T.C.
2020
T.C.
2020
Dr. yesi Muhammed Emin Cihangir
ve Dr. yesi A akir DOKUZ
Hareketlerinin
:
: Dr.
: Dr.
: Dr.
: Dr.
ONAY:
.../.../20...
Prof. Dr. Murat BARUT
: Muhammed Emin :
2020, 96 sayfa
) ve Keyfi
) olarak , bir v
, daha iyi
yapmaya motive etmektedir. Bunun sonucunda hareketi
sahiptir. Bu nedenle
hareketlerini kav
od
Apriori
SUMMARY
EXAMINATION OF LANE-CHANGING MOVEMENTS OF VEHICLES DEPARTING FROM SIGNALIZED INTERSECTION
, Ayetullah
Graduate School of Natural and Applied Sciences Department of Civil Engineering
Supervisor : Assist. Prof. Dr. Muhammed Emin Co-Advisor :
September 2020, 96 pages
Lane-changing maneuvers can be classified into two distinct categories, which are Mandatory Lane-Changing (MLC) and Discretionary Lane-Changing (DLC). MLC is the lane-changing which is mandatory for a driver to track the route for a planned destination.
DLC is the movement of changing lanes by drivers in order to travel in the better traffic conditions. DLC possesses different characteristics under different traffic conditions.
Therefore, in order to model DLC moves in the correct manner, they need to be approached separately for various different traffic conditions. This study has examined the DLC moves of vehicles which have departed from a signalized intersection. It is observed that a large number of vehicles move to an adjacent lane in order to be able to travel under better traffic conditions, after departing from a signalized intersection when the traffic lights turn green. There are many parameters which motivate the vehicles to change lanes at this stage. This study has focused on discovering these parameters. Data has been collected through field work for this purpose. Thereinafter, the parameters affecting lane-changing moves have been examined using Apriori method, which is one of the data mining approaches.
hareketleri,
Bu
harekete etkileyen parametreler
umut ediyorum.
Y
ve ile daima eraber
, s r. Muhammed Emin
y .
bilgi ve
Ahmet l
ve manevi
destekl ece a, anneme ve
onlara ithaf ediyorum.
... iv
SUMMARY ... v
... vi
... iv
... iv
... v
... vi
... vii
... 1
... 1
... 3
... 3
... 15
... 15
3.1 ... 15
... 17
3.2 ... 17
3.3 ... 19
... 19
... 20
3.4 ... 21
... 21
... 22
... 26
... 28
3.5 ... 33
3.5.1 ... 33
3.5.2 ... 34
3.6 ... 34
... 36
4.1 ... 36
4.2 ... 37
4.2.1 ... 40
4.2.2 ... 40
4.3 ... 41
4.4 ... 44
... 49
... 49
5.1 ... 49
5.2 Verilerin Elde Edilmesi ... 54
... 58
... 58
6.1 Verilerin Analizi ... 58
... 66
... 66
KAYNAKLAR ... 69
EKLER ... 78
... 96
... 57
... 61
... 62
... 62
... 63
... 16
... 16
... 17
... 19
... 20
... 24
... 25
... 27
... 28
... 30
... 31
... 32
... 43
). ... 45
... 47
... 59
... 59
... 60
... 61
VB. MALZEMELER
... 50
... 51
... 51
... 52
... 53
... 53
... 54
... 55
Simgeler
t Zaman
Konum
CORSIM
Keyfi
WEKA Waikato Environment for Knowledge Analysis
I
hareketleri ) ve Keyfi
,
izleyebilmek (Moridpour, 2010).
ise, yasal savunul
zorunda
kalmamakta yol bi mektedir (Moridpour,
2012).
yapmaya motive etmektedir hareketi
gerekmektedir.
hareketlerinin iki
modellem ,
Bunun sonucu olarak, b
Bu
, en
s hareketlerini
modellerin
ana ; ikincisi
verilerin analiz na ait bilgiler, bu tezin Saha
Veri bu
n gelecekteki modellemeleri
de
hareketlerine ait teorik bilgiler
sunul te metodoloji 5
II
k
matematiksel ifade
li ve
Hunt ve Lyons (1994) y
nin
modeli, daha sonra
.
ek olarak zaman tarama
Hem test hem de
Ahmed vd. kullana
,
Hatipo
Avrupa hesaplar sistemi
sistematik ol
savun .
