by Battal Murat ÖZTÜRK Elektrik Elektronik Mühendisi Löher Asansör ve Yürüyen Merdiven  (Meteor Endüstri ve Enerji AŞ.)

1. Giriş

Yürüyen merdivenler, modern kent yaşamının ayrılmaz bir parçası haline gelmiştir.  Alışveriş merkezlerinden metrolara, havalimanlarından ofis binalarına kadar geniş bir kullanım alanına sahip olan yürüyen merdivenler, insan hareketliliğini kolaylaştırırken, trafik akışını optimize etme konusunda önemli bir rol oynar. Bu sistemlerin verimli çalışması için trafik analizi yapılması, tasarım ve operasyon süreçlerinde kritik bir öneme sahiptir. Bu makale, yürüyen merdiven trafik analizinin temel prensiplerini, yöntemlerini, kullanılan teknolojileri ve optimizasyon stratejilerini kapsamlı bir şekilde ele almaktadır.

Yürüyen merdiven trafik analizinin tanımı ve önemi

Yürüyen merdiven trafik analizi, belirli bir zaman diliminde yürüyen merdivenleri kullanan insan sayısını, hareket paternlerini, yoğunluk seviyelerini ve sistem performansını inceleyen bir süreçtir.

Bu analiz, aşağıdaki nedenlerle kritik öneme sahiptir:

Kapasite planlaması: Yürüyen merdivenlerin taşıma kapasitesinin, kullanım yoğunluğuna uygun olup olmadığını değerlendirir.

Güvenlik: Aşırı kalabalık durumlarında güvenlik risklerini önlemek için gerekli önlemleri belirler.

Verimlilik: Enerji tüketimi ve operasyonel maliyetlerin optimize edilmesini sağlar.

Kullanıcı deneyimi: Bekleme sürelerini azaltarak kullanıcı memnuniyetini artırır.

Tasarım ve planlama: Yeni tesislerde veya mevcut sistemlerin yenilenmesinde doğru tasarım kararları alınmasına olanak tanır.

2. Yürüyen merdiven trafik analizinin temel unsurları

Yürüyen merdiven trafik analizi, bir dizi temel unsuru içerir:

2.1. Trafik yoğunluğu

Trafik yoğunluğu, belirli bir zaman diliminde yürüyen merdiveni kullanan kişi sayısını ifade eder. Bu veri, genellikle saatlik veya dakikalık bazda ölçülür ve aşağıdaki faktörlere bağlıdır:

Zaman dilimi: Yoğun saatler (örneğin, sabah ve akşam iş saatleri) ile sakin saatler arasında büyük farklılıklar olabilir.

Konum: Metro istasyonları gibi toplu taşıma merkezlerinde yoğunluk, alışveriş merkezlerine kıyasla daha yüksek olabilir.

Mevsimsel faktörler: Tatil dönemleri veya özel etkinlikler, trafik yoğunluğunu artırabilir.

2.2. Kullanıcı davranışları

Yürüyen merdivenlerdeki insan davranışları, analizde önemli bir rol oynar. Örneğin: Yürüme veya Sabit Durma: Bazı kullanıcılar merdiven üzerinde yürürken, diğerleri sabit durmayı tercih eder. Bu, akış hızını ve kapasiteyi doğrudan etkiler.

Durma tercihi: Bazı kültürlerde sağda durup solda yürüme gibi alışkanlıklar bulunur (örneğin, Japonya’da solda durulur, sağda yürünür).

Grup hareketleri: Aileler veya arkadaş grupları, merdiven üzerinde yan yana durarak akışı yavaşlatabilir.

2.3. Kapasite ve hız

Yürüyen merdivenlerin taşıma kapasitesi, merdivenin genişliği, hızı ve basamak sayısı gibi teknik özelliklere bağlıdır. Standart bir yürüyen merdiven, saniyede yaklaşık 0.5-0.75 metre hızda hareket eder ve saatte 3600 ila 8200 kişi taşıyabilir. Ancak, gerçek kapasite, kullanıcı davranışlarına ve operasyonel koşullara bağlı olarak değişir.

2.4. Bekleme süreleri ve kuyruklanma

Yoğun saatlerde, yürüyen merdiven girişlerinde kuyruklar oluşabilir (Metro istasyonlarında veya mesai bitiminde AVM’lerde). Bekleme sürelerinin analizi, kullanıcı deneyimini iyileştirmek ve sistem verimliliğini artırmak için önemlidir. Kuyruk teorisi (queueing theory), bu tür analizlerde sıkça kullanılır.

