Araştırma Makalesi

Yapay Sinir Ağları ile Trafik Yoğunluğu Tahmini

Cilt: 22 Sayı: 4 31 Aralık 2020
PDF İndir
TR EN

Yapay Sinir Ağları ile Trafik Yoğunluğu Tahmini

Öz

Şehirlerin büyük problemlerden olan trafik yoğunluğu, insan hayatını birçok yönden etkilemektedir. Daha yaşanabilir bir kent hayatı için; mevcut yoğunluğun belirlenerek araç trafiğinin kontrol edilebilmesi ve ileride yaşanabilecek sıkışıklıklar için gerekli önlemlerin alınabilmesi gerekmektedir. Trafik yoğunluğunu arttırabilecek muhtemel parametreler dikkate alınarak gerçekleşecek bir yoğunluk tahminin, kent sakinleri açısından olduğu kadar sürücüler ve bir şehrin mümkün olan en az trafik yoğunluğuna maruz kalmasından sorumlu olan yetkili kurum ve kuruluşlar için önemli bir yeri vardır. Çalışma, İstanbul’ a Tuzla ilçesinden giriş yönünde, E-5 karayolu üzerinde yapılmıştır. Veriler, Yandex Trafik ve Wunderground internet sitelerinden elde edilmiştir. Hafta içi günler, mesai saatleri, havanın genel durumu, sıcaklık, rüzgârın hızı ve nem seviyeleri bağımsız değişken olarak alınmıştır. Gün, saat ve hava koşulu değişkenleri kategoriktir ve bu değişkenler kukla değişken olarak belirlenmiştir. Bağımsız değişkenlerden hareketle hız tahmini yapılmış ve trafik yoğunluğu seviyesi belirlenmeye çalışılmıştır. Diğer bağımsız değişkenlere kıyasla, rüzgar hızı ve sıcaklık değişkenlerinin hız üzerinde negatif ve yüksek oranda etkili olduğu, olası bir değişiklik durumunda sıcaklığın hızı en yüksek düzeyde etkileyeceği görülmüştür. İlgili güzergahta genel olarak 80 km ortalama hız düzeyi elde edilmiş ve Serbest Akım Hızı, C ve D hizmet seviyeleri için incelendiğinde, en fazla yoğunluk düzeyinin 16- 22 aralığında, en fazla hacim/ kapasite oranının % 64- 85 aralığında olacağı tespit edilmiştir.

