Uçuş Gecikmeleri Analizi - Kapsamlı R Markdown Projesi

Proje Başlığı

Havalimanı Büyüklüğü, Mevsimsel Faktörler ve Uçuş Rotası Özelliklerinin Uçuş Gecikmeleri Üzerindeki Etkisinin İncelenmesi ve Bu Faktörler Arasındaki İlişkilerin Analizi

Proje Özeti

Bu kapsamlı araştırma projesi, Amerika Birleşik Devletleri'ndeki iç hat uçuşlarında karşılaşılan gecikmelerin temel nedenlerini ve bu gecikmeleri tetikleyen çeşitli faktörleri R Markdown kullanarak analiz etmektedir. 2024 yılına ait 7.079.081 uçuş kaydı üzerinde gerçekleştirilen analizler, havacılık sektörü için kritik bulgular ortaya koymaktadır.

İçindekiler

Giriş

• Araştırmanın Amacı
• Veri Seti Tanıtımı
• Araştırma Soruları

Veri Okuma ve Ön İşleme

• Kütüphanelerin Yüklenmesi
• Veri Okuma ve Birleştirme
• Değişken Açıklamaları
• Eksik Veri Analizi
• Veri Dönüşümleri
• Yeni Değişkenlerin Türetilmesi

Analiz ve Görselleştirmeler (20 farklı analiz)

• Gecikme Kategorileri Analizi
• Havalimanı Büyüklüğü Etkisi
• Mevsimsel Analizler
• Tatil Günleri Etkisi
• Eyaletler Arası Rota Performansı
• Ve daha fazlası...

Sonuçlar ve Gelecek Çalışmalar

Veri Kaynağı

Kaynak: U.S. Department of Transportation - Bureau of Transportation Statistics (BTS)

Web Sitesi: BTS On-Time Performance [https://www.transtats.bts.gov/DL_SelectFields.aspx?gnoyr_VQ=FGJ&QO_fu146_anzr=b0-gvzr]

Dönem: 2024 yılı (12 aylık veri)

Toplam Kayıt: 7.079.081 uçuş

Analiz Edilen Kayıt: 6.965.267 uçuş (eksik veriler temizlendikten sonra)

Kullanılan Teknolojiler ve Kütüphaneler

R Paketleri

library(tidyverse)   # Veri manipülasyonu
library(lubridate)   # Tarih işlemleri
library(scales)      # Ölçeklendirme
library(ggplot2)     # Veri görselleştirme
library(gridExtra)   # Çoklu grafik düzenleme
library(magrittr)    # Pipe operatörleri
library(bookdown)    # PDF rapor oluşturma

Temel Değişkenler

• Zaman: YEAR, MONTH, FL_DATE
• Lokasyon: ORIGIN, DEST, ORIGIN_STATE_NM, DEST_STATE_NM
• Performans: DEP_DELAY, ARR_DELAY, CANCELLED
• Gecikme Nedenleri: CARRIER_DELAY, WEATHER_DELAY, NAS_DELAY, SECURITY_DELAY, LATE_AIRCRAFT_DELAY
• Türetilen: SEASON, WEEKDAY_WEEKEND, DISTANCE_CATEGORY, ORIGIN_SIZE, DELAY_REASON_STATUS

Araştırma Soruları

• Havalimanı büyüklüğü uçuş gecikmelerini nasıl etkiler?
• Hangi mevsimde uçuş gecikmeleri daha fazla yaşanır?
• Kalkış ve varış gecikmeleri arasında ilişki var mıdır?
• Uçuş mesafesi gecikme süresini nasıl etkiler?
• Tatil günlerinde gecikme ve iptal oranları nasıl değişir?
• Hafta içi/hafta sonu gecikme oranları nelerdir?

Analiz Metodolojisi

Gecikme Sınıflandırması

Erken: <-15 dakika önce

Zamanında: ±15 dakika

Gecikmeli: >15 dakika sonra

Not: BTS standardına göre 15 dakika eşik değeri kullanılmıştır.