3. Yürüyen merdiven trafik analizi yöntemleri

Trafik analizi için çeşitli yöntemler ve teknolojiler kullanılmaktadır:

3.1. Manuel gözlem ve sayım

En temel yöntem, belirli bir zaman diliminde yürüyen merdiveni kullanan kişi sayısını manuel olarak saymaktır. Bu yöntem, küçük ölçekli analizler için uygun olsa da, büyük sistemlerde zaman alıcı ve hata yapmaya açıktır.

3.2. Sensör tabanlı veri toplama

Modern yürüyen merdiven sistemlerinde, kızılötesi sensörler, ağırlık sensörleri veya optik algılama sistemleri kullanılarak gerçek zamanlı veri toplanabilir. Bu sensörler, kişi sayısını, hareket yönünü ve yoğunluk seviyelerini otomatik olarak kaydeder.

3.3. Video analizi

Kameralar ve görüntü işleme teknolojileri, kullanıcı hareketlerini detaylı bir şekilde analiz etmek için kullanılır. Yapay zeka destekli video analizi, kalabalık yoğunluğunu, hareket paternlerini ve anormal durumları tespit edebilir.

3.4. Simülasyon modelleri

Bilgisayar tabanlı simülasyon yazılımları (örneğin, AnyLogic, VISSIM veya Legion), yürüyen merdiven trafik akışını modellemek için kullanılır. Bu modeller, farklı senaryoları test ederek kapasite planlamasına yardımcı olur.

Örneğin:

Yoğun saatlerde ek merdiven ihtiyacı olup olmadığı,

Merdiven hızının artırılmasının etkileri,

Acil durumlarda tahliye süresi gibi parametreler simüle edilebilir.

3.5. Matematiksel modeller

Kuyruk teorisi ve stokastik süreçler gibi matematiksel modeller, trafik akışını analiz etmek için kullanılır. Örneğin, Poisson süreci, kullanıcıların merdivene geliş sıklığını modellemek için yaygın bir yöntemdir.

4. Teknolojik gelişmeler ve yenilikler

Yürüyen merdiven trafik analizinde teknolojinin rolü giderek artmaktadır. Aşağıdaki yenilikler, analiz süreçlerini daha verimli hale getirmiştir:

Nesnelerin interneti (IoT): IoT cihazları, yürüyen merdivenlerin kullanım verilerini gerçek zamanlı olarak toplar ve merkezi bir sisteme aktarır.

Yapay zeka ve makine öğrenimi: Kullanıcı davranışlarını öngörmek ve trafik akışını optimize etmek için kullanılır. Örneğin, bir yapay zeka modeli, geçmiş verilere dayanarak yoğun saatleri tahmin edebilir.

Akıllı kontrol sistemleri: Yürüyen merdivenlerin hızını veya yönünü, trafik yoğunluğuna göre otomatik olarak ayarlayan sistemler geliştirilmiştir. Örneğin, düşük yoğunlukta enerji tasarrufu sağlamak için merdiven hızı düşürülebilir.

5. Yürüyen merdivenlerin temel özellikleri

- Hız: Genellikle 0,5 - 0,75 m/s arasında değişir.

- Eğim: 30°-35° arası standart eğimdir.

- Basamak genişliği: 

                - 600 mm (tek kişi) 

                - 800 mm (çift kişi) 

                - 1000 mm (yoğun trafik için) 

- Taşıma kapasitesi: Saatte3.600 – 8.200 kişi arasında değişir.

6. Trafik analizi

Yürüyen merdiven trafik analizi için kullanılan formüller, genellikle sistem kapasitesini, akış hızını, kuyruklanma süresini ve kullanıcı yoğunluğunu hesaplamak için geliştirilmiştir. Aşağıda, bu alanda sıkça kullanılan temel formüller ve açıklamaları, açık ve yapılandırılmış bir şekilde sunulmuştur. Formüller, matematiksel modeller ve kuyruk teorisi esas alınarak hazırlanmıştır.

6.1.1. Kapasite hesaplama

Yürüyen merdivenin teorik kapasitesi şu formülle hesaplanır: 

Yürüyen merdivenlerin taşıma kapasitesi, saatte taşıyabileceği maksimum kişi sayısını ifade eder.

Temel formül:

C = (W × S × 3600) / T

C: Kapasite (kişi/saat)

W: Merdiven genişliği (metre cinsinden, genellikle 0.6-1.2 m arasında)

S: Merdiven hızı (metre/saniye, genellikle 0.5-0.75 m/s)

3600: Saniyeden saate çevirme faktörü

T: Bir kişinin basamak üzerindeki ortalama alan ihtiyacı (saniye cinsinden, genellikle 0.4-0.5 m²/kişi)

Örnek:

Genişlik: 1 m

Hız: 0.65 m/s

T: 0.5 m²/kişi

C = (1 × 0.65 × 3600) / 0.5 ≈ 4680 kişi/saat

Bu, teorik maksimum kapasiteyi verir. Gerçek kapasite, kullanıcı davranışlarına (yürüme/durma) bağlı olarak %20-30 daha düşük olabilir.

