Akıllı Raporlama ve Yönetim Sistemi
14
Kategori
2
AI Aşaması
0–5
Öncelik Skoru
Problem
Neden SRMS?
Kampüslerdeki altyapı sorunları çoğu zaman geç bildirilir ya da hiç bildirilmez. Mevcut mekanizmalar kullanıcılar için zahmetli, yönetim için verimsizdir.
Hasarlı Yollar & Kaldırımlar
Kampüsteki çukurlar, kırık kaldırımlar ve bozuk yüzeyler güvenliği tehdit eder ancak çoğu zaman fark edilmeden kalır.
Arızalı Aydınlatma
Bozuk sokak lambaları güvenli olmayan ortamlar oluşturur; manuel denetimlerle tespit edilmesi gecikir.
Atık Birikimi
Boşaltılmayan çöp kutuları ve birikmeler halk sağlığını ve kampüs estetiğini olumsuz etkiler.
Yavaş Manuel Raporlama
Telefon hatları ve genel amaçlı web formları zahmetlidir; yönetim zamanının büyük kısmı manuel triyaja harcanır.
Nasıl Çalışır
Üç Adımda Çözüm
Kullanıcıdan sorumlu birime - tamamen otomatik.
Raporla
Kullanıcı tek tıkla fotoğraf çeker ve React Native mobil uygulaması üzerinden gönderir. İsteğe bağlı açıklama eklenebilir.
Yapay Zeka Analizi
İki aşamalı AI pipeline: Gemini Vision API görüntüyü açıklar ve filtreler; yerel LLM modeli 14 kategori içinden sınıflandırır ve 0–5 öncelik skoru atar.
Çözüm
Rapor otomatik olarak ilgili birime yönlendirilir. Yöneticiler web dashboard üzerinden takip eder, müdahale süresi önemli ölçüde kısalır.
Ürün Önizleme
Çapraz Platform Deneyimi
Mobil uygulama ile sahadan raporla, web dashboard ile yönet ve takip et.
Mobil Uygulama
Sorun bildir, takip et, harita
Web Yönetim Paneli
Rapor kuyruğu, onay/red, istatistikler
Canlı Demo
Sistemin Kullanımı
Gerçek uygulama kayıtları, mobil raporlama ve web yönetim paneli.
Mobil Uygulama
Sorun bildir, fotoğraf yükle, takip et
Web Yönetim Paneli
Rapor kuyruğu, onay/red, istatistikler
Özellikler
Sistemi Güçlü Kılan Özellikler
Uçtan uca otomasyon, akıllı sınıflandırma ve çapraz platform erişim.
14 Altyapı Kategorisi
Yol hasarından vandalizme, başıboş hayvanlara kadar 14 farklı kentsel sorun kategorisi.
AI Öncelik Skoru (0–5)
Her rapor için otomatik öncelik skoru atanır; acil sorunlar üste taşınır.
İki Aşamalı AI Pipeline
Gemini Vision API + yerel LLM modeli iş birliği ile yüksek doğruluklu sınıflandırma.
Gerçek Zamanlı Yönlendirme
Raporlar doğrudan sorumlu birime iletilir; sıfır manuel triyaj.
Çapraz Platform
React Native mobil uygulama + web yönetim dashboard - her cihazdan erişim.
Akıllı Görüntü Filtreleme
Kapalı alan, NSFW ve alakasız içerikler otomatik olarak elenir; pipeline'a sadece geçerli görüntüler girer.
AI Pipeline
İki Aşamalı Yapay Zeka Akışı
Her görüntü önce Gemini Vision API'den geçer, ardından yerel Yerel LLM modeli kategori ve öncelik skoru atar.
Kullanıcı Fotoğrafı
Mobil uygulama
Aşama 1
Gemini Vision API
Açıklama üret • Kategori belirle • Geçersizleri filtrele
Aşama 2
Yerel LLM
14 kategoriden sınıflandır • Öncelik skoru ata (0–5)
Güven Kontrolü
Eşik değeri
Güven ≥ Eşik
Rapor ilgili birime otomatik yönlendirilir
Güven < Eşik
İnsan onayına gönderilir, manuel inceleme yapılır
14 Sınıflandırma Kategorisi
Kullanım Alanları
Nerede Kullanılır?
SRMS, farklı ölçeklerdeki yönetim ortamlarına uyarlanabilir.
Üniversite Kampüsleri
- Geniş alanı sınırlı personelle yönet
- Öğrencilerden anlık raporlama
- Akademik takvimle uyumlu önceliklendirme
Belediyeler
- Vatandaş katılımını artır
- Manuel işlemleri otomatikleştir
- Kaynak dağılımını optimize et
Organize Yerleşim Alanları
- Siteler ve OSB'ler için özelleştirilebilir
- Yönetim ve sakin iletişimini güçlendir
- Bakım süreçlerini dijitalleştir
Takım
Takım Vexra
Atılım Üniversitesi - CMPE/ISE/SE 494 | Graduation Project
Yrd. Doç. Dr. Arda SEZEN
Proje Danışmanı
Ahmet Efe Bayav
Barış Özpulat
Utku Oğul Bolat
Ünal Namdar
Tuna Alan
Arda Başdere
İletişim
Bize Ulaşın
SRMS hakkında sorularınız veya iş birliği talepleriniz için bize yazın.
Akademik Kaynaklar
Referanslar
SRMS'in geliştirme sürecinde başvurulan temel akademik çalışmalar.
Alfarrarjeh, A., Trivedi, D., Kim, S. H., & Shahabi, C. (2018). A Deep Learning Approach for Road Damage Detection from Smartphone Images. IEEE International Conference on Big Data.
Majchrowska, S. et al. (2022). Deep learning-based waste detection in natural and urban environments. Waste Management, 138, 274–284.
Vairetti, C. et al. (2024). Analytics-driven complaint prioritisation via deep learning and multicriteria decision-making. European Journal of Operational Research, 312(3), 1108–1118.
Yao, Y., Dall'Ò, G., & Lu, F. (2026). Urban Street-Scene Perception and Renewal Strategies Powered by Vision–Language Models. Land, 15(2), 244.
Hansen, M. M., & Dahiya, B. (2025). Traffy Fondue: a smart city citizen engagement. Frontiers in Sustainable Cities, 7.