Modeling of Attitudes and Behaviors of Railway Passengers with Different Statistical Methods

Öz

Transportation systems are one of the most important sectors that have developed in our country

in recent years. Load and passenger capacities, which are higher than other modes of transport, will increase

the strategic importance of railroads over the next century. The opening of the Baku-Tbilisi-Kars railway by

the resurrection of the historic Silk Road (Beijing-London) have increased the geopolitical importance of this

transportation class in our country and international platform. In this study, 515 passengers were surveyed on

eight different provinces (Erzincan, Elazığ, Eskişehir, Erzurum, Kocaeli, Istanbul, Ankara, Sivas) where railway

connection roads intersected. These questionnaires were done for the detection of benefiting the expectations and

satisfaction levels of passengers using Republic of Turkey State Railways (TCDD). Analytic Hierarchical Process

(AHP) method, which is one of the most criterion-based decision making methods, has been used for this purpose.

In the second part of the study, railway travel frequency demand modeling based on passengers’ preference, attitude

and satisfaction ratings was modeled, compared and reviewed with the help of Artificial Neural Networks (ANN),

Multivariate Regression (MR) and Fuzzy Logic (FL) methods. As a result of the evaluations made with the AHP, it

was determined that the services for the passengers using TCDD services are generally sufficient and the level of

service should be kept stable rather than improve them.

Anahtar Kelimeler

• Railway passenger transport,statistical modelling,AHP,ANN,FL

Demiryolları Yolcularının Tutum ve Davranışlarının Farklı İstatistiksel Yöntemler ile Modellenmesi

Öz

Ülkemizde son yıllarda gelişim gösteren en önemli sektörlerden biri de ulaşım sistemleri olmuştur. Diğer

ulaşım sistemlerine göre daha fazla olan yük ve yolcu kapasiteleri, demiryollarının önümüzdeki yüzyılda stratejik

önemini artıracaktır. Tarihi İpek Yolu’nun (Pekin-Londra) tekrar hayata geçerek Bakü-Tiflis-Kars demiryolunun

açılmış olması, bu ulaşım sınıfının ülkemizde ve uluslararası platformdaki jeopolitik önemini artırmıştır. Bu

çalışmada, demiryolu bağlantı yollarının kesiştiği sekiz farklı ilde (Erzincan, Elazığ, Erzurum, Eskişehir, Kocaeli,

İstanbul, Ankara, Sivas) 515 yolcu anketi yapılmıştır. Bu anketler, Türkiye Cumhuriyeti Devlet Demiryollarını

(TCDD) kullanan yolcuların demiryolu hizmetlerinden faydalanırken beklentilerinin ve memnuniyet derecelerinin

tespiti için yapılmıştır. Bunun tespit edilmesi amacıyla çok kriterli karar verme yöntemlerinden biri olan

Analitik Hiyerarşik Proses (AHP) yöntemi kullanılmıştır. Çalışmanın ikinci kısmında ise yolcuların tercih,

tutum ve memnuniyet derecelerine göre demiryolu seyahat sıklığı talep modellemesi Yapay Sinir Ağları (YSA),

Çok Değişkenli Regresyon (ÇDR) ve Bulanık Mantık (Fuzzy Logic-BM) yöntemleri yardımıyla modellenmiş,

karşılaştırılmış ve yorumlanmıştır. AHP ile yapılan değerlendirmeler neticesinde, TCDD hizmetlerini kullanan

yolcular için hizmetlerin genellikle yeterli olduğu, hizmet düzeyinin iyileştirmeden ziyade stabil olarak kalmasının

uygun olacağı belirlenmiştir. YSA ve ÇDR ile modellemelere göre istatistiksel olarak YSA’nın daha başarılı bir

yöntem olduğu belirlenmiştir. BM ile yapılan modellemede ise yolcuların üç ayda bir seyahat ettikleri anlaşılmış

olup, tercih, önem ve memnuniyet tutumları değiştikçe seyahat sıklığının değiştiği görülmüştür.

