Yaya yolculuk taleplerinin mahalle karakteristiklerine dayalı tahmini

Çağdaş Kara

doi:10.17714/gumusfenbil.1099142

EN TR

Estimating pedestrian travel demands based on neighborhood characteristics

Öz

The importance given to transportation investments all over the world is increasing day by day. Therefore, effective planning plays an important role in both new transportation investments and improvement of the existing transportation system. In transportation planning, one of the main goals for sustainable urbanization and sustainable mobility is to provide a transportation system that gives priority to pedestrian and public transportation. In this context, in many developed and developing countries, especially pedestrian safety is prioritized and practices and studies are developed. Accordingly, the use of environment- and pedestrian-friendly transportation systems is being expanded. Pedestrian characteristics and behaviors should be examined first in order to develop practices and policies that encourage pedestrian travel. In this study, socio-economic and demographic characteristics that affect other-purpose (socializing, entertainment, shopping, banking, sports, etc.) pedestrian travel behaviors are investigated. In this context, characteristics of 50 neighborhoods and approximately 21000 household surveys were used. With the help of Multiple Linear Regression (MLR), Ridge Regression (RR) and Liu Regression methods, models explaining the changes in the frequency of pedestrian travel for other purposes were produced. Three methods were evaluated in terms of Mean Squares of Error (HKO), Akaike Infırmation Criteria (AIC) and Bayesian Information Criteria (BIC). All three criterias showed that the RR produced more successful model. According to HKO, the RR and Liu models were found to be approximately 35% and 27% more successful than the MLR model, respectively.

Anahtar Kelimeler

Demand forecast, Transportation planning, Pedestrian trips, Regularization techniques

Yaya yolculuk taleplerinin mahalle karakteristiklerine dayalı tahmini

Öz

Tüm dünyada ulaştırma yatırımlarına verilen önem her geçen gün artmaktadır. Bu nedenle, etkin planlama gerek yeni ulaşım yatırımlarında gerekse mevcut ulaşım sisteminin iyileştirilmesinde önemli bir rol oynamaktadır. Ulaşım planlamasında, sürdürülebilir kentleşme ve sürdürülebilir hareketliliğin sağlanması için temel hedeflerden biri; yaya ve toplu taşıma öncelikli bir ulaşım sisteminin sağlanması olarak gösterilmektedir. Bu kapsamda birçok gelişmiş ve gelişmekte olan ülkede, özellikle yaya güvenliği ön planda tutulup, bunlarla ilgili uygulama ve çalışmalar geliştirilerek, çevre ve yaya dostu ulaşım sistemlerinin kullanımı yaygınlaştırılmaktadır. Yaya olarak seyahate teşvik edici uygulamalar ve politikalar geliştirilebilmek için öncelikle yaya karakteristikleri ve davranışları incelenmelidir. Bu çalışmada, diğer (sosyalleşme, eğlence, alışveriş, banka, spor, vb.) amaçlı yaya yolculuk davranışlarını etkileyen sosyo-ekonomik ve demografik karakteristikler araştırılmaktadır. Bu kapsamda 50 mahalleye ait karakteristikler ve toplamda yaklaşık 21000 hane halkı anketi kullanılmıştır. Çoklu Doğrusal Regresyon (ÇDR), Ridge Regresyonu (RR) ve Liu Regresyonu yöntemleriyle diğer amaçlı yaya yolculuk sıklığındaki değişimleri öngören modeller üretilmiştir. Üç yöntem, Hata Kareler Ortalaması (HKO), Akaike Bilgi Kriteri (ABK) ve Bayes Bilgi Kriteri (BBK) açısından değerlendirilmiştir. Her üç başarı ölçütü de RR’nin daha başarılı model ürettiğini göstermiştir. HKO’ya göre, RR ve Liu modellerinin ÇDR modeline kıyasla, sırasıyla yaklaşık %35 ve %27 daha başarılı olduğu tespit edilmiştir.

