Navigasyon temelli seyahat verileri kullanılarak yol şebekelerinin tesisi ve topolojik problemlerin giderilmesine yönelik bir model
Yükleniyor...
Dosyalar
Tarih
2024
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Karabük Üniversitesi, Lisansüstü Eğitim Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Bu çalışmada, GNSS verilerine dayalı yol şebekelerinin çıkarımı ve topolojik problemlerin çözümüne yönelik bir model geliştirilmiştir. Yol şebekelerinin güncellenmesi, coğrafi bilgi sistemlerinde kritik bir öneme sahip olmasına rağmen, mevcut yöntemler genellikle zaman alıcı ve maliyetlidir. Bu çalışma, özellikle İstanbul’un yoğun trafik bölgelerinden biri olan Göztepe Kavşağı’nda toplanan GNSS iz verilerini kullanarak, daha verimli bir yol şebekesi çıkarımı ve topolojik sorunların tespitine odaklanmıştır. Çalışma kapsamında, toplanan ham GNSS verileri bir dizi ön işleme tabi tutulmuş, tekrarlanan ve hatalı veriler temizlenmiştir. Ardından, çeşitli makine öğrenimi yöntemleri kullanılarak veriler kümeleme ve iz hizalama algoritmaları ile işlenmiştir. Elde edilen sonuçlar, yol şebekelerinin geometrik şekillerinin başarılı bir şekilde çıkarılabildiğini ve topolojik bağlantıların doğru bir biçimde tanımlanabileceğini göstermiştir. Bu tez çalışmasının sonuçları, yol
şebekelerinin otomatik olarak güncellenmesinde GNSS iz verilerinin kullanımının, hem doğruluk hem de maliyet açısından avantaj sağladığını ortaya koymaktadır. Elde edilen yol geometrisi, gerçek yol verileri ile karşılaştırılmış ve F-skor değerleri 0.78 olarak elde edilmiştir. Ayrıca, kavşak noktalarındaki topolojik sorunlar tespit edilerek, çözüm önerileri geliştirilmiştir.
In this study, a model has been developed for the extraction of road networks and the resolution of topological problems based on GNSS data. Although the updating of road networks is critically important in geographic information systems, existing methods are generally time-consuming and costly. This study focuses on more efficient road network extraction and the detection of topological issues, using GNSS track data collected from Göztepe Junction, one of the heavy traffic areas in Istanbul. As part of the study, the collected raw GNSS data were subjected to a series of preprocessing steps, where repeated and erroneous data were cleaned. Then, the data were processed using various machine learning methods, including clustering and track alignment algorithms. The results showed that the geometric shapes of road networks could be successfully extracted, and the topological connections were accurately defined. The findings of this thesis demonstrate that the use of GNSS track data in the automatic updating of road networks provides advantages in terms of both accuracy and cost. The obtained road geometry was compared with real road data, resulting in F-score values of 0.78. Additionally, topological problems at junction points were identified, and solution proposals were developed.
In this study, a model has been developed for the extraction of road networks and the resolution of topological problems based on GNSS data. Although the updating of road networks is critically important in geographic information systems, existing methods are generally time-consuming and costly. This study focuses on more efficient road network extraction and the detection of topological issues, using GNSS track data collected from Göztepe Junction, one of the heavy traffic areas in Istanbul. As part of the study, the collected raw GNSS data were subjected to a series of preprocessing steps, where repeated and erroneous data were cleaned. Then, the data were processed using various machine learning methods, including clustering and track alignment algorithms. The results showed that the geometric shapes of road networks could be successfully extracted, and the topological connections were accurately defined. The findings of this thesis demonstrate that the use of GNSS track data in the automatic updating of road networks provides advantages in terms of both accuracy and cost. The obtained road geometry was compared with real road data, resulting in F-score values of 0.78. Additionally, topological problems at junction points were identified, and solution proposals were developed.
Açıklama
Anahtar Kelimeler
GNSS iz verilerine dayalı yol şebekesi çıkarımı, yol şebekelerindeki topolojik problemler, kümeleme, iz hizalama, yapay öğrenme., Road network extraction based on GNSS trajectories, topological problems in road networks, clustering, track alignment, machine learning.
