YAPAY SİNİR AĞLARI İLE TRAFİK AKIM KONTROLÜ. İbrahim ALTUN 1, Selim DÜNDAR 1,

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "YAPAY SİNİR AĞLARI İLE TRAFİK AKIM KONTROLÜ. İbrahim ALTUN 1, Selim DÜNDAR 1, ialtun@yildiz.edu.tr, sdundar@yildiz.edu.tr"

Transkript

1 YAPAY SİNİR AĞLARI İLE TRAFİK AKIM KONTROLÜ İbrahim ALTUN 1, Selim DÜNDAR 1, Öz: Yapay sinir ağları birçok basit elemanın birleşmesinden oluşmuş paralel bağlantılı sistemlerdir. Bir çok alanda başarılı bir şekilde uygulanan yapay sinir ağları son zamanlarda ulaştırma mühendisliğinin çalışma alanına da girmiştir. Ulaştırma mühendisliğindeki yapay sinir ağları uygulamaları 1990 lı yıllardan sonra büyük bir ilgi görmüştür. Bu bildiri yapay sinir ağlarının ulaştırma mühendisliği alanında, özellikle de trafik akım kontrolü alanında yapılan çalışmaları özetlemeyi amaçlamaktadır. Çalışmada bu konuda son zamanlarda yapılan başarılı araştırma ve uygulamalar ayrıntılı bir şekilde gözden geçirilmiştir. Ulaştırma mühendisliği alanındaki çalışmalar; ulaşım planlaması, yol üstyapısının dizayn, bakım ve onarımı, ulaşım sistemlerinin işletilmesi, ulaşım parametrelerinin tahmini ve trafik mühendisliği uygulamaları olmak üzere 5 ana gruba ayrılmıştır. Trafik mühendisliği uygulamaları kapsamında sinyalize olmayan ve dur işareti ile kontrol edilen eşdüzey kavşaklarda taşıt geçiş aralığının belirlenmesi, YOGT (yıllık ortalama günlük trafik) tahmini, trafik kaza analizlerinin yapılması, otoyollarda trafik akım tahmini ve sınıflandırması, kısmi kapalı yollarda kapasite ve kuyruklanma hesabı çok geniş bir şekilde incelenmiştir. Anahtar Kelimeler: Trafik Akım Kontrolü, Ulaştırma Mühendisliği, Yapay Sinir Ağları, Yapay Zeka Giriş Matematiksel olarak formülize edilemeyen ve çözülmesi mümkün olmayan problemler sezgisel yöntemler ile bilgisayarlar tarafından çözülebilmektedir. Bilgisayarları bu özelliklerle donatan ve bu yeteneklerin gelişmesini sağlayan çalışmalar yapay zeka çalışmaları olarak bilinmektedir. İlk defa 1950 li yıllarda ortaya atılan yapay zeka terimi zaman içinde oldukça ilgi görmüş ve 50 yıllık zaman dilimi içinde hayatın vazgeçilmez parçası olan akıllı sistemlerin doğmasına neden olmuştur. Akıllı sistemlerin en temel özellikleri olaylara ve problemlere çözümler üretirken veya çalışırken bilgiye dayalı olarak karar verebilme özelliklerinin olması ve eldeki bilgiler ile olayları öğrenerek, sonraki olaylar hakkında karar verebilmeleridir. Bir olay, değişik insanlar tarafından değişik şekillerde yorumlanmakta, karşılaşılan sorunlar farklı bölge ve kişilere göre farklı şekillerde çözülebilmektedir. Bu durum günümüzde çoğu laboratuvar çalışması düzeyindeki 60 kadar yapay zeka teknolojisinin doğmasına neden olmuştur (Öztemel, 2003; Callan, 1999). Yapay sinir ağları 1990 lı yıllardan itibaren birçok mühendislik dalında olduğu gibi ulaştırma mühendisliği alanında da kullanılmaya başlanmıştır. Bu alanda bilinen ilk çalışma 1989 yılında Nakatsyii tarafından kaleme alınan Yapay sinir ağı modellerinin trafik mühendisliği problemlerine uygulanması adlı makaledir. Ulaştırma mühendisliği problemlerinin çözümünde genellikle çok katmanlı ve geri beslemeli yapay sinir ağları ile radyal tabanlı fonksiyon (Radial Basis Function-RBF) ağları kullanılmıştır. Günümüzde ise ulaştırma mühendisliği problemlerinin çözümünde yapay sinir ağları; bulanık mantık, genetik algoritmalar, vb. yapay zeka teknolojileri ile birlikte kullanılmaktadır (Faghri ve diğ., 1997). Kullanılan Yöntem Bu bildiri yapay sinir ağlarının ulaştırma mühendisliği alanında, özellikle de trafik akım kontrolü alanında yapılan çalışmaları özetlemeyi amaçlamaktadır. Çalışmada bu konuda son zamanlarda yapılan başarılı araştırma ve uygulamalar ayrıntılı bir şekilde gözden geçirilmiştir. Ulaştırma mühendisliği alanındaki çalışmalar; ulaşım planlaması, yol üstyapısının dizayn, bakım ve onarımı, ulaşım sistemlerinin işletilmesi, ulaşım parametrelerinin tahmini ve trafik mühendisliği uygulamaları olmak üzere 5 ana gruba ayrılmıştır. Trafik mühendisliği uygulamaları kapsamında sinyalize olmayan ve dur işareti ile kontrol edilen eşdüzey kavşaklarda taşıt geçiş aralığının belirlenmesi, YOGT (yıllık ortalama günlük trafik) tahmini, trafik kaza analizlerinin 1 Yıldız Teknik Üniversitesi İnşaat Fakültesi İnşaat Mühendisliği Bölümü, İstanbul 1335

2 yapılması, otoyollarda trafik akım tahmini ve sınıflandırması, kısmi kapalı yollarda kapasite ve kuyruklanma hesabı çok geniş bir şekilde incelenmiştir. Ulaştırma mühendisliği alanındaki çalışmalara kısaca değinmek gerekirse; Ulaşım Planlaması Ulaşım sistemlerinin planlanmasının amacı belirli mekanlarda oluşturulması ve geliştirilmesi istenen aktivitelerin yerleşiminin ve bunlar arasındaki yer değiştirmelerin en iyi şekilde sentezlenmesidir. İyi bir ulaşım planlaması ise problemlerin tespiti, gerekli verilerin toplanması, toplanan verilerin analizi, çözüm seçeneklerinin üretilmesi, kaynak ve kısıtların dikkate alınarak en uygun çözümün bulunması ile gerçekleşmektedir. Ulaşım planlamasında talep tahmini için çok sayıda parametre ve istatistiksel veriden yararlanıldığı düşünüldüğünde yapay sinir ağları ile bu problemlere etkin çözümler üretilebilmektedir. Bu alanda başarıyla yapılan uygulamalar Gelecekteki trafik talebinin tahmini, Ulaştırma faaliyetlerinin alan kullanımı ve çevreye etkisinin belirlenmesi, Yeni kullanım alanlarının ulaştırma ağına etkisi Şeklinde özetlenebilir. Yol Üstyapısının Dizaynı, Bakımı ve Onarımı Yol üstyapıları sürekli trafik ve çevre etkisi altında olduklarından yeni yapılan yolların proje süresi boyunca etkin kullanımını sağlayan üstyapı tipinin ve kaplama dizaynının seçilmesi, yapılan yolların belirli periyotlar ile bakım ve onarımlarının gerçekleşmesi gerekmektedir. Yapay sinir ağı algoritmalarından faydalanarak belirtilen etkiler altında yol üstyapılarının dizaynı, onarılması, boyanması, kaplamaların yenilenmesi gibi birçok işlemin süre ve maliyetleri başarılı bir şekilde hesaplanabilmektedir. Ulaşım Sistemlerinin İşletilmesi Ulaşım sistemlerinin yol, yolu kullanan trafik ve bağlantı noktalarından (kavşak, terminal, istasyon vs.) oluştuğu dikkate alındığında bu sistemlerin oluşturulması, yenilenmesi ve yönetiminin meydana gelen problemlerin çözümü için büyük önem taşıdığı belirtilebilir. Yapay sinir ağlarından yararlanarak trafik tıkanıklıklarının yönetimi, doğal afet veya kazalarda risk analizi, kavşaklarda trafiğin değişimine bağlı optimum devre sürelerinin hasabı başarılı bir şekilde yapılabilmektedir. Yine ulaştırma altyapılarında kullanılan araçların otomasyonu ile hava, deniz ve demiryollarında meydana gelebilecek acil durumlar için karar destek sistemlerinin hazırlanmasında yapay sinir ağları tekniğinden yararlanılmaktadır. Ulaşım Parametrelerinin Tahmini Ulaşım sistemleri üzerinde hakim olan yol, insan, araç ve çevre gibi faktörlerin kendi aralarında ve her birinin diğerleri üzerindeki etkilerinden doğan parametrelerin matematiksel olarak ifadesi çok güçtür. Yapay sinir ağlarının öğrenme yolu ile yeni bilgiler türetebilme, yeni bilgi oluşturabilme ve keşfedebilme özellikleri dikkate alınarak yapılan çalışmalarda ulaşım parametrelerinin tahmininde başarılı sonuçlar elde edilmiştir. Trafik Mühendisliği Uygulamalarında Kullanımı Ulaşım mühendisliğinin bir alt kolu olan trafik mühendisliğinin bir çok alanında yapay sinir ağları başarılı bir şekilde kullanılmaktadır. Bu alanda yapılan başarılı çalışmalara örnek olarak sinyalize olmayan ve dur işareti ile kontrol edilen eşdüzey kavşaklarda taşıt geçiş aralığının belirlenmesi, YOGT (yıllık ortalama günlük trafik) tahmini, trafik kaza analizlerinin yapılması, otoyollarda trafik akım tahmini ve sınıflandırması, kısmi kapalı yollarda kapasite ve kuyruklanma hesabı şeklinde özetlenebilir. Sinyalize Olmayan Eşdüzey Kavşaklarda Geçiş Aralığının Tahmini Düşük trafik hacmine sahip eşdüzey kavşaklar genellikle DUR işareti ile kontrol edilirler. DUR işareti genelde kavşağın tali yollarına konulmaktadır. Bu kavşakta amaç ana yoldan daha çok miktarda taşıt geçmesi ve tali yollarda ise araçların önce durması, anayoldan veya karşıdan kendisini engelleyen bir trafik akımının olmaması durumunda kavşağı geçmesi sayesinde kavşakta maksimum kapasitenin sağlanması şeklinde özetlenebilir. Kavşağın kapasitesine ve kavşaktaki gecikmelere etkiyen en önemli etken ise ana yoldaki taşıt takip aralığı ve tali yoldaki araçların kavşağı kullanmasıdır. Şekil 1 de sözkonusu kavşak ile ilgili bir örnek verilmiştir (Pant ve diğ., 1994). 1336

