A Special transportation modelling approach for the disadvantaged groups in urban traffic

Abstract

oz Şimdiye kadar bilinen ulaşım planlama model ve çalışmalarının çoğunlukla kentsel yolculuklar açısından mağdur (dezavantajlı) durumda kalan gurupların ulaşım sorunlarına somut çözümler getiremediği artık kabul edilmektedir. Bu durum, dezavantajlılığın oluşmasında rol oynayan niteliksel ve sosyal parametrelerin belirsizlik nedeniyle modellemede yeterince ele ahnamamasından, ve modellerin normatif olmamasından kaynaklanmıştır. Normatif bir modelleme yaklaşımı getiren bu tez çalışması, temelde iki farklı metodolojik yaklaşım sunar: Birincisi, gruplandırma (clustering) analizi yolu ile tarafsız ve ön koşulsuz bir ayrım neticesinde `Mağdur` genel grubunun tanımlanması, ikincisi ise, modelleme işlemlerini her iki durum (normal ve mağdur) için uygulayıp, iki model arasındaki sonuç farklılıklarından yola çıkarak planlama politikalarının belirlenmesidir. Burada amaç, mağdurun yolculuk kalitesinin iyileştirilmesidir ve iyileştirmeden kasıt ise, pozisyonunun normalin değerlerine yaklaştınlmasıdır. Bir bakıma, mağdurun durumunun iyileştirilmesine yönelik politikalar tam da modelleme aşamalarından başlatılmıştır. Diğer bir değişik ele alış, çok sayıda değişkenin fonksiyon tanımlamaları şeklinde `Büyük` (Major) değişkenlere dönüştürülmesi konusunda olmuştur. Böylece, normalde etkisiz ve belirsiz konumda kalabilecek `küçük` değişkenlerin etkililiği sağlanabilmiş ve az sayıda değişkene indirgenmiştir. Model işletimlerinde, süreci hızlandırmak için (özellikle yolculuk atamaları konusunda) TRANUS paket programının en son versiyonu (6.0) kullamlmıştır. TRANUS, kategori bazmda model işletimi yapabilmekte ve bu çalışmada da mağdur ayrımında model çıktıları üretebilmek için bu özelliği kullamlmıştır. Sonuçlara bakıldığında, belirgin farklılığın özellikle Yolculuk Üretimi aşamasında oluştuğu (hane halkının sosyo-ekonomik değerleri) ve bunda değişkenlerin mağdur modeli için farklı olabilmesinden kaynaklandığı gözlenmiştir. VUlSon aşamada, Tekabüliyet Modülü (Correspondence Module) diyebileceğimiz bir kategori analizi ile, çalışma kapsamında benimsen hakçalık (equity) ilkeleri gereği, çeşitli mağduriyet kategorilerinin hangi mağduriyet düzeylerine eriştikleri saptanmıştır. Bu çakıştırma işlemi sırasında, ayrıca ne tür politikaların hangi mağduriyet gurupları için üretilebileceğine dair bir ölçü sistemi de elde edilmiştir. Yöntemin etkililiğini ölçmek için ise, mağdurun durumunda herhangi bir iyileşmeyi getirebilecek üç değişik politika senaryosuna dayanan üç ayrı simulasyon üretilmiştir. Sonuç olarak, beklenen ölçüde olmasa da, simulasyonlarda mağdurun durumunda belli bir iyileşme kaydedilebilmiştir. Burada, sürpriz olmayan bir bulgu da, en fazla iyileşmeyi sağlayacak politikaların ağırlıklı olarak gelirle ve araç sahipliliği ile ilgili parametreleri ele alan politikaların olduğu gözlenmiştir. Daha iyi düşünülmüş senaryo formülasyonlan ile çok daha iyi sonuçlar alınabilmesi mümkün gözükmektedir. Anahtar Sözcükler: Ulaşım Planlaması, Hakçalık, Ulaşım Mağduru, Guruplama Analizi, Kategory (Tekabüliyet) Analizi, Ulaşım Etiği, Modelleme, Belirsiz Set Analizi, Duyarlılık (Esneklik) Analizi, Simulasyon, Gini Endeksi IX

ABSTRACT It has been known that conventional transportation models and studies have been inadequate to solve the acute transportation problems in the urban areas to date that overwhelmingly those disadvantaged groups face. The major reason is probably that the qualitative and social parameters that could be the real factors in the explanation of the `disadvantagedness` have not been efficiently considered in the modelling because of the uncertainty, and non-normative nature of the models. This thesis study as a normative one offers basically two methodological approach that can be integrated to the normal models: First, the clear-cut definition of so-called disadvantaged by the cluster analysis method, and second, application of the modelling procedures both for normal case and for the disadvantaged simulatenously by which the determination of policy packages (policy capturing) is probable on the basis of the differences between the two models. The improvement of disadvantaged means getting closer to the normality in transportation conditions. With this, it is meant that pohcy-making to improve the disadvantaged can even start from the modelling stages. As an innovative approach, various correlated variables are grouped into `Major` variables in the form of function formulations, which are thought best represent the social/qualitative parameters. In the model runs, latest version of TRANUS (6.0) was used to speed up the modelling process (especially the Trip Assignments). With TRANUST, categorical handling is possible. It is found that there appears a remarkable discrepancy between the two models at the level of Trip Generations (productions), and some different variables could be used in the model for disadvantaged. Finally, in the Correspondence Module (or, category analysis), as of the adopted equity principles, the association of those disadvantaged categories (as transportation categories) with the `disadvantagedness` levels is maintained. This matching process also provided a gauge with which the policies could be produced for the matchingtransportation (disadvantaged) categories. To see the effectiveness of the method, three simulations are run based on the three policy scenarios where any move towards betterment in the condition of disadvantaged is welcome. As the result of this study, though less than expected, an improvement was observed in the travel conditions of the disadvantaged. It is observed not surprisingly that policy formulations playing around the income related and vehicle ownership variables can be more successful in obtaining better results. More frequent trials with better scenario formulations as well would have ended with better results. Key Words: Transportation Planning, Equity, Transportation Disadvantaged, Cluster Analysis, Category (Correspondence) Analysis, Transportation Ethics, Modelling-, Fuzzy Sets Analysis, Sensitivity Analysis, Simulation-, Gini Index VU