Estimation of Carbon Dioxide Emissions on Turkey's Highways by Artificial Intelligence Methods

Abstract

Global warming, which is a global threat today, is caused by the release of Greenhouse Gases such as Carbon Dioxide (CO2), Methane (CH4) and Diazot monoxide (N2O) emitted into the environment. For a livable world, carbon dioxide emissions are important to minimize. This study has developed an estimation model for the carbon dioxide emissions from road transport. The number of Motor Vehicles (MV), Vehicles Kilometers (VKM), Passenger Kilometers (PKM), length of road (LR) as input and the Carbon Dioxide Emission (Million Tons) released into the environment have been used as output. The methods of Multiple Linear Regression (MLR), Interaction-Multiple Regression (I-MR), Quadratic-Multiple Regression (Q-MR), Multiple Pure Quadratic-Multiple Regression (PQ-MR), Adaptive Neural-Fuzzy Inference Systems (ANFIS) and Simple Membership Functions and Fuzzy Rules Generation Technique (Fuzzy SMRGT) have been applied for the estimation models. All provinces in Turkey are considered as the study area. Twenty years of data set between 2001-2020 is being used. The performances of the models are compared according to values of Coefficient of Determination (R2), Mean Absolute Error (MAE), and Root Mean Square Error (RMSE). According to performance values, the best model is obtained by Q-MR and PQ-MR methods.

Günümüzde global bir tehdit olan küresel ısınmaya çevreye yayılan karbondioksit (CO2), Metan (CH4) ve diazot monoksit (N2O) gibi sera gazlarının salınımı neden olmaktadır. Yaşanabilir bir dünya için CO2 emisyon salınımının en aza indirgenmesi önemlidir. Bu çalışmada, karayolu ulaşımından kaynaklanan CO2 emisyonlarının tahmin modelleri geliştirilmiştir. Karayolu emisyonu tahmin modellerinde, Motorlu Kara Taşıt Sayısı (MKTS), Taşıt Kilometre (TK), Yolcu Kilometre (YK) ve Karayolu Uzunluğu (KU) verileri girdi ve çevreye yayılan Karbondioksit Emisyonu (Milyon Ton) çıktı olarak kullanılmıştır. Tahmin modellemeleri için Çoklu Doğrusal Regresyon (ÇDR), Interaction-Çoklu Regresyon (I-ÇR), Quadratik-Çoklu Regresyon (Q-ÇR), Pure Quadratik-Çoklu Regresyonu (PQ-ÇR) Uyarlamalı Sinirsel Bulanık Çıkarım Sistemi (ANFIS) ve Bulanık mantık- Basit üyelik fonksiyonları ve bulanık kurallar oluşturma tekniği (Bulanık SMRGT) yöntemleri kullanılmıştır. Çalışma alanı olarak Türkiye’deki tüm iller ele alınmıştır. 2001-2020 yılları arasındaki yirmi yıllık veri seti kullanılmıştır. Modellerin performansları, determinasyon katsayısı (R2), ortalama mutlak hata (MAE) ve karesel hataların ortalamasının karekökü (RMSE) değerlerine göre karşılaştırılmıştır. Performans değerlerine göre en iyi model Q-ÇR ve PQ-ÇR yöntemleriyle elde edilmektedir.