3 Şekil 1. Sinyalize olmayan DUR kontrollü eşdüzey kavşak örneği Tali yollarda DUR işaretinden dolayı duran araçların diğer yollardan gelen araçları kontrol edip geçmesi veya reddetme aralığı (kritik geçiş aralığı) genellikle ikili lojit modellerle tahmin edilmeye çalışılmaktadır. Ancak bu modellerde sürücü karakteristikleri, yol geometrisi, taşıt takip aralığı, bekleme süresi, hava şartları gibi kritik geçiş aralığını etkileyecek şartları gözönüne almamaktadır yılında çok katmanlı geri beslemeli yapay sinir ağ modeli kullanılarak yapılan bir çalışma ile kritik geçiş aralıkları farklı sürücü, araç, yol ve çevre şartlarına göre tahmin edilebilmiştir. Bu problemin çözümü için tasarlanan yapay sinir ağı toplam üç katmandan (1 giriş, 1 ara, 1 çıkış katmanı) oluşmuştur. Giriş katmanı 17 düğümden, ara katman 3 ve çıkış katmanı ise 2 düğümden oluşmaktadır. Şekil 2 de tasarlanan YSA yapısı görülebilmektedir. Şekil 2. Tasarlanan çok katmanlı ve geri beslemeli YSA yapısı Bu problemin çözümü için farklı 16 kavşakta 5230 taşıt video kamera ile gözlemlenmiş (2615 kabul, 2615 red), bu 1337

4 gözlemlerden rastgele seçilen 4000 (%76) taşıtın hareketi eğitilip, kalan 1230 (%24) taşıtın davranışı tahmin edilmeye çalışılmıştır. Giriş ve çıkış kodlamaları aşağıdaki şekilde yapılmış, sonuçlar tablo 1, 2 ve 3 te gösterilmiştir. Giriş verilerinin özellikleri; Kontrol tipi; DUR işaretli (1 0) DUR işaretli değil (0 1) Ana yoldaki dönüş manevraları; 3- Sol (1 0 0) 4- Düz (01 0) 5- Sağ (0 0 1) Tali yoldaki dönüş manevraları; 6- Sol (1 0 0) 7- Düz (01 0) 8- Sağ (0 0 1) Tali yoldaki kuyruklanma; 9- Kuyruklanma var (1 0) 10- Kuyruklanma yok (0 1) Taşıtın duruş tipi; 11- İstop etme (1 0) 12- İstop etmeme (0 1) Karşıdan taşıt gelme durumu; 13- Evet (1 0) 14- Hayır (0 1) Taşıt aralıkları; (sn) Ana yolda akım hızı (mil/sa) Servis süresi (sn) Çıkış verilerinin özellikleri Kabul (1 0) Red (0 1) Ağırlıklar; 0,3 ; 0,3 arasında ve rastgele, Aktivasyon fonksiyonu ; Sigmoid Öğrenme katsayısı; 0,85 Öğrenme oranı; 0,90 İterasyon sayısı; 10,000 Tablo 1. Çok Katmanlı-Geri Beslemeli YSA Modeli Hata Oranı Doğru tahmin sayısı Başarı % si (Toplam 1230 taşıt) 0, , ,3 0, ,7 0, ,9 0, ,5 Tablo 2 İkili Lojit Model Hata Oranı Doğru tahmin sayısı Başarı % si (Toplam 1230 taşıt) 0, ,7 0, ,1 0, ,6 0, ,2 0, ,3 1338

5 Tablo 3. Çok Katmanlı-Geri Beslemeli YSA Modeli ile İkili Lojit Model karşılaştırması Hata Oranı Başarı % si YSA Model Başarı % si Lojit Model Performans % si YSA-Lojit Model) 0, ,7 19,3 0,10 81,3 68,1 13,2 0,15 83,7 73,6 10,1 0,20 84,9 77,2 7,64 0,25 87,5 79,3 8,2 Tablo 3 ten de görülebileceği gibi Çok Katmanlı-Geri Beslemeli YSA Modeli sinyalize olmayan DUR kontrollü eşdüzey kavşaklardaki taşıt aralıkları için İkili Lojit Model e göre daha iyi sonuçlar vermektedir. YOGT (Yıllık Ortalama Günlük Trafik) Tahmini Bir yolun projelendirilmesi esnasında esas alınabilecek çeşitli trafik değerleri vardır. Bunlardan biri de Yıllık Ortalama Günlük Trafik (YOGT) değeridir. Bu trafik değeri yolun herhangi bir kesitinde bir yıl boyunca, iki yönde geçen toplam trafiğin 365 e bölünmesi ile elde edilir. YOGT değerinin belirlenmesi için aşağıdaki sayım metodları kullanılmaktadır (Tang ve diğ., 2003). Sürekli trafik sayımları (24 saat ve 365 günlük sayım verileri), Belirli aralıklı trafik sayımları (yılı belirli sezonlarında birkaç gün veya birkaç haftalık sayım verileri), Kısa süreli trafik sayımları (en az dört yıl boyunca 24 saatten uzun ve 72 saatten kısa sayım verileri) Sürekli trafik sayımları ile YOGT ve diğer trafik parametreleri doğru olarak saptanırken, belirli aralıklı veya kısa süreli trafik sayımları ile sadece YOGT ve diğer trafik parametreleri tahmin edilebilmektedir. Kırsal yollarda kısa süreli ve belirli aralıklı trafik sayımları ile YOGT tahminlerinin güvenilirliği oldukça düşük olmaktadır. Hong-Kong da kent içinde YOGT değerlerinin tesbiti için yılları arasında alınan YOGT değerleri YSA ile eğitilmiş ve 1999 yılının YOGT değerleri günlük %0,53 ve haftalık % 0,77 lik bir hata ile tahmin edilebilmiştir. Bu çalışmada; Çok katmanlı ve geri beslemeli YSA algoritması, Aktivasyon fonksiyonu olarak logaritmik sigmoid fonksiyonu, Hesaplar için Mat-lab 6.0 programı kullanılmış, İterasyon sayısı 1,000 Öğrenme oranı 0<λ<1 Öğrenme katsayısı 0<α<1 Tüm değerler 0 ile 1 arasında normalize edilmiş Ağırlıklar 0 dan rastgele başlatılmıştır. Söz konusu YSA yapısı Şekil 3 te görülebilmektedir. Şekil 3. YOGT tahmini için tasarlanan çok katmanlı ve geri beslemeli YSA yapısı 1339

6 Bu problemin YSA ile çözümü dışında; Box-Jenkins Metodu (ARIMA programı ile), Parametrik Olmayan Regresyon Metodu (NPR), Gaussian Maksimum Benzerlik Metodu (GML), ile de çözüm üretililmiş ve sonuçlar birbirleri ile karşılaştırılmıştır (Tablo 4). Tablo 4. Sonuçların karşılaştırılması; Model YOGT (Haftalık) YOGT (Günlük) Ort. Hata Ort. Hata % si Ort. Hata Ort. Hata % si ARIMA , ,95 NN 365 0, ,53 NPR 318 0, ,35 GML 258 0, ,18 Sonuçlardan da anlaşılacağı gibi en iyi sonucu Gaussian Maksimum Benzerlik Metodu (GML) vermektedir. Ancak YSA ile elde edilen çözüm de oldukça tatminkardır. Trafik Kaza Analizlerinin Yapılması Can ve mal kayıpları dikkate alındığında trafik güvenliği oldukça büyük bir öneme sahiptir. Trafik güvenliğinin sağlanabilmesi için ise trafik kazalarına etki eden faktörlerin belirlenerek iyi bir analiz süzgecinden geçirilmesi ve bu analizler sonuçlarına göre gerekli tedbirlerin alınması gerekmektedir. Bu amaçla 1996 ve 1997 yıllarında Amerikanın Florida Eyalet merkezi ve üç kırsal bölgede meydana gelen trafik kaza verileri toplanmıştır. Bu verilere göre 1996 yılında toplam 8493, 1997 yılında ise 9154 adet kaza meydana geldiği saptanmıştır. Kaza verilerinin değerlendirilmesi sonucunda trafik kazalarında etkin olan parametrelerin ise şunlar olduğu tesbit edilmiştir (tablo 5), (Abdel ve diğ, 2004). Tablo 5. Değişik sürücü, taşıt ve yol/çevre şartları için etkin kaza paramatreleri Sürücü Taşıt Yol / Çevre -Yaş -Cinsiyet -Alkol durumu -Emniyet kemeri -Tipi -Kaza hasar bölgesi (ön, arka, yan) -Hız oranı (maksimum hıza göre) -Kaza bölgesi (kırsal, kentiçi) -Aydınlatma durumu -Pik saat durumu -Hava şartları -Yol karakteri (aliyman, kurb) Yapılan çalışmaların amacı ise belirlenen parametrelere bağlı olarak meydana gelecek bir kazadaki sürücülerin ne tür (hasarsız, hafif, orta ve ağır/ölümcül) bir kazaya karışacağının tesbit edilmesidir. Kaza verileri çok katmanlı YSA (MLP), Fuzzy (ARTMAP) ve Probit (istatistiksel) Modeller ile değerlendirilerek sonuç alınmaya çalışılmış ve sonuçlar birbirleri ile karşılaştırılmıştır. YSA için 1997 yılının 9154 adet trafik kaza verisi egitilmiş ve 1996 yılına ait 8493 adet trafik kaza verisi ile test edilmiştir. YSA toplam 3 katmandan (1 giriş, 1ara, 1 çıkış) oluşmaktadır. Giriş katmanı 10, ara katman 15 ve çıkış katmanı ise toplam 4 adet düğümden oluşmaktadır (Şekil 4). Bu problemin çözümü için giriş ve çıkış kodlamaları şu şekilde yapılmıştır. 1340

7 Şekil 4. Kaza analizleri için tasarlanan çok katmanlı YSA yapısı Giriş verilerinin özellikleri; Sürücü; Sürücü yaşı (sayısal değer 0 ile 1 arasında normalize edilmiş) Cinsiyet (1 bayan, 0 erkek) Alkol durumu (1 alkollü, 0 alkolsüz) Emniyet kemeri (1 takılı değil, takılı) Araç Tipi ((1 0) otomobil, (0 1) yolcu aracı, (0 0) yük aracı) Kaza etki bölgesi (1 sürücü bölgesi, 0 diğer alanlar) Hız oranı (sayısal değer 0 ile 1 arasında normalize edilmiş ) Yol ve Çevre Şartları Bölge tipi (1 kırsal, 0 kent içi) Aydınlık durumu (1 aydınlık, 0 karanlık) Pik saat durumu (1 pik saat, 0 pik saat değil) Hava durumu (1 açık, 0 diğer) Yol durumu (1 kurp-eğri kısım, 0 düz) Çıkış verilerinin özellikleri; ( ) hasarsız, ( ) hafif, ( ) orta şiddetli, ( ) ağır/ölümcül kaza Yapılan hesaplar sonucunda; YSA (MLP) ile % 73,5 Fuzzy (ARTMAP) ile % 70,6 Probit Model ile % 61,7 lik bir doğruluk ile kaza verileri modellenebilmiştir. Otoyollarda Trafik Akım Tahmini ve Sınıflandırması 1994 yılında İtalya nın Milan kentinde bulunan bir otoyolda gözlemlenen 360,000 trafik kaydı arasından seçilen 2688 trafik akımı yardımı ile farklı araç, yol ve çevre koşullarına göre trafik akım miktarı ve trafik akım miktarı ve trafik akım hızı tahmin edilmeye çalışılmıştır. Tablo 6 da otoyol da etkili olan parametreler görülebilmektedir (Florio ve diğ., 1996). 1341

