Tez No	İndirme	Tez Künye	Durumu
682668		Araç verileri ile trafik hız tahmin ve mahremiyet modeli / Traffic speed prediction and privacy model with vehicle data Yazar:MURAT AKIN Danışman: PROF. DR. ŞEREF SAĞIROĞLU Yer Bilgisi: Gazi Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control ; Mühendislik Bilimleri = Engineering Sciences Dizin:Bilgi sistemleri = Information systems ; Yapay sinir ağları = Artificial neural networks ; Yapay zeka = Artificial intelligence	Onaylandı Doktora Türkçe 2021 126 s.
Bu tez çalışmasında; trafik parametrelerinin tahmini ve yörünge mahremiyetinde kullanılabilecek üç yeni ve özgün model geliştirilmiş, Ankara ilinde bulunan iki ana güzergâhta yoğun ve orta yoğun trafik zaman dilimlerinde test edilmiş ve başarılı sonuçlar elde edilmiştir. İlk önerilen trafik hız tahmin modelinde, trafik hız tahmini için filtreleme, veri temizliği ve harita eşleme aşamasından geçirilen araç verileri, OPTICS algoritması ile yoğunluk tabanlı olarak kümelenmiş ve böylece her yola ait karakteristik özellikler elde edilmiş, yol karakteristik bilgilerinin tekrarlı örüntüleri dikkate alınarak LSTM ve GRU sinir ağ modelleriyle hız tahmini yapılmış, Eskişehir ve İstanbul yollarında bu modeller test edilmiş ve RMSE hata değerleri km/s cinsinden başarımı en yüksek olarak yoğun trafikte 7,814, orta yoğun trafikte 4,372 elde edilmiştir. Mahremiyet korumalı ikinci tahmin modeli, önerilen birinci modeli temel alarak ve modele ara bir aşama olarak diferansiyel mahremiyet (DM) yöntemi uygulanarak geliştirilmiş, DM yöntemi hız tahmini yapan bir modele ilk kez uyarlanmış, iki farklı veri kümesiyle Eskişehir ve İstanbul yollarında test edilmiş, orijinal küme hız özniteliği ile kıyaslanmış, başarımı en yüksek RMSE hata değerleri İstanbul yolunda yoğun trafikte 6,127 km/s ve orta yoğun trafikte 8,789 km/s olarak ölçülmüştür. Üçüncü model; yörünge bilgilerinin yayınlanmasında mahremiyeti sağlayacak pencere tabanlı ve DM'nin uygulandığı bir model olup önceki iki modelde olduğu gibi Eskişehir ve İstanbul yollarında test edilmiş, en fazla GPS sinyali üreten örnek araçların epsilon ve pencere boyutunun 2 olduğu değerlerde, sırasıyla, x-y koordinatları RMSE hata değerleri sırasıyla 0,00031973 ve 0,00013009 ile 0,00011643 ve 0,00008601 derece olarak elde edilmiştir. 3191873 numaralı TÜBİTAK proje kapsamında geliştirilmiş olan bu çalışmanın gerçek ortama uyarlama çalışmaları devam etmektedir. Sonuç olarak; önerilen modellerin gelecekte yapılacak olan gerçek zamanlı trafik parametrelerinin tahmininde farklı ve yeni çözümlerin geliştirilmesine katkılar sağlayacağı, gerçek uygulamalarda kullanılabileceği, mahremiyet odaklı çalışmalara yön vereceği, farklı veri yayınlama alanlarında uygulanabileceği değerlendirilmektedir.
In this thesis study, three novel and new models have been developed for the prediction of traffic parameters and providing trajectory privacy, tested in heavy and medium-heavy traffic time zones on two main roads in Ankara, and successful results have been obtained. In the first proposed traffic speed prediction model, the vehicle data, which were passed through the filtering, data cleaning and map-matching processes for the traffic speed prediction, were density-based clustered using OPTICS algorithm and thus characteristic features of each of roads were generated, predictions were made with LSTM and GRU neural network models considering the recurrent patterns of road characteristic information, these models were tested on Eskisehir and Istanbul roads, and RMSE error values in km/h were obtained with the highest performance of 7.814 in heavy traffic and 4.372 in medium heavy traffic, respectively. The privacy-preserved second prediction model was developed based on the first proposed model with applying differential privacy (DP) method to the model an intermediate stage, DP method was adopted for the first time to a speed prediction model, was tested on Eskisehir and Istanbul roads with two different datasets compared with the original cluster speed features, the RMSE error values with the highest performance were measured as 6.127 km/h in heavy traffic and 8.789 km/h in medium heavy traffic on the Istanbul road. The third one introduces a new privacy-preserving model which is window-based integrated with DP applied to ensure privacy when publishing the trajectory information. Like the previous two models, this model was also tested on Eskisehir and Istanbul roads, the RMSE error values of x-y coordinates were obtained as 0.00031973 and 0.00013009 degrees, 0.00011643 and 0.00008601 degrees, respectively, for the sample vehicles producing the highest GPS signal at the value of epsilon and window size 2. The proposed models in this thesis were developed within the scope of TÜBİTAK project given number 3191873 and, improvements in the studies still continue in order to apply for real-time implementation. As a result, it is concluded that the proposed models might offer different and new solutions in the prediction of real-time traffic parameters for future studies and can be used in real applications, will guide privacy-oriented studies, and can be applied in different data publishing research fields.