Anahtar Kelimeler

Talep tahmini, Ulaşım planlaması, Yaya yolculukları, Yanlı tahmin teknikleri

Kaynakça

Adegoke, A. S., Adewuyi, E., Ayinde, K., & Lukman, A. F. (2016). A comparative study of some robust ridge and liu estimators. Science World Journal, 11(4), 16-20.
Akçay, A., & Sarıözkan, S. (2015). Yumurta tavukçuluğunda gelirin Ridge Regresyon analizi ile tahmini. Ankara Üniversitesi Veteriner Fakültesi Dergisi, 62(1), 69-74.
Albayrak, A. S. (2005). Çoklu Doğrusal Bağlantı Halinde Enküçük Kareler Tekniğinin Alternatifi Yanlı Tahmin Teknikleri ve Bir Uygulama. Uluslararası Yönetim İktisat ve İşletme Dergisi, 1(1), 105-126. https://doi.org/Retrieved from https://dergipark.org.tr/tr/pub/ijmeb/issue/54840/750869
Alpar, R. (1997). Uygulamalı çok değişkenli istatistiksel yöntemlere giriş-I. Bağırgan Yayımevi.
Alpu, Ö., & Şamkar, H. (2010). Liu Estimator based on an M Estimator. Turkiye Klinikleri Journal of Biostatistics, 2(2), 49-53.
Alpu, Ö., Şamkar, H., & Altan, E. (2010). Sağlam Ridge Regresyon Analizi ve Bir Uygulama. Dokuz Eylül Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 25(2).
Baran, P. K., Rodríguez, D. A., & Khattak, A. (2008). Space syntax and walking in a new urbanist and suburban neighbourhoods. Journal of Urban Design, 13(1), 5-28. https://doi.org/https://doi.org/10.1080/13574800701803498
Chang, J. S., Jung, D., Kim, J., & Kang, T. (2014). Comparative analysis of trip generation models: results using home-based work trips in the Seoul metropolitan area. Transportation Letters, 6(2), 78-88.
Clifton, K. J. (2004). Built Environment And Trip Generation for Non-Motorized Travel.
Craig, C. L., Brownson, R. C., Cragg, S. E., & Dunn, A. L. (2002). Exploring the effect of the environment on physical activity: a study examining walking to work. American journal of preventive medicine, 23(2), 36-43. https://doi.org/10.1016/s0749-3797(02)00472-5

