Geri Dön

Dynamic data-driven optimization approach for flight selection problem

Uçuş seçimi problemi için dinamik veri odaklı optimizasyon yaklaşımı

PDF İndir

  1. Tez No: 935697
  2. Yazar: ERDEM AKIN
  3. Danışmanlar: PROF. DR. BAŞAR ÖZTAYŞİ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: İngilizce
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Veri Mühendisliği ve İş Analitiği Ana Bilim Dalı
  12. Bilim Dalı: Büyük Veri ve İş Analitiği Bilim Dalı
  13. Sayfa Sayısı: 167

Özet

Havacılık ve turizm sektörleri, günümüzde küresel ekonomi ve sosyal açıdan hayati bir öneme sahiptir. Bu sektörler, bireylerin ve toplumların ekonomik ve kültürel etkileşimini artırmanın yanı sıra, dünya genelinde ülkeler arasındaki bağların güçlendirilmesinde önemli bir rol oynamaktadır. Bununla birlikte, bu sektörlerdeki süreçlerin karmaşıklığı, özellikle uçuş seçimi gibi çok kriterli karar verme süreçlerinde önemli bir zorluk oluşturmaktadır. Uçuş seçimi problemi (FSP), bireysel yolcular ve seyahat planlayıcıları için maliyet, seyahat süresi, aktarma süreleri, hizmet kalitesi ve havayolu itibarı gibi birden fazla kriterin dikkate alınmasını gerektiren karmaşık bir karar verme sürecini ifade etmektedir. Bu tür çok kriterli karar verme problemleri, özellikle havayolları tarafından uygulanan dinamik fiyatlandırma modelleri, değişken piyasa koşulları ve sezonsal değişkenlikler bağlamında daha da karmaşık hale gelmektedir. Özellikle dünya genelinde havacılık ağının genişlemesi, çok sayıda farklı havayolunun yeni pazarlara giriş yapması ve havacılığa artan talep ile birlikte artan uçuş sayıları bu problemi daha da kompleks hale getirmektedir. Modern çevrimiçi rezervasyon platformlarının ve internetin yaygınlaşması, kullanıcıların uçuş seçeneklerine ve uçuşa dair daha detaylı bilgilere daha hızlı erişmesini sağlamaktadır. Bu nedenle, bireysel yolcular geniş bir seçenek yelpazesiyle karşılaştıklarında çok sayıda detayı karşılaştırmak durumunda kaldıklarından karar vermede güçlükler yaşamaktadırlar. Karar yorgunluğu, bireylerin fazla bilgi ve seçenekle karşılaşmaları sonucunda daha az optimal kararlar vermesine neden olan yaygın bir problemdir. Özellikle, kullanıcıların hem bütçelerini hem de zamanlarını en iyi şekilde değerlendirmek istedikleri durumlarda bu tür sistemlerin sınırlamaları daha belirgin hale gelir. Mevcut sistemler, kullanıcıların ihtiyaçlarını gerçek zamanlı olarak anlamakta ve bu ihtiyaçlara uyum sağlamakta yetersiz kaldığından, uçuş seçimi problemini çözmek için daha kişiselleştirilmiş ve dinamik yaklaşımlara ihtiyaç vardır. Bu bağlamda, bu tezde önerilen yenilikçi veri odaklı optimizasyon yaklaşımı, FSP için etkili bir çözüm sunmaktadır. Önerilen yaklaşım, geleneksel yöntemlerin sınırlamalarını aşarak, dinamik kriter ağırlıklandırma, hibrit normalizasyon teknikleri ve kümeleme algoritmalarını bir araya getiren çok yönlü bir çözüm sunmaktadır. Bu yaklaşım, bireysel kullanıcıların farklı ihtiyaçlarına uyum sağlayarak kişiselleştirilmiş öneriler sunmayı hedeflemektedir. Veri odaklı optimizasyon yaklaşımı klasik çok kriterli karar verme (MCDM) yöntemlerinden farklı olarak karar verme sürecinde kullanılan kriterlerini dinamik olarak belirlemeye çalışmaktadır. Uçuş seçimi gibi her destinasyona, yolcu profiline