Pamukkale Univ Muh Bilim Derg. 2018; 24(2): 302-310 | DOI: 10.5505/pajes.2017.44452

Kablosuz manyetik sensörler kullanarak karar aðacý algoritma tabanlý araç sýnýflandýrmasýnýn gerçekleþtirilmesi

Sercan Vançin, Ebubekir Erdem
Fýrat Üniversitesi

Kablosuz sensör aðlarý kullanarak akýllý ulaþým sistemleri (Intelligent Transportation Systems, ITS) tasarlamak, hem maliyet hem de enerji verimliliði açýsýndan avantajlý olup herhangi bir yolun trafiðini gözlemlemek, o yol hakkýnda trafik bilgisi edinmek veya sadece araçlarý tespit edip tipleri ve hýzlarýný saptamak son zamanlarda araþtýrmacýlarýn ilgi odaðý haline gelmiþtir. Bu çalýþmada sensör düðümü, manyetometre, güç kartý ve pilden oluþan ve diðer çalýþmalarda kullanýlan düðümlerden daha doðru ve anlaþýlýr veriler sunabilen bir sensör devresi kullanýlmýþtýr. Bu sensör devreleri ile aracýn tipini belirlemek için iki farklý yöntem sunulmuþtur. Ýlk yöntemde, yoldan geçen araçlar, önerilen algoritma ve MÝU (Manyetik Ýmza Uzunluðu) paremetresine göre otomobil, minibus, otobüs ve kamyon olarak sýnýflandýrýlmýþtýr. Bu yöntemle elde edilen doðruluk payý %89 olmuþtur. Diðer yöntemde ise araç sýnýflandýrmasý, makine öðrenmesi algoritmasý olan J48 kullanýlarak yapýlmýþ ve önerilen yöntem esas alýnarak elde edilen sonuçlarýn eniyilemesi yapýlmýþtýr. Bir makine öðrenmesi yazýlým paketi olan Weka'da uygulanan J48 sýnýflandýrma algoritmasýný kullanýr. Karar aðacý modeli, 3 eksenli HMC5983L manyetik sensöründen geçen araçlardan çýkarýlan manyetik ham veri, ölçüm süresi gibi bir dizi özellikten oluþturulmuþtur. Özellikler, çapraz geçerlilik temelinde deðiþen sýnýflandýrma oranlarý derecelerine sahip bir karar aðacý modeli üretmek için J48 eðitim algoritmasýna doðru sýnýflandýrmalarla saðlanan niteliklerdir. Makine öðrenmesi algoritmasý olan J48 kullanýmý araç sýnýflandýrmasýnda daha verimli ve doðru sonuçlar verdiði görülmüþtür. Ýlk yöntemle elde edilen MÝU deðerleri hesaplama aþamasýnda zorluklar doðurmuþtur. Ancak J48 algoritmasý kullanýlarak daha belirgin ve hassas sýnýr ve eþik deðerleri elde edilmiþtir. Çalýþmanýn sonucu, araç sýnýflandýrma sisteminde önerilen algoritmanýn eniyilemesiyle yaklaþýk % 100 doðruluk payý ile etkili ve verimli olduðunu göstermektedir.

Anahtar Kelimeler: Kablosuz sensör aðlarý, Manyetik sensör, Araç sýnýflandýrmasý, Makine öðrenmesi algoritmasý, Manyetik imza uzunluðu

---

Implementation of the vehicle classification based-on decision tree algorithm using wireless magnetic sensors

Sercan Vançin, Ebubekir Erdem
Firat University

The design of Intelligent Transportation Systems (ITS) using wireless sensor networks to observe any road traffic, get road information, or just identify road vehicles has recently become an interesting and popular research topic because of its advantages in cost and energy efficiency. To perform this study, sensor circuit consisting of sensor node, magnetometer, power board and battery, is used. This sensor structure presents more accurate and intelligible results than sensor nodes used in other studies. Two different methods have been proposed to determine the type of vehicle with these sensor circuits. In the first method, vehicles passing by the road are classified as cars, minibuses, buses and trucks according to the proposed algorithm and MSL (Magnetic Signature Length) parameters. The accuracy achieved with this method was 89%. In the other method, vehicle classification was performed using machine learning algorithm J48 which is a machine learning decision tree extension and the obtained results were optimized based on the proposed method. It uses the J48 classification algorithm implemented in Weka, a machine learning software package. The Decision Tree model was built from a series of features like magnetic raw data, measurement time derived from vehicles passing through the 3-axis HMC5983L magnetic sensor. The properties are those provided by the correct classification into the J48 training algorithm to produce a decision tree model with grading ratios that vary on the basis of cross validity. The use of J48, a machine learning algorithm, has been shown to yield more efficient and accurate results in vehicle classification. The MSL values obtained by the first method have caused difficulties in the calculation process. However, by using the J48 algorithm, more specific and sensitive boundary and threshold values were obtained. The result of the study illustrates that the vehicle classification system is so effective and efficient with an accuracy rate of about 100% with optimization of the proposed system.

Keywords: Wireless sensor networks, Magnetic sensor, Vehicle classification, Machine learning algorithm, Magnetic signature length

---