PASSENGER FLOWS ESTIMATION OF LIGHT RAIL TRANSIT (LRT) SYSTEM IN IZMIR, TURKEY USING MULTIPLE REGRESSION AND ANN METHODS

摘要

Passenger flow estimation of transit systems is essential for new decisions about additional facilities and feeder lines. For increasing the efficiency of an existing transit line, stations which are insufficient for trip production and attraction should be examined first. Such investigation supports decisions for feeder line projects which may seem necessary or futile according to the findings. In this study, passenger flow of a light rail transit (LRT) system in Izmir, Turkey is estimated by using multiple regression and feedforward back-propagation type of artificial neural networks (ANN). The number of alighting passengers at each station is estimated as a function of boarding passengers from other stations. It is found that ANN approach produced significantly better estimations specifically for the low passenger attractive stations. In addition, ANN is found to be more capable for the determination of trip-attractive parts of LRT lines.%Toplu ulazim sistemlerindeki yolcu akimlanmn tahmin edilmesi, sistemin isletimi ile ilgili yeni kararlar ve mevcut sistemi destekleyici yeni hatlann belirlenmesi agisindan old-ukga onemlidir. Mevcut bir toplu ulasim hattina ait verimliligin arttmlmasi icin yolculuk uretim ve gekiminde dusuk paya sahip istasyonlann oncelikli olarak ortaya konmasi gerek-mektedir. Bu tur bir inceleme aym zamanda, sisteme yolcu tasiyacak yeni besleme hatlannin gerekli olup olmadigimn belirlenmesini saglamaktadir. Bu calismada, izmir-Turkiye'deki bir hafif rayli sisteme (HRT) ait yolcu akimlan, goklu regresyon analizi ve ileri beslemeli - geri yayilimli bir yapay sinir agi (YSA) modeli kullamlarak tahmin edilmistir. Her bir istasyonda inen yolcu sayisi, diger istasyonlardan binen yolcu sayilannm bir fonksiyonu olarak modellenmistir. YSA modeli ile ozellikle dusuk yolcu gekimine sahip istasyon-lar igin daha basanli sonuglar elde edilmistir. Aynca YSA'mn yuksek yolcu geken HRS kesimlerinin belirlenmesinde de daha yuksek basanm gosterdigi bulunmustur.