Örnek bölgede kara ulaşımı kaynaklı hava kirliliği tahmin modelinin ve azaltılması için AUS kullanımının araştırılması
Investigation of the road transportation source air pollution prediction model and the use of ITS for its reduction in the sample area
- Tez No: 936714
- Danışmanlar: PROF. DR. ZÜBEYDE ÖZTÜRK
- Tez Türü: Doktora
- Konular: Ulaşım, Transportation
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Ulaştırma Mühendisliği Bilim Dalı
- Sayfa Sayısı: 207
Özet
Karayolu taşımacılığı, kentsel alanlardaki çevre kirliliğinin ve trafik sıkışıklığının açık ara en büyük kaynağı haline gelmiştir. Sürekli trafik artışı, trafik emisyonlarının insan sağlığı ve hava kalitesi üzerindeki etkisi konusunda endişelere yol açmış olup, bölgesel ve ulusal ölçeklerde trafik, hava kalitesi ve emisyon yönetimi için tutarlı bir düzenleyici çerçeveye olan talebi artırmıştır. Hava kalitesi modellemesi, emisyon azaltma önlemlerinin ve hava kalitesi planlarının geliştirilmesi için temel bir araçtır. Çoğu zaman bu planlar, yüksek emisyon yoğunluğuna ve nüfusa maruz kalmaya sahip kentsel ortamlarla ilgilidir. Bununla birlikte, kentsel alanlarda hava kalitesi modellemesi oldukça zorlu bir iştir. Çevre standartları daha sıkı hale geldikçe, kentsel alanlarda, yaygın olan hava kalitesi bozulmalarını etkili bir şekilde çözebilecek önlemleri ve planları simüle etmek için daha güvenilir ve sofistike modelleme araçlarına ihtiyaç duyulmaktadır. Bu noktada yapay zeka teknikleri ön plana çıkmaktadır. Yapay zeka yöntemlerinin geleneksel modellere göre daha esnek, daha az varsayıma bağlı ve uyarlanabilir bir metodoloji olarak kullanılması, literatürde bu modellerin kullanımını artırmıştır. Akıllı Ulaşım Sistemleri (AUS), ulaşım sisteminin verimliliğini ve güvenliğini artırmak için entegre edilebilen yazılım, donanım, trafik mühendisliği kavramları ve iletişim teknolojilerinin bir karışımıdır. AUS'nin kullanımı, trafikte daha fazla esneklik sağlayarak çevre kirleticilerinin azaltılmasında önemli bir rol oynamaktadır. AUS, seyahatleri optimize etmeye ve trafikte geçirilen zamanı azaltmaya yardımcı olmaktadır. Ayrıca yakıt tüketimi ile zararlı emisyonları sınırlamaya ve havanın kalitesini korumaya yardımcı olmaktadır. AUS kullanımında amaç yakıt tasarrufu yapmak ve emisyonları bu yakıt tasarrufuyla orantılı olarak azaltmaktır. Taşıt trafiğinin hava kirletici konsantrasyonlarına katkısının belirlenmesi genellikle zordur. Bu tez çalışmasında, seçilmiş olan örnek bölgede karayollarının neden olduğu kirletici seviyelerine taşıt etkilerini tahmin etmek için yapay zeka modelleri kullanılarak, sonuçlar karşılaştırılmıştır. Hava kirliliğinin boyutu incelendikten sonra, kirliliğin azaltılması için AUS kullanımının uygunluğu çeşitli senaryolar ile araştırılmıştır. Çalışmanın giriş bölümü olan birinci bölümde, tezin amacı ile birlikte, bu çalışmaya teşkil eden literatür araştırmasına yer verilmiştir. Ulaşım kaynaklı hava kirliliğinin araştırılmasına yer verilmiş olup, kirlilik azaltma çalışmaları irdelenmiştir. Çalışma kapsamında seçilmiş örnek bölge olan Dilovası İlçesi ulaşım emisyonları açısından değerlendirilerek, çalışma kapsamında incelenmiş olan NOx, CO, NMVOC ve PM10 kirletici parametreleri için ilçeden kirlilik sınırları dahilinde geçebilecek taşıt sayıları araştırılmıştır. Çalışma kapsamında kullanılmış olan COPERT 4 emisyon tahmin modeli tanıtılarak, ilçeden geçen taşıt kaynaklı kirletici parametrelerinin oluşturduğu yıllık ortalama günlük emisyon miktarı program ile hesaplanmıştır. Aynı kirleticiler için emisyon miktarı, çalışma kapsamında yapay zeka teknikleri açısından tanıtılmış olan Adaptive Neuro Fuzzy Inference System (ANFIS) ve Yapay Sinir Ağları (YSA) modelleri ile tahmin edilmiş olup, program sonuçları her iki model performansı ile karşılaştırılmıştır. İlçede ulaşım kaynaklı hava kirliliğini azaltmak amacıyla taşıtların AUS ile alternatif güzergahlara yönlendirilmesi önerilmiştir. Bu kapsamda alternatif güzergahlar tanıtılmış olup, güzergahlara ait yapım, bakım, onarım ve işletme maliyetleri incelenerek karşılaştırılmıştır. AUS tanıtılmış olup, bu sistemlerin hava kalitesi açısından önemi araştırılmıştır. İlçede ulaşım kaynaklı hava kirliliğini azaltmak amacıyla en uygun AUS seçimi yapabilmek için seçenek sensörler incelenerek, bu sensörlere ait kurulum maliyetleri açısından karşılaştırma yapılmıştır. Değerlendirmelere göre en uygun sensör belirlendikten sonra, kirlilik sınırı aşımıyla taşıtların alternatif güzergahlara yönlendirildiği senaryolara ait sonuçlar, taşıt sayısı ve taşıt türü etkileri açısından karşılaştırılmıştır. Bu analizler sonucunda, daha az yakıt tüketimine karşın daha fazla emisyon azalım miktarının meydana geleceği senaryo ile taşıt yönlendirilmesinin gerekliliği ortaya çıkmıştır. Tez çalışmasında, trafik kompozisyonunda yer alan taşıt sayısı hesaplanmış olup, bölgeye ait nem oranı, bölgedeki en yüksek ve en düşük sıcaklıklara ait bilgiler elde edilmiş ve bu girdilere göre ulaşım kaynaklı emisyon miktarının belirlenmesine yönelik emisyon modeli uygulanmıştır. Ayrıca, ulaşım sistemini kullanan sürücülerin, hava kirlilik sınırının aşımına göre çeşitli senaryolarla alternatif güzergahlara yönlendirilmesiyle, ilçede hava kalitesini arttırmaya yönelik bir yaklaşım geliştirmiştir. Çalışma kapsamında elde edilen model sonuçları ve taşıt yönlendirme senaryo çalışmalarıyla elde edilen bulgular altıncı bölüm içeriğinde verilmiştir. Ulaşılan bu sonuçlar kapsamında ileriye dönük yapılabilecek çalışmalar ise, bu bölümde öneriler olarak özetlenmiştir.
Özet (Çeviri)
Road transportation has become by far the largest source of environmental pollution and traffic congestion in urban areas. The continuous increase in traffic has raised concerns regarding the impact of traffic emissions on human health and air quality, increasing the demand for a consistent regulatory framework for traffic, air quality, and emissions management at regional and national levels. Air quality modeling is a key tool in the development of emission reduction measures and air quality plans. These plans are often related to urban environments, which have high emission densities and population exposure. However, air quality modeling in urban areas is a highly challenging task. As environmental standards become stricter, there is a need for more reliable and sophisticated modeling tools to simulate measures and plans that can effectively address the widespread air quality exceedances in urban areas. This is where artificial intelligence (AI) techniques come into play. The use of AI methods as a more flexible, less assumption-dependent, and adaptable methodology compared to traditional models has increased the use of these models in the literature. Intelligent Transportation Systems (ITS) are a mix of software, hardware, traffic engineering concepts, and communication technologies that can be integrated to increase the efficiency and safety of transportation systems. The use of ITS plays an important role in reducing environmental pollutants by providing more flexibility in traffic. ITS helps optimize travel and reduce time spent in traffic. It also helps limit fuel consumption and harmful emissions, thus protecting air quality. The goal in using ITS is to save fuel and reduce emissions proportionally with the fuel savings. Current air quality prediction models are tedious and time-consuming. The artificial intelligence method has emerged as a more flexible, less assumption-dependent, and adaptable methodology. Flexible computing techniques have been designed to create air quality prediction models to overcome the problems in traditional air quality models to the complexity and nonlinear behavior of air quality data, flexible computing methods have become popular in air quality modeling. Air pollutant prediction models can provide early warnings, and their effective use can reduce the number of measurements and data collection stations. There is a strong link between intelligent transportation systems and the control of vehicle emissions, and roadways are a significant source of transportation greenhouse gas emissions. Despite technological advancements in the transportation sector, the industry continues to struggle with increasing energy consumption and vehicle emissions, which intensify environmental degradation and climate change. Ineffective management of traffic flow, underutilization of transportation network connections, and the limited application of Artificial Intelligence (AI)-supported prediction models pose significant challenges in achieving energy efficiency and emission reduction. This situation highlights the importance of efforts to reduce transportation-related emissions Developments in artificial neural networks have been applied in solving various engineering control problems involving the optimization of decision-making processes. According to literature research, there are studies where artificial intelligence methods and Intelligent Transportation Systems are used together. These studies have shown that intelligent transportation systems, especially in the field of traffic, yield effective results when combined with artificial intelligence techniques. Determining the contribution of vehicle traffic to air pollutant concentrations is often difficult. In this thesis, artificial intelligence models were used to predict the contributions of vehicles to pollutant levels caused by highways in a selected sample area, and the results were compared. After investigating the extent of air pollution, the suitability of using ITS for pollution reduction was explored through various scenarios. The first chapter of the study, which serves as the introduction, includes the purpose of the thesis, along with the literature review that forms the foundation of this study. Transportation-related air pollution has been investigated, and pollution reduction efforts have been reviewed. In the study, the selected sample area, Dilovası District, was evaluated in terms of transportation emissions, and the number of vehicles passing through the district that could exceed pollution limits for pollutants such as NOx, CO, NMVOC, and PM10 was investigated. The COPERT 4 emission estimation model used in the study was introduced, and the annual average daily emission amount of pollutants caused by vehicles passing through the district was calculated using the program. For the same pollutants, emission amounts were predicted using Artificial Intelligence techniques, specifically the Adaptive Neuro-Fuzzy Inference System (ANFIS) and Artificial Neural Networks (ANN), and the results were compared in terms of the performance of both models. To reduce transportation-related air pollution in the district, it was proposed to direct vehicles to alternative routes using ITS. In this context, alternative routes were introduced, and construction, maintenance, repair, and operating costs of these routes were examined and compared. ITS was introduced, and its importance for air quality was investigated. In order to make the most suitable ITS selection to reduce transportation-related air pollution in the district, options for sensors were explored, and a comparison of installation costs for these sensors was made. After determining the most suitable sensor, results from scenarios where vehicles were directed to alternative routes due to pollution limit exceedance were compared in terms of vehicle number and vehicle type effects. Based on these analyses, a scenario was identified where more emission reduction occurred with lower fuel consumption, thus highlighting the necessity of vehicle rerouting. The number of vehicles in the traffic composition was calculated, and the humidity, highest and lowest temperatures in the region were obtained. Based on these inputs, an emission model was developed to determine transportation-related emission amounts. Additionally, directing drivers using the transportation system to alternative routes through various scenarios based on air pollution limit exceedance has developed a new approach to improving air quality in the district. The model results obtained in the study and the findings from vehicle rerouting scenario studies are presented in the sixth chapter. Based on these results, possible future studies are summarized as suggestions in this chapter.
Benzer Tezler
- Socio-economic impact analysis of air pollution reduction scenarios with benmap-ce program: Dilovasi example
Hava kirliliği azaltma senaryolarının benmap-ce programı ile sosyo-ekonomık etki analizi: Dilovası örneği
ZEYNEP FERİHA ÜNAL
Yüksek Lisans
İngilizce
2021
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. HÜSEYİN TOROS
- İstanbul Kentiçi kara toplu ulaşım hizmetlerinin başlaması ve gelişimi: 1850 - 1900
Intrıduction and evolution of public trans portation sector in Istanbul: 1850 - 1900
İBRAHİM MURAT BOZKURT
- Route selection behavior of shipping companies: An analysis for Arctic shipping routes
Denizcilik şirketlerinin rota seçim tutumları: Arktik deniz rotaları için bir analiz
KEMAL AKBAYIRLI
Doktora
İngilizce
2022
DenizcilikDokuz Eylül ÜniversitesiDeniz İşletmeleri Yönetimi Ana Bilim Dalı
PROF. DR. OKAN TUNA
- An approach for developing road traffic noise annoyance prediction model
Kara yolu trafik gürültüsü rahatsızlığı tahmin modeli geliştirmek için bir yaklaşım
MİNE DİNCER
Doktora
İngilizce
2016
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. SEVTAP YILMAZ
- Using gis to map changing exurban land values in İstanbul: A case study of Karaağaç-Hadımköy enclave
Coğrafi bilgi sistemlerini kullanarak İstanbul şehir dışı yeni yerleşim alanlarındaki arazi değerleri değişiminin incelenmesi: Karaağaç-Çakmaklı bölgesi örnek çalışması
AKİF KARATEPE