de Almeida Guimarães, V., & Leal Junior, I. C. (2017). Performance assessment and evaluation method for passenger transportation: a step toward sustainability. Journal of Cleaner Production, 142, Part 1, 297-307. https://doi.org/http://dx.doi.org/10.1016/j.jclepro.2016.05.071
de Dios OrtÃozar, J., & Willumsen, L. G. (2011). Modelling transport. John Wiley & Sons.
Deb, S., Strawderman, L., DuBien, J., Smith, B., Carruth, D. W., & Garrison, T. M. (2017). Evaluating pedestrian behavior at crosswalks: Validation of a pedestrian behavior questionnaire for the US population. Accident Analysis & Prevention, 106, 191-201. https://doi.org/https://doi.org/10.1016/j.aap.2017.05.020
Delice, Y., Ozen, H., & Amirnazmiafshar, E. (2019). Suburban Passenger’s Mode Choice Behavior Based on Trip Purpose. International Journal of Management and Applied Science, 5(8).
Demirci, M. A. (2014). Ridge Regresyonda Sapma Parametresi k'nın Elde Edilmesinde Genetik Algoritma Yaklaşımı [Yüksek Lisans Tezi, 19 Mayıs Üniversitesi].
Frank, L. D. (1995). An analysis of relationships between urban form (density, mix, and jobs: housing balance) and travel behavior (mode choice, trip generation, trip length, and travel time).
Golob, T. F. (2000). A simultaneous model of household activity participation and trip chain generation. Transportation Research Part B: Methodological, 34(5), 355-376.
Greenwald, M. J. (2003). The road less traveled: New urbanist inducements to travel mode substitution for nonwork trips. Journal of Planning Education Research 23(1), 39-57. https://doi.org/10.1177/0739456X03256248
Gujarati, D. (2004). Basic Econometrics. United States Military Academy, West Point. In: Tata McGraw-Hill.
Hagberg, J., & Holmberg, U. (2017). Travel modes in grocery shopping. International Journal of Retail Distribution Management. https://doi.org/https://doi.org/10.1108/IJRDM-08-2016-0134
Herrero-Fernández, D., Parada-Fernández, P., Oliva-Macías, M., & Jorge, R. (2020). The influence of emotional state on risk perception in pedestrians: A psychophysiological approach. Safety Science, 130, 104857. https://doi.org/https://doi.org/10.1016/j.ssci.2020.104857
Hoerl, A. E., & Kennard, R. W. (1970). Ridge regression: applications to nonorthogonal problems. Technometrics, 12(1), 69-82.
Imdadullah, M., Aslam, M., & Altaf, S. (2017). liureg: A Comprehensive R Package for the Liu Estimation of Linear Regression Model with Collinear Regressors. R J., 9(2), 232. https://doi.org/https://doi.org/10.32614/RJ-2017-048
Jain, A., Casas, S., Liao, R., Xiong, Y., Feng, S., Segal, S., & Urtasun, R. (2020). Discrete residual flow for probabilistic pedestrian behavior prediction. 3rd Conference on Robot Learning, Osaka, Japan.
Kaçıranlar, S., & Sakallıoğlu, S. (2000). Liu Ve Temel Bileşenler Regresyon Tahmin Edicilerinin Birleştirilmesi. İstatistik Araştırma Sempozyumu, 27-29.
Kara, Ç., & Bilgiç, Ş. (2021a). Estimation of hospital trip characteristics in terms of transportation planning. Journal of Transport & Health, 20, 100987. https://doi.org/https://doi.org/10.1016/j.jth.2020.100987
Kara, Ç., & Bilgiç, Ş. (2021b). Hospital Trip Production and Attraction Modeling for Future Predictions. Journal of Urban Planning and Development, 147(4), 05021049. https://doi.org/https://doi.org/10.1061/(ASCE)UP.1943-5444.0000754
Kejian, L. (1993). A new class of blased estimate in linear regression. Communications in Statistics-Theory and Methods, 22(2), 393-402. https://doi.org/https://doi.org/10.1080/03610929308831027
Khisty, C. J., & Arslan, T. (2005). Possibilities of steering the transportation planning process in the face of bounded rationality and unbounded uncertainty. Transportation Research Part C: Emerging Technologies, 13(2), 77-92. https://doi.org/http://dx.doi.org/10.1016/j.trc.2005.04.003
Kibria, B., & Banik, S. (2020). Some ridge regression estimators and their performances. Journal of Modern Applied Statistical Methods, 15(1). https://doi.org/10.22237/jmasm/1462075860
Kim, N. S., & Susilo, Y. O. (2013). Comparison of pedestrian trip generation models. Journal of Advanced Transportation, 47(4), 399-412. https://doi.org/https://doi.org/10.1002/atr.166
Kroeger, L., Heinitz, F., & Winkler, C. (2018). Operationalizing a spatial differentiation of trip generation rates using proxy indicators of accessibility. Travel Behaviour and Society, 11, 156-173.
Küçük, A. (2019). Doğrusal regresyonda Ridge, Liu ve LASSO tahmin edicileri üzerine bir çalışma [Yüksek Lisans Tezi, Hacettepe Üniversitesi].
Liu, X.-Q. (2011). Improved Liu estimator in a linear regression model. Journal of Statistical Planning and Inference, 141(1), 189-196. https://doi.org/doi.org/10.1016/j.jspi.2010.05.030
Muniz, G., Kibria, B., & Shukur, G. (2012). On developing ridge regression parameters: a graphical investigation. Department of Mathematics and Statistics. 10.
Muniz, G., & Kibria, B. G. (2009). On some ridge regression estimators: An empirical comparisons. Communications in Statistics—Simulation and Computation®, 38(3), 621-630. https://doi.org/https://doi.org/10.1080/03610910802592838
Olvera, L. D., Plat, D., & Pochet, P. (2003). Transportation conditions and access to services in a context of urban sprawl and deregulation. The case of Dar es Salaam. Transport Policy, 10(4), 287-298. https://doi.org/https://doi.org/10.1016/S0967-070X(03)00056-8