.
modellenmesi video yakalama sistemi ile entegre
modelidir
ren bir .
tir
.
erit de imi ile
bir kombinasyon
ise
Toledo vd. (2003)
S
lard
,
. esini
.
ifade et .
.
dir.
Entegre
Modelin parametreleri,
Salvucci (2004)
tir.
Wang vd.
me-
. Arka nezaket
tir meydana
getiren ayarlamak ama
veya dir
. ihtimalini yok saymakta,
veya
bulamazsa, girmemekte
ve ya
durumunun net bir
.
.
- Belli bir uzunlukta olan bir yol
-
- num-
unlu mu yoksa keyfi mi bir
Laval ve Da
ve bu vaziyette
defiyle bir
dir.
lerdir.
Ramanujam (2007) t ve
incel
Kesting vd. (2007) yap nin keyfi
m
nuna izin
ik
irler.
bir olay ol
nksiyonu olarak
dir.
:
dir bulu
dir.
zelliklerini
Bununla
Sun ve Elefteriadou (2010)
gelen
trafik
.
.
-
avsiye .
l
bir .
. Trafik
.
bul
-
. Yeni
.
irler.
k bir .
-
.
.
Zheng vd. (2014)
ler
Stratejiler nmekte
ekilde
en iy
rafik veya
Takagi-
tahmincisinin ve
60km/h, 80km/h ve 100km/h.
tomatik
etlerini
keti
etkileyen parametreleri
III
eti, boyuna ve yanal hareketleri, ay
takip olarak . hareket ile birlikte uzunlam
hareketidir.
modellenmesi, makroskobik ve mikroskobik verilerin
zorunlu ve
(Balla vd., 2016).
nitelikli
hizmet le da
bir tercih edilmektedir hareketleri ivme ve konum
basit olabilmektedir. Bununla
olarak alabilmektedir .
3.1
. Bunlar; a
, dir.
3.1.
i tercih etmekte ve
2.
1 (t2)
.
zaman(t0 1 (Yuan vd.,
2018).
Yok
Sola Yok
Sola ARALIK
SOL MEVCUT
3.1.1 m:
a maksimum .
.
3.
3.2.
modellenebilmektedir.
I karar verme: Bu kararla
sona erer. Karar verme
lmektedir. Son olarak, verilir.
(Xie vd., 2019).
t0 t1
t2
Hedef
(3.1.)
II ygulama: Uygulama
(3.2)
Burada t x (t) ve y (t) t
ve ; (t) ve sonra t
sonra
( 3.4).
SV, PVC, PVT
LV T, hedef
d1, d2, d3 PVc, PVT ve LVT
, 1, 2, 3 ise PVc, PVT ve LVT
(Xie vd., 2019) .
(3.3)
4.
3.3
genellikle verilen 2 durumla kategorize edilebilmektedir: Bunlar
Zorunlu :
.
.
Keyfi erit De e: talep
sunma
olmayacak ve otoyol birl rind n korunabilecektir.
Ar ve
, isteyen
isteyen ara ka uygulayarak erit de neden lm kt
Gecikmeli
d3 d2
Y
v3
v v1
v2
d1
PVT
LVT
PVC
SV
X
: eki ve rk d ki
, model
3.3.2 Ara Ka
hedef de ve bulunan
ak kabul edilmektedir ). Ara
ka hesap ,
minimum ilmekte ve bu
mesafeler eki ve rk d ol rak isimlendirilmektedir
2012).
5.
.
arkas ki mesafe ise arka a
Arkadaki Mevcut Arkadaki
Kritik
3.4 tirme
, modelleri
Ara ka ve
.
n belirle ,
iki
hizmet etmesi ve bir yerlerin
.
3.4
- uygulan
mp
ncak e
.
,
edilen
, .
Gipps 1986
muhafaza etmek ve
.
kabullenilebilir
etmektedir.
olarak isimlendirmektedir
3.4.2. Zorunlu ve keyfi erit e
keyfi karara etki eden
olarak kullanmaya devam
Ahmed
ni
t s
vaziyetinde,
m
l
etkilenmektedirler
6. rit d (Ahmed, 1999)
bu
modelleri e
-zaman grafiklerini kullanarak
ve nin
z ot
pozisyon .
se ot bir yol
elde ederek . Ahmed
veri denk
n Bu modelde z
haline
koordineli fonksiyon .
e verilmektedir.
