Modelling travel demand for planned special events: a study for Istanbul

Abstract

When a planned special event (PSE) is mentioned, large and international organization is considered. These organizations attract so many people all around the world to local points. However, relatively small-scale PSEs such as ordinary league games that are organized once every two weeks that impact the daily traffic of the cities especially metropolitans, are neglected. This dissertation focuses on the travel demand modelling of the ordinary super league games in Istanbul which is the most crowded city in Turkey. As a purpose of this dissertation, in order to obtain a customizable and standalone PSE model, survey design and data collection procedures, a new methodology for trip generation, trip distribution, and modal split steps of the conventional 4-step demand modelling are considered. With the opportunity provided by the newly proposed methodology, unlike most previous studies in literature, all trips and activities on the same day with the PSE are taken into the modelling process, because due to the nature of the PSEs, participants prefer to perform additional (derived) activities in the time between leaving the origin and participating the PSE. The data used in this dissertation were collected from three venues that belong to the three biggest soccer clubs in Istanbul and Turkey which are Besiktas, Fenerbahce, and Galatasaray through face-to-face surveys. The total number of valid surveys in Besiktas Vodafone Park, Fenerbahce Ulker, and Galatasaray Turk Telekom venues is 1,168. The structure of the proposed model is strongly linked to the conventional 4-step model which is well-known and widely used for aggregate trip-based modelling. However, based on various properties of PSEs a number of modifications are introduced where necessary. The proposed methodology presented in this dissertation covers the first three steps of the 4-step model while traffic assignment is left out. It should be noted that regardless of the modelling purpose, the assignment procedure is well known, widely applied, and straightforward. In addition, the inherent nature of PSEs does not bring in any constraints or necessitate any changes in the assignment procedure. In the first step, due to the characteristics of selected PSE, the calibration of trip generations are carried out by only considering the trip attractions. Consequently, in trip matrices, venues are considered only attraction zones, and the districts of Istanbul were determined as production zones. Especially in metropolitan cities such as Istanbul, PSE should be considered together with all activities and trips on the event day. Therefore, daily activities and trips starting from leaving home and up to the PSE are considered. As a result, the trips made on the days of PSE were divided into three groups. These are:  1-Step Group (n=742): who reach the stadium directly and without extra activity,  2-Step Group (n=376): who reach the stadium after performing one interim activity and make two trips,  3-Step Group (n=50): who reach the stadium after performing two interim activities and make three trips. No matter how much the population of the analysis area increases, the number of people entering the stadium will not change unless the stadium capacity is increased. For this reason, the following procedure has been applied to each stadium separately. First of all, trips to the stadium are divided into trip groups as above and the number of people in each travel group is determined. Depending on the capacity of the stadium, those who came by 1 trip, those who came by 2 trips and those who came by 3 trips were enlarged according to the number of people in the group. In this approach, additional trip matrices are generated. The total number of the generated trip matrices is 6 (one trip matrix is for 1-step group, 2 trip matrices are for 2-step group and 3 trip matrices