You are on page 1of 124

YILDIZ TEKNİK ÜNİVERSİTESİ

FEN BİLİMLERİ ENSTİTÜSÜ












TRAFİK SAYIMLARINDAN O-D MATRİSİ
ELDE ETME YÖNTEMLERİ






İnşaat Mühendisi Taylan ENGİN


FBE İnşaat Anabilim Dalı Ulaştırma Programında
Hazırlanan


YÜKSEK LİSANS TEZİ





Tez Danışmanı: Prof. Dr. Aydın EREL (YTÜ)












İSTANBUL, 2005
ii
İÇİNDEKİLER
Sayfa
SİMGE LİSTESİ ....................................................................................................................... iv
ŞEKİL LİSTESİ ......................................................................................................................... v
ÇİZELGE LİSTESİ ................................................................................................................... vi
ÖNSÖZ..................................................................................................................................... vii
ÖZET.......................................................................................................................................viii
ABSTRACT .............................................................................................................................. ix
1. GİRİŞ....................................................................................................................... 1
1.1 Tez Amaçları ve İçeriği ........................................................................................... 4
1.2 Tez Organizasyonu .................................................................................................. 5
1.3 Ulaşım Planlamasında Talep Analizi....................................................................... 6
1.3.1 Talep Analizi Aşamaları .......................................................................................... 8
1.3.1.1 Yolculuk Üretim ve Çekimi .................................................................................... 8
1.3.1.2 Yolculuk Dağılımı (Distribution) ............................................................................ 9
1.3.1.3 Yolculukların Ulaştırma Türlerine Ayrımı (Modal Split) ..................................... 12
1.3.1.4 Yolculukların Yola Atanması (Assignment) ......................................................... 14
2. TRAFİK SAYIMLARINDAN O-D MATRİSİ TAHMİN EDİLMESİ................ 15
2.1 O-D Matrisinin Önemi........................................................................................... 15
2.2 Kullanılan Modeller............................................................................................... 16
2.2.1 Gravity (Çekim Modeli) ........................................................................................ 17
2.2.2 Entropi Modelleri................................................................................................... 20
2.2.3 Denge Modelleri .................................................................................................... 23
2.2.4 İstatistiksel Modeller ............................................................................................. 25
2.2.5 Sinir Ağı Modelleri................................................................................................ 25
2.2.6 Bulanık Mantık...................................................................................................... 26
2.2.7 Değerlendirme ....................................................................................................... 26
2.3 O-D Matrisi Tahminine Ait Problem Detayları..................................................... 27
2.4 Yolculuk Dağılımı ve Yapay O-D Yaratımı.......................................................... 29
2.5 Çeşitli Çözümler .................................................................................................... 33
2.6 Yolculuk Sayıları Tabanlı O-D Matrisleri İçin Maksimum Olabilirlik................. 34
2.7 Trafik Hacim Değerleri Tabanlı Maksimum Olasılık ........................................... 38
2.8 Akım Sürekliliğinin Varlığı................................................................................... 39
2.9 Diğer Yaklaşımlar.................................................................................................. 42
2.10 Özet........................................................................................................................ 43
3. O-D MATRİSİ ÇÖZÜM YAKLAŞIMLARI........................................................ 44
3.1 Giriş ........................................................................................................................ 44
3.2 Yolculuk Modeli ve Yaklaşımlar ................................................................................. 44
iii
3.3 Hacim Modeli ve Yaklaşımlar ..................................................................................... 50
3.4 Özet......................................................................................................................... 52
4. SAYISAL ÇÖZÜMLEME TEKNİKLERİ ........................................................... 53
4.1 Giriş ....................................................................................................................... 53
4.2 Çift Adımlı Yaklaşım............................................................................................ 53
4.3 Tek Basamak Yaklaşımı ........................................................................................ 56
4.4 Çözüm Yazılımları ve Özellikleri.......................................................................... 58
4.4.1 Bilgisayar Etmenleri .............................................................................................. 58
4.4.2 Matematiksel Etmenler.......................................................................................... 59
4.5 Alternatif Çözücüler ve Paket Programlar............................................................. 59
4.5.1 Microsoft Excel Çözücü ........................................................................................ 59
4.5.2 Matlab.................................................................................................................... 60
4.5.3 Queens-OD............................................................................................................ 60
4.6 Özet........................................................................................................................ 61
5. YAPAY O-D MODELLERİNİN KARŞILAŞTIRMASI ..................................... 62
5.1 Giriş ....................................................................................................................... 62
5.2 Test Edilecek Yol Ağlarının Tanımı ..................................................................... 62
5.3 Test edilecek Eşitlikler .......................................................................................... 67
5.4 Başlangıç Matrisi Dengelemesinin Etkisi.............................................................. 68
5.5 Üniform Başlangıç Matrisinin Etkisi..................................................................... 79
5.6 Uygun Başlangıç Matrisi Etkileri .......................................................................... 94
5.7 Uygun Olmayan Başlangıç Matrisi Etkileri .......................................................... 94
5.8 Akım Süreliliğinin Etkisi....................................................................................... 95
5.9 Özet........................................................................................................................ 96
6. Sonuçlar ve Öneriler .............................................................................................. 97
KAYNAKLAR....................................................................................................................... 100
EKLER ................................................................................................................................... 101
ÖZGEÇMİŞ............................................................................................................................ 115

iv
SİMGE LİSTESİ
O-D Başlangıç – bitiş noktaları
T
ij
i – j noktaları arasında hesaplanan yolculuk sayısı
t
ij
i – j noktaları arasındaki mevcut yolculuk sayısı
Va “a” kesitinden geçen trafik hacim değeri
P
a
ij
i – j bölgeleri arasındaki yolculuğun “a” kesitinden geçme olasılığı
C
ij
i – j bölgeleri arasındaki yolculuğun genel maliyeti

v
ŞEKİL LİSTESİ
Şekil 1.1 Planlama şeması.................................................................................................... 2
Şekil 1.2 Tez organizasyonu şeması. ................................................................................... 6
Şekil 2.1 16 Bağlı yol ağı. .................................................................................................... 29
Şekil 2.2 Beş bağlı yol ağı.................................................................................................... 34
Şekil 2.3 İki bağlı yol ağı. .................................................................................................... 43
Şekil 5.1 Beş bağlı yol ağı.................................................................................................... 63
Şekil 5.2 İki bağlı yol ağı. .................................................................................................... 66
Şekil 5.3 Eşitlik 5.3’ü kullanarak 5 bağlı yol ağı için farklı katsayılarda optimum çözüm. 71
Şekil 5.4 Eşitlik 5.3’ü kullanarak 2 bağlı yol ağı için farklı katsayılarda optimum çözüm. 72
Şekil 5.5 Eşitlik 5.4’ü kullanarak 5 bağlı yol ağı için farklı katsayılarda optimum çözüm. 73
Şekil 5.6 Eşitlik 5.4’ü kullanarak 2 bağlı yol ağı için farklı katsayılarda optimum çözüm. 74
Şekil 5.7 Eşitlik 5.5’i kullanarak 5 bağlı yol ağı için farklı katsayılarda optimum çözüm.. 75
Şekil 5.8 Eşitlik 5.5’i kullanarak 2 bağlı yol ağı için farklı katsayılarda optimum çözüm.. 76
Şekil 5.9 Eşitlik 5.6’yı kullanarak 5 bağlı yol ağı için farklı katsayılarda optimum
çözüm. ................................................................................................................... 77
Şekil 5.10 Eşitlik 5.6’yı kullanarak 2 bağlı yol ağı için farklı katsayılarda optimum
çözüm. ................................................................................................................... 78
Şekil 5.11 Eşitlik 5.1’i kullanarak 5 bağlı yol ağı için optimum çözüm................................ 81
Şekil 5.12 Eşitlik 5.2’yi kullanarak 5 bağlı yol ağı için optimum çözüm.............................. 82
Şekil 5.13 Eşitlik 5.3’ü kullanarak 5 bağlı yol ağı için optimum çözüm............................... 83
Şekil 5.14 Eşitlik 5.4’ü kullanarak 5 bağlı yol ağı için optimum çözüm............................... 84
Şekil 5.16 Eşitlik 5.6’yı kullanarak 5 bağlı yol ağı için optimum çözüm............................. 86
Şekil 5.17 Eşitlik 5.7’yi kullanarak 5 bağlı yol ağı için optimum çözüm.............................. 87
Şekil 5.18 Eşitlik 5.8’i kullanarak 5 bağlı yol ağı için optimum çözüm................................ 88
Şekil 5.20 Eşitlik 5.2’yi kullanarak 2 bağlı yol ağı için optimum çözüm.............................. 90
Şekil 5.21 Eşitlik 5.3’ü kullanarak 2 bağlı yol ağı için optimum çözüm............................... 91
Şekil 5.22 Eşitlik 5.7’yi kullanarak 2 bağlı yol ağı için optimum çözüm.............................. 92
Şekil 5.23 Eşitlik 5.8’i kullanarak 2 bağlı yol ağı için optimum çözüm................................ 93

vi
ÇİZELGE LİSTESİ
Çizelge 1.1 Talep analizi akış çizelgesi ................................................................................ 7
Çizelge 1.2 Örnek ulaşım etüdü matrisi. .............................................................................. 11
Çizelge 1.3 Trafik atama modelleri...................................................................................... 14
Çizelge 2.1 Yapay O-D sürecinin ve yolculuk dağılımının tamamlayıcı özellikleri. .......... 31
Çizelge 2.2 Yolculuk dağılımı ve yapay O-D yaratımı karşılaştırması. .............................. 32
Çizelge 2.3 Gözlemlenmiş bağ akım değerleri. .................................................................. 35
Çizelge 2.4 Genel matris ...................................................................................................... 35
Çizelge 2.5 Potansiyel matris............................................................................................... 35
Çizelge 2.6 Beş bağlı yol ağı için olası çözümler. ............................................................... 36
Çizelge 2.7 Önceki anketlerden tahmin edilen trafik fraksiyon matrisi............................... 38
Çizelge 2.8 Çizelge 2.7’ deki trafik değerlerine göre kaynak matris................................... 38
Çizelge 2.9 İki bağlı yol ağında bağ hacimleri. ................................................................... 43
Çizelge 5.1 Beş bağlı yol ağında bağ trafik hacim değerleri. .............................................. 63
Çizelge 5.2 Beş bağlı yol ağı için uygun O-D yolculuk matrisi. ......................................... 63
Çizelge 5.3 Beş bağlı yol ağı için çözüm alternatifleri. ....................................................... 64
Çizelge 5.4 İki bağlı yol ağında bağ trafik hacim değerleri. ................................................ 66
Çizelge 5.5 İki bağlı yol ağında matris denklemleri. ........................................................... 66
Çizelge 5.6 İki bağlı yol ağı için çözüm alternatifleri.......................................................... 66
Çizelge 5.7 Üniform başlangıç matrisi için optimum sonuç karşılaştırması. ...................... 80


vii
ÖNSÖZ
Ulaşım planlaması, ulaştırma mühendisliği alanında en çok ilgi toplayan konu olarak dikkati
çekmektedir. Ulaşım planlamasında yolculuk taleplerinin belirlenmesi ve bu taleplerin yol ağı
içerisindeki dağılımı, araştırmaların en çok yoğunlaştığı kısımdır. Söz konusu talebin
belirlenmesinde esas veriyi yolculuk sayıları ve bunların dağılımı oluşturmaktadır. Bu tez
çalışmasında da başlangıç-bitiş matrisi (O-D matrisi) olarak tanımlanan, talep analizinin
yolculuk dağılımı aşaması üzerinde durulmuştur. O-D matrisinin elde edilmesinde kullanılan
yeni teknikler incelenerek bunların kullanılabilirliği test edilmiştir. Bu çalışmanın hızlı ve
düşük maliyetli O-D matrisi elde edilmesi konusunda gelecekte yapılacak çalışmalara fikir
vereceğini umut ediyorum.
Yüksek lisans tezi çalışmam süresince bana sürekli destek olan, bilgi ve tecrübesi ile beni
yönlendiren tez danışmanım Prof. Dr. Aydın EREL’ e teşekkürlerimi sunarım. Ayrıca
destekleri ile yardımlarını esirgemeyen çalışma arkadaşlarım Ulaştırma Teknikeri Samet Can
BATI, İnş. Müh Cengiz UNCU’ ya ve yayınlarından yararlanmam konusunda göstermiş
olduğu yardımlardan dolayı Prof. Dr. Jaume BARCELO ve Prof. Dr. Hesham RAKHA’ ya
teşekkürlerimi sunarım.


Temmuz 2005 Taylan ENGİN
viii
ÖZET
Kent içi ulaştırma planlamasında yolculukların başlangıç ve bitiş noktalarına ait matris (O-D
matrisi), planlama aşamasının temel verilerinden biridir. Bugüne kadar O-D matrisini elde
etmek için değişik yöntemler kullanılmıştır. Araştırmacılar, bu yöntemlerin yüksek maliyetli
olması, çalışma hassasiyeti gerektirmesi sebebi ile yeni yöntemler bulmaya yönelmişlerdir.
Bu nedenle, düşük maliyetli yapay O-D tahmin teknikleri arayışı başlamıştır. Yeni tekniklerin
temelinde yatan düşünceye göre, bir yol ağı üzerinde belli kesitlerde yapılan trafik
sayımlarından elde edilen yolculuk sayıları ile geçmiş çalışmalardan elde edilen yolculuk
sayıları arasındaki fark, bazı parametrelerin kalibrasyonunda kullanılır. Bu yaklaşım esas
alınarak trafik sayımlarından O-D matrisi elde etme fikri oluşmuş ve bunu elde etmek için
değişik yöntemler önerilmiştir. Bu tekniklerde mevcut trafik hacim değerleri, en olası O-D
yolculuk matrislerini oluşturmak için kullanılır.

Bu tez çalışmasında da O-D matrislerinin elde edilmesine yönelik farklı yaklaşımlar ve
teknikler incelenmiş, bunlara ait model ve eşitliklerin örnek bir yol ağı üzerinde sayısal olarak
test edilip tanıtılması amaçlanmıştır. Bu konuda bugüne kadar bir çok yöntem önerilmiş, bu
yöntemler arasında, maksimum entropi tekniklerine dayanan statik O-D problemlerinin
çözümü için önerilen modeller ayrıntılı olarak incelenmiştir.

.

Anahtar kelimeler: Trafik Mühendisliği, O-D Matrisi, Trafik Sayımları, Entropi, Ulaştırma
Planlaması, Talep Analizi


ix
ABSTRACT
Origin – Destination (O-D) matrix is the basic data planning process in the urban
transportation planning. Up to today various methods have been used to obtain O-D trip
tables. Because the known methods are very costly and labor intensive, the researchers tried
to find new methods. Consequently, more cost effective indirect or synthetic O-D estimation
techniques have been developed. In these new methods, differences between traffic volume
counts of some links and priori traffic counts of the same links are used for calibration of
some parameters. Using this approach as a basis the idea to obtain O-D trip tables from traffic
counts is formed and for obtaining O-D trip tables, various methods are suggested. Existing
traffic volumes are used to estimate most likely O-D matrices in these methods.

In this thesis the basic formulations that have been proposed to formulate and solve the static
O-D problem are analysed, the models and formulations belonging to these approaches are
tested and aimed to introduce as a sample on a sample network numerically. Up to today
many methods have been suggested on this topic. Among these methods, the method
synthetically using link flow observations based on Maximum Entropy techniques is analysed
in detail.

Keywords: Traffic Engineering, O-D Matrix, Traffic Counts, Entropy, Transportation
Planning, Demand Analysis.




1
1. GİRİŞ
Kişilerin ve yüklerin yer ve zaman yararı sağlamak üzere bir yerden başka bir yere taşınması
hizmetine “Ulaştırma” denilmektedir. Ulaştırma toplumun gelişmesi üzerinde sosyal,
ekonomik, kültürel ve siyasal etkilere sahiptir. Ulaştırma sistemi ise, insan ve yüklerin bir
yerden başka bir yere iletimlerinin, istenilen koşullara uygun, iyi tanımlanmış bir şekilde
sağlanması amacıyla bir araya getirilmiş, işlevleri ve karşılıklı etkileşimleri organize edilmiş,
ilgili tüm fiziksel, sosyal, ekonomik ve kurumsal bileşenlerin kümesi şeklinde
tanımlanmaktadır (Erel, 2001). Ulaştırma sisteminin oluşturulması ve işletilmesi amacıyla
yapılacak yatırımların belirlenmesi, kararların alınması ise ulaştırma sisteminin planlama
aşamasını oluşturmaktadır. Planlama “belirli bir amaca yönelik problemi, belirli kısıtlar
altında, optimum düzeyde çözme” olarak tanımlanmaktadır (Erel,1987). Bu tanıma bağlı
kalarak ulaştırma planlaması; farklı düzeylerdeki kararların alınmasını gerektiren, çok sayıda
olası karar seçenekleri olan karmaşık bir çevre içinde başarılması gereken bir karar verme
süreci olarak tanımlanabilir. Ulaştırma planları; kapsamlarına, ayrıntı düzeylerine, sabit ve
değişken faktörlerine, zaman boyutlarına, finansal maliyetlerine ve karar verme düzeylerine
göre genel olarak aşağıda yer alan 3 düzeyde sınıflandırılabilir.
1) Stratejik Planlama : Uzun süreçli, altyapıya yönelik, on yıllar, yirmi yıllar düzeyinde
yapılan maliyeti yüksek planlama çalışmalarıdır. Stratejik planlamada amaç, göz önüne alınan
şehrin arazi kullanımına etki edip şehrin gelişmesini planlamak, mevcut yol ağlarını 10-20
senelik geleceğe uygun olarak projelendirmektir. Kentin temelden değişimini öngörür.
Örneğin; kent içi yol ağı daha fazla gelişemeyecek kentleri toplu taşıma sistemlerine ve dış
bölgelerde planlanan yeni kentlere yöneltir. Burada ulaşım sistemlerinin arazi kullanımı ile
etkileşimi en önemli husustur.
2) Taktik Planlama : Daha kısa süreçli, yıl veya birkaç yıl düzeyinde yapılan mevcut sistemi
daha verimli kullanmaya yönelik planlama çalışmalarıdır. Taktik planlama, orta vadeli bir
süreci kapsar ve bu düzey, kaynak temininden çok organizasyonun verimliliğini ve rekabet
gücünü arttırmak için var olan sabit tesisler, taşıtlar ve personel gibi kaynakların optimum
kullanımı ile ilgilidir.
3) İşletimsel Planlama : Günlük, haftalık, aylık düzeyde hazırlanan, kısa süreçli sorun ve
gereksinimlere yönelik planlama çalışmalarıdır. Bu tip planlama kısa sürede sonuçlarını verir.
Yalnız, kısa dönemli planlamanın büyük kısmının, özellikle alt yapı ve uzun dönemli
planlamanın bir parçası olması gerektiğine ve de stratejik planlamanın adım adım


2
gerçekleştirilmesine dikkat edilmelidir. Bu planlama, bugünkü alt yapının daha düşük maliyet
ile daha iyi çalıştırılması ile ilgilidir. Bu tip planlamada tek yönlü yollar, kavşak
düzenlemeleri, sinyalizasyon, işaretleme ve idari önlemler gibi uygulamalar vardır.
1.1 Ulaştırma Planlaması Esasları
Kent içi ulaştırma planlamasında kullanılan temel veri, ulaşım talebidir. Planlama süreci
içinde ulaşım talebi ve politikalar, hedefler doğrultusunda mevcut sorunların belirlenip
çözülmesinde etkin olan en önemli faktörlerdir (Şekil 1.1).
















Şekil 1.1 Planlama şeması.
Hedef. Amaç ve
Standartlar
Ulaştırma Sisteminin
Mevcut Durumu
Kaynak ve
Kısıtlar
Karar Vericiler
Merkezi ve Yerel Yönetimler
Ulaştırma İşletmesi
Çözüm Seçeneklerinin
Üretilmesi
Sorunların
Belirlenmesi
Değerlendirme - Seçim
Uygulama
Ulaşım Talebi


3
Ulaşım talebi belirlenirken, belirli bir zaman aralığında kentin önceden belirlenmiş her
bölgesinden diğer bölgelerine yapılan yolculuk sayılarının dağılımı O-D matrisi ile
gösterilmektedir. Bir O-D matrisi, belirlenmiş olan her bir başlangıç ve bitiş bölgesi
arasındaki yolculuk taleplerini gösteren hücre değerlerinin oluşturduğu elemanların “n x n”
boyutlu bir matrisidir. O-D matrisi değerleri ulaşım planlaması dışında trafik, altyapı ve
nazım plan çalışmaları için de önemli bir girdidir. O-D matrisi oluşturmak için sık kullanılan
veri toplama yöntemleri genel olarak dört başlıkta sıralanabilir. Bunlar:
1- Anket Yöntemi (Doğrudan sorarak ya da posta yolu ile)
a) Yol Anketleri
b) İşyeri Anketleri
c) Ev Anketleri
2- Trafik Sayımları
3- Plaka Okuma Yöntemi
4- Etiket Yapıştırma Yöntemi
Kentin farklı yerlerinde özellikle otobüs ve minibüs durakları, vapur iskeleleri, tren veya
metro istasyonlarında kent içi yolculuklarını başlatan ya da bitiren kişilerle yapılacak yol
anketleri, uygulama açısından kolay olmakla birlikte, anket yapılacak örnek büyüklüğünün
tespiti, bunların bölgeler arasındaki dağılımının saptanması ve anketlerin
değerlendirilmesindeki zorluk bu yöntemin sakıncaları arasındadır. İşyeri anketleri için,
kentin farklı yerlerindeki işyerleri ziyaret edilerek buralarda çalışan kişilerden işe geliş –
gidişleri konusunda bilgi alınır. Bu yöntemde sadece sabit bir yerde çalışanların dikkate
alınması, sürekli hareket halinde çalışanlar ile çalışmayanların hesaba katılmaması önemli bir
eksiklik olarak dikkati çekmektedir. Ev anketlerinde, kentin farklı bölgelerindeki haneler
ziyaret edilerek ev sakinlerinden günlük yolculuklarının nereden nereye olduğu, gelir
düzeyleri, araç sahiplilikleri gibi veriler toplanır. Ev anketlerinin uygulanması, diğer anketlere
göre daha güç olmakla birlikte, değerlendirme ve planlama açısından daha sağlıklı veriler
sunmaktadır. Ev anketleri ile O-D matrisine ulaşmak mümkün olsa da, bu genel anlamda
pahalı ve uygulama güçlüğü olan bir yöntemdir. Örnekleme metoduyla yapılan anket
yöntemleri oldukça maliyetlidir. Anketörlerin seçimi, eğitimi, anketlerin kodlanması,
değerlendirilmesi yoğun ve yüksek maliyetli bir çalışmayı gerektirir.


4
Yol kesitlerinde trafik sayımı yöntemi ise, kentin ana arterleri üzerinde bazı noktaları
belirleyerek zirve saatlerde bu noktalardan geçen araç sayılarının, tiplerinin ve yolcu
sayılarının kaydedilmesini içermektedir. Yol üzerindeki mevcut trafik akımının, mevcut
ulaşım talebinin bir sonucu olduğu dikkate alındığında, güvenilir bir model kullanılarak bu
yolculukların başlangıç-bitiş noktalarının belirlenmesi, yani O-D matrisinin oluşturulması
sağlanabilir.
Bir O-D matrisi plaka okuma, etiket yapıştırma, ev anketleri, yol üzeri anketleri gibi bilinen
incelemeler ile elde edilmiş olabilir. Bu tür incelemeler zaman kaybına neden olmakta,
pahalıya çıkmakta ve çalışma hassasiyeti gerektirmektedir. Buna ek olarak bu yaklaşımların
çoğu örnekleme hataları içermektedir. Bu klasik yaklaşımlar, kent gelişimine ait etkin
faktörlerde oluşacak değişimlerin etkisini yansıtmada yetersiz kalmaları gibi
dezavantajlarından dolayı da pek rağbet görmemektedirler. Örneğin; eğer arazi kullanım
karakteristikleri değişir ise yolculuk talepleri de değişecektir. Bundan dolayı önceden
hesaplanmış yolculuk matrisi çok kısa zamanda güncelliğini dolayısıyla geçerliliğini
yitirebilir ve elde etme maliyeti yüksek olan yolculuk matrisi için tekrar bir inceleme-
araştırma yapılması ihtiyacı doğar.
Çoğu ulaştırma düzenlemelerinde, planlama hedefleri açısından yolculuk matrisine ihtiyaç
duyulur. Bütçe, zaman ve çalışma ortamı kısıtlarından dolayı konuyla ilgili araştırmacılar
yolculuk matrisinin kısa sürede ve düşük maliyetle oluşturulması için alternatif yöntemler
aramışlardır. 1970’lerin başından bu yana, aşağıdaki literatür araştırmasında açıklanacağı gibi,
pahalı analizlere ihtiyaç duyulmadan yolculuk dağılım matrislerini elde etmek için çeşitli
teknikler bulunmuştur.
1.2 Tez Amaçları ve İçeriği
Doğru ve hızlı O-D matrisi elde edebilmek, ulaşım sistemi planlaması ve yönetimi için önemli
bir avantajdır. Bu çalışmada da O-D yolculuk matrisinin daha güvenilir ve daha hızlı bir
biçimde elde edilmesi için bu güne kadar ortaya konmuş yaklaşımlar ve bunlara ait sayısal
çözüm örnekleri incelenerek bu konuda geliştirilmiş yöntemler araştırılmıştır. Çoğunlukla
konu ile ilgili daha önceden yapılmış çalışmalarda geliştirilmiş altı farklı model ve bunların
çözümünde kullanılan bazı varsayımlar değerlendirilmiştir.
Çalışmanın sayısal örnek kısmında, maksimum entropi yaklaşımını esas alan farklı modeller
kullanılmıştır. Sayısal örneklerde maksimum entropi yaklaşımı ile halihazırda kullanılmakta
olan klasik O-D Matrisi elde etme yöntemi karşılaştırılarak, aralarındaki artılar ve eksiler


5
ortaya konmaya çalışılmıştır.
Bir model oluşturma çalışması, bu amaçla kullanılan özel bir formüle ait güçlü ve zayıf
yönleri anlamayı sağlar. Karşılaştırmalı bir yöntem ise hangi modelin daha kolay ve doğru O-
D matrisi elde etmeye yaradığına karar verilmesine yardım edecektir. Bu çalışmada öne
sürülen varsayımlara dayalı O-D matrisi elde etme teknikleri incelenirken aşağıdaki amaçlar
göz önünde tutulmuştur:
• Yolculuk sayılarına ve trafik hacim değerlerine dayalı yöntemler olarak isimlendirilen
2 tip yapay O-D modelini göstermek ve karşılaştırmak,
• O-D matrisi tahmin sürecinde kullanılan eşitliklerin ilk halinden, sonuçta elde edilen
eşitliğe kadar kullanılacak tüm önemli varsayımların ve sonuç çözümünde de bu
varsayımların anlamlarını göstermek,
• Bu varsayımlar kullanılmak istendiğinde geçerli olan sonuç O-D çözüm sürecinin
nasıl olduğunu göstermek,
• Kullanılan farklı eşitlikler ve bunların çözümünü kolaylaştıran bazı yazılım
paketlerinin uygulanabilirliğini test etmek.
1.3 Tez Organizasyonu
Yukarıda bahsedilen çalışmaları doğru bir şekilde incelemek, trafik hacimlerine dayalı O-D
yolculuk matrisi elde etmeyi anlamak için önce literatür araştırması yapılmıştır. Bu amaca
uygun olarak hazırlanan çalışmanın organizasyon şeması Şekil 1.2’ de gösterilmiştir.
Maksimum entropi tekniğine dayalı O-D matrisi elde etmeye yarayan farklı modeller, iki
farklı yol ağı üzerinde test edilmiş ve çeşitli koşullar altında oluşan etkiler incelenmiştir.
Çalışmanın ilk bölümünde, tez amaçları ve içeriğinden bahsedildikten sonra ulaşım
planlamasının ilk adımı olan talep analizi anlatılmış, O-D matrisinin talep analizinin içindeki
yeri ve önemi vurgulanmıştır.
İkinci bölümde; bu tez için yapılmış olan literatür araştırması yer almaktadır. Bu araştırma,
kullanılan modellerin farklı sınıflandırmalarını içerir. Her bir modelin avantaj ve
dezavantajları tartışılmıştır.



6






Şekil 1.2 Tez organizasyonu şeması.
Üçüncü bölümde; maksimum entropi ya da minimum bilgi tekniği detayları tartışılmaktadır.
Bu tekniğin uygulamasında kullanılan iki temel modelden bahsedilmiştir.
Dördüncü bölümde, en olası O-D yolculuk matrisinin elde edilmesinde kullanılacak iki farklı
çözüm yaklaşımı tanımlanmış, bu iki yöntemin detayları anlatılmıştır. Ayrıca, bu
yaklaşımların uygulanmasında kullanılan bazı yazılım paketlerinden de bahsedilmiştir.
Beşinci bölümde; iki farklı yol ağı üzerinde farklı yöntemler ile elde edilen çözümler
karşılaştırılmıştır. Örnek sayısal yaklaşım, diğer alternatif eşitlikler ile karşılaştırılmış, yapılan
çalışmalarda yolculuk modeli ve hacim modeli arasında uyumluluğun nasıl sağlandığı
konusundaki araştırmalara yer verilmiştir.
Altıncı bölümde; bugüne kadar yapılmış çalışmaların ışığı altında elde edilen sonuçlar
özetlenmiş ve gelecekte yapılacak araştırmalar için daha önceki araştırmacıların önerileri
dikkate alınarak bazı genel tespitlerde bulunulmuştur.
1.4 Ulaşım Planlamasında Talep Analizi
Giriş bölümünde de kısaca değinildiği gibi talep analizi bir ulaşım ağında hareket eden
yolcuların nereden nereye, hangi koşullarda ve sayılarda, hangi alt sistemleri kullanarak ve de
hangi yollar üzerinden ulaşım faaliyetini gerçekleştirdiklerini belirlemek amacıyla
yapılmaktadır.
1.Bölüm: Giriş
2.Bölüm: O-D Matrisi
Elde Etme Modelleri
3.Bölüm: O-D Matrisi
Çözüm Yaklaşımları
4.Bölüm: Sayısal
Çözümleme Teknikleri
5.Bölüm: Yapay O-D
Modellerinin Karşılaştırılması
6.Bölüm: Sonuç
ve Öneriler


7

V
e
r
i

t
o
p
l
a
m
a
,


A
m
a
ç
l
a
r
ı
n

a
ç
ı
k
l
a
n
m
a
s
ı
,


S
t
r
a
t
e
j
i

s
e
ç
i
m
i

SOSYO-
EKONOMİK
VERİLER ve ARAZİ
KULLANIMI
YOLCULUK ATAMA
MODELİ
ALTERNATİFLERİN
DEĞERLENDİRİLMESİ
TALEP ANALİZİ:
O-D MATRİSİ
TAHMİNİ
YOLCULUK
ÜRETİM ve ÇEKİM
MODELİ
YOLCULUK DAĞILIM
MODELİ
TÜREL AYRIM
MODELİ

ZONLARA
AYIRMA

ULAŞTIRMA
ALTYAPISI

SONUÇLAR
AŞAMA III
AŞAMA II
T
A
H
M
İ
N

v
e

M
O
D
E
L
L
E
M
E

D
e
ğ
e
r
l
e
n
d
i
r
m
e

AŞAMA I
Talep analizi sonucunda elde edilen veriler, analiz yapılan bölgeye ait ulaşım altyapısı
ihtiyaçlarını ve bu ihtiyaçlar doğrultusunda gelecek için alınacak plan kararlarını belirlemek
için kullanılmaktadır. Çizelge 1.1’ de talep analizi sürecinin akış diyagramı gösterilmektedir.
Çizelge 1.1 Talep analizi akış çizelgesi
*



















*
Prof. Jaume Barcelo’ nun “Notes on Optimization Models for Transportation Analysis” başlıklı seminer
notlarından, Dept. of Statistics and Operations Research, Universitat Politecnica de Catalunya Barcelona.


8
1.4.1 Talep Analizi Aşamaları
Bir planlama çalışmasında yapılacak ilk çalışma etüt çalışmasıdır. Bu aşamada öncelikle etüt
yapılacak yerin sınırları ve bu saha içinde eşdeğer özelliklere sahip zonların sınırları
belirlenir. Örneğin; konut bölgeleri, idari kademelerin olduğu yerler, endüstri, kültür
merkezleri, ticaret alanları gibi.
Bu aşamada aynı zamanda halkın ulaşım olanakları, tercihleri ortaya konarak mevcut ulaşım
durumu tahmin edilir. Bu amaçla insanların,
NEREDEN? NEREYE? (Yolculuk Başlangıç – Bitiş noktaları )
NASIL? ( Hangi tür araçla )
NİÇİN? ( Yolculuk sebebi; iş, okul, eğlence,.. gibi)
NE ZAMAN? ( Düzenli yolculuk zamanlarından zirve saati yakalama )
HANGİ GÜZERGAHDAN? (Alternatif yollardan hangisinin kullanıldığı )
gittikleri belirlenir. Bu bölüme yolculuk talep analizi denir. Klasik anlamda talep analizi şu
bölümleri içermektedir:
Çalışma bölgesindeki zonlara ait yolculuk üretim ve çekim değerlerinin tahmin edilmesi.
(Üretim – Çekim, Generation - Attraction)
Yolculukların zonlara dağılımı, O-D matrislerinin oluşturulması. (Yolculuk Dağılımı – Trip
Distribution)
Yolculukların ulaştırma alt sistemlerine dağılımı. (Türel Dağılım - Modal Split veya Tür
Seçimi – Mode Choice)
Ulaşım talebinin yol ağına atanması. (Trafik Ataması – Traffic Assignment)
Talep analizinde yapılan çalışmalar statik bir sürece sahip değildir. Talep analizinin dinamik
yapısı içinde gelecek için yapılan projeksiyonlar bazı varsayımlarla olur. Oysa kentsel
gelişme bu varsayımlara uymayabilir veya bazı gelişmelerin gerçekleşmesi mümkün
olmayabilir. Böyle bir durumda, planlamada değişikliklerin yapılması kaçınılmaz olur.
1.4.1.1 Yolculuk Üretim ve Çekimi
Ulaşımda üretim ve çekimi belirlemenin bilinen ve en sık kullanılan yolu, doğrudan bilgi
kaynağı durumundaki insanlara, daha önceden belirlenmiş olan ve belirli bir amaç


9
doğrultusunda oluşturulan soruları yöneltmektir. Bu uygulamaya kısaca anket denilmektedir.
Anket, insanların bulundukları yerlerde; örneğin evlerinde, yolda, araç içinde ve iş yerlerinde
yapılabilir.
Anket uygulamaları, yolculukların niteliklerini belirleyen temel etütlerdir. Çalışma yapılan
zonlarda yolculuk üretim ve çekimini belirlemede etkin olan faktörlerin tespiti için anketler en
önemli veri kaynaklarıdır. Bu etütler genelde şu yöntemler kullanılarak yapılır:
• Şoförle yol üzerinde doğrudan konuşma.
• Yolcularla duraklarda konuşma.
• Posta kartı metodu.
• Ev ve işyeri anketleri metodu.
Bu anket uygulama yöntemlerinin dışında, istenilen verilere ulaşabilmek amacıyla
aşağıdaki farklı veri toplama yöntemleri de uygulanabilmektedir:
• Araç plaka numaralarının kaydedilmesi.
• İşaret yapıştırma yöntemi.
• Trafik sayımları.
Yukarıda belirtilen yöntemler kullanılarak farklı zonlar arasında ortaya çıkan yolculuk üretim
ve çekim değerleri tespit edilir, bu veriler kullanılarak yolculuk üretim ve çekim matrisleri
oluşturulur. Bu matris bize önceden belirlemiş olduğumuz zonların mevcut yolculuk üretim
ve çekim değerlerini verirken söz konusu zonların sosyo-ekonomik verilerinin de elde
edilmesini sağlayacaktır. Bu yolculuk değerlerinin, oluşturulan model yardımı ile geleceğe
projeksiyonlarının yapılması sonucunda gelecekteki yolculuk üretim ve çekim değerleri
tahmin edilir. Geleceğe ait yolculuk değerleri belirlenirken kente ait gelişme eğilimleri ve
nazım plan kararları da dikkate alınmalıdır.
1.4.1.2 Yolculuk Dağılımı (Distribution)
Bir önceki adımda, farklı zonlardan ortaya çıkan yolculuk üretiminin nasıl elde edileceğinden
bahsedilmiştir. Çalışma alanının büyüklüğüne göre değişen bir zaman biriminde tüm
yolculuk üretiminin, yine bölgelerde mevcut tüm yolculuk çekimine eşit olduğu aşağıda yer
alan Çizelge 1.2’ de açıkça görülmektedir.


10
Yolculuk dağılımının modellenmesinde, zonların ekonomik gücü ve arazi kullanımı ile olan
ilişkileri önemli rol oynar. Bu faktörlerin dışında çalışma alanına ait nüfus, araç sahipliliği,
çalışan sayısı, cinsiyet, vb. gibi sosyo-ekonomik faktörlerin de etkisi modelin içinde yer
almalıdır. Zonlara ait yolculuk talebinin diğer zonlardaki çekim noktalarına hangi kriterlere
göre nasıl dağıldığı, hangi genel etkenin bunda rol oynadığı bilinmelidir ki, ileride ortaya
çıkacak yolculuk talebinin bu etken altında dağılımı yapılabilsin. Bu aşamaya “Yolculuk
Dağılımının Belirlenmesi” (Trip Distribution) denir. O-D matrisi oluşturma çalışması bu
aşamada devreye girecektir. Farklı yöntemlerle belirlenen yolculuk dağılımlarının bir matris
yapısıyla ifade edilmesi sonucunda O-D Matrisi elde edilmektedir. Bu adımda yapılacak iş,
birinci adımda belirlenmiş yolculuk üretim - çekim değerlerinin, zonlar arasındaki dağılımını
bulmaktır. Daha kısa açıklamak gerekirse, son satır ve son sütun değerleri bulunmuş olan O-D
matrisinin, diğer hücrelerine ait değerlerin bulunmasıyla yolculuk dağılımı elde edilecektir.
Farklı zonlar arasındaki yolculuk talebi, birinci aşamada yapılmış çalışmaların değerlendirilip
modelin uygulanması sonucu elde edilen değerler, matrislerin kolon ve satırlarında belirtilir.
Çizelge 1.2’ de verilmiş olan örnek matriste dikkat edilecek nokta, satırlardaki sayıların genel
toplamlarının kolonlardaki sayıların genel toplamlarına eşit olmasıdır. Çizelgede yer alan
örnek matriste zonların kendi içinde oluşan yolculuklar dikkate alınmamıştır..


11
Çizelge 1.2 Örnek ulaşım etüdü matrisi.

Yolculuk dağılımını belirlerken dikkat edilecek bazı noktalar vardır. Örneğin; bir zondaki
çekim kapasitesi her zaman karşılanamayabilir. Farklı nedenlerden dolayı trafik bu zon yerine
başka yere gidebilir. İşte bu tür faktörlerin bilinmesi ve formüle katılması gerekecektir. Bunun
da anahtarı, bugünkü yolculuk talebinin zonlara dağılımının formüle edilmesinden geçer.
ZONLAR - ÇEKİM

1 2 3 4 5 6 7 8 9
Toplam
Üretim
1
- 50 30 40 20 60 80 100 30 410
2
10 - 20 35 40
50 70 33 42 300
3
51 22 - 30 41
12 70 93 20 339
4
76 70 79
- 80 31 25 97 46 504
5
90 80 80
60 - 40 27 18 73 468
6
80 95 90
75 37 - 31 36 70 514
7
73 100 107
150 80 107 - 81 79 777
8
33 37 70
105 110 93 85 - 65 598
Z
O
N
L
A
R

-

Ü
R
E
T
İ
M

9 65
45 30 50 71 60 110 170 - 601
4511
Toplam
Çekim

478

499

506

545

479

453

498

628

425
4511


12
Bugünkü dağılım modeli bir kere bulunduktan sonra gelecekteki dağılım, aynı formül içine
gelecekteki yolculuk üretimi, çekimi, zonlar arası yeni mesafeler, kent gelişimi ve sosyo-
ekonomik faktörlerdeki değişim konarak elde edilir. Gelecekteki ulaşımın dağılımı için
yaygın olarak iki yöntem kullanılmaktadır:
1. Analog veya “Büyüme Faktörü” (Growth Factor) metodu. Bunda bölgeler arası bugünkü
ulaşım, muhtelif şekillerde belirlenen bir “Büyüme Faktörü” ile çarpılarak gelecekteki
bölgeler arası ulaşım ortaya çıkar ( Fratar yöntemi ).
2. Sentetik veya “Zonlar Arası Ulaşım Formülü” metodunda, zonlar arası üretim ve çekim
değerleri kullanılarak ulaşım dağılımının nasıl ortaya çıktığı, hangi faktörlerin etkisi altında
olduğu araştırılır ve bu formüle edilir. Bu çalışmada belirli bazı fiziksel formüllerden
yararlanılır. Bugünkü yolculuk dağılımının modellenmesinden sonra aynı modelde gelecek
için tahmin edilen yolculuk talebi kullanılır ve gelecekteki yolculuk dağılımı bulunur. (
Gravity yöntemi )
1.4.1.3 Yolculukların Ulaştırma Türlerine Ayrımı (Modal Split)
Talep analizinin birinci ve ikinci adımında, zonların her birine ait toplam yolculuk
yaratımlarının gelecekte ne olacağı ve bunun bölgeler arasında nasıl dağıtılacağı incelenmiştir
ki bunlardan birincisi “Yolculuk Üretim ve Çekimi” (Production - Attraction), ikincisi ise
Ulaşım Talebinin Dağılımı (Distribution) idi. Bu aşamalardan sonra, otomobil, toplu taşıma,
yaya vs. gibi hangi türler ile ve ne miktarda yolculuk yapılacağına bakılmalıdır. Bu aşamaya:
“Türel Ayrım” (Modal Split) denir.
Türel ayrım esas olarak iki bölümde incelenir.
Birincisi, ilk adımda elde edilmiş olan üretim ve çekim değerlerinin farklı türlere
dağıtılmasıdır. Başka bir deyişle; yolculuk dağılımını belirlemeden önce yolculuk üretim ve
çekim değerlerinin ne kadarının hangi ulaşım türünü kullanacağının tahmin edilmesidir.
Örneğin: 1 nolu zonda üretilen yolculuğun özel araç ve toplu taşıma araçlarına dağılımının
belirlenmesi gibi.
İkincisi ise, ulaşım formüllerinin türel seçimlerine bakılmadan, sadece zonlar arası yolculuk
olarak formüle edilip, bunun zonlara dağılımı da elde edildikten sonra bunun ne kadarının
özel otomobil, ne kadarının taksi, ne kadarının toplu ulaşım ile taşınacağı, ne kadarının yaya
veya bisikletli olacağının belirlenmesidir.


13
Bunlardan başka, özellikle geleceğe dönük ulaşım politikası hedeflerinde, kentlerin
yapabilecekleri yatırımların büyüklüğüne göre önceden bazı kabuller yapılır. Örneğin; “(A)
kentinde kentiçi ulaşım, gelecek 20 yıl içinde, %60 toplu taşıma ile %40 ise özel araçlarla
olacaktır” denilerek yatırım ve yasal düzenlemeler buna göre yapılmaya başlanır.
İnsanların ulaşım araçları seçimlerinde genel olarak aşağıdaki faktörler etkilidir:

1.Yapılan yolculuğun karakteristikleri:
a. Yolculuk uzunluğu.
Yolculuk uzunluğu, bölge merkezleri arasındaki kuş uçuşu yol olarak ölçülür. Bu toplu
taşımacılık ve özel araçlar için ölçülür. Bazen bunun yerine kapıdan kapıya olan mesafe veya
yolculuk süresi alınır. Toplu taşımada bu süre, duraklara kadar gidişi, bekleme sürelerini de
kapsar. Genelde görülen, ev - iş yeri ve ev - okul yolculuklarında daha çok toplu taşımın
kullanıldığıdır.
b. Yolculuk amacı.
Evden başlayan yolculuklarda (okul, işyeri gidişi) daha çok toplu ulaşım araçları kullanılır.
Buna karşın alışveriş veya eğlence trafiğinde ise daha çok özel araç kullanılır.
2. Yolcu Karakteristiği:
Yolcuların gelir durumu, eğitim seviyesi, yaş grubu, yolculuk amacı ve özel araç sahipliliği
araç türü seçiminde önemli rol oynar. Özel araç sahipleri çoğunlukla toplu taşıma sistemini
tercih etmez. Yolculuk süresi uzadıkça toplu taşıma sisteminin seçilme şansı artar. Ayrıca
seçimde, özellikle alt ve orta gelirli sınıflarda, yolculuk masrafları da önemli rol oynar.
3. Sosyal ve Ekonomik Faktörler
Ulaşım türünün seçiminde, yolculuğun başlangıç ve son noktalarının sosyo-ekonomik durumu
da etkili bir diğer faktördür. Söz konusu yolculuğun yapıldığı bölgelerin ekonomik yapısı
sahip olduğu ulaşım türü seçeneklerini de etkilemektedir. Bunun yanı sıra bölgenin sahip
olduğu sosyal ve kültürel fonksiyonlar kişilerin türel seçimini etkileyeceği gibi, o bölgeye
sunulan ulaşım hizmetlerinin alternatiflerini ve kalitesini de etkileyecektir. Tüm bu faktörler
yolcuların türel tercihlerinde etkili olmaktadır.


14
1.4.1.4 Yolculukların Yola Atanması (Trip Assignment)
Talep analizinin son aşaması “Atama” bölümüdür. Bu bölümde, kendi içinde homojen
özellikler taşıyan farklı zonlardan oluşup yine bu zonlar arasına dağılan farklı türden
yolculuklarla aynı noktaya giden alternatif güzergahlardan hangisini seçileceği ile
ilgilenilecektir. Bu iki nokta arasında birkaç alternatif güzergah varsa bu yolların yolculuk
süresi bakımından en kısa süreli olanı (diğer bir deyimle en az dirençlisi) ya da en kısa
mesafeye sahip olanının seçilmesi sık kullanılan yöntemlerdendir. Böyle bir tercih yapılacağı
varsayıldığında trafik yükünün tümü bu yol üzerine yüklenir. Bunu haricinde uzunluk,
maliyet, zaman gibi kriterlerin dikkate alındığı denge atamaları da sık kullanılan atama
yöntemlerindendir. Sıkça kullanılan trafik atama modelleri çizelge 1.3’te gösterilmiştir. Talep
analizinde kullanılacak atama modeline karar verildikten sonra, talep analizinin ilk üç
aşamasından elde edilen veriler mevcut yol ağına atanır.
Yol seçiminde modeller aşağıda gösterildiği gibi dört grupta incelenir:
Çizelge 1.3 Trafik atama modelleri.
*

KAPASİTE KISITLI KAPASİTE KISITSIZ
DETERMİNİSTİK HEPSİ
YA DA HİÇBİRİ
Hacim-Süre Modeli, En kısa
yol
**

En Kısa Yol Modeli
PAYLAŞIMLI Denge Modeli Tercih Modeli


*
Erel A., (2001), Ulaşım Planlaması I ders notlarından alınmıştır.
**
Hacim-Süre modeli Ekler bölümünde anlatılmıştır.


15
2. TRAFİK SAYIMLARINDAN O-D MATRİSİ TAHMİN EDİLMESİ
2.1 O-D Matrisinin Önemi
Bütün gelişmiş ve gelişmekte olan ülkelerin yaşadığı büyük sorunlardan birisi trafik
problemidir. Bu problemi hafifletmeye yönelik olarak karar vericiler (merkezi ve yerel
otoriteler), işletme ve planlama konusunda çeşitli potansiyel çözümler uygulamışlardır. Bu
çözümlerden bazıları;
• Talep sınırlama politikaları (vergilerin arttırılması, diğer ulaşım masraflarının
arttırılması, otopark, benzin,..).
• Toplu ulaşımı destekleme.
• Ulaşım yönetim stratejileri geliştirme (sinyal koordinasyonu, eş zamanlı trafik
yönlendirme gibi).
Ulaşım planlamasında yolculukların sayısal dağılımı O-D yolculuk matrisiyle açıklanır. O-D
matrisleri yolculuk dağılımını belirlemek için kullanılır ve talep analizi içinde çok önemli bir
yere sahiptir. Bu matris, çalışılan bölgenin farklı zonları arasındaki yolcu sayısının ya da yük
miktarlarının dağılımını göstermektedir. Yolculuk dağılımının bilinmesi yapılacak planlama
çalışmalarının esasını oluşturmaktadır. Bu şekilde elde edilecek olan yolculuk talebi dağılımı
bilgisi, ulaşım sistemindeki eksikleri ve yetersizlikleri belirlemeye yardımcı olmakla birlikte,
gelecek için yapılacak yatırımlar konusunda da karar vermeye katkıda bulunacaktır.
Günümüzde nüfus değerleri ve arazi kullanımında yaşanan hızlı değişimler O-D matrislerinin
geçerliliğini kısa sürede yitirmesine neden olmaktadır. Mevcut yöntemlerle O-D matrisi
tahmin edilmesi işi, çalışmayı yapanlar için yüksek maliyetli olmakla birlikte, yolcular için de
zaman kaybına neden olması ve de anketlerle elde edilen verilerin doğruluğundan emin
olunamaması, O-D matrisini daha güvenilir verilere dayanan, daha düşük maliyetli, daha hızlı
tahmin etmeyi sağlayacak yeni yöntemlerin geliştirilmesinin gerekli olduğunu ortaya
koymaktadır. Tüm bu gerekçeler dikkate alındığında, trafik sayım değerleri ve araziden elde
edilecek diğer bilgiler kullanılarak O-D matrisinin elde edilebilmesi çok önemli bir avantaj
olacaktır. Trafik sayımları ve araziden alınan verilerin gerçekte yolculuk dağılımı ve trafik
atamasının bir sonucu olduğu düşünülürse, sayım yapılan yol bağlarındaki her bir başlangıç
bitiş çiftinin toplamı hakkında doğrudan bilgi edinilmiş olunacaktır. Trafik sayımlarının veri
kaynağı olarak kullanılması, diğer veri toplama yöntemlerine göre hem daha düşük maliyetli
hem de her zaman uygulanabilir olması sebebiyle, oldukça avantajlı görülmektedir. Trafik


16
sayımlarının gelişmiş otomatik sistemlerle yapılması, tahmin edilecek O-D matrisinin
güvenilirliğini daha fazla arttıracaktır. Geçen birkaç yıl süresince trafik mühendisleri,
“Gelişmiş Trafik Yönetim Sistemlerini” (ATIS) de içeren “Akıllı Ulaşım Sistemleri” (ITS)
üzerine odaklanmıştır. Planlamada, işletmede ve Akıllı Ulaşım Sistemlerinin çalıştırılmasında
doğru ve hızlı O-D yolculuk matrisi üretim tekniklerine ihtiyaç duyulmaktadır.
2.2 Kullanılan Modeller
Trafik sayımlarına dayalı O-D yolculuk matrisleri elde etmek için pek çok yöntem vardır. Bu
tekniklerden en çok kullanılanı, bu bölümde bahsedilecek olan Maksimum Entropi
yaklaşımıdır. Trafik sayımlarına dayalı O-D matrisi tahmin edilmesi alanında kullanılan çoğu
model, basitleştirmek amacıyla çeşitli varsayımlar ve eklemeler yapılmış olan Maksimum
Entropi yaklaşımına dayanır. Bu basitleştirmeler aslında çözüme daha çabuk ulaşmak için
yapılmıştır. Farklı koşullar altında doğruluğu ve uygulanabilirliği test etmek için entropi
temelli çeşitli modeller denenmiştir. Entropi yaklaşımı ve model ayrıntıları aşağıda
anlatılmıştır.
Trafik sayımlarını veri olarak kullanan bir talep modeli elde etmek için her bir başlangıç
noktasından her bir bitiş noktasına olan yolculukların takip ettikleri rotaların belirlenmesi çok
önemlidir. N adet zona sahip bir yol ağı içerisinde yer alan düğüm noktaları ve bağlar
üzerinde elde edilecek O-D matrisi “N
2 “
hücreden, zonların kendi içindeki yolculuklar dikkate
alınmadığında ise “ N
2
– N ” hücreden oluşacaktır. Bu ağ üzerinde i zonundan j zonuna
yapılan yolculukların “a” bağını tercih etme olasılığı “
a
ij
P ” ile gösterildiğinde, bu a bağından
geçecek akım değeri “V
a
” şu şekilde ifade edilebilir:

ij
a
ij a
xT P V ∑ =
Bu eşitlikte yer alan “
a
ij
P ” olasılık değeri kullanılan trafik atama modelinden elde
edilmektedir. “T
ij
” değerleri ise tahmin edilmeye çalışılan O-D matrisi hücrelerinin
bilinmeyen değerleridir. Gözlemlerle elde edilen “V
a
” değerlerinin sayısı bilinmeyen “T
ij

değerlerinin sayısından çok azdır. Bu nedenle, bu eşitlikten tek bir çözüm bulunması
imkansızdır. Bu sorunun çözümü için iki farklı yaklaşım önerilmektedir. Bunlar:
1- Çekim modeli gibi önceden yapılmış çalışmalardan elde edilmiş bir modelin yapısına
bağlı kalınarak O-D matrisini tahmin etmek.