Olvera, L. D., Plat, D., & Pochet, P. (2008). Household transport expenditure in Sub-Saharan African cities: measurement and analysis. Journal of Transport Geography, 16(1), 1-13. https://doi.org/https://doi.org/10.1016/j.jtrangeo.2007.04.001
Öğüt, K. S., Tezcan, H. O., Sarısoy, G., Terzi, F., Gerçek, H., & Gedizlioğlu, E. (2017). Eskişehir Ulaşım Ana Plani Sonuç Raporu.
Özlem, A., ŞAMKAR, H., & ALTAN, E. (2010). Sağlam ridge regresyon analizi ve bir uygulama. Dokuz Eylül Üniversitesi İktisadi İdari Bilimler Fakültesi Dergisi, 25(2), 137-148.
Pabayo, R., Gauvin, L., & Barnett, T. A. (2011). Longitudinal changes in active transportation to school in Canadian youth aged 6 through 16 years. Pediatrics, 128(2), e404-e413. https://doi.org/10.1542/peds.2010-1612
Papagiannakis, A., Baraklianos, I., & Spyridonidou, A. (2018). Urban travel behaviour and household income in times of economic crisis: Challenges and perspectives for sustainable mobility. Transport Policy, 65, 51-60. https://doi.org/https://doi.org/10.1016/j.tranpol.2016.12.006
Portet, S. (2020). A primer on model selection using the Akaike Information Criterion. Infectious Disease Modelling, 5, 111-128. https://doi.org/https://doi.org/10.1016/j.idm.2019.12.010
Primerano, F., Taylor, M. A., Pitaksringkarn, L., & Tisato, P. (2008). Defining and understanding trip chaining behaviour. Transportation, 35(1), 55-72. https://doi.org/https://doi.org/10.1007/s11116-007-9134-8
Pulugurtha, S. S., & Repaka, S. R. (2008). Assessment of models to measure pedestrian activity at signalized intersections. Transportation Research Record, 2073(1), 39-48. https://doi.org/https://doi.org/10.3141/2073-05
Rasouli, A., Kotseruba, I., & Tsotsos, J. K. (2017). Understanding pedestrian behavior in complex traffic scenes. IEEE Transactions on Intelligent Vehicles, 3(1), 61-70. https://doi.org/10.1109/TIV.2017.2788193
Rathert, T. Ç., Üçkardeş, F., Narinç, D., & Aksoy, T. (2011). Comparision of principal component regression with the least square method in prediction of internal egg quality characteristics in japanese quails. Kafkas Universitesi Veteriner Fakultesi Dergisi, 17(5).
Resmî Gazete. (2018). Karayolları Trafik Kanunu İle Bazı Kanunlarda Değişiklik Yapılması Hakkında Kanun. Resmî Gazete: Resmî Gazete
Revelle, W., & Revelle, M. W. (2015). Procedures for Psychological, Psychometric, and Personality Research. The comprehensive R archive network, 337, 338.
Ridel, D., Rehder, E., Lauer, M., Stiller, C., & Wolf, D. (2018). A literature review on the prediction of pedestrian behavior in urban scenarios. 21st International Conference on Intelligent Transportation Systems (ITSC),
Schneider, R. J., Arnold, L. S., & Ragland, D. R. (2009). Pilot model for estimating pedestrian intersection crossing volumes. Transportation Research Record, 2140(1), 13-26. https://doi.org/https://doi.org/10.3141/2140-02
Shay, E., Fan, Y., Rodríguez, D. A., & Khattak, A. (2006). Drive or walk? Utilitarian trips within a neotraditional neighborhood. Transportation research record, 1985(1), 154-161. https://doi.org/https://doi.org/10.1177/036119810619850011
Sietchiping, R., Permezel, M. J., & Ngomsi, C. (2012). Transport and mobility in sub-Saharan African cities: An overview of practices, lessons and options for improvements. Cities, 29(3), 183-189. https://doi.org/https://doi.org/10.1016/j.cities.2011.11.005
Sorensen, H., Bogomolova, S., Anderson, K., Trinh, G., Sharp, A., Kennedy, R., Wright, M. (2017). Fundamental patterns of in-store shopper behavior. Journal of Retailing and Consumer Services, 37, 182-194. https://doi.org/https://doi.org/10.1016/j.jretconser.2017.02.003
Suel, E., & Polak, J. W. (2017). Development of joint models for channel, store, and travel mode choice: Grocery shopping in London. Transportation Research Part A: Policy and Practice, 99, 147-162.
Tarı, R. (2010). Ekonometri, Genişletilmiş 6.
Thisted, R. (1976). Ridge regression, minimax estimation, and empirical Bayes methods. [PhD thesis, Stanford University].
Topal, M., Eyduran, E., Yağanoğlu, A. M., Sönmez, A., & Keskin, S. (2010). Çoklu Doğrusal Bağlantı Durumunda Ridge ve Temel Bileşenler Regresyon Analiz Yöntemlerinin Kullanımı. Atatürk Üniversitesi Ziraat Fakültesi Dergisi, 41(1), 53-57.
Ullah, M. I., Aslam, M., & Altaf, S. (2018). lmridge: A Comprehensive R Package for Ridge Regression. R J., 10(2), 326.
Üçkardeş, F., Ercan, E., Narinç, D., & Aksoy, T. (2012). Japon bıldırcınlarında yumurta ak indeksinin ridge regresyon yöntemiyle tahmin edilmesi. Akademik Ziraat Dergisi, 1(1), 11-20.
Watanabe, S. (2013). A widely applicable Bayesian information criterion. Journal of Machine learning research, 14(27), 867-897.
Wells, H. L., McClure, L. A., Porter, B. E., & Schwebel, D. C. (2018). Distracted pedestrian behavior on two urban college campuses. Journal of community health, 43(1), 96-102. https://doi.org/https://doi.org/10.1007/s10900-017-0392-x
Yu, B., Zhang, J., & Li, X. (2017). Dynamic life course analysis on residential location choice. Transportation Research Part A: Policy and Practice. https://doi.org/http://dx.doi.org/10.1016/j.tra.2017.01.009

