Araç rotalama probleminde GPS verilerinin yapay zekâ algoritmaları ile analizi
Analysis of GPS data using artificial intelligence algorithms in vehicle routing problem
- Tez No: 955487
- Danışmanlar: DOÇ. DR. TOLGA AYDIN, PROF. DR. BURAK ERKAYMAN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
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
- Bazı esterlerin kinetik incelenmesi ve termodinamik parametrelerin belirlenmesi
Kinetic study and detesmination of thermodnamic parameters of some esters
İBRAHİM TAŞ
Yüksek Lisans
Türkçe
1986
Kimya MühendisliğiUludağ ÜniversitesiKimya Ana Bilim Dalı
PROF. DR. MUSTAFA CEBE
- Tekstil boyamacılığında atık flottede boyama imkanları üzerine araştırma
Başlık çevirisi yok
MEHMET YAKARTEPE
Yüksek Lisans
Türkçe
1985
Tekstil ve Tekstil MühendisliğiEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. KERİM DURAN
- A Decision support system for planning standby garbage collection trucks
Yedek çöp toplama kamyonlarının planlanması için bir karar destek sistemi
GÜLSER HACISALİHOĞLU
Yüksek Lisans
İngilizce
1987
Endüstri ve Endüstri MühendisliğiOrta Doğu Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. HALİM DOĞRUSÖZ
- Türkiye trafik düzeninde kazaların azaltılması açısından yeni trafik kanunu uygulaması ile ilgili sorunlar ve çözüm yolları
Başlık çevirisi yok
ERDAL UÇAR
Yüksek Lisans
Türkçe
1986
UlaşımGazi ÜniversitesiKazaların Çevresel ve Teknik Araştırması Ana Bilim Dalı (disiplinlerarası)
PROF. DR. RIDVAN EGE
- Kalıp hazırlama teknikleri dersinde ders araçlarının öğrenci başarısına etkisi
Başlık çevirisi yok
FATMA BAYRAKTAR
Yüksek Lisans
Türkçe
1986
Eğitim ve ÖğretimGazi ÜniversitesiGiyim Endüstrisi ve Giyim Sanatları Ana Bilim Dalı
PROF. DR. HIFZI DOĞAN