Akıllı ulaşım sistemleri için çoklu veri türlerine dayalı hibrit sürücü davranışı sınıflandırma yaklaşımı

Read full text Summarise with VIRAT
Authors: Ensar Arif Sağbaş
Cited by: 0
References: 24

Summary

No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.

Summarise with VIRAT Free to try with your Science Catalogs account.

Abstract

Akıllı ulaşım sistemlerinin gelişimiyle birlikte trafik güvenliği hâlâ kritik bir sorun olarak önemini korumaktadır. Bu çalışma, literatürde ilk kez OBD-II, akıllı telefon sensörleri, GPS ve çevresel ses verilerini bütünleştiren çoklu (multimodal) bir veri kümesi kullanarak sürücü davranışlarını sakin, normal ve agresif kategorilerine ayırmaktadır. Yeni oluşturulan bu çok kaynaklı veri kümesi, motor parametreleri, hareket sensörleri, yol özellikleri ve ortam seslerini kapsamaktadır. Farklı pencere uzunluklarında bölünen verilerden istatistiksel ve zaman–frekans tabanlı öznitelikler çıkarılmış, pencere boyutunun sınıflandırma doğruluğuna etkisi analiz edilmiştir. Support vector machine (SVM), Naïve Bayes (NB) ve multilayer perceptron (MLP) modelleri karşılaştırılmış; MLP en iyi bireysel sonuçları vermiştir. Bununla birlikte, çalışmanın özgün katkısı olan hibrit alt-uzay istifleme (hybrid subspace stacking) yöntemi, rastgele alt-uzay çeşitlendirmesi ve topluluk öğrenmeyi birleştirerek tüm modelleri geride bırakmış ve %95.69 doğrulukla en yüksek başarıyı sağlamıştır.

Fields of Study & Subjects

Traffic and Road Safety IoT and GPS-based Vehicle Safety Systems Human-Automation Interaction and Safety

Publication details

Journal / source
Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi
Volume
16
Publication date
27 March 2026
Language
TR