Yolculuk Üretim ve Çekim Modellerinde Yanlı Tahmin ve Değişken Seçim Tekniklerinin Kullanılması

Yükseköğretim Kurumları Destekli Proje, 2022 - 2024

Proje Türü: Yükseköğretim Kurumları Destekli Proje
Başlama Tarihi: Mayıs 2022
Bitiş Tarihi: Mart 2024

Proje Özeti

Ulaştırma planlamasında yolculuk davranışlarının belirlenmesi konusunda oluşturulan modellerde değişken seçimi oldukça önemlidir. Modele girecek değişkenlerin belirlenmesinde kullanılan klasik değişken belirleme uygulamaları (yüksek korelasyona sahip ikili değişkenlerden birer tanesinin seçilmesinin yanında, literatürdeki benzer çalışmalarda kullanılan değişkenlerin kullanılması, tecrübesel bilgilerden veya teorik beklentilerden yola çıkarak değişken seçme vb.) modellerin başarısını büyük ölçüde azaltabilmektedir.

Tüm bunlar düşünüldüğünde, bağımlı değişkeni en iyi ifade eden değişkenlerin başarılı yöntemlerle belirlenerek kullanılması, bir yandan tahmin hatalarını azaltmakta, diğer yandan da yalnızca önemli değişkenler üzerine odaklanarak modeli anlama ve gelecek tahminlerinde kullanım kolaylığı açısından fayda sağlamaktadır. Bu kapsamda çalışmada Eskişehir Ulaştırma Ana Planı (2001 ve 2015) hane halkı yolculuk anket verilerinden faydalanılarak, sosyo-ekonomik demografik parametreler ve arazi kullanımı verileri yardımıyla ev-tabanlı diğer yolculuk oranları için tahmin modelleri geliştirilmiştir. Veri setinde çoklu doğrusal bağlantı (ÇDB) sorunu olması durumunda tahmin hatalarını arttıran Çoklu Doğrusal Regresyon’dan (ÇDR) daha başarılı tahminciler olan Ridge Regresyonu (RR) En Az Mutlak Büzülme ve Seçim Operatörü (Lasso) ve Elastik Net (ENet) yöntemleri kullanılmıştır. Proje önerisinde belirtilen yöntemlere ilave olarak Lasso’ya göre genelde daha tutarlı tahmin sonuçları veren Adaptive Lasso (ALasso) ve Adaptive Elastic Net (AEnet) yöntemi de veri setine uygulanmış ve sonuçlar bu ilave iki yöntemle birlikte toplam altı yönteme göre de değerlendirilmiştir. ÇDR ve RR dışındaki diğer yöntemler istatistiksel/makine öğrenmesi teknikleri kullanılarak değişken seçimi yapan yöntemlerdir ve bütün yöntemler beş katmanlı çapraz doğrulama tekniğine göre analiz edilmiş ve sonuçlar karşılaştırılmıştır. 2001 üretim modelleri için Teorik Hata Kareler Ortalamasının Karekökü (RMSE_T) açısından ENet ÇDR’ye göre yaklaşık %41 daha başarılı tahmin değerleri vermiştir. Aynı şekilde RMSE değerine göre ENet’in hedef yılı (2015) i tahmin etme başarısı ise %20 daha yüksektir. 2015 üretim modellerinde RMSE_T ye göre en başarılı tahminler AEnet’ten elde edilmiştir ve tahmin başarısı ÇDR’ye göre %59 daha yüksektir. 2015 çekim modelleri arasında RMSE_T ye göre ÇDR’den yaklaşık %51 daha başarılı olan AEnet ve Alasso modelleri en başarılı modellerdir. Diğer taraftan 2001 ve 2015 üretim modellerinde her iki modele de dahil edilen ortak değişkenler YAŞ, YOLS ve ÖĞR değişkenleridir.