17
2- Matrisin tahmini için gerekli olan ilave bilgileri en az seviyede tutmak için maksimum
olasılık ya da maksimum entropi gibi tekniklerin kullanılması. (Burada bahsedilen ilave
bilgilerin en önemlisi bir başlangıç matrisinin elde edilmesidir.)
Trafik sayımlarını kullanarak O-D matrisi tahmin etme çalışmalarında en önemli nokta 1.2.1.4
nolu paragrafta anlatılacak olan “Yolculukların Yola Ataması” başlığı altında anlatılmış olan
“Trafik Atama Tekniği”dir. Atama modelinde trafik sıkışma etkisinin dikkate alınıp
alınmamasına bağlı olarak Atama Matrisi elde edilir. Genelde kullanılan atama yöntemleri iki
grupta sınıflandırılmıştır.Bu atama modelleri:
a) Orantılı Atama:

a
ij
P ” trafik olasılık değeri ve V
a
trafik hacim değerinin birbirinden etkilenmediği varsayılır.
Bu tip atama yöntemlerinde V
a
değeri, yolculuk başlangıç ve son noktalarındaki trafik
akımları ile orantılıdır. Yolcuların trafikte oluşacak sıkışma etkisini dikkate almadan yol
seçecekleri kabul edilmekle birlikte, maliyetin minimum olduğu yollar tercih edilecektir.”All
or Nothing” atamaları buna örnek gösterilebilir.
b) Denge Ataması
Bu atama yönteminde yoldaki sıkışma etkisi dikkate alınmaktadır ve daha gerçekçi bir
yaklaşım olduğu kabul edilmektedir. Denge ataması Wardrop'un denge prensipleri ile ifade
edilmektedir. Wardrop'un birinci prensibine göre, tıkalı ulaşım ağlarında oluşan trafik
dağılımı içinde kullanılmakta olan herhangi bir yolun maliyeti alternatifleri arasında
minimum maliyetli ya da diğerleri ile eşit maliyetli bir yoldur. Kullanılmayan yollardaki
maliyetler ise kullanılan yolların maliyetinden ya daha fazladır ya da eşittir.
Trafik sayım değerlerinden yararlanarak O-D matrisi elde etmek için kullanılan yöntemlerin
en çok bilinenleri aşağıda altı başlık altında toplanmıştır. Özellikle, ilk üç grupta yer alan
modeller en sık kullanılan modellerdir.
2.2.1 Gravity (Çekim Modeli)
Bu modelde ana prensip, yolculukların Newton’a ait çekim kuralına göre oluştuğu
varsayımına dayanmaktadır. Bu yaklaşımı esas alan ilk model D. Low tarafından önerilmiştir.
Çekim modelleri “Parametre Kalibrasyon Modelleri” olarak da adlandırılırlar. Bu modellerde,
O-D matrisleri, trafik sayımının ve diğer parametrelerin (yolculuk maliyeti, yolculuk
mesafesi, yolculuk süresi gibi) bir fonksiyonu olarak kabul edilirler. Çeşitli regresyon


18
1, l kesiti i-j rotası üzerinde ise
0, diğer durumlarda

teknikleri ve akım sürekliliği kuralı, parametrelerin kalibrasyonunda kullanılır. Bu modelde
sayımlardan elde edilen hacimler ve tahmin edilen hacimler arasındaki farklar ise en
küçüklenerek sonuç çözümü elde edilir.
Çekim modeline göre i ve j başlangıç – bitiş noktaları arasındaki yolculukların,
( )
n
ij j i ij
d D O t

= α (2.1)
eşitliğine göre oluştuğu kabul edilir.
T : Toplam yolculuk sayısı
T
ij
: i – j başlangıç – bitiş noktaları arasındaki yolculuk matrisi
t
ij
: i – j başlangıç – bitiş noktaları arasındaki yolculuk sayısı
O
i
D
j
: i – j başlangıç – bitiş noktalarına ait nüfus, istihdam, vb. sosyoekonomik veriler.
d
ij :
direnim katsayısı
n : regresyon katsayısı.
1
ij
P : i – j başlangıç – bitiş noktaları arasında “l” kesitini kullanan yolculuk oranı
V
l
: “l” kesitindeki trafik akımı
n
ij
X : i - j noktaları arasında n yolculuk veya yolcu türüne göre yolculuk doğurganlık
(genişleme) faktörü
C
ij
: i – j başlangıç – bitiş noktaları arasındaki yolculuğunun genel maliyeti
C
l
(V
l
) : l kesiti üzerindeki maliyet – akım fonksiyonu
Yolculukların en ucuz yolu kullanacak şekilde gerçekleştiği kabul edilirse;
1
ij
P =
l kesitindeki trafik akımı:
( )
∑ ∑

= =
1 2 1
1 ij ij j i ij ij
P d D O P t V α (2.2)
olacaktır.


19
Bu formülde “α “ dışındaki tüm parametreler ve değişkenler bilinmektedir. “α “
parametresinin değerini bulmak için, standart regresyon teknikleri yardımıyla, hesaplanmış
değerler ile trafik sayımlarından elde edilen gerçek değerler arasındaki farkların karesi
alınarak, bu farkların en azlanması yöntemi kullanılır. “α “ uyarlama parametresinin
bulunabilmesi için şu regresyon modeli önerilmiştir.
Yapılan yolculuklar iş ve iş dışı yolculuklar olmak üzere iki gruba ayrılabilir. Her bir
bölgeden diğer bölgelere yapılan iş yolculuklarını belirleyen unsurlar her bölgedeki iş gücü
(F
i
) ile diğer bölgelerdeki istihdam (E
j
) olacaktır. İş dışı yolculukları belirleyen unsurlar ise
her bölgeye ait nüfus (P
j
) ile diğer bölgelerin çekiciliği (A
j
) olacaktır. Herhangi bir bölgenin
çekiciliği, nüfus, gelir ve harcama durumu gibi ölçütler ile belirlenebilir. İş ve iş dışı
yolculuklar için X
1ij
, X
2ij
doğurganlık faktörleri aşağıdaki gibi yazılabilir:
m
ij j i ij
C E F X

=
1
(2.3)
m
ij j i ij
C A P X

=
2
(2.4)
Yapılan yolculukların i – j arasındaki en kısa yolu kullanacağı kabul edilirse bu yol üzerindeki
herhangi bir l kesitinde:

=
ij ij 1
X P X
2
1
2
(2.5)
olacaktır.
X
1l
ve X
2l
değişkenleri ile kesit bilgileri arasında anlamlı bir ilişki ortaya konarak
yolculukların oluşumu açıklanabilir. Bunun için V
l
(l kesitindeki trafik değerleri) bağımlı
değişken, X
1l
ve X
2l
ise bağımsız değişkenler olarak alınıp ;
1 1
X X V
2 2 1 1 0 1
α α α + + = (2.6)
Eşitliği elde edilir. X
1l
ve X
2l
için çeşitli m değerleri kullanılarak en yüksek uyum sağlayan
çoklu regresyon çözümünden “
i
α “ parametreleri bulunur.
Yolculuk yaratım faktörleri için sosyo-ekonomik değişkenler ve değişik matematiksel
modeller kullanılarak modeli geliştirmek mümkündür. Ayrıca i ve j bölgeleri arasındaki
bağlantılar için, en ucuz yol seçimi yerine çoklu seçim durumu modele katılabilir.


20
Çekim modeli yaklaşımı ile O-D matrisine ulaşmak için çeşitli modeller geliştirilmiş ve
uygulanmıştır. Bütün bu modellerin ortak amacı sosyo-ekonomik verilere ve arazi kullanım
verilerine dayanarak bölgeler arası çekim modeli kurmaktır.
Çekim modelleri, doğrusal (Low 1972, Holm ve arkadaşları.1976, Gaudry and Lamarre 1978,
Smith and McFarlane 1978) ve doğrusal olmayan (Rolillhard 1975, Hogbag 1976) çekim
modelleri olarak ikiye ayrılır.
2.2.2 Entropi Modelleri
Entropi, en genel tanımıyla bir sisteme ait düzensizliğin ölçüsüdür. Günümüzde pek çok
disiplinde entropi fonksiyonları kullanılmaktadır. Sistemlerde; ister en küçük, isterse en
büyük sistem olsun bir bozulma, bir çöküş her zaman mevcuttur. İşte bu bozulma haline veya
bozulmaya eğilim haline entropi denmektedir. Sistemin düzensizliği arttıkça artış gösteren bir
fonksiyon rahatlıkla bir entropi fonksiyonu olabilir. Ölçülebilir bir sistem özelliği olan entropi
kavramı, kullanım alanına göre farklı tanımlara sahiptir. Yakın zamanlarda, ulaştırma
mühendisliği içinde kullanılan modellerde O-D yolculuk matrislerini elde edebilmek için
trafik akımı sayım değerleri kullanılmaya başlanmıştır. O-D matrisi tahmin etmede, sayım
değerlerini temel veri kabul eden yeni çözüm yöntemlerinden birisi olan Entropi yöntemi,
kesin doğru olmayan ve yolculuk üretim yöntemini kullanan Gravity modellerine göre, daha
az hatayla ve daha kolay bir şekilde O-D matrislerinin elde edilebilmesi açısından bir
avantajdır. Bundan dolayı modelin gerçeğe yakınlığı, O-D matrisindeki toplam yolculuk
sayısının büyüklüğü ile mutlaka ilişkili değildir. Aslında trafik sayımlarından bir yolculuk
matrisi tahmin etmek için yukarıda bahsedilen yaklaşım, yolculuk matrisini bir çekim
modeline ya da önceden bilinen bir yolculuk matrisine mümkün olduğunca yakın hale
getirmeye zorlamaktır. Entropi, ulaşım sistemi modellemesinde olasılık açısından ele
alındığında yolculukların (t
ij
) en olası dağılımı;
( )
( ) ( )
∏ ∏

= =
ij
ij
ij
ij
ij
ij
ij
t
T
t
t
t W
! !
(2.7)
İfadesinin en yüksek değeri alması ile sağlanacaktır. W(t
ij
) ifadesi toplam T sayıda
yolculuktan oluşan matrisin kaç değişik şekilde oluşturulabileceğini vermektedir. Bu sayıyı en
yüksek yapan t
ij
değerleri en olası O-D matrisini oluşturacaklardır. Entropi yaklaşımının
modellemede en bilinen uygulaması, yolculuk dağılımı için kullanılan tam kısıtlı çekim
modelidir. L.G. Willumsen tarafından önerilen modelde ise, W(t
ij
) ifadesinin yol kesit


21
bilgilerinden gelen kısıtları sağlayacak şekilde en büyüklenmesi yöntemi ile O-D matrisine
ulaşılmasını öngörülmektedir. Model için;

=
ij
ij ij
t P V
1
1
(2.8)
Bütün l’ler için kısıtları sağlanarak, amaç fonksiyonu aşağıdaki gibi yazılabilir;
( )
ij
t W Z ln = (2.9)
Burada W(t
ij
) ifadesinin doğal logaritması alınmıştır. Bu işlemin sebebi daha ayrıntılı olarak
4.2. bölümde, “Çift Adımlı Yaklaşım” başlığı altında açıklanacaktır. Bu işlem, 2.9
eşitliğindeki amaç fonksiyonunun en büyüklenmesi olarak tanımlanır. W(t
ij
) ifadesinin açılımı
yerine yazılırsa:
( ) ( )
∑ ∑

|
|
¹
|

\
|
=
ij
ij
ij
ij ij
t t t W ! ln ! ln ln (2.10)
fonksiyonu elde edilir. Burada Stirling
*
yaklaşımı uygulanırsa:
( ) ( )
∑ ∑
− −
|
|
¹
|

\
|
=
ij
ij ij ij
ij
ij ij
t t t t t W ln ! ln ln (2.11)
yazılır.
∑ ij
t ifadesi toplam yolculuk sayısını veren bir sabit olduğundan ihmal edilerek yukarıdaki
model şu şekilde yazılabilir:

=
ij
ij ij
t P V
1
1
(2.12)
Bütün l’ler için kısıtları sağlanarak,
( ) ( )

− − =
ij
ij ij ij ij
t t t t W ln ln (2.13)
amaç fonksiyonunun en büyüklenmesidir.
Kısıtlar Lagrange çarpanları ile çarpılarak amaç fonksiyonuna dahil edilir ve böylece kısıtsız
bir en büyükleme problemi elde edilir.

*
Stirling yaklaşımı Ek 1’de detaylı olarak anlatılmıştır.


22
( )
∑ ∑ ∑
|
|
¹
|

\
|
− + − =
ij
ij ij
ij
ij ij ij
t P V t t t L
1
1 1 1
ln λ (2.14)
Bu ifadenin en büyüklenmesi gerekecektir. En büyükleme için L fonksiyonunun karar
değişkenlerine göre kısmi türevi alınarak sıfıra eşitlenip karar değişkenleri çözülür. Bu
işlemler sonucunda elde edilen değerler L ifadesini en büyükleyen değerlerdir.

= − − =


0 ln
1
1 ij ij
ij
xP t
t
L
λ (2.15)
Bu eşitlikten elde edilen,

=

1
1
ij
P
ij
e t
λ
(2.16)
ifadesinde
λ −
l
e

yerine x
l
konulursa model,
1
1 1 ij ij
P x t π = (2.17)
şekline dönüşecektir.buradaki ifade 12 kısıtında yerine konulduğunda
1 1
1 1 1 ij
ij
ij
P P x V
|
|
¹
|

\
|
=

π (2.18)
eşitliği elde edilir.
Entropi yaklaşımını baz alan benzer bir model de H.J. Van Zuylen (1980) tarafından
önerilmiştir. Önerilen modelde ilk O-D matrisinin güncelleştirilmesi amaçlanmıştır.
Hazırlanan modellerin çözümü için J.D. Murchland
*
, “tekrarlı dengeleme algoritması” adını
verdiği bir çözüm tekniği kullanmıştır. Bu teknik, yolculuk ataması içinde yer alan denge
modellerinin çözümünde kullanılan tekniğe benzemektedir.
Van Zuylen ve Willumsen (1980) bu yaklaşımı trafik sayımlarındaki bilginin tam anlamıyla
kullanılmadığını söyleyerek eleştirmişlerdir. V. Zuylen ve Willumsen ilk yolculuk
matrisinden itibaren ele aldıkları özel bir problem altında diğer yaklaşımlar ile birlikte
minimum bilgi kullanarak problemin çözülebildiğini öne sürmüşlerdir. Bu öneriyi takip eden
diğer otoriteler “minimum bilgi” ve “maksimum entropi” kavramlarına dayanan iki yaklaşım

*
Harinarayan, P., (1999) “Fundamental Properties of Synthetic O-D Generation Formulations and Solutions”,
Master of Science Thesis in Civil and Environmental Engineering,


23
ileri sürmüşlerdir. Entropi maksimizasyonu ile bilgi minimizasyonu birbirine eşdeğer
anlamdadır. Entropi maksimizasyonu; entropi olasılığının en büyüklenmesidir. Buna karşın
bilgi minimizasyonunda olasılığın negatif doğal logaritmasının en küçüklenmesi
gerekmektedir.
Yol sayımlarından yolculuk matrisi tahmini için genel eşitlikte mümkün olduğunca az bilgi
kullanılması, bilgi minimizasyonu anlamına gelir. V. Zuylen ve Willumsen problemi çözmek
için maksimum entropi yaklaşımını önermişlerdir.
Bu yaklaşımların ortak özelliği; problemin çözümünde i – j bölgeleri arasındaki yolculukların
toplam sayısını bir sabit olarak kabul etmeleridir. Ancak bu varsayım, bütün çalışmalar için
her zaman geçerli değildir.
2.2.3 Denge Modelleri
Bu modeller, “Denge Prensibi Kuralı” veya “Wardrop İlkeleri” diye isimlendirilen, trafik
akımı içinde kullanıcı tercihlerinin belirlediği prensipleri esas alan modellerdir. Bu tip
modeller kalabalık-yoğun alan analizi için daha kullanışlıdır. Genellikle mevcut bir O-D çifti
arasındaki rota seçimi, bilinen bir O-D matrisinden alınmıştır. Bu modellerde çözüme,
bilinen eski bir O-D bilgisini hedef alarak ulaşılmaktadır. Modeldeki düzenlemeler,
gözlemlerle elde edilen trafik hacim değerleri kullanılarak yapılır.
Trafik hacim bilgilerinden O-D matrisine ulaşmak için yukarıdaki yöntemler, yolculukların
başlangıç – bitiş noktaları arasında en ucuz ya da k-ucuz (k > 1) yolu izleyecekleri
varsayımını içermektedirler. Başka bir ifade ile “
1
ij
P ” değerleri (i – j arasındaki yolculukların l
kesitinden geçme olasılığı), “t
ij
“ den (i–j arasındaki toplam yolculuk sayısı) bağımsız olarak
ele alınmaktadır. Sang Nyugen ise, yollardaki trafik yoğunluğunun yüksek olması durumunda
yolculukların Wardrop’ un birinci ilkesine göre atanarak denge durumuna ulaşılacağını
belirtmiştir. Bu ilkeye göre herhangi bir başlangıç – bitiş ikilisi arasında kullanılan her bir
bağın maliyeti, kullanılabilecek diğer tüm alternatif bağların maliyetine eşit ya da daha düşük
olacaktır. Bu yaklaşımı esas alan modelin tanımlaması şu şekildedir:

'
V ”, i-j arasındaki bağlantılardan herhangi bir “l” kesitindeki trafik hacim değerini ve “
'
ij
C ”
de i–j noktaları arasında kullanılan bağların toplam maliyetini vermektedir. Wardrop’ un
birinci ilkesi gereği kullanılan bütün bağların maliyeti
'
ij
C dir. Herhangi bir kesitteki maliyet –
akım ilişkisi ise C
l
(
'
l
V ) ile ifade edilmektedir. Buna göre denge durumu;


24
( )
∑ ∑
=
ij
l l l l ij ij
V V C t C
' ' ' '
ile sağlanacaktır. (2.19)
Buradan hesaplanan [t
ij
] yolculuk matrisinin, gerçek yolculuk matrisi [
'
ij
t

]’ ye eşdeğer olması
için, aşağıdaki koşullar tüm i-j çiftleri için sağlanmalıdır.
( )
∑ ∑
=
ij ij
l l l ij ij
V V C t C
' ' '
(2.20)
ve
ij ij
C C =
'

Buradaki C
ij
değeri, [t
ij
]’nin yola atanması sonucunda i–j başlangıç ve bitiş noktaları arasında
kullanılan yollarda oluşacak maliyetleri vermektedir. Bu koşulları sağlayan yolculuk matrisini
elde etmek için öngörülen modelde,

=1
1
ij l
P bütün (i,j)’ler için (2.21)
0
1

ij
P bütün l,i,j’ler için
0 >
ij
t bütün (i,j)’ler için

=
ij
ij ij l
t P V
1
bütün l’ler için
( )
∑ ∑
=
j
ij ij li l l l
t C V V C
' ' '

Kısıtları sağlanarak,
( )

=
v
dx x Cl Z
0
min (2.22)
Amaç fonksiyonunun en küçüklenmesi gerekmektedir.
Burada esas hedef, uyulması istenilen ilk matris ile mümkün olduğu kadar örtüşecek bir
yolculuk denge matrisi tahmin etmektir. Bundan sonra bu modeller O-D çiftleri arasında
hacim değerlerini ve rotaları belirlemede kullanılır. Modeller çözüme ulaşıncaya kadar O-D
üretimi ve trafik ataması arasında iterasyon yapılır.


25
Küçük bir ulaşım ağında yapılan testleri esas alan Nguyen, kullanıcı denge prensiplerini
kullanarak yol ağına trafik ataması yapıldığında, kendi modeli ile ürettiği yolculuk matrisinin,
gözlemlerle elde edilmiş yolculuk matrisi ile hemen hemen aynı olduğunu iddia etmektedir.
Bu yaklaşımın en önemli dezavantajı çoklu O-D çözümlerinin olabildiği yerlerde benzer trafik
eşleşmelerini tekrar üretebilmesidir. Bu yüzden, bir dağıtım tahmini için alternatif
çözümlerden en olası yolculuk matrisi elde edilmesine ihtiyaç duyulmaktadır.
Doğrusal Programlama Modeli, yol ağı üzerindeki tüm bağlar için özel bir hacim bilgisine
ihtiyaç duyan kısıta sahiptir. Ancak eksiksiz veri her zaman elde edilemeyebilir. Sonuç olarak,
Narayanan (1995) tarafından ortaya konulan “mevcut yol hacim bilgilerinin bir kısmını
kullanarak yolculuk matrisi üretme” konusunda daha ileri çalışmalar yapılmıştır.
2.2.4 İstatistiksel Modeller
Bu modellerde, yolculuk matrisi istatistiksel teknikler ve geçmişe ait bilgiler kullnılarak
tahmin edilmeye çalışılır ve Bayes tahmin yöntemleri ya da en küçük kareler gibi farklı
teknikler kullanılarak sonuca ulaşılır.
Maksimum entropi ya da minimum bilgi teknikleri, geçmiş çalışmalardan elde edilmiş
bilgilerden belirli bir güven derecesinde sonuç vermektedir.
Genel anlamda trafik sayımlarını esas alan tüm modeller, bağ akımlarına en uygun O-D
matrisini bulur. Burada yakalanacak mükemmel uygunluk, sayımlarla bulunan trafik akımı
hacim değerlerindeki hataların dağıtılması ile ilgili tahminlere bağlıdır. İstatistiksel modeller,
bu dezavantajı yok etmeye çalışırlar. En küçük kareler yaklaşımı kategorisi içinde Mc Neill,
Hendrickson (1985) ve Cascetta (1984) tarafından alternatif modeller ortaya konmuştur. Bu
modellerin esas avantajı verilerin stokastik doğal yapısını dikkate almasıdır, ama buna karşın
en olası yolculuk üretimi gerçeğini de yok saymaktadır.
2.2.5 Sinir Ağı Modelleri
Muller ve Reinhardt (1996) trafik sayımlarından O-D matrisi tahmin etmek için sinir ağı
yaklaşımını ileri sürmüşlerdir. Chin ve arkadaşları (1994), trafik hacim değerlerinden O-D
bilgisine ulaşmak için kendine has bir sinir ağı modeli açıklamışlardır.
Sinir ağı modelleri, henüz geniş kapsamlı denenmediğinden, trafik akım verilerini kullanarak
doğrudan sonuç alabilecek modeller arasında değildir. Bu modellerin daha hassas ve yeni
testlerle değerlendirilmesi tavsiye edilmektedir.


26
2.2.6 Bulanık Mantık
O-D matrisi tahmini için son zamanlarda kullanılan diğer bir yaklaşım da, bulanık mantık
modelleridir. Çoğu modelde olduğu gibi hepsi ya da hiçbiri yaklaşımı yerine bulanık mantık
yaklaşımında trafik verileri için bazı net olmayan (bulanık) bilgiler uygulanır, öyle ki
belirsizlik sistemin içine katılır. Bu modelin Amerika Birleşik Devletleri’nde Doğu Otoyol
Koridoru ağında test edildiği ve iyi sonuçlar elde edildiği bilinmektedir. Konu ile ilgili
uzmanlar daha fazla test ve kontrollü deney desteği ile değerlendirme yapılmasını tavsiye
etmektedir.

2.2.7 Değerlendirme
Yolculuk matrisi elde etmeye yönelik yukarıda bahsedilen altı model için çeşitli çözüm
algoritmaları kullanılmıştır. Bu çözüm algoritmaları için genel bir değerlendirme aşağıda yer
almaktadır.
O-D Matrisi elde etmek için, doğrusal parametreli kalibrasyon modelleri, çözümde çoklu
doğrusal regresyon yöntemini kullanırken doğrusal olmayan kalibrasyon modelleri ise
doğrusal olmayan en küçük kareler yöntemini kullanırlar. Dengeleme modellerinde hata veren
LINK O-D modeli, problemi çözmek için Frank-Wolfe algoritmasını kullanır.
Maksimum entropi modeli ve doğrusal programlama (LP) modelleri, verilmiş olan problemi
çözen kendilerine ait özel bilgisayar yazılımlarına sahiptirler.
İstatistiksel modellerde ise O-D tahmin için genellikle “en küçük kareler” yöntemi
kullanılmaktadır.
Araştırmaların çoğunda problem yapay O-D modelinin üzerinde odaklanmıştır. Ancak bu
araştırmalarda genellikle uygulanan çözüm algoritması gösterilmemiştir.
Trafik sayımlarından O-D matrisi elde etmeye yönelik çeşitli yaklaşımları içeren bu araştırma,
problemin ne denli karmaşık olduğunun bir göstergesidir. Her bir yöntem kendi içinde avantaj
ve dezavantajlara sahiptir. Bahsedilen model yaklaşımları içinde Gravity (çekim) modelinde
O-D matrisine ulaşmak için, trafik sayımları dışında sosyo-ekonomik verilere de ihtiyaç
duyulmasından ve çalışma bölgesinin zonlara ayrılmasında güçlüklerle karşılaşılmasından
dolayı, klasik anket yöntemlerine göre pek avantajlı olmadığı görülmektedir. Dengeleme
modellerinde ise trafik akımı – maliyet ilişkisinin bilinmesine gerek duyulduğundan çok
sayıda başlangıç – bitiş noktası olması durumunda etkinliğini yitirmektedir. Entropi


27
modellerinin veri olarak sadece yol kesitlerine ait trafik bilgilerine ihtiyaç duyması ve çözüm
algoritmasının çeşitli büyüklükteki yol ağları üzerinde uygulanabilir olması nedeniyle trafik
sayımlarını kullanarak O-D matrisi elde edilmesi konusunda daha avantajlı olduğu
görülmektedir. Minimum bilgi veya maksimum entropi teknikleri, trafik sayımlarına dayalı
O-D matrisi elde etmek için en yaygın olarak kullanılan yöntemlerdendir. Ayrıca bu
tekniklerin içine akım yoğunluğu gibi kısıtların da yüklenebilmesi, hala daha sık ve geniş
oranda kullanılmalarında etkilidir.
2.3 O-D Matrisi Tahminine Ait Problem Detayları
Bir trafik probleminin çözümü için kullanılan trafik mühendisliği ve ulaşım planlama
kararlarının en önemli ve en hassas noktası, O-D matrisini doğru elde edecek yöntemin tayin
edilmesidir. O-D matrisinin elde edilmesine yönelik problemler, hangi faktörün daha önemli
olduğunun dikkate alınması ve eksik parametrelerin sonradan elde edilmesi gibi farklı
detaylara bağlıdır. “Sayısal Çözümleme Detayları” bölümünde, bu türdeki tüm problemlere
ayrıntılı olarak bakılarak, çeşitli problem çözümlerinin belirtilmesi ve sayısal çözüm
yöntemlerinin değerlendirilmesi konusuna ağırlık verilmiştir. Burada amaç, genel olarak
yapılan yaklaşımları değerlendirirken, izlenen yollarda mantıklı kararlar alınabilmesi için
hangi tekniğin kullanılacağı konusunda genel bir yorumda bulunmaktır.
Önerilen hesaplama tekniklerinin birincisi, O-D matrisinin statik olarak hesaplanarak, gözlem
yapılan zaman aralığında uygulama yapılması ve dinamik zaman periyotlarında gerekli
bağlantı serilerinin hesaplanması şeklindedir. İkinci hesap tekniğinde ise, girdi bilgisi olarak
yolculuk son noktalarındaki sayıların büyüklüğünü, hacim bilgisini, esas alan veya kullanılan
bağlar üzerindeki her güzergah için düğüm noktalarındaki toplam yolculuk sayısını esas alan
bir yaklaşım uygulanmaktadır. Tanımlanan ilk problem genellikle tahminler gerektiren
yolculuk dağılımını kapsarken, ikinci problem yapay O-D matrisi üretim problemini
kapsamaktadır. Bu iki tip probleme ait uygulamalar arasında her şeyden önce yapay O-D
matrisinin üretilmesi problemi ilgi toplamaktadır. Aslında ilk problem, ikinci problemin daha
basit bir halidir.
Statik yapay O-D üretimi problemlerinin içinde iki önemli durum tanımlanmıştır. Birincisi,
çalışılan bağdan geçen araçların rotalarının bilinmesi ve öncelikli olarak değerlendirilmesidir.
İkincisi ise, O-D matrisi hesaplanırken rotaların tesadüfi olarak ortaya çıkmasıdır. Her O-D
çifti arasında sadece bir rota olduğunda veya ölçülen trafik değerleri yol ağında başlangıç ve
bitişler arasında denklik sağladığında otomatik ve dolaylı olarak rotalar için yeni bilgiler


28
ortaya çıkar. O-D matrisinde tek kesişimler, ana merkezler, tek yer değiştirmeler olduğunda
veya otoyollar için hesaplamalar yapılmak istenildiğinde birinci durumun söz konusu olacağı
açıkça görülmektedir. İkinci durumda ise herhangi bir yolculuk dağılım analizine
uyulmamakta, rota bilgisi tamamen elde edilen O-D matrisinden alınmaktadır. Konunun daha
iyi anlaşılabilmesi için, konu ile ilgili araştırma yapan araştırmacılar, rotaların bilindiği
durumların dikkate alınmasının daha uygun olacağı ileri sürülmektedirler. Bunun yanı sıra
rotalar öncelikli olarak dikkate alındığı zaman iteratif çözüm yöntemlerinin kullanılması
gerekecektir.
Statik, yapay O-D yaratım problemlerinin içinde, rotaların bilindiği senaryolarda, iki adet alt
problem tanımlanmıştır. Bunların ilki, yol ağındaki her düğümde akım sürekliliğinin olduğu
ve çeşitli O-D matrislerinin, yaklaşık olarak trafik sayımı yapılan akımlarla uyumlu olduğu
durumlardır. Bu durumda çeşitli O-D matrislerinden en olası matrisin belirlenmesi
gerekecektir. İkinci problem ise yol ağında veya düğümlerde akım sürekliliğinin olmadığı
durumları içermektedir. Diğer bir deyişle gözlemlerle elde edilen trafik akımı hacim
değerlerinin, O-D matrisi sonuçları ile çelişkili olması durumudur. Böyle bir durumda, akım
sürekliliğinin elde edilmesini sağlayacak diğer tamamlayıcı bağlara ait trafik akım değerlerine
ihtiyaç duyulur. Tamamlayıcı akımlar da dikkate alındığında akım sürekliliği gerektiren
teknikler kullanılmadan önce maksimum olasılık problemi çözülebilir.
Senaryoda akım sürekliliğinin olduğu statik yapay O-D problemleri iki farklı yolla formüle
edilmektedirler. Bunların birincisi; bireysel yolculuklara ait sayım değerlerinin esas olarak
hesaba katılması iken, ikincisinde ise özel bir bağda yalnızca araçlara ait sayım değerlerinin
esas olarak değerlendirmeye katılmasıdır. Başlangıç ya da hedef O-D matrisinin
kullanılabilirliği ikinci tip modelde kesindir, fakat ilk modelde yetersiz kalabilmektedir.
Bununla birlikte sonraki bölümde görüleceği gibi kullanılan başlangıç matrisi tam anlamıyla
ilk model ile uyumlu olduğunda, geliştirilmiş sonraki modellerden de tutarlı sonuçlar elde
etmek mümkün olacaktır. Başka bir deyişle yolculuk tabanlı modelde, başlangıç matrisinin
eksikliği sonuçlarda tutarsızlık olarak görülecek, en azından olası çoklu çözümlere sahip yol
ağlarında daha farklı bir yolculuk sayısı gerektirecektir.
Yolculuk ile ilgili maksimum olasılık formülünün içinde yol ağındaki toplam yolculukların
amaç fonksiyonunda yeri olacaktır. Bu terim “T” olarak adlandırılır ve bu “T” yolculuk değeri
ile ilgili bazı yaklaşımlarda bulunulmuştur. Bununla birlikte doğru sonucu bulma yolunda bu
terimin çok küçük katkısının olacağı beşinci bölümde yer alan örnek uygulamada
görülecektir. Uygulamada yaşanan zorluk, faktöriyelli terimlerin logaritmasının


29
X
D
X A B X
C X
16
17
5
13
7
15
4 12 2
3
18
1
14
8 6
11
alınmasındadır. Bu değerlerin gösterilmesi için Stirling’ in yaklaşımı kullanılmaktadır.
Buradaki sonuçlar kritiktir. Çünkü problemi çözmek için alınması gereken türevler Stirling
yaklaşımında kritik öneme sahiptir. (Faktöriyelli terimler içeren eşitliklerin türevlerinin
alınması zordur.)
Önce Stirling yaklaşımı uygulandıktan sonra, Willumsen tarafından geçmişte yapılmış başka
bir yaklaşım kullanılarak bu yapay O-D problemi doğrusal bir regresyon problemine
dönüştürülmüştür. Fakat bu yaklaşımlar, sonuç çözümleri daha kolay elde etmeyi sağlarken,
doğruluk derecesini de azaltmaktadır.
İleriki bölümlerde O-D matrisi tahmin probleminin çeşitli türleri, özellikleri tartışılacak ve
sonuç O-D matrisi tahmini için yaklaşımların doğruluğu incelenecektir.
2.4 Yolculuk Dağılımı ve Yapay O-D Yaratımı
Yapay (sentetik) O-D matrisi üretimini daha iyi anlayabilmek amacıyla şekil 2.1’de görülen
yol ağı değerlendirilmiştir. Bu şekil, 4 bölgeden (A,B,C,D) ve 16 bağdan oluşacak şekilde
hazırlanmıştır. 1, 3, 5, 7 no’ lu bağlar her bölgeden çıkış yapan bağları temsil ederken, 2, 4, 6,
8 no’ lu bağlar ise bu bölgelere girenleri temsil eder. Bundan başka 11, 13, 15, 17 no’lu
bağlar ağ çevresinde saat yönünde akışı sağlarken 12, 14, 16, 18 no’lu bağlar saat yönüne ters
hareketi temsil etmektedir.







Şekil 2.1 16 Bağlı yol ağı.
*


*
Fundamental Properties of Synthetic O-D Generation Formulations and Solutions, (1999), H. Paramahamsan


30
Eğer yukarıdaki problem yolculuk dağılım problemi olarak kabul edilirse, sadece 1’den 8’ e
kadar olan hatlar kullanılabilir olacaktır. Özellikle 1, 3, 5, 7 no’lu bağlar zonlara ait yolculuk
üretimini; 2, 4, 6 ve 8 no’lu bağlar ise zonların yolculuk çekimlerini temsil ediyorlar. Diğer
bir deyişle, içinde normal yolculuk dağılımı yapılacak ağlarda 11’den 18’e kadar olan bağlar
değerlendirilmez. Herhangi bir yöndeki herhangi bir akımın değerlendirilmemesinin eksikliği,
A’ dan D’ ye trafiğin bilinmesini önemsiz hale getirir. Yapay O-D üretim işi ve yolculuk
dağılımı işi Çizelge 2.1’de iyi bir şekilde örneklerle açıklanmıştır. Zonlar arası bağlantı
yollarının asıl caddelere veya cadde gruplarına göre kukla bağ varsayıldığına dikkat
edilmelidir. Bu yüzden, bunlar yapay O-D yaratımı sürecinin girdileri içinde yer alamazlar.
Fakat, eğer bu zonlar çok iyi tanımlanmış olarak bölünürlerse (ticari veya endüstriyel
parklar,alışveriş merkezleri gibi zonlara ayrılırlarsa) zonlar arasındaki bağlar, gerçek ve
fiziksel yolları temsil edebilirler ve yapay O-D yaratım sürecinin içinde yer alırlar.

Yüksek lisans tezinden alınmıştır.


31
Çizelge 2.1 Yapay O-D sürecinin ve yolculuk dağılımının tamamlayıcı özellikleri.
*


*
Fundamental Properties of Synthetic O-D Generation Formulations and Solutions, (1999), H. Paramahamsan
Yüksek lisans tezinden alınmıştır.

Bağ
no
Hat tipi
Bütün
Akım
Bilgisi
Yolculuk
Dağılımında
Kullanılan Bilgi
Yapay O-D
Üretiminde
Kullanılan Bilgi
1
2
3
4
5
6
7
8
11
12
13
14
15
16
17
18
Bölgelerarası Bağlayıcı Yol
Bölgelerarası Bağlayıcı Yol
Bölgelerarası Bağlayıcı Yol
Bölgelerarası Bağlayıcı Yol
Bölgelerarası Bağlayıcı Yol
Bölgelerarası Bağlayıcı Yol
Bölgelerarası Bağlayıcı Yol
Bölgelerarası Bağlayıcı Yol
O-D Güzergahı Ara Bağı
O-D Güzergahı Ara Bağı
O-D Güzergahı Ara Bağı
O-D Güzergahı Ara Bağı
O-D Güzergahı Ara Bağı
O-D Güzergahı Ara Bağı
O-D Güzergahı Ara Bağı
O-D Güzergahı Ara Bağı
100
200
200
200
300
300
400
300
35
61
139
65
269
296
80
165
100
200
200
200
300
300
400
300
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
35
61
139
65
269
296
80
165


32
Benzer şekilde, yolculuk dağılımı için yapılacak değerlendirmede, yolculuk üretim ve çekim
oranları sayım verileri kullanılarak elde edilemez, ancak yolculuk yaratım eşitliklerine
dayanan alan kullanımlarından tahmin edilir. Örnek tahminler çoğunlukla 24 saatlik veya
zirve saatler içindedir. Oysa şu anda, yolculuk tahminleri 15 dakikalık periyotlar ile elde
edilemez, 15 dk’lık toplamlarla elde edilmiş O-D matrisini kullanarak yolculuk dağılımının
da elde edilmesi neredeyse imkansızdır. Tabii ki bazı plancılar, sayımlarından 15 dk’lık
matrisler elde etmek için 24 saatlik veya zirve saat periyodu matrisleri üretirler. Bununla
birlikte eğer böyle bir geçici çalışma yapılırsa, mevcut yolculuk dağılımı matrisini bir kaynak
matris olarak düzenlemek daha iyi bir yaklaşım olabilir ve daha sonra bu veriler yapay O-D
yaratım matrisinde sistematik bir şekilde kullanılabilir. 16 bağlı yol ağı için yolculuk dağılımı
ve yapay O-D yaratım matrisi arasındaki ilişki çizelge 2.2’ de gösterilmiştir.
Çizelge 2.2 Yolculuk dağılımı ve yapay O-D yaratımı karşılaştırması.
*

Yolculuk Dağılımı
A B C D
A 0,00 34,95 11,71 53,34
B 60,63 0,00 79,77 59,60
C 22,93 90,04 0,00 187,04
D 116,45 75,00 208,54 0,00
Yapay O-D Üretimi
A B C D
A 0,00 34,75 13,76 57,15
B 59,78 0,00 82,54 54,89
C 25,17 92,71 0,00 184,89
D 118,74 70,75 207,26 0,00

*
Harinarayan, P., (1999) “Fundamental Properties of Synthetic O-D Generation Formulations and Solutions”,
Master of Science Thesis in Civil and Environmental Engineering, başlıklı tez çalışmasından alınmıştır.


33
2.5 Çeşitli Çözümler
Yapay O-D matrisi yaratımında yolculuk dağılımı süreci eldeki belirli bilgilere bağlıdır.
Örneğin, eğer ölçülmüş değerlerle 100 zon ve zonlar arası 1000 bağlantı olan bir bölge için
O-D matrisi hesaplanmak istenirse burada bağlantılardan her birine ait birçok bilinmeyen ve
birçok kısıt olacaktır. Bu durumda yolculuk dağılımı işi için 100x100 adet O-D hücresi
hesaplanmakta ve bunlardan sadece 2x100 yolculuk kısıtlıdır. Yapay O-D yaratım işinde ise
yine 100x100 adet O-D hücresi hesaplanmakta ve sadece 1000 bağlantı kısıtlıdır. Çeşitli
çözümlerin olabilirliklerinin bulunması amacıyla yolculuk dağılımı ve yapay O-D yaratımı
sürecinde, mevcut çeşitli çözümler içinden en uygun matrisi seçmek için ek değerlendirme
yapılması gerekeceği belirtilmektedir.
Yapay O-D yaratımı durumunda amaç, tüm olası çözümler arasında en uygun O-D matrisini
seçmektir. Fakat bu amaca ulaşmak için her matrisin olasılığının hesaplanması gerekmektedir.
Genellikle matrisin olasılığını doğrulamak için iki yaklaşım vardır. Bunlardan biri trafik
sayım değerlerini incelemenin temeli olarak ele alırken, diğeri yolculuk sayılarını incelemenin
temel elemanı olarak kabul etmektedir. Her iki yaklaşımdan da detaylı olarak ileride
bahsedilecektir, fakat şimdi her matris hücresi için L = F(t
ij
,T
ij
), burada “t
ij
“eski yolculuk
bilgisini temsil etmektedir, fonksiyonunu kullanarak matrisin olabilirliğinin
hesaplanabileceğini belirtmek yeterlidir. Bu eski bilgi, genellikle başlangıç (kaynak) matrisi
ile ilgilidir ve her iki yöntemle yapılmış önceki çalışmalardan veya farklı incelemelerden elde
edilmektedir. Bu tür önceki bilginin eksikliğinde bunun yerine her hücresi düzenli ve üniform
bir şekilde hazırlanan O-D matrisi kullanılmaktadır.
Yolculuk dağılımı sürecinde modele eklenen ek bilgiler bazı kısıt ve engellerin açıklanması
amacıyla kullanılmaktadır. Örneğin orijinal çekim modelinin olasılığı iki zon arasındaki
uzaklığın karesi ile ters orantılıdır. Bu zamana kadar uzmanlarca bu konuda bir çok karmaşık
yapıda modeller değerlendirilmiştir, fakat burada amaç mevcut tüm değişkenlerin “f
ij

formunda genelleştirilmek istenmesidir. Burada f
ij
= f (c
ij
), farklı zonlar arasındaki
yolculukların genelleştirilmiş ücret fonksiyonudur. Şu anda açıkça anlaşılmamasına karşın bu
direnç faktörlerinin (f
ij
) hazırlanmasının amacı aslında ileride açıklanacağı gibi başlangıç
matrisi t
ij
’nin kullanılabilirliğini sağlamaya yöneliktir.
Yolculuk dağılımı problemini çözerken, bölgesel yolculuk üretim ve çekim değerleri ile
birlikte yolculuk direnç matrisini kısıt olarak kullanmak, yapay O-D üretim matrisini
oluştururken bölgelere ait bağlantılardaki giriş çıkış akım değerlerini ve t
ij
= T x f
ij
/ ∑ f
ij



34
başlangıç matrisini kısıt olarak kullanmaya benzemektedir. Bu benzerlik bir çok trafik
mühendisini ve planlamacıyı cesaretlendirmiştir. Öncelikle pek çok plancı, çok uzun bir
geçmişi olan ve zor sorularla kurulabilen O-D tahmin matrisini yolculuk dağılımı sürecinde
izlemişlerdir. Burada bilinen en büyük zorluk yapay O-D yaratımının daha az bilinmesi ve
kullanılan tekniklere ait detayların anlaşılır olmamasıdır. Yukarıdaki benzerlik görüldükten
sonra artık plancılar, yapay olarak elde edilen O-D matrisinin geçerliliğini soruşturmaktan
daha çok klasik yolculuk dağılımı sürecinden tahmin edilen O-D matrisinin geçerliliğini
sorgulamaktadırlar. İkinci olarak ise artık plancıların, özellikle yolculuk dağılımı
uygulamasından türetilen O-D matrisini başlangıç matrisi olarak kullandıklarında, yapay O-D
yaratım sürecinde güzergah üzerinde yer alan bağlara ait ek bilgilerin de kullanılmasının
sonuç matrisini daha doğru yapacağını kabul ettikleri bilinmektedir.
2.6 Yolculuk Sayıları Tabanlı O-D Matrisleri İçin Maksimum Olasılık
Şekil 2.2, iki başlangıç bölgesinin iki bitiş bölgesine bağlantısını göstermektedir. Bazı bağlar
sadece iki O-D çifti için bağlantıyı oluştururken (1,2,4,5 no’lu bağlar), 3 no’lu bağ tüm O-D
çiftlerini taşımaktadır. Eğer çizelge 2.3’ ten ölçülen bağ akımları değerlendirilirse , şu
söylenebilir ki bu yol ağında birbirinden farklı matrisler oluşturulabilir ve ölçülen akımların
yerine kullanılabilir. Çizelge 2.4’ ten görüleceği gibi, eğer A’ dan C’ ye yolculuk sayıları x
ise diğer yolculuk sayıları bütün O-D çiftleri arasından otomatik olarak bulunabilir.






Şekil 2.2 Beş bağlı yol ağı.
*

Maksimum olasılık yaklaşımında, yapay O-D matrisini seçmek için, hangi matrisin en olası
olduğu değerlendirilirken bütün mantıklı çözümlerin iyice düşünülmesi gerektiği de

*
Şekil Aimsun NG 5.0 mikrosimülasyon programında çizilmiştir.


35
unutulmamalıdır.Maksimum olasılığı tanımlamak için kullanılan yolculuk tabanlı yaklaşım,
sayısı az olan yolculuklar için yapılan tüm matrisleri incelemektedir. Bu durumda şekil 2.2 ve
çizelge 2.5 deki matris, burada toplam 100 adet yolculuk olduğunu gösterir.
Çizelge 2.3 Gözlemlenmiş bağ akım değerleri.
Hat No. Gözlemlenmiş Hacim
1 40
2 60
3 100
4 70
5 30
Çizelge 2.4 Genel matris
C D Sum
A X 40 – X 40
B 70 – X X – 10 60
Toplam 70 30 100
Çizelge 2.5 Potansiyel matris
C D Sum
A 20 20 40
B 50 10 60
Toplam 70 30 100

100 kişilik bir toplulukta, A’ dan C’ ye 20 yolculuk olduğunu düşünülürse burada 20 yolculuk
için (100! / 20! 80!) tane çözüm olurken, kalan 80 yolculuğun 20 tanesinin A’ dan D’ ye
olduğunu düşünürsek bu işi yapmak için 80! / (20! 60!) adet farklı çözüm olacaktır. Benzer


36
şekilde B’ den C’ ye 60!/ (10! x 50!) adet farklı yolculuk olacağı gibi B’ den D’ ye 10!/ (10!x
0!) tane seçilebilecek yolculuk olur. Bazı basitleştirmelerden sonra toplamda 100! / (20! x 20!
x 50! x 10!) tane matris içinden yaratılabilecek 20, 20, 50 ve 10 değerli basit bir yolculuk
matrisi olur. Genellikle bu sayı T!/(

!
ij
T ) şeklindedir. Şekil 2.2, çizelge 2.4 ‘ de tanımlanan
tüm matrislerin birleştirilmiş olasılığını gösterir
Bu şekilden çok açık görülüyor ki x: 28 en çok olabilirliği olan matristir. Bu ağ için tüm olası
çözümlerin olası sonucu çizelge 2.6’ da verilmiştir
( )
( )

=
ij
ij
ij
T
T
T Z
!
!
(2.23)
Üstteki model, geçmişte yapılmış çalışmalardan elde edilen bazı eski bilgileri hesaba katmaz.
Eğer geçmişteki çalışmalar trafiğin bir fraksiyonunu gösteriyorsa, çizelge 2.7’ deki gibi bir
trafik fraksiyon matrisi hazırlanarak, başlangıç matrisi çizelge 2.8 deki gibi kurulur. Eğer bu
başlangıç matrisi ölçülen bağ değerlerini açık şekilde göstermiyorsa, bu başlangıç matrisi
eşitlik 2.24’ de gösterdiği gibi maksimum olasılık fonksiyonuna göre genişletilebilir.
Çizelge 2.6 Beş bağlı yol ağı için olası çözümler.
Talep Senaryosu T
AC
T
AD
T
BC
T
BD
0 10 30 60 0
1 11 29 59 1
2 12 28 58 2
3 13 27 57 3
4 14 26 56 4
5 15 25 55 5
6 16 24 54 6
7 17 23 53 7
8 18 22 52 8


37
9 19 21 51 9
10 20 20 50 10
11 21 19 49 11
12 22 18 48 12
13 23 17 47 13
14 24 16 46 14
15 25 15 45 15
16 26 14 44 16
17 27 13 43 17
18 28 12 42 18
19 29 11 41 19
20 30 10 40 20
21 31 9 39 21
22 32 8 38 22
23 33 7 37 23
24 34 6 36 24
25 35 5 35 25
26 36 4 34 26
27 37 3 33 27
28 38 2 32 28
29 39 1 31 29
30 40 0 30 30



38
Çizelge 2.7 Önceki anketlerden tahmin edilen trafik fraksiyon matrisi.
C D
A 0.1 0.2
B 0.3 0.4
Çizelge 2.8 Çizelge 2.7’ deki trafik değerlerine göre kaynak matris.
C D
A 10 20
B 30 40

Burada söylenebilir ki i’ den j’ ye bireysel yolculuğun olasılığı; ) /(

ij ij t t üstteki başlangıç
matrisine bağlıdır. Bu nedenle “T
ij
” yolculuğunun olasılığı T t t ij ij ) / (

olarak yazılır. Şekil
2.4‘ te görüleceği gibi üsteki üniform olmayan başlangıç matrisi sonuçlarının farklı matris
olarak kullanımı, en olası O-D matrisini tanımlamakta etkileyici olacaktır. Buna zıt olarak,
şekil 2.2’ deki ağda düzenli bir başlangıç matrisi kullanıldığında güçlü bir etki görülmez.
Bununla birlikte ileride gösterileceği gibi kesin ağ tipleri için bu özellik genelleştirilemez. Bu
sebepten dolayı başlangıç matrisi kullanılması doğru kabul edilmiştir.
( )
( )

∑ ∏ (
(
(
¸
(

¸

=
ij
T
ij
ij
ij
ij
ij
ij ij
ij
t
t
T
T
t T Z Maksimum
!
!
, : (2.24)
2.7 Trafik Hacim Değerleri Tabanlı Maksimum Olasılık
Alternatif bir maksimum olasılık modeli, ölçülen değerlerin en basit birimi olan trafik hacim
değerlerini inceler. Şekil 2.2 deki gibi 5 bağlı yol ağı için örneğin 300 tane gözlenen değer
olsun (30+70+100+40+60). Çizelge 2.7’de de görüldüğü gibi potansiyel çözüm matrisi
incelenirse eşitlik 2.25’ de gösterildiği gibi 300 yolculuk için çözüm sayısı bulunur. Eğer 40
yolculuk bir bağın değeri ise ve T
AC
ve T
AD
bağları doğrudan geçen yolculuklar ise bundan
sonraki 30 yolculukta T
AC
ve T
AD
arasında bölünmüşse bu durum için grup sayısı 40! / (T
AC
!
x T
AD
!) olarak bulunur. Bu nedenle T
ij
yolculuklarının olasılığı (t
ij
/ (∑ t
ij
))^ T
ij
olarak yazılır.


39
Eğer bu olasılık tüm bağlar için hesaplanırsa, bunların sonuçları eşitlik 2.25’ deki olasılığı
verir. Bu model aynı zamanda bölüm 3’ de tartışılacak olan minimum bilgi teorisine dayalı
olarak da türetilebilmektedir.
( )
( )
∏ ∏

|
|
¹
|

\
|
=
a ij
P T
a
a
ij ij
ij
a
ij ij
a
ij ij
a
ij ij
v
P t
P T
V
t T Z Maksimum
!
!
, : (2.25)
Eşitlik 2.25, farklı bir yapıya sahip olmasına rağmen şekil 2.2’ deki ağ için örnek
gösterilebilir. Bu amaç fonksiyonu da önceki yolculuk tabanlı model (eşitlik 2.23) gibi en
olası O-D matrisini tanımlar. Özellikle bazı durumlarda bu genel bir çözüm değildir. Trafik
hacim değerleri tabanlı modeller ile belirgin bir farklılık taşımayan yolculuk tabanlı
modellerde süreklilik sadece eşitlik 2.24 ile sağlanabilmektedir. Bölüm 3‘ te farklı modeller
üzerinde daha detaylı açıklama yapılacaktır.
2.8 Akım Sürekliliğinin Varlığı
Olasılığı anlatan yukarıdaki modellere ait amaç fonksiyonlarının tamamlanabilmesi için ek
kısıtlara ihtiyaç duyulur. Bu kısıtların en basiti, verilen bağdan geçen yolculukların
toplamının bu bağdaki akım değerine eşit olacağıdır (eşitlik 2,26). İleride görüleceği gibi,
yukarıdaki kısıtlar önceki amaç fonksiyonlarını da içeren ve Lagrange çarpanını kullanmak
için en basit sistemdir. Bu çarpanlar eşitlik kısıtları içeren amaç fonksiyonunun, eşdeğer
kısıtsız amaç fonksiyonuna dönüşmesini sağlar.

∀ =
ij
a
ij ij a
P T V a (2.26)
Modelin tamamlanmasında basit eşitlik kısıtlarının hazırlanması problemi uygunluk
sınırlarının dışına taşır. Örneğin şekil 2.2’ deki ağı değerlendirirsek buradaki gözlenmiş
akımlar 30, 70, 100, 40 ve 60 dır. Eğer düğümlerde akım sürekliği yoksa, ölçülen bağ
akımları ile eşleşebilen hazırlanmış bir O-D matrisi yoktur. Bu yüzden kısıtlı veya eşdeğer
kısıtsız optimizasyon durumunda her iki amaç fonksiyonunda uygun çözüm alanı yoktur.
Tercihen tamamen yok saymak yerine daha genel bir model, bağ akımlarındaki hataları
minimize etmek için kullanılmaktadır. Başka bir deyişle tüm ölçülmüş bağ hacim değerleri
için en olası O-D matrisini bulmaktansa bağ akımları ile tam uyuşanlar için en olası O-D
matrisi bulunması şeklinde yeniden formüle edilir.


40
Bir başka anlatım şekli ile, O-D matrisinin elde edilmesi, eşitlik 2.27 ‘deki hataların minimize
edilmesini sağlamak ve eşitlik 2.28’deki akım sürekliliği kısıtını sağlamaktır. Eşitlik
2.28’deki kısıtlar, kısıtlanmamış bir amaç fonksiyonu için hazırlanan tamamlayıcı bağ hacim
değerleri (
'
a
V ) kullanılarak eşitlik 2.27’ ye dahil edilebilir. Bu tamamlayıcı akımlar, kabul
edilebilir seviyede akım sürekliliğini sağladıklarında ölçülen bağ akımlarından ayrılırlar. Bu
tamamlayıcı bağ hacim değerleri, akım sürekliliği güvenilir düzeye eriştiğinde, amaç
fonksiyonuna eşitlik kısıtı olarak eklenerek uygun çözüme ulaşılır
( ) ( )

− =
a
a a ij
V V T MaksimumZ
2
'
(2.27)
Bu amaç fonksiyonunda;
a
V : Gözlem yapılan “n” bağına ait güncel trafik hacim değeri,

'
a
V :
a
V ile uyumlu ve akım sürekliliğini sağlayan hacim değerleri.

∀ =
ij
a
ij ij a
P T V a
'
(2.28)
Alternatif olarak eşitlik 2.28’den alınan terimler, eşitlik 2.27’de yerine konulabilir. Eşitlik
2.29’da gösterilen bu yeni ifade, eşitlik 2.23 ve 2.24’deki maksimumu aranan amaç
fonksiyonunun minimize edilmiş halidir.
Ancak bu ifadeleri birleştirmek kolay değildir, çünkü olasılık ençoklanırken diğer bir yandan
bağdaki akım hatasının minimum olması istenir. Langrange ise kısıtlanmış amaç
fonksiyonuna sadece eşitlik kısıtı katabilir.
Bu problemin bir çözümü, O-D matrisine ait her bir hücrenin değerine uygun şekilde eşitlik
2.29’un kısmi türevini alınarak yapılır. Eşitlik 2.30’daki sonuçlar bir çok yolculuk hücresinin
eşitliğidir. Bunun dışında, bu türevleri sıfıra eşitlemek, eşitlik 2.29 ‘u minimum yapmak
demektir. Fakat eşitlik 2.29 maksimum olasılık fonksiyonuna eklenmezken, eşitlik 2.30
eklenebilir. Bu gösteriyor ki kısıtlanmamış bir amaç fonksiyonu, eşitlik 2.31’daki gibi her
zaman uygun bir çözüm sunar.
( )
∑ ∑

(
¸
(

¸

− =
a ij
a
ij ij a ij
a P T V T Z Minimum
2
: (2.29)


41
( ) j i, . 2 0 ∀
(
(
¸
(

¸

(
(
¸
(

¸

(
¸
(

¸

− =
∑ ∑ ∑
a a ij
a
ij ij
a
ij
a
ij a
P T P P V (2.30)
( ) j i, . . 2 .
!