8 Tablo 6. Otoyol da etkili olan parametreler Etkili parametreler minimum maksimum Akım (araç/şerit) 0 6,000 Yoğunluk (araç/km) Hız (km/sa) Ağır araç % si Açıklık 1 (kapalı) 6 (açık) Görüş (m) 0 > 520 Hava durumu VMS (radar uyarısı) 0 (açık), 1 (yağmurlu), 2 (karlı-buzlu) 0 (yok), 1 (kaza), 2 (kuyruklanma), 3 (sis) Not : tüm değerler 0 ile 1 arasında normalize edilmiştir. Hesaplamalarda çok katmanlı ve geri beslemeli YSA algoritması kullanılmıştır. Bu algoritmada katman sayısı 3 (1 adet giriş, 1 adet ara ve 1 adet çıkış katmanı) olarak belirlenmiştir. Giriş katmanında 6, ara katmanda 4 ve çıkış katmanında ise 2 çıkış hücresi mevcuttur. Problemin çözümü için otoyolda gözlemlenen 360,000 trafik kayıdı arasından seçilen 2688 trafik akımının rastgele alınan 1344 adedi eğitilmiş ve kalan 1344 adedi ile test edilmiştir. Sözü edilen çok katmanlı geri beslemeli YSA algoritması şekil 5 te görülebilmektedir. Hesaplamalar sonucunda 0,01 lik ortalama hata için %7,6 lık bir hata ile trafik akımı ve trafik hızı tahmin edilebilmiştir. Şekil 5. Otoyollarda trafik akım ve hız tahmini için tasarlanan YSA modeli Kısmi Kapalı Yollarda Kapasite ve Kuyruklanma Tahmini Amerika nın Maryland eyaletinde 67 kısmi kapalı yol üzerinde 11 etkili faktör dikkate alınarak RBF ağları ve Talep modelleri vasıtasıyla bu yollardaki kapasite ve kuyruklanma tahminleri yapılabilmiştir. Şekil 6 da bir kısmi kapalı yol ve trafik akım hareketleri ve getirilen çözümler ile şekil 7 de ise tasarlanan RBF modeli görülebilmektedir (Karim ve diğ., 2003). Şeritlerin birleştirilmesi Şeritlerin kaydırılması Şekil 6. Kısmi kapalı yol ve trafik akım hareketleri ve getirilen çözümler Şeritlerin ayrımı 1342

9 Kısmi kapalı yollarda gözönüne alınan faktörle sırası ile; X1 = Şerit sayısı X2 = Açık şerit sayısı X3 = Çalışma alanına getirilen çözümler (Şeritlerin birleştirilmesi 0,1; Şeritlerin kaydırılması 0,5; Şeritlerin ayrımı 0,9) X4 = Yolun kapalı kısmının uzunluğu X5 = Şerit genişliği X6 = Ağır taşıt % si X7 = Eğim (%) X8 = Kısmi kapalı yoldaki hız (km/sa) X9 = Yolun kapalı bölgesinin yoğunluğu (az 0,1; orta;0,5; çok yoğun 0,9) X10 = Ayınlatma durumu (0-1arası; 1 en aydınlık durum) X11 = Kavşak etkisi (var 1; yok 0) Şekil 7. Kapasite tahmini için RBF modeli Çalışmada 67 kısmi kapalı yoldan 40 adedi eğitilerek kalan 27 yol için kapasite değerleri tahmin edilmeye çalışılmıştır. Transfer fonksiyonu olarak Gauss transfer fonksiyonu kullanılmıştır. Trafik talep modeli ile trafik talebi bulunmuş, bulunan kapasite ve trafik talebi yardımı ile kuyruklanma uzunlukları ve kuyruklanma gecikmeleri tahmin edilmiştir. Sonuçlar Yapay sinir ağları insan beyninin en temel özelliği olan öğrenme fonksiyonlarını örnekler yardımı ile gerçekleştiren ve daha sonra çevreden gelen olaylara karşı nasıl tepkiler gösterileceğini belirleyen bilgisayar sistemleri oldukları düşünüldüğünde matematiksel olarak fomülüze edilemeyen veya çözümü mümkün olmayan problemlerin çözümünde başarılı bir şekilde uygulanmaktadır. Bilgisayarların öğrenmesine dayalı bu sistemler 1990 lı yıllardan itibaren birçok alanda olduğu gibi ulaştırma alanındada kullanılmaya başlanmış ve özellikle ulaşım planlaması, yol üstyapısın dizayn, bakım ve onarımı, ulaşım sistemlerinin işletilmesi, ulaşım parametrelerinin tahmini ve trafik mühendisliği problemlerinin çözümünde başarılı sonuçlar elde edilmiştir. 1343

10 Ulaştırma mühendisliği problemlerinin; yol, insan, araç ve çevre şartları gibi matematiksel olarak ifade edilemeyen faktörlerden etkilendiği ve bilgisayar teknolojisindeki gelişmeler dikkate alındığında yakın gelecekte yapay sinir ağları tekniği ile çok farklı ulaştırma mühendisliği problemlerine daha hızlı ve güvenilir çözümler üreteceği düşünülmektedir. KAYNAKLAR 1. ÖZTEMEL E. Yapay Sinir Ağları, 1. Baskı, Papatya Yayıncılık, İstanbul, 2003, CALLAN R., The Essence of Neural Networks, First Published, Prentice Hall Europe, Bristol, 1999, FAGHRI A., MARTINELLI D., DEMETSKY M.J., Artificial Neural Networks for Civil Engineers: Fundamentals and Applications, ASCE, 1997, FLORIO L., MUSSONE L., Neural Network Models for Classification and Forecasting of Freeway Traffic Flow Stability Control Eng. Practice, Vol. 4, No. 2, , ABDEL-ATY M.A., ABDELWAHAB H.T., Prediction Injury Severity Levels in Traffic Crashes: A Modeling Comparison, Journal of Transportation Engineering, 130, 2, , TANG Y.F., LAM, H.K.W., PAN L.G., Comparison of Four Modeling Techniques for Short-Term AADT Forecasting in Hong Kong, Journal of Transportation Engineering, 129, 3, , PANT P.D., BALAKRISHNAN P., Neural Network for Gap Acceptance at Stop-Controlled Intersection, Journal of Transportation Engineering, 120, 3, , KARIM A., ADELI H., Radial Basis Function Neural Network for Work Zone Capacity and Queue Estimation, Journal of Transportation Engineering, 129, 5, ,

ÇİMENTO BASMA DAYANIMI TAHMİNİ İÇİN YAPAY SİNİR AĞI MODELİ

ÇİMENTO BASMA DAYANIMI TAHMİNİ İÇİN YAPAY SİNİR AĞI MODELİ ÇİMENTO BASMA DAYANIMI TAHMİNİ İÇİN YAPAY SİNİR AĞI MODELİ Ezgi Özkara a, Hatice Yanıkoğlu a, Mehmet Yüceer a, * a* İnönü Üniversitesi Mühendislik Fakültesi Kimya Mühendisliği Bölümü, Malatya, 44280 myuceer@inonu.edu.tr

Detaylı

Yapay Sinir Ağları. (Artificial Neural Networks) DOÇ. DR. ERSAN KABALCI

Yapay Sinir Ağları. (Artificial Neural Networks) DOÇ. DR. ERSAN KABALCI Yapay Sinir Ağları (Artificial Neural Networks) J E O L O J İ M Ü H E N D İ S L İ Ğ İ A. B. D. E S N E K H E S A P L A M A Y Ö N T E M L E R İ - I DOÇ. DR. ERSAN KABALCI Yapay Sinir Ağları Tarihçe Biyolojik

Detaylı

YAPAY SİNİR AĞLARI. Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ

YAPAY SİNİR AĞLARI. Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ YAPAY SİNİR AĞLARI Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ İÇERİK Sinir Hücreleri Yapay Sinir Ağları Yapısı Elemanları Çalışması Modelleri Yapılarına Göre Öğrenme Algoritmalarına Göre Avantaj ve

Detaylı

BOĞAZ KÖPRÜSÜ YOLUNA KATILIM NOKTALARINDA TRAFİK AKIMLARININ BULANIK MANTIK YAKLAŞIMI İLE KONTROLÜ VE BİR UYGULAMA ÖRNEĞİ

BOĞAZ KÖPRÜSÜ YOLUNA KATILIM NOKTALARINDA TRAFİK AKIMLARININ BULANIK MANTIK YAKLAŞIMI İLE KONTROLÜ VE BİR UYGULAMA ÖRNEĞİ BOĞAZ KÖPRÜSÜ YOLUNA KATILIM NOKTALARINDA TRAFİK AKIMLARININ BULANIK MANTIK YAKLAŞIMI İLE KONTROLÜ VE BİR UYGULAMA ÖRNEĞİ Vedat TOPUZ 1 Ahmet AKBAŞ 2 Mehmet TEKTAŞ 3 1,2,3 Marmara Üniversitesi, Teknik

Detaylı

ESTIMATION OF EFFLUENT PARAMETERS AND EFFICIENCY FOR ADAPAZARI URBAN WASTEWATER TREATMENT PLANT BY ARTIFICIAL NEURAL NETWORK

ESTIMATION OF EFFLUENT PARAMETERS AND EFFICIENCY FOR ADAPAZARI URBAN WASTEWATER TREATMENT PLANT BY ARTIFICIAL NEURAL NETWORK ESTIMATION OF EFFLUENT PARAMETERS AND EFFICIENCY FOR ADAPAZARI URBAN WASTEWATER TREATMENT PLANT BY ARTIFICIAL NEURAL NETWORK ADAPAZARI KENTSEL ATIKSU ARITMA TESĐSĐ ÇIKIŞ SUYU PARAMETRELERĐ VE VERĐM DEĞERLERĐNĐN

Detaylı

TUĞLA VE KİREMİT FABRİKALARININ HAVA KİRLİLİĞİNE KATKILARININ YAPAY SİNİR AĞI MODELLEMESİ İLE ARAŞTIRILMASI

TUĞLA VE KİREMİT FABRİKALARININ HAVA KİRLİLİĞİNE KATKILARININ YAPAY SİNİR AĞI MODELLEMESİ İLE ARAŞTIRILMASI TUĞLA VE KİREMİT FABRİKALARININ HAVA KİRLİLİĞİNE KATKILARININ YAPAY SİNİR AĞI MODELLEMESİ İLE ARAŞTIRILMASI Merve ARABACI a, Miray BAYRAM a, Mehmet YÜCEER b, Erdal KARADURMUŞ a a Hitit Üniversitesi, Mühendislik

Detaylı

BAŞKENT ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ BENZER SÜREÇLERDE ÜRETİLEN ÜRÜNLER İÇİN YAPAY ZEKA İLE ZAMAN TAHMİNİ SONER ŞÜKRÜ ALTIN

