Kamusal Alanlar Arasındaki Mikromobiliteyi Destekleyecek Kişiselleştirilmiş Ulaşım Modeli Önerisi

Öz

Kentte bir buluşma noktası olan kamusal alanlar, farklı bireylerin karşılaştıkları ve birlikte zaman geçirdikleri yerlerdir. Bu alanlara ulaşım seçenekleri ise bireylerin değişen taleplerine göre her zaman aynı olmayabilir. Tercihlerin aynı olmaması ve aynı seçeneğe yönlendirilmemesi de kamusal alan kullanımında çeşitliliğin sağlanması için oldukça önemlidir. Bu nedenle çalışmada, kamusal alanların kent içinde önemli duraklar olduğu kabul edilerek, iki kamusal alan arasında kişiselleştirilmiş bir ulaşım modeli önerilmiştir. Çalışmada yöntem olarak Analitik Hiyerarşi Süreci ve Bayes Ağları kullanılmıştır. Analitik Hiyerarşi Süreci yönteminde değerlendirilecek olan ulaşım seçenekleri, mikromobilite çalışmaları kapsamında ele alınmıştır. Bisiklet, elektrikli scooter ve yürüme eylemi için örnek rotalar oluşturulmuştur. Rotaların tercihini belirleyen kriterler için literatür incelemeleri yapılmış ve eşik değerler çıkarılmıştır. Ancak kullanıcıların farklı tercihlerine göre kriterlerin önemi ve buna bağlı olarak da rotaların uygunluğu da değişebilmektedir. Bu nedenle kriterlerin ağırlığının belirlenmesinde kullanıcı tercihlerinin dinamik değişkenliğini gözlemleyebileceğimiz Bayes Ağları modele dahil edilmiştir. Kullanıcıların tercihlerine göre, Bayes Ağları ile kriterlerin ağırlıkları belirlenmiş ve bu kriterler Analitik Hiyerarşi Süreci ile değerlendirilmiştir. Bayes Ağları ile kriterlerin ağırlıklarının belirlenmesi Analitik Hiyerarşi Süreci yönteminde verilerin tutarlılığını sağlamış ve sistemi daha esnek hale getirmiştir.

Anahtar Kelimeler

• Çok Kriterli Karar Verme (ÇKKV)
• Analitik Hiyerarşi Süreci (AHP)
• Bayes Ağları
• Mikromobilite

Personalized Transportation Model Proposal to Support Micromobility Between Public Spaces

Öz

Public spaces are a meeting point in the city, where different individuals meet and spend time together. Transportation options for these areas may not always be the same due to the changing demands of individuals. It is important that the preferences are not the same and not directed to the same option in order to ensure diversity in the use of public space. For this reason, in the study, a personalized transportation model between two public spaces is proposed. Analytical Hierarchy Process and Bayesian Networks are used as methods in the study. The transportation options that will be evaluated in the Analytical Hierarchy Process method are discussed within the scope of micromobility studies. Sample routes have been created for cycling, electric scooters and walking action. Literature reviews have been made for the criteria determining the choice of routes and threshold values have been removed. However, the importance of the criteria and the suitability of the routes may also change according to the different preferences of the users. For this reason, Bayesian Networks, where we can observe the dynamic variability of user preferences in determining the weight of the criteria, are included in the model.

Anahtar Kelimeler

• Multi Criteria Decision Making
• Analytical Hierarchy Process (AHP)
• Bayesian Networks
• Micromobility

Kaynakça

1. Bayesfusion (2020). 12 Kasım 2020 tarihinde https://www.bayesfusion.com adresinden erişildi.
2. BikeRoll. (2020). BikeRoll. 6 Mayıs 2020. https://bikeroll.net/tr adresinden erişildi.
3. Boy, J. D., ve Uitermark, J. (2016). How to study the city on Instagram. PLOS One, 11(6), 612 – 624. doi:10.1371/journal.pone.0158161
4. Cimler, R. (2013). Analytic hierarchy process and agent-based simulation for traffic modeling. 12. Uluslararası Analitik Hiyerarşi Süreci Sempozyumu’nda sunulmuş bildiri metni, Kuala Lumpur, Malaysia. doi: 10.13033/isahp.y2013.022
5. Cheliotis, K. (2019). Agent-Based Modelling of Public Space Activity in Real-Time (Doktora tezi). https://www.researchgate.net/publication/331770554_Agent-Based_Modelling_of_Public_Space_Activity_in_Real-Time#fullTextFileContent adresinden erişilmiştir.
6. Çinicioğlu, E.N., Ekici, Ş.E., ve Ülengin, F. (2015). Bayes ağ yapısının oluşturulmasında farklı yaklaşımlar: Nedensel Bayes ağları ve veriden ağ öğrenme. Sn. Prof. Dr. Halil Sarıaslan'a Armağan Kitabı içinde (s. 267-284), Ankara: Siyasal Kitabevi. https://openaccess.dogus.edu.tr/xmlui/bitstream/handle/11376/2695/onsel_2015_t.pdf?sequence=1&isAllowed=y erişilmiştir.
7. Dereli, B. (2012). Bayes ağları ile gelecek odaklı konumlandırma analizi: oyun konsolları pazarında bir uygulama. (Yüksek lisans tezi). https://polen.itu.edu.tr/bitstream/11527/5766/1/12349.pdf adresinden erişilmiştir.
8. Dotoli, M., Zgaya, H., Russo, C., ve Hammadi, S. (2017). A multi-agent advanced traveler ınformation system for optimal trip planning in a co-modal framework. IEEE Transactions on Intelligent Transportation Systems, 18(9), s. 2397-2412. doi: 10.1109/TITS.2016.2645278