are for 3-step group). For example, those who came by 2 trips must have a travel matrix for their first trip, and the growth constraint for this trip matrix should not exceed the total capacity of those who arrived by 2 trips in total. Moreover, those who came by 3 trips must have trip matrices of their first and second trips, and so on. For this group, the growth constraint of their second trip is the capacity of the last trip, and the growth constraint of their first trip is the capacity of the second trip. These constraints are not only for the total number of trips, especially for the first step of 2step group and the first and the second step of the 3-step group. The second step, trip distribution, was implemented for each of the 6 different trip matrices which were created in the previous step, separately. However, it is clear that the characteristics of the matrices are very different from each other. In this regard, two types of distribution modelling were used: The growth factor model and the gravity model. The Fratar method which is a member of growth factor family is used for the first leg of the 2-step group (2_1 Step trips), and for the first two legs of the 3step group (3_1 and 3_2 step trips). In the context of the proposed methodology, this method is used for the trips of individuals who attended a certain activity (eating, drinking, meeting, sightseeing, shopping, etc.) that is their previous trip/trips before coming to the venue. Moreover, within the scope of this dissertation, the possible maximum number of trips are defined by the limitations of the known capacities of the stadiums. In the proposed methodology, the gravity model was used for the last steps of the trip groups. The last step of each group only contains trips between various districts and the venues while no trips exist between other zones. In the conventional 4-step modelling approach, due to the nature of the deterrence function usually used in the trip distribution step, trips are distributed to zones where no travel is observed. However, in this study, trips should not be distributed to zones where there is no observation, because there is a capacity constraint. In an effort to overcome this problem, a dummy variable that takes the value of 1 if the destination is the venue and 0 otherwise is incorporated into the deterrence function. The third step of the classical 4-step travel demand model is the modal split. At this stage, the probability of selecting each transportation mode is calculated and a split is made accordingly. 4 transportation modes are defined as public transportation (PT), private vehicle (PV), private vehicle + public transportation (PVPT), and walking (W). The PVPT mode is used to represent the trips that are made by private vehicles at least in some part of the trip. In this study, the MNL approach was used to calculate the probabilities of modes in the stage of the modal split, and some new variables specifically related to PSE such as Arrival time" in minutes (ARRVT) will show how much time individuals allocate coming to the venue and its surroundings before the start of the match, and ANTICI (Annual average ticket price, which shows how much of their annual earnings are reserved for a season ticket to follow their matches from the venue / Annual average income, TL) were defined. During the modal split-step of the approach, modal segregation was made for each travel matrix separately. This study offers a very detailed description of the travel demand analysis of the PSEs from the beginning to the end. This analysis consists of survey study and model development with the dataset obtained by travel surveys. One of the aspects of this study that is different from other similar studies in the literature is considering daily activity and trips that are related to the PSE. Because, as it is shown in the results, individuals do not take any risk to miss the game, so they plan their daily activities and trips according to PSE starting time. Some of the conclusions of the overall study can be emphasized as follows:  The PSE model developed in this dissertation can be applied to other cities or locations, and be used to forecast travel demand for every potential PSE.  