Sis bilişim ve IoT tabanlı sağlık ve taktik analiz izleme modeli

---

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Ondokuz Mayıs Üniversitesi, Lisansüstü Eğitim Enstitüsü, Hesaplamalı Bilimler Anabilim Dalı, Türkiye

Tezin Onay Tarihi: 2021

Tezin Dili: Türkçe

Öğrenci: AYKUT KARAKAYA

Danışman: Sedat Akleylek

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Spor müsabakalarında sporcular için maç esnasında heyecan, stres, yorgunluk gibi koşullara bağlı olarak sakatlık veya taktiksel zafiyet gibi olumsuz sonuçlar ortaya çıkabilmektedir. Bu nedenle sağlık durumlarının sürekli kontrol edilmesi ve maç esnasında bir takım stratejik analizlerin yapılması gerekmektedir. Taktiksel analizlerin sonucuna göre teknik ekip maçın gidişatına etki eden hamleler yapmaktadır. Etkiler, bazen olumlu bazen olumsuz sonuçlar doğurabilmektedir. Faydalı hamleler için analizlerin doğruluk oranlarının yüksek olması gerekmektedir. Bu tez kapsamında olumsuz durumların oyuna etkisini azaltmak ve sakatlıklardan korunmak için sis bilişim ve nesnelerin İnterneti (Internet of things-IoT) tabanlı bir mimari ve bu mimari içinde çalışabilen makine öğrenmesi temelli bir taktik analiz modeli önerilmektedir. Sporcular maç esnasında kan basıncı, vücut ısısı, kalp atış hızı, hassas konum gibi sensörler ile izlenmektedir. Sensörlerden alınan veriler sis bilişim katmanında işlenmekte ve ortaya çıkan bilgiler teknik ekip ve kulüp doktorlarının cihazlarına gönderilmektedir. Önerilen mimaride önemli olayların çok daha kısa sürede işlenebilmesi için sis katmanında öncelik kuyruğu kullanan bir algoritma önerilmektedir. Bu mimari iFogSim kullanılarak test edilmektedir. Benzer çalışmalar ile karşılaştırıldığında önerilen yapının gecikme süresini önemli ölçüde düşürdüğü ve yüksek verim sağladığı görülmektedir. Mimaride kullanılan nesnelerin birleşik hafif kimlik doğrulaması (federated lightweight authentication of things-FLAT) yöntemi ile kimlik doğrulama ve veri gizliliği sağlanmaktadır. Ayrıca, blokzincir teknolojisine dayalı yazılım tanımlı ağ denetleyicisi kullanılarak veri bütünlüğü sağlanmaktadır. Sis bilişim ve IoT tabanlı altyapıda çalışması için örnek olarak makine öğrenmesi ve birleşik öğrenme tabanlı taktik analiz yöntemi önerilmektedir. Önceki maçlardan elde edilen veriler kullanılarak bir makine öğrenmesi modeli eğitilmekte ve sınıflandırılmaktadır. Model diskriminant analizi, k-en yakın komşuluk (k-nearest neighbor-KNN), naive Bayes, destek vektör makinesi (support vector machine-SVM), karar ağaçları ve topluluk öğrenmesi yöntemlerinin farklı türevleri kullanılarak test edilmektedir. Topluluk öğrenme yöntemlerinden biri olan ve en uygun parametreler için optimize edilen AdaBoost %87,2 ile en yüksek başarıma sahiptir. Önerilen mimaride önerilen model için bu yöntem kullanılabilmektedir.