The Estimation of Vehicle Ownership via Flower Pollination Algorithm in Turkey

Abstract

In this study, vehicle ownership in Turkey is modeled using a new meta-heuristic optimization technique and projection  are executed for the future. The models that estimate the number of vehicles per 1000 people has been developed via the Flower Pollution Algorithm (FPA) which is one of the most recent and most popular optimization methods in recent years, While the models were being developed, linear and force forms were proposed using 3 independent parameters. For the input parameters of the models, the License Number (LS) between 2004 and 2016, the Domestic Product per Capita (GNP) as dollars and fuel prices (as gasoline, diesel and LPG) were used. The coefficients of the two models were optimized by FPA and models were created to obtain the number of vehicle for each fuel consumption. The sum of number of vehicle according to fuel types shows the vehicle ownership in Turkey and the performances of the models have been evaluated statistically. The statistical results have showed that the FPA approach demonstrated its usefulness in vehicle ownership by showing an efficient and successful performance. In parallel with the increase in stability and welfare in Turkey, it is estimated that the number of vehicles will continue to increase rapidly and will increase by about 30% in 2025. 

Keywords

• Vehicle Ownership,Flower Pollination Algorithm (FPA),Turkey

Türkiye'deki Araç Sahipliğinin Çiçek Tozlaşma Algoritması ile Tahmini

Abstract

Bu çalışmada yeni bir meta sezgisel optimizasyon tekniği kullanılarak Türkiye’deki araç sahipliği modellenmiş ve geleceğe yönelik tahminler yapılmıştır. Son zamanların en güncel ve en popüler optimizasyon yöntemlerinden birisi olan Çiçek Tozlaşma Algoritması (ÇTA) ile 1000 kişi başına düşen araç sayısını tahmin eden modeller geliştirilmiştir. Modeller geliştirilirken, 3 bağımsız parametre kullanılarak, doğrusal ve kuvvet formlarında modeller önerilmiştir. Modellerin girdi parametreleri için 2004 ile 2016 yılları arasındaki Ehliyet sayısı (ES), dolar bazında Kişi Başına Düşen Gayri Safhi Milli Hasıla (GSMH) ve yakıt fiyatları (benzin, dizel ve lpg olarak) kullanılmıştır. Ortaya konan iki modelin katsayıları ÇTA ile optimize edilerek belirlenmiş ve her bir yakıt tüketimi için araç sayılarını veren modeller kurulmuştur. Yakıt türlerine göre araç sayılarının toplamı, Türkiye’deki araç sahipliğini göstermekte olup, modellerin performansları istatistiksel olarak değerlendirilmiştir. İstatistiki sonuçlar ÇTA yaklaşımının etkin ve başarılı bir performans göstererek araç sahipliğinde kullanılabilirliğini ortaya koymuştur. Ayrıca Türkiye’deki istikrar ve refah düzeyinin artışına paralel olarak, araç sayısının hızla artmaya devam edeceği ve 2025 yılında yaklaşık %30 artacağı tahmin edilmiştir.

Keywords

• Araç Sahipliği,Çiçek Tozlaşma Algoritması (ÇTA),Türkiye

References

1. [1] Tanner J.C. 1958. An Analysis of Increases in Motor Vehicles in Great Britain. Research Note RN/1631, Road Research Laboratory.
2. [2] Tanner J.C. 1975. Forecasts of Vehicles and Traffic in Great Britain: 1974 Revision. Transport and Road Research Laboratory Report LR 650.
3. [3] Button K., Ngoe N. and Hine J. 1993. Modelling Vehicle Ownership and Use in Low Income Countries, Journal of Transport Economics and Policy, 51-67.
4. [4] Dargay J., Gately D., and Sommer M. 2007. Vehicle Ownership and Income Growth, Worldwide: 1960-2030, The Energy Journal, 28(4), 143-171.
5. [5] Chingcoanco F. and Miller E. J. 2014. A Meta-model of Vehicle Ownership Choice Parameters. Transportation, 2014, 41, 923-945. [6] Anowar S., Eluru N., and Miranda-Moreno L. F. 2016. Analysis of Vehicle Ownership Evolution in Montreal, Canada using Pseudo Panel Analysis. Transportation, 43, 531-548.
6. [7] Liu Y. and Cirillo C. 2016. Small Area Estimation of Vehicle Ownership and Use. Transportation Research Part D, 47, 136-148.
7. [8] Choudhary R. and Vasudevan V. 2017. Study of vehicle ownership for urban and rural households in India. Journal of Transport Geography, 58, 52-58.
8. [9] Ogut K. S. 2006. Modelling Car Ownership in Turkey using Fuzzy Regression. Transportation Planning and Technology, 29(3), 233-248.

9. [10] Çodur M. Y. and Tortum A. 2009. Modelling Car Ownership in Turkey using Neural Network. Proceedings of the Institution of Civil Engineers, issue TR2, 97-106.
10. [11] Korkmaz E., Akgungor A. P. and Dogan E. 2016. Estimation of Car Ownership in Turkey using Artificial Bee Colony Algorithm”, In:Proceedings of the Third International Conference on Traffic and Transport Engineering. Belgrad, Serbia: IJTTE, 563-569.
11. [12] Yang X.-S. 2014. Nature-inspired optimization algorithms. Elsevier.
12. [13] İnternet: Turkish Statistical Institute Road Traffic Accident Statistics, 1994-2015. http://www.tuik.gov.tr