İstanbul metro hatları için makine öğrenmesi ile yolcu sayılarının tahminlenmesi
Prediction of passenger numbers with machine learning for istanbul metro lines
- Tez No: 758506
- Danışmanlar: PROF. DR. AYDIN SİPAHİOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yöneylem Araştırması Bilim Dalı
- Sayfa Sayısı: 83
Özet
Günümüzde insanların ulaşım ihtiyaçlarının artış göstermesiyle şehir içi toplu taşımaların kullanımı doğru orantılı olarak artmaktadır. Ayrıca şehir içi toplu ulaşım hizmetlerinin, yolcuların ekonomiklik, konfor, güvenlik ve hızlılık gibi beklentilere istenen seviyede cevap verebilmesi önem arz etmektedir. Akıllı ulaşım sistemlerinin de yaygınlaşmasıyla birlikte, entegrasyonların sağlanarak yolcuların ulaşım kaliteleri arttırılmaktadır. Öte yandan ulaşım hizmeti sağlayan şirketlerin, bu hizmetleri sürdürülebilir, verimli ve ekonomik bir şekilde karşılamaya devam edebilmesi için yolcu sayılarını belirleme ihtiyacı doğmaktadır. Bu tez kapsamında, şehir içi raylı ulaşım hizmetlerinden metro hatlarında yolculuk yapan yolcuların sayılarının tahmin edilmesi amaçlanmıştır. Örnek çalışma olarak verilerin açık kaynak olarak sunulması nedeniyle İstanbul'daki bazı metro hatları seçilmiştir. Yolcu sayısı tahminlenirken, yolculuğa doğrudan veya dolaylı olarak etki edebilecek olan mevsimsellik, hava koşulları, tatiller ve çalışma durumu gibi faktörler göz önünde bulundurulmuştur. Veri madenciliği CRISP-DM metodolojisi kullanılarak veri toplama, hazırlama ve işleme süreçleri gerçekleştirilmiştir. Ardından makine öğrenmesi ile tahminleme yöntemlerinden çoklu doğrusal regresyon, polinom regresyon, karar ağacı regresyonu, rassal orman regresyonu, Ridge, Lasso, Elastik Net, destek vektör regresyonu (SVR), k-en yakın komşu algoritması (KNN), gradyan artırma ve hafif gradyan artıma makineleri yöntemleri kullanılmıştır. Modeller Python yazılım geliştirme ortamında kodlanmıştır. İBB Metro İstanbul'un 5 farklı hattı için belirtilen bu yöntemler çalıştırılmıştır. Elde edilen sonuçlar, belirlilik katsayısı (R2), ortalama mutlak hata (MAE), ortalama mutlak yüzde hatası (MAPE), hata kareler ortalaması (MSE) ve ortalama karekök sapması (RMSE) performans metriklerine göre değerlendirilmiştir. Yöntemlerin tahmin başarılarının değerlendirme ve karşılaştırma sonuçları gösterilmiştir.
Özet (Çeviri)
Today, the use of urban public transportation is increasing in direct proportion to the increase in people's transportation needs. In addition, it is important that urban public transportation services can meet the expectations of passengers such as economy, comfort, safety and speed at the desired level. The transportation quality of passengers is increased by providing integrations with the widespread use of smart transportation systems. On the other hand, companies that provide transportation services need to determine the number of passengers in order to continue to provide these services in sustainable, efficient and economical ways. Within the scope of this thesis, it is aimed to predict the number of passengers traveling on metro lines from urban rail transportation services. As a case study, some metro lines in Istanbul were chosen because the data were presented as open source. Factors which may directly or indirectly affect the journey are taken into account such as seasonality, weather conditions, holidays and working conditions while predicting the number of passengers. Data collection, preparation and processing processes were carried out CRISP-DM methodology from data mining. Then, multiple linear regression, polynomial regression, decision tree regression, random forest regression, Ridge, Lasso, Elastic Net, support vector regression (SVR), k-nearest neighbors algorithm (KNN), gradient boosting and light gradient boosting machine which are from prediction methods of machine learning were used. Models were coded in the Python software development environment. These methods were used for 5 different lines of IBB Metro Istanbul. The obtained results were evaluated according to performance metrics which consist of the coefficient of determination (R2), mean absolute error (MAE), mean absolute percent error (MAPE), mean squared error (MSE) and root mean square error (RMSE). The evaluation and comparison results of the prediction successes of the methods were shown.
Benzer Tezler
- MODELLING AND ESTIMATION OF SHIP MOTIONS
GEMİ HAREKETLERİNİN MODELLENMESİ VE TAHMİNİ
ALPER ZİHNİOĞLU
Doktora
İngilizce
2023
Gemi Mühendisliğiİstanbul Teknik ÜniversitesiGemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MELEK ERTOGAN
- Cfd simulation of train fire in the İstanbul metro tunnel
İstanbul metro tünelinde tren yangını simülasyonu
MAHİR İLTER BİLGE
Yüksek Lisans
İngilizce
2018
Makine MühendisliğiOrta Doğu Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET HALUK AKSEL
- Metro projelerinin yapım ve maliyet açısından karşılaştırılması: İstanbul ve Kocaeli örneği
The comparison of subway projects in terms of construction and cost: Example of istanbul and Kocaeli
MESUT KIRS
Yüksek Lisans
Türkçe
2021
İnşaat Mühendisliğiİstanbul Teknik ÜniversitesiRaylı Sistemler Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT ERGÜN
- Anadolu yakasındaki ulaşım aktarma merkezlerinin eribişilebilirlik açısından incelenmesi
Examination of transportation transfer centers on Anatolian side in terms of handicapped accessibility
ABDULKADİR DİCLE
Yüksek Lisans
Türkçe
2020
Ulaşımİstanbul Ticaret ÜniversitesiUlaştırma Ana Bilim Dalı
PROF. DR. TUNCER TOPRAK
- Yer altı ulaşım sistemlerinde kablosuz görüntü aktarımı başarımı
Performance of wireless video transmission in underground transportation system
HÜSEYİN DOĞAN
Yüksek Lisans
Türkçe
2016
UlaşımYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. TANSAL GÜÇLÜOĞLU