Mikrosimülasyon programı kullanılarak üretilen kent içi trafik koridoruna ait veriler ile makine öğrenmesi tahmin modellerinin oluşturulması

Günümüzde özel araç sahipliliğinin hızla artması nedeniyle trafik sorunları özellikle kent merkezlerinde ciddi boyutlara ulaşmıştır. Bu sorunlardan en önemlileri trafikteki gecikme süreleri ve buna bağlı olarak seyahat süresindeki artışlardır. Bu gecikmeler sonucunda yakıt tüketimi ve sera gazı salınımı artışı, ekonomik ve çevresel anlamda zararlara yol açmaktadır. Bu çalışmada, simülasyon verileri ile sentetik veriler üretilerek makine öğrenmesi modelleri oluşturulması hedeflenmiştir. Bu amaçla, Erzincan ili merkezindeki 7 kavşaktan oluşan bir trafik koridoru seçilerek, kavşak tipleri, sinyalizasyon süreleri, taşıt hacimleri ve şerit sayılarındaki değişikliklerin kombinasyonuyla 27.648 senaryo oluşturulmuş, AIMSUN trafik simülasyon programı kullanılarak modellenmiş ve simüle edilmiştir. Simülasyon sonucu tüm senaryolar için elde edilen toplam seyahat süresi, gecikme süresi ve IEM CO2 parametrelerine ait veriler ile makine öğrenmesi modelleri kurulmuştur. Modellerde oluşturulan Lineer Regresyon, Destek Vektör Makinesi, Karar Ağacı, Rastgele Orman, AdaBoost, Gradyan Artırma ve XGBoost algoritmalarının R2, MAE, MSE ve RMSE hata metriklerine göre performansları karşılaştırılmıştır. Ayrıca 27.648 senaryo içinden seçilen üç farklı senaryo ile algoritmalar kendi aralarında ve simülasyon sonuçlarıyla karşılaştırılmıştır. Hata metriklerine göre başarılı modeller olarak gecikme süresi için Lineer Regresyon ve Destek Vektör Makinesi, IEM CO2 için XGBoost ve toplam seyahat süresi için Destek Vektör Makinesi ve XGBoost seçilmiştir. Bu modellerde incelenen katsayı değerlerine göre kavşak geometrisi ile otomobil trafik hacmi değişkenlerinin, üç parametre için de hayati öneme sahip olduğu saptanmıştır. Bu çalışmada simülasyon verileri kullanımı ile sentetik veriler üretilerek başarılı makine öğrenmesi modellerinin kurulabileceği görülmüştür.