BAŞKENT ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ BENZER SÜREÇLERDE ÜRETİLEN ÜRÜNLER İÇİN YAPAY ZEKA İLE ZAMAN TAHMİNİ SONER ŞÜKRÜ ALTIN BAŞKENT ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ BENZER SÜREÇLERDE ÜRETİLEN ÜRÜNLER İÇİN YAPAY ZEKA İLE ZAMAN TAHMİNİ SONER ŞÜKRÜ ALTIN YÜKSEK LİSANS TEZİ 2011 BENZER SÜREÇLERDE ÜRETİLEN ÜRÜNLER İÇİN YAPAY

Detaylı

YAPAY SĠNĠR AĞLARININ EKONOMĠK TAHMĠNLERDE KULLANILMASI

YAPAY SĠNĠR AĞLARININ EKONOMĠK TAHMĠNLERDE KULLANILMASI P A M U K K A L E Ü N İ V E R S İ T E S İ M Ü H E N D İ S L İ K F A K Ü L T E S İ P A M U K K A L E U N I V E R S I T Y E N G I N E E R I N G C O L L E G E M Ü H E N D ĠS L ĠK B ĠL ĠM L E R ĠD E R G ĠS

Detaylı

YOLCULUK YARATIMININ YAPAY SİNİR AĞLARI İLE MODELLENMESİ MODELLING OF THE TRIP GENERATION WITH ARTIFICIAL NEURAL NETWORK

YOLCULUK YARATIMININ YAPAY SİNİR AĞLARI İLE MODELLENMESİ MODELLING OF THE TRIP GENERATION WITH ARTIFICIAL NEURAL NETWORK YOLCULUK YARATIMININ YAPAY SİNİR AĞLARI İLE MODELLENMESİ * Nuran BAĞIRGAN 1, Muhammet Mahir YENİCE 2 1 Dumlupınar Üniversitesi, Mühendislik Fakültesi, İnşaat Mühendisliği Bölümü, Kütahya, nbagirgan@dumlupinar.edu.tr

Detaylı

MİKROŞERİT HAT ENDÜKTANS BÜYÜKLÜĞÜNÜN BİLGİ TABANLI YAPAY SİNİR AĞLARI ile MODELLENMESİ

MİKROŞERİT HAT ENDÜKTANS BÜYÜKLÜĞÜNÜN BİLGİ TABANLI YAPAY SİNİR AĞLARI ile MODELLENMESİ MİKROŞERİT HAT ENDÜKTANS BÜYÜKLÜĞÜNÜN BİLGİ TABANLI YAPAY SİNİR AĞLARI ile MODELLENMESİ Levent AKSOY e-posta: levent@ehb.itu.edu.tr Neslihan Serap ŞENGÖR e-posta: neslihan@ehb.itu.edu.tr Elektronik ve

Detaylı

Passensafe (Özet) 2014 Google Bilim Fuarı. Eren BOZARIK

Passensafe (Özet) 2014 Google Bilim Fuarı. Eren BOZARIK Passensafe (Özet) 2014 Google Bilim Fuarı Eren BOZARIK 1.Passensafe in amacı nedir? Trafik kazalarında emniyet kemeri kullanmamanın ve yolda uyumanın getirdiği ölümler, hastalıkların getirdiği ölümlerle

Detaylı

PSM 11 PEM YAKIT HÜCRELERİNİN YAPAY SİNİR AĞLARI İLE MODELLENMESİ

PSM 11 PEM YAKIT HÜCRELERİNİN YAPAY SİNİR AĞLARI İLE MODELLENMESİ PSM 11 PEM YAKIT HÜCRELERİNİN YAPAY SİNİR AĞLARI İLE MODELLENMESİ U. Özveren 2, S. Dinçer 1 1 Yıldız Teknik Üniversitesi, Kimya Müh. Bölümü, Davutpaşa Kampüsü, 34210 Esenler / İstanbul e-posta: dincer@yildiz.edu.tr

Detaylı

Türkiyede ki İş Kazalarının Yapay Sinir Ağları ile 2025 Yılına Kadar Tahmini

Türkiyede ki İş Kazalarının Yapay Sinir Ağları ile 2025 Yılına Kadar Tahmini International Journal of Engineering Research and Development, Vol.4, No., January 202 46 Türkiyede ki İş Kazalarının Yapay Sinir Ağları ile 2025 Yılına Kadar Tahmini Hüseyin Ceylan ve Murat Avan Kırıkkale

Detaylı

Çözümleri ADAPTİF TRAFİK YÖNETİM SİSTEMİ (ATAK) İSBAK A.Ş., İstanbul Büyükşehir Belediyesi iştirakidir.

Çözümleri ADAPTİF TRAFİK YÖNETİM SİSTEMİ (ATAK) İSBAK A.Ş., İstanbul Büyükşehir Belediyesi iştirakidir. Çözümleri ADAPTİF TRAFİK YÖNETİM SİSTEMİ (ATAK) İSBAK A.Ş., İstanbul Büyükşehir Belediyesi iştirakidir. Adaptif Trafik Yönetim Sistemi (ATAK) Adaptif Trafik Yönetim Sistemi (ATAK); bir yol ağındaki ortalama

Detaylı

TORNALAMA İŞLEMİNDE KESME KUVVETLERİNİN VE TAKIM UCU SICAKLIĞININ YAPAY SİNİR AĞI İLE TAHMİN EDİLMESİ

TORNALAMA İŞLEMİNDE KESME KUVVETLERİNİN VE TAKIM UCU SICAKLIĞININ YAPAY SİNİR AĞI İLE TAHMİN EDİLMESİ 5. Uluslararası İleri Teknolojiler Sempozyumu (IATS 09), 13-15 Mayıs 009, Karabük, Türkiye TORNALAMA İŞLEMİNDE KESME KUVVETLERİNİN VE TAKIM UCU SICAKLIĞININ YAPAY SİNİR AĞI İLE TAHMİN EDİLMESİ PREDICTION

Detaylı

Karaciğerde Oluşan Hastalıkların Tespitinde Makine Öğrenmesi Yöntemlerinin Kullanılması

Karaciğerde Oluşan Hastalıkların Tespitinde Makine Öğrenmesi Yöntemlerinin Kullanılması Karaciğerde Oluşan Hastalıkların Tespitinde Makine Öğrenmesi Yöntemlerinin Kullanılması 1 Emre DANDIL Bilecik Ş. Edebali Üniversitesi emre.dandil@bilecik.edu.tr +90228 214 1613 Sunum İçeriği Özet Giriş

Detaylı

Bölünmüş yollar Otoyollar

Bölünmüş yollar Otoyollar Bölünmüş yollar Otoyollar Kapasite Analizleriyle Geometrik Standartların Değerlendirilmesi İçin Bir Yaklaşım 1 1 Verilen bu format; Ön Proje Raporu, Trafik Erişim Yönetim Raporu, Trafik Güvenliği Raporu

Detaylı

Zeki Optimizasyon Teknikleri

Zeki Optimizasyon Teknikleri Zeki Optimizasyon Teknikleri Yapay Sinir Ağları (Artificial Neural Network) Doç.Dr. M. Ali Akcayol Yapay Sinir Ağları Biyolojik sinir sisteminden esinlenerek ortaya çıkmıştır. İnsan beyninin öğrenme, eski

Detaylı

İç Basınç Altında İnce Cidarlı Kabukların Yapay Sinir Ağları ile Çözümü

İç Basınç Altında İnce Cidarlı Kabukların Yapay Sinir Ağları ile Çözümü Süleyman Demirel Üniversitesi, Fen Bilimleri Enstitüsü Dergisi, 10-3 (006),447-451 İç Basınç Altında İnce Cidarlı Kabukların Yapay Sinir Ağları ile Çözümü Ömer KELEŞOĞLU, Adem FIRAT Fırat Üniversitesi,

Detaylı

OSPF PROTOKOLÜNÜ KULLANAN ROUTER LARIN MALİYET BİLGİSİNİN BULANIK MANTIKLA BELİRLENMESİ

OSPF PROTOKOLÜNÜ KULLANAN ROUTER LARIN MALİYET BİLGİSİNİN BULANIK MANTIKLA BELİRLENMESİ OSPF PROTOKOLÜNÜ KULLANAN ROUTER LARIN MALİYET BİLGİSİNİN BULANIK MANTIKLA BELİRLENMESİ Resul KARA Elektronik ve Bilgisayar Eğitimi Bölümü Teknik Eğitim Fakültesi Abant İzzet Baysal Üniversitesi, 81100,

Detaylı

KÜTAHYA İLİNİN YAPAY SİNİR AĞLARI KULLANILARAK ELEKTRİK PUANT YÜK TAHMİNİ

KÜTAHYA İLİNİN YAPAY SİNİR AĞLARI KULLANILARAK ELEKTRİK PUANT YÜK TAHMİNİ ELECTRICAL PEAK LOAD FORECASTING IN KÜTAHYA WITH ARTIFICIAL NEURAL NETWORKS. Y. ASLAN * & C. YAŞAR * & A. NALBANT * * Elektrik-Elektronik Mühendisliği Bölümü, Mühendislik Fakültesi Dumlupınar Üniversitesi,

Detaylı

ZAMAN SERİSİ ANALİZİNDE MLP YAPAY SİNİR AĞLARI VE ARIMA MODELİNİN KARŞILAŞTIRILMASI

ZAMAN SERİSİ ANALİZİNDE MLP YAPAY SİNİR AĞLARI VE ARIMA MODELİNİN KARŞILAŞTIRILMASI ZAMAN SERİSİ ANALİZİNDE MLP YAPAY SİNİR AĞLARI VE ARIMA MODELİNİN KARŞILAŞTIRILMASI Oğuz KAYNAR * Serkan TAŞTAN ** ÖZ Bu çalışmada zaman serisi analizinde yaygın olarak kullanılan Box-Jenkis modelleri

Detaylı

Geriye Yayılım ve Levenberg Marquardt Algoritmalarının YSA Eğitimlerindeki Başarımlarının Dinamik Sistemler Üzerindeki Başarımı. Mehmet Ali Çavuşlu

Geriye Yayılım ve Levenberg Marquardt Algoritmalarının YSA Eğitimlerindeki Başarımlarının Dinamik Sistemler Üzerindeki Başarımı. Mehmet Ali Çavuşlu Geriye Yayılım ve Levenberg Marquardt Algoritmalarının YSA Eğitimlerindeki Başarımlarının Dinamik Sistemler Üzerindeki Başarımı Mehmet Ali Çavuşlu Özet Yapay sinir ağlarının eğitiminde genellikle geriye

Detaylı

Trafik Sinyalizasyonu. Prof.Dr.Mustafa KARAŞAHİN

Trafik Sinyalizasyonu. Prof.Dr.Mustafa KARAŞAHİN Trafik Sinyalizasyonu Prof.Dr.Mustafa KARAŞAHİN Trafik Sinyalizasyonun Amacı ve Avantajları a)kesişen akımlardan veya geometrik özelliklerden dolayı oluşan gecikme, sıkışıklık ve tıkanıklıkları önlemek,

