Yapay Zekâ Kullanımıyla Peron Ayırıcı Kapı Sisteminin Sağlığını İzleme ve Kestirimci Bakım

Abstract

Peron Ayırıcı Kapı Sistemleri (PAKS), modern metro ve hızlı transit otobüs istasyonlarında yolcu ve araç/ray arasında bir bariyer olarak kullanılan kayar kapı sistemleridir. PAKS sistemi, sadece platform ve raylar arasında bir bariyer olmakla kalmaz, aynı zamanda araçlara emniyetli iniş ve biniş imkânı da sağlar. Bu nedenle, PAKS sistemi kullanımı metro istasyonlarında hızla yaygınlaşmaktadır. Son yıllarda, PAKS sistemi ile ilgili birçok çalışma yapılmıştır. Bu çalışmalar, istasyon çevresi koşullarından, enerji tüketimine, yolcu bekleme sürelerine, acil tahliye prosedürlerine, emniyet bütünlüğü seviyesi prosedürlerine ve PAKS sisteminin kontrol ve izleme yaklaşımlarına kadar geniş bir yelpazeyi kapsamaktadır. PAKS sistemi, yolcu emniyeti için kritik bir önem taşımakta ve modern metro istasyonlarının vazgeçilmez bir özelliği haline gelmiştir. Bu nedenle, PAKS sistemi üzerine yapılan araştırmaların devam etmesi ve bu sistemlerin sürekli olarak geliştirilmesi gereklidir. Makine öğrenimi algoritmaları, hata teşhisinde önemli bir katkı sağlamakta ve bu algoritmalar sayesinde sistemin sürekli olarak geliştirilmesi hedeflenmektedir. Hata teşhisinde makine öğrenmesi yaklaşımları kullanılarak gerçekleştirilen çalışmaların sonuçları, sistemin gerçek zamanlı olarak izlenerek hataların tespit edilmesine ve giderilmesine yardımcı olmaktadır. Yapay zekâ tabanlı öngörülü bakım yaklaşımı, özellikle demiryolu sektöründe hem yolcu emniyetini hem de işletme performansını artırmak için önemlidir. Bu çalışma, makine öğrenmesi tabanlı sınıflandırma için Destek Vektör Makinesi (DVM), K-En Yakın Komşuluğu (KYK) ve Lojistik Regresyon (LR) modelleri kullanılarak tam boy PAKS sistemindeki mekanik arızaların teşhisini içermektedir. Modellerin eğitimi için PAKS sistemi tarafından sağlanan akım, gerilim, titreşim, ses, kapı pozisyonu ve kapı hızı gibi veriler kullanılmıştır. Bu verilerin istatistiksel öznitelikleri çıkarılmış ve bu öznitelikler makine öğrenimi algoritmalarında kullanılarak, eğitilmiş algoritmaların arıza tespitindeki performansları gözlenmiştir.