Makine Öğrenmesi ile Kentsel Kiralık Bisiklet Verilerinde Anomali Tespiti: Konya İli Örneği

Bu çalışmada, şehir içi ulaşım ve bisiklet paylaşım sistemlerinde kalite kontrol ve güvenlik amaçlı veri doğrulama süreçlerine katkı sağlayabilecek bir yaklaşım sunulmaktadır. Bu amaçla, Konya kiralık bisiklet verisi kullanılarak denetimsiz makine öğrenmesi yöntemleriyle anomali tespiti gerçekleştirilmiştir. Analiz sürecinde iki yaygın algoritma olan yerel aykırı değer faktörü ve izolasyon ormanı yöntemleri kullanılmıştır. Veri setinde gözlem sayısı 1069 olup, anomalilerin tahmini oranı %3 olarak belirlenmiştir. Yerel aykırı değer faktörü ve izolasyon ormanı yöntemleri ile sırasıyla 33’er anomali tespit edilmiş, bunlardan 20 tanesi her iki model tarafından ortak olarak belirlenmiştir. Parametre duyarlılık analizleri sonucunda, her iki modelin de belirlenen anomali sayısında farklı parametre değerleri altında anlamlı bir değişiklik göstermediği gözlemlenmiştir. Bulgular, kullanılan yöntemlerin veri seti üzerinde tutarlı sonuçlar verdiğini ve özellikle konum verisi içeren ulaşım kayıtlarında fiziksel olarak mümkün olmayan değerlerin hızlı biçimde tespit edilebildiğini ortaya koymaktadır.