TARIFNAME TRAFIK YOGUNLUK TAHMIN SISTEMI VE BUNUN YÖNTEMI Bulusun iniIi oldugu teknik alan: Bulus, anlik GPS bilgilerinin büyük veri mimarisinde islenip analiz edilerek trafik yogunluk durumunun tespit edilmesini saglayan bir sistem ve yöntem ile ilgilidir. Bulus özellikle, ileri zamanli trafik yogunlugu tahmini ve yol karakteri tespiti yapilmasini saglayan bir sistem ve yöntem ile ilgilidir. Teknigin bilinen durumu: Kalabaliklasan sehirlerde artan araç sayisi trafik yogunlugu sorununa yol açmaktadir. Kullanicilar bu sorunla karsilastiklarinda, trafigin yogun oldugu saatlerde belirli yollari kullanmayarak trafikten kaçinmaktadirlar. Ancak bu çözümler belirli zaman araliklari için geçerli olmakla beraber, hiç tahmin edilemeyen zamanlarda ve güzergahlarda trafik yogunlugu olusabilmektedir. Böyle durumlarda, insanlar zaman kaybetmekte, çok kisa zamanda daha az yakit kullanarak ulasabilecekleri yerlere daha fazla zaman ve yakit harcayarak ulasabilmektedirler. Günümüzde sahada yer alan trafik ölçüm sistemleri tarafindan anlik trafik yogunluk verileri islenerek trafik yogunluk haritasi üzerinden sunulmaktadir. Olusturulan bu harita web araciligi ile yayinlanarak sürücülerin ve yolcularin ekonomik ve konforlu bir seyahat için alternatif güzergâhlara yönlendirilmelerini ve seyahatlerini planlamalarini saglamaktadir. Teknigin bilinen durumunda yer alan "TR201620063" numarali basvuru incelenmistir. Bu bulus, kullanicilardan alinan seyahat rotalarina bagli olarak olasi trafik yogunluk durumunu tespit eden ve tespit edilen trafik yogunlugunu dikkate alarak kullanicilara rota önerilmesini saglayan bir trafik planlama sistemi ile ilgilidir. Periyodik olarak içerisinde kayitli halde bulunan seyahat rotasi bilgilerine ve bu rotalarin kullanilacagi tarih ve zaman bilgilerine iliskin verileri isleyerek tarih ve zaman bazli olasi trafik yogunlugu bilgisini tespit etmeyi saglamaktadir. Teknigin bilinen durumunda yer alan "CN105261217" numarali basvuru incelenmistir. Bulus, yogunluga dayali bir kümeleme algoritmasi kullanarak bir kentsel trafik sikisikliginin tespit edilmesi için bir yöntemi açiklar. Bulus, tikaniklik alani bilgisi elde etmek için tikaniklik noktasi GPS verisi üzerinde kümelemenin gerçeklestirilmesini ve kentsel trafik sikisikligi durumu bilgilerinin bir veri tabanina kaydedilmesini içerir. Bulus, bir trafik sikisikligi alanini etkili bir sekilde bulabilme, kentsel trafik durumlarini derecelendirebilme ve kentsel planlama için önerilerde bulunabilmeyi içermektedir. Teknigin bilinen durumunda yer alan "CN110555544" numarali basvuru incelenmistir. Bulus, ulasim alani ve özellikle GPS navigasyon verilerine dayali trafik talebini tahmin etmek için bir yöntem ile ilgilidir. Büyük verilerin sundugu makro veri özelliklerine dayanarak, sakinlerin seyahat ihtiyaçlarinin yogun noktalarini bölmek için hiyerarsik bir kümeleme algoritmasi kullanilmaktadir. Kümeleme bölümü, mevcut sakinlerin seyahat ihtiyaçlarini analiz edebilir ve kentsel trafigi hafifletmek için etkili bir temel saglayabilmeyi içermektedir. Teknigin bilinen durumunda tarihsel verinin saklanma maliyeti ve islenebilirliginin efektif olmamasindan