İstanbul kentine yönelik uluslararası ziyaretçi akışlarının dijital ayak izi tabanlı makine öğrenimi modelleriyle öngörülmesi
Forecasting international visitor flows to the city of Istanbul employing digital footprint-based machine learning models
- Tez No: 981392
- Danışmanlar: DOÇ. DR. SERKAN ARAS
- Tez Türü: Yüksek Lisans
- Konular: Ekonometri, Econometrics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Ekonometri Ana Bilim Dalı
- Bilim Dalı: Veri Yönetimi ve Analizi Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışma, İstanbul'a yönelik uluslararası turizm talebinin, dijital ve geleneksel veri kaynakları kullanılarak makine öğrenimi yöntemleriyle öngörülmesini amaçlamaktadır. Turizm sektörünün ekonomik önemi ve krizlere karşı hassasiyeti, doğru ve zamanlı talep tahminlerini kritik kılmaktadır. Bu bağlamda araştırma, İstanbul'a en çok turist gönderen Amerika Birleşik Devletleri, Almanya, Fransa, İngiltere ve Rusya'dan gelen ziyaretçi sayılarının anlık (nowcasting) ve geleceğe yönelik (forecasting) tahminine odaklanmıştır. Çalışmada, Ocak 2012 ila Mart 2025 dönemine ait aylık frekanstaki veriler kullanılmıştır. Bağımlı değişkeni T.C. Kültür ve Turizm Bakanlığı'ndan temin edilen aylık ziyaretçi sayıları oluştururken; bağımsız değişkenler Google Trends arama yoğunluğu endeksleri, TripAdvisor kullanıcı yorumları (aylık gönderi hacmi ve ortalama puanı) ve makroekonomik göstergelerden (nispi turizm fiyatı ve reel dış ticaret hacmi) türetilmiştir. AdaBoost, Karar Ağacı, ElasticNet, Lasso, Ridge, Random Forest ve XGBoost gibi on iki farklı makine öğrenmesi algoritması, genişleyen pencere (expanding window) yaklaşımıyla eğitilerek karşılaştırmalı olarak değerlendirilmiştir. Bulgular, turizm talebi tahmininde en etkili veri kaynağı ve modelin, kaynak ülke ve tahmin ufkuna göre değişkenlik gösterdiğini ortaya koymuştur. Google Trends verileri, çoğu deneyde en güçlü ve tutarlı sinyali sağlayarak öne çıkmıştır. Model seçiminde ise tek bir algoritmanın her durumda üstün olmadığı; ABD ve Rusya gibi pazarlarda Lasso ve Ridge gibi düzenlileştirilmiş doğrusal v modellerin, Almanya, Fransa ve İngiltere'de ise AdaBoost ve GBDT gibi doğrusal olmayan algoritmaların daha başarılı sonuçlar ürettiği saptanmıştır. Bu sonuçlar, destinasyon ve kaynak pazar özelinde özelleştirilmiş modelleme stratejilerinin önemini vurgulamaktadır.
Özet (Çeviri)
This study aims to forecast international tourism demand for Istanbul using machine learning methods with digital and traditional data sources. The economic importance of the tourism sector and its vulnerability to crises make accurate and timely demand forecasts critical. In this context, the research focuses on the nowcasting and forecasting of visitor arrivals from the United States, Germany, France, the United Kingdom, and Russia, which are among the top source countries for tourists to Istanbul. The study utilizes monthly frequency data from January 2012 to March 2025. While the dependent variable consists of monthly visitor arrivals obtained from the Republic of Türkiye Ministry of Culture and Tourism, the independent variables are derived from Google Trends search intensity indices, TripAdvisor user reviews (monthly post volume and average rating), and macroeconomic indicators (relative tourism price and real foreign trade volume). Twelve different machine learning algorithms, such as AdaBoost, Decision Tree, ElasticNet, Lasso, Ridge, Random Forest, and XGBoost, were trained and comparatively evaluated using an expanding window approach. The findings reveal that the most effective data source and model for tourism demand forecasting varies by source country and forecast horizon. Google Trends data stood out by providing the strongest and most consistent signal in most of the experiments. In terms of model selection, no single algorithm is superior in all cases, with regularized linear models such as Lasso and Ridge vii producing better results in markets such as the US and Russia, and non-linear algorithms such as AdaBoost and GBDT producing better results in Germany, France and the UK. These results emphasize the importance of customized modeling strategies specific to the destination and source market.
Benzer Tezler
- Tarihi kent merkezlerinde mekan kalitesinin okunabilirliği üzerine araştırmalar
Researches on legibility of spatial quality in historical city centers
BEYZA ÇERMİKLİ
Doktora
Türkçe
2016
Peyzaj Mimarlığıİstanbul ÜniversitesiPeyzaj Mimarlığı Ana Bilim Dalı
YRD. DOÇ. DR. HANDE SANEM ÇINAR ALTINÇEKİÇ
- Sürdürülebilir doğal alan yönetiminde kent ormanlarının rolü: Hacıosman Atatürk Kent Ormanı örneği
The role of urban forests in sustainable natural area management: The case of Hacıosman Atatürk Urban Forest
BAŞAR SELAM ALİPAÇA
Yüksek Lisans
Türkçe
2026
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiKentsel Tasarım Ana Bilim Dalı
PROF. DR. ALİYE AHU GÜLÜMSER
- Karadeniz Ereğli Kalesi'nin mimari ve yapısal analizi ve bir kültür varlığı olarak değerlendirilmesi
The architectural and structural analysis of Karadeniz Eregli Castle and evaluation as a cultural property
AHSEN KARAGÖL
Yüksek Lisans
Türkçe
2015
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. KEMAL KUTGÜN EYÜPGİLLER
- Identifying green infrastructure strategies for planning the urban landscapes: The case of Amman, Jordan
Kent peyzajlarının planlanmasına yönelik yeşil altyapı stratejilerinin belirlenmesi: Ürdün-Amman şehri örneği
GHAIDA ADEL HUSSEIN IRMEILI
Doktora
İngilizce
2024
Peyzaj Mimarlığıİstanbul Üniversitesi-CerrahpaşaPeyzaj Mimarlığı Ana Bilim Dalı
DOÇ. DR. ALEV PERİHAN GÜRBEY