Professional Documents
Culture Documents
Ali ÜNAL
Ali ÜNAL
(507131103)
HAZİRAN 2016
İTÜ, Fen Bilimleri Enstitüsü’nün 507131103 numaralı Yüksek Lisans Öğrencisi Ali
ÜNAL, ilgili yönetmeliklerin belirlediği gerekli tüm şartları yerine getirdikten sonra
hazırladığı “İSTANBUL İLİNDEKİ MEVCUT RAYLI SİSTEMLER VE
PLANLANAN RAYLI SİSTEMLER İÇİN TOPLU TAŞIMA ATAMASI” başlıklı
tezini aşağıda imzaları olan jüri önünde başarı ile sunmuştur.
iii
iv
Aileme,
v
vi
ÖNSÖZ
vii
viii
İÇİNDEKİLER
Sayfa
1. GİRİŞ ...................................................................................................................... 1
1.1 Çalışmanın Akışı ................................................................................................ 2
2. KENT İÇİ TOPLU TAŞIMA SİSTEMLERİ ..................................................... 3
2.1 Kent İçi Toplu Taşıma Sistemleri ....................................................................... 4
2.1.1 Karayolu ulaşım sistemi .............................................................................. 4
Özel otomobil ....................................................................................... 4
Taksi-dolmuş ........................................................................................ 4
Minibüs ................................................................................................. 5
Otobüs................................................................................................... 5
Raylı sistemler ............................................................................................. 5
Banliyö sistemleri ................................................................................. 5
Tramvaylar ........................................................................................... 6
Hafif raylı sistemler .............................................................................. 7
Metro sistemleri .................................................................................... 8
Maglevli sistemler ................................................................................ 8
Monoraylar ........................................................................................... 9
2.2 Kent İçi Toplu Ulaşım Türlerinin Kıyaslaması .................................................. 9
Teknolojik Özellikler................................................................................. 10
Ekonomik Özellikler ................................................................................. 10
Çevresel Özellikler .................................................................................... 11
3. İSTANBUL TOPLU TAŞIMA SİSTEMİ ......................................................... 13
3.1 Mevcut Durum .................................................................................................. 13
3.1.1 Karayolu toplu taşıma türleri ..................................................................... 13
Otobüsler ............................................................................................ 13
Metrobüs ............................................................................................. 13
Minibüs ............................................................................................... 14
Taksi-Dolmuş ..................................................................................... 14
Servis (Kayıtlı) ................................................................................... 14
Raylı sistemler taşıma türleri ..................................................................... 14
Metro/hafif metro sistemleri ............................................................... 14
Marmaray ........................................................................................... 15
Finiküler sistemi ................................................................................. 15
Teleferik sistemi ................................................................................. 15
Denizyolu sistemleri taşıma türleri ............................................................ 15
3.2 2030 Yılı Projeksiyonu ..................................................................................... 16
Finiküler projeleri ...................................................................................... 16
Teleferik projeleri ...................................................................................... 16
Havaray projeleri ....................................................................................... 18
Metro projeleri ........................................................................................... 18
Tramvay projeleri ...................................................................................... 19
ix
4. TOPLU ULAŞIMDA İLÇE BAZLI B-S MATRİSLERİNİN
OLUŞTURULMASI ............................................................................................ 21
4.1 Anket Yöntemi (Saha Sayımları) ile Yolculukların Tahmin Edilmesi ............. 21
4.2 Akıllı Kart Verilerinden Yolcu Hareketliliklerinin Tahmin Edilmesi .............. 22
4.3 Matematiksel Tahmin Modelleri ile Yolculukların Tahmin Edilmesi.............. 23
4.4 İett-Belbim Akbil Akıllı Kart Veri Mimarisi .................................................... 24
4.5 İniş Durağını/İstasyonunu Tespit Etme Algoritması ........................................ 25
4.6 Normalizasyon .................................................................................................. 28
5. TOPLU TAŞIMA ATAMA YÖNTEMLERİ ................................................... 31
5.1 Ya Hep Ya Hiç Toplu Taşıma Algoritması ...................................................... 32
5.2 Frekans Bazlı Toplu Taşıma Algoritması ......................................................... 33
5.3 Tarife (Çizelgeleme) Bazlı Toplu Taşıma Algoritması .................................... 33
6. PTV VISUM PROGRAMINDA TOPLU TAŞIMA ATAMASI ..................... 35
6.1 Genel Bilgiler .................................................................................................... 35
6.2 Toplu Taşıma Atama Algoritmaları .................................................................. 39
6.3 Toplu Taşıma Atama Parametreleri .................................................................. 39
Atama Saat Aralığı .................................................................................... 39
İmpedans Fonksiyonu ................................................................................ 40
Skim (Yardımcı) Matrisler ........................................................................ 42
Skim Matris Toplu Taşıma Ataması Fonksiyonları ........................... 42
Skim Matris Toplu Taşıma Atama Sonuç Parametreleri .................... 42
Kapasite Kısıtlaması (Tarife Bazlı Ataması İçin) ...................................... 43
Hacim/Kapasite Oranı Bağıl İmpedansı (Tarife Bazlı Atama İçin) .......... 44
6.4 Mevcut Raylı Sistemler ve Metrobüs Sistemleri İçin Bir Uygulama ............... 45
Kullanılan Veriler ...................................................................................... 45
6.5 2030 Yılı Raylı Sistemler-Metrobüs Sistemi İçin Bir Uygulama ..................... 52
6.6 Toplu Taşıma Atama Uygulamalarının Sonuçlarının Analizi .......................... 64
Yol (Kesit) Bazlı Analiz ............................................................................ 64
Hat Bazlı Analiz ........................................................................................ 67
İstasyon Bazlı Analiz ................................................................................. 70
Yolcu Bazlı Analiz .................................................................................... 72
Diğer Analizler .......................................................................................... 74
7. SONUÇ VE DEĞERLENDİRME ..................................................................... 77
x
KISALTMALAR
xi
xii
ÇİZELGE LİSTESİ
Sayfa
xiii
xiv
ŞEKİL LİSTESİ
Sayfa
xv
xvi
İSTANBUL İLİNDEKİ MEVCUT RAYLI SİSTEMLER VE PLANLANAN
RAYLI SİSTEMLER İÇİN TOPLU TAŞIMA ATAMASI
ÖZET
Ülkemizin en fazla nüfusuna sahip ili olan İstanbul’da yaşanan trafik problemi tüm
ülke kamuoyunun yakından takip ettiği bir konudur. Özellikle, sabah ve akşam yoğun
saatlerde, trafikte geçirilen uzun süreler makro açıdan değerlendirildiğinde tüm ülke
ekonomisi için ciddi manada iş gücü verim kaybına neden olmaktadır. İstanbul’da
yaşanan trafik probleminin çözümündeki ana unsurlardan biri olarak toplu taşımanın
yaygınlaştırılması planlanmakta ve bu kapsamda birçok raylı sistem projesinin inşaatı
devam etmektedir ve planlanan tüm raylı sistem projeleri tamamlandığında 2030
yılında İstanbul’da yaklaşık 1.000 Kilometrelik bir raylı sistem ağı olacaktır.
Bu tez çalışması kapsamında öncelikle 5 Mayıs 2015 tarihinde gerçekleşen İstanbul
genelindeki tüm raylı sistemler-metrobüs yolculuk kayıtları incelenerek mevcut
durumda (günümüzde) raylı sistemler-metrobüs sistemlerindeki yolculukların ilçe
bazlı Başlangıç-Son matrisi oluşturulmuştur. Daha sonra 5 Mayıs 2015 tarihindeki
İstanbul genelindeki tüm toplu taşıma sistemlerinde (Karayolu, deniz yolu, raylı
sistemler) gerçekleşen yolculuklar analiz edilerek ve bazı varsayımlarla 2030 yılı raylı
sistemler-metrobüs için B-S matrisi oluşturulmuştur. Bir sonraki aşamada ise mevcut
ve 2030 yılı raylı sistemler projelerinin güzergâhları PTV Visum programında network
ağına çizilerek tanımlanmıştır. Son olarak gerek mevcut raylı sistemler için gerekse de
2030 yılında hizmet vermesi planlanan raylı sistemler için toplu ulaşım atama
yöntemlerinden olan “Ya hep ya hiç”, “Tarife Bazlı” ve “Tarife Bazlı-Kapasite Kısıtlı”
atama algoritmalarıyla toplu taşımada yolculuk ataması gerçekleştirilmiştir. Atama
sonuçları ulaşım planlamadaki önemli unsurlardan olan yol (kesit), hat, istasyon ve
yolcu vb. parametreler tarafından değerlendirilerek analiz edilmiştir.
Tarife bazlı kapasite kısıtlı atama sonuçları analiz edildiğinde; günümüzde çok popüler
olan ve en fazla yolculuğun gerçekleştiği, şehrin batı-doğu aksında 52 kilometrelik bir
güzergah üzerinde hizmet veren metrobüs sistemi, 2030 yılında da İstanbul’da en fazla
yolculuğun gerçekleştiği toplu taşıma sistemi olarak ön plana çıkmaktadır. Metrobüs
sistemini, günlük yaklaşık 545.000 yolculuğa hizmet vermesi öngörülen ve 2017
yılında hizmet vermeye başlayacağı duyurulan Üsküdar-Çekmeköy-Sultanbeyli M5
Metrosu izlemektedir. 2019 yılından itibaren Gebze-Halkalı arasında hizmet vermesi
planlanan Marmaray sisteminde günlük yaklaşık 540.000 yolculuğun gerçekleşmesi
planlanırken, M2 Yenikapı-Çayırbaşı Metrosu ve M4 Kadıköy-Tuzla Metrosu
sırasıyla 500.000 ve 470.000 yolculuğa hizmet verecekleri öngörülerek en fazla
yolculuğun gerçekleşmesi planlanan diğer toplu ulaşım sistemleridir. Yapımı devam
eden Bahçeşehir-Beşiktaş Metrosu ve yapımı planlanan Kazlıçeşme-Söğütlüçeşme
Metrosu da 2030 yılında İstanbul’da en fazla yolculuğun gerçekleşmesi öngörülen 10
toplu ulaşım sistemleri içerisinde yer almaktadır. Bunun yanında günümüzde de
oldukça yoğun şekilde toplu taşıma sistemleri arası yolcu transferinin gerçekleştiği
Altunizade metrobüs durağı, 2030 yılında da sistemler arası en fazla transferin
gerçekleşeceği istasyon olarak ön plana çıkmaktadır.
xvii
xviii
PUBLIC TRANSIT ASSIGNMENT FOR EXISTING RAIL SYSTEMS AND
PLANNED RAIL SYSTEMS IN ISTANBUL
SUMMARY
The traffic problems existing in Istanbul, the province with the highest population of
Turkey, is an issue closely followed by all the country's public. Especially, long hours
spent in traffic in the morning and evening peak hours, that cause serious loss on labor
and yield not only for İstanbul but also for Turkey. On behalf of solving the traffic
problems experienced in Istanbul, the public transport has been planned to be
extended. Within this scope, there are many rail systems are under construction and
when the all planned rail system projects are completed, there will be a rail network of
approximately 1,000 kilometers in Istanbul in 2030.
In this thesis study, firstly the passenger trips at both rail systems and metrobus lines
of Istanbul in 5 May 2015 were analyzed and distinct based Origin-to-Destination
matrix was generated for existing rail systems-metrobus ridership. Following this step,
the passenger trips at all public transportation modes (land, sea, rail) of Istanbul in 5
May 2015 were analyzed and with some of the assumptions, distinct based O-D matrix
was developed for the planned rail systems-metrobus ridership in 2030. In the next
stage, existing rail systems-metrobus routes and planned rail systems projects-
metrobus routes in 2030 were drawn and identified in the network of PTV Visum.
Finally, 3 different public transit assignment algorithms which are all or nothing
algorithms, Timetable Based algorithms and Timetable Based-Capacity constrained
algorithms were used to public transit assignment for both for current network and
planned rail systems-metrobus in 2030. The results of public transit assignment were
analyzed based on crucial public transport parameters such as link-corridor, line,
station and passenger.
When the timetable based-capacity constrained assignment results are analyzed,
metrobus system (Bus Rapid Transit) ,which serves in east-west axis of the city on the
52 kilometers length, will serve the highest number of passangers in Istanbul at the
year of 2030. Today, the metrobus system also serves the highest number of passangers
in Istanbul. Nowadays, this BRT system carries approximately 880.000
passangers/day. Following the metrobus system, M5 Üsküdar-Ümraniye-Çekmeköy-
Sultanbeyli Metro line, which will be planned to serve the city in the year of 2017, will
carry approximately 550.000 passengers per daily. The one way line route of M5
Metro line is approximately 32 kilometers. Following M5 Üsküdar-Sultanbeyli Metro
Line, it is anticipated that Marmaray Line will serve 540.000 passengers per day. After
Metrobus and M5 Metro line, it is anticipated that Marmaray system will carry the
highest passengers in a day. With the route expansion in 2019, Marmaray system will
serve between Halkalı and Gebze, the distance between these two stations is
approximately 66 kilometers, and it ties the anatolian side of Istanbul to European side
of the city. Today, when the passengers boardings in the days of April 2016 month
analyzed, the Marmaray system carries 181.307 passengers per day. M2 Yenikapı-
Çayırbaşı Metro Line follows the other three systems and it is expected that M2
xix
Yenikapı-Çayırbaşı Metro Line will serve 495.000 passengers per day in the year of
2030. When the passengers boarding at the 5 May of 2015 is analyzed, M2 Metro Line
system carries 454.509 passengers/day. It is anticipated that the fifth system which will
serve the highest number of passenger is M4 Kadıköy-Tuzla Metro Line. Due to results
of timetable based-capacity constrained assignment results, M4 Metro Line will serve
470.126 passengers per day in the year of 2030. Today, this system carries 265.773
passengers per day. Besides these top 5 rail systems, the Bahçeşehir-Mecidiyeköy-
Beşiktaş metro project which is under construction today, will carry 290.000
passengers per day in the year of 2030. It is also expected that Kazlışeşme-
Söğütlüçeşme metro line project (the radial network metro line project of the Istanbul)
which will be planned to serve in the year of 2023, can be evaluated as a succesful
transportation invesment and it is anticipated that this metro project will carry 165.000
passengers per day in the year of 2030.
Due to the assignmet results of timetable based-capacity constrained algorithms, there
are many rail system which will carry less than 10.000 passengers in a day in the year
of 2030. Many of these rail systems are Ayazağı-İstinye Metro Line (which will be
planned to serve in the route length of 6 kilometers in the year of 2030), Sabiha Gökçen
Airport-Tuzla Metro Line (which will be planned to serve in the route length of 8,3
kilometers in the year of 2028), Eyüp-Vialand Cable Car Line (which will be planned
to serve in the route length of 6,5 kilometers in the year of 2030). These and other rail
projects’ (which can be found in the thesis) line routes can be evaulated again and after
these line routes checking, many projects’ line routes may be revised. Besides of all,
due to timetable based-capacity constrained assignment result, it is forecasted that the
monorail projects which give boost to the city transportation planners, will not carry
enormous number of passengers in a day in the year of 2030. It can be adviced that the
city tranportation directors and planners should have look at these 10 monorail projects
and review the line routes of these 10 projects. The assingment results also remark that
Altunizade Metrobus Station will be the transfer center between different
transportation modes and the highest passengers transfers in the all Istanbul will be
occured in Altunizade Metrobus Station in the year of 2030.
Istanbul which has the highest density of people (2.743 people/m2) and the highest
population (14.657.434 people) of Turkey, seriously faces traffic problem. When the
traffic density index values between from March 2016 to April 2016 are evaluated,
between 07.00 to 09.00 hours morning, the density average of istanbul is 54%; whereas
the city faces 65% traffic density index at the evening peak time periods between 17.00
to 19.00. In other words, a 30 minutes distance can be passed approximately in 49
minutes in Istanbul at the evening peak hours. The city planners have planned to solve
the traffic density problem by promote public transport and in this manner, many rail
system constructions have already been started or will be started in the forthcoming
years.
Besides this type of traffic density problems occurred in Istanbul and enormous rail
system investments in the city, the recently started constructions in the city such as 3rd
airport which will be the biggest airport in the world, 3rd Bosphorus Bridge (Yavuz
Sultan Selim Bridge) and Kanalistanbul can change the city dynamics in the following
xx
5-10 years and current passenger demands in transportation can also change due to
those new investments effect. While this thesis study evaluate the future rail projects
by the perspective of three different public transit assignment algorithms, the lackness
of this study is that the newly constructed projects such as 3rd Airport, Yavuz Sultan
Selim Bridge, Kanalİstanbul have been ignored and the effects on the city
tranpostation demand dynamics and on the passenger O-D matrice of 2030 year of
these major projects have also been ignored.