ve sunulan seçeneklere göre değişkenlik gösteren önceliklerin yer aldığı gerçek hayat senaryolarında klasik MCDM yöntemlerinin dayandığı statik yaklaşım yetersiz kalmaktadır. Bu çalışmada veri odaklı optimizasyon baz alınarak ele alınan yaklaşımlar arasında Ağırlıklı Hedef Programlama (WGP), Bulanık Doğrusal Programlama (FLP) ve Küme Tabanlı Hedef Programlama (CBGP) yer almaktadır. Her bir yöntem, FSP'nin farklı yönlerini ele alarak kapsamlı bir çözüm sunmaktadır. WGP, çok kriterli karar verme süreçlerinde esnek bir denge kurmayı sağlayan bir yöntemdir. Bu yaklaşım, farklı kullanıcı profillerine göre kriterlerin ağırlıklarının belirlenmesine olanak tanır. Örneğin, bir iş insanı için uçuş süresi ve konfor önceliklendirilirken, bir öğrencinin maliyet odaklı bir yaklaşımı tercih edebileceği durumlar WGP ile etkili bir şekilde modellenebilir. WGP ayrıca, farklı kriterler arasında çatışmaların dengelenmesi için esnek bir yöntem sunar. Örneğin, bu özelliğiyle daha düşük fiyatlı ancak daha uzun uçuş süreli bir seçeneğin önerilebilmesine olanak tanır. Kullanıcının hedeflerine göre ayarlanabilir bu yöntem, karar verme süreçlerini kişiselleştirme açısından büyük bir avantaj sunmaktadır. FLP, belirsizliklerin ve değişkenliğin yüksek olduğu durumlarda etkili bir karar verme aracı olarak öne çıkmaktadır. Bu yöntem, piyasa koşulları ve kullanıcı tercihleri gibi dinamik unsurları modele dahil ederek daha güvenilir sonuçlar elde edilmesini sağlar. Örneğin, belirli bir destinasyon için fiyatların mevsimsel dalgalanmalar göstermesi veya uçuş sürelerinin havayolu şirketlerinin operasyonel değişikliklerine bağlı olarak değişmesi gibi durumlar, FLP'nin sağladığı esnek modelleme ile daha iyi yönetilebilmektedir. Ayrıca, FLP, karar verme sürecinde çeşitli belirsizlikleri bulanık kümeler aracılığıyla ifade ederek, daha gerçekçi ve hassas sonuçlar sunar. CBGP, kullanıcıları benzer tercihlere sahip kümelere ayırarak daha etkili ve kişiselleştirilmiş öneriler sunmayı hedefler. Bu yöntem, kullanıcıların farklı önceliklere sahip olduğu durumlarda büyük bir avantaj sağlamaktadır. Örneğin, sık seyahat eden bir iş insanı için konfor ve hız gibi kriterler öne çıkarken, bir tatil planlayan kullanıcı için fiyat ve esneklik gibi unsurlar önceliklidir. CBGP, bu tür kullanıcı profillerini doğru bir şekilde analiz ederek, her bir segment için en uygun önerileri sunar. Ayrıca, bu yaklaşım, kullanıcı gruplarının sürekli güncellenmesi sayesinde sistemin etkinliğini zamanla artırır. Normalizasyon teknikleri, önerilen yöntemin etkinliğini artırmada önemli bir rol oynamaktadır. Min-Max ve Doğrusal Normalizasyon gibi yöntemler, farklı türlerdeki verileri aynı türden ölçeklenebilir verilere dönüştürerek karşılaştırılabilir olmasını sağlar ve optimizasyon yöntemlerinin verimliliğini artırır. Örneğin, uçuş maliyetleri ve seyahat süresi gibi farklı ölçeklerdeki verilerin karşılaştırılabilir hale getirilmesi, doğru kararların alınmasını sağlar. Tezde ele alınan kriterler arasında maliyet, seyahat süresi, aktarma kolaylığı, hizmet kalitesi gibi öncelikler bulunmaktadır. Bu kriterler, kullanılan veri setinde yer alan bilgiler ve literatürdeki çalışmalar kapsamında elde edilen verilere dayalı olarak modellenmiştir. Dinamik ağırlıklandırma mekanizması, sistemin