Otomobil Sürücülerinin Farklı Trafik ve Yol Koşullarındaki Bilişsel Yüklerinin Araştırılması

---

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Bursa Uludağ Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, FEN BİLİMLERİ ENSTİTÜSÜ, Türkiye

Tezin Onay Tarihi: 2024

Tezin Dili: Türkçe

Öğrenci: HİLAL ATICI ULUSU

Danışman: Tülin Gündüz

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu tez çalışmasının amacı farklı trafik yoğunluğu, yol tipi ve kişisel özelliklerin otomobil sürücülerinin zihinsel iş yükleri üzerinde yarattığı etkinin araştırılmasıdır. Sürücülerin zihinsel iş yükleri elektroensefalografi (EEG) sinyallerinden hesaplanan bant gücü ve indeks değerleri ile sayısal olarak ortaya koyulmuş, algılanan iş yükü NASA Görev Yükü İndeksi (NASA-TLX) ile sübjektif olarak da ölçülmüştür. Çalışmadaki sürüş deneyleri gerçek trafik ortamında 39 katılımcı ile belirli bir rota üzerinde gerçekleştirilmiştir. Alfa, teta, beta bant gücü ve mental durum indeksleri sakin hal ve sürüş arasında anlamlı farklılık göstermiştir. Kadın sürücülerin zihinsel iş yükü erkeklere göre daha yüksek bulunmuştur. Otuz yaş altı genç sürücülerin daha az zihinsel iş yüküne sahip olduğu görülmüştür. Ayrıca otomobil sürme tecrübesi yirmi yıl ve üzerinde olan sürücülerin, daha az tecrübeli sürücülere göre zihinsel olarak daha az zorlandığı tespit edilmiştir. Gerçek trafikteki sürüş verileri üzerinde istatistiksel çıkarımlar gerçekleştirildikten sonra makine öğrenmesi modelleri kullanılarak sürücülerin zihinsel iş yükünün sınıflandırılması amaçlanmıştır. EEG bant güçleri, EEG tabanlı mental durum indeksleri ve bireysel faktörlerin öznitelik olarak kullanıldığı ve zihinsel iş yükünün trafik yoğunluğu ve yol tipine göre etiketlendiği iki farklı veri kümesi oluşturulmuştur. Karşılıklı Bilgi (MI) ve Temel Bileşen Analizi (PCA) yöntemleriyle öznitelik seçimi yapılmış, ardından Destek Vektör Makineleri (SVM), k En Yakın Komşu Algoritması (kNN), Rassal Orman (RO) ve Yapay Sinir Ağı (YSA) modelleriyle zihinsel iş yükü sınıflandırılmıştır. Sınıflandırmada iki yaklaşım benimsenmiştir: Katılımcılar-arası ve katılımcı-bazında sınıflandırma. Katılımcılar-arası sınıflandırmada iki veri kümesi için en etkili öznitelikler frontal bölgedeki teta bant güçleri olmuştur. Trafik yoğunluğuna göre etiketlenen veri üzerinde en iyi sınıflandırma performansını %78,62 doğruluk değerine ulaşan PCA-RO modeli vermiştir. Yol tipine göre etiketlenen veri kümesinde ise öznitelik seçimi olmadan RO modeli %86,24 doğruluk ile en iyi sonucu vermiştir. Katılımcı-bazında sınıflandırmada her sürücü için zihinsel iş yükünü sınıflandırmada en etkili olan öznitelikler değişkenlik göstermiştir. Katılımcı-bazında trafik yoğunluğuna ve yol tipine göre etiketlenen veri kümeleri için en yüksek doğruluk değerleri sırasıyla %96,51 ve %98,06 olarak bulunmuştur.