TÜRKİYE VE AVRUPA BİRLİĞİ ÜLKELERİNİN DEMİRYOLU HAT UZUNLUĞUNA GÖRE KÜMELENMESİ

Öz

Demiryolu uzun süredir kullanılan bir teknolojiyi ifade etmektedir. Bu teknoloji her geçen gün gelişmektedir ve toplumları dönüştürmektedir. Günümüz dünyasında temiz enerji ve temiz toplum gerekliliği noktasında demiryolu adından söz ettirmektedir. Demiryolları ülkelerin ekonomik gelişmişlikleriyle ilgilidir. Aynı zamanda rekabetçi dış ticaret için önem arz etmektedir. Demiryolu gibi önemli bir alanın değerlendirilmesinde kümeleme yöntemi kullanılmıştır. Çalışmada Canopy kümeleme algoritması tercih edilmiştir. Literatür göz önüne alınarak ülkeler 4 küme olarak ayrılmıştır. Analiz sonunda birinci küme 2, ikinci küme 20, üçüncü küme 2 ve dördüncü küme 9 elemanlı olarak şekillenmiştir. Dördüncü kümede Türkiye; Birleşik Krallık, Macaristan, Polonya, Romanya, İspanya, Çekya, İsveç ve İtalya ile yer almaktadır. Bu kümeleme çalışması, demiryolu hat uzunluğu olarak birbirine benzeyen ülkeleri ortaya koyması açısından önem taşımaktadır. Çalışma 2016-2020 yılları arası verileri kapsamaktadır. Bu zaman dilimi genişletilerek çalışmanın yenilenme olanağı bulunmaktadır.

Anahtar Kelimeler

• Lojistik
• Demiryolu
• Canopy
• Kümeleme
• Avrupa Birliği.

CLUSTERING OF TURKIYE AND EUROPEAN UNION COUNTRIES BY LENGTH OF RAILROAD LINES

Öz

The term "railroad" refers to a technology that has been used for a long time. This technology is evolving day by day and changing society. In today's world, railroads have made a name for themselves through the need for clean energy and a clean society. Railroads are associated with the economic development of countries. It is also important for competitive foreign trade. The cluster method was applied to evaluate such an important sector as railroads. Canopy cluster algorithm was preferred in the study. Considering the literature, the countries are divided into 4 clusters. The first cluster consists of 2 elements, the second cluster consists of 20 elements, the third cluster consists of 2 elements and the fourth cluster consists of 9 elements. Turkiye is in the fourth cluster, along with the United Kingdom, Hungary, Poland, Romania, Spain, Czech Republic, Sweden, and Italy. This cluster study is important to identify the countries that are similar in terms of length of railroad lines. The study includes data from 2016-2020, and there is a possibility to renew the study by extending this period.

Anahtar Kelimeler

• Lojistik
• Demiryolu
• Canopy
• Kümeleme
• Avrupa Birliği.

Kaynakça

1. Aktaş, A., Akbayır Ö. ve Aksay K. (2022). Türkiye Demiryolu Araçları, Tramvaylar ve Komponentleri Sektörünün Uluslararası Rekabet Gücü Analizi. Demiryolu Mühendisliği, 15, ss. 60-74. doi:10.47072/demiryolu.944301.
2. Avşar İ. İ. ve Serin Z. V. (2020). Seçili Kripto Paralarda Kümeleme Analizi. Türk Sosyal Bilimler Araştırmaları Dergisi, 5(1), ss. 41-52.
3. Class Canopy, Cluster data using the capopy clustering algorithm. https://weka.sourceforge.io/doc.dev/weka/clusterers/Canopy.html. Erişim Tarihi: 30.01.2023
4. Çakmak, Z. Uzgören N. ve Keçek G., (2015). Kümeleme Analizi Teknikleri ile İllerin Kültürel Yapılarına Göre Sınıflandırılması ve Değişimlerinin İncelenmesi. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, 12.
5. Demircioğlu, M. ve Eşiyok, S. (2020). Covid–19 Salgını ile Mücadelede Kümeleme Analizi ile Ülkelerin Sınıflandırılması. İstanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi, Bahar (Covid19-Özel Ek), 369-389.
6. Eren, H. ve Aksoy, E. (2021). Ülkelerin Lojistik Performanslarına Göre Uluslararası Demiryolları İstatistikleri Açısından Kümelenmesi . Ekonomi Bilimleri Dergisi , 13(2) , ss. 111-137.
7. Eren, H. ve Gelmez, E. (2022). Ülkelerin İnovasyon Performansına Göre Kümelenmesi; Entropi, Copras ve Aras Yöntemleriyle Değerlendirilmesi. Nevşehir Hacı Bektaş Veli Üniversitesi SBE Dergisi, 12 (3), 1546-1565. doi: 10.30783/nevsosbilen.1153211.
8. Eren, H. ve Ömürbek, N. (2019). Türkiye’nin Sağlık Göstergeleri Açısından Kümelenmesi ve Performans Analizi. Mehmet Akif Ersoy Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 11(29), 421-452. doi: 10.20875/makusobed.586081.

