Abstract:

Bugün internet teknolojilerindeki gelişmeler sayesinde yolcular farklı havayolu şirketlerine ait uçuşları karşılaştırabilir, belirli bir zaman periyodunda en uygun fiyatlı uçuşu bulabilir, rezerve edebilir ve satın alabilir.  Havayolu şirketlerinin gelir politikaları ve aralarındaki rekabet, mevsimeler, tatiller, uçuş süresine kalan süre, mevcut koltuk sayısı,  ülkelerin uyguladıkları vergi politikaları, ülkeler arası seyehat politikaları vb pek çok faktör uçuş fiyatlarının belirlenmesinde etkilidir. Aynı zamanda, aynı uçuşa ait bir biletin fiyatı bile saatler içinde değişebilmektedir. Buyüzden bu kadar değişken ve dinamik olan bilet fiyatlarının önceden kestirebilmek hem hava yolu şirketleri açısından hem de müşteriler açısından çok önemlidir. Bugün pek çok çevrimiçi seyehat acentası ve havayolu şirketi işbirliği yaparak dinamik fiyat tahmini üzerine Yapay Zekâ odaklı Ar-Ge çalışmaları yürütmektedir. Bu çalışma da Enuygun.com Ar-Ge Merkezi tarafından yürütülmekte olan YZ destekli “Flight Prices Predictor” adlı projesinin bir parçasıdır. İlgili projenin bu kısmında YZ tekknolojilerinden makine öğrenmesi algoritmaları araştırılmış ve topluluk öğrenme algoritmalarından Gradyan Artırım (GB-Gradient Boosting) ve Rastsal Orman (RF-Random Forest) algoritmaları kullanılarak iki farklı tahmin modeli geliştirilmiştir. Bu algoritmalar kullanarak geliştirilen ve test edilen “RF-FPPredictor” ve “GB-FPPredictor” modellerinin doğruluk performansları sırasıyla %90 ve %92’dir. Modellerin ortalama mutlak yüzde hataları (MAPE) ise %2.49 ve %2.26’dır. Bu modeller daha önce geliştirilen diğer modeller ile tahmin performansı açısından karşılaştırıldığında oldukça başarılı olduğu görülmektedir.

Keywords: