COVID-19 Pandemisi için Şehir içi Otobüs Taşımacılığı Ağının Değerlendirilmesi

Öz

COVID-19 salgını, artan talep altında yolcu yükünü karşılamak ve aynı zamanda halk sağlığını ve güvenliğini korumak için gerçek zamanlı izleme ve optimizasyon gerektiren kentsel ulaşım ağlarını olumsuz etkiledi. Bu çalışmada, pandemi sırasında Türkiye'deki bir belediyede kentsel otobüs ulaşım ağının performansını ölçmek için yeni bir Optimizasyon modeli önerdik. Model, oturan ve ayakta yolcu azaltma faktörleri dikkate alınarak yolcu yüklerini karşılamak için gerekli olan optimum otobüs seferi sayısını belirlemek için yoğun saatlerde dört ana otobüs hattından manuel yolcu sayma verilerini kullanır. Model, Google OR-Tools ile uygulandı ve öznel tasarım kararlarından yoksun, gerçek otobüs seferi sayımları optimum sayımlarla karşılaştırıldı. Bulgular, veri toplama süresi boyunca gerçekleştirilen sefer sayısının hem yolcu yükünü karşılamak hem de halk sağlığını sağlamak için yeterli olduğunu, buna karşın seferlerin konfor seviyesinin biraz daha fazla sefer eklenerek iyileştirilebileceğini gösterdi. Modelin hem aşırı kalabalık hem de yetersiz kalabalık senaryolarında sefer sayılarını değiştirme yeteneği, karar vericilerin değişen yolcu sayıları ve acil durumlarda ağ performansını iyileştirmelerini sağlar. Bu çalışma ayrıca optimize edilmiş ağın karbon emisyonlarıyla ilişkili çevresel etkisini de değerlendirdi. Önerilen teknik, kentsel ulaşım ağlarını değerlendirmek ve geliştirmek için nesnel, veri odaklı bir çerçeve sunarak, karar vericilerin pandemiler gibi olağanüstü durumlara yanıt vermesi, yolcu güvenliği ve konforunu önceliklendirmesi için kritik içgörüler sağladı.

Anahtar Kelimeler

• Lineer Hedef Programlama
• Kentsel Ulaşım
• COVID-19 Pandemi
• Ulaşım Verimliliği
• Yöneylem Araştırması

Evaluation of an Urban Bus Transportation Network for COVID-19 Pandemic

Öz

The COVID-19 pandemic adversely affected urban transportation networks, necessitating real-time monitoring and optimization to meet passenger loads under rising demand while maintaining public health and safety. This study proposes a novel optimization model to evaluate the performance of an urban bus transportation network in a Turkish municipality during the pandemic. The model uses manual passenger counts from four primary bus lines during peak hours to determine the optimal number of bus trips required to accommodate demand, considering seated and standing passenger reduction factors. The model is implemented with Google OR-Tools and compares actual trip counts with optimal values, avoiding subjective design decisions. Findings indicate that trip numbers during the data-collection period were sufficient to meet demand and protect public health; however, comfort could be improved by adding a small number of additional trips. By adjusting trip counts in both overloaded and underloaded scenarios, the model enables decision-makers to improve network performance under varying demand and emergency conditions. The study also evaluates environmental impacts, with a focus on carbon emissions. The proposed technique offers an objective, data-driven framework for assessing and enhancing urban transportation networks, providing critical insights for responding to extraordinary circumstances—such as pandemics—while prioritizing passenger safety and comfort.

Anahtar Kelimeler

• Linear Goal Programming
• Urban Transportation
• COVID-19 Pandemic
• Transportation Efficiency
• Operations Research

Kaynakça

1. Murat YS, Kutluhan S, Uludag N. Use of Fuzzy Optimization and Linear Goal Programming Approaches in Urban Bus Lines Organization. 2014, p. 377-87. doi:10.1007/978-3-319-00930-8_33.
2. Xu Y, et al. Optimization path design for urban travel system based on CO2-congestion-satisfaction multi-objective synergy: Case study in Suzhou, China. Sustain Cities Soc 2022;81:103863. doi:10.1016/j.scs.2022.103863.
3. AlRukaibi F, AlKheder S. Optimization of bus stop stations in Kuwait. Sustain Cities Soc 2019;44:726-38. doi:10.1016/j.scs.2018.10.037.
4. Siyah B. Toplu Taşıma Sistemleri için Doğrusal Optimizasyon Yaklaşımları [Yüksek Lisans Tezi]. Trabzon: Karadeniz Teknik Üniversitesi; 2023.
5. Perron L, Furnon V. OR-Tools. Google: v9.5; 2022.
6. Luathep P, Sumalee A, Lam WHK, Li ZC, Lo HK. Global optimization method for mixed transportation network design problem: A mixed-integer linear programming approach. Transportation Research Part B: Methodological 2011;45(5):808-27. doi:10.1016/j.trb.2011.02.002.
7. Ceder A, Butcher M, Wang L. Optimization of bus stop placement for routes on uneven topography. Transportation Research Part B: Methodological 2015;74:40-61. doi:10.1016/j.trb.2015.01.006.
8. Shen ZJM, Feng B, Mao C, Ran L. Optimization models for electric vehicle service operations: A literature review. Elsevier Ltd; 2019. doi:10.1016/j.trb.2019.08.006.