In the following years, after these important investments have been concluded and the
city transportation demand dynamics have been changed, the more accurate O-D
matrice can come into the open and after getting more accurate O-D matrices between
zones, the public transit assingments can be executed and the more accurate results can
be acquired in the following year.
xxi
1. GİRİŞ
Günümüzde “Büyük bir köy olarak” adlandırılan dünyada, taşra bölgelerden şehir
merkezlerine göçler gittikçe artmakta ve metropol şehirlerdeki halihazırdaki mevcut
trafik problemleri gittikçe sorunlu hale gelmektedir ve ulaşım sıkıntıları, trafikte
geçirilen süre ile ilgili haberler kamuoyu tarafından sık sık gündeme getirilmektedir.
Nitekim günde yaklaşık 15.000.000 araçlı yolculuğun gerçekleştiği tahmin edilen
İstanbul’da da özellikle sabah-akşam saatlerinde yaşanılan trafik sorunu tüm ülke
kamuoyunun yakın takibindedir (Gürsoy, 2012). TomTom Nagivasyon firmasının
yayınlamış olduğu 2016 Trafik İndeks verilerinde Dünya’da en fazla trafik
yoğunluğuna sahip şehirler sırasıyla Mexico City (Meksika)-59%, Bangkok
(Tayland)-57%, İstanbul-50%, Rio de Jenario (Brezilya)-47%, Moskova (Rusya)-44%
olarak tespit edilmiştir (URL-6, 2016). Bu şehirlerin bir diğer ortak özelliği ise
nüfuslarının 8.000.000’dan fazla olan metropol kentler olmalarıdır.
1
İstanbul’da ulaşım talebinin karşılanabilmesi için şehrin coğrafyasına da uygun olacak
şekilde geçmişten günümüze birçok ulaşım modu (metro, metrobüs, otobüs, deniz
hatları, teleferik, tünel, tramvay, finükiler, Marmaray) faaliyete geçirilerek bu
karmaşık yolculuk taleplerine çeşitli ulaşım türlerinde toplu taşıma arzı sunulmaya
çalışılmaktadır. Nitekim TÜİK kayıtlarına göre 2015 yılsonu itibariyle 14.657.434
nüfus kaydı olan İstanbul’da mevsimsel olarak değişiklik göstermesine rağmen resmi
kayıtlara göre ulaşım sistemlerinde günlük 11.540.00 aşan yolculuk olması bir diğer
ifadeyle 79%’luk bir mobilite oranı oldukça yüksek bir orandır (İETT, 2016). Bu
rakama kayıt altına alınmadan hizmet veren taksi, dolmuş, servis vb. toplu taşıma
araçları dâhil edildiğinde günlük karşılanması gereken ulaşım talebinin karmaşıklığı
ve büyüklüğü daha net ortaya çıkmaktadır. Nitekim, İstanbul’da tüm toplu taşıma
sistemlerinde 5 Mayıs 2015 tarihinde İ.B.B. aracılığıyla yaklaşık 6.100.000 kapasite
arzı sunulmasına rağmen ulaşım problemi çözülememiştir ve bunun üzerine şehir
yöneticileri toplu taşıma alanında yeni projeleri (Havaray, Teleferik, Seyrantepe-
Kozyatağı Metrobüs Hattı, Metro sistemlerinin uzatılması, Marmaray sisteminin
uzatılması) hayata geçirerek karmaşık yolculuk talebine yeterince arzı sunmayı ve
şehirdeki ulaşım problemlerini bir nebze de olsa çözmeyi amaçlamaktadırlar.
Bu tez çalışmasında öncelikle akıllı kart (akbil) verileri kullanarak İstanbul Toplu
taşıma sisteminde metro, metrobüs, tramvay, teleferik ve finiküler sistemindeki
yolculuk hareketlilikleri tespit edilmiş ve geliştirilen algoritma sayesinde ilçeler arası
yolculuk başlangıç-son matrisleri oluşturulmuştur. Daha sonra mevcut metro,
metrobüs, tramvay, teleferik, finiküler sistemlerine bu yolculukların ataması
gerçekleştirilerek, atama sonuçları çeşitli ulaşım planlama parametrelerine göre analiz
edilmiştir. Bir sonraki aşamada ise 2016 yılı için mevcut ilçeler arası başlangıç-son
matrisleri projekte edilerek 2030 yılı için ilçeler arası başlangıç-son matrisleri
oluşturulmuş, elde edilen ilçeler arası B-S yolculuk matrisi İstanbul’da 2030 yılına
kadar yapılması planlanan sistemlere atanmış ve sonuçlar aynı parametrelere göre
analiz edilerek 2016-2030 yılı toplu ulaşım sistemleri senaryoları (otobüs hariç) için
kıyaslama yapılmıştır.
2
2. KENT İÇİ TOPLU TAŞIMA SİSTEMLERİ
İnsanların ulaşım taleplerini karşılamak üzere zaman ve mekân içinde toplu olarak yer
değiştirmelerini sağlayan öğeleri, bunların özelliklerini ve aralarındaki ilişkileri içeren
bir bütün olarak tanımlanan toplu taşıma sistemlerinin planlanması aşamasında bir çok
kriter mevcuttur (Yardım, 2010). Özellikle yüksek trafik yoğunluğu ile karşılaşılan
metropoller olmak üzere diğer şehirlerdeki trafik problemlerinin çözülmesi adına toplu
taşıma sistemlerinin insanlar için konfor, ücret politikası, seyahat süresi, seyahat
süresince yolcu güvenliği, yolcuların toplu taşıma sistemlerine kolayca erişimi vb.
parametreleri baz alarak bütüncül bir toplu taşıma ağı kurgusuyla planlanması
gerekmektedir.
Rye ve Howes yaptıkları çalışmada Avrupa’da ki 10 farklı şehirde kent içi toplu taşıma
ağlarını ve 5 koridoru inceledikleri çalışmalarında toplu ulaşımı kullanımı artırmanın
ve toplu taşıma kullanmaya meyilli olmayanların bile sisteme çekilebilmesi için
aşağıdaki faktörleri ortaya koymuşlardır (Rye & Howes, 2005):
3
Koridorlarla başlayın, tüm ağı ilk etapta planlamaktan daha kolaydır.
Güvenilirliği artırın.
Entegre dönemsel (abonman) biletler ile ücretleri azaltın.
Modlar arası servisleri entegre edin.
Yüksek kaliteli, modern, temiz, güvenli araçlar, istasyonları ve durakları
sağlayın.
Azaltılmış park yeri imkânı/artırılmış park ücretleri, trafik durultma, yoğun
koridorlarda sıkışıklık ücretlendirmesi vb. faktörler ile müşteri sayısını
artırın.
Kent içi toplu ulaşım sistemleri; karayolu, deniz yolu ve raylı sistem olmak üzere üç
ama başlıkta sınıflandırılabilir.
Özel otomobil
Taşıt hareketliliğinin büyük bir yüzdesini oluşturmaktadır. Taşıdıkları yolcu sayısına
göre taşıt işgal sahaları çok büyüktür.
Taksi-dolmuş
Belirlenen bir güzergâh üzerinde aracın taşıyabileceği maksimum yolcuyu taşıyarak
hizmet verebilen araçlardır.
4
Minibüs
Kapasitesi dolmuş ile otobüs arasında kalan, otobüslerin hizmet veremediği bölgelerde
önem taşır. Dolmuşa nazaran daha ekonomik bir sistemdir.
Otobüs
Kent içi toplu ulaşım sisteminde önemli yer tutmaktadır. Raylı sistem ağı gelişmiş olan
şehirlerde bile sistemi besleyen taşıma türü olarak hizmet vermektedir.
Raylı sistemler
Raylı sistemler kent içi toplu ulaşımda trafik probleminin çözümünde etkin olarak
kullanılan ulaşım türlerindendir. Yatırım maliyetinin yüksek olması gelişmekte olan
şehirlerin ana-besleme hat modeli kapsamında karayolu ulaşım sistemi ile entegre
çalışmaktadır. Raylı sistemlerin kapasite, hız, düzenlilik, güvenilirlik, konfor,
erişilebilirlik ve çevre dostu kriterleri toplu ulaşımda hizmet kalitesini arttırmaktadır
(UITP, 2001). Özellikle plansız ve çok hızlı bir şekilde büyüyen şehirlerde kullanışlı
olabilecek raylı sistemlerin düşük kapasiteli, besleyici toplu taşıma sistemleri ile
entegre olarak çalışması sağlanmalıdır (Gökdağ, 1999).
Yolcu taşımacılığının hızlı, güvenli, konforlu ve ekonomik olmasının yanında, çevre
dostu, enerji tüketiminin azlığı, bakım onarım kolaylığı ve yatırım maliyeti unsurları
ile ön plana çıkan toplu taşıma sistemidir (U.D.H.B., 2010).
Raylı sistemler kent içi toplu ulaşımda trafik probleminin çözümünde etkin olarak
kullanılan ulaşım türlerindendir. Yatırım maliyetinin yüksek olması gelişmekte olan
şehirlerin ana-besleme hat modeli kapsamında karayolu ulaşım sistemi ile entegre
çalışmaktadır. Raylı sistemlerin kapasite, hız, düzenlilik, güvenilirlik, konfor,
erişilebilirlik ve çevre dostu kriterleri toplu ulaşımda hizmet kalitesini arttırmaktadır
(UITP, 2001). Özellikle plansız ve çok hızlı bir şekilde büyüyen şehirlerde kullanışlı
olabilecek raylı sistemlerin düşük kapasiteli, besleyici toplu taşıma sistemleri ile
entegre olarak çalışması sağlanmalıdır (Gökdağ, 1999).
Banliyö sistemleri
Genellikle şehir dışındaki yerleşim yerlerini şehir merkezine bağlayan toplu ulaşım
hattı olarak hizmet vermektedirler. Özellikle büyük şehirlerde hizmet veren banliyö
sistemleri, işletme giderleri ve enerji tüketimi (katanerlerle sağlanır) düşük olmasına
rağmen yolcular için yüksek kapasite, konfor, hız ve güvenlik sağlarlar (Ulusoy,
5
2010).Ülkemizde de yoğun olarak kullanılan örnek bir raylı sistem vagon Şekil 2.1’de
gösterilmiştir (URL-8, 2016).
Tramvaylar
Karayolu ulaşım araçları ile aynı alanı kullanan, yol ve trafik durumuna göre bir sürücü
tarafından kumanda edilen, elektrik enerjisini katenerden alan, günümüzde daha çok
bir adım atılarak binilebilen alçak zeminli araçların kullanıldığı en düşük yolcu
kapasiteli raylı toplu taşım sistemleridir (Arlı, 2010). 2014 yılındaki bir çalışmasında
ise Baştürk tramvaylar ile ilgili şunu belirtmiştir (Baştürk, 2014):
Tramvay yolları inşa edilirken çok büyük çaplı kazı ve inşaat çalışmaları gerekmediği için
maliyet açısından diğer sistemlere oranla oldukça ucuz sistemlerdir. Dünyanın pek çok
şehrinde kullanılan tramvay sistemlerinde durak olarak mevcut otobüs durakları veya onlara
benzer basit tesislerden faydalanılmaktadır. Tramvaylar için inşa edilen durak boyları en fazla
60 metre civarındadır. Araç genişlikleri 2200 mm ile 2650 mm arasında değişmekte ve tipik
bir tramvay aracı 80-180 yolcu kapasiteli, kapasitenin %20-40’ı oranında koltuk sunulan
araçlardır. Tramvay sistemlerinde çoğunlukla 750 VCD Akım tercih edilmektedir ( Baştürk,
2014, ss 14-15.)
6
Tramvay sistemlerinin saatteki maksimum yolcu taşıma kapasiteleri 15.000 yolcu/yön
şeklinde kabul edilebilir. Bu nedenle nüfusu fazla olmayan yerleşimlerde Tramvay
sistemleri ana ulaşım sistemi olarak düşünülebilmesine rağmen nüfusu fazla olan ve
yolculuk talepleri tramvay sistemlerinin kapasitelerini aşan yerleşim merkezlerinde
daha çok ana ulaşım sistemlerini besleyen ve yolcu transferlerini sağlayan tali ulaşım
sistemleri olarak tercih edilmektedirler (Arlı, 2010). Örnek bir tramvay Şekil 2.2’de
gösterilmiştir (URL-1, 2016).
Hafif Metro Sistemi, saatlik maksimum 35.000 yolcu/yön yolculuk kapasitesi sunarak
tramvay sistemlerine nazaran daha yüksek kapasitede çalışabilen toplu taşıma
sistemidir. Şehir içi trafikle karşılaşmadan tam tecritli sistemler olarak hizmet verdiği
için Hafif raylı sistemlerin ortalama ticari hızı 42-45 km/saat, maksimum seyir hızı ise
80 km/saattir. İstasyon boyları ortalama 100 m civarında ve araç genişliği genellikle
2650mm'dir. Enerji temini katener (konvansiyonel sistem), rijit katener veya 3. ray
diye tabir edilen alttan besleme sistemleri ile sağlanabilmektedir. Yaygın olarak 750
VDC veya 1500 VDC akım tercih edilmektedir (Baştürk, 2014). Şekil 2.3’de örnek bir
hafif metro vagonu bulunmaktadır (URL-2, 2016) .
7
Metro sistemleri
Metro sistemlerinin işletim hızı diğer sistemlere göre daha yüksektir, ortalama ticari
hız 42-48 km/saattir. Maksimum hız 90 km/saate kadar çıkabilmektedir. İstasyon
boyları genellikle 200 m civarında olan metro sistemlerinde araç boyları da 180-200
metreye kadar çıkabilmektedir (Baştürk, 2014).
Maglevli sistemler
Maglev sisteminde manyetik güç sayesinde bir taşıt kaldırılıp ve hareket ettirilir.
Sistem çalışma mantığı şu şekildedir: Yol boyu sıralanmış bulunan bobinlere, aracın
mıknatıslarını kilitlendiği bir manyetik alan yaratmak üzere alternatif akım verilir ve
8
bu şekilde aracın mıknatısları ile yol boyu sıralanmış bobinler, aracın doğrusal
hareketini sağlayan adeta tek bir senkron motor olarak hizmet verir. Araç hızı
bobinlere verilen akım frekansının değiştirilmesi ile kontrol edilir. Aracın
mıknatıslarıyla yol boyunca sıralanmış bobinlerin etkileşimi neticesinde meydana
gelen manyetik yastık, aracı yaklaşık 15 cm havaya kaldırır ve araç adeta uçan bir hava
aracı gibi hareket eder. Bu sistemdeki araçlar ise eğer 100 km/saat ’in üzerinde hareket
ediyorlarsa manyetik yastık üzerinde, daha düşük hızlarda ise tekerlek üzerinde
ilerlemektedirler (Ulusoy, 2010). Örnek bir maglevli sistem Şekil 2.5’te gösterilmiştir
(Ulusoy, 2010).
Monoraylar
Monoray, “yolcu veya yük tasıma araçlarının hatyolu için tek bir rayın kullanılması”
olarak tanımlanmaktadır. Çoğu örnekte ray yerden yüksektedir, fakat hemzemin,
yarma veya yer altında tünel içinde de olabilmektedir. Araçlar dar bir hat yolundan
asılmakta veya bindirmeli olmaktadır. Monoray araçları kendilerine ayrılan hat
yolundan daha geniştir. Hızı 80 km/saat civarında olan bu sistem, tek kabinle
çalıştırılabildiği gibi kabinler dizisi oluşturularak da çalıştırılabilir (U.D.H.B.,
Monoray İnceleme Raporu, 2014).
Bir kentte toplu ulaşım türüne yatırım yapma aşamasında kent içi toplu ulaşım
modlarının çeşitli özellikleri göz önünde bulundurulmalıdır. Bir başka çalışmada göz
önünde bulundurulması gereken kriterler şu şekilde sıralanmıştır (Şenlik, 2013):
9
Teknolojik Özellikler
Esneklik
Hız
Güvenlik
Taşıma Kapasitesi
Yakıt Tüketimi
Faydalı Yük
Arazi Kullanımı
Çevresel Olumsuz Etki
Ekonomik Özellikler
Yatırım Maliyeti
Mesafeye Bağlı İşletme Giderleri
Zamana Bağlı İşletme Giderleri
Yola Bağlı İşletme Giderleri
Aynı çalışmadaki çeşitli ulaşım türlerinin kilometre başına yatırım maliyetleri Çizelge
2.2’de gösterilirken (Şenlik, 2013) yolcunun kilometre başına işletme maliyeti ise
Amerikan para birimi cent cinsinden Çizelge 2.3’de gösterilmiştir (Şenlik, 2013).
