An Analysis of the Energy Transition in the Transportation Sector in Türkiye Using Machine Learning Techniques

Abstract

The global shift toward clean energy is reshaping supply chains and material demands, with road transportation—one of the largest carbon-emitting sectors—playing a central role. Electric vehicles (EVs) offer a promising pathway for decarbonization with minimal consumer disruption. In Türkiye, the transition to cleaner road transportation aligns with national energy strategies, the Paris Agreement, and the EU Green Deal. Although fossil fuel-based mobility still dominates, rising EV adoption reflects technological progress, regulatory incentives, and evolving market dynamics. The study applies the Multi-Level Perspective (MLP) and machine learning (ML) techniques to examine Türkiye’s energy transition in road transportation. Results show that entrenched fossil fuel infrastructures, taxation structures, and supply chain dependencies hinder EV diffusion, while niche innovations—such as domestic EV production (e.g., TOGG) and expanding charging networks—are gradually transforming the sector. ML models, including Perceptron and Decision Tree algorithms, identify key drivers of EV adoption: charging station availability, fuel prices, and macroeconomic conditions. GDP per capita and increases in diesel, gasoline, and LPG prices positively affect EV sales, whereas inflation, interest rates, and exchange rates have negative impacts. The study concludes that accelerating the transition requires coordinated governance, tax incentives, infrastructure investment, and decarbonization of electricity generation.

Keywords

• Energy Transition
• Multi-Level Perspective
• Electric Vehicles
• Road Transportation
• Türkiye
• Machine Learning

Makine Öğrenmesi Tekniklerini Kullanarak Türkiye’de Ulaşım Sektöründeki Enerji Dönüşümünün Analizi

Abstract

Küresel ölçekte temiz enerjiye geçiş, tedarik zincirlerini ve malzeme gereksinimlerini yeniden şekillendirirken, en yüksek karbon emisyonuna sahip alanlardan biri olan karayolu taşımacılığı bu dönüşümün merkezinde yer almaktadır. Elektrikli araçlar (EV’ler), tüketici davranışını büyük ölçüde değiştirmeden karbon azaltımı için önemli bir fırsat sunmaktadır. Türkiye’de karayolu taşımacılığının temiz enerjiye yönelmesi, ulusal enerji politikalarıyla, Paris Anlaşması ve AB Yeşil Mutabakatı hedefleriyle uyumludur. Fosil yakıta dayalı ulaşım hâlen baskın olsa da, artan EV benimsemesi teknolojik gelişmeler, düzenleyici teşvikler ve piyasa dinamikleri tarafından şekillenmektedir. Bu makale, Türkiye’nin karayolu taşımacılığındaki enerji dönüşümünü incelemek için Çok Düzeyli Perspektif (MLP) ve makine öğrenmesi (ML) tekniklerini kullanmaktadır. Bulgular, fosil yakıt altyapılarının, vergi yapılarının ve tedarik zinciri bağımlılıklarının EV yayılımını sınırladığını; TOGG gibi yerli üretim girişimleri ve şarj altyapısının genişlemesi gibi yeniliklerin sektörü dönüştürmeye başladığını göstermektedir. Perceptron ve Karar Ağacı modelleri, EV satışlarını etkileyen temel faktörlerin şarj istasyonu erişimi, akaryakıt fiyatları ve makroekonomik koşullar olduğunu ortaya koymaktadır. Kişi başı gelir ile dizel, benzin ve LPG fiyatlarındaki artış EV satışlarını olumlu etkilerken; enflasyon, faiz oranı ve döviz kuru olumsuz etkilemektedir. Çalışma, enerji dönüşümünün hızlanması için eşgüdümlü yönetişim, vergi teşvikleri, altyapı yatırımları ve elektrik üretiminin karbon azaltımının kritik olduğunu savunmaktadır.

Keywords

• Enerji Dönüşümü
• Çok Düzeyli Perspektif (Multi-Level Perspective)
• Elektrikli Araçlar
• Karayolu Ulaşımı
• Türkiye
• Makine Öğrenmesi

References

1. ........................