There is no limit to the trip to be produced or attracted in the conventional 4step modelling approach. However, the primary constraint in the PSE model is the capacity constraint (capacity of the stadium). For this reason, there is a limit to the trips to be attracted, so it is necessary to set a limit for the number of trips to be produced.  As a result, it can be expected to be more effective in a certain location, but it can be said that PSEs have an effect on much larger areas. Thus, the connections of these centers can be strengthened on game days and the travel demand can be managed more effectively by increasing the capacity of the public transportation system between these centers.  In order to analyze the travel behavior of the spectators, it is better to separate trips into the step groups. Modelling PSE travel demand by combining all the trips at once decreases the precision of the model.  Age, gender, or level of income have no impact on mode choice preferences was observed. The participation patterns in these activities are similar around the world that lead to the use of models having a similar approach to the one used in this dissertation.  PSE travel demand model should be integrated with macroscale Transporation Master Plans, Urban Master Plans.

Genel olarak, planlanan özel bir etkinlikten (PÖE) bahsedildiğinde, büyük ve uluslararası bir organizasyon akla gelmektedir. Bu organizasyonlar, dünyanın hemen her yerinden pek çok insanı belli süreliğine belli bir yere, şehre veya bölgeye çekmektedir. Bu gibi olaylar üzerine çalışmalar ve araştırmalar yapılmış ve yapılmaya devam etmektedir. Ancak, her iki haftada bir düzenlenen ve özellikle büyükşehirler olmak üzere şehirlerin günlük trafiğini etkileyen sıradan lig maçları gibi nispeten küçük ölçekli ama daha sık düzenlenen PÖE'ler ihmal edilmektedir. Bu tez, Türkiye'nin en kalabalık şehri olan İstanbul'da, sıradan süper lig maçlarının ulaşım talebi modellemesi üzerine odaklanmıştır. Tezin amacı, anket tasarımı, veri toplama süreci ve geleneksel 4-adım ulaşım talep modeli yaklaşımının yolculuk üretimi, yolculuk dağıtımı ve türel ayrım adımlarını kullanarak özelleştirilebilir ve bağımsız bir PÖE modeli elde etmektir. Yeni önerilen metodolojinin sağladığı fırsatla, literatürdeki önceki çalışmaların çoğundan farklı olarak, PÖE ile aynı gün yapılan tüm yolculuklar ve aktiviteler de model çalışmasına dahil edilmiştir. Çünkü, PÖE'nin doğası gereği, katılımcılar, yolculuk başlangıç ve PÖE başlangıç zamanı arasında ekstra (türetilmiş) farklı bir aktiviteye daha katılma eğilimi göstermektedir. Bu tezde kullanılan veriler, taraftar sayısı, kulüp geliri, elde ettiği lig başarısına göre İstanbul ve Türkiye'nin en büyük üç futbol kulübü olan Beşiktaş, Fenerbahçe ve Galatasaray'a ait üç stadyumda yüz yüze anket yöntemiyle toplanmıştır. Beşiktaş Vodafone Park, Fenerbahçe Ülker ve Galatasaray Türk Telekom stadyumlarından elde edilen toplam geçerli anket sayısı 1,168'dir. Önerilen modelin yapısı, iyi bilinen ve toplulaştırılmış yolculuk tabanlı modelleme kapsamında yaygın olarak kullanılan geleneksel 4-adım modeli yapısıyla güçlü bir şekilde bağlantılıdır. Bununla birlikte, PÖE'lerin çeşitli özelliklerine bağlı olarak, geleneksel modelde gerektiğinde bir dizi değişiklik yapılmıştır. Bu tezde önerilen metodoloji, trafik ataması hariç olarak 4-adım modelinin ilk üç adımını kapsamaktadır. Modelleme amacına bakılmaksızın, trafik ataması adımı genel anlamda iyi bilinen ve yaygın olarak uygulanan bir adımdır. Bununla birlikte, trafik atama prosedürü PÖE'ler için herhangi bir değişiklik gerektirmemektedir. İlk adımda, seçilen PÖE'nin karakteristik özelliği nedeniyle, yolculuk