10
Çizelge 2.2 : Bazı taşıma türleri için yatırım maliyetleri (US Milyon Dolar/Km)
Normal
Özel otobüs Tramvay LRT Metro
Otobüs
Km Başına
<0.5 2-10 5-10 10-30 40 – 90
Yatırım Maliyeti
Çizelge 2.3 : Bazı taşıma türleri için işletme maliyetler (US Cent)
Normal
Özel otobüs Tramvay LRT Metro
Otobüs
Yolcu Km Başına 3-8 8 - 12 8 - 12 12 - 15 15 – 23
İşletme Maliyeti
Çevresel Özellikler
Hava Kirliliği
Gürültü
Kaza Olasılıkları
11
12
3. İSTANBUL TOPLU TAŞIMA SİSTEMİ
İstanbul toplu taşıma sistemi için mevcut durum ve 2030 senaryosu olmak üzere 2
farklı toplu taşıma sistemleri analiz edilmiştir.
5 farklı tür ile Karayolu toplu taşıma türleri olarak hizmet verilmektedir.
Otobüsler
5 Mayıs 2015 tarihli akbil kayıtları incelendiğinde İstanbul genelinde hizmet veren
712 adet otobüs hattı vardır ve bu otobüs hatlarında söz konusu tarih de toplam
3.013.591 yolcuya hizmet verilmiştir. Otobüs sisteminde 30 adet bölgesel-paralı hatlar
(418, 303 vb. hatlar) olduğu için bu hatlarda akbil sisteminden bağımsız ücret toplama
sistemi olduğu için İstanbul genelinde toplam yolculuk sayısına 100% doğrulukla
ulaşmak çok zor olmasına rağmen tahmini olarak 3.400.000 yolculuğun gerçekleştiği
varsayılmaktadır. İETT kurumunun resmi internet sitesinde ise İETT’ye bağlı
otobüslerde 927.546, Özel Halk Otobüs firmasına ait araçlarda 1.441.334, Otobüs A.Ş.
firmasına ait araçlarda ise 795.504 günlük yolculuk (toplam 3.164.384 yolculuk)
gerçekleştiği belirtilmiştir (İETT, 2016).
Metrobüs
2007 yılında hizmet vermeye başlayan İstanbul Metrobüs sistemi, seyahat süresi
açısından İstanbul Halkı için cazip ulaşım hizmeti sunmaktadır. Nitekim sunulan cazip
ulaşım hizmeti neticesinde İstanbul Metrobüs sisteminde 5 Mayıs 2015 tarihinde
836.771 yolculuk gerçekleşmiştir. Bazı yoğun günlerde 880.000 rakamına ulaşılan
sistemde hafta sonu günlerinde yolculukların düşmesinden dolayı ortalama olarak
13
aylık 21.000.000 yolculuk yapılmaktadır. Sistemin uzunluğu 50,7 km olup, farklı
rotalarda çalışan 7 adet hat hizmet vermektedir (İETT, 2016).
Minibüs
Taksi-Dolmuş
Minibüs taşıma türüne göre çok daha az bölgede hizmet vermektedirler. Günlük olarak
110.000 yolculuk gerçekleştiği öngörülmektedir (İETT, 2016).
Servis (Kayıtlı)
14
M3 Kirazlı-Olimpiyatköy/Metrokent Hafif Metrosu: 2013 tarihinde
faaliyete girmiştir ve Kirazlı-Metrokent ve İkitelli-Olimpiyatköy olmak üzere
2 güzergâhta hizmet vermektedir. Kirazlı-Metrokent güzergâhının uzunluğu 11
Km, İkitelli-Olimpiyatköy güzergâhının uzunluğu ise 3,6 Km’dir. Analiz
edilen tarihte 51.807 yolculuk M3 sisteminde gerçekleşmiştir.
M4 Kadıköy-Kartal Metrosu: 2012 yılında Kadıköy-Kartal (21,5 Km)
güzergahında hizmet vermeye başlayan sistemde 5 Mayıs tarihinde 262.429
yolculuk kaydı gerçekleşmiştir.
M6 Levent-Boğaziçi Üniversitesi Hafif Metrosu: 2015 yılında 3,3 Km’lik
mesafede hizmet vermeye başlamıştır. 5 Mayıs 2015 tarihinde sistem yeni
açılıp fazla bilinmediği için gün boyunca 19.600 yolculukla karşılaşmıştır.
Açıldığı günden 2015 yılsonuna kadarki dönemde sistemde toplam 3.619.830
yolculuk gerçekleştirilmiştir (Ulaşım A.Ş. Veritabanı)
Marmaray
Finiküler sistemi
Teleferik sistemi
15
İstanbul Şehir Hatları: Günlük olarak 106.357 yolculuk
Özel Tekne-Motor: Günlük olarak 137.285 yolculuk
Sonuç olarak üst kısımda detaylı olarak paylaşılan bilgilerin özet olarak gösterilmesi
gerekirse İstanbul’da 2015 yılındaki hafta içi bir gündeki tüm sistemdeki yolculuklar
incelendiğinde tüm modlardaki yolculuklar Çizelge 3.2’de paylaşılmıştır (İETT,
2016).
Finiküler projeleri
İki adet finiküler projesi planlanmaktadır. İlk projede Avcılar Kampüs-Avcılar Sahil
güzergahında 1,8 kilometrelik mesafede finiküler sisteminin hizmet vermesi
planlanmaktadır. Şu an etüt aşamasında olan projenin 2030 yılına kadar faaliyete
geçmesi planlanmaktadır. Diğer projede ise Kısıklı-Çamlıca güzergahında 5,3
kilometrelik mesafede finiküler sistemininin hizmete girmesi planlanmaktadır. Etüt
aşamasında olan projenin ve 2030 yılına kadar hizmete geçmesi planlanmaktadır.
Teleferik projeleri
2030 yılında hizmet vermesi planlanan teleferik projeler Çizelge 3.1’de paylaşılımıştır.
16
Çizelge 3.2 : İstanbul’da günlük yolculuk sayıları
17
Havaray projeleri
2030 yılına kadar yapımı planlanan havaray projeleri Çizelge 3.3’te gösterilmiştir.
Bitirilmesi
Güzergah Uzunluk Son Durum
Öngörülen Sene
Kadıköy-Maltepe-Kartal (Fahrettin Kerim 17,5 Etüt
2030
Gökay Cad. Şemsettin Günaltay Cad.) Km Aşamasında
Etüt
Beyoğlu-Şişli 7,4 Km 2024
Aşamasında
11,4 Etüt
Ataşehir-Ümraniye 2026
Km Aşamasında
Etüt
4 Levent–Gültepe-Sanayi Mahallesi 5,5 Km 2030
Aşamasında
11,7 Etüt
Sefaköy-Halkalı-Başakşehir 2023
Km Aşamasında
Etüt
Kartal Sahil–D100 5,1 Km 2030
Aşamasında
Etüt
Libadiye Caddesi-Merdivenköy 3,7 Km 2023
Aşamasında
Etüt
Maltepe–Başıbüyük 9 Km 2030
Aşamasında
Etüt
Sefaköy–Kuyumcukent–Havalimanı 7,4 Km 2030
Aşamasında
Etüt
Sabiha Gökçen Havalimanı-Formula 8,9 Km 2030
Aşamasında
Metro projeleri
Bitirilmesi
Güzergah Uzunluk Öngörülen Son Durum
Sene
18
Çizelge 3.4 (Devam): 2030 yılına kadar yapımı planlanan metro projeleri
Bitirilmesi
Güzergah Uzunluk Öngörülen Son Durum
Sene
Tramvay projeleri
19
kilometrelik mesafede hizmet vermesi planlanmaktadır. 2019 yılına kadar yapımı
bitmesi planlanan bu projenin uygulama projesi bitmiş durumdadır. Diğer tramvay
projesinin ise Şirinevler-Mahmutbey güzergahında hizmet vermesi planlanmaktadır.
7,8 kilometrelik mesafede çalışma planlanan tramvay projesi şu an etüt aşamasındadır
ve 2024 yılına kadar faaliyete girmesi planlanmaktadır.
20
4. TOPLU ULAŞIMDA İLÇE BAZLI B-S MATRİSLERİNİN
OLUŞTURULMASI
21
Şehir merkezindeki bireylerin hareketliliklerini gözlem ve sayım yöntemiyle ilk
inceleyen kişilerden bir tanesi W.H. Whyte adlı bir şehir plancısıdır. Whyte, New York
şehrindeki bazı caddelerin ve sokakların gerçek kullanım miktarlarını bizzat sahada
gözlemleyerek “The social life of small urban spaces” adlı çalışmasını 1980 yılında
yayınlamıştır (Whyte, 1981). Fakat gerek Whyte’ın çalışmasındaki ve gerekse aynı
dönem çalışmalarındaki en önemli zorluklardan bir tanesi yolculuk kayıtlarının
elektronik ortamda olmamasından ötürü yolculuk hareketlerinin analiz edilmesi hem
çok zorlayıcı hem de ciddi bir maliyete sebep olmaktaydı.
Goel ve Tiwari tarafından geliştirilen çalışmada ise Hindistan’ın Delhi şehrindeki 1122
metro kullanıcısı ile anket gerçekleştirilmiştir (Goel & Tiwari, 2015). Söz konusu
çalışmada “Metro olmazsa hangi ulaşım türünü tercih edersiniz ?” sorusunu yönelten
araştırmacılar, şu sonuçları elde etmişlerdir: “%42’si otobüs, %40 şahsi araç ve %18
seyahatten vazgeçerdim.”
1968 yılında Dethloff ve Grötrupp’ın ilk defa geliştirip, 1970’li yılların sonunda
Motorola firması tarafından bir Fransız Bankasında uygulanması ve başarılı sonuç
vermesinin ardından popüler olan akıllı kartlar (Url-7, 2016), 1980’li yıllardan itibaren
gelişmiş ülkelerdeki bazı şehirlerde toplu ulaşım sektöründe kullanılmaya
başlanmıştır. Başarılı uygulama neticesinde akıllı kart teknolojisi daha da gelişmiş ve
“Toplu ulaşımda yolcu takip edilebilirliği” konusu, 1990’lı yıllardan itibaren ulaşım
planlaması literatürüne girmeye başlamıştır. Özellikle günümüzde gerek teknolojinin
gelişmesi sayesinde gerekse de büyük şehirlerdeki toplu taşıma sistemlerinin teknoloji
ile yüksek entegrasyonundan ötürü yolculuk hareketleri anlık olarak rahatlıkla takip
edilebilmektedir.
22
Şehir içi toplu ulaşımdaki yolculuk hareketliliklerini incelenmesi konusunda kapsamlı
birçok çalışmanın yapıldığı merkezlerden olan M.I.T. Senseable City Laboratuvarı
araştırmacılarından Liang Liu ve arkadaşları Çin’in Shenzhen şehrindeki toplu
taşımadaki akıllı kart verilerini incelemiştir. Çalışmanın yapıldığı tarihte, şehirde
günlük ortalama 1.500.000 yolculuk toplu taşıma (metro ve otobüs) ile
gerçekleştirilmekteydi. 1 Aralık 2008 ve 31 Aralık 2008 tarihlerindeki yolculuk
hareketlilikleri gözlemlenerek gerçekleştirilen çalışmada, 1 ay boyunca metro ve
otobüsü kullanan 5.000.000 farklı yolcunun hareketleri yolculuk kartlarındaki
elektronik sistemle takip edilirken toplam 10.305 taksinin bulunduğu şehirdeki 5000
taksinin hareketleri ise 1 ay boyunca GPS sistemi ile kayıt altına alınmıştır. Şehirdeki
insanların yoğunluk aksının haritalandığı çalışma sonuçları 2009 yılında “Urban
Mobility Landscape: Real Time Monitoring Of Urban Mobility Patterns” isimli
makalede yayınlanmıştır (Lui, Biderman, & Ratti, 2009).
23
diğer zaman aralıklarındaki normal yolcu binişleriyle kıyaslanmış aradaki farklar
istatistiksel olarak değerlendirilmiştir.
İstanbul’daki tüm toplu taşıma sistemlerinde (minibüs, taksi, servis hariç) akıllı kart
ile seyahat eden yolcuların hareketleri (akıllı kartı sisteme okutmaları) veri tabanına
kayıt edilmektedir. Veri tabanındaki örnek bir yolculuk kayıtı Çizelge 4.1’de
paylaşılmıştır.
24
MedyaSeriNo: Ulaşım türlerinde akbil (akıllı kartlar) ile seyahat eden her
yolcunun kendine özgü bir kimlik numarası vardır. MedyaSeriNo sütunu
yolculukların gerçekleştiği akbillerin ID değerini göstermektedir.
Tarih: Yolculuğun gerçekleştiği tarih, kart basışını dakika ve saniye
hassaslığında kaydetmektedir.
Taşıma türü: Otobüs veya “Null” değerini döndürmektedir. Null değerinin
anlamı yolculuğun otobüs dışındaki diğer ulaşım türleri ile gerçekleştiğini
ifade etmektedir.
Nihai Hat: Otobüs türü ile seyahat edildiyse otobüs hat numarasını diğer türlü
ise diğer taşıma modlarını (“metrobüs”,”T1”,”M1”,”DT-IST”) gösteren sütün
değeridir.
Yön: Otobüs sistemlerinde bir tur gidiş ve dönüş olmak üzere iki yönden
oluşmaktadır. Diğer sistemlerde böyle bir ayrım yapılmadığından dolayı
“Null” değeri dönmektedir.
Güzergâh: Otobüs sistemlerinde kullanılan bir sütundur. Diğer sistemlerde
karşılığı olmadığı için “NULL” değerini döndürmektedir. Tabloda görüleceği
üzere 19E hattının seferinin Güzergâh değeri D1056’dır. D0’dan farklı
güzergah değeri, söz konusu seferin normal güzergâh içerisinde değil bunun
yerine depar güzergâhında tamamlandığını belirtmektedir. Depar güzergâhlı
seferler, normal güzergâh içerisinde olan bazı duraklara depar hattındaki
araçların girmeyerek gerçekleştirdiği seferlerdir. D0 güzergâh değeri ise
otobüs hatlarının planlanan tüm istasyonlara girerek gerçekleşen normal
seferlerdir.
Durak: Tüm ulaşım türlerinde yolculuğun başlamış olduğu noktayı sistem
kaydedebilmektedir. Otobüslerin bulunduğu istasyonları GPS sisteminden,
diğer ulaşın türlerini ise zaten belli olan sistemler ile kodlamaktadır.
25
mesafesi olarak maksimum durağa yürüyüş mesafesi olarak 1 km varsayımı yapılarak,
1 km altında olan en yakın durak, o hattın iniş durağı olarak değerlendirilmiştir (Deli,
2015). Geliştirilen algoritmada bir yolcunun iki basışı arasındaki süre 90 dakikayı
aşıyorsa ikinci basış aktarma yolculuk olarak değil ayrı bir yolculuk başlangıcı olarak
değerlendirilmektedir.
26
ilk iniş durağını bulma aşamasında Cevizlibağ tramvay durağına 1 Km (Kilometre)
mesafe içerisindeki en yakın metrobüs duraklarını sıralamaktadır. Cevizlibağ tramvay
istasyonu Cevizlibağ Metrobüs istasyonuna 40 metre uzaklıktadır. Cevizlibağ
Tramvay istasyonlarına Topkapı Metrobüs ve Merter Metrobüs istasyonları da 1 Km
mesafe içerisinde olmasına rağmen algoritma, 2. Basışın olduğu Cevizlibağ Tramvay
istasyonu durağına en yakın mesafedeki durak olan Cevizlibağ Metrobüs istasyonunu
yolcunun iniş istasyonu olarak kabul etmektedir. Yolcunun 1. Kaydının iniş yeri
Cevizlibağ Metrobüs istasyonu olarak tespit edilmiştir.
Söz konusu yolcunun sistemdeki 3. Kaydı ise İstanbul Deniz İşletmelerinin Eminönü-
Üsküdar iskelesinde ve 4. Kaydı Marmaray sisteminde Üsküdar istasyonunda
gerçekleşmişti. Zaten İstanbul Deniz İşletmelerinin mevcut çalışma yapısı gereği söz
konusu yolcunun Üsküdar iskelesinde indiğini bilinmektedir. İniş algoritmasının
yaklaşımı ile yaklaşıldığında ise Üsküdar Marmaray istasyonuna 1 Km mesafe
içerisindeki en yakın İstanbul Deniz İşletmeleri iskelelerine bakılmaktadır. Burada
Üsküdar deniz işletmeleri durağı en yakın mesafededir. Yolcunun 3. Kaydının iniş yeri
de İstanbul Deniz İşletmeleri Üsküdar İskelesi olarak tespit edilmiştir.
