Tez No	İndirme	Tez Künye	Durumu
645017		Makine öğrenmesi yöntemleri ile harita eşleştirme ve konum tahmini / Location determination using map matching techniques of machine learning Yazar:ZİYA GÖKALP ERSAN Danışman: DOÇ. DR. METİN ZONTUL Yer Bilgisi: İstanbul Aydın Üniversitesi / Lisansüstü Eğitim Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı / Bilgisayar Mühendisliği Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:	Onaylandı Doktora Türkçe 2020 108 s.
Günümüzde konum belirleme servisleri (Global Navigation Satellite Systems-GNSS), araç takip sistemleri başta olmak üzere; askeri alanlarda, uçakların yön bulmasında, Jeodezik ve Jeodinamik ölçmeler, güvenlik, arama-kurtarma ve Coğrafi Bilgi Sistemleri uygulamaları gibi bir çok sivil alanda etkin olarak kullanılmaktadır. GNSS sistemlerine bağlı olan GPS sistemleri her zaman doğru koordinat hesaplamaları yapamamaktadır. Bunun sebebi olarak, GPS alıcılarının kullanıldığı yerlerin çevresindeki koşullar (yüksek binalar gibi) veya hava şartlarına bağlı olarak sinyal zayııflıkları gösterilebilir. Bu çalışmada, novatel ve ublox tabanlı araç takip cihazlarından alınan gps datasının hatalı sapma oranlarını 10 farklı makine öğrenmesi algoritması ile minimize ederek, harita eşleştirme problemine çözüm olarak sunulmaktadır. Makine öğrenmesi algoritmalarının daha etkili ve doğru sonuçlar verdiğini göstermek için, lokasyon verileri bir başka yöntem olarak kabul edilen, klasik yaklaşımlardan biri olan kalman filtresi ile hesaplanmıştır. Karşılaştırma sonuçlarına göre, makine öğrenmesi extra trees algoritmasının daha yüksek orana sahip, doğru tahminleme yaptığı gözlemlenmiştir. Ayrıca araç takip sisteminden gelen gps datası ile tahmin edilen nokta kordinatları arasındaki sapma oranının metre olarak verilmesi sağlanmıştır.
With the huge progress in the development of wireless technology, Global Positioning System (GPS) a part of Global Navigation Satellite Systems (GNSS), predominantly based vehicle navigation systems are being widely deployed in military areas, enrooting aircraft, search-rescue and security, and Geodetic-Geodynamic measurements together with Geographical Information Systems applications. The location determination in obstructed areas may not be able to determine the correct location; which is very challenging particularly if Global Positioning System's (GPS) errors impede the used algorithms in finding the correct segment, especially in dense and complicated areas. Moreover, the weaknesses of the signal may depend on the surrounding environment (such as tall buildings) or weather conditions where the GPS receivers are used. Regardless, High Sensitivity GPS receivers may alleviate the mentioned problem by acquiring and tracking weak signals at a high cost. In this paper, 10 different Machine Learning (ML) techniques are use to solve the problem by minimizing the error deviation rates of GPS data taken from Novatel and Ublox based vehicle tracking devices. To show that machine learning algorithms give more effective and accurate results, location data is calculated with one of the classical approaches, the Kalman filter, which is considered as another method. According to the results of comparison, it was observed that the machine learning extra trees algorithm has higher rate and makes more accurate predictions. In addition, the deviation rate between the GPS data from the vehicle tracking system and the estimated point coordinates is provided in meters.