STAP

< Projeler Sayfası

Proje Adı
Yapay Zeka Tabanlı Kapsamlı Uzay-Zamansal Tahmin Sistemi

Şirket Adı
DataBoss

Şirket Mentoru
İsmail Balaban - Ural Uçar

Akademik Mentor
Prof. Serdar Kozat

Asistan
Furkan Burak Mutlu

Takım Üyeleri
Haydar Çakan, Ramazan Burak Güler, Eda Özdemir, İlker Seviş, Mehmet Yiğit Turalı, Ayşın Tümay

Özet
Bilkent Üniversitesi Elektrik ve Elektronik Mühendisliği Bölümü’nden C3 ekibi tarafından yürütülen ’Trafik Kazaları için Makine Öğrenmesi Tabanlı Mekansal-Zamansal Tahmin Sistemi’ projesi, Türkiye’deki çeşitli yerlerde ve zamanlarda trafik kazalarını tahmin etmek için makine öğrenmesi (ML) ve derin öğrenme (DL) tekniklerinin tahmin gücünden yararlanmayı amaçlamaktadır. Tahminin yapılacağı yer ve zaman kullanıcı arayüzü aracılığıyla kullanıcı tarafından seçilebilmektedir. Trafik kazalarının sosyoekonomik etkilerini en aza indirmek ve yol güvenliğini artırmak için acil bir ihtiyaçtan motive olan proje, tarihi kaza kayıtları, hava durumu koşulları ve coğrafi özellikler dahil olmak üzere geniş bir veri yelpazesi kullanmaktadır. Metodoloji, klasik algoritmalar olan Doğrusal Regresyon ile birlikte, LightGBM, XGBoost ve ConvLSTM derin öğrenme modeli gibi ileri düzey artırma yöntemlerini entegre eden çok yönlü bir yaklaşımı kapsamaktadır. Proje, kesin ve güvenilir tahminler sağlamak için kesinlik, F1 skoru ve duyarlılık gibi metrikleri kullanarak titiz model değerlendirmenin önemini vurgulamaktadır. İlk sonuçlar, modelin potansiyel kazaların yoğun olduğu noktaların ve dönemlerin belirlenmesinde etkili olduğunu, trafik yönetimi ve önleyici tedbirler için değerli içgörüler sunabildiğini göstermiştir. Sistemin kullanıcı dostu bir yazılım uygulamasına entegrasyonu, son kullanıcılar için erişilebilirliği kolaylaştırmayı ve trafik güvenliği girişimlerine önemli katkılarda bulunmayı vadetmektedir.


Abstract
The ”Machine Learning Based Spatio-Temporal Prediction System for Traffic Accidents” project, conducted by C3 team from Bilkent University’s Department of Electrical and Electronics Engineering, aims to leverage the predictive power of machine learning (ML) and deep learning (DL) techniques to forecast traffic accidents across various locations and times in Turkey, two of which can be selected by the user through GUI. Motivated by the urgent need to enhance road safety and minimize the socioeconomic impacts of traffic accidents, the project utilizes a vast array of data, including historical accident records, weather conditions, and geographical features. The methodology encompasses a multifaceted approach, integrating classical algorithms such as Linear Regression, alongside advanced boosting methods including LightGBM, XGBoost, and deep learning model of ConvLSTM, to achieve a comprehensive prediction model. The project emphasizes rigorous model evaluation, employing metrics such as precision, F1 score, and recall, to ensure accurate and reliable predictions. Initial results demonstrate the model’s effectiveness in identifying potential accident hotspots and periods, offering valuable insights for traffic management and preventive measures. The system’s integration into a user-friendly software application facilitates accessibility for end-users, promising significant contributions to traffic safety initiatives.