Elektrikli araç tercih kriterlerinin bulanık bilişsel haritalama yöntemi ile önceliklendirilmesi

Abstract

Günümüz dünyasında enerji tüketimi, çevresel sürdürülebilirlik ve iklim değişikliği gibi küresel sorunlar, birçok sektörde olduğu gibi ulaşım sektöründe de köklü dönüşümleri zorunlu hale getirmiştir. Fosil yakıtların yoğun kullanımı nedeniyle artan karbon salınımı, hava kirliliği ve enerji bağımlılığı, daha temiz, çevreci ve sürdürülebilir ulaşım alternatiflerinin geliştirilmesini gerekli kılmaktadır. Bu bağlamda, elektrikli araçlar, enerji verimliliği, düşük karbon salınımı ve yenilenebilir enerji kaynaklarıyla uyumlu yapıları ile içten yanmalı motorlu araçlara kıyasla önemli avantajlar sunmaktadır. Ancak, elektrikli araçların pazarda geniş çapta kabul görmesi ve kullanıcılar tarafından benimsenmesi, yalnızca teknik üstünlüklerine bağlı değildir. Elektrikli araçlara yönelik tercih kriterleri, teknik faktörlerin yanı sıra sosyal, ekonomik ve algısal unsurlarla da şekillenmektedir. Bu çalışma, elektrikli araç tercihlerine etki eden kriterlerin belirlenmesi ve bu kriterlerin birbirleriyle olan nedensel ilişkilerinin analiz edilmesi amacıyla tasarlanmıştır. Bu araştırmada, elektrikli araç tercih kriterlerinin karşılıklı etkileşimlerini analiz etmek için Bulanık Bilişsel Haritalama (BBH) yöntemi kullanılmıştır. BBH yöntemi, kavramlar arasındaki neden-sonuç ilişkilerini yönlü ve ağırlıklı bağlantılarla temsil eden, karar verme süreçlerinde etkili olan faktörlerin karmaşık ilişkilerini analiz etmeye olanak tanıyan bir yöntemdir. Kosko (1986) tarafından geliştirilen bu yöntem, özellikle doğrusal olmayan, çok değişkenli ve geri beslemeli sistemlerin analizinde yaygın olarak kullanılmaktadır. BBH, hem nitel hem de nicel verileri bir arada kullanarak, sistemin genel yapısını, kavramlar arası etkileşimleri ve olası senaryoları modelleyebilme avantajına sahiptir. Araştırma kapsamında, öncelikle literatür taraması gerçekleştirilmiş ve elektrikli araç tercihini etkileyen kriterler belirlenmiştir. Bu kriterler; enerji maliyetleri(yakıt tüketimi), menzil, satın alma fiyatı, bakım maliyetleri, şarj süresi, performans, güvenlik, konfor, yenilenebilir enerji entegrasyonu, çevre dostu olması, kullanıcı tecrübesi ve yorumlar, prestij ve imaj, vergi teşvikleri ve indirimler, şarj altyapısı ve teknolojisi, demografik faktörler ve sessiz çalışması olarak belirlenmiştir. Bu faktörlerin belirlenmesi sürecinde, mevcut literatürde yer alan akademik çalışmalar ve uzman görüşlerinden yararlanılmıştır. Ardından, uzman görüşlerine dayalı bir anket çalışması yürütülmüş ve uzmanların görüşleri doğrultusunda BBH modelinin kavramsal yapısı oluşturulmuştur. Anket çalışması kapsamında, otomotiv sektöründen profesyoneller, mühendisler, pazarlama personelleri ve tecrübeli elektrikli araç kullanıcılarından oluşan 10 kişilik bir katılımcı grubu belirlenmiştir. Bu sayede, elde edilen veriler geniş kapsamlı bir değerlendirme imkanı sağlamıştır. Uzmanlara yöneltilen sorularla, elektrikli araç tercih kriterlerinin birbirleriyle olan nedensel ilişkileri değerlendirilmiş ve her bir ilişkinin etki düzeyi belirlenmiştir. Bu veriler kullanılarak BBH modeli oluşturulmuş ve elde edilen veri seti, FCMapper