27
Yolcunun 5. Kaydı M1 Aksaray-Havalimanı Metrosunun Yenikapı durağında ve 6.
kaydı (son kaydı) ise 400A kodu ile Yeşilkent- Yenibosna Metro güzergâhında hizmet
veren otobüsün Yenibosna istasyonunda gerçekleşmiştir. Geliştirilen algoritma 5.
Kaydın iniş yerini tespit ederken Yenibosna Otobüs durağına 1 Km mesafe
içerisindeki en yakın M1 duraklarına bakmaktadır. Bu duraklar arasında da Yenibosna
M1 istasyonu en yakın mesafededir. İncelenen yolcunun 5. Kaydının iniş yeri de
Yenibosna M1 Metro İstasyonu olarak tespit edilmiştir.
Söz konusu yolcunun son Kaydı 400A hat koduyla Yeşilkent-Yenibosna güzergâhında
hizmet veren otobüsün Yenibosna istasyonunda gerçekleşmişken yolcunun toplu
ulaşım sistemindeki ilk kaydı ise Metrobüs sisteminin Beylikdüzü İstasyonunda
gerçekleşmişti. İniş istasyonu tespit algoritması, son kaydın iniş yerini belirlerken
Beylikdüzü Metrobüs İstasyonuna 1 Km mesafe içerisindeki en yakın 400A otobüs
hattının duraklarına bakmaktadır. Bu duraklar arasında da Beylikdüzü Otobüs durağı
en yakın mesafededir. İncelenen yolcunun son kaydının iniş yeri de Beylikdüzü
Otobüs durağı olarak tespit edilmiştir.
4.6 Normalizasyon
İstanbul Ulaşım Sisteminin tüm türlerinde Mayıs 2015 ayının hafta içi değerlerinde
ortalama olarak günlük 6,1 milyon yolculuk gerçekleşmekte iken ortalama olarak
günlük 4 milyon yolculuğun iniş noktaları tespit edilebilmektedir. İniş noktaları tespit
edilememesinin çeşitli nedenleri şu şekildedir:
Sistemde tek basışları olan yolcular
MedyaSeriNo’su (Kart ID’si) olmayan yolcular (örneğin tek basışlık biletler)
Durak ID’si bulunmayan kayıtlar (Otobüs GPS verileri arızalanması durumu)
Bir sonraki biniş durağı ile bir önceki biniş istasyonu arasında bir ilişki
bulunmayan yolcular (Örneğin Taksi veya Dolmuşla uzak mesafelere seyahat
ederse o basışı yakalamak düşük ihtimaldir)
28
Çizelge 4.2 : Normalizasyon değerinin yolculuk kayıtlarında gösterimi
Durak Durak
Tasıma Nihai Norma-
Sefer Tarih Güzergâh Yön Biniş Biniş İniş İniş
Türü Hat lizasyon
Sıra Sıra
948553 04.05.201 T0130
Otobüs 36 D5462 G 8 13 T0125B 1
57 5 08:03 A
948607 04.05.201 A0923
Otobüs 500T D0 G 37 52 A0698A 1.1
72 5 12:12 A
04.05.201 L44- TAK-
NULL NULL M2 NULL D 10 5 1.18
5 13:33 L44 TAK
04.05.201 Metrobü BYL- BHE-
NULL NULL NULL G 5 22 1.42
5 16:40 s BYL BHE
04.05.201 L44- HC1-
NULL NULL M2 NULL G 10 16 1.18
5 13:44 L44 HC1
948975 04.05.201 L0006
Otobüs DT2 D0 G 5 43 L0117A 1
45 5 08:03 B
948847 04.05.201 A1143
Otobüs 132V D0 D 17 52 A1635A 1.33
37 5 18:49 B
04.05.201 Metrobü Z2C- MCD-
NULL NULL NULL D 37 36 1.32
5 19:56 s Z2C MC
Sistemde B-S matrisi normalizasyonu için şu adımlar takip edilmiştir; Çizelge 4.2
incelendiğinde 3. satırda yer alan Yenikapı-Hacıosman M2 metrosundaki 4 Levent
durağından 13.33’de sisteme giren yolcu Taksim durağında inmiştir (İniş durağı
bilgisi, üst kısımda izah edilen algoritma ile tespit edilmiştir). 13.30 ile 13.45 arasında
4 Levent M1 Metro durağındaki tüm basışlar bulunur. Elde edilen BS matrisinde
(Çizelge 4.2) 13.30 ile 13.45 arasında 4 Levent M1 Metro durağından binip iniş noktası
da belli olan yolcu sayısı bulunur. Bu iki sayı oranlanıp yolculuk ağırlıklandırılması
elde edilir. Burada amaçlanan; bu durakta binip herhangi bir şekilde iniş noktası tespit
edilemeyen yolcuların da hat, durak, saat ve 15’er dakikalık normalize edilerek tespit
edilmesini sağlamaktır. Örneğin 4 Levent Metro durağında gerçekleşen 450 biniş
kaydından 380 adet binişin iniş kaydı varsa 450/380=1.18’lik bir düzeltme katsayısı
ile bu değerlerin çarpılarak normalize edilmesi gerekmektedir. Aynı çizelgenin 5.
Satırında görüleceği üzere 4 Levent Metro durağından binip Hacıosman Metro
istasyonunda gerçekleşen inişlerin normalizasyon katsayısı bir önceki da bir önceki
örnek ile aynı 15 dakikalık dilimde (13.33-13.44) olduğu için 1.18 olarak alınmıştır.
Saatlik yerine 15’er dakikalık dilimlerde normalizasyon yapılması sistemdeki
yolculuklar için daha hassas bir normalizasyon katsayısı belirlemek içindir. Aynı
şekilde tüm sistem için ortak bir normalizasyon katsayısı yerine; örneğin günlük 6,1
milyon yolculuğun yaklaşık 4 milyon yolculuğun iniş noktaları tespit edildiği için
(6.100.000/4.000.000=1,525) 1,525 alınabilir; tüm otobüs hattındaki otobüs durakları
için farklı, tüm metrobüs/metro/tramvay sistemlerindeki istasyonlar için 15’er
29
dakikalık dilimde ayrı ayrı normalizasyon katsayıları ile işlem yapmak sistemdeki
yolculuk hareketlerini doğru ve yakalayabilmek için çok önemlidir.
30
5. TOPLU TAŞIMA ATAMA YÖNTEMLERİ
Toplu taşıma sistemleri analiz edilirken en önemli hususlardan biri olan toplu taşıma
ataması, hatlardan meydana gelmiş bir toplu taşıma sisteminin yolculuk
hareketliliklerini ve hizmet karakteristiklerini tahmin etme amacıyla gerçekleştirilir.
Gerek gelişmiş olan ülkeler gerekse gelişmekte olan ülkeler, stratejik ve işletme
düzeyinde toplu taşıma atamalarını kullanmaktadırlar (Aktaş, 2008).
Toplu taşıma atamasında ilk çalışmalardan bir tanesini Last ve diğ. tarafından
gerçekleştirilmiştir. Söz konusu çalışma 70’li yıllarda geliştirilen toplu taşıma
modellerinden farklı olarak kapasite kısıdını da dikkate almasından dolayı ve ilk defa
kapasite kısıtlı toplu taşıma atama yapabildiği için literatürde önemli bir yer
tutmaktadır (Last & Leak, 1976). Toplu taşıma atamasındaki en popüler lineer
matematiksel modellerden bir tanesi ise Spiess ve Florian tarafından kurgulanmıştır
(Spiess & Florian, 1989). Söz konusu ikili, bu çalışmalarında radial network
akımlarından bağımsız olarak yolcu seyahat süresini minimize etmişlerdir. Nguyen ve
Pallottino çoklu yolla ulaşıma imkan veren rotalar için denge modelli atama modeli
geliştirmiştir (Enguyen & Pallottino, 1988). Şimdiye kadar incelenen bu 3 çalışmada
31
da yolcuların otobüs duraklarındaki indi-bindi süreleri duraklardaki yolculuk
hacminden bağımsız olarak sabit kabul edilmiştir ve bu durum günlük hayattaki trafik
modeliyle uyuşmamaktadır. De Cea ve Fernandez geliştirdikleri modelde sıkışık
sistemlerde kullanıcı dengesi bazlı toplu taşıma ataması yapmışlar ve bu
çalışmalarında diğer 3 çalışmadan farklı olarak yolcu yoğunluğuna göre değişen
dinamik durak iniş-biniş süresi (“Dwell time”) belirlelemişlerdir (Cea & Fernandez,
1993). Toplu taşıma atama modellerinde günümüzde gerçekleştirilen çalışmalar
incelendiğinde ise Schmöcker vd. araçlardaki koltuk kapasitesini baz alarak frekans
bazlı toplu taşıma ataması yapan model geliştirmişlerdir (Schmöcker, Fonzone,
Shimamoto, Kuruauchi, & Bell, 2011). Hamdouch vd. toplu taşıma araçlarının
kapasitesini oturma kapasitesi ve araç kapasitesi olarak değerlendirerek tarife bazlı
toplu taşıma ataması yapan bir matematiksel model geliştirmişlerdir (Hamdouch, Ho,
Sumalee, & Wang, 2011). Nuzzolo vd. ise yüksek sıkışıklık düzeyinde bulunan toplu
taşıma araçlarını, araçların kapasitesini baz alarak atama yapan tarife bazlı toplu taşıma
ataması modeli geliştirmişlerdir (Nuzzolo, Crisalli, & Rosati, 2012).
32
5.2 Frekans Bazlı Toplu Taşıma Algoritması
Frekans bazlı toplu taşıma algoritmasında yolcular toplu taşıma aracının kesin kalkış
saatini bilmediği için rastgele sisteme dâhil olur ve transfer yapacağı toplu taşıma
aracını, transfer yapacağı saati kesin olarak bilemez. Toplu taşıma sistemlerindeki
günümüzdeki yolculuklar analiz edildiğinde, yolcuların çoğunluğu tüm toplu taşıma
şebekesini, tüm toplu taşıma araçlarının sefer tarifelerini vb. detaylı bilgileri bilmediği
için rassal olarak evden-işten-okuldan vb. yerlerden ayrılmaktadır ve bu nedenle
Frekans Bazlı Toplu Taşıma Algoritması günlük hayata en benzer toplu taşıma
algoritması olarak değerlendirilebilir. Rassal olarak çalıştığı için bazı kaynaklarda
“olasılıksal toplu taşıma algoritması” olarak da geçebilmektedir.
“Ya Hep Ya Hiç” algoritmasına nazaran daha kompleks olduğu için bu modelde toplu
taşıma ataması “Ya Hep Ya Hiç” algoritmasına göre daha uzun sürebilmektedir.
Bu atama algoritmasında yolcular tüm toplu taşıma ağını, tüm toplu taşıma araçlarının
sefer tarifelerini, evinden-okuldan vb. adresten durağa erişim mesafesini kesin olarak
bilmekte ve ona göre evden-okuldan vb. yerden ayrılarak hareket etmektedir. Yolcular
toplu ulaşım şebekesinde asla durakta beklemezler (transfer için beklediği toplu taşıma
araçları hariç); evden-işten çıkışlarını toplu ulaşım aracının duraktan kalkış süresine
göre ayarlayarak hareket ederler. Gerçek hayatta tüm toplu taşıma şebekesini ve
araçların sefer tarifelerininin yolcular tarafından 100% bilinmesi mümkün olmasa bile
33
günümüzde toplu taşıma firmalarının uygulamaya koyduğu çeşitli telefon
uygulamaları ile yolcular Tarife Bazlı Toplu Taşıma Algoritmasına benzer mantıkla
hareket etmeye başlamışlardır.
“Frekans Bazlı Toplu Taşıma” Algoritmasına nazaran çok daha kompleks olduğu için
bu modeli kullanarak toplu taşıma ataması yapması uzun zaman alabilmektedir.
34
6. PTV VISUM PROGRAMINDA TOPLU TAŞIMA ATAMASI
Coğrafi bilgi sistemleri ile entegre olarak çalışan toplu ulaşım planlama programı olan
PTV VISUM’da toplu taşıma ağında yolculuk ataması yapabilmek için öncelikle
atama yapılması planlanan il-ülke-bölge vb. büyük coğrafi alanın daha küçük, daha
kolay analiz edilebilir coğrafi alanlara bölünmesi gerekmektedir. Bu durum toplu
taşıma atama sonuçlarını analiz ederken bölgesel farklılıkları göstermesi açısından
önemlidir. PTV VISUM’da toplu taşıma ataması gerçekleştirilebilmesi için yapılması
gereken diğer işlemler sırasıyla şunlardır:
Toplu taşıma istasyonlarının-duraklarının harita üzerinde düğüm olarak
çizilmesi
İki toplu taşıma istasyonunu (düğümü) birbirine bağlayan yolların çizilmesi ve
bu yolların şerit sayısı-hızı-hizmet verdiği toplu taşıma sistemi vb.
özelliklerine göre sınıflandırılması
Bu işlemlerin yapılmasıyla beraber İstanbul’daki mevcut raylı sistemler-metrobüs
sistemlerini içeren toplu taşıma ağı Şekil 6.1’de bulunabilir. PTV VISUM Network
sisteminde daha sonra izlenen aşamalar ise şunlardır:
35
Şekil 6.1 : Mevcut raylı sistemler-metrobüs ağı
36
Yollarda hangi toplu taşıma sistemlerinin hizmet vereceğinin belirlenmesi ve
sisteme tanımlanması
Sisteme tanımlananan B-S matrisinin saatlik mi, evet ise kaç saatlik ? Yoksa 1
günlük yolculuk verilerini mi temsil ettiğinin sisteme tanımlanması
Daha önce toplu ulaşım sistemlerindeki tüm istasyonlar düğüm noktası olarak
tanımlanmıştı, bu aşamada tüm düğüm noktalarına istasyon tanımlanması
Şu ana kadar gerçekleştirilen işlemler sonucunda oluşan network ağı, Şekil 6.3’te
gösterilmiştir. Bu aşamadan sonra toplu taşıma hattının güzergahları için bu
37
güzergahta hizmet veren araçların servislerinin harekete başlama saatleri network bilgi
sistemine tanımlanmalıdır.
38
- Aktarma adedi (aktarma ücreti alınacak)
- Hattın toplam süresinin standart sapması
Bu kısımda atama yapılması istenen saat aralığı tanımlanmaktadır. Daha detaylı ifade
edilecek olursa sefer çizelgeleri ve hat güzergâhları tanımlı olan bir network ağında
tarife bazlı toplu taşıma algoritması ile atama gerçekleştirileceği varsayıldığında; A
noktasından B noktasına gidecek bir yolcu bu kısımda tanımlanan saat aralıkları
içerisinde hangi saatte en kısa zamanda A noktasından B noktasına erişirse o saatte A
noktasından B noktasına hareket eder.
Bu aşamada şöyle bir handikap vardır; eğer network ağında toplu taşıma ataması
yapılacakken kapasite kısıdı göz ardı edilirse tüm yolculuklar hatların sefer sıklığının
en yoğun olduğu sabah-akşam en yoğun saat dilimlerini tercih ederler ve gün içindeki
araçlar sabah-akşamki araçlara nazaran çok daha az yolcu ile seyahat etmektedirler.
Saat aralığı minimum 1 saat, maksimum ise 24 saat olarak belirtildiği durumlarda PTV
VISUM toplu taşıma ataması sağlıklı sonuçlar üretebilmektedir. Toplu taşıma ataması
saat aralığı çok uzun tutulduğunda (örneğin 24 saat) PTV VISUM programı, atamayı
39
network boyutunun büyüklüğüne de bağlı olarak uzun saatlerde
gerçekleştirebilmektedir. Saat aralığı kısa tutulduğunda ise (örneğin 1 saat), yolcunun
hareket ettiği A noktasından B noktasına seyahat süresi 1,5 saat ise doğru bir toplu
taşıma ataması yapılamamış olur.
İmpedans Fonksiyonu
40
Durak-Çekim Arası Süre: Duraktan bölgenin merkezine olan erişme süresini
ifade etmektedir.
Transfer Yürüme Süresi: Herhangi bir transfer-aktarma zamanında
gerçekleştirdiğiniz yürüme süresidir.
Durakta Araç Bekleme Süresi: Harekete başladığınız bölge merkez
noktasından (üretim noktasından) bağlantı yolları aracılığı ile durağa vardıktan
sonra ne kadar beklediğinizi gösteren süredir.
Atama algoritmasının mantığından dolayı tarife bazlı toplu taşıma ataması ile
toplu taşıma ataması gerçekleştirilirse bu sürenin 0 (sıfır) çıkacağı
bilinmektedir.
