Raylı sistemlerde yolcu sayısının derin öğrenme algoritmaları iletahminlenmesi
Forecasting the number of passengers in rail system by deep learning algorithms
- Tez No: 881186
- Danışmanlar: DOÇ. DR. ONUR UĞURLU
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: İZMİR BAKIRÇAY ÜNİVERSİTESİ
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Akıllı Sistemler Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 62
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
- 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
2012
UlaşımDokuz Eylül Üniversitesiİnşaat Mühendisliği Bölümü
DOÇ. DR. SERHAN TANYEL
- İç sularda deniz ulaşımının karbon salınımına etkisi üzerine bir analiz: İstanbul ve Marmara Bölgesi örneği
An analysis on the effect of maritime transport on carbon release in inland waters: The case of İstanbul and Marmara Region
HASAN KÖSE
Yüksek Lisans
Türkçe
2019
Deniz Bilimleriİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ PELİN BOLAT
- Integration of timetabling and crew assignment in light rail transit systems
Hafif raylı sistemlerde tarife oluşturma ve ekip atama problemlerinin bütünleştirilmesi
SELMİN DANIŞ ÖNCÜL
Doktora
İngilizce
2012
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. DEMET BAYRAKTAR
- 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
2024
Ulaşımİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. ZÜBEYDE ÖZTÜRK
- Balastsiz üstyapida ray ondülasyonu bakim periyodunun maliyet temelinde belirlenmesi
Cost based determination of rail corrugation maintenance period for ballastless superstructures
MUHAMMED NESİH DEMİRDAĞ
Doktora
Türkçe
2018
Ulaşımİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ZÜBEYDE ÖZTÜRK