Karayolları Enerji Tüketiminin Motorlu Taşıt Türlerine ve Kullanılan Akaryakıt Miktarına Göre Modellenmesi
Karayollarında tüketilen enerji kaynağını fosil yakıtlardan almaktadır. Fosil yakıtlar yenilenemeyen enerji kaynakları arasında yer almakta ve nüfus, tarım, sanayi ve hizmet sektörlerindeki büyümeler bu kaynakların tüketimini artırmaktadır. Bu çalışmada, Türkiye’de karayollarındaki enerji tüketiminin araç türleri ve toplam tüketilen akaryakıt miktarları arasındaki ilişki incelenmiştir. Enerji tüketiminin tahmini için yapay sinir ağları (YSA) ve çok değişkenli regresyon (MR) yöntemleri ile modellemeler yapılmıştır. Oluşturulan modelde, trafiğe kayıtlı otomobil ve motosiklet sayıları, diğer motorlu taşıt türleri ve toplam tüketilen akaryakıt miktarı bağımsız değişken olarak incelenmiştir. Oluşturulan modelin değerlendirilmesinde determinasyon katsayısı (R2), hataların karelerinin ortalaması (HKO), korelasyon katsayısı (R) ve ortalama yüzde hata (OYH) değerleri performans kriteri olarak dikkate alınmıştır. Dikkate alınan kriterlere göre en iyi modelin YSA modeli olduğu gözlemlenmiştir. Bu modelde R2 değeri 0,998, HKO değeri 37106,774, R değeri 0,999 ve OYH değeri -0,13 olarak hesaplanmıştır. Oluşturulan model ile karayollarında enerji tüketimi başarılı bir şekilde tahmin edilmiştir.
Modeling Highways Energy Consumption According to Motor Vehicle Types and the Amount of Fuel Used
The energy source consumed on highways is derived from fosil fuels. Fossil fuels are among then non-renewable energy sources and growth in the population, agriculture, industry and service sectors in creases the consumption of the seresources. In this study, energy consumption is studied the relationship between vehicle type sand total amount of fuel consumed in energy consumption highways in Turkey. For the estimation of energy consumption, modeling has been made with artificial neural networks (ANN) and multivariate regression (MR) methods. In the model created, the number of automobiles and motorcycles registered in the traffic, other types of motor vehicles and the total amount of fuel consumed were examined as independent variables. In the evaluation of the created model, coefficient of determination (R2), mean squares of errors (MSE) and mean percent error (MPE) values were considered as performance criteria. It was observed that the best model according to the criteria considered was ANN. In this model the R2 value was calculated as 0,998; the MSE value as 37106,774; the R value as 0,999; and the MPE value as -0,13. Energy consumption on highways has been successfully estimated with the created model.
___
- Adu-Gyamfi YO., Asare SK., Sharma A., Titus T. Automated vehicle recognition with deep convolutional neural networks. Transportation Research Record 2017; 2645(1): 113-122.
- Cansız ÖF., Ünsalan K., Erginer İ. Karayolları enerji tüketiminin yapay zeka ve regresyon yöntemleri ile modellenmesi. Uludağ University Journal of The Faculty of Engineering 2020; 25(3): 1297-1314.
- Chai J., Lu QY., Wang SY., Lai KK. Analysis of road transportation energy consumption demand in China. Transportation Research Part D: Transport and Environment 2016; 48: 112-124.
- Çetinkaya M., Acarman T. Trafik işaret levhası tespiti için derin öğrenme yöntemi. Akıllı Ulaşım Sistemleri ve Uygulamaları Dergisi 2020; 3(2): 140-157.
- Enerji ve Tabii Kaynaklar Bakanlığı, Sektörlere göre toplam enerji tüketimi, https://cevreselgostergeler.csb.gov.tr/sektorlere-gore-toplam-enerji-tuketimi-i-85800
- Enerji Verimliliği Derneği. Enerji Verimliliği Bilinç Endeksi Kantitatif Araştırma Raporu 2020 http://www.enver.org.tr/media/catalog/pdf/enerji_verimliligi_bilinc_endeksi_kantitatif_raporu_2020. pdf
- Erginer M., Cansız ÖF., Erginer İ. Trafik kaza sayısının ve yaralı sayısının yapay sinir ağları ile tahmini. Osmaniye Korkut Ata Üniversitesi Fen Bilimleri Enstitüsü Dergisi 2020; 3(1): 29-35.
- Hamzaçebi C., Kutay F. Yapay sinir ağları ile Türkiye elektrik enerjisi tüketiminin 2010 yılına kadar tahmini. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi 2004; 19(3): 227-233.
- Koray AKİ., Dirik AE. Derin öğrenme tabanlı ve PID kontrol tabanlı sürücüsüz araç sistemleri. Mühendislik Bilimleri ve Tasarım Dergisi 2020; 8(5): 306-316.
- Mucuk M., Uysal D. Türkiye ekonomisinde enerji tüketimi ve ekonomik büyüme. Maliye Dergisi 2009; 157(1): 105-115.
- Öztürk K., Şahin ME. Yapay Sinir ağları ve yapay zekâ’ya genel bir bakış. Takvim-i Vekayî 2018; 6(2): 25-36.
- Soruşbay C. Karayolu ulaşımından kaynaklanan karbondioksit emisyonlarının çevreye etkisi ve kontrolü. Mühendis ve Makine 2007; 48(564): 22-26.
- TÜİK. Motorlu kara taşıtları istatistikleri https://www.tuik.gov.tr/