Page 81 - Neşide Dergisi 6.Sayı

DOSYA

çalışma ile ortaya çıkan paket yazılımda ayrıca; 2.2. Bulanık Mantığın Trafikte Kullanımı
Bulanık kontrolörlerin ulaşım sistemlerinde
• Bulanık mantık kullanarak optimal devre-
planlama, yönetim ve kontrol alanlarında ol-
nin (çevrim) belirlenmesi.
dukça geniş bir uygulama alanı vardır. Bu uy-
• Bulanık-Yapay trafik ışığı ile araç uzunluğu gulamalardan bazıları:
tahmini.
• Bulanık mantık kuralları kullanarak araç
• Yapay Sinir Ağları kullanarak taşıt başına
yönlendirme,
yolcu hesabı uygulamaları verilmiştir.
• İzole edilmiş sinyalize kavşaklarda bulanık
Dia tarafından geliştirilen yapay sinir ağla- mantık ile kontrol,
rı modelinde sabit dedektör verisi ve araç
• Kent içi ekpres yollarda bulanık kontrol
probu kullanılarak arter boyunca meydana
sistemleri,
gelen olaylar denetlenmiştir. Bunun için ger-
• Bulanık ve geleneksel metodları kullana-
çek zamanlı trafik ölçümleri ve ulaşım süresi
rak trafik akış ve kontrol simülasyonu,
verisi kullanılmıştır.Bu veriler ve gözlemle-
re göre, sürücünün seyahat süresini arttıran, • Bulanık mantık ile kontrol problemlerinin
kuyruklanmaları ve gecikmeleri azaltan ve yol çözümü, olarak verilebilir.
kapasitesini arttıran bir model geliştirilmiştir.
Kent içi ulaşım ağlarında ulaşım seçim davra- 2.3. Yapay Sinir Ağlarının Trafikte Kullanımı.
nışı için bir bulanık–genetik yaklaşımı ile %84
Yapay sinir ağlarının otoyol ulaşım süresi tah-
oranında durumlar doğru olarak tahmin edil-
mininde kullanım avantajları şunlardır:
di. Böylece, bulanık yaklaşım ile ulaşım seçim
işleminin daha iyi tamamlandığı görülmüştür. a-) Giriş ve çıkış değişkenleri arasında fonksi-
yonel bir yapı tanımlamaya ihtiyaç duymama-
Trafik akımı simülasyonu ulaşım faaliyetlerinin
sı. Bunun yerine şebeke trafik verisinde uzaya
farklı tasarım alternetifleri için trafik durum-
ait veya geçici modelleri tanıtarak ve sınıflan-
larını değerlendirmekte etkili bir yöntemdir. dırarak ilişkiler geliştirir.
Trafik simülasyon modelleri son yıllarda ITS
stajerleri için önemli bir araç olmuştur. Her bir b-) Yapay sinir ağlarının giriş hatasında büyük
araç izlenerek sistemde bir aracın hareketi, yanlışlıklara rağmen doğru bir çıkış verebilme
araç perfonmansı, sürücünün karakteristeris- yeteneğine sahip olmasıdır. Bu özellikle ula-
tikleri ve çevredeki araçlar ve ağ geometrisi şım süresi tahmin modelleri için yapay sinir
ile ITS etkileşimleri kullanılarak belirlenir. ağlarının geleneksel modellerinin pek çoğun-
daki sınırlamaların üstesinden gelme yetene-
Trafik simülasyon modelleri iki çeşittir. Bunlar: ğine sahip olmasıdır.
1-) Makroskopik trafik akım simülasyonu: Araç • Trafik sıkışıklığı tahmini,
hareketini yönetmek için akım–yoğunluk ilişki-
• Otoyol trafik veri tahmini,
si kullanılır. Modelde tek araç kullanılmaz.
• Trafiğin kontrolü,
2-) Mikroskopik trafik akım simülasyonu: • Yol durum tahmini,
• Bölgesel trafik akım kontrolü, başlıca uy-
Başlıca simülasyon proglamları: Integration,
gulama alanlarıdır.
Vissim, Mitsim, Watsim, Paramics, Transims ,
Corsim, Fresim, Alinea, Metacor, Hutsim vb.
2.4. Genetik Algoritmanın Trafikte Kullanımı.
2.1. Uzman Sistemlerin Trafikte Kullanımı Araç rotalama probleminin genellemesi olan YAPAY ZEKÂ
zaman-bağımlı araç rotalama problemi, NP_
• Katılım denetimi
sınıfı bir problem olup bu problemi çözecek
• Kavşak optimizasyonu ve polinom zamanda çalışan kesin bir algorit-
• Sinyal optimizasyonu ma mevcut değildir. Bu nedenle bu tip prob-

79