7.
.
-
- parametr
-konum n
, otoyol .
bir belirletici kural
model .
modeller
devam
ARALIK
Yok Durumu Yok Durumu Yok
SOL MEVCUT
it
Modelde, t n aki mesafe
bilinmelidir
onayla .
karar ve
dek
8.
incelenebilen olaylara denktir,
i denk . Bir zaman
;
konumunu ,
ilmektedir.
Kabul Edilmesi
Beklenmesi Hedef
Red Edilmesi Hedef
Bekleme
Nezaketen
Nezaketen ve Normal Kabu
9.
uy
bir Fakat
hedef onun
olarak belirtilmektedir
ve
Hidas
bu modelde Arkadaki
Analist s .
hallerinde bulundurmakta birlikte hareket ederek zor
.
erken
belirt
yeterince bilgiyi
elinde tutmak ve a ileti
modeller 2012).
Wang vd.
-
i ile
,
2012).
10. la si (Wang vd., 2005)
Toledo
eden meydana gelmektedir.
verilmektedir
Mevcudiyeti
Evet
Evet
H
11. (Toledo, 2002)
a
d r
a benzer vaziyetler olabilecek
tahmin edilebilmektedir. ,
durumun tekrar ve . Bu
HIZLANMA Plan
12.
ayarlamaya
hedefi incelenmektedir.
e kapsamakta ve
farklar varsa hata tespit edilmektedir
Sol
Yok
Mevcut
S1 SM S1 SK
HEDEF
DURUMU HEDEF ARALIK
ARALIK
Yok Sola
P
3.5.1.
Bu nedenler tek tek
. herhangi
1.
2. tte i
n'den
3. bir nedenle
da
geride istenilen
4. :
5.
6.
3.5.2.
t et gerekl
. H
(Hidas, 2002).
3.6
lar meydana getirmekte
hedefiyle bir mo
se
ve bu
birbirilerine ba
yabilmektedir.
alga (Lighthill ve Whitham, 1955; Richards, 1956) ve irmenin modellenmesinde yeterli .(Munjal ve Pipes, 1971; Munjal, P.K., Hsu, Y. ve Lawrence, R.L. 1971;
modelde bir
yeterince
. mikroskobik modelleri
iyi uygula
Bu modeller Buisson ve Wagner hedefiyle
modellerin kar , model ve hesaplama
bildir hedefiyle, Laval ve Dagonzo
. Bu mikroskobik ve
makroskobik modellerin . Kinematik dalga
olumsuz ise m
) bir tekil kinematik dalga
gibi . Kinematik dalga -
modele bir
daha t
denetlemek
IV
4.1
yeni teknolojilerden birisidir. Bilgisayar sistemlerinin
bilgisayarlarda daha verinin saklanabilmesini . Bu nedenden ,
(
alanda son
temel . , bulunan
bulunan
; Erpolat ,2012).
uygulamamlar belirtmektedir. Veri hedefi teki
nalizini esas alarak ilerideki karar
verme (Erpolat, 2012).
varmak denilebilir. Bir gelecekle
nda . veri
. Veri
metotlar (Eker vd., 2016).
4.2
. ,
u, 2007).
vd., 2014). olarak hangi seviyede dikkate
taleplerinin ne kadar ilgilenmektedirler.
bilinmesi ve tatmin edilmesi gerekmektedir.
rilerini Delice si
yenilikleri takip etmeye
k elde ederler
(Han ve Fu, 1999). Toplanan ve nedeniyle,
birliktelik bulmak,
Birliktelik
da (Survey
vd., 1999). Bu
tusunda daha etki
ise, bu durum (Survey vd.,
1999):
A => B [de (4.1)
adeleridir. Denklem (4. l)'deki
beraber da olan
destek belirtilir
mevcutken, edilmektedir (Survey vd., 1999):
1. her b
belir .
2.
destek ve (
nde veri k
lerin tespit
-
(Karasu, 2019).
veri
Kamber, 2001;
bulunabil
elik vd., 2014).
I = I1, I2 m
Bir eder ve Ii, Ij
i ve Ij
D
(4.2)
Bir min_destek
i, Ij
i
ve Ij i
D
(4.3)
Bir Ii Ij i, Ij birliktelik
i j
edilebilmesi min_destek ve min_
4.2
N
si
esne
si si
si
(a1, a2, ... , a100), 1- : (a1, a2, a3, a100);
in : (a1, a2), (a1, a3), ... ,(a99, a100) ve bu sin
in Denklem (4.4)
(4.4)
.
