Yapay zeka, insan tarafından yapıldığında zeka olarak adlandırılan davranışların (akıllı davranışların) makina tarafından da yapılmasıdır. Yapay zekanın amacı insanın zekasını bilgisayar aracılığı ile taklit etmek, bu anlamda belli bir ölçüde bilgisayarlara öğrenme yeteneği kazandırabilmektir. Bu şekilde yapay zeka çoğunlukla insanın düşünme yeteneğini, beynin çalışma modelini veya doğanın biyolojik evrimini modellemeye çalışan yöntemlerden oluşur [1].
Trafik mühendisliğinde kullanılan başlıca yapay zeka teknikleri aşağıda verilmiştir:
Uzman Sistemler
Expert Systems
Uzman sistemler kısaca bir kural tabanlı sistem olarak nitelendirilebilir. Burada oluşturulan kurallar bir uzmanın görüşü veya tecübesine dayandırılarak oluşturulur. Oluşturulan bu kurallardan, insanın neden-sonuç ilişkisine bağlı kalarak bir sonuca varması gibi mantıksal işlemler sonucunda bir çıkarım yapılır. Uzman sistemler çoğunlukla transit ve kentiçi yollardaki trafik akımlarının kontrolünde kullanılır [1].
Bulanık Mantık
Fuzzy Logic
Bulanık mantığın temel felsefesinde belirsizliklerin modellenmesi yer almaktadır. Klasik kümede sadece iki değer (1 ve 0) söz konusu iken, bulanık kümede var-yok çiftinin ara değerleri de tanımlanır (Şekil 1). Böylece günlük hayatta kullanılan “suyu ılıklaştır” gibi belirsiz sözel ifadeleri sayısal olarak tanımlamak mümkün hale gelir [2].
Şekil 1 Uzun boylu insanlar kümesini (a) Klasik ve (b) Bulanık gösterimi [2]
Özellikle doygun üstü durumlarda sinyalize kavşaklardaki gecikmeler bulanık mantık ile daha gerçekçi modellenebilmektedir [2]. Ayrıca mevcut dinamik sinyal kontrol modellerine bulanık mantık tabanlı modeller öneren çok sayıda çalışma mevcuttur [3, 4].
Yapay Sinir Ağları
Artificial Neural Networks
İnsan beyni bilinen en gizemli ve karmaşık hesaplayıcıdır. Yapay Sinir Ağları (YSA), insan beyninin işleyişini taklit ederek modellemede kullanılan yeni bir yaklaşımdır. Tüm YSA yapılarının esin kaynağı biyolojik sinir ağlarının işleyiş yöntemidir (Şekil 2) [5].
Şekil 2 Nöron’un biyolojik modeli (sol) ve YSA modeli (sağ) [1]
YSA’lar özellikle öğrenme üzerinde odaklamıştır ve lineer olmayan sistemlerde veya sisteme ait bilginin tam olmadığı, hatalı olduğu sistemlerde çözüme ulaşmak için uygundur. Sinyalize kavşaklarda ortalama taşıt gecikmelerinin YSA ile modellenmesi üzerine bir tez çalışması için [5]’e bakınız.
Genetik Algoritma
Genetic Algorithm
Doğal evrim sürecini (iyi olan hayatta kalır) örnek alan bir arama ve optimizasyon yöntemidir. Algoritmanın ana aşamaları (başlangıç popülasyonu, uygunluk değeri, seçim, çaprazlama ve mutasyon) uygulanarak en iyi çözüm aranır.
Trafik optimizasyonunda kullanılan çok sayıda yönteme alternatif olan Genetik Algoritma (ve bu sınıftaki diğer gelişmiş yöntemler) daha uzun işlem süresiyle daha optimal çözümler üretebilmektedir (Şekil 3). Benzetilmiş Tavlama (Simulated Annealing), Tepe Tırmanan (Hill Climbing) gibi diğer sinyal süre optimizasyon yöntemleriyle karşılaştırıldığında Genetik algoritmanın daha iyi sonuç ürettiği gözlenmiştir [7].
Şekil 3Yöntemler arası optimalite-işlem zamanı karşılaştırması [6]
Esnek Programlama
Soft Computing
Bu yaklaşım trafik uygulamalarında son dönemde birden fazla tekniği içinde barındırdığından en çok tercih edilen ve en iyi sonuçlar veren tekniktir. Katılım denetimi için Yapay Sinir Ağları-Bulanık yaklaşımı, Ulaşım tipi seçiminde Bulanık-Genetik yaklaşımı gibi uygulamalar örnek olarak sayılabilir [1].
KAYNAKÇA
[1] Tektas, M., Akbaş, A. & Topuz, V. (2019). YAPAY ZEKA TEKNİKLERİNİN TRAFİK KONTROLÜNDE KULLANILMASI ÜZERİNE BİR İNCELEME. Marmara Üniversitesi, Teknik Bilimler MYO.
[2] Murat, Y. Ş. (2006). Sinyalize Kavşaklardaki Taşıt Gecikmelerinin Bulanık Mantık ile Modellenmesi. İMO Teknik Dergi, Yazı 258, 3903-3916.
[3] Murat, Y. Ş. & Gedizlioglu, E. (2002). A New Approach For Fuzzy Traffic Signal Control. 11th EURO Working Group Meeting in Transportation. 174-180.
[4] Doğan, E. & Akgüngör, A. P. (2016). Bulanık Mantık ile Diğer Sinyal Denetim Sistemlerinin Karşılaştırılması Üç Kollu Sinyalize Kavşak Örneği. El-Cezerî Journal of Science and Engineering, 3, 1, 110-117.
[5] Başkan, Ö. (2004). İzole Sinyalize Kavşaklardaki Ortalama Taşıt Gecikmelerinin Yapay Sinir Ağları ile Modellenmesi. Yüksek Lisans Tezi, Pamukkale Üniversitesi, Fen Bilimleri Enstitüsü, Denizli, 117s.
[6] David, H., Hummer, J. E., Jamie, M. & Aleksandar, S. (2015). Emerging Methods of Signal Timing Optimization. Ite Journal. 85. 43-47.
[7] Ahmadpur, M. (2016). Evaluation Of Heuristic Algorithms For Traffic Signal Optimization Along A Corridor, M.S. Thesis, Boğaziçi University, Institute for Graduate Studies in Science and Engineering, İstanbul, 98 s.