(
(
¸
(

¸

(
(
¸
(

¸

(
(
¸
(

¸

(
¸
(

¸

− −
(
¸
(

¸


∏ ∑ ∑ ∑ ∑
∏ ij ij a ij
a
ij ij
a
ij
a
a
ij a ij
T
ij
ij
ij
P T P P V
t
t
T
T
L
ij
λ (2.31)
Yukarıda verilen eşitlikler gösteriyor ki yapay O-D yaratımı problemlerinin içinde iki adet alt
problem mevcuttur. Bunlardan biri, maksimum olasılık probleminin daha önce çözüldüğü
noktada akım sürekliliğine izin veren yeni tamamlayıcı bağ akımlarının bulunmasını kapsar
ve akım sürekliliğini sağlamak için kısmi türevler hesaplanır.
Bu kısmi türevler, Lagrange çarpanları kullanılarak doğrudan maksimum olasılık
formülasyonu için kullanılabilir.
Eşitlik 2.31’ i maksimum yaparken, en uygun çözümü bulmak için, sonuçlar içinde büyük
önem taşıyanları tespit etmek genellikle zordur. Bundan başka, türevini alarak amaç
fonksiyonunu maksimum yapmak gibi basit bir yaklaşım yapılırken, sürekliliği olmayan
ifadelerin türevini almak oldukça zordur. Bu yaklaşımlar, eşitlik 2.23 ve 2.24’deki iki amaç
fonksiyonunun da logaritmasının alınmasını kapsar. Çıktıları kolayca kontrol altına almak için
amaç fonksiyonun logaritması alınır ve bu işlem, çözüm için Stirling yaklaşımının
*
kullanılabilir olmasını sağlayacaktır.
Eşitlik 2.32’de amaç fonksiyonunun (eşitlik 2.24’deki orijinal amaç fonksiyonunu temel
almıştır) sadeleştirme sonuçlarını görüyoruz. Eşitlik 2.33, logaritmaya dönüştürülmüş amaç
fonksiyonunun türevini göstermektedir. Bu logaritmaya dönüştürülmüş amaç fonksiyonunun
türevi, önceden söz edilen kısmi türevler ile çoğaltıldığı zaman tüm matrisler içinde en olası
O-D matrisini gösterecektir.
Yukarıda anlatılan doğrusal olmayan eşitlikler çeşitli sayısal analiz yazılım paketleri
kullanılarak çözülebilir. Bununla birlikte daha geniş yol ağlarında eşitlikler ve bilinmeyenler
bulunamaz hale gelecektir, bunun için özel bir eşitlik geliştirilmiştir ve QUEENS-OD olarak
adlandırılmıştır. Bu özel eşitlik 2.24 veya 2.25’deki amaç fonksiyonlarını optimum hale
getirir ve akım sürekliliği olmadığı zaman bağ akımlarındaki hatayı minimize etmeyi sağlar.

*
Stirling yaklaşımı ek 1’de detaylı olarak anlatılmıştır.


42
Stirling’e ait olan bu yaklaşım, yapay O-D üretiminde hata oranını %1’den aşağıya indirmek
için kullanılmaktadır, eşitlik 2.24 ‘in detaylı bir türevi 4. Bölümde verilecektir.
( )
( )
( )




|
|
¹
|

\
|
=

ij
T
ij
ij
ij
T
ij
ij
T
ij ij
ij
ij
t
T
t
t T Z imize
!
, : max
!
(2.32)
( ) ( ) ( ) ( ) j i, 0 ∀ + − − =
ij ij
t Ln T Ln t Ln T Ln (2.33)
( ) ( ) ( ) ( )- 0
ij ij
t Ln T Ln t Ln T Ln + − − =
( )
∑ ∑ ∑ ∑
|
|
¹
|

\
|
|
|
¹
|

\
|
|
|
¹
|

\
|
|
|
¹
|

\
|

ij a ij
a
ij ij
a
ij
a
a
ij a ij
P T P P V . 2 . λ (2.34)
2.9 Diğer Yaklaşımlar
QUEENS-OD yazılımı, sadece Stirling’in yaklaşımını kullanarak amaç fonksiyonunun
tamamını çözerken, diğer yazılım paketlerinin çoğunda daha farklı yaklaşımlar kullanılmıştır.
Bunlara örnek olarak oldukça geniş bir kullanım alanına sahip olan Willumsen yaklaşımı
verilebilir. Bununla birlikte ileride anlatılacağı gibi farklı yaklaşımların denenmesi, O-D
matrisi tahmininde yapılan önemli hataları ortaya çıkarmaya yardımcı olmaktadır.
En sık kullanılan yaklaşım olan Stirling’in yaklaşımı uygulandıktan sonra, ağdaki toplam
yolculuk sayıları bir sabit olarak dikkate alınmış ve bu terimler optimizasyon eşitliğinden
çıkarılmıştır. Bu yaklaşımın uygulandığı modele ait sonuç, eşitlik 2.35’de gösterilmiştir.
Ancak Çizelge 2.9’da verilmiş bağ trafik hacim değerlerine sahip, toplam yolculuk sayısının
bir sabit rakam olmadığı, üç düğüm noktası ve iki bağdan oluşan yol ağında (Şekil 2.3), “T”
toplam yolculuk sayısı çözüm eşitliğinden çıkarıldığında, çok farklı bir optimum ya da en
olası yolculuk matrisi ortaya çıkmaktadır.
( )

|
|
¹
|

\
|

|
|
¹
|

\
|
− =
ij
ij
ij
ij
ij ij ij
T
t
T
Ln T t T MaksimumZ , (2.35)
Çeşitli modellere ait detaylı eşitlikler sonraki bölümde verilmiştir.


43

Şekil 2.3 İki bağlı yol ağı.
*

Çizelge 2.9 İki bağlı yol ağında bağ hacimleri.
Bağ No. Hacim
1 10
2 15
2.10 Özet
Bu bölümde konunun uzmanları tarafından ortaya konmuş, trafik sayımlarına dayalı O-D
matrisi tahmininde karşılaşılabilecek alternatif alt problemler için sonuçlar sunulmuştur. Bazı
problemlerde akım sürekliliği olmaması durumu ve bu durumlar için çeşitli çözümler
verilmiştir. Akım sürekliliği problemi genellikle akım sürekliliğini bozan eşdeğer akım
değerini elde etmek için hataların dağıtılması ile çözülür.
Çoklu çözümlere sahip problemler ise, geçmişte yapılmış çalışmalardan alınan bir matris
(başlangıç matrisi) kullanılarak çözülmektedir. Bu yöntem, hala çoklu çözüme sahip
problemlerin tam karşılığı olamamakla birlikte en azından alternatif çözüm sayısını
azaltmıştır.
İkinci bölümün genelinde, yolculuk dağılımı ve yapay O-D matrisi arasındaki benzerlikler
sunularak yolculuk sayılarına ve trafik sayım değerlerine göre ayrı ayrı maksimum olasılık
konusu anlatılmıştır. Detaylı tanımlamalar ve bu bölümde bahsedilen çeşitli modellere ait
örnek uygulamalar ilerideki bölümlerde sunulmuştur.

*
Şekil Aimsun NG5.0 Mikrosimülasyon programında hazırlanmıştır.


44
3. O-D MATRİSİ ÇÖZÜM YAKLAŞIMLARI
3.1 Giriş
Maksimum entropi ve minimum bilgi teknikleri ulaşım problemlerinin sayısal çözümünde
kullanılagelmişlerdir (Wilson 1970). Statik O-D tahmin problemi için entropi ençoklaması
(maksimizasyon) prensipleri uygulanması ilk olarak Willumsen tarafından öne sürülmüştür.
Willumsen, entropi maksimizasyonu ile belli bir kısıtlar dizisine bağlı olarak en olası
yolculuk matrisi tahmini yapılabileceğini kanıtlamıştır.
Bu bölüm, Van Zuylen ve Willumsen (1980) tarafından statik O-D problemini çözmek için
öne sürülmüş iki modeli açıklamaktadır. Buna ek olarak bu bölümde problemin analitik
çözümü için sunulan diğer yaklaşımlardan da bahsedilmiştir.
3.2 Yolculuk Modeli ve Yaklaşımlar
Toplam O-D yolculuklarının sayısının “T” ve i başlangıçlı j sonlu yolculukların sayısının
“T
ij
“ ye eşit olduğu varsayılırsa, yolculuk grupları içine dağılmış olan “T” sayıdaki
yolculuğun oluşturduğu, entropi olarak açıklanmış, “T
ij
” değerine ait çözümlerin sayısı 3.1
eşitliğindeki gibi hesaplanabilir.
( )


=
|
|
¹
|

\
|
=
ij
ij
ij
ij
n
ij
T
T
T
T
T Z Maksimum
!
!
:
(3.1)
Aşağıdaki kısıtlar altında,
a ∀ =

a
ij
ij
ij a
P T V (3.2a)
j i, 0 ∀ ≥
ij
T (3.2b)
Burada;
T
k
: NxN’lik bir O-D matrisinin “k” nıncı hücresindeki mevcut
yolculukların sayısı


45

− =
=
− =
1
1
n k
k
k n
T T T : Seçilen Tij yolculuklarından dikkate alınan mevcut toplam yolculuk
sayısı

=
ij
ij
T T : Tij’lerin toplamı
( )N j i k 1 − + =
Entropi fonksiyonunu maksimize eden (en büyükleyen) T
ij
değerleri, en olası çözümü (en
yüksek olasılıklı) sunar. Maksimizasyon için “Entropi” fonksiyonunun logaritması alınarak
(3.3 eşitliğinde görüldüğü gibi), eşitlik sadeleştirilerek yazılmıştır.
( ) ( ) ( )


− =
|
|
|
|
¹
|

\
|
= ! !
!
!
:
ij
ij
ij
ij
T Ln T Ln
T
T
Ln T Z Maksimum
(3.3)
Stirling (Donald 1976) “Ln (x!)” ifadesi için (x’ in sonsuza gitmesi durumunda) bir yaklaşım
öne sürmüştür. (3.4 Eşitliği ) Stirling yaklaşımının detayları Ek 1’ de anlatılmıştır.
( ) x xLnx x Ln − = ! (3.4)
Stirling yaklaşımı 3.3 eşitliğine uygulandığında;
( ) ( )

− − − =
ij ij ij ij
T LnT T T LnT T T MaksimumZ .
(3.5)
Eşitliği elde edilir.
Willumsen (1984), hesap kolaylığı açısından T’yi sabit alan daha ileri bir yaklaşım
sunmuştur. Willumsen, yukarıdaki eşitlikte yer alan “T” ifadesinin (toplam yolculukların
sayısı) bir sabit değer olduğunu kabul ederek eşitlikte düzenleme yapmıştır. Bu yaklaşımın
bütün yol ağları ve trafik karakteristikleri için geçerli olmadığı bilinmektedir. Bu yaklaşıma
dayanarak 3.5 eşitliğinde yer alan ilk iki terim atılabilir ve eşitlik 3.6’daki gibi bir amaç
fonksiyonu haline gelir.
( ) ( )

− − =
ij ij ij ij
T xLnT T T MaksimumZ (3.6)


46
Aşağıdaki kısıtlar altında;

∀ = için a
a
ij ij a
P T V (3.7a)
için j i, 0 ∀ ≥
ij
T (3.7b)
Daha önceki çalışmalardan bilinen eski bir matrisin olması durumunda (başlangıç matrisi), bu
entropi fonksiyonu 3.8 eşitliği kullanılarak açıklanmıştır. 3.8 eşitliği, T
ij
yolculuklarının her
biri için başlangıç matrisi verisini içeren ek terim dışında, 3.1 eşitliği ile benzer bir eşitliktir.
3.9a ve 3.9b’de açıklanan kısıtlar 3.1a ve 3.1b’dekilerle aynıdır.
( )
( )

∑ ∏
|
|
|
|
¹
|

\
|
=
ij
Tij
ij
ij
ij
ij
ij
ij ij
t
t
T
T
t T Z Maksimum
!
!
, : (3.8)
Aşağıdaki Kısıtlar Altında;

∀ =
ij
a
ij ij a
P T V için a
(3.9a)
için j i, 0 ∀ ≥
ij
T
(3.9b)
Burada,

=
ij
ij
T T dir.

Yukarıda yazılan fonksiyon 3.10 eşitliğinde basitleştirilerek yazılmıştır;
( )
( )
( )





|
|
¹
|

\
|
=
ij
Tij
ij
ij
ij
T
ij
ij
ij ij
t
T
t
T t T Z Maksimum
ij
!
! , : (3.10)
Verilmiş olan T, Tij’lerin toplamı , t ise tij’lerin toplamıdır. Amaç fonksiyonu şu şekilde
sadeleştirilebilir.
( )
( )
( )
( )



=
ij
T
ij
ij
ij
r
ij ij
ij
t
T
t T
t T Z Maksimum
!
!
, : (3.11)


47
Willumsen'e ait olan “Yolculukların toplam sayısının bir sabit sayı olması” yaklaşımına
dayanarak 3.11 eşitliği şu şekilde sadeleştirilir.
( )
( )
( )


=
ij
ij
ij
Tij
ij
ij ij
T
t
t T Z Maksimum
!
, : (3.12)
eşitliğinin logaritması alındığında ve 3.12 eşitliğine Stirling yaklaşımı uygulandığında amaç
fonksiyonu 3.13’teki gibi olur.
( )

|
|
¹
|

\
|

|
|
¹
|

\
|
− =
ij
ij
ij
ij
ij ij
T
t
T
Ln T T MaksimumZ (3.13)
Aşağıdaki kısıtlar altında

∀ =
ij
a
ij ij a
P T V için a
(3.14b)
için j i, 0 ∀ ≥
ij
T
(3.14b)
Burada

=
ij
ij
T T


=
ij
ij
t t
dir.
Willumsen (1981,1984) 3.15 eşitliğinde görüldüğü gibi amaç fonksiyonundan sabit bir terim
çıkartmıştır. Bu sabit terim çözümü değiştirmez. Amaç fonksiyonunun sadeleştirilmesi daha
sonra açıklanacaktır.
( )

|
|
¹
|

\
|
+ −
|
|
¹
|

\
|
− =
ij
ij ij
ij
ij
ij ij
t T
t
T
Ln T T MaksimumZ (3.15)
X

0.5 olduğunda Ln (x) için Taylor serisi 3.15 eşitliğinde yerine yazılır ve sadece Tij / tij

1 yapan ilk iki terim alındığında oluşan sonuçlar 3.17 eşitliğinde görülmektedir. 3.17
eşitliği sadeleştirildikten sonra problem 3.20’de görüldüğü gibi bir minimizasyon problemi
haline gelir.


48
( ) ....
1
3
1 1
2
1 1
3 2
+
|
¹
|

\
| −
+
|
¹
|

\
| −
+
|
¹
|

\
| −
=
x
x
x
x
x
x
x Ln
(3.16)
( )

|
|
|
|
|
¹
|

\
|
+ −
|
|
|
|
|
¹
|

\
|

+
|
|
|
|
|
¹
|

\
|

− =
ij ij
ij
ij
ij
ij
ij
ij
ij
ij
ij
ij ij ij
t T
t
T
t
T
T
t
T
t
T
T t T MaksimumZ
1
2
1
, (3.17)
( )

|
|
|
|
|
¹
|

\
|
+ −
|
|
|
|
|
¹
|

\
|

+ − − =
ij ij
ij
ij
ij
ij
ij
ij ij ij ij
t T
t
T
t
T
T
t T t T Z Maksimum
2
1
2
, : (3.18)
( ) ( )

|
|
¹
|

\
|
+ − − + − − =
ij
ij ij ij ij
ij
ij ij ij ij
t T t T
T
t T t T Z Maksimum
2
2
1
, : (3.19)
( ) ( )

|
|
¹
|

\
|
− =
ij
ij ij
ij
ij ij
t T
T
t T MaksimumZ
2
2
1
, (3.20)

∀ =
ij
a
ij ij a
P T V için a
(3.21a)
için j i, 0 ∀ ≥
ij
T
(3.21b)
Burada;
1 ≈
ij
ij
t
T
dir.
3.20 eşitliği, T
ij


t
ij
varsayımına dayanmaktadır. Problem, paydada T
ij
yerine t
ij
terimi
yazılarak 3.22 eşitliğinde görüldüğü gibi basit bir ikinci derece en küçükleme (minimizasyon)
problemi haline getirilmiştir. 3.22 eşitliğinde görülen sonuç formülü literatürde
desteklenmemektedir. Bu eşitlikteki en büyük avantaj, paydada yer alan t
ij
teriminin başlangıç
matrisinden gelmesi nedeniyle bilinen bir değer olmasıdır. Bu sayede çözüm için, farklı
değerler içeren paydanın (T
ij
) bulunduğu 3.20 eşitliğine nazaran hesap kolaylığı elde


49
edilmektedir. Sonuç olarak 3.20 eşitliği, 3.22 eşitliğinden farklıdır. 3.22 eşitliğinde optimum
sonucu bulmak için iteratif bir algoritma tipi kullanmaya gerek yoktur.
3.22 eşitliğinde verilen amaç fonksiyonu, başlangıç matrisine ait hataların karesi alınarak
hataların minimize edildiği (en küçüklendiği) avantajlı bir regresyon ortaya koyar. Homojen
bir başlangıç matrisi kullanıldığında ise terimlerinin hepsi eşdeğer hale gelir ve amaç
fonksiyonu standart bir regresyon problemine dönmüş olur.
( ) ( )

|
|
¹
|

\
|
− =
ij
ij ij
ij
ij ij
t T
t
t T Z Maksimum
2
2
1
, : (3.22)
Aşağıdaki kısıtlar altında

∀ =
ij
a
ij ij a
için a P T V (3.23a)

için j i, 0 ∀ ≥
ij
T
(3.23b)

1 ≈
ij
ij
t
T

Lagrange çarpanları kullanılarak problem, 3.24 eşitliğinde görüldüğü gibi kısıtlı bir
optimizasyondan kısıtsız bir optimizasyona dönüştürülebilir. Amaç fonksiyonu gözlem
yapılan bağların sayısına eşit sayıda ek terimler içerir. Bu terimler, çözüm için
a
λ
değişkenleri ile çarpılır. Sonuç olarak 3.25 eşitliği elde edilmiştir. Burada amaç fonksiyonu,
bağlardaki trafik akım değerlerinde ve yolculuk sayılarında oluşan hataların karesinin alınarak
bunların aynı eşitlik içinde birleştirilmiş halinin minimize edilmesidir (en küçüklenmesidir).
( ) ( )
∑ ∑ ∑
|
|
¹
|

\
|
− +
|
|
¹
|

\
|
− =
ij a
a
ij
ij
a a ij ij
ij
ij ij
P Tij V t T
t
t T MaksimumZ λ
2
2
1
, ' (3.24)
( ) ( )
∑ ∑ ∑
|
|
¹
|

\
|
− +
|
|
¹
|

\
|
− =
ij a ij
a
ij ij a ij ij
ij
ij ij
P T V t T
t
t T MaksimumZ
2
2
2
1
, " λ (3.25)



50
Özet olarak, başlangıçta yola çıkılan eşitlik (3.9a ve 3.9b kısıtları altındaki 3.8 eşitliği), akım
sürekliliği ve negatif olmama kısıtları altında en olası O-D matrisini desteklemektedir. Amaç
fonksiyonuna Stirling yaklaşımı uygulanıp logaritması alınarak fonksiyon basitleştirilir (3.15
eşitliğindeki gibi). 3.15 eşitliğindeki terimler Taylor serisi ve başlangıç matrisi ile uyumlu
olacak O-D matrisine dayalı yaklaşım (
ij ij
t T ≈ ) kullanılarak genişletildiğinde eşitlik daha da
basitleştirilebilmektedir. Daha sonra, bu çalışmada iddia edildiği gibi “T
ij
“ terimi yerine
paydada “t
ij
“ terimi yazıldığında basit bir regresyon kullanılarak problemin çözümüne
ulaşılır. (3.23a ve 3.23b kısıtları altında 3.22 eşitliği)
3.3 Hacim Modeli ve Yaklaşımlar
O-D problemini çözmek için bir alternatif yaklaşım da problemin O-D yolculuk sayıları
yerine yol bağlarında gözlemlenen trafik hacim değerlerine ait eşitliklerin kullanılmasıdır.
Trafik hacim değerlerini kullanarak OD matrisi tahmin etme eşitliği, 3.30, 3.31a, 3.31b ve
3.31c’de gösterildiği gibi Willumsen ve Van Zuylen tarafından 1980’ de ortaya konmuştur.
Ancak bu iki yaklaşım arasında sistematik bir karşılaştırma yapmanın bir geçerliliği yoktur.
Van Zuylen tarafından izlenen bu yöntem, Brillouin’in bilgi ölçümü yöntemine
dayanmaktadır. Burada sunulan eşitlik ikinci bölümde verilmiş olan 2.3 eşitliğindeki hacim
eşitliğine benzemektedir. İkisi arasındaki fark ise modelin yorumlanmasından ileri
gelmektedir.
Veri olarak kullanılan bilgi, bir N gözleminde k kesitinde yapılmış n
k
süreli bir trafik sayımını
içermektedir. (Brillouin – 1956)
|
|
¹
|

\
|
|
|
¹
|

\
|
− =

k k
n
k
n
q
N Ln I
k
!
! (3.26)
q
k
bir k gözlem kesitinin başlangıç olasılığıdır. Eğer gözlemler, i-j arasındaki yolculuk
sayılarının olduğu özel bir bağa ait sayımlar olarak açıklanmış ise ;
a
ij ij
a
ij
P T n = (3.27)
“İ-J” noktaları arasında yer alan “a” bağı üzerinde yapılan trafik gözleminin olasılığını (
a
ij
q ),
başlangıç O-D matrisinden elde edilen bir bilginin fonksiyonu olarak açıklayabiliriz.


51

=
ij
a
ij ij
a
ij ij
a
ij
P t
P t
q (3.28)

Burada t
ij
, daha önceden bilinen i–j arasındaki yolculuklara ait bir sayıdır (Kullanılan
başlangıç matrisinden alınan değerlerdir). Bu bilgi gözlem yapılan bağdaki “V
a
” sayım
değerlerini de içerdiğinden şu şekilde ifade edilecektir;
( )
|
|
|
|
|
|
¹
|

\
|
|
|
¹
|

\
|
− =


!
!
ij
a
ij ij
ij
P T
a
a
ij ij
a
a
P t
P t
V
Ln I
a
ij ij
ν
(3.29)
Buna göre amaç fonksiyonu şu hale gelir:
( )
( )



|
|
|
|
|
|
¹
|

\
|
|
|
¹
|

\
|
− =
a
ij
a
ij ij
ij
P T
a
a
ij ij
a
ij ij
P t
P t
V
Ln t T Z Min
a
ij ij
!
!
, : .
ν
(3.30)
Aşağıdaki kısıtlar altında;

∀ =
ij
ij ij a
P T V a , (3.31a)

∀ =
ij
a
ij ij a
P T a , ν (3.31c)
j i, 0 ∀ ≥
ij
T (3.31c)
Yolculuk formülasyonu için Stirling yaklaşımı kullanılarak amaç fonksiyonu 3.36’da ki gibi
sadeleştirilmiştir.


52
( )
( )



|
|
|
|
|
|
¹
|

\
|
|
|
¹
|

\
|
− =
a
ij
a
ij ij
ij
P T
a
a
ij ij
a
ij ij
P t
P t
V
Ln t T Z Maksimum
a
ij ij
!
!
, : .
ν
(3.32)
( ) ( )
∑ ∑ ∑
|
|
¹
|

\
|
+
|
|
¹
|

\
|
+ − − =
a ij
a
ij ij
a
ij ij a
a
ij ij
ij
a
ij ij a a a ij ij
P T
P T V
P t
Ln P T V V Ln V t T Z Maksimum , : . (3.33)
( ) ( )
∑ ∑ ∑ ∑
|
|
¹
|

\
|
|
|
¹
|

\
|
+
|
|
¹
|

\
|
+ − − =
a ij a
a
a
ij ij a
a
ij ij
ij
a
ij ij a a
a
ij ij ij ij
V
P T V
P t
Ln P T V V Ln P T t T Z Maksimum , : . (3.34)
( )
∑∑
|
|
¹
|

\
|
− =
a ij a ij
ij a
a
ij ij ij ij
T
t V
Ln P T t T Z Maksimum
ν
: . (3.35)
( )
∑∑
|
|
¹
|

\
|
=
a ij ij a
a ij
a
ij ij ij ij
t V
T
Ln P T t T Z Maksimum
ν
. : . (3.36)
3.4 Özet
Bu bölümde çeşitli yolculuk ve hacim formülleri ile bunlara ait farklı yaklaşım türleri
incelenmiştir. Sonraki bölümde ise en olası O-D yolculuk matrisi tahmini için iki farklı
yaklaşım sunulmuştur. Bu yaklaşımlarda kavşaklardaki veri uyuşmazlıkları akım sürekliliği
prensibi içinde dağıtılmıştır. Bu yaklaşımlardan birincisi problemi iki alt probleme ayırarak
çözmeye çalışır ve birinci problemin çözümünden elde edilen çıktılar ile ikinci probleme ait
bazı girdi bilgileri birleştirilerek ikinci kısımda problemin çözümüne ulaşılır. Diğer
yaklaşımda ise problem tek bir parça olarak ele alınıp tek adımlık bir süreçte çözüme gidilir.


53
4. SAYISAL ÇÖZÜMLEME TEKNİKLERİ
4.1 Giriş
O-D yolculuk matrisi elde etmek için gerekli olan en önemli teknik verilerden birincisi söz
konusu başlangıç – son noktaları arasında yer alan bağlara ait trafik sayımlarıdır. Trafik
sayımları çoğunlukla (loop) dedektörler kullanılarak otomatik elde edilirler. Bu sayım aletleri
tamamen güvenilir değildir. Bu aletlerin, bağlara ait trafik akımı hacim değerlerinde
tutarsızlıklar gösteren hataları görülmektedir. Bu durum aynı zamanda, bağlardaki trafik
sayımları farklı koşullarda elde edildiklerinde de ortaya çıkmaktadır. Bu sebeple bundan sonra
yapılması gereken ilk işlemlerden biri, olası yolculuk matrisinin elde edilmesi için trafik
hacimlerinin kullanılmasından önce, bağlarda yapılan sayımların, “bağ akım sürekliliği”
ilkesini karşılayıp karşılamadığının kontrol edilmesi işlemidir.
Mümkün olabildiğince gözlemlenen bağ trafik sayımıyla örtüşen ve eşzamanlı olarak bağ
akım sürekliliğini sağlayacak dengelenmiş bir trafik sayımı elde etmek için, tahmin edilen bağ
hacim değerleri arasındaki hata payı asgari düzeye çekilmelidir. Ancak bu ön hazırlık işlemi
tamamlandıktan sonra maksimum olasılık tekniği kullanılarak en olası O-D matrisi elde
edilebilir. Bağlardaki trafik sayımları tutarsızlığı dikkate alınarak en olası yolculuk matrisini
elde etme konusunda iki yaklaşım mevcuttur. Bu iki yaklaşım aşağıda incelenmektedir. Bu
yaklaşımların uygulamasında kullanılabilen bazı yazılım paketleri de aşağıda ayrıca
incelenmektedir.
4.2 Çift Adımlı Yaklaşım
Bu yaklaşımda, problem iki aşamaya ayrılmaktadır. İlk aşamada, bir yandan gözlemler
sonucunda elde edilen bağ trafik sayımlarından sapmayı en aza indirgemeye çalışırken diğer
bir yandan da bağdaki trafik akım sürekliliğini sağlayan bağ hacim değerleri elde edilmeye
çalışılmaktadır. İkinci aşamada ise dengelenmiş bağ hacimleri en olası O-D yolculuk
matrisinin elde edilmesinde kullanılmaktadır. İlk aşamada, öncelikle sayımlardaki hata,
aşağıda eşitlik 4.1’de gösterildiği gibi, en aza indirgenmeye çalışılır.
( ) ( )

∀ − = için a W V V T MinimumZ
a a a ij
2
'
(4.1)

V
a
Fiilen gözlenen trafik hacim değeri


54
V
a

V
a
ya en yakın olan ve akım sürekliliğini sağlayan hacim değerleri
W
a
Ağırlık faktörü, [1.0 veya(1/√ V
a
) ya da (1/ V
a
) olabilir.]
Bunun gibi,

∀ = için a .
' a
ij ij a
P T V (4.1a)
Burada
'
a
V için çözüm yapılmaktadır.
'
a
V nü çözmek için (4.1a) eşitliğindeki kısıtlar dikkate
alınarak, 4.1a eşitliğindeki kısıtlar, “Lagrangian Çarpanları” tarafından çarpılmalıdırlar.
Böylece bu kısıtlar amaç fonksiyonuna dahil edilebilirler ve türevleri de sıfıra eşitlenir. Bu
eşitlik gurubunu çözmek bize
'
a
V nü verir. Bir kez eşit yol hacimleri elde edildiğinde, Eşitlik
4.2’de görüldüğü gibi, maksimum entropi tekniğine dayanan, en olası yolculuk matrisini
elde etme yolunda ilerlenmiş olunur.
( )
( )

∑ ∏
|
|
|
|
¹
|

\
|
=
ij
Tij
ij
ij
ij
ij
ij
ij ij
t
t
T
T
t T Z Maxksimum
!
, :
(4.2)


∀ =
ij
a
ij ij a
P T V için a
'
(4.2a)
4.2a ‘da yer alan kısıtlar altında, 4.2 eşitliğindeki amaç fonksiyonu sürekli pozitif oldukça,
bu eşitlikteki doğal logaritma da, 4.3 eşitliğinde görüldüğü üzere alternatifli olarak en büyük
değere çıkarılabilmektedir. Böyle yapmanın pek çok avantajı vardır. Öncelikle, olasılık
genelde yol ağının büyüklüğüne ve onun üzerindeki trafik akımına bağlı olarak oldukça
düşük seviyede olur. Yol ağı ve bağ akımı büyüdükçe olasılık küçülür. İkinci olarak da
faktöriyel içeren terimlerin türevlerini elde etmek zordur. Çünkü tüm işlem sürecinin
otomasyonu gerekli olduğundan, değerlerin dağılımı (oranı) muhtemelen bir bilgisayarın
bulundurabileceği en küçük gerçek sayının altında kalacağından, bu da zorluk yaratacaktır. Bu
durumdan kurtulabilmek için 4.2 eşitliğinin doğal logaritması alınarak maksimize
edilmektedir. Bu durum çıkacak sonucu değiştirmemektedir, çünkü kendisi maksimum olan
bir ifadenin logaritması da maksimum olacaktır.


55

t
t
(T
! T
Ln t Z(T Maksimum
ij
T
ij
ij
ij
ij
ij
ij
ij ij
(
(
(
(
¸
(

¸

(
(
(
¸
(

¸

=

∑ ∏
) !
) , .
(4.3)

4.2a eşitliğindeki kısıtlar altında, Stirling yaklaşımını da kullanarak 4.3 eşitliğini genişletip
4.4. eşitliğini elde etmekteyiz.

|
|
¹
|

\
|

|
|
¹
|

\
|
− − |
¹
|

\
|
ij
ij
ij
ij
ij
T
t
T
Ln T T
t
T
TLn Maksimum:
(4.4)
Bunun gibi:

∀ =
ij
a
ij ij a
P T V için a
'
(4.4a)
Burada;

=
ij
ij
T T (4.4b)

=
ij
ij
T t (4.4c)
4.5 eşitliğinde görüldüğü gibi Lagrangian çarpanlarını kullanarak aşağıdaki problemi çözmek
için, amaç fonksiyonu 4.4 olmak üzere eşitlik 4.2a’yı eşitliğe katıyoruz.
∑ ∑ ∑
|
|
¹
|

\
|
− +
|
|
¹
|

\
|

|
|
¹
|

\
|
− −
|
¹
|

\
|
ij ij
a
ij ij a
a
a ij
ij
ij
ij
P T V T
t
T
Ln T T
t
T
TLn
'
. λ (4.5)
En olası yolculuk matrisini elde etmek için yukarıdaki eşitlikte T
ij
’ye ve
a
λ ’ ya göre
diferansiyel alınarak sonuç değişkenlerinin sıfırlanması ve T
ij
ve
a
λ için çözümleme
yapılması gerekmektedir. Eğer bir yol ağı “m” adet O-D ikilisine sahipse ve yol ağında “n”
adet bağ varsa biz toplam olarak “m+n” adet eşitliğe sahibiz demektir.
a
λ ’ya göre
diferansiyel alınarak elde edilen “n” adet eşitlik doğrusaldır, halbuki T
ij
’ ye göre diferansiyel
alınarak elde edilen “m” adet eşitlik doğal olarak doğrusal değildir.


56
4.3 Tek Basamak Yaklaşımı
Bu yaklaşımda, bağlarda trafik akımı sürekliliğini sağlayan bağ hacim değerleri elde etmeye
çalışılmaktadır. Burada ilk adım, gözlenen bağ akımlarına en yakın olan ve düğüm
noktalarında akım sürekliliğini sağlayacak bağ trafik akım değerlerini elde etmektir. Eşitlik
4.6’da ve 4.6a’da verilmiş olan kısıtlar altında, gözlemler sonucu elde edilen bağ hacim
değerleri ile akım sürekliliğini sağlayan bağ hacim değerleri arasındaki hata asgari düzeye
indirgenmektedir.
( ) ( ) a V V T MaksimumZ
a
a a ij
∀ − =

2
'

(4.6)
Bu eşitlikte veriler aşağıdaki anlamları ile kullanılmaktadır:
V
a
: Güncel gözlenen yol hacmi
V
a
’: “ V
a
“ ya en yakın olan ve akım sürekliliğini sağlayan hacimler
Bu halde;
a ' ∀ =

ij
a
ij ij a
P T V (4.6a)
5.6a eşitliğindeki kısıtları kullanarak 4.6 eşitliğinde yerine yazarsak; eşitlik 4.7’yi elde ederiz.
( )
∑ ∑

|
|
¹
|

\
|
− =
a ij
a
ij ij a ij
a P T V T Z Maksimum
2
:
(4.7)
Yukarıdaki kısıtsız problemi çözmek için, eşitliğin T
ij
ye göre türevi alınır ve sıfıra
eşitleyerek 4.8 eşitliği elde edilir. Burada görülen doğrusal eşitlikler kümesinin çözümü,
dengelenmiş bağ akımını verir.
( )
(
(
¸
(

¸

(
(
¸
(

¸

(
¸
(

¸

− =
∑ ∑ ∑
a ij
a
ij ij
a
a
ij
a
ij a
P T P P V 2 0 (4.8)
En olası yolculuk matrisini elde etmek için, 4.8 eşitliğindeki şartların sağlanarak, Eşitlik
4.9’un maksimize edilmesi gerekmektedir. Böylece gözlenen bağlardan bulduğumuz trafik
akım değerlerinin, akım sürekliliği koşulunu sağlayıp sağlamadığının etkisini hesaba
katmadan akım sürekliliği koşulunun sağlanıldığından emin olunmakta veya değerler bunu


57
sağlamaya zorlanmaktadır. Eğer yapılan gözlemlerde akım sürekliliği sağlanamazsa, 4.8
eşitliği, bağ akım sürekliliğini sağlayan eşit bir bağ akımının (
'
a
V ) elde edilebilir olduğunu
gösterecektir.
( )
( )

∑ ∏
|
|
|
|
¹
|

\
|
=
ij
T
ij
ij
ij
ij
ij
ij ij
ij
t
t
T
T
t T Z Maksimum
!
!
, : .
(4.9)
4.9 eşitliği bu olasılığın çoğunlukla çok düşük değerde olduğunu gösterir. 4.10 eşitliğinde
görüldüğü üzere, 4.10’daki eşitlik, 4.9’daki amaç fonksiyonunun doğal logaritması alınmış
halidir. Bunun yapılmasındaki nedenler daha önce “Çift Adımlı Yaklaşım” da açıklanmış
bulunmaktadır.
( )
( )
|
|
|
|
¹
|

\
|
|
|
|
|
¹
|

\
|
=

∑ ∏
ij
T
ij
ij
ij
ij
ij
ij
ij ij
t
t
T
T
Ln t T Z Maksimum
!
!
, : (4.10)
Ln (x!) ifadesi için Stirling yaklaşımı kullanılarak amaç fonksiyonu 4.11 eşitliğine
dönüştürülmektedir.
j i, T
t
T
Ln T T
t
T
TLn Maksimum
ij
ij
ij
ij
ij

|
|
¹
|

\
|

|
|
¹
|

\
|
− − |
¹
|

\
|

: . (4.11)

=
ij
ij
T T (4.11a)

=
ij
ij
t t (4.11b)
Şimdi, eşitlik 4.8’de verilmiş olan dengelenmiş akım koşulu altında eşitlik 4.11’in maksimize
edilmesi gerekmektedir. 4.8 eşitliğindeki ifade, eşitlik 4.11' deki kısıtlar dengelenmiş
olduğundan Eşitlik 4.12’de gösterildiği üzere, doğrudan Lagrangian çarpanları kullanılarak
amaç fonksiyonuna taşınabilir.
( )
∑ ∑ ∑ ∑ ∑

|
|
¹
|

\
|
|
|
¹
|

\
|
|
|
¹
|

\
|
|
|
¹
|

\
|
− +
|
|
¹
|

\
|

|
|
¹
|

\
|
− −
|
¹
|

\
|

ij ij ij
a
ij ij
a
a
ij
a
a
ij a ij
ij
ij
ij
p T p p V T
t
T
Ln T T
t
T
TLn L j i, 2 . λ
(4.12)


58
Şimdi problemi çözmek için, T
ij
ve
ij
λ ’yi probleme dahil ederek yukarıdaki eşitliğin kısmi
türevinin alınması ve doğrusal olmayan sonuç eşitliklerinin çözülmesi gerekmektedir.
ij
λ ’nin
türevinin alınması doğrusal eşitlikleri verirken, T
ij
’yi hesaba katarak türevinin alınması da
bizi doğrusal olmayan eşitliklere götürecektir. Eğer “n” adet O-D çifti varsa, o zaman
çözülecek eşitliklerin sayısı, “n” adedi doğrusal, diğer “n” adedi doğrusal olmayan “2n”
adet eşitlik olacaktır. Gözlenen bağ sayımlarının daima akım sürekliliğini sağlayıp
sağlayamayacağı gerçeğini de dikkate alarak bu eşitlikleri çözmek bize en olası O-D matrisini
verecektir.
4.4 Çözüm Yazılımları ve Özellikleri
Doğrusal olmayan eşitliklerin çözümünde olduğu gibi doğrusal eşitliklerin çözümünde de
kullanılan pek çok yazılım paketi mevcuttur. Bu paketler, eşitlik 4.5 ve eşitlik 4.12’nin
türevinin alınması ile elde edilen yeni eşitliklerin çözümünde kullanılabilir. Bu paketlerden
yararlandığımızda veya gerçek yol ağlarını çözmeye kalktığımızda bazı sınırlamalarla
karşılaşılacaktır. Bilgisayar donanımının özelliklerine dayanan bilgisayar etmenlerinin bu
durumda dikkate alınması gerekir. Bir çözümün elde edilmesinde bilgisayar etmenlerinin
dışında dikkate alınması gereken bazı matematiksel etmenler de vardı ki bunların bir kısmı
aşağıda tartışılmaktadır.
4.4.1 Bilgisayar Etmenleri
I. Hesaplama Zamanı
Hesaplama zamanı doğrudan değişkenlerin sayısına bağlıdır. Örneğin, 2000 bağ ve 200 O-D
çiftinden oluşan bir yol ağıde eğer “Çift Adımlı Yaklaşımı” kullanarak çözümleme yapmaya
kalkışırsak, bize 2200 eşitlik ve 2200 değişken veya “Tek Adımlı Yaklaşımı” kullandığımızda
da 400 eşitlik ve 400 değişken verir. Yol ağı genişledikçe değişkenler ve eşitlikler ve buna
bağlı olarak da hesaplama zamanı da genişleyecektir. Hesaplama zamanı ayrıca çözümü elde
etmek için kullanılan algoritma tarafından da etkilenmektedir. Performansı yüksek olan bir
bilgisayar, performansı yüksek olmayandan (etkili olmayan) daha hızlı olarak çözümü elde
edecektir. Ayrıca bazı paketler sonuç değişkenleri sayısında tavan limitine sahiptirler ki bu da
geniş yol ağlarıyla uğraşılırken paket yazılımların kullanılabilirliğini son derece
sınırlandırmaktadır.
II. Hafıza


59
Hafıza kapasitesi bir çözücünün en önemli niteliklerinden birisidir. Burada, metodu
uygulamak için çözücünün (bilgisayarın) sahip olduğu, sistemin, RAM’ inden
bahsetmekteyiz. Esasen, hesaplama zamanı RAM ile ters orantılıdır. Yüksek bir RAM’ imiz
varsa sistem hesaplamayı kısa zamanda yapabilmektedir, ancak hesaplama süreci uzadıkça
RAM’ in hızı düşmektedir. Bunun sebebi hafıza limiti nedeni ile yığınlar halinde yapılan
hesaplamaların bilgisayarın hızını düşürmesidir. Bu sebeplerden ötürü problemi çözmek için
ihtiyaç duyulan hafızaya sahip doğru bilgisayarı seçmek ve uygun paketi kullanmak
zorunludur. Aksi halde ise daha hızlı ve daha kısa zamanda hesaplama yapabilmek için
çoğunlukla değişkenlerin sayısının azaltılması veya yol ağının büyüklüğünün kısıtlanması
gerçeği ile karşı karşıya kalınmaktadır.
4.4.2 Matematiksel Etmenler
Doğrusal olmayan eşitliklerin çözümünde kullanılan algoritmalar sonuç çözümüne ulaşmada
yinelemeli (iteratif) yöntemler kullanırlar.
Burada, uygun başlangıç çözümünün kullanılması büyük bir öneme sahiptir. Kullanılan
algoritmaya bağlı olarak kişi sonuca yaklaşabilir veya yaklaşamayabilir. Eğer birinci
başlangıç çözümü vasat ise problem, gerçek dünyada fiziksel anlam taşımayan, karmaşık ve
çok sayıda çözümlerle sonuçlanabilir. Başlangıç çözümleri, özellikle çoklu çözümler içeren
bir problem ile uğraşırken, büyük önem taşımaktadırlar.
4.5 Alternatif Çözücüler ve Paket Programlar
Bu çalışmada yer alan doğrusal ve doğrusal olmayan eşitlikleri çözmek için en sık kullanılan
üç yazılıma ait.bazı sınırlamalar ve avantajlar aşağıda sunulmaktadır.
4.5.1 Microsoft Excel Çözücü
Microsoft Excel Çözücü, sonradan eklenebilen bir yama olarak, Microsoft Excel standart
paketi ile birlikte piyasada kullanılmaktadır. Bu program yardımı ile hem maksimizasyon (en
büyükleme) hem de minimizasyon (en küçükleme) eşitlikleri çözülebilir. Doğrusal ve
doğrusal olmayan eşitliklerin çözümü için kurulum ayarlarının değiştirilmesi gerekir. Excel
Çözücü 8.0, doğrusal olmayan eşitliklerin çözümünü yapmasa da takip eden versiyonlarının
doğrusal olmayan eşitlikleri çözeceği umulmaktadır. Microsoft Excel Çözücü, Austin’deki
Teksas Üniversitesi’nden Leon Lasdon ve Cleveland Eyalet Üniversitesi’nden Allen Waren
tarafından geliştirilen doğrusal olmayan optimizasyon kodu “Genelleştirilmiş Küçülen Eğim”
(GRG2)’yi kullanmaktadır (Microsoft 1997). Başlangıç çözümü doğrusal olmayan


60
eşitliklerin çözümünde önemli rol oynamaktadır. Eğer başlangıç çözümü vasat ise çözücü
yarı yolda kalır. Ayrıca, GRG2 sadece 200 değişken kullanabilmekte ve bundan dolayı da
uygulama yapılacak büyük yol ağlarını çözümlemede kullanılamamaktadır. Değişkenler,
yayıldıkları alanda değerleri değişen ve kısıtların da aynı tarzı sergilediği hücreler olarak
kodlanmaktadırlar. Kişi, tekrarların (iterasyonların) sayısını ve kısıtlamaların uygunluğunu
sağlayacak doğruluğu kontrol edebilmektedir. Problem küçük yol ağları için de uyarlanabilir
olduğundan, öğrenciler tarafından da bir araç olarak kullanılabilme potansiyeline sahiptir.
Microsoft Excel 8.0 versiyonu, Çözücü versiyonu ile birlikte bu tezde tartışılan pek çok
formülasyonun çözümünde de kullanılmıştır.
4.5.2 Matlab
MATLAB ismi Matris Laboratuvarı için kullanılmaktadır. MATLAB yüksek performans
gerektiren sayısal hesaplamalar ve canlandırmalar için Math Works Şirketi (MATLAB 1998)
tarafından oluşturulan bir teknik hesaplama ortamıdır. Özel konularda araştırmalar için gerekli
çok sayıda alet ve aracın yanında dinamik sistem simülasyon paketi SIMULINK de
bünyesinde mevcuttur. Problemler genellikle M dosyaları adı altında bir çalışma alanı
içerisinde kodlanmaktadırlar. Bu programda optimizasyon yapabilmek için, doğrusal olmayan
eşitlikleri çözen hazır alt hesaplama yöntemlerini içeren ayrı bir araç kutusu bulunmaktadır.
MATLAB eşzamanlı ve çok karmaşık doğrusal olmayan eşitlikleri çözebilen güçlü bir araçtır.
Fazla sayıda sonuç değişkenini alabilir ve çok hızlıdır.
MATLAB, doğrusal olmayan eşitliklerin çözümünde, Gauss-Newton algoritmasını bir
standart olarak kullanmaktadır. Eğer Gauss-Newton algoritması vasat bir sonuç verirse
MATLAB otomatik olarak Levenberg-Marquardt (LM) algoritmasına geçer. Daha sağlam
olan ve daha az hesaplama zamanı tutan LM algoritması Gauss-Newton algoritmasının bir
modifikasyonudur. MATLAB 5.2 versiyonu çeşitli pek çok formülasyonun çözümünde
kullanıldı. Geniş yol ağları MATLAB kullanılarak çözümlenebilirler, ancak bunu yapmadan
önce problem bir M-dosyası olarak kodlanmalıdır. Geniş yol ağları için bu süreci
otomatikleştirmek yararlı olacaktır.
4.5.3 Queens-OD
Queens-OD, gözlenen yol akımlarından kaynaklanan başlangıç-son trafik taleplerinin tahmin
edilmesinde kullanılan, esas olarak Kanada’da Queen’s Üniversitesi’nde Dr. Van Aerde
(QUEENS-OD 1998) tarafından geliştirilmiş bir modeldir. Model, sadece gözlenen trafik
akımlarını değil ayrıca gözlenen dönüş hareketi sayımlarını, yolculuk zamanlarını ve


61
potansiyel olarak O-D yolculuk matrisinin tahmini için sürücülerin yol tercihlerini de hesaba
katar. Model, statik ve dinamik başlangıç -son (O-D) trafik taleplerinin tahmini ve
hesaplaması için de uygundur. Queen’s O-D, yine Dr. Van Arde tarafından geliştirilen,
ENTEGRASYON trafik yol ağı simülasyonu modelini tamamlamak için oluşturulmuş bir
destek modeldir. Bu sebeple her iki model de aynı veri dosyası yapısını ve dosya formatını
paylaşmaktadırlar. Bununla birlikte başlangıç-son trafik taleplerinin tahmininde QUEENS-
OD modelini kullanmak için ENTEGRASYON modelinin olması veya bunun kullanılması
gerekli değildir.
Model, tek aşamalı (basamaklı) modeli çözmek için özelleştirilmiş bir kodlama sistemine
sahiptir. Trafik sayımlarından O-D matrisi elde edilmesi konusunda çalışma yapan uzmanlar,
QUEENS-OD kullanılarak elde edilen çözümlerin MATLAB’ dan ve MS-EXCEL Çözücü’
den elde edilen tüm sonuçlar ile eşleştiğini söylemektedirler. Bu model son derece çok
yönlüdür, geniş yol ağları üzerinde çalışılabilir ve model ölçüsüne bağlı olarak O-D yolculuk
matrisi elde edilebilir. QUEENS-OD 2.0 (QUEENS-OD 1998), yol sayımlarına dayanan O-D
matrislerinin elde edilmesi amacı ile kullanılmıştır.
4.6 Özet
Bu bölümde ilk olarak en olası O-D yolculuk matrisinin elde edilmesinde kullanılacak iki
yaklaşım tanımlandı. Trafik sayım değerlerindeki tutarsızlıklar ile ayrı ayrı uğraşmaya gerek
bırakmadığı için “Tek Adımlı Yaklaşımın” (veya Tek Aşamalı Yaklaşım), daha üstün olduğu
görülmektedir. Bu yaklaşım sonuç eşitliklerinin üzerine kurulmuşken, “Çift Adımlı
Yaklaşımda”, akımdaki tutarsızlıklar öncelikle çözümlenmekte ve ancak o zaman buna
dayanan en olası O-D matrisi elde edilmektedir. Tek adımlı yaklaşımın bir diğer avantajı da
çift adımlı yaklaşıma göre nispeten daha az sayıda eşitliğe gerek duymasıdır. Hesaplama
açısından bakıldığında bu büyük bir avantajdır.
Ayrıca, bu yaklaşımları uygulamak için kullanılmak üzere bazı yazılım paketlerinden de
bahsedilmiştir. Bundan sonraki bölümlerde, iki farklı yol ağında, O-D yolculuk matrisinin
elde edilmesinde yararlanılan pek çok eşitlik kıyaslanmaktadır. Bu eşitlikler QUEENS O-D
tarafından kullanılan tek basamak yaklaşımını içermektedirler.


62
5. YAPAY O-D MODELLERİNİN KARŞILAŞTIRMASI
5.1 Giriş
Bu bölümde, H. Paramahamsan’ın uygulamasını yapmış olduğu yapay O-D problemine
yönelik farklı modeller karşılaştırmalı olarak incelenmektedir. Sunulan modeller arasındaki
farklılıkları belirlemek amacı ile iki ayrı yol ağı kullanılmakta ve tüm modeller bu yol
ağlarına uygulanmaktadır. Bunlara ek olarak üniform başlangıç matrisinin, uygun ve uygun
olmayan başlangıç matrisinin, optimum çözümler üzerindeki etkileri de incelenmektedir.Bu
bölümde yer alan örnek uygulamaların çözümü için MS Excel ve Lingo programları
kullanılmıştır.
5.2 Test Edilecek Yol Ağlarının Tanımı
Çeşitli modellerin ve bu modellere ait farklı eşitliklerin test edilmesinde iki farklı yol ağı
kullanılmaktadır. Birinci yol ağı şekil 5.1’de görüldüğü üzere 5 bağdan oluşmaktadır. A ve B
olmak üzere iki başlangıç noktası ve C ve D olmak üzere iki bitiş noktası bulunmaktadır.
Aynı yol ağında ayrıca E ve F olmak üzere iki ara nokta vardır. Bu yol ağı dört O-D çiftine
sahiptir. Ağ üzerindeki beş bağ, 1’den 5’e kadar numaralandırılmış olup Şekil 5.1’de
görüldüğü üzere bunlar tek yönlü bağlardır. T
AC
, T
AD
, T
BC
ve T
BD
tek yönlü bağlara ait trafik
hacim değerleridir.(Çizelge 5.1’de gösterilmektedir.)
Çizelge 5.1’den de anlaşılacağı gibi bu yol ağında akım sürekliliği olduğu açıktır. Bundan
başka, her dört O-D yolculuğu için sadece bir güzergah bulunmakta ve her güzergah tam
olarak üç ayrı bağdan oluşmaktadır. Eğer yolculuk oranlarından bir tanesi verilmiş ise mevcut
trafik hacmi için otomatik olarak diğer yolculuk oranları da bulunmaktadır. Çizelge 5.2' de
açıkça görülmektedir ki ‘x’, 10’dan 40’a kadar herhangi bir değeri alabilir. Bu sebeple,
kuramsal olarak, bu problem için sonsuz sayıda gerçek değerli çözümler söz konusudur.
Burada yolculuk değerleri ile çalıştığımız için tam sayıların dışındaki rakamların geçerliliği
olmamaktadır. Ayrıca maksimum olasılık teknikleri uygulanırken yolculuklara ait ondalıklı
sayıların faktöriyel değerleri bulunamayacağından, çözüm sadece tamsayı değerli çözümlerle
sınırlandırılmıştır. Çizelge 5.3, bu yol ağında oluşabilecek olası tamsayı değerli çözümleri
göstermektedir. Ayrıca, bu yol ağında yolculukların toplam değerinin (T) sabit bir sayı olduğu
da açıktır. (Bu kabul, O-D tahmin modelleri için yapılan en önemli kabullerden biridir.)


63

Şekil 5.1 Beş bağlı yol ağı.
Çizelge 5.1 Beş bağlı yol ağında bağ trafik hacim değerleri.
Bağlantı No Gözlemlenmiş Hacim
1 40
2 60
3 100
4 70
5 30
Çizelge 5.2 Beş bağlı yol ağı için uygun O-D yolculuk matrisi.
C D Toplam
A X 40 – X 40
B 70 – X X – 10 60
Toplam 70 30 100




64
Çizelge 5.3 Beş bağlı yol ağı için çözüm alternatifleri.
Talep Senaryosu T
ac
T
ad
T
bc
T
bd
ToplamYolculuklar (T)
0 10 30 60 0 100
1 11 29 59 1 100
2 12 28 58 2 100
3 13 27 57 3 100
4 14 26 56 4 100
5 15 25 55 5 100
6 16 24 54 6 100
7 17 23 53 7 100
8 18 22 52 8 100
9 19 21 51 9 100
10 20 20 50 10 100
11 21 19 49 11 100
12 22 18 48 12 100
13 23 17 47 13 100
14 24 16 46 14 100
15 25 15 45 15 100
16 26 14 44 16 100
17 27 13 43 17 100
18 28 12 42 18 100
19 29 11 41 19 100
20 30 10 40 20 100


65
21 31 9 39 21 100
22 32 8 38 22 100
23 33 7 37 23 100
24 34 6 36 24 100
25 35 5 35 25 100
26 36 4 34 26 100
27 37 3 33 27 100
28 38 2 32 28 100
29 39 1 31 29 100
30 40 0 30 30 100

İkinci yol ağı, Şekil 5.22'de gösterildiği gibi, iki bağdan oluşan bir yol ağıdır. A, B ve C
olmak üzere 3 merkez noktası (düğüm noktası) vardır. A’nın sadece başlangıç, C’ nin ise
sadece bitiş noktası olduğu bu yol ağında, B hem başlangıç hem de bitiş noktasıdır. Mevcut
ağ yapısı üç O-D çiftine izin vermektedir, bunlar; T
AB
, T
AC
, ve T
BC
’dir ve her bir O-D çifti
sadece bir rota kullanımına imkan sağlamaktadır. Çizelge 5.4, bağlara ait trafik akımlarını
göstermektedir. Eğer yolculuk oranlarından biri bilinirse, Çizelge 5.5’te görüldüğü gibi
otomatik olarak diğer iki yolculuk oranı da bulunabilmektedir. Çizelge 5.5 açıkça
göstermektedir ki ‘x’, 0’dan 10’a kadar herhangi bir değeri alabilir. Çizelge 5.6 da ise iki
bağdan oluşan bu yol ağında olası gerçek tam sayı değerli çözümlerin bir listesi
görülmektedir. Ayrıca bu ağ yapısı için toplam yolculukların değeri, beş bağlı yol ağından
farklı olarak değişkendir. Bundan dolayı bu yol ağı toplam yolculuk değerinin sabit olduğu
yaklaşımlara ait eşitliklerin test edilmesinde kullanılamamaktadır.