9. Tong L, Zhou L, Liu J, Zhou X. Customized bus service design for jointly optimizing passenger-to-vehicle assignment and vehicle routing. Transp Res Part C Emerg Technol 2017;85:451-75. doi:10.1016/j.trc.2017.09.022.
10. Esquivel-González G, Sedeño-Noda A, León G. The problem of assigning bus drivers to trips in a Spanish public transport company. Engineering Optimization 2023;55(9):1597-615. doi:10.1080/0305215X.2022.2102165.
11. Carey M. Optimizing scheduled times, allowing for behavioural response. Transportation Research Part B: Methodological 1998;32(5):329-42. doi:10.1016/S0191-2615(97)00039-8.
12. Zak J, Jaszkiewicz A, Redmer A. Multiple criteria optimization method for the vehicle assignment problem in a bus transportation company. J Adv Transp 2009;43(2):203-43. doi:10.1002/atr.5670430207.
13. Fernandes Semedo D, Pedro Barahona D, Pedro Medeiros D, Legatheaux Martins Arguente DJA, Pinto de Abreu Vogal DSLB, Corrêa Calvente de Barahona DPM. A Public Transport Bus Assignment Problem: Parallel Metaheuristics Assessment [Master's thesis]. Engenharia Informática.
14. Sargut FZ, Altuntaş C, Tulazoğlu DC. Multi-objective integrated acyclic crew rostering and vehicle assignment problem in public bus transportation. OR Spectrum 2017;39(4):1071-96. doi:10.1007/s00291-017-0485-z.
15. Tóth A, Krész M. An efficient solution approach for real-world driver scheduling problems in urban bus transportation. Cent Eur J Oper Res 2013;21(SUPPL1):75-94. doi:10.1007/s10100-012-0274-3.
16. Acharya S, et al. Enriching OpenStreetMap network data for transportation applications: Insights into the impact of urban congestion on accessibility. J Transp Geogr 2025;123:104096. doi:10.1016/j.jtrangeo.2024.104096.
17. Gong M, Xin R, Yang J, Wang J, Li T, Zhang Y. Spatio-temporal dynamics and recovery of commuting activities via bike-sharing around COVID-19: A case study of New York. J Transp Geogr 2024;121:104031. doi:10.1016/j.jtrangeo.2024.104031.
18. Wang Y, Hua M, Chen X, Chen W. Sustainable response strategy for COVID-19: Pandemic zoning with urban multimodal transport data. J Transp Geogr 2023;110:103605. doi:10.1016/j.jtrangeo.2023.103605.
19. Mitra R, Latanville R, Hess PM, Manaugh K, Winters M. Pandemic-time bike lanes in three large Canadian urban centres- differences in use and public perception by socio-demographic groups and geographical contexts. J Transp Geogr 2023;112:103681. doi:10.1016/j.jtrangeo.2023.103681.
20. Yıldızhan F. A new perspective on public transportation systems investments after the COVID-19 pandemic effect: Bus rapid transit (BRT) for the metropolis, small - medium-scale cities. Pamukkale University Journal of Engineering Sciences 2022;28(3):363-71. doi:10.5505/pajes.2021.73604.
21. Barbieri DM, et al. Impact of COVID-19 pandemic on mobility in ten countries and associated perceived risk for all transport modes. PLoS One 2021;16(2):0245886. doi:10.1371/journal.pone.0245886.
22. Orumie UC, Ebong D. A Glorious Literature on Linear Goal Programming Algorithms. American Journal of Operations Research 2014;4(2):59-71. doi:10.4236/ajor.2014.42007.
23. Elevli B. Hedef Programlama Ders Notları. 2022.
24. TÜİK. TÜİK - Veri Portalı. Available from: https://data.tuik.gov.tr/Kategori/GetKategori?p=Nufus-ve-Demografi-109 [Accessed 28 September 2023].
25. Orro A, Novales M, Monteagudo Á, Pérez-López JB, Bugarín MR. Impact on City Bus Transit Services of the COVID–19 Lockdown and Return to the New Normal: The Case of A Coruña (Spain). Sustainability 2020;12(17):7206. doi:10.3390/SU12177206.
26. Hörcher D, Singh R, Graham DJ. Social distancing in public transport: mobilising new technologies for demand management under the Covid-19 crisis. Transportation (Amst) 2022;49(2):735-64. doi:10.1007/S11116-021-10192-6.
27. McCormick GP. Computability of Global Solutions to Factorable Nonconvex Programs: Part I-Convex Underestimating Problems. North-Holland Publishing Company; 1976.
28. Al-Khayyal FA, Falk JE. Jointly Constrained Biconvex Programming. Mathematics of Operations Research 1983;8(2):273-86. doi:10.1287/moor.8.2.273.