Türkiye’nin Hava Yolu İhracatında Sosyal ve Çevresel Sürdürülebilirlik için Yapay Zekâ Destekli Çok Amaçlı Optimizasyon Yaklaşımı
Abstract views: 0
/ 
PDF downloads: 0
Keywords:
Havayolu İhracatı, Sürdürülebilirlik, Makine Öğrenmesi, Çok Amaçlı Optimizasyon, Dinamik Araç RotalamaAbstract
Bu çalışma, Türkiye’nin hava yolu ihracatında sürdürülebilirliği hem sosyal hem de çevresel
boyutlarıyla değerlendiren çok amaçlı bir optimizasyon yaklaşımı sunmaktadır. Doğrusal programlama
modeli, istihdamı artırmayı ve CO₂ emisyonlarını sınırlandırmayı amaçlamaktadır. 2000–2023 yıllarına ait
TÜİK ihracat verileri, ülkeler arası hava mesafeleri ve dört farklı uçak tipine /taşımacılık türüne (Belly
hold taşımacılığı, Boeing 747F, Boeing 777F ve Airbus A330F) ilişkin katsayılar değerlendirilmiştir.
Modelin çözümünde PuLP kütüphanesi kullanılmıştır. TÜİK'ten elde edilen 2000-2023 yıllarına ait veriler
yapay sinir ağına aktarılmış ve gelecek yılların (2024-2025) tahmini için modelden yararlanılmıştır.
Bulgular, istihdamın artış eğiliminde olduğunu göstermektedir. Emisyonların ise dönemsel dalgalanmalar
sergilediğini göstermektedir. Tahmin sonuçlarına göre, 2024 ve 2025 yılları için istihdamda yaklaşık %4,1
oranında bir artış olduğu ve CO₂ emisyonlarında ise %5,0 düzeyinde bir yükseliş yaşanacağı
öngörülmektedir. Bu çalışma, havayolu taşımacılığında toplumsal faydalar ile çevresel etkilerin ele
alınmasına imkân tanımaktadır ve karar vericiler için de oldukça önemli uygulanabilir stratejik öneriler
sunmaktadır. Ek olarak, bu araştırma hava yolu taşımacılığında sürdürülebilir kalkınma hedeflerine
ulaşmak için yol gösterici bir çerçeve ortaya koymaktadır. Çalışma, çevresel maliyetlerin azaltılmasıyla
birlikte, toplumsal faydanın artmasına katkı sağlayacak politikaların tasarlanmasına destek olması
beklenmektedir. Özellikle çevresel verimlilik ile sosyal kazanımların dengelenmesi gerektiğine vurgu
yapılmakta ve mevcut uygulamaların yanı sıra gelecek kuşakların ihtiyaçlarını gözeten stratejik adımlar
için de sağlam bir temel sunulmaktadır.
Downloads
References
Adler, N., Martini, G., & Volta, N. (2013). Measuring the environmental efficiency of the global aviation fleet. Transportation Research Part B: Methodological, 53, 82-100.
Agustín, A., Escudero, L., & Pizarro, C. (2008). Mathematical Optimizationg models for Air Traffic Flow Management. A review. Dept. of Statistics and Operations Research Universidad Rey Juan Carlos.
Chen, W., Men, Y., Fuster, N., Osorio, C., & Juan, A. A. (2024). Artificial intelligence in logistics optimization with sustainable criteria: A review. Sustainability, 16(21), 9145.
Couto, J., & Baltazar, M. E. (2025). Sustainable Airport Development: A Literature Review.
de la Torre, R., Corlu, C. G., Faulin, J., Onggo, B. S., & Juan, A. A. (2021). Simulation, optimization, and machine learning in sustainable transportation systems: Models and applications. Sustainability, 13(3), 1551.
Eurocontrol(2021). AI/ML Based Augmented 4D Trajectory. Executive Report. Https://Www.Eurocontrol.İnt/Sites/Default/Files/2021-10/Eurocontrol-Ai-Ml-Augmented-4d-Trajectory-Executive-Report.Pdf
Kaffash, S., Chomachaei, F., & Aktas, E. (2024). Environmental sustainability performance of US airlines: implications of financial performance and technical efficiency. Journal of the Operational Research Society, 1-21.
Mgbachi, V. (2024). AI in Business Aviation Route Optimization: Reducing Fuel Consumption and Environmental Impact. Journal of Business and Strategic Management, 9(5), 48-82.