Transferden Dolayı Bekleme Süresi: A noktasından B noktasına seyahat
ederken toplu taşıma sistemleri arasında transfer yapılması gerekiyorsa
transferden kaynaklı olarak oluşan süredir.
Transfer Sayısı: Transfer miktarı kadar bir penaltı-ceza süresi, sisteme
tanımlanabilir. Toplu taşımada yolcular olabildiğince transfer yapmamaya
yatkın hareket ettikleri için transfer sayısından kaynaklanan ceza süresi en kısa
seyahat süresi belirlenirken önemli bir parametredir.
Operatör Değiştirme Sayısı: Eğer network ağınızda farklı operatörler varsa
yolcular operatör değişimi yaptığı için bir operatör değiştirme sayısı kadar bir
penaltı-ceza süresi sisteme tanımlanabilir. Gerek farklı operatörlerin farklı bilet
sistemi uygulamasından dolayı gerekse yolcu psikolojisinden dolayı yolcular
seyahat ederken olabildiğince az sayıda operatör değiştirerek hareket
etmektedir.
41
Skim (Yardımcı) Matrisler
Toplu taşıma ataması sonucunda atama çıktısı olarak elde edilmek istenen
parameretrelerin sisteme tanımlandığı matrislerdir. Skim matris oluşturma
fonksiyonları ve Skim matris atama sonuç parametreleri olmak üzere 2 alt başlığı
mevcuttur.
42
parametrelerinin toplamı bir yolcunun seyahat süresini vermektedir) seçilerek
kalibre edilebilir.
Bu aşamada impedans fonksiyonundaki “algılanan en kısa seyahat süresi” ile
skim matris kısmında bulunan seyahat süresi arasındaki farkı tekrar belirtmek
gerekirse; transfer sayısından veya operatör değiştirme sayısından dolayı
oluşan penaltı-ceza süreleri impedans fonksiyonundaki “algılanan en kısa
seyahat süresi” fonksiyonunda değerlendirmeye alınırken, matematiksel olarak
transfer, operatör değişiminden dolayı oluşan penaltı-ceza değerleri seyahat
süresinin alt bileşenlerinden olmadığı için seyahat süresi hesaplanırken dâhil
edilmemiştir.
Skim matris kısmında yer alan seyahat süresi fonksiyonu “In-Vehicle Time,
Transfer Wait Time, Walk Time, Access Time, Egress Time” fonksiyonlarının
toplamı ile elde edilmektedir. İmpedans fonksiyonundaki “Algılanan seyahat
süresi” transfer sayısı, operatör değişimi gibi psikolojik faktörleri de göz
önünde bulundurmasına rağmen matematiksel çıktı olarak toplu taşıma
atamalarında kullanılan seyahat süresi fonksiyonu ise bu tarz psikolojik
faktörler, reel olarak seyahat süresini etkilemediği için transfer değiştirme
cezası, operatör değiştirme cezası gibi faktörleri dâhil etmemektedir.
Sürüş Süresi: Transfer süresi dâhil, yürüme-access-egress-origin wait time
süreleri hariç seyahat süresi olarak değerlendirilebilir. Kısaca otobüste geçen
araç içi süre ile transferdeki aktarma süresini dâhil eden bir süredir.
Toplu taşımada hattın araçlarından dolayı bir kapasite kısıdı varsa bu bir engel olarak
ortaya çıkabilir. Kapasite kısıdı devreye girdiği anda yolcular algıladıkları en kısa
seyahat süreli güzergâhtan gitmek istemelerine rağmen aynı noktalar arasında seyahat
eden tüm yolcular da en kısa seyahat süreli güzergâhı tercih edeceği için kapasite
sıkıntısı oluşacaktır ve bu kapasite sıkıntısı nedeniyle yolcular alternatif güzergâh
arayışlarına girerek kapasitesi olan kısa seyahat süresine sahip diğer güzergâhları
tercih ederler.
43
Hacim/Kapasite Oranı Bağıl İmpedansı (Tarife Bazlı Atama İçin)
Hacim kapasite oranı önemli bir impedans parametresidir zira yolcular en kısa seyahat
süreli güzergâhtan gitmek istemelerine rağmen o güzergâhtaki araçların seferlerindeki
hacim/kapasite oranını da göz önünde bulundurarak seçimlerini değiştirebilirler.
Volumev ( AP)
Av (6.2)
Capacityv
Formülasyon 6.2’de pay kısmı bir güzergâhta hizmet veren hattın bir seferindeki
toplam yolcu sayısını, payda ise aynı seferde sunulan arz sayısını göstermektedir.
Formülasyon 6.2’deki Av fonksiyonu bazı impedans fonksiyonları için girdi olarak
kullanılacaktır.
PTV VISUM programında 3 farklı yaklaşımla (Alman, İsveç, Lineer) yolcuların toplu
taşıma tercihlerindeki hacim/kapasite kısıdı seçim algoritması oluşturulmuştur.
Genellikle kullanılan ve bu çalışma kapsamında da kullanmış olduğumuz olan
hacim/kapasite impedansı, “DB” olarak kodlanan ve Almanya Raylı Sistemlerinde
kullanılan ayakta seyahat etme süresi ile alakalı bir fonksiyondur. Hacim/kapasite
oranı arttığı için yolcuların ayakta seyahat etme oranı artmaktadır ve bu yolcular
açısından en kısa seyahat süreli yolları seçerken hacim/kapasite impedansı olarak
yolcuların tercihlerini etkileyebilmektedir. Hacim/Kapasite oranı nedeniyle ayakta
seyahat edeceğini tahmin eden yolcular en kısa sürede varabileceği güzergâh yerine
başka güzergâhı tercih edebilirler.
1
Sv
1 b Av a
(6.3)
olasılıklarını belirtmektedir.
44
Wv S
vV
v RunTime v
(6.4)
Kullanılan Veriler
45
Yollar ve bağlantı yollarının da network ağında çizilerek tanımlanmasından sonra
ilçeler arası yolculuk hareketlerini gösteren B-S matrisi network ağına tanımlanmıştır.
Bu aşamada sisteme tanımlanan B-S matrisinin kaç saatlik olduğu önem arz
etmektedir, bu çalışmada sisteme tanımlanan B-S matrisi 5 Mayıs 2015 tarihindeki
tüm gün boyunca gerçekleşen yolculuk verilerinden elde edilerek oluşturulduğu için
sisteme tanımlanan B-S matrisi 24 saatlik olarak değerlendirilebilir.
Çizelge 6.1 incelendiğinde mevcut toplu taşıma sistemlerinin yanında “Walk” yürüme
eylemi de bir toplu taşıma sistemi olarak değerlendirilmiştir. İlçelerin merkezlerinden
en yakın istasyona erişmek isteyen yolcuların toplu taşıma sistemlerine binebilmesi
46
için ev-istasyon mesafesi arasında yürüme eylemini gerçekleştirmek zorunda
olmasından dolayı yürüme faaliyeti (“Walk”) de toplu taşıma sisteminin bir parçası
olarak kabul edilerek network ağına tanımlanmıştır.
PTV Visum programında toplu taşıma yolcularını öğrenci, yaşlı, genç vb. gruplara
bölerek segment segment incelemek mümkün olmasına rağmen bu çalışmada tüm
yolculuklar aynı statüde değerlendirilmiştir. Çünkü tüm yolculuklar segment bazlı
incelendiğinde PTV Visum network ağına segment olarak yolcu B-S matrisleri
tanımlanması gerekmektedir ve İstanbul’da toplu ulaşımda kullanılan akıllı kartların
kayıt altına alınmış olduğu mevcut veritabanı mimarisi segment bazlı yolculuk
analizine çok elverişli değildir. 5 Mayıs 2015 tarihindeki 1 günlük raylı sistemler ve
metrobüs yolculukları ilçe bazlı incelendiğinde çizelge 6.2’deki değerler elde edilir.
Tablo’da Esenler ilçesinde iniş olmasına rağmen herhangi bir biniş olmadığı
görülmektedir bunun nedeni analizin yapıldığı 5 Mayıs 2015 tarihinde Esenler
ilçesindeki M1B Metro duraklarının teknik arıza nedeniyle kart basış bilgilerini akıllı
kart sistemlerinin veri tabanına iletemediği varsayılmıştır.
Yolcu segmentleri de oluşturulduktan sonra “Hangi toplu taşıma sistemi hangi yol
tipinde kaç saat/km hızla çalışmaktadır” bilgileri network bilgi sistemine
tanımlanmalıdır. Gerek sahada yapılan ölçümler neticesinde (M2, M4, Marmaray,
Metrobüs sistemlerinin saatlik hızı saha çalışmaları neticesinde elde edilmiştir)
gerekse de ölçümlerin yapılamadığı metro, tramvay ve teleferik sistemlerin de Yandex
Metro ve Trafi Mobil Uygulamalarından faydalanılarak toplu taşıma sistemlerinin
saatlik ortalama hız değerleri hesaplanmıştır. İstanbul’daki mevcut raylı sistemler ve
metrobüs sisteminin saatlik sistem hızı değerleri Çizelge 6.2’de paylaşılmıştır.
47
Çizelge 6.3 : Mevcut raylı sistemler ve metrobüs için ilçe bazlı B-S matrisi
BEYLİKDÜZÜ
GÜNGÖREN
KAĞITHANE
B.ÇEKMECE
K.ÇEKMECE
BAKIRKÖY
BAĞCILAR
ÜSKÜDAR
ATAŞEHİR
BEYOĞLU
MALTEPE
BEŞİKTAŞ
Z.BURNU
KADIKÖY
AVCILAR
ESENLER
SARIYER
B.EVLER
B.ŞEHİR
KARTAL
G.PAŞA
B.PAŞA
S.GAZİ
Toplam
FATİH
EYÜP
ŞİŞLİ
ATAŞEHİR 1807 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 23752 0 5699 0 5291 0 0 0 5190 0 41739
AVCILAR 0 5253 0 19687 12886 0 1322 4022 9492 677 1315 0 4190 0 0 1783 4073 2140 0 7629 0 0 0 8295 1508 11906 96179
BAĞCILAR 0 0 16244 299 2073 14264 0 0 0 285 0 0 0 2015 0 1966 0 0 0 0 0 0 0 0 0 1391 38537
BAHÇELİEVLER 0 18410 2683 9140 24273 0 14304 6196 15052 1567 2131 3121 5864 13532 0 5155 5930 3567 0 11238 0 0 0 12788 2603 6637 164192
BAKIRKÖY 0 12209 4818 26252 23921 0 18825 5200 10401 2472 1484 3507 4479 30573 0 19433 4193 2837 0 7429 0 0 0 10051 1897 10514 200495
BAŞAKŞEHİR 0 0 16837 0 0 8946 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 25783
BAYRAMPAŞA 0 1519 6031 12470 14149 0 17533 956 1345 349 156 5974 15878 32115 516 6091 1433 887 0 960 0 0 9623 2362 839 5714 136901
BEŞİKTAŞ 0 6004 0 8443 7011 0 774 2817 6025 3601 718 0 3871 3011 0 1104 26553 3713 0 4189 0 82 0 5201 8863 2459 94439
BEYLİKDÜZÜ 0 10244 0 17585 11525 0 1167 3993 8040 578 997 0 3642 0 0 1587 3260 1900 0 7075 0 0 0 7676 1319 10493 91081
BEYOĞLU 0 670 523 1625 2719 0 266 3010 574 55388 95 0 626 50097 0 2082 1338 362 0 601 0 218 0 11106 643 4775 136716
B.ÇEKMECE 0 1693 0 3307 2120 0 209 617 1060 117 0 0 764 0 0 278 592 374 0 1297 0 0 0 1314 187 2090 16018
ESENLER 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
EYÜP 0 4715 942 6739 5064 0 15140 3074 3816 629 592 552 8992 5413 1931 1137 5207 2058 0 3704 0 0 11121 7184 2392 2919 93323
FATİH 0 0 17367 19071 26554 0 46200 2465 0 41337 0 12544 4451 188682 668 21096 48872 0 0 0 0 195 3651 9176 11785 60425 514539
G.PAŞA 0 0 0 0 0 0 606 0 0 0 0 0 2604 679 0 0 0 0 0 0 0 0 1086 0 0 1037 6012
GÜNGÖREN 0 2071 4066 5275 19676 0 7619 760 1837 1753 239 1920 972 22819 0 7839 890 791 0 1043 0 0 0 1793 417 6499 88279
KADIKÖY 20861 4625 0 6747 4997 0 1294 27743 3232 1382 489 0 5620 43112 0 1236 50711 5208 25012 3349 24028 0 0 19798 16174 9840 275458
KAĞITHANE 0 2166 0 3679 2972 0 667 2983 1883 351 266 0 1990 0 0 1043 5095 633 0 1762 0 0 0 6699 2316 1596 36100
KARTAL 6165 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 31506 0 3143 0 5407 0 0 0 9474 0 55695
K.ÇEKMECE 0 7360 0 10879 7062 0 793 2681 6222 526 895 0 2869 0 0 915 2875 1618 0 1078 0 0 0 5790 1205 5968 58734
MALTEPE 5297 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 25911 0 4995 0 5145 0 0 0 8136 0 49485
SARIYER 0 0 0 0 0 0 0 1658 0 9825 0 0 0 10185 0 0 0 0 0 0 0 142 0 3254 0 0 25064
SULTANGAZİ 0 0 0 0 0 0 9296 0 0 0 0 0 13805 3496 1032 0 0 0 0 0 0 0 6050 0 0 5627 39306
ŞİŞLİ 0 5897 0 10304 8673 0 1313 11923 5014 42500 640 0 6627 43719 0 1896 16829 5527 0 4363 0 803 0 42955 6320 4258 219560
ÜSKÜDAR 3803 1574 0 2824 1989 0 689 8619 1312 622 152 0 2255 26817 0 513 21512 2342 5781 1320 5856 0 0 6351 2662 5851 102843
Z.BURNU 0 10586 1427 5778 9945 0 7290 1798 8875 3013 1254 0 2605 56020 1138 5762 12713 1407 0 5426 0 0 6870 4374 3827 7340 157449
Toplam 37933 94996 70938 170103 187609 23209 145307 90514 84180 166972 11425 27617 92104 532286 5284 80914 293247 35366 44631 62461 45728 1440 38401 166167 87758 167338 2763927
48
Toplu ulaşım sistemlerinin ve bu sistemlerin ticari hızlarının yol tiplerine
tanımlanmasının ardından daha önce çizilmiş düğüm noktalarına istasyonlar eklenir ve
ardından hangi toplu taşıma sistemi hangi istasyonlardan geçerek hizmet veriyorsa
gerek geliş gerekse de gidiş güzergâhı için toplu taşıma hattının güzergâhları çizilerek
network ağına tanımlanır. PTV Visum programının ara yüzünde toplu taşıma hattının
güzergahlarının ve istasyonların görünümünün daha iyi anlaşılabilmesi adına Şekil
6.5’te M4 Kadıköy Kartal Metro sisteminin “Gidiş” ve “Dönüş” güzergahları çizimi
ve M4 Metrosundaki istasyonlar gösterilmiştir.
49
Çizelge 6.4 (Devam) : Mevcut durumda sisteme tanımlanan güzergahlar ve durak
sayıları
Hat Kodu Güzergâh Durak Âdeti
T4 Tramvay Topkapı-Habibler 22
34 Metrobüs Avcılar-Zincirlikuyu 26
34A Metrobüs Cevizlibağ-Söğütlüçeşme 19
34AS Metrobüs Avcılar-Söğütlüçeşme 33
34BZ Metrobüs Tüyap-Zincirlikuyu 37
34C Metrobüs Tüyap-Cevizlibağ 26
34Z Metrobüs Zincirlikuyu-Söğütlüçeşme 8
PTV Visum programında toplu taşıma ataması yapılacakken eğer Tarife Bazlı Toplu
Taşıma Algoritması kullanılacaksa ve de toplu taşıma ataması yaparken kapasite
kısıdının da dikkate alınması isteniyorsa araç-vagon tipleri/yolcu kapasiteleri/vagon
setleri oluşturularak network sistemine tanımlanması gerekmektedir. Bu çalışma
kapsamında da “Kapasite Kısıtlı Çalışan Tarife Toplu Taşıma Ataması” yapılacağı için
network bilgi sistemine araç-vagon tipleri/yolcu kapasiteleri/vagon setleri
tanımlanmıştır. Tanımlanan araç ve vagon tipleri/yolcu kapasiteleri Çizelge 6.5’te
paylaşılmıştır.
