Geri Dön

Araç rotalama probleminde GPS verilerinin yapay zekâ algoritmaları ile analizi

Analysis of GPS data using artificial intelligence algorithms in vehicle routing problem

PDF İndir

  1. Tez No: 955487
  2. Yazar: EBRU ERDEM
  3. Danışmanlar: DOÇ. DR. TOLGA AYDIN, PROF. DR. BURAK ERKAYMAN
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Atatürk Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 240

Özet

Amaç: İstanbul'da faaliyet gösteren bir dağıtım şirketinin operasyonel verilerini kullanarak Çok Depolu Araç Rotalama Problemi (ÇDARP) için yapay zekâ (AI) tabanlı rota optimizasyon çözümleri geliştirmektir. GPS ve sevkiyat verilerinin entegrasyonu ile veri odaklı ve uyarlanabilir çözümler hedeflenmiştir. Yöntem: İki ana veri kaynağı kullanılmıştır: Şirketin sevkiyat kayıtlarını içeren Micro V15 veri seti ve araçların konum, hız vb. bilgilerini kapsayan Mobiliz GPS verileridir. 4 Boyutlu (4B) dönüşümler ile mekânsal ilişkiler analiz edilmiştir. Bu yöntem sınırlı avantajlar sunduğundan, ilerleyen aşamalarda 1B veriler kullanılmıştır. Rota optimizasyonu için meta-sezgisel algoritmalar uygulanmıştır. Bu algoritmaların başarımını artırmak amacıyla makine öğrenimi (ML) destekli başlangıç çözümleri geliştirilmiştir. Smld, tarihsel GPS verilerine dayanan güçlü başlangıç çözümleri sunmakta ve meta-sezgisel algoritmaların verimli çalışmasına katkı sağlamaktadır. Ayrıca, Graf Sinir Ağı (GNN), Genişleyen Ağ Yapılarıyla Nöroevrimsel Öğrenme (NEAT), Modelden Bağımsız Meta-Öğrenme (MAML) vb. modeller ile hibrit yapılar oluşturulmuştur. Bulgular: Smld yöntemi, meta-sezgisel algoritmaların başlangıç koşullarını iyileştirerek çözüm kalitesini artırmıştır. GPS tabanlı zaman-mesafe matrisleri, Açık Kaynak Rotalama Motoru (OSRM) API temelli matrislere göre daha güvenilir sonuçlar vermiştir. Dikkat Tabanlı Balçık Küf algoritması (DTBKA), hem yüksek doğruluk hem de güçlü genelleme yeteneği sergilemiştir. Dikkat tabanlı model stabil çözümler üretme başarısıyla öne çıkmıştır. Liste Tabanlı Zamanlama–Transformer (LST-Former) modeli, hata metrikleri açısından iyi performans göstermiştir. MAML tabanlı model, değişken müşteri taleplerine karşı hızlı adaptasyon sağlamış. NEAT ise daha hafif yapıları sayesinde operasyonel uygulanabilirliği artırmıştır. Sonuç: AI tabanlı modeller, ÇDARP için dinamik, veriye dayalı ve ölçeklenebilir çözümler sunmuştur. ML destekli başlangıç çözümleri, hibrit modellerin başarımını artırmış; düşük maliyetli, yüksek doğruluklu ve donanım uyumlu sonuçlar vermiştir. Klasik yöntemlerin ötesine geçen, pratikte uygulanabilir ve ileri düzeyde optimize edilmiş AI tabanlı çözümler ortaya konulmuştur.

Özet (Çeviri)

Purpose: The aim of this thesis is to develop artificial intelligence (AI)-based route optimization solutions for the multi-depot vehicle routing problem (MDVRP) using operational data from a distribution company operating in Istanbul. By integrating GPS and dispatch data, the study aims to propose data-driven and adaptive solutions. Method: Two primary data sources were used: The Micro V15 dataset, which contains the company's dispatch records, and the Mobiliz GPS dataset, which contains vehicle-related information such as location, speed, and route history. The spatial relationships were initially analysed using 4-dimensional (4D) transformations. However, as this method offered only limited advantages, later phases of the study focussed on the use of 1D data representations. Metaheuristic algorithms were used for route optimization, and to improve their performance, initial solutions based on machine learning (ML) were developed. These solutions, especially those using historical GPS data, provided robust initializations that significantly improved the efficiency of the metaheuristic processes. In addition, hybrid architectures were constructed by integrating advanced models such as Graph Neural Networks (GNN), NeuroEvolution of Augmenting Topologies (NEAT) and Model-Agnostic Meta-Learning (MAML). Findings: The Smld method improved the solution quality by improving the initial conditions of the metaheuristic algorithms. Time-distance matrices based on GPS data provided more reliable results than those created with the Open Source Routing Machine (OSRM) API. The Attention-Based Slime Mold Algorithm (DTBKA) showed both high accuracy and strong generalization capability, with the attention mechanism contributing to the generation of stable solutions. The List Scheduling–Transformer (LST-Former) model showed favourable performance in terms of error metrics. The MAML-based model enabled quick adaptation to changing customer requirements, while the NEAT model with its lightweight structure increased operational applicability. Results: The developed AI-based models provided dynamic, scalable and data-driven solutions for MDVRP. ML-assisted initialisation significantly improved the performance of the hybrid models, leading to cost-effective, highly accurate and hardware-compatible results. Overall, the study presents practical, sophisticated and optimised AI solutions that go beyond classical methods.

Benzer Tezler

  1. Tez No

    391761

    A heuristic framework for solving time dependent vehicle routing problem with time windows

    Zamana bağlı ve zaman pencereli araç rotalama problemi için bir sezgisel çözüm yaklaşımı uygulaması

    ALPER YASİN SARICIOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    Endüstri ve Endüstri MühendisliğiBahçeşehir Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. İBRAHİM MUTER

  2. Tez No

    472463

    Dinamik okul servisi rotalama probleminin sezgisel yöntemler ve kümeleme teknikleri kullanılarak gerçek zamanlı optimizasyonu

    The real-time optimization of dynamic school bus routing problem by using heuristic methods and clustering techniques

    ÖZKAN ÜNSAL

    Doktora

    Türkçe

    Türkçe

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. TUNCAY YİĞİT

  3. Tez No

    764270

    Random sequences in vehicle routing problem

    Araç rotalama probleminde rastgele diziler

    MEHMET EMİN GÜLŞEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Endüstri ve Endüstri MühendisliğiOrta Doğu Teknik Üniversitesi

    Kriptografi Ana Bilim Dalı

    DOÇ. DR. OĞUZ YAYLA

  4. Tez No

    513791

    A genetic algorithm based solution approach for vehicle routing problem

    Araç rotalama probleminde genetik algoritma tabanlı çözüm yaklaşımı

    MELTEM YAKTUBAY

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Endüstri ve Endüstri MühendisliğiAdana Bilim ve Teknoloji Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TOLUNAY GÖÇKEN

  5. Tez No

    640662

    Elektrikli ve benzinli araç rota planlaması, maliyet optimizasyonu ve karşılaştırması

    Electric and gasoline vehicle routing problem, cost optimization and comparison

    KAAN KILIÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    İşletmeTOBB Ekonomi ve Teknoloji Üniversitesi

    İşletme Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MELİKE METERELLİYOZ KUYZU

Geri Dön