Sürüş karakteristiğinin hilbert huang dönüşümü ile belirlenmesi

Abstract

Dünya Bankası ve Dünya Sağlık Örgütü’nün 2023 ortak raporuna göre trafik kazalarında 1 yılda 1.19 milyon insan hayatını kaybetmekte ve 20 ila 50 milyon insan yaralanmaktadır. Bu durumum psikolojik, sosyolojik ve ekonomik açıdan büyük bir sorun olduğu açıktır. Türkiye İstatistik Kurumu verilerine göre trafik kazalarının %89.6 ile en büyük sebebinin sürücüler olduğu belirlenmiştir. Bu verilerden yola çıkarak en büyük sorun olan sürücülerin kaza yapma oranlarını azaltmak amacı ile birçok ticari ve akademik çalışma yapılmıştır. Bu çalışmada bir akıllı telefondan toplanan sensör verileri ile sürücülerin sürüş sırasındaki tehlikeli eylemleri tespit edilmiş ve buna dayanarak sürüş karakteristiği tahmin edilmiştir. Konuşma tespiti için kullanılan Short Term Energy hesaplaması, olayların meydana geldiği veri bölümlerini belirlemek için ivme ve açısal hız verilerine uygulanmıştır. Sonrasında olayların tespit edildiği veri parçalarına Hilbert Huang Dönüşümü uygulanmıştır. Elde edilen içsel mod fonksiyonları frekans değerlerine göre seçilerek olay verisi yeniden yapılandırılmıştır. Yeni oluşturulan verilerden olayın ne olduğunu belirlemek için verilerin ortalama, maksimum ve minimum gibi istatistiksel özellikleri çıkarılmış ve bir yapay sinir ağına girdi olarak kullanılmıştır. Yapay sinir ağı olayın normal sürüş manevrası mı yoksa agresif hızlanma, agresif dönüş gibi tehlikeli bir manevramı olduğu belirlenmektedir. Son olarak sürüş sırasında meydana gelen tehlikeli manevraların sayısı ve türüne göre sürücülerin sürüş karakteristikleri belirlenmiştir. Çalışmalar sonucunda tehlikeli manevralar %94,4’lik bir doğruluk oranı elde edilmiştir.

According to the joint report prepared by the World Health Organization and the World Bank for 2023, 1.19 million people lost their lives and 20 to 50 million people got injured in traffic accidents. It is clear from this report that they are a big problem in terms of psychological, sociological and economic aspects. According to TurkStat data, drivers cause 89.6% of this problem. In this study, the dangerous actions of drivers while driving were identified with sensor data collected from a smartphone, and based on this, driving characteristics were predicted. The short-term energy calculation used for speech detection was applied to acceleration and angular velocity data to identify the parts of the data where events occurred. Then, Hilbert Huang Transform was applied to the parts of the data where events were detected. The event data was reconstructed by selecting the obtained intrinsic mode functions according to their frequency values. To determine what the event is from the newly generated data, statistical properties of the data such as mean, max and min were extracted and used as input to an artificial neural network. The artificial neural network determines whether the event was normal driving behavior or a dangerous event such as aggressive acceleration, turning etc. Finally, the driver's driving characteristics were determined according to the number and type of dangerous events that occur during driving. As a result, the study was achieved an accuracy rate of 94.4% in identifying dangerous events.