9. Eren, H. ve Ömürbek, N. (2021). OECD Ülkelerinin Lojistik Performanslari Açisindan Kümelenmesi. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 26(2), 153-166.
10. Ertekin, Ş. ve Aktürk H.E. (2022). Türkiye’de İllerin Kamu Harcamaları ve Kamu Gelirleri Açısından Kümeleme Analizi Yöntemi ile Sınıflandırılması. Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, (63), 39-47. doi: 10.18070/erciyesiibd.1200844.
11. Eurostat, Eurostat Data Browser, online data code: TTR00003: Total length of railway lines. https://ec.europa.eu/eurostat/databrowser/view/ttr00003/default/table?lang=en. Erişim Tarihi: 29.01.2023
12. Hai, M., Zhang, Y. ve Li, H. (2018). A Performance Comparison of Big Data Processing Platform Based on Parallel Clustering Algorithms. Procedia Computer Science, 139, 127-135. doi: 10.1016/j.procs.2018.10.228.
13. Hudak, S.C.A., Brezina, T., Kehrer, J. ve Schopf, J.M. (2023). Tracing rail transformation: the case of passenger services in Slovenia from 1975 to 2015. Public Transport, 1-22. 10.1007/s12469-022-00316-1.
14. Kara K. ve Yalçın, G. C. (2023). Assessing Railway Transportation Performance of European Countries with CRITIC and ROV Techniques. Demiryolu Mühendisliği, 17, ss. 93-106. doi:10.47072/demiryolu.1175529.
15. Keskin B. ve Özcan E. (2023)., En Kısa Yol Optimizasyonlarında Floyd-Warshall Algoritması: Lojistik Merkezler Örneği. Demiryolu Mühendisliği, 17, ss. 82-92. doi:10.47072/demiryolu.1187884.
16. Koç, P. (2021). Demiryolu Yatırımlarının Kişi Başına Düşen Gelir Üzerindeki Etkisinin Analizi: Türkiye Üzerine Bir Araştırma. Demiryolu Mühendisliği, 14, ss. 77-86.
17. Koltan Yılmaz, Ş. ve Patır, S. (2011). Kümeleme Analizi ve Pazarlamada Kullanımı. Akademik Yaklaşım Dergisi, 2(1), 91-113.
18. Kumar, A., Ingle, Y.S., Pande, A. ve Dhule, P. (2014). Canopy Clustering: A Review on Pre-Clustering Approach to K-Means Clustering. International Journal of Innovations & Advancement in Computer Science, 3(5), 22-29.
19. Lavrikova, Y.G. ve Averina, L.M. (2015). Strategic Framework for Implementing the Potential of Import Substitution on the Example of Railway Engineering. Economic and Social Changes-Facts Trends Forecast, 39(3), pp.85-99.
20. Li M. et al., (2019). Community Detection and Visualization in Complex Network by the Density-Canopy-Kmeans Algorithm and MDS Embedding. IEEE Access, 7, pp. 120616-120625, doi: 10.1109/ACCESS.2019.2936248.
21. Li, F., Bai, X. ve Li, Y. (2020). A Crop Canopy Localization Method Based on Ultrasonic Ranging and Iterative Self-Organizing Data Analysis Technique Algorithm. Sensors, 20(3), p. 818. doi: 10.3390/s20030818.
22. Maskeliūnaitė, L. (2021). Railways in Lithuania: from Tsarist Russia to Rail Baltica, Transport, 36(4), pp. 364-375.
23. Mitwallyova, H., Vukica J., Bozena K. ve Klara C. (2015). The Impact of Investments into the Railway Infrastructure in the European Economics. European Transport-Trasporti Europei, 58(6).
24. Nežerenko, O. ve Koppel O. (2018). The Baltic Sea Macro-Regional Transport Cluster as an Element of the Silk Road Economic Belt. Croatian International Relations Review, 23(78), pp. 77-95. 10.1515/cirr-2017-0008.
25. Oğuz, İ. H. & Oğuz, D. (2020). Türkiye Ekonomisinde Lojistik. International Journal of Business and Economic Studies , 1(2) , 65-74.
