Yapay Zeka Yöntemleriyle Üstyapı Performans Tahmini
Yükleniyor...
Dosyalar
Tarih
2021
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Necmettin Erbakan Üniversitesi Fen Bilimleri Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Bu yüzden yol ağlarının güvenliği ve konforu sağlaması zorunludur. Güvenliği ve sürüş konforunu
sağlayan temel unsur karayolu üstyapısıdır. Artan araç sayısına bağlı olarak karayolu ihtiyacının planlanması,
mevcut karayollarının hizmet kabiliyetini koruyabilmesi ve bakım onarımının yapılabilmesi için üstyapı yönetim
sistemi kullanılması zorunlu hale gelmektedir. Karayolu Üstyapı Yönetim Sisteminden tam anlamıyla
yararlanabilmek için, karayolları ağının geleceği hakkında güvenilir ve doğru tahminler yapması beklenmektedir.
Üstyapı Yönetim Sisteminin kurulmasında en önemli ve bir o kadar da zor olan kısım, mevcut üstyapı
performansının belirlenmesidir. Üstyapı performansını, yüzey bozulmaları, deformasyonlar ve düzgünsüzlük gibi
özellikler belirlemektedir. Bu özelliklerin doğru tahmini kısıtlı kaynakların optimize edilmesini ve mevcut
bütçeyle yapılacak yatırımların belirlenmesi noktasında büyük önem arz etmektedir. Herhangi istenmeyen bir
durumla karşılaşılmadan zamanında müdahale edilmesi mümkündür. Teknoloji çağıyla birlikte yapay zeka
uygulama alanları her alanda gelişme gösterdiği gibi karayolu üstyapı konusunda da yapılan çalışmalar vardır ve
devam etmektedir. Genellikle tahmin ve sınıflandırma yapan birçok makine öğrenimine dayalı uygulamalar
bulunmaktadır. Bu uygulamalarda veri ön işleme, regresyon, sınıflandırma, gruplandırma, özellik seçimi gibi
işlemler yapılabilmektedir. İşlemler için gerekli kütüphanelere açık kaynak olarak kolaylıkla erişilebilmektedir.
Üstyapı performans değerlemelerini bu uygulamalar ve ilgili kütüphanelerle yapmak/geliştirmek mümkündür.
Bu çalışma ile üstyapı yönetim sistemi için makine öğrenim teknikleri kullanılmıştır. Üstyapı performans
modelleri geliştirilmiştir. Modellere girdi olarak, üzerinde araştırma yapılan yollardaki bozulmalara sebep olan
etkenler seçilmiştir. Bu etkenler, trafik ve iklim verileri, üstyapı kalınlığı gibi parametrelerdir. Üstyapı
performansına etki eden bu verilerin korelasyon matrisi ile birbirleri ile olan ilişkisi araştırılmıştır.
Üstyapı düzgünsüzlük değeri tüm dünyada standart haline getirilmesi için adı “Uluslararası
Düzgünsüzlük İndeksi (IRI- International Roughness Index)” olarak tanımlanmaktadır. Performans göstergesi olan
IRI değişkeninin bozulmaya etki eden değişkenlerden hangisiyle daha yakından ilişkili olduğu korelasyon
katsayısına bakılarak ortaya çıkarılmıştır. Bunun için uluslararası düzgünsüzlük indeksinin (IRI) verilerinden
yararlanılmıştır. Weka ve MATLAB programları kullanılarak veriler analiz edilmiştir. Düzgünsüzlük değeri olan
IRI değerinin tahmini için regresyon analizi, yapay sinir ağları ve sınıflandırma yöntemlerinden olan karar ağaçları
kullanılarak üstyapı performans tahmin modelleri geliştirilmiştir. Oluşturulan modellerin çıktı değeri olan IRI
değeri gerçek değerlerle kıyaslanıp yakın sonuçlar elde edilmiştir.
Especially in recent years, to determine the variables that can make the performance of the General Directorate of Highways in road networks more efficient and to determine the effect of artificial intelligence models to be created by using these variables on the performance estimation. In the study, the factors causing the deterioration of the researched roads were examined. Based on artificial intelligence models, the main causes of deterioration are investigated and the relationship between IRI data and climate data, which is one of the components that affect performance, with deterioration. In this way, it will be possible to find out which variables that are indicators of performance are more closely related to the variables affecting the deterioration. At the same time, showing the effect of deterioration estimation on the budget with the help of the models to be created is another aim of the research. In this study, the data of the international roughness index (IRI), which is used as a performance indicator, were collected and evaluated, and prediction models were developed using these data. It is aimed to help the models to be created by making use of artificial intelligence methods to help determine when the deteriorations will occur, and how the maintenance and repair works should be done.
Especially in recent years, to determine the variables that can make the performance of the General Directorate of Highways in road networks more efficient and to determine the effect of artificial intelligence models to be created by using these variables on the performance estimation. In the study, the factors causing the deterioration of the researched roads were examined. Based on artificial intelligence models, the main causes of deterioration are investigated and the relationship between IRI data and climate data, which is one of the components that affect performance, with deterioration. In this way, it will be possible to find out which variables that are indicators of performance are more closely related to the variables affecting the deterioration. At the same time, showing the effect of deterioration estimation on the budget with the help of the models to be created is another aim of the research. In this study, the data of the international roughness index (IRI), which is used as a performance indicator, were collected and evaluated, and prediction models were developed using these data. It is aimed to help the models to be created by making use of artificial intelligence methods to help determine when the deteriorations will occur, and how the maintenance and repair works should be done.
Açıklama
Yüksek Lisans Tezi
Anahtar Kelimeler
IRI, Makine öğrenmesi, Üstyapı yönetim sistemi, Yapay zeka, Artificial intelligence, Machine learning, Pavement management systems
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Siper, M. (2021). Yapay zeka yöntemleriyle üstyapı performans tahmini. (Yayınlanmamış Yüksek Lisans Tezi). Necmettin Erbakan Üniversitesi, Fen Bilimleri Enstitüsü Endüstri Mühendisliği Anabilim Dalı, Konya.
