Tengilimoğlu, DilaverReyhanoğlu, İzayBusiness2024-07-072024-07-072019https://hdl.handle.net/20.500.14411/5416Türkiye'de havayolu ile ulaşımın gün geçtikçe yaygınlaşması rekabetin artmasına neden olmaktadır. Bu bakımdan doğru yapılmış bir havayolu talep tahmini, bir havayolu işletmesi için, belirli bir hatta uçuş konulup konulmaması kararı, filo planlaması, kaynak planlaması, bilet fiyatlarının belirlenmesi, uygun stratejilerin belirlenmesi gibi kritik kararların verilmesinde oldukça önemlidir. Bir ülkenin ekonomisinin önemli bir parçası olan havayolu taşımacılığında talebin bilinmesi işletmelerin özellikle stratejik kararlarını doğru belirlemelerinde önemlidir. Türkiye'de havayolu taşımacılığı, dünya ortalamasına göre daha yüksek oranda büyüme göstermektedir. 2003 yılında başlatılan Bölgesel Havacılık Politikasından bu yana iç hat yolcu sayısında yaklaşık 12 kat artış görülmüştür. Buna karşın yurtiçi yolcu taşımacılığının büyük bir bölümü halen karayolu üzerinden yapılmaktadır. Türkiye'de ana merkezlerden ülkenin pek çok havalimanına uçuşlar gerçekleşmekte iken, ana merkezler haricinde uçuşlar (çapraz uçuşlar) yeterli sayıda değildir. Bu noktalar arası uçuşlar bağlantılı uçuşlar ile gerçekleşmektedir. Bağlantılı uçuşlarda uzun aktarma (bekleme) süreleri ile yüksek bilet fiyatları, bu uçuşlarının yolcular için cazip gelmemesine yol açmaktadır. Bu çalışmada, Türkiye'de çapraz uçuşlarla ilgili olarak havayolu talep tahmini çalışması yapılmıştır. Bu amaçla Kayseri ve Bursa, anket uygulanan şehir çifti olarak seçilmiştir. Kayseri'de yaşayan 501, Bursa'da yaşayan 453 bireye uygulanan anketlerden derlenen verilere lojistik regresyon, yapay sinir ağları modeli ve kümeleme analizleri uygulanmıştır. Veri setinin analizi sonucunda elde edilen ampirik bulgular karşılaştırma yapılarak yorumlanmıştır ve yapay sinir ağları modelinin diğer yöntemlerden daha başarılı sonuçlar verdiği görülmüştür. Çalışmada, her iki şehirde de uçuş talebini belirleyen en önemli etkenlerin aktarmasız uçuş konulması ile bilet fiyatlarının olduğu sonucuna ulaşılmıştır.Popularization of the airline transportation day by day in Turkey, leads to increased competition. In this regard, accurate estimation of air travel demand is crucial in making critical decisions such as fleet planning, resource planning, determination of ticket prices, and determination of appropriate strategies for an airline operation. Knowing the demand in air transport, which is an essential part of a country's economy, is important in determining the strategic decisions of the enterprises. Airline transportation in Turkey grows with higher rate than the world average. Since the Regional Aviation Policy, which was initiated in 2003, the number of domestic passengers has increased by nearly 12 times. However, a large part of the domestic passenger transportation is still carried out by land transportation. While there are flights to the hubs from many airports of the country, cross flights are not enough. Flights between these points done by connected flights with long transfer (waiting) times and high ticket prices which does not attract passengers. The aim of this study is to estimate airline demand for cross flights. For this purpose, Kayseri and Bursa were selected as the city pair. 501 individuals living in Kayseri and 453 individuals living in Bursa were surveyed. Logistic regression, artificial neural network model and clustering analysis were applied to the data collected from the questionnaires. The empirical findings obtained from the analysis of the data set were interpreted by the way of comparison. The analysis results reveal that artificial neural network model is more successful than the other methods and that the most important factors determining flight demand in both cities are avaliability of direct flights and ticket prices.trSivil HavacılıkUlaşımİşletmeHava yollarıHava yolu ulaşımıCivil AviationLojistik regresyon yöntemiTransportationBusiness AdministrationSeyahatAirlinesAir transportationTalepLogistic regression methodTravelTalep analiziDemandDemand analysisYapay sinir ağlarıArtificial neural networksDoctoral Thesis5384620305