Toplu Taşımada Gelecek Ne Zaman Gelecek ?

Bilişim teknolojilerindeki hızlı gelişimin ve mobil cihazların yaygınlaşmasının bir sonucu olarak navigasyon sistemleri, sosyal hayatın önemli bir parçası haline gelmiştir. Önceleri sadece navigasyon fonksiyonuna sahip olan mobil cihazlar, gün geçtikçe yerini daha işlevsel ve çok fonksiyonlu akıllı cihazlara bırakmaktadır. Bu donanımsal gelişimin yanında, navigasyon sistemlerine yazılımsal bazı yenilikler de eklenmiş; özellikle şehiriçi rota atamada, güzergahlar anlık trafik verisine bağlı olarak hesaplanmaya başlamıştır. Son yıllarda, araç rotalama amacıyla geliştirilen navigason sistemlerinden farklı olarak, tolpu taşıma ağları üzerinde yolculuk planlama amacıyla geliştirilen uygulamalar da hızla yaygınlaşmaktadır. Ayrıca sadece şehrin anlık trafik durumunu gösteren uygulamalar da yerel otoriteler tarafından rağbet görmektedir.

Geliştirilecek bu tip uygulamalar, yolculuklarını toplu taşıma araçlarıyla gerçekleştiren kişilere, beklenti ve isteklerine göre optimum yolculuk planlamaları yapılmasını ve bunun sonucu olarak toplu taşıma araçlarının kullanım yoğunluğunun artmasını hedeflemektedir. Bunun yanında toplu taşıma araçlarının kullanım verimliliğinin artırılması da bu projelerin bir diğer önemli çıktısı olacaktır.

Tüm bu gelişmelere bağlı olarak, genel anlamda tüm yolculuk planlama sistemleri için trafik verisinin işlenmesi bir zorunluluk haline gelmiştir. TUIK tarafından yayınlanan “Yıllık Motorlu Araç Artış Oranı” tablosuna bakıldığında trafik sorunun önümüzdeki yıllarda artarak devam edeceği söylenebilir. Bu çerçevede yolculuk planlama sistemlerinin trafik verisine bağlı çözümler üretmesi, çözümlerin kullanılabilirliğinin sağlanması için kaçınılmazdır.

blog

Şehirlerimizde karşılaşılan zamanlama sapmaları sorunu, yeni projeler için bir çıkış noktası oluşturmaktadır. Bu yeni nesil projelerin başarılı olması için;

  • ⦁ Öncelikli olarak toplu ulaşım araçlarının duraklara varış sürelerinin istatistik dağılım parametreleri (Beklenen değer, standart sapma v.s.) tahmin edilmelidir.
  • ⦁ Elde edilen istatistikler ile uygulama tarafından üretilen çözüm önerilerinin uygulanamama riski hesaplanarak düşük risk taşıyan çözümler ön plana çıkarılmalıdır.
  • ⦁ Yüksek sapmaya sahip olan güzergahlar çözüm önerilerinden çıkarılmalıdır.
  • ⦁ Araçların duraklara varış süresindeki değişimin hangi değişkenlere bağlı olduğu istatistik yöntemlerle saptanmaya çalışılmalıdır.
  • ⦁ Yapay Sinir Ağı modelleri ile de tahminler yapılarak tahmin başarısı artırılmalıdır.

Öncelikli hedefin risk hesaplaması olarak görmemin temel nedeni hesaplama kolaylığıdır. Zira, uzun hesaplama süreleri, yolculuk planlama sistemlerini kullanışsız hale getirir. Ayrıca bu model, karakteristik trafik yoğunluğu olan (mesai saati başlangıç ve bitişi gibi belli saatlerdeki trafik yoğunluğu gibi) şehirlerde de, ilgili saatler için belirlenecek determisinistik değişkenlerle düzenlenerek kolayca uygulanabilir (Belli saatlerde riskin belli oranda artırılması gibi).