4.2
i
in
lik enklem (4.5)
a a
L La kurallar .
(Gala, 2006).
4.3
Apriori, ikili uygun
Bu algoritma tekrar eden e sahiptir ve bilgilerini kapsayan veri
elde etmek da
duy Birinci
elde edilmekte, elde
edilen olarak isimlendirilen
, analiz
,
amayana kadar (Han vd.,2001; Eker vd., 2016).
, birlikte y
(Agrawal vd., 1993).
Apriori algoritma
e meydana gelen alt Aksoy, 2019).
Apriori, aday nesne nesne
nesne
i ekleyerek elikle ilk
(Agrawal ve Srikant, 1994; Aksoy, 2019).
- ise
elde edilmesinin
ran . Sonra
olmayan durum hesa
ir (Han ve Kamber, 2001; Eker, 2016).
elde etmektir. Bu nedenle dikkate al mazlar.
Sonradan gelen her belirlenen nesne
, .
daha .
uygulamalar tarama
ve
il 4.1 (Agrawal ve Srikant, 1993).
Algoritma 1.
Girdiler:
D
min_support min_confidence
R: Birlikte Algoritma:
1. L1 = 1-li eleman setleri
2. 1
3. for (k=2; Lk-1
4. Ck = generate-candidate(Lk-1)
5. count_Ck = calculate-occurrence(Ck, D)
6. Lk = select-large-k-itemsets(Ck, count_Ck, min_support)
7. k
8. end for
9. R = generate-rules(all_frequent_itemsets, min_confidence) 10. return R
1.
1 -
-
k eleman setleri, Ck k
k dizisindeki aday elemanlardan min_destek k
k
min_
yle belirtilir. Destek
belirtmektedir ise bu birliktelik
4.4
- elde
kadar devam edilmektedir.
n -
k k
k
Lk-1 k k, Lk
k k
k
- - olamaz.
gi bir (k- k-1
k
lmayabilmektedir
2. 2018).
C3
Destek {I2,I3,I5} 1
C1
Destek
{I1} 2
{I2} 3
{I3} 3
{I5} 3
Veri TID
100 I1,I3,I4 200 I2,I3,I5 300 I1,I2,I3,I5 400 I2,I5
C2
Destek {I1,I2} 1 {I1,I3} 2 {I1,I5} 1 {I2,I5} 2 {I2,I5} 3 {I3,I5} 2
- destek kriterini
ise destek kriterini
Yani X Y
(4.6)
alt
orsa, o . Bu
belirtilir
ise, 4 t
(
3.
eklenebilecek
a ik destek
Bulunan ik destek se,
silinir. Sadece uygun olan lemde bulundurulur.
ise, ikinci
parametreler bulunur.
tablosundaki her bir verinin destek
Destek
ekle (L1)
- Lk-1
D>=Min_
Destek
G >=
Min_
Kural Tablosuna ekle Evet
Evet
Evet
Evet
gibi bu de destek ik destek analiz edilmez.
, e .
grubu belli olduktan sonra kural destek
Sivri, 2015; Karasu, 2019).
V
B ana
ikincisi ise
. Tezin b
(Hjorthol, 2013), (Joewono vd., 2016).
s
konusu m
1.
1) reyler gibi
2)
metredir.
3) 4)
dir.
5) 6) 7)
8) 9)
10)
2.
5.3. ve yol kesiminin lokasyonu
ili
uydu
lokasyon bilgisi de tir. Saha
tir.
5.4. di
- verilere
k
.5.
5.2. Verilerin Elde Edilmesi
5.7. Verilerin elde edilmesi
yolda, 50 metre uzu
er bir segment de,
etme
1) i
d
2)
3) zinin yatay
kriteri bilgisi (Wang
vd. belirlenmesiyle
4)
8.
1) 2) 3)
4) ki
5) ki .
6) (km/sa).
7) (km/sa).
8) (km/sa).
9) (km/sa).
10) (km/sa).
11) (km/sa).
12) 13)
14) (m).
15) (m).
16) (m).
17) (m).
5.
5.1
minimum ve maksimum d
1.
6.1 Verilerin Analizi
etmektedirler.
