Trafik sinyal sistemini iyileştirmek için bulanık mantık ve makine öğrenmesinin entegrasyonu

1868 yılında icat edildiklerinden bu yana trafik sinyal sistemleri, çağdaş şehirlerin trafik yönetiminde önemli bir rol oynamıştır. Geliştirilmiş trafik yönetimi, günlük yolculukların kolaylığını sağlamakla kalmaz, aynı zamanda çevresel sürdürülebilirlik açısından da önem taşır. Trafik sinyal sistemlerinin birincil amacı kazaları azaltmak ve yaya ve araç hareketlerini yönetmek olsa da, geleneksel trafik sinyal sistemleri, kentsel genişlemenin değişken karakteristiklerine uyum sağlamakta sıklıkla zorlanmaktadır. Tarih boyunca, sabit trafik sinyal sistemleri, kentsel trafiğin düzenlenmesi ve düzenin sağlanması için hizmet etmiştir. Ancak, bu sistemler mevcut trafik gereksinimlerini yeterince karşılayamamaktadır. Sensörler ve dedektörler gibi yeni teknolojiler, gerçek zamanlı trafik koşullarına dayalı olarak trafik sinyallerinin zamanlamasını dinamik olarak değiştirerek bu sorunu çözmektedir. Bulanık mantık, bu bağlamda trafik sinyal kontrolünü iyileştirmek için uygun fırsatlar sunmaktadır. Belirsiz veya şüpheli verileri işleme yeteneği sayesinde bulanık mantık, trafik kontrolünün daha incelikli kararlar almasına olanak tanır. Bulanık mantık algoritmalarının trafik sinyal sistemlerine entegrasyonu, uzman bilgisi ve gerçek zamanlı verileri kullanarak gelişmiş karar alma süreçlerini kolaylaştırır. Bu, daha duyarlı ve uyumlu trafik yönetim stratejilerinin uygulanmasını sağlar. Araştırmamız, trafik yönetimi için zeki çözümler geliştirmek amacıyla bulanık mantık ve makine öğrenmesi metodolojilerini trafik sinyal sistemlerine entegre etmeyi hedeflemektedir. Hedefimiz, Şehir İçi Hareketlilik Simülasyonu (SUMO) kurulumu kullanarak bireysel kavşaklarda trafik akışını başarıyla simüle etmektir. Amacımız, trafik koşullarındaki dalgalanmalara yanıt olarak sinyal zamanlamasını dinamik olarak değiştirme yeteneğine sahip makine öğrenmesi algoritmaları ve bulanık mantık içeren uyarlanabilir trafik kontrol sistemleri oluşturmaktır. Bulanık mantık ve makine öğrenmesinin Özet Trafik Sinyal Sistemini İyileştirmek İçin Bulanık Mantık ve Makine Öğrenmesinin Entegrasyonu 1868 yılında icat edildiklerinden bu yana trafik sinyal sistemleri, çağdaş şehirlerin trafik yönetiminde önemli bir rol oynamıştır. Geliştirilmiş trafik yönetimi, günlük yolculukların kolaylığını sağlamakla kalmaz, aynı zamanda çevresel sürdürülebilirlik açısından da önem taşır. Trafik sinyal sistemlerinin birincil amacı kazaları azaltmak ve yaya ve araç hareketlerini yönetmek olsa da, geleneksel trafik sinyal sistemleri, kentsel genişlemenin değişken karakteristiklerine uyum sağlamakta sıklıkla zorlanmaktadır. Tarih boyunca, sabit trafik sinyal sistemleri, kentsel trafiğin düzenlenmesi ve düzenin sağlanması için hizmet etmiştir. Ancak, bu sistemler mevcut trafik gereksinimlerini yeterince karşılayamamaktadır. Sensörler ve dedektörler gibi yeni teknolojiler, gerçek zamanlı trafik koşullarına dayalı olarak trafik sinyallerinin zamanlamasını dinamik olarak değiştirerek bu sorunu çözmektedir. Bulanık mantık, bu bağlamda trafik sinyal kontrolünü iyileştirmek için uygun fırsatlar sunmaktadır. Belirsiz veya şüpheli verileri işleme yeteneği sayesinde bulanık mantık, trafik kontrolünün daha incelikli kararlar almasına olanak tanır. Bulanık mantık algoritmalarının trafik sinyal sistemlerine entegrasyonu, uzman bilgisi ve gerçek zamanlı verileri kullanarak gelişmiş karar alma süreçlerini kolaylaştırır. Bu, daha duyarlı ve uyumlu trafik yönetim stratejilerinin uygulanmasını sağlar. Araştırmamız, trafik yönetimi için zeki çözümler geliştirmek amacıyla bulanık mantık ve makine öğrenmesi metodolojilerini trafik sinyal sistemlerine entegre etmeyi hedeflemektedir. Hedefimiz, Şehir İçi Hareketlilik Simülasyonu (SUMO) kurulumu kullanarak bireysel kavşaklarda trafik akışını başarıyla simüle etmektir. Amacımız, trafik koşullarındaki dalgalanmalara yanıt olarak sinyal zamanlamasını dinamik olarak değiştirme yeteneğine sahip makine öğrenmesi algoritmaları ve bulanık mantık içeren uyarlanabilir trafik kontrol sistemleri oluşturmaktır. Bulanık mantık ve makine öğrenmesinin kentsel ortamlarda potansiyel faydaları arasında trafik akışının optimize edilmesi, tıkanıklığın azaltılması ve yakıt tüketiminin minimize edilmesi yer almaktadır. Amacımız, bu teknolojileri kullanarak çağdaş kentsel ulaşım sistemlerinde güvenlik, verimlilik ve sürdürülebilirliğin artırılmasına olumlu katkılarda bulunmaktır. Anahtar Kelimeler: Uyarlanabilir Trafik Kontrolü, Bulanık Mantık, Sumo, Makine Öğrenmesi ortamlarda potansiyel faydaları arasında trafik akışının optimize edilmesi, tıkanıklığın azaltılması ve yakıt tüketiminin minimize edilmesi yer almaktadır. Amacımız, bu teknolojileri kullanarak çağdaş kentsel ulaşım sistemlerinde güvenlik, verimlilik ve sürdürülebilirliğin artırılmasına olumlu katkılarda bulunmaktır. Anahtar Kelimeler: Uyarlanabilir Trafik Kontrolü, Bulanık Mantık, Sumo, Makine Öğrenmesi