Ağır Ticari Araçlarda Viraj Kaynaklı Kaza Risklerini Azaltmaya Yönelik Model-Tabanlı Bir Yaklaşım
Araç üstü kameralardan gelen görüntüleri gerçek zamanlı işleyerek virajları önceden tespit eden, hız limitlerini hava koşullarına göre uyarlayan ve sürücüyü zamanında uyaran görüntü işleme + yapay zekâ tabanlı bir sürücü destek sistemi.
Bir Bakışta Çalışma
Bu çalışma, ağır ticari araçlarda viraj kaynaklı trafik kazalarını önlemek için geliştirilen, görüntü işleme ve yapay zekâ tabanlı bir sürücü destek sistemini sunar. Araç üstü kameralardan alınan görüntüler NVIDIA Jetson platformunda çalışan bir YOLOv11 nesne tespit modeliyle işlenir; viraj işaretleri ve yol işaretçileri gerçek zamanlı tespit edilir. Çıkarılan viraj bilgisi aracın ana ECU'suna iletilir; burada bir Matlab/Simulink algoritması bunu Akıllı Hız Asistanı (ISA/ISAMap) hız limiti verisi ve yağmur sensörü girdileriyle birleştirir. Kuru koşullarda ISA limitleri doğrudan uygulanırken, ıslak koşullarda lastik-yol sürtünmesindeki düşüşü hesaba katmak için limitler bir k katsayısı ile azaltılır. Araç hızı limitleri aştığında gösterge panelinde görsel ve sesli uyarılar verilir; ayrıca dörtlü flaşörler otomatik olarak etkinleştirilebilir.
1. Problem: Virajlar Neden Bu Kadar Ölümcül?
Trafik kazaları motorlu ulaşımın başından beri en kalıcı küresel güvenlik sorunlarından biridir. Dünya genelinde yıllık trafik ölümü 1.19–1.35 milyon arasındadır ve bu kazaların önemli bir kısmı virajlarda meydana gelir. Ağır yüklü kamyonlar, tırlar ve otobüsler, özellikle uzun yolculuklarda, yoldan çıkma, yan yatma ve devrilmeye karşı çok daha savunmasızdır.
Viraj kazalarının en kritik nedeni, viraja girerken aşırı hızdır. FHWA'ya göre virajlardaki yoldan çıkmalı ölümcül kazaların yaklaşık %56'sı hızla ilişkilidir; 104.6 km/h ve üzerinde seyreden araçların %45'i virajı alamazken, bu eşiğin altındakilerde oran %30'dur. Sürücü yorgunluğu ve "karayolu hipnozu" riski daha da artırır: Çin'de yapılan bir çalışma, yorgunluk kaynaklı kazaların virajlarda düz yola göre %19.96–%26.47 daha olası olduğunu bildirmiştir.
Mevcut viraj güvenlik sistemleri genellikle direksiyon açısına tepki verir veya araç viraja girdikten sonra ESC tabanlı frenleme ile müdahale eder — ancak bu sistemler sürücüyü uyarmak için çoğu zaman geç kalır. Bu çalışma, trafik işaretlerini ve viraj bilgisini erkenden tespit ederek sürücüye görsel ve sesli uyarı sunar ve gerektiğinde motor torkunu sınırlandırarak hızı güvenli seviyeye indirir.
2. Üç Katmanlı Sistem Mimarisi
Sistem; algılama, karar verme ve sürücü etkileşimi modüllerini bütünleştiren çok katmanlı bir mimari olarak tasarlandı. Algılama katmanı kameralar ve Jetson'dan, karar katmanı Matlab/Simulink'ten, etkileşim katmanı ise gösterge paneli uyarılarından oluşur.
3. Görüntü İşleme ve Model Performansı
Sistemin temeli, hem yüksek doğruluk hem de hız sunan YOLOv11 nesne tespit modeline dayanır. Model; gece/gündüz, yaz/kış, yağmurlu/güneşli ve dar/geniş açı gibi çok çeşitli koşullarda toplanan binlerce görüntüyle eğitildi. Doğal görüntülere ek olarak veri seti; aydınlatma değişimleri, kontrast varyasyonları, bozulma, pus ve sentetik sis gibi koşullarla zenginleştirilerek modelin gerçek dünya senaryolarına dayanıklılığı artırıldı.
Neden Sentetik Sis ve Pus?
Sisli havada kaza sıklığı görece düşük olsa da, azalan görüş ve gecikmiş sürücü tepkisi nedeniyle ölüm olasılığı açık havaya kıyasla yaklaşık üç kat daha yüksektir. Bu nedenle eğitim verisi zorlu görüş koşullarını da kapsayacak şekilde genişletildi.
| Metrik | Skor | Anlamı |
|---|---|---|
| mAP@50 | %89 | Genel tespit doğruluğu (ortalama hassasiyet). |
| Precision | %94 | Tespit edilenler içinde doğru olanların oranı (düşük yanlış alarm). |
| Recall | %82 | Gerçek işaretlerin yakalanma oranı. |
Tablo 1. YOLOv11 nesne tespit performans metrikleri.