kullanıcı taleplerine ve piyasa koşullarına hızlı bir şekilde uyum sağlamasına olanak tanımaktadır. Bu mekanizma, kullanıcıların değişen ihtiyaçlarını ve tercihlerini sürekli olarak göz önünde bulundurarak, kişiselleştirilmiş öneriler sunmaktadır. CBGP'ye entegre edilen kümeleme algoritmaları ise kullanıcıları ortak tercihlerine göre segmente ederek, önerilerin daha etkili bir şekilde sunulmasını sağlamaktadır. Örneğin, sık seyahat eden bir iş insanı için hız ve konfor önceliklendirilirken, daha ekonomik seyahat arayan bir öğrenci için maliyet odaklı öneriler sunulabilir. Bu yaklaşımın performansı, kapsamlı değerlendirme ölçütleri kullanılarak test edilmiştir. Performans değerlendirme kriterleri arasında Tahmin Doğruluğu, Sıralama Dağılımı ve Normalleştirilmiş İskontolu Kümülatif Kazanç (NDCG) yer almaktadır. Bu kriterler, önerilen yaklaşımın etkinliğini ve doğruluğunu belirlemek için kullanılmıştır. Elde edilen bulgular, CBGP yönteminin, özellikle karmaşık uçuş rotaları ve son dakika rezervasyonları gibi senaryolarda üstün performans gösterdiğini ortaya koymuştur. Ayrıca, dinamik fiyatlandırma ve kullanıcı tercihleri gibi değişken piyasa koşullarına etkili bir şekilde uyum sağlaması, CBGP yöntemini diğer geleneksel yaklaşımlardan daha etkili bir konuma taşımaktadır. Tezde sunulan yöntemlerin pratik uygulama alanları oldukça geniştir. Havayolu şirketleri, bu sistemi kullanarak fiyatlandırma stratejilerini optimize edebilir, müşteri segmentasyonu yapabilir ve talep tahminlerini iyileştirebilir. Özellikle yüksek talep dönemlerinde, promosyon ve dinamik fiyatlandırma stratejilerinin uygulanmasında bu sistem etkili bir araç olabilir. Bunun yanı sıra, kişiselleştirilmiş öneriler sunma, müşteri memnuniyetini artırarak havayollarının rekabet gücünü artırabilir. Turizm sektöründe, otel seçiminden seyahat planlamasına kadar geniş bir yelpazede benzer bir sistemin uygulanması mümkündür. Ayrıca, e-ticarette ürün öneri sistemlerinin geliştirilmesi veya online içerik platformlarında içerik önerilmesi gibi diğer alanlarda da bu yaklaşım etkili bir şekilde kullanılabilir. Gelecekteki araştırmalar açısından, bu çalışma bir başlangıç noktası sunmaktadır. Daha geniş veri setleri, gelişmiş makine öğrenimi algoritmaları ve yapay zeka teknikleriyle sistemin performansını artırmak mümkündür. Özellikle, derin öğrenme algoritmalarının entegrasyonu, kullanıcı davranışlarını daha iyi anlamak ve öneri doğruluğunu artırmak için etkili bir araç sağlayabilir. Ayrıca, yaklaşımın farklı coğrafi bölgelerde ve demografik gruplarda uygulanması, sistemin esnekliğini ve uygulanabilirliğini daha da geliştirebilir. Bu yaklaşım, uçuş seçimi gibi karmaşık karar verme problemlerinden, e-ticaret ve turizm gibi daha geniş sektörlere kadar geniş bir uygulama alanına sahiptir. Sonuç olarak, bu tez, uçuş seçimi problemini çözmek için yenilikçi, kapsamlı ve kullanıcı odaklı bir çözüm sunmaktadır. Geliştirilen veri odaklı optimizasyon yaklaşımı, yalnızca mevcut sorunları çözmekle kalmayıp, çok kriterli karar verme süreçlerinin genel gelişimine de önemli katkılarda bulunmaktadır. Bu sistem, modern karar destek sistemleri için güçlü bir temel oluşturarak, bireysel kullanıcıların ve sektör paydaşlarının ihtiyaçlarını etkili bir şekilde karşılamayı başarabilir.

