Bulanık gri ilişkisel analiz-CRITIC tabanlı elektrikli araç şarj istasyonu yer seçimi problemi: Organize sanayi bölgeleri çalışması

Öz

Arka Plan—Günümüzde iklim değişiklikleri ve çevre problemleri önemli bir gündem olarak karşımıza çıkmaktadır. Özellikle ulaşım sektöründe sürdürülebilir olmayan yakıtların kullanımı, artan çevre kirliliği ile doğrudan ilişkilidir. Fosil yakıtlı araçlar hava, gürültü ve çevre kirliliklerine sebep olmaktadır. Bununla birlikte sera gazı emisyonlarının azaltılmasına yönelik uluslararası anlaşmalar ve politikalar, ulaşım sektöründe dönüşümü zorunlu hale getirmektedir. Artan araç sayısı ile fosil yakıtların tükenme hızının yükselmesi kullanıcıları alternatif enerji kaynaklarına yönlendirmektedir. Bu bağlamda enerji verimliliği ve çevresel sürdürülebilirlik kavramları daha fazla önem kazanmaktadır. Tüm bu etkenlerle sürdürülebilir bir tercih olarak karşımıza çıkan elektrikli araçlar, fosil yakıtlı araçlara ek yeni bir kavramı doğurmuştur. Elektrikli araçlar; sıfıra yakın karbon emisyonu, daha düşük yakıt maliyeti, düşük gürültü seviyesi ile çalışmaları dolayısıyla daha çevre odaklıdırlar. Pek çok kullanım avantajı olan bu araçların kullanımının yaygınlaşabilmesi için altyapının doğru şekilde sağlanması gerekmektedir. Altyapı planlamasının yetersiz olması durumunda kullanıcıların menzil kaygısı artmakta ve bu durum elektrikli araçlara olan talebi olumsuz etkileyebilmektedir. Yeterli sayıda ve doğru konumda şarj istasyonlarının bulunmaması, elektrikli araç kullanımını teşvik etmede en büyük engeldir ve sürücüler üzerinde olumsuz bir etki yaratmaktadır. Tüm bu etkenler şarj istasyonlarının stratejik ve doğru alanlara yerleşiminin gereksinimini ortaya çıkarmaktadır. Alanların doğru tayin edilebilmesi de yeni bir seçim problemini doğurmuştur. Bu seçim problemi, teknik, ekonomik ve çevresel faktörlerin birlikte değerlendirilmesini gerektiren karmaşık bir karar verme sürecidir. Özellikle organize sanayi bölgelerindeki doğru planlama ile şarj taleplerini en hızlı şekilde karşılayarak zaman kayıplarını önlemek önem arz etmektedir.

Amaç—Bu çalışma, Bursa ilinde yer alan beş organize sanayi bölgesinin (NOSAB, DOSAB, HOSAB, TEKNOSAB ve İnegöl OSB) elektrikli araç şarj altyapısı yatırımları açısından makro düzeyde önceliklendirilmesini amaçlamaktadır.

Yöntem—Çok kriterli karar verme (ÇKKV) yöntemleri belirsizlik içeren karar problemlerinde etkin bir analiz çerçevesi sunar. Bu çalışmada Bursa ili organize sanayi bölgeleri için elektrikli araç şarj istasyonlarının en uygun konumunun belirlenmesine yönelik ÇKKV yaklaşımlarından olan CRITIC ve Bulanık Gri İlişkisel Analiz (BGİA) yöntemleri bütünleşik olarak kullanılmıştır. Karar matrisi oluşturulurken; şebeke yük etkisi, maliyet, erişilebilirlik, talep yoğunluğu, genişleme uygunluğu, güvenlik ve altyapı kaynaklarına mesafe olmak üzere yedi kriter belirlenmiştir. Bu kriterler teknik ekonomik ve fonksiyonel parametreleri içerecek şekilde literatür incelemesi sonucu belirlenmiştir. CRITIC yöntemi ile kriterlerin ağırlıkları belirlenmiş, BGİA ile de alternatiflerin sıralaması yapılarak ideal çözüme yakınlık dereceleri hesaplanmıştır. ENTROPİ yöntemi ile yeni kriter ağırlıkları elde edilmiş Bulanık TOPSIS ile duyarlılık analizi kapsamında modelin doğruluğu kontrol edilmiştir.

