Estımatıng rate of no-show passengers:A research on an aırlıne company ın Turkey
Rezervasyona gelmeyen yolcu oranının tahminlenmesi:Türkiye'deki bir havayolu şirketi üzerine araştırma
- Tez No: 914988
- Danışmanlar: PROF. DR. BERTAN YILMAZ BADUR
- Tez Türü: Yüksek Lisans
- Konular: Yönetim Bilişim Sistemleri, Management Information Systems
- Anahtar Kelimeler: No-show, Havayolu Endüstrisi, Sivil Havacılık, Veri Analitiği, Regresyon, No-show, Airline Industry, Civil Aviation, Data Analytics, Regression
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 51
Özet
Bu araştırma, sivil havacılık sektöründe bir uçuş için uçuşa gelmeme oranlarını en iyi tahmin eden modeli araştırmayı amaçlamaktadır. Uçuşlardaki rezervasyona gelmeme sayılarını tahmin etmek, havayollarının etkili operasyonel planlaması ve gelir yönetimi açısından çok önemlidir. Boş koltukları en aza indirip geliri en üst düzeye çıkararak havayollarının uçuş kapasitelerini daha verimli yönetmesine olanak tanır. Uçulan bölge, planlanan saat, sezon, haftanın günü (Pazartesi, Salı vb.), yılın ilk yarısı (ilk altı ay) veya ikinci yarısı (son altı ay), ay, kalkış ve varış noktasına göre resmî tatillerin yakınlığı, uçuş süresi ve önceki uçuşlardaki ortalama rezervasyonun kullanılmama oranları dahil olmak üzere bilet verilerinden özellikler oluşturulmuştur. Çalışmada Sinir Ağları, Karar Ağaçları, Rastgele Orman, Bagging, Ada Boost, Gradient Boosting, Extreme Gradient Boost, olmak üzere yedi sınıflandırma modeli kullanılmıştır. Karşılaştırma için MAE (Mean absolute error), MSE (Mean squared error), Root Mean square error (Mean square error), R-square error (R2) and Max error değerleri hesaplanıp karşılaştırılmıştır. Modeller arasında en düşük performans puanını Karar Ağacı alırken, en yüksek performansı Gradient Boosting almıştır. Önceki çalışmalardan farklı olarak geçmiş bir aylık no-show ortalamalarının, gelecekteki uçuşların no-show oranlarını tahmin etmede en güçlü değişken olduğu gözlemlenmiştir. Bu bulgular daha önce yapılan araştırmalar ışığında tartışılmıştır.
Özet (Çeviri)
This research aims to investigate the model that best predicts no-show rates for a flight in the civil aviation industry. Predicting no-show numbers in flights is crucial for effective operational planning and revenue management for airlines. It enables airlines to manage flight capacities more efficiently by minimizing empty seats and maximizing revenue. Accurate predictions aid in optimizing pricing strategies, allowing airlines to capitalize on empty seats effectively. Features were generated by aggregating from the ticket data, including region, scheduled day part, season, day of the week (Monday, Tuesday, etc.), first half of the year (first six months) or second half (last six months), month, proximity of official holidays based on origin and destination, flight time, and average no-show rates on previous flights. The study has employed seven predictive models: Random Forest, Bagging, Ada Boost, Gradient Boosting, Extreme Gradient Boost, Neural Networks, and Decision Trees. For comparison, MAE (Mean absolute error), MSE (Mean squared error), Root Mean square error (Mean square error), R-square error (R2) and Max error values have been calculated and compared. Among the models, Decision Tree received the lowest performance score, while Gradient Boosting received the highest. Unlike previous studies, it has been observed that the previous one-month no-show averages are the most powerful variable in predicting the no-show rates of future flights. These findings were discussed in the light of previous research.
Benzer Tezler
- Konteyner gemilerin yatırım analizi
Başlık çevirisi yok
NEDİM SUKAS
Yüksek Lisans
Türkçe
1998
Gemi Mühendisliğiİstanbul Teknik ÜniversitesiGemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı
PROF. DR. A. YÜCEL ODABAŞI
- Kent içi kesintisiz trafik akım koşullarında yağışın serbest akım hızı ve kapasiteye etkisinin modellenmesi
Modelling the effect of rain on free flow speed and capacity under urban uninterrupted traffic flow conditions
GÖKER AKSOY
Doktora
Türkçe
2018
Ulaşımİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. KEMAL SELÇUK ÖĞÜT
- Makina öğrenmesi teknikleri ile hukuki alacak tahsilat kuruluşu dosya kapatılabilirlik tahmini ve atama modeli ile dosya ataması: Telekomünikasyon sektörü örneği
Predicting case closeability of legal debt collecti̇on agency with machine learni̇ng teqniques and assignment of cases with closibility based assignment model: A case study on telecomunication sector
NİLÜFER ALTINOK
Yüksek Lisans
Türkçe
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. BAŞAR ÖZTAYŞİ
- Sıkıştırılmış zeminlerde donma-çözülme olayının deneysel incelenmesi
Experimental i̇nvestigation of freeze and thaw on compacted soils
ADEM IŞIK
Yüksek Lisans
Türkçe
2014
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. RECEP İYİSAN