66

Şekil 5.2 İki bağlı yol ağı.
Çizelge 5.4 İki bağlı yol ağında bağ trafik hacim değerleri.
Bağlantı No Hacim
1 10
2 15
Çizelge 5.5 İki bağlı yol ağında matris denklemleri.
B C Sum
A X 10 – X 10
B - 5 + X 5 + X
Sum 70 15 15 + X
Çizelge 5.6 İki bağlı yol ağı için çözüm alternatifleri
Talep Senaryosu T
ab
T
ac
T
bc
Toplam Yolculuk (T)
0 0 10 5 15
1 1 9 6 16
2 2 8 7 17
3 3 7 8 18
4 4 6 9 19
5 5 5 10 20


67
6 6 4 11 21
7 7 3 12 22
8 8 2 13 23
9 9 1 14 24
10 10 0 15 25
5.3 Test Edilecek Eşitlikler
Aşağıdakiler birbirleri ile karşılaştırılmış dokuz farklı eşitliktir. Logaritması alınarak ve
Stirling yaklaşımından yararlanılarak elde edilen Eşitlik 5.2’nin yanında Eşitlik 5.1
maksimum olasılık tekniğine dayanan orijinal amaç fonksiyonudur. Eşitlik 5.3, Willumsen’e
ait olup eşitlik 5.4, eşitlik 5.5’i veren ara bir eşitliktir. Ağırlık faktörleri ile doğrusal
regresyon probleminin ilişkilendirildiği eşitlik 5.5’in tekrar düzenlenmiş bir versiyonu olarak
eşitlik 5.6; hacim modeli olarak da eşitlik 5.7 kullanılmıştır. Eşitlik 5.8 hacim modelinin
logaritmik tahmini olurken eşitlik 5.9 QUEENS-OD tarafından da uygulanan tek basamak
yaklaşımıdır.
Aşağıda her iki yol ağı üzerinde test edilecek olan dokuz eşitlik için amaç fonksiyonları Ek
2’de verilmektedir. Dokuz eşitliğin tamamı beş bağlı yol ağında test edilmektedir. İki bağlı
yol ağının çözümü için, 5.4, 5.5 ve 5.6’daki eşitlikler kullanılamamaktadır. Bunun sebebi bu
üç eşitliğin toplam yolculuk sayısının sabit olduğu varsayımına dayanmasıdır. Oysa iki
bağdan oluşan yol ağında toplam yolculuk sayısı sabit değildir. Toplam yolculuk sayısının
sabit olduğu varsayımına dayanan 5.3 numaralı eşitlik, bu varsayımın geçerli olmadığı
durumda da kullanılarak eşitliğin etkinliği test edilmiştir. İki bağdan oluşan yol ağında test
etmek üzere eşitlik 5.3’ ün seçilmesinin ardında yatan bir diğer neden, eşitlik 5.4, 5.5 ve
5.6’nın eşitlik 5.3’ ün türevleri olmasıdır. Bundan dolayı tümü üzerinde çalışmaktansa esas
eşitlik üzerinde çalışmak daha verimli olacaktır. Her iki yol ağında da kullanılacak eşitlikler
en geniş şekilde Ek 2’ de verilmiştir.
( )
( )
|
|
|
|
¹
|

\
|
|
|
|
|
¹
|

\
|
=

∑ ∏
ij
T
ij
ij
ij
ij
ij
ij ij
ij
t
t
T
T
Ln t T Z Maksimum
!
!
, : (5.1)


68
( )

|
|
¹
|

\
|

|
|
¹
|

\
|
− −
|
¹
|

\
|
=
ij
ij
ij
ij
ij ij ij
T
t
T
Ln T T
t
T
TLn t T Z Maksimum , : (5.2)
( )

|
|
¹
|

\
|

|
|
¹
|

\
|
− =
ij
ij
ij
ij
ij ij ij
T
t
T
Ln T t T Z Maksimum , : (5.3)
( )

|
|
¹
|

\
|
+ −
|
|
¹
|

\
|
− =
ij
ij ij
ij
ij
ij ij ij
t T
t
T
Ln T t T Z Maksimum , : (5.4)
( ) ( )

|
|
¹
|

\
|
− =
ij
ij ij
ij
ij ij
t T
T
t T Z Maksimum
2
2
1
, : (5.5)
( ) ( )

|
|
¹
|

\
|
− =
ij
ij ij
ij
ij ij
t T
t
t T Z Maksimum
2
2
1
, : (5.6)
( )
( )
∏ ∏

|
|
¹
|

\
|
=
a ij
P T
a
a
ij ij
ij
a
ij ij
a
ij ij
a
ij ij
v
P t
P T
V
t T Z Maksimum
!
!
, : (5.7)
( )
∑∑
|
|
¹
|

\
|
=
a ij ij a
a ij a
ij ij ij ij
t V
v T
Ln P T t T Z Maksimum , : (5.8)

+
(
(
¸
(

¸


(
(
¸
(

¸

− −
(
¸
(

¸

=
ij
ij
ij
ij
ij
T
t
T
Ln T T
t
T
TLn L
( ) j i, 2 ∀
(
(
¸
(

¸

(
(
¸
(

¸

(
(
¸
(

¸

(
¸
(

¸


∑ ∑ ∑ ∑
ij ij ij ij
a
ij ij
a
ij
a
ij a ij
P T P P V λ (5.9)
5.4 Başlangıç Matrisi Dengelemesinin Etkisi
Başlangıç matrisinin dengelenmesi işi, problemin çözümünde başlangıç verisi olarak
kullanılan kaynak matrise ait her yolculuk değerinin belli bir katsayı ile çarpılarak
genişletilmesi ya da daraltılması işlemidir. Eşitlik 5.1' deki amaç fonksiyonu üzerinde
düşünüldüğünde, başlangıç matrisi, fonksiyonda belirli bir başlangıç bitiş ikilisi için tüm
başlangıç değerlerinin toplamına uygulanan bir oran olarak görünen bir olasılık değeridir.
Bundan dolayı, başlangıç matrisi için yapılacak bir dengeleme bu olasılık değerini


69
etkilemeyecektir. Bu durumda fonksiyonun en optimum çözümü, başlangıç matrisinin
dengelenmesinden bağımsız olacaktır.
Eşitlik 5.2 deki amaç fonksiyonuna yönelik olarak, eğer eşitlik 5.2’de tüm t
ij
’lerin yerine “k”
kez t
ij
’ ler yazılırsa, burada k sıfırdan farklı pozitif dengeleme faktörüdür, ve genişletilirse
eşitlik 5.10 elde edilecektir. Eşitlik 5.10’un üçüncü ve altıncı terimleri, 5.12 nolu eşitliği elde
etmek için genişletilmiş ve tekrar gruplanmış eşitlik 5.11’e ulaşmayı engellerler. Son iki terim
aynıdır, çünkü Ln(k) sabittir ve toplam işaretinden çekip çıkarılabilir, ayrıca toplam T
ij
’nin
değeri T’dir, bu sebeplerden ötürü bunlar eşitlik 5.13’e götüren dengelemeyi geçersiz hale
getirirler. Eşitlik 5.13, k ’dan bağımsızdır, 5.2 nolu eşitlikte amaç fonksiyonu, k ölçüm
faktörlerinden bağımsızdır.
( ) ( ) ( ) ( ) ( )
∑ ∑ ∑
+ + − − − =
ij ij ij
ij ij ij ij ij ij ij
T kt Ln T T Ln T T kt TLn T TLn t T Z , (5.10)
( ) ( ) ( ) ( ) ( )
∑ ∑
+ − − − =
ij ij
ij ij ij ij ij ij
kt Ln T T Ln T T kt TLn T TLn t T Z , (5.11)
( ) ( ) ( ) ( ) ( ) ( ) ( )
∑ ∑ ∑
+ − + − − =
ij ij ij
ij ij ij ij ij ij ij
k Ln T k TLn t Ln T T Ln T t TLn T TLn t T Z , (5.12)
( ) ( ) ( ) ( ) ( )
∑ ∑
+ − − =
ij ij
ij ij ij ij ij ij
t Ln T T Ln T t TLn T TLn t T Z , (5.13)
Eşitlik 5.3 ve eşitlik 5.2 için açıklanan yöntem takip edilerek (dengeleme ve genişletmeden
sonra) eşitlik 5.14’ü elde ederiz. Beş bağlı yol ağında olduğu gibi yolculuk sayısının toplamı
sabit olduğunda son terimin de sabit olacağı açıktır. Böyle bir durumda amaç fonksiyonunun
değeri değişse bile optimum çözüm değişmeyecektir. Bu durum, şekil 5.3’te
görülebilmektedir.
Toplam yolculuklar, iki bağlı yol ağında olduğu gibi sabit olmadığında, şekil 5.4’de
görüleceği üzere, dengeleme faktörü optimum çözümü etkileyecektir. Eşitlik 5.4, dengeleme
faktörüne dayalı olarak amaç fonksiyonunun değerini aşağı ve yukarı itecek olan eşitlik 5.3’te
var olanların dışında, ek olarak bir başlangıç ifadesine sahiptir. İçinde eşitlik 5.3’ü
barındırdığından bu eşitliktekine benzer bir duruma eşitlik 5.4’te de rastlanmaktadır. Bu
durumun, beş bağlı yol ağı için, optimum çözümü değiştirmediği Şekil 5.5’te açıkça
anlatılmaktadır. Şekil 5.6’da, başlangıç matrisi dengelemesi, toplam yolculuk sayısının (T)
sabit olmadığı iki bağlı yol ağı için uygulandığında optimum çözüm değişmektedir.


70
( ) ( ) ( ) ( )
∑ ∑ ∑
+ + − =
ij ij ij
ij ij ij ij ij ij ij
k Ln T t Ln T T Ln T t T Z , (5.14)
Tüm t
ij
’ leri ‘k’ kez t
ij
’ ler ile değiştirdiğimiz ve genişleterek eşitlik 5.15’i elde etmekte
kullandığımız eşitlik 5.5’i incelemek gerekmektedir. 5.15 numaralı eşitlik yeniden
düzenlendiğinde eşitlik 5.16’yı vermektedir.
( )
∑ ∑ ∑
− + =
ij ij ij
ij
ij
ij
ij
ij ij
kt
T
T
t k
t T Z
2 2
,
2 2
(5.15)
( )
∑ ∑ ∑
− + =
ij ij ij
ij
ij
ij
ij
ij ij
t k
T
T
t
k t T Z
2 2
,
2
2
(5.16)
Görüldüğü üzere, eğer yolculuk sayılarının toplamı sabitse yukarıdaki ifadede yer alan son iki
terim de sabittir ve bu, optimum çözümü tanımlayan ilk terimdir. Bundan dolayı, beş bağlı yol
ağında olduğu gibi, eğer toplam yolculuklar sabitse, başlangıç matrisinin dengelenmesi
optimum çözümü etkilemeyecektir. Fakat, iki bağlı yol ağında olduğu gibi toplam
yolculukların sayısı değişken ise, dengeleme işlemi optimum çözümü etkileyecektir. Bu
durum şekil 5.7 ve 5.8’de açıkça anlatılmaktadır. 5.5 eşitliğinde yapılan işlemler ile aynı
işlemler eşitlik 5.6 için de uygulandığında sonuç olarak eşitlik 5.17' ye ulaşılmaktadır.
( )
∑ ∑ ∑
− + =
ij ij ij
ij
ij
ij
ij
ij ij
T
t
k
t
T
k
t T Z
2 2
1
, (5.17)
Eşitlik 5.17’ye dikkatlice bakılırsa; yolculuk değerleri toplamı sabit olduğunda optimum
çözüm, başlangıç matrisinin dengelenmesinden bağımsızdır. Bununla birlikte toplam
yolculuklar sabit değilse, başlangıç matrisinin dengelenmesi optimum çözümü etkiler. Bu
durum şekil 5.9 ve 5.10’da gösterilmektedir. Eşitlik 5.7 ve 5.8 için başlangıç matrisi bir oran
olarak eşitliklerde yer alır ve bu sebepten dolayı başlangıç matrisinin dengelenmesi en son
elde edilecek optimum çözüm üzerinde herhangi bir etkiye sahip değildir. Eşitlik 5.9 veya tek
basamak yaklaşımı ile ilgili olarak; herhangi bir dengeleme faktörü, başlangıç matris değerleri
logaritmalarının farklılığı sebebi ile kullanılmamaktadır. Bu durumda başlangıç matrisinin
dengelenmesi için kullanılacak katsayılar sonuç çözümü üzerinde hiçbir etkiye sahip
olmayacaktır.


71
Farklı Dengeleme Katsayıları ile Denklem 5.3 için Optimum Çözüm,
T (Toplam Yolculuk Sayısı) Sabit
-200
-150
-100
-50
0
50
100
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29
Talep Senaryosu
A
m
a
ç

F
o
n
k
s
i
y
o
n
u

D
e
ğ
e
r
i
k = 0,25 k = 0,5 k=1 k = 2

Şekil 5.3 Eşitlik 5.3’ü kullanarak 5 bağlı yol ağı için farklı katsayılarda optimum çözüm.


72
Farklı Dengeleme Katsayıları ile Denklem 5.3 için Optimum Çözüm,
T (Toplam Yolculuk Sayısı) Değişken
-30
-25
-20
-15
-10
-5
0
5
10
15
20
25
30
1 2 3 4 5 6 7 8 9
Talep Senaryosu
A
m
a
ç

F
o
n
k
s
i
y
o
n
u

D
e
ğ
e
r
i
k = 0,25 k = 0,5 k=1 k = 2

Şekil 5.4 Eşitlik 5.3’ü kullanarak 2 bağlı yol ağı için farklı katsayılarda optimum çözüm.


73
Farklı Dengeleme Katsayıları ile Denklem 5.4 için Optimum Çözüm,
T (Toplam Yolculuk Sayısı) Sabit
-200
-180
-160
-140
-120
-100
-80
-60
-40
-20
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Talep Senaryosu
A
m
a
ç

F
o
n
k
s
i
y
o
n
u

D
e
ğ
e
r
i
k = 0,25 k = 0,5 k=1 k = 2

Şekil 5.5 Eşitlik 5.4’ü kullanarak 5 bağlı yol ağı için farklı katsayılarda optimum çözüm.


74
Farklı Dengeleme Katsayıları ile Denklem 5.4 için Optimum Çözüm,
T (Toplam Yolculuk Sayısı) Değişken
-30
-25
-20
-15
-10
-5
0
1 2 3 4 5 6 7 8 9
Talep Senaryosu
A
m
a
ç

F
o
n
k
s
i
y
o
n
u

D
e
ğ
e
r
i
k = 0,25 k = 0,5 k=1 k = 2

Şekil 5.6 Eşitlik 5.4’ü kullanarak 2 bağlı yol ağı için farklı katsayılarda optimum çözüm.


75
Farklı Dengeleme Katsayıları ile Denklem 5.5 için Optimum Çözüm,
T (Toplam Yolculuk Sayısı) Sabit
-10
10
30
50
70
90
110
130
150
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Talep Senaryosu
A
m
a
ç

F
o
n
k
s
i
y
o
n
u

D
e
ğ
e
r
i
k = 0,25 k = 0,5 k=1 k = 2

Şekil 5.7 Eşitlik 5.5’i kullanarak 5 bağlı yol ağı için farklı katsayılarda optimum çözüm.



76
Farkl ı Dengel eme Katsayı l arı i l e Denkl em 5.5 i çi n Opti mum Çözüm,
T (Topl am Yol cul uk Sayı sı ) Deği şken
0
5
10
15
20
25
30
35
40
45
1 2 3 4 5 6 7 8 9
Talep Senaryosu
A
m
a
ç

F
o
n
k
s
i
y
o
n
u

D
e
ğ
e
r
i
k = 0,25 k = 0,5 k=1 k = 2

Şekil 5.8 Eşitlik 5.5’i kullanarak 2 bağlı yol ağı için farklı katsayılarda optimum çözüm.


77
Farklı Dengeleme Katsayıları ile Denklem 5.6 için Optimum Çözüm,
T (Toplam Yolculuk Sayısı) Sabit
0
100
200
300
400
500
600
700
800
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Talep Senaryosu
A
m
a
ç

F
o
n
k
s
i
y
o
n
u

D
e
ğ
e
r
i
k = 0,25 k = 0,5 k=1 k = 2

Şekil 5.9 Eşitlik 5.6’yı kullanarak 5 bağlı yol ağı için farklı katsayılarda optimum çözüm.


78
Farklı Dengeleme Katsayıları ile Denklem 5.6 için Optimum Çözüm,
T (Toplam Yolculuk Sayısı) Değişken
0
5
10
15
20
25
30
35
40
45
50
1 2 3 4 5 6 7 8 9
Talep Senaryosu
A
m
a
ç

F
o
n
k
s
i
y
o
n
u

D
e
ğ
e
r
i
k = 0,25 k = 0,5 k=1 k = 2

Şekil 5.10 Eşitlik 5.6’yı kullanarak 2 bağlı yol ağı için farklı katsayılarda optimum çözüm.


79
5.5 Üniform Başlangıç Matrisinin Etkisi
Çeşitli amaç fonksiyonları üzerinde, farklı bir üniform başlangıç matrisi kullanmanın
yaratacağı etkileri görmek önemlidir. Bunun sebebi, geçmiş çalışmalardan elde edilmiş bir
matrisin mevcut olmaması durumunda nasıl bir başlangıç matrisinin kullanılabileceği
sorusudur. Bu gibi durumlarda üniform bir başlangıç matrisi oluşturmak için daha farklı bir
çalışma yapılmaktadır. Başlangıç matrisinin dengelenmesi konusunda belirtildiği gibi
dengeleme için kullanılacak katsayıların, bazı amaç fonksiyonları için optimum çözümü
değiştirecek etkiye sahip olduğu anlaşılmaktadır. Eşit bir karşılaştırma için, örnek olarak
seçilmiş her iki yol ağında geçerli olmak üzere başlangıç matrisi değeri tüm hücrelerde 10
olarak alınmıştır.
Çizelge 5.7' de üniform başlangıç matrisi kullanılarak elde edilen sonuçlar özetlemektedir.
Optimum çözüm, 5-bağlı yol ağı için, çizelge 5.3’te ve 2-bağlı örnek için çizelge 5.6’da
verilen senaryo numarası ile gösterilmektedir. Çözüm yapılırken, örnek yol ağlarına ait
senaryolar için de geçerli olmak üzere ilk ve son talep senaryoları dikkate alınmaz, ilk ve son
senaryolardaki yolculukların bir tanesinin “0” değeri alması, logaritması alındığında sonucu
negatif sonsuz değere götürmektedir. Eşitlik 5.9 ve tek basamak yaklaşımının çözümü için
özel bir algoritmaya sahip olan QUEENS-OD programının kullanılması gerekmekte ve bu
çalışmada diğer sonuçlarla karşılaştırma yapabilmek amacıyla sadece QUEENS-OD’den elde
edilen sonuçlar alınmıştır.
Şekil 5.11, 5.12, 5.13, 5.14, 5.15, 5.16, 5.17. ve 5.18 de verilen grafikler, 5-bağlı yol ağı ile
ilgili tüm eşitliklerden elde edilen optimum çözümü gösterirken, Şekil 5.19, 5.20, 5.21, 5.22
ve 5.23 ile verilen grafikler ise 2-bağlı yol ağı ile ilgili tüm eşitlikler için optimum çözümleri
göstermektedirler. Çizelgeden açıkça görüldüğü üzere, 5-bağlı yol ağında olduğu gibi, eşitlik
5.5 ve 5.6 hariç olmak üzere toplam yolculuk sayısı sabit olduğu zaman tüm eşitlikler aynı
optimum çözümü vermektedirler. 2-bağlı yol ağında ki gibi toplam yolculuk sayısı değişken
olduğunda, eşitlik 5.3, 5.4, 5.5 ve 5.6 optimum çözümden sapmaktadır. Bunlara ek olarak,
üniform başlangıç matrisine bağımlı olan optimum çözümdeki değişim aralığı, bu 4 eşitlik
için, başlangıç matrisi dengelemesinin hassasiyeti ile aynı derecededir.


80
Çizelge 5.7 Üniform başlangıç matrisi için optimum sonuç karşılaştırması.
EŞİTLİK NO 5 BAĞLI YOL AĞI 2 BAĞLI YOL AĞI
Eşitlik 5.1 18 4
Eşitlik 5.2 18 4
Eşitlik 5.3 18 5
Eşitlik 5.4 18 -
Eşitlik 5.5 16 -
Eşitlik 5.6 20 -
Eşitlik 5.7 18 4
Eşitlik 5.8 18 4
Eşitlik 5.9 18 4


81
Denkl em 5.1, Üni form Başl angı ç Matri si , T Sabi t
0,0E+00
5,0E-09
1,0E-08
1,5E-08
2,0E-08
2,5E-08
3,0E-08
3,5E-08
4,0E-08
4,5E-08
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29
Talep Senaryosu
A
m
a
ç

F
o
n
k
s
i
y
o
n
u

D
e
ğ
e
r
i

Şekil 5.11 Eşitlik 5.1’i kullanarak 5 bağlı yol ağı için optimum çözüm.


82
Denklem 5.2, Üniform Başlangıç Matrisi, T Sabit
-45
-40
-35
-30
-25
-20
-15
-10
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29
Talep Senaryosu
A
m
a
ç

F
o
n
k
s
i
y
o
n
u

D
e
ğ
e
r
i

Şekil 5.12 Eşitlik 5.2’yi kullanarak 5 bağlı yol ağı için optimum çözüm.


83
Denklem 5.3, Üniform Başlangıç Matrisi, T Sabit
-38
-36
-34
-32
-30
-28
-26
-24
-22
-20
-18
-16
-14
-12
-10
-8
-6
-4
-2
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29
Talep Senaryosu
A
m
a
ç

F
o
n
k
s
i
y
o
n
u

D
e
ğ
e
r
i

Şekil 5.13 Eşitlik 5.3’ü kullanarak 5 bağlı yol ağı için optimum çözüm.


84
Denklem 5.4, Üniform Başlangıç Matrisi, T Sabit
-75
-70
-65
-60
-55
-50
-45
-40
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29
Talep Senaryosu
A
m
a
ç

F
o
n
k
s
i
y
o
n
u

D
e
ğ
e
r
i

Şekil 5.14 Eşitlik 5.4’ü kullanarak 5 bağlı yol ağı için optimum çözüm.


85
Denklem 5.5, Üniform Başlangıç Matrisi, T Sabit
15
20
25
30
35
40
45
50
55
60
65
70
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29
Talep Senaryosu
A
m
a
ç

F
o
n
k
s
i
y
o
n
u

D
e
ğ
e
r
i

Şekil 5.15 Eşitlik 5.5’i kullanarak 5 bağlı yol ağı için optimum çözüm.


86
Denkl em 5.6, Üni form Başl angı ç Matri si , T Sabi t
60
70
80
90
100
110
120
130
140
150
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29
Talep Senaryosu
A
m
a
ç

F
o
n
k
s
i
y
o
n
u

D
e
ğ
e
r
i

Şekil 5.16 Eşitlik 5.6’yı kullanarak 5 bağlı yol ağı için optimum çözüm.


87
Denklem 5.7, Üniform Başlangıç Matrisi, T Sabit
0,0E+00
5,0E-17
1,0E-16
1,5E-16
2,0E-16
2,5E-16
3,0E-16
3,5E-16
4,0E-16
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29
Talep Senaryosu
A
m
a
ç

F
o
n
k
s
i
y
o
n
u

D
e
ğ
e
r
i

Şekil 5.17 Eşitlik 5.7’yi kullanarak 5 bağlı yol ağı için optimum çözüm.


88
Denklem 5.8, Üniform Başlangıç Matrisi, T Sabit
20
30
40
50
60
70
80
90
100
110
120
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29
Talep Senaryosu
A
m
a
ç

F
o
n
k
s
i
y
o
n
u

D
e
ğ
e
r
i


Şekil 5.18 Eşitlik 5.8’i kullanarak 5 bağlı yol ağı için optimum çözüm.







89
Denklem 5.1, Üniform Başlangıç Matrisi, T Değişken
0
0,002
0,004
0,006
0,008
0,01
0,012
0,014
0,016
0,018
1 2 3 4 5 6 7 8 9
Talep Senaryosu
A
m
a
ç

F
o
n
k
s
i
y
o
n
u

D
e
ğ
e
r
i

Şekil 5.19 Eşitlik 5.1’i kullanarak 2 bağlı yol ağı için optimum çözüm.





90
Denklem 5.2, Üniform Başlangıç Matrisi, T Değişken
-7
-6
-5
-4
-3
-2
-1
0
1 2 3 4 5 6 7 8 9
Talep Senaryosu
A
m
a
ç

F
o
n
k
s
i
y
o
n
u

D
e
ğ
e
r
i

Şekil 5.20 Eşitlik 5.2’yi kullanarak 2 bağlı yol ağı için optimum çözüm.


91
Denklem 5.3, Üniform Başlangıç Matrisi, T Değişken
22
23
24
25
26
27
1 2 3 4 5 6 7 8 9
Talep Senaryosu
A
m
a
ç

F
o
n
k
s
i
y
o
n
u

D
e
ğ
e
r
i

Şekil 5.21 Eşitlik 5.3’ü kullanarak 2 bağlı yol ağı için optimum çözüm.


92
Denklem 5.7, Üniform Başlangıç Matrisi, T Değişken
0
0,005
0,01
0,015
0,02
0,025
0,03
0,035
1 2 3 4 5 6 7 8 9
Talep Senaryosu
A
m
a
ç

F
o
n
k
s
i
y
o
n
u

D
e
ğ
e
r
i

Şekil 5.22 Eşitlik 5.7’yi kullanarak 2 bağlı yol ağı için optimum çözüm.


93
Denklem 5.8, Üniform Başlangıç Matrisi, T Değişken
0
1
2
3
4
5
6
7
8
9
10
11
12
1 2 3 4 5 6 7 8 9
Talep Senaryosu
A
m
a
ç

F
o
n
k
s
i
y
o
n
u

D
e
ğ
e
r
i

Şekil 5.23 Eşitlik 5.8’i kullanarak 2 bağlı yol ağı için optimum çözüm


94
5.6 Uygun Başlangıç Matrisi Etkileri
Uygun bir başlangıç matrisinin, örnek olarak alınan yol ağlarındaki etkilerini anlamak için,
çeşitli alternatif çözümler birer başlangıç matrisi olarak kullanılmış ve en uygun çözüm test
edilmiştir. Tüm amaç fonksiyonları, olası çözümler grubunun birer üyesi olan başlangıç
matrislerine sahiptirler. Bu araştırmanın yapılması için iki neden öne sürülmüştür; birincisi
üniformluğu sağlamak, ikincisi de başlangıç matrisinin dengelenmesinden etkilenen
eşitliklerde oluşacak sonuç farklılığından emin olmaktır. Bu amaçla, başlangıç matrisi, elde
edilmiş çözümlerden birine sabitlenerek bulunmuştur. Bu yöntem, elde edilmiş tüm
çözümleri kapsayacak şekilde uygulanarak başlangıç matrisleri elde edilmiş ve her iki örnek
yol ağı için bütün eşitliklerde tekrar edilmiştir. Bir yol ağında toplam yolculuklar değişken
olduğunda, Willumsen eşitliğinin ve sonuç olarak onu izleyen eşitliklerin uygulanmasının
sakıncalarını göstermektedir. QUEENS-OD tarafından çözümlenen Eşitlik 5.9, beklendiği
gibi tüm test ağları için geçerli olmak üzere başlangıç matrisi ile uyumlu sonuç vermiştir.
5.7 Uygun Olmayan Başlangıç Matrisi Etkileri
Büyük ve karmaşık yol ağlarında, eski çalışmalardan elde edilmiş bir başlangıç matrisi, O-D
yolculuk matrisini elde etmek için kullanılan geçerli senaryoya uygun bir çözüm
sağlamayabilir. Pek çok durumda başlangıç matrisleri uygun (kullanılabilir) bir çözüm
oluşturmazlar, bu yüzden başlangıç matrisinin, senaryolar ile uyumlu olduğu durumlardaki
eşitliklerin özellikleri üzerinde çalışmakta yarar vardır. Bu sayede sadece uyumsuz başlangıç
matrisi etkilerinin görülmesi değil, ayrıca mevcut senaryolarla uyumlu olanlar içinde en iyi
eşitliğin çıkarılması da sağlanacaktır. Bu konuda yapılmış çalışmalarda, senaryolar ile
uyumsuz başlangıç matrisinin elde edilmesi için oldukça dikkat gerektiren bir yaklaşım
izlenmesi gerektiği vurgulanmaktadır. Bunun için benzer bir örnek üzerinde, Profesör Dr.
Hesham Rakha’ nın yönetiminde Harinarayan Paramahamsan’ ın 1999 yılında yapmış olduğu
“Fundamental Properties of Synthetic O-D Generation Formulations and Solutions” başlıklı
tez çalışmasında, başlangıç matrisi daima aynı tarzda düzenlenmiş rastgele numaralar ile
doldurularak 10.000 civarı başlangıç matrisi elde edilmiş ve bu işlem her iki örnek yol ağı için
tekrarlanmıştır. Başlangıç matrisi dengelemesinden etkilenmiş olan eşitlikler için başlangıç
matrisi, toplam yolculuk sayısının sabit olduğu durumlara uygun bir şekilde ayarlanmıştır.
Böylece çözümler, tüm eşitlikler, tüm başlangıç matrisleri ve her iki örnek yol ağı için elde
edilmiştir. Eşitlik 5.1 ile gösterilmiş olan orijinal eşitlikten elde edilen çözüm referans
alınarak diğer eşitliklerden bulunan çözümler ile arasında oluşan sapmalar tespit edilmiştir.


95
Burada sapma, eşitlik 5.1 için bulunan optimum talep senaryosu ile diğerleri arasındaki
farklılık olarak tanımlanmıştır. Sapmanın genişliği ile ilgili olarak bilgi sahibi olabilmek için
sapmanın kritik noktaları elde edilmiştir.
Harinarayan Paramahamsan’ ın (1999) yapmış olduğu bu karşılaştırma sonucunda;
yolculukların toplam sayısının sabit olduğu 5-bağlı ağ için, 5.1, 5.2 ve 5.7 ile gösterilmiş olan
eşitliklerin her zaman benzer çözüm verdikleri dikkat çekmektedir. Eşitlik 5.3, 5.4, 5.8 ve
5.9’u kullanarak bulunan sonuçlar, eşitlik 5.1’in kullanılması ile elde edilen sonuçlara
gerçekten çok yakın çıkmıştır. Eşitlik 5.5 ve 5.6’ nın kullanıldığı çözümlerde geniş bir sapma
olduğu ve bundan dolayı da uygulamada zayıf kaldığı görülmektedir. Buradan eşitlik 5.5 ve
5.6’ nın her iki yol ağı yapısında da önemli hatalar verdiği göz önünde bulundurulmadan
kullanılamayacağı açıkça anlaşılmaktadır.
Eşitlik 5.1 ve 5.2’ yi kullanan 2-bağlı ağda da çözümlerin benzer sonuçlar verdiği
görülmektedir. Elde edilen sonuçlar, 5.3, 5.7, 5.8 ve 5.9 ile verilen eşitlikler kullanıldığında
sapmanın nispeten daha küçük olduğunu göstermektedirler.
5.8 Akım Süreliliğinin Etkisi
Bir önceki bölümde açıklandığı üzere gerek tek adımlı gerekse de iki adımlı yaklaşımda akım
sürekliliğinin sağlanamadığı durumlarda dahil olmak üzere trafik sayım değerlerinden
faydalanarak O-D matrisleri elde edilebilmektedir. Bunun sebebi, bağlarda yapılan trafik
sayımlarından bulunan trafik hacim değerlerinin, sayımlarda yapılan hataların en etkin
yöntemlerle dağıtılması sonucu akım sürekliliğini sağlayan eşdeğer trafik hacim değerlerine
dönüştürülmüş olmasıdır. İki adımlı yaklaşımda akım sürekliliği problemi ilk adımda
çözülmüş ve sonra maksimum entropi teknikleri kullanılarak sonuç O-D matrisi elde
edilmiştir. Tek adımlı yaklaşımda ise akım sürekliliği problemi ve maksimum entropi tekniği
birleştirilmiş ve tek adımda çözülmüştür. Trafik sayımlarından O-D matrisini elde etmeye
yönelik ortaya konmuş olan yaklaşımları karşılaştırmak için örnek olarak seçilmiş yol ağları
şekil 5.1 ve 5.2 de gösterilmiştir. Yol ağı içindeki bağlardan herhangi birinin hacim değeri
sonradan arttırıldığında akım sürekliliği muhafaza edilemeyecektir. Matlab, MS Excell Solver
ve Queen’s OD gibi yazılımlar kullanılarak tek adımlı yaklaşım problemleri rahatça
çözülebilmektedir. Farklı çalışmalarda bu üç paket yazılım ile yapılmış testlerden elde edilen
sonuçlar birbirine benzer çıkmıştır. İki adımlı yaklaşımda da benzer durum söz konusudur,
ancak tek adımlı yaklaşımda daha hızlı sonuca ulaşıldığı görülmüştür.


96
5.9 Özet
Bu bölümde iki farklı yol ağı üzerinde farklı O-D matrisi çözüm eşitlikleri karşılaştırılmıştır.
Daha sonra eşitlikler, bir üniform, ve bir de dengelenmiş başlangıç matrisi koşulları altında
test edilmiş, toplam yolculuk sayısının sabit olması ve değişken olması durumunda ayrı ayrı
çözümler bulunarak karşılaştırma yapılmıştır. Bu inceleme, tamamen çeşitli eşitliklerin
üzerinde oluşan etkilerin karşılaştırmalı olarak gösterilmesi amacı ile yapılmıştır. Bunların
haricinde konu ile ilgili yapılmış çalışmalardan, benzer ağ yapılarına uygulanmış farklı
testlerin sonuçlarından da bahsedilmiştir. Bu bölümde ayrıca yolculuk sayıları tabanlı
eşitlikler ile trafik hacim değerleri tabanlı eşitliklerin benzerlikleri ortaya konmuş ve tek
adımlı çözüm yaklaşımına ait eşitliklerin sonuca daha hızlı ulaştığı görülmüştür.



97
6. Sonuçlar ve Öneriler
Bu çalışmada, yapay O-D probleminin çözümü için bugüne kadar ortaya konulan çeşitli
formüller ve çözüm algoritmaları arasında yapılan karşılaştırmalar sunulmuştur. Bu
karşılaştırmalar en iyi çözümü bulmak amacıyla üniform başlangıç matrisi, uygun ve uygun
olmayan başlangıç matrisi kullanılarak toplam yolculukların sabit olduğu ve değişken olduğu
iki farklı durum altında yapılmıştır. Uygulanan modeller; yolculuk sayısı tabanlı ve trafik
hacim değerleri tabanlı olmak üzere iki ana başlık altında toplanmıştır. Çalışmada esas alınan
model entropi modeli olmuştur. Entropi modeli içinde bugüne kadar farklı çalışmalarda
kullanılmış dokuz ayrı eşitlik test edilmiştir. Testlerde uygulanan amaç fonksiyonlarında, en
küçük hatayı verecek en yakın sonucu elde etmek için maksimizasyon (ençoklama) tekniği
kullanılmıştır. Elde edilen sonuçlar incelendiğinde;
• Toplam yolculuk sayısının sabit olduğu durumlarda yolculuk sayısı tabanlı yöntem ve
trafik hacim değerleri tabanlı yöntem ile elde edilen en iyi çözüm arasında bir farklılık
yoktur. Toplam yolculuk sayısı, değişken olduğunda ise bulunan en iyi çözümlerde
farklılıklar görülmüştür.
• Uzmanlarca önerilen tek adımlı yaklaşım, yolculuk sayıları tabanlı modelden elde
edilen sonuçlar ile uyumlu sonuçlar vermektedir.
• Willumsen tarafından önerilen ilk model (Eşitlik 6.3), toplam yolculuk sayısının
değişken olduğu durumlarda optimum çözümden sapmaktadır.
• Willumsen’ in formülünden türetilmiş olan eşitlik 6.5 ve bu eşitliğin düzenlenmiş hali
olan eşitlik 6.6, sadece toplam yolculuk sayısı sabit ve T
ij
/ t
ij
≈ 1 ise uygulanabilir
olmaktadır.
• Yolculuk modelinden, hacim modelinden ve tek adımlı yaklaşımdan elde edilen
çözümlerin, başlangıç matrisinin katsayılarla çarpılarak dengelenmesinden bağımsız
olduğu ortaya çıkmaktadır. Buna karşın, Willumsen’ in ortaya koyduğu modelde ve
onun türevlerinde başlangıç matrisinin katsayılarla çarpılması sonucu değiştirmekte ve
optimum çözümden sapmaktadır.
• Toplam yolculukların sayısı bir değişken olduğunda, Willumsen’ in ana formülünden
türetilen eşitlikten (Eşitlik 6.5) elde edilen sonucun, uygun bir başlangıç matrisi
kullanıldığı durumda bile gerçek yolculuk değerleri kullanılarak bulunan sonuçtan
uzaklaştığı görülmektedir.


98
• Toplam yolculukların sayısı sabit bir sayı olduğu zaman çözüm araştırmasının uygun
olmayan bir başlangıç matrisi ile başladığı yerde Willumsen’ in esas modeli (Eşitlik
6.5) ya da onun düzenlenmiş hali (Eşitlik 6.6), yaklaşık %20’ ye kadar ulaşan hatalar
vermektedir.
• Toplam yolculuk sayısının değişken olması ve uygun olmayan başlangıç matrisi
kullanılması durumunda, tek adımlı yaklaşımda %5’ten az hata görülmüştür. Tek
adımlı yaklaşımda, tüm olası çözümlerin kendi içinde doğrulanabilir olduğu küçük yol
ağları için, birbirine çok yakın sonuçlar elde edildiği görülmüştür. Küçük yol ağları
için, tek adımlı yaklaşım eşitliklerinin Matlab, Excel gibi standart eşitlik çözüm
programları kullanılarak çözümlenebilmektedir. Ancak geniş yol ağlarında,
kullanılacak denklemlerin ve değişkenlerin sayısı, standart eşitlik çözücülerin bu
konuda kullanılabilirliğini yani başka bir deyişle çözüm yapılabilmesini
engellemektedir. Standart eşitlik çözücü programların kullanabileceği eşitlik ve
değişken sayısı oldukça kısıtlıdır.
Profesör Dr. Hesham Rakha’ nın yönetiminde Harinarayan Paramahamsan’ ın 1999 yılında
yapmış olduğu “Fundamental Properties of Synthetic O-D Generation Formulations and
Solutions” başlıklı tez çalışmasında, Queens OD programının son versiyonu ile her üç
yöntemin de (yolculuk modeli, hacim modeli ve tek basamaklı yaklaşım) uygulanabilir
olduğu küçük yol ağlarında standart eşitlik çözücülerden elde edilen sonuçlar ile uyumlu
sonuçlar ortaya koyduğu belirtilmiştir. Queens OD yazılımı 1000’den fazla zonu olan ve
5000’in üzerinde bağa sahip yol ağlarına uygulanabilmektedir. Uzmanlarca Queens-OD
yazılımı için, bu büyüklükteki bir yol ağına ait problemin çözümünde yaklaşık bir saat kadar
zaman harcandığı iddia edilmektedir.
Gelecekteki Çalışmalar İçin Tavsiyeler;
Bu tez çalışmasında incelenen trafik sayımlarını kullanarak OD matrisi elde etmeye yönelik
denemeler 1980’li yılların başından bugüne kadar konuyla ilgilenen araştırmacıların elde
etmiş oldukları sonuçları özetlemektedir. Elde edilen sonuçlar gerçek hayatta yeteri kadar test
edilme imkanı bulamadığından, konu ile ilgili olarak kesin bir karara varmak için erken
olduğu görülmektedir. Bugüne kadar yapılmış olan çalışmalar esas alınarak gelecekte
yapılacak araştırma ve testler trafik sayımlarını kullanarak daha kolay ve daha düşük maliyetli
OD matrisi elde etme imkanı yaratacaktır. Kaynaklarda da belirtilen bugüne kadar yapılan


99
araştırmalar da dikkate alındığında gelecekte yapılacak çalışmalar için önerilebilecek bazı
tavsiyeler şu şekilde özetlenebilir:
Test edilecek yol ağları bu çalışmada da olduğu gibi özel bir O-D çiftleri için çoklu
güzergahlar içermemelidir. 5 bağdan oluşan yol ağında ve 2 bağdan oluşan yol ağında bütün
O-D çiftleri için sadece bir güzergah seçeneği mevcuttur. Yapılan deneme çalışmaları
geliştikçe, daha ileriki çalışmalarda verilmiş bir O-D çifti için çoklu güzergaha sahip yol
ağları kullanılmalıdır. Bu çeşitli model ve denklemlerin duyarlılıklarına daha geniş bir
çerçevede bakılması için gerekli olacaktır.
Bu tezde seçilen örnek yol ağları oldukça basit seçilmiştir. Daha büyük yol ağları için
yapılacak denemeler, bu tür çalışmalarda bulunan sonuçlarla karşılaştırma yapılıp
doğrulanmasına olanak sağlayacaktır. Doğruluğun test edilebilmesi için çeşitli model
sonuçları gerçek bir yol ağı için kesin olarak bilinen O-D yolculuk matrisleri ile
karşılaştırılmış olmalıdır.
Gelecekte yapılacak karşılaştırmaların entropi yaklaşımı ve sinir ağları teknikleri gibi diğer
yaklaşımlar arasında sürdürülmesinin daha doğru olacağı görülmektedir. Bu karşılaştırmalar
sonuç çözümlerine dayanan farklı yöntemler üzerindeki avantaj ve dezavantajlar ilişkisinin de
bulunmasına yardımcı olacaktır.
Maksimum entropi teknikleri, dinamik O-D matrisi elde etmeye yönelik yaygın olarak
kullanılan diğer teknikler ile karşılaştırılmalıdır.


100
KAYNAKLAR
Barcelo, J., (2004), “Notes on Optimization Models for Transportation Analysis”, Seminar
notes, Dept. of Statistics and Operations Research, Universitat Politècnica de Catalunya.
Erel, A., (2001), Ulaşım Planlaması I ve II Basılmamış Ders Notları, İstanbul.
Harinarayan, P., (1999) “Fundamental Properties of Synthetic O-D Generation Formulations
and Solutions”, Master of Science Thesis in Civil and Environmental Engineering,
Blacksburg, VIRGINIA.
Hazelton, M. L., (2001), “Inference For O-D Matrices: Estimation, Prediction and
Reconstruction”, Transportation Research B, Vol:35, pp:667-676.
Lo, H. P., Zhang, N., Lam, W.H.K., (1999), “Decomposition Algorithm For Statistical
Estimation of O-D Matrix with Random Link Choice Proportions From Traffic Counts”,
Transportation Research B, Vol:33, pp:369-385
Tunç, A., (2003) “Trafik Mühendisliği ve Uygulamaları”, Asil Yayın Dağıtım.
Yang, H., Zhou, J. , (1998), “Optimal Traffic Counting Locations For Origin-Destination
Matrix Estimation.”, Transportation Research B, Vol:32 No:2, pp. 109-126.
Yüksel, H., (1998) “Kentiçi Ulaşımda Talep Yönetimi”, Yüksek Lisans Tezi, Yıldız Teknik
Üniversitesi F.B.E İnşaat Mühendisliği Anabilim Dalı Ulaştırma Programı.
Zuylen, H. J. V., Willumsen, L.G., (1980), “The Most Likely Trip Matrix Estimation from
Traffic Counts”, Transportation Research B, Vol:14B, pp. 281-293.


INTERNET KAYNAKLARI
[1]www.vt.edu
[2]www.sciencedirect.com
[3]www.aimsun.com
[4] www.lindo.com




101
EKLER
Ek 1: Stirling Yaklaşımı
y = Ln X fonksiyonunun grafiğine bakılacak olursa,
Y = LnX Fonksiyonu
0
0,5
1
1,5
2
2,5
3
3,5
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
X değerleri
Ln X değerleri

Eğri altında kalan alana bakıldığında dikdörtgen metodu kullanılarak:
Yöntem 1
X=1 ve X=N noktaları arasında eğrinin altında kalan alan şu şekilde hesaplanabilir:
) ! ( ) ( ) 1 ( ..... ) 4 ( ) 1 ( ) 3 ( ) 1 ( ) 2 ( ) 1 ( ) 1 ( ) 1 ( N Ln N Ln Ln Ln Ln Ln = + + + + + ≈
(E.1)
Eğer X=1 ve X=N noktaları arasında eğrinin altında kalan mevcut alan hesaplanırsa, bir
integral yapısının hesaplanmış olduğu görülecektir.
Yöntem 2
X=1 ve X=N noktaları arasında eğrinin altında kalan alan ;

N
dx X Ln
1
) (
(E.2)
olarak tanımlanır. E.2 de verilen eşitlik için;


102
X X xLn dx X Ln − =

) ( ) (
(E.3)
olduğunu biliyoruz. Bu durumda,
1 0 ) ( ) (
1
+ − − =

N N NLn dx X Ln
N
(E.4)
yazılabilir. Eğer “N” çok büyükse, bu fonksiyon içerisinde “1” değerinin etkisi yok sayılacak
kadar küçük olacaktır. Yöntem 1 ve 2 de yer alan E.1 ve E.2 eşitlikleri kullanılarak:
N N NLn N NLn − = ) ( ) ! (
(E.5)
elde edilecektir. Burada Euler-Maclaurin serilerinden elde edilen asimptotik seriler
kullanılarak bir kısaltma yapıldığında,
|
¹
|

\
|
− − + + =

....
51840
1
288
1
12
1
1 2 !
3 2
X X X
e X X X
x x
π
(E.6)
asimptotik seriden gelen X içeren terimler yok sayıldığında,
x x
e X X X

= π 2 !
(E.7)
elde edilecektir. E.7 eşitliğinde, eşitliğin her iki tarafının da logaritması alınırsa;
) 2 (
2
1
) (
2
1
) ! ( π Ln X x Ln x X Ln + −
|
¹
|

\
|
+ =
(E.8)
elde edilir. Bu ifade E.5 eşitliğinden daha hassas bir ifadedir. Ancak büyük değerlerde E.5
eşitliği ile E.8 eşitliği arasındaki fark 0’ a yaklaşmaktadır. Pratik çözüm açısından hata payı
çok küçük olan E.5 eşitliği kullanılmaktadır.


103
Ek 2 Hacim-Süre Modeli.

Hacim - Süre modeli, kapasite kısıtı (ulaşım koşullarının trafik miktarından etkilenmesi)
altında hepsi ya da hiçbiri seçiminin yapılacağı düşünülerek oluşturulmuş bir tercih modelidir.
Trafik hacmi ve zaman grafiği üstünde talep eğrisi ile sunu eğrisinin kesiştiği nokta bu
modeldeki merkez nokta yani denge noktası olacaktır. Hacim – Süre modelinde ise talep ve
sunu eğrilerinin kesiştiği nokta değil, sunu eğrisi modeli tanımlamaktadır.
Olasılığa dayalı davranışsal tercih durumunda Logit model yapısı da şu şekilde ifade
edilmektedir:
AB 1
T P Q =
1


=
x
Vx
V
i
e
e
P
i1

1 o
t V
1 1 1
β β + =

2 o
t V
2 2 2
β β + =

α α
(
(
¸
(

¸

|
|
¹
|

\
|
+ =
p
o
Q
Q
t t
max 1
1
1 1
1



104
α α
(
(
¸
(

¸

|
|
¹
|

\
|
+ =
n
o
Q
Q
t t
max 2
2
2 2
1

(
¸
(

¸

+
= =
+
+
2 2 02
1 1 1
1 1 t
t
AB AB
e e
e
T T P Q
a
β β
β β

Burada,
P
i
: i seçeneğinin tercih edilme yüzdesi
V
i
: i seçeneğinin yararlılık fonksiyonu
V
x
: Tercih konusu olan seçenekler.


105
Ek 3 5. Bölümde beş bağdan ve iki bağdan oluşan yol ağlarının test edilmesinde
kullanılan eşitliklerin çözümde kullanılan genişletilmiş açılımları.
5Baglı Yol Ağı
Eşitlik 5.1

! ! ! !
!
: .

) ! (
!
, : .
bd
T
t
bd
t
bac
T
t
bc
t
ad
T
t
ac
t
ac
T
t
ac
t
bd
T
bc
T
ad
T
ac
T
T
Z Max
ij
T
ij
t
ij
t
ij
T
T
ij
t
ij
T Z Max
ij
ij ij
|
|
|
|
¹
|

\
|
|
|
|
|
¹
|

\
|
|
|
|
|
¹
|

\
|
|
|
|
|
¹
|

\
|
=
|
|
|
|
|
¹
|

\
|
=
|
|
¹
|

\
|

∑ ∏

Eşitlik 5.2
-
: .

) , ( : .
|
|
|
|
|
¹
|

\
|

|
|
|
|
¹
|

\
|

|
|
|
|
|
¹
|

\
|

|
|
|
|
¹
|

\
|
|
|
|
|
|
¹
|

\
|

|
|
|
|
¹
|

\
|

|
|
|
|
|
¹
|

\
|

|
|
|
|
¹
|

\
|
− − |
¹
|

\
|
=
|
|
|
|
|
¹
|

\
|

|
|
|
|
¹
|

\
|
− − |
¹
|

\
|
=

bd
T
bd
t
bd
T
Ln
bd
T
bc
T
bc
t
bc
T
Ln
bc
T
Max
ad
T
ad
t
ad
T
Ln
ad
T
ac
T
ac
t
ac
T
Ln
ac
T T
t
T
TLn Z
ij
T
ij
t
ij
T
Ln
ij
T T
t
T
TLn
ij
t
ij
T Z Max
ij


106
Eşitlik 5.3

bd
T -
bc
T -
: Max.
ac
T - Z
, : .
|
|
|
|
|
¹
|

\
|

|
|
|
|
¹
|

\
|
|
|
|
|
|
¹
|

\
|

|
|
|
|
¹
|

\
|
|
|
|
|
|
¹
|

\
|

|
|
|
|
¹
|

\
|

|
|
|
|
|
¹
|

\
|

|
|
|
|
¹
|

\
|
=
|
|
|
|
|
¹
|

\
|

|
|
|
|
¹
|

\
|
− =
|
|
¹
|

\
|

bd
T
bd
t
bd
T
Ln
bc
T
bc
t
bc
T
Ln
ad
T
ad
t
ad
T
Ln
ad
T
ac
T
ac
t
ac
T
Ln
ij
T
ij
t
ij
T
Ln
ij
T
ij
t
ij
T Z Max
ij
Eşitlik 5.4

bd
t
bd
T
bd
t
bd
T
Ln
bd
T
bc
t
bc
T
bc
t
bc
T
bc
t
bc
T
Ln
bc
T -

: Max.
ad
t
ad
T
ad
t
ad
T
Ln
ad
T
ac
t
ac
T
ac
t
ac
T
Ln
ac
T - Z
ij
t
ij
T
ij
t
ij
T
Ln
ij
T
ij
t
ij
T Z Max
ij
|
|
|
|
|
¹
|

\
|
+ −
|
|
|
|
|
¹
|

\
|

|
|
¹
|

\
|
+ −
|
|
|
|
|
¹
|

\
|
+ −
|
|
|
|
|
¹
|

\
|
|
|
|
|
|
¹
|

\
|
+ −
|
|
|
|
|
¹
|

\
|

|
|
|
|
|
¹
|

\
|
+ −
|
|
|
|
|
¹
|

\
|
=
|
|
|
|
|
¹
|

\
|
+ −
|
|
|
|
|
¹
|

\
|
− =
|
|
¹
|

\
|

, : .


107
Eşitlik 5.5

bd
t
bd
T
bd
T
bc
t
bc
T
bc
T
ad
t
ad
T
ad
T
ac
t
ac
T
ac
T
Z Max
ij
t
ij
T
ij
T
ij
t
ij
T Z Min
ij
2
2
1
2
2
1
2
2
1
2
2
1
: .
2
2
1
, : .
|
|
¹
|

\
|
− +
|
|
¹
|

\
|
− +
|
|
¹
|

\
|
− +
|
|
¹
|

\
|
− =
|
|
|
|
¹
|

\
|
|
|
¹
|

\
|
− =
|
|
¹
|

\
|


Eşitlik 5.6

bd
t
bd
T
bd
t
bc
t
bc
T
bc
t
ad
t
ad
T
ad
t
ac
t
ac
T
ac
t
Z Min
ij
t
ij
T
ij
t
ij
t
ij
T Z Min
ij
2
2
1
2
2
1
2
2
1
2
2
1
: .
2
2
1
, : .
|
|
¹
|

\
|
− +
|
|
¹
|

\
|
− +
|
|
¹
|

\
|
− +
|
|
¹
|

\
|
− =
|
|
|
|
¹
|

\
|
|
|
¹
|

\
|
− =
|
|
¹
|

\
|









108
Eşitlik 5.7
bd
T
bd
t
bc
T
bd
t
bc
t
bc
t
x
bd
T
bc
T
V
Z
ad
T
ad
t
ac
T
ad
t
ac
t
ac
t
x
ad
T
ac
T
V
Z
ij
a
p
ij
T
a
v
ij
p
ij
t
ij
a
p
ij
T
a
V
ij
t
ij
T Z Max
a ij
ij
|
|
|
|
¹
|

\
|
+
|
|
|
|
¹
|

\
|
+
=
|
|
|
|
¹
|

\
|
+
|
|
|
|
¹
|

\
|
+
=
|
|
|
|
¹
|

\
|
|
|
¹
|

\
|
=
|
|
¹
|

\
|
∏ ∏

bc
t
bd
t
x
! !
!
2
2
ac
t
ad
t
x
! !
!
1
1
!
, : .


