Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.11851/2281
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorAbul, Osman-
dc.contributor.authorKarataş, Batuhan-
dc.date.accessioned2019-12-25T10:08:01Z-
dc.date.available2019-12-25T10:08:01Z-
dc.date.issued2018
dc.identifier.citationKarataş, B. (2018). Araç sürüş verilerinden makine öğrenmesi tekniklerini kullanarak sürücü sınıflandırma. Ankara: TOBB ETÜ Fen Bilimleri Enstitüsü. [Yayınlanmamış yüksek lisans tezi]en_US
dc.identifier.urihttps://hdl.handle.net/20.500.11851/2281-
dc.identifier.urihttps://tez.yok.gov.tr/UlusalTezMerkezi/tezSorguSonucYeni.jsp-
dc.description.abstractAraç donanım teknolojisindeki gelişmeler büyük ölçekli araç sürüş verilerinin toplanmasına olanak sağlamıştır. Bu veriler özellikle kentsel alan trafik yönetimi ve araç sürüş destek sistemi uygulamaları için önemli bir kaynak teşkil etmektedir. Bu çalışmada, bu verilerin sürücü ile ilgili çıkarım yapabilme yeteneği ile ilgilenilmiştir. Veri kaynağı olarak Uyanık veri kümesi [1] CAN (Controller Area Network) verileri kullanılmıştır. Sürücü kümeleme, sürücü cinsiyet sınıflandırma ve sürücü tanıma ile ilgili deneyler gerçekleştirilmiştir. Sürücü kümeleme deneylerinde Dynamic Time Warping ve kendi geliştirdiğimiz Dynamic Distance Warping veri dönüşüm metodları uygulanarak farklı mesafe metriklerine göre hiyerarşik sürücü kümeleme işlemi gerçekleştirilmiştir. Bu işlemin sonucunda tutarlı sürücü gruplamaları elde edilmiştir. Sürücü cinsiyet sınıflandırma deneylerinde veri örnekleme, öznitelik çıkarımı, öznitelik eleme ve ayrıştırma veri ön işleme metodları uygulanarak 0.97 doğruluk oranına ulaşılmıştır. Sürücü tanıma deneylerinde kendi geliştirdiğimiz bir örüntü parçalama tekniği ve öznitelik çıkarımı veri ön işleme metodları uygulanarak 105 adet sürücü arasından 0.1 doğruluk oranında sürücü sınıflandırma işlemi gerçekleştirilmiştir. Tüm bu deneyler ile ortaya çıkan çıkarımlar neticesinde literatürde yeni bir tartışma konusu ortaya çıkmaktadır; Sürüş verisi hassas kişisel veri kapsamında değerlendirilmeli midir?tr_TR
dc.description.abstractThe advances in vehicle equipment technology enabled us collecting large-scale vehicle driving data. This data is an important resource for urban area traffic management and vehicle driving support system applications. In this study, we are interested making inferences ability of these data about the driver. Uyanık data set [1] CAN (Controller Area Network) bus data are used as the data source. Experiments are carried out on driver gender classification, driver identification, and driver clustering. In the driver clustering experiments, hierarchical driver clustering is performed with using the Dynamic Distance Warping developed by us and Dynamic Distance Time data conversion methods according to different distance metrics. As a result, consistent driver groupings are achieved. In driver gender classification experiments, gender classification is performed with applying data sampling, feature extraction, feature elimination and discretization data preprocessing methods. Best classifiers reached up to 0.97 accuracy rate. In driver identification experiments, driver classification is carried out with applying driver pattern splitting technique developed by us and feature extraction data preprocessing methods and driver identification performance reached 0.1 accuracy rate among the 105 drivers. All these experiment results open up a new thread of discussion: whether the driving data should be treated as a sensitive personal feature?en_US
dc.language.isotren_US
dc.publisherTOBB University of Economics and Technology,Graduate School of Engineering and Scienceen_US
dc.publisherTOBB ETÜ Fen Bilimleri Enstitüsütr_TR
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectVehicle driving dataen_US
dc.subjectMachine learningen_US
dc.subjectDriver identificationen_US
dc.subjectDriver gender classificationen_US
dc.subjectUyanik dataseten_US
dc.subjectAraç sürüş verileritr_TR
dc.subjectMakine öğrenmesitr_TR
dc.subjectSürücü tanımatr_TR
dc.subjectSürücü cinsiyet sınıflandırmatr_TR
dc.subjectUyanık veri kümesitr_TR
dc.titleAraç Sürüş Verilerinden Makine Öğrenmesi Tekniklerini Kullanarak Sürücü Sınıflandırmaen_US
dc.title.alternativeDriver Classification With Using Machine Learning Methods on Vehicle Driving Dataen_US
dc.typeMaster Thesisen_US
dc.departmentInstitutes, Graduate School of Engineering and Science, Computer Engineering Graduate Programsen_US
dc.departmentEnstitüler, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalıtr_TR
dc.relation.publicationcategoryTezen_US
item.openairetypeMaster Thesis-
item.languageiso639-1tr-
item.grantfulltextopen-
item.fulltextWith Fulltext-
item.openairecristypehttp://purl.org/coar/resource_type/c_18cf-
item.cerifentitytypePublications-
Appears in Collections:Bilgisayar Mühendisliği Yüksek Lisans Tezleri / Computer Engineering Master Theses
Files in This Item:
File Description SizeFormat 
498485.pdf4.5 MBAdobe PDFThumbnail
View/Open
Show simple item record



CORE Recommender

Page view(s)

100
checked on Dec 16, 2024

Download(s)

54
checked on Dec 16, 2024

Google ScholarTM

Check





Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.