Bulgular—Elde edilen sonuçlar hibrit çözümlerin belirsizlik içeren ÇKKV ile yer seçimi problemi için uygulanabilir bir yaklaşım olduğunu göstermiştir. Analiz sonuçlarında, tüm kriterlerde en homojen ve dengeli performansı sergileyen HOSAB en uygun lokasyon olarak ilk sırada yer almıştır. Alternatiflerin nihai sıralaması HOSAB>NOSAB>DOSAB>TEKNOSAB>İnegöl OSB şeklinde gerçekleşmiştir.

Sonuç—Elde edilen bulgular bölgesel yatırım bütçelerinin ve altyapı teşviklerinin ilk etapta HOSAB bölgesine yönlendirilmesi gerektiğini ortaya koymaktadır.

Anahtar Kelimeler

• CRITIC
• Elektrikli araç şarj istasyonu yer seçimi
• Bulanık gri ilişkisel analiz
• Bulanık TOPSIS
• Çok kriterli karar verme

A fuzzy grey relational analysis–CRITIC-based approach for electric vehicle charging station location selection: The case of organized industrial zones

Öz

Context—Today, climate change and environmental problems have become major global concerns. In particular, the use of unsustainable fuels in the transportation sector is directly related to increasing environmental pollution. Fossil fuel–powered vehicles cause air, noise, and environmental pollution. In addition, international agreements and policies aimed at reducing greenhouse gas emissions make transformation in the transportation sector inevitable. The increasing number of vehicles and the accelerating depletion of fossil fuels direct attention toward alternative energy sources. In this context, the concepts of energy efficiency and environmental sustainability gain importance. With these factors, electric vehicles, emerging as a sustainable alternative, introduce a new concept. Electric vehicles are environmentally friendly due to their near-zero carbon emissions, lower fuel costs, and reduced noise levels during operation. Despite these advantages, widespread adoption requires properly established charging infrastructure. Inadequate infrastructure planning increases users’ range anxiety and may negatively affect demand for electric vehicles. The lack of sufficient and appropriately located charging stations remains one of the most significant barriers to promoting electric vehicle usage and creates negative impacts on drivers. These factors highlight the necessity of strategically locating charging stations. Determining suitable locations leads to a complex selection problem requiring simultaneous evaluation of technical, economic, and environmental factors. Especially in organized industrial zones, proper planning is essential to respond quickly to charging demand and prevent time losses.

Objective—This study aims to prioritize five organized industrial zones in Bursa province (NOSAB, DOSAB, HOSAB, TEKNOSAB, and İnegöl OIZ) at a macro level in terms of electric vehicle charging infrastructure investments.

Method—Multi-criteria decision-making methods provide an effective framework for addressing decision problems involving uncertainty. In this study, CRITIC and Fuzzy Grey Relational Analysis (FGRA) methods are integrated to determine suitable locations for electric vehicle charging stations in organized industrial zones of Bursa province. A decision matrix is constructed based on seven criteria: grid load impact, cost, accessibility, demand density, expansion suitability, security, and distance to infrastructure resources. These criteria are identified through a literature review, incorporating technical, economic, and functional parameters. Criteria weights are determined using the CRITIC method, and alternatives are ranked through FGRA based on their closeness to the ideal solution. New weights are obtained using the Entropy method, and the model’s validity is tested through sensitivity analysis.

Results—The results indicate that hybrid approaches offer an applicable decision-making framework for location selection problems under multi-criteria uncertainty. According to the analysis, HOSAB ranked first as the most suitable location, demonstrating the most homogeneous and balanced performance across all criteria. The final ranking of the alternatives was realized as HOSAB > NOSAB > DOSAB > TEKNOSAB > İnegöl OIZ.

Conclusion—The obtained findings reveal that regional investment budgets and infrastructure incentives should primarily be directed to the HOSAB region.

Anahtar Kelimeler

• CRITIC
• Electric vehicle charging station location selection
• Fuzzy grey relational analysis
• Fuzzy TOPSIS
• Multi-criteria decision making

