{"version":"1","article":{"id":"saudi-ai-traffic-congestion-graph-model-2026","slug":"saudi-ai-traffic-congestion-graph-model-2026","language":"tr","url":"https://haberpaper.com/tr/news/saudi-ai-traffic-congestion-graph-model-2026","api_url":"https://haberpaper.com/api/v1/articles/saudi-ai-traffic-congestion-graph-model-2026?lang=tr","title":"Suudi Arabistan bağlantılı araştırmacılar trafik sınıflandırması için grafik ağı test etti","summary":"King Abdulaziz Üniversitesi bağlantılı model, Kaggle’daki açık veri kümesinde trafik sıkışıklığını düşük, orta ve yüksek olarak sınıflandırdı. Makalede test doğruluğu yüzde 94,07, on katlı çapraz doğrulama ortalaması yüzde 94,15 olarak veriliyor.","category":"business","region":"world","topics":["ai"],"published_at":"2026-10-13T20:11:52+03:00","modified_at":"2026-10-13T20:11:52+03:00","publication_basis":"publication-record","event_period":"2026-10-10","event_period_basis":"event-or-reference-period","sources":[{"name":"Scientific Reports, Explainable artificial intelligence of things integrated spatio-temporal feature modeling for traffic congestion framework on intelligent urban mobility system","url":"https://www.nature.com/articles/s41598-026-71246-2","checkedAt":"2026-10-13","publishedAt":"2026-10-10"}],"translations":[{"language":"tr","url":"https://haberpaper.com/tr/news/saudi-ai-traffic-congestion-graph-model-2026","api_url":"https://haberpaper.com/api/v1/articles/saudi-ai-traffic-congestion-graph-model-2026?lang=tr"},{"language":"en","url":"https://haberpaper.com/en/news/saudi-ai-traffic-congestion-graph-model-2026","api_url":"https://haberpaper.com/api/v1/articles/saudi-ai-traffic-congestion-graph-model-2026?lang=en"},{"language":"ar","url":"https://haberpaper.com/ar/news/saudi-ai-traffic-congestion-graph-model-2026","api_url":"https://haberpaper.com/api/v1/articles/saudi-ai-traffic-congestion-graph-model-2026?lang=ar"},{"language":"fr","url":"https://haberpaper.com/fr/news/saudi-ai-traffic-congestion-graph-model-2026","api_url":"https://haberpaper.com/api/v1/articles/saudi-ai-traffic-congestion-graph-model-2026?lang=fr"},{"language":"es","url":"https://haberpaper.com/es/news/saudi-ai-traffic-congestion-graph-model-2026","api_url":"https://haberpaper.com/api/v1/articles/saudi-ai-traffic-congestion-graph-model-2026?lang=es"}],"data_types":[],"data":null,"data_compilations":[],"data_downloads":[],"content":{"paragraphs":["King Abdulaziz Üniversitesi ve Taif Üniversitesi bağlantılı araştırmacıların 10 Ekim’de Scientific Reports’ta yayımlanan kabul edilmiş makalesi, trafik sıkışıklığı seviyelerini tahmin etmek için uzay ve zaman ilişkilerini birleştiren grafik dikkat ağı öneriyor. DLUMIS-TCF adlı sistem, özellik seçimi için Elastic Net, sınıflandırma için heterojen uzay-zaman grafik dikkat ağı, eğitim için AdaBelief ve özellik etkilerini açıklamak için SHAP kullanıyor. Değerlendirme, Kaggle’da yayımlanan ve 3.287 yolculuk kaydı içeren açık Urban Mobility Intelligence veri kümesiyle yapıldı. Makale bu veri kümesi için bir kent belirtmiyor.","Makaleye göre 80/20 test ayrımında doğruluk yüzde 94,07, on katlı çapraz doğrulamada ortalama doğruluk yüzde 94,15 oldu. Bu sonuçlar düşük, orta ve yüksek sıkışıklık etiketlerinin veri kümesi içinde sınıflandırılmasına ait; modelin canlı şehir trafiğinde veya Suudi Arabistan’daki bir yolda çalıştığının kanıtı değil. Araştırmacılar çalışmanın tek bir kıyaslama veri kümesiyle sınırlı olduğunu, daha geniş gerçek kentsel veri ve gerçek zamanlı akışlarla ek doğrulama gerektiğini belirtiyor. Dergi çalışmayı erken erişime açılmış kabul edilmiş makale olarak işaretliyor; son sürüm daha sonra düzenlenebilir."],"key_points":[],"sections":[]},"text":"King Abdulaziz Üniversitesi bağlantılı model, Kaggle’daki açık veri kümesinde trafik sıkışıklığını düşük, orta ve yüksek olarak sınıflandırdı. Makalede test doğruluğu yüzde 94,07, on katlı çapraz doğrulama ortalaması yüzde 94,15 olarak veriliyor.\n\nKing Abdulaziz Üniversitesi ve Taif Üniversitesi bağlantılı araştırmacıların 10 Ekim’de Scientific Reports’ta yayımlanan kabul edilmiş makalesi, trafik sıkışıklığı seviyelerini tahmin etmek için uzay ve zaman ilişkilerini birleştiren grafik dikkat ağı öneriyor. DLUMIS-TCF adlı sistem, özellik seçimi için Elastic Net, sınıflandırma için heterojen uzay-zaman grafik dikkat ağı, eğitim için AdaBelief ve özellik etkilerini açıklamak için SHAP kullanıyor. Değerlendirme, Kaggle’da yayımlanan ve 3.287 yolculuk kaydı içeren açık Urban Mobility Intelligence veri kümesiyle yapıldı. Makale bu veri kümesi için bir kent belirtmiyor.\n\nMakaleye göre 80/20 test ayrımında doğruluk yüzde 94,07, on katlı çapraz doğrulamada ortalama doğruluk yüzde 94,15 oldu. Bu sonuçlar düşük, orta ve yüksek sıkışıklık etiketlerinin veri kümesi içinde sınıflandırılmasına ait; modelin canlı şehir trafiğinde veya Suudi Arabistan’daki bir yolda çalıştığının kanıtı değil. Araştırmacılar çalışmanın tek bir kıyaslama veri kümesiyle sınırlı olduğunu, daha geniş gerçek kentsel veri ve gerçek zamanlı akışlarla ek doğrulama gerektiğini belirtiyor. Dergi çalışmayı erken erişime açılmış kabul edilmiş makale olarak işaretliyor; son sürüm daha sonra düzenlenebilir.","corrections":[],"editorial_illustration":{"kind":"symbolic-editorial-illustration","documentary":false,"scope":"section","asset_id":"business","url":"https://haberpaper.com/assets/illustrations/business-1536.webp","width":1536,"height":1024,"alt":"Makineler, depo ve vinçle üretimi anlatan temsili sanayi atölyesi.","language":"tr"},"section_illustration":{"kind":"symbolic-editorial-illustration","documentary":false,"scope":"section","asset_id":"business","url":"https://haberpaper.com/assets/illustrations/business-1536.webp","width":1536,"height":1024,"alt":"Makineler, depo ve vinçle üretimi anlatan temsili sanayi atölyesi.","language":"tr"}}}