dolayi var olan veri anlik islenerek kullanilmaktaydi. Trafik durumu saatlik ve günlük olarak yol ve segment özelinde farklilik gösterdiginden sadece bir gün önce elde edilen veriler ile bir sonraki gün için tahmin yapilmasi dogruluk oraninda azimsanmayacak bir degisime sebep olmaktadir. Veri miktarindaki büyüklük yolun yillik, aylik, haftalik, günlük, saatlik ve dakikalik karakteristiginin belirlenmesinde önemli rol oynamaktadir. Eski ve yeni verinin katma degerli, çok amaçli kullanimini, ayni zamanda veri kapasitesinden bagimsiz olarak degerlendirilebilmesini saglayan bir sistem bulunmamaktadir. Sonuç olarak yukarida anlatilan olumsuzluklardan dolayi ve mevcut çözümlerin konu hakkindaki yetersizligi nedeniyle ilgili teknik alanda bir gelistirme yapilmasi gerekli kilinmistir. Bulusun amaci: Bulus, anlik GPS bilgilerinin büyük veri mimarisinde islenip analiz edilerek trafik yogunluk durumunun tespit edilmesini saglayan bir sistem ve yöntem ile ilgilidir. Bulusun bir diger amaci, anlik GPS verisi ile yol agindaki trafik yogunlugunun tespit edilmesini saglamaktir. Bulusun bir diger amaci, ileri bir zamanda yol aginda olusacak trafigin tespitinin yapilmasini saglamaktir. Böylece kullanicilarin ileri bir zaman diliminde seyahat planlamasi yapabilmesi saglanmaktadir. Bulusun bir diger amaci, islenecek veri miktarinin arttirilmasi ile ortaya çikan gerçek zamanli ve tarihsel veriden daha katma degeri yüksek verilerin çikarilmasini saglamaktir. Bulusun bir diger amaci, GPS verisinden zaman odakli bölge karakteristigi belirlenmesini saglamaktir. Bulusun bir diger amaci, GPS izlerinden yol aglarindaki degisimlere (yön, trafige açiklik-kapalilik, yeni yol) aksiyon süresinin minimize edilmesini saglamaktir. Bulusun bir diger amaci, veri güncelliginin saha ekiplerinden bagimsiz olarak saglanmasini saglamaktir. Bulusun bir diger amaci, kullanicilar özelinde degil bir yolda var olabilecek hiz bilgisini algoritmik olarak olusturdugu kümeleme özelinde yapmayi saglamasidir. Bulusun amaçlarindan bir digeri büyük veri mimarisi ile önceden belli olmayan rota veya yol vektör üzerinden anlik ve zaman devirimli hiz tespiti yapilabilmesidir. Bulusun bir diger amaci tahmin algoritmasinin makine ögrenmesi yöntemleri kullanilarak gerçeklestirilmesidir. Bulusun bir baska amaci ise GPS verisine ek olarak tahminlemede dis etkenler (hava durumu, özel günler vb.) makine ögrenmesi model egitimine özellik olarak dahil edilmesidir. Bu sayede makine ögrenmesi modeli olusturulurken kullanilan özelliklerin daha kapsamli olmasi saglanmaktadir. Bulusun amaçlarindan bir baskasi ise veri boyutundaki çesitlilik saglamasidir. Bu sayede tahminleme algoritmasinin dogruluk basarisinin belirlenmesinde kullanilan veri miktari hesaba katilmaktadir. Bulusun bir diger amaci, maliyetli saha operasyonlarinin minimize edilmesi ve veri kesintisinden kaynakli yasanacak sorunlarin öngörülebilir sistemler ile devam ettirilmesini saglamaktir. Bulusun bir diger amaci, kümelerin araç akis yönü, zaman ve hiz bilgileri kullanilarak olusturulmasidir. Bu sayede olusturulan küme karakteristikleri ile akillandirilmis bölge analizlerinde trafik yogunlugu, sikisiklik