6.1.2. Akış hızı

Akış hızı, belirli bir zaman diliminde merdivenden geçen kişi sayısını ifade eder:

F = N / t

F: Akış hızı (kişi/saniye veya kişi/dakika)

N: Belirli bir zaman diliminde geçen kişi sayısı

t: Zaman dilimi (saniye veya dakika)

Örnek:

1 dakikada 120 kişi geçtiyse:

F = 120 / 60 = 2 kişi/saniye

6.1.3. Kuyruk uzunluğu

Kuyruk teorisi, yürüyen merdiven girişlerinde oluşan kuyrukları analiz etmek için kullanılır. Ortalama kuyruk uzunluğu, M/M/1 kuyruk modeli ile hesaplanabilir:

Lq = λ² / [µ × (µ - λ)]

Lq: Ortalama kuyruk uzunluğu (kişi)

λ: Geliş oranı (kişi/saniye, kullanıcıların merdivene ulaşma sıklığı)

µ: Servis oranı (kişi/saniye, merdivenin bir kişiyi taşıma hızı)

Örnek:

λ = 1 kişi/saniye (gelen yolcu akışı)

µ = 1.5 kişi/saniye (merdivenin servis hızı)

Lq = 1² / [1.5 × (1.5 - 1)] = 1 / (1.5 × 0.5) = 1.33 kişi

6.1.4. Ortalama bekleme süresi

Kuyrukta bekleme süresi, kuyruk teorisi ile şu şekilde hesaplanır:

Wq = Lq / λ

Wq: Ortalama bekleme süresi (saniye)

Lq: Ortalama kuyruk uzunluğu

λ: Geliş oranı

Örnek:

Lq = 1.33 kişi

λ = 1 kişi/saniye

Wq = 1.33 / 1 = 1.33 saniye

 

6.1.5. Yoğunluk oranı

Yoğunluk oranı, sistemin ne kadar yoğun kullanıldığını gösterir:

ρ = λ / µ

ρ: Yoğunluk oranı (0 ile 1 arasında, 1’e yaklaştıkça sistem doygunluğa ulaşır)

λ: Geliş oranı

µ: Servis oranı

Örnek:

λ = 1 kişi/saniye

µ = 1.5 kişi/saniye

ρ = 1 / 1.5 = 0.67 (%67 doluluk)

Eğer ρ ≥ 1 ise, kuyruk sınırsız büyür ve sistem tıkanır.

6.1.6. Tahliye süresi

Acil durumlarda, belirli bir alanda bulunan kişilerin yürüyen merdiven aracılığıyla tahliye edilmesi için gereken süre:

Te = N / C

Te: Tahliye süresi (saniye)

N: Tahliye edilecek kişi sayısı

C: Yürüyen merdivenin saniyelik kapasitesi (kişi/saniye)

Örnek:

N = 300 kişi

C = 2 kişi/saniye

Te = 300 / 2 = 150 saniye (2.5 dakika)

6.1.7. Enerji tüketimi analizi

Yürüyen merdivenlerin enerji tüketimi, trafik yoğunluğuna bağlı olarak optimize edilebilir. Basit bir formül:

E = P × t × ρ

E: Enerji tüketimi (kWh)

P: Merdivenin güç tüketimi (kW, genellikle 5-15 kW)

t: Çalışma süresi (saat)

ρ: Yoğunluk oranı

Örnek:

P = 10 kW

t = 1 saat

ρ = 0.67

E = 10 × 1 × 0.67 = 6.7 kWh

6.1.8. Poisson süreci ile geliş modeli

Kullanıcıların merdivene geliş sıklığı, genellikle Poisson süreci ile modellenir.

Geliş olasılığı:

P(n,t) = [(λt)ⁿ × e^(-λt)] / n!

P(n,t): t saniyede n kişinin gelme olasılığı

λ: Ortalama geliş oranı (kişi/saniye)

t: Zaman aralığı

n: Gelen kişi sayısı

e: Euler sayısı (~2.718)

Örnek:

λ = 1 kişi/saniye

t = 5 saniye

n = 3 kişi

P(3,5) = [(1×5)³ × e^(-1×5)] / 3! = (125 × 0.00674) / 6 ≈ 0.14 (%14 olasılık)

6.1.9. Pratik uygulama notları

Veri toplama: Formüllerin doğruluğu, λ ve µ gibi parametrelerin doğru ölçülmesine bağlıdır. Sensörler, video analizi veya manuel sayım bu amaçla kullanılır.

Simülasyon: Gerçek dünya senaryolarında, formüller simülasyon yazılımlarıyla (örneğin, AnyLogic) desteklenerek daha karmaşık akışlar modellenir.