üretimi kalibrasyonu yalnızca yolculuk çekimleri dikkate alınarak yapılmıştır. Dolayısıyla yolculuk matrislerinde sadece stadyumlar yolculuk çekim bölgeleri olarak değerlendirilirken, İstanbul'un ilçeleri yolculuk üretim bölgeleri olarak belirlenmiştir. Özellikle İstanbul gibi metropol şehirlerde PÖE, etkinlik günündeki tüm aktiviteler ve yolculuklar birlikte, bağlantılı olarak düşünülmelidir. Bu nedenle, örneğin, evden çıkıp PÖE'ye kadar olan günlük aktiviteler ve yolculuklar dikkate alınmıştır. Sonuç olarak, bu çalışmada, PÖE'nin düzenlendiği günlerde yapılan yolculuklar üç gruba ayrılmıştır. Bunlar:  1-Adım Grubu (n = 742): Stadyuma doğrudan ve fazladan aktivite yapmadan ulaşanlar,  2-Adım Grubu (n = 376): Bir ara aktivite yaptıktan sonra stadyuma ulaşan ve iki yolculuk yapan,  3-Adım Grubu (n = 50): İki ara aktivite yaptıktan sonra stadyuma ulaşan ve üç yolculuk yapan. Geleneksel yaklaşımda veya bir yerleşim yeri mevzu bahis olduğunda herhangi bir yolculuk kısıtlaması olmamaktadır. Ancak bu durum PÖE'ler söz konusu olduğunda bu şekilde değildir. Çalışma alanının nüfusu ne kadar artarsa atrsın, stadyuma giren kişi sayısı stadyum kapasitesi artırılmadıkça değişmeyecektir. Bu nedenle aşağıdaki yöntem her stadyuma ayrı ayrı uygulanmıştır. Öncelikle stadyuma yapılacak yolculuklar yukarıda bahsedildiği üzere yolculuk gruplarına ayrılarak her bir yolculuk grubundaki kişi sayısı belirlenmiştir. Stadyumun kapasitesine göre tek yolculuk ile gelenler, iki yolculuk ile gelenler ve üç yolculuk ile gelenler, kendi gruplarındaki kişi sayısına göre ağırlıklandırılmış ve stadyumların tam kapasite olarak hizmet vereceği varsayımıyla, toplam kapasiteye göre büyütülmüştür. Bu yaklaşımda, üç yolculuk grubu için toplamda 6 yolculuk matirsi oluşturulmuştur (bir yolculuk matrisi 1-Adım Grubu, iki adet yolculuk matrisi 2-Adım Grubu ve üç adet yolculuk matrisi 3-Adım Grubu için). Biraz daha açmak gerekirse, örneğin, 2 yolculukla stadyuma gelenlerin ilk yolculukları için bir yolculuk matrisine sahip olmaları gerekir ve bu gezi matrisinin büyüme kısıtı toplamda 2 seferle gelenlerin toplam kapasitesini aşmamalıdır. Ayrıca, 3 seyahatle gelenlerin birinci ve ikinci seyahatlerinin yolculuk matrislerine sahip olması gerekir, vb. Bu grup için (3-Adım Grubu) ikinci seyahatlerinin büyüme kısıtı son yolculuğun kapasitesi ve ilk yolculuklarının büyüme kısıtı ise ikinci yolculuğun kapasitesidir. Bu kısıtlamalar, sadece toplam yolculuk sayısı için değil, özellikle 2 Adım Grubunun ilk adımı ve 3-Adım Grubunun birinci ve ikinci adımı için uygulanmıştır. İkinci adım olan yolculuk dağıtımı, önceki adımda oluşturulan 6 farklı yolculuk matrisinin her biri için ayrı ayrı uygulanmıştır. Ancak matrislerin özelliklerinin birbirinden çok farklı olduğu görülmektedir. Bu nedenle bu çalışmada, iki tür dağılım modeli kullanılmıştır: Büyüme faktörü modeli ve çekim modeli. Büyüme faktörü ailesinin bir üyesi olan Fratar yöntemi 2-Adım Grubunun ilk ayağında (2_1 Adım yolculukları) ve 3-Adım Grubunun ilk iki ayağında (3_1 ve 3_2 Adım yolculuklar) kullanılmıştır. Önerilen metodoloji bağlamında bu yöntem, stadyuma gelmeden önce belirli bir etkinliğe (yeme, içme, buluşma, gezi, alışveriş vb.) katılan bireylerin yapmış olduğu yolculuk/yolculuklar için kullanılmıştır. Diğer taraftan, yolculuk gruplarının son adımları için genellikle tercih edilen çekim modeli kullanılmıştır. Her adım grubun son adımı, bütün zonlardan (bölgelerden) stadyumlara yapılan yolculukları kapsamaktadır ve stadyumlara yapılan yolculuklardan başka bir yolculuk bulunmamaktadır. Geleneksel 4 adımlı modelleme yaklaşımında, genellikle yolculuk dağıtımı adımında kullanılan caydırıcılık fonksiyonu karakteristiği nedeniyle, yolculuk gözlemlenmeyen zonlara da yolculuklar dağıtılmaktadır. Ancak, çalışmada kapasite kısıtlaması olduğundan, yolculuk gözlemlenmeyen zonlara yolculuklar dağıtılmamalıdır. Bu problemin üstesinden gelmek için, yolculuk bitiş yerine göre 1 değerini ve aksi takdirde 0 değerini alan bir kukla değişken caydırıcılık fonksiyonuna dahil edilmiştir. 