5 4 3 2 1
: .
!
!
5
5
ac
t
bc
t
x
! !
!
4
4
t
x
ac
t
bc
t

x
ac
t
ad
t
x
! ! ! !
!
3
3
xZ xZ xZ xZ Z Z Max
bd
T
bd
t
ad
t
ad
t
x
bd
T
ad
T
V
Z
bc
T
bc
t
ac
T
bc
t
ac
t
ac
t
x
bc
T
ac
T
V
Z
bd
T
ad
t
ac
t
ad
t
ac
t
bd
bc
T
ad
t
ac
t
ad
t
ad
T
ad
t
ac
t
ad
t
ac
T
ad
t
ac
t
ad
t
ac
t
ac
t
x
bd
T
bc
T
ad
T
ac
T
V
Z
=
|
|
|
|
¹
|

\
|
+
=
|
|
|
|
¹
|

\
|
+
|
|
|
|
¹
|

\
|
+
=
|
|
|
|
¹
|

\
|
+ + +
|
|
|
|
¹
|

\
|
+ + +
|
|
|
|
¹
|

\
|
+ + +
|
|
|
|
¹
|

\
|
+ + +
=



109
Eşitlik 5.8
|
|
|
|
¹
|

\
|
|
|
|
|
¹
|

\
|
+
|
|
|
|
¹
|

\
|
+
|
|
|
|
¹
|

\
|
=
|
|
|
|
¹
|

\
|
+
|
|
|
|
¹
|

\
|
=
|
|
|
|
¹
|

\
|
+
|
|
|
|
¹
|

\
|
=
|
|
|
|
¹
|

\
|
=
|
|
¹
|

\
|
∑∑
bd
t
3
V
3
v
bc
t
3
V
3
v
ad
t
3
V
3
v
t
3
V
3
v
3
bd
t
2
2
v
bc
t
2
2
2
t
1
V
1
v

1
V
1
1
, : .
x
x
bd
T
Ln
bd
T
x
x
bc
T
Ln
bc
T
x
x
ad
T
Ln
ad
T
ac
x
x
ac
T
Ln
ac
T Z
x V
x
bd
T
Ln
bd
T
x V
v x
bc
T
Ln
bc
T Z
ad
x
x
ad
T
Ln
ad
T
ac
t x
v x
ac
T
Ln
ac
T Z
ij
t
a
V
a
V
ij
T
Ln
ij
a
p
ij
T
ij
t
ij
T Z Min
a ij


5 4 3 2 1
: .

5 4 3 2 1
bd
t
5
V
5
v
ad
t
5
V
5
v
5
bc
t
4
V
4
v
ac
t
4
V
4
v
4
Z Z Z Z Z Z Min
Z Z Z Z Z Z
x
x
bd
T
Ln
bd
T
x
x
ad
T
Ln
ad
T Z
x
x
bc
T
Ln
bc
T
x
x
ac
T
Ln
ac
T Z
+ + + + =
+ + + + =
|
|
|
|
|
¹
|

\
|
+
|
|
|
|
|
¹
|

\
|
=
|
|
|
|
|
¹
|

\
|
+
|
|
|
|
|
¹
|

\
|
=





110
Eşitlik 5.9
0 3 2 2 1
5 3 2
0 2 3 1 2
4 3 2
0 2 1 3 2
5 3 1
0 1 2 2 3
4 3 1
0
4
2
3
3
2
1
1
2 ) ( ) (
0
4
2
3
1
2
3
1
2 ) ( ) (
0
4
1
3
2
2
2
1
3
ac
T Ln - Ln(t) - Ln(T)
j i, 2
ij

ij
= + + − −
|
|
¹
|

\
|
+ +
= − + − −
|
|
¹
|

\
|
+ +
= + − − −
|
|
¹
|

\
|
+ +
= − − − −
|
|
¹
|

\
|
+ +
= − − − −
|
|
¹
|

\
|
+
|
|
¹
|

\
|
− −
= − − − −
|
|
¹
|

\
|
+
|
|
¹
|

\
|
− −
= − − − −
|
|
¹
|

\
|
+
|
|
¹
|

\
|

|
|
¹
|

\
|
|
|
¹
|

\
|
|
|
¹
|

\
|
|
|
¹
|

\
|

|
|
¹
|

\
|
+
|
|
|
|
|
¹
|

\
|

|
|
|
|
¹
|

\
|
− −
|
¹
|

\
|

∑ ∑ ∑ ∑

bd
T
bc
T
ad
T
ac
T V V V
bd
T
bc
T
ad
T
ac
T V V V
bd
T
bc
T
ad
T
ac
T V V V
bd
T
bc
T
ad
T
ac
T V V V
bc
t Ln
bc
T Ln t Ln T Ln
ad
t Ln
ad
T Ln t Ln T Ln
ac
t Ln
xy
a
p
xy
T
ij
a
p
ij
a
p
a
V
ij
T
ij
t
ij
T
Ln
ij
T T
t
T
TLn L
a a xy
ij
λ λ λ λ
λ λ λ λ
λ λ λ λ
λ



111
2 Bağlı Yol Ağı
Eşitlik 5.1

! ! !
!
: .
!
!
, : .
bac
T
t
bc
t
ac
T
t
ac
t
ab
T
t
ab
t
bc
T
ac
T
ab
T
T
Z Max
ij
T
ij
t
ij
t
ij
T
T
ij
t
ij
T Z Max
ij
ij
ij
|
|
|
|
¹
|

\
|
|
|
|
|
¹
|

\
|
|
|
|
|
¹
|

\
|
=
|
|
|
|
|
¹
|

\
|
|
|
¹
|

\
|
=
|
|
¹
|

\
|




Eşitlik 5.2

ac
T
: Max.
t
T
TLn Z
, : .
|
|
|
|
|
¹
|

\
|

|
|
|
|
¹
|

\
|

|
|
|
|
|
¹
|

\
|

|
|
|
|
¹
|

\
|

|
|
|
|
|
¹
|

\
|

|
|
|
|
¹
|

\
|
− − |
¹
|

\
|
=
|
|
|
|
|
¹
|

\
|

|
|
|
|
¹
|

\
|
− − |
¹
|

\
|
=
|
|
¹
|

\
|

bc
T
bc
t
bc
T
Ln
bc
T
ac
T
ac
t
ac
T
Ln
ab
T
ab
t
ab
T
Ln
ab
T T
ij
T
ij
t
ij
T
Ln
ij
T T
t
T
TLn
ij
t
ij
T Z Max
ij



112
Eşitlik 5.3
: .
, : .
|
|
|
|
|
¹
|

\
|

|
|
|
|
¹
|

\
|

|
|
|
|
|
¹
|

\
|

|
|
|
|
¹
|

\
|

|
|
|
|
|
¹
|

\
|

|
|
|
|
¹
|

\
|
− =
|
|
|
|
|
¹
|

\
|

|
|
|
|
¹
|

\
|
− =
|
|
¹
|

\
|

bc
T
bc
t
bc
T
Ln
bc
T
ac
T
ac
t
ac
T
Ln
ac
T
ab
T
ab
t
ab
T
Ln
ab
T Z Max
ij
T
ij
t
ij
T
Ln
ij
T
ij
t
ij
T Z Max
ij
Eşitlik 5.7

2 1
: .

! !
!
1
2

! !
!
1
1
!
, : .
xZ Z Z Max
bc
T
bc
t
ac
t
bc
t
x
ac
T
bc
t
ac
t
ac
t
x
bc
T
ac
T
V
Z
ac
T
ac
t
ab
t
ac
t
x
ab
T
ac
t
ab
t
ab
t
x
ac
T
ab
T
V
Z
ij
a
p
ij
T
a
v
ij
a
p
ij
t
ij
a
p
ij
T
a
V
ij
t
ij
T Z Max
a ij
ij
=
|
|
|
|
¹
|

\
|
+
|
|
|
|
¹
|

\
|
+
=
|
|
|
|
¹
|

\
|
+
|
|
|
|
¹
|

\
|
+
=
|
|
|
|
¹
|

\
|
|
|
¹
|

\
|
=
|
|
¹
|

\
|
∏ ∏




113
Eşitlik 5.8
(6.8)
2 1
: .
2 1
bd
t
2
V
2
v

2
V
2
v
2

1
1
v

1
V
1
v
1
, : .
Z Z Z Min
Z Z Z
x
x
bd
T
Ln
bd
T
ac
t x
x
ac
T
Ln
ac
T Z
ac
t x V
x
ac
T
Ln
ac
T
ab
t x
x
ab
T
Ln
ab
T Z
ij
t
a
V
a
v
ij
T
Ln
ij
a
p
ij
T
ij
t
ij
T Z Min
a ij
+ =
+ =
|
|
|
|
|
¹
|

\
|
+
|
|
|
|
|
¹
|

\
|
=
|
|
|
|
|
¹
|

\
|
+
|
|
|
|
|
¹
|

\
|
=
|
|
|
|
|
¹
|

\
|
=
|
|
¹
|

\
|
∑∑



114
Eşitlik 5.9
(6.9) 0 1 1 0
2
0 1 2 1
2 1
0 0 1 1
1
0
3
1
2
1
1
0
bc
T Ln - Ln(t) - Ln(T)
0
3
1
2
2
1
1
ac
T Ln - Ln(t) - Ln(T)
0
3
0
2
1
1
1
ab
T Ln - Ln(t) - Ln(T)
, 2
= − − −
|
|
¹
|

\
|
= − − −
|
|
¹
|

\
|
+
= − − −
|
|
¹
|

\
|
= − − −
|
|
¹
|

\
|
+
|
|
¹
|

\
|
= − − −
|
|
¹
|

\
|
+
|
|
¹
|

\
|
= − − −
|
|
¹
|

\
|
+
|
|
¹
|

\
|

|
|
|
¹
|

\
|
|
|
¹
|

\
|
|
|
¹
|

\
|
|
|
¹
|

\
|

|
|
¹
|

\
|
+
|
|
|
|
|
¹
|

\
|

|
|
|
|
|
¹
|

\
|
− − |
¹
|

\
|

∑ ∑ ∑ ∑

bc
T
ac
T
ab
T V
bc
T
ac
T
ab
T V V
bc
T
ac
T
ab
T V
bc
t Ln
ac
t Ln
ab
t Ln
j i
xy
a
p
xy
T
ij
a
p
ij
a
p
a
V
ij
ij
T
ij
t
ij
T
Ln
ij
T T
t
T
TLn L
ij a a xy
ij
λ λ λ
λ λ λ
λ λ λ
λ



115
ÖZGEÇMİŞ
Doğum tarihi 23.09.1977

Doğum yeri Balıkesir

Lise 1991-1994 Balıkesir Lisesi

Lisans 1995-1999 Yıldız TeknikÜniversitesi İnşaat Fak.
İnşaat Mühendisliği Bölümü

Yüksek Lisans 2001-2005 Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü
İnşaat Müh. Anabilim Dalı, Ulaştırma Programı

Çalıştığı kurum(lar)

1997 - (üç ay) BAYTUR İnş.Taah. AŞ
1999 - 2000 İstanbul Büyükşehir Belediyesi BİMTAŞ
2000 - 2001 YAPITEK Mimarlık ve Planlama Ltd. Şti
2001 - 2002 İstanbul Büyükşehir Belediyesi İSBAK
2002 – YTÜ Meslek Yük.Okulu Öğretim Görevlisi

Ç NDEK LER Sayfa S MGE L STES ....................................................................................................................... iv ŞEK L L STES ......................................................................................................................... v Ç ZELGE L STES ................................................................................................................... vi ÖNSÖZ.....................................................................................................................................vii ÖZET .......................................................................................................................................viii ABSTRACT .............................................................................................................................. ix 1. 1.1 1.2 1.3 1.3.1 1.3.1.1 1.3.1.2 1.3.1.3 1.3.1.4 2. 2.1 2.2 2.2.1 2.2.2 2.2.3 2.2.4 2.2.5 2.2.6 2.2.7 2.3 2.4 2.5 2.6 2.7 2.8 2.9 2.10 3. 3.1 3.2 G R Ş....................................................................................................................... 1 Tez Amaçları ve çeriği ........................................................................................... 4 Tez Organizasyonu .................................................................................................. 5 Ulaşım Planlamasında Talep Analizi....................................................................... 6 Talep Analizi Aşamaları .......................................................................................... 8 Yolculuk Üretim ve Çekimi .................................................................................... 8 Yolculuk Dağılımı (Distribution) ............................................................................ 9 Yolculukların Ulaştırma Türlerine Ayrımı (Modal Split) ..................................... 12 Yolculukların Yola Atanması (Assignment) ......................................................... 14 TRAF K SAYIMLARINDAN O-D MATR S TAHM N ED LMES ................ 15 O-D Matrisinin Önemi........................................................................................... 15 Kullanılan Modeller............................................................................................... 16 Gravity (Çekim Modeli) ........................................................................................ 17 Entropi Modelleri................................................................................................... 20 Denge Modelleri .................................................................................................... 23 statistiksel Modeller ............................................................................................. 25 Sinir Ağı Modelleri................................................................................................ 25 Bulanık Mantık ...................................................................................................... 26 Değerlendirme ....................................................................................................... 26 O-D Matrisi Tahminine Ait Problem Detayları..................................................... 27 Yolculuk Dağılımı ve Yapay O-D Yaratımı.......................................................... 29 Çeşitli Çözümler .................................................................................................... 33 Yolculuk Sayıları Tabanlı O-D Matrisleri çin Maksimum Olabilirlik................. 34 Trafik Hacim Değerleri Tabanlı Maksimum Olasılık ........................................... 38 Akım Sürekliliğinin Varlığı................................................................................... 39 Diğer Yaklaşımlar.................................................................................................. 42 Özet........................................................................................................................ 43 O-D MATR S ÇÖZÜM YAKLAŞIMLARI........................................................ 44 Giriş ........................................................................................................................ 44 Yolculuk Modeli ve Yaklaşımlar ................................................................................. 44 ii

3.3 3.4 4. 4.1 4.2 4.3 4.4 4.4.1 4.4.2 4.5 4.5.1 4.5.2 4.5.3 4.6 5. 5.1 5.2 5.3 5.4 5.5 5.6 5.7 5.8 5.9 6.

Hacim Modeli ve Yaklaşımlar ..................................................................................... 50 Özet......................................................................................................................... 52 SAYISAL ÇÖZÜMLEME TEKN KLER ........................................................... 53 Giriş ....................................................................................................................... 53 Çift Adımlı Yaklaşım ............................................................................................ 53 Tek Basamak Yaklaşımı ........................................................................................ 56 Çözüm Yazılımları ve Özellikleri.......................................................................... 58 Bilgisayar Etmenleri .............................................................................................. 58 Matematiksel Etmenler.......................................................................................... 59 Alternatif Çözücüler ve Paket Programlar............................................................. 59 Microsoft Excel Çözücü ........................................................................................ 59 Matlab .................................................................................................................... 60 Queens-OD ............................................................................................................ 60 Özet........................................................................................................................ 61 YAPAY O-D MODELLER N N KARŞILAŞTIRMASI ..................................... 62 Giriş ....................................................................................................................... 62 Test Edilecek Yol Ağlarının Tanımı ..................................................................... 62 Test edilecek Eşitlikler .......................................................................................... 67 Başlangıç Matrisi Dengelemesinin Etkisi.............................................................. 68 Üniform Başlangıç Matrisinin Etkisi..................................................................... 79 Uygun Başlangıç Matrisi Etkileri .......................................................................... 94 Uygun Olmayan Başlangıç Matrisi Etkileri .......................................................... 94 Akım Süreliliğinin Etkisi....................................................................................... 95 Özet........................................................................................................................ 96 Sonuçlar ve Öneriler .............................................................................................. 97

KAYNAKLAR....................................................................................................................... 100 EKLER ................................................................................................................................... 101 ÖZGEÇM Ş............................................................................................................................ 115

iii

S MGE L O-D Tij tij Va Paij Cij STES Başlangıç – bitiş noktaları i – j noktaları arasında hesaplanan yolculuk sayısı i – j noktaları arasındaki mevcut yolculuk sayısı “a” kesitinden geçen trafik hacim değeri i – j bölgeleri arasındaki yolculuğun “a” kesitinden geçme olasılığı i – j bölgeleri arasındaki yolculuğun genel maliyeti iv .

.......3 Eşitlik 5............... Şekil 5..................23 Eşitlik 5...... Şekil 5............................................................4’ü kullanarak 5 bağlı yol ağı için optimum çözüm......................... Şekil 5.......... Şekil 5.......................20 Eşitlik 5................ Şekil 5.....1 16 Bağlı yol ağı............ Şekil 5....................21 Eşitlik 5.................3’ü kullanarak 2 bağlı yol ağı için optimum çözüm..................... Şekil 5............................................6’yı kullanarak 2 bağlı yol ağı için farklı katsayılarda optimum çözüm......... Şekil 5......................................................... Şekil 5.3 ki bağlı yol ağı.....................2 ki bağlı yol ağı........................................ Şekil 2.........5’i kullanarak 2 bağlı yol ağı için farklı katsayılarda optimum çözüm........ Şekil 5......................................2 Tez organizasyonu şeması.......................1 Beş bağlı yol ağı.12 Eşitlik 5........7’yi kullanarak 2 bağlı yol ağı için optimum çözüm............7’yi kullanarak 5 bağlı yol ağı için optimum çözüm..........1’i kullanarak 5 bağlı yol ağı için optimum çözüm..22 Eşitlik 5...3’ü kullanarak 5 bağlı yol ağı için optimum çözüm......................... .............6’yı kullanarak 5 bağlı yol ağı için optimum çözüm..4’ü kullanarak 5 bağlı yol ağı için farklı katsayılarda optimum çözüm........8’i kullanarak 5 bağlı yol ağı için optimum çözüm.....8 Eşitlik 5.................. Şekil 5..................................................... Şekil 5.................... Şekil 2......4 Eşitlik 5........9 Eşitlik 5................... .....5’i kullanarak 5 bağlı yol ağı için farklı katsayılarda optimum çözüm...10 Eşitlik 5...6’yı kullanarak 5 bağlı yol ağı için farklı katsayılarda optimum çözüm............................................8’i kullanarak 2 bağlı yol ağı için optimum çözüm..................................5 Eşitlik 5.........3’ü kullanarak 5 bağlı yol ağı için farklı katsayılarda optimum çözüm............2’yi kullanarak 5 bağlı yol ağı için optimum çözüm...........................3’ü kullanarak 2 bağlı yol ağı için farklı katsayılarda optimum çözüm...7 Eşitlik 5...............16 Eşitlik 5............... Şekil 5............................................. Şekil 5.............1 Planlama şeması..2 Beş bağlı yol ağı...........................6 Eşitlik 5...................... Şekil 5.................. Şekil 5.17 Eşitlik 5............................................2’yi kullanarak 2 bağlı yol ağı için optimum çözüm.............................13 Eşitlik 5............................................ Şekil 5................................... 2 6 29 34 43 63 66 71 72 73 74 75 76 77 78 81 82 83 84 86 87 88 90 91 92 93 v ................ Şekil 5....... Şekil 5............14 Eşitlik 5..... Şekil 5.... Şekil 2.........18 Eşitlik 5. Şekil 5................................... .. Şekil 1.11 Eşitlik 5........4’ü kullanarak 2 bağlı yol ağı için farklı katsayılarda optimum çözüm.....................................ŞEK L L STES Şekil 1......

..9 Çizelge 5...... ................................................................................................. 11 Trafik atama modelleri...................................8 Çizelge 2....... 43 Beş bağlı yol ağında bağ trafik hacim değerleri...................................................3 Çizelge 2................................... 64 ki bağlı yol ağında bağ trafik hacim değerleri.................................................... ... 38 ki bağlı yol ağında bağ hacimleri.5 Çizelge 2.....................1 Çizelge 1. 35 Genel matris .3 Çizelge 5.... 38 Çizelge 2.....4 Çizelge 2....................... 35 Potansiyel matris........................................... 66 Üniform başlangıç matrisi için optimum sonuç karşılaştırması.....5 Çizelge 5......................6 Çizelge 2. 32 Gözlemlenmiş bağ akım değerleri...7’ deki trafik değerlerine göre kaynak matris..... 35 Beş bağlı yol ağı için olası çözümler........................................................................................................................................... .......................................................... 14 Yapay O-D sürecinin ve yolculuk dağılımının tamamlayıcı özellikleri... ..................................1 Çizelge 5..... ....... 63 Beş bağlı yol ağı için uygun O-D yolculuk matrisi.............. ........ 31 Yolculuk dağılımı ve yapay O-D yaratımı karşılaştırması.......... 7 Örnek ulaşım etüdü matrisi..................7 Çizelge 2. .................1 Çizelge 2.......................... 66 ki bağlı yol ağı için çözüm alternatifleri..............7 STES Talep analizi akış çizelgesi ..............................................................2 Çizelge 1.. ........................3 Çizelge 2..........2 Çizelge 2....................................6 Çizelge 5...... ........4 Çizelge 5............. . 63 Beş bağlı yol ağı için çözüm alternatifleri.............Ç ZELGE L Çizelge 1......................... 80 vi ..................................................................... 66 ki bağlı yol ağında matris denklemleri....................2 Çizelge 5......... 36 Önceki anketlerden tahmin edilen trafik fraksiyon matrisi..............................

Aydın EREL’ e teşekkürlerimi sunarım. bilgi ve tecrübesi ile beni yönlendiren tez danışmanım Prof. nş.ÖNSÖZ Ulaşım planlaması. Jaume BARCELO ve Prof. Hesham RAKHA’ ya teşekkürlerimi sunarım. Müh Cengiz UNCU’ ya ve yayınlarından yararlanmam konusunda göstermiş olduğu yardımlardan dolayı Prof. Dr. Dr. Dr. ulaştırma mühendisliği alanında en çok ilgi toplayan konu olarak dikkati çekmektedir. Ulaşım planlamasında yolculuk taleplerinin belirlenmesi ve bu taleplerin yol ağı içerisindeki dağılımı. Ayrıca destekleri ile yardımlarını esirgemeyen çalışma arkadaşlarım Ulaştırma Teknikeri Samet Can BATI. araştırmaların en çok yoğunlaştığı kısımdır. Bu çalışmanın hızlı ve düşük maliyetli O-D matrisi elde edilmesi konusunda gelecekte yapılacak çalışmalara fikir vereceğini umut ediyorum. O-D matrisinin elde edilmesinde kullanılan yeni teknikler incelenerek bunların kullanılabilirliği test edilmiştir. Temmuz 2005 Taylan ENG N vii . Yüksek lisans tezi çalışmam süresince bana sürekli destek olan. talep analizinin yolculuk dağılımı aşaması üzerinde durulmuştur. Söz konusu talebin belirlenmesinde esas veriyi yolculuk sayıları ve bunların dağılımı oluşturmaktadır. Bu tez çalışmasında da başlangıç-bitiş matrisi (O-D matrisi) olarak tanımlanan.

bunlara ait model ve eşitliklerin örnek bir yol ağı üzerinde sayısal olarak test edilip tanıtılması amaçlanmıştır. en olası O-D yolculuk matrislerini oluşturmak için kullanılır. O-D Matrisi. . Ulaştırma Planlaması. düşük maliyetli yapay O-D tahmin teknikleri arayışı başlamıştır. Bu tekniklerde mevcut trafik hacim değerleri. Entropi. bazı parametrelerin kalibrasyonunda kullanılır. Bu tez çalışmasında da O-D matrislerinin elde edilmesine yönelik farklı yaklaşımlar ve teknikler incelenmiş.ÖZET Kent içi ulaştırma planlamasında yolculukların başlangıç ve bitiş noktalarına ait matris (O-D matrisi). çalışma hassasiyeti gerektirmesi sebebi ile yeni yöntemler bulmaya yönelmişlerdir. planlama aşamasının temel verilerinden biridir. Bu nedenle. bu yöntemler arasında. Talep Analizi viii . Bu konuda bugüne kadar bir çok yöntem önerilmiş. Bu yaklaşım esas alınarak trafik sayımlarından O-D matrisi elde etme fikri oluşmuş ve bunu elde etmek için değişik yöntemler önerilmiştir. Bugüne kadar O-D matrisini elde etmek için değişik yöntemler kullanılmıştır. Trafik Sayımları. bu yöntemlerin yüksek maliyetli olması. Yeni tekniklerin temelinde yatan düşünceye göre. maksimum entropi tekniklerine dayanan statik O-D problemlerinin çözümü için önerilen modeller ayrıntılı olarak incelenmiştir. Araştırmacılar. bir yol ağı üzerinde belli kesitlerde yapılan trafik sayımlarından elde edilen yolculuk sayıları ile geçmiş çalışmalardan elde edilen yolculuk sayıları arasındaki fark. Anahtar kelimeler: Trafik Mühendisliği.

the models and formulations belonging to these approaches are tested and aimed to introduce as a sample on a sample network numerically. Existing traffic volumes are used to estimate most likely O-D matrices in these methods. Traffic Counts. Keywords: Traffic Engineering. the researchers tried to find new methods.ABSTRACT Origin – Destination (O-D) matrix is the basic data planning process in the urban transportation planning. ix . various methods are suggested. Among these methods. Because the known methods are very costly and labor intensive. In these new methods. Entropy. more cost effective indirect or synthetic O-D estimation techniques have been developed. Using this approach as a basis the idea to obtain O-D trip tables from traffic counts is formed and for obtaining O-D trip tables. Transportation Planning. Demand Analysis. Up to today many methods have been suggested on this topic. Consequently. Up to today various methods have been used to obtain O-D trip tables. In this thesis the basic formulations that have been proposed to formulate and solve the static O-D problem are analysed. O-D Matrix. the method synthetically using link flow observations based on Maximum Entropy techniques is analysed in detail. differences between traffic volume counts of some links and priori traffic counts of the same links are used for calibration of some parameters.

kararların alınması ise ulaştırma sisteminin planlama aşamasını oluşturmaktadır. kaynak temininden çok organizasyonun verimliliğini ve rekabet gücünü arttırmak için var olan sabit tesisler. kapsamlarına. 1) Stratejik Planlama : Uzun süreçli. Ulaştırma sisteminin oluşturulması ve işletilmesi amacıyla yapılacak yatırımların belirlenmesi. altyapıya yönelik.1 1. işlevleri ve karşılıklı etkileşimleri organize edilmiş. taşıtlar ve personel gibi kaynakların optimum kullanımı ile ilgilidir. göz önüne alınan şehrin arazi kullanımına etki edip şehrin gelişmesini planlamak. Yalnız. ekonomik. insan ve yüklerin bir yerden başka bir yere iletimlerinin. Örneğin. belirli kısıtlar altında. GRŞ Kişilerin ve yüklerin yer ve zaman yararı sağlamak üzere bir yerden başka bir yere taşınması hizmetine “Ulaştırma” denilmektedir.1987). Ulaştırma sistemi ise. kısa süreçli sorun ve gereksinimlere yönelik planlama çalışmalarıdır. farklı düzeylerdeki kararların alınmasını gerektiren. Burada ulaşım sistemlerinin arazi kullanımı ile etkileşimi en önemli husustur. Planlama “belirli bir amaca yönelik problemi. kısa dönemli planlamanın büyük kısmının. orta vadeli bir süreci kapsar ve bu düzey. Bu tip planlama kısa sürede sonuçlarını verir. Stratejik planlamada amaç. ayrıntı düzeylerine. Ulaştırma planları. ekonomik ve kurumsal bileşenlerin kümesi şeklinde tanımlanmaktadır (Erel. istenilen koşullara uygun. 3) şletimsel Planlama : Günlük. optimum düzeyde çözme” olarak tanımlanmaktadır (Erel. sabit ve değişken faktörlerine. iyi tanımlanmış bir şekilde sağlanması amacıyla bir araya getirilmiş. çok sayıda olası karar seçenekleri olan karmaşık bir çevre içinde başarılması gereken bir karar verme süreci olarak tanımlanabilir. Taktik planlama. Kentin temelden değişimini öngörür. 2) Taktik Planlama : Daha kısa süreçli. aylık düzeyde hazırlanan. zaman boyutlarına. Ulaştırma toplumun gelişmesi üzerinde sosyal. sosyal. finansal maliyetlerine ve karar verme düzeylerine göre genel olarak aşağıda yer alan 3 düzeyde sınıflandırılabilir. haftalık. kent içi yol ağı daha fazla gelişemeyecek kentleri toplu taşıma sistemlerine ve dış bölgelerde planlanan yeni kentlere yöneltir. kültürel ve siyasal etkilere sahiptir. yıl veya birkaç yıl düzeyinde yapılan mevcut sistemi daha verimli kullanmaya yönelik planlama çalışmalarıdır. 2001). ilgili tüm fiziksel. on yıllar. mevcut yol ağlarını 10-20 senelik geleceğe uygun olarak projelendirmektir. Bu tanıma bağlı kalarak ulaştırma planlaması. özellikle alt yapı ve uzun dönemli planlamanın bir parçası olması gerektiğine ve de stratejik planlamanın adım adım . yirmi yıllar düzeyinde yapılan maliyeti yüksek planlama çalışmalarıdır.

ulaşım talebidir. işaretleme ve idari önlemler gibi uygulamalar vardır. Bu planlama. kavşak düzenlemeleri.1). Amaç ve Standartlar Karar Vericiler Merkezi ve Yerel Yönetimler Ulaştırma şletmesi Ulaştırma Sisteminin Mevcut Durumu Sorunların Belirlenmesi Çözüm Seçeneklerinin Üretilmesi Kaynak ve Kısıtlar Değerlendirme . Ulaşım Talebi Hedef. . sinyalizasyon.1 Planlama şeması. Planlama süreci içinde ulaşım talebi ve politikalar.Seçim Uygulama Şekil 1. 1. hedefler doğrultusunda mevcut sorunların belirlenip çözülmesinde etkin olan en önemli faktörlerdir (Şekil 1.2 gerçekleştirilmesine dikkat edilmelidir. Bu tip planlamada tek yönlü yollar.1 Ulaştırma Planlaması Esasları Kent içi ulaştırma planlamasında kullanılan temel veri. bugünkü alt yapının daha düşük maliyet ile daha iyi çalıştırılması ile ilgilidir.

bu genel anlamda pahalı ve uygulama güçlüğü olan bir yöntemdir. kentin farklı bölgelerindeki haneler ziyaret edilerek ev sakinlerinden günlük yolculuklarının nereden nereye olduğu. değerlendirilmesi yoğun ve yüksek maliyetli bir çalışmayı gerektirir. .Etiket Yapıştırma Yöntemi Kentin farklı yerlerinde özellikle otobüs ve minibüs durakları. Örnekleme metoduyla yapılan anket yöntemleri oldukça maliyetlidir. altyapı ve nazım plan çalışmaları için de önemli bir girdidir. O-D matrisi oluşturmak için sık kullanılan veri toplama yöntemleri genel olarak dört başlıkta sıralanabilir. diğer anketlere göre daha güç olmakla birlikte. belirlenmiş olan her bir başlangıç ve bitiş bölgesi arasındaki yolculuk taleplerini gösteren hücre değerlerinin oluşturduğu elemanların “n x n” boyutlu bir matrisidir. uygulama açısından kolay olmakla birlikte. anket yapılacak örnek büyüklüğünün tespiti. tren veya metro istasyonlarında kent içi yolculuklarını başlatan ya da bitiren kişilerle yapılacak yol anketleri. Bunlar: 1. Anketörlerin seçimi.Plaka Okuma Yöntemi 4. Bir belirli bir zaman aralığında kentin önceden belirlenmiş her bölgesinden diğer bölgelerine yapılan yolculuk sayılarının dağılımı O-D matrisi ile O-D matrisi. değerlendirme ve planlama açısından daha sağlıklı veriler sunmaktadır. vapur iskeleleri. Ev anketleri ile O-D matrisine ulaşmak mümkün olsa da.Anket Yöntemi (Doğrudan sorarak ya da posta yolu ile) a) Yol Anketleri b) şyeri Anketleri c) Ev Anketleri 2. şyeri anketleri için. O-D matrisi değerleri ulaşım planlaması dışında trafik. araç sahiplilikleri gibi veriler toplanır. Ev anketlerinde. sürekli hareket halinde çalışanlar ile çalışmayanların hesaba katılmaması önemli bir eksiklik olarak dikkati çekmektedir. Ev anketlerinin uygulanması. anketlerin kodlanması. Bu yöntemde sadece sabit bir yerde çalışanların dikkate alınması. eğitimi. gelir düzeyleri. gösterilmektedir.3 Ulaşım talebi belirlenirken. bunların bölgeler arasındaki dağılımının saptanması ve anketlerin değerlendirilmesindeki zorluk bu yöntemin sakıncaları arasındadır. kentin farklı yerlerindeki işyerleri ziyaret edilerek buralarda çalışan kişilerden işe geliş – gidişleri konusunda bilgi alınır.Trafik Sayımları 3.

Bir O-D matrisi plaka okuma. kent gelişimine ait etkin faktörlerde oluşacak değişimlerin etkisini yansıtmada yetersiz kalmaları gibi dezavantajlarından dolayı da pek rağbet görmemektedirler.4 Yol kesitlerinde trafik sayımı yöntemi ise. için tekrar bir inceleme- 1. mevcut ulaşım talebinin bir sonucu olduğu dikkate alındığında. Çoğu ulaştırma düzenlemelerinde. Bütçe. kentin ana arterleri üzerinde bazı noktaları belirleyerek zirve saatlerde bu noktalardan geçen araç sayılarının. eğer arazi kullanım karakteristikleri değişir ise yolculuk talepleri de değişecektir. pahalıya çıkmakta ve çalışma hassasiyeti gerektirmektedir. Örneğin. planlama hedefleri açısından yolculuk matrisine ihtiyaç duyulur. Yol üzerindeki mevcut trafik akımının. zaman ve çalışma ortamı kısıtlarından dolayı konuyla ilgili araştırmacılar yolculuk matrisinin kısa sürede ve düşük maliyetle oluşturulması için alternatif yöntemler aramışlardır. Bundan dolayı önceden hesaplanmış yolculuk matrisi çok kısa zamanda güncelliğini dolayısıyla geçerliliğini yitirebilir ve elde etme maliyeti yüksek olan yolculuk matrisi araştırma yapılması ihtiyacı doğar. etiket yapıştırma. Bu tür incelemeler zaman kaybına neden olmakta. Bu çalışmada da O-D yolculuk matrisinin daha güvenilir ve daha hızlı bir biçimde elde edilmesi için bu güne kadar ortaya konmuş yaklaşımlar ve bunlara ait sayısal çözüm örnekleri incelenerek bu konuda geliştirilmiş yöntemler araştırılmıştır. ev anketleri.2 Tez Amaçları ve çeriği Doğru ve hızlı O-D matrisi elde edebilmek. Buna ek olarak bu yaklaşımların çoğu örnekleme hataları içermektedir. maksimum entropi yaklaşımını esas alan farklı modeller kullanılmıştır. Çoğunlukla konu ile ilgili daha önceden yapılmış çalışmalarda geliştirilmiş altı farklı model ve bunların çözümünde kullanılan bazı varsayımlar değerlendirilmiştir. güvenilir bir model kullanılarak bu yolculukların başlangıç-bitiş noktalarının belirlenmesi. aralarındaki artılar ve eksiler . pahalı analizlere ihtiyaç duyulmadan yolculuk dağılım matrislerini elde etmek için çeşitli teknikler bulunmuştur. Çalışmanın sayısal örnek kısmında. ulaşım sistemi planlaması ve yönetimi için önemli bir avantajdır. Sayısal örneklerde maksimum entropi yaklaşımı ile halihazırda kullanılmakta olan klasik O-D Matrisi elde etme yöntemi karşılaştırılarak. yol üzeri anketleri gibi bilinen incelemeler ile elde edilmiş olabilir. tiplerinin ve yolcu sayılarının kaydedilmesini içermektedir. aşağıdaki literatür araştırmasında açıklanacağı gibi. 1970’lerin başından bu yana. Bu klasik yaklaşımlar. yani O-D matrisinin oluşturulması sağlanabilir.

1. Her bir modelin avantaj ve dezavantajları tartışılmıştır. Çalışmanın ilk bölümünde. Maksimum entropi tekniğine dayalı O-D matrisi elde etmeye yarayan farklı modeller. • O-D matrisi tahmin sürecinde kullanılan eşitliklerin ilk halinden. Bir model oluşturma çalışması. kinci bölümde. Karşılaştırmalı bir yöntem ise hangi modelin daha kolay ve doğru OD matrisi elde etmeye yaradığına karar verilmesine yardım edecektir.2’ de gösterilmiştir.5 ortaya konmaya çalışılmıştır. .3 Tez Organizasyonu Yukarıda bahsedilen çalışmaları doğru bir şekilde incelemek. Bu amaca uygun olarak hazırlanan çalışmanın organizasyon şeması Şekil 1. Bu çalışmada öne sürülen varsayımlara dayalı O-D matrisi elde etme teknikleri incelenirken aşağıdaki amaçlar göz önünde tutulmuştur: • Yolculuk sayılarına ve trafik hacim değerlerine dayalı yöntemler olarak isimlendirilen 2 tip yapay O-D modelini göstermek ve karşılaştırmak. O-D matrisinin talep analizinin içindeki yeri ve önemi vurgulanmıştır. Bu araştırma. • Bu varsayımlar kullanılmak istendiğinde geçerli olan sonuç O-D çözüm sürecinin nasıl olduğunu göstermek. bu amaçla kullanılan özel bir formüle ait güçlü ve zayıf yönleri anlamayı sağlar. iki farklı yol ağı üzerinde test edilmiş ve çeşitli koşullar altında oluşan etkiler incelenmiştir. kullanılan modellerin farklı sınıflandırmalarını içerir. trafik hacimlerine dayalı O-D yolculuk matrisi elde etmeyi anlamak için önce literatür araştırması yapılmıştır. sonuçta elde edilen eşitliğe kadar kullanılacak tüm önemli varsayımların ve sonuç çözümünde de bu varsayımların anlamlarını göstermek. bu tez için yapılmış olan literatür araştırması yer almaktadır. • Kullanılan farklı eşitlikler ve bunların çözümünü kolaylaştıran bazı yazılım paketlerinin uygulanabilirliğini test etmek. tez amaçları ve içeriğinden bahsedildikten sonra ulaşım planlamasının ilk adımı olan talep analizi anlatılmış.

2 Tez organizasyonu şeması. bugüne kadar yapılmış çalışmaların ışığı altında elde edilen sonuçlar özetlenmiş ve gelecekte yapılacak araştırmalar için daha önceki araştırmacıların önerileri dikkate alınarak bazı genel tespitlerde bulunulmuştur.Bölüm: Sayısal Çözümleme Teknikleri Şekil 1. Ayrıca. en olası O-D yolculuk matrisinin elde edilmesinde kullanılacak iki farklı çözüm yaklaşımı tanımlanmış.Bölüm: O-D Matrisi Elde Etme Modelleri 3.Bölüm: Yapay O-D Modellerinin Karşılaştırılması 4. Beşinci bölümde.4 Ulaşım Planlamasında Talep Analizi Giriş bölümünde de kısaca değinildiği gibi talep analizi bir ulaşım ağında hareket eden yolcuların nereden nereye. Altıncı bölümde. yapılan çalışmalarda yolculuk modeli ve hacim modeli arasında uyumluluğun nasıl sağlandığı konusundaki araştırmalara yer verilmiştir. maksimum entropi ya da minimum bilgi tekniği detayları tartışılmaktadır.Bölüm: Sonuç ve Öneriler 5. bu iki yöntemin detayları anlatılmıştır. Örnek sayısal yaklaşım. iki farklı yol ağı üzerinde farklı yöntemler ile elde edilen çözümler karşılaştırılmıştır. . hangi koşullarda ve sayılarda. hangi alt sistemleri kullanarak ve de hangi yollar üzerinden ulaşım faaliyetini gerçekleştirdiklerini belirlemek amacıyla yapılmaktadır. 1. bu yaklaşımların uygulanmasında kullanılan bazı yazılım paketlerinden de bahsedilmiştir. diğer alternatif eşitlikler ile karşılaştırılmış. Üçüncü bölümde.6 1. Bu tekniğin uygulamasında kullanılan iki temel modelden bahsedilmiştir. Dördüncü bölümde.Bölüm: Giriş 2.Bölüm: O-D Matrisi Çözüm Yaklaşımları 6.

of Statistics and Operations Research. . Dept.1’ de talep analizi sürecinin akış diyagramı gösterilmektedir. Amaçların açıklanması. Çizelge 1. Jaume Barcelo’ nun “Notes on Optimization Models for Transportation Analysis” başlıklı seminer notlarından. analiz yapılan bölgeye ait ulaşım altyapısı ihtiyaçlarını ve bu ihtiyaçlar doğrultusunda gelecek için alınacak plan kararlarını belirlemek için kullanılmaktadır.7 Talep analizi sonucunda elde edilen veriler.1 Talep analizi akış çizelgesi * Veri toplama. Universitat Politecnica de Catalunya Barcelona. Strateji seçimi SOSYOEKONOM K VER LER ve ARAZ KULLANIMI ZONLARA AYIRMA ULAŞTIRMA ALTYAPISI TALEP ANAL Z : O-D MATR S TAHM N AŞAMA I YOLCULUK ÜRET M ve ÇEK M MODEL TAHM N ve MODELLEME YOLCULUK DAĞILIM MODEL AŞAMA II TÜREL AYRIM MODEL YOLCULUK ATAMA MODEL Değerlendirme AŞAMA III ALTERNAT FLER N DEĞERLEND R LMES SONUÇLAR * Prof. Çizelge 1.

eğlence. idari kademelerin olduğu yerler. Talep analizinin dinamik yapısı içinde gelecek için yapılan projeksiyonlar bazı varsayımlarla olur. Generation . Böyle bir durumda. NEREDEN? NEREYE? (Yolculuk Başlangıç – Bitiş noktaları ) NASIL? ( Hangi tür araçla ) N Ç N? ( Yolculuk sebebi. tercihleri ortaya konarak mevcut ulaşım durumu tahmin edilir. Bu aşamada öncelikle etüt yapılacak yerin sınırları ve bu saha içinde eşdeğer özelliklere sahip zonların sınırları belirlenir. Örneğin. daha önceden belirlenmiş olan ve belirli bir amaç .4. (Üretim – Çekim. (Yolculuk Dağılımı – Trip Distribution) Yolculukların ulaştırma alt sistemlerine dağılımı. 1. gibi) NE ZAMAN? ( Düzenli yolculuk zamanlarından zirve saati yakalama ) HANG GÜZERGAHDAN? (Alternatif yollardan hangisinin kullanıldığı ) gittikleri belirlenir. O-D matrislerinin oluşturulması.Attraction) Yolculukların zonlara dağılımı. Bu aşamada aynı zamanda halkın ulaşım olanakları. ticaret alanları gibi.4. (Türel Dağılım .. kültür merkezleri. Bu amaçla insanların..1 Yolculuk Üretim ve Çekimi Ulaşımda üretim ve çekimi belirlemenin bilinen ve en sık kullanılan yolu.8 1. Klasik anlamda talep analizi şu bölümleri içermektedir: Çalışma bölgesindeki zonlara ait yolculuk üretim ve çekim değerlerinin tahmin edilmesi.Modal Split veya Tür Seçimi – Mode Choice) Ulaşım talebinin yol ağına atanması. okul. planlamada değişikliklerin yapılması kaçınılmaz olur.1. Oysa kentsel gelişme bu varsayımlara uymayabilir veya bazı gelişmelerin gerçekleşmesi mümkün olmayabilir. doğrudan bilgi kaynağı durumundaki insanlara. Bu bölüme yolculuk talep analizi denir. iş. endüstri. (Trafik Ataması – Traffic Assignment) Talep analizinde yapılan çalışmalar statik bir sürece sahip değildir.1 Talep Analizi Aşamaları Bir planlama çalışmasında yapılacak ilk çalışma etüt çalışmasıdır. konut bölgeleri.

yolda. Ev ve işyeri anketleri metodu. Anket. oluşturulan model yardımı ile geleceğe projeksiyonlarının yapılması sonucunda gelecekteki yolculuk üretim ve çekim değerleri tahmin edilir.1. yine bölgelerde mevcut tüm yolculuk çekimine eşit olduğu aşağıda yer . farklı zonlardan ortaya çıkan yolculuk üretiminin nasıl elde edileceğinden bahsedilmiştir. Bu etütler genelde şu yöntemler kullanılarak yapılır: • • • • Şoförle yol üzerinde doğrudan konuşma. Anket uygulamaları.2’ de açıkça görülmektedir. Çalışma alanının büyüklüğüne göre değişen bir zaman biriminde alan Çizelge 1. Yukarıda belirtilen yöntemler kullanılarak farklı zonlar arasında ortaya çıkan yolculuk üretim ve çekim değerleri tespit edilir.2 Yolculuk Dağılımı (Distribution) Bir önceki adımda. şaret yapıştırma yöntemi. tüm yolculuk üretiminin. bu veriler kullanılarak yolculuk üretim ve çekim matrisleri oluşturulur. yolculukların niteliklerini belirleyen temel etütlerdir. Geleceğe ait yolculuk değerleri belirlenirken kente ait gelişme eğilimleri ve nazım plan kararları da dikkate alınmalıdır. insanların bulundukları yerlerde. Bu matris bize önceden belirlemiş olduğumuz zonların mevcut yolculuk üretim ve çekim değerlerini verirken söz konusu zonların sosyo-ekonomik verilerinin de elde edilmesini sağlayacaktır. Yolcularla duraklarda konuşma. Bu uygulamaya kısaca anket denilmektedir. 1. Trafik sayımları. örneğin evlerinde. Bu anket uygulama yöntemlerinin dışında. Posta kartı metodu.9 doğrultusunda oluşturulan soruları yöneltmektir. Çalışma yapılan zonlarda yolculuk üretim ve çekimini belirlemede etkin olan faktörlerin tespiti için anketler en önemli veri kaynaklarıdır. araç içinde ve iş yerlerinde yapılabilir. istenilen verilere ulaşabilmek amacıyla aşağıdaki farklı veri toplama yöntemleri de uygulanabilmektedir: • • • Araç plaka numaralarının kaydedilmesi.4. Bu yolculuk değerlerinin.

. Daha kısa açıklamak gerekirse. birinci adımda belirlenmiş yolculuk üretim . hangi genel etkenin bunda rol oynadığı bilinmelidir ki. Farklı zonlar arasındaki yolculuk talebi. Çizelgede yer alan örnek matriste zonların kendi içinde oluşan yolculuklar dikkate alınmamıştır.çekim değerlerinin. Çizelge 1. Farklı yöntemlerle belirlenen yolculuk dağılımlarının bir matris yapısıyla ifade edilmesi sonucunda O-D Matrisi elde edilmektedir. Bu faktörlerin dışında çalışma alanına ait nüfus. araç sahipliliği. Bu adımda yapılacak iş.2’ de verilmiş olan örnek matriste dikkat edilecek nokta. Bu aşamaya “Yolculuk Dağılımının Belirlenmesi” (Trip Distribution) denir.10 Yolculuk dağılımının modellenmesinde. cinsiyet. zonların ekonomik gücü ve arazi kullanımı ile olan ilişkileri önemli rol oynar. çalışan sayısı. son satır ve son sütun değerleri bulunmuş olan O-D matrisinin. diğer hücrelerine ait değerlerin bulunmasıyla yolculuk dağılımı elde edilecektir. vb. gibi sosyo-ekonomik faktörlerin de etkisi modelin içinde yer almalıdır. O-D matrisi oluşturma çalışması bu aşamada devreye girecektir. matrislerin kolon ve satırlarında belirtilir. birinci aşamada yapılmış çalışmaların değerlendirilip modelin uygulanması sonucu elde edilen değerler. Zonlara ait yolculuk talebinin diğer zonlardaki çekim noktalarına hangi kriterlere göre nasıl dağıldığı. zonlar arasındaki dağılımını bulmaktır. satırlardaki sayıların genel toplamlarının kolonlardaki sayıların genel toplamlarına eşit olmasıdır.. ileride ortaya çıkacak yolculuk talebinin bu etken altında dağılımı yapılabilsin.

ÜRET M 4 76 70 79 31 25 97 46 5 90 80 80 60 - 40 27 18 73 6 80 95 90 75 37 - 31 36 70 7 73 100 107 150 80 107 - 81 79 8 33 65 37 45 70 30 105 110 93 85 - 65 9 50 71 60 110 170 - Toplam Çekim 478 499 506 545 479 453 498 628 425 4511 Yolculuk dağılımını belirlerken dikkat edilecek bazı noktalar vardır. ZONLAR .11 Çizelge 1. şte bu tür faktörlerin bilinmesi ve formüle katılması gerekecektir. . Farklı nedenlerden dolayı trafik bu zon yerine başka yere gidebilir. Bunun da anahtarı.2 Örnek ulaşım etüdü matrisi. bir zondaki çekim kapasitesi her zaman karşılanamayabilir.ÇEK M Toplam 7 8 9 Üretim 1 2 3 4 5 6 1 - 50 30 40 20 60 50 80 70 100 33 30 42 410 300 339 504 468 514 777 598 601 4511 2 10 - 20 35 40 3 51 22 - 30 - 41 80 12 70 93 20 ZONLAR . Örneğin. bugünkü yolculuk talebinin zonlara dağılımının formüle edilmesinden geçer.

12 Bugünkü dağılım modeli bir kere bulunduktan sonra gelecekteki dağılım, aynı formül içine gelecekteki yolculuk üretimi, çekimi, zonlar arası yeni mesafeler, kent gelişimi ve sosyoekonomik faktörlerdeki değişim konarak elde edilir. Gelecekteki ulaşımın dağılımı için yaygın olarak iki yöntem kullanılmaktadır: 1. Analog veya “Büyüme Faktörü” (Growth Factor) metodu. Bunda bölgeler arası bugünkü ulaşım, muhtelif şekillerde belirlenen bir “Büyüme Faktörü” ile çarpılarak gelecekteki bölgeler arası ulaşım ortaya çıkar ( Fratar yöntemi ). 2. Sentetik veya “Zonlar Arası Ulaşım Formülü” metodunda, zonlar arası üretim ve çekim değerleri kullanılarak ulaşım dağılımının nasıl ortaya çıktığı, hangi faktörlerin etkisi altında olduğu araştırılır ve bu formüle edilir. Bu çalışmada belirli bazı fiziksel formüllerden yararlanılır. Bugünkü yolculuk dağılımının modellenmesinden sonra aynı modelde gelecek için tahmin edilen yolculuk talebi kullanılır ve gelecekteki yolculuk dağılımı bulunur. ( Gravity yöntemi ) 1.4.1.3 Yolculukların Ulaştırma Türlerine Ayrımı (Modal Split) Talep analizinin birinci ve ikinci adımında, zonların her birine ait toplam yolculuk yaratımlarının gelecekte ne olacağı ve bunun bölgeler arasında nasıl dağıtılacağı incelenmiştir ki bunlardan birincisi “Yolculuk Üretim ve Çekimi” (Production - Attraction), ikincisi ise Ulaşım Talebinin Dağılımı (Distribution) idi. Bu aşamalardan sonra, otomobil, toplu taşıma, yaya vs. gibi hangi türler ile ve ne miktarda yolculuk yapılacağına bakılmalıdır. Bu aşamaya: “Türel Ayrım” (Modal Split) denir. Türel ayrım esas olarak iki bölümde incelenir. Birincisi, ilk adımda elde edilmiş olan üretim ve çekim değerlerinin farklı türlere dağıtılmasıdır. Başka bir deyişle; yolculuk dağılımını belirlemeden önce yolculuk üretim ve çekim değerlerinin ne kadarının hangi ulaşım türünü kullanacağının tahmin edilmesidir. Örneğin: 1 nolu zonda üretilen yolculuğun özel araç ve toplu taşıma araçlarına dağılımının belirlenmesi gibi. kincisi ise, ulaşım formüllerinin türel seçimlerine bakılmadan, sadece zonlar arası yolculuk olarak formüle edilip, bunun zonlara dağılımı da elde edildikten sonra bunun ne kadarının özel otomobil, ne kadarının taksi, ne kadarının toplu ulaşım ile taşınacağı, ne kadarının yaya veya bisikletli olacağının belirlenmesidir.

13 Bunlardan başka, özellikle geleceğe dönük ulaşım politikası hedeflerinde, kentlerin yapabilecekleri yatırımların büyüklüğüne göre önceden bazı kabuller yapılır. Örneğin; “(A) kentinde kentiçi ulaşım, gelecek 20 yıl içinde, %60 toplu taşıma ile %40 ise özel araçlarla olacaktır” denilerek yatırım ve yasal düzenlemeler buna göre yapılmaya başlanır. nsanların ulaşım araçları seçimlerinde genel olarak aşağıdaki faktörler etkilidir:

1.Yapılan yolculuğun karakteristikleri: a. Yolculuk uzunluğu. Yolculuk uzunluğu, bölge merkezleri arasındaki kuş uçuşu yol olarak ölçülür. Bu toplu taşımacılık ve özel araçlar için ölçülür. Bazen bunun yerine kapıdan kapıya olan mesafe veya yolculuk süresi alınır. Toplu taşımada bu süre, duraklara kadar gidişi, bekleme sürelerini de kapsar. Genelde görülen, ev - iş yeri ve ev - okul yolculuklarında daha çok toplu taşımın kullanıldığıdır. b. Yolculuk amacı. Evden başlayan yolculuklarda (okul, işyeri gidişi) daha çok toplu ulaşım araçları kullanılır. Buna karşın alışveriş veya eğlence trafiğinde ise daha çok özel araç kullanılır. 2. Yolcu Karakteristiği: Yolcuların gelir durumu, eğitim seviyesi, yaş grubu, yolculuk amacı ve özel araç sahipliliği araç türü seçiminde önemli rol oynar. Özel araç sahipleri çoğunlukla toplu taşıma sistemini tercih etmez. Yolculuk süresi uzadıkça toplu taşıma sisteminin seçilme şansı artar. Ayrıca seçimde, özellikle alt ve orta gelirli sınıflarda, yolculuk masrafları da önemli rol oynar. 3. Sosyal ve Ekonomik Faktörler Ulaşım türünün seçiminde, yolculuğun başlangıç ve son noktalarının sosyo-ekonomik durumu da etkili bir diğer faktördür. Söz konusu yolculuğun yapıldığı bölgelerin ekonomik yapısı sahip olduğu ulaşım türü seçeneklerini de etkilemektedir. Bunun yanı sıra bölgenin sahip olduğu sosyal ve kültürel fonksiyonlar kişilerin türel seçimini etkileyeceği gibi, o bölgeye sunulan ulaşım hizmetlerinin alternatiflerini ve kalitesini de etkileyecektir. Tüm bu faktörler yolcuların türel tercihlerinde etkili olmaktadır.

14 1.4.1.4 Yolculukların Yola Atanması (Trip Assignment) Talep analizinin son aşaması “Atama” bölümüdür. Bu bölümde, kendi içinde homojen özellikler taşıyan farklı zonlardan oluşup yine bu zonlar arasına dağılan farklı türden yolculuklarla aynı noktaya giden alternatif güzergahlardan hangisini seçileceği ile ilgilenilecektir. Bu iki nokta arasında birkaç alternatif güzergah varsa bu yolların yolculuk süresi bakımından en kısa süreli olanı (diğer bir deyimle en az dirençlisi) ya da en kısa mesafeye sahip olanının seçilmesi sık kullanılan yöntemlerdendir. Böyle bir tercih yapılacağı varsayıldığında trafik yükünün tümü bu yol üzerine yüklenir. Bunu haricinde uzunluk, maliyet, zaman gibi kriterlerin dikkate alındığı denge atamaları da sık kullanılan atama yöntemlerindendir. Sıkça kullanılan trafik atama modelleri çizelge 1.3’te gösterilmiştir. Talep analizinde kullanılacak atama modeline karar verildikten sonra, talep analizinin ilk üç aşamasından elde edilen veriler mevcut yol ağına atanır. Yol seçiminde modeller aşağıda gösterildiği gibi dört grupta incelenir: Çizelge 1.3 Trafik atama modelleri.* KAPAS TE KISITLI DETERM N ST K HEPS YA DA H ÇB R PAYLAŞIMLI Hacim-Süre Modeli, En kısa yol** Denge Modeli KAPAS TE KISITSIZ En Kısa Yol Modeli

Tercih Modeli

*

Erel A., (2001), Ulaşım Planlaması I ders notlarından alınmıştır. Hacim-Süre modeli Ekler bölümünde anlatılmıştır.

