Makine öğrenmesi ile paylaşımlı bisiklet talep tahmini
Shared bicycle demand forecasting with machine learning
- Tez No: 1011438
- Danışmanlar: DR. ÖĞR. ÜYESİ YAVUZ CANBAY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Kahramanmaraş Sütçü İmam Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüz dünyasında teknolojinin hayatımıza girmesi ve gelişimi ile birçok alanda kolaylık sağlanmaktadır. Bu tez çalışmasında ulaşımda toplu taşımaya alternatif ve entegre bir sistem olan paylaşımlı bisiklet sistemlerini hem kullanıcı açısından hem de işletmecileri açısından daha verimli ve performansı yüksek bir kullanım sağlamak adına makine öğrenmesi yöntemleriyle talep tahmini yapılmaktadır. Bu tahminleme ile bisiklet istasyonlarında bisiklet bulamama veya park yeri sorunu yaşama durumlarına karşı yeniden dengeleme işlemi optimize edilerek kullanıcı taraflı memnuniyet sağlanmak aynı zamanda işletme taraflı ekonomik faaliyetler kazançlı çıkarılmak istenmektedir. Talep tahmini çeşitli makine öğrenmesi modelleriyle (Lineer Regresyon, Gradient Boosting, Random Forest, XGBoost vb.) gerçekleştirilmektedir. Kullanılan veri seti işlenerek modeller yardımıyla tahminler yapılmıştır. Bu modellerden en yüksek doğruluğa ait sonuç Gradient Boosting algoritmasına aittir. SHAP analizine göre özelliklerden yıl ve sıcaklık en belirleyici bisiklet talebi değişkeni seçilmiştir. Yapılan bu çalışma literatüre paylaşımlı bisiklet sistemleri altyapısı için teorik işletmeciler için pratik bilgi sağlamaktadır.
Özet (Çeviri)
In today's world, the integration and advancement of technology into our lives have brought convenience to many areas. In this thesis study, machine learning methods are used to forecast demand for shared bicycle systems, which serve as an alternative and integrated system to public transportation, with the aim of ensuring more efficient and high-performance usage from both the user and operator perspectives. This prediction aims to optimize the rebalancing process against situations where users cannot find a bicycle at a station or experience parking problems, thereby ensuring user satisfaction while also making economic activities profitable for the operator. Demand forecasting is performed using various machine learning models (Linear Regression, Gradient Boosting, Random Forest, XGBoost, etc.). The data set used was processed, and predictions were made using these models. The model with the highest accuracy belongs to the Gradient Boosting algorithm. According to SHAP analysis, the variables year and temperature were selected as the most decisive factors for bicycle demand. This study provides practical information for theoretical operators of shared bicycle system infrastructures.
Benzer Tezler
- Elektrikli bisikletlerin kentsel hizmet alanlarına erişimi: Eskişehir örneği
Access of electric bicycles to urban service areas: Eskişehir example
UFUK OĞUZHAN
Yüksek Lisans
Türkçe
2025
İnşaat MühendisliğiGazi Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA KÜRŞAT ÇUBUK
DR. ÖĞR. ÜYESİ SEDA HATİPOĞLU
- Modeling e-scooter user preferences using machine learning methods
Elektrikli skuter kullanıcı tercihlerinin makine öğrenmesi yöntemleri ile modellenmesi
SELİM DÜNDAR
Yüksek Lisans
İngilizce
2025
Mühendislik Bilimleriİstanbul Okan ÜniversitesiYapay Zeka Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SİNA ALP
- Makine öğrenmesi yöntemleri ve eğitim verisi üzerine bir uygulama: uluslararası matematik ve fen eğilimleri araştırması 2015 türkiye örneği
Machine learning methods and an application on educational data: the trends in international mathematics and science study 2015 Turkey case
ENES FİLİZ
- Paylaşım ekonomisinde müşteri deneyimlerinin makine öğrenmesi teknikleri kullanılarak incelenmesi: kültürlerarası bir araştırma
Examining customer experiences in the sharing economy using machine learning techniques: A cross-cultural analysis
FIRAT PEYNİRCİ
Yüksek Lisans
Türkçe
2025
TurizmDokuz Eylül ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. CAN AYDIN
- Sabit mıknatıslı senkron relüktans motorlarda makine öğrenmesi tabanlı arıza teşhisi
Machine learning based fault diagnosis in permanent magnet synchronous reluctance motors
AYŞE BAYRAK
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ERHAN AKIN