Tez No	İndirme	Tez Künye	Durumu
776743		Toplu taşıma araçlarının duraklara varış sürelerinin tahminindeki sapmaları iyileştirmeye yönelik bir veri madenciliği uygulaması(İETT örneği) / A data mining application for improving the deviations in the estimation of time of arrival of public transport vehicles (IETT example) Yazar:KADİR KUŞTUL Danışman: PROF. DR. EMİN MURAT ESİN Yer Bilgisi: Maltepe Üniversitesi / Lisansüstü Eğitim Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı / Bilgisayar Mühendisliği Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:	Onaylandı Doktora Türkçe 2022 89 s.
Metropollerde yaşayan insanların zamanının büyük bir kısmı şehir içi yolculuklarda geçmektedir. Bu durum, İstanbul gibi büyük metropollerde kişisel ulaşım planlaması yapmayı zorunlu kılar. İstanbul da ulaşım için kullanılan Akıllı Kart verilerine göre en çok tercih edilen ulaşım türü yaklaşık %50'lik oranla otobüslerdir. Bu nedenle yolcunun ulaşım planını sağlıklı biçimde yapabilmesi ve kurumsal kaynakların verimli kullanılabilmesi için Akıllı ulaşım sistemleri oluşturulmuştur. Bu kapsamda verilen hizmetlerden birisi de otobüslerin duraklara varış zamanını dinamik olarak tahmin etmek ve bu verileri mobil uygulama ya da akıllı durak gibi platformlarda kullanıcısı ile paylaşmaktır. Sistem, hizmetteki her bir otobüsün planlanmış sefer başlangıç saatinden itibaren güzergâhı üzerindeki her bir duraktan bir sonrakine varışı için geçecek zaman aralığını tahmin etmek ve kümülatif toplamı mutlak zaman cinsinden yolculara bildirmek fikrine dayanmaktadır. Bu süreler için yapılan tahminler, otobüsün güzergâhında ilk duraklar için daha isabetli olmasına karşılık sonraki duraklar için hata payı artmaktadır. Yolculuk süresi; yolculuğun yapıldığı zaman dilimi, bu zaman diliminde güzergâhın trafik yoğunluğu, yolcu sayısı, şoförün sürüş performansı, araç tipi gibi birçok parametreye bağlıdır. Yolculuk verilerinin kayıtlarına bakıldığında bu parametrelerin etkisiyle tekrarlanan patternlerin varlığı görülmektedir. Bu çalışmada, yolculuk sürelerinin tahmininde geçmiş kayıtlara dayalı genel geçer istatistikler yerine, daha ayrıntılı kümelendirilmiş parametrelere dayalı bir yöntem teklif edilmektedir. Önerilen yöntemi geliştirmek ve sınamak için İstanbul'da bir otobüs hattı, örnek veri seti olarak ele alınmıştır. Geçmiş veriler, veri madenciliğine dayalı olarak değerlendirilmiştir. Bu yöntemle yapılan tahminler halen kullanılan yöntemlerle yapılmış yolculuk süresi tahminleri ile kıyaslanarak elde edilen sonuçlar tartışılmıştır. Anahtar Sözcükler: Kümeleme Algoritmaları, Veri Madenciliği, Akıllı Ulaşım, Seyahat süresi tahmini, Toplu Taşıma
A large part of the time of people living in metropolises is spent on urban journeys. This situation necessitates personal transportation planning in big metropolises such as Istanbul. According to the Smart Card data used for transportation in Istanbul, the most preferred mode of transportation is buses with a ratio of approximately 50%. For this reason, Intelligent transportation systems have been created in order for the passenger to make a healthy transportation plan and to use corporate resources efficiently. One of the services provided in this context is to dynamically predict the arrival time of the buses at the stops and share this data with the user on platforms such as mobile applications or smart stops. The system is based on the idea of estimating the time interval for each bus in service to arrive at the next from each stop on its route from the scheduled start time and reporting the cumulative total to passengers in absolute time. Although the estimations made for these times are more accurate for the first stops on the bus route, the margin of error increases for the next stops. Travel time; The time period of the journey depends on many parameters such as the traffic density of the route in this time period, the number of passengers, the driving performance of the driver, and the type of vehicle. When the records of the trip data are examined, it is seen that there are repeated patterns with the effect of these parameters. In this study, a method based on more detailed clustered parameters is proposed for the estimation of travel times, rather than the usual statistics based on historical records. In order to develop and test the proposed method, a bus line in Istanbul is taken as a sample data set. Historical data has been evaluated based on data mining. The estimations made by this method are compared with the travel time estimations made by the currently used methods and the results obtained are discussed. Keywords: Clustering Algorithms, Data Mining, Smart Transportation, Travel Time Prediction, Public Transport