İstatistiksel Testler

Ki-kare Bağımsızlık Testi: Kategorik değişkenler arası ilişki

ANOVA: Gruplar arası ortalama farkları

Tukey HSD: Çoklu karşılaştırma testleri

Temel Bulgular

📊 Genel İstatistikler

Uçuşların %79.2'si kabul edilebilir zaman aralığında tamamlanmıştır

%20.8 oranında 15+ dakika gecikme yaşanmıştır

Sadece 2 uçuşta gecikme nedeni kaydedilmemiştir (veri kalitesi yüksek)

✈️ Gecikme Nedenleri Dağılımı

Geç Gelen Uçak: %40.4 (en büyük neden)

Havayolu Kaynaklı: %34.5

Ulusal Hava Sistemi: %18.9

Hava Durumu: %6.0

Güvenlik: %0.2

🏢 Havalimanı Büyüklüğü Etkisi

Büyük havalimanları: Daha yüksek gecikme oranı (%21+)

Küçük havalimanları: Daha uzun gecikme süresi (8.4 dk)

🌞 Mevsimsel Bulgular

Yaz: En yüksek gecikme (13.5 dk) ve iptal oranı (%2.09)

Sonbahar: En düşük gecikme (-0.2 dk)

Temmuz: Yılın en gecikmeli ayı (18.1 dk)

🎉 Tatil Günleri Etkisi

MLK Günü: %49.1 gecikme oranı (en yüksek)

Şükran Günü: %8 gecikme oranı (en düşük)

Tatil günlerinde iptal oranı %2.18'e yükseliyor

🗺️ En Problemli Rotalar

Wyoming → Texas: 51.9 dk ortalama gecikme

West Virginia → Florida: 42.1 dk

Puerto Rico ↔ Connecticut: ~30 dk (her iki yönde)

Görselleştirmeler (20 Adet)

Proje, aşağıdaki görselleştirmeleri içermektedir:

Pasta grafikler (gecikme nedenleri)

Çubuk grafikler (mevsimsel karşılaştırmalar)

Isı haritası (kalkış-varış ilişkisi)

Çizgi grafikler (aylık trendler)

Gruplandırılmış grafikler (çoklu faktör analizi)

Kurulum ve Çalıştırma

Gereksinimler

R (≥ 4.0.0)

RStudio

LaTeX (PDF çıktısı için)

Adımlar

Gerekli paketleri yükleyin:

install.packages(c("tidyverse", "lubridate", "scales", 
                   "ggplot2", "gridExtra", "magrittr", "bookdown"))

Veri dosyalarını indirin ve doğru dizine yerleştirin:

eda-sunum/
├── 01-T_ONTIME_REPORTING.csv
├── 02-T_ONTIME_REPORTING.csv
└── ... (12 aylık veri)

RMarkdown dosyasını çalıştırın:

rmarkdown::render("flight_delay_analysis.Rmd")

Dosya Yapısı

flight-delay-analysis/
│   README.md
│   flight_delay_analysis.Rmd
│   flight_delay_analysis.pdf
│   
└───eda-sunum/
    ├── 01-T_ONTIME_REPORTING.csv
    ├── 02-T_ONTIME_REPORTING.csv
    └── ... (12 aylık veri dosyaları)

Gelecek Çalışmalar

Çoklu Regresyon Analizi: Faktörlerin birlikte etkisinin modellenmesi

Makine Öğrenimi: Gecikme tahmin modelleri (Random Forest, XGBoost)

Gerçek Zamanlı Analiz: Canlı veri entegrasyonu

Coğrafi Görselleştirme: İnteraktif haritalar

Kaynaklar

Bureau of Transportation Statistics (BTS)

Airline On-Time Performance Data

US Federal Holidays 2024

Post-Hoc Testleri

İletişim

Proje hakkında sorularınız için:

Yazar: Merve Çalışkan

(https://www.linkedin.com/in/mervecaliskann/)

Lisans

Bu proje akademik amaçlar için hazırlanmıştır. Kaynak gösterilerek kullanılabilir.