Mühendislik, Mimarlık ve Tasarım Fakültesi

Permanent URI for this community

https://dspace.mudanya.edu.tr/handle/20.500.14362/73

Browse

Browsing Mühendislik, Mimarlık ve Tasarım Fakültesi by WoS Q Quality "Q3"

Now showing 1 - 3 of 3
  • No Thumbnail Available
    Item
    Enhancing municipal solid waste management efficiency through clustering: a case study
    (Taylor and Francis, 2024-11) Çil, Sedat; Karaer, Feza; Salihoğlu, N. Kamil; Tabansız Göç, Gülveren; Çavdur, Fatih; 409903
    This study leverages real-time datasets generated through IoT technology and smart city applications to enhance solid waste management in Yalova Province, Turkey. By integrating these datasets with the municipality’s Geographic Information System (GIS) using the ITRF/96 3 UTM X Y Coordinate System, a dynamic waste collection framework was established. The K-Means clustering algorithm was employed to determine the optimal waste container placement, considering capacities of 550, 800, 1,000, and 3,000 liters and walking distances of 50–100 ms. Results indicated that 1,000 and 3,000-liter containers with a 100-m walking distance maximized collection efficiency. Replacing 484 traditional containers with 105 units of 3,000 liters reduced total routes by 34%, transport costs by 42.2%, and CO2 emissions by 33.5%. The study underscores the importance of integrating GIS and IoT technologies for real-time waste management, aligning with the UN’s Sustainable Development Goals (SDG 11 and SDG 13). By combining data-driven decision-making with urban sustainability practices, it offers a replicable model for municipalities seeking to reduce costs and environmental impacts in waste collection.
  • No Thumbnail Available
    Item
    Öğrenci-danışman atama problemindeki farklı problem kurgularının öğrenci ve danışman memnuniyet düzeylerine etkisinin incelenmesi
    (Gazi Üniversitesi, 2024-09) Tabansız Göç, Gülveren; Sebatlı Sağlam, Aslı; Çavdur, Fatih; 409903; 372024
    Hem lisansüstü çalışmaların etkili bir şekilde yürütülebilmesi hem de lisansüstü programların genel başarısı için uygun öğrenci-danışman atamalarının yapılması kritik öneme sahiptir. Bu çalışmada, Öğrenci-Danışman Atama (ÖDA) problemi için öğrenci ve danışman tercihlerine ek olarak; (i) danışman kapasitelerinin dikkate alınmadığı (ii) danışman kapasiteleri olarak bireysel danışman taleplerinin ve (iii) danışman kapasiteleri olarak ortalama iş yükünün dikkate alındığı durum olmak üzere üç farklı problem kurgusu ele alınmıştır. Her bir problem kurgusunun çözümü için matematiksel programlama modelleri ve bir sezgisel algoritma önerilmiştir. Önerilen yaklaşımın geçerliliğin test edilmesi amacıyla küçük ve büyük ölçekte olmak üzere iki farklı veri kümesi üretilmiştir. Bu veri kümeleri kullanılarak önerilen matematiksel programlar ve sezgisel algoritma, öğrencilerin ve danışmanların tercihlerinin farklı ağırlıklandırma stratejileri için çözülmüştür. Farklı problem kurguları ve atama stratejileri için elde edilen öğrenci-danışman atamaları, öğrencilerin ve danışmanların memnuniyet düzeyleri cinsinden tanımlanan performans ölçütlerine göre analiz edilmiştir. Buna ek olarak, matematiksel programlama modeli ve sezgisel algoritmanın sonuçları kıyaslanmıştır. Bu çalışmanın öne çıkan unsuru, ÖDA problemi için farklı problem kurguları ve atama stratejilerinin ele alınması ve bu durumlar için elde edilen sonuçların, karar vericilerin farklı bakış açılarını yansıtacak şekilde kapsamlı olarak analiz edilmesidir.
  • No Thumbnail Available
    Item
    Testing the Forecasting Power of Statistical Models for Intercity Rail Passenger Flows in Turkey
    (Sage, 2024-11) Ekici, Üsame; Tüydeş Yaman, Hediye; Şendil, Nuri
    While going through a major rail transformation, it is important to develop reliable estimation models for rail passenger flows (RPFs) in Turkey. There are two main approaches in RPF estimation, regressions and autoregressive integrated moving-average (ARIMA) models, both of which were in this study developed using the daily RPF data for the period 2011–2015. The ARIMA models (with some variations) were used to forecast first the daily flows in 2016, during which travel restrictions for summer resulted in reduced volumes, successfully captured in the updated ARIMA model. The regression models predicted the expected demand during the restrictions, enabling evaluation of the impact of restrictions, which also showed the models’ power over the longer term. The forecasts were extended to 2017, 2018, and 2019 data. The regression results produced more reliable forecasts over the long term, whereas more accurate predictions were obtained by ARIMA-Sliding (FA-Sld) for short-term planning purposes.