INVESTIGATION OF RELIABILITY PERCEPTION BASED ON TRIP PURPOSE IN URBAN TRANSPORTATION: CASE STUDY ON STUDENT ACCESS TO TINAZTEPE CAMPUS

Abstract

Reliability is defined as the ability to adhere to a preplanned schedule or to defined intervals and a fixed travel time. Reliability is expected to be high particularly in metropolitan cities. To achieve this, high-cost investments such as rail systems that are operated independently of private vehicle traffic and simultaneous passenger information systems are needed. The social benefit to be made from these investments depends largely on how it is perceived, rather than the magnitude of the reliability. In this study, it is aimed to develop a parametric support data for benefit analysis of investments in terms of reliability. It is investigated whether the purpose of travel and personal characteristics are effective in the sense of reliability or not. Parametric models are developed by using multiple logistic regressions with the collected data by the help of the stated preference survey. When the model findings are examined, it is found that parameters such as gender, presence at the university for 1-3 years, use of public transportation, etc. are effective in tending to direct transportation modes that constitute a higher sense of reliability. In the reliability scenario model testing the high risk taking behavior, it is found that disability for using metro as a transfer alternative and living for a long time in the city generate a tendency to shorten the travel time by taking more risks in reliability. It is concluded that reliability is perceived differently, even on different trip purposes of the same person, and therefore it should be considered as a socio-economic parameter like age, gender, income, etc. on its own, rather than a cost weighting component in transportation demand models

Keywords

• Reliability, Trip Purpose, Public Transportation, Stated Preference Survey, Polytomous Logistic Regression

KENT İÇİ ULAŞIMDA YOLCULUK AMACINA BAĞLI GÜVENİLİRLİK ALGISININ İNCELENMESİ: TINAZTEPE KAMPÜSÜ ÖĞRENCİ ERİŞİMİ ÖRNEĞİ

Abstract

Toplu ulaşımda güvenilirlik, önceden planlanan bir çizelgelemeye ya da belirlenmiş sefer aralıklarına ve sabit bir yolculuk süresine bağlı kalabilme yeteneği olarak tanımlanmaktadır. Güvenilirliğin özellikle metropol kentlerde yüksek düzeyde olması beklenmekte, bunu sağlamak için ise özel taşıt trafiğinden bağımsız çalışan raylı sistemler, eş zamanlı yolcu bilgilendirme sistemleri gibi yüksek maliyetli yatırımlara ihtiyaç duyulmaktadır. Bu yatırımlardan sağlanacak toplumsal fayda, güvenilirliğin boyutundan ziyade, kullanıcılar tarafından nasıl algılandığına bağlıdır. Bu çalışmada, yatırımların güvenilirlik bakımından fayda analizi için parametrik bir destek verisi geliştirilmesi amaçlanmış; güvenilirlik algısında yolculuk amacı ve kişisel özelliklerin etkili olup olmadığı araştırılmıştır. Belirtilen tercih anketi yardımıyla toplanan verilerden hareketle, çoklu lojistik regresyonlar oluşturularak parametrik modeller geliştirilmiştir. Model bulguları incelendiğinde, derse gelirken tür seçiminde, cinsiyet, üniversitede 1 ila 3 yıl süreyle bulunma, toplu ulaşım kullanıyor olma gibi parametrelerin, daha yüksek güvenilirlik algısı oluşturan aktarmasız alternatiflere yönelmede etkili olduğu bulunmuştur. Yüksek risk alma davranışının sınandığı güvenilirlik senaryosunda ise aktarmada metro kullanmayanlar ile şehirde uzun süredir yaşayanların güvenilirlikte daha büyük risk alarak yolculuk süresini kısaltmak istedikleri ortaya çıkmıştır. Sonuç olarak güvenilirliğin kişiden kişiye hatta aynı kişinin farklı amaçlı yolculuklarında dahi farklı algılandığı, dolayısıyla ulaşım talep modellerinde bir maliyet ağırlıklandırma bileşeni olarak değil; yaş, cinsiyet, gelir vb. gibi başlı başına bir sosyo-ekonomik parametre gibi değerlendirilmesi gerektiği anlaşılmıştır.

Keywords

• Güvenilirlik, Yolculuk Amacı, Toplu Ulaşım, Belirtilen Tercih Anketi, Çoklu Lojistik Regresyon

