User behavior in urban public transport systems: A reliability-based parametric analysis

Abstract

Context—Urban transport policies should be organized with a holistic perspective that covers various benefits, such as preventing traffic congestion, reducing environmental pollution, and ensuring social equity. For this reason, public transport systems, which play key roles in achieving these benefits and ensuring the continuity of transport services, lie at the heart of urban transport planning. In this context, local and central governments are increasingly investing in the physical and operational features of public transport systems. At the same time, research shows that individual daily travel habits have an impact on problems caused by transport mobility. However, the empirical characteristics and dynamics of travel habits are still not fully understood. In this regard, quantifying the effects of users' travel habits across the system to maximize the benefits obtained is critical for designing public transport systems that are better adapted to the daily mobility needs of cities.

Objective—This study demonstrates the impacts of public transport users' perception errors regarding travel time reliability on the performance outputs of the system. The results aim to provide planners and decision-makers responsible for the planning and operation of urban public transport systems with insight into the potential outcomes of reliability changes that may arise from their network interventions.

Method—Within the proposed framework, an approach is developed for a reliability-based solution to the public transport assignment problem—which represents the distribution of travel demand across lines in the network—using headways determined by vehicle occupancy. In this approach, users' time-based travel costs are treated as the sum of access time to stops, time spent waiting at stops, and in-vehicle time. By also accounting for delays caused by passenger boarding and alighting, high accuracy is achieved in reliability calculations. The developed model can be calibrated to consider different perception rates of reliability during the assignment process, allowing for the investigation of shifts in users' connection choice behavior under varying levels of perception.

Results—Testing the proposed model on a test network tailored to the problem's structure under different reliability perception levels has demonstrated that reliability directly impacts users' connection choices and can lead to significant shifts in operating costs. It was observed that as the reliability perception rate increases across the system, transfer trips decrease, and users tend to avoid unreliable connections by accepting longer initial waiting times at stops. Finally, it was determined that the required fleet size for the projected operating conditions and the total service-kilometers performed on the lines decrease as the level of perception regarding reliability increases.

Conclusion—The results obtained within the scope of this study show that the proposed public transport assignment approach can play an effective role in the design processes of urban bus networks. It has been demonstrated that reliability directly impacts users' connection choices and is a parameter that must be considered in studies addressing the performance of public transport systems. In future studies, it is evaluated that investigating the effects of reliability on network design and headway optimization processes will contribute to literature.

Keywords

• Public transport
• Reliability
• Transit assignment
• Headway optimization
• Bus transportation

Supporting Institution

The authors did not receive support from any organization for the submitted work.

Ethical Statement

This article does not contain any studies with human participants or animals performed by any of the authors.

Kentiçi toplu taşıma sistemlerinde kullanıcı davranışları: Güvenilirlik esaslı parametrik analiz

Abstract

Arka Plan—Kentsel ulaşım politikaları; trafik sıkışıklığının önlenmesi, çevre kirliliğinin azaltılması ve sosyal eşitliğin sağlanması gibi pek çok faydayı kapsayacak bütüncül bir bakış açısı ile organize edilmelidir. Bu nedenle söz konusu faydaların elde edilmesi ve ulaşım hizmetlerinin sürekliliğinin sağlanmasında kilit roller üstlenen toplu taşıma sistemleri, kentsel ulaşım planlamasının merkezinde yer almaktadır. Bu kapsamda yerel ve merkezi yönetimler, toplu taşıma sistemlerinin fiziksel ve işletimsel özelliklerine giderek artan oranlarda yatırımlar yapmaktadır. Aynı zamanda yapılan araştırmalar, bireysel günlük yolculuk alışkanlıklarının ulaşım hareketliliği kaynaklı problemler üzerinde etki sahibi olduğunu ortaya koymaktadır. Ancak yolculuk alışkanlıklarının ampirik özellikleri ve dinamikleri hâlâ tam olarak anlaşılabilmiş değildir. Bu bağlamda, elde edilen faydaların maksimize edilmesi için kullanıcıların seyahat alışkanlıklarının sistem genelinde oluşturduğu etkilerin nicelleştirilmesi, kentlerin günlük hareketlilik ihtiyacına daha iyi uyarlanmış toplu taşıma sistemlerinin tasarımı için kritik öneme sahiptir.

