Intelligent transportation systems are advanced applications that inform vehicle drivers about road conditions. The main purpose of the intelligent transportation systems is to reduce either tangible or intangible loss for the drivers by ensuring the safety of passengers and vehicles. In this study, a system is designed and implemented using wireless sensor networks to inform vehicle drivers about the condition of the road surface. Icing has been chosen as the primary focus of the study since it is considered to be a big threat to road and driver’s safety. The temperature at 10 cm depth of the road, air temperature, relative humidity, air pressure and conductivity values are used as the input data for the prediction of icing on the road surface. The data were previously collected on Raspberry Pi which is a single-board computer and the data were read and processed instantly via k-nearest neighbor algorithm. Using these collected data, the road surface condition is classified as icy, dry, wet or salty-wet. The analyzed results for the road surface condition are presented to the drivers via a mobile application in real time. The drivers are alerted visually and audibly as they approach the coordinates on the road where risky conditions are present.
Öz Bu çalışmada, yol yüzeyinin durumunu tespit eden akıllı yol durum sensörü tasarlanmıştır. Sürücülerin ve yolcuların güvenliğini en çok tehlikeye sokan buzlu yol durumunun tespiti üzerine çalışılmıştır. Yol yüzeyi tahmini için toprak sıcaklığı, hava sıcaklığı, hissedilen nem, hava basıncı ve yol yüzeyindeki iletkenlik değerleri sınıflandırma algoritmalarında öznitelik olarak seçilmiştir. Yol yüzeyi buzlu, kuru, ıslak ve tuzlu-ıslak olarak sınıflandırılmıştır. Sınıflandırma algoritmaları olarak K en yakın komşu ve Destek Vektör Makinası tercih edilmiştir. K en yakın komşu algoritmasının, Destek Vektör Makinası algoritmasına göre daha iyi sonuç verdiği görülmüştür. Sınıflandırıcı tek kartlı bilgisayar olarak bilinen Raspberry Pi3 üzerinde gerçek zamanlı olarak çalıştırılmaktadır. Tasarlanan yol durum sensörü mevcut sensörlere göre kurulumu kolay ve yüksek başarıma sahiptir.
Bu çalışmada karaciğer test sonuçlarının makine öğrenmesi algoritmalarından lojistik regresyon sınıflandırılmasına dayalı hastalık tahmin modeli çalışması yapılmıştır. Karaciğer insan vücudunda adeta bir fabrika gibi çalışmaktadır. Bu organın hastalanması bütün vücuda zarar veren birçok etki meydana getirmektedir. Bu çalışmada belirli ölçütlere ve parametrelere göre bu hayati organ için hastalık tahmin modeli gerçekleştirilmiştir. Çalışmada karaciğere ait protein, albümin ve bilurubin gibi değerler hastalık tahmin modelinde incelenmiştir. Çalışmada kullanılan veri modeli açık kaynaklı kaggle web sitesinden alınmıştır. Tahmin modeli python dili ile jupyter notebook ortamında gerçekleştirilmiştir. Kategorik veri tahmini içinse lojistik regresyon modeli tercih edilmiştir. Oluşturulan model %84 doğruluk içermiştir. Değerlendirme ölçütü olarak karmaşıklık matrisi kullanılmış ve çalışmada sunulmuştur.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.