Dinamik Çizelgeleme İçin Görüntü İşleme Ve Arıma Modelleri Yardımıyla Veri Hazırlama

Öz

Bu çalışmada, Ankara Hızlı Raylı Sistemde, Kızılay-Ankaray istasyonunda bekleyen yolcuların, sistemde güvenlik amaçlı kullanılan kameralar vasıtasıyla algılanan griseviye görüntüleri, bilgisayar ortamına aktarıldı. Daha sonra, görüntü segmentasyon işlemleri ile nesneler arka plandan ayrıldı ve ayrılan nesnelere ait görüntüler, görüntü güçlendirme metotları ile belirginleştirildi. Bir sonraki aşamada, netleştirilmiş görüntülerin gri-seviye histogramlarından nesnelere ait alansal bilgiler çıkarıldı. Hesaplanan yolcu yoğunluk oranı değerleri ile gözle sayılan yolcu sayıları arasındaki ilişkiler incelenerek Ankara Hızlı Raylı Ulaşım Sistemde tren sefer aralıklarının optimizasyon işlemlerine giriş verileri sağlanacak hale getirildi. Elde edilen bu sayısal değerler, zaman serisi verileri olarak alınıp hafta içi yolcu gelişlerinin ARIMA modelleri yardımıyla modellemesi yapıldı. Sonuçta bu model kullanılarak söz konusu hizmet sisteminde dinamik çizelgeleme sürecine veri hazırlanması sağlandı.

Anahtar Kelimeler

• Görüntü işleme, taşımacılık, hızlı raylı sistem, ARIMA

PREPERATION OF DATA FOR DYNAMIC SCHEDULING USING IMAGE PROCESSING AND ARIMA MODELS

Öz

In this study, the gray-level image data is acquired by solid state cameras that are
used for security in Ankara-Kızılay station of Ankara Rapid Rail Transit System, the
objects are extracted from the background of the image by utilizing the image
segmentation or intermediate level processing, and then using image enhancement
technique, the remaining objects are investigated in detail. In the next step, the area
information has been extracted from the gray-scale histogram of the image of isolated objects. The area information is used in obtaining approximate number of

passengers. Finally, this information is used as an input for ARIMA Models in order
to predict the number of passengers, which will be utilized as the input data for the
optimization of the time between headways.

Anahtar Kelimeler

• Image processing,transportation,rapid rail system,ARIMA

Kaynakça

1. Yule, G.U., “On a Method of Investigating Periodicities in Disturbed Series with
2. Special Reference to Wölfer’s Sunspot Numbers”, Phil. Trans., A226, 267, 1927.
3. Slutsky, E., “The Summation of Random Causes As The Source of Cyclic
4. Processes”, Problems of Economic Conditions, 3, 1, 1927; English trans. in
5. Econometrica, 5, 105, 1937.
6. Wold, H.O., A Study in The Analysis of Stationary Time Series, Almquist
7. and Wicksell, Uppsala, 1954.
8. Yaman, K., Sarucan, A., Atak, M. ve Aktürk, N., “Görüntü İşleme Yöntemiyle

9. Hızlı Raylı Ulaşım Sisteminde Yolcu Yoğunluğunun Box-Jenkins Yaklaşımı ile
10. Modellenmesi”, Yöneylem Araştırması ve Endüstri Mühendisliği 22. Ulusal
11. Kongresi, Gazi Üniversitesi, Ankara, 78, 4-6 Temmuz, 2001.
12. Baxes, A G., Digital Image Processing Principles and Applications, John
13. Wiley & Sons, Inc., USA, 1994.
14. Yaman, K., Görüntü İşleme Yönteminin Ankara Hızlı Raylı Ulaşım Sistemi
15. Güzergahında Sefer Aralıklarının Optimizasyonuna Yönelik Olarak İncelenmesi,
16. Yüksek Lisans Tezi, Gazi Üniversitesi, Fen Bilimleri Enstitüsü, 2000.
17. Toprak, R. ve Aktürk, N., “Raylı Toplu Taşım Sistemleri ve Raylı Toplu Taşım
18. Sistemlerinde Güvenliği Tehdit Eden Tehlikeler”, 3. Ulaşım ve Trafik
19. Kongresi,TMMOB Makina Mühendisleri Odası, Ankara, 18-20 Mayıs, 2001.
20. Yaman, K. ve Aktürk, N., “Görüntü İşleme ile Kişi Yoğunluklarının
21. Belirlenmesi”, UMTS, Selçuk Üniversitesi, Konya, 12-14 Eylül, 2001.
22. Castelman, R. K., Digital Image Processing, Prentice hall, Englewood Cliffs,
23. New Jersey, USA, 1996.
24. Haralick, R.M. ve Shapiro, L.G., Computer and Robot Vision, Addison
25. Wesley Publishing Co., USA, 1993.
26. Sigma Scan Pro, Automated Image Analysis Software User’s Manual, Jandel
27. Scientific software Co., USA, 1995
28. Işığıçok, E., Değişkenler Arasındaki İlişkilerin Araştırılmasında Nedensellik
29. Testleri ve Bir Uygulama Denemesi, Doktora Tezi, Uludağ Üniversitesi,
30. Sosyal Bilimler Enstitüsü, 1993.
31. Box, G. E. P. ve Jenkins, G. M., Time Series Analysis, Forecasting and
32. Control, Holden Day, San Francisco, 1976.
33. Eroğlu, M. ve Aktürk, N., “Machine Vision in Automated Assembly”,
34. Hadronic Journal Supplement, 13, 257-269, 1998.
35. Eroğlu. M., Ünal, Y. ve Aktürk, N., “Görüntü İşleme ile Boyut Ölçümü”, Gazi
36. Üniversitesi Fen Bilimleri Enstitüsü Dergisi, Cilt 12, No 2, 231, 1999.
37. Ünal,Y., Aktürk, N. ve Eroğlu, M., “Seri Üretim Hatlarında Görüntü İşlemeyle
38. Kalite Kontrolü”, Gazi Üniv. Fen Bilimleri Enst. Dergisi, Vol:12, No:4, 1999.
39. O’shea, T. ve Eisenstadt, M., Artificial Intelligence, Harper & Row, Publishers,
40. New York, USA, 1984.
41. Sarucan, A. ve Atak, M., “Bir Raylı Ulaşım Sisteminde Personel Çizelgelemeye
42. Bütünleşik Yaklaşım”, Gazi Üniv. Fen Bilimleri Enst. Dergisi (Yayına kabul edildi).