Travel time prediction in public transportation
Toplu ulaşım araçlarında ulaşım süresinin tahmini
- Tez No: 670397
- Danışmanlar: DR. ÖĞR. ÜYESİ ALİ BOYACI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: İstanbul Ticaret Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 66
Özet
Günümüzde toplu ulaşımda, ulaşım süresinin tahmini, bilgiye kolayca erişebilen ve günlük aktivitelerini planladıkları gibi yolculuklarını da planlamak isteyen yolcular için oldukça önemlidir. Büyük şehirlerde ulaşım süresi bazı öngörülemeyen dış faktörler nedeniyle çeşitlilik göstermektedir. Bu nedenle bu çalışma, GPS cihazları ile toplanan veriyi kullanarak, güçlü ancak sade bir Makine Öğrenmesi tekniği sunmaktadır. Teknik, geçmiş veriden öğrenerek, gelecek verisini hava durumu, yoğun saatler, haftanın yoğun günleri ve yıllın yoğun günleri gibi dış etkenleri göz önünde bulundurarak tahmin eden Çoklu Düzlemsel Regresyon algoritmasını kullanmaktadır. Tekniği doğrulamak amacı ile bir doğrulama modeli oluşturulmuştur. Doğrulama modeli geçmiş verinin ortalaması ve gerçek veri ile kıyaslanarak modelin doğruluğu ölçülmüştür. Sonuçlar tahmin tekniğinin ortalama modele göre daha iyi performans gösterdiğini ve gerçek veriye en yakın tahmini yaptığını göstermiştir.
Özet (Çeviri)
Today, travel time prediction is essential for passengers who can easily access information and want to be able to plan their journeys as well as their daily activities. Travel time varies due to some unpredictable external factors especially in big cities. Therefore, this paper proposes a powerful but simple Machine Learning model by using data collected by GPS devices. The model uses a Multiple Linear Regression algorithm that learns from historic data and predicts future values for each bus stop interval by considering external factors such as; weather conditions, peak hours, busy week days and busy days of year. A validation model was developed to measure the accuracy of the prediction model. Then the validation model was compared to average of historic data and real data. Results show that the prediction model outperforms the average model and calculates closest travel times to the real data.
Benzer Tezler
- İstanbul toplu taşıma sistem algısının mevcut ve sanal tercihler çerçevesinde lojit model ile incelenmesi
Examining of İstanbul public transportation system perception with revealed and stated preferences framework by logit model
MAHMUT ESAD ERGİN
Yüksek Lisans
Türkçe
2015
Ulaşımİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
YRD. DOÇ. HÜSEYİN ONUR TEZCAN
- Travel time estimation and prediction in closed toll highways
Başlık çevirisi yok
MEHMET YILDIRIMOĞLU
Yüksek Lisans
İngilizce
2011
Halkla İlişkilerRutgers, The State University of New Jersey-New Brunswick CampusDR. KAAN ÖZBAY
- Toplu taşıma araçlarında yapay zekâ tabanlı kestirimci bakım yaklaşımı
Artificial intelligence based predictive maintenance approach in public transport vehicles
ÖZLEM GÜVEN
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiBursa Teknik ÜniversitesiAkıllı Sistemler Mühendisliği Ana Bilim Dalı
DOÇ. DR. HASAN ŞAHİN
- Şehir içi toplu taşıma planlamasında akıllı kart veri madenciliği ile sefer sıklığı optimizasyonu
Optimization of headway with smart card data mining in urban public transportation planning
BEDRETTİN TÜRKER PALAMUTÇUOĞLU
- Toplu taşıma araçlarının duraklara varış sürelerinin tahminindeki sapmaları iyileştirmeye yönelik bir veri madenciliği uygulaması(İETT örneği)
A data mining application for improving the deviations in the estimation of time of arrival of public transport vehicles (IETT example)
KADİR KUŞTUL
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMaltepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. EMİN MURAT ESİN