.
Waikato Environment for Knowledge Analysis (WEKA) (Hall vd., 2009).
veri 6.1 de
1.
3. A
parametrelerden
4.
1.
2. etlere ait elde edilen kurallar
3.
4. etlere ait elde edilen kurallar
Apriori algoritma uygulan
olarak
kurallar .
olarak 8 no lu kural
0 ila 20 km/sa bir adet
10 no lu kurala
km/sa
elge 6.4
hareket
hareket ve
mesafenin
arkadaki Bu nde
hareketi daha rnek
olarak,
ki estek ve
, hareketlerinin
dir.
B
sonucunda elde nin 1
bulun . Ancak, destek
B ,
0.95 seviyelerinde olursa
o zaman denilebilir ana
g
ifade eder denilebilir.
A
bu
v
K
n Veri
mertebelerde elde edilebile
bir
s ni etkileyen
Apriori
1)
etkileyen parametreler or
hedef
, , , hedef
, , mevcut
, ,
konumu,
, ,
ortalama , ,
mesafe, .
2)
rta
hareketlere ait elde edilen kurallar de, s hareketlere ait elde edilen kurallar te, ort
harek te .
3)
abilmektedir.
nin 0.15 ile 0.30
lan kurallara ait olup 0.30 mertebesindedir. Analiz
edilen veri seti olmak
Bunun
KAYNAKLAR
Proceedings of the 20th Very Large Data Bases Conference, Santiago, 487-499, 1994.
Agrawal, R. and Srikant, R., Fast Algorithms for Mining Association Rules , XX.
International Conference on Very Large Data Bases, Santiago de Chile, Chile, 12- 15,1994.
Agrawal, R. and Srikant, R., Fast algorithms for mining association rules Conference on Very Large databases, Santiago, Chile, 487-499, 1993.
Agrawal, R., Imielinski, T. Mining Association Rules between Sets of Items in Large Databases , International Conference on Management of Data , 207- 216, 1993.
Agrawal, R., Imielinski, T. and
In ACM SIGMOD Conf. Management of Data, 1993.
Agrawal, R., Imielinski, T. and Swami, A., Mining association rules between sets of ACM SIGMOD Conference on Management of Data, Washington, 207-229, 1993.
Ahmed, K., Ben-Akiva, M., Koutsopoulos, H. and Mishalani, R. Models Of Freeway Lane Changing And Gap Acceptance Behavior Safetylit 13, 501-515, 1996.
-changing behavior ,PhD Thesis, Massachusetts Institute of Technology, Cambridge, 1999.
Dergisi C:29, 1-22, 2000.
-69, 2019.
,
, ,
2003.
Arslan, A.R.,
, Politeknik Dergisi 12(1), 47-53, 2009.
Tezi, , Sakarya, s. 32-35, 2009.
, -25, 2012.
Balal, E., Cheu R. L., Gyan-Sarkodie, T. and Miramontes, J., Analysis of Discretionary Lane Changing Parameters on Freeways International Journal of Transportation Science and Technology, 277 296, 2015.
Bondugula, P., Implementation And Analysis of Apriori Algorithm for Data, Master Thesis, Universtiy of Nevada, Las Vegas, 2006.
Buisson, C. and Calibration and validation of simulation models Washington: 2004 TRB annual meeting Workshop 148: Traffic simulation models, 2004.
Cao, P., Hu, Y., Miwa, T., Wakita, Y., Morikawa, T. and Liu n Optimal Mandatory Lane Change Decision Model For Autonomous Vehicles in Urban Arterials Journal of Intelligent Transportation Systems 21, 271-284, 2017.
and ,
Turkish Journal of Electrical Engineering & Computer Sciences 22 (4), 840-857, 2014.
Daganzo, C.F. A continuum theory of traffic dynamics for freeways with special lanes Transportation Research Part B 31 (2), 83 102, 1997.
A behavioral theory of multi-lane traffic flow part I: long homogeneous freeway sections Transportation Research Part B 36 (2), 131 158. 119, 2002a.
A behavioral theory of multi-lane traffic flow part II, merges and the onset of congestion Transportation Research Part B 36 (2), 159 169, 2002b.
Daganzo, C.F., Lin, W. and A simple physical principle for the
simulation of freeways with spec Transportation
Research Part B 31 (2), 105 125, 1997.
Uygula , 193-198, 2008.
