Abstract:
Trafik, sehirlesmis yerlesim birimlerinin en önemli sorunlarından biri haline gelmistir.
Trafikte geçen zamanı azaltmak amacı ile insanlara bir noktadan digerine en hızlı ˘
ve konforlu gidecegi güzergahı gösteren çesitli uygulamalar gelistirilmistir. Fakat
bu uygulamalar kısa vadeli hız tahmini için uygun olmasına ragmen uzun vadeli
trafik yogunlugu hakkında öngörüde bulunamamaktadırlar. Bu çalısmada geçmis
hafta hız verilerinin örüntüleri kullanılarak 7 güne kadar tahminde bulunmak için
Polinom Regresyon Modeli, Ortalama Yöntemi ve derin ögrenme yöntemlerinden
Evrisimli Sinir Agı(CNN) yöntemleri kullanılmıstır. Bu çalısma Istanbul il genelinde
44 farklı algılayıcıdan elde edilen trafik hız verileri kullanılarak gerçeklestirilmistir.
Derin ögrenme yöntemlerinden CNN kullanılarak 44 algılayıcı için farklı yaklasım
ve parametreler kullanılarak öngörü modelleri kurulmu¸stur. Elde edilen Ortalama
Mutlak Yüzde Hata (MAPE) degerleri algılayıcılara baglı olarak %2-40 arası degisim
göstermektedir ve genel ortalamada MAPE degeri %16,60 olarak elde edilmistir.
CNN ve Ortalama yöntemlerinin basarı oranının algılayıcılara baglı olarak, Polinom
Regresyon yönteminden %3-10 arası daha basarılı oldugu gözlemlenmistir.
