Pamukkale University Journal of Engineering Sciences (Apr 2018)
Kablosuz manyetik sensörler kullanarak karar ağacı algoritma tabanlı araç sınıflandırmasının gerçekleştirilmesi
Abstract
Kablosuz sensör ağları kullanarak akıllı ulaşım sistemleri (Intelligent Transportation Systems, ITS) tasarlamak, hem maliyet hem de enerji verimliliği açısından avantajlı olup herhangi bir yolun trafiğini gözlemlemek, o yol hakkında trafik bilgisi edinmek veya sadece araçları tespit edip tipleri ve hızlarını saptamak son zamanlarda araştırmacıların ilgi odağı haline gelmiştir. Bu çalışmada sensör düğümü, manyetometre, güç kartı ve pilden oluşan ve diğer çalışmalarda kullanılan düğümlerden daha doğru ve anlaşılır veriler sunabilen bir sensör devresi kullanılmıştır. Bu sensör devreleri ile aracın tipini belirlemek için iki farklı yöntem sunulmuştur. İlk yöntemde, yoldan geçen araçlar, önerilen algoritma ve (Manyetik İmza Uzunluğu) paremetresine göre otomobil, minibus, otobüs ve kamyon olarak sınıflandırılmıştır. Bu yöntemle elde edilen doğruluk payı %89 olmuştur. Diğer yöntemde ise araç sınıflandırması, makine öğrenmesi algoritması olan J48 kullanılarak yapılmış ve önerilen yöntem esas alınarak elde edilen sonuçların eniyilemesi yapılmıştır. Bir makine öğrenmesi yazılım paketi olan Weka'da uygulanan J48 sınıflandırma algoritmasını kullanır. Karar ağacı modeli, 3 eksenli HMC5983L manyetik sensöründen geçen araçlardan çıkarılan manyetik ham veri, ölçüm süresi gibi bir dizi özellikten oluşturulmuştur. Özellikler, çapraz geçerlilik temelinde değişen sınıflandırma oranları derecelerine sahip bir karar ağacı modeli üretmek için J48 eğitim algoritmasına doğru sınıflandırmalarla sağlanan niteliklerdir. Makine öğrenmesi algoritması olan J48 kullanımı araç sınıflandırmasında daha verimli ve doğru sonuçlar verdiği görülmüştür. İlk yöntemle elde edilen değerleri hesaplama aşamasında zorluklar doğurmuştur. Ancak J48 algoritması kullanılarak daha belirgin ve hassas sınır ve eşik değerleri elde edilmiştir. Çalışmanın sonucu, araç sınıflandırma sisteminde önerilen algoritmanın eniyilemesiyle yaklaşık % 100 doğruluk payı ile etkili ve verimli olduğunu göstermektedir.
