Makine Öğrenmesi ile Paylaşımlı Bisiklet Kullanımına Ait Talep Tahmini: Konya Örneği

Abstract

Sürdürülebilirlik kavramının her geçen gün öneminin arttığı çağımızda geleneksel ulaşım araçlarının yerine çevreye daha duyarlı alternatif yöntemler araştırılmaktadır. Bu yenilikçi çözümlerden birisi karbon emisyonsuz ulaşımı sağlayan paylaşımlı bisiklet kullanımıdır. Paylaşımlı bisiklet kullanımı, ulaşımda karbon ayak izini büyük ölçüde azaltmakta, ayrıca şehir içi trafik yoğunluğunu önleyerek çevresel sürdürülebilirliğe katkı sağlamaktadır. Ekonomik açıdan uygun fiyatlı ve erişilebilir olması nedeniyle de sıklıkla tercih edilen paylaşımlı bisikletler son yıllarda pek çok ülkede yaygın bir şekilde kullanılmaktadır. Paylaşımlı bisiklet sistemlerinden en yüksek faydayı sağlamak adına arz ve talep dengesi kurmak için etkin bir talep tahmin prosedürü geliştirilmelidir. Bu amaçla yapılan çalışmada Türkiye’nin en uzun bisiklet yoluna sahip olan Konya ilinde 2022-2023 yıllarına ait paylaşımlı bisiklet kullanım verileri incelenmiştir. Öncelikle verilere ait saatlik ve günlük bazda tanıtıcı istatistikler verilerek veriler özetlenmiş, ardından tahmin modellerinde kullanılan değişkenler tanımlanmıştır. Paylaşımlı bisiklet kullanımına olan talebin tahmininde Çoklu Doğrusal Regresyon (ÇDR), Ridge Regresyon (RR), Elastik Net (EN), Rassal Orman (RO), Karar Ağaçları (KA), Destek Vektör Makineleri (DVM) ve Yapay Sinir Ağları (YSA) kullanılmıştır. Geliştirilen günlük ve saatlik talep tahmin modelleri ve kullanılan makine öğrenme algoritmaları determinasyon katsayısı (R2), ortalama mutlak hata (MAE), ortalama hata karesi (MSE) ve kök ortalama hata karesi (RMSE) performans ölçütlerine göre karşılaştırılmıştır. Günlük verilerin değişken olarak kullanıldığı model, incelenen tüm performans ölçütlerine göre saatlik verilerin kullanıldığı modele göre üstünlük sağlamıştır. Algoritmalar karşılaştırıldığında saatlik veriler için en iyi performansa sahip teknik YSA iken, günlük veriler için ise en iyi performansı veren teknik RO olarak belirlenmiştir.