Metro car sistemlerinde takip ve birleşme algoritmalarının iyileştirmesi ve python ile simüle edilmesi

Abstract

Günümüzde bireysel araç sayısındaki artış, kent içi ulaşımı sürdürülebilir hale getirmeyi zorlaştırmakta ve şehirlerde daha esnek, hızlı ve çevre dostu ulaşım çözümlerine olan ihtiyacı artırmaktadır. Bu bağlamda, söz konusu gereksinimlere cevap verebilecek yenilikçi bir ulaşım modeli olarak MetroCar Sistemi (MCS) geliştirilmiştir. MCS, kent içi ulaşımda hız, güvenlik ve esneklik sağlayan, tek kişilik araçlarla donatılmış çok etmenli ve çift modlu bir sistemdir. Bu sistem, kullanıcılara bir noktadan diğerine taşımacılık imkânı sunarak bireysel araç kullanımına benzer bir rahatlık sağlarken, aynı zamanda otonom sürüş teknolojisi ile sürücüye ihtiyaç duymadan güvenli bir yolculuk yapma avantajı ve konforu sunmaktadır. Bu tez çalışması kapsamında ise, MCS’nin daha güvenli ve verimli çalışmasını sağlamak amacıyla "Birleşme" ve "Takip" algoritmalarında çeşitli iyileştirmeler yapılmış; bu iyileştirmeler Python tabanlı özel bir simülasyon ortamında test edilmiştir. Sonuçlar, yeni algoritmaların MCS’nin mevcut algoritmalarına kıyasla performans artışı sağladığını göstermiştir. Özellikle, MCS sisteminde bir aracın öndeki aracı takip etmesi durumunda gerçekleştirebileceği hızlanma veya yavaşlama hareketlerine ek olarak hızını koruma yeteneği de kazandırılmıştır. Bu sayede, hızdaki ardışık artış ve azalışları dengelemek için kullanılan alçak geçiren filtre veya histerezis gibi yöntemlere artık ihtiyaç kalmadığı görülmüştür. Ayrıca mevcut birleşme algoritmasından farklı bir algoritma geliştirilmiş ve performans testleri yapılarak bu algoritmalar karşılaştırılmıştır. Sonuçlar, yeni algoritmanın mevcut algoritmaya kıyasla performans açısından üstünlük sağladığını ortaya koymaktadır. Sonuç olarak, geliştirilen yeni algoritmalar, MCS’nin güvenli, verimli ve sürdürülebilir bir şehir içi ulaşım çözümü olarak potansiyelini arttırmakta; mevcut algoritmalara kıyasla daha yüksek performans sağladığını ortaya koymaktadır.

The increasing number of individual vehicles today complicates the sustainability of urban transportation and heightens the need for more flexible, faster, and environmentally friendly transportation solutions in cities. In this context, the MetroCar System (MCS) has been developed as an innovative transportation model that addresses these requirements. MCS is a multi-agent, dual-mode system equipped with single-seater vehicles that provides speed, safety, and flexibility in urban transportation. This system offers users the convenience of transportation from one point to another, resembling the comfort of personal vehicle use, while also providing the advantage of a safe journey without the need for a driver through autonomous driving technology. Within the scope of this thesis, various improvements have been made to the "Merging" and "Tracking" algorithms to ensure that MCS operates more safely and efficiently; these improvements have been tested in a Python-based specialized simulation environment. The results demonstrates that the new algorithms provide a performance increase compared to the existing algorithms of the MCS. Specifically, the system has been enhanced to allow a vehicle tracking another vehicle to not only accelerate or decelerate but also maintain it’s speed. Consequently, it has been observed that methods such as low-pass filters or hysteresis, which were previously necessary to dampen the sequential increases and decreases in speed during straight path tracking, are no longer required. In addition, an algorithm different from the existing merging algorithm has been developed, and performance tests have been conducted to compare these algorithms. The results indicate that the new algorithm offers superior performance compared to the existing one. In conclusion, the newly developed algorithms enhance the potential of MCS as a safe, efficient, and sustainable urban transportation solution, demonstrating higher performance relative to the existing algorithms.