Detaylı

PROF. DR. TURGUT ÖZDEMİR BİLİMSEL ÇALIŞMA VE YAYIN LİSTESİ. 1- Kırsal Planlama ve Kırsal Planlamada Ulaşım Ağı Optimizasyonu

PROF. DR. TURGUT ÖZDEMİR BİLİMSEL ÇALIŞMA VE YAYIN LİSTESİ. 1- Kırsal Planlama ve Kırsal Planlamada Ulaşım Ağı Optimizasyonu PROF. DR. TURGUT ÖZDEMİR BİLİMSEL ÇALIŞMA VE YAYIN LİSTESİ 1- Kırsal Planlama ve Kırsal Planlamada Ulaşım Ağı Optimizasyonu (T. İnşa Dergisi, S.37, Aralık 1984, 3 Sayfa, Ankara). 2- Kırsal Planlama - Arazi

Detaylı

Hız, Seyir Süresi ve Gecikmeler. Prof.Dr.Mustafa KARAŞAHİN

Hız, Seyir Süresi ve Gecikmeler. Prof.Dr.Mustafa KARAŞAHİN Hız, Seyir Süresi ve Gecikmeler Prof.Dr.Mustafa KARAŞAHİN Hız, Seyir Süresi ve Gecikme Karayolu altyapısı ve trafik işletme modelinin performansının göstergesidir. Genellikle, sürücüler veya yolcular A

Detaylı

THE ANALYSES OF THIN WALLED TUBES BY USING ARTIFICIAL NEURAL NETWORK

THE ANALYSES OF THIN WALLED TUBES BY USING ARTIFICIAL NEURAL NETWORK Niğde Üniversitesi Mühendislik Bilimleri Dergisi, Cilt 6 Sayı 1-2, (2002), 45-54 İNCE CİDARLI ÜP SİSEMLERİN YAPAY SİNİR AĞLARI İLE ANALİZİ Ömer KELEŞOĞLU *, Adem FIRA ÖZE Bu çalışmada, tüp sistemlerin

Detaylı

Gürültü kaynağı verileri (2) - karayolları

Gürültü kaynağı verileri (2) - karayolları Çevresel Gürültü Direktinin Uygulama Kapasitesi için Teknik Yardım Projesi Technical Assistance for Implementation Capacity for the Environmental Noise Directive Gürültü kaynağı verileri (2) - karayolları

Detaylı

Kod numarası tek olanlar güz dönemi, çift olanlar bahar dönemi derslerini belirtmektedir.

Kod numarası tek olanlar güz dönemi, çift olanlar bahar dönemi derslerini belirtmektedir. Kod numarası tek olanlar güz dönemi, çift olanlar bahar dönemi derslerini belirtmektedir. İNŞAAT MÜHENDİSLİĞİ YÜKSEK LİSANS DERSLERİ Sıra 1 İMÜ 510 Beton Katkı Maddeleri 2 İMÜ 511 Hafif İnşaat Malzemeleri

Detaylı

ÇATI DÖŞEMESİNDE MEYDANA GELEN YOĞUŞMA VE BUHARLAŞMA KÜTLELERİNİN YAPAY SİNİR AĞLARI İLE TAHMİN EDİLMESİ

ÇATI DÖŞEMESİNDE MEYDANA GELEN YOĞUŞMA VE BUHARLAŞMA KÜTLELERİNİN YAPAY SİNİR AĞLARI İLE TAHMİN EDİLMESİ S.Ü. Müh.-Mim. Fak. Derg., c.21, s.1-2, 2006 J. Fac.Eng.Arch. Selcuk Univ., v.21, n.1-2, 2006 ÇATI DÖŞEMESİNDE MEYDANA GELEN YOĞUŞMA VE BUHARLAŞMA KÜTLELERİNİN YAPAY SİNİR AĞLARI İLE TAHMİN EDİLMESİ Ömer

Detaylı

T.C. KIRIKKALE ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ YAPAY SİNİR AĞLARI. Doç.Dr. Necaattin BARIŞÇI FİNAL PROJESİ

T.C. KIRIKKALE ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ YAPAY SİNİR AĞLARI. Doç.Dr. Necaattin BARIŞÇI FİNAL PROJESİ T.C. KIRIKKALE ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ YAPAY SİNİR AĞLARI Doç.Dr. Necaattin BARIŞÇI YAPAY SİNİR AĞLARI İLE KORONER ARTER HASTALIĞI RİSK Öğrenci : SİNEM ÖZDER Numarası : 118229001004

Detaylı

Çözümleri TRAFİK MÜHENDİSLİĞİ. İSBAK A.Ş., İstanbul Büyükşehir Belediyesi iştirakidir.

Çözümleri TRAFİK MÜHENDİSLİĞİ. İSBAK A.Ş., İstanbul Büyükşehir Belediyesi iştirakidir. Çözümleri TRAFİK MÜHENDİSLİĞİ İSBAK A.Ş., İstanbul Büyükşehir Belediyesi iştirakidir. Trafik Mühendisliği İnsan-araç ve yol üçgeninde ulaşım çalışmalarının ve yatırımlarının temelini; planlama, projelendirme

Detaylı

YÖK TEZLERİ PROJE KELİME TARAMASI

YÖK TEZLERİ PROJE KELİME TARAMASI YÖK TEZLERİ PROJE KELİME TARAMASI YÖK Tezleri Proje Kelimesi Taraması Sonuçları Toplam Çalışma Sayısı 1833 İncelenen 1673 İlgisiz 372 Toplam İncelenen 1301 X Projesi 720 Proje Yönetimi 123 Yatırım Projeleri

Detaylı

BİLGİSAYAR DESTEKLİ ORMAN YOLU PLANLAMA MODELİ

BİLGİSAYAR DESTEKLİ ORMAN YOLU PLANLAMA MODELİ BİLGİSAYAR DESTEKLİ ORMAN YOLU PLANLAMA MODELİ Yrd.Doç.Dr..Dr. Abdullah E. Akay KSÜ Orman Fakültesi Orman MühendisliM hendisliği i BölümüB Orman İnşaatı,, Jeodezi ve Fotogrametri ABD Kahramanmaraş Kasım

Detaylı

SÜREKLİ DOĞAL GERİLİM VERİLERİNİN YAPAY SİNİR AĞLARI İLE DEĞERLENDİRİLMESİ, DEPREM ve YAĞIŞLARLA İLİŞKİSİ

SÜREKLİ DOĞAL GERİLİM VERİLERİNİN YAPAY SİNİR AĞLARI İLE DEĞERLENDİRİLMESİ, DEPREM ve YAĞIŞLARLA İLİŞKİSİ SÜREKLİ DOĞAL GERİLİM VERİLERİNİN YAPAY SİNİR AĞLARI İLE DEĞERLENDİRİLMESİ, DEPREM ve YAĞIŞLARLA İLİŞKİSİ ÖZET: Petek SINDIRGI 1 ve İlknur KAFTAN 2 1 Yardımcı Doçent Dr. Jeofizik Müh. Bölümü, Dokuz Eylül

Detaylı

ÂLÂN ANALİZİ YÖNTEMİ ELE KAZALARIN GERÇEK NEDENLERİNİN SAPTANMASI

ÂLÂN ANALİZİ YÖNTEMİ ELE KAZALARIN GERÇEK NEDENLERİNİN SAPTANMASI ÂLÂN ANALİZİ YÖNTEMİ ELE KAZALARIN GERÇEK NEDENLERİNİN SAPTANMASI * Dr. N. CAMKESEN, * Prof. Dr. Z. BAYRAKDAR ÖZET Yapılan tüm uygulamalara rağmen, trafik kazaları, artan boyutlarda ülke gündeminin değişmez

Detaylı

ELEKTRİK DAĞITIM ŞEBEKELERİNDE TALEP TAHMİNİ

ELEKTRİK DAĞITIM ŞEBEKELERİNDE TALEP TAHMİNİ 1 45 89 133 177 221 265 309 353 397 441 485 529 573 617 661 705 GW MW ELEKTRİK DAĞITIM ŞEBEKELERİNDE TALEP TAHMİNİ Mehmet ÖZEN 1 e-posta: ozenmehmet.92@gmail.com Ömer GÜL 1 e-posta: enerjikalitesi@gmail.com

Detaylı

İSTATİKSEL NORMALİZASYON TEKNİKLERİNİN YAPAY SİNİR AĞIN PERFORMANSINA ETKİSİ

İSTATİKSEL NORMALİZASYON TEKNİKLERİNİN YAPAY SİNİR AĞIN PERFORMANSINA ETKİSİ İSTATİKSEL NORMALİZASYON TEKNİKLERİNİN YAPAY SİNİR AĞIN PERFORMANSINA ETKİSİ Selahattin YAVUZ * Muhammet DEVECİ ** ÖZ Son yıllarda, yapay sinir ağları pek çok alanda uygulanan ve üzerinde en çok araştırma

Detaylı

Bir Plansızlık Örneği: Deniz Kenti İstanbul da Denizin Ulaşımdaki Payının İrdelenmesi

Bir Plansızlık Örneği: Deniz Kenti İstanbul da Denizin Ulaşımdaki Payının İrdelenmesi TMMOB Gemi Mühendisleri Odası Gemi Mühendisliği Haftası 2015 10 11 Aralık 2015 Bir Plansızlık Örneği: Deniz Kenti İstanbul da Denizin Ulaşımdaki Payının İrdelenmesi İsmail Şahin Yıldız Teknik Üniversitesi

Detaylı

Yrd.Doç. Dr. Tülin ÇETİN

Yrd.Doç. Dr. Tülin ÇETİN Yrd.Doç. Dr. Tülin ÇETİN ÖĞRENİM DURUMU Derece Üniversite Bölüm / Program Lisans Ege Üniversitesi Bilgisayar Mühendisliği 1987-1992 Lisans Celal Bayar Üniversitesi İnşaat Mühendisliği 2001-2004 Y. Lisans

Detaylı

TMMOB İNŞAAT MÜHENDİSLERİ ODASI İZMİR ŞUBESİ

TMMOB İNŞAAT MÜHENDİSLERİ ODASI İZMİR ŞUBESİ TMMOB İNŞAAT MÜHENDİSLERİ ODASI İZMİR ŞUBESİ Kentsel ve Kent dışı Alanlarda Yaya Trafiği ve Sosyal Yaşam Olarak İnsan Yaşamında Önemli Yer Tutan Hemzemin Geçitler Trafik Güvenliği olarak en tehlikesiz

Detaylı

KARAYOLLARI İŞARETLEME TALİMATI

KARAYOLLARI İŞARETLEME TALİMATI 1. AMAÇ Yol çalışmalarında trafik işaretlemelerinin yapılması ve doğabilecek olan risklerin önlenmesidir. 2. UYGULAMA 2.1. Sahada çalışmalarda aşağıdaki kuralların uygulanması şarttır. 2.2. Ayrıca trafik

Detaylı

İleri Trafik Mühendisliği (CE 535) Ders Detayları

İleri Trafik Mühendisliği (CE 535) Ders Detayları İleri Trafik Mühendisliği (CE 535) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Uygulama Saati Saati Laboratuar Saati Kredi AKTS İleri Trafik Mühendisliği CE 535 Güz 3 0 0 3 7.5 Ön Koşul Ders(ler)i Bulunmuyor