yazılımı kullanılarak analiz edilmiştir. BBH modeli, belirlenen kriterlerin sistemdeki merkeziyet, dışsallık ve içsellik değerlerinin hesaplanmasına olanak tanımaktadır. Merkeziyet değeri, bir kriterin sistemdeki genel etkisini ifade ederken; içsellik değeri, o kriterin diğer kriterlerden ne kadar etkilendiğini göstermektedir. Dışsallık değeri ise bir kriterin diğer kriterleri ne kadar etkilediğini ifade etmektedir. Bu analizler sonucunda, elektrikli araç tercihini etkileyen en kritik faktörlerin sırasıyla kullanıcı tecrübesi ve yorumları, prestij ve imaj, yenilenebilir enerji entegrasyonu, konfor ve vergi teşvikleri olduğu tespit edilmiştir. Ayrıca, enerji maliyetleri, şarj altyapısı ve şarj süresi gibi teknik faktörlerin de kullanıcı tercihlerini etkileyen önemli unsurlar olduğu ortaya konulmuştur. Çalışmanın literatüre katkısı, elektrikli araç tercih kriterlerinin BBH yöntemi ile analiz edilmesi ve bu kriterler arasındaki ilişkilerin sistematik olarak ortaya konulmasıdır. Literatürdeki mevcut çalışmaların çoğu, elektrikli araç tercihlerine ilişkin faktörleri istatistiksel analizlerle değerlendirmekte ve bu faktörler arasındaki dinamik ilişkileri ihmal etmektedir. Bu çalışma ise, BBH yöntemi ile kavramlar arası nedensel ilişkilerin görsel ve sayısal olarak modellenmesini sağlayarak, sistemdeki her bir faktörün rolünü ve etkisini daha detaylı bir şekilde ortaya koymaktadır. Ayrıca, çalışma kapsamında geliştirilen modelin diğer ulaşım sistemlerine de uyarlanabilir olması, araştırmanın bir diğer özgün katkısıdır. Uygulama sonuçları, elektrikli araçların yaygınlaşması sürecinde yalnızca teknik faktörlerin değil, sosyal ve algısal faktörlerin de kritik rol oynadığını göstermektedir. Örneğin, kullanıcı tecrübesi ve prestij gibi faktörlerin merkeziyet değerlerinin yüksek olması, elektrikli araçların algısal boyutunun kullanıcı tercihlerini doğrudan etkilediğini ortaya koymaktadır. Bu sonuçlar, elektrikli araçların pazarlama stratejilerinin yalnızca teknik üstünlüklere odaklanmak yerine, kullanıcı deneyimlerini ve sosyal etkileri de içerecek şekilde geliştirilmesi gerektiğini göstermektedir. Ayrıca, yenilenebilir enerji entegrasyonunun merkeziyet değerinin yüksek olması, elektrikli araçların çevresel sürdürülebilirlik ile ilişkilendirilmesinin pazarlama stratejilerinde ön plana çıkarılmasının önemini vurgulamaktadır. Sonuç olarak, bu çalışma kapsamında geliştirilen BBH modeli, elektrikli araç tercih kriterlerini sistematik bir yaklaşımla analiz ederek, karar vericilere hem mevcut durumu değerlendirme hem de gelecekteki senaryoları modelleme imkânı sunmaktadır. Çalışmanın bulguları, sektörel uygulamalar açısından stratejik planlama süreçlerine katkı sağlayabilecek niteliktedir. Ayrıca, elde edilen modelin, benzer analizlerde farklı teknoloji tercihleri veya ulaşım sistemleri için de kullanılabilir olması, çalışmanın genel geçerliliğini artırmaktadır.Bu bağlamda, çalışma hem literatürdeki teorik boşluğu doldurmakta hem de uygulamalı bir karar destek sistemi geliştirilmesine katkı sunmaktadır. Çalışmanın sonuçları, elektrikli araçların yaygınlaşması sürecinde politika yapıcılara, üreticilere ve pazarlama stratejistlerine yol gösterici nitelikte öneriler sunmaktadır.

