İnsanlar alışveriş merkezi, hastane, metro, otopark gibi büyük yapıdaki kapalı alanlarda çoğu kez yönlerini bulmakta zorluk çekmektedirler. Bu tip kapalı alanlarda GNSS teknolojisinin de yetersiz kalmasından dolayı farklı teknolojilerle navigasyon ihtiyacı giderilmektedir. Bu teknolojilerden biri de Bluetooth tabanlı Beacon teknolojisidir. Bu çalışmada Beacon teknolojisi kullanılarak Pamukkale Üniversitesi Hastanesi için navigasyon amaçlı Android ve iOS tabanlı bir mobil uygulama geliştirilmiş ve mobil platformlarda yayınlanarak insanların kullanımına sunulmuştur. Çalışmada hastane katlarının haritası çıkartılarak her bir kata konum belirleme amaçlı Beacon ağı kurulmuştur. Hastanenin kat haritaları, ITRF datumunda ve UTM projeksiyonunda elde edilmiştir. Beacon’lar sinyal yapısına göre her bir kata gruplandırılarak yerleştirilmiştir. Beacon cihazlarının konumlandırılması hastanenin fiziksel durumuna göre 7 ile 12 metre arasında değişkenlik gösteren aralıklarla Yakınlık (Proximity) algoritmasına göre yapılmıştır. Uygulamada Dijkstra algoritması en kısa yol algoritması olarak seçilmiş ve navigasyon testleri gerçekleştirilmiştir. Yapılan navigasyon testlerinde %95 başarı elde edilmiştir.
25 March 2024 in Mühendislik Bilimleri ve Tasarım Dergisi
Günlük yaşamda bir adrese ilerlerken veya insanları bir adrese yönlendirirken konum bilgisine ihtiyaç duyulmaktadır. Bundan dolayı Küresel Konum Belirleme Sistemleri (GNSS-Global Navigation Satellite Systems) gündelik yaşamda oldukça önemlidir. Genel olarak GNSS alıcısının yeteri kadar uydu görmesi halinde navigasyon amaçlı uygulamalar için konum belirlenebilmektedir. Ancak GNSS teknolojisinin sinyal yapısından kaynaklı olarak GNSS alıcıları kapalı alanlarda uydu sinyallerini alamamakta ve iyi performans verememektedir. Bu nedenle kapalı alanlarda alternatif konum belirleme teknolojileri kullanılmaktadır. Bu teknolojilerden biri de Bluetooth tabanlı Beacon teknolojisidir. Bu çalışmada Beacon cihazları kullanılarak kapalı alanlarda navigasyona izin veren bir mobil uygulama geliştirilmiştir. Geliştirilen bu uygulama Pamukkale Üniversitesi Mühendislik Fakültesi giriş katında test edilmiştir. Çalışma kapsamında öncelikli olarak test edilecek olan kapalı alanın haritası çıkarılmış ve Beacon cihazları bu test alanı üzerinde algılama mesafelerine göre konumlandırılmıştır. Sonrasında ise; daha önceden çıkarılan harita üzerinde, Beacon cihazlarının gerçek konumları işaretlenmiştir. Bir sonraki aşamada ise; bina girişinden itibaren hedef odaya kadar olan rotanın belirlenmesi ve gerekli yönlendirmelerin yapılmasıdır. Bu amaç doğrultusunda gidilecek yola en hızlı şekilde ulaşmak için dijkstra algoritması kullanılmıştır. React Native ile geliştirilen mobil uygulamada kullanıcılara rota ve anlık olarak katedilen yol Leaflet kütüphanesi ile gösterilmiştir. Yapılan testler sonucunda bina içi navigasyon uygulaması hedeflenen konumların tespitini %90 doğruluğunda elde etmiştir.