4-adım yolculuk talep modelinin üçüncü adımı, türel dağılımdır. Bu aşamada, her bir ulaşım türünün seçilme olasılığı hesaplanır ve buna göre bir ayrım yapılır. Çalışma kapsamında, 4 adet ulaşım türü tanımlanmıştır. Bunlar; toplu taşıma (PT), özel araç (PV), özel araç + toplu taşıma (PVPT) ve yürüme (W)'dir. PVPT modu, yolculuğun en azından bir bölümünde özel araçla yapılan yolculukları temsil etmektedir. Türel ayrım adımında, her bir türün seçilme olasılıklarını hesaplamak adına Çok Terimli Lojit Model (ÇTLM) (Multinomial Logit Model) kullanılmıştır. Bu modele, özellikle PÖE ile ilgili bazı yeni değişkenler dahil edilmiştir. Örneğin, bireylerin etkinlik başlamadan önce etkinlik alanı yakın çevresine veya etkinlik alanına ne kadar süre önce geldiğini dakika cinsinden gösteren ARRVT değişkeni, ortalama kombine bilet fiyatının ortalama yıllık gelire oranı ile elde edilmiş ve bireylerin takımlarının iç saha oyunlarını stadyumdan takip edebillmek için yıllık kazançlarının ne kadarını gözden çıkardıklarını gösteren ANTICI değişkeni gibi PÖE'ye özel değişkenler tanımlanmıştır. Türel ayrım adımı, daha önce elde edilmiş her bir yolculuk matrisine ayrı ayrı uygulanmıştır. Bu çalışma, baştan sona PÖE'lerin yolculuk talebi analizinin çok ayrıntılı bir açıklamasını sunmaktadır. Bu analiz, yolculuk anketleri ile elde edilen veri setiyle anket çalışması ve model geliştirme aşamalarından oluşmaktadır. Bu çalışmanın literatürdeki benzer çalışmalardan farklı olan yönlerinden birisi de PÖE ile ilgili günlük aktivite ve yolculukların hepsinin birbirleriyle bağlantılı bi şekilde ele almasıdır. Çünkü sonuçlarda da görüldüğü gibi bireyler oyunu kaçırma riskine girmemekte ve bu nedenle günlük aktivitelerini ve yolculuklarını PÖE başlangıç saatine göre planlamaktadır. Genel olarak, çalışmanın sonuçlarından bazıları aşağıdaki gibi sıralanabilir:  Bu tezde geliştirilen PÖE modeli diğer şehirlere veya yerlere uygulanabilir ve her potansiyel PÖE için yolculuk talebini tahmin etmek için kullanılabilir.  Geleneksel 4-adım model yaklaşımında üretilecek veya çekilecek yolculuğun bir sınırı yoktur. Bununla birlikte, PÖE modelindeki birincil kısıt, kapasite kısıtıdır (stadyum kapasitesi). Bu nedenle çekilecek yolculukların bir sınırı olmalıdır. Bu nedenle üretilecek yolculukların sayısına da bir sınır koymak gerekmektedir.  PÖE'lerin bulunduğu konumda, daha küçük ölçekte (mahalle veya semt) sosyo-kültürel açıdan, ekonomik ve mali açıdan daha etkili olması beklenebilir. Ancak stadyuma gelenlerin bir önceki aktivite yerleri, ya da 3-Adım Grubuna ait olanların birer önceki aktivite yerlerinde de PÖE'lerin etkisi olmaktadır. Bu gibi yerler ikincil veya üçüncül aktivite merkezleri olarak değerlendirilebilir ve bu bölgeler, PÖE kaynaklı yolculuk talebini ilk karşılayan bölgeler olmaktadır. Bu nedenle, etkinlik günlerinde bu merkezlerin stadyumlarla olan bağlantıları güçlendirilebilir ve aralarındaki toplu taşıma sisteminin kapasitesi artırılarak yolculuk talebi daha etkin yönetilebilir.  Taraftarların yolculuk davranışlarını analiz etmek için yolculukları adım adım gruplara ayırmak daha etkin bir analiz ve modelleme için gereklidir. Tüm yolculukları aynı anda birleştirerek PSE hareket talebini modellemek, modelin hassasiyetini azaltacaktır.  Geleneksel modelde genellikle anlamlı ve etkili çıkan yaş, cinsiyet veya gelir düzeyinin taraftarların tür seçimi tercihleri üzerinde hiçbir etkisi olmadığı gözlemlenmiştir. Bu tür faaliyetlerdeki taraftar davranış kalıpları dünya genelinde birbirine benzerdir. Tam da bu nedenle, bu çalışma kapsamında önerilen modelleme yaklaşımı farklı şehirlerde de uygulanabilir.  PÖE yolculuk talep modeli makro ölçekli Ulaşım Ana Planları, Kentsel Master Planları gibi ulaşım, trafik ve kentsel plan çalışmaları ile mutlaka entegre edilmeli, özellikle fizibilite etüdü gibi çalışmalarda PÖE modeli göz ardı edilmemelidir.