Kapalı Ortamlarda Gerçek Zamanlı Kişi Tespitinde Makine Öğrenmesi Algoritmalarının Karşılaştırmalı Başarım Analizi

Authors : Pelin Yildirim Taşer, Vahid Akram

Pages : 182-193

Doi:10.21541/apjes.765795

View : 29 | Download : 10

Publication Date : 2021-01-29

Article Type : Research

Abstract :Günümüzde, iç mekan konumlandırma ve kişi takip sistemlerinin uygulama alanları her geçen gün artış göstermektedir. Özellikle, hasta, personel, cihaz ve müşteri takip sistemleri ile akıllı binalar ve kalabalık tahminleme gibi birçok alanda, kişilerin konumlarının veya mekan içerisinde bulunma durumlarının doğru tespiti büyük önem taşımaktadır. İç mekan konumlandırma sistemlerinde genellikle, hedef mobil varlığın üzerine periyodik olarak radyo sinyali gönderen küçük bir cihaz yerleştirilir ve bu cihazdan elde edilen sinyaller ile varlığın konumu belirlenir. Fakat bazı ortamlarda, üzerinde herhangi bir sinyal göndericisi taşımayan varlıkların konumlarının tespit edilmesine ihtiyaç duyulmaktadır. Dolayısıyla, mobil cihaz kullanılmayan radyo tabanlı takip sistemlerinde, radyo sinyallerinde meydana gelen dalgalanmalar analiz edilerek, ortamdaki hareketlilik tahmin edilmeye çalışılır. Bu sistemlerde, ortamın çeşitli noktalarına periyodik olarak radyo sinyalleri gönderen ve diğer cihazların gönderdiği sinyalleri alabilen cihazlar yerleştirilir. Ortamda bulunan herhangi bir nesnenin hareket etmesi durumunda, sinyal gücündeki dalgalanmalar analiz edilerek, ortamdaki hareketlilik ve yoğunluk tahmin edilebilir. Ancak bazı durumlarda, radyo sinyallerinde hareketten kaynaklanmayan, geçici ama nispeten şiddetli dalgalanmalar yaşanabilmektedir. Bu tür dalgalanmalar, yanlış tespitlere sebep olarak, sistemin hassasiyetini ve doğruluğunu düşürmektedir. Makine öğrenmesi tekniklerinin, veriler arasındaki gizli örüntü ve karmaşık ilişkileri ortaya çıkarmadaki başarıları sayesinde, makine öğrenmesi tekniklerine dayalı kişi tespit sistemleri, geleneksel yöntemlere göre doğruluğu daha yüksek tahminleme becerisi sunmaktadır. Dolayısıyla, bu çalışmada, kapalı ortamda kişi tespiti için makine öğrenmesi algoritmalarından yararlanılmıştır. Deneysel çalışmalar kapsamında, 10 farklı geleneksel (Naive Bayes, Çok Katmanlı Algılayıcı (MLP), Destek Vektör Makineleri (SVM) ve K-en Yakın Komşuluk (K-NN)) ve karar ağacı tabanlı (C4.5, Random Forest, Random Tree, REPTree, Decision Stump ve HoeffdingTree) sınıflandırma algoritmaları, kapalı ortamdaki 3 farklı telsiz duyarga düğümünden elde edilen ve 23585 kayıttan oluşan veri seti üzerinde ayrı ayrı uygulanmış, doğruluk oranı ve model oluşturma süresi performanslarına göre karşılaştırılmıştır. Elde edilen sonuçlar incelendiğinde, çalışmada uygulanan tüm algoritmaların kapalı alandaki kişi tespitinde %80’in üzerinde başarı performansı sunduğu ve en başarılı algoritmanın %99.68 doğruluk oranı ile Random Forest olduğu gözlemlenmiştir. Ayrıca, geleneksel ve karar ağacı tabanlı sınıflandırma algoritmaları sağlamış oldukları ortalama doğruluk oranlarına göre kıyaslandığında ise karar ağacı tabanlı algoritmaların %95.78 ile daha yüksek tahminleme becerisi sunduğu görülmektedir.
Keywords : İç Mekan Kişi Tespiti, Makine Öğrenmesi, RSSI, Sınıflandırma, Telsiz Duyarga Ağları