Yüksek lisans tezi · Uygulamalı araştırma · v2.0

Doğayı veriyle planla. Rotayı yapay zekâ çizsin.

Waldoran; arazi eğimi, hava durumu riski ve kişisel tercihleri tek bir maliyet fonksiyonunda birleştirir. Kamp rotasını hesaplar, en uygun alanı önerir ve rezervasyonu aynı akışta tamamlar.

Erken erişim listesine katıl Mimariyi incele

01Özet

Kamp planlamayı bir optimizasyon problemi olarak ele alıyoruz.

Doğa gezileri bugün dağınık kaynaklarla planlanıyor: haritalar, hava durumu siteleri, forumlar ve rezervasyon sayfaları. Waldoran bu parçaları tek bir hesaplanabilir modelde birleştirir.

Yapay zekâ destekli kamp rotası planlama ve rezervasyon platformu

Bu çalışma, açık hava gezilerinde rota seçimi ve konaklama kararının birlikte ele alındığı bir karar destek platformu önerir. Arazi modeli, hava durumu tahmini ve kullanıcı tercihleri ağırlıklı bir maliyet fonksiyonunda birleştirilir; rota, bu fonksiyon üzerinde çalışan bir graf arama algoritmasıyla üretilir.

Üretilen aday rotalar büyük dil modeli destekli bir tercih katmanıyla yeniden sıralanır ve kullanıcıya gerekçeleriyle sunulur. Rezervasyon, uygunluk ve fiyatlandırma aynı platformda çözülerek planlama ile eylem arasındaki kopukluk giderilir.

rota optimizasyonuA* aramaçok amaçlı kararöneri sistemleriLLMcoğrafi bilgi sistemleri

Problem

Parçalı planlama

Rota, hava durumu ve konaklama ayrı araçlarda çözülüyor; kararlar tutarsız ve zaman alıcı.

Yaklaşım

Tek maliyet fonksiyonu

Mesafe, eğim, hava riski ve tercih uyumu ağırlıklandırılıp graf üzerinde aranır; sonuçlar LLM ile yorumlanır.

Katkı

Uçtan uca akış

Planlama, öneri ve rezervasyon tek bir ürün ve tek bir veri modelinde birleşir; her adım ölçülebilir.

02Ürün

Sekiz yetenek, tek platform.

Kartların içi canlı: her biri ürünün ilgili modülünün davranışını küçültülmüş ölçekte gösterir.

8 modül · tek veri modeli

Akıllı rota motoru

Arazi ızgarası üzerinde A* arama; mesafe, eğim ve hava riski ağırlıklarıyla Pareto-optimal aday rotalar.

w · mesafe

0.35

w · eğim

0.30

w · hava

0.20

w · tercih

0.15

c(e) = 0.35·d + 0.30·s + 0.20·r + 0.15·(1−p)

A*8-nbhdParetoDEM

Kişiselleştirilmiş öneri

Kullanıcının geçmiş seçimleri ve serbest metin ifadeleri LLM ile tercih vektörüne dönüştürülür; adaylar buna göre yeniden sıralanır.

göl kenarısessizköpek dostuateş izniaraçla ulaşımyüksek rakımağaçlıkduş

%84tercih uyumu

Hava durumu farkındalığı

Beş günlük tahmin rota maliyetine risk terimi olarak girer; fırtına penceresi tespit edilirse alternatif gün ve rota önerilir.

Pzt

Sal

Çar

Per

Cum

Perşembe: fırtına riski → rota B önerildi

Anında rezervasyon

Uygunluk takvimi, kapasite ve fiyat aynı veri modelinden okunur; seçim tek dokunuşla onaya gider.

✓Rezervasyon onaylandı · 2 gece

Topluluk ve değerlendirme

Yorumlar duygu analiziyle özetlenir; güvenilirlik puanı öneri katmanına sinyal olarak girer.

“Göl kenarındaki alan tarif edildiği gibiydi; rota önerisi eğimi doğru tahmin etti.”doğrulanmış konaklama · özetlenmiş yorum

Dinamik fiyatlandırma

Talep, sezon ve hava tahmini fiyat modelinde birleşir; kullanıcı en uygun tarih penceresini görür.

gece başına€34−18% hafta içi

Güvenlik katmanı

Rakım, kapsama alanı ve acil çıkış mesafesi rota puanına girer; çevrimdışı harita paketi otomatik hazırlanır.

Acil çıkış mesafesi < 4 km

Çevrimdışı harita hazır

Kapsama zayıf: alternatif uyarı

Mobil uygulama

React Native istemci; rota, hava ve rezervasyon tek ekranda. Çevrimdışı önbellek ile arazide çalışır.

03Mimari

Referans mimari: katmanlı, servis odaklı, ölçülebilir.

İstemciden veri katmanına kadar her bileşen tek sorumluluk taşır. Rota motoru ve öneri servisi bağımsız ölçeklenir; dış servisler adaptörlerle soyutlanır.

Şekil 1 — Sistem bileşenleri ve veri akışı. Kesikli çizgiler istek/yanıt akışını gösterir.

İstemci

Next.js (statik export) ve React Native; harita katmanı için Mapbox GL. Bu sayfa da aynı istemci yığınıyla üretildi.