9. El Amine, S. (2018). Agent-based modeling of the social and economic factors affecting the choice of transportation mode: Application to the Beirut city (Doktora tezi). https://www.researchgate.net/publication/331987968_Agent-based_modeling_of_the_social_and_economic_factors_affecting_the_choice_of_transportation_mode_application_to_the_Beirut_city adresinden erişilmiştir.
10. Food4rhino (2020). 12 Kasım 2020 tarihinde, https://www.food4rhino.com/app/mosquito-media-4-grasshopper adresinden erişildi.
11. Hu, Y., Manikonda, L., ve Kambhampati, S. (2014). What we Instagram: A first analysis of ınstagram photo content and user types. 8. ICWSM’de yayınlanmış bildiri, (s. 595 – 598). California: The AAAI Press. https://scinapse.io/papers/84786028 adresinden erişilmiştir.
12. Küçükpehlivan G., ve Doğru, A. (2017). Bisiklet yolu güzergâhlarının ahy ile kullanıcı odaklı olarak belirlenmesi. Harita Dergisi, 83(157), 1-8. https://www.harita.gov.tr/images/dergi/makaleler/4b7591879ca3f83.pdf adresinden erişilmiştir.
13. Mimović, P., Stankovic, J., ve Milić, V.J. (2015). Decision-making under uncertainty – the integrated approach of the AHP and Bayesian analysis. Economic Research-Ekonomska Istraživanja, 28(1), 868- 878. doi: 10.1080/1331677X.2015.1092309
14. Norsys (2020). 12 Kasım 2020 tarihinde, https://www.norsys.com adresinden erişildi. Öztaş, Ç., İmamoğlu, C., Akı, M., ve Üzümoğlu, T. (2016). Bölgesel güvenli bisiklet yolları uygulama projesi Tekirdağ. https://www.trakyaka.org.tr/upload/Node/33078/xfiles/Trakya_Bolgesi_Bisiklet_Yollari.pdf adresinden erişilmiştir.
15. Pearl, J. (1982). Reverend Bayes on inference engines: A distributed hierarchical approach. 2. AAAI Konferası’nda yayınlanmış bildiri, (s. 133 – 136). California: The AAAI Press. https://aaai.org/Papers/AAAI/1982/AAAI82-032.pdf adresinden erişilmiştir.
16. Pearl, J. (2000). Causality: Models, Reasoning and Inference, Cambridge: MIT Press. Ravazzoli, E., ve Torricelli, G. P. (2017). Urban mobility and public space: A challenge for the sustainable liveable city of the future. The Journal of Public Space, 2(2), 37-50. doi: 10.5204/jps.v2i2.91
17. Saaty, T.L. (2000). Fundamentals of Decision Making and Priority Theory with the Analytic Hierarchy Process (Analytic Hierarchy Process Series, Vol. 6), Pittsburgh: RWS Publications.
18. Saaty, T., ve Shıh, H-S. (2009). Structures in decision making: On the subjective geometry of hierarchies and networks. European Journal of Operational Research, 199(3), 867-872. doi: 10.1016/j.ejor.2009.01.064
19. Saaty T., ve Vargas, L. (1988). Diagnosis with dependent symptoms: Bayes theorem and the analytic hierarchy process. Operations Research, 46(4), 491-502. https://pubsonline.informs.org/doi/abs/10.1287/opre.46.4.491 adresinden erişildi.
20. Silva, O., Amoêdo, N., ve Almeida, F. (2019). Urban tourist motivations in the city of Porto, Ottoman: Journal of Tourism and Management Research, 4(2), 445-462. doi: 10.26465/ojtmr.2018339521
21. Superdecisions (2020). 12 Kasım 2020 tarihinde, http://www.superdecisions.com adresinden erişildi.
22. Uz, V. E., ve Karaşahin, M. (2004). Kent içi Ulaşımda Bisiklet. Türkiye Mühendislik Haberleri, 49(429), 41-46. http://www.imo.org.tr/resimler/dosya_ekler/613d551d4160a60_ek.pdf?dergi=166 adresinden erişildi.
23. Yücebaş, S. C., (2006). Hipokrat-I: Bayes ağı tabanlı tıbbi teşhis destek sistemi. (Yüksek Lisans Tezi). http://dspace.baskent.edu.tr:8080/xmlui/handle/11727/1434 adresinden erişildi.
24. Xiana, H. (2017). Simulation of Pedestrian Flow in Traditional Commercial Streets Based on