Anahtar Kelimeler

• AHP,YSA,Demiryolu yolcu taşımacılığı,istatiksel modelleme,BM

Kaynakça

1. Akay, A., I. Karas, J. Sessions, A. Yuksel, N. Bozali ve R. Gundogan 2004. Using high-resolution digital elevation model for computer-aided forest road design. The Proceedings for XXth International Society for Photogrammetry and Remote Sensing (ISPRS) Congress, Istanbul, Turkey, July.
2. Alpar, R. 1997. Uygulamalı çok değişkenli istatistiksel yöntemlere giriş-I, Bağırgan Yayımevi.
3. Bayata, H. F. ve F. Hattatoğlu, 2010. Yapay Sinir Ağları Ve Çok Değişkenli İstatistik Yöntemlerle Trafik Kaza Modellemesi. Erzincan University Journal of Science and Technology 3(2): 207-219.
4. Bayazıt, M. 2006. Çok değişkenli istatistik analiz ve hidrolojide uygulamaları, Su Vakfı.
5. Chang, C., Y. Phoa, W. Wang ve B. Thia, 1996. Economy/regularity fuzzy-logic control of DC railway systems using event-driven approach. IEE Proceedings-Electric Power Applications 143(1): 9-17.
6. Durdudiler, M. 2006. Perakende Sektöründe Tedarikçi Performans Değerlemesinde AHP ve Bulanık AHP Uygulaması.
7. Gursoy, M., 2010. A method for transportation mode choice. Scientific Research and Essays 5(7): 613-624.
8. Gür, Ş., M. Hamurcu ve T. Eren, 2017. Ankara'da Monoray projelerinin analitik hiyerarşi prosesi ve 0-1 hedef programlama yöntemleri ile seçimi. Pamukkale University Journal of Engineering Sciences 23(4).

9. Herişçakar, E., 1999. Gemi ana makine seçiminde çok kriterli karar verme yöntemleri ahp ve smart uygulaması. Gemi inşaatı ve deniz teknolojisi teknik kongresi 99: 240-256.
10. Hundal, B. S. ve V. Kumar, 2015. Assessing the Service Quality of Northern Railway by using SERVQUAL Model. Pasific Bussiness Review International 8(2): 82-88.
11. Kalić, M. ve D. Teodorović, 2003. Trip distribution modelling using fuzzy logic and a genetic algorithm. Transportation Planning and Technology 26(3): 213-238.
12. KESKİN, D., 2007. Üniversite Öğrencilerinin Ulaşım Tercihleri Üzerinde Etkili Olan Faktörlerin Belirlenmesi: Karadeniz Teknik Üniversitesi Örneği. Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi(28).
13. Liu, K. F., H. Liang, K. Yeh ve C. Chen, 2009. A qualitative decision support for environmental impact assessment using fuzzy logic. Journal of Environmental Informatics 13(2).
14. Özuysal, M., S. P. Çalışkanelli ve S. Tanyel, 2016. Otobüs duraklarındaki yolcu iniş-biniş zamanları üzerine bir tartışma. Pamukkale University Journal of Engineering Sciences 22(6).
15. Saaty, T. L., 2008. Decision making with the analytic hierarchy process. International journal of services sciences 1(1): 83-98.
16. Sağıroğlu, Ş., E. Beşdok ve M. Erler 2003. Mühendislikte yapay zeka uygulamaları-1: Yapay sinir ağları, Ufuk Kitap Kırtasiye-Yayıncılık.
17. Saraç, T., 2004. Yapay Sinir Ağları, Seminer Projesi. Gazi Üniversitesi Endüstri Mühendisliği Ana Bilim Dalı.
18. Şen, Z., 2004. Mantık ile Modelleme Prensipleri. İstanbul, Türkiye, Su Vakfı Yayınları.
19. Tamer, E., 2012. Çok Ölçütlü Karar Verme Yöntemleri İle Bursiyer Seçimi: Bir Eğitim Kurumunda Uygulama. Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi 26(3-4).
20. Tayyar, N., 2010. Müşteri Memnuniyeti Tahmininde Yapay Sinir Ağları, Lojistik Regresyon Ve Ayırma Analizinin Performanslarının Karşılaştırılması. Suleyman Demirel University Journal of Faculty of Economics & Administrative Sciences 15(1).
21. Tolon, M. ve N. G. Tosunoğlu, 2008. Tüketici Tatmini Verilerinin Analizi: Yapay Sinir Ağları Ve Regresyon Analizi Karşılaştırması. İktisadi ve İdari Bilimler Fakültesi Dergisi 10(2): 1-13.
22. Topuz, S. 2008. İstanbul İlindeki Toplu Taşıma Yolculuk Taleplerinin Yapay Sinir Ağlarıyla Modellenmesi, Fen Bilimleri Enstitüsü.
23. Tüzemen, A. ve A. Özdağoğlu, 2007. Doktora öğrencilerinin eş seçiminde önem verdikleri kriterlerin analitik hiyerarşi süreci yöntemi ile belirlenmesi. Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi 21(1).
24. Yan, X. ve J. Li, 2014. Analysis on predict model of railway passenger travel factors judgment with soft-computing methods. Journal of Industrial Engineering and Management 7(1): 100-114.
25. Yue, G., L. Jing ve F. Yuhang 2011. Hıgh-Speed Raılway Passengers’ Choıces Of Travel Forecast Based On Matlab Neural Network. ICEIS 2011 - 13th International Conference on Enterprise Information Systems, Beijing, China.
26. Zimmermann, H.-J. 2012. Fuzzy sets, decision making, and expert systems, Springer Science & Business Media.