Derin öğrenme teknikleri kullanılarak raylı sistemler için günlük seyahat talebi tahmin modeli geliştirilmesi
Development of a daily passenger demand prediction model for rail systems using deep learning techniques
- Tez No: 832754
- Danışmanlar: DOÇ. DR. YALÇIN ALVER
- Tez Türü: Yüksek Lisans
- Konular: Ulaşım, İnşaat Mühendisliği, Transportation, Civil Engineering
- Anahtar Kelimeler: Kentiçi ulaşım, Sürdürülebilir ulaşım, İstanbul metrosu, Şehiriçi ulaşım, Sustainable transport, Istanbul metro, Urban transport
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: İnşaat Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Ulaşım sistemlerini etkin bir şekilde planlamak ve yönetmek için gelecekteki seyahat taleplerini tahmin etmek oldukça önemlidir. Toplu taşıma sistemlerindeki günlük seyahat talebinin tahmini; sefer sıklığı düzenleme, giriş çıkış turnike sayısı ve hizmet verecek personel sayısını belirleme gibi birçok operasyonel karar alınırken dikkate alınmalıdır. Bu tez çalışması, raylı sistemler özelinde, toplu taşıma sistemlerindeki talep tahminlerinde derin öğrenme tekniklerinin potansiyelini ortaya koymayı amaçlamaktadır. Çalışmada İstanbul'da hizmet veren M2 Yenikapı – Hacıosman Metro hattına ait 2019 yılı günlük seyahat verileri kullanılarak farklı derin öğrenme modelleri geliştirilmiş ve 2020 yılı günlük seyahat verileri ile model başarıları test edilmiştir. Tezde, dışsal faktör verilerinin (hava durumu, kentteki etkinlikler, tatiller, haftanın günü vb.) seyahat taleplerine etkisi sistematik bir şekilde incelenmiştir. Derin öğrenme teknikleri kullanılarak gerçek dünya koşullarında daha hassas tahminlerin elde edilebileceği gösterilmiştir. Aynı zamanda, geçmiş seyahat verileri ve dışsal faktör değişkenlerinin birleştirilmesiyle geliştirilen, Yapay Sinir Ağları (ANN), Uzun – Kısa Süreli Bellek Ağları (LSTM) ve Evrişimsel Sinir Ağları (CNN) gibi tekniklerin bir arada kullanıldığı hibrit modellerin, tek tip veriye dayalı modellere göre daha iyi performans sergilediği ortaya koyulmuştur. Elde edilen sonuçlarının, operasyonel kararların alınmasında nasıl kullanılabileceğine dair öneriler sunulmuştur. Böylece toplu taşıma sistemlerinin daha etkin yönetilmesi ve hizmet kalitesinin artırılmasına katkı sağlamak hedeflenmektedir.
Özet (Çeviri)
Efficient planning and management of transportation systems require accurate forecasting of future travel demands. In public transportation systems, operational decisions such as estimating daily travel demand, setting service frequencies, determining the number of entrances and exit gates, and determining personnel numbers should be considered. This thesis aims to demonstrate the potential of deep learning techniques in demand forecasting for public transportation systems, especially in the context of rail systems. Various deep learning models were developed using the daily travel data of the 2019 Istanbul M2 Yenikapı – Hacıosman Metro line, and the model performances were tested using the daily travel data of 2020. The impact of various variables (weather conditions, local events, holidays, days of the week, etc.) on travel demands and how these variables can be integrated into travel demand forecast models were systematically examined. It has been shown that deep learning techniques can provide promising forecasts in real-world conditions. Furthermore, it has been revealed that hybrid models developed as a combination of historical travel data and various variables, utilizing techniques such as Artificial Neural Networks (ANN), Long – Short Term Memory Networks (LSTM), and Convolutional Neural Networks (CNN), outperform uni-modal data-based models. Recommendations were provided on how the resulting forecast outcomes can be utilized for operational decision-making, aiming to enhance the effective management and service quality of public transportation systems.
Benzer Tezler
- Otonom drone ile alınan görüntülerden derin öğrenme tabanlı ray hattı bileşenlerinde hata tespiti
Deep learning based fault detection of rail track components from images taken by autonomous drone
MERVE YILMAZER
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KARAKÖSE
- Raylı sistemlerde bilgisayarlı görme ve nesnelerin interneti kullanılarak kestirimci bakım yöntemlerinin geliştirilmesi
Development of the predictive maintenance methods with using computer vision and internet of things
GÜLŞAH KARADUMAN
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ERHAN AKIN
- Derin öğrenme teknikleri kullanılarak yüz tanıma tabanlı müşteri doğrulama ile bankamatiklerde sahtekârlık tespiti
Face recognition based customer authentication by using deep learning techiques for detecting atm fraud
MEHMET YILDIRIM
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SAİT ALİ UYMAZ
- Derin öğrenme teknikleri kullanılarak anayol trafik analizi
Analysis of highway traffic using deep learning techniques
MUHAMMET ESAT ÖZDAĞ
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NESRİN AYDIN ATASOY
- Derin öğrenme teknikleri kullanılarak borsadaki hisse değerlerinin tahmin edilmesi
Stock market prediction with deep learning techniques
MEHMET OZAN
Yüksek Lisans
Türkçe
2020
Elektrik ve Elektronik MühendisliğiErciyes ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İLKER DALKIRAN