Page 58 - Çevre Şehir ve İklim Dergisi - Sayı 4

Yapay Zekâ Tabanlı Algoritmalar İle
Kentsel Dönüşüm Tahminlerinin Yapılması

2
göre ileri beselemenin belirleme katsayısı (r ) 0,9955 iken, Elman sinir ağında
bu değer 0,9863 bulunmuştur. Sonuçlara göre ileri beslemeli sinir ağının
kullanımında yüksek doğruluk elde edilmiş, konut fiyatlarını tahmin etmede iyi
performans gösterdiği gözlemlenmiştir.
Wan ve Shi (2021) evrişimsel sinirsel ağ modeli tabanlı yöntemlerle kentsel
restorasyon kamu alanı dizaynı üzerinde çalışma yapmıştır. Bu çalışma ile
yapay zekâ öğrenimi, derin öğrenme ve diğer ilgili algoritmaların kullanımının
fizibilitesi araştırılmıştır. Kentsel trafik yolu ağı, kentsel mahalle mekânsal bilgi
ve kentsel yapı fonksiyon bilgilerinin kullanıldığı modelde kentlerde boş alanlar
için uygun kentsel alanlar ve optimum yol ağının oluşturulması bakımından
örnek çalışma teşkil etmektedir.
Sipahioğlu ve Çağdaş (2022) senaryo tabanlı hücresel otomasyon ve YSA
yöntemlerini kullanarak kentsel büyüme modellemesi yapmıştır. Arazi kullanımı
ve itici faktör verilerinin simülasyon için kullanıldığı modelde altı farklı gelişim
senaryosu İzmir İli Stratejik Planına göre formüle edilmiş, gelecekteki kentsel
planlama stratejilerinin etkileri belirlenmiştir.
Sonuç olarak literatürde YSA yöntemi kentsel gelişimin planlaması,
dönüşümün modellenmesi çalışmalarında sıklıkla kullanıldığı görülmektedir.
Ancak, Türkiye’de söz konusu çalışmalar sadece konut fiyatı tahminlerinde
ve bölgesel olarak gerçekleştirilmiştir. Ekonomik veriler göz önünde
bulundurularak kentsel dönüşümün ulusal ölçekte modellemesi ve geleceğe
yönelik tahminler bu çalışma ile ortaya koyulmuş ve literatürdeki bu açık bu
çalışma ile giderilmeye çalışılmıştır.

Kullanılan Veriler, Yöntemler ve Tahmin Model Çalışmaları

Bu çalışma kapsamında Türkiye’de kentsel dönüşüm sürecine ait tahmin
modelleri oluşturabilmek için 2002 yılından itibaren 2020 yılına kadar üçer aylık
dönemler şeklinde daire sayısı, ruhsat sayısı, yüz ölçümü bağımlı değişkenleri
ile gayri safi milli hasıla (GSYH), enflasyon oranı (%), faiz oranı (%) ve nüfus
bağımsız değişkenleri ilgili kurum ve kuruluşlardan tedarik edilmiştir. Kullanılan
bu veriler Uçan, 2022 çalışmasından elde edilebilir. Kentsel dönüşüm sürecine
ait tahmin modelleri regresyon tabanlı ve YSA tabanlı modellemeler ile
incelenmiştir. Regresyon analizlerinde KRA: Klasik Regresyon Analizi, MARS:
Çok Değişkenli Uyarlanabilir Regresyon Eğrileri (Friedman, 1991), TreeNet
Gradyan Artırma Makinesi (Friedman, 2001) kullanılmış olup YSA modelinde
ise GWO: Gri kurt optimizasyon algoritması (Mirjalili vd. 2014) MATLAB
programlama dilinde kodlanarak YSA’ya eklenmiştir.
Daire sayısı, ruhsat sayısı ve yüz ölçümü bağımlı değişkenlerini tahmin
etme çalışmalarına başlarken bu değişkenleri en fazla etkileyebilecek
bağımsız değişkenler belirlenmiştir. Bu aşamada etkili bağımsız değişkenlerin

Yıl 2 / Sayı 4 / Temmuz 2023 43