Şekil 2. Farklı çevre ve aydınlatma koşullarında güvenilir tespit örnekleri.
Jetson İşlem Hattı
ARM tabanlı işlemci ve tümleşik GPU'suyla Jetson, ağır nesne tespit modellerini minimum gecikmeyle çalıştırır. Araç üzerindeki ana işlem birimi olarak şu adımları gerçekleştirir:
- Video akışı alımı — USB/CSI kameralardan yüksek çözünürlüklü görüntüler.
- Ön işleme — OpenCV ile ışık, kontrast, gürültü ve bulanıklık düzeltmesi.
- Nesne tespiti — YOLOv11 GPU üzerinde yol işaretlerini ve viraj işaretçilerini tanır.
- Sınıflandırma + mesafe analizi — araç-işaret mesafesi hesaplanarak uygun uyarı zamanı belirlenir.
- Uyarı + kontrol çıkışı — görsel/sesli uyarı sistemlerine veri iletilir.
4. Model-Tabanlı Karar Algoritması
Matlab/Simulink'te oluşturulan ve ana ECU tarafından yönetilen algoritma, viraj bilgisini alıp yağmur sensörü verisine göre sürüş durumunu sınıflandırır. Kuru koşulda ISA limiti doğrudan referans alınır; ıslak koşulda limit, lastik-yol sürtünmesindeki düşüşü yansıtmak üzere k katsayısıyla azaltılır.
Islak Yol için k Katsayısı
Yağışta lastik-yol arasındaki sürtünme katsayısı ve yol tutuş performansı düşer. Bu nedenle ISAMap'ten gelen hız limiti k katsayısıyla küçültülür ve araç hızı bu düşürülmüş limitle karşılaştırılır. Amaç, kayma ve savrulma riskini azaltmaktır. Ayrıca viraj bilgisi aktifse, sistem hiçbir hız değerlendirmesi yapmadan anında dörtlü flaşörü tetikleyerek diğer sürücüleri önceden uyarır — bu, ticari aracın boyutu nedeniyle virajın tam görülemediği durumlarda tüm yol kullanıcılarını korur.
5. Sürücü Uyarı ve Gösterge Paneli
Gösterge panelinde ISA'dan alınan hız bilgisi gösterilir. Araç hızı viraj için belirlenen limiti aşarsa, panel merkezinde bir pop-up uyarı belirir: "Dikkat! Virajda yüksek hız. Lütfen hızınızı düşürün." Aynı anda dörtlü flaşör tetiklenir; böylece sürücü hem yazılı uyarı alır hem de flaşör lambalarıyla yola odaklanmaya yönlendirilir. Hız limitlerine uyulduğunda ve viraj tespit edildiğinde ise yalnızca dörtlü flaşör etkinleştirilir.
6. Çift Katmanlı Uyarı ve Aktif Tork Kontrolü
Sistem, viraj girişinde güvenliği artırmak için iki katmanlı bir strateji benimser. İlk katmanda sürücü görsel ve sesli uyarı alır. Sürücü tepki penceresi içinde hızını düşürmezse ve araç hızı limitin çok üzerine çıkarsa, ikinci katman devreye girer: sistem doğrudan ECU ile haberleşerek motor torkunu azaltır. Yakıt enjeksiyonunu sınırlama, elektronik gaz kelebeğini kısmen kapatma veya ateşleme zamanlamasını geciktirme yoluyla tork düşürülür; böylece tekerlek kayması önlenir ve araç güvenli hıza döndürülür.
Özellikle kütle ve momentumun devrilme ile kayma risklerini büyüttüğü ağır ticari araçlarda, sürücü uyarı stratejilerini ECU tabanlı tork kontrolüyle bütünleştirmek viraj kaynaklı kaza olasılığını belirgin biçimde azaltır.
7. Sonuç ve Gelecek Çalışmalar
Bu çalışmada, ağır ticari araçlarda viraj kaynaklı kazaları azaltmak için görüntü işleme ve yapay zekâ tabanlı bir sürücü destek sistemi geliştirildi ve model-tabanlı bir algoritmayla bütünleştirildi. YOLOv11, Jetson üzerinde gerçek zamanlı viraj işareti tanıma sağladı; çıkarılan bilgi ana ECU'da ISA/ISAMap verisi ve yağmur sensörüyle birleştirilerek hız limitleri farklı yol ve hava koşullarına dinamik olarak uyarlandı. Sistem kuru koşulların yanı sıra yağmur, sis ve düşük görüş gibi olumsuz senaryolarda da güvenilir çalıştı.
Çalışmanın önemli bir katkısı, gerçek zamanlı koşullarda yüksek tespit doğruluğu ve düşük gecikme göstermesidir. Çeşitli çevresel ve aydınlatma koşullarını içeren bir veri setiyle eğitilen sistem, güçlü genelleme kapasitesi sergiledi. Gelecek çalışmalar; farklı coğrafyalarda büyük ölçekli testler, ek araç içi sensör verilerinin eklenmesi ve sürücü davranış örüntülerinin analiziyle modelin öngörü yeteneğinin genişletilmesine odaklanacaktır.