Davranış faktörleri: Kullanıcıların yürüme/durma alışkanlıkları, formüllerin sonuçlarını etkileyebilir. Bu nedenle, kültürel ve demografik faktörler dikkate alınmalıdır.

6.1.10. Örnek uygulama senaryosu

Bir metro istasyonunda, saatte 6000 kişinin geçtiği bir yürüyen merdiven analiz ediliyor:

Kapasite: Merdiven genişliği 1 m, hızı 0.65 m/s, T = 0.5 m²/kişi

C = (1 × 0.65 × 3600) / 0.5 = 4680 kişi/saat

Gerçek kapasite, davranışlar nedeniyle ~3500 kişi/saat olabilir.

Yoğunluk oranı: λ = 6000/3600 = 1.67 kişi/saniye, µ = 3500/3600 ≈ 0.97 kişi/saniye

ρ = 1.67 / 0.97 ≈ 1.72 (Sistem aşırı yüklenmiş, kuyruk oluşur)

Çözüm: Ek bir merdiven eklenerek veya hız artırılarak kapasite artırılabilir.

6.2. Gerçek kapasite ve verimlilik

Teorik kapasite, ideal koşulları varsayar. Gerçekte ise: 

- Dolu oranı (Load Factor): %70-80 arası kabul edilir. 

- Bekleme süreleri*: Kuyruk teorisi (Queueing Theory) ile modellenir. 

6.3. Trafik yoğunluğu ve tıkanıklık

- Pik saatlerde yoğunluk: İnsanların basamaklara daha sıkışık binmesi verimi düşürür. 

- Ters yön kullanımı: Bazı ülkelerde bir şerit yürüyen, diğer şerit sabit kullanılır. 

7. İyileştirme stratejileri

7.1. Hız ve kapasite optimizasyonu

- Değişken hız sistemleri: Yoğun olmayan saatlerde hız düşürülerek enerji tasarrufu sağlanır.

- Geniş basamaklı modeller: 1000 mm'lik merdivenler daha fazla insan taşır.  Paralel merdivenler veya alternatif yollar (örneğin, asansörler) eklenerek yük dağıtılabilir.

7.2. Yaya davranışının yönetimi

- "Sağda dur, solda yürü" kuralı: Bazı ülkelerde uygulanır, ancak tıkanıklığa yol açabilir.

 - Çift taraflı kullanım: İniş ve çıkış için ayrı merdivenler verimi artırır. 

- Bilgilendirme panoları veya işaretler kullanılarak kullanıcılar yönlendirilebilir.

7.3. Teknolojik çözümler

- Gerçek zamanlı izleme: Sensörlerle yoğunluk analizi. 

- Yapay zeka destekli trafik yönetimi: Dinamik hız ayarlama. 

7.4. Dinamik yönetim

- Yoğun saatlerde ek personel görevlendirilerek kuyruk yönetimi yapılabilir.

 

- Akıllı sistemler, trafik yoğunluğuna göre merdiven yönünü (örneğin, yalnızca yukarı veya aşağı) dinamik olarak değiştirebilir.

8. Zorluklar ve gelecek perspektifleri

Yürüyen merdiven trafik analizinde karşılaşılan bazı zorluklar şunlardır:

Veri toplama sınırlamaları: Özellikle eski sistemlerde, sensör veya veri toplama altyapısı eksik olabilir.

Kullanıcı davranışlarının öngörülemezliği: Kültürel farklılıklar ve bireysel tercihler, analiz modellerini karmaşıklaştırabilir.

Maliyet: Gelişmiş teknolojilerin uygulanması, yüksek başlangıç maliyetleri gerektirebilir.

Gelecekte, yapay zeka ve IoT teknolojilerinin daha yaygın kullanımı, trafik analizini daha hassas ve gerçek zamanlı hale getirecektir. Ayrıca, enerji verimliliği ve sürdürülebilirlik odaklı çözümler, yürüyen merdiven sistemlerinin tasarımında ön planda olacaktır.

9. Sonuç ve öneriler

Yürüyen merdiven trafik analizi, insan akışını optimize etmek için kritik öneme sahiptir. 

- Dinamik hız kontrolü ve geniş basamaklar verimi artırır. 

- Yaya eğitimi ve alternatif rotalar tıkanıklığı azaltabilir. 

- Akıllı sensörler ve simülasyon modelleri gelecekte daha etkin yönetim sağlayacaktır. 

*Kaynakça*

- Transportation Research Board (TRB) 

- "Pedestrian and Evacuation Dynamics" (Springer) 

- London Underground Capacity Studies 

- EN115-1: 2017 Yürüyen merdiven ve yürüyen bantlar için güvenlik-Bölüm 1: Yapım ve montaj