Adatvezérelt döntéshozatal a fenntartható városi közlekedésben

Stumph Ákos Sándor (2024) Adatvezérelt döntéshozatal a fenntartható városi közlekedésben. Pénzügyi és Számviteli Kar. (Kéziratban)

	PDF Stumph_Ákos_Sándor_PSZK.pdf Hozzáférés joga: Csak nyilvántartásba vett egyetemi IP címekről nyitható meg Download (2MB)
	PDF 08_BGE TDK_Szerzői hozzájárulás nyilatkozat 2024.pdf Hozzáférés joga: Csak nyilvántartásba vett egyetemi IP címekről nyitható meg Download (48kB)
	Microsoft Word Stumph_Ákos_Sándor_PSZK.docx Hozzáférés joga: Csak nyilvántartásba vett egyetemi IP címekről nyitható meg Download (17kB)
	PDF Stumph_Ákos_Sándor Bírálat.pdf Hozzáférés joga: Bizalmas dokumentum (bírálat) Download (389kB)
	PDF Stumph Ákos Sándor_TDK_Dolgozat_biralati_lap_2024_HU.pdf Hozzáférés joga: Bizalmas dokumentum (bírálat) Download (362kB)

Absztrakt (kivonat)

Azért kezdtem el foglalkozni nagy adathalmazokkal, mert mindig is érdekelt az adat alapú döntések és az ezekben rejlő nagy potenciál kihasználása. A fő kérdésben azt vizsgálom, hogy a Budapesti Közlekedési Központ miként használja fel és építi be a mindennapi operációba a közbicikli szolgáltatásból származó adatok elemzéseit. A bérlők egyik legfontosabb igénye, hogy a kerékpárok akkor és ott legyenek elérhetőek, amikor és ahol arra szükség van. Ezért megvizsgáltam a jelenlegi állapotot és ennek tükrében további javaslatokat teszek gépi tanulás segítségével, hogy hogyan lehet növelni a szolgáltatás elérhetőségét. A vizsgálatot egy átfogó szakirodalom kutatás előzi meg, amely bemutatja az adatokkal való munka lehetőségeit, előkészítve a fő kérdésem megválaszolását.A választ főként kvantitatív módszer segítségével kutattam, amelyhez Python programnyelvben elérhető statisztikai és gépi tanulási csomagokat használtam fel. Az eredmények tükrében már látható, hogy a 2023-as bérlésekre vonatkozó adatok elemzése - a BKK-val való egyeztetésekre alapozva - a napi működés fejlesztésének érdekében jelenleg is folyamatban vannak. A kerékpárok éves szinten több mint 26 napon keresztül nem elérhetőek a felvevő pontokon. Kutatásomban ennek csökkentésére teszek javaslatot: hogyan lehet a korábbi bérlési adatokból előre jelezni a szükségletet az egyes állomásokon. Napi átlagosan 9316 bérlést indítanak a felhasználók Budapesten, egy út alkalmával pedig kb. 2,4 km-t tesznek meg. Összesen: 22.358 km-t.Amennyiben az adatelemzést beépítjük a mindennapi döntéshozatalba és éves szinten akárcsak egy nappal is növelni tudjuk a szolgáltatás elérhetőségét, vagyis csökken a nem elérhető kerékpárok száma, akkor naponta potenciálisan közel 2,9 kg károsanyag kibocsátástól óvhatjuk meg a várost egy tisztább és élhetőbb bolygó reményében.

Intézmény

Budapesti Gazdasági Egyetem

Kar

Pénzügyi és Számviteli Kar

Tanszék

Gazdaságinformatika Tanszék

Tudományterület/tudományág

NEM RÉSZLETEZETT

Szak

Gazdaságinformatikus

Mű típusa:	TDK dolgozat
Kulcsszavak:	Adatvezérelt, big data, elemzés, gépi tanulás, közlekedés
SWORD Depositor:	User Archive
Felhasználói azonosító szám (ID):	User Archive
Rekord készítés dátuma:	2025. Szep. 23. 11:55
Utolsó módosítás:	2025. Szep. 23. 11:55

Actions (login required)

Tétel nézet