1 January 2024 in Afyon Kocatepe University Journal of Sciences and Engineering
Bluetooth teknolojisi son yıllardaki gelişimiyle oldukça kullanışlı hale gelmiştir. Özellikle Bluetooth Low Energy (BLE) bu alandaki en önemli gelişmelerden bir tanesidir. Daha az enerjiyle daha uzun süreli kaliteli veri alışverişi BLE’nin temel özelliğidir. BLE alt yapısı sağlık, spor, araç içi cihazlar, akıllı ev, pazarlama ve daha birçok alanda kullanılan elektronik cihazlarda bulunmaktadır. BLE alt yapısını kullanan Beacon teknolojisi de bu cihazlardan biridir. Beacon teknolojisi BLE alt yapısına sahip kullanıcıya tek taraflı veri ileten, diğer akıllı cihazlarla etkileşime giren basit, küçük, kablosuz cihazlardır. Bu teknoloji konum bilgisi ile de bütünleşik halde kullanılabilmektedir. Beacon teknolojisinin konum bazlı kullanımında proximity (yakınlık), fingerprint (parmak izi), trilateration (üçgenleme) başta olmak birçok konumlandırma algoritması geliştirilmekte ve kullanılmaktadır. Beacon teknolojisinin konum bazlı kullanımında Beacon ile kullanıcı arasındaki mesafenin sağlıklı bir şekilde belirlenmesi gerekir. Beacon teknolojisinde bu bilgi üretici firma tarafından kullanıcılara standart bir değer olarak sunulmakla birlikte kullanıcı bu mesafeyi ortam şartlarına göre de belirleyebilmektedir. Bu çalışmada Beacon ile kullanıcı arasındaki mesafenin ortam şartlarına göre belirlenmesi amacıyla 6 farklı test planı gerçekleştirilmiştir. Testler 3x3 m’den 8x8 m’ye kare yerleşim planlarına göre yapılmıştır. Belirlenen mesafe bilgisi ile üçgenleme algoritmasının Beacon tabanlı kullanılabilirliği de bu test planları kullanılarak araştırılmıştır. Testler üçgenleme algoritması için en uygun Beacon saha yerleşimi baz alınarak yapılmıştır. Yapılan testlerin genelinde ortam şartlarına göre belirlenen mesafe bilgisi, üretici firma tarafından kullanıcılara sunulan standart mesafe bilgisinden daha iyi sonuç vermiştir. Üçgenleme algoritmasının Beacon tabanlı kullanımı için ise genel anlamda üretici firma tarafından sağlanan mesafe bilgisi daha iyi sonuç vermiştir.
30 September 2026 in Acta Geodaetica et Geophysica
Wildfires are increasingly shaped by climate change, as rising temperatures alter fire regimes. Accurate prediction of wildfire susceptibility under warming scenarios is essential for effective risk management and land-use planning. This study develops a Geographic Information Systems (GIS)-integrated Artificial Neural Network (ANN) framework, optimized via Bayesian hyperparameter tuning, to predict wildfire susceptibility and assess its spatial response to incremental temperature increases. The proposed methodology integrates multi-source geospatial data (Sentinel-2 NDVI, SRTM terrain models, Copernicus ERA5 reanalysis, and VIIRS active fire observations) within a GIS environment, coupling event-based feature extraction with the Bayesian-optimized ANN, which was trained on climatic, topographic, vegetation, and environmental predictor variables. Model evaluation showed that smaller, balanced training datasets achieved stronger generalization than larger ones. Scenario-based analyses simulated temperature increases of +0.5 °C, +1.0 °C, +1.5 °C, and +2.0 °C, reflecting global climate model projections, with all other variables held constant. Results show that warming intensifies susceptibility in existing fire-prone regions and drives the emergence of new wildfire-prone areas with no historical fire occurrence. Relative to current conditions, newly predicted fire-prone locations increased by approximately 36%, 51%, 85%, and 118% across the respective scenarios, indicating a nonlinear susceptibility response to warming. These findings underscore the value of incorporating climate scenarios into GIS-integrated machine learning-based wildfire susceptibility modeling and offer a spatially explicit framework for proactive mitigation and climate-resilient land-use planning.