Detaylı

Fatih Kölmek. ICCI 2012-18.Uluslararası Enerji ve Çevre Fuarı ve Konferansı 25 Nisan 2012, İstanbul, Türkiye

Fatih Kölmek. ICCI 2012-18.Uluslararası Enerji ve Çevre Fuarı ve Konferansı 25 Nisan 2012, İstanbul, Türkiye Fatih Kölmek ICCI 2012-18.Uluslararası Enerji ve Çevre Fuarı ve Konferansı 25 Nisan 2012, İstanbul, Türkiye Türkiye Elektrik Piyasası Dengeleme ve Uzlaştırma Mekanizması Fiyat Tahmin Modelleri Yapay Sinir

Detaylı

SAKARYA ULAŞIM ANA PLANI

SAKARYA ULAŞIM ANA PLANI VE ÖNCELİKLİ TOPLU TAŞIMA SİSTEMLERİ PROJELERİNİN HAZIRLANMASI SAKARYA ULAŞIM ANA PLANI ULAŞIM DAİRE BAŞKANLIĞI UKOME ŞUBE MÜDÜRLÜĞÜ EYLÜL, 2012 VE ÖNCELİKLİ TOPLU TAŞIMA SİSTEMLERİ PROJELERİNİN HAZIRLANMASI

Detaylı

Yapay Zeka Teknikleri ve Yapay Sinir Ağları Kullanılarak Web Sayfalarının Sınıflandırılması

Yapay Zeka Teknikleri ve Yapay Sinir Ağları Kullanılarak Web Sayfalarının Sınıflandırılması Yapay Zeka Teknikleri ve Yapay Sinir Ağları Kullanılarak Web Sayfalarının Sınıflandırılması Yrd.Doç.Dr. Aybars Uğur, Ahmet Cumhur Kınacı Ege Üniversitesi, Bilgisayar Mühendisliği Bölümü aybars.ugur@ege.edu.tr,

Detaylı

Zeki Optimizasyon Teknikleri

Zeki Optimizasyon Teknikleri Zeki Optimizasyon Teknikleri Tabu Arama (Tabu Search) Doç.Dr. M. Ali Akcayol Tabu Arama 1986 yılında Glover tarafından geliştirilmiştir. Lokal minimum u elimine edebilir ve global minimum u bulur. Değerlendirme

Detaylı

Çok katmanlı ileri sürümlü YSA da standart geri yayıyım ve momentum geri yayılım algoritmalarının karşılaştırılması. (Eğitim/Hata geri yayılım)

Çok katmanlı ileri sürümlü YSA da standart geri yayıyım ve momentum geri yayılım algoritmalarının karşılaştırılması. (Eğitim/Hata geri yayılım) Çok katmanlı ileri sürümlü YSA da standart geri yayıyım ve momentum geri yayılım algoritmalarının karşılaştırılması (Eğitim/Hata geri yayılım) Özetçe Bu çalışmada çok katmanlı ve ileri sürümlü bir YSA

Detaylı

ULAŞIM AĞLARI VERİ ALTYAPISI

ULAŞIM AĞLARI VERİ ALTYAPISI TMMOB Harita ve Kadastro Mühendisleri Odası 13. Türkiye Harita Bilimsel ve Teknik Kurultayı 18 22 Nisan 2011, Ankara ULAŞIM AĞLARI VERİ ALTYAPISI Murat Güneri 1, Fatmagül Batuk 2 1 İstanbul Büyükşehir

Detaylı

Karayolu İnşaatı Çözümlü Örnek Problemler

Karayolu İnşaatı Çözümlü Örnek Problemler Karayolu İnşaatı Çözümlü Örnek Problemler 1. 70 km/sa hızla giden bir aracın emniyetle durabileceği mesafeyi bulunuz. Sürücünün intikal-reaksiyon süresi 2,0 saniye ve kayma-sürtünme katsayısı 0,45 alınacaktır.

Detaylı

ISSN : Hatay-Turkey YAPAY SİNİR AĞLARI YAKLAŞIMI İLE TAHTAKÖPRÜ BARAJINDAKİ AYLIK BUHARLAŞMA TAHMİNİ

ISSN : Hatay-Turkey YAPAY SİNİR AĞLARI YAKLAŞIMI İLE TAHTAKÖPRÜ BARAJINDAKİ AYLIK BUHARLAŞMA TAHMİNİ ISSN:136-3111 211, Volume: 6, Number: 1, Article Number: 1A132 Fatih Üneş ENGINEERING SCIENCES Hakan Varçin Received: October 21 Kazım Kadir Dindar Accepted: January 211 Mustafa Kemal University Series

Detaylı

Erdem Işık Accepted: January 2011. ISSN : 1308-7231 erdemis@firat.edu.tr 2010 www.newwsa.com Elazig-Turkey

Erdem Işık Accepted: January 2011. ISSN : 1308-7231 erdemis@firat.edu.tr 2010 www.newwsa.com Elazig-Turkey ISSN:1306-3111 e-journal of New World Sciences Academy 2011, Volume: 6, Number: 1, Article Number: 1A0140 ENGINEERING SCIENCES Received: October 2010 Erdem Işık Accepted: January 2011 Mustafa İnallı Series

Detaylı

Trafik Hacmi ve Özellikleri. Prof.Dr.Mustafa KARAŞAHİN

Trafik Hacmi ve Özellikleri. Prof.Dr.Mustafa KARAŞAHİN Trafik Hacmi ve Özellikleri Prof.Dr.Mustafa KARAŞAHİN Trafik Hacmi Nedir? Belli bir kesimden belirli bir sürede geçen araç ve yaya sayısıdır. Trafik Hacmi Çalışmaları Belli bir kesimdeki yol üzerinde hareket

Detaylı

Kentsel Yol Sınıflandırması Örnekleri 27 Şubat 2015, YTMK-Ankara. Kenan Kayacı

Kentsel Yol Sınıflandırması Örnekleri 27 Şubat 2015, YTMK-Ankara. Kenan Kayacı Kentsel Yol Sınıflandırması Örnekleri 27 Şubat 2015, YTMK-Ankara Kenan Kayacı Ulaşımın Temel İşlevleri Ulaştırma sistemlerinin temel işlevleri hareket erişim yaşam Karayollarının Üzerindeki İşlev ve Etkinliğe

Detaylı

Bir esnek üstyapı projesi hazırlanırken değerlendirilmesi gereken faktörler: - Trafik hacmi, - Dingil yükü, - Dingil yüklerinin tekrarlanma sayısı -

Bir esnek üstyapı projesi hazırlanırken değerlendirilmesi gereken faktörler: - Trafik hacmi, - Dingil yükü, - Dingil yüklerinin tekrarlanma sayısı - BÖLÜM 5. ESNEK ÜSTYAPILARIN PROJELENDİRİLMESİ Yeni bir yol üstyapısının projelendirilmesindeki amaç; proje süresi boyunca, üzerinden geçecek trafiği, büyük deformasyonlara ve çatlamalara maruz kalmadan,

Detaylı

YAPAY SİNİR AĞLARI İLE FİYAT TAHMİNLEMESİ

YAPAY SİNİR AĞLARI İLE FİYAT TAHMİNLEMESİ YAPAY SİNİR AĞLARI İLE FİYAT TAHMİNLEMESİ Elif ERDOĞAN Fatih Üniversitesi Ankara Meslek Yüksekokulu, Ostim /Ankara Öğretim Görevlisi eerdogan@fatih.edu.tr Hamide ÖZYÜREK Fatih Üniversitesi Ankara Meslek

Detaylı

KARAYOLU TASARIMI RAPORU. Ek 1. Kavşak Tipi Seçimi ile ilgili olarak Önerilen Esaslar

KARAYOLU TASARIMI RAPORU. Ek 1. Kavşak Tipi Seçimi ile ilgili olarak Önerilen Esaslar KARAYOLU TASARIMI RAPORU Kavşak Tipi Seçimi ile ilgili olarak Önerilen Esaslar Haziran 2000 İçindekiler Sayfa 1 Giriş 2 1.1 Amaç 2 1.2 Hemzemin kavģakların sınıflandırılması 2 1.3 Ġçerik 2 2 Önerilen seçim

Detaylı

2011 Third International Conference on Intelligent Human-Machine Systems and Cybernetics

2011 Third International Conference on Intelligent Human-Machine Systems and Cybernetics 2011 Third International Conference on Intelligent Human-Machine Systems and Cybernetics Özet: Bulanık bir denetleyici tasarlanırken karşılaşılan en önemli sıkıntı, bulanık giriş çıkış üyelik fonksiyonlarının

Detaylı

KARAYOLLARININ SINIFLANDIRILMASI KENT PLANLAMADA ULAŞIM

KARAYOLLARININ SINIFLANDIRILMASI KENT PLANLAMADA ULAŞIM KARAYOLLARININ SINIFLANDIRILMASI KENT PLANLAMADA ULAŞIM Karayollarının Sınıflandırılması Karayolları çeşitli kriterlere göre sınıflandırılmış; her yol sınıfının kendine has bazı geometrik özellikleri belirlenmiştir.

Detaylı

UTY nin esas amacı, yol ağını kullanan araç sayısını azaltırken, seyahat etmek isteyenlere de geniş hareketlilik imkanları sağlamaktır.

UTY nin esas amacı, yol ağını kullanan araç sayısını azaltırken, seyahat etmek isteyenlere de geniş hareketlilik imkanları sağlamaktır. ULAŞTIRMADA TALEP YÖNETİMİ (UTY) NEDİR? Basit olarak, UTY programları bir araçtaki kişi sayısını arttırarak ya da seyahat zamanını ya da ihtiyacını etkileyerek taşımacılık sistemlerinin hareket kazandırdığı

Detaylı

İSTATİSTİK VE OLASILIK SORULARI

İSTATİSTİK VE OLASILIK SORULARI İSTATİSTİK VE OLASILIK SORULARI SORU 1 Meryem, 7 arkadaşı ile bir voleybol maçına katılmayı planlamaktadır. Davet ettiği arkadaşlarından herhangi bir tanesinin EVET deme olasılığı 0,8 ise, en az 3 arkadaşının

Detaylı

Trafik Mühendisliğine Giriş. Prof.Dr.MustafaKARAŞAHİN

Trafik Mühendisliğine Giriş. Prof.Dr.MustafaKARAŞAHİN Trafik Mühendisliğine Giriş Prof.Dr.MustafaKARAŞAHİN Trafik Nedir? İnsanların ve/veya eşyaların bir yol boyunca hareketidir.? Trafik Problemi: Trafik miktarı ile yol kapasitesi arasındaki dengesizlik sonucu

Detaylı

Gevşek Hesaplama (COMPE 474) Ders Detayları

Gevşek Hesaplama (COMPE 474) Ders Detayları Gevşek Hesaplama (COMPE 474) Ders Detayları Ders Adı Gevşek Hesaplama Ders Kodu COMPE 474 Dönemi Ders Uygulama Laboratuar Kredi AKTS Saati Saati Saati Bahar 3 0 0 3 5 Ön Koşul Ders(ler)i Dersin Dili Dersin

Detaylı

4. KARAYOLU KAPASİTE ANALİZİNE GİRİŞ

4. KARAYOLU KAPASİTE ANALİZİNE GİRİŞ 4. KARAYOLU KAPASİTE ANALİZİNE GİRİŞ 4.1. Trafik Akımının Ana Elemanları Trafik akımının üç asal elemanı Hız Yoğunluk Hacim (veya akım oranı) olarak ele alınır. Bu üç asal elemanın arasında For. 3.1'deki

Detaylı

2.1 Bir Sınıfı Örneklerinden Öğrenme... 15 2.2 Vapnik-Chervonenkis (VC) Boyutu... 20 2.3 Olası Yaklaşık Doğru Öğrenme... 21

2.1 Bir Sınıfı Örneklerinden Öğrenme... 15 2.2 Vapnik-Chervonenkis (VC) Boyutu... 20 2.3 Olası Yaklaşık Doğru Öğrenme... 21 İçindekiler Önsöz İkinci Basım için Önsöz Türkçe Çeviri için Önsöz Gösterim xiii xv xvii xix 1 Giriş 1 1.1 Yapay Öğrenme Nedir?......................... 1 1.2 Yapay Öğrenme Uygulamalarına Örnekler...............