**

. sayım yapılan yol bağlarındaki her bir başlangıç bitiş çiftinin toplamı hakkında doğrudan bilgi edinilmiş olunacaktır. Trafik . çalışılan bölgenin farklı zonları arasındaki yolcu sayısının ya da yük miktarlarının dağılımını göstermektedir. • Talep sınırlama politikaları (vergilerin arttırılması.15 2. trafik sayım değerleri ve araziden elde edilecek diğer bilgiler kullanılarak O-D matrisinin elde edilebilmesi çok önemli bir avantaj olacaktır. Mevcut yöntemlerle O-D matrisi tahmin edilmesi işi. çalışmayı yapanlar için yüksek maliyetli olmakla birlikte. Yolculuk dağılımının bilinmesi yapılacak planlama çalışmalarının esasını oluşturmaktadır. işletme ve planlama konusunda çeşitli potansiyel çözümler uygulamışlardır. daha düşük maliyetli. daha hızlı tahmin etmeyi sağlayacak yeni yöntemlerin geliştirilmesinin gerekli olduğunu ortaya koymaktadır. Ulaşım planlamasında yolculukların sayısal dağılımı O-D yolculuk matrisiyle açıklanır. O-D matrisleri yolculuk dağılımını belirlemek için kullanılır ve talep analizi içinde çok önemli bir yere sahiptir. Trafik sayımları ve araziden alınan verilerin gerçekte yolculuk dağılımı ve trafik atamasının bir sonucu olduğu düşünülürse.).1 O-D Matrisinin Önemi Bütün gelişmiş ve gelişmekte olan ülkelerin yaşadığı büyük sorunlardan birisi trafik problemidir. diğer veri toplama yöntemlerine göre hem daha düşük maliyetli hem de her zaman uygulanabilir olması sebebiyle. • • Toplu ulaşımı destekleme. Bu matris. otopark. Günümüzde nüfus değerleri ve arazi kullanımında yaşanan hızlı değişimler O-D matrislerinin geçerliliğini kısa sürede yitirmesine neden olmaktadır. gelecek için yapılacak yatırımlar konusunda da karar vermeye katkıda bulunacaktır. yolcular için de zaman kaybına neden olması ve de anketlerle elde edilen verilerin doğruluğundan emin olunamaması. Ulaşım yönetim stratejileri geliştirme (sinyal koordinasyonu. Tüm bu gerekçeler dikkate alındığında. benzin. oldukça avantajlı görülmektedir. O-D matrisini daha güvenilir verilere dayanan. Bu şekilde elde edilecek olan yolculuk talebi dağılımı bilgisi. TRAF K SAYIMLARINDAN O-D MATR S TAHM N ED LMES 2. Bu problemi hafifletmeye yönelik olarak karar vericiler (merkezi ve yerel otoriteler). eş zamanlı trafik yönlendirme gibi). diğer ulaşım masraflarının arttırılması.. ulaşım sistemindeki eksikleri ve yetersizlikleri belirlemeye yardımcı olmakla birlikte. Trafik sayımlarının veri kaynağı olarak kullanılması. Bu çözümlerden bazıları.

Bu tekniklerden en çok kullanılanı. zonların kendi içindeki yolculuklar dikkate alınmadığında ise “ N2 – N ” hücreden oluşacaktır. “Tij” değerleri ise tahmin edilmeye çalışılan O-D matrisi hücrelerinin bilinmeyen değerleridir. “Gelişmiş Trafik Yönetim Sistemlerini” (ATIS) de içeren “Akıllı Ulaşım Sistemleri” (ITS) üzerine odaklanmıştır. N adet zona sahip bir yol ağı içerisinde yer alan düğüm noktaları ve bağlar üzerinde elde edilecek O-D matrisi “N2 “ hücreden. Trafik sayımlarına dayalı O-D matrisi tahmin edilmesi alanında kullanılan çoğu model.16 sayımlarının gelişmiş otomatik sistemlerle yapılması. Bunlar: 1Çekim modeli gibi önceden yapılmış çalışmalardan elde edilmiş bir modelin yapısına bağlı kalınarak O-D matrisini tahmin etmek. Trafik sayımlarını veri olarak kullanan bir talep modeli elde etmek için her bir başlangıç noktasından her bir bitiş noktasına olan yolculukların takip ettikleri rotaların belirlenmesi çok önemlidir. . Bu sorunun çözümü için iki farklı yaklaşım önerilmektedir. 2. tahmin edilecek O-D matrisinin güvenilirliğini daha fazla arttıracaktır. Geçen birkaç yıl süresince trafik mühendisleri. Gözlemlerle elde edilen “Va” değerlerinin sayısı bilinmeyen “Tij” değerlerinin sayısından çok azdır. Entropi yaklaşımı ve model ayrıntıları aşağıda anlatılmıştır. Bu nedenle. bu a bağından geçecek akım değeri “Va” şu şekilde ifade edilebilir: V a = ∑ Pija xTij Bu eşitlikte yer alan “ Pija ” olasılık değeri kullanılan trafik atama modelinden elde edilmektedir. bu eşitlikten tek bir çözüm bulunması imkansızdır. Bu basitleştirmeler aslında çözüme daha çabuk ulaşmak için yapılmıştır. işletmede ve Akıllı Ulaşım Sistemlerinin çalıştırılmasında doğru ve hızlı O-D yolculuk matrisi üretim tekniklerine ihtiyaç duyulmaktadır. Bu ağ üzerinde i zonundan j zonuna yapılan yolculukların “a” bağını tercih etme olasılığı “ Pija ” ile gösterildiğinde. Planlamada. Farklı koşullar altında doğruluğu ve uygulanabilirliği test etmek için entropi temelli çeşitli modeller denenmiştir. bu bölümde bahsedilecek olan Maksimum Entropi yaklaşımıdır. basitleştirmek amacıyla çeşitli varsayımlar ve eklemeler yapılmış olan Maksimum Entropi yaklaşımına dayanır.2 Kullanılan Modeller Trafik sayımlarına dayalı O-D yolculuk matrisleri elde etmek için pek çok yöntem vardır.

4 nolu paragrafta anlatılacak olan “Yolculukların Yola Ataması” başlığı altında anlatılmış olan “Trafik Atama Tekniği”dir.Bu atama modelleri: a) Orantılı Atama: “ Pija ” trafik olasılık değeri ve Va trafik hacim değerinin birbirinden etkilenmediği varsayılır. yolculukların Newton’a ait çekim kuralına göre oluştuğu varsayımına dayanmaktadır.2. tıkalı ulaşım ağlarında oluşan trafik dağılımı içinde kullanılmakta olan herhangi bir yolun maliyeti alternatifleri arasında minimum maliyetli ya da diğerleri ile eşit maliyetli bir yoldur. yolculuk mesafesi. (Burada bahsedilen ilave bilgilerin en önemlisi bir başlangıç matrisinin elde edilmesidir. Atama modelinde trafik sıkışma etkisinin dikkate alınıp alınmamasına bağlı olarak Atama Matrisi elde edilir. Bu tip atama yöntemlerinde Va değeri. Bu modellerde. b) Denge Ataması Bu atama yönteminde yoldaki sıkışma etkisi dikkate alınmaktadır ve daha gerçekçi bir yaklaşım olduğu kabul edilmektedir. maliyetin minimum olduğu yollar tercih edilecektir. ilk üç grupta yer alan modeller en sık kullanılan modellerdir. Özellikle. Wardrop'un birinci prensibine göre. Kullanılmayan yollardaki maliyetler ise kullanılan yolların maliyetinden ya daha fazladır ya da eşittir.) Trafik sayımlarını kullanarak O-D matrisi tahmin etme çalışmalarında en önemli nokta 1.”All or Nothing” atamaları buna örnek gösterilebilir. trafik sayımının ve diğer parametrelerin (yolculuk maliyeti. Trafik sayım değerlerinden yararlanarak O-D matrisi elde etmek için kullanılan yöntemlerin en çok bilinenleri aşağıda altı başlık altında toplanmıştır. Denge ataması Wardrop'un denge prensipleri ile ifade edilmektedir. Bu yaklaşımı esas alan ilk model D.1 Gravity (Çekim Modeli) Bu modelde ana prensip. yolculuk başlangıç ve son noktalarındaki trafik akımları ile orantılıdır.2. O-D matrisleri. Low tarafından önerilmiştir. Çekim modelleri “Parametre Kalibrasyon Modelleri” olarak da adlandırılırlar.17 2Matrisin tahmini için gerekli olan ilave bilgileri en az seviyede tutmak için maksimum olasılık ya da maksimum entropi gibi tekniklerin kullanılması. 2. Genelde kullanılan atama yöntemleri iki grupta sınıflandırılmıştır. yolculuk süresi gibi) bir fonksiyonu olarak kabul edilirler. Çeşitli regresyon .1. Yolcuların trafikte oluşacak sıkışma etkisini dikkate almadan yol seçecekleri kabul edilmekle birlikte.

t ij = α (Oi D j d ij− n ) eşitliğine göre oluştuğu kabul edilir. dij n : direnim katsayısı : regresyon katsayısı. : i – j başlangıç – bitiş noktaları arasında “l” kesitini kullanan yolculuk oranı : “l” kesitindeki trafik akımı : i .2) olacaktır. Pij1 = 1. sosyoekonomik veriler. vb. Bu modelde sayımlardan elde edilen hacimler ve tahmin edilen hacimler arasındaki farklar ise en küçüklenerek sonuç çözümü elde edilir. Çekim modeline göre i ve j başlangıç – bitiş noktaları arasındaki yolculukların. istihdam. . parametrelerin kalibrasyonunda kullanılır. diğer durumlarda l kesitindeki trafik akımı: − V1 = ∑ t ij Pij1 = α ∑ Oi D j d ij 2 Pij1 ( ) (2. l kesiti i-j rotası üzerinde ise 0.1) T Tij tij : Toplam yolculuk sayısı : i – j başlangıç – bitiş noktaları arasındaki yolculuk matrisi : i – j başlangıç – bitiş noktaları arasındaki yolculuk sayısı Oi Dj : i – j başlangıç – bitiş noktalarına ait nüfus.18 teknikleri ve akım sürekliliği kuralı. (2.j noktaları arasında n yolculuk veya yolcu türüne göre yolculuk doğurganlık Pij1 Vl n X ij (genişleme) faktörü Cij : i – j başlangıç – bitiş noktaları arasındaki yolculuğunun genel maliyeti Cl(Vl) : l kesiti üzerindeki maliyet – akım fonksiyonu Yolculukların en ucuz yolu kullanacak şekilde gerçekleştiği kabul edilirse.

5) olacaktır. hesaplanmış değerler ile trafik sayımlarından elde edilen gerçek değerler arasındaki farkların karesi alınarak. Yolculuk yaratım faktörleri için sosyo-ekonomik değişkenler ve değişik matematiksel modeller kullanılarak modeli geliştirmek mümkündür. X1l ve X2l için çeşitli m değerleri kullanılarak en yüksek uyum sağlayan çoklu regresyon çözümünden “ α i “ parametreleri bulunur. Her bir bölgeden diğer bölgelere yapılan iş yolculuklarını belirleyen unsurlar her bölgedeki iş gücü (Fi) ile diğer bölgelerdeki istihdam (Ej) olacaktır. ş ve iş dışı yolculuklar için X1ij.3) (2. Herhangi bir bölgenin çekiciliği. en ucuz yol seçimi yerine çoklu seçim durumu modele katılabilir. Ayrıca i ve j bölgeleri arasındaki bağlantılar için. X1l ve X2l ise bağımsız değişkenler olarak alınıp . Yapılan yolculuklar iş ve iş dışı yolculuklar olmak üzere iki gruba ayrılabilir. . X1l ve X2l değişkenleri ile kesit bilgileri arasında anlamlı bir ilişki ortaya konarak yolculukların oluşumu açıklanabilir.19 Bu formülde “ α “ dışındaki tüm parametreler ve değişkenler bilinmektedir. X2ij doğurganlık faktörleri aşağıdaki gibi yazılabilir: X 1ij = Fi E j Cij− m − X 2ij = Pi A j C ij m (2. “ α “ parametresinin değerini bulmak için. bu farkların en azlanması yöntemi kullanılır. Bunun için Vl (l kesitindeki trafik değerleri) bağımlı değişken. nüfus.6) Eşitliği elde edilir. gelir ve harcama durumu gibi ölçütler ile belirlenebilir. V1 = α 0 + α1 X 11 + α 2 X 21 (2.4) Yapılan yolculukların i – j arasındaki en kısa yolu kullanacağı kabul edilirse bu yol üzerindeki herhangi bir l kesitinde: X 21 = ∑P X 1 ij 2 ij (2. ş dışı yolculukları belirleyen unsurlar ise her bölgeye ait nüfus (Pj ) ile diğer bölgelerin çekiciliği (Aj) olacaktır. “ α “ uyarlama parametresinin bulunabilmesi için şu regresyon modeli önerilmiştir. standart regresyon teknikleri yardımıyla.

O-D matrisi tahmin etmede. 2. Hogbag 1976) çekim modelleri olarak ikiye ayrılır. Gaudry and Lamarre 1978. kesin doğru olmayan ve yolculuk üretim yöntemini kullanan Gravity modellerine göre.1976.G. Smith and McFarlane 1978) ve doğrusal olmayan (Rolillhard 1975. Entropi. Willumsen tarafından önerilen modelde ise. Yakın zamanlarda. W (t ij ) = ∑t = T ∏ (t )! ∏ (t )! ij ij ij ij ij ij (2. Sistemlerde. kullanım alanına göre farklı tanımlara sahiptir.2 Entropi Modelleri Entropi.20 Çekim modeli yaklaşımı ile O-D matrisine ulaşmak için çeşitli modeller geliştirilmiş ve uygulanmıştır. O-D matrisindeki toplam yolculuk sayısının büyüklüğü ile mutlaka ilişkili değildir. Bütün bu modellerin ortak amacı sosyo-ekonomik verilere ve arazi kullanım verilerine dayanarak bölgeler arası çekim modeli kurmaktır. Ölçülebilir bir sistem özelliği olan entropi kavramı. sayım değerlerini temel veri kabul eden yeni çözüm yöntemlerinden birisi olan Entropi yöntemi. doğrusal (Low 1972. Aslında trafik sayımlarından bir yolculuk matrisi tahmin etmek için yukarıda bahsedilen yaklaşım.7) fadesinin en yüksek değeri alması ile sağlanacaktır. Entropi yaklaşımının modellemede en bilinen uygulaması. bir çöküş her zaman mevcuttur. ister en küçük. W(tij) ifadesinin yol kesit . yolculuk matrisini bir çekim modeline ya da önceden bilinen bir yolculuk matrisine mümkün olduğunca yakın hale getirmeye zorlamaktır. ulaştırma mühendisliği içinde kullanılan modellerde O-D yolculuk matrislerini elde edebilmek için trafik akımı sayım değerleri kullanılmaya başlanmıştır. L. Bundan dolayı modelin gerçeğe yakınlığı. yolculuk dağılımı için kullanılan tam kısıtlı çekim modelidir. W(tij) ifadesi toplam T sayıda yolculuktan oluşan matrisin kaç değişik şekilde oluşturulabileceğini vermektedir. Bu sayıyı en yüksek yapan tij değerleri en olası O-D matrisini oluşturacaklardır.2. isterse en büyük sistem olsun bir bozulma. en genel tanımıyla bir sisteme ait düzensizliğin ölçüsüdür. şte bu bozulma haline veya bozulmaya eğilim haline entropi denmektedir. ulaşım sistemi modellemesinde olasılık açısından ele alındığında yolculukların (tij) en olası dağılımı. Günümüzde pek çok disiplinde entropi fonksiyonları kullanılmaktadır. Sistemin düzensizliği arttıkça artış gösteren bir fonksiyon rahatlıkla bir entropi fonksiyonu olabilir. daha az hatayla ve daha kolay bir şekilde O-D matrislerinin elde edilebilmesi açısından bir avantajdır. Holm ve arkadaşları. Çekim modelleri.

10) (2.21 bilgilerinden gelen kısıtları sağlayacak şekilde en büyüklenmesi yöntemi ile O-D matrisine ulaşılmasını öngörülmektedir. W(tij) ifadesinin açılımı yerine yazılırsa:   ln W (t ij ) =  ln ∑ t ij !−∑ ln(t ij !)    ij  ij fonksiyonu elde edilir. amaç fonksiyonu aşağıdaki gibi yazılabilir. Kısıtlar Lagrange çarpanları ile çarpılarak amaç fonksiyonuna dahil edilir ve böylece kısıtsız bir en büyükleme problemi elde edilir.13) amaç fonksiyonunun en büyüklenmesidir. Model için.12) Bütün l’ler için kısıtları sağlanarak. * Stirling yaklaşımı Ek 1’de detaylı olarak anlatılmıştır.2. .9 eşitliğindeki amaç fonksiyonunun en büyüklenmesi olarak tanımlanır. Bu işlemin sebebi daha ayrıntılı olarak 4. Burada Stirling* yaklaşımı uygulanırsa:   ln W (t ij ) =  ln ∑ t ij !−∑ (t ij ln t ij − t ij )    ij  ij yazılır. Z = ln W (t ij ) (2.11) ∑t ij ifadesi toplam yolculuk sayısını veren bir sabit olduğundan ihmal edilerek yukarıdaki  model şu şekilde yazılabilir: V1 = ∑ Pij1t ij ij (2. “Çift Adımlı Yaklaşım” başlığı altında açıklanacaktır. (2.9) Burada W(tij) ifadesinin doğal logaritması alınmıştır.8) Bütün l’ler için kısıtları sağlanarak. ln W (t ij ) = −∑ t ij ln t ij −t ij ij ( ) (2. V1 = ∑ Pij1t ij ij (2. Bu işlem. bölümde. 2.

22   L = ∑ (t ij ln t ij − t ij ) + ∑ 1 λ1 V1 − ∑ Pij1t ij    ij ij   (2. Bu işlemler sonucunda elde edilen değerler L ifadesini en büyükleyen değerlerdir. Master of Science Thesis in Civil and Environmental Engineering. Zuylen ve Willumsen ilk yolculuk matrisinden itibaren ele aldıkları özel bir problem altında diğer yaklaşımlar ile birlikte minimum bilgi kullanarak problemin çözülebildiğini öne sürmüşlerdir.14) Bu ifadenin en büyüklenmesi gerekecektir. − λ 1 P1 t ij = e ∑ ij (2.buradaki ifade 12 kısıtında yerine konulduğunda (2..J. Önerilen modelde ilk O-D matrisinin güncelleştirilmesi amaçlanmıştır. Murchland*. Bu teknik. Van Zuylen (1980) tarafından önerilmiştir. En büyükleme için L fonksiyonunun karar değişkenlerine göre kısmi türevi alınarak sıfıra eşitlenip karar değişkenleri çözülür. V. Bu öneriyi takip eden diğer otoriteler “minimum bilgi” ve “maksimum entropi” kavramlarına dayanan iki yaklaşım Harinarayan. t ij = π 1 x1 Pij1 şekline dönüşecektir. * .15) (2. yolculuk ataması içinde yer alan denge modellerinin çözümünde kullanılan tekniğe benzemektedir.D. (1999) “Fundamental Properties of Synthetic O-D Generation Formulations and Solutions”.17)   V1 =  ∑ π 1 x1 Pij1  Pij1    ij  eşitliği elde edilir. ∂L = − ln t ij − ∑ λ1 xPij1 = 0 ∂t ij Bu eşitlikten elde edilen.16) ifadesinde el− λ yerine xl konulursa model. Hazırlanan modellerin çözümü için J. (2. “tekrarlı dengeleme algoritması” adını verdiği bir çözüm tekniği kullanmıştır. Van Zuylen ve Willumsen (1980) bu yaklaşımı trafik sayımlarındaki bilginin tam anlamıyla kullanılmadığını söyleyerek eleştirmişlerdir. P.18) Entropi yaklaşımını baz alan benzer bir model de H.

23 ileri sürmüşlerdir. Entropi maksimizasyonu bilgi minimizasyonunda olasılığın negatif ile bilgi minimizasyonu birbirine eşdeğer doğal logaritmasının en küçüklenmesi

anlamdadır. Entropi maksimizasyonu; entropi olasılığının en büyüklenmesidir. Buna karşın gerekmektedir. Yol sayımlarından yolculuk matrisi tahmini için genel eşitlikte mümkün olduğunca az bilgi kullanılması, bilgi minimizasyonu anlamına gelir. V. Zuylen ve Willumsen problemi çözmek için maksimum entropi yaklaşımını önermişlerdir. Bu yaklaşımların ortak özelliği; problemin çözümünde i – j bölgeleri arasındaki yolculukların toplam sayısını bir sabit olarak kabul etmeleridir. Ancak bu varsayım, bütün çalışmalar için her zaman geçerli değildir.
2.2.3 Denge Modelleri

Bu modeller, “Denge Prensibi Kuralı” veya “Wardrop lkeleri” diye isimlendirilen, trafik akımı içinde kullanıcı tercihlerinin belirlediği prensipleri esas alan modellerdir. Bu tip modeller kalabalık-yoğun alan analizi için daha kullanışlıdır. Genellikle mevcut bir O-D çifti arasındaki rota seçimi, bilinen bir O-D matrisinden alınmıştır. Bu gözlemlerle elde edilen trafik hacim değerleri kullanılarak yapılır. Trafik hacim bilgilerinden O-D matrisine ulaşmak için yukarıdaki yöntemler, yolculukların başlangıç – bitiş noktaları arasında en ucuz ya da k-ucuz (k > 1) yolu izleyecekleri varsayımını içermektedirler. Başka bir ifade ile “ Pij1 ” değerleri (i – j arasındaki yolculukların l kesitinden geçme olasılığı), “tij“ den (i–j arasındaki toplam yolculuk sayısı) bağımsız olarak ele alınmaktadır. Sang Nyugen ise, yollardaki trafik yoğunluğunun yüksek olması durumunda yolculukların Wardrop’ un birinci ilkesine göre atanarak denge durumuna ulaşılacağını belirtmiştir. Bu ilkeye göre herhangi bir başlangıç – bitiş ikilisi arasında kullanılan her bir bağın maliyeti, kullanılabilecek diğer tüm alternatif bağların maliyetine eşit ya da daha düşük olacaktır. Bu yaklaşımı esas alan modelin tanımlaması şu şekildedir:
' “V ' ”, i-j arasındaki bağlantılardan herhangi bir “l” kesitindeki trafik hacim değerini ve “ C ij ”

modellerde çözüme,

bilinen eski bir O-D bilgisini hedef alarak ulaşılmaktadır. Modeldeki düzenlemeler,

de i–j noktaları arasında kullanılan bağların toplam maliyetini vermektedir. Wardrop’ un
' birinci ilkesi gereği kullanılan bütün bağların maliyeti C ij dir. Herhangi bir kesitteki maliyet –

akım ilişkisi ise Cl ( Vl ' ) ile ifade edilmektedir. Buna göre denge durumu;

24

∑ C t = ∑ C (V )V
' ' ij ij ' l l l ij

'

l

ile sağlanacaktır.

(2.19)

' Buradan hesaplanan [tij] yolculuk matrisinin, gerçek yolculuk matrisi [ t ij ]’ ye eşdeğer olması

için, aşağıdaki koşullar tüm i-j çiftleri için sağlanmalıdır.

∑ C t = ∑ C (V )V
' ij ij ' l l ij ij

'

l

(2.20)

ve
' C ij = C ij

Buradaki Cij değeri, [tij]’nin yola atanması sonucunda i–j başlangıç ve bitiş noktaları arasında kullanılan yollarda oluşacak maliyetleri vermektedir. Bu koşulları sağlayan yolculuk matrisini elde etmek için öngörülen modelde,

l

Pij1 = 1

bütün (i,j)’ler için bütün l,i,j’ler için bütün (i,j)’ler için bütün l’ler için

(2.21)

Pij1 ≥ 0
t ij > 0 Vl = ∑ Pij1t ij
ij

l

' C l Vl ' Vli' = ∑ C ij t ij j

( )

Kısıtları sağlanarak,

Z min = Cl ( x )dx
0

v

(2.22)

Amaç fonksiyonunun en küçüklenmesi gerekmektedir. Burada esas hedef, uyulması istenilen ilk matris ile mümkün olduğu kadar örtüşecek bir yolculuk denge matrisi tahmin etmektir. Bundan sonra bu modeller O-D çiftleri arasında hacim değerlerini ve rotaları belirlemede kullanılır. Modeller çözüme ulaşıncaya kadar O-D üretimi ve trafik ataması arasında iterasyon yapılır.

25 Küçük bir ulaşım ağında yapılan testleri esas alan Nguyen, kullanıcı denge prensiplerini kullanarak yol ağına trafik ataması yapıldığında, kendi modeli ile ürettiği yolculuk matrisinin, gözlemlerle elde edilmiş yolculuk matrisi ile hemen hemen aynı olduğunu iddia etmektedir. Bu yaklaşımın en önemli dezavantajı çoklu O-D çözümlerinin olabildiği yerlerde benzer trafik eşleşmelerini tekrar üretebilmesidir. Bu yüzden, bir dağıtım tahmini için alternatif çözümlerden en olası yolculuk matrisi elde edilmesine ihtiyaç duyulmaktadır. Doğrusal Programlama Modeli, yol ağı üzerindeki tüm bağlar için özel bir hacim bilgisine ihtiyaç duyan kısıta sahiptir. Ancak eksiksiz veri her zaman elde edilemeyebilir. Sonuç olarak, Narayanan (1995) tarafından ortaya konulan “mevcut yol hacim bilgilerinin bir kısmını kullanarak yolculuk matrisi üretme” konusunda daha ileri çalışmalar yapılmıştır.
2.2.4 statistiksel Modeller

Bu modellerde, yolculuk matrisi istatistiksel teknikler ve geçmişe ait bilgiler kullnılarak tahmin edilmeye çalışılır ve Bayes tahmin yöntemleri ya da en küçük kareler gibi farklı teknikler kullanılarak sonuca ulaşılır. Maksimum entropi ya da minimum bilgi teknikleri, geçmiş çalışmalardan elde edilmiş bilgilerden belirli bir güven derecesinde sonuç vermektedir. Genel anlamda trafik sayımlarını esas alan tüm modeller, bağ akımlarına en uygun O-D matrisini bulur. Burada yakalanacak mükemmel uygunluk, sayımlarla bulunan trafik akımı hacim değerlerindeki hataların dağıtılması ile ilgili tahminlere bağlıdır. statistiksel modeller, bu dezavantajı yok etmeye çalışırlar. En küçük kareler yaklaşımı kategorisi içinde Mc Neill, Hendrickson (1985) ve Cascetta (1984) tarafından alternatif modeller ortaya konmuştur. Bu modellerin esas avantajı verilerin stokastik doğal yapısını dikkate almasıdır, ama buna karşın en olası yolculuk üretimi gerçeğini de yok saymaktadır.
2.2.5 Sinir Ağı Modelleri

Muller ve Reinhardt (1996) trafik sayımlarından O-D matrisi tahmin etmek için sinir ağı yaklaşımını ileri sürmüşlerdir. Chin ve arkadaşları (1994), trafik hacim değerlerinden O-D bilgisine ulaşmak için kendine has bir sinir ağı modeli açıklamışlardır. Sinir ağı modelleri, henüz geniş kapsamlı denenmediğinden, trafik akım verilerini kullanarak doğrudan sonuç alabilecek modeller arasında değildir. Bu modellerin daha hassas ve yeni testlerle değerlendirilmesi tavsiye edilmektedir.

trafik sayımları dışında sosyo-ekonomik verilere de ihtiyaç duyulmasından ve çalışma bölgesinin zonlara ayrılmasında güçlüklerle karşılaşılmasından dolayı. Dengeleme modellerinde ise trafik akımı – maliyet ilişkisinin bilinmesine gerek duyulduğundan çok sayıda başlangıç – bitiş noktası olması durumunda etkinliğini yitirmektedir. Trafik sayımlarından O-D matrisi elde etmeye yönelik çeşitli yaklaşımları içeren bu araştırma. Her bir yöntem kendi içinde avantaj ve dezavantajlara sahiptir. Bahsedilen model yaklaşımları içinde Gravity (çekim) modelinde O-D matrisine ulaşmak için. klasik anket yöntemlerine göre pek avantajlı olmadığı görülmektedir. Bu modelin Amerika Birleşik Devletleri’nde Doğu Otoyol Koridoru ağında test edildiği ve iyi sonuçlar elde edildiği bilinmektedir. Konu ile ilgili uzmanlar daha fazla test ve kontrollü deney desteği ile değerlendirme yapılmasını tavsiye etmektedir. öyle ki belirsizlik sistemin içine katılır. Entropi . doğrusal parametreli kalibrasyon modelleri.7 Değerlendirme Yolculuk matrisi elde etmeye yönelik yukarıda bahsedilen altı model için çeşitli çözüm algoritmaları kullanılmıştır. Çoğu modelde olduğu gibi hepsi ya da hiçbiri yaklaşımı yerine bulanık mantık yaklaşımında trafik verileri için bazı net olmayan (bulanık) bilgiler uygulanır. Maksimum entropi modeli ve doğrusal programlama (LP) modelleri. Bu çözüm algoritmaları için genel bir değerlendirme aşağıda yer almaktadır. statistiksel modellerde ise O-D tahmin için genellikle “en küçük kareler” yöntemi kullanılmaktadır. Ancak bu araştırmalarda genellikle uygulanan çözüm algoritması gösterilmemiştir. bulanık mantık modelleridir.2. Dengeleme modellerinde hata veren LINK O-D modeli. çözümde çoklu doğrusal regresyon yöntemini kullanırken doğrusal olmayan kalibrasyon modelleri ise doğrusal olmayan en küçük kareler yöntemini kullanırlar.6 Bulanık Mantık O-D matrisi tahmini için son zamanlarda kullanılan diğer bir yaklaşım da. 2. problemi çözmek için Frank-Wolfe algoritmasını kullanır. problemin ne denli karmaşık olduğunun bir göstergesidir.2. O-D Matrisi elde etmek için.26 2. verilmiş olan problemi çözen kendilerine ait özel bilgisayar yazılımlarına sahiptirler. Araştırmaların çoğunda problem yapay O-D modelinin üzerinde odaklanmıştır.

esas alan veya kullanılan bağlar üzerindeki her güzergah için düğüm noktalarındaki toplam yolculuk sayısını esas alan bir yaklaşım uygulanmaktadır. Burada amaç. Ayrıca bu tekniklerin içine akım yoğunluğu gibi kısıtların da yüklenebilmesi. Her O-D çifti arasında sadece bir rota olduğunda veya ölçülen trafik değerleri yol ağında başlangıç ve bitişler arasında denklik sağladığında otomatik ve dolaylı olarak rotalar için yeni bilgiler . kincisi ise. O-D matrisinin statik olarak hesaplanarak. 2. genel olarak yapılan yaklaşımları değerlendirirken. çalışılan bağdan geçen araçların rotalarının bilinmesi ve öncelikli olarak değerlendirilmesidir. O-D matrisinin elde edilmesine yönelik problemler. Bu iki tip probleme ait uygulamalar arasında her şeyden önce yapay O-D matrisinin üretilmesi problemi ilgi toplamaktadır. kinci hesap tekniğinde ise. hacim bilgisini. O-D matrisini doğru elde edecek yöntemin tayin edilmesidir. Birincisi. izlenen yollarda mantıklı kararlar alınabilmesi için hangi tekniğin kullanılacağı konusunda genel bir yorumda bulunmaktır. bu türdeki tüm problemlere ayrıntılı olarak bakılarak. çeşitli problem çözümlerinin belirtilmesi ve sayısal çözüm yöntemlerinin değerlendirilmesi konusuna ağırlık verilmiştir. O-D matrisi hesaplanırken rotaların tesadüfi olarak ortaya çıkmasıdır. “Sayısal Çözümleme Detayları” bölümünde. Statik yapay O-D üretimi problemlerinin içinde iki önemli durum tanımlanmıştır. trafik sayımlarına dayalı O-D matrisi elde etmek için en yaygın olarak kullanılan yöntemlerdendir. Minimum bilgi veya maksimum entropi teknikleri. ikinci problemin daha basit bir halidir. Önerilen hesaplama tekniklerinin birincisi. ikinci problem yapay O-D matrisi üretim problemini kapsamaktadır. gözlem yapılan zaman aralığında uygulama yapılması ve dinamik zaman periyotlarında gerekli bağlantı serilerinin hesaplanması şeklindedir. Tanımlanan ilk problem genellikle tahminler gerektiren yolculuk dağılımını kapsarken. hangi faktörün daha önemli olduğunun dikkate alınması ve eksik parametrelerin sonradan elde edilmesi gibi farklı detaylara bağlıdır.27 modellerinin veri olarak sadece yol kesitlerine ait trafik bilgilerine ihtiyaç duyması ve çözüm algoritmasının çeşitli büyüklükteki yol ağları üzerinde uygulanabilir olması nedeniyle trafik sayımlarını kullanarak O-D matrisi elde edilmesi konusunda daha avantajlı olduğu görülmektedir. Aslında ilk problem.3 O-D Matrisi Tahminine Ait Problem Detayları Bir trafik probleminin çözümü için kullanılan trafik mühendisliği ve ulaşım planlama kararlarının en önemli ve en hassas noktası. girdi bilgisi olarak yolculuk son noktalarındaki sayıların büyüklüğünü. hala daha sık ve geniş oranda kullanılmalarında etkilidir.

rota bilgisi tamamen elde edilen O-D matrisinden alınmaktadır.28 ortaya çıkar. geliştirilmiş sonraki modellerden de tutarlı sonuçlar elde etmek mümkün olacaktır. Tamamlayıcı akımlar da dikkate alındığında akım sürekliliği gerektiren teknikler kullanılmadan önce maksimum olasılık problemi çözülebilir. Bunun yanı sıra rotalar öncelikli olarak dikkate alındığı zaman iteratif çözüm yöntemlerinin kullanılması gerekecektir. Bu terim “T” olarak adlandırılır ve bu “T” yolculuk değeri ile ilgili bazı yaklaşımlarda bulunulmuştur. en azından olası çoklu çözümlere sahip yol ağlarında daha farklı bir yolculuk sayısı gerektirecektir. yol ağındaki her düğümde akım sürekliliğinin olduğu ve çeşitli O-D matrislerinin. faktöriyelli terimlerin logaritmasının Uygulamada . Bununla birlikte doğru sonucu bulma yolunda bu terimin çok küçük görülecektir. Konunun daha iyi anlaşılabilmesi için. Senaryoda akım sürekliliğinin olduğu statik yapay O-D problemleri iki farklı yolla formüle edilmektedirler. bireysel yolculuklara ait sayım değerlerinin esas olarak hesaba katılması iken. Bununla birlikte sonraki bölümde görüleceği gibi kullanılan başlangıç matrisi tam anlamıyla ilk model ile uyumlu olduğunda. kinci problem ise yol ağında veya düğümlerde akım sürekliliğinin olmadığı durumları içermektedir. Statik. akım sürekliliğinin elde edilmesini sağlayacak diğer tamamlayıcı bağlara ait trafik akım değerlerine ihtiyaç duyulur. başlangıç matrisinin eksikliği sonuçlarda tutarsızlık olarak görülecek. kinci durumda ise herhangi bir yolculuk dağılım analizine uyulmamakta. Başka bir deyişle yolculuk tabanlı modelde. rotaların bilindiği senaryolarda. Bu durumda çeşitli O-D matrislerinden en olası matrisin belirlenmesi gerekecektir. yaklaşık olarak trafik sayımı yapılan akımlarla uyumlu olduğu durumlardır. O-D matrisi sonuçları ile çelişkili olması durumudur. Bunların ilki. katkısının olacağı beşinci bölümde yer alan örnek uygulamada yaşanan zorluk. Diğer bir deyişle gözlemlerle elde edilen trafik akımı hacim değerlerinin. konu ile ilgili araştırma yapan araştırmacılar. Böyle bir durumda. Başlangıç ya da hedef O-D matrisinin kullanılabilirliği ikinci tip modelde kesindir. yapay O-D yaratım problemlerinin içinde. Yolculuk ile ilgili maksimum olasılık formülünün içinde yol ağındaki toplam yolculukların amaç fonksiyonunda yeri olacaktır. ikincisinde ise özel bir bağda yalnızca araçlara ait sayım değerlerinin esas olarak değerlendirmeye katılmasıdır. rotaların bilindiği durumların dikkate alınmasının daha uygun olacağı ileri sürülmektedirler. O-D matrisinde tek kesişimler. Bunların birincisi. fakat ilk modelde yetersiz kalabilmektedir. ana merkezler. iki adet alt problem tanımlanmıştır. tek yer değiştirmeler olduğunda veya otoyollar için hesaplamalar yapılmak istenildiğinde birinci durumun söz konusu olacağı açıkça görülmektedir.

15. 18 no’lu bağlar saat yönüne ters hareketi temsil etmektedir.1 16 Bağlı yol ağı. 3. Fakat bu yaklaşımlar. 5. 2.* 6 C 5 * Fundamental Properties of Synthetic O-D Generation Formulations and Solutions. 16. 14. 8 no’ lu bağlar ise bu bölgelere girenleri temsil eder. 4. Bundan başka 11. özellikleri tartışılacak ve sonuç O-D matrisi tahmini için yaklaşımların doğruluğu incelenecektir. 6.B. 1. Paramahamsan . Bu değerlerin gösterilmesi için Stirling’ in yaklaşımı kullanılmaktadır. (1999). leriki bölümlerde O-D matrisi tahmin probleminin çeşitli türleri.1’de görülen yol ağı değerlendirilmiştir. 4 bölgeden (A. 13.) Önce Stirling yaklaşımı uygulandıktan sonra. Bu şekil. 17 no’lu bağlar ağ çevresinde saat yönünde akışı sağlarken 12.29 alınmasındadır. (Faktöriyelli terimler içeren eşitliklerin türevlerinin alınması zordur.D) ve 16 bağdan oluşacak şekilde hazırlanmıştır.C. Çünkü problemi çözmek için alınması gereken türevler Stirling yaklaşımında kritik öneme sahiptir. 2. 7 no’ lu bağlar her bölgeden çıkış yapan bağları temsil ederken. H. 2 A 1 14 13 X 11 17 12 X 3 18 4 B 8 D 7 X 15 X 16 Şekil 2. Buradaki sonuçlar kritiktir. Willumsen tarafından geçmişte yapılmış başka bir yaklaşım kullanılarak bu yapay O-D problemi doğrusal bir regresyon problemine dönüştürülmüştür. sonuç çözümleri daha kolay elde etmeyi sağlarken. doğruluk derecesini de azaltmaktadır.4 Yolculuk Dağılımı ve Yapay O-D Yaratımı Yapay (sentetik) O-D matrisi üretimini daha iyi anlayabilmek amacıyla şekil 2.

Diğer bir deyişle.1’de iyi bir şekilde örneklerle açıklanmıştır.alışveriş merkezleri gibi zonlara ayrılırlarsa) zonlar arasındaki bağlar. Özellikle 1. 6 ve 8 no’lu bağlar ise zonların yolculuk çekimlerini temsil ediyorlar. 3. gerçek ve fiziksel yolları temsil edebilirler ve yapay O-D yaratım sürecinin içinde yer alırlar. A’ dan D’ ye trafiğin bilinmesini önemsiz hale getirir. Zonlar arası bağlantı yollarının asıl caddelere veya cadde gruplarına göre kukla bağ varsayıldığına dikkat edilmelidir. Bu yüzden. 4.30 Eğer yukarıdaki problem yolculuk dağılım problemi olarak kabul edilirse. 5. . eğer bu zonlar çok iyi tanımlanmış olarak bölünürlerse (ticari veya endüstriyel parklar. Herhangi bir yöndeki herhangi bir akımın değerlendirilmemesinin eksikliği. Yüksek lisans tezinden alınmıştır. bunlar yapay O-D yaratımı sürecinin girdileri içinde yer alamazlar. Yapay O-D üretim işi ve yolculuk dağılımı işi Çizelge 2. Fakat. içinde normal yolculuk dağılımı yapılacak ağlarda 11’den 18’e kadar olan bağlar değerlendirilmez. 7 no’lu bağlar zonlara ait yolculuk üretimini. sadece 1’den 8’ e kadar olan hatlar kullanılabilir olacaktır. 2.

* Bütün Hat tipi no 1 2 3 4 5 6 7 8 11 12 13 14 15 16 17 18 Bölgelerarası Bağlayıcı Yol Bölgelerarası Bağlayıcı Yol Bölgelerarası Bağlayıcı Yol Bölgelerarası Bağlayıcı Yol Bölgelerarası Bağlayıcı Yol Bölgelerarası Bağlayıcı Yol Bölgelerarası Bağlayıcı Yol Bölgelerarası Bağlayıcı Yol O-D Güzergahı Ara Bağı O-D Güzergahı Ara Bağı O-D Güzergahı Ara Bağı O-D Güzergahı Ara Bağı O-D Güzergahı Ara Bağı O-D Güzergahı Ara Bağı O-D Güzergahı Ara Bağı O-D Güzergahı Ara Bağı Akım Bilgisi 100 200 200 200 300 300 400 300 35 61 139 65 269 296 80 165 Yolculuk Dağılımında Kullanılan Bilgi 100 200 200 200 300 300 400 300 - Bağ Yapay O-D Üretiminde Kullanılan Bilgi 35 61 139 65 269 296 80 165 * Fundamental Properties of Synthetic O-D Generation Formulations and Solutions. Paramahamsan Yüksek lisans tezinden alınmıştır.1 Yapay O-D sürecinin ve yolculuk dağılımının tamamlayıcı özellikleri. H. (1999).31 Çizelge 2. .

76 82.00 90.45 B 34.2 Yolculuk dağılımı ve yapay O-D yaratımı karşılaştırması. sayımlarından 15 dk’lık matrisler elde etmek için 24 saatlik veya zirve saat periyodu matrisleri üretirler.00 207.75 C 13..75 0. ancak yolculuk yaratım eşitliklerine dayanan alan kullanımlarından tahmin edilir.15 54.95 0.78 25.00 C 11.00 Yapay O-D Üretimi A A B C D 0.00 208.32 Benzer şekilde.2’ de gösterilmiştir.26 D 57.71 79.00 59. Çizelge 2. Bununla birlikte eğer böyle bir geçici çalışma yapılırsa. Tabii ki bazı plancılar.* Yolculuk Dağılımı A A B C D 0.54 0. * .04 75.93 116. Örnek tahminler çoğunlukla 24 saatlik veya zirve saatler içindedir. yolculuk tahminleri 15 dakikalık periyotlar ile elde edilemez.89 0. yolculuk dağılımı için yapılacak değerlendirmede.63 22.74 B 34. yolculuk üretim ve çekim oranları sayım verileri kullanılarak elde edilemez.00 Harinarayan. 16 bağlı yol ağı için yolculuk dağılımı ve yapay O-D yaratım matrisi arasındaki ilişki çizelge 2. Oysa şu anda. mevcut yolculuk dağılımı matrisini bir kaynak matris olarak düzenlemek daha iyi bir yaklaşım olabilir ve daha sonra bu veriler yapay O-D yaratım matrisinde sistematik bir şekilde kullanılabilir.60 187.89 184. 15 dk’lık toplamlarla elde edilmiş O-D matrisini kullanarak yolculuk dağılımının da elde edilmesi neredeyse imkansızdır. (1999) “Fundamental Properties of Synthetic O-D Generation Formulations and Solutions”.77 0.71 70. P.17 118.00 60. Master of Science Thesis in Civil and Environmental Engineering.54 D 53.34 59. başlıklı tez çalışmasından alınmıştır.00 92.04 0.

Bu zamana kadar uzmanlarca bu konuda bir çok karmaşık yapıda modeller değerlendirilmiştir. Örneğin orijinal çekim modelinin olasılığı iki zon arasındaki uzaklığın karesi ile ters orantılıdır. Yolculuk dağılımı sürecinde modele eklenen ek bilgiler bazı kısıt ve engellerin açıklanması amacıyla kullanılmaktadır.Tij). burada “tij“eski yolculuk bilgisini temsil etmektedir. mevcut çeşitli çözümler içinden en uygun matrisi seçmek için ek değerlendirme yapılması gerekeceği belirtilmektedir. fonksiyonunu kullanarak matrisin olabilirliğinin hesaplanabileceğini belirtmek yeterlidir. Her iki yaklaşımdan da detaylı olarak ileride bahsedilecektir. Genellikle matrisin olasılığını doğrulamak için iki yaklaşım vardır. Burada fij = f (cij). Yapay O-D yaratım işinde ise yine 100x100 adet O-D hücresi hesaplanmakta ve sadece 1000 bağlantı kısıtlıdır. farklı zonlar arasındaki yolculukların genelleştirilmiş ücret fonksiyonudur. Bu durumda yolculuk dağılımı işi için 100x100 adet O-D hücresi hesaplanmakta ve bunlardan sadece 2x100 yolculuk kısıtlıdır. Yolculuk dağılımı problemini çözerken. fakat burada amaç mevcut tüm değişkenlerin “fij“ formunda genelleştirilmek istenmesidir. eğer ölçülmüş değerlerle 100 zon ve zonlar arası 1000 bağlantı olan bir bölge için O-D matrisi hesaplanmak istenirse burada bağlantılardan her birine ait birçok bilinmeyen ve birçok kısıt olacaktır. Bunlardan biri trafik sayım değerlerini incelemenin temeli olarak ele alırken.5 Çeşitli Çözümler Yapay O-D matrisi yaratımında yolculuk dağılımı süreci eldeki belirli bilgilere bağlıdır. Örneğin. yapay O-D üretim matrisini oluştururken bölgelere ait bağlantılardaki giriş çıkış akım değerlerini ve tij = T x fij / ∑ fij . genellikle başlangıç (kaynak) matrisi ile ilgilidir ve her iki yöntemle yapılmış önceki çalışmalardan veya farklı incelemelerden elde edilmektedir. diğeri yolculuk sayılarını incelemenin temel elemanı olarak kabul etmektedir. Şu anda açıkça anlaşılmamasına karşın bu direnç faktörlerinin (fij) hazırlanmasının amacı aslında ileride açıklanacağı gibi başlangıç matrisi tij’nin kullanılabilirliğini sağlamaya yöneliktir. Bu tür önceki bilginin eksikliğinde bunun yerine her hücresi düzenli ve üniform bir şekilde hazırlanan O-D matrisi kullanılmaktadır. Çeşitli çözümlerin olabilirliklerinin bulunması amacıyla yolculuk dağılımı ve yapay O-D yaratımı sürecinde.33 2. fakat şimdi her matris hücresi için L = F(tij. bölgesel yolculuk üretim ve çekim değerleri ile birlikte yolculuk direnç matrisini kısıt olarak kullanmak. tüm olası çözümler arasında en uygun O-D matrisini seçmektir. Yapay O-D yaratımı durumunda amaç. Bu eski bilgi. Fakat bu amaca ulaşmak için her matrisin olasılığının hesaplanması gerekmektedir.

2 Beş bağlı yol ağı.* Maksimum olasılık yaklaşımında.0 mikrosimülasyon programında çizilmiştir.4. Şekil 2. yapay O-D matrisini seçmek için. özellikle yolculuk dağılımı uygulamasından türetilen O-D matrisini başlangıç matrisi olarak kullandıklarında. Bazı bağlar sadece iki O-D çifti için bağlantıyı oluştururken (1. çok uzun bir geçmişi olan ve zor sorularla kurulabilen O-D tahmin matrisini yolculuk dağılımı sürecinde izlemişlerdir. yapay olarak elde edilen O-D matrisinin geçerliliğini soruşturmaktan daha çok klasik yolculuk dağılımı sürecinden tahmin edilen O-D matrisinin geçerliliğini sorgulamaktadırlar. hangi matrisin en olası olduğu değerlendirilirken bütün mantıklı çözümlerin iyice düşünülmesi gerektiği de * Şekil Aimsun NG 5.3’ ten ölçülen bağ akımları değerlendirilirse . Çizelge 2.4’ ten görüleceği gibi. eğer A’ dan C’ ye yolculuk sayıları x ise diğer yolculuk sayıları bütün O-D çiftleri arasından otomatik olarak bulunabilir. Bu benzerlik bir çok trafik mühendisini ve planlamacıyı cesaretlendirmiştir. 3 no’lu bağ tüm O-D çiftlerini taşımaktadır. .34 başlangıç matrisini kısıt olarak kullanmaya benzemektedir. yapay O-D yaratım sürecinde güzergah üzerinde yer alan bağlara ait ek bilgilerin de kullanılmasının sonuç matrisini daha doğru yapacağını kabul ettikleri bilinmektedir.6 Yolculuk Sayıları Tabanlı O-D Matrisleri çin Maksimum Olasılık Şekil 2. şu söylenebilir ki bu yol ağında birbirinden farklı matrisler oluşturulabilir ve ölçülen akımların yerine kullanılabilir. iki başlangıç bölgesinin iki bitiş bölgesine bağlantısını göstermektedir. Burada bilinen en büyük zorluk yapay O-D yaratımının daha az bilinmesi ve kullanılan tekniklere ait detayların anlaşılır olmamasıdır.5 no’lu bağlar).2. 2.2. kinci olarak ise artık plancıların. Yukarıdaki benzerlik görüldükten sonra artık plancılar. Öncelikle pek çok plancı. Eğer çizelge 2.

3 Gözlemlenmiş bağ akım değerleri. Benzer . kalan 80 yolculuğun 20 tanesinin A’ dan D’ ye olduğunu düşünürsek bu işi yapmak için 80! / (20! 60!) adet farklı çözüm olacaktır.5 Potansiyel matris C A B Toplam 20 50 70 D 20 10 30 Sum 40 60 100 100 kişilik bir toplulukta. 1 2 3 4 5 Gözlemlenmiş Hacim 40 60 100 70 30 Çizelge 2.Maksimum olasılığı tanımlamak için kullanılan yolculuk tabanlı yaklaşım.4 Genel matris C A B Toplam X 70 – X 70 D 40 – X X – 10 30 Sum 40 60 100 Çizelge 2.35 unutulmamalıdır. sayısı az olan yolculuklar için yapılan tüm matrisleri incelemektedir.5 deki matris. Bu durumda şekil 2. Hat No. A’ dan C’ ye 20 yolculuk olduğunu düşünülürse burada 20 yolculuk için (100! / 20! 80!) tane çözüm olurken. Çizelge 2. burada toplam 100 adet yolculuk olduğunu gösterir.2 ve çizelge 2.

çizelge 2.36 şekilde B’ den C’ ye 60!/ (10! x 50!) adet farklı yolculuk olacağı gibi B’ den D’ ye 10!/ (10!x 0!) tane seçilebilecek yolculuk olur. Bazı basitleştirmelerden sonra toplamda 100! / (20! x 20! x 50! x 10!) tane matris içinden yaratılabilecek 20.2. 50 ve 10 değerli basit bir yolculuk matrisi olur. geçmişte yapılmış çalışmalardan elde edilen bazı eski bilgileri hesaba katmaz. çizelge 2. Eğer bu başlangıç matrisi ölçülen bağ değerlerini açık şekilde göstermiyorsa.24’ de gösterdiği gibi maksimum olasılık fonksiyonuna göre genişletilebilir.6 Beş bağlı yol ağı için olası çözümler. Şekil 2.23) Üstteki model.6’ da verilmiştir Z (Tij ) = T! ∏ (Tij !) ij (2. 20. Eğer geçmişteki çalışmalar trafiğin bir fraksiyonunu gösteriyorsa. Genellikle bu sayı T!/( ∏ Tij ! ) şeklindedir. başlangıç matrisi çizelge 2. Talep Senaryosu 0 1 2 3 4 5 6 7 8 TAC 10 11 12 13 14 15 16 17 18 TAD 30 29 28 27 26 25 24 23 22 TBC 60 59 58 57 56 55 54 53 52 TBD 0 1 2 3 4 5 6 7 8 . Bu ağ için tüm olası çözümlerin olası sonucu çizelge 2. Çizelge 2. bu başlangıç matrisi eşitlik 2.7’ deki gibi bir trafik fraksiyon matrisi hazırlanarak.4 ‘ de tanımlanan tüm matrislerin birleştirilmiş olasılığını gösterir Bu şekilden çok açık görülüyor ki x: 28 en çok olabilirliği olan matristir.8 deki gibi kurulur.

37 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 21 20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 0 51 50 49 48 47 46 45 44 43 42 41 40 39 38 37 36 35 34 33 32 31 30 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 .

3 D 0.2’ deki ağda düzenli bir başlangıç matrisi kullanıldığında güçlü bir etki görülmez.25’ de gösterildiği gibi 300 yolculuk için çözüm sayısı bulunur. tij /( matrisine bağlıdır. C A B 0.2 deki gibi 5 bağlı yol ağı için örneğin 300 tane gözlenen değer olsun (30+70+100+40+60). . Bununla birlikte ileride gösterileceği gibi kesin ağ tipleri için bu özellik genelleştirilemez.4‘ te görüleceği gibi üsteki üniform olmayan başlangıç matrisi sonuçlarının farklı matris olarak kullanımı.7 Önceki anketlerden tahmin edilen trafik fraksiyon matrisi.7 Trafik Hacim Değerleri Tabanlı Maksimum Olasılık Alternatif bir maksimum olasılık modeli. Çizelge 2. Şekil ij 2. Bu nedenle “Tij” yolculuğunun olasılığı (tij / ∑ t ) üstteki başlangıç ij ∑ t )T olarak yazılır.24) 2. Maksimum : Z (Tij . t ij ) = ∏ ∏ (T )! ∑ ij ij ij T!    t ij     t ij   ij  Tij (2.2 0.38 Çizelge 2. ölçülen değerlerin en basit birimi olan trafik hacim değerlerini inceler.7’de de görüldüğü gibi potansiyel çözüm matrisi incelenirse eşitlik 2.8 Çizelge 2. Şekil 2.1 0. C A B 10 30 D 20 40 Burada söylenebilir ki i’ den j’ ye bireysel yolculuğun olasılığı. Bu sebepten dolayı başlangıç matrisi kullanılması doğru kabul edilmiştir. Bu nedenle Tij yolculuklarının olasılığı (tij / (∑ tij))^ Tij olarak yazılır. şekil 2. en olası O-D matrisini tanımlamakta etkileyici olacaktır. Buna zıt olarak.4 Çizelge 2. Eğer 40 yolculuk bir bağın değeri ise ve TAC ve TAD bağları doğrudan geçen yolculuklar ise bundan sonraki 30 yolculukta TAC ve TAD arasında bölünmüşse bu durum için grup sayısı 40! / (TAC! x TAD!) olarak bulunur.7’ deki trafik değerlerine göre kaynak matris.

t ij ) = ∏ a Va ! ∏ (T ij a ! ij Pij ) ∏ ij  t ij Pija   v  a     Tij Pija (2. Bu yüzden kısıtlı veya eşdeğer kısıtsız optimizasyon durumunda her iki amaç fonksiyonunda uygun çözüm alanı yoktur. Bu kısıtların en basiti. farklı bir yapıya sahip olmasına rağmen şekil 2. eşdeğer kısıtsız amaç fonksiyonuna dönüşmesini sağlar.2’ deki ağ için örnek gösterilebilir. Bu amaç fonksiyonu da önceki yolculuk tabanlı model (eşitlik 2.23) gibi en olası O-D matrisini tanımlar. leride görüleceği gibi. Örneğin şekil 2.39 Eğer bu olasılık tüm bağlar için hesaplanırsa. 70. Bu model aynı zamanda bölüm 3’ de tartışılacak olan minimum bilgi teorisine dayalı olarak da türetilebilmektedir. Eğer düğümlerde akım sürekliği yoksa. Trafik hacim değerleri tabanlı modeller ile belirgin bir farklılık taşımayan yolculuk tabanlı modellerde süreklilik sadece eşitlik 2.25’ deki olasılığı verir.26) Modelin tamamlanmasında basit eşitlik kısıtlarının hazırlanması problemi uygunluk sınırlarının dışına taşır. 100. Bölüm 3‘ te farklı modeller üzerinde daha detaylı açıklama yapılacaktır. Başka bir deyişle tüm ölçülmüş bağ hacim değerleri için en olası O-D matrisini bulmaktansa bağ akımları ile tam uyuşanlar için en olası O-D matrisi bulunması şeklinde yeniden formüle edilir. 2.26). bunların sonuçları eşitlik 2. . Va = ∑ Tij Pija ij ∀ a (2.25. yukarıdaki kısıtlar önceki amaç fonksiyonlarını da içeren ve Lagrange çarpanını kullanmak için en basit sistemdir. bağ akımlarındaki hataları minimize etmek için kullanılmaktadır. ölçülen bağ akımları ile eşleşebilen hazırlanmış bir O-D matrisi yoktur. Tercihen tamamen yok saymak yerine daha genel bir model. verilen bağdan geçen yolculukların toplamının bu bağdaki akım değerine eşit olacağıdır (eşitlik 2. Bu çarpanlar eşitlik kısıtları içeren amaç fonksiyonunun. Maksimum : Z (Tij . Özellikle bazı durumlarda bu genel bir çözüm değildir.8 Akım Sürekliliğinin Varlığı Olasılığı anlatan yukarıdaki modellere ait amaç fonksiyonlarının tamamlanabilmesi için ek kısıtlara ihtiyaç duyulur. 40 ve 60 dır.25) Eşitlik 2.2’ deki ağı değerlendirirsek buradaki gözlenmiş akımlar 30.24 ile sağlanabilmektedir.