The global challenges related to energy consumption, environmental sustainability, and climate change have compelled various sectors, including transportation, to undergo significant transformations. The increasing carbon emissions, air pollution, and energy dependency resulting from extensive fossil fuel use have necessitated the development of cleaner, more environmentally friendly, and sustainable transportation alternatives. In this context, electric vehicles offer substantial advantages over internal combustion engine vehicles due to their energy efficiency, low carbon emissions, and compatibility with renewable energy sources. However, the widespread adoption and acceptance of electric vehicles by consumers are not solely dependent on their technical superiority. The preference criteria for electric vehicles are shaped not only by technical factors but also by social, economic, and perceptual aspects. This study aims to identify the criteria influencing electric vehicle preferences and to analyze the causal relationships among these criteria using the Fuzzy Cognitive Mapping (FCM) method. The FCM method, developed by Kosko (1986), is a widely used technique for analyzing complex interrelationships among factors in decision-making processes. It represents causal relationships as directional and weighted connections, allowing for the analysis of both individual and systemic influences within a network of criteria. FCM is particularly suitable for systems that are nonlinear, multidimensional, and feedback-oriented. By integrating both qualitative and quantitative data, FCM enables a comprehensive evaluation of system structure, inter-concept interactions, and potential scenarios. A comprehensive literature review was conducted to identify the criteria influencing electric vehicle preferences. The identified criteria included; energy costs (fuel consumption), range, purchase price, maintenance costs,charging time, performance, safety, comfort, renewable energy integration, environmental friendliness, user experience and reviews, prestige and image, tax incentives and discounts, charging infrastructure and technology, demographic factors, and noiseless operation. These criteria were determined through academic studies and expert opinions. Subsequently, a survey based on expert opinions was conducted to construct the conceptual structure of the FCM model. The survey was conducted with a group of 10 participants consisting of automotive sector professionals, engineers, marketing personnel, and experienced EV users. This diverse participant group allowed for a comprehensive assessment of the data obtained. The experts were asked to evaluate the causal relationships between EV preference criteria and to determine the degree of influence for each relationship. The data collected were used to develop the FCM model, and the dataset was analyzed using the FCMapper software. The FCM model enables the calculation of centrality, outdegree, and indegree values for each criterion. Centrality indicates the overall impact of a criterion within the system; indegree reflects the extent to which a criterion is influenced by other criteria, and outdegree represents the extent to which a criterion affects other criteria. The analysis revealed that the most influential factors affecting EV preferences were user experience and reviews, prestige and image, renewable energy integration, comfort, and tax incentives. Additionally, technical factors such as energy costs, charging infrastructure, and charging time were also identified as significant determinants of EV preference. A key aspect of the FCM method is its ability to simulate scenarios and predict the outcomes of potential changes within the system. In this study, several scenarios were developed to assess the potential impacts of changes in specific criteria. For instance, the impact of increased renewable energy integration on user preferences was simulated, revealing that a stronger focus on sustainable energy sources could significantly enhance the perceived value of EVs among environmentally conscious consumers. Similarly, the influence of government incentives was examined, indicating that well-structured financial incentives could effectively mitigate the high initial cost barrier associated with EV purchases. Moreover, the study delved into how perceived risks, such as battery degradation, range anxiety, and high purchase costs, influence consumer decision-making. These factors were found to significantly deter potential buyers from opting for EVs, especially in regions with inadequate charging infrastructure. The integration of risk perception analysis into the FCM model allowed for a deeper understanding of how such concerns can impact overall EV adoption. Furthermore, the analysis underscored the interconnected nature of the identified criteria. Factors such as performance, comfort, and user experience were found to be strongly interrelated, suggesting that improvements in one area could have cascading effects on others. For example, enhancing user comfort through improved battery technology not only increases the perceived value of EVs but also positively impacts overall user satisfaction, thereby reinforcing the centrality of user experience in shaping EV preferences. Moreover, the study provides a comprehensive analysis of how environmental sustainability considerations influence EV preferences. The incorporation of renewable energy integration was found to not only elevate the perceived environmental value of EVs but also align them with broader societal goals related to climate change mitigation and carbon reduction. The findings emphasize the importance of promoting EVs as environmentally friendly alternatives to conventional vehicles, thus aligning marketing strategies with green narratives. Additionally, the study highlights the role of demographic factors in shaping EV preferences. Demographic characteristics such as age, income level, and environmental awareness significantly affect consumer perceptions of EVs. Younger consumers, for instance, were found to place a higher emphasis on technological features and environmental benefits, whereas older consumers prioritized comfort and safety. Understanding these demographic distinctions is crucial for tailoring marketing strategies to different consumer segments. A further dimension explored in this study is the role of social influence and peer networks in shaping EV adoption. Social networks, word-of-mouth recommendations, and community perceptions can significantly affect consumer decisions regarding EV adoption. This aspect was integrated into the FCM model, allowing for an analysis of how social and perceptual factors intertwine with technical and economic factors. Additionally, the model explores potential policy interventions aimed at increasing EV adoption. These include subsidies, tax incentives, and infrastructure investments. By simulating the effects of various policy scenarios within the FCM framework, the study offers valuable insights into how targeted policy measures can amplify or mitigate specific EV preference criteria. This analysis provides a strategic perspective for policymakers aiming to promote EV adoption as part of broader sustainable transportation initiatives. In conclusion, the study underscores the multifaceted nature of EV preferences, integrating technical, social, economic, and perceptual dimensions into a comprehensive framework. By employing the FCM method, the research not only identifies key preference criteria but also reveals the dynamic interconnections among them, offering valuable insights for policymakers, marketers, and EV manufacturers in the strategic planning of sustainable transportation systems. Furthermore, the study emphasizes that the findings are not only relevant to EVs but can also be extended to other emerging technologies and mobility solutions, making it a valuable contribution to the broader literature on sustainable transportation and decision-making frameworks.