Amaç—Bu çalışmada; toplu taşıma kullanıcılarının seyahat süresi güvenilirliğine ilişkin algılama hatalarının, toplu taşıma sistemine ait performans çıktıları üzerindeki etkileri ortaya konmaktadır. Elde edilen sonuçlar ile kentsel toplu taşıma sistemlerinin planlanması ve işletilmesinden sorumlu olan planlamacı ve karar vericilerin; ağa yapacakları müdahaleler sonucu ortaya çıkabilecek güvenilirlik değişimlerinin olası sonuçları hakkında fikir sahibi olmaları amaçlanmaktadır.

Yöntem—Önerilen çerçevede; ağdaki seyahat talebinin toplu taşıma hatları arasındaki dağılımını temsil eden toplu taşıma ataması probleminin, hatlardaki doluluklara göre belirlenen sefer aralıkları yardımıyla güvenilirlik esaslı çözümüne yönelik bir yaklaşım geliştirilmektedir. Bu yaklaşımda kullanıcıların zaman bazlı seyahat maliyetleri; duraklara erişim süresi, duraklarda kaybedilen zaman ve araç içerisinde geçirilen sürenin toplamı olarak ele alınmakta; yolcu iniş-binişlerinden kaynaklı gecikmelerin de dikkate alınmasıyla güvenilirlik hesaplarında yüksek doğruluk sağlanmaktadır. Geliştirilen model, atama sürecinde güvenilirliğin kullanıcılar tarafından farklı algılanma oranlarını dikkate alacak şekilde ayarlanabilmekte ve değişen algı düzeyleri altında kullanıcıların bağlantı seçimi davranışlarındaki değişimlerin incelenmesine olanak tanımaktadır.

Bulgular—Önerilen modelin; problemin yapısına uygun olarak geliştirilen bir test ağı üzerinde, farklı güvenilirlik algılama seviyeleri altında sınanması neticesinde; güvenilirliğin, kullanıcıların bağlantı tercihlerine doğrudan etki ettiği ve işletme maliyetlerinde önemli değişimlere yol açabileceği ortaya konmuştur. Sistem genelinde güvenilirlik algılama oranındaki artışa bağlı olarak aktarmalı seyahatlerin azaldığı ve kullanıcıların, daha uzun ilk durak bekleme sürelerini göze alarak güvenilirliği düşük bağlantılardan kaçınma eğilimi gösterdikleri gözlemlenmiştir. Öngörülen işletme koşulları için gerekli filo büyüklüğünün ve hatlarda gerçekleşen toplam servis-km değerinin, güvenilirliğe ilişkin algı seviyesinin artışına bağlı olarak düşüş gösterdiği belirlenmiştir.

Sonuç—Çalışma kapsamında elde edilen sonuçlar; önerilen toplu taşıma ataması yaklaşımının, kent içi otobüs ağlarının tasarım süreçlerinde etkin bir rol oynayabileceğini göstermiştir. Güvenilirliğin; kullanıcıların bağlantı tercihlerine doğrudan etki ettiği ve toplu taşıma sistemlerinin performansını ele alan çalışmalarda dikkate alınması gereken bir parametre olduğu ortaya konmuştur. Gelecek çalışmalarda güvenilirliğin; ağ tasarımı ve sefer aralığı optimizasyonu süreçlerine olan etkilerinin araştırılmasının, literatüre katkı sağlayacağı değerlendirilmektedir.

Keywords

• Toplu taşıma
• Güvenilirlik
• Toplu taşıma ataması
• Sefer aralığı optimizasyonu
• Otobüs taşımacılığı

Supporting Institution

Yazarlar, sunulan bu çalışma için herhangi bir kuruluştan destek almamıştır.

Ethical Statement

Bu makale, yazarlardan herhangi biri tarafından insan katılımcılar veya hayvanlar üzerinde gerçekleştirilmiş herhangi bir çalışma içermemektedir.