durumlari, kullanici hareket egilimleri gibi çikarimlar yapilabilmektedir. Bulusun yapisal ve karakteristik özellikleri ve tüm avantajlari asagida verilen sekiller ve bu sekillere atif yapilmak suretiyle yazilan detayli açiklama sayesinde daha net olarak anlasilacaktir. Bu nedenle degerlendirmenin de bu sekiller ve detayli açiklama göz önüne alinarak yapilmasi gerekmektedir. Sekillerin açiklamasi: Sekil -1; Bulus konusu sistemin sematik akis diyagraminin görüntüsünü veren çizimdir. Referans numaralari: . Veri ambari . Araç yönetim birimi . Uygulama 40. Sunucu 41. Trafik servis birimi 42. Rotalama birimi 43. Akillandirilmis bölge birimi Bulusun açiklamasi Bulus, anlik GPS bilgilerinin büyük veri mimarisinde islenip analiz edilerek trafik yogunluk durumunun tespit edilmesini saglamaktadir. Bulus konusu sistem temel olarak, veri ambari (10), araç yönetim birimi (20), uygulama (30), ve sunucudan (40) olusmaktadir. Veri ambari (10), bulut ortaminda depolanmaktadir. Veri ambari (10), sunucu (40) tarafindan edinilen araç konum ve yön bilgilerini kayit altinda tutmaktadir. Veri ambari (10), anlasmali kurumlardan edinilen tarihsel ve gerçek zamanli yol durumu bilgilerini saklamaktadir. Veri ambari (10), sunucu (40) tarafindan yapilan analiz sonuçlarini saklamaktadir. Veri ambari (10), GPS verisi saklanirken Z3 indeks ile cografi indeks kullanilarak cografi, zamansal ve özellikler ile üç boyutta indeksleme yapilmasini saglamaktadir. Veri ambari (10) içerisinde geçmis tarihli araç GPS noktalari, veri zenginlestirme için gerekli hava durumu bilgileri, yol agi bilgileri, anlik trafik bilgisi ve tahmine dayali trafik bilgisinin saklanabilmesini saglamaktadir. Veri ambari (10) tarihsel ve artarak ilerlemekte olan akan verinin saklanmasi ve sonrasinda verinin islenemebilmesi adina cografi veri saklama, indeksleme ve isleme kapasitesine sahip veya bu özellik eklentiler ile saglanabilecek veri tabani ihtiyacini karsilamaktadir. Z3 indeks, bir bosluk doldurma egrisi (Space-filling curve), çok boyutlu bir alani tek boyutlu bir alana eslemenin bir yoludur. Çok boyutlu uzayda her hücre elemanindan (veya pikselden) geçen bir iplik gibi davranir, böylece her hücre tam olarak bir kez ziyaret edilir. Böylece, bir bosluk doldurma egrisi, çok boyutlu uzayda noktalarin dogrusal bir düzenini empoze eder. Her boyutun N hücreli (piksel) alanindaki D boyutlu bosluk doldurma egrisi, her bir parçanin birbirini izleyen iki D boyutlu noktayi birlestirdigi N^D'1 parçalarindan olusur. Çok sayida bosluk doldurma egrisi vardir. Araç yönetim birimi (20), herhangi bir iletisim protokolü üzerinden sunucu (40) ile iletisim halinde olmaktadir. Araç yönetim birimi (20), GPS (Global Positioning System- Küresel Konumlama Sistemi) üzerinden elde edilen konum bilgisi ve yön bilgisini sunucuya (40) iletmektedir. Uygulama (30), herhangi bir elektronik cihaz tarafindan yürütülmek ve elektronik cihaz araciligiyla sunucuya (40) gps bilgilerinin gönderilebilmesini saglamaktadir. Uygulama (30), kullanicilarin gitmek istedikleri yer bilgisini alarak varis zamanini ve optimal rotanin çizilmesini saglamaktadir. Uygulama (30), kullanicilara