ARAÇ MUAYENE VERİLERİ İLE VERİ MADENCİLİĞİ UYGULANMASI
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Ankara Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2021
Tezin Dili: Türkçe
Öğrenci: GİZEM ÇETİN
Danışman: ÖMER ÖZGÜR TANRIÖVER
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Araç muayenesi trafikte yer alan motorlu ya da motorsuz araçlar için teknik yeterliliklerinin ölçüldüğü, yolcu ve trafik güvenliğinin sağlanıp sağlanmadığının tespit edildiği sistemdir. Türkiye'de karayolunda seyreden araçların teknik muayenelerini daha etkin ve sağlıklı bir şekilde yapmak ve karayolu trafik güvenliğini sağlamak amacıyla her yıl yaklaşık 6 milyona yakın aracın periyodik muayenesi gerçekleşmektedir. Bu tez çalışmasında Ulaştırma ve Altyapı Bakanlığı araç muayene verileri kullanılarak makine öğrenmesi algoritmaları ve derin sinir ağları kullanılarak araç muayene sonucu tahmini yapılmıştır ve veriler üzerinde örnekleme yöntemi kullanılarak makine öğrenmesi algoritmalarının performansları karşılaştırılmıştır. Ayrıca birliktelik kuralları yöntemlerinden apriori algoritması kullanılarak araçların muayene sonucunda birlikte görülen kusurların analizi gerçekleştirilmiştir ve araç kusurları arasında anlamlı ilişkiler bulunmuştur. Çalışmada yaklaşık 7 milyon araç muayene verisi kullanılmıştır. Araç muayene sonucunu tahmin etmek için aracın km, model, yakıt tipi ve muayene sonucu çıkan kusur verileri kullanılmıştır. Makine öğrenme algoritmalarından Lojistik Regresyon (LR), Naive Bayes (NB), Karar Ağaçları (DT), Rastgele Orman (RF), K-En Yakın Komşu (KNN), Gradyan Yükseltme (XG Boost), Ada Boost, Derin Sinir Ağı (DNN) ve Evrişimsel Sinir Ağı (CNN) kullanılmıştır. Her bir model AUC, ROC eğrisi, doğruluk, kesinlik, hatırlama ve F1 skor değerleri açısından karşılaştırılmıştır. Makine öğrenme modellerinin hafif kusurlu, ağır kusurlu ve emniyetsiz olarak sınıflandırılan muayene sonucu tahminini yüksek doğrulukla öngörebildiği sonucuna ulaşılmıştır.