Anahtar Kelimeler

Trafik yoğunluğu, araç hızı, hava koşulları, çalışma zamanı, yapay sinir ağları

Kaynakça

  1. Abdel-Aty, M., Ekram, A.-A., Huang, H., & Choi, K. (2011). A study on crashes related to visibility obstruction due to fog and smoke. Accident Analysis & Prevention, 43(5), 1730-1737. https://doi.org/10.1016/j.aap.2011.04.003
  2. Aküzüm, Prof. Dr. T., Kodal, Doç. Dr. S., Beyribey, Doç. Dr. M., Erözel, Doç. Dr. A. Z., Tokgöz, Doç. Dr. A., Selenay, Yard. Doç. Dr. F., … Yurtsever, Yard. Doç. Dr. E. (1994). Meteoroloji I. Ankara: Ankara Üniversitesi Ziraat Fakültesi Yayınları.
  3. Andreescu, M. P., & Frost, D. B. (1998). Weather and traffic accidents in montreal, Canada. Climate Research, 9(3), 225-230. https://doi.org/10.3354/cr009225
  4. Andrey, J., & Yagar, S. (1993). A Temporal Analysis of rain-related crash risk. Accident Analysis and Prevention, 25(4), 465-472. https://doi.org/10.1016 /0001-4575(93)90076-9
  5. Andrey, J., Hambly, D., Mills, B., & Afrin, S. (2013). Insights into driver adaptation to ınclement weather in Canada. Journal of Transport Geography, 28, 192-203. https://doi.org /10.1016/j.jtrangeo.2012.08.014
  6. Choi, S., & Oh, C. (2016). Proactive strategy for variable speed limit operations on freeways under foggy weather conditions. Transportation Research Record: Journal of the Transportation Research Board, 2551, 29-36. https://doi.org/10.3141/2551-04
  7. Cools, M., Moons, E., & Wets, G. (2007). Investigating the Effect of Holidays on Daily Traffic Counts: A Time Series. 19. https://doi.org/10.3141/2019-04
  8. Cools, M., Moons, E., & Wets, G. (2010). Assessing the ımpact of weather on traffic ıntensity. Weather Climate and Society, 2(1), 60-68. https://doi.org/10.1175 /2009WCAS1014.1
  9. Datla, S., & Sharma, S. (2008). Impact of cold and snow on temporal and spatial variations of highway traffic volumes. Journal of Transport Geography, 16(5), 358-372. https://doi.org/10.1016/j.jtrangeo.2007.12.003
  10. Dey, K. C., Mishra, A., & Chowdhury, M. (2015). Potential of ıntelligent transportation systems in mitigating adverse weather ımpacts on road mobility: a review. Ieee Transactions on Intelligent Transportation Systems, 16(3), 1107-1119. https://doi.org/10.1109/TITS.2014.237145

Kaynak Göster

APA
Taş, N., & Sezen, B. (2020). Yapay Sinir Ağları ile Trafik Yoğunluğu Tahmini. Afyon Kocatepe Üniversitesi Sosyal Bilimler Dergisi, 22(4), 1020-1034. https://doi.org/10.32709/akusosbil.746349
AMA
1.Taş N, Sezen B. Yapay Sinir Ağları ile Trafik Yoğunluğu Tahmini. AKÜSBD. 2020;22(4):1020-1034. doi:10.32709/akusosbil.746349
Chicago
Taş, Nurullah, ve Bülent Sezen. 2020. “Yapay Sinir Ağları ile Trafik Yoğunluğu Tahmini”. Afyon Kocatepe Üniversitesi Sosyal Bilimler Dergisi 22 (4): 1020-34. https://doi.org/10.32709/akusosbil.746349.
EndNote
Taş N, Sezen B (01 Aralık 2020) Yapay Sinir Ağları ile Trafik Yoğunluğu Tahmini. Afyon Kocatepe Üniversitesi Sosyal Bilimler Dergisi 22 4 1020–1034.
IEEE
[1]N. Taş ve B. Sezen, “Yapay Sinir Ağları ile Trafik Yoğunluğu Tahmini”, AKÜSBD, c. 22, sy 4, ss. 1020–1034, Ara. 2020, doi: 10.32709/akusosbil.746349.
ISNAD
Taş, Nurullah - Sezen, Bülent. “Yapay Sinir Ağları ile Trafik Yoğunluğu Tahmini”. Afyon Kocatepe Üniversitesi Sosyal Bilimler Dergisi 22/4 (01 Aralık 2020): 1020-1034. https://doi.org/10.32709/akusosbil.746349.
JAMA
1.Taş N, Sezen B. Yapay Sinir Ağları ile Trafik Yoğunluğu Tahmini. AKÜSBD. 2020;22:1020–1034.
MLA
Taş, Nurullah, ve Bülent Sezen. “Yapay Sinir Ağları ile Trafik Yoğunluğu Tahmini”. Afyon Kocatepe Üniversitesi Sosyal Bilimler Dergisi, c. 22, sy 4, Aralık 2020, ss. 1020-34, doi:10.32709/akusosbil.746349.
Vancouver
1.Nurullah Taş, Bülent Sezen. Yapay Sinir Ağları ile Trafik Yoğunluğu Tahmini. AKÜSBD. 01 Aralık 2020;22(4):1020-34. doi:10.32709/akusosbil.746349