Optimal Location Selection for Electric Vehicle Charging Stations in Erzincan City Center: A GIS-Based Multi-Criteria Decision Analysis

Öz

The global energy transition and sustainable transportation policies are rapidly accelerating the adoption of electric vehicles (EVs), necessitating integrated planning of charging infrastructure. Supply instability in global energy markets and rising costs have made reducing fossil fuel dependence in the transportation sector a strategic necessity.This study presents a model integrating Geographic Information Systems and Multi-Criteria Decision Analysis to identify optimal locations for EV charging stations in Erzincan city center, situated at the intersection of Turkey’s critical transportation corridors. The analysis is structured around six core criteria: energy demand scores derived from building morphology, proximity to transformer substations, primary transportation networks, existing gas stations, current charging units, and urban green spaces. Kernel Density analysis was utilized to model building-based energy demand, while Euclidean Distance was employed for accessibility parameters. Spatial datasets were synthesized using the Weighted Overlay method. The findings reveal that the highest suitability scores are concentrated around the "Dörtyol" junction and its commercial surroundings, which serve as the city's commercial and transportation hub. Furthermore, the study identifies a unique local characteristic: 93.47% of the electric vehicle fleet in Erzincan consists of motorcycles, highlighting the need for local planning strategies to incorporate electric motorcycle-oriented charging solutions.

Anahtar Kelimeler

• Erzincan
• Electric Vehicle
• Location Selection Analysis
• GIS
• Energy Planning

Teşekkür

This paper is based on the research presented at the "Anatolia's Energy: International Erzincan Energy Symposium (EES'26)". The author thanks the Organizing Board for the opportunity to contribute to this international scientific event

Erzincan Kent Merkezinde Elektrikli Araç Şarj İstasyonları İçin Optimum Yer Seçimi: Coğrafi Bilgi Sistemleri Tabanlı Çok Kriterli Karar Analizi

Öz

Küresel ölçekte yaşanan enerji dönüşümü ve sürdürülebilir ulaşım politikaları, elektrikli araçların (EA) kullanımını hızla artırmakta ve bütüncül bir şarj altyapısı planlamasını zorunlu kılmaktadır. Küresel enerji piyasalarındaki arz istikrarsızlığı ve yükselen maliyetler, ulaşım sektöründe fosil yakıt bağımlılığını azaltmayı stratejik bir gereklilik haline getirmiştir. Bu çalışma, Türkiye’nin kritik ulaşım koridorlarının kesişiminde yer alan Erzincan kent merkezinde, EA şarj istasyonları için en uygun konumların belirlenmesi amacıyla Coğrafi Bilgi Sistemleri ve Çok Kriterli Karar Verme tekniklerini entegre eden bir model sunmaktadır. Analiz süreci; bina morfolojisi tabanlı enerji talep skoru, trafo merkezleri, ana ulaşım ağları, akaryakıt istasyonları, mevcut şarj üniteleri ile park ve yeşil alanlar olmak üzere altı temel kriter üzerinden kurgulanmıştır. Bina tabanlı talep yoğunluğu için "Kernel Density", erişilebilirlik parametreleri için "Euclidean Distance" analizleri kullanılmış ve veriler "Weighted Overlay" yöntemiyle sentezlenmiştir. Analiz sonuçları, en yüksek uygunluk alanının kentin ticari ve ulaşım merkezi olan Dörtyol mevkii ve çevresinde yoğunlaştığını göstermektedir. Ayrıca, Erzincan’daki elektrikli araç parkının %93,47 gibi baskın bir oranının motosikletlerden oluşması, yerel planlama stratejilerinin elektrikli motosiklet kullanıcılarına yönelik şarj çözümlerini de içermesi gerektiğini ortaya koymuştur.

Anahtar Kelimeler

• Erzincan
• Elektrikli Araç
• Yer Seçimi Analizi
• CBS
• Enerji Planlaması.

Teşekkür

.

Kaynakça

1. [1] Karamehmet, B., & Morgül, E. (2018). Tüketicilerin Elektrikli Araç Tercihleri: Literatür Taraması ve Türkiye’de Tanıtımına Yönelik Öneriler. Karadeniz Uluslararası Bilimsel Dergi, 40, 246-260.
2. [2] Uslu, H., & Demirel, O. (2022). Elektrikli Otomobil Satın Alma İstekliliğini Etkileyen Faktörler: Konya İli Örneği. Süleyman Demirel Üniversitesi Vizyoner Dergisi, 13(35), 961-975.
3. [3] TradingView. (2024). Crude Oil Brent Futures. Retrieved April 15, 2024, from https://www.tradingview.com/symbols/UKOIL/
4. [4] Aydınoğlu, A. Ç., Çetin, T., Topal, A. U., & Şişman, S. (2025). Elektrikli araç şarj istasyonlarının optimum yerleşimine yönelik coğrafi analiz araçlarının geliştirilmesi. Akıllı Ulaşım Sistemleri ve Uygulamaları Dergisi, 8(1), 39–52.
5. [5] Mete, M. O. (2025). CBS ve makine öğrenmesi ile elektrikli araç şarj istasyonlarının yer seçimine etki eden kriterlerin belirlenmesi. Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi, 14(4), 1664–1676.
6. [6] Uygur, G. (2023). Otoyol ve devlet yollarının elektrikli araç şarj istasyonu kurulmasına uygunluklarının CBS tabanlı analizi. Yüksek lisans tezi. İstanbul Teknik Üniversitesi.
7. [7] Kat, B., Şahin, Ü., Teimourzadeh, S., Tör, O. B., Voyvoda, E., & Yeldan, A. E. (2024). A new energy-economy-environment modeling framework: Insights from decarbonization of the Turkish power sector towards net-zero emission targets. Energy, 302, 131760.
8. [8] Özmen, İ. (2024). Sustainable decarbonization in Türkiye: Pathways and policies [Preprint]. SSRN. https://ssrn.com/abstract=4883453

9. [9] Tekin, U. (2025). Karbonsuz Ulaşım İçin Bütünleşik Hareketlilik. Ulaştırma ve Altyapı, 2, 94-115. https://izlik.org/JA64GA85CD
10. [10] Kat, B. (2025). Decarbonizing the Turkish power sector: Overview, challenges, opportunities, analysis and policy recommendations (Project Paper No. 11). Integrated Policy Strategies and Regional Policy Coordination. Kesik, O.A. EJSAT 2026, EES’26, 46-61
11. [11] Türkiye İstatistik Kurumu. (2025). İbbs-Düzey1, İbbs-Düzey2, İl ve İlçe Nüfusları. Merkezi Dağıtım Sistemi (MEDAS). https://biruni.tuik.gov.tr/medas/?kn=102&locale=tr
12. [12] Türkiye İstatistik Kurumu. (2025). Motorlu kara taşıtları istatistikleri. Merkezi Dağıtım Sistemi (MEDAS). https://biruni.tuik.gov.tr/medas/?kn=102&locale=tr
13. [13] Saaty, T. L. (1990). How to make a decision: The Analytic Hierarchy Process. European Journal of Operational Research, 48(1), 9–26.