Analysis of the passenger flow in Izmir metro train stations

Abstract

Sistemlerde varlıkların gelişler arası zaman aralığı dağılımı, ulaşım dahil olmak üzere çeşitli alanlarda çalışılmaktadır; otobandaki araç trafiği ve metroyu kullanan yolcular, ulaşımdan örnekler olarak verilebilir. Sistem karakteristiğini ve yolcu akışı dinamiklerini doğru bir şekilde belirleyebilecek yolcu geliş aralığı süresi dağılımlarını elde etmek, sistemle ilgili alınacak olan stratejik kararlardaki ve verimli/etkin metro çizelgelemelerinin geliştirilmesindeki en temel gereksinimlerdendir. Bu tezde İzmir metrosunu kullanan yolcular için genelleştirilmiş bir geliş aralığı süresi dağılımı bulmayı amaçladık. 17 istasyonun her birisi için ayrı dağılımlar bulmak yerine, ortak bir genel yolcu geliş aralığı dağılımı bulup bulamayacağımızı değerlendirdik. Kolmogorov - Smirnov testleri kullanılarak genelleştirmeler yapılmış ve istasyon gruplamaları için `Rank order clustering` yöntemi probleme adapte edilmiştir. Benzer kümülatif yoğunluk fonksiyonlarına sahip istasyonlar sunularak, 6 istasyon grubunun kümülatif yolcu geliş aralığı süreleri bulunmuştur. Yolcu yoğunluğu - geliş aralığı süresi verileri hiperbolik ve üstel fonksiyonlar ile modellenmiştir. Bayes bilgi kriteri değerleri bu iki modeli kıyaslamak üzere hesaplanmış ve önerilen hiperbolik fonksiyonun üstel fonksiyondan daha iyi uyum sağladığı gösterilmiştir. Ek olarak, saatlik ve istasyon ayarlama faktörleri, herhangi bir saat ve herhangi bir istasyondaki yolcu akışını tahminlemek için, hesaplanmıştır. Analizlerde kullanılan iki haftalık yolcu geliş süresi verileri İzmir Metro akıllı kart sisteminden alınmıştır.

Interarrival times (IATs) of entities of a system is studied in various fields including transportation. Traffic of vehicles on highways and passengers using subways were studied to find out the distribution which will correctly capture the characteristics of the transportation systems. Interarrival time distributions that accurately capture the dynamics of passenger flows are essential parts in efficient strategic decision making and developing efficient schedules for subway systems. In this thesis, we aim to find a generalized passenger IAT distribution for the subway system in İzmir. Instead of finding different distributions for each of the 17 stations, we checked if there was a generalized common passenger IAT distribution. Kolmogorov - Smirnov tests were conducted for the generalization, and rank order clustering method is adapted to our problem in order to group these stations. The stations with similar cumulative density functions are presented, and the corresponding cumulative IATs were found according to the 6 groups. Hyperbolic and exponential models were fitted to the data of passenger volume - IATs. Suggested hyperbolic models were found to outperform exponential models when their Bayesian information criterion values were compared. Furthermore, hourly and station adjustment factors are evaluated to estimate the passenger flow at any hour for any station. The data used for the analysis is two weeks of passenger arrival times, which are gathered from İzmir Metro smart ticketing system.