Kaynakça

1. Y. Xiang, P. Xue, Y. Wang, L. Xu, W. Ma, M. Shafie-khah, J. Li, J. Liu, "Robust expansion planning of electric vehicle charging system and distribution networks," CSEE Journal of Power and Energy Systems, 10(6), 2457–2469, 2024. https://doi.org/10.17775/CSEEJPES.2021.08540.
2. T.C. Enerji Piyasası Düzenleme Kurumu, “Elektrikli araç ve şarj altyapısı projeksiyonu,” 2024, https://www.epdk.gov.tr/Detay/1Icerik/5-14379/elektrikli-arac-ve-sarjaltyapisi-projeksiyonu- (24.03.2026).
3. M. Stojčić, E. Zavadskas, D. Pamučar, Z. Stević, A. Mardani, “Application of MCDM methods in sustainability engineering: A literature review 2008–2018,” Symmetry, 11(3), 350, 2019. https://doi.org/10.3390/sym11030350.
4. A. A. Supçiller, T. Öktem, “Bir kablo firması için bulanık CRITIC ve bulanık MAIRCA ile ekstrüder hattı seçimi,” Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 29(8), 833-841, 2023. https://doi.org/10.5505/pajes.2023.47190.
5. H. Akyer, “Bulanık Mantık ve ARAS yöntemleriyle Ege Bölgesi meyve üretimi ataması,” Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 29(8), 797-809, 2023. https://doi.org/10.5505/pajes.2023.05406.
6. M. Velasquez, P. T. Hester, “An analysis of multi-criteria decision making methods,” International Journal of Operations Research, 10(2), 56–66, 2013.
7. M. İ. Erce, B. B. Dönmez, Y. B. Sanlı, E. Güven, T. Eren, “Elektrikli araçlar için şarj istasyonu lokasyon seçimi,” Bilecik Şeyh Edebali Üniversitesi Fen Bilimleri Dergisi, 12(2), 421–434, 2025. https://doi.org/10.35193/bseufbd.1631523.
8. A. Abdulvahitoğlu, A. Abdulvahitoğlu, Z. Arslan, “Sürdürülebilir elektrikli ulaşım için stratejik planlama: Bursa ilinde elektrikli araç şarj istasyonu yer seçimi analizi,” Çukurova Üniversitesi Mühendislik Fakültesi Dergisi, 40(4), 959–976, 2025. https://doi.org/10.21605/cukurovaumfd.1661781.