References

1. [1] Siu, W.Y. 2009. Reliability Based Transportation Network Studies. The Hong Kong University of Science and Technology, Doktora Tezi, 236s, Hong Kong.
2. [2] Small, K.A. 1982. The Scheduling of Consumer Activities: Work Trips, American Economic Review, Cilt. 72, s. 467-479. DOI: jstor.org/stable/1831545.
3. [3] Chen, X., Yu, L., Zhang, Y., Guo, J. 2009. Analyzing Urban Bus Service Reliability at the Stop, Route, and Network Levels, Transportation Research Part A, Cilt. 43, s. 722- 734. DOI: 10.1016/j.tra.2009.07. 006.
4. [4] Turnquist, M.A., Bowman, L.A. 1980. The Effects of Network Structure on Reliability of Transit Service, Transportation Research, Cilt. 14B, s. 79-86. DOI: 10.1016/ 0191-2615(80)90034-X.
5. [5] Murat, Y.S., Uludağ, N. 2008. Bulanık Mantık ve Lojistik Regresyon Yöntemleri ile Ulaşım Ağlarında Rota Seçim Davranışının Modellenmesi, İMO Teknik Dergi, Cilt. 19 (2), s. 4363-4379.
6. [6] Doğan, G., Özuysal, M. 2017. Toplu Ulaşımda Bekleme Süresini Etkileyen Faktörlerin İncelenmesi: Güvenilirlik, Yolcu Bilgilendirme Sistemi ve Fiziksel Koşullar, İMO Teknik Dergi, Cilt. 28 (3), s. 7927- 7954, DOI: 10.18400/ tekderg.307513.
7. [7] Liu, R., Sinha, S. 2007. Modelling Urban Bus Service and Passenger Reliability. The Third International Symposium on Transportation Network Reliability (INSTR), 19-20 Temmuz, The Hague, Netherlands, 2007. [8] Abkowitz, M., Slavin, H., Waksman, R., Englisher, L., Wilson, N. 1978. Transit Service Reliability Report. USDOT Transportation Systems Center, Cambridge, MA.
8. [9] Özuysal, M., Uzunoğlu, U.Z.K., Akpulat, N., Çalışkanelli, S.P., Tanyel, S., Ceylan, H. 2015. Akıllı Kart Verilerine Dayalı Güvenilirlik Ölçütlerinin Toplu Ulaşım Atama Modellerine Entegrasyonu. TÜBİTAK Projesi Final Raporu, 112M117, Ankara, 369s.

9. [10] Small. K.A., Noland, R., Chu X., Lewis, X. 1999. Valuation of Travel-Time Savings and Predictability in Congested Conditions for Highway User-Cost Estimation. NCHRP Report 431, Transportation Research Board, National Research Council, 74s.
10. [11] Brownstone, D., Small, K.A. 2005. Valuing Time and Reliability: Assessing the Evidence from Road Pricing Demonstrations, Transportation Research Part A, Cilt. 39, s. 279-293. DOI: 10.1016/j.tra.2004.11.001
11. [12] Liu, H.X., Recker, W., Chen, A. 2004. Uncovering The Contribution of Travel Time Reliability to Dynamic Route Choice Using Real-Time Loop Data, Transportation Research Part A, Cilt. 27, s. 435- 453. DOI: 10.1016/ j.tra.2004.03.003
12. [13] Orsi, F., Geneletti, D. 2014. Assessing the Effects of Access Policies on Travel Mode Choices in an Alpine Tourist Destination, Journal of Transport Geography, Cilt. 39, s. 21-35. DOI: 10.1016/ j.jtrangeo.2014.06.015.
13. [14] Sohoni, A.V., Thomas, M., Rao, K.V.K. 2017. Mode Shift Behavior of Commuters Due to the Introduction of New Rail Transit Mode, Transportation Research: Procedia, Cilt. 25C, s. 2607-2622. DOI: 10.1016/j.trpro.2017.05.311.
14. [15] Kou, W., Chen, X., Yu, L., Qi, Y., Wang, Y. 2017. Urban Commuters’ Valuation of Travel Time Reliability Based on Stated Preference Survey: A Case Study of Beijing. Transportation Research Part A, Cilt. 95, s. 372-380. DOI: 10.1016/j.tra.2016.10.008
15. [16] Hosmer, D.W., Lemeshow, S. 2000. Applied Logistic Regression: Second Edition, Wiley Series in Probability and Statistics, Jonh Wiley and Sons Inc., New York, 528s.
16. [17] Lee-Gosselin, M. 1995. Scope and Potentıal of Interactive Stated Response Data Collection Methods. Conference on Household Travel Surveys: New Concepts And Research Needs, 12-15 Mart, Irvine, California.
17. [18] Atasoy, D. 2001. Lojistik Regresyon Analizinin İncelenmesi ve Bir Uygulaması. Cumhuriyet Üniversitesi, Sosyal Bilimler Enstitüsü, Yüksek Lisans Tezi, Sivas.
18. [19] Çokluk, Ö. 2010. Lojistik Regresyon Analizi: Kavram ve Uygulama, Kuram ve Uygulamada Eğitim Bilimleri, Cilt. 10 (3), s. 1357-1407.
19. [20] Silahlı, N. 2013. Applications of Logistic Regression with Missing Data. Dokuz Eylül Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, 76s.
20. [21] Agresti, A. 2002. Categorical Data Analysis (Second Ed). Wiley Series in Probability and Statistics, Wiley and Sons Inc., New York, 710s.
21. [22] Göksülük, D. 2011. Panelized Logistic Regression, Dokuz Eylül Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, 54s.
22. [23] DeMaris, A. 1992. Logit Modeling. Sage University Paper Series on Quantitative Applications in the Social Sciences, 07-086, Sage Publications, Newbury Park, CA. DOI: 10.4135/ 9781412984836.
23. [24] Menard, S. 2002. Applied Logistic Regression Analysis: Second Edition. Sage University Paper Series on Quantitative Applications in the Social Sciences, 07-106, Sage Publications, Thousand Oaks, CA, 128s.
24. [25] Ben-Akiva, M., Lerman, S. R. 1985. Discrete Choice Analysis. The MIT Press, Cambridge, MA, 412s.
25. [26] SPSS. 2016. IBM SPSS Statistics Software Tutorial, IBM Corporation.
26. [27] Field, A. 2009. Discovering Statistics Using SPSS: Third Edition. Sage Publications, Thousand Oaks, CA, 752s.
27. [28] Cox, D. R., Snell. E. J. 1989. The Analysis of Binary Data, Second Edition, Chapman and Hall, London, 240s.