçlamaktadır. Bu sayede, trafik güvenliğinin artırılması ve kazaların azaltılması hedeflenmektedir. Anahtar Kelimeler: Sürücü Destek Sistemleri, Trafik Levha Tanıma Sistemleri, Akıllı Ulaşım Sistemleri, Yapay Zeka, Derin Öğrenme 2024 Ağustos, 61 sayfa