Ayrıntılar

Birincil Dil

Türkçe

Konular

Mühendislik

Bölüm

Araştırma Makalesi

Yazarlar

Çağdaş Kara ^*
0000-0002-2520-6561
Türkiye

Yayımlanma Tarihi

15 Nisan 2023

Gönderilme Tarihi

5 Nisan 2022

Kabul Tarihi

21 Şubat 2023

Yayımlandığı Sayı

Yıl 2023 Cilt: 13 Sayı: 2

DOI

https://doi.org/10.17714/gumusfenbil.1099142

IZ

https://izlik.org/JA33KW89KY

APA

Kara, Ç. (2023). Yaya yolculuk taleplerinin mahalle karakteristiklerine dayalı tahmini. Gümüşhane Üniversitesi Fen Bilimleri Dergisi, 13(2), 359-372. https://doi.org/10.17714/gumusfenbil.1099142

AMA

1.Kara Ç. Yaya yolculuk taleplerinin mahalle karakteristiklerine dayalı tahmini. Gümüşhane Üniversitesi Fen Bilimleri Dergisi. 2023;13(2):359-372. doi:10.17714/gumusfenbil.1099142

Chicago

Kara, Çağdaş. 2023. “Yaya yolculuk taleplerinin mahalle karakteristiklerine dayalı tahmini”. Gümüşhane Üniversitesi Fen Bilimleri Dergisi 13 (2): 359-72. https://doi.org/10.17714/gumusfenbil.1099142.

EndNote

Kara Ç (01 Nisan 2023) Yaya yolculuk taleplerinin mahalle karakteristiklerine dayalı tahmini. Gümüşhane Üniversitesi Fen Bilimleri Dergisi 13 2 359–372.

IEEE

[1]Ç. Kara, “Yaya yolculuk taleplerinin mahalle karakteristiklerine dayalı tahmini”, Gümüşhane Üniversitesi Fen Bilimleri Dergisi, c. 13, sy 2, ss. 359–372, Nis. 2023, doi: 10.17714/gumusfenbil.1099142.

ISNAD

Kara, Çağdaş. “Yaya yolculuk taleplerinin mahalle karakteristiklerine dayalı tahmini”. Gümüşhane Üniversitesi Fen Bilimleri Dergisi 13/2 (01 Nisan 2023): 359-372. https://doi.org/10.17714/gumusfenbil.1099142.

JAMA

1.Kara Ç. Yaya yolculuk taleplerinin mahalle karakteristiklerine dayalı tahmini. Gümüşhane Üniversitesi Fen Bilimleri Dergisi. 2023;13:359–372.

MLA

Kara, Çağdaş. “Yaya yolculuk taleplerinin mahalle karakteristiklerine dayalı tahmini”. Gümüşhane Üniversitesi Fen Bilimleri Dergisi, c. 13, sy 2, Nisan 2023, ss. 359-72, doi:10.17714/gumusfenbil.1099142.

Vancouver

1.Çağdaş Kara. Yaya yolculuk taleplerinin mahalle karakteristiklerine dayalı tahmini. Gümüşhane Üniversitesi Fen Bilimleri Dergisi. 01 Nisan 2023;13(2):359-72. doi:10.17714/gumusfenbil.1099142

e-ISSN: 2146-538X Yayın Modeli: Sürekli Yayın Atıf Dizinleri: TR Dizin , SCOPUS

Estimating pedestrian travel demands based on neighborhood characteristics

Öz

Anahtar Kelimeler

Yaya yolculuk taleplerinin mahalle karakteristiklerine dayalı tahmini

Öz

Anahtar Kelimeler

Kaynakça

Ayrıntılar

Birincil Dil

Konular

Bölüm

Yazarlar

Yayımlanma Tarihi

Gönderilme Tarihi

Kabul Tarihi

Yayımlandığı Sayı

DOI

IZ

Kaynak Göster