İstanbul Havalimanında uçak taksi sürelerinin makine öğrenmesi yöntemleriyle tahmini
Yükleniyor...
Dosyalar
Tarih
2024
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Selçuk Üniversitesi, Fen Bilimleri Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Bu tez, sivil havacılık endüstrisinin operasyonel verimliliğini artırmak ve hizmet kapasitesini iyileştirmek için yenilikçi çözümler ve teknolojiler üzerinde durmaktadır. Artan uçak trafiği, havalimanlarında operasyonel zorluklar yaratmakta ve yer hizmetleri ile hava trafiği yönetiminde daha etkili planlama stratejileri gerektirmektedir. İstanbul Havalimanı, büyük ve karmaşık bir operasyonel yapıya sahip olup uçak taksi sürelerinin doğru tahmini açısından zorlu bir test alanı sunmaktadır. Çalışmada, İstanbul Havalimanındaki uçak taksi sürelerini tahmin etmek için Yapay Sinir Ağları (YSA), Rastgele Orman (RO), Karar Ağacı (KA) ve Gradyan Artırma (GA) regresyon algoritmaları kullanılmıştır. Bu algoritmaların performansları karşılaştırılarak en uygun model belirlenmiştir. Ayrıca Temel Bileşen Analizi (TBA) kullanılarak model performansı artırılmıştır. Sonuçlar, doğru uçak taksi süresi tahminlerinin operasyonel süreçleri iyileştirerek uçuş gecikmelerini azaltmada önemli olduğunu göstermektedir. Bu da hem ekonomik hem de çevresel sürdürülebilirlik hedeflerine katkıda bulunmaktadır. İstanbul Havalimanındaki uygulama, bu tür yenilikçi çözümlerin büyük ve karmaşık havalimanlarında nasıl uygulanabileceğini ve potansiyel faydalarını ortaya koymaktadır. Bu sayede, havalimanı operasyonlarının daha verimli hâle gelmesi ve yolcu memnuniyetinin artırılması hedeflenmektedir. Geliştirilen yöntemlerin, diğer büyük havalimanlarında da benzer sonuçlar elde edebileceği ve genel hava trafiği yönetimine önemli katkılar sağlayabileceği öngörülmektedir.
This thesis focuses on innovative solutions and technologies to enhance operational efficiency and service capacity in the civil aviation industry. Increasing air traffic creates operational challenges at airports, necessitating more effective planning strategies in ground services and air traffic management. Istanbul Airport, with its large and complex operational structure, presents a challenging test case for accurate taxi time prediction. In this study, Artificial Neural Networks (ANN), Random Forest (RF), Decision Tree (DT), and Gradient Boosting (GB) regression algorithms were used to predict taxi times at Istanbul Airport. The performances of these algorithms were compared to identify the most suitable model. Additionally, Principal Component Analysis (PCA) was used to enhance model performance. The results show that accurate taxi time predictions are crucial for improving operational processes, reducing flight delays. This contributes to both economic and environmental sustainability goals. The application at Istanbul Airport demonstrates how such innovative solutions can be implemented in large and complex airports, highlighting their potential benefits. This approach aims to make airport operations more efficient and improve passenger satisfaction. The developed methods are expected to achieve similar results at other major airports, contributing significantly to overall air traffic management.
This thesis focuses on innovative solutions and technologies to enhance operational efficiency and service capacity in the civil aviation industry. Increasing air traffic creates operational challenges at airports, necessitating more effective planning strategies in ground services and air traffic management. Istanbul Airport, with its large and complex operational structure, presents a challenging test case for accurate taxi time prediction. In this study, Artificial Neural Networks (ANN), Random Forest (RF), Decision Tree (DT), and Gradient Boosting (GB) regression algorithms were used to predict taxi times at Istanbul Airport. The performances of these algorithms were compared to identify the most suitable model. Additionally, Principal Component Analysis (PCA) was used to enhance model performance. The results show that accurate taxi time predictions are crucial for improving operational processes, reducing flight delays. This contributes to both economic and environmental sustainability goals. The application at Istanbul Airport demonstrates how such innovative solutions can be implemented in large and complex airports, highlighting their potential benefits. This approach aims to make airport operations more efficient and improve passenger satisfaction. The developed methods are expected to achieve similar results at other major airports, contributing significantly to overall air traffic management.
Açıklama
Anahtar Kelimeler
stanbul Havalimanı, Makine Öğrenmesi, Regresyon Algoritmaları, Uçak Taksi Süresi Tahmini, Istanbul Airport, Machine Learning, Regression Algorithms, Taxi Time Prediction
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Çömez, H. (2024). İstanbul Havalimanında uçak taksi sürelerinin makine öğrenmesi yöntemleriyle tahmini. (Yüksek Lisans Tezi). Selçuk Üniversitesi, Fen Bilimleri Enstitüsü, Konya.
