Mekansal zeka yöntemleriyle yeni nesil hareketlilik kapsamında ulaşım hizmetlerinin sürdürülebilir yönetimi
Sustainable management of transportation services within the scope of next generation mobility using geospatial intelligence
- Tez No: 960400
- Danışmanlar: PROF. DR. ARİF ÇAĞDAŞ AYDINOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Ulaşım, Geodesy and Photogrammetry, Transportation
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Gebze Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Ulaşım Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 125
Özet
Günümüzde yaşanan hızlı nüfus artışı ve yüksek kentleşme eğilimi sonucunda kentsel hareketliliğin verimli bir şekilde karşılanması oldukça önemli hale gelmiştir. Büyüyen ve kalabalıklaşan kentlerde ulaşım talebinin artması sonucunda bireysel araç sahipliliği artarak kentlerde ulaşım altyapısı üzerinde yük oluşturmaktadır. Kent ulaşımında yaşanan bu sorunların yanında Bilgi ve İletişim Teknolojileri alanında yaşanan gelişmeler sonucunda yeni nesil hareketlilik kavramı ortaya çıkmaktadır. Yeni nesil hareketlilik kavramı içerisindeki paylaşımlı hareketlilik, kentsel ulaşım sorunlarına sunmuş olduğu çözümler ile ön plana çıkmaktadır. Bir paylaşımlı hareketlilik çözümü olan ve kent sakinlerinin ulaşım taleplerini toplu bir şekilde karşılanmasını sağlayan toplu taşıma sistemlerinin sürdürülebilir yönetimi kentsel hareketlilik açısından oldukça önemli bir konudur. Toplu taşıma sistemlerinin sürdürülebilir yönetimi büyük ölçüde yolcu talebinin yüksek doğrulukta tahmin edilebilmesine bağlı olmaktadır. Bu kapsamda yolcu talebinin tahmin edilmesine yönelik gerçekleştirilen çalışmalarda makine öğrenmesi tekniklerinin kullanımı yaygınlaşmıştır. Gerçekleştirilen tez çalışmasında, mekânsal zekâ yaklaşımı doğrultusunda Coğrafi Bilgi Sistemleri (CBS) ve yapay zekâ tekniklerinin kullanımıyla toplu taşıma sistemlerine yönelik ölçeklenebilir yolcu talep tahmin modelleri geliştirilmiştir. Çeşitli kentsel ilgi noktaları ve farklı demografik yapıları içermesi sebebiyle İstanbul ili Tuzla ve Pendik ilçeleri ile Kocaeli ili Çayırova, Darıca ve Gebze ilçeleri çalışma bölgesi olarak seçilmiştir. Yolcu talep tahmin modeli, çalışma bölgesi sınırları içerisinde bulunan M4 Metro ve Marmaray istasyonlarına yönelik geçmiş akıllı kart verilerinin kullanımı ile üretilmiştir. Çalışma kapsamında yolcu talebindeki dalgalanmaların tahmini için zamansal ve temel yolcu talebinin tahmini için mekânsal faktörler tahmin modeline dahil edilmiştir. Zengin veri setinin makine öğrenmesi tekniklerinde kullanımından önce Filtre ve Sarmalayıcı özellik seçimi yöntemleri uygulanmıştır. Oluşturulan veri setleri ile Rastgele Orman ve eXtreme Gradient Boosting (XGBoost) algoritmalarına dayalı modeller kurulmuştur. Algoritmalara has hiper parametrelerin oluşturulan veri setlerine uygun şekilde manuel ve Izgara Arama yöntemi ile ayarlanmasının ardından K-Katlı Çapraz Doğrulama tekniği ile modeller kurulmuştur. Model performansları performans karşılaştırma metrikleri ve hesaplama maliyeti açısından değerlendirilmiştir. En yüksek performanslı tahmin modeli ile çalışmada kullanılan faktörlerin önem düzeyi sıralamaları oluşturularak yolcu talebi ile ilişkisi yorumlanmış ve mekânsal faktörlerin model doğruluğunu artırıcı etkisi ortaya çıkmıştır. Seçilen tahmin modeli daha sonrasında mevcut ve proje aşamasındaki istasyonlara yönelik gelecek yolcu talep tahminleri oluşturulmuştur.
