Makine öğrenmesi algoritmaları kullanılarak sürücü davranışlarının yakıt verimliliği üzerindeki etkisi ve elektrikli araçlara eğilimin tespiti

Bu çalışma, sürücü davranışlarının yakıt tüketimi ve enerji verimliliği üzerindeki etkilerini incelemeyi ve elektrikli araçların benimsenmesini etkileyen faktörleri analiz etmeyi amaçlamaktadır. Çalışmada, 304 katılımcının demografik özellikleri, sürüş alışkanlıkları ve elektrikli araçlara yönelik tutumlarını kapsayan çevrimiçi bir anketten elde edilen veriler kullanılmıştır. Toplanan veriler, makine öğrenimi teknikleriyle analiz edilerek sürücü davranışlarının yakıt verimliliğine ve elektrikli araç ilgisine nasıl etki ettiği değerlendirilmiştir. Analizler, elektrikli araçlara olan ilginin bilgi seviyesi, maliyet algısı ve altyapı erişimi gibi faktörlere bağlı olarak değiştiğini göstermiştir. Yaş gruplarına göre ilgi seviyelerinde farklılıklar bulunmuş, 30-39 yaş grubunun en yüksek ilgiyi gösterdiği tespit edilmiştir. Bilgi seviyesi ve şarj erişilebilirliğinin artmasıyla ilgi seviyesinin düzenli bir şekilde yükseldiği gözlemlenmiştir. Bunun yanı sıra, sürüş deneyimi, agresif sürüş alışkanlıkları ve yakıt tüketimi farkındalığı arasındaki ilişkiler de değerlendirilmiş ve daha bilinçli sürüş tekniklerinin yakıt verimliliğini artırdığı ortaya konmuştur. Çalışmada Random Forest, XGBoost, Lojistik Regresyon ve SVM gibi makine öğrenimi modelleri uygulanmış ve sınıf dengesizlikleri SMOTE yöntemiyle giderilmiştir. XGBoost modeli %100 doğruluk oranıyla en başarılı sonuçları sağlamıştır. Elde edilen bulgular, sürdürülebilir sürüş alışkanlıklarının teşvik edilmesi ve elektrikli araçların yaygınlaştırılmasına yönelik stratejiler geliştirilmesi için önemli çıkarımlar sunmaktadır.