Geri Dön

Enhancing next destination prediction: An application of LSTM using real-world airline data

Sonraki varış yeri tahminini geliştirmek: Gerçek dünya havayolu verileri kullanarak LSTM uygulanması

  1. Tez No: 809336
  2. Yazar: SALİH SALİHOĞLU
  3. Danışmanlar: PROF. DR. GÜLSER KÖKSAL, DR. ÖĞR. ÜYESİ ORHAN ABAR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 82

Özet

Modern ulaşım endüstrisinde, seyahat edenlerin gelecek varış yerlerinin doğru tahmin edilmesi, şirketlere müşteri memnuniyeti ve hedefe yönelik pazarlama gibi pek çok fayda sağlamaktadır. Bu çalışma, seyahat verilerindeki ardışık desenleri yakalayabilen, bireysel seyahat edenlerin gelecekteki varış yerlerini doğru tahmin etmeyi mümkün kılan hassas bir model geliştirmeye odaklanmaktadır. Bunun için ulaşım endüstrisinde varış yeri tahmini için kayan pencere yaklaşımını kullanarak yeni bir model mimarisi önermektedir. Deneysel sonuçlar, LSTM modelinin farklı veri boyutlarında ve performans metriklerinde tatmin edici performans ve yüksek skorlar elde ettiğini göstermektedir. Bu araştırma, varış yeri tahmini yöntemlerinin ilerlemesine katkıda bulunmakta ve şirketlere kişiselleştirilmiş öneriler sunarak müşteri deneyimlerini dinamik seyahat ortamında optimize etmeye yardımcı olmaktadır.

Özet (Çeviri)

In the modern transportation industry, accurate prediction of travelers' next destinations brings multiple benefits to companies, such as customer satisfaction and targeted marketing. This study focuses on developing a precise model that captures the sequential patterns and dependencies in travel data, enabling accurate predictions of individual travelers' future destinations. To achieve this, a novel model architecture with a sliding window approach is proposed for destination prediction in the transportation industry. The experimental results highlight the satisfactory performance and high scores achieved by the LSTM model across different data sizes and performance metrics. This research contributes to advancing destination prediction methods, empowering companies to deliver personalized recommendations and optimize customer experiences in the dynamic travel landscape.

Benzer Tezler

  1. Hava araçları kokpitlerinde makine öğrenmesi tabanlı tahmine dayalı kullanıcı arayüzü

    Machine learning prediction based ui for aircraft cockpit

    BİLGE TOPAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    PROF. DR. BEHÇET UĞUR TÖREYİN

  2. Kömür yakılan kazanda ve sobada ağır metal emisyonlarının incelenmesi

    Başlık çevirisi yok

    EMEL SAÇAKLI

    Yüksek Lisans

    Türkçe

    Türkçe

    1998

    Kimya Mühendisliğiİstanbul Teknik Üniversitesi

    Kimya Mühendisliği Ana Bilim Dalı

    PROF. DR. HASANCAN OKUTAN

  3. Performance analysis of relay aided terahertz systems

    Röle destekli terahertz haberleşme sistemlerinin performans analizi

    BENGÜ BİLGİÇ

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SEMİHA TEDİK BAŞARAN

  4. Transforming structures into interactive experiences: Generative frameworks

    Yapıların etkileşimli deneyimlere dönüştürülmesi: Üretken çerçeve çalışmaları

    DUYGU NARDERELİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    Oyun ve Etkileşim Teknolojileri Ana Bilim Dalı

    DOÇ. DR. SEMA ALAÇAM