50
Vagon tiplerinin de network bilgi sistemine tanımlanmasından sonra network ağında
çizilen toplu taşıma sistemlerinin işletmeci kuruluşlarının network bilgi sistemine
tanımlanması gerçekleştirilmiştir. Metrobüs toplu taşıma sistemindeki tüm hatlar
İETT, Marmaray toplu taşıma sistemi TCDD ve diğer tüm toplu taşıma sistemleri
Ulaşım A.Ş. tarafından işletildiği bilgisi network bilgi sistemine tanımlanmıştır.
Son aşamada ise toplu taşıma hattının güzergâhları için bu güzergâhta hizmet veren
araçların servislerinin harekete başlama saatleri network bilgi sistemine
tanımlanmalıdır. Marmaray ile ilgili sefer saatleri bilgileri Marmaray sisteminin resmi
internet sitesinden, Metrobüs hattının sefer bilgileri İETT kurumunun resmi internet
sitesinden elde edilirken diğer taşıma modlarının hareket saatleri ise gene internet
aracılığıyla elde edilmiştir.
51
6.5 2030 Yılı Raylı Sistemler-Metrobüs Sistemi İçin Bir Uygulama
52
network ağına tanımlanmıştır (Şekil 6.8). Şekil 6.8 incelendiğinde yeni projelerin
şehrin bir çok noktasında erişimi kolaylaştıracağı görülmektedir.
53
Şekil 6.8 : 2030 yılında planlanan raylı sistem-metrobüs ağı
54
Bir diğer ifadeyle 2023 yılında İstanbul ilindeki toplu taşıma yolculuklarının
76%’sının raylı sistemler ve metrobüs ile taşınacağı varsayımı yapılmıştır. Bu bakış
açısından hareketle İstanbul toplu taşıma sistemlerinde raylı sistemlerde gerçekleşen
yolculuk oranının günden güne artacağı ve toplu taşıma atamasının gerçekleştirileceği
2030 yılındaki tüm yolculukların 75%’inin raylı sistemler ve metrobüs sistemiyle
gelişeceği varsayımı yapılmıştır.
2030-2015 yılları arasında İstanbul’da beklenen toplam 23%’lük nüfus artışı, toplu
taşıma sistemlerine de aynı şekilde 23%’lük toplu taşıma artışı olarak yansıtılmıştır.
Günümüzde gerçekleşen 6.100.000 toplam yolculuk değerlerinin ilçeler bazlı B-S
matrisi çıkarılmış, daha sonra da 35*35’lik ilçeler arası yolculuk matrisindeki tüm
hücreler 1.23 değeri (2030 Nüfusu/2015 Nüfusu) ile çarpılarak 2030 yılında toplam
7.499.414 yolculuğun toplu taşımada gerçekleşeceği öngörülmüştür. Daha sonra tüm
yolculukların 75%’inin raylı sistemler ve metrobüs sistemi ile gerçekleşeceği
varsayımı ile 35*35’lik ilçeler arası yolculuk matrisindeki tüm hücrelerin değerleri
0.75 rakamı ile çarpılarak kalibrasyon yapılmış ve toplam 5.624.561. yolculuğun ilçe
bazlı B-S matrisi oluşturulmuştur. Bu aşamada tüm toplu taşıma modlarındaki (Deniz,
Otobüs, Raylı Sistemler, Metrobüs) ilçeler arası yolculuk hareketliliklerinin raylı
sistemlerde de aynı karakteristik özelliği sergileyeceği varsayılmıştır. Çünkü
günümüzde 27 ilçede raylı sistemler var olduğu için insanlar raylı sistemlerin olmadığı
yerlere otobüs-deniz yoluyla ulaşabilmekteyken 2030’da 36 ilçede raylı sistemler
olacağı için insanlar diğer ulaşım modları yerine raylı sistemleri tercih edip gitmek
55
istedikleri noktalara erişebileceklerdir. Bir diğer tabirle 2030’da ilçeler arası yolculuk
karakteristiği değişmemesine rağmen yolculuk türel dağılımlarının deniz yolu-otobüs
yerine raylı sistemler olarak değişeceği varsayımı yapılmıştır. 2030 yılı için network
bilgi sistemine tanımlanan ilçe bazlı B-S matrisi Çizelge 6.7’de gösterilmiştir.
Network ağında toplam 39 ilçe olmasından dolayı 39*39’luk boyutta bir matris
oluşturularak network ağına tanımlanmıştır, 2030 yılı projeksiyonunda 4 ilçe yer
almamıştır, bunlar Adalar, Çatalca, Şile ve Silivri ilçeleridir. Adalar, Çatalca ve Şile
ilçelerinin yer almamasının sebebi 2030 yılında bu ilçelerde raylı sistemlerin hizmet
vermeyecek olmasının planlamasıdır. Silivri ilçesinin yer almamasının sebebi ise
günümüzde o bölgede Özel Halk Otobüsü ile toplu taşıma hizmeti verildiği için ve bu
sistemlerde çoğunlukla elden ücret ödendiği için akıllı kart basışları çok az seviyededir
ve bu nedenle bu ilçe de örneklem dışında bırakılmıştır.
56
Çizelge 6.7 : 2030 yılı raylı sistemler-metrobüs için ilçe bazlı tahmini B-S matrisi
GAZİOSMANPAŞA
BÜYÜKÇEKMECE
KÜÇÜKÇEKMECE
ZEYTİNBURNU
BAHÇELİEVLER
ARNAVUTKÖY
BAYRAMPAŞA
SULTANBEYLİ
SULTANGAZİ
SANCAKTEPE
BEYLİKDÜZÜ
BAŞAKŞEHİR
GÜNGÖREN
KAĞITHANE
ÜMRANİYE
ÇEKMEKÖY
ESENYURT
ÜSKÜDAR
BAĞCILAR
BAKIRKÖY
ATAŞEHİR
BEYOĞLU
MALTEPE
BEŞİKTAŞ
KADIKÖY
ESENLER
AVCILAR
SARIYER
BEYKOZ
KARTAL
PENDİK
TUZLA
FATİH
EYÜP
ŞİŞLİ
A.KÖY 3429 18 433 128 379 499 605 786 269 27 657 287 554 16 167 74 606 1480 151 89 110 213 15 344 15 12 7 354 767 13 1623 9 13 92 172
ATAŞEHİR 19 33609 615 465 1023 1109 213 777 5719 2775 436 3121 71 3835 233 54 864 8785 160 498 39505 1322 8527 592 12850 5769 6738 1684 5047 2974 214 1967 15780 12102 1730
AVCILAR 419 529 13163 2017 17405 16697 4336 4333 3982 282 13955 3208 3500 154 1065 4077 3054 12314 464 3057 3602 2864 408 10910 456 243 159 1342 7364 76 773 63 390 2015 4804
BAĞCILAR 92 469 2068 20022 6999 8090 13711 9174 1920 262 1403 3953 294 116 6596 351 2788 31449 299 5944 1969 1486 415 3820 359 173 121 1388 9125 59 515 90 268 1717 3471
B.EVLER 362 986 17998 6923 18643 22928 4240 10613 6931 485 15157 5726 2787 245 3143 2464 4839 27831 858 7138 5654 4942 685 18736 741 392 272 2434 13072 148 1510 187 575 3669 7256
BAKIRKÖY 498 1243 17439 8787 24697 24887 6795 14249 5755 487 14231 6447 2983 202 4509 3183 4834 32919 943 9470 8999 3878 746 20829 881 382 187 2349 11822 121 1525 141 552 3796 8306
BAŞAKŞEHİR 590 196 4679 13760 4418 6513 26520 3137 729 118 1039 1923 247 47 4333 2060 1323 12410 312 1549 822 561 93 6423 132 77 48 435 3756 23 1821 33 116 740 1034
B.PAŞA 706 761 4694 9335 11070 13207 3161 17966 3254 441 3586 4769 646 172 6111 565 8399 35323 2897 5897 3282 2723 485 4473 497 283 190 1649 9279 119 13860 138 461 2761 4265
BEŞİKTAŞ 278 5814 4437 1770 7531 6344 790 3294 33050 4453 4629 13473 668 2451 1302 452 6996 13406 2246 2304 28492 12101 2842 3718 3934 1631 2004 22969 28327 1021 3639 624 5003 31043 3286
BEYKOZ 19 2689 297 235 510 440 115 440 4227 42416 243 1527 37 1433 161 33 721 3670 151 282 6672 988 957 363 1198 816 904 1659 3566 355 152 512 7245 11430 721
B.DÜZÜ 698 287 14372 1329 15094 13812 924 3408 4065 184 12756 2957 3934 94 794 1138 2770 10591 395 2532 3284 2647 169 8461 189 142 66 1158 7335 47 659 43 176 2435 4480
BEYOĞLU 281 3074 3620 4207 6123 6458 1764 5219 15099 1516 3182 26382 569 1207 2164 827 8231 42683 3063 3673 15585 8896 1435 3255 1963 723 730 14323 40732 328 3218 401 1723 9209 5023
B.ÇEKMECE 478 39 3506 293 2899 3032 228 654 599 40 3820 540 1813 31 161 487 546 2022 81 489 640 512 35 1911 31 22 16 257 1222 8 115 6 31 412 823
ÇEKMEKÖY 9 3553 189 103 251 211 49 175 2311 1451 155 1280 24 13948 57 7 357 1705 57 112 3972 968 701 171 465 672 3789 656 3071 1630 94 64 11455 4908 425
ESENLER 187 230 1088 6677 3051 4109 4264 5640 1306 165 786 2022 142 56 1712 168 1401 19313 182 1687 1027 958 151 2219 163 80 81 888 4971 43 459 48 158 834 887
ESENYURT 73 45 4003 396 2512 3244 2127 538 411 35 1113 850 509 7 187 2532 331 3172 54 424 262 325 19 1870 33 22 17 160 956 2 81 2 30 124 678
EYÜP 539 985 3379 2854 5217 4998 1260 9218 6922 729 2940 8351 549 359 1581 358 24232 23617 6370 1790 4469 7886 708 3087 714 600 349 3749 13233 169 11809 464 750 3763 3840
FATİH 1407 8956 13203 31950 28806 32201 12181 37735 15078 3821 10905 38521 2040 1802 19817 3020 23131 139279 12608 24744 41458 9391 6094 16807 7379 3042 1624 10546 38488 1117 17820 1076 4886 37883 33269
GOP 135 170 487 256 799 858 279 2937 2273 157 368 3108 76 67 172 57 6291 12655 3231 423 912 1884 118 542 105 88 56 861 3975 30 4047 44 109 698 900
GÜNGÖREN 73 439 2982 5839 6915 8258 1405 5920 2162 251 2402 3391 443 103 1672 360 1712 24152 365 9193 2006 1426 363 2877 347 184 86 939 4073 51 732 92 272 1662 6375
KADIKÖY 108 42679 3784 2007 6128 9011 855 3365 26801 7057 3136 15581 634 4207 1078 222 4307 40397 1014 2067 66982 5779 22041 3304 29867 15990 6438 6847 22585 3329 1107 3812 19755 32843 7079
KAĞITHANE 188 1275 2948 1399 5089 3906 540 2744 13590 991 2634 8985 475 922 919 293 7847 9941 1758 1572 5705 19862 701 2846 845 487 592 5929 20662 320 2617 296 1152 4115 2591
KARTAL 17 8603 520 396 761 811 104 485 2922 963 311 1618 60 709 145 25 702 6328 98 435 22057 769 16271 415 12082 16463 3199 813 3166 3031 126 4479 1701 5804 1363
K.ÇEKMECE 299 573 10919 3726 17720 20137 6231 4127 3376 347 8103 3137 1870 148 2086 1658 2762 16640 505 2875 2995 2599 390 21711 384 181 136 1253 6793 86 801 73 374 1875 4611
MALTEPE 19 12319 552 359 810 812 127 515 3904 1157 307 2034 60 470 172 30 693 7346 115 440 28160 865 11787 412 18854 10641 1013 1099 3901 919 159 3187 1961 6695 1285
PENDİK 20 5873 354 162 418 373 84 261 1703 843 285 768 28 803 84 39 648 2972 74 210 16455 543 15506 208 10297 31979 2021 544 2315 3977 84 7080 1778 3362 1062
SANCAKTEPE 8 6398 174 113 253 163 51 183 1978 903 79 719 14 3499 93 32 384 1478 56 97 6283 657 2756 133 1008 1763 12973 614 2477 5922 89 174 10950 4367 579
SARIYER 313 1564 1366 1299 2352 2198 425 1532 23881 1645 1184 13710 247 601 778 194 3416 10274 786 966 6330 5666 701 1266 987 459 573 40698 37199 249 789 313 1003 4689 1773
ŞİŞLİ 686 4842 7013 9007 12845 11615 3467 9065 29939 3366 6458 39805 1018 2721 5112 817 12341 38118 3912 4059 20656 18965 2815 6555 3592 2025 2491 37590 75073 1667 5357 717 3626 13134 7865
S.BEYLİ 14 2904 85 51 158 108 18 124 1028 352 67 343 24 1687 34 5 175 976 31 51 3202 336 2732 117 861 3689 5827 266 1742 9427 26 144 4527 2990 177
S.GAZİ 1725 228 889 541 1551 1450 1888 13695 3424 178 660 3401 124 81 519 81 11503 17954 4107 847 1090 2721 163 883 181 82 76 869 5694 31 12594 110 180 728 2148
TUZLA 7 1952 89 80 170 126 18 155 718 585 66 369 8 71 52 5 575 1098 32 98 4042 319 4070 76 2902 6738 190 278 831 139 97 9707 331 783 1039
ÜMRANİYE 12 14726 438 248 563 546 134 470 4733 7284 254 1796 45 12138 181 20 738 4751 106 287 19197 1197 1742 397 2029 1728 11590 1109 3747 4763 164 324 50124 17401 907
ÜSKÜDAR 94 11610 1846 1710 3915 3741 759 2798 29324 11327 1945 9661 304 4992 918 125 3529 36889 706 1768 31800 4212 5802 1943 7006 3131 4482 5099 14029 2969 751 767 17438 53405 5414
Z.BURNU 173 1938 5102 3457 7309 7774 948 4558 3442 837 4605 4893 806 477 842 626 4046 33748 1023 6418 7237 2558 1400 4793 1414 1010 574 1896 7985 203 2626 1019 959 6041 6744
57
Çizelge 6.8 : Planlanan-mevcut toplu taşıma sistemlerinin kodları ve modu
Kodu Adı Modu
F1 F1-FİNİKÜLER X-Put
F2 F2-FİNİKÜLER X-Put
F23 F23-FÜNİKÜLER X-Put
HVR19 HVR19-HAVARAY X-Put
HVR23 HVR23-HAVARAY X-Put
LRT18 LRT18-HAFİF METRO X-Put
LRT19 LRT19-HAFİF METRO X-Put
LRT23 LRT23-HAFİF METRO X-Put
M1 M1 METRO X-Put
M17 M17 METRO X-Put
M18 M18 METRO X-Put
M19 M19 METRO X-Put
M2 M2-METRO X-Put
M23 M23-METRO X-Put
M3 M3-METRO X-Put
M1 M1-METRO X-Put
M4 M4-METRO X-Put
M5 M5-METRO X-Put
MRMRY MARMARAY X-Put
MTRBS METROBUS X-Put
T1 T1 TRAMVAY X-Put
T18 T18 TRAMVAY X-Put
T19 T19 TRAMVAY X-Put
T2 T2 TRAMVAY X-Put
T23 T23 TRAMVAY X-Put
T3 T3 TRAMVAY X-Put
T4 T4 TRAMVAY X-Put
TF1 TF1 TELEFERIK X-Put
TF2 TF2 TELEFERIK X-Put
TF3 TF3-TELEFERIK X-Put
W Walk X-Put
58
hizmet vermesi planlanan toplu taşıma sistemlerinin günümüzde kesin olarak
bilinmesi mümkün değildir.
Araç, vagon ve ray tekolojisinin hızla geliştiği dünyada, 2023 yılında hizmet vermesi
planlanan metro sistemlerinin hızlarının bugünkü metro sistemlerinin hızlarıyla eşit
olarak kabul edilmesi çok doğru bir yaklaşım değildir. Nitekim Cüneyt Ekler 1981
yılındaki yüksek lisans tezinde otobüslerin işletim hızını 12-16 km/saat olarak kabul
etmesine rağmen günümüzde İstanbul’da hizmet veren otobüslerin işletim hızı
yaklaşık 24-28 km/saattir. Bu doğrultuda günümüzdeki metro sisteminin hızı 40
km/saat olduğu bilinip bir varsayıma gidilerek metro sistemlerin hızının her sene 2
km/saat artacağı kabul edilmiştir. Örneğin M17 sistemindeki araçlar 44 km/saat hızla
gittiği, M18 sistemindekilerin 46 km/saat, M19 sisteminin araçlarının 48 km/saat ve
M23 sisteminin araçlarının 56 km/saat hızla gittikleri varsayılarak network bilgi
sistemine tanımlanmıştır. Tramvay, teleferik, finiküler ve hafif metro sistemlerinde de
ilerleyeceği varsayılan araç-vagon-ray teknolojisi neticesinde yıllara göre artan sistem
hızları tanımlanmıştır. Planlanan-mevcut raylı sistemler ve metrobüs sisteminin
çalıştıkları yol tipleri ve saatlik sistem hızı değerleri Çizelge 6.9’da bulunabilir.