9. M. S. Karasu Aşnaz, B. Özdemir, “Elektrikli araç şarj istasyonlarının çok kriterli karar verme yöntemleri ile optimal konumlandırması,” Akıllı Ulaşım Sistemleri Ve Uygulamaları Dergisi 4(2), 175-187, 2021. https://doi.org/10.51513/jitsa.1015108
10. W. E. Chumbi, R. Minga, S. Asanza, J. B. Leite, J. F. Franco, “Suitable site selection of public charging stations: A fuzzy TOPSIS MCDA framework on capacity substation assessment,” Energies, 17(14), 3452, 2024. https://doi.org/10.3390/en17143452.
11. İ. T. Gülbahar, “Electric vehicle charging station location decision in Türkiye,” Yüksek Lisans Tezi, Abdullah Gül Üniversitesi Fen Bilimleri Enstitüsü, Kayseri, 2022.
12. T. Alkan, Ö. F. Atiz, S. S. Durduran, “Elektrikli araç şarj istasyonları için AHP yöntemi ile uygun yer seçimi: Konya örneği,” Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi, 12(1), 193-199, 2023. https://doi.org/10.28948/ngumuh.1189242.
13. S. S. Bilgilioğlu, “Coğrafi bilgi sistemleri ve bulanık analitik hiyerarşi süreci ile elektrikli araç şarj istasyonu yer seçimi,” Afyon Kocatepe Üniversitesi Fen ve Mühendislik Bilimleri Dergisi, 22(1), 165–174, 2022. https://doi.org/10.35414/akufemubid.1013244.
14. M. Mahdy, A. Bahaj, P. Turner, N. Wise, A. Alghamdi, H. Hamwi, “Multi criteria decision analysis to optimize siting of electric vehicle charging points case study Winchester district UK,” Energies, 15(7), 2497, 2022. https://doi.org/10.3390/en15072497.
15. M. Nurmuhammed, T. Karadağ, “Elektrikli araç şarj istasyonlarının konumlandırılması ve enerji şebekesi üzerine etkisi konulu derleme çalışması,” Gazi Üniversitesi Journal of Science Part A: Engineering and Innovation, 8(2), 218–233, 2021. https://izlik.org/JA88UG99CL.
16. G. Wei, F. Lei, R. Lin, R. Wang, Y. Wei, J. Wu, C. Wei, “Algorithms for probabilistic uncertain linguistic multiple attribute group decision making based on the GRA and CRITIC method: application to location planning of electric vehicle charging stations,” Economic Research – Ekonomska Istraživanja, 33(1), 828–846, 2020. https://doi.org/10.1080/1331677X.2020.1734851.
17. Ö. Kaya, A. Tortum, K. D. Alemdar, M. Y. Çodur, “Site selection for EVCS in Istanbul by GIS and multi-criteria decision-making,” Transportation Research Part D: Transport and Environment, 80, 102271, 2020. https://doi.org/10.1016/j.trd.2020.102271.
18. D. Güler, T. Yomralıoğlu, “Açık kaynak kodlu CBS yazılımı ve bulanık analitik hiyerarşi yöntemini içeren elektrikli araç şarj istasyonu yer seçimi önerisi,” Harita Dergisi, 163, 17–28, 2020.
19. M. Erbaş, M. Kabak, E. Özceylan, C. Çetinkaya, “Optimal siting of electric vehicle charging stations: A GIS-based fuzzy multi-criteria decision analysis,” Energy, 163, 1017–1031, 2018. https://doi.org/10.1016/j.energy.2018.08.140.
20. L. Chen, J. Ren, “Multi-attribute sustainability evaluation of alternative aviation fuels based on fuzzy ANP and fuzzy grey relational analysis,” Journal of Air Transport Management, 68, 176–186, 2018. https://doi.org/10.1016/j.jairtraman.2017.10.005.
21. A. Karaşan, I. Kaya, M. Erdoğan, “Location selection of electric vehicles charging stations by using a fuzzy MCDM method: a case study in Turkey,” Neural Computing and Applications, 32(9), 4553–4574, 2020. https://doi.org/10.1007/s00521-018-3752-2.
22. S. Guo, H. Zhao, “Optimal site selection of electric vehicle charging station by using fuzzy TOPSIS based on sustainability perspective,” Applied Energy, 158, 390–402, 2015. https://doi.org/10.1016/j.apenergy.2015.08.082.
23. M. Kabak, S. Burmaoğlu, Y. Kazançoğlu, “A fuzzy hybrid MCDM approach for professional selection,” Expert Systems with Applications, 39(3), 3516–3525, 2012. https://doi.org/10.1016/j.eswa.2011.09.042.
24. D. Diakoulaki, G. Mavrotas, L. Papayannakis, “Determining objective weights in multiple criteria problems: the CRITIC method,” Computers and Operations Research, 22(7), 763–770, 1995. https://doi.org/10.1016/0305-0548(94)00059-H.
25. A. Jahan, F. Mustapha, S. M. Sapuan, Y. Ismail, M. Bahraminasab, “A framework for weighting of criteria in ranking stage of material selection process,” International Journal of Advanced Manufacturing Technology, 58(1-4), 411–420, 2012. https://doi.org/10.1007/s00170-011-3366-7.
26. J. L. Deng, “Introduction of Grey System Theory,” The Journal of Grey System, 1(1), 1–24, 1989.
27. E. Ayçin, Çok Kriterli Karar Verme: Bilgisayar Uygulamalı Çözümler, Nobel Yayınları, Ankara, 2019.
28. F. Ecer, “Üyelik fonksiyonu olarak üçgen bulanık sayılar mı yamuk bulanık sayılar mı,” Gazi Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 9(2), 161–180, 2007. https://izlik.org/JA56FL62PR.
29. S. Goyal, S. Grover, “Applying fuzzy grey relational analysis for ranking the advanced manufacturing systems,” Grey Systems: Theory and Application, 2(2), 284–298, 2012. https://doi.org/10.1108/20439371211260243.
30. S. -J. Chen, C. -L. Hwang, Fuzzy Multiple Attribute Decision Making: Methods and Applications, Berlin Heidelberg, Springer-Verlag, 1992. https://doi.org/10.1007/978-3-642-46768-4.
31. H. -H. Wu, “A comparative study of using grey relational analysis in multiple attribute decision making problems,” Quality Engineering, 15(2), 209–217, 2002.
32. S. LaMonaca, L. Ryan, “The state of play in electric vehicle charging services – A review of infrastructure provision, players and policies,” Renewable and Sustainable Energy Reviews, 154, 111733, 2022. https://doi.org/10.1016/j.rser.2021.111733.
33. P. Sadeghi-Barzani, A. Rajabi-Ghahnavieh, H. Kazemi-Karegar, “Optimal fast charging station placing and sizing,” Applied Energy, 125, 289–299, 2014. https://doi.org/10.1016/j.apenergy.2014.03.077.
34. S. K. Kuna, V. V. S. K. Rao, “Prioritizing the criteria of selection for deployment of electric vehicle charging stations,” South Eastern European Journal of Public Health (SEEJPH), XXVI, 3813–3832, 2025. https://doi.org/10.70135/seejph.vi.5882.
35. T. C. Chu, “Selecting plant location via a Fuzzy TOPSIS approach,” International Journal of Advanced Manufacturing Technology, 20(11), 859–864, 2002. https://doi.org/10.1007/s001700200227.