Belirlenmesi ,
ve
, , 2016.
Eker, M.E., iori
, Samsun, s. 24-26, 2016.
Erpolat S., sinde
Apriori ve FP- ,
Bilimler Dergisi 7, 44-58, 2012.
Gala, D., Analyzing Association Rules Produced By Appliying The Apriori Algorithm To Strucutred Data, Master Thesis, Universtiy of Nevada, Las Vegas, 2006.
- Transportation
Research 20 (B), 403-414, 1986.
Edirne, s. 34-36, 2010.
ve
Analizi", , 1-3, 2013.
Hall, M., Frank, E., Holmes, G., Pfahringer, B., Reutemann, P. and Witten I.H., The WEKA Data Mining Software: An Update SIGKDD Explorations 11, 1, 2009.
Han, J. and Mining Multiple-Level Association Rules in Large Databases , Transactions on Knowledge and Data Engineering 11, 5, 1996.
Han, J. and Kamber M., Dat Publishing House of
Mechanism Industry, 70 72, 2001.
Han, J. and Kamber M., Pei J., Morgan Kaufmann Publichers, Burlington Data Mining Concept and Technology, 2012.
Hashimoto, M., Suetomi, T., Okuno, A. and Uemura A study on driver model for lane change judgement Elsevier JSAE Review 22, 2, 183-188, 2001.
, C., Redmill, K. and Automated Lane Change: Theory and Practice Elsevier IFAC Proceedings 31, 1, 73-78, 1998.
Modeling lane changing and merging in microscopic traffic simulation , Elsevier, Transportation Research Part C: Emerging Technologies, 10, 351-371, 2002.
Journal of Transport Geography 28, 186-191, 2013.
Hunt, J.G. and Lyons, G.D., Modeling dual carriageway lane changing using neural networks , Transportation Research-C 2 (4), 231-245, 1994.
Jin, I.G. and Murray Synthesizing voluntary lane-change policy using control improvisation Elsevier 51, 34, 396-399, 2019.
-based public transportation in
Transport policy 49, 114-124, 2016.
Karabatak, M. ve , s. 2, 2004.
Karasu, B., Bir
Dokuz Eyl s -2,
2019.
, AB2014 Bildiriler, 2014.
Kesting, A., Treiber, M. and Helbing, D., General Lane-Changing Model MOBIL for Car-Following Models Transportation Research Record: Journal of the Transportation Research Board 1999, 1, 86-94, 2007.
Keyvan-Ekbatani, M., Knoop, V.L. and Daamen Categorization of the lane change decision process on freeways Elsevier 69, 515-526, 2016.
Laval, J.A. and Lane-changing in traffic streams Transportation Research Part B 40, 251-264, 2006.
Laval, J.A.and Daganzo, C.F., A hybrid model of traffic flow: impacts of roadway geometry on capacity Washington: 2003 TRB annual meeting, 2003.
Lighthill, M.J. and On kinematic waves. I Flow movement in long rivers. II A theory of traffic flow on long crowded roads . Proceedings of the Royal Society 229 (A), 281 345, 1955.
Liu, B., Hsu, W. and
Proc. Fourth Int'l Conf. Knowledge Discovery and Data Mining, 80 86, 1998.
Lv, W., Song, W. and Fang Three-lane changing behaviour simulation using a modified optimal velocity model 390, 12, 2303-2314, 2011.
Michalopoulos, P.G., Beskos, D.E. and Yamauchi, Y., Multilane traffic dynamics: some macroscopic considerations Transportation Research Part B 18 (4 5), 377 395, 1984.
Moridpour, S., Rose, G. and Sarvi Effect of Surrounding Traffic Characteristics on Lane Changing Behavior Journal of Transportation Engineering 136, 11, 2010.
Moridpour, S., Sarvi, M., Rose, G. and Mazloumi Lane-Changing Decision Model for Heavy Vehicle Drivers Journal of Intelligent Transportation Systems dergisi 16, 1, 24-35, 2012.
Munjal, P.K. and Pipes, L.A., Propagation of on-ramp density perturbations on unidirectional two- and three-lane freeways Transportation Research Part B 5 (4), 241 255, 1971.
Munjal, P.K., Hsu, Y.and Analysis and validation of lane-drop effects on multi-lane freeways Transportation Research Part B 5 (4), 257 266, 1971.