sunucunun (40) analiz etmis oldugu trafik hizi bilgilerini bir harita üzerinde renklendirerek sunmaktadir. Uygulama (30), kullanicilarin ileri bir zamanda gitmek istedikleri lokasyonda olusabilecek trafik yogunlugunun tahmin bilgisini kullaniciya sunmaktadir. Uygulama (30), kullanicilara rota ve trafik yogunluk durumlarini bir harita üzerinden sunmayi içermektedir. Bu sayede kullanicilar ileri bir zamanda gitmek istedikleri konuma hangi zaman diliminde veya hangi rotadan gitmelerinin daha efektif olacagini ögrenebilmektedirler. Uygulama (30), sunucu (40) tarafindan analizi yapilan kaza olasiligi yüksek olan alanlar ve bölgedeki sosyal ve ekonomik sirkülasyonun nasil yönlendigi bilgilerini kullaniciya sunmayi saglamaktadir. Sunucu (40), veri ambari (10), araç yönetim birimi (20), ve uygulama (30) ile iletisim halindedir. Sunucu (40) tarafindan hesaplanan tüm veriler veri ambari (10) üzerinde tutulmaktadir. Sunucu (40), sahadan ve anlasmali kurumlardan edindigi tarihsel ve gerçek zamanli gps bilgilerinin bulut sistemli veri tabanlari (10) üzerinde saklanmasini saglamaktadir. Sunucu (40), büyük veriler üzerinde analiz yaparak trafik yogunlugunun tespit edilmesini saglamaktadir. Sunucu (40), gps konum bilgilerini kümeleme çözümleri ile gruplayarak vektör yol verisi üretilmesini saglamaktadir. Trafik servis birimi (41), sunucu (40) üzerinde çalisarak geçmise ait trafik verisini, veri ambarinda (10) bulunan ham GPS verilerinde zaman filtreli cografi kesisim uygulanarak elde edilen veri kümesi üzerinden uygulanacak olan temel toplama, ortalama gibi islemler yaparak hesaplamaktadir. Trafik servis birimi (41), var olan alanin (kullanici tarafindan belirlenen yol, bölge vb) akan veri ile beslenerek 5 dakikalik periyotlardaki anlik trafik bilgisinin hesaplanmasini saglamaktadir. Trafik servis birimi (41), bölge belirlemede kullanim senaryolarina göre belirli algoritmik ve aritmetik eslesmeler yapilarak GPS noktalarinin belirli bir alanda olusturdugu yogunluk ve sikisiklik bilgilerinin olusturulmasi için cografi, H3 ve OPTlCS kümeleme yöntemlerini kullanmaktadir. Trafik servis birimi (41), cografi kümele yönteminde akan verinin yol agi ile cografi olarak kesistirilmesi ile olusacak olan 5 dakikalik zaman araIikIarindaki GPS koordinatlarinin ortalama hizlari alinarak anlik trafik bilgisini hesaplamaktadir. Trafik servis birimi (41), cografi olarak yol agi üzerinden olusturulacak olan R-Tree (R- agaçlari) indeks ile gelen her bir GPS koordinati üzerinde, GPS sapmasi da göz önünde bulundurularak olusturulacak olan 20 metrelik buffer (Bir harita detayi etrafinda hesaplanan es mesafe ya da es zaman bölgesi) olusturularak kesisim ve yol yönlerine göre yapilacak olan eslesme sonucunda 5 dakikalik yigin içerisindeki ortalama hiz ve araç sayisinin tespit edilmesini saglamaktadir. Trafik servis birimi (41), H3 kümele yönteminde akan verinin yol agindan bagimsiz dünya düzleminin altigen olarak bölümlenmesi ile olusturulmus H3 indeks ile belirlenen çözünürlük seviyesinde olusacak altigen alan içerisinde 5 dakikalik zaman araIikIarindaki GPS koordinatlarinin ortalama hizlari alinarak anlik trafik bilgisini