Özet (Çeviri)

The Flight Selection Problem (FSP) is an important challenge in the aviation and tourism sectors that are fundamental to global connectivity and economic growth. Air travel is the key driver of tourism for cultural exchange and economic participation. The proliferation of possible flights has made choosing the best flight incredibly difficult. Travelers have to evaluate various criteria, such as costs, travel duration, layover times, service quality, and airline reputation, often under changing conditions. The global air travel network has expanded with increasing need for leisure as well as business travel. The evolution of online booking platforms and the internet has made access to flight information easier. With this development, travelers have a new challenge by having an overwhelming number of flight alternatives to choose from by considering their constraints about preferences, like time or budget. Real-time pricing, seasonal variation, and market conditions further complicate the problem, which requires an integrated solution that is precise and flexible. This complexity is not limited to individual travelers. The same challenges exist with airlines, travel agencies, and multi-sided platforms that are trying to deliver value to different traveler types while still retaining operational effectiveness. Current decision-support tools typically do not answer such challenges because they employ static, survey-based models that cannot adapt to real-time information or changing preferences. This gap highlights the need for new approaches that can handle the complexity of the FSP and match recommendations to travelers' changing needs. To address these challenges, this thesis proposes a novel data-driven optimization algorithm for FSP. Through a combination of cutting-edge decision-making methods and historical information, the system adjusts the distribution of decision criteria to give precise, personalized, and context-sensitive suggestions. This solution ensures that instead of reliant on rigid models it will adapt to changes in the market and to various consumer needs. The research methodology involves three key optimization approaches, namely Weighted Goal Programming (WGP), Fuzzy Linear Programming (FLP), and Cluster Based Goal Programming (CBGP). Each approach has strengths that are incorporated into the framework to help solve this problem. WGP provides an extensible way to define decision criteria and allow for dynamic modification as needed. FLP uses uncertainty to deal with market and user preference change. CBGP optimizes the model by clustering travelers with similar interests to give them more personalized results and recommendations that are highly user-tailored. The thesis then extends these approaches to specific issues, such as distinctiveness penalties to account for unique conditions, and lower boundary constraints for opposing objectives between multiple O&D pairs. Several normalization methods, such as Min-Max and Linear, are used in this framework to ensure that different alternatives are compared consistently by scaling each feature data in the same manner. Through multiple normalization techniques, the framework delivers high performance despite the nature of the data. Such techniques are important for optimization as they allow the correct weighting of criteria, an essential component of multi-criteria decision-making. The framework's performance is quantified with the help of robust evaluation metrics, such as Prediction Accuracy, Rank Dispersion and Normalized Discounted Cumulative Gain (NDCG). These metrics serve as a powerful foundation to determine the degree to which the new approaches can cope with the challenges of practical decision-making contexts. They verify the framework's practicality and reliability by measuring prediction accuracy and rank consistency to meet travelers' and industry stakeholders' changing needs. This research is notable for its focus on incorporating real-world data into decision-making processes. This system learns from the past in a dynamic manner, allowing it to be responsive to a changing market landscape and varying customer needs. Traditional models, however, rely on fixed surveys or obsolete assumptions. By incorporating data from real traveler experiences, the framework is able to better match its recommendations to user needs. The results of this study will prove to be of direct value to many aviation and tourism stakeholders. Airlines can use the framework to drive more profitable pricing and improve customer satisfaction, travel agents can harness it for better, more customized solutions. This approach can also be applied to various multi-criteria decision-making challenges in other fields, such as hospitality and e-commerce sectors. Finally, this thesis offers a novel and integrated solution to the Flight Selection Problem. It solves the disparity between travelers' needs and the needs of the industry by implementing cutting-edge optimization methodology and dynamic data-driven strategy. The proposed framework not only enhances the precision and applicability of flight recommendations, but it also makes a contribution to the wider field of decision-support systems. Furthermore, it lays the groundwork for future research in the field of multi-criteria optimization.

Benzer Tezler

  1. Tez No

    863661

    Brute force launch vehicle ascent trajectory assessment with a novel vectorized simulator

    Vektörize benzetici ile fırlatma araçlarının yükseliş yörüngesini kaba kuvvet değerlendirme

    AHMET ENES YÜCEYURT

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Uçak Mühendisliğiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    PROF. DR. ALİM RÜSTEM ASLAN

  2. Tez No

    931153

    Makine öğrenimi tabanlı kanat profili üzerindeki aerodinamik kuvvetlerin tahmini ve şekil optimizasyonu modelinin geliştirilmesi

    Machine learning based prediction of aerodynamic forces on wing profile and development of shape optimization model

    ABDULSAMET EKŞİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-Cerrahpaşa

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SELÇUK SEVGEN

  3. Tez No

    605809

    A model based flight control system design approach for micro aerial vehicles using integrated flight testing and hil simulations

    Küçük boyutlu insansız hava araçları üzerinde sistem tanılama, uçuş kontrol sistem tasarımı ve donanım ile benzetim uygulamaları

    BURAK YÜKSEK

    Doktora

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. GÖKHAN İNALHAN

  4. Tez No

    955617

    Swarm fighter aircraft control with deep reinforcement learning approach

    Derin pekiştirmeli öğrenme ile sürü savaş uçaklarının kontrolü

    METİN SARI

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. FİKRET ÇALIŞKAN

  5. Tez No

    854860

    Crew recovery optimization through disruption analysis and deep learning driven column generation

    Aksaklık analizi ve derin öğrenme tabanlı sütun oluşturma ile ekip kurtarma optimizasyonu

    AHMET HEREKOĞLU

    Doktora

    İngilizce

    İngilizce

    2024

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. ÖZGÜR KABAK

Geri Dön