Detaylı

Hava Kirliliğine Neden Olan PM10 ve SO 2 Maddesinin Yapay Sinir Ağı Kullanılarak Tahmininin Yapılması ve Hata Oranının Hesaplanması

Hava Kirliliğine Neden Olan PM10 ve SO 2 Maddesinin Yapay Sinir Ağı Kullanılarak Tahmininin Yapılması ve Hata Oranının Hesaplanması Afyon Kocatepe Üniversitesi Fen ve Mühendislik Bilimleri Dergisi Afyon Kocatepe University Journal of Science and Engineering AKÜ FEMÜBİD XX (201X) xxxxxx (xx s) AKU J. Sci.Eng.XX (201X) xxxxxx (xx pp)

Detaylı

AĞIR TAŞIT TRAFİĞİNİN KARAYOLU GÜVENLİĞİNE ETKİSİNİN ARAŞTIRILMASI

AĞIR TAŞIT TRAFİĞİNİN KARAYOLU GÜVENLİĞİNE ETKİSİNİN ARAŞTIRILMASI AĞIR TAŞIT TRAFİĞİNİN KARAYOLU GÜVENLİĞİNE ETKİSİNİN ARAŞTIRILMASI TÜRE KİBAR, Funda 1, AYTAÇ, Bengi Pınar 1 ve ÇELİK, Fazıl 2 Her yıl binlerce insanın ölümü ve yaralanmasına neden olan trafik kazaları,

Detaylı

ÇORUM DİNAMİK KAVŞAK KONTROL SİSTEMİ UYGULAMASININ PERFORMANS ANALİZİ Şubat 2014

ÇORUM DİNAMİK KAVŞAK KONTROL SİSTEMİ UYGULAMASININ PERFORMANS ANALİZİ Şubat 2014 ÇORUM DİNAMİK KAVŞAK KONTROL SİSTEMİ UYGULAMASININ PERFORMANS ANALİZİ Şubat 014 Çorum da 6 kavşakta hayata geçirilen Dinamik Kavşak Kontrol Sistemi CHAOS TM ile kavşaklarda bekleme sürelerinin azaltılması

Detaylı

EÜFBED - Fen Bilimleri Enstitüsü Dergisi Cilt-Sayı: 3-2 Yıl: 2010 207-219

EÜFBED - Fen Bilimleri Enstitüsü Dergisi Cilt-Sayı: 3-2 Yıl: 2010 207-219 07 YAPAY SİNİR AĞLARI VE ÇOK DEĞİŞKENLİ İSTATİSTİK YÖNTEMLERLE TRAFİK KAZA MODELLEMESİ NEURAL NETWORKS AND MULTIVARIATE STATISTICAL METHODS IN TRAFFIC ACCIDENT MODELING ÖZET Halim Ferit BAYATA * ve Fatih

Detaylı

Çözümleri KONTROL MERKEZİ. İSBAK A.Ş., İstanbul Büyükşehir Belediyesi iştirakidir.

Çözümleri KONTROL MERKEZİ. İSBAK A.Ş., İstanbul Büyükşehir Belediyesi iştirakidir. Çözümleri KONTROL MERKEZİ İSBAK A.Ş., İstanbul Büyükşehir Belediyesi iştirakidir. Trafik Kontrol Merkezi (TKM) Trafik Kontrol Merkezi; kentlerin her gün artan ulaşım problemlerinin çözümünde önemli bir

Detaylı

KOMPOZĐT VE SANDVĐÇ KĐRĐŞLERDEKĐ HASAR ŞĐDDETĐNĐN TĐTREŞĐM BAZLI ANALĐZLER VE YAPAY SĐNĐR AĞLARI ĐLE TESPĐTĐ

KOMPOZĐT VE SANDVĐÇ KĐRĐŞLERDEKĐ HASAR ŞĐDDETĐNĐN TĐTREŞĐM BAZLI ANALĐZLER VE YAPAY SĐNĐR AĞLARI ĐLE TESPĐTĐ I. ULUSAL HAVACILIK VE UZAY KONFERANSI 21-23 Eylül 2006, ODTÜ, Ankara KOMPOZĐT VE SANDVĐÇ KĐRĐŞLERDEKĐ HASAR ŞĐDDETĐNĐN TĐTREŞĐM BAZLI ANALĐZLER VE YAPAY SĐNĐR AĞLARI ĐLE TESPĐTĐ Melin ŞAHĐN * Orta Doğu

Detaylı

Web Madenciliği (Web Mining)

Web Madenciliği (Web Mining) Web Madenciliği (Web Mining) Hazırlayan: M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Konular Denetimli Öğrenmenin Temelleri Karar Ağaçları Entropi ID3 Algoritması C4.5 Algoritması Twoing

Detaylı

ANTALYA LİMANI KONTEYNER TRAFİĞİNİN BULANIK SİNİR AĞI İLE TAHMİNİ

ANTALYA LİMANI KONTEYNER TRAFİĞİNİN BULANIK SİNİR AĞI İLE TAHMİNİ Dokuz Eylül Üniversitesi Denizcilik Fakültesi Dergisi Cilt: 5 Sayı: 2 Yıl: 2013 ANTALYA LİMANI KONTEYNER TRAFİĞİNİN BULANIK SİNİR AĞI İLE TAHMİNİ ÖZET Rıfat TÜR 1 Alp KÜÇÜKOSMANOĞLU 2 Özen KÜÇÜKOSMANOĞLU

Detaylı

GATSO T-SERİSİ. Trafik denetlemenin geleceği

GATSO T-SERİSİ. Trafik denetlemenin geleceği GATSO T-SERİSİ Trafik denetlemenin geleceği GATSO T-Serisi: maksimum esneklik minimum maliyet Yol güvenliği Bugünün etkin çözümleri için ihtiyacı: Çok yönlü kullanım T-Serisi rakipsiz kullanılabilirliği

Detaylı

DEÜ MÜHENDİSLİK FAKÜLTESİ FEN ve MÜHENDİSLİK DERGİSİ Cilt: 7 Sayı: 1 s. 19-30 Ocak 2005

DEÜ MÜHENDİSLİK FAKÜLTESİ FEN ve MÜHENDİSLİK DERGİSİ Cilt: 7 Sayı: 1 s. 19-30 Ocak 2005 DEÜ MÜHENDİSLİK FAKÜLTESİ FEN ve MÜHENDİSLİK DERGİSİ Cilt: 7 Sayı: 1 s. 19-30 Ocak 2005 YUVARLAKADA KAVŞAKLARDA ANAAKIMDAKİ AĞIR ARAÇ YÜZDESİNİN YANYOL KAPASİTESİ ÜZERİNDEKİ ETKİSİ (THE EFFECT OF HEAVY

Detaylı

Toprak İşleri ve Demiryolu Mühendisliği (CRN:13133) Güz Yarıyılı. Prof. Dr. Hilmi Berk Çelikoğlu Araş. Gör. Mehmet Ali Silgu.

Toprak İşleri ve Demiryolu Mühendisliği (CRN:13133) Güz Yarıyılı. Prof. Dr. Hilmi Berk Çelikoğlu Araş. Gör. Mehmet Ali Silgu. Toprak İşleri ve Demiryolu Mühendisliği (CRN:13133) 2015-2016 Güz Yarıyılı Prof. Dr. Hilmi Berk Çelikoğlu Araş. Gör. Vermelding onderdeel organisatie Ders Bilgileri Dönemiçi ders planı Hafta Hafta1 Hafta2

Detaylı

İNŞAAT TEKNOLOJİSİ BÖLÜMÜ

İNŞAAT TEKNOLOJİSİ BÖLÜMÜ İNŞAAT TEKNOLOJİSİ BÖLÜMÜ MALZEME VE MALZEME İŞLEME TEKNOLOJİSİ BÖLÜMÜ BİLGİSAYAR TEKNOLOJİSİ BÖLÜMÜ MAKİNA VE METAL TEKNOLOJİLERİ BÖLÜMÜ 19:10-20:00 20:10-21:00 ELEKTRİK VE ENERJİ TEKNOLOJİLERİ BÖLÜMÜ

Detaylı

COĞRAFİ BİLGİ SİSTEMLERİNİN İNŞAAT ALANINDAKİ UYGULAMALARI

COĞRAFİ BİLGİ SİSTEMLERİNİN İNŞAAT ALANINDAKİ UYGULAMALARI COĞRAFİ BİLGİ SİSTEMLERİNİN İNŞAAT ALANINDAKİ UYGULAMALARI Ali Baran AKGÜN Egemen ÇAKIR Melike ERSOY Özlem PALABIYIK Danışman: Y. Doç. Dr. Esin ERGEN 1 İçerik CBS nedir? CBS nin inşaatta kullanım alanları

Detaylı

Çözümleri TRAFİK ÖLÇÜM SİSTEMLERİ. İSBAK A.Ş., İstanbul Büyükşehir Belediyesi iştirakidir.