References

1. [1] J. -P. Rodrigue, The Geography of Transport Systems, 5th edition, London, England, Routledge, 2020. https://doi.org/10.4324/9780429346323.
2. [2] S. J. Redding, M. A. Turner, “Chapter 20 - Transportation costs and the spatial organization of economic activity”, Handbook of Regional and Urban Economics, 5, 1339–1398, 2015. https://doi.org/10.1016/B978-0-444-59531-7.00020-X.
3. [3] R. Tolley, B. J. Turton, Transport Systems, Policy and Planning: A Geographical Approach, 1st edition, London, England, Routledge, 1995. https://doi.org/10.4324/9781315846828.
4. [4] G. R. Timilsina, H. B. Dulal, “Urban road transportation externalities: Costs and choice of policy instruments”, World Bank Research Observer, 26(1), 162–191, 2011. https://doi.org/10.1093/wbro/lkq005.
5. [5] International Energy Agency (IEA), "Transport, Energy and CO2: moving toward sustainability", Paris, France, OECD Publishing, 2009. https://doi.org/10.1787/9789264073173-en.
6. [6] United Nations Department of Economic and Social Affairs, Population Division, “International Migration Report 2015: Highlights”, New York, USA, (ST/ESA/SER.A/384), 2016, https://digitallibrary.un.org/record/3921645/files/MigrationReport2015_Highlights.pdf, (24.05.2026).
7. [7] T. Ercan, N. C. Onat, O. Tatari, J. D. Mathias, “Public transportation adoption requires a paradigm shift in urban development structure”, Journal of Cleaner Production, 142, 1789–1799, 2017. https://doi.org/10.1016/j.jclepro.2016.11.109.
8. [8] P. L. Schiller, J. Kenworthy, An Introduction to Sustainable Transportation: Policy, Planning and Implementation, 2nd edition, London, England, Routledge, 2017. https://doi.org/10.4324/9781315644486.

