Fuzzy Logic Based Design and Implementation of Vehicle Classified Traffic Speed Limit Penalty System

Öz

In our country, the speed limits for the vehicles are determined according to the nature of the road and type of the vehicle, and some sanctions are applied to those who do not comply with these speed limits. The most commonly used of these sanctions is fines. The fine applied to drivers who violate the speed limit rule consists of three levels, and the drivers are fined according to these levels. This fine is applied as 314 TL, 652 TL and 1339 TL for 2021 when ordered according to levels. As can be seen, there is a very wide range between the fines in these three levels. It was thought that it would be more appropriate to create more intermediate stages by reducing these intervals. In this work, by researching the traffic radar system in our country, two different vehicle classes, private and commercial, were considered for regions with four different speed limits (50 Km/h, 90 Km/h, 110 Km/h, 120 Km/h). According to the class of the vehicles and the speed limit region, the fines to be imposed on the drivers were calculated using the fuzzy logic method, thus a fairer fine system was applied.

Anahtar Kelimeler

• Traffic
• radar
• speed limit
• fuzzy logic
• fuzzy

Proje Numarası

Yok

Araç Sınıflandırmalı Trafik Hız Sınırı Ceza Sisteminin Bulanık Mantık Temelli Tasarımı ve Gerçekleştirilmesi

Öz

Ülkemizde yolun özelliğine ve aracın cinsine göre araçların uyması gereken hız sınırları belirlenerek bu hız sınırlarına uymayanlara bazı yaptırımlar uygulanmaktadır. Bu yaptırımlardan en çok kullanılanı para cezasıdır. Hız sınırı kural ihlali yapan sürücülere uygulanan para cezası üç kademeden oluşmakta ve sürücülere bu kademelere göre para cezası kesilmektedir. Bu para cezası kademelere göre sıralandığında 2021 yılı için 314 TL, 652 TL ve 1339 TL olarak uygulanmaktadır. Görüldüğü üzere bu üç kademedeki para cezalarının aralarında bir hayli geniş bir aralık bulunmaktadır. Bu aralıkların azaltılarak çok daha fazla ara kademe oluşturulmasının daha uygun olacağı düşünülmüştür. Bu çalışmamızda ülkemizdeki trafik radar sistemi araştırılarak, dört farklı hız sınırı olan (50 Km/h, 90 Km/h, 110 Km/h, 120 Km/h) bölgeler için hususi ve ticari olmak üzere iki farklı araç sınıfı göz önünde bulundurulmuştur. Araçların sınıflarına ve bulunulan hız sınırı bölgesine göre sürücülere kesilecek olan para cezası bulanık mantık yöntemi ile hesaplatılmış böylelikle daha adil bir para cezası sistemi uygulanmıştır.

Anahtar Kelimeler

• Trafik
• radar
• hız sınırı
• bulanık mantık
• fuzzy

Destekleyen Kurum

Yok

Proje Numarası

Yok

Teşekkür

Yok

Kaynakça

1. https://www.kgm.gov.tr/Sayfalar/KGM/SiteTr/Trafik/HizSinirlari.aspx, Erişim tarihi Ocak 11, 2021.
2. http://trafik.gov.tr/kurumlar/trafik.gov.tr/03-Mevzuat/2021-yili-trafik-idari-para-ceza-rehberi.pdf, Erişim tarihi Ocak 11, 2021.
3. F. Bayram “Derin öğrenme tabanlı otomatik plaka tanıma”, Politeknik Dergisi, vol. 23, no. 4, pp. 955-960, 2020.
4. H.M. Ertunç “Introduction To Fuzzy Logic”, Kocaeli Üniversitesi Mekatronik Mühendisliği, 2012.
5. A.E. Tiryaki, ve R. Kazan “Bulaşık Makinesinin Bulanık Mantık ile Modellenmesi”, Sakarya Üniversitesi Mühendislik Fakültesi Makine Mühendisliği Bölümü Mühendis ve Makine Dergisi, vol. 48, no. 565, 2007.
6. İ. Ertuğrul “Akademik Performans Değerlendirmede Bulanık Mantık Yaklaşımı”, İktisadi ve İdari Bilimler Dergisi, vol. 20, no. 1, pp. 155 – 176, 2006.
7. D. Li, P. Ranjitkar “A Fuzzy Logic-Based Variable Speed Limit Controller”, Journal of Advanced Transportation, vol. 49, no. 8, 2015.
8. F. Barreno, M. Santos, M.G. Romana “A Novel Adaptive Vehicle Speed Recommender Fuzzy System For Autonomous Vehicles On Conventional Two-Lane Roads, Expert Systems, 2022.

9. X.R. Liang, D.Q. Wang “Design and Simulation of Speed Limit Controller Based on Fuzzy Logic Inference”, Home Applied Mechanics and MaterialsApplied Mechanics and Materials, vols. 220-223, pp. 988-991, 2012.
10. B. Öztürk, V. Sezer “A New Speed Planning Method Based On Predictive Curvature Calculation For Autonomous Driving”, Turkish Journal of Electrical Engineering and Computer Sciences, vol. 30, no. 4, 2022.
11. G. Lanzaro, M. Andrade “A Fuzzy Expert System For Setting Brazilian Highway Speed Limits”, International Journal of Transportation Science and Technology, 2022.
12. E. Deniz “Plaka Tanıma Sistemi”, Kocaeli Üniversitesi Bilişim Sistemleri Mühendisliği, 2018.
13. M. Ünay “Bilgisayarlı Görü Teknikleri Kullanılarak Yapay Zeka Temelli Limon Ağacı Rekolte Tahmini”, Yüksek Lisans Tezi, Karamanoğlu Mehmetbey Üniversitesi, Fen Bilimleri Enstitüsü, Karaman, 2021.
14. A. Kızılkaya “Sayısal Görüntü İşleme”, Pamukkale Üniversitesi Elektrik-Elektronik Mühendisliği, 2008.
15. J.W. Hsieh, S.H. Yu, and Y.S. Chen “Morphology-based License Plate Detection from Complex Scenes”, IEEE Proceedings of the 16th International Conference on Pattern Recognition, Qubec City, Canada, vol. 3, pp. 176-179, 2002.
16. V. Nabiyev “Yapay Zeka Problemler”, Yöntemler, Algoritmalar, Seçkin Yayıncılık, 2013.
17. K.S. Narendra ve S. Mukhopadhyay “Adaptive control using neural networks and approximate models”, IEEE Transactions on Neural Networks, vol. 8, no. 3 pp. 475-485, 1997.
18. O. Özdemir, Y. Kalınkara “Bulanık Mantık: 2000-2020 Arası Tez ve Makale Çalışmalarına Yönelik Bir İçerik Analizi”, ACTA INFOLOGICA, İstanbul University Press, vol. 4, no. 2, pp. 155-174, 2020.
19. Ç. Elmas “Yapay Zeka Uygulamaları”, Seçkin Yayıncılık, 2007.
20. J. Bih “Paradigm shift - an introduction to fuzzy logic”, Potentials.IEEE, vol. 25, no. 1, pp. 6-21, 2006.
21. R. Babuska “Fuzzy Modeling for Control”, Kluwer Academic Publisher, 1998.