Çözümleri TRAFİK ÖLÇÜM SİSTEMLERİ. İSBAK A.Ş., İstanbul Büyükşehir Belediyesi iştirakidir. Çözümleri TRAFİK ÖLÇÜM SİSTEMLERİ İSBAK A.Ş., İstanbul Büyükşehir Belediyesi iştirakidir. Trafik Ölçüm Sistemleri Akıllı Ulaşım Sistemleri nin temel bileşenlerinden biri olan trafik ölçüm dedektörleri;

Detaylı

Zeki Optimizasyon Teknikleri

Zeki Optimizasyon Teknikleri Zeki Optimizasyon Teknikleri Ara sınav - 25% Ödev (Haftalık) - 10% Ödev Sunumu (Haftalık) - 5% Final (Proje Sunumu) - 60% - Dönem sonuna kadar bir optimizasyon tekniğiyle uygulama geliştirilecek (Örn:

Detaylı

BİNA VE BİNA TÜRÜ YAPILAR (KATEGORİ 2 ve 3) İÇİN PARSEL BAZINDA DÜZENLENECEK ZEMİN VE TEMEL ETÜDÜ (GEOTEKNİK) DEĞERLENDİRME RAPORU FORMATI

BİNA VE BİNA TÜRÜ YAPILAR (KATEGORİ 2 ve 3) İÇİN PARSEL BAZINDA DÜZENLENECEK ZEMİN VE TEMEL ETÜDÜ (GEOTEKNİK) DEĞERLENDİRME RAPORU FORMATI TMMOB İNŞAAT MÜHENDİSLERİ ODASI Necatibey Cad. No:57 Kızılay / Ankara Tel: (0 312) 294 30 00 - Faks: (0 312) 294 30 88 www.imo.org.tr imo@imo.org.tr BİNA VE BİNA TÜRÜ YAPILAR (KATEGORİ 2 ve 3) İÇİN PARSEL

Detaylı

Bilgisayar Mühendisliği. Bilgisayar Mühendisliğine Giriş 1

Bilgisayar Mühendisliği. Bilgisayar Mühendisliğine Giriş 1 Bilgisayar Mühendisliği Bilgisayar Mühendisliğine Giriş 1 Mühendislik Nedir? Mühendislik, bilim ve matematiğin yararlı cihaz ve sistemlerin üretimine uygulanmasıdır. Örn: Elektrik mühendisleri, elektronik

Detaylı

YAPAY SİNİR AĞLARI YÖNTEMİ İLE GÖKSU NEHRİ NİN AKIM TAHMİNİ FLOW FORECASTING OF GÖKSU RIVER WITH ARTIFICIAL NEURAL NETWORKS METHOD

YAPAY SİNİR AĞLARI YÖNTEMİ İLE GÖKSU NEHRİ NİN AKIM TAHMİNİ FLOW FORECASTING OF GÖKSU RIVER WITH ARTIFICIAL NEURAL NETWORKS METHOD 1 SDU International Technologic Science pp. 1-7 Constructional Technologies YAPAY SİNİR AĞLARI YÖNTEMİ İLE GÖKSU NEHRİ NİN AKIM TAHMİNİ Özlem Terzi, Mehmet Köse Özet: Günümüzde kuraklık ve küresel ısınma

Detaylı

Electronic Letters on Science & Engineering 4(2) (2008) Available online at www.e-lse.org

Electronic Letters on Science & Engineering 4(2) (2008) Available online at www.e-lse.org Electronic Letters on Science & Engineering 4(2) (2008) Available online at www.e-lse.org Maksimum Doğrultucu Moment Kolu Analizinin Bulanık Mantık ve Sinirsel Bulanık Mantık Kullanılarak Yapılması Ahmet

Detaylı

CETP KOMPOZİTLERİN DELİNMELERİNDEKİ İTME KUVVETİNİN ANFIS İLE MODELLENMESİ MURAT KOYUNBAKAN ALİ ÜNÜVAR OKAN DEMİR

CETP KOMPOZİTLERİN DELİNMELERİNDEKİ İTME KUVVETİNİN ANFIS İLE MODELLENMESİ MURAT KOYUNBAKAN ALİ ÜNÜVAR OKAN DEMİR CETP KOMPOZİTLERİN DELİNMELERİNDEKİ İTME KUVVETİNİN ANFIS İLE MODELLENMESİ MURAT KOYUNBAKAN ALİ ÜNÜVAR OKAN DEMİR Çalışmanın amacı. SUNUM PLANI Çalışmanın önemi. Deney numunelerinin üretimi ve özellikleri.

Detaylı

AKILLI KAVŞAK YÖNETİM SİSTEMİ

AKILLI KAVŞAK YÖNETİM SİSTEMİ AKILLI KAVŞAK YÖNETİM SİSTEMİ 1 1. PROJE ÖZETİ Dünya nüfusu, gün geçtikçe artmaktadır. Mevcut alt yapılar, artan nüfusla ortaya çıkan ihtiyaçları karşılamakta zorlanmaktadır. Karşılanamayan bu ihtiyaçların

Detaylı

T.C. ERCİYES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ İNŞAAT MÜHENDİSLİĞİ (Y.L.) PROGRAMI EĞİTİM ÖĞRETİM YILI DERS KATALOĞU

T.C. ERCİYES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ İNŞAAT MÜHENDİSLİĞİ (Y.L.) PROGRAMI EĞİTİM ÖĞRETİM YILI DERS KATALOĞU T.C. ERCİYES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ İNŞAAT MÜHENDİSLİĞİ (Y.L.) PROGRAMI -5 EĞİTİM ÖĞRETİM YILI DERS KATALOĞU Ders Kodu Bim Kodu Ders Adı Türkçe Ders Adı İngilizce Dersin Dönemi T Snf Açıl.Dönem

Detaylı

Ooo, bir dakika müsaade et... Geçen hafta 250 teker sattık... O zaman, bu hafta ne kadar satmalıyız... Tahmin Nedir?

Ooo, bir dakika müsaade et... Geçen hafta 250 teker sattık... O zaman, bu hafta ne kadar satmalıyız... Tahmin Nedir? Ooo, bir dakika müsaade et... Geçen hafta 250 teker sattık... O zaman, bu hafta ne kadar satmalıyız... Tahmin Nedir? IENG 481 Tahmin Yöntemleri Dr. Hacer Güner Gören Dersin amacı Tahmin, geleceğe hazır

Detaylı

Electronic Letters on Science & Engineering 1(1) 2005 Available online at www.e-lse.org

Electronic Letters on Science & Engineering 1(1) 2005 Available online at www.e-lse.org Electronic Letters on Science & Engineering 1(1) 2005 Available online at www.e-lse.org Solution of Forward Kinematic for Five Axis Robot Arm using ANN A. Mühürcü 1 1 Sakarya University, Electrical-Electronical

Detaylı

Murat Yavuz Solmaz Accepted: January 2011. ISSN : 1308-7231 mysolmaz@firat.edu.tr 2010 www.newwsa.com Elazig-Turkey

Murat Yavuz Solmaz Accepted: January 2011. ISSN : 1308-7231 mysolmaz@firat.edu.tr 2010 www.newwsa.com Elazig-Turkey ISSN:1306-3111 e-journal of New World Sciences Academy 2011, Volume: 6, Number: 1, Article Number: 1A0130 ENGINEERING SCIENCES Received: October 2010 Murat Yavuz Solmaz Accepted: January 2011 Oğuz Yakut

Detaylı

AVRASYA ÜNİVERSİTESİ

AVRASYA ÜNİVERSİTESİ Ders Tanıtım Formu Dersin Adı Öğretim Dili Ulaştırma Türkçe Dersin Verildiği Düzey Ön Lisans (X) Lisans ( ) Yüksek Lisans( ) Doktora( ) Eğitim Öğretim Sistemi Örgün Öğretim (X) Uzaktan Öğretim( ) Diğer

Detaylı

Yapay Sinir Ağları ile Web İçeriklerini Sınıflandırma. Yazarlar: Esra Nergis Güven, Hakan Onur ve Şeref Sağıroğlu. Sunan : Esra Nergis Güven

Yapay Sinir Ağları ile Web İçeriklerini Sınıflandırma. Yazarlar: Esra Nergis Güven, Hakan Onur ve Şeref Sağıroğlu. Sunan : Esra Nergis Güven Yapay Sinir Ağları ile Web İçeriklerini Sınıflandırma Yazarlar: Esra Nergis Güven, Hakan Onur ve Şeref Sağıroğlu Sunan : Esra Nergis Güven İçerik Giriş Amaç ve Kapsam Sınıflandırma Geliştirilen Sistem

Detaylı

SOLIDWORKS SIMULATION EĞİTİMİ

SOLIDWORKS SIMULATION EĞİTİMİ SOLIDWORKS SIMULATION EĞİTİMİ Kurs süresince SolidWorks Simulation programının işleyişinin yanında FEA teorisi hakkında bilgi verilecektir. Eğitim süresince CAD modelden başlayarak, matematik modelin oluşturulması,

Detaylı

Sayısal Yöntemler (MFGE 301) Ders Detayları

Sayısal Yöntemler (MFGE 301) Ders Detayları Sayısal Yöntemler (MFGE 301) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Sayısal Yöntemler MFGE 301 Güz 2 2 0 3 4 Ön Koşul Ders(ler)i MATH 275 Lineer

Detaylı

BİLECİK ŞEYH EDEBALİ ÜNİVERSİTESİ AKADEMİK ÖZGEÇMİŞ FORMU

BİLECİK ŞEYH EDEBALİ ÜNİVERSİTESİ AKADEMİK ÖZGEÇMİŞ FORMU BİLECİK ŞEYH EDEBALİ ÜNİVERSİTESİ AKADEMİK ÖZGEÇMİŞ FORMU KİŞİSEL BİLGİLER Adı Soyadı Tolga YÜKSEL Ünvanı Birimi Doğum Tarihi Yrd. Doç. Dr. Mühendislik Fakültesi/ Elektrik Elektronik Mühendisliği 23.10.1980

Detaylı

Ali Gülbağ et al / Elec Lett Sci Eng 1 (1) (2005) 07-12

Ali Gülbağ et al / Elec Lett Sci Eng 1 (1) (2005) 07-12 Electronic Letters on Science & Engineering () (2005) Available online at www.e-lse.org A Study on Binary Gas Mixture Ali Gülbağ, Uğur Erkin Kocamaz, Kader Uzun Sakarya University, Department of Computer

Detaylı

BİTİRME PROJELERİ KATALOĞU

BİTİRME PROJELERİ KATALOĞU T.C. ERZURUM TEKNİK ÜNİVERSİTESİ MÜHENDİSLİK VE MİMARLIK FAKÜLTESİ İNŞAAT MÜHENDİSLİĞİ BÖLÜMÜ İNM412: BİTİRME ÇALIŞMASI DERSİ 2016 2017 EĞİTİM VE ÖĞRETİM YILI BAHAR DÖNEMİ BİTİRME PROJELERİ KATALOĞU Koordinatör:

Detaylı

ÖZGEÇMİŞ VE ESERLER LİSTESİ ÖZGEÇMİŞ

ÖZGEÇMİŞ VE ESERLER LİSTESİ ÖZGEÇMİŞ ÖZGEÇMİŞ VE ESERLER LİSTESİ ÖZGEÇMİŞ Adı Soyadı: Mehmet Tektaş Doğum Tarihi: 5 Haziran 1966 Öğrenim Durumu: Üniversite Derece Bölüm/Program Üniversite Yıl Lisans Matematik Anadolu Üniversitesi 1988 Y.

Detaylı

Yapay Sinir Ağları ve Yüksek Enerji Fiziği Uygulamaları

Yapay Sinir Ağları ve Yüksek Enerji Fiziği Uygulamaları Yapay Sinir Ağları ve Yüksek Enerji Fiziği Uygulamaları Ece Akıllı Université de Genève 12 Eylül 2016 CERN TR E. Akıllı (UNIGE) Yapay Sinir Ağları 12.09.2016 1 / 18 Akış 1 Makine Ogrenimi 2 Yapay Sinir

Detaylı