Yapay sinir ağları ile uçuşlardaki gecikmelerin öngörülmesi: Esenboğa havalimanında bir vaka çalışması
Predicting flight delays with artificial neural networks : A case study in Esenboğa airport
- Tez No: 430066
- Danışmanlar: YRD. DOÇ. DR. ENGİN DEMİR
- Tez Türü: Yüksek Lisans
- Konular: Astronomi ve Uzay Bilimleri, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Astronomy and Space Sciences, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Uçuş gecikme tahmini, sınıflandırma, yapay sinir ağları, öznitelik sıralama, Flight delay estimation, classification, artificial neural networks, feature ranking
- Yıl: 2016
- Dil: Türkçe
- Üniversite: Türk Hava Kurumu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 84
Özet
Hava taşımacılığı, ulaşım sistemleri içerisinde önemli bir yere sahip olup uçuşların planlanan zamanlarda seferlerini gerçekleştirmesi, yolcuların konforu ve işletme maliyetlerin kontrol edilebilirliğini sağlamak için gereklidir. Amerika Birleşik Devletleri Ulaştırma Bürosu tarafından yayınlanan bilgiye göre 2015 yılındaki uçuşların %19.63'ü gecikme ya da iptallerden dolayı zamanında gerçekleşememiştir. Uçuş gecikmelerinin hava durumu, hava trafiğinde yaşanan yoğunluk, kaza veya kapanan uçuş pistleri, uçaklar arasındaki mesafenin arttırılmasına sebep olabilecek koşullar ve yer hizmetlerinde yaşanabilecek işletmeden kaynaklı gecikmeler gibi çok çeşitli nedenleri bulunmaktadır. Bu çalışmada havalimanında bulunan çeşitli algılayıcılardan toparlanan veriler ve uçuşla ilgili bilgiler kullanılarak yapay sinir ağları ile uçuşlardaki kalkış gecikmelerini tahmin eden bir yapay sinir ağı modeli geliştirilmesi hedeflenmiştir. Gerek akademik çalışmalarda gerekse endüstriyel ürünlerde uçuş kontrol sistemleri içerisinde uçuş gecikmelerini tahmin edebilen modeller önerilmiştir. Literatürde hava koşulları ve uçuş bilgileri kullanılarak uçuş gecikmelerinin tahmini için Bayes ağları, karar ağaçları, istatistiki yoğunluk tahminleri kullanılan en popüler yöntemlerdir. Bu çalışmada doğrusal olmayan sistemleri modelleyebilmesi ve hızlı xii çalışması nedeniyle çok katmanlı, geri beslemeli yapay sinir ağları kullanılmıştır. Deneysel çalışmalarda kullanılan veri seti 2014 yılı içerisinde Ankara Esenboğa Havalimanında toparlanmıştır. Veri seti 39.892 uçuş için planlanan kalkış zamanındaki 9 çeşit hava ölçüm değeri ve 3 adet uçak/uçuş ile ilgili bilgiden oluşan öznitelik kümesini içermektedir. Yapay Sinir Ağı modeli ile uçuşlardaki kalkış gecikmeleri ortalamada bütün veri kullanıldığında genel ortalamada % 93, zamanında ve gecikmeli uçuşlar dengeli bir şekilde zaman pencerelerine parçalanarak kullanıldığında genel ortalamada % 96'ya kadar ulaşan bir başarım elde edilmiştir. Ön işlemede kullanılan öznitelik seçme yöntemleri başarım oranını artırmıştır.
Özet (Çeviri)
Air transportation has an important place among transportation systems and it is indispensable for the flights to perform their voyages in scheduled time in order to ensure the comfort of passengers and controllability of operational costs. According to the report published by United States Bureau of Transportation 19.63% of flights in 2015 didn't take place on time because of delays and cancellations. There are several reasons for flight delays like weather conditions, excessive intensity in air traffic, accidents or closed airfields, conditions that will lead to an increase in distances between planes and operational delays in ground services. In this study, using the data collected from the sensors located in the airport and the information about the flight, the goal is develop a machine learning model to estimate departure delays of flights using artificial neural networks. In both academic studies and industrial products, models that can estimate flight delays are proposed. In the literature, Bayes networks, decision trees, and statistical density estimates are the popular methods to estimate flight delays using weather conditions and flight information. In this study multilayer, feedback artificial neural networks are used due to its ability to model nonlinear systems and fast execution times. The data set used in the experimental study is gathered from Ankara Esenboğa xiv Airport in year 2014. For each of the 39.892 flights in data set, it contains a set of attributes consisting of 9 different weather measurements in scheduled departure time and 3 attributes related to the plane/flight. Using the proposed artificial neural network model if the all data is used in learning on the overall 93% accuracy and if data is observed by time window frames including equal number of on-time and delayed flights on the overall up to 96% accuracy is attained. The feature selection algorithms utilized in the preprocessing was shown to increase accuracy.
Benzer Tezler
- Aircraft icing detection, identification and reconfigurable control based on Kalman filtering and neural networks
Kalman filtresi ve yapay sinir ağları ile uçak buzlanmalarının tespiti, teşhisi ve yeniden şekilllendirilebilir kontrol
RAHMİ AYKAN
Doktora
İngilizce
2005
Havacılık Mühendisliğiİstanbul Teknik ÜniversitesiHavacılık Mühendisliği Ana Bilim Dalı
PROF.DR. ÇİNGİZ HACIYEV
Y.DOÇ.DR. FİKRET ÇALIŞKAN
- Data-driven aircraft performance models for improving baseline fuel estimations
Kalkış öncesi yakıt tahminini iyileştirmek için veri analitik hava taşıtı performans modelleri
MUHAMMED EMRE SARIGÖL
Yüksek Lisans
İngilizce
2018
Havacılık Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMRE KOYUNCU
- Digital-twin flight modelling through machine learning for trajectory error estimation and recovery
Rota hesaplamalarında makine öğrenmesi tabanlı dijital ikiz uçuş modeli
MEVLÜT UZUN
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. GÖKHAN İNALHAN
DR. MUSTAFA UMUT DEMİREZEN
- Deep learning-based keypoints driven visual inertial odometry for GNSS-denied flight
Yapay sinir ağları tabanlı nokta çıkarıcılı görsel-ataletsel odometri ile GPS'siz ortamda uçuş
ARSLAN ARTYKOV
Yüksek Lisans
İngilizce
2023
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRE KOYUNCU
- Türkiye'de şehir çiftleri arasında hava seyahat talebine etki eden kriterlerin farklı yöntemlerle karşılaştırmalı analizi
Comparative analysis of criteria affecting air travel demand between city pairs in Turkey with different methods
İZAY REYHANOĞLU
Doktora
Türkçe
2019
Sivil HavacılıkAtılım Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. DİLAVER TENGİLİMOĞLU