O-D matrisine ait her bir hücrenin değerine uygun şekilde eşitlik 2. eşitlik 2. a ij Va' Va' = ∑T P ij ij ∀ a (2.29) . Bunun dışında. Langrange ise kısıtlanmış amaç fonksiyonuna sadece eşitlik kısıtı katabilir. eşitlik 2.28) Alternatif olarak eşitlik 2. Bu gösteriyor ki kısıtlanmamış bir amaç fonksiyonu.28’den alınan terimler.29 ‘u minimum yapmak demektir. Fakat eşitlik 2. eşitlik 2. bu türevleri sıfıra eşitlemek. eşitlik 2. kısıtlanmamış bir amaç fonksiyonu için hazırlanan tamamlayıcı bağ hacim değerleri ( Va' ) kullanılarak eşitlik 2. akım sürekliliği güvenilir düzeye eriştiğinde.23 ve 2. Ancak bu ifadeleri birleştirmek kolay değildir.29 maksimum olasılık fonksiyonuna eklenmezken.27) Bu amaç fonksiyonunda.29’da gösterilen bu yeni ifade. Bu tamamlayıcı akımlar.27’ ye dahil edilebilir. Minimum : Z (Tij ) = ∑ a  V a −  ∑ ij  Tij Pija   2 ∀ a (2. kabul edilebilir seviyede akım sürekliliğini sağladıklarında ölçülen bağ akımlarından ayrılırlar. Va ile uyumlu ve akım sürekliliğini sağlayan hacim değerleri.30’daki sonuçlar bir çok yolculuk hücresinin eşitliğidir. Bu tamamlayıcı bağ hacim değerleri. çünkü olasılık ençoklanırken diğer bir yandan bağdaki akım hatasının minimum olması istenir.28’deki kısıtlar.24’deki maksimumu aranan amaç fonksiyonunun minimize edilmiş halidir. amaç fonksiyonuna eşitlik kısıtı olarak eklenerek uygun çözüme ulaşılır MaksimumZ (Tij ) = ∑ (V a a − V a' ) 2 (2.31’daki gibi her zaman uygun bir çözüm sunar. Bu problemin bir çözümü.29’un kısmi türevini alınarak yapılır.40 Bir başka anlatım şekli ile.30 eklenebilir. Va : : Gözlem yapılan “n” bağına ait güncel trafik hacim değeri. Eşitlik 2. eşitlik 2.27 ‘deki hataların minimize edilmesini sağlamak ve eşitlik 2. Eşitlik 2. eşitlik 2. Eşitlik 2. O-D matrisinin elde edilmesi.27’de yerine konulabilir.28’deki akım sürekliliği kısıtını sağlamaktır.

Lagrange çarpanları kullanılarak doğrudan maksimum olasılık formülasyonu için kullanılabilir.41     0 = 2∑ Va .23 ve 2. Bununla birlikte daha geniş yol ağlarında eşitlikler ve bilinmeyenler bulunamaz hale gelecektir.Pija −  Pija ∑ ∑ Tij . maksimum olasılık probleminin daha önce çözüldüğü noktada akım sürekliliğine izin veren yeni tamamlayıcı bağ akımlarının bulunmasını kapsar ve akım sürekliliğini sağlamak için kısmi türevler hesaplanır. j ij  a  ij  a       ( ) (2.24 veya 2. bunun için özel bir eşitlik geliştirilmiştir ve QUEENS-OD olarak adlandırılmıştır.25’deki amaç fonksiyonlarını optimum hale getirir ve akım sürekliliği olmadığı zaman bağ akımlarındaki hatayı minimize etmeyi sağlar.32’de amaç fonksiyonunun (eşitlik 2. . çözüm için Stirling yaklaşımının * kullanılabilir olmasını sağlayacaktır.2 ∑ Va . eşitlik 2.24’deki iki amaç fonksiyonunun da logaritmasının alınmasını kapsar.31’ i maksimum yaparken. Yukarıda anlatılan doğrusal olmayan eşitlikler çeşitli sayısal analiz yazılım paketleri kullanılarak çözülebilir.Pija     ∀ i. en uygun çözümü bulmak için. Bundan başka. Çıktıları kolayca kontrol altına almak için amaç fonksiyonun logaritması alınır ve bu işlem. Bunlardan biri.33. türevini alarak amaç fonksiyonunu maksimum yapmak gibi basit bir yaklaşım yapılırken. önceden söz edilen kısmi türevler ile çoğaltıldığı zaman tüm matrisler içinde en olası O-D matrisini gösterecektir. logaritmaya dönüştürülmüş amaç fonksiyonunun türevini göstermektedir. * Stirling yaklaşımı ek 1’de detaylı olarak anlatılmıştır.Pija − ∑ Pija ∑ Tij Pija     a a  ij     ( ) ∀ i. j (2. Eşitlik 2. sonuçlar içinde büyük önem taşıyanları tespit etmek genellikle zordur. Eşitlik 2. Bu özel eşitlik 2. Bu yaklaşımlar.30) T! L≡ ∏ Tij ij  t ij  ∏ t  ij   Tij      − ∑ λij . Eşitlik 2. Bu kısmi türevler. Bu logaritmaya dönüştürülmüş amaç fonksiyonunun türevi.31) Yukarıda verilen eşitlikler gösteriyor ki yapay O-D yaratımı problemlerinin içinde iki adet alt problem mevcuttur.24’deki orijinal amaç fonksiyonunu temel almıştır) sadeleştirme sonuçlarını görüyoruz. sürekliliği olmayan ifadelerin türevini almak oldukça zordur.

35) Çeşitli modellere ait detaylı eşitlikler sonraki bölümde verilmiştir. üç düğüm noktası ve iki bağdan oluşan yol ağında (Şekil 2. eşitlik 2. Bunlara örnek olarak oldukça geniş bir kullanım alanına sahip olan Willumsen yaklaşımı verilebilir. j (2.35’de gösterilmiştir. çok farklı bir optimum ya da en olası yolculuk matrisi ortaya çıkmaktadır. eşitlik 2.34) 2. Bununla birlikte ileride anlatılacağı gibi farklı yaklaşımların denenmesi. MaksimumZ (Tij .24 ‘in detaylı bir türevi 4.3).2 V . Ancak Çizelge 2. T! max imize : Z (Tij .33)     λ .32) 0 = Ln(T ) − Ln(t ) − Ln(Tij ) + Ln(t ij ) 0 = Ln(T ) − Ln(t ) − Ln(Tij ) + Ln(t ij ) - ∀ i.9 Diğer Yaklaşımlar QUEENS-OD yazılımı.P a − P a  T P a      ∑ ij  ∑ ij ij   ∑  ij  ∑ a ij  a  ij  ij     a  ( ) (2. t ij ) = − ∑  T Ln t   ij   ij   Tij   − Tij     ij   (2. ağdaki toplam yolculuk sayıları bir sabit olarak dikkate alınmış ve bu terimler optimizasyon eşitliğinden çıkarılmıştır. t ij ) = − ∑ Tij    ∑ t ij     ij  ∏ (Tij !) ij ∏ (t ) ij ij Tij (2. . sadece Stirling’in yaklaşımını kullanarak amaç fonksiyonunun tamamını çözerken.9’da verilmiş bağ trafik hacim değerlerine sahip. toplam yolculuk sayısının bir sabit rakam olmadığı. Bu yaklaşımın uygulandığı modele ait sonuç. diğer yazılım paketlerinin çoğunda daha farklı yaklaşımlar kullanılmıştır. En sık kullanılan yaklaşım olan Stirling’in yaklaşımı uygulandıktan sonra.42 Stirling’e ait olan bu yaklaşım. “T” toplam yolculuk sayısı çözüm eşitliğinden çıkarıldığında. yapay O-D üretiminde hata oranını %1’den aşağıya indirmek için kullanılmaktadır. O-D matrisi tahmininde yapılan önemli hataları ortaya çıkarmaya yardımcı olmaktadır. Bölümde verilecektir.

10 Özet Bu bölümde konunun uzmanları tarafından ortaya konmuş. . Bağ No.43 Şekil 2. karşılığı olamamakla birlikte en azından alternatif çözüm sayısını eşdeğer akım * Şekil Aimsun NG5. 1 2 Hacim 10 15 2. hala çoklu çözüme sahip problemlerin tam azaltmıştır. Akım sürekliliği problemi genellikle akım sürekliliğini bozan değerini elde etmek için hataların dağıtılması ile çözülür. kinci bölümün genelinde. geçmişte yapılmış çalışmalardan alınan bir matris (başlangıç matrisi) kullanılarak çözülmektedir. yolculuk dağılımı ve yapay O-D matrisi arasındaki benzerlikler sunularak yolculuk sayılarına ve trafik sayım değerlerine göre ayrı ayrı maksimum olasılık konusu anlatılmıştır.9 ki bağlı yol ağında bağ hacimleri.* Çizelge 2. trafik sayımlarına dayalı O-D matrisi tahmininde karşılaşılabilecek alternatif alt problemler için sonuçlar sunulmuştur. Detaylı tanımlamalar ve bu bölümde bahsedilen çeşitli modellere ait örnek uygulamalar ilerideki bölümlerde sunulmuştur.0 Mikrosimülasyon programında hazırlanmıştır. Bazı problemlerde akım sürekliliği olmaması durumu ve bu durumlar için çeşitli çözümler verilmiştir.3 ki bağlı yol ağı. Bu yöntem. Çoklu çözümlere sahip problemler ise.

Va = ∑ Tij Pija ij ∏ ij  Tn  T  ij  =   T! ∏T ! ij ij ∀a (3. Tk : NxN’lik bir O-D matrisinin “k” nıncı hücresindeki mevcut yolculukların sayısı . entropi maksimizasyonu ile belli bir kısıtlar dizisine bağlı olarak en olası yolculuk matrisi tahmini yapılabileceğini kanıtlamıştır. Van Zuylen ve Willumsen (1980) tarafından statik O-D problemini çözmek için öne sürülmüş iki modeli açıklamaktadır. Maksimum : Z (Tij ) = (3.2 Yolculuk Modeli ve Yaklaşımlar Toplam O-D yolculuklarının sayısının “T” ve i başlangıçlı j sonlu yolculukların sayısının “Tij“ ye eşit olduğu varsayılırsa. “Tij” değerine ait çözümlerin sayısı 3. entropi olarak açıklanmış. Buna ek olarak bu bölümde problemin analitik çözümü için sunulan diğer yaklaşımlardan da bahsedilmiştir.2b) Burada. O-D MATR S ÇÖZÜM YAKLAŞIMLARI 3. 3.2a) Tij ≥ 0 ∀ i.1 Giriş Maksimum entropi ve minimum bilgi teknikleri ulaşım problemlerinin sayısal çözümünde kullanılagelmişlerdir (Wilson 1970). Willumsen. Statik O-D tahmin problemi için entropi ençoklaması (maksimizasyon) prensipleri uygulanması ilk olarak Willumsen tarafından öne sürülmüştür.1) Aşağıdaki kısıtlar altında.44 3. yolculuk grupları içine dağılmış olan “T” sayıdaki yolculuğun oluşturduğu. Bu bölüm.1 eşitliğindeki gibi hesaplanabilir. j (3.

eşitlik sadeleştirilerek yazılmıştır. Bu yaklaşımın bütün yol ağları ve trafik karakteristikleri için geçerli olmadığı bilinmektedir.3) ∏  T!   = Ln(T !) − Tij !   ij  ∑ Ln(T !) ij Stirling (Donald 1976) “Ln (x!)” ifadesi için (x’ in sonsuza gitmesi durumunda) bir yaklaşım öne sürmüştür. Willumsen (1984). yukarıdaki eşitlikte yer alan “T” ifadesinin (toplam yolculukların sayısı) bir sabit değer olduğunu kabul ederek eşitlikte düzenleme yapmıştır.5) ∑ (T LnT ij ij − Tij ) Eşitliği elde edilir. en olası çözümü (en yüksek olasılıklı) sunar. Ln( x!) = xLnx − x Stirling yaklaşımı 3.6’daki gibi bir amaç fonksiyonu haline gelir. Bu yaklaşıma dayanarak 3.6) . MaksimumZ (Tij ) = − ∑ (T xLnT ij ij − Tij ) (3. (3.   Maksimum : Z (Tij ) = Ln    (3. (3.4 Eşitliği ) Stirling yaklaşımının detayları Ek 1’ de anlatılmıştır.4) MaksimumZ (Tij ) = T .3 eşitliğinde görüldüğü gibi).5 eşitliğinde yer alan ilk iki terim atılabilir ve eşitlik 3. Maksimizasyon için “Entropi” fonksiyonunun logaritması alınarak (3.3 eşitliğine uygulandığında. Willumsen.LnT − T − (3. hesap kolaylığı açısından T’yi sabit alan daha ileri bir yaklaşım sunmuştur.45 k = n −1 Tn = T − ∑T k =1 k : Seçilen Tij yolculuklarından dikkate alınan mevcut toplam yolculuk sayısı T = ∑ Tij : Tij’lerin toplamı ij k = i + ( j − 1)N Entropi fonksiyonunu maksimize eden (en büyükleyen) Tij değerleri.

8) Aşağıdaki Kısıtlar Altında. Maksimum : Z (Tij .9b’de açıklanan kısıtlar 3. Maksimum : Z (Tij . t ij ) = ∏ ∏ (T !) ∑ ij ij ij T!    t ij    t ij      ij  Tij (3.1b’dekilerle aynıdır. t ise tij’lerin toplamıdır. j için (3. j için Tij ≥ 0 (3.8 eşitliği. T = ∑ Tij dir.8 eşitliği kullanılarak açıklanmıştır.9b) Burada.10) Verilmiş olan T. ij Yukarıda yazılan fonksiyon 3. Va = ∑ Tij Pija ij ∀ a için (3. Maksimum : Z (Tij . 3. bu entropi fonksiyonu 3.46 Aşağıdaki kısıtlar altında.9a ve 3.1a ve 3.7b) Daha önceki çalışmalardan bilinen eski bir matrisin olması durumunda (başlangıç matrisi). Tij’lerin toplamı . Amaç fonksiyonu şu şekilde sadeleştirilebilir.10 eşitliğinde basitleştirilerek yazılmıştır.1 eşitliği ile benzer bir eşitliktir. 3. Va = ∑ Tij Pija Tij ≥ 0 ∀ a için ∀ i. 3. t ij ) = T ! (t ) ∏ ij (t ) (T !) ∏ ij ij ij −r Tij (3. t ij ) = T !     ∑ ij ij ∏  t ij    (Tij !) − ∑ Tij ∏ (t ) ij ij Tij (3.9a) ∀ i.7a) (3.11) . Tij yolculuklarının her biri için başlangıç matrisi verisini içeren ek terim dışında.

11 eşitliği şu şekilde sadeleştirilir.15 eşitliğinde görüldüğü gibi amaç fonksiyonundan sabit bir terim çıkartmıştır.12 eşitliğine Stirling yaklaşımı uygulandığında amaç fonksiyonu 3.14b) (3. .1984) 3.17 eşitliğinde görülmektedir.20’de görüldüğü gibi bir minimizasyon problemi haline gelir.15 eşitliğinde yerine yazılır ve sadece Tij / tij ≅ 1 yapan ilk iki terim alındığında oluşan sonuçlar 3. t ij ∏ (t ) )= ∏ (T !) Tij ij ij ij ij (3.13) Aşağıdaki kısıtlar altında Va = ∑ Tij Pija ∀ a için ij (3. j için Burada T = ∑ Tij ij t = ∑ t ij ij dir.14b) Tij ≥ 0 ∀ i.15) X ≥ 0. MaksimumZ (Tij ) = − ∑ ij  T  T Ln ij  ij  t ij      − Tij      (3. 3. Amaç fonksiyonunun sadeleştirilmesi daha sonra açıklanacaktır. Willumsen (1981.12) eşitliğinin logaritması alındığında ve 3. Bu sabit terim çözümü değiştirmez.13’teki gibi olur. Maksimum : Z (Tij .5 olduğunda Ln (x) için Taylor serisi 3.47 Willumsen'e ait olan “Yolculukların toplam sayısının bir sabit sayı olması” yaklaşımına dayanarak 3.17 eşitliği sadeleştirildikten sonra problem 3. MaksimumZ (Tij ) = − ∑ ij  T  T Ln ij ij t   ij     − Tij + t ij      (3.

Tij t ij ≈1 dir. Tij problemi haline ≅ tij varsayımına dayanmaktadır.21a) (3.20 eşitliği. j için Burada.22 eşitliğinde görüldüğü gibi basit bir ikinci derece en küçükleme (minimizasyon) desteklenmemektedir. tij ) = − ∑ ij    Tij − tij + 1 (Tij − tij )2 − Tij + tij    2Tij   (3. tij ) = − ∑ 2    Tij     −1   Tij  tij  − Tij + tij   Tij − tij +  T  2    ij   t     ij    (3. farklı değerler içeren paydanın (Tij) bulunduğu 3. 3 x   x  2 x  2 3 (3. t ij ) = Va = ∑ Tij Pija ∀ a için ij ∑ ij  1   (Tij − t ij )2   2T   ij  (3.. Bu eşitlikteki en büyük avantaj. paydada Tij yerine tij terimi getirilmiştir.18) Maksimum : Z (Tij .22 eşitliğinde görülen sonuç formülü literatürde yazılarak 3..17) Maksimum : Z (Tij . Bu sayede çözüm için.19) MaksimumZ (Tij .20 eşitliğine nazaran hesap kolaylığı elde .21b) Tij ≥ 0 ∀ i. Problem. t ij ) = − ∑   Tij    −1   t ij  Tij  Tij  +   Tij  2   t ij       Tij    −1   t ij   T  − Tij + t ij    ij   t    ij   (3.20) (3.48  x −1 1  x −1 1  x −1 Ln( x ) =  +   +   + .. 3. 3. paydada yer alan tij teriminin başlangıç matrisinden gelmesi nedeniyle bilinen bir değer olmasıdır.16) MaksimumZ (Tij .

3. 3. 3.20 eşitliği. bağlardaki trafik akım değerlerinde ve yolculuk sayılarında oluşan hataların karesinin alınarak bunların aynı eşitlik içinde birleştirilmiş halinin minimize edilmesidir (en küçüklenmesidir). t ij ) = ∑ ij  1   (Tij − t ij )2  + λ  2t   ij  ∑ a ∑ ij  Tij Pija    (3. Maksimum : Z (Tij . Burada amaç fonksiyonu.24) MaksimumZ " (Tij .22 eşitliğinde optimum sonucu bulmak için iteratif bir algoritma tipi kullanmaya gerek yoktur. t ij ) = ∑ ij  1   (Tij − t ij )2  +  2t   ij  ∑ a λ a V a −    V a −    ∑ ij  TijPija    2 (3. Bu terimler. çözüm için λa değişkenleri ile çarpılır.22) Va = ∑T P ij ij a ij ∀ a için (3.25) . MaksimumZ ' (Tij . Amaç fonksiyonu gözlem yapılan bağların sayısına eşit sayıda ek terimler içerir. t ij ) = Aşağıdaki kısıtlar altında ∑ ij  1   (Tij − t ij )2   2t   ij  (3.25 eşitliği elde edilmiştir. 3.23a) Tij ≥ 0 ∀ i.23b) Tij t ij ≈1 Lagrange çarpanları kullanılarak problem.24 eşitliğinde görüldüğü gibi kısıtlı bir optimizasyondan kısıtsız bir optimizasyona dönüştürülebilir.22 eşitliğinde verilen amaç fonksiyonu.49 edilmektedir.22 eşitliğinden farklıdır. Homojen bir başlangıç matrisi kullanıldığında ise terimlerinin hepsi eşdeğer hale gelir ve amaç fonksiyonu standart bir regresyon problemine dönmüş olur. Sonuç olarak 3. j için (3. Sonuç olarak 3. başlangıç matrisine ait hataların karesi alınarak hataların minimize edildiği (en küçüklendiği) avantajlı bir regresyon ortaya koyar.

50 Özet olarak.31a. gelmektedir. Brillouin’in bilgi ölçümü yöntemine dayanmaktadır.31b ve 3. Burada sunulan eşitlik ikinci bölümde verilmiş olan 2. 3. 3.3 Hacim Modeli ve Yaklaşımlar O-D problemini çözmek için bir alternatif yaklaşım da problemin O-D yolculuk sayıları yerine yol bağlarında gözlemlenen trafik hacim değerlerine ait eşitliklerin kullanılmasıdır.22 eşitliği) 3. Ancak bu iki yaklaşım arasında sistematik bir karşılaştırma yapmanın bir geçerliliği yoktur.26) qk bir k gözlem kesitinin başlangıç olasılığıdır.3 eşitliğindeki hacim eşitliğine benzemektedir.23a ve 3. bu çalışmada iddia edildiği gibi “Tij “ terimi yerine paydada “tij “ terimi yazıldığında basit bir regresyon kullanılarak problemin çözümüne ulaşılır.30. Amaç fonksiyonuna Stirling yaklaşımı uygulanıp logaritması alınarak fonksiyon basitleştirilir (3.15 eşitliğindeki gibi). (Brillouin – 1956)   q nk I = − Ln N !∏  k   k  nk !      kisi arasındaki fark ise modelin yorumlanmasından ileri (3. Van Zuylen tarafından izlenen bu yöntem. . 3. bir N gözleminde k kesitinde yapılmış nk süreli bir trafik sayımını içermektedir.27) a “ -J” noktaları arasında yer alan “a” bağı üzerinde yapılan trafik gözleminin olasılığını ( qij ). Eğer gözlemler. Veri olarak kullanılan bilgi. i-j arasındaki yolculuk sayılarının olduğu özel bir bağa ait sayımlar olarak açıklanmış ise . (3. 3.23b kısıtları altında 3. akım sürekliliği ve negatif olmama kısıtları altında en olası O-D matrisini desteklemektedir.8 eşitliği).31c’de gösterildiği gibi Willumsen ve Van Zuylen tarafından 1980’ de ortaya konmuştur. Daha sonra.15 eşitliğindeki terimler Taylor serisi ve başlangıç matrisi ile uyumlu olacak O-D matrisine dayalı yaklaşım ( Tij ≈ t ij ) kullanılarak genişletildiğinde eşitlik daha da basitleştirilebilmektedir. a nij = Tij Pija (3. Trafik hacim değerlerini kullanarak OD matrisi tahmin etme eşitliği.9b kısıtları altındaki 3. başlangıç O-D matrisinden elde edilen bir bilginin fonksiyonu olarak açıklayabiliriz.9a ve 3. başlangıçta yola çıkılan eşitlik (3.

31a) ν a = ∑ Tij . daha önceden bilinen i–j arasındaki yolculuklara ait bir sayıdır (Kullanılan başlangıç matrisinden alınan değerlerdir). Tij Pij   t ij Pija      Va !∏  ν  ij  a  I a = − Ln  ∏ t ij Pija !  ij   a ( )         (3. t ij ) = − ∑ a    Va ! Ln     ∏ ∏ ij ij  t ij Pija     ν  a   (tij Pija )! Tij Pija         (3. : Z (Tij . Pij ∀ a ij (3.31c) Yolculuk formülasyonu için Stirling yaklaşımı kullanılarak amaç fonksiyonu 3.29) Buna göre amaç fonksiyonu şu hale gelir: Min.30) Aşağıdaki kısıtlar altında.36’da ki gibi sadeleştirilmiştir. . Bu bilgi gözlem yapılan bağdaki “Va” sayım değerlerini de içerdiğinden şu şekilde ifade edilecektir.28) Burada tij. j (3.51 t ij Pija q = a ij ∑t ij ij Pija (3.31c) Tij ≥ 0 ∀ i. Pija ∀ a ij (3. Va = ∑ Tij .

33) Maksimum: Z (Tij . : Z (Tij . ∑ ∑T P Ln(V ) −V + ∑ ∑ ij a ij a a a ij a ij           t ij Pija   + Va   Tij P Ln V T Pa    a ij ij   a ij (3.36) 3. Sonraki bölümde ise en olası O-D yolculuk matrisi tahmini için iki farklı yaklaşım sunulmuştur.32) Maksimum: Z (Tij . Bu yaklaşımlardan birincisi problemi iki alt probleme ayırarak çözmeye çalışır ve birinci problemin çözümünden elde edilen çıktılar ile ikinci probleme ait bazı girdi bilgileri birleştirilerek ikinci kısımda problemin çözümüne ulaşılır. Bu yaklaşımlarda kavşaklardaki veri uyuşmazlıkları akım sürekliliği prensibi içinde dağıtılmıştır.t ij ) = ∑∑ T P a ij a ij  Tijν a Ln V t  a ij (3. Diğer yaklaşımda ise problem tek bir parça olarak ele alınıp tek adımlık bir süreçte çözüme gidilir. t ij ) = − . .52 Maksimum. : Z (Tij t ij ) = − ∑∑ T P ij a ij ij a ij  V a t ij Ln T ν  ij a         (3. ∑ a  V Ln(V ) − V + a a  a  ∑ ij  t ij Pija Tij P Ln a   Va Tij Pij a ij ∑ ij  Tij Pija    (3. : Z (Tij .34) Maksimum.4 Özet Bu bölümde çeşitli yolculuk ve hacim formülleri ile bunlara ait farklı yaklaşım türleri incelenmiştir. t ij ) = − . t ij ) = − ∑ a    Va ! Ln     ∏ ij ij ∏  t ij Pija     ν   a  (t ij Pija )! Tij Pija          +   (3.35) Maksimum.

Bu iki yaklaşım aşağıda incelenmektedir. Ancak bu ön hazırlık işlemi tamamlandıktan sonra maksimum olasılık tekniği kullanılarak en olası O-D matrisi elde edilebilir.1 Giriş O-D yolculuk matrisi elde etmek için gerekli olan en önemli teknik verilerden birincisi söz konusu başlangıç – son noktaları arasında yer alan bağlara ait trafik sayımlarıdır.1’de gösterildiği gibi. öncelikle sayımlardaki hata. “bağ akım sürekliliği” ilkesini karşılayıp karşılamadığının kontrol edilmesi işlemidir. Bu aletlerin. Mümkün olabildiğince gözlemlenen bağ trafik sayımıyla örtüşen ve eşzamanlı olarak bağ akım sürekliliğini sağlayacak dengelenmiş bir trafik sayımı elde etmek için. kinci aşamada ise dengelenmiş bağ hacimleri en olası O-D yolculuk matrisinin elde edilmesinde kullanılmaktadır. bağlara ait trafik akımı hacim değerlerinde tutarsızlıklar gösteren hataları görülmektedir. SAYISAL ÇÖZÜMLEME TEKN KLER 4. bağlardaki trafik sayımları farklı koşullarda elde edildiklerinde de ortaya çıkmaktadır. lk aşamada. Bu sayım aletleri tamamen güvenilir değildir. Bu durum aynı zamanda. Bu yaklaşımların uygulamasında kullanılabilen bazı yazılım paketleri de aşağıda ayrıca incelenmektedir.53 4. olası yolculuk matrisinin elde edilmesi için trafik hacimlerinin kullanılmasından önce. bir yandan gözlemler sonucunda elde edilen bağ trafik sayımlarından sapmayı en aza indirgemeye çalışırken diğer bir yandan da bağdaki trafik akım sürekliliğini sağlayan bağ hacim değerleri elde edilmeye çalışılmaktadır.1) Va Fiilen gözlenen trafik hacim değeri . Trafik sayımları çoğunlukla (loop) dedektörler kullanılarak otomatik elde edilirler. lk aşamada. tahmin edilen bağ hacim değerleri arasındaki hata payı asgari düzeye çekilmelidir.2 Çift Adımlı Yaklaşım Bu yaklaşımda. Bağlardaki trafik sayımları tutarsızlığı dikkate alınarak en olası yolculuk matrisini elde etme konusunda iki yaklaşım mevcuttur. bağlarda yapılan sayımların. problem iki aşamaya ayrılmaktadır. MinimumZ (Tij ) = ∑ (V a − V a' )2W a ∀ a için (4. aşağıda eşitlik 4. en aza indirgenmeye çalışılır. Bu sebeple bundan sonra yapılması gereken ilk işlemlerden biri. 4.

en olası yolculuk matrisini elde etme yolunda ilerlenmiş olunur. Yol ağı ve bağ akımı büyüdükçe olasılık küçülür.2 eşitliğindeki amaç fonksiyonu sürekli pozitif oldukça. Bir kez eşit yol hacimleri elde edildiğinde. 4. Eşitlik 4.1a) Burada Va' için çözüm yapılmaktadır. “Lagrangian Çarpanları” tarafından çarpılmalıdırlar. .0 veya(1/√ Va) ya da (1/ Va) olabilir. olasılık genelde yol ağının büyüklüğüne ve onun üzerindeki trafik akımına bağlı olarak oldukça düşük seviyede olur. [1. Bu durumdan kurtulabilmek için 4. 4.54 Va’ Wa Bunun gibi. Böylece bu kısıtlar amaç fonksiyonuna dahil edilebilirler ve türevleri de sıfıra eşitlenir. t ij ) = (4. 4.2a ‘da yer alan kısıtlar altında. Öncelikle. Böyle yapmanın pek çok avantajı vardır. Va' nü çözmek için (4. bu eşitlikteki doğal logaritma da. maksimum entropi tekniğine dayanan. bu da zorluk yaratacaktır. değerlerin dağılımı (oranı) muhtemelen bir bilgisayarın bulundurabileceği en küçük gerçek sayının altında kalacağından. Bu durum çıkacak sonucu değiştirmemektedir.2 eşitliğinin doğal logaritması alınarak maksimize edilmektedir.2a) 4.2’de görüldüğü gibi. Bu eşitlik gurubunu çözmek bize Va' nü verir.1a eşitliğindeki kısıtlar. Maxksimum : Z (Tij .P ij a ij ∀ a için (4. Va ya en yakın olan ve akım sürekliliğini sağlayan hacim değerleri Ağırlık faktörü.] Va' = ∑ T .1a) eşitliğindeki kısıtlar dikkate alınarak. çünkü kendisi maksimum olan bir ifadenin logaritması da maksimum olacaktır. Çünkü tüm işlem sürecinin otomasyonu gerekli olduğundan.3 eşitliğinde görüldüğü üzere alternatifli olarak en büyük değere çıkarılabilmektedir. kinci olarak da faktöriyel içeren terimlerin türevlerini elde etmek zordur.2) ∏ ∏ (T ) ∑ ij ij ij T!    t ij    t ij      ij  Tij Va' = ∑ Tij Pija ∀ a için ij (4.

4.4 olmak üzere eşitlik 4. eşitliğini elde etmekteyiz.5 eşitliğinde görüldüğü gibi Lagrangian çarpanlarını kullanarak aşağıdaki problemi çözmek için.4a) Burada.3 eşitliğini genişletip 4.3) 4.V − ∑T P  a ' a  ij a ij a ij     (4. T  Maksimum : TLn  − T − t (4. T = ∑ Tij ij (4.4b) t = ∑ Tij ij (4.4) Bunun gibi: Va' = ∑ Tij Pija ∀ a için ij ∑ T Ln t   ij   ij   Tij   − Tij     ij   (4. amaç fonksiyonu 4. .2a’yı eşitliğe katıyoruz. tij ) = Ln     T     tij       tij    ij    ij ∏ ij T! (Tij !) ∏ ∑ ij (4. Z(Tij .2a eşitliğindeki kısıtlar altında. λa ’ya göre diferansiyel alınarak elde edilen “n” adet eşitlik doğrusaldır. T  TLn  − T − t ∑ T Ln t   ij   ij   Tij   − Tij  +    ij    ∑ λ .5) En olası yolculuk matrisini elde etmek için yukarıdaki eşitlikte Tij’ye ve λa ’ ya göre diferansiyel alınarak sonuç değişkenlerinin sıfırlanması ve Tij ve λa için çözümleme yapılması gerekmektedir. Eğer bir yol ağı “m” adet O-D ikilisine sahipse ve yol ağında “n” adet bağ varsa biz toplam olarak “m+n” adet eşitliğe sahibiz demektir.55   Maksimum .4c) 4. Stirling yaklaşımını da kullanarak 4. halbuki Tij’ ye göre diferansiyel alınarak elde edilen “m” adet eşitlik doğal olarak doğrusal değildir.

7’yi elde ederiz.6’da ve 4.7) ∑ a  V a −   ∑ ij  Tij P    a ij 2 ∀a Yukarıdaki kısıtsız problemi çözmek için. gözlemler sonucu elde edilen bağ hacim değerleri ile akım sürekliliğini sağlayan bağ hacim değerleri arasındaki hata asgari düzeye indirgenmektedir. eşitliğin Tij ye göre türevi alınır ve sıfıra eşitleyerek 4. gözlenen bağ akımlarına en yakın olan ve düğüm noktalarında akım sürekliliğini sağlayacak bağ trafik akım değerlerini elde etmektir. dengelenmiş bağ akımını verir. Eşitlik 4.6 eşitliğinde yerine yazarsak. Burada ilk adım. akım sürekliliği koşulunu sağlayıp sağlamadığının etkisini hesaba katmadan akım sürekliliği koşulunun sağlanıldığından emin olunmakta veya değerler bunu .8 eşitliğindeki şartların sağlanarak. bağlarda trafik akımı sürekliliğini sağlayan bağ hacim değerleri elde etmeye çalışılmaktadır.3 Tek Basamak Yaklaşımı Bu yaklaşımda.9’un maksimize edilmesi gerekmektedir.6a eşitliğindeki kısıtları kullanarak 4.8 eşitliği elde edilir. Böylece gözlenen bağlardan bulduğumuz trafik akım değerlerinin. eşitlik 4.56 4.6) ∑ (V a a − V a' ) 2 ∀a Bu eşitlikte veriler aşağıdaki anlamları ile kullanılmaktadır: Va : Va’: Güncel gözlenen yol hacmi “ Va “ ya en yakın olan ve akım sürekliliğini sağlayan hacimler Bu halde. Maksimum : Z (Tij ) = (4. V ' a = ∑ Tij Pija ij ∀a (4.8) En olası yolculuk matrisini elde etmek için. Burada görülen doğrusal eşitlikler kümesinin çözümü.6a) 5. 4. MaksimumZ (Tij ) = (4.     0 = 2∑ Va Pija − ∑ Pija ∑ Tij Pija    a a  ij     ( ) (4. Eşitlik 4.6a’da verilmiş olan kısıtlar altında.

     Tij  T  a L ≡ TLn  − T − ∑Tij Ln  − Tij  + ∑λ.10 eşitliğinde görüldüğü üzere. Maksimum. : TLn  − T − t T = ∑ Tij ij ∑ T Ln t   ij   ij   Tij   − Tij  ∀i. eşitlik 4.8 eşitliği.9 eşitliği bu olasılığın çoğunlukla çok düşük değerde olduğunu gösterir. bağ akım sürekliliğini sağlayan eşit bir bağ akımının (Va' ) elde edilebilir olduğunu gösterecektir.11a) (4. j     a ij a   ij a ij  ij  (4.8’de verilmiş olan dengelenmiş akım koşulu altında eşitlik 4. 4.11' deki kısıtlar dengelenmiş olduğundan Eşitlik 4.8 eşitliğindeki ifade.9’daki amaç fonksiyonunun doğal logaritması alınmış halidir. eşitlik 4. T  Maksimum. j    ij   (4.11’in maksimize edilmesi gerekmektedir. : Z (Tij .11b) Şimdi.12’de gösterildiği üzere. 4. 4.11) t = ∑ t ij ij (4. 4. Eğer yapılan gözlemlerde akım sürekliliği sağlanamazsa.2 ∑ Va pij  t    ij   a t ij   ij     (    ) −∑ p ∑T p ∀i.10’daki eşitlik.57 sağlamaya zorlanmaktadır. doğrudan Lagrangian çarpanları kullanılarak amaç fonksiyonuna taşınabilir.11 eşitliğine dönüştürülmektedir. Bunun yapılmasındaki nedenler daha önce “Çift Adımlı Yaklaşım” da açıklanmış bulunmaktadır.   Maksimum : Z (Tij . t ij ) = (4. t ij ) = Ln    ∏ ∏ (T !) ∑ ij ij ij T! T     t ij      t ij        ij   ij (4. 4.12) .10) Ln (x!) ifadesi için Stirling yaklaşımı kullanılarak amaç fonksiyonu 4.9) T! ∏ (T !) ij ij ∏ ij    t ij    t ij      ij  Tij ∑ 4.

II.4 Çözüm Yazılımları ve Özellikleri Doğrusal olmayan eşitliklerin çözümünde olduğu gibi doğrusal eşitliklerin çözümünde de kullanılan pek çok yazılım paketi mevcuttur. o zaman çözülecek eşitliklerin sayısı. 4. Eğer “n” adet O-D çifti varsa.1 Bilgisayar Etmenleri I.4.12’nin türevinin alınması ile elde edilen yeni eşitliklerin çözümünde kullanılabilir. Tij ve λij ’yi probleme dahil ederek yukarıdaki eşitliğin kısmi türevinin alınması ve doğrusal olmayan sonuç eşitliklerinin çözülmesi gerekmektedir.5 ve eşitlik 4. performansı yüksek olmayandan (etkili olmayan) daha hızlı olarak çözümü elde edecektir.58 Şimdi problemi çözmek için. Hesaplama zamanı ayrıca çözümü elde etmek için kullanılan algoritma tarafından da etkilenmektedir. “n” adedi doğrusal. Bilgisayar donanımının özelliklerine dayanan bilgisayar etmenlerinin bu durumda dikkate alınması gerekir. Yol ağı genişledikçe değişkenler ve eşitlikler ve buna bağlı olarak da hesaplama zamanı da genişleyecektir. 2000 bağ ve 200 O-D çiftinden oluşan bir yol ağıde eğer “Çift Adımlı Yaklaşımı” kullanarak çözümleme yapmaya kalkışırsak. Performansı yüksek olan bir bilgisayar. Hafıza . Bu paketler. λij ’nin türevinin alınması doğrusal eşitlikleri verirken. Ayrıca bazı paketler sonuç değişkenleri sayısında tavan limitine sahiptirler ki bu da geniş yol ağlarıyla uğraşılırken paket yazılımların kullanılabilirliğini son derece sınırlandırmaktadır. Tij’yi hesaba katarak türevinin alınması da bizi doğrusal olmayan eşitliklere götürecektir. Gözlenen bağ sayımlarının daima akım sürekliliğini sağlayıp sağlayamayacağı gerçeğini de dikkate alarak bu eşitlikleri çözmek bize en olası O-D matrisini verecektir. 4. bize 2200 eşitlik ve 2200 değişken veya “Tek Adımlı Yaklaşımı” kullandığımızda da 400 eşitlik ve 400 değişken verir. diğer “n” adedi doğrusal olmayan “2n” adet eşitlik olacaktır. Bu paketlerden yararlandığımızda veya gerçek yol ağlarını çözmeye kalktığımızda bazı sınırlamalarla karşılaşılacaktır. Bir çözümün elde edilmesinde bilgisayar etmenlerinin dışında dikkate alınması gereken bazı matematiksel etmenler de vardı ki bunların bir kısmı aşağıda tartışılmaktadır. eşitlik 4. Hesaplama Zamanı Hesaplama zamanı doğrudan değişkenlerin sayısına bağlıdır. Örneğin.

Burada. özellikle çoklu çözümler içeren bir problem ile uğraşırken.4. Aksi halde ise daha hızlı ve daha kısa zamanda hesaplama yapabilmek için çoğunlukla değişkenlerin sayısının azaltılması veya yol ağının büyüklüğünün kısıtlanması gerçeği ile karşı karşıya kalınmaktadır.0. Excel Çözücü 8. uygun başlangıç çözümünün kullanılması büyük bir öneme sahiptir. Esasen. Doğrusal ve doğrusal olmayan eşitliklerin çözümü için kurulum ayarlarının değiştirilmesi gerekir. ancak hesaplama süreci uzadıkça RAM’ in hızı düşmektedir. Bunun sebebi hafıza limiti nedeni ile yığınlar halinde yapılan hesaplamaların bilgisayarın hızını düşürmesidir. gerçek dünyada fiziksel anlam taşımayan.bazı sınırlamalar ve avantajlar aşağıda sunulmaktadır. Bu program yardımı ile hem maksimizasyon (en büyükleme) hem de minimizasyon (en küçükleme) eşitlikleri çözülebilir. Eğer birinci başlangıç çözümü vasat ise problem.1 Microsoft Excel Çözücü Microsoft Excel Çözücü. 4. sistemin. Austin’deki Teksas Üniversitesi’nden Leon Lasdon ve Cleveland Eyalet Üniversitesi’nden Allen Waren tarafından geliştirilen doğrusal olmayan optimizasyon kodu “Genelleştirilmiş Küçülen Eğim” (GRG2)’yi kullanmaktadır (Microsoft 1997). metodu sahip olduğu.2 Matematiksel Etmenler Doğrusal olmayan eşitliklerin çözümünde kullanılan algoritmalar sonuç çözümüne ulaşmada yinelemeli (iteratif) yöntemler kullanırlar.59 Hafıza kapasitesi bir çözücünün en önemli uygulamak için çözücünün (bilgisayarın) niteliklerinden birisidir. büyük önem taşımaktadırlar. Bu sebeplerden ötürü problemi çözmek için ihtiyaç duyulan hafızaya sahip doğru bilgisayarı seçmek ve uygun paketi kullanmak zorunludur. Burada. hesaplama zamanı RAM ile ters orantılıdır. 4. sonradan eklenebilen bir yama olarak. Microsoft Excel Çözücü. RAM’ inden bahsetmekteyiz.5.5 Alternatif Çözücüler ve Paket Programlar Bu çalışmada yer alan doğrusal ve doğrusal olmayan eşitlikleri çözmek için en sık kullanılan üç yazılıma ait. karmaşık ve çok sayıda çözümlerle sonuçlanabilir. Kullanılan algoritmaya bağlı olarak kişi sonuca yaklaşabilir veya yaklaşamayabilir. Başlangıç çözümleri. doğrusal olmayan eşitliklerin çözümünü yapmasa da takip eden versiyonlarının doğrusal olmayan eşitlikleri çözeceği umulmaktadır. Yüksek bir RAM’ imiz varsa sistem hesaplamayı kısa zamanda yapabilmektedir. Microsoft Excel standart paketi ile birlikte piyasada kullanılmaktadır. 4. Başlangıç çözümü doğrusal olmayan .

0 versiyonu. 4. yolculuk zamanlarını ve . Problemler genellikle M dosyaları adı altında bir çalışma alanı içerisinde kodlanmaktadırlar. 4. Özel konularda araştırmalar için gerekli çok sayıda alet ve aracın yanında dinamik sistem simülasyon paketi SIMULINK de bünyesinde mevcuttur. tekrarların (iterasyonların) sayısını ve kısıtlamaların uygunluğunu sağlayacak doğruluğu kontrol edebilmektedir. Problem küçük yol ağları için de uyarlanabilir olduğundan. Van Aerde (QUEENS-OD 1998) tarafından geliştirilmiş bir modeldir.5. yayıldıkları alanda değerleri değişen ve kısıtların da aynı tarzı sergilediği hücreler olarak kodlanmaktadırlar.2 versiyonu çeşitli pek çok formülasyonun çözümünde kullanıldı. doğrusal olmayan eşitliklerin çözümünde. Geniş yol ağları için bu süreci otomatikleştirmek yararlı olacaktır. Kişi. MATLAB. Fazla sayıda sonuç değişkenini alabilir ve çok hızlıdır. Ayrıca. Gauss-Newton algoritmasını bir standart olarak kullanmaktadır. esas olarak Kanada’da Queen’s Üniversitesi’nde Dr. MATLAB yüksek performans gerektiren sayısal hesaplamalar ve canlandırmalar için Math Works Şirketi (MATLAB 1998) tarafından oluşturulan bir teknik hesaplama ortamıdır.5. Microsoft Excel 8. Eğer Gauss-Newton algoritması vasat bir sonuç verirse MATLAB otomatik olarak Levenberg-Marquardt (LM) algoritmasına geçer. ancak bunu yapmadan önce problem bir M-dosyası olarak kodlanmalıdır. Değişkenler. Daha sağlam olan ve daha az hesaplama zamanı tutan LM algoritması Gauss-Newton algoritmasının bir modifikasyonudur. Çözücü versiyonu ile birlikte bu tezde tartışılan pek çok formülasyonun çözümünde de kullanılmıştır. MATLAB eşzamanlı ve çok karmaşık doğrusal olmayan eşitlikleri çözebilen güçlü bir araçtır. öğrenciler tarafından da bir araç olarak kullanılabilme potansiyeline sahiptir. Geniş yol ağları MATLAB kullanılarak çözümlenebilirler. GRG2 sadece 200 değişken kullanabilmekte ve bundan dolayı da uygulama yapılacak büyük yol ağlarını çözümlemede kullanılamamaktadır. gözlenen yol akımlarından kaynaklanan başlangıç-son trafik taleplerinin tahmin edilmesinde kullanılan. sadece gözlenen trafik akımlarını değil ayrıca gözlenen dönüş hareketi sayımlarını.3 Queens-OD Queens-OD.60 eşitliklerin çözümünde önemli rol oynamaktadır. Eğer başlangıç çözümü vasat ise çözücü yarı yolda kalır. Model. Bu programda optimizasyon yapabilmek için.2 Matlab MATLAB ismi Matris Laboratuvarı için kullanılmaktadır. MATLAB 5. doğrusal olmayan eşitlikleri çözen hazır alt hesaplama yöntemlerini içeren ayrı bir araç kutusu bulunmaktadır.

Bu sebeple her iki model de aynı veri dosyası yapısını ve dosya formatını paylaşmaktadırlar. Van Arde tarafından geliştirilen. QUEENS-OD kullanılarak elde edilen çözümlerin MATLAB’ dan ve MS-EXCEL Çözücü’ den elde edilen tüm sonuçlar ile eşleştiğini söylemektedirler. Bu eşitlikler QUEENS O-D tarafından kullanılan tek basamak yaklaşımını içermektedirler. Trafik sayımlarından O-D matrisi elde edilmesi konusunda çalışma yapan uzmanlar. iki farklı yol ağında. geniş yol ağları üzerinde çalışılabilir ve model ölçüsüne bağlı olarak O-D yolculuk matrisi elde edilebilir. Queen’s O-D. akımdaki tutarsızlıklar öncelikle çözümlenmekte ve ancak o zaman buna dayanan en olası O-D matrisi elde edilmektedir. daha üstün olduğu görülmektedir. Bu yaklaşım sonuç eşitliklerinin üzerine kurulmuşken.6 Özet Bu bölümde ilk olarak en olası O-D yolculuk matrisinin elde edilmesinde kullanılacak iki yaklaşım tanımlandı. Hesaplama açısından bakıldığında bu büyük bir avantajdır. Bu model son derece çok yönlüdür. QUEENS-OD 2.0 (QUEENS-OD 1998). tek aşamalı (basamaklı) modeli çözmek için özelleştirilmiş bir kodlama sistemine sahiptir. Ayrıca. “Çift Adımlı Yaklaşımda”. Trafik sayım değerlerindeki tutarsızlıklar ile ayrı ayrı uğraşmaya gerek bırakmadığı için “Tek Adımlı Yaklaşımın” (veya Tek Aşamalı Yaklaşım). O-D yolculuk matrisinin elde edilmesinde yararlanılan pek çok eşitlik kıyaslanmaktadır. bu yaklaşımları uygulamak için kullanılmak üzere bazı yazılım paketlerinden de bahsedilmiştir. yol sayımlarına dayanan O-D matrislerinin elde edilmesi amacı ile kullanılmıştır.61 potansiyel olarak O-D yolculuk matrisinin tahmini için sürücülerin yol tercihlerini de hesaba katar. yine Dr. Bununla birlikte başlangıç-son trafik taleplerinin tahmininde QUEENSOD modelini kullanmak için ENTEGRASYON modelinin olması veya bunun kullanılması gerekli değildir. statik ve dinamik başlangıç -son (O-D) trafik taleplerinin tahmini ve hesaplaması için de uygundur. Model. Bundan sonraki bölümlerde. ENTEGRASYON trafik yol ağı simülasyonu modelini tamamlamak için oluşturulmuş bir destek modeldir. Tek adımlı yaklaşımın bir diğer avantajı da çift adımlı yaklaşıma göre nispeten daha az sayıda eşitliğe gerek duymasıdır. . 4. Model.

Bundan başka. Ayrıca maksimum olasılık teknikleri uygulanırken yolculuklara ait ondalıklı sayıların faktöriyel değerleri bulunamayacağından. Paramahamsan’ın uygulamasını yapmış olduğu yapay O-D problemine yönelik farklı modeller karşılaştırmalı olarak incelenmektedir. Ayrıca. Bu sebeple. A ve B olmak üzere iki başlangıç noktası ve C ve D olmak üzere iki bitiş noktası bulunmaktadır. TAC . Sunulan modeller arasındaki farklılıkları belirlemek amacı ile iki ayrı yol ağı kullanılmakta ve tüm modeller bu yol ağlarına uygulanmaktadır. çözüm sadece tamsayı değerli çözümlerle sınırlandırılmıştır.1’de görüldüğü üzere bunlar tek yönlü bağlardır. TAD. YAPAY O-D MODELLER N N KARŞILAŞTIRMASI 5. bu yol ağında oluşabilecek olası tamsayı değerli çözümleri göstermektedir. O-D tahmin modelleri için yapılan en önemli kabullerden biridir. H. Çizelge 5.3. Çizelge 5. uygun ve uygun olmayan başlangıç matrisinin. Ağ üzerindeki beş bağ.(Çizelge 5. optimum çözümler üzerindeki etkileri de incelenmektedir. bu problem için sonsuz sayıda gerçek değerli çözümler söz konusudur. TBC ve TBD tek yönlü bağlara ait trafik hacim değerleridir.1 Giriş Bu bölümde. kuramsal olarak. Birinci yol ağı şekil 5.2 Test Edilecek Yol Ağlarının Tanımı Çeşitli modellerin ve bu modellere ait farklı eşitliklerin test edilmesinde iki farklı yol ağı kullanılmaktadır.) . 10’dan 40’a kadar herhangi bir değeri alabilir. (Bu kabul.2' de açıkça görülmektedir ki ‘x’.Bu bölümde yer alan örnek uygulamaların çözümü için MS Excel ve Lingo programları kullanılmıştır.62 5.1’den de anlaşılacağı gibi bu yol ağında akım sürekliliği olduğu açıktır.1’de görüldüğü üzere 5 bağdan oluşmaktadır. her dört O-D yolculuğu için sadece bir güzergah bulunmakta ve her güzergah tam olarak üç ayrı bağdan oluşmaktadır. bu yol ağında yolculukların toplam değerinin (T) sabit bir sayı olduğu da açıktır. Bunlara ek olarak üniform başlangıç matrisinin.) Çizelge 5.1’de gösterilmektedir. 1’den 5’e kadar numaralandırılmış olup Şekil 5. 5. Bu yol ağı dört O-D çiftine sahiptir. Eğer yolculuk oranlarından bir tanesi verilmiş ise mevcut trafik hacmi için otomatik olarak diğer yolculuk oranları da bulunmaktadır. Aynı yol ağında ayrıca E ve F olmak üzere iki ara nokta vardır. Burada yolculuk değerleri ile çalıştığımız için tam sayıların dışındaki rakamların geçerliliği olmamaktadır.

2 Beş bağlı yol ağı için uygun O-D yolculuk matrisi.1 Beş bağlı yol ağında bağ trafik hacim değerleri. Çizelge 5.63 Şekil 5.1 Beş bağlı yol ağı. C A B Toplam X 70 – X 70 D 40 – X X – 10 30 Toplam 40 60 100 . Bağlantı No 1 2 3 4 5 Gözlemlenmiş Hacim 40 60 100 70 30 Çizelge 5.

3 Beş bağlı yol ağı için çözüm alternatifleri. Talep Senaryosu 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Tac 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 Tad 30 29 28 27 26 25 24 23 22 21 20 19 18 17 16 15 14 13 12 11 10 Tbc 60 59 58 57 56 55 54 53 52 51 50 49 48 47 46 45 44 43 42 41 40 Tbd 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 ToplamYolculuklar (T) 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 .64 Çizelge 5.

iki bağdan oluşan bir yol ağıdır. Çizelge 5. Çizelge 5.6 da ise iki bağdan oluşan bu yol ağında olası gerçek tam sayı değerli çözümlerin bir listesi görülmektedir. Çizelge 5.65 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 9 8 7 6 5 4 3 2 1 0 39 38 37 36 35 34 33 32 31 30 21 22 23 24 25 26 27 28 29 30 100 100 100 100 100 100 100 100 100 100 kinci yol ağı. 0’dan 10’a kadar herhangi bir değeri alabilir. Bundan dolayı bu yol ağı toplam yolculuk değerinin sabit olduğu yaklaşımlara ait eşitliklerin test edilmesinde kullanılamamaktadır. beş bağlı yol ağından farklı olarak değişkendir.5 açıkça göstermektedir ki ‘x’.4. Ayrıca bu ağ yapısı için toplam yolculukların değeri. A.22'de gösterildiği gibi. TAB.5’te görüldüğü gibi otomatik olarak diğer iki yolculuk oranı da bulunabilmektedir. Çizelge 5. Mevcut ağ yapısı üç O-D çiftine izin vermektedir. . A’nın sadece başlangıç. Eğer yolculuk oranlarından biri bilinirse. TAC. ve TBC’dir ve her bir O-D çifti sadece bir rota kullanımına imkan sağlamaktadır. bunlar. B hem başlangıç hem de bitiş noktasıdır. Şekil 5. C’ nin ise sadece bitiş noktası olduğu bu yol ağında. B ve C olmak üzere 3 merkez noktası (düğüm noktası) vardır. bağlara ait trafik akımlarını göstermektedir.

