Optimum taşıt sayısının belirlenmesinde yapay sinir ağları ile çok değişkenli lineer regresyon tekniklerinin karşılaştırılması

Abstract

Toplu taşıma faaliyetinde bulunan işleticilerin, verimli ve sürdürülebilir bir yapıda olması için toplu taşıma taşıt sayısının optimum düzeyde olması gerekmektedir. Bu çalışmada, yapay zeka tekniklerinden olan yapay sinir ağları kullanılarak toplu taşıma güzergahlarında kullanılacak optimum taşıt sayısı tahmin edilmektedir. Bu çalışmada 6 adet bağımsız değişken kullanılmaktadır. Bu bağımsız değişkenler; mevcut taşıt sayısı, tur sayısı, hat uzunluğu, taşıtların günlük yaptığı toplam kilometre, günlük taşınan yolcu sayısı ve kilometre başına yolcu sayısıdır. Bağımlı değişkenimiz, optimizasyon sonrası taşıt sayısı olmak üzere bir tanedir. 16 ayrı hattan alınan verilerle, bu değişkenlerden oluşan veri seti meydana getirilmektedir. En iyi sonuçlara sahip yapay sinir ağları modeli; ileri beslemeli, Levenberg-Marquardt eğitim algoritmalı, tek bir gizli katmana ve tansig transfer fonksiyonuna sahip, on adet nörona uygulanan modelde elde edilmektedir. Bu sonuçlara göre, en iyi yapay sinir ağları modelinin korelasyonu 0,92, yüzde hataların ortalaması %27,25 ve ortalama karesel hatalar 25,91 değerlerine sahip olmaktadır. Yapay sinir ağları modelinin istatistiksel metotlarla karşılaştırılması amacıyla çok değişkenli lineer regresyon modelleri oluşturulmaktadır. Bu amaçla lineer ve purequadratic regresyon çeşitleri kullanılmaktadır. Çok değişkenli lineer regresyonun lineer türlerinde, aynı bağımlı ve bağımsız değişkenler yer almaktadır. Regresyon analizleri sonucunda lineer regresyon modelinin korelasyonu 0,97, yüzde hataların ortalaması % 24,45 ve ortalama karesel hatalar 4,14 çıkmaktadır. Purequadratic regresyon modelinde ise korelasyon 0,99, yüzde hataların ortalaması %7,32 ve ortalama karesel hatalar değeri 0,08 olarak hesaplanmaktadır. Purequadratic regresyon yöntemi kullanılarak oluşturulan model yapay sinir ağları ve çok değişkenli lineer regresyon modeline göre daha iyi sonuç vermektedir.