Abstract
Bireysel ulaşım şekli, trafik planlama ve insan sağlığı araştırmalarında önemli bir etkiye sahiptir. Kişilerin ulaşım alışkanlıkları analiz edilerek şehirlerde yeni hatların planlaması çok daha verimli bir şekilde yapılabilir. Bu alışkanlıkları tespit etmenin yollarından bir tanesi de kişilerin kullandıkları akıllı telefonlar veya saatler üzerinden toplanan algılayıcı verilerinin işlenerek ulaşım türü tespiti yapılmasıdır. Akıllı telefonların ve saatlerin hayatımıza girmesiyle, ulaşım türü belirleme üzerine yapılan çalışmalar artmıştır. Öte yandan, bu cihazların enerji kısıtları olması sebebiyle ulaşım türü tanıma uygulamalarının mümkün olduğunca az enerji tüketmesi istenmektedir. Bu nedenle ulaşım türü tanımada kullanılan öznitelikler oldukça önemlidir. Bu çalışmada akıllı telefon üzerinde bulunan ivme ölçer, jiroskop, mıknatıs ölçer ve yön algılayıcıları kullanılarak toplanan ham veriden zaman ve frekans alanında öznitelikler elde edilmiştir. Öznitelikler, Zaman, Frekans, Zaman+Frekans tiplerine göre ayırılarak, farklı sınıflandırma algoritmaları üzerindeki başarıya etkileri incelenmiştir. Sınıflandırma algoritması olarak J48, Rastgele Orman (Random Forest), Destek Vektör Makineleri (SVM), En Yakın k Komşuluk (k-NN) ve Çok Katmanlı Algılayıcı algoritmaları kullanılmıştır. Yapılan testler sonucunda en başarılı algoritma %95,06 ile Rastgele Orman algoritması olurken, Zaman+Frekans alanında elde edilen özniteliklerin Zaman alanındaki özniteliklere göre sadece %0,5 daha iyi sonuç ürettiği görülmüştür.