Kasislerin Yakıt Tüketimine Etkisinin RNN, LSTM, GRU Tekrarlayan Derin Öğrenme Algoritmaları ile Tespiti

Abstract

Bu çalışmada, trafiği düzenlemek için kullanılan kasislerde, araçların yavaşlama ve hızlanmasının yakıt tüketimine etkisinin belirlenmesi amaçlanmıştır. Bunun için, kasis bulunan güzergâhlarda kullanılan aracın OBD-II portundan Arduino ile gerçek zamanlı hız ve yakıt tüketimi verileri alınmıştır. Alınan veriler ön işleme tabi tutulmuştur. Yakıt tüketimini tahmin etmek için Tekrarlayan Sinir Ağları (RNN), Uzun Kısa Süreli Bellek (LSTM), Geçitli Tekrarlayan Birim (GRU) tekrarlayan derin öğrenme modelleri geliştirilmiştir. Ön işlemden geçen veriler modellerin eğitiminde kullanılmıştır. Geliştirilen modellerde hiperparametre optimizasyonu yapılmıştır. Böylece katman sayısı, katmanlardaki hücre sayısı, hücrelerin aktivasyon fonksiyonları ve öğrenme oranı belirlenmiştir. Doğrulama setinde en düşük ‰63 ortalama kare hatası elde edilmiştir. Geliştirilen modeller kullanılarak farklı kasisler ve hız senaryolarının yakıt tüketimine olan etkileri tahmin edilmeye çalışılmıştır. Kasislerden geçiş için belirlenen hız ve zaman verileri kullanılarak yakıt tüketiminin kasis etkisi boyunca %16,30 ile %31,03 arasında arttırdığı sonucuna ulaşılmıştır.