No abstract

Trip generation is the first step of transportation planning and trip distribution, stochastic separation, and assignment of traffic are done at the end of the finding of the values. In the scope of this study, the three provinces were selected from developed, developing, and non-developed provinces in Turkey and the field of the study was determined. In the determined provinces, trip generation models were generated according to the household characteristics by making household transportation surveys in the determined provinces. The aim of this study is to determine the trip generation of provinces of different categories according to the household characteristics related to the size and development situation of the provinces and to determine the factors affecting trip generation in these provinces. Besides, it is decided which one of the multiple linear, poisson, and negative binomial regression models is more appropriate for trip generation and Artificial Neural Networks model is compared with the most significant regression model. At the end of the analyses, Artificial Neural Network models have shown better performance among three different data sets. As a result, Artificial Neural Networks was proposed as an alternative method in the trip generation of the provinces. adhana(0123456789().,-volV)FT3 ](0123456789().,-volV)

Bu çalışmanın amacı farklı gelişmişlik düzeyine sahip illerde yaşayan bireylerin toplu taşıma kullanımına etki eden faktörlerin belirlenmesidir. Çalışma kapsamında Türkiye'de gelişmişlik indeksine göre gelişmiş, gelişmekte olan ve gelişmemiş il gruplarından seçilen sırasıyla Ankara, Erzurum ve Bayburt illeri çalışma alanı olarak belirlenmiştir. Bu üç ilin merkez ilçe nüfuslarına göre örneklem büyüklükleri hesaplanmıştır. Çalışma alanlarında Şubat-Nisan 2015 tarihleri arasında saha çalışması yaptırılarak hanehalkı ulaşım anketleri uygulanmıştır. Hanehalkı ulaşım anketleri sonucu elde edilen veri seti çalışmanın amacına uygun olarak hazırlanmış ve oluşturulacak istatistiksel modelin değişkenleri belirlenmiştir. Bağımlı değişken olarak toplu taşıma kullanımı seçilmiştir. Bağımlı değişken nitel ve ikili cevap (evet-hayır, var-yok) içerdiği için ikili lojistik regresyon analizi uygulanmıştır. Modelde bağımsız değişken olarak cinsiyet, yaş, eğitim durumu, sürücü belgesi sahipliği, yolculuk amacı, yolculuk süresi gibi değişkenler kullanılmıştır. Sonuç olarak, üç farklı gelişmişlik düzeyindeki iller için ayrı ayrı oluşturulan toplu taşıma kullanım ikili lojistik regresyon modeli sonuçları karşılaştırılmıştır. Toplu taşıma kullanımında Ankara ilinde ehliyet sahipliği, yolculuk amacı, yolculuk süresi değişkenleri, Erzurum ilinde eğitim durumu, ehliyet sahipliği, yolculuk amacı, yolculuk süresi değişkenleri, Bayburt ilinde ise cinsiyet ve yolculuk süresi değişkenleri istatistiksel olarak anlamlı değişkenlerdir. Hanehalkı ulaşım anketlerinden elde edilen veriler sonucunda toplu taşıma kullanım oranı en yüksek olan il gelişmekte olan il grubundan seçilen Erzurum ili, toplu taşıma kullanım oranının en düşük olduğu il gelişmemiş il grubundan seçilen Bayburt ilidir.

Car and vehicle ownership levels in developing countries are gradually increasing, leading to traffic congestion, energy consumption, and air pollution. As a developing country, Turkey encounters many of the issues caused by this rapid increase in car ownership. This paper aims to examine potential determinants of household car and vehicle ownership behavior in urban areas of Turkey by concentrating on three cities (Ankara, Erzurum, and Bayburt) that are distinct in population, geographical region, and public transit services. For this purpose, a written survey was administered to 1389 households living in these cities. The data is analyzed using alternative ordered response models—the generalized ordered logit, partial proportional odds (PPO), and heteroskedastic ordered logit models. To the best of our knowledge, this study is the first attempt to compare alternative ordered response models to determine car and vehicle ownership behavior in Turkey. Consequently, the PPO model was found to be the most parsimonious model among the others. The results demonstrated that household car and vehicle ownership behavior in Turkey differs significantly with urban area size. The estimation results also revealed that several key drivers, including type of dwelling, parking availability, household monthly income, and public transit use, significantly influence Turkish households’ car and vehicle ownership levels. This study’s empirical findings may provide insight to policymakers and stakeholders for future transportation strategies and policies.