Konumsal analiz yöntemleri ve makine öğrenmesi entegrasyonu ile kitle kaynaklı verilere dayanarak rekreasyonel hareketliliğin haritalanması: Eskişehir örneği
Mapping recreational mobility based on crowdsourced data with the integratıon of spatial analysis methods and machine learning: The case of Eskişehir
- Tez No: 739775
- Danışmanlar: DR. ÖĞR. ÜYESİ HAKAN UYGUÇGİL
- Tez Türü: Doktora
- Konular: Jeodezi ve Fotogrametri, Turizm, Geodesy and Photogrammetry, Tourism
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 267
Özet
Rekreasyonel hareketliliğin izlenmesi, sürdürülebilir turizm destinasyonlarının yönetiminde önemli bir husustur. Mevcut bilgi ve iletişim teknolojileri, rekreasyonel hareketlilik hakkında veri toplamak için yenilikçi yollar sunmaktadır. Konum tabanlı sosyal medya platformları, insanların hareketlerini ve davranışlarını analiz etmek için büyük veri kümeleri sağlamaktadır. Bu çalışmada, kitle kaynaklı sosyal medya verilerine dayalı olarak mekânsal-zamansal analiz yöntemleri ve makine öğrenmesi entegrasyonu ile Eskişehir destinasyonunda rekreasyonel hareketliliğin modellenmesi ve haritalanması amaçlanmıştır. Çalışma, Foursquare, Flickr ve Twitter platformlarından coğrafi etiketli verilerin elde edilmesi, elde edilen verilerin resmi ziyaretçi verileri ile arasındaki korelasyonun araştırılması, kullanıcıların turist ve şehir sakini olarak sınıflanması, zamansal analiz, yoğunluk analizi, makine öğrenmesi tekniği kullanılarak kentsel turizm ilgi alanlarının çıkarılması, karmaşık ağ teorisine dayalı mekânsal-zamansal akış haritalarının oluşturulması ve mekan zaman küpü tabanlı trend analizi ve sıcak nokta analizi uygulamalarını içermektedir. Çalışmanın sonuçları, rekreasyonel faaliyetlerin mekânsal-zamansal dinamiklerini analiz etmede coğrafi etiketli sosyal medya verilerinin önemini ve kullanım potansiyelini ortaya koymaktadır. Çalışmanın, kentlerin sürdürülebilir kalkınmasını sağlamak amacıyla turizm destinasyonu planlaması ve pazarlaması ile ilgilenen yöneticilere, araştırmacılara ve turizm endüstrisinin tüm paydaşlarına önemli faydalar sağlaması beklenmektedir.
Özet (Çeviri)
The monitoring of recreational mobility is an important aspect in the management of sustainable tourism destinations. Current information and communication technologies provide innovative ways to collect data on recreational mobility. Location-based social media platforms provide large datasets to analyze the movements and behaviors of humans. In this study, it is aimed to modelling and mapping recreational mobility in Eskişehir destination with spatial-temporal analysis methods and machine learning integration based on crowdsourced social media data. The study includes applications of obtaining geotagged data from Foursquare, Flickr and Twitter platforms, investigating the correlation between the obtained data and official visitor data, classification of users as tourist and citizen, temporal analysis, density analysis, extraction of urban tourism interests using machine learning technique, creation of spatio-temporal flow maps based on complex network theory and space time cube based trend analysis and hotspot analysis. The results of the study reveal the importance and usage potential of geotagged social media data in analyzing the spatio-temporal dynamics of recreational activities. The study is expected to provide important benefits to all stakeholders of tourism industry, researchers and managers interested in marketing and planning tourism destination to ensure sustainable development of cities.
Benzer Tezler
- CBS destekli makine öğrenmesi yöntemleri ile hırsızlık suçlarını etkileyen mekânsal faktörlerin belirlenmesi ve suç tahmin modeli geliştirilmesi
Determination of spatial factors affecting burglary crimes with CBS-supported machine learning methods and developing a crime forecast model
GAMZE BEDİROĞLU
Doktora
Türkçe
2022
Jeodezi ve FotogrametriKaradeniz Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. HÜSNİYE EBRU ÇOLAK
- Konut satış fiyatlarının coğrafi bilgi sistemi girdili makine öğrenmesi yöntemleri ile tahminlenmesi: İstanbul örneği
House sales price prediction with geographic information system inputed machine learning methods: İstanbul sample
DUYGU ATASEVER
Yüksek Lisans
Türkçe
2024
İstatistikYıldız Teknik Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. ERSOY ÖZ
- Makine öğrenmesi yöntemleriyle anormal içme suyu tüketimlerinin tespit edilmesi ve tahmin modellerinin geliştirilmesi
Detecting abnormal drinking water consumptions and developing forecast models by machine learning methods
İSMAİL GÜNEY
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DOÇ. DR. İHSAN HAKAN SELVİ
- Derin öğrenme ve makine öğrenmesi ile uydu görüntülerinin sınıflandırılması
Classification of satellite images with deep learning and machine learning
CANBERK AYDEMİR
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiBaşkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SELDA GÜNEY
- Veri madenciliği ve makine öğrenmesi yöntemleri ile İstanbul trafiğinin analizi: D100 karayolu uygulaması
Analysis of Istanbul traffic with data mining and machine learning methods: D100 highway application
CİHAN ÇİFTÇİ