59
Çizelge 6.9 (Devam): Planlanan-mevcut toplu taşıma sistemlerinin hızları
Yol Sınıfı Toplu Taşıma Sistemi Sistem Hızı (km/saat)
63 M23 Metrolar 56
71 LRT 18 Hafif Metro 45
73 LRT 23 Hafif Metro 50
76 T18 Tramvay 35
77 T19 Tramvay 37
78 T23 Tramvay 40
83 HVR23 Havaray 35
99 Kullanıma kapalı yollar 0
60
Çizelge 6.10 (Devam) : Planlanan-mevcut toplu taşıma sistemleri ve durak sayıları
Hat Kodu Güzergâh Durak Adeti
LRT23 Yeslky Yeşiköy-İkitelli 9
M17 Usk-Sultn Üsküdar-Sultanbeyli 19
M18 Bak-Bag Bakırköy-Bağcılar 8
M18 Bsk-Kys Başakşehir-Kayaşehir 4
M18 Pendik -SG Pendik-Sabiha Gökçen 5
M18 İnc-Yeni İncirli-Yenikapı 4
M19 Hvlm 3.Havalimanı-Gayrettepe 5
M19 Bey-Bak Beylikdüzü-Bakırköy 14
M19 Bah-Beş Bahçeşehir-Beşiktaş 23
M19 Bstnc-Ddul Bostancı-Dudullu 7
M19 Halkl-Hvlm Halkalı-3.Havalimanı 8
M19 Kuck-Bag Küçükçekmece-Bağcılar 6
M23 Arn-Sult Arnavutköy-Sultangazi 5
M23 Ayaz-İst Ayazağı-İstinye 4
M23 Bsk-Sultn Başakşehir-Sultangazi 2
M23 Büyk-Silvr Tüyap-Silivri 9
M23 Edirn-Vez Edirnekapı-Vezneciler 4
M23 Göz-Umr Göztepe-Ümraniye 8
M23 Ispt-Tüyp Ispartakule-Tüyap 5
M23 Kaz-Sog Kazlıçeşme-Söğütlüçeşme 28
M23 Sis Kabataş-Şişhane 2
M23 Maltpe Maltepe-Başıbüyük 3
M23 SG-Tuzla Sabiha Gökçen-Tuzla 4
M23 Sar- Bjk Sarıyer-Beşiktaş 11
M23 Tüyp-Es Tüyap-Esenyurt 4
M23 Üsk-Bey Üsküdar-Beykoz 11
M23 İncr-Scem İncirli-Söğütlüçeşme 18
M5 Üni Levent-Hisarüstü 4
T18 Olimp-Metro Tramvay Olimpiyatköy-Metrokent 9
T23 Alibyky Alibeyköy-Eminönü 14
T23 Şirinvlr Şirinevler-Mahmutbey 9
TF23 Adalar Teleferiği Lunapark-Aya Yorgi 3
TF23 Beykoz Beykoz-Ortaçeşme 4
TF23 Aşiyan Boğaziçi Üni.-Aşiyan 2
TF23 Vialand Eyüp-Vialand 5
TF23 Aydos Kartal-Aydos 3
TF23 Çamlıca Altunizade-Büyük Çamlıca 3
PTV Visum programında toplu taşıma ataması yapılacakken eğer Tarife Bazlı Toplu
Taşıma Algoritması kullanılacaksa ve de toplu taşıma ataması yaparken kapasite
kısıdının da dikkate alınması isteniyorsa araç-vagon tipleri/yolcu kapasiteleri/vagon
setleri oluşturularak network sistemine tanımlanması gerekmektedir. Bu çalışma
kapsamında da “Kapasite Kısıtlı Çalışan Tarife Toplu Taşıma Ataması” yapılacağı için
network bilgi sistemine araç-vagon tipleri/yolcu kapasiteleri/vagon setleri
tanımlanmıştır. Tanımlanan araç ve vagon tipleri/yolcu kapasiteleri Çizelge 6.11’de
paylaşılmıştır.
61
Çizelge 6.11 : Tanımlanan araç tipleri ve kapasiteleri
Araç-Vagon Tipi Oturma Kapasitesi Toplam Kapasite
Vagon Metro 70 280
Marmaray 50 300
Vagon LRT 50 250
Havaray Yoğun 96 316
Havaray 84 224
Vagon Tramvay 60 300
Füniküler 40 120
Teleferik 30 30
Metrobüs 45 165
Nostaljik Tramvay 30 90
62
Vagon tiplerinin de network bilgi sistemine tanımlanmasından sonra network ağında
çizilen toplu taşıma sistemlerinin işletmeci kuruluşlarının network bilgi sistemine
tanımlanması gerçekleştirilmiştir. Mevcut raylı sistemler ve metrobüs sistemini
modelleme aşamasında sistemlerin operatörleri tanımlanmıştı, fakat bu operatörler
toplu taşıma ataması sonuçlarıyla direkt ilintili bir şekilde analiz edilmediği için bu
sefer network bilgi sistemine tanımlanmamıştır.
Son olarak ise toplu taşıma hattının güzergâhlarında hizmet veren araçların
servislerinin harekete başlama saatleri network bilgi sistemine tanımlanmalıdır.
Mevcut hizmet veren sistemlerin bilgisi internet aracılığıyla elde edilmiştir. Fakat
2023’de hizmet vermesi planlanan sistemlerin kalkış saatini bugünden bilmek
mümkün değildir. Bu nedenle çeşitli varsayımlarla sistemlerin hareket tarifeleri
oluşturulmuştur. Hareket tarifeleri toplu taşıma sistemlerine tanımlanırken toplu taşına
sitemleri, vagon kombinasyonlarının sisteme atanmasında da olduğu gibi 2030 yılında
o toplu taşıma sisteminde oluşacak yolcu yoğunluklarına göre sınıflandırılarak
sistemlerin hareket saatleri oluşturulmuştur. Toplu taşıma sistemi bazlı oluşturulan
araç hareket saatleri Çizelge 6.13’te bulunabilir.
63
Çizelge 6.13 (Devam): Tanımlanan toplu taşıma sistemleri için çalışma tarifeleri
Bu çalışma kapsamında 3 farklı yöntemle (Ya hep ya hiç, tarife bazlı ve tarife bazlı-
kapasite kısıtlı) toplu taşıma ataması gerçekleştirilmiştir. Yolculuk atama modellerinin
amacı toplu taşıma araçları ile yapılacak yolculukların başlangıç ve bitiş noktaları
arasında hangi güzergâhları kullanacaklarını en doğru bir şekilde tahmin etmektir.
Ücretlendirme ile alakalı herhangi bir kısıtlama-modelleme PTV Visum programının
network bilgi sistemine girilmediği için yolcuların toplu taşıma aşamasında başlangıç
ve bitiş noktaları arasında güzergâh seçerken ücret kriterini göz ardı etmektedir.
İki durak arası mesafeyi birbirine bağlayan yollar, toplu ulaşım planlamada kesit
olarak da değerlendirilebilir. Bu çalışmada gerek mevcut raylı sistemlerdeki durum
için gerekse de 2030 yılında tamamlanması öngörülen raylı sistemler için 3 atama
yönteminin ardından yollarda bir diğer ifadeyle kesitlerde meydana gelen atama
sonuçları Çizelge 6.14’te gösterilmiştir.
Mevcut durumdaki atama sonuçları, 2030 yılı için planlanan ulaşım sistemleri için
gerçekleştirilen atama sonuçları ile kıyaslandığında ilk dikkat çeken unsurlardan bir
tanesi tüm kesitlerin ortalama doluluk değerleri kısmıdır. Çizelge 6.14’te görüleceği
gibi mevcut durumda bu oran yaklaşık 18% ve ortalama kesit başına sunulan arz
201.328 iken raylı sistem yatırımlarımın tamamlanmasının ardından bu oranın 7%’ye
düştüğü ve ortalama kesit başına arz değerinin de 418.151’e çıktığı görülmektedir. Bu
durumun ana sebeplerinden bir tanesi 2030 yılındaki yatırımlarla beraber yolcu
talebinden çok daha fazla arzın sunulması olarak değerlendirilebilir.
64
Çizelge 6.14 : Yol bazlı analizler
MEVCUT DURUM PLANLANAN DURUM
TARİFE TARİFE
TARİFE BAZLI VE TARİFE BAZLI VE
YA HEP YA YA HEP YA
BAZLI KAPASİTE BAZLI KAPASİTE
PERFORMANS HİÇ ATAMA HİÇ ATAMA
ATAMA KISITLI ATAMA KISITLI
KRİTERLERİ ALGORİTM ALGORİTM
ALGORİTM ATAMA ALGORİTMA ATAMA
ASI ASI
ASI ALGORİT SI ALGORİTM
MASI ASI
57%-
104%- 95%- 83%-
Maksimum 77%- 61%- Boğaziçi
Sirkeci- Sirkeci- Sirkeci-
Şirinevler- Aksaray- Köprüsü-
Kesit Doluluk Üsküdar Üsküdar Üsküdar
Yenibosna Yusufpaşa T1 Zincirlikuyu
Oranı ve Kesiti M1 Kesiti Kesiti Metrobüs
Marmaray Marmaray Marmaray
Kesiti Kesiti Kesiti
Kesiti
Tüm Kesitlerin
Ortalama 19% 18% 17.5% 8% 7.5% 7%
Doluluk Oranı
193.313 215.927 221.413 289.719 294.444 318.628
Maksimum Yolculuk Yolculuk Yolculuk Yolculuk Yolculuk Yolculuk
Kesit Yolculuk Bahçelievler- İncirli- İncirli- Mecidiyeköy- Mecidiyeköy- Mecidiyeköy-
Sayısı ve Kesiti Şirinevler Bahçelievler Bahçelievler Zincirlikuyu Zincirlikuyu Zincirlikuu
Metrobüs Metrobüs Metrobüs Metrobüs Metrobüs Metrobüs
52.767 51.839 50.895 35.897 35.397 35.405
Kesit Ortalama Yolculuk Yolculuk Yolculuk Yolculuk Yolculuk Yolculuk
Yolculuk Sayısı
626 540 540
Hiç Yolculuğun 127 Kesit/430 93 Kesit/430 90 Kesit/430
Kesit/1382 Kesit/1382 Kesit/1382
Gerçekleşmediği Kesit Kesit Kesit
Kesit Kesit Kesit
Kesit Sayısı
Ortalama kesit
201.328 201.328 201.328 418.151 418.151 418.151
başı sunulan
günlük kapasite
Maksimum kesit doluluk oranları incelendiğinde ise gerek mevcut durumda gerekse
de planlanan durumda “Ya Hep Ya Hiç” algoritmasının maksimum kesit
yoğunluklarında atama yaptığı görülmektedir. Bu durum gayet normaldir zira söz
konusu algoritma en kısa seyahat güzergâhını bulduğu andan itibaren diğer kesitlerin
araç hareket saati-kesit hacim/kapasite değerlerine bakmaksızın en kısa güzergâhları
kullanmaya devam ederler ve nitekim daha az kesit kullanırlar bu da tabloda “Hiç
Yolculuk Gerçekleşmeyen Kesit Sayısı” satırında gösterilmiştir.
65
yolculuğu taşımaktadır çünkü metrobüs sisteminde diğer sistemlere göre daha hızlı
hizmet verilmekte ve aynı zamanda bu sistemde frekans süreleri çok sık olduğu için
yolcular en az bekleme süresini önceleyerek metrobüs sistemini tercih etmektedirler.
Şekil 6.10 incelendiğinde Üsküdar-Sultanbeyli Metrosu, Kadıköy-Tuzla Metrosu,
Marmaray Sisteminin yolcular tarafından yoğun olarak kullanıldığı görülmektedir.
Ayrıca 3. Havalimanı’nı alternatif-planlarda olmayan güzergâh çizerek Sarıyer’e
bağlayan hattında gün içerisinde yaklaşık 600 yolcunun kullanmasından dolayı çok
doğru bir toplu taşıma güzergâhı olmayacağı tahmin edilmektedir.
66
Şekil 6.10 : Planlanan durumda kesit kullanım yoğunlukları
Hat Bazlı Analiz
Mevcut raylı sistemler ve metrobüs hatları ile 2030 yılında hizmet vermesi planlanan
raylı sistemler ve metrobüs hatlarının incelenerek 3 yöntemle toplu taşıma ataması
yapılmış ve sonuçlar Çizelge 6.15’de gösterilmiştir.
Tüm Hatların
Ortalama Doluluk
Oranı - 15.2% 15.0% - 4.98% 4.93%
Hatlarda
Gerçekleşen - 134.708 135.461 - 99.563 99.238
Ortalama Yolculuk
Aktarmasız
Yolculukların Tüm - 55% 53% - 40% 40%
Yolculuklara Oranı
67
Çizelge 6.15 (devam): Hat bazlı analizler
Segmentlerin
- 8.9 Km 8.8 Km - 9.3 Km 9.3 Km
Ortalama Seyahat
Mesafesi
Segmentlerdeki 15.1
- Dakika
14.8 Dakika - 15.8 Dakika 15.7 Dakika
Ortalama Seyahat
Süresi
Çizelge 6.15 incelendiğinde “Tüm hatların ortalama doluluk oranları” satırı dikkat
çekmektedir zira mevcut durumdaki atamalarla bu oran 15% civarında iken yeni raylı
sistemlerin inşası ile beraber bu oran 5%’e gerilemektedir. Aynı şekilde günümüzdeki
raylı sistem projeleriyle atama gerçekleştirildiğinde sefer başı ortalama yolculuğun 98
iken gelecek durumdaki yatırımlarla beraber toplu taşıma ataması gerçekleştirildiğinde
bu rakamın 86’ya düşeceği görülmüştür. Bu durum yeni yatırımların tüm sistemlerdeki
araç içi yolcu yoğunluğunu azaltacağını ama toplu ulaşım talebinin yoğun olmadığı
bazı bölgelerde de atıl kapasite sunulabileceğini göstermektedir.
68
Çizelge 6.15’deki yolcu başına segment sayısı ise gene aynı tablodaki “Aktarmasız
Yolculukların Tüm Yolculuklara Oranı” sütunu ile direkt ilintilidir. Nitekim
günümüzdeki yolculukların atanması sonucunda 45%’inde aktarma yapılmakta ve
yolcu başı 1.08 segment kullanmaktadırlar. Gelecek durumdaki toplu taşıma
atamasında yolculukların 60%’ında aktarma yapılmakta ve yolcu başı 1.24 segment
kullanmaktadır.
Örneğin Ataşehir’den Beykoz’a gitmek isteyen bir yolcu iki ilçe arasında direkt ulaşım
imkânı yoksa aktarmalı yolculukla gitmek zorundadır ve bu durumda Ataşehir-
Üsküdar, Üsküdar-Beykoz olmak üzere 2 segment (Trip Leg) kullanımı
gerçekleştirecektir. Günümüzde 5 Mayıs 2015 tarihindeki 6.100.000 yolculuk kaydı
incelendiğinde yolcu başı 1.4’lük segment kullanımı görülmektedir. 2030 yılında bu
rakamın 1.24’e düşmesinin öngörülmesi yolcular açısından sevindirici bir hamledir
zira yolcular gitmek istedikleri noktalara daha az transfer yaparak erişebilir duruma
gelebileceklerdir. 2030 yılı toplu taşıma ataması sonucunda oluşan 1.24 yolcu başı
segment değerinin 2015 yılı için gerçekleştirilen toplu taşıma ataması sonucunda
oluşan 1.08 yolcu başı segment değerinden büyük olması dikkat çekmektedir. Bu
durumun esas sebebi de aynı şekilde 2030 yılı projeksiyonunda baz alınan yolculuk
hareketlerinin raylı sistemler yolculuğu yerine tüm yolculuklardan elde edilmesi
olarak kabul edilebilir.
Ayrıca planlanan raylı sistem projelerinin verimliliğini değerlendirebilmek amacıyla
2030 yılında tarife bazlı kapasite kısıtlı toplu taşıma atama algoritmasına göre
gerçekleştirilen atama sonucunda en fazla yolculuk binişinin gerçekleştiği 10 toplu
taşıma sistemi çizelge 6.16’da gösterilmiştir.