Journal of Transport Geography 26, 166-174, 2013.
r veri
6(12), 21-37, 2007.
, stanbul Teknik 3, 2003.
Lane Changing Models for Arterial Traffic Massachusetts , PhD Thesis, Massachusetts Institute of Technology, Cambridge, 2007.
Shockwaves on the highway Operations Research 4, 42 51, 1956.
Salvucci Inferring Driver Intent: A Case Study in Lane-Change Detection Proceedings of the Human Factors and Ergonomics Society Annual Meeting 48, 19, 2228-2231, 2004.
Sever, H. ve ormal Bir Yakla Bilgi
, 2002.
- n Tavsiye
Lisans Tezi,
E., Bardak T., Peker H. ve Bardak S.,,
, loji Bilimleri Dergisi 6, 3, 679 684, 2017.
Sparmann, U.,
Heft 263, 0-106, 1978.
Sun, D.(J). and Elefteriadou Research and Implementation of Lane-Changing Model Based on Driver Behavior Transportation Research Record: Journal of the Transportation Research Board 2161, 1, 1-10, 2010.
Sun, D.(J.) and Elefteriadou A Driver Behavior-Based Lane-Changing Model for Urban Arterial Streets Transportation Science 48, 2, 159-312, 2012.
Survey A. and Zaki, M.J., Parallel and Distributed Association Mining , Parallel Mechanisms for Data Mining 7, 5, 14-25, 1999.
Tang, J., Liu, F., Zhang, W., Ke, Lane-Changes Prediction Based On Adaptive Fuzzy Neural Network Elsevier Expert Systems with Applications 91, 452- 463, 2018.
Toledo, T., Integrated Driving Behavior Modeling , Department of Civil and Environmental Engineering of Massachusetts Institute of Technology, 2002.
Toledo, T., Koutsopoulos, H. and Ben- Modeling Integrated Lane-changing Behavior . Transportation Research Record 1857, 30-38, 2003.
Wang, J., Liu, R. and A simulation laboratory for motorway merging Transportation and Traffic Theory: Flows, Dynamics and Human Interaction 5(3), 127-140, 2005.
Wang, Q., Li, Z. and -change characteristics
using next- J. Intell. Transp. Syst 18, 246 253, 2014.
Webster, N.A., Suzuki, T. and Kuveyt
Transportmetrica, 4, 1, 63-78, 2008.
Wei, H., Meyer, E., Lee J. and Characterizing and Modeling Observed Lane- Changing Behavior: Lane-Vehicle-Based Microscopic Simulation on Urban Street Network Transportation Research Record: Journal of the Transportation Research Board 1710,1, 104-113, 2000.
Wei, L., Wei-Guo, S., Xiao-Dong, L. and Jian A microscopic lane changing process model for multilane traffic Elsevier, Physica A: Statistical Mechanics and its
Xie, D-F., Fanga, Z., Jia, B., and He, Z., A data-driven lane-changing model based on deep learning Elsevier, Transportation Research Part C 106, 41 60, 2019.
Xuan, Y. and Lane change maneuver detection from probe vehicle dgps data. Toronto , Intelligent Transportation Systems Conference ITSC '06 IEEE, 2006.
Yang, Q. and Koutsopoulos, A Microscopic traffic simulator for evaluation of
dyn Transportation Research 4 (C), 113-129, 1996.
,
Doktora Tezi, itesi, Adana, 2018.
You, F., Zhang, R., Yalan, G., Wang, H., Wen Trajectory Planning and Tracking Control For Autonomous Lane Change Maneuver Based On The Cooperative Elsevier, Expert Systems with Applications 42, 14, 5932-5946, 2015.
Yuan, J., Abdel-Aty, M., Cai, Q. and Lee ory lane
change behavior on the weaving section of freeway with managed lanes: A driving simulator study Elsevier Transportation Research Part F 62, 11 32, 2018.
Zheng, J., K Suzuki, K. and Fujita -Changing Decisions
Using A Neural Network Model Elsevier Simulation Modelling Practice and Theory 42, 73-83, 2014.
Zhou, H., Itoh, M. and Inagaki Effects of Cognitive Distraction on Checking Traffic Conditions for Changing Lanes Proceedings of the Human Factors and Ergonomics Society Annual Meeting 53, 12, 824-828, 2009.
okulunda, 6-7- -
2018-
niversitesi
