Görüntü işleme ve yapay zeka teknolojileriyle toplu taşıma duraklarındaki yolcu yoğunluğunu gerçek zamanlı analiz eden ve otobüs seferlerini dinamik olarak optimize eden yenilikçi akademik araştırma projesi.
Sistem Analizi Araştırma Yöntemi
TransMind, yapay zeka, görüntü işleme, IoT, web ve mobil teknolojilerle toplu taşımada yenilikçi çözümler sunar.
Duraklardaki yolcu ve engelli bireylerin sayısı, OpenCV ve YOLO ile anlık olarak tespit edilir. Silüet analizi ile kişisel veri koruma sağlanır.
Toplu taşıma firmaları için canlı yoğunluk haritaları, sefer optimizasyonu ve raporlama sunan yönetim paneli. Django tabanlı, güvenli ve hızlı.
Yolcular için Android/iOS uygulaması: Durak yoğunluğu, otobüs kalkış saatleri, engelli dostu güzergahlar ve anlık bildirimler. Flutter ile geliştirilmiştir.
Raspberry Pi ve kamera modülleriyle donatılmış duraklar, gerçek zamanlı veri toplama ve bulut entegrasyonu ile sistemin temelini oluşturur.
Engelli bireylerin erişimini kolaylaştıran algoritmalar, durak ve araçlarda erişilebilirlik analizi, kapsayıcı toplu taşıma deneyimi.
TÜBİTAK destekli, MCBÜ ve Extensa Digital işbirliğiyle bilimsel araştırma, sanayiye yönelik uygulama ve sürdürülebilirlik.
Proje; yapay zeka, görüntü işleme, IoT, web ve mobil teknolojilerle bütünleşik, güvenilir ve modern bir altyapı sunar.
Proje akış diyagramı ve detaylı metodoloji ile sistematik, etik ve bilimsel bir çözüm
Silüet analizi ve anonimleştirme ile kişisel veri gizliliği sağlanır. KVKK ve etik kurallara tam uyum, 18 yaş altı ve hassas gruplar için özel önlemler, gönüllü katılım ve veri imha protokolleri uygulanır.
Raspberry Pi kameraları ile pilot duraklardan gerçek zamanlı video ve görüntü verisi toplanır. Açık kaynak veri setleri (MS COCO vb.) ve manuel etiketleme ile veri çeşitliliği ve kalite artırılır. Farklı zaman dilimleri ve senaryolar kapsanır.
Gürültü azaltma, boyutlandırma, grayscale ve silüet çıkarımı ile veri ön işleme yapılır. YOLO tabanlı derin öğrenme modeli transfer öğrenme ile eğitilir. Veri artırma (augmentation), hiperparametre optimizasyonu ve etiketleme ile yüksek doğruluk hedeflenir.
Django REST API ile model çıktıları web panel ve Flutter mobil uygulamaya entegre edilir. Gerçek zamanlı analiz, yoğunluk haritaları, otobüs kalkış saatleri ve yönetim paneli sunulur. Güvenli veri akışı ve kullanıcı dostu arayüzler sağlanır.
Pilot duraklarda gerçek veri ile sistem test edilir. Model doğruluğu, kullanıcı geri bildirimleri ve performans analizleriyle sürekli iyileştirme sağlanır. Hiperparametre optimizasyonu ve yeni veri ile model güncellenir.
Her adımda etik, güvenlik ve kullanıcı odaklı yaklaşım ile yenilikçi bir toplu taşıma çözümü sunulmaktadır.
Gerçek zamanlı yolcu yoğunluğu analizi, dinamik sefer planlaması ve engelli dostu ulaşım çözümleriyle desteklenen, yapay zeka tabanlı akıllı ulaşım sistemimizi keşfedin. Web ve mobil uygulamalarımızla verimli, kapsayıcı ve sürdürülebilir toplu taşıma deneyimini yaşayın.