Yapay sinir ağı ile havalimanı yolcu sayısı tahmini ve bazı tahminleme yöntemleri ile karşılaştırmalı analiz
Airport passenger number prediction using artificial neural network and comparative analysis with some forecast methods
- Tez No: 804743
- Danışmanlar: PROF. DR. PINAR MIZRAK ÖZFIRAT
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Manisa Celal Bayar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: 237
Özet
Artan rekabet ortamı ile hayatın her alanında özellikle de ulaşım sektörlerinde zaman, maliyet, konfor gibi faktörlere önem verildiği görülmektedir. Bunun sebebi insanların daha az maliyetli, daha hızlı ve konforlu bir ulaşım isteğinin hayat koşullarının zorluğu, nüfus ve trafik yoğunluğundaki artışlar ile birlikte daha da artmasıdır. Bu doğrultuda daha az maliyetli olacak şekilde hızlı ve konforlu bir ulaşım için havacılık sektörüne yönelimlerin de daha çok artması adına bu sektörün gelecek aylara, yıllara ait yolcu sayılarını doğru bir şekilde tahmin edebilmeleri oldukça önemlidir. Doğru yolcu sayısı tahminleri sayesinde kapasite, tesis kullanımı, personel ihtiyacı, turizm ve ekonomi gibi konularda pratik ve stratejik planlar yapılarak zaman, enerji tüketimi, müşteri memnuniyeti ve maliyet gibi faktörler daha doğru bir şekilde yönetilebilmektedir. Böylece azalan maliyetler sayesinde verimli bir şekilde yatırımlar yapılacak ve beklenen uçuş fiyatları da bu doğrultuda azalacaktır. Düşen fiyatlar ve ulaşımın hızlı ve konforlu olması sayesinde ise bu firmalara yönelimler artacak ve bu da firmaların prestij sahibi olmalarına yardımcı olacaktır. Tez çalışması kapsamında ise ulaşımın yoğun olduğu büyük şehirlerden İstanbul, Ankara ve İzmir seçilerek bu şehirlerdeki havalimanları için doğru bir şekilde yolcu sayısı tahminlerinin yapılabilmesi amaçlanmıştır. Bu doğrultuda tahminleme çalışması için yapay sinir ağı önerilerek bu yöntemin diğer yöntemler ile karşılaştırması yapılmıştır. Uygulama aşamasında geleneksel yöntemler ve gelecek tahmini yapabilen yöntemler ve de bu yöntemlerin mevsimsellik analizleri denenmiştir. Daha eşdeğer bir karşılaştırma olabilmesi açısından geleneksel yöntemler ve gelecek tahmini yapabilen yöntemler iki ayrı kategoride değerlendirilmiştir. Değerlendirme yapılırken ortalama mutlak yüzde hata değerine bakılması uygun görülmüştür. Değerlendirme sonucunda gelecek tahmini için en iyi sonucu veren yöntemin yapay sinir ağı olduğu gözlemlenmiştir. Önerilen yöntem kullanılarak 2024-2030 yılları için tahmin değerleri sunulmuştur.
Özet (Çeviri)
With the increasing competitive environment, it is seen that factors such as time, cost and comfort are given importance in all areas of life, especially in the transportation sectors. The reason for this is that people's desire for less costly, faster and more comfortable transportation increases with the difficulty of living conditions, the increase in population and traffic density. In this direction, it is very important that these sectors should accurately predict the number of passengers for the following months and years in order to increase the demand for a fast and comfortable transportation with less cost. With accurate passenger number estimations; time, energy consumption, customer satisfaction and cost factors can be managed more accurately and practical and strategic plans on issues such as capacity, facility usage, personnel needs, tourism and economy can be provided. By this way investments can be made efficiently and the expected flight prices would decrease accordingly. With lower prices, the fast and comfortable transportation, the demand to these companies will increase and this would help the companies to have prestige. Within the scope of the thesis, Istanbul, Ankara and Izmir are selected from metropolitan cities where there is high transportation, and it is aimed to make accurate estimates of the number of passengers for the airports in these cities. In this direction, an artificial neural network is proposed for the estimating passenger number and this method is compared with other methods. In the application phase; traditional methods, methods that can predict the future, and also seasonality analysis of these methods has been investigated. In order to provide more realistic comparison, traditional methods and methods that can predict the future are evaluated in two separate categories. The mean absolute percentage error value is checked while making the evaluation. As a result of the evaluation, it observed that the artificial neural network is the method that gives the best result and the future passenger number with proposed approach are estimated for years 2024 to 2030.
Benzer Tezler
- Kentiçi demiryolunda trafik yükünün ray aşınmaları üzerindeki etkisinin araştırılması
Investigation of the effects of traffic load on rail wear in urban railways
HAZAL YILMAZ SÖNMEZ
Doktora
Türkçe
2021
Ulaşımİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ZÜBEYDE ÖZTÜRK
- Box-Jenkins ve yapay sinir ağı yöntemleri ile havalimanı yolcu talebi öngörülenmesi: Antalya Havalimanı örneği
Forecasting airport passanger demand by Box-Jenkins and artificial neural networks methods: A case study of Antalya Airport
HAKAN BOZDAĞ
Yüksek Lisans
Türkçe
2011
EkonometriSüleyman Demirel ÜniversitesiEkonometri Ana Bilim Dalı
PROF. DR. ABDULLAH EROĞLU
- Aircraft detection from large scale remote sensing images with deep learning techniques
Büyük ölçekli uzaktan algılama görüntülerinden derin öğrenme teknikleriyle uçak tespiti
MEHMET SOYDAŞ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Uydu görüntülerinden alınan halka açık binaların derin öğrenme yöntemleriyle sınıflandırılması ve performans ölçümü
Classification and performance measurement of public buildings from satellite images with deep learning methods
ŞEYMA KARABULUT
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiEkobilişim Ana Bilim Dalı
DOÇ. DR. DERYA AVCI
- Derin öğrenme yöntemleri ile güvenlik kamerası görüntülerinden apronlarda yer operasyonlarının gerçek zamanlı analizi
Real-time analysis of ground operations on aprons from security camera images with deep learning methods
BERNA YILMAZ
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MİNE ELİF KARSLIGİL YAVUZ