Geri Dön

Raylı sistemlerde yolcu sayısının derin öğrenme algoritmaları iletahminlenmesi

Forecasting the number of passengers in rail system by deep learning algorithms

PDF İndir

  1. Tez No: 881186
  2. Yazar: ASLI ASUTAY
  3. Danışmanlar: DOÇ. DR. ONUR UĞURLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mühendislik Bilimleri, Engineering Sciences
  6. Anahtar Kelimeler: Derin öğrenme, Yapay zeka, Zaman serileri, Deep learning, Artificial intelligence, Time series
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: İzmir Bakırçay Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Akıllı Sistemler Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Toplu taşıma şehirlerin gelişiminde kritik bir rol oynar. Kent içi yolcu sayısındaki artış, toplu taşıma sorunlarını artırır, bu nedenle yerel yönetimler toplu ulaşım hizmetlerini iyileştirmeye çalışır. Raylı sistemler, sürdürülebilir ulaşım, trafik sıkışıklığını azaltma ve çevre dostu olma avantajlarına sahiptir, ancak etkin yönetim için yolcu taleplerinin doğru tahmin edilmesi gerekir. Geleneksel istatistiksel yöntemlerin yanı sıra, derin öğrenme algoritmaları da yolcu taleplerinin tahmin edilmesinde önemli bir araçtır. Bu algoritmalar, seyahat saatleri, hava durumu, özel günler gibi faktörleri analiz ederek daha güvenilir tahminler yapabilir. Bu tezde, New York metrosu verileri üzerindeki yolcu bilgileri zaman serileri ile modellenmiş ve bu veriler üzerinde Uzun Kısa Süreli Bellek (Long Short Term Memory – LSTM) ve Tekrarlayan Sinir Ağları (Recurrent Neural Network – RNN) algoritmaları kullanılarak 14 durak için saatlik yolcu sayıları tahmin edilmiştir. Tahmin modellerinin performansları, Kök Ortalama Kare Hatası (Root Mean Squared Error – RMSE), Ortalama Mutlak Hatası (Mean Absolute Error – MAE) ve Belirleme Katsayısı (Coefficient of Determination - R2 ) gibi metriklerle değerlendirilmiştir.

Özet (Çeviri)

Public transportation plays a critical role in the development of cities. The increase in the number of passengers within urban areas exacerbates public transportation issues; therefore, local governments strive to improve public transportation services. Rail systems have advantages such as sustainable transportation, reducing traffic congestion, and being environmentally friendly. However, accurate prediction of passenger demand is necessary for efficient management. In addition to traditional statistical methods, deep learning algorithms are also an important tool for predicting passenger demand. These algorithms can make more reliable predictions by analyzing factors such as travel times, weather conditions, and special days. In this thesis, passenger information from New York City subway data was modeled using time series, and hourly passenger numbers for 14 stations were predicted using Long Short-Term Memory (LSTM) and Recurrent Neural Network (RNN) algorithms. The performance of the prediction models was evaluated using metrics such as Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), and Coefficient of Determination (R2).

Benzer Tezler

  1. Tez No

    947105

    Farklı tip metro istasyon modülleri için konfor ve acil durum şartlarının deneysel ve sayısal olarak incelenmesi

    Experimental and numerical investigation of comfort and emergency conditions for different types of metro station modules

    İSMAİL AHMET ODABAŞ

    Doktora

    Türkçe

    Türkçe

    2025

    Enerjiİstanbul Teknik Üniversitesi

    Enerji Bilimi ve Teknolojileri Ana Bilim Dalı

    PROF. DR. NURDİL ESKİN

  2. Tez No

    328360

    Akıllı kart verileri kullanılarak toplu ulaşım yolculuk talebinin belirlenmesi ve sefer çizelgeleme optimizasyonu

    The prediction of passenger demand in public transport by using smart card data and scheduling optimization

    ALPER DERİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2012

    UlaşımDokuz Eylül Üniversitesi

    İnşaat Mühendisliği Bölümü

    DOÇ. DR. SERHAN TANYEL

  3. Tez No

    192841

    Prostat adenokarsinomlarında psa değerlerinin gleason skor ve klinik evre ile ilişkisi

    The relation between psa and gleason score and clinical phase in prostate adenocarsinoma

    HACI HASAN ESEN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2005

    PatolojiSelçuk Üniversitesi

    Patoloji Ana Bilim Dalı

    PROF.DR. MUSTAFA CİHAT AVUNDUK

  4. Tez No

    365663

    Raylı sistemlerde kaza incelemesi ve önlenmesine ilişkin öneriler

    Accident investigation and suggestions about accident prevention in railway systems

    RASİM BACACI

    Yüksek Lisans

    Türkçe

    Türkçe

    2013

    TrafikBahçeşehir Üniversitesi

    Ulaştırma Mühendisliği Ana Bilim Dalı

    DR. MUAMMER KANTARCI

  5. Tez No

    885752

    Kent içi raylı sistemlerde gerçek aktarma süreleriyle zaman çizelgesinin senkronizasyonu

    Synchronization of the timetable with real transfer times in urban rail systems

    TAHA YÜKSEL

    Doktora

    Türkçe

    Türkçe

    2024

    Ulaşımİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. ZÜBEYDE ÖZTÜRK

Geri Dön