9. [9] Transportation Research Board, Making Transit Work: Insight from Western Europe, Canada, and the United States - Special Report 257, Washington, DC, USA, The National Academies Press, 2001. https://doi.org/10.17226/10110.
10. [10] T. Gärling, K. W. Axhausen, “Introduction: Habitual travel choice”, Transportation, 30(1), 1–11, 2003. https://doi.org/10.1023/A:1021230223001.
11. [11] P. Gordon, A. Kumar, H. W. Richardson, “Gender differences in metropolitan travel behaviour”, Regional Studies, 23(6), 499–510, 1989. https://doi.org/10.1080/00343408912331345672.
12. [12] A. M. Chudyk, M. Winters, M. Moniruzzaman, M. C. Ashe, J. S. Gould, H. McKay, “Destinations matter: The association between where older adults live and their travel behavior”, Journal of Transport & Health, 2(1), 50–57, 2015. https://doi.org/10.1016/j.jth.2014.09.008.
13. [13] S. Rasouli, H. Timmermans, P. van der Waerden, “Employment status transitions and shifts in daily activity-travel behavior with special focus on shopping duration”, Transportation, 42(6), 919–931, 2015. https://doi.org/10.1007/s11116-015-9655-5.
14. [14] F. M. Dieleman, M. Dijst, G. Burghouwt, “Urban form and travel behaviour: Micro-level household attributes and residential context”, Urban Studies, 39(3), 507–527, 2002. https://doi.org/10.1080/00420980220112801.
15. [15] Z. Kotval-K, I. Vojnovic, “The socio-economics of travel behavior and environmental burdens: A Detroit, Michigan regional context”, Transportation Research Part D: Transport and Environment, 41, 477–491, 2015. https://doi.org/10.1016/j.trd.2015.10.017.
16. [16] J. Göransson, H. Andersson, “Factors that make public transport systems attractive: A review of travel preferences and travel mode choices”, European Transport Research Review, 15(1), 32, 2023. https://doi.org/10.1186/s12544-023-00609-x.
17. [17] M. Thondoo, O. Marquet, S. Márquez, M. J. Nieuwenhuijsen, “Small cities, big needs: Urban transport planning in cities of developing countries”, Journal of Transport & Health, 19, 100944, 2020. https://doi.org/10.1016/j.jth.2020.100944.
18. [18] P. R. White, “Inadequacies of Urban public transport systems”, Transport Planning for Third World Cities (Routledge Revivals), 1st edition, H. T. Dimitriou, Eds., London, Routledge, 1990, Ch. 3. https://doi.org/10.4324/9780203768921.
19. [19] R. Arroyo, T. Ruiz, L. Mars, S. Rasouli, H. Timmermans, “Influence of values, attitudes towards transport modes and companions on travel behavior”, Transportation Research Part F-Traffic Psychology and Behaviour, 71, 8–22, 2020. https://doi.org/10.1016/j.trf.2020.04.002.
20. [20] R. Devika, M. Harikrishna, M. V. L. R. Anjaneyulu, “Influence of psychological factors in mode choice decision making: A structural equation modeling approach”, Transportation Research Procedia, 48, 2821–2830, 2020. https://doi.org/10.1016/j.trpro.2020.08.236.
21. [21] M. A. Turnquist, L. A. Bowman, “The effects of network structure on reliability of transit service”, Transportation Research Part B-Methodological, 14(1-2), 79–86, 1980. https://doi.org/10.1016/0191-2615(80)90034-X.
22. [22] S. B. Jha, J. K. Jha, M. K. Tiwari, “A multi-objective meta-heuristic approach for transit network design and frequency setting problem in a bus transit system”, Computers & Industrial Engineering, 130, 166-186, 2019. https://doi.org/10.1016/j.cie.2019.02.025.
23. [23] T. Vlachopanagiotis, K. Grizos, G. Georgiadis, I. Politis, “Public transportation network design and frequency setting: Pareto optimality through alternating-objective genetic algorithms”, Future Transportation, 1(2), 248-267, 2021. https://doi.org/10.3390/futuretransp1020015.
24. [24] S. Yoo, J. B. Lee, H. Han, “A reinforcement learning approach for bus network design and frequency setting optimization”, Public Transport, 15(2), 503-534, 2023. https://doi.org/10.1007/s12469-022-00319-y.
25. [25] X. M. Chen, L. Yu, Y. S. Zhang, J. F. Guo, “Analyzing urban bus service reliability at the stop, route, and network levels”, Transportation Research Part A-Policy and Practice, 43(8), 722–734, 2009. https://doi.org/10.1016/j.tra.2009.07.006.
26. [26] B. Z. Yao, P. Hu, X. H. Lu, J. J. Gao, M. H. Zhang, “Transit network design based on travel time reliability”, Transportation Research Part C-Emerging Technologies, 43, 233–248, 2014. https://doi.org/10.1016/j.trc.2013.12.005.
27. [27] A. Ceder, Public Transit Planning and Operation: Modeling, Practice and Behavior, 2nd edition, Boca Raton, USA, CRC Press, 2016. https://doi.org/10.1201/b18689.
28. [28] X. Fu, W. H. K. Lam, B. Y. Chen, “A reliability-based traffic assignment model for multi-modal transport network under demand uncertainty”, Journal of Advanced Transportation, 48(1), 66–85, 2014. https://doi.org/10.1002/atr.202.
29. [29] R. Liu, S. Sinha, "Modelling urban bus service and passenger reliability”, The Third International Symposium on Transportation Network Reliability, The Hague, Netherlands, 19-20 July 2007, https://eprints.whiterose.ac.uk/id/eprint/3686 (24.05.2026).
30. [30] Y. Jiang, “Reliability-based equitable transit frequency design”, Transportmetrica A-Transport Science, 18(3), 879-909, 2022. https://doi.org/10.1080/23249935.2021.1902420.
31. [31] W. Y. Szeto, M. Solayappan, Y. Jiang, “Reliability-based transit assignment for congested stochastic transit networks,” Computer-Aided Civil and Infrastructure Engineering, 26(4), 311–326, 2011. https://doi.org/10.1111/j.1467-8667.2010.00680.x.
32. [32] T. Ozcan, H. Ceylan, “Bağlayıcı Sayısındaki Değişimlerin Kentiçi Toplu Taşıma Ağlarının Tasarım Süreci Üzerindeki Etkileri,” 14. Ulaştırma Kongresi, İstanbul, Türkiye, 18-20 Ekim 2023, 282-296, https://14ulastirma.org/uploads/history/14-ulastirma-kongresi-bildiriler-kitabi-20240319140522.pdf, (25.05.2026).
33. [33] M. Özuysal, S. P. Çalışkanelli, S. Tanyel, “Otobüs duraklarındaki yolcu iniş-biniş zamanları üzerine bir tartışma,” Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 22(6), 460–467, 2016. https://doi.org/10.5505/pajes.2016.17894.
34. [34] M. Burke, A. L. Brown, “Distances people walk for transport,” Road & Transport Research, 16(3), 16–29, 2007.