Özet (Çeviri)
As a result of the rapid population growth and high urbanization trend experienced today, it has become very important to meet urban mobility efficiently. As a result of the increase in transportation demand in growing and crowded cities, individual vehicle ownership increases and creates a burden on the transportation infrastructure in cities. In addition to these problems experienced in urban transportation, the concept of new generation mobility emerges as a result of the developments in the field of Information and Communication Technologies. Shared mobility within the concept of new generation mobility stands out with the solutions it offers to urban transportation problems. Sustainable management of public transportation systems, which is a shared mobility solution and enables the transportation demands of city residents to be met collectively, is a very important issue in terms of urban mobility. Sustainable management of public transportation systems largely depends on the ability to predict passenger demand with high accuracy. In this context, the use of machine learning techniques has become widespread in studies carried out to predict passenger demand. In the thesis study, scalable passenger demand prediction models for public transportation systems were developed using Geographic Information Systems and artificial intelligence techniques in line with the spatial intelligence approach. Due to their various urban points of interest and different demographic structures, Tuzla and Pendik districts of Istanbul and Çayırova, Darıca and Gebze districts of Kocaeli province were selected as the study area. The passenger demand forecasting model was produced using historical smart card data for M4 Metro and Marmaray stations located within the boundaries of the study area. Within the scope of the study, temporal factors were included in the forecasting model for the estimation of fluctuations in passenger demand and spatial factors were included in the forecasting model for the estimation of base passenger demand. Before using the big data set in machine learning techniques, Filter and Wrapper feature selection methods were applied. Models based on Random Forest and XGBoost algorithms were established with the created data sets. After the hyperparameters specific to the algorithms were adjusted manually and with the Grid Search method in accordance with the created data sets, models were established with the K-Fold Cross Validation technique. Model performances were evaluated in terms of performance comparison metrics and computational cost. By creating the importance level rankings of the factors used in the study with the highest performance forecasting model, their relationship with passenger demand was interpreted and the effect of spatial factors on increasing model accuracy was revealed. The selected forecast model was then used to create future passenger demand forecasts for existing and projected stations.
Benzer Tezler
- The role of environmental design methods in player experience: a comparative analysis of procedurally generated and handcrafted game levels
Oyuncu deneyiminde çevresel tasarım yöntemlerinin rolü: prosedürel olarak üretiılmiş ve elle yapılmış oyun seviyelerinin karşılaştırmalı analizi
HANDE NUR YAZKAN ARDIÇ
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiOyun ve Etkileşim Teknolojileri Ana Bilim Dalı
PROF. DR. LEMAN FİGEN GÜL
- Afet yönetimi odaklı hücresel ağ kapsama performansı için mekansal yapay zeka tabanlı model önerisi
Geospatial artificial intelligence (GeoAI) based model proposal for cellular network coverage performance with a focus on disaster management
GÜZİDE MİRAY PERİHANOĞLU
Doktora
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. HİMMET KARAMAN
- Fault diagnosis in smart grids using artificialintelligence techniques
Akilli şebekelerde yapay zeka teknikleriyleariza teşhisi
AHMED SAMI KHAIRULLAH ALHANAF
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN HÜSEYİN BALIK
PROF. DR. MURTAZA FARSADI
- Flood risk analysis with geospatial artifical intelligence techniques
Coğrafi bilgi sistemleri ve yapay zeka ile sel taşkın riski analizi
MİRAÇ TAHA DERMAN
Yüksek Lisans
İngilizce
2025
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED OĞUZHAN METE
- Optimization in spatial planning from generative design approach: The application for Göktürk, Istanbul
Üretken tasarım yaklaşımıyla mekansal planlamada optimizasyon: Göktürk, İstanbul uygulaması
MERVE DENİZ TAK
Yüksek Lisans
İngilizce
2023
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
PROF. DR. ALİYE AHU GÜLÜMSER