Yenikapı M1–Kirazlı M1 hattı için istasyon ve hat bazlı yolcu talep tahmini ve raylı ulaşım sistemlerinde sefer sıklığı belirlemede kritik başarı faktörlerinin çok kriterli karar verme yöntemleri ile önceliklendirilmesi = Station and line-based passenger demand forecasting for Yenikapi M1-Kirazli M1 line and prioritization of critical success factors in headway determination in railway systems with multi-criteria decision-making methods

Abstract

Nüfusun ve motorlu araçların hızlı artışı günümüzde ulaşım sorununu da beraberinde getirmiştir. Bu sorun, yolcuların duraklarda bekleme sürelerini en aza indirmek ve yolcu memnuniyetini artırmak için yolcu talep tahmini çalışmalarının önemini arttırmıştır. Bu çalışmada, Yenikapı M1 – Kirazlı M1 metro hattı için literatürdeki diğer çalışmalardan farklı olarak hat bazında ve istasyon bazında olmak üzere iki aşamada talep tahmini yapılmaktadır. İstasyon bazındaki yolcu talep tahmini, yapay sinir ağı ve makine öğrenme (MÖ) algoritmaları tekniği ile yapılmakta ve hata değerleri (MAE, BIAS, MSE, MAPE ve RMSE) karşılaştırılmaktadır. Çalışmanın ikinci aşamasında ise, regresyon analizi ve basit ortalama gibi istatistiksel tekniklerle hat bazında yolcu talep tahmini yapılmakta; ortalama mutlak yüzde hata değerleri hesaplanmakta ve bu değerler karşılaştırılmaktadır. Çalışma sonucunda, istasyon bazında talep tahmini için en başarılı ve güvenilir sonuçların MÖ algoritmalarından biri olan karar ağacı ile elde edildiği görülürken; hat bazında en iyi talep tahmin sonuçları, basit ortalama yöntemi ile elde edilmektedir. İkinci bir çalışma olarak, raylı ulaşım sistemlerinde sefer sıklığı belirlemede kritik başarı faktörlerinin önceliklendirilmesi ele alınmaktadır. Bu çalışma yapılırken ana kriterler ve karar alternatiflerinin SWARA, TOPSİS ve AHP karar hiyerarşisi ortaya koyulmakta; AHP'nin diğer adımları için önce ikili karşılaştırmalar matrisleri oluşturulmaktadır. AHP ikili karşılaştırma matrisleri uzman mühendislere hazırlanan Excel tablolarıyla sunulmakta; uzmanların görüşüne dayanılarak SWARA, TOPSİS, AHP yaklaşımı sefer sıklığı optimizasyonundaki kritik başarı faktörleri modeline uygulanmaktadır. AHP ve TOPSİS modeli sonucunda, çalışma kuralları alternatifinin ağırlığı 0,197 ile birincil öncelikli kritik başarı faktörü olarak bulunmaktadır. Benzer şekilde, ana kriterler AHP ve SWARA yöntemi ile önceliklendirilmekte ve güvenilirlik kriterinin birinci öncelikli ana kriter olduğu görülmektedir.

The rapid increase levels of the population and the number of motor vehicles brought about the transportation problem today. This problem has increased the importance of passenger demand forecasting studies in order to minimize passenger waiting times at stops and increase passenger satisfaction. In this study, unlike other studies in the literature, demand forecasting for Yenikapı M1 – Kirazlı M1 metro line is made in two stages, on a line basis and on a station basis. Station-based passenger demand forecasting is made using artificial neural network and machine learning (ML) algorithms and error values (MAE, BIAS, MSE, MAPE and RMSE) are compared. In the second stage of the study, passenger demand forecasting is made on a line basis with statistical techniques such as regression analysis and simple average; mean absolute percent error values are calculated and these values are compared. As a result of the study, it is seen that the most successful and reliable results for station-based demand forecasting are obtained with the decision tree, which is one of the ML algorithms; the best demand forecasting results on a line basis are obtained with the simple average method. As a second study, the prioritization of critical success factors in determining the headway for railway systems is discussed. While doing this study, the main criteria and decision hierarchy of decision alternatives SWARA, TOPSIS and AHP are revealed; for the other steps of AHP, firstly, pairwise comparison matrices are created. AHP pairwise comparison matrices are presented to expert engineers in Excel tables; based on the opinion of experts, the SWARA, TOPSIS, AHP approach is applied to the critical success factors model in headway optimization. As a result of AHP and TOPSIS model, the working rule alternative is found as the primary critical success factor with the weight of 0.197.Similarly, the main criteria are prioritized by the AHP and SWARA method, and it is seen that the reliability is the first priority main criterion. According to the findings obtained in this research, it was concluded that the lyophilization as powdered minimized the antioxidant activity loses rather than drying as whole or drying in oven.