Projede öngörü modellerinin kullanılma amacı ise şu şekilde açıklanabilir: Yolculuk planlama sistemlerinin uygun çözümler üretebilmesi için anlık trafik verisinin tek başına yeterli olamayacağı değerlendirilmektedir. Özellikle yerleşim alanları geniş bir coğrafyaya yayılmış şehirlerde, şehiriçi ulaşım süreleri trafik yoğunluğuna da bağlı olarak 2-3 saate varabilmektedir. Bir güzergahın anlık trafik durumunun daha kısa sürede bile değişebileceği ise açıktır. Bu sebeple navigasyon sistemlerinde ve anlık trafik bilgilendirme sistemlerinde, seyir halinde olan bir araç sürücüsünün, bulunduğu konuma bağlı olarak hesaplanacak yoğunluk öngörüsüne göre bilgilendirilmesi daha doğru bir yaklaşım olacaktır. Ayrıca toplu ulaşım ağları üzerinden yolculuk planlama sistemlerinde kullanıcı, yolculuğunu birkaç saat önceden planlamak isteyebilir. Bu durumda da sistemin yoğunluk öngörüsüne göre bir hesaplama yapması gerekmektedir.

Sonuç olarak bu yeni nesil projelerde; hale hazırda araç takip ve trafik kontrol sistemlerinden (kamera ve sensör v.b. tabanlı sistemler) elde edilen trafik verisinin işlenerek, navigasyon, trafik bilgilendime ve toplu ulaşım ağlarında yolculuk planlama sistemleri tarafından kullanılabilirliğinin artırılması ve bu sistemlerin data etkin hale getirilmesi amaçlanmaktadır. Böylece yolculuk sürelerinin azalmasına bağlı olarak, trafik yoğunluğu, egzoz gazlarından kaynaklı hava kirliği ve enerji sarfiyatının azalacağı öngörülmektedir. 2006 yılında yapılan bir çalışmada, yakıt ve zaman israfı bakımından trafiğin ülkemize maliyetinin 3.12 milyar dolar olduğu hesaplanmıştır[2]. Trafikteki araç sayısındaki artış göz önüne alındığında bu rakamın, günümüzde çok daha yüksek olduğu değerlendirilmektedir. 2014 yılında yapılan bir başka çalışmada ise “iyi bir trafik çözümlemesinin ancak kaliteli, güvenilir ve eksiksiz bir trafik akış değişkenleri arşivi oluşturmakla mümkün olacağı” görüşü savunulmuştur[3]. Bu çerçevede bu tip projelerle, ilgili otoritelerin bu alandaki farkındalıklarını artıracağı düşünülmektedir. Ayrıca proje, “Ulaşım problemlerini çözebilmek için teknoloji, insan davranışları, sosyo-ekonomik ve politik sistemleri hesaba katarak, bilgi teknolojileri ve ileri ulaşım metodlarını entegre etmek”[4] olarak tanımlanan Akıllı Ulaşım Sistemlerinin bu temel tanımına uygun olarak trafik bilgi sistemleri ile yolculuk öneri sistemlerini entegre etmeyi amaçlamaktadır. Toplu ulaşım ağların üzerinden yolculuk planlama sistemlerinin daha etkin hale gelmesi İstanbul Büyükşehir Belediyesi’nin gelecek hedefleri arasına koyduğu “Motorlu araç trafiğinin azaltılması, toplu taşıma altyapısının iyileştirilmesi, trafik talebinin özel araçlardan toplu taşıma araçlarına teşvik edilmesiyle kent içinde hareketlilik ve erişilebilirliğin artırılması sonucunda daha yaşanabilir bir kentsel çevrenin oluşturulması”[5] hedefine katkı sağlayacaktır.


  • [1]Motorlu Kara Taşıtları İstatistikleri Emniyet Genel Müdürlüğü Türkiye İstatistik Kurumu Ankara 2013 Sayfa 2.
  • [2]Ergün G., Şahin, N., Development Of Traffic Congestion Management Strategies: Strategic Plan Studies, İstanbul, 2006.
  • [3] İmo Teknik Dergi, 2014 6655-6678, Yazı 414 Trafik Yönetim Stratejileri: Fsm Köprüsü Bakım Çalışmaları Örneği* Ilgın Gökaşar Ömer Faruk Aydın
  • [4] Leung H., El Faouzi N.E., Kurian A., “Intelligent Transportation System (Its)”, Information Fusion, 01/2011; 12:2-3, 2011.
  • [5] İstanbul Metropoliten Alanı Kentsel Ulaşım Ana Planı (İuap) İstanbul Mayıs-2011
Önceki Post Sonraki Post