Bağlantı No 1 2 Hacim 10 15 Çizelge 5. B A B Sum X 70 C 10 – X 5+X 15 Sum 10 5+ X 15 + X Çizelge 5.4 ki bağlı yol ağında bağ trafik hacim değerleri.2 ki bağlı yol ağı. Çizelge 5.5 ki bağlı yol ağında matris denklemleri.6 ki bağlı yol ağı için çözüm alternatifleri Talep Senaryosu 0 1 2 3 4 5 Tab 0 1 2 3 4 5 Tac 10 9 8 7 6 5 Tbc 5 6 7 8 9 10 Toplam Yolculuk (T) 15 16 17 18 19 20 .66 Şekil 5.

5 ve 5.3 numaralı eşitlik. bu varsayımın geçerli olmadığı durumda da kullanılarak eşitliğin etkinliği test edilmiştir.4.4.6.2’nin yanında Eşitlik 5.3’ ün seçilmesinin ardında yatan bir diğer neden.   Maksimum : Z (Tij .6’nın eşitlik 5. eşitlik 5.1) .5’i veren ara bir eşitliktir.4.67 6 7 8 9 10 6 7 8 9 10 4 3 2 1 0 11 12 13 14 15 21 22 23 24 25 5. Toplam yolculuk sayısının sabit olduğu varsayımına dayanan 5. ki bağdan oluşan yol ağında test etmek üzere eşitlik 5. Eşitlik 5.9 QUEENS-OD tarafından da uygulanan tek basamak yaklaşımıdır. Dokuz eşitliğin tamamı beş bağlı yol ağında test edilmektedir.7 kullanılmıştır.5’in tekrar düzenlenmiş bir versiyonu olarak eşitlik 5. 5.6’daki eşitlikler kullanılamamaktadır. Ağırlık faktörleri ile doğrusal regresyon probleminin ilişkilendirildiği eşitlik 5. Bunun sebebi bu üç eşitliğin toplam yolculuk sayısının sabit olduğu varsayımına dayanmasıdır. 5. Bundan dolayı tümü üzerinde çalışmaktansa esas eşitlik üzerinde çalışmak daha verimli olacaktır. Willumsen’e ait olup eşitlik 5.8 hacim modelinin logaritmik tahmini olurken eşitlik 5. Aşağıda her iki yol ağı üzerinde test edilecek olan dokuz eşitlik için amaç fonksiyonları Ek 2’de verilmektedir. Logaritması alınarak ve Stirling yaklaşımından yararlanılarak elde edilen Eşitlik 5.1 maksimum olasılık tekniğine dayanan orijinal amaç fonksiyonudur.3’ ün türevleri olmasıdır.5 ve 5. hacim modeli olarak da eşitlik 5. 5. ki bağlı yol ağının çözümü için. Eşitlik 5. Oysa iki bağdan oluşan yol ağında toplam yolculuk sayısı sabit değildir. eşitlik 5. Her iki yol ağında da kullanılacak eşitlikler en geniş şekilde Ek 2’ de verilmiştir.3 Test Edilecek Eşitlikler Aşağıdakiler birbirleri ile karşılaştırılmış dokuz farklı eşitliktir. t ij ) = Ln    ∏ ij T! (Tij !) ∏∑ ij T     t ij       t ij      ij    ij (5.3.

2) Maksimum : Z (Tij . fonksiyonda belirli bir başlangıç bitiş ikilisi için tüm başlangıç değerlerinin toplamına uygulanan bir oran olarak görünen bir olasılık değeridir. t ij ) = TLn  − T − t ∑ ij  T  Tij Ln ij t   ij     − Tij      (5.7) Maksimum : Z (Tij .9) 5.8)    Tij  T  L = TLn   − T − ∑ Tij Ln   − Tij  + t  ij   t ij        ∑ λ 2∑ (V P ) − ∑ P ∑ T P  ij ij      a a ij    a ij ij ij  ij a ij ij      ∀ i.4) Maksimum : Z (Tij . t ij ) = ∑ ij  1   (Tij − tij )2   2t   ij  Va ! ij (5.3) Maksimum : Z (Tij . problemin çözümünde başlangıç verisi olarak kullanılan kaynak matrise ait her yolculuk değerinin belli bir katsayı ile çarpılarak genişletilmesi ya da daraltılması işlemidir. j   (5.68 T  Maksimum : Z (Tij . başlangıç matrisi. t ij ) =  1 ∑  2T (T  ij  ij ij  2 − t ij )    (5.5) Maksimum : Z (Tij . t ij ) = − ∑ ij  T  Tij Ln ij t   ij   T  Tij Ln ij t   ij     − Tij         − Tij + t ij      (5. t ij ) = ∑∑ T P Ln V t  a ij  Tij va     a ij  (5.4 Başlangıç Matrisi Dengelemesinin Etkisi Başlangıç matrisinin dengelenmesi işi. Bundan dolayı. başlangıç matrisi için yapılacak bir dengeleme bu olasılık değerini . Eşitlik 5. t ij ) = ∏ (T P )!∏ ∏ a a ij ij ij ij a ij  t ij Pija   v  a     Tij Pija (5.1' deki amaç fonksiyonu üzerinde düşünüldüğünde.6) Maksimum : Z (Tij . t ij ) = − ∑ ij (5.

başlangıç matrisinin dengelenmesinden bağımsız olacaktır.13. Eşitlik 5.13’e götüren dengelemeyi geçersiz hale getirirler.2 nolu eşitlikte amaç fonksiyonu.2 deki amaç fonksiyonuna yönelik olarak.3 ve eşitlik 5. Böyle bir durumda amaç fonksiyonunun değeri değişse bile görülebilmektedir. optimum çözümü değiştirmediği Şekil 5. Son iki terim aynıdır. k ’dan bağımsızdır.10 elde edilecektir.4. çünkü Ln(k) sabittir ve toplam işaretinden çekip çıkarılabilir. k ölçüm faktörlerinden bağımsızdır. başlangıç matrisi dengelemesi.12 nolu eşitliği elde etmek için genişletilmiş ve tekrar gruplanmış eşitlik 5. şekil 5.10’un üçüncü ve altıncı terimleri.2 için açıklanan yöntem takip edilerek (dengeleme ve genişletmeden sonra) eşitlik 5. iki bağlı yol ağında olduğu gibi sabit olmadığında. t ij ) = TLn(T ) − TLn(kt ) − T − ∑ Tij Ln(Tij ) + ∑ Tij Ln(kt ij ) + ∑ Tij ij ij ij (5. şekil 5.6’da. Z (Tij . dengeleme faktörü optimum çözümü etkileyecektir. t ij ) = TLn(T ) − TLn(kt ) − T − ∑ Tij Ln(Tij ) + ∑ Tij Ln(kt ij ) ij ij (5. çinde eşitlik 5.3’ü barındırdığından bu eşitliktekine benzer bir duruma eşitlik 5.2’de tüm tij’lerin yerine “k” kez tij’ ler yazılırsa. Bu durumda fonksiyonun en optimum çözümü.5’te açıkça anlatılmaktadır.3’te var olanların dışında. ve genişletilirse eşitlik 5.4’te de rastlanmaktadır. optimum çözüm değişmeyecektir. ek olarak bir başlangıç ifadesine sahiptir.69 etkilemeyecektir.13) Eşitlik 5. Bu durumun. Eşitlik 5. 5. ayrıca toplam Tij’nin değeri T’dir. t ij ) = TLn(T ) − TLn(t ) − ∑ Tij Ln(Tij ) + ∑ Tij Ln(t ij ) ij ij (5.10) Z (Tij .11’e ulaşmayı engellerler. bu sebeplerden ötürü bunlar eşitlik 5. toplam yolculuk sayısının (T) sabit olmadığı iki bağlı yol ağı için uygulandığında optimum çözüm değişmektedir. eğer eşitlik 5. Beş bağlı yol ağında olduğu gibi yolculuk sayısının toplamı sabit olduğunda son terimin de sabit olacağı açıktır.14’ü elde ederiz. burada k sıfırdan farklı pozitif dengeleme faktörüdür. Toplam yolculuklar. Eşitlik 5.4’de görüleceği üzere. beş bağlı yol ağı için. dengeleme faktörüne dayalı olarak amaç fonksiyonunun değerini aşağı ve yukarı itecek olan eşitlik 5. Bu durum. Şekil 5.12) Z (Tij .3’te .11) Z (Tij . Eşitlik 5. 5. t ij ) = TLn(T ) − TLn(t ) − ∑ Tij Ln (Tij ) + ∑ Tij Ln(t ij ) − TLn(k ) + ∑ Tij Ln(k ) ij ij ij (5.

Bununla birlikte toplam yolculuklar sabit değilse. Fakat.16) Görüldüğü üzere.70 Z (Tij .5 eşitliğinde yapılan işlemler ile aynı işlemler eşitlik 5.7 ve 5.17' ye ulaşılmaktadır. Z (Tij .6 için de uygulandığında sonuç olarak eşitlik 5. Eşitlik 5. optimum çözümü tanımlayan ilk terimdir. 5. iki bağlı yol ağında olduğu gibi toplam yolculukların sayısı değişken ise. t ij ) = k 2 ∑ ij 2 t ij 2Tij +∑ ij Tij 2 − k ∑ t ij ij (5.15 numaralı eşitlik düzenlendiğinde eşitlik 5.14) Tüm tij’ leri ‘k’ kez tij’ ler ile değiştirdiğimiz ve genişleterek eşitlik 5.16’yı vermektedir. hiçbir etkiye sahip .17) Eşitlik 5.8 için başlangıç matrisi bir oran olarak eşitliklerde yer alır ve bu sebepten dolayı başlangıç matrisinin dengelenmesi en son elde edilecek optimum çözüm üzerinde herhangi bir etkiye sahip değildir. dengeleme işlemi optimum çözümü etkileyecektir. t ij ) = ∑ ij 2 k 2 t ij yeniden 2Tij +∑ ij Tij 2 − ∑ kt ij ij (5. beş bağlı yol ağında olduğu gibi. Eşitlik 5. t ij ) = Tij t ij 1 ∑ 2t + k ∑ 2 − ∑ Tij k ij ij ij ij (5.15’i elde etmekte kullandığımız eşitlik 5. eğer toplam yolculuklar sabitse. başlangıç matrisinin dengelenmesi optimum çözümü etkiler. başlangıç matrisinin dengelenmesi optimum çözümü etkilemeyecektir. eğer yolculuk sayılarının toplamı sabitse yukarıdaki ifadede yer alan son iki terim de sabittir ve bu. Bundan dolayı.7 ve 5. Z (Tij . Bu durum şekil 5. herhangi bir dengeleme faktörü.5’i incelemek gerekmektedir.9 ve 5. Bu durumda başlangıç matrisinin dengelenmesi için kullanılacak katsayılar sonuç çözümü üzerinde olmayacaktır.10’da gösterilmektedir. 5.15) Z (Tij .9 veya tek basamak yaklaşımı ile ilgili olarak. Bu durum şekil 5. t ij ) = −∑ Tij Ln(Tij ) + ∑ Tij Ln(t ij ) + ∑ Tij Ln(k ) ij ij ij (5.8’de açıkça anlatılmaktadır.17’ye dikkatlice bakılırsa. yolculuk değerleri toplamı sabit olduğunda optimum çözüm. başlangıç matris değerleri logaritmalarının farklılığı sebebi ile kullanılmamaktadır. başlangıç matrisinin dengelenmesinden bağımsızdır.

3 için Optimum Çözüm.25 k = 0.3’ü kullanarak 5 bağlı yol ağı için farklı katsayılarda optimum çözüm. .3 Eşitlik 5. T (Toplam Yolculuk Sayısı) Sabit 100 50 0 Amaç Fonksiyonu Değeri -50 -100 -150 -200 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 Talep Senaryosu k = 0.71 Farklı Dengeleme Katsayıları ile Denklem 5.5 k=1 k=2 Şekil 5.

72 Farklı Dengeleme Katsayıları ile Denklem 5.25 5 k = 0.5 k=1 6 k=2 7 8 9 Talep Senaryosu Şekil 5.3’ü kullanarak 2 bağlı yol ağı için farklı katsayılarda optimum çözüm. T (Toplam Yolculuk Sayısı) Değişken 30 25 20 15 10 Amaç Fonksiyonu Değeri 5 0 -5 -10 -15 -20 -25 -30 1 2 3 4 k = 0. .4 Eşitlik 5.3 için Optimum Çözüm.

73
Farklı Dengeleme Katsayıları ile Denklem 5.4 için Optimum Çözüm, T (Toplam Yolculuk Sayısı) Sabit
1 0 2 3 4 5 6 7 8 9

Talep Senaryosu

10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

-20

-40

-60

Amaç Fonksiyonu Değeri

-80

-100

-120

-140

-160

-180

-200
k = 0,25 k = 0,5 k=1 k=2

Şekil 5.5 Eşitlik 5.4’ü kullanarak 5 bağlı yol ağı için farklı katsayılarda optimum çözüm.

74
Farklı Dengeleme Katsayıları ile Denklem 5.4 için Optimum Çözüm, T (Toplam Yolculuk Sayısı) Değişken
0

-5

-10

Amaç Fonksiyonu Değeri

-15

-20

-25
k = 0,25 k = 0,5 k=1 k=2

-30 1 2 3 4 5 6 7 8 9

Talep Senaryosu

Şekil 5.6 Eşitlik 5.4’ü kullanarak 2 bağlı yol ağı için farklı katsayılarda optimum çözüm.

75
Farklı Dengeleme Katsayıları ile Denklem 5.5 için Optimum Çözüm, T (Toplam Yolculuk Sayısı) Sabit
1 150 2 3 4 5 6 7 8 9

Talep Senaryosu

10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

130

110

Amaç Fonksiyonu Değeri

90

70

50

30

10

-10
k = 0,25 k = 0,5 k=1 k=2

Şekil 5.7 Eşitlik 5.5’i kullanarak 5 bağlı yol ağı için farklı katsayılarda optimum çözüm.

76 Farklı Dengele me Katsayıları ile Denklem 5. T (Toplam Yolculuk Sayısı) De ğişke n 45 40 35 30 Amaç Fonksiyonu Değeri 25 20 15 10 5 0 1 2 3 4 5 6 7 8 9 Talep Senaryosu k = 0.8 Eşitlik 5.5 için O ptimum Çözüm.5 k=1 k= 2 Şekil 5.25 k = 0.5’i kullanarak 2 bağlı yol ağı için farklı katsayılarda optimum çözüm. .

6 için Optimum Çözüm. T (Toplam Yolculuk Sayısı) Sabit 1 800 2 3 4 5 6 7 8 9 Talep Senaryosu 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 700 600 Amaç Fonksiyonu Değeri 500 400 300 200 100 0 k = 0.6’yı kullanarak 5 bağlı yol ağı için farklı katsayılarda optimum çözüm.9 Eşitlik 5.77 Farklı Dengeleme Katsayıları ile Denklem 5. .25 k = 0.5 k=1 k=2 Şekil 5.

10 Eşitlik 5.5 k=1 k=2 Şekil 5.6’yı kullanarak 2 bağlı yol ağı için farklı katsayılarda optimum çözüm. T (Toplam Yolculuk Sayısı) Değişken 50 45 40 35 Amaç Fonksiyonu Değeri 30 25 20 15 10 5 0 1 2 3 4 5 6 7 8 9 Talep Senaryosu k = 0.78 Farklı Dengeleme Katsayıları ile Denklem 5.25 k = 0.6 için Optimum Çözüm. .

ve 5. 5.11.7' de üniform başlangıç matrisi kullanılarak elde edilen sonuçlar özetlemektedir. Şekil 5.79 5.19.6 hariç olmak üzere toplam yolculuk sayısı sabit olduğu zaman tüm eşitlikler aynı optimum çözümü vermektedirler. farklı bir üniform başlangıç matrisi kullanmanın yaratacağı etkileri görmek önemlidir. örnek olarak seçilmiş her iki yol ağında geçerli olmak üzere başlangıç matrisi değeri tüm hücrelerde 10 olarak alınmıştır. geçmiş çalışmalardan elde edilmiş bir matrisin mevcut olmaması durumunda nasıl bir başlangıç matrisinin kullanılabileceği sorusudur. Çözüm yapılırken.3.23 ile verilen grafikler ise 2-bağlı yol ağı ile ilgili tüm eşitlikler için optimum çözümleri göstermektedirler.22 ve 5.3’te ve 2-bağlı örnek için çizelge 5.15. 5-bağlı yol ağı için.12. çizelge 5. 5. 2-bağlı yol ağında ki gibi toplam yolculuk sayısı değişken olduğunda. Çizelgeden açıkça görüldüğü üzere. . eşitlik 5.5 ve 5. 5.5 ve 5. Bunun sebebi. logaritması alındığında sonucu negatif sonsuz değere götürmektedir. 5. Bu gibi durumlarda üniform bir başlangıç matrisi oluşturmak için daha farklı bir çalışma yapılmaktadır. Eşitlik 5. Çizelge 5.4.16. ilk ve son senaryolardaki yolculukların bir tanesinin “0” değeri alması. 5. Şekil 5. 5. 5-bağlı yol ağı ile ilgili tüm eşitliklerden elde edilen optimum çözümü gösterirken. Bunlara ek olarak. bu 4 eşitlik için. eşitlik 5. 5-bağlı yol ağında olduğu gibi. 5. 5. Eşit bir karşılaştırma için. başlangıç matrisi dengelemesinin hassasiyeti ile aynı derecededir. 5.17.14. üniform başlangıç matrisine bağımlı olan optimum çözümdeki değişim aralığı.9 ve tek basamak yaklaşımının çözümü için özel bir algoritmaya sahip olan QUEENS-OD programının kullanılması gerekmekte ve bu çalışmada diğer sonuçlarla karşılaştırma yapabilmek amacıyla sadece QUEENS-OD’den elde edilen sonuçlar alınmıştır.6’da verilen senaryo numarası ile gösterilmektedir.6 optimum çözümden sapmaktadır. Optimum çözüm. 5.13. örnek yol ağlarına ait senaryolar için de geçerli olmak üzere ilk ve son talep senaryoları dikkate alınmaz. bazı amaç fonksiyonları için optimum çözümü değiştirecek etkiye sahip olduğu anlaşılmaktadır.18 de verilen grafikler.5 Üniform Başlangıç Matrisinin Etkisi Çeşitli amaç fonksiyonları üzerinde.20.21. 5. Başlangıç matrisinin dengelenmesi konusunda belirtildiği gibi dengeleme için kullanılacak katsayıların.

6 Eşitlik 5.5 Eşitlik 5.7 Eşitlik 5.1 Eşitlik 5.9 5 BAĞLI YOL AĞI 18 18 18 18 16 20 18 18 18 2 BAĞLI YOL AĞI 4 4 5 4 4 4 . EŞ TL K NO Eşitlik 5.8 Eşitlik 5.80 Çizelge 5.2 Eşitlik 5.7 Üniform başlangıç matrisi için optimum sonuç karşılaştırması.3 Eşitlik 5.4 Eşitlik 5.

.81 Denklem 5. Üniform Başlangıç Matrisi. T Sabit 4.11 Eşitlik 5.0E+00 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 Talep Senaryosu Şekil 5.0E-08 5.0E-08 Amaç Fonksiyonu Değeri 2.5E-08 2.5E-08 4.0E-09 0.5E-08 3.0E-08 1.5E-08 1.1.0E-08 3.1’i kullanarak 5 bağlı yol ağı için optimum çözüm.

12 Eşitlik 5.82 Denklem 5. T Sabit -10 -15 -20 Amaç Fonksiyonu Değeri -25 -30 -35 -40 -45 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 Talep Senaryosu Şekil 5.2. .2’yi kullanarak 5 bağlı yol ağı için optimum çözüm. Üniform Başlangıç Matrisi.

3’ü kullanarak 5 bağlı yol ağı için optimum çözüm. T Sabit 1 0 -2 -4 -6 -8 -10 -12 -14 -16 -18 -20 -22 -24 -26 -28 -30 -32 -34 -36 -38 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 Talep Senaryosu 24 25 26 27 28 29 Amaç Fonksiyonu Değeri Şekil 5.13 Eşitlik 5. .83 Denklem 5.3. Üniform Başlangıç Matrisi.

Üniform Başlangıç Matrisi.14 Eşitlik 5.84 Denklem 5.4’ü kullanarak 5 bağlı yol ağı için optimum çözüm. T Sabit Talep Senaryosu 1 -40 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 -45 -50 Amaç Fonksiyonu Değeri -55 -60 -65 -70 -75 Şekil 5.4. .

85 Denklem 5. Üniform Başlangıç Matrisi. . T Sabit 70 65 60 55 Amaç Fonksiyonu Değeri 50 45 40 35 30 25 20 15 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 Talep Senaryosu Şekil 5.5’i kullanarak 5 bağlı yol ağı için optimum çözüm.5.15 Eşitlik 5.

.6.6’yı kullanarak 5 bağlı yol ağı için optimum çözüm.16 Eşitlik 5.86 Denklem 5. Üniform Başlangıç Matrisi. T Sabit 150 140 130 120 Amaç Fonksiyonu Değeri 110 100 90 80 70 60 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 Talep Senaryosu Şekil 5.

5E-16 3.7’yi kullanarak 5 bağlı yol ağı için optimum çözüm.7.0E-16 2.0E-16 5.0E-16 3. . Üniform Başlangıç Matrisi.5E-16 1.87 Denklem 5.17 Eşitlik 5.0E+00 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 Talep Senaryosu 26 27 28 29 Şekil 5.5E-16 Amaç Fonksiyonu Değeri 2. T Sabit 4.0E-17 0.0E-16 1.

88 Denklem 5. T Sabit 120 110 100 90 80 Amaç Fonksiyonu Değeri 70 60 50 40 30 20 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 Talep Senaryosu Şekil 5. .8’i kullanarak 5 bağlı yol ağı için optimum çözüm.8.18 Eşitlik 5. Üniform Baş langıç Matrisi.

012 Amaç Fonksiyonu Değeri 0.1.004 0.006 0. . Üniform Baş langıç Matrisi.008 0.01 0.002 0 1 2 3 4 5 6 7 8 9 Talep Senaryosu Şekil 5.018 0.89 Denklem 5. T De ğiş ken 0.016 0.014 0.1’i kullanarak 2 bağlı yol ağı için optimum çözüm.19 Eşitlik 5.

Üniform Baş langıç Matrisi.90 Denklem 5. T De ğiş ken 0 -1 -2 Amaç Fonksiyonu Değeri -3 -4 -5 -6 -7 1 2 3 4 5 6 7 8 Talep Senaryosu 9 Şekil 5.2’yi kullanarak 2 bağlı yol ağı için optimum çözüm.20 Eşitlik 5. .2.

3. Üniform Başlangıç Matrisi.21 Eşitlik 5. .3’ü kullanarak 2 bağlı yol ağı için optimum çözüm. T Değişken 27 26 Amaç Fonksiyonu Değeri 25 24 23 22 1 2 3 4 5 6 7 Talep Senaryosu 8 9 Şekil 5.91 Denklem 5.

03 0.015 0. Üniform Başlangıç Matrisi. .035 0.22 Eşitlik 5. T Değişken 0.7’yi kullanarak 2 bağlı yol ağı için optimum çözüm.01 0.005 0 1 2 3 4 5 6 7 8 9 Talep Senaryosu Şekil 5.025 Amaç Fonksiyonu Değeri 0.7.02 0.92 Denklem 5.

Üniform Başlangıç Matrisi. T Değişken 12 11 10 9 8 Amaç Fonksiyonu Değeri 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 Talep Senaryosu Şekil 5.93 Denklem 5.8.23 Eşitlik 5.8’i kullanarak 2 bağlı yol ağı için optimum çözüm .

olası çözümler grubunun birer üyesi olan başlangıç matrislerine sahiptirler. Bir yol ağında toplam yolculuklar değişken olduğunda.000 civarı başlangıç matrisi elde edilmiş ve bu işlem her iki örnek yol ağı için tekrarlanmıştır. Bu amaçla. başlangıç matrisi. birincisi üniformluğu sağlamak.9. 5. . ayrıca mevcut senaryolarla uyumlu olanlar içinde en iyi eşitliğin çıkarılması da sağlanacaktır. senaryolar ile uyumsuz başlangıç matrisinin elde edilmesi için oldukça dikkat gerektiren bir yaklaşım izlenmesi gerektiği vurgulanmaktadır. tüm eşitlikler. Bu araştırmanın yapılması için iki neden öne sürülmüştür. Bu yöntem. Bu sayede sadece uyumsuz başlangıç matrisi etkilerinin görülmesi değil. elde edilmiş tüm çözümleri kapsayacak şekilde uygulanarak başlangıç matrisleri elde edilmiş ve her iki örnek yol ağı için bütün eşitliklerde tekrar edilmiştir. Tüm amaç fonksiyonları. Hesham Rakha’ nın yönetiminde Harinarayan Paramahamsan’ ın 1999 yılında yapmış olduğu “Fundamental Properties of Synthetic O-D Generation Formulations and Solutions” başlıklı tez çalışmasında. Bunun için benzer bir örnek üzerinde. QUEENS-OD tarafından çözümlenen Eşitlik 5. bu yüzden başlangıç matrisinin. Profesör Dr. Başlangıç matrisi dengelemesinden etkilenmiş olan eşitlikler için başlangıç matrisi. eski çalışmalardan elde edilmiş bir başlangıç matrisi. Willumsen eşitliğinin ve sonuç olarak onu izleyen eşitliklerin uygulanmasının sakıncalarını göstermektedir. tüm başlangıç matrisleri ve her iki örnek yol ağı için elde edilmiştir. örnek olarak alınan yol ağlarındaki etkilerini anlamak için.1 ile gösterilmiş olan orijinal eşitlikten elde edilen çözüm referans alınarak diğer eşitliklerden bulunan çözümler ile arasında oluşan sapmalar tespit edilmiştir. başlangıç matrisi daima aynı tarzda düzenlenmiş rastgele numaralar ile doldurularak 10.6 Uygun Başlangıç Matrisi Etkileri Uygun bir başlangıç matrisinin. Böylece çözümler.94 5. Pek çok durumda başlangıç matrisleri uygun (kullanılabilir) bir çözüm oluşturmazlar. Eşitlik 5. elde edilmiş çözümlerden birine sabitlenerek bulunmuştur. Bu konuda yapılmış çalışmalarda. toplam yolculuk sayısının sabit olduğu durumlara uygun bir şekilde ayarlanmıştır. senaryolar ile uyumlu olduğu durumlardaki eşitliklerin özellikleri üzerinde çalışmakta yarar vardır.7 Uygun Olmayan Başlangıç Matrisi Etkileri Büyük ve karmaşık yol ağlarında. ikincisi de başlangıç matrisinin dengelenmesinden etkilenen eşitliklerde oluşacak sonuç farklılığından emin olmaktır. O-D yolculuk matrisini elde etmek için kullanılan geçerli senaryoya uygun bir çözüm sağlamayabilir. çeşitli alternatif çözümler birer başlangıç matrisi olarak kullanılmış ve en uygun çözüm test edilmiştir. beklendiği gibi tüm test ağları için geçerli olmak üzere başlangıç matrisi ile uyumlu sonuç vermiştir.

Eşitlik 5.9 ile verilen eşitlikler kullanıldığında sapmanın nispeten daha küçük olduğunu göstermektedirler. ki adımlı yaklaşımda da benzer durum söz konusudur. Eşitlik 5. eşitlik 5. 5.1 için bulunan optimum talep senaryosu ile diğerleri arasındaki farklılık olarak tanımlanmıştır. Buradan eşitlik 5. 5.5 ve 5.3.2 ve 5. Matlab.2 de gösterilmiştir. sayımlarda yapılan hataların en etkin yöntemlerle dağıtılması sonucu akım sürekliliğini sağlayan eşdeğer trafik hacim değerlerine dönüştürülmüş olmasıdır. Trafik sayımlarından O-D matrisini elde etmeye yönelik ortaya konmuş olan yaklaşımları karşılaştırmak için örnek olarak seçilmiş yol ağları şekil 5. Bunun sebebi. 5.8 ve 5. 5. MS Excell Solver ve Queen’s OD gibi yazılımlar kullanılarak tek adımlı yaklaşım problemleri rahatça çözülebilmektedir.5 ve 5. Eşitlik 5.7.8 ve 5.7 ile gösterilmiş olan eşitliklerin her zaman benzer çözüm verdikleri dikkat çekmektedir. Tek adımlı yaklaşımda ise akım sürekliliği problemi ve maksimum entropi tekniği birleştirilmiş ve tek adımda çözülmüştür.3. ancak tek adımlı yaklaşımda daha hızlı sonuca ulaşıldığı görülmüştür. .1. 5. Harinarayan Paramahamsan’ ın (1999) yapmış olduğu bu karşılaştırma sonucunda.6’ nın her iki yol ağı yapısında da önemli hatalar verdiği göz önünde bulundurulmadan kullanılamayacağı açıkça anlaşılmaktadır.8 Akım Süreliliğinin Etkisi Bir önceki bölümde açıklandığı üzere gerek tek adımlı gerekse de iki adımlı yaklaşımda akım sürekliliğinin sağlanamadığı durumlarda dahil olmak üzere trafik sayım değerlerinden faydalanarak O-D matrisleri elde edilebilmektedir. Yol ağı içindeki bağlardan herhangi birinin hacim değeri sonradan arttırıldığında akım sürekliliği muhafaza edilemeyecektir.9’u kullanarak bulunan sonuçlar. Elde edilen sonuçlar.4. Sapmanın genişliği ile ilgili olarak bilgi sahibi olabilmek için sapmanın kritik noktaları elde edilmiştir. 5.1 ve 5.1’in kullanılması ile elde edilen sonuçlara gerçekten çok yakın çıkmıştır.1 ve 5. ki adımlı yaklaşımda akım sürekliliği problemi ilk adımda çözülmüş ve sonra maksimum entropi teknikleri kullanılarak sonuç O-D matrisi elde edilmiştir. bağlarda yapılan trafik sayımlarından bulunan trafik hacim değerlerinin. eşitlik 5. 5. yolculukların toplam sayısının sabit olduğu 5-bağlı ağ için.2’ yi kullanan 2-bağlı ağda da çözümlerin benzer sonuçlar verdiği görülmektedir. Farklı çalışmalarda bu üç paket yazılım ile yapılmış testlerden elde edilen sonuçlar birbirine benzer çıkmıştır. 5.95 Burada sapma.6’ nın kullanıldığı çözümlerde geniş bir sapma olduğu ve bundan dolayı da uygulamada zayıf kaldığı görülmektedir.

tamamen çeşitli eşitliklerin üzerinde oluşan etkilerin karşılaştırmalı olarak gösterilmesi amacı ile yapılmıştır.9 Özet Bu bölümde iki farklı yol ağı üzerinde farklı O-D matrisi çözüm eşitlikleri karşılaştırılmıştır. Bu inceleme. Bu bölümde ayrıca yolculuk sayıları tabanlı eşitlikler ile trafik hacim değerleri tabanlı eşitliklerin benzerlikleri ortaya konmuş ve tek adımlı çözüm yaklaşımına ait eşitliklerin sonuca daha hızlı ulaştığı görülmüştür. bir üniform. Daha sonra eşitlikler. . ve bir de dengelenmiş başlangıç matrisi koşulları altında test edilmiş. Bunların haricinde konu ile ilgili yapılmış çalışmalardan. toplam yolculuk sayısının sabit olması ve değişken olması durumunda ayrı ayrı çözümler bulunarak karşılaştırma yapılmıştır. benzer ağ yapılarına uygulanmış farklı testlerin sonuçlarından da bahsedilmiştir.96 5.

• Willumsen tarafından önerilen ilk model (Eşitlik 6. Entropi modeli içinde bugüne kadar farklı çalışmalarda kullanılmış dokuz ayrı eşitlik test edilmiştir. Buna karşın.97 6. Toplam yolculuk sayısı. yolculuk sayıları tabanlı modelden elde edilen sonuçlar ile uyumlu sonuçlar vermektedir. • Yolculuk modelinden. uygun ve uygun olmayan başlangıç matrisi kullanılarak toplam yolculukların sabit olduğu ve değişken olduğu iki farklı durum altında yapılmıştır. Willumsen’ in ana formülünden türetilen eşitlikten (Eşitlik 6. Uygulanan modeller. Testlerde uygulanan amaç fonksiyonlarında. sadece toplam yolculuk sayısı sabit ve Tij / tij ≈ 1 ise uygulanabilir olmaktadır. • Willumsen’ in formülünden türetilmiş olan eşitlik 6. uygun bir başlangıç matrisi kullanıldığı durumda bile gerçek yolculuk değerleri kullanılarak bulunan sonuçtan uzaklaştığı görülmektedir. değişken olduğunda ise bulunan en iyi çözümlerde farklılıklar görülmüştür. Sonuçlar ve Öneriler Bu çalışmada. başlangıç matrisinin katsayılarla çarpılarak dengelenmesinden bağımsız olduğu ortaya çıkmaktadır.6. yapay O-D probleminin çözümü için bugüne kadar ortaya konulan çeşitli formüller ve çözüm algoritmaları arasında yapılan karşılaştırmalar sunulmuştur.5) elde edilen sonucun. en küçük hatayı verecek en yakın sonucu elde etmek için maksimizasyon (ençoklama) tekniği kullanılmıştır. Bu karşılaştırmalar en iyi çözümü bulmak amacıyla üniform başlangıç matrisi. • Uzmanlarca önerilen tek adımlı yaklaşım. toplam yolculuk sayısının değişken olduğu durumlarda optimum çözümden sapmaktadır.5 ve bu eşitliğin düzenlenmiş hali olan eşitlik 6. Çalışmada esas alınan model entropi modeli olmuştur. Elde edilen sonuçlar incelendiğinde. yolculuk sayısı tabanlı ve trafik hacim değerleri tabanlı olmak üzere iki ana başlık altında toplanmıştır. • Toplam yolculuk sayısının sabit olduğu durumlarda yolculuk sayısı tabanlı yöntem ve trafik hacim değerleri tabanlı yöntem ile elde edilen en iyi çözüm arasında bir farklılık yoktur. . hacim modelinden ve tek adımlı yaklaşımdan elde edilen çözümlerin. • Toplam yolculukların sayısı bir değişken olduğunda.3). Willumsen’ in ortaya koyduğu modelde ve onun türevlerinde başlangıç matrisinin katsayılarla çarpılması sonucu değiştirmekte ve optimum çözümden sapmaktadır.

Uzmanlarca Queens-OD yazılımı için. yani başka bir Ancak deyişle geniş çözüm yol ağlarında. Profesör Dr. Standart eşitlik çözücü programların kullanabileceği eşitlik ve değişken sayısı oldukça kısıtlıdır. • Toplam yolculuk sayısının değişken olması ve uygun olmayan başlangıç matrisi kullanılması durumunda. standart eşitlik çözücülerin bu kullanılabilirliğini yapılabilmesini engellemektedir. Bugüne kadar yapılmış olan çalışmalar esas alınarak gelecekte yapılacak araştırma ve testler trafik sayımlarını kullanarak daha kolay ve daha düşük maliyetli OD matrisi elde etme imkanı yaratacaktır.5) ya da onun düzenlenmiş hali (Eşitlik 6.98 • Toplam yolculukların sayısı sabit bir sayı olduğu zaman çözüm araştırmasının uygun olmayan bir başlangıç matrisi ile başladığı yerde Willumsen’ in esas modeli (Eşitlik 6. Kaynaklarda da belirtilen bugüne kadar yapılan . Küçük yol ağları için. Tek adımlı yaklaşımda. konu ile ilgili olarak kesin bir karara varmak için erken olduğu görülmektedir. tek adımlı yaklaşımda %5’ten az hata görülmüştür. Queens OD programının son versiyonu ile her üç yöntemin de (yolculuk modeli. yaklaşık %20’ ye kadar ulaşan hatalar vermektedir. bu büyüklükteki bir yol ağına ait problemin çözümünde yaklaşık bir saat kadar zaman harcandığı iddia edilmektedir. birbirine çok yakın sonuçlar elde edildiği görülmüştür. Elde edilen sonuçlar gerçek hayatta yeteri kadar test edilme imkanı bulamadığından. Bu tez çalışmasında incelenen trafik sayımlarını kullanarak OD matrisi elde etmeye yönelik denemeler 1980’li yılların başından bugüne kadar konuyla ilgilenen araştırmacıların elde etmiş oldukları sonuçları özetlemektedir.6). hacim modeli ve tek basamaklı yaklaşım) uygulanabilir olduğu küçük yol ağlarında standart eşitlik çözücülerden elde edilen sonuçlar ile uyumlu sonuçlar ortaya koyduğu belirtilmiştir. Gelecekteki Çalışmalar çin Tavsiyeler. Excel gibi standart eşitlik çözüm programları konuda kullanılarak çözümlenebilmektedir. tek adımlı yaklaşım eşitliklerinin Matlab. tüm olası çözümlerin kendi içinde doğrulanabilir olduğu küçük yol ağları için. kullanılacak denklemlerin ve değişkenlerin sayısı. Queens OD yazılımı 1000’den fazla zonu olan ve 5000’in üzerinde bağa sahip yol ağlarına uygulanabilmektedir. Hesham Rakha’ nın yönetiminde Harinarayan Paramahamsan’ ın 1999 yılında yapmış olduğu “Fundamental Properties of Synthetic O-D Generation Formulations and Solutions” başlıklı tez çalışmasında.

Yapılan deneme çalışmaları geliştikçe. Bu çeşitli model ve denklemlerin duyarlılıklarına daha geniş bir çerçevede bakılması için gerekli olacaktır. Bu karşılaştırmalar sonuç çözümlerine dayanan farklı yöntemler üzerindeki avantaj ve dezavantajlar ilişkisinin de bulunmasına yardımcı olacaktır. dinamik O-D matrisi elde etmeye yönelik yaygın olarak kullanılan diğer teknikler ile karşılaştırılmalıdır. . daha ileriki çalışmalarda verilmiş bir O-D çifti için çoklu güzergaha sahip yol ağları kullanılmalıdır.99 araştırmalar da dikkate alındığında gelecekte yapılacak çalışmalar için önerilebilecek bazı tavsiyeler şu şekilde özetlenebilir: Test edilecek yol ağları bu çalışmada da olduğu gibi özel bir O-D çiftleri için çoklu güzergahlar içermemelidir. Maksimum entropi teknikleri. Bu tezde seçilen örnek yol ağları oldukça basit seçilmiştir. bu tür çalışmalarda bulunan sonuçlarla karşılaştırma yapılıp doğrulanmasına olanak sağlayacaktır. Doğruluğun test edilebilmesi için çeşitli model sonuçları gerçek bir yol ağı için kesin olarak bilinen O-D yolculuk matrisleri ile karşılaştırılmış olmalıdır. Daha büyük yol ağları için yapılacak denemeler. 5 bağdan oluşan yol ağında ve 2 bağdan oluşan yol ağında bütün O-D çiftleri için sadece bir güzergah seçeneği mevcuttur. Gelecekte yapılacak karşılaştırmaların entropi yaklaşımı ve sinir ağları teknikleri gibi diğer yaklaşımlar arasında sürdürülmesinin daha doğru olacağı görülmektedir.

edu [2]www. H.. W. H.com . “Decomposition Algorithm For Statistical Estimation of O-D Matrix with Random Link Choice Proportions From Traffic Counts”. N. Zuylen. Universitat Politècnica de Catalunya. (1999).sciencedirect. 281-293. Vol:32 No:2.B.. L. M. Willumsen. (2001).vt. Dept. L. Vol:14B. INTERNET KAYNAKLARI [1]www. “Inference For O-D Matrices: Estimation.”. A. “Optimal Traffic Counting Locations For Origin-Destination Matrix Estimation.. Zhang. Ulaşım Planlaması I ve II Basılmamış Ders Notları.com [4] www. (2001). Seminar notes. V. Lo. H.. “Notes on Optimization Models for Transportation Analysis”. J.E nşaat Mühendisliği Anabilim Dalı Ulaştırma Programı. pp..100 KAYNAKLAR Barcelo. (1980). Master of Science Thesis in Civil and Environmental Engineering.. Transportation Research B. Transportation Research B. P. Blacksburg. A. VIRGINIA. “The Most Likely Trip Matrix Estimation from Traffic Counts”.. J. pp:667-676. Transportation Research B. stanbul.K. 109-126.com [3]www. Hazelton. (1998).lindo..H. Asil Yayın Dağıtım. Yıldız Teknik Üniversitesi F. (2004). Prediction and Reconstruction”. (2003) “Trafik Mühendisliği ve Uygulamaları”. of Statistics and Operations Research. Yang. P. . (1999) “Fundamental Properties of Synthetic O-D Generation Formulations and Solutions”.. Erel.. J. (1998) “Kentiçi Ulaşımda Talep Yönetimi”.. pp:369-385 Tunç. Yüksek Lisans Tezi.aimsun. Vol:35. pp. Harinarayan. Yüksel. Transportation Research B. Zhou..G. Lam. Vol:33. H.

5 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 X değerleri Eğri altında kalan alana bakıldığında dikdörtgen metodu kullanılarak: Yöntem 1 X=1 ve X=N noktaları arasında eğrinin altında kalan alan şu şekilde hesaplanabilir: ≈ (1) Ln(1) + (1) Ln(2) + (1) Ln(3) + (1) Ln(4) + . E. ∫ Ln( X )dx 1 N (E...5 1 0. bir integral yapısının hesaplanmış olduğu görülecektir.1) Eğer X=1 ve X=N noktaları arasında eğrinin altında kalan mevcut alan hesaplanırsa. + (1) Ln( N ) = Ln( N !) (E. Yöntem 2 X=1 ve X=N noktaları arasında eğrinin altında kalan alan .. Y = LnX Fonksiyonu Ln X değerleri 3.5 2 1.101 EKLER Ek 1: Stirling Yaklaşımı y = Ln X fonksiyonunun grafiğine bakılacak olursa..2 de verilen eşitlik için. .5 3 2.2) olarak tanımlanır.

 2 3 51840 X  12 X 288 X  asimptotik seriden gelen X içeren terimler yok sayıldığında. Pratik çözüm açısından hata payı çok küçük olan E.7) 1 1  Ln( X !) =  x +  Ln( x) − X + Ln(2π ) 2 2  (E. ∫ Ln( X )dx = NLn( N ) − N − 0 + 1 1 N (E. E.4) yazılabilir.5) elde edilecektir. .. Bu ifade E. Eğer “N” çok büyükse.5 eşitliğinden daha hassas bir ifadedir. (E.8 eşitliği arasındaki fark 0’ a yaklaşmaktadır..102 ∫ Ln( X )dx = xLn( X ) − X (E.3) olduğunu biliyoruz. Ancak büyük değerlerde E.2 eşitlikleri kullanılarak: NLn( N !) = NLn( N ) − N (E. Bu durumda.1 ve E. Burada Euler-Maclaurin serilerinden elde edilen asimptotik seriler kullanılarak bir kısaltma yapıldığında..6) X != 2πX X x e − x elde edilecektir. eşitliğin her iki tarafının da logaritması alınırsa. 1 1 1   X != 2πX X x e− x 1 + + − − .7 eşitliğinde.5 eşitliği ile E.8) elde edilir. bu fonksiyon içerisinde “1” değerinin etkisi yok sayılacak kadar küçük olacaktır. (E. Yöntem 1 ve 2 de yer alan E.5 eşitliği kullanılmaktadır.

sunu eğrisi modeli tanımlamaktadır.Süre modeli. Olasılığa dayalı davranışsal tercih durumunda Logit model yapısı da şu şekilde ifade edilmektedir: Q1 = P1 TAB eV Pi = eVx i1 ∑ x V1 = β o1 + β1 t1 V2 = β o 2 + β 2 t2   Q t1 = t o1 1 + α  1 Q   1 max      p  α   . Trafik hacmi ve zaman grafiği üstünde talep eğrisi ile sunu eğrisinin kesiştiği nokta bu modeldeki merkez nokta yani denge noktası olacaktır. kapasite kısıtı (ulaşım koşullarının trafik miktarından etkilenmesi) altında hepsi ya da hiçbiri seçiminin yapılacağı düşünülerek oluşturulmuş bir tercih modelidir.103 Ek 2 Hacim-Süre Modeli. Hacim . Hacim – Süre modelinde ise talep ve sunu eğrilerinin kesiştiği nokta değil.

Pi Vi Vx : i seçeneğinin tercih edilme yüzdesi : i seçeneğinin yararlılık fonksiyonu : Tercih konusu olan seçenekler. .104   Q t 2 = t o 2 1 + α  2 Q   2 max      n  α   11  eβ +β t  Q1 = P TAB = TAB  1 β +β t  e + e  a1 02 2 2 Burada.

: Z (T . : Z =  t   t   t   t  T !T T ! T ! !         ac ad bc bd         Eşitlik 5. : Z  T . Bölümde beş bağdan ve iki bağdan oluşan yol ağlarının test edilmesinde kullanılan eşitliklerin çözümde kullanılan genişletilmiş açılımları. t  =  ij ij    T! ∏ ij (T !) ij ∏ ij  T  t  ij  ij     t     ij ij  ∑  T  T  T  T  t  ac  t  ad  t  bac  t  bd T!  ac   ac   bc   bd  Max. :             T  T  bc  bd      . t ) = TLn  − T − ij ij t ∑ ij       T    ij  − T   T ij Ln  ij  t       ij                 T  T  T    ac  − T  −  T Ln ad  − T  Z = TLn  − T −  T Ln   ac  ac   ad  ad  t     t  t       ac   ad      Max.105 Ek 3 5.2 T  Max. T Ln − T  −  T Ln −T    bc  bc bd  bd     t  t       bc   bd      . 5Baglı Yol Ağı Eşitlik 5.1   Max.

t  = −  ij ij    ∑ ij             T  T     ad  − T  ac  − T + t  −  T Z = - T Ln +t    ad Ln   ac ac ac ad ad     t t   ad    ac              Max. :             T  T     bc  − T + t  −  T + t  −  T  bd  − T . T Ln +t      bc bc   bd Ln   bc bc bc  bd bd           t bc   t bd              . T Ln − T  .106 Eşitlik 5. t  = −  ij ij    ∑ ij       T    ij  − T   T ij Ln  ij  t       ij                 T  T    ac  − T  −  T Ln ad  − T  Z = - T Ln   ac  ac   ad  ad      t  t       ac   ad      Max. T Ln −T    bc  bd  bc bd     t  t       bc   bd      Eşitlik 5.4       T    ij  − T + t   T ij Ln  ij ij    t   ij          Max.3   Max. : Z  T . :             T  T  bc  bd      . : Z  T .

6   Min. : Z  T . : Z  T . t  =  ij ij    ∑ ij   2   1 T − t     ij ij         2t ij   2 2 2    1  1  1  T − t  + T T − t  Min. : Z =    ad − t ad  +   bc bc   ac ac     2t 2t 2t  ac ad bc 2  1  T − t  +  bd bd   2t  bd . : Z =  ac ac   ad − t ad  +   bc bc      2T  2T 2T  ac ad bc 1 + 1 2T bd   T − t   bd bd    2 Eşitlik 5.5   Min.107 Eşitlik 5. t  =  ij ij    ∑ ij   2   1 T − t     ij ij        2T   ij  2 2 2     1  1  T − t  + T T − t  Max.

t  =  ij ij    ∏ a ∏ ij V ! a a  T p   ij ij    ∏ ij a  T p  t p  ij ij  ij ij     v   a   T  t  ac ac   Z = x   1 T !T !  t + t  ac ad  ac ad  V ! 1  T  t  bc bc   Z = x   2 T !T !  t + t  bc bd  bc bd  V ! 2  T  t  ad ad   x   t +t   ac ad   T  t  bd bd   x   t +t   bc bd  T  ac       t ad  x  +t +t t +t ac ad  ac ad T  bd     T  ad       t ac  x Z =  3 +t +t T !T !T !T !  t + t ad ac ad ac ad bc bd  ac V ! 3   t bc   +t +t t +t ac ad  ac ad T  bc     x   t bd  x  +t +t t +t ad ac ad  ac  T  T  t  ac  t  bc bc  ac    x Z = x     4 T !T !  t + t  t +t  ac bc  ac bc   ac bc  V ! 4   t ad Z = x  5 T !T +t t ad bd  ad bd V ! 5 T  bd     Max . : Z  T .7   Max.108 Eşitlik 5. : Z = Z xZ xZ xZ xZ 1 2 3 4 5 .

t  = T p Ln  ij ij   ij ij a ij   V t   a ij      T x v  T x v  ac 1  ad 1  Z = T Ln + T Ln     ac ad 1 V xt  V xt     1 ac   1 ad  ∑∑     T x v  T x v  bc 2  bd 2 Z = T Ln + T Ln   2 bc  bd  V x t  V xt   2 bc   2 bd          T x v  T x v  T x v  T x v  ac 3  ad 3  bc 3  bd 3  Z = T Ln T Ln + T Ln + T Ln    bd   ac  ad  3 bc  V xt   V xt  V xt  V xt   3 ac   3 ad   3 bc   3 bd      T T xv  xv  4 4 ac bc Z =T Ln  Ln  +T   4 ac  bc   V xt  V xt   4  4 ac  bc         T T xv  xv  ad 5 5  bd Z =T Ln    + T bd Ln   5 ad  V xt  V xt   5  5 ad  bd      Z =Z 1 +Z 2 1 +Z +Z 3 +Z +Z 4 3 +Z +Z 5 4 +Z 5 Min .8   T V  a   ij a   Min. : Z  T .109 Eşitlik 5. : Z = Z 2 .

110 Eşitlik 5.Ln T  + Ln t  − 3λ − 2λ − 2λ − 1λ = 0  ac   ac  1 2 3 4         Ln(T ) − Ln(t ) − Ln T  + Ln t  − 2λ − 3λ − 1λ − 2λ = 0  ad   ad  1 2 3 4         Ln(T ) − Ln(t ) − Ln T  + Ln t  − 2λ − 1λ − 3λ − 2λ = 0  bc   bc  1 2 3 4       V + V + V  − 3T − 2T − 2T − 1T =0  1 3 4 ac ad bc bd     V + V + V  − 2T − 3T − 1T + 2T =0  1 3 5 ac ad bc bd     V + V + V  − 2T − 1T + 3T − 2T =0  2 3 4 ac ad bc bd     V + V + V  − 1T − 2T + 2T + 3T =0  2 3 5 ac ad bc bd   . j     Ln(T) .9 T  L ≡ TLn  − T − t ∑ ij       T  ij     −T  +  T ij Ln  ij   t     ij    ∑ ij    λ 2  ij    ∑ a a  a  V p  −  p    a ij   ij  ∑∑ a xy     T a   xy xy      p ∀i.Ln(t) .

: Z =  t   t   t  T !T !T !       ab ac bc       Eşitlik 5. : Z  T . t  = TLn  − T −  ij ij  t   ∑ ij       T  ij    −T  T Ln  ij   ij   t     ij          T  T   ab  − T  − Z = TLn   − T −  T Ln  ab  ab  t   t     ab    Max.2   T  Max. :             T  T  ac  bc       − T  −  T Ln −T   T ac Ln   ac bc  bc     t  t       ac   bc      . t  =  ij ij    ∏ ij T!    T !  ij    ∏ ij  T  t  ij  ij     t     ij ij  ∑  T  T  T  t  ab  t  ac  t  bac T!  ab   ac   bc  Max. : Z  T .111 2 Bağlı Yol Ağı Eşitlik 5.1   Max.

: Z  T .3   Max. t  = −  ij ij    ∑ ij       T  ij     −T   T ij Ln  ij   t     ij                      T  T  T    ab  − T  −  T Ln ac  − T  −  T Ln bc  − T  Max. : Z  T .112 Eşitlik 5. : Z = Z xZ 1 2 . : Z = − T Ln    ab  ab   ac  ac   bc  bc        t  t  t         ab   ac   bc        Eşitlik 5. t  =  ij ij    ∏ a ∏ ij V ! a a  T p   ij ij    ∏ ij a a T p   t p  ij ij  ij ij     v   a   T  t  ab ab   Z = x   1 T !T !  t + t  ab ac  ab ac  V ! 1 T   t  ac ac   Z = x   2 T !T !  t + t  ac bc  ac bc  V ! 1 T   t  ac ac   x   t +t   ab ac  T   t  bc bc   x   t +t   ac bc  Max.7   Max.

: Z  T . : Z = Z + Z 1 2 (6. t  =  ij ij    ∑∑ a ij     T x v  T x v  ab 1   ac 1  Z = T Ln   + T ac Ln  ab 1  V xt  V xt   1 ab   1 ac          T x v  T xv  ac bd 2 2 Z = T Ln + T Ln   ac  bd  2  V xt  V xt   2 ac   2 bd      Z =Z +Z 1 2 Min.8) .8   T v  a ij a  T p Ln   ij ij V t   a ij      Min.113 Eşitlik 5.

Ln  T  + Ln t  − 1λ − 2λ − 1λ = 0  ac  1 2 3    ac      Ln(T) .Ln(t) .9) .Ln(t) .Ln  T  + Ln t  − 0λ − 1λ − 1λ = 0  bc   bc  1 2 3         V 1  − 1T ab − 1T ac − 0T bc = 0       V 1 + V 2  − 1T ab − 2T ac − 1T bc = 0     V  − 0T − 1T − 1T = 0  2 ab ac bc   (6. j     Ln(T) .Ln  T  + Ln t  − 1λ − 1λ − 0λ = 0  ab   ab  1 2 3           Ln(T) .Ln(t) .114 Eşitlik 5.9       T    ij  − T  +  T ij Ln  ij    t   ij        T  L ≡ TLn  − T − t ∑ ij ∑ ij    λ 2  ij     ∑ a a  a  V p  −  p  a ij   ij    ∑∑ a xy     a  T p  xy xy       ∀i.

Anabilim Dalı.2000 2000 .115 ÖZGEÇM Ş Doğum tarihi 23.1977 Balıkesir 1991-1994 1995-1999 2001-2005 Balıkesir Lisesi Yıldız TeknikÜniversitesi nşaat Fak.09. Ulaştırma Programı Doğum yeri Lise Lisans Yüksek Lisans Çalıştığı kurum(lar) 1997 .(üç ay) 1999 .Okulu Öğretim Görevlisi . nşaat Mühendisliği Bölümü Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü nşaat Müh.2002 2002 – BAYTUR nş.2001 2001 . Şti stanbul Büyükşehir Belediyesi SBAK YTÜ Meslek Yük.Taah. AŞ stanbul Büyükşehir Belediyesi B MTAŞ YAPITEK Mimarlık ve Planlama Ltd.