69
Çizelge 6.16 (Devam): En fazla 10 yolculuğun gerçekleştiği 10 sistem
Toplu Taşıma Sistemi Toplam Yolculuk
M1 Yenikapı-Havalimanı Metrosu 295.982
M19 Bahçeşehir-Beşiktaş Metrosu 291.896
M23 Kazlıçeşme-Söğütlüçeşme Metrosu 164.226
Bu raylı sistemlerde 2030 yılı içerisinde günlük 10.000 yolculuktan daha az yolculuk
gerçekleşmesinin ana sebeblerinden biri yolculukların başladığı ilçelerdeki merkezi
noktaların bu raylı sistemlerin duraklarına genellikle uzak konumda olmalarıdır.
Mevcut raylı sistemler ve metrobüs hatları ile 2030 yılında hizmet vermesi planlanan
raylı sistemler ve metrobüs hatları için 3 yöntemle gerçekleştiriken toplu taşıma
atamasının raylı sistemlerdeki istasyonlar bazlı performans analizi Çizelge 6.17’de
gösterilmiştir.
2015 Yılı İçin Atama Sonuçları 2030 Yılı İçin Atama Sonuçları
TARİFE TARİFE
YA HEP TARİFE BAZLI VE YA HEP TARİFE BAZLI VE
PERFORM
YA HİÇ BAZLI KAPASİT YA HİÇ BAZLI KAPASİTE
ANS
ATAMA ATAMA E KISITLI ATAMA ATAMA KISITLI
ÖLÇÜTLE
ALGORİT ALGORİTM ATAMA ALGORİT ALGORİTM ATAMA
Rİ
MASI ASI ALGORİT MASI ASI ALGORİTM
MASI ASI
En Fazla 189.406/ 189.218/
136.918/ 120.052/
Yolcu - - Altunizade Altunizade
Beyazıt T1 Beyazıt T1
Binişi Metrobüs Metrobüs
70
Çizelge 6.17 (Devam) : İstasyon bazlı analizler
2015 Yılı İçin Atama Sonuçları 2030 Yılı İçin Atama Sonuçları
TARİFE TARİFE
YA HEP TARİFE BAZLI VE YA HEP TARİFE BAZLI VE
PERFORM
YA HİÇ BAZLI KAPASİT YA HİÇ BAZLI KAPASİTE
ANS
ATAMA ATAMA E KISITLI ATAMA ATAMA KISITLI
ÖLÇÜTLE
ALGORİT ALGORİTM ATAMA ALGORİT ALGORİTM ATAMA
Rİ
MASI ASI ALGORİT MASI ASI ALGORİTM
MASI ASI
Bir istasyonda inmeden geçen yolcu sayıları analiz edildiğinde 2015 ve 2030 yılı için
gerçekleştirilen tüm atamalarda İncirli metrobüs durağının en üstte yer aldığı
görülmektedir. Günümüzde de sabah-akşam zirve saatlerde çok yoğun olarak
yolcunun geçtiği bu istasyon kesitinden aynı önümüzdeki yıllarda çok yoğun yolcu
akışının gerçekleşeceği atama sonuçlarına yansımıştır.
Mevcut durumdaki atamalarda en fazla yolcu binişinin Beyazıt T1 tramvay
istasyonundan gerçekleşmesinin sebebi çizilen network ağında Fatih İlçesinin merkez
noktasına en yakın istasyonun Beyazıt T1 istasyonu olmasıdır. Fatih ilçesinden
başlayan yolculukların birçoğu Beyazıt T1 tramvay istasyonundan network ağına dâhil
olmaktadır.
“Tarife Bazlı-Kapasite Kısıtlı” atama algoritmasının 2015 yılı için atadığı yolculuklar
incelendiğinde en fazla yolcu inişinin M1 Havalimanı-Yenikapı metrosunun Kocatepe
istasyonunda gerçekleştiği görülmektedir. Günümüzde çok yoğun olmayan bu
istasyonun 3. atama yönteminde yoğun olarak kullanılmasının sebebi Bayrampaşa
71
İlçesindeki diğer 4 istasyona nazaran bu istasyonun ilçe merkezine çok yakın noktada
olması ve bu ilçede biten yolculukların birçoğunun Kocatepe istasyonu üzerinden
Bayrampaşa ilçe merkezine erişmesidir.
2015 Yılı İçin Atama Sonuçları 2030 Yılı İçin Atama Sonuçları
TARİFE TARİFE
YA HEP TARİFE BAZLI VE BAZLI VE
YA HEP YA TARİFE BAZLI
YA HİÇ BAZLI KAPASİTE KAPASİTE
PERFORMANS HİÇ ATAMA ATAMA
ATAMA ATAMA KISITLI KISITLI
ÖLÇÜTLERİ ALGORİTMAS ALGORİTMAS
ALGORİT ALGORİTM ATAMA ATAMA
I I
MASI ASI ALGORİTMAS ALGORİTM
I ASI
Yolcu Ortalama
45 dk. 58 51 dk. 43 58 dk. 54
Seyahat 51 dk. 59 sn 48 dk. 57 sn. 58 dk. 38 sn
sn./13,2 sn./ 12,9 sn. /16,1
Süresi/Mesafesi / 12,9 Km /16,1 Km /16,1 Km
Km Km Km
Yolcu Başı
16 dk. 38 19 dk. 42 19 dk. 31 23 dk. 10
Ortalama Araç 19 dk. 21 sn. 23 dk. 21 sn.
sn. sn. sn. sn.
İçinde Geçe Süre
72
Çizelge 6.18 (Devam): Yolcu bazlı analizler
2015 Yılı İçin Atama Sonuçları 2030 Yılı İçin Atama Sonuçları
TARİFE TARİFE
YA HEP TARİFE BAZLI VE TARİFE BAZLI VE
YA HEP YA
YA HİÇ BAZLI KAPASİTE BAZLI KAPASİTE
PERFORMANS HİÇ ATAMA
ATAMA ATAMA KISITLI ATAMA KISITLI
ÖLÇÜTLERİ ALGORİTMA
ALGORİT ALGORİT ATAMA ALGORİTMA ATAMA
SI
MASI MASI ALGORİTM SI ALGORİT
ASI MASI
Yolcu Başı
1 dk. 41 5 dk. 57
Ortalama Transfer - 1 dk. 45 sn. - 5 dk. 55 sn.
sn. sn.
Süresi
Yolcu başı
0,5 0,3 0.3 1 0,5 0,5
ortalama transfer
sayısı
Gerek 2015 yılı için gerekse 2030 yılı için gerçekleştirilen atama sonuçlarında
görülmüştür ki yolcuların seyahat süreleri “Tarife Bazlı ve Kapasite Kısıtlı” Atama
algoritmasında “Tarife Bazlı” Atama algoritmasına göre daha fazla iken yolcuların
araç içinde harcadığı süre 3. Atama yönteminde 2. Atama yöntemine göre daha
azdır. Bu durumun nedeni şu şekilde izah edilebilir; “Tarife Bazlı ve Kapasite
Kısıtlı” toplu taşıma ataması gerçekleştirilirken yolcular, ayakta seyahat etme
süresini bir ceza olarak değerlendirdikleri için durakta bekleyerek oturabilecekleri
araçları bekledikleri için bu yolcuların seyahat süreleri boyunca araç-dışında
geçirdikleri süreler diğer atama yöntemleriyle kıyaslandığında daha fazla
çıkmaktadır. 3. Atama algoritmasındaki yolcular, ayakta seyahat etmeme
isteğinden dolayı transferler aşamasında oturacakları araçları beklemekte bu
nedenle de gerek 2015 gerekse de 2030 yılı için gerçekleştirilen atamalarda yolcu
başı ortalama transfer sayısı her iki atama yönteminde aynı iken yolcu başı ortalama
transfer süresi 3. Atama algoritmasında daha yüksek çıkmaktadır.
73
Diğer Analizler
PTV Visum programı toplu taşıma ataması sonuçlarına göre yol, hat, süre
parametrelerinin dışında da çeşitli unsurlara göre toplu taşıma ataması analizleri
yapmaya imkân vermektedir. Şekil 6.11’de 2030 yılındaki raylı sistemleri dikkate
alarak “Durak yolcu yakalama havzalarının” Fatih-Zeytinburnu İlçelerindeki durumu
gösterilmiştir. Durak yolcu yakalama havzası her durağın 500 metreye kadar
çevresindeki insanları yakalayabileceği varsayımıyla çizilmiştir. Şekilde de görüldüğü
üzere Fatih ve Zeytinburnu ilçesinde toplam ilçe yüzölçümünün çoğunluğunda raylı
sistemlerle-metrobüsle hizmet verildiği görülmektedir. Bu durum bu bölgedeki
insanların evlerinden çok kolay bir şekilde raylı sistemlere ulaşabileceğini
göstermektedir.
İstasyonların yolcu yakalama havzasına benzer şekilde çalışan “Hat güzergahı etki
şeridi” de benzer bir şekilde güzergah çizgilerinin 300 metrelik etki çizgisi oluşturduğu
varsayımıyla çalışmaktadır. 2030 yılında planlanan raylı sistemler yatırımlarının
Zeytinburnu-Fatih ilçeleri için çizilen “Hat güzergahı etki şeridi” Şekil 6.12’de
gösterilmiştir.
74
Şekil 6.12 : Planlanan durumda hat güzergah etki analizi
75
76
7. SONUÇ VE DEĞERLENDİRME
Toplu taşıma ile trafik probleminin çözümü aşamasında toplu taşımadaki raylı sistem
yatırımlarının arttırılarak toplu taşıma hizmetinin yer altına indirilmesi ve trafikte
hizmet veren otobüs sayısının azaltılması da trafik probleminin çözümünde faydalı
olabilecek bir unsur olarak dikkat çekmektedir. Nitekim, gerek 10.Kalkınma Planı’nda
ve gerekse de 11.Ulaştırma Denizcilik ve Haberleşme Şurası’nda İstanbul için spesifik
olarak ortaya konan hedeflerde, İstanbul’da 2019 ve sonrasında inşa edilmesi
planlanan metro hatları incelenerek yeni metro projelerinin İstanbul’u en geniş metro
ağına sahip şehirlerden biri yapacağı belirtilmiştir. Benzer minvalde açıklama yapan
İBB Başkanı Dr. Kadir topbaş 2019’daki metro yatırımlarıyla beraber İstanbul’un New
York’tan sonra en geniş metro ağına sahip şehir olacağını belirterek 2019’da İstanbul
metro sistemlerini 11.000.000 yolcunun kullanacağını belirtmiştir (URL-5, 2016).
77
beklenmemelidir. Ayrıca istasyon noktaları belli olmayan raylı sistem projelerinde
istasyon yerlerinin yapı haritasını baz alarak tahmini olarak çizilmesi de atama
sonuçlarının değerlendirilmesi aşamasında göz önünde bulundurulmalıdır.
Gerek 2015 yılındaki mevcut raylı sistemler-metrobüs için gerekse de 2030 yılına
kadar tamamlanması planlanan raylı sistem projeleri-metrobüs için ya hep ya hiç, tarife
bazlı, tarife bazlı-kapasite kısıtlı toplu taşıma ataması yöntemleriyle toplu taşıma
ataması yapılarak gerek mevcut raylı sistem-metrobüs ve gerek planlanan raylı sistem-
metrobüs projeleri çeşitli parametreler açısından analiz edilmiştir. 3 farklı yöntemle
gerçekleştirilen toplu taşıma atama sonuçları analiz edildiğinde günümüzde olduğu
gibi gelecek yıllarda da metrobüs sisteminin yolcular tarafından çok yoğun olarak
kullanılmaya devam etmesi öngörülmektedir. Toplu taşıma atamalarında inşaatı-
uygulama projesi-etüt çalışması devam eden raylı sistem projeleri analiz edildiğinde
ise M5 Üsküdar-Sultanbeyli, Bahçeşehir-Beşiktaş ve Kazlıçeşme-Söğütlüçeşme
metrolarının diğer metro sistemlerine nazaran daha fazla yolcuya hizmet verdiği
görülmektedir. Ayrıca günümüzde hizmet verdiği Kazlıçeşme-Ayrılıkçeşme
güzergâhı genişletilerek Halkalı-Gebze güzergâhında hizmet vermesi planlanan
Marmaray sisteminin de gelecek yıllarda yolcular tarafından yoğun olarak
kullanılması model atama sonuçlarından analiz edilebilir.
Sonuç olarak değerlendirildiğinde bu tez çalışması, hat ismi olarak halk arasında sıkça
konuşulan ama hat güzergâhları olarak pek konuşulmayan, bilinmeyen yapımı
planlanan raylı sistemlerin güzergâhlarının çizilmesi, gerçek yolculuk
hareketliliklerinden projekte edilerek 2030 yıl için ilçe bazlı B-S matrisi oluşturması
ve planlanan raylı sistemlere 3 farklı algoritma ile yolcu atamasının gerçekleştirilmesi
açısından önem kazanmaktadır.
78
KAYNAKLAR
79
Hamdouch, Y., Ho, H. W., Sumalee, A., & Wang, G. (2011). Schedule-based transit
assignment model with vehicle capacity and seat availability.
Transportation Research Part B, 45, 1805-1830
International Association of Public Transport. (2001). Yaşanabilir şehirler için
raylı sistemler. Brüksel
Last, A., Leak, S.E., (1976) Transept: a bus model. Traffic Engineering and Control
17, 14–20.
Liu, G. (2007). A behavioral model of work-trip mode choice in Shanghai, China
Economic Review
Liu, L., Biderman, A., Ratti, C. (2009). Urban mobility landscape: Real time
monitoring of urban mobility patterns. MIT Senseable City Lab Report
Nguyen, S., Morello, E. & Pallottino, S. (1988). Discrete Time Dynamic Estimation
Model For Passenger Origin/Destination Matrices On Transit
Networks. Transportation Research B. 22B(4), 251-260.
Nguyen, S., & Pallottino, S. (1988). Equilibrium traffic assignment for large scale
transit networks. European Journal of Operations Research, 37, 176-
186
Nuzzolo, A., Crisalli, U., & Rosati, L. (2012). A schedule-based assignment model
with explicit capacity constraints for congested transit
networks. TRP-C, 20,16-33
Rye, T. & Howes, T. (2005). Hitrans Best Practice Guide No. 5. Public Transport –
Citizens’ Requirements. Stage Case Studies. Stavanger (NO), Hitrans,
C/O Rogaland County Council. ISBN 82-990111-6-7
Schmöcker, J.-D., Fonzone, A., Shimamoto, H., Kurauchi, F., & Bell, M. G. H.
(2011). Frequency-based transit assignment considering seat capacities.
Transportation Research Part B, 45, 392-408
Spiess, H., & Florian, M. (1989). Optimal strategies: a new assignment model for
transit networks. Transportation Research B. Methodological ,23,, 251-
260.
Şenlik, İ. (2013). Kent İçi Raylı Ulaşım Sistemlerinin Değerlendirilmesi, Elektrik
Mühendisleri Odası, Mart 2013, 24-26
Tübitak Tüsside (2015). İETT Esnek Toplu Ulaşım Modeli Projesi Final Raporu,
Kocaeli, 2015
Ulaştırma, Denizcilik ve Haberleşme Bakanlığı. (2010). Ana Plan Stratejisi,
Ankara, 2010
Ulusoy, A. (2010). Ulaşimda Raylı Sistemler ve Kayseray. (Yüksek Lisans Tezi).
Erciyes Üniversitesi, Fen Bilimleri Enstitüsü, Kayseri
Voorhees, A. (1961). Development Patterns in American Cities. Highway Research
Board Bulletin.
Whyte, W.H. (1980). The social life of small urban spaces. The Conservation Foundation,
Washington, DC.
Yardım, S. (2010). Kent İçi Toplu Taşıma Sisteminde Otobüs İşletmeciliği. Yıldız
Teknik Üniversitesi Ulaştırma İşletmesi ve Yönetimi Ders Notları
80
Zhang, Y.S. & Yao, E.J. (2015). Splitting Travel Time Based on AFC Data:
Estimating Walking, Waiting, Transfer, and In-Vehicle Travel Times
in Metro System. Discrete Dynamics in Nature and Society
İETT http://www.iett.gov.tr/tr/main/pages/istanbulda-toplu-tasima/95,
erişim tarihi 16.04.2016
81
82
ÖZGEÇMİŞ
ÖĞRENİM DURUMU:
Lisans : 2013, Fatih Üniversitesi, Mühendislik Fakültesi, Endüstri
Mühendisliği Bölümü
MESLEKİ DENEYİM VE ÖDÜLLER:
2013 yılından beri TÜBİTAK TÜSSİDE’de araştırmacı olarak çalışmaktadır.
83