Rota motoru

Sayısal yükseklik modeli (DEM) üzerinde ızgara graf; A* ve ağırlık taramasıyla çok amaçlı aday üretimi. Hedef: sorgu başına 50 ms altı.

Öneri servisi

Tercih vektörü ve işbirlikçi filtreleme; LLM yalnızca tercih çıkarımı ve açıklama üretiminde, deterministik sıralamanın üzerinde çalışır.

Veri

PostgreSQL + PostGIS (konum, uygunluk, fiyat), Redis (oturum, uygunluk önbelleği), nesne depolama (harita paketleri, medya).

Dış servisler

Harita ve yükseklik verisi, hava durumu tahmini, ödeme sağlayıcısı; her biri adaptör arayüzü arkasında.

Barındırma

Cloudflare kenar ağı (statik varlıklar, DNS, WAF); servisler konteyner olarak paketlenir.

04Yöntem

Rota nasıl hesaplanır?

Dört adım: arazi grafa dönüştürülür, maliyet tanımlanır, aday rotalar aranır, adaylar tercihlere göre sıralanıp açıklanır.

Graf oluşturma

Sayısal yükseklik modeli ve yol ağı düzenli ızgaraya örneklenir; her hücre bir düğüm, sekiz komşuluk kenar olur.

G = (V, E) · |V| = n² · 8-komşuluk

Maliyet fonksiyonu

Her kenar için mesafe, eğim cezası, hava riski ve tercih uyumsuzluğu ağırlıklı toplamla birleştirilir.

c(e) = Σ wᵢ · fᵢ(e)

Arama

A* algoritması kabul edilebilir bir sezgisel ile en düşük maliyetli yolu bulur; ağırlık taraması Pareto cephesindeki alternatifleri üretir.

f(n) = g(n) + h(n), h ≤ h*

Yeniden sıralama

Aday rotalar LLM destekli tercih katmanıyla puanlanır ve her öneri için kısa bir gerekçe üretilir.

score = σ(pᵤ · rᵢ) + açıklama

Kenar maliyeti

c(e) = w_d·d(e) + w_s·s(e) + w_w·r(e,t) + w_p·(1 − p(u,e))

d(e)kenar uzunluğu (m)

s(e)eğim cezası, tan(θ)² ile büyür

r(e,t)t zamanında hava riski, [0,1]

p(u,e)kullanıcı u için tercih uyumu, [0,1]

wᵢkullanıcı veya senaryo başına ağırlıklar

05Araştırma

Bilimsel çerçeve ve değerlendirme protokolü.

Waldoran, Dokuz Eylül Üniversitesi bünyesinde yürütülen bir yüksek lisans tezinin uygulama ayağıdır. Araştırma soruları ve ölçüm yöntemi aşağıdadır.

RQ1

Arazi, hava ve tercih bilgisinin tek bir maliyet fonksiyonunda birleştirilmesi, uzman rotalarına ne ölçüde yaklaşır?

Ölçüt: uzman rotasıyla Fréchet mesafesi ve toplam tırmanış farkı.

RQ2

LLM tabanlı tercih çıkarımı, açık form doldurmaya göre öneri isabetini artırır mı?

Ölçüt: ilk-3 isabet oranı ve kullanıcı puanlaması, iki koşullu karşılaştırma.

RQ3

Planlama ve rezervasyonun tek akışta sunulması karar süresini kısaltır mı?

Ölçüt: görev tamamlama süresi ve SUS kullanılabilirlik puanı.

RQ4

Izgara çözünürlüğü ile hesaplama süresi ve rota kalitesi arasındaki denge nerede kurulur?

Ölçüt: sorgu süresi (ms) ve maliyet sapması, çözünürlük taraması.

Rota kalitesiUzman rotasına yakınlıkFréchet mesafesi, tırmanış farkı, tehlike hücresi sayısı

PerformansSorgu gecikmesiIzgara boyutuna göre A* süresi ve genişletilen düğüm sayısı

Öneri isabetiİlk-3 isabet oranıTercih katmanı açık/kapalı iki koşullu karşılaştırma

KullanılabilirlikSUS ve görev süresiTek akış ile ayrık araçlar arasındaki fark

06Yol haritası

Araştırmadan ürüne.

Fazlar tarih yerine teslimatla tanımlanır. Her faz bir önceki fazın ölçüm sonuçlarına göre önceliklenir.

Faz 1

Araştırma ve prototip

Problem tanımı ve literatür
Maliyet modeli ve A* prototipi
Tez savunması

Faz 2

Rota motoru MVP

DEM tabanlı graf hattı
Ağırlık taraması ve aday üretimi
Web istemcisi ve API

Faz 3

Mobil beta ve rezervasyon

React Native istemci
Uygunluk ve ödeme akışı
Çevrimdışı harita paketi

Faz 4

Topluluk ve ölçek

Değerlendirme ve duygu analizi
Dinamik fiyat modeli
Çok bölgeli veri kapsamı

Erken erişim listesine katılın.

Beta açıldığında ilk siz haber alın. Tez, mimari ve iş birlikleri için de aynı adresten ulaşabilirsiniz.

Spam yok, yalnızca lansman bildirimi