26. Özlü, S., Dedeoğlu Özkan S. ve Beyazlı, D. (2020). Kırsallık Göstergeleri Bağlamında Türkiye İllerinin Kümelenmesi ve Devinimi. Coğrafya Dergisi, 40, ss. 231-245. doi:10.26650/JGEOG2020-0019.
27. Petrosyan, E. ve Kilina, E. (2018). Development of urban areas of the Russian Federation on the Trans-Siberian Railway: town-planning a railroad role in the city of Krasnoyarsk. 24th Isuf International Conference: City And Terrıtory In The Globalization Age, pp.965-974. 10.4995/ISUF2017.2017.6065.
28. Qi, B., Zhang, P., Rong, Z., Wang, J. Li, C. ve Chen, J. (2019). Rapid Transformer Health State Recognition Through Canopy Cluster-Merging of Dissolved Gas Data in High-Dimensional Space. IEEE Access, 7, pp. 94520-94532. doi: 10.1109/ACCESS.2019.2928628.
29. Rahmanov, F., Neymatova, L., Aliyeva, R., ve Hashimova, A (2022). Management of the Transport Infrastructure of Global Logistics: Cross-Country Analysis. Marketing and Management of Innovations, 4, pp.65-75. 10.21272/mmi.2022.4-07.
30. Sagheer N. S. ve Yousif, S. A. (2021). Canopy with k-means clustering algorithm for big data analytics. AIP Conference Proceedings, 2334(1). doi: 10.1063/5.0042398.
31. Sağlam, M. (2013). Grouping of Soil Properties using Multivariate Statistical Methods. Toprak Su Dergisi, 2(1), ss. 7-14.
32. Sel, A. (2020). Veri Madenciliği Kümeleme Yöntemleri Kullanarak Karbon Emisyonu Göstergeleri Açısından OECD Ülkelerinin Sınıflandırılması. Karadeniz Uluslararası Bilimsel Dergi, (46), 169-187. doi: 10.17498/kdeniz.679555.
33. Shahroz, M., Mushtaq, M. F., Majeed, R., Samad, A. Mushtaq Z. ve Akram, U. (2022). Feature Discrimination of News Based on Canopy and KMGC-Search Clustering. IEEE Access, 10, pp. 26307-26319. doi: 10.1109/ACCESS.2022.3152159.
34. Sharma, S., Tiwari, R. Shukla, A. ve Yadav, J. (2014). Canopy Clustering Based Multi Robot Area Exploration. IFAC Proceedings Volumes, 47(1), 505-510, doi: 10.3182/20140313-3-IN-3024.00253.
35. Stoilova, S. (2018). Study of Railway Passenger Transport in the European Union. Tehnicki Vjesnik-Technical Gazette, 25(2), pp.587-595. 10.17559/TV-20160926152630.
36. Urmak Akçakaya, E. D. ve Ömürbek, N. (2021). OECD Ülkelerinin Demokrasi Kalitesi Göstergeleri Açısından Kümelenmesi. OPUS International Journal of Society Researches, Yönetim ve Organizasyon Özel Sayısı, 1365-1393.
37. World Bank, World Bank Data World Development Indicators. https://databank.worldbank.org/indicator/NY.GDP.MKTP.KD.ZG/1ff4a498/Popular-Indicators#. Erişim Tarihi: 29.01.2023
38. Wu, M., Li, Z., Chen, J., Min, Q. ve Lu, T. (2022). A Dual Cluster-Head Energy-Efficient Routing Algorithm Based on Canopy Optimization and K-Means for WSN. Sensors, 22(24), p. 9731. doi: 10.3390/s22249731.
39. Zeybek, H. (2021). Demiryollarının Konteyner Limanı-Hinterlant Bağlantılarındaki Önemi: Mersin Limanı Örneği. Demiryolu Mühendisliği, 14, ss. 49-64. doi:10.47072/demiryolu.840401.
40. Zhang, X., Zhang, W., Lee, P.T.W. (2020). Importance rankings of nodes in the China Railway Express network under the Belt and Road Initiative. Transportation Research Part A: Policy and Practice, 139, pp.134-147. 10.1016/j.tra.2020.07.003.
41. Zhang, Y., Ruan, P. ve Zhao, J. (2022). Design of digital economy consumer psychology prediction model based on canopy clustering algorithm. Front. Psychol. 13, 939283. doi: 10.3389/fpsyg.2022.939283.