Journal of the Faculty of Engineering & Architecture of Gazi University / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi,. 2025, Vol. 40 Issue 2, p1147-1158. 11p.

*Support vector machines, *Edge computing, *Traffic safety, *Emergency management, *Emergency vehicles, *Receiver operating characteristic curves

This research details the development and implementation of an edge computing and Polynomial Support Vector Machine (SVM)-based sound classification model for effective detection of ambulance sirens and general traffic noises within Turkey's traffic management infrastructure. Utilizing advanced algorithms and innovative techniques, the model demonstrates significant success in differentiating sounds in a traffic environment. Uniform Manifold Approximation and Projection (UMAP) and Principal Component Analysis (PCA) demonstrate the model's ability to effectively process high-dimensional data into low-dimensional spaces, allowing for clear distinction between classes. The study presents an integrated sound classification system with edge computing technology, highlighting its potential to provide real-time solutions for traffic management. This technology significantly contributes to rapid and accurate detection of ambulance sirens, especially in dense traffic conditions and narrow urban roads, facilitating shorter emergency response times and lifesaving outcomes. The overall classification success of the model is measured by reliable metrics such as the ROC Curve and F1 Score, underscoring high accuracy rates and balanced performance. The findings underscore innovative solutions that enable significant steps in enhancing traffic safety and emergency response processes. Future research is anticipated to further adapt and enhance the model across diversified application scenarios, promising further advancements in traffic management and emergency vehicle detection. [ABSTRACT FROM AUTHOR]

Bu araştırma, Türkiye'nin trafik yönetimi altyapısında, ambulans sirenlerinin ve genel trafik seslerinin etkin bir şekilde tespiti için kenar bilişim ve Polinom Destek Vektör Makinesi (SVM) temelli bir ses sınıflandırma modelinin geliştirilmesi ve uygulanması sürecini detaylandırmaktadır. Model, gelişmiş algoritmalar ve yenilikçi teknikler kullanarak trafik ortamındaki seslerin ayırt edilmesinde önemli bir başarı göstermiştir. Tekdüze Çokkatman Yaklaşımı ve Projeksiyonu (UMAP) ve Temel Bileşenler Analizi (PCA) analizleri, modelin yüksek boyutlu verileri etkin bir şekilde düşük boyutlu uzaylarda işleyerek sınıflar arasında net bir ayrım yapabilme yeteneğini göstermektedir. Çalışma, kenar bilişim teknolojisiyle entegre edilmiş bir ses sınıflandırma sistemi sunarak, trafik yönetimi için gerçek zamanlı çözümler sağlama potansiyelini ortaya koymaktadır. Bu teknoloji, özellikle yoğun trafik koşullarında ve dar şehir içi yollarında, ambulans sirenlerinin hızlı ve doğru tespitini sağlayarak acil müdahale sürelerinin kısaltılmasına ve hayat kurtarılmasına katkı sunmaktadır. Modelin genel sınıflandırma başarısı, ROC Eğrisi ve F1 Skoru gibi güvenilir metriklerle ölçülmüştür ve bu metrikler modelin yüksek doğruluk oranları ve dengeli performansını ortaya koymaktadır. Araştırmanın sonuçları, trafik güvenliği ve acil durum müdahale süreçlerinin iyileştirilmesi için önemli adımlar atılmasına olanak tanıyan yenilikçi çözümleri vurgulamaktadır. Gelecekteki çalışmaların, modelin çeşitlendirilmiş uygulama senaryolarına adapte edilmesi ve geliştirilmesi, trafik yönetimi ve acil durum araçlarının tespiti alanlarında daha fazla ilerleme sağlaması beklenmektedir. [ABSTRACT FROM AUTHOR]

Copyright of Journal of the Faculty of Engineering & Architecture of Gazi University / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, is the property of Gazi University, Faculty of Engineering & Architecture and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)