Sürücü Davranışlarının Makine Öğrenmesi Algoritmaları ile Sınıflandırılmasında Pencereleme Yönteminin Etkisi

Abstract

Günlük yaşantımızda ulaşım önemli bir yere sahiptir. Birçok insan kara yolu ulaşımını kullanıp bir noktadan başka bir noktaya kendi aracı ile gitmektedir. Gün içerisinde insanların araç kullanımı sırasında yapmış olduğu bazı riskli hareketler (ani hızlanma, ani yavaşlama, ani sağa dönüş, ani sola dönüş, ani şerit değişimi vb.)  sonucunda kazalar yaşanmaktadır. Sürücülerin yapmış olduğu bu riskli hareketler modellenip sürücü profilleri oluşturulabilir. Oluşturulan sürücü profillerine göre sürücüler uyarılabilir ya da araç kullanımı sırasında kazaya neden olabilecek bu davranışları yapmaması için gerekli yaptırımlar uygulanabilir. Bu çalışmada, sürücünün araç kullanımı sırasında sürüş verileri alınmış ve çeşitli makine öğrenmesi algoritmaları ile sürücü davranışları (ani hızlanma, ani sağa dönüş, ani sola dönüş) modellenmiştir. Bu modelleme sonucunda makine öğrenimi algoritmalarının başarı oranları Rastgele Orman için 65,50%, Bayes Ağları için 47.97%, Karar Tabloları için 59.55%, Yapay Sinir Ağları için 55.84% ve Destek Vektör Makineleri için 53.82% olarak bulunmuştur. Sürücü davranışlarının sınıflandırılmasındaki başarıyı artırabilmek için pencereleme yöntemi kullanılmış ve Rastgele Orman’da 89,61%, Bayes Ağları’nda 90.90%, Karar Tabloları’nda 92,20%, Yapay Sinir Ağları’nda 84,41%, Destek Vektör Makineleri’nde 90,90% başarı oranları elde edilmiştir. Sürücü davranışlarının modellenmesinde pencereleme yöntemi olumlu etki oluştururken en yüksek başarı oranına sahip makine öğrenmesi algoritması Karar Tabloları olarak belirlenmiştir.