Akıllı telefonlarla trafik kazalarının önlenmesi için bir sistem önerisi

Abstract

Sayısı gittikçe artarak günlük hayatın parçası haline gelen akıllı telefonlar, taşıdıklarısensörler ile trafik kazalarının önlenmesinde katkıda bulunabilirler. Bu çalışmadaakıllı telefonla gerçekleşebilecek böyle bir sistemin temel öğeleri, mimarisi,uygulanabilirliği ve avantajlarını incelemektedir.Sistem temel sürüş manevralarını inceleyerek sürüşün aşamaları hakkında tahmindebulunurken, bu aşamalarının yapıldığı yol, araç, hava ve trafik şartlarını gibi dinamikfaktörler bağlamında değerlendirir.Yol ve hava şartlarına göre ayarlanmayan hız, hava şartları, konum bilgisinden hızlimitlerini tespit ederek hızlanma, ani duruşlar, hatalı sollama, araç geçme, dönüşmanevraları, sürüş alışkanlıkları, tehlikeli sürüş manevralarının tespiti sisteminkullandığı temel verilerdir.Önerilen sistem sadece sürüş destek sistemi olarak değil, aynı zamanda akıllı karakutuolarak sürücü hatalarından kaynaklanan trafik kazalarının azaltılmasında rol oynar.Bu çalışmada literatürde ilk kez sürüşün hareket izi olarak yeniden oluşturulmasıyoluyla görsel olarak analiz ediyoruz. Böylece her türlü sürüs manevrası ve olayı kolayve yüksek hızla sınıflandırılabilir. Önerdiğimiz sistemi esnek raporlama ile sürücüdestek sistemi, sigorta için profil belirleme ya da trafik denetimi eğitimi amaçlıkullanabiliyoruz.

In this study, we propose an advanced system, which detects, interprets vehicledriving maneuvers in a dynamic road context. Although our focus is on reducing driveroriented causes of traffic accidents. such a system can be used in various applicationssuch as ADAS, driver profiling, fuel economy, insurance telematics. This goal can beachieved as both online and black box models.With the advent of technology, most of the contemporary smart phones providerequired sensors, and data processing environment with a decent connection to clouddatabases.Context sensitive data collected from smartphone sensors are interpreted according tothe experiences of the other drivers on the same geographical location segment andsimilar dynamic conditions. Machine learning techniques can provide a solid, accurateand robust analysis of the multi constrain road conditions.In this architecture we propose 3 novelties whıch help to model any kind of drivingmaneuvers.