Elektrikli Skuter Kullanıcı Tercihlerinin Makine Öğrenmesi Yöntemleri ile Modellenmesi

Abstract

Karayolu motorlu taşıt trafiği kaynaklı gecikmeler, trafik kazaları, çevre kirlilikleri gibi sorunlar günümüz toplumlarının başlıca sorunları arasındadır. Bu sorunların üstesinden gelmek için ulaştırma sistemi kullanıcıları, toplu taşımanın yanı sıra, aktif ulaşım sistemleri ve mikromobilite türlerini kullanmaya özendirilmektedir. Elektrikli skuterler, özellikle araç paylaşım hizmeti veren firmaların 2018 yılında piyasaya girmesinden bu yana gözde olmaya başlayan ve COVID-19 salgınıyla birlikte bu özelliğini arttıran bir mikromobilite sistemidir. Bu çalışma kapsamında, İstanbul'da yaşayan e-skuter kullanıcılarının demografik bilgilerinin yanı sıra, e-skuter kullanımına ilişkin tutum ve davranışları 1 Eylül 2023 – 1 Mayıs 2024 tarihleri arasında uygulanan bir çevrimiçi anket ile incelenmiştir. 462 adet e-skuter kullanıcısının geliştirilen 24 adet farklı senaryoda hangi ulaşım türünü kullanmayı seçecekleri bu anket ile kendilerine sorulmuştur. Katılımcıların anketlere verdikleri yanıtlar, Yapay Sinir Ağları, Karar Ağaçları, Rastgele Orman ve Eğim Arttırma Yöntemleri kullanılarak modellenmiştir. Geliştirilen modeler arasında Rastgele Orman, %96,51 gibi bir oranla en yüksek başarımı sağlayanı olmuştur. Bu oran literatürdeki kesikli seçim modellerinin başarımını oldukça aşmaktadır. Çalışma kapsamında geliştirilen modeller, bilimsel araştırmacılar tarafından farklı amaçlarla kullanılabileceği gibi, merkezi ve yerel yöneticiler ile paylaşımlı e-skuter hizmeti veren firmalar da stratejik ve işletmesel kararlarını oluşturmakta bu modellerden yarar sağlayabilirler. Gelecekteki çalışmalarda, farklı makine öğrenmesi yöntemlerinin kullanılması ve farklı şehirlerde yaşayanların tercihlerini de yansıtacak bir modelin geliştirilmesi hedeflenmektedir.

Delays resulting from motor vehicle traffic, traffic accidents, and environmental pollution pose significant challenges in contemporary society. To tackle these issues, users of transportation systems are encouraged to engage in active transportation methods and micromobility options alongside public transit. Electric scooters have emerged as a popular micromobility solution, particularly following the introduction of vehicle-sharing companies in 2018, a trend that was further accelerated by the COVID-19 pandemic. This study explored the demographic characteristics, attitudes, and behaviors of e-scooter users in Istanbul through an online survey conducted between September 1, 2023, and May 1, 2024. A total of 462 e-scooter users were surveyed on their preferred transportation mode across 24 various scenarios devised for the study. The responses from participants were analyzed using Artificial Neural Networks, Decision Trees, Random Forest, and Gradient Boosting methods. Among the models developed, Random Forest demonstrated the highest performance, achieving an accuracy rate of 96,51%, significantly exceeding the performance of discrete choice models reported in the literature. The models created in this study can serve multiple purposes for scientific researchers, central and local authorities, as well as shared e-scooter service providers, aiding in their strategic and operational decision-making processes. Future research will seek to employ different machine learning methodologies and develop a model that better reflects individual preferences across various cities.