Toplu Taşıma Hizmetlerinin Değerlendirilmesinde Akıllı Kart Verilerinin Kullanımı

Transkript

1 Toplu Taşıma Hizmetlerinin Değerlendirilmesinde Akıllı Kart Verilerinin Kullanımı Ali Rıza Firuzan 1, Engin Yıldıztepe 1, Ümit Kuvvetli 1 1 Dokuz Eylül Üniversitesi, İstatistik Bölümü, İzmir aliriza.firuzan@deu.edu.tr, engin.yildiztepe@deu.edu.tr, umit.kuvvetli@gmail.com Özet: Hizmet sektörünün gelişimi ve artan rekabet koşulları hizmet sektöründe kalitenin önemini arttırmış olup bu durum hizmet kalitesinin daha etkin bir şekilde ölçülmesi ve analiz edilmesi gerekliliğini ortaya çıkarmıştır. Hizmet değerlendirilmesinde genellikle anket yöntemi kullanılmaktadır ancak bu yöntem başta sübjektif olması gibi birçok dezavantaja sahiptir. Tüm hizmet sektörlerinde olduğu gibi gerek hizmet kavramının özellikleri gerek ise verilen hizmetin ölçülmesinde kullanılan sübjektif yöntemler sebebiyle, kent içi toplu taşıma sektöründe de hizmeti değerlendirmek oldukça zordur. Günümüzde toplu taşıma hizmeti veren birçok kurum akıllı kart teknolojisini kullanmakta olup, bu kartlar aracılığıyla elde ettikleri verilerden birçok farklı amaç doğrultusunda yararlanmaktadırlar. Bu çalışmada, akıllı kart verilerinden yararlanarak toplu taşıma hizmetinin değerlendirilmesine yönelik bir yaklaşım ele alınmıştır. Çalışmada, İzmir deki bir otobüs hattı için yapılan uygulama ve elde edilen sonuçlar tartışılmıştır. Anahtar Sözcükler: Akıllı Kart Verileri, Kent içi Toplu Taşıma, Hizmet Kalitesi, Büyük Veri Using Smart Card Data to Evaluate Service in Urban Public Transportation Abstract: Depending on growing and competitive conditions in service sector, the significance of service quality has increased. Therefore, it is necessary to measure and analyze service quality more efficiently. Usually questionnaire is used for assessing the service but this method has some disadvantages specially subjectivity. It is very difficult to measure and assess the service in public transportation, as in most service industries, due to the intangible aspects of the service and the subjective methods used in measurement. In present, most of the public transport agencies utilize smart card technologies which provide advanced data analytics resources for several purposes. In this study, an approach is investigated to assess the service in public transportation by using smart card data. The results obtained from a bus line in İzmir are discussed. Keywords: Smart Card Data, Urban Public Transportation, Service Quality, Big Data 1. Giriş Toplu taşımacılık herkese açık, herkes tarafından bilinen sabit işletme periyotları olan, sabit rota ve duraklara sahip, tanımlanmış bir işletme alanı ve yayınlanmış bir ücreti olan süreklilik arz eden bir taşımacılık tipidir [11]. Dünyada ve özellikle ülkemizde, toplu taşıma hizmetleri yerel yönetimlerin geleceğini doğrudan etkileyen en önemli faktörlerden bir tanesi olup, bu konuda gösterilen performans kentlilerin yerel yönetimlere olan bakış açısını değiştirebilme gücüne sahiptir. Tüm hizmet sektörlerinde olduğu gibi, gerek hizmetin soyutluğu gerek ise hizmetin değerlendirilmesinde kullanılan sübjektif yöntemler sebebiyle, kent içi toplu taşıma sektöründe de hizmeti değerlendirmek oldukça zordur. Diğer hizmet sektörlerinde

2 olduğu gibi toplu taşıma sektöründe de verilen hizmet genellikle yapılan Servqual çalışmaları ile değerlendirilmektedir [1,7,13,14,15,24]. Hizmet sektörü, doğası gereği üretim sektörlerine göre