@article{article_1775868, title={RAYLI SİSTEM KULLANIM ORANLARININ AÇIKLANABİLİR YAPAY ZEKA İLE DEĞERLENDİRİLMESİ: KENTSEL HAREKETLİLİK PERSPEKTİFİ}, journal={Yaşar Üniversitesi E-Dergisi}, volume={21}, pages={316–333}, year={2026}, DOI={10.19168/jyasar.1775868}, url={https://izlik.org/JA84LY54UG}, author={Sözen, Mert Erkan}, keywords={Raylı Sistemler, Makine Öğrenmesi, Açıklanabilir Yapay Zeka (XAI), Yolcu Talebi Tahmini, SHAP (SHapley Additive exPlanations).}, abstract={<p>Raylı sistemlerin kullanım tahminleri, özellikle nüfus yoğunluğu yüksek kentsel alanlarda sürdürülebilir ulaşım planlaması için büyük önem taşımaktadır. Bu tahminler, makine öğrenimi (ML) modelleriyle gerçekleştirilebilmekte ancak bu modellerin "kara kutu" yapısı, açıklanabilirlik sorununu beraberinde getirmektedir. Bu sorunu aşmak için, Açıklanabilir Yapay Zekâ (XAI) tekniklerinden biri olan SHAP (SHapley Additive exPlanations) yöntemi, model çıktılarının şeffaf ve yorumlanabilir olmasını sağlamaktadır. Bu çalışmada, raylı sistem kullanım oranlarını tahmin etmek amacıyla ağaç tabanlı bir topluluk algoritması geliştirilmiş ve modelin çıktıları SHAP ile analiz edilmiştir. Analizde, haftanın günü, özel günler ve yolcu biniş türlerinin günlük dağılımı gibi değişkenler kullanılmıştır. İzmir şehrine ait açık veri seti üzerinde test edilen model, yüksek doğruluk oranları elde etmiştir. SHAP analizi, veri seti içindeki "DİĞER_O" ve "TAM_O" inputlarının modelin tahminlerinde en belirleyici faktörler olduğunu ortaya koyarken, özelliklerin çıktı değişkeni olan “TOPLAM” ile arasındaki etkileşimler de dikkat çekmiştir. Bu sonuçlar, toplu taşıma sistemlerinde "Diğer" kullanıcı gruplarının davranışsal dinamiklerinin daha kapsamlı bir şekilde analiz edilmesi gerektiğini vurgulamaktadır. Bu bulgular, kentsel hareketlilik perspektifine bağlı ulaşım politikalarının geliştirilmesine önemli katkılar sunmaktadır. </p>}, number={Special Issue on 24th International Business Congress}