Ulaştırma Türü Seçiminde Esnek Hesaplama Yöntemleri

Abstract

Bu çalısmada, Đ.T.Ü. Ulastırma Araçları Uy-gar Merkezi tarafından yapılmıs olan Eskisehir Ulastırma Ana Planı kapsamında ulasım modellerinin kalibrasyonu amacıyla toplanan veriler kullanılarak 5 adet logit ve 16 adet esnek tür seçimi modeli gelistirilmistir. Çalısma sonucunda, esnek hesaplama modelleri, logit modellerin basarısız olduğu örneklerde bile göreceli olarak yüksek tahmin basarıları elde etmislerdir. En basarılı modeller Sugeno yapısındaki sinir-bulanık modeller olmustur. Diğer yandan, yapay sinir ağları kullanarak zaman değeri hesaplanmıstır. Geleneksel ve esnek modellerin basarımlarını karsılastırmak için R-kare ölçütünün yeterli bir ölçüt labildiği de bu çalısmada görülmüstür. Ayrıca esik değerlerinin 0.5 den farklı seçilmesinin bazı modellerin basarımını yükseltiği gözlenmistir.

The aim of this study is to use soft computing methods for modelling the mode-choice in urban passenger ransportation. For this purpose 16 soft-computing models were developed and compared with the conventional binary logit model by using the data collected in the Transportation Master Plan of Eskisehir (EUAP) in 2002. It has been shown that soft computing models, especially Sugeno type neuro-fuzzy models give better estimates for predicting the mode-choice of the sample data. It has been also shown that R-square could be sufficient measure to compare the performance of the conventional and soft computing mode-choice models. Finally, it has been shown that treshold values which are not equal to 0.50 could improve the performance of some mode-choice models.