hesaplamaktadir. Trafik servis birimi (41), H3 kümele yönteminde ortak altigen içerisindeki 5 dakikalik araç tipine göre maks-min ortalama hizi ve araç sayisini hesaplamaktadir. H3 lndeks, altigen grid sistemin faydalarini SZ'nin hiyerarsik alt bölümleriyle birlestiren (yaklasik olarak) daha ince ve daha ince altigen gridlere bölünebilen altigen bir grid kullanan bir geo-uzamsal indeksleme sistemidir. Trafik servis birimi (41), optik kümeleme yönteminde akan verinin yol agindan bagimsiz sadece nesnelerin cografi konumlarinin ve yönlerinin siniflandirilmasini yapmaktadir. Trafik servis birimi (41), optik kümeleme yönteminde kümeleme yapilirken nesnelerin birbirine uzakligi veya sinifin içerisinde bulunmasi gereken minimum nesne sayisinin kullanimini göz önünde bulundurmaktadir. Trafik servis birimi (41), optik kümeleme yönteminde OPTlCS algoritmasi kullanilarak belirli bir bölgede kalan ayni karakteristige sahip araçlarin ayni gruplarda yer almasi ve sonrasinda yol agindaki yogunlugun bu kümeler içerisindeki durumlari hesaplanarak yol sikisikliginin hesaplanmasini saglamaktadir. Trafik servis birimi (41), belirli bir yol veya bölge için zaman içerisinde gerekli kosullar öngürülerek 15' er dakikalik periyotlar ile olasi trafik yogunlugunu hesaplamaktadir. Trafik servis birimi (41), CNN (Evrisimli Sinir Aglari) ve LSTM (Uzun kisa süreli bellek) derin ögrenme modelleri kullanarak, kümülatif verinin zaman içerisinde hava durumu, özel günler vb. gibi etmenler göz önüne alinarak olusturulacak olan modeller ile tahmine dayali trafik bilgisini hesaplamaktadir. Trafik servis birimi (41 ), geçmise dayali, anlik ve tahmine dayali olarak hesapladigi trafik bilgilerinin veri ambarina (10) depolanmak üzere gönderilmesini saglamaktadir. Trafik servis birimi (41), yapilacak olan analizlerin basari oranlarini arttirmak için zaman, GPS ve araç anlik bilgilerinin yani sira dis kaynaklardan elde edilecek meteorolojik bilgiler, yol bilgileri, araç seyahat analizleri (araç max-min hiz,ivme vb.), araç tipi, trafik akisina etki edecek etmenler vb. kullanilarak yapilacak tahmine dayali trafik yogunlugu ve rotalama verilerinin basari oraninin artirilmasi için veri zenginlestirme yapilmasini saglamaktadir. Trafik servis birimi (41), kümülatif alinan GPS bilgilerini ve sanal olarak üretilen araç bilgilerini kullanarak var olan aracin belirli zaman periyotlarinda yapmis oldugu seyahatini analiz ederek seyahat esnasinda geçtigi yollar, ortalama hiz, maX hiz, min hiz, ivme gibi seyahat analizini yaparak araç tipinin binek araç, orta araç, agir araç olarak siniflandirilmasi için yeni özellik üretilmesini saglamaktadir. Kümülatif veriler içerisinde anlik ve tarihsel verinin araç türlerinin ortalama bölge ve yol hizlarindaki etkisini yakinsamak adina GPS verisinin üretildigi aracin sinifinin bilinmesi bazi durumlarda en kisa zaman ve trafikli rotalama için baskin roldeki araç sinifinin durumuna göre degisim göstermektedir. Trafik servis birimi (41), derin ögrenme metodu olan Convolutional Neural Networks (CNN-VC) yöntemi kullanilarak araç tipinin tespit edilmesini saglamaktadir. Araç siniflandirmasinda GPS gibi iyi yapilandirilmis konumlandirma araçlari, bir trafik aginda hareket ederken araçlarin uzay-zamansal bilgilerini kaydeden bir alternatif çözümdür. Trafik servis birimi (41), var olan kümülatif veriler içerisinde araç siniflari bilinen GPS noktalarinin etiketlenerek egitim verisi olarak kullanilmasini saglamaktadir. Trafik servis birimi (41), büyük ölçekli etiketlenmis GPS verilerini kullanarak, araçlarin siniflarini yörüngelerinden derin bir evrisimli sinir agi ile tanimlamasini saglamaktadir. GPS koordinatlari arasindaki seyahat süresi ve mesafe hakkinda daha dogru bilgi elde etmek için daha önce hazirlanan veri zenginlestirme bilgilerinden yararlanilmaktadir. GPS noktasindan aracin sinifini belirlemek için CNN tabanli bir derin ögrenme modeli kullanilabilir. CNN-VC, GPS noktasindan soyut özellikler çikarmak için CNN katmani temel yiginini kullanmaktadir. Kullanilacak olan pooling islemi ile çikarilan özellikler içerisinde en önemli olanlarini kapsüllemek kullanilir. Ayni zamanda araç siniflandirma görevini gerçeklestirmek için bir softmax katmani içerir. Trafik servis birimi (41), egitim ve test veri setlerinin zenginlestirilmesi adina GPS noktasi ve araç özelinde seyahat süresi boyunca olusan hava olaylari ve özel gün, saat ve durumlar ile ilgili bilgileri ilgili servisler üzerinden elde edilerek kayit altina alinmasini saglamaktadir. Bulusun tercih edilen uygulamasinda, hava durumu bilgisinde havanin sicakligi, nem durumu, kar-yagmur yagisi, sis durumu ve rüzgâr durumu kayit altina alinabilir. Trafik servis birimi (41), trafik akisina etki edebilecek otoyollarin maksimum akis hizini ve buna karsilik gelen trafik kalitesinin belirlenmesi için Van Aerde trafik akis modelinin hesaplanmasini saglamaktadir. Van Aerde trafik akis modelinde c1: sabit mesafe ilerleme sabiti [km], 02: birinci degisken mesafe ilerleme sabiti [km2/h], 03: ikinci degisken mesafe ilerleme sabiti [h] ve m: uç ilerleme sabitini çözmek için kullanilan bir sabiti [h/km], vf: serbest akis hizi, v0: kapasitedeki hiz, qm: kapasite ve kj: trafik yogunlugunu ifade etmektedir. Parametreler için 6 da verilmistir. 01 = m*02 Denklem-1 cZ=1/kj(m+1/vf) Denklem-2 c3=(-c1+v0/qm-02/(vf-vo))/v0 Den klem-3 q=v/(c1+02/(vf-v)+c3*v) Denklem-6 Rotalama birimi (42), sunucu (40) üzerinde çalisarak olusturulacak olan canli trafik bilgisi, tahmine dayali trafik bilgisi ve akillandirilmis bölgeler ile kullanicilar için rotalama hizmeti sunulabilmesini saglamaktadir. Rotalama birimi (42), en kisa yol için rotalama en kisa süre için rotalama, en az yakit için rotalama, yol tiplerine göre öncelikli rotalama, dinamik rotalama, araç tipine göre rotalama, tahmine dayali trafik yogunluguna göre rotalama, hava durumuna bagli rotalama, yaya seyahat rotalama ve toplu tasima sehir içi- sehirler arasi tasima araçlarina bagli rotalama yapilmasini saglamaktadir. Rotalama birimi (42), Dijsktra algoritmasi, sezgisel algoritmalar ve hibrit algoritmalar kullanarak mevcut tüm çözümlerin kesfedilmesiyle global olarak en uygun çözümün bulunmasini saglamaktadir. Rotalama birimi (42), mevcut çözümlerin bir alt kümesini arastiran ve genellikle küresel optimal olana yakin niteliklere sahip yaklasik bir optimal çözüm üreten sezgisel algoritmalardan A*, tabu arama, karinca kolonisi ve genetik algoritmalar kullanmaktadir. Rotalama birimi (42), sezgisel yaklasimlar ile optimal çözümlerin birlestirilmesi ile olusturulmus rotalama algoritmalari olan hibrit algoritma kullanarak rota uzunlugu, seyahat süresi ve seyahat kolayligi saglayan rotalamanin yapilmasini saglamaktadir. Akillandirilmis bölge birimi (43), sunucu (40) üzerinde çalisarak veri ambari (10) üzerinden islenmis veriler ile kisitlarin filtrelenmesini saglamaktadir. Bulus konusu sistemin trafik yogunlugu tespit yöntemi bulunmaktadir. Bu yöntem ise asagidaki islem basamaklarini içermektedir. - Araç yönetim birimi (20) tarafindan GPS üzerinden elde edilen konum bilgisi ve yön bilgisi veri tabaniambarina (10) kayit edilmesi, - Veri ambarinda (10) bulunan ham GPS verilerinde zaman filtreli cografi kesisim uygulayarak elde edilen veri kümesi üzerinde uygulanacak olan temel toplama, ortalama gibi islemler yaparak geçmise ait trafik verisinin sunucu (40) üzerinde çalisan trafik servis birimi tarafindan hesaplanmasi, - Kullanici tarafindan belirlenen yol ve bölgenin akan veri ile beslenerek belirli zaman periyotlarindaki anlik trafik bilgisinin sunucu (40) üzerinde çalisan trafik servis birimi (41) tarafindan hesaplanmasi, - Belirli bir yol veya bölge için zaman içerisinde gerekli kosullar öngörülerek belirlenen zaman periyotlarinda olasi trafik yogunlugunun sunucu (40) üzerinde çalisan trafik servis birimi (41) tarafindan hesaplanmasi, - GPS, araç anlik bilgileri, dis kaynaklardan elde edilecek meteorolojik bilgiler, yol bilgileri, araç seyahat analizleri, araç tipi ve trafik akisina etki edecek etmenler kullanilarak yapilacak tahmine dayali trafik yogunlugu ve rotalama verilerinin basari oraninin artirilmasi için sunucu (40) üzerinde çalisan trafik servis birimi (41) tarafindan veri zenginlestirme yapilmasi, - Olusturulacak olan canli trafik bilgisi, tahmine dayali trafik bilgisi ve akillandirilmis bölgeler ile kullanicilar için rotalamanin sunucu (40) üzerinde çalisan rotalama birimi (42) tarafindan yapilmasi, - en kisa yol için rotalama, en kisa süre için rotalama, en az yakit için rotalama, yol tiplerine göre öncelikli rotalama, dinamik rotalama, araç tipine göre rotalama, tahmine dayali trafik yogunluguna göre rotalama, hava durumuna bagli rotalama, yaya seyahat rotalama ve toplu tasima sehir içi- sehirler arasi tasima araçlarina bagli rotalamanin sunucu (40) üzerinde çalisan rotalama birimi (42) tarafindan yapilmasi, - Dijsktra algoritmasi, sezgisel algoritmalar ve hibrit algoritmalar kullanarak mevcut tüm çözümlerin kesfedilmesiyle global olarak en uygun çözümün sunucu (40) üzerinde çalisan rotalama birimi (42) tarafindan bulunmasi, - sezgisel yaklasimlar ile optimal çözümlerin birlestirilmesi ile olusturulmus rotalama algoritmalari olan hibrit algoritma kullanarak rota uzunlugu, seyahat süresi ve seyahat kolayligi saglayan rotalamanin sunucu (40) üzerinde çalisan rotalama birimi (42) tarafindan yapilmasi, - veri ambari (10) üzerinden islenmis veriler ile kisitlarin sunucu (40) üzerinde çalisan akillandirilmis bölge birimi (43) tarafindan filtrelenmesi, - Anlasmali kurumlardan edinilen tarihsel ve gerçek zamanli yol durumu bilgileri veri tabanindan (10) alinarak kümeleme çözümleri ile gruplanarak vektör yol verisinin sunucu (40) tarafindan üretilmesi, - Optik kümeleme algoritmasini kullanarak farkli komsuluk degerlerinde verilerin kümelenmesi ve istenilen uzakliktaki araçlarin kümelenebilmesi yönünde verimlilik analizlerinin sunucu (40) tarafindan yapilmasi, - Istenilen ölçekte araçlarin, yol bilgisinden bagimsiz gruplandirilabilmesi ve bu araçlarin ortalama hizi hesaplanarak yol durum renklendirmeleri ve trafik akis tahmininin sunucu (40) tarafindan hesaplanmasi, - Geçmis yillardaki veriler ve trafik akisina etki edebilecek yan etmenler gözetilerek toplanan büyük veriler üzerinde makine ögrenmesi ile ileri bir zamanda yol aginda olusabilecek trafigin yogunlugunun sunucu (40) tarafindan tespit edilmesi, - Veri tabaninda (10) tutulan GPS verilerinden zaman odakli bölge karakteristiginin sunucu (40) tarafindan çikarilmasi ve veri tabanina (10) kaydedilmesi, - Bölge karakteristiginden kaza olasiligi yüksek olan alanlarin sunucu (40) tarafindan çikariminin yapilmasi ve veri tabanina (10) kaydedilmesi, - Küme segmentlerinin birlesiminden yol network agi ve yol network agindan bölgedeki sosyal ve ekonomik sirkülasyonun nasil yönlendigi hakkinda bilgi çikariminin sunucu (40) tarafindan hesaplanmasi ve veri tabanina (10) kaydedilmesi, - Kullanicilarin gitmek istedikleri yer bilgisini alarak sunucunun (40) hesapladigi varis zamani ve optimal rotanin uygulama (30) üzerinden kullaniciya sunulmasi, - sunucunun (40) analiz etmis oldugu trafik hizi bilgilerinin bir harita üzerinde renklendirilerek uygulama (30) üzerinden kullaniciya iletilmesi, - kullanicilarin ileri bir zamanda gitmek istedikleri lokasyonda sunucu (40) tarafindan hesaplanan olusabilecek trafik yogunlugunun tahmin bilgisinin uygulama (30) üzerinden kullaniciya sunulmasi. Kullanicilarin gitmek istedikleri yer bilgisini alarak sunucunun (40) hesapladigi varis zamani ve optimal rota uygulama (30) üzerinden kullaniciya sunulmaktadir. Sunucunun (40) analiz etmis oldugu trafik hizi bilgilerinin bir harita üzerinde renklendirilerek uygulama (30) üzerinden kullaniciya iletilmektedir. Kullanicilarin ileri bir zamanda gitmek istedikleri lokasyonda, sunucu (40) tarafindan hesaplanan olusabilecek trafik yogunlugunun tahmin bilgisi uygulama (30) üzerinden kullaniciya sunulmaktadir. Bulus konusu yöntemde kümeler araç akis yönü, zaman ve hiz bilgileri kullanilarak yapilmaktadir. Dolayisiyla olusturulan küme karakteristikleri ile akillandirilmis bölge analizlerinde trafik yogunlugu, sikisiklik durumlari, kullanici hareket egilimleri gibi çikarimlar yapilabilmektedir. Akillandirilmis bölgeler ile belirli bir alandaki trafik sikisikligi tespitinin yani sira, küme segmentlerinin birlesiminden yol network agi ve yol network agindan bölgedeki sosyal ve ekonomik sirkülasyonun nasil yönlendigi hakkinda bilgi çikarimi yapilabilmektedir. Akillandirilmis bölge analizinde Kaza - Kara noktalari tespiti ile kaza olasiliginin yüksek oldugu alanlarin çikarimi saglanmaktadir. TR TR TR TR TR