Malatya İli ulaşım ağı kavşak noktalarının merkezlilik analizi

Abstract

Ulaşım ağlarının en kilit bölgeleri yolların kesişim noktalarını oluşturan kavşaklardır. Kavşakların konumu ve bağlandığı yollar trafik akışını etkileyen en önemli etmenlerden birisidir. Bu çalışmada Malatya ili kent merkezi içerisinde bulunan caddeler ve bulvarlar üzerinde bulunan kavşak noktalarının ulaşım sistemi içerisindeki önemi belirlenecektir. Kentin imar planına göre nüfus bilgileri hesaplanmıştır. Nüfusun yüzde 90’ından fazlasına hizmet veren kavşak noktaları seçilmiştir. Malatya kent merkezi için yapılan graf modellemesi 151 kavşak noktası ve bu kavşak noktalarını birleştiren 258 yoldan oluşmaktadır. Graf modellemesine yolların gerçek mesafe uzunlukları metre cinsinden dâhil edilmiştir. Oluşturulan ağırlıklı graf üzerinde Pagerank, Eigenvector centrality, Closeness Centrality, Betweenness Centrality algoritmaları uygulanmıştır. Her algoritmanın kendisine ait özellikleri ve sonuçları ayrıntılı olarak incelenmiştir. Bu 4 algoritmanın kendine özgü özelliklerinin tamamını barındıran homojen birleştirici bir yaklaşım uygulanmış ve başarılı sonuçlar alınmıştır. Bütün algoritmaların sonuçlarına göre kavşak noktalarının merkezlilik değerleri ve en etkili kavşak noktası graf üzerinde gösterilmiştir. Bütün analiz ve görsel işlemleri için R programlama dili kullanılmıştır.

The most key areas of transportation networks are the intersections that form the intersection points of the roads. The location of the intersections and the roads that they connect to are one of the most important factors affecting the traffic flow. In this study, the importance of the intersection points on the streets and boulevards in the downtown of Malatya province in the transportation system will be determined. Population information has been calculated according to the city's land use plan. Intersection serving more than 90 percent of the population have been selected. Graph modeling made for Malatya downtown consists of 151 intersection points and 258 roads connecting these intersection points. The actual distance lengths of the roads are included in the graph modeling in meters. Pagerank, Eigenvector centrality, Closeness Centrality, Betweenness Centrality algorithms were applied on the weighted graph created. The properties and results of each algorithm are examined in detail. A homogeneous combining approach that contains all the unique features of these 4 algorithms has been applied and successful results have been obtained. The centrality values of the intersection points and the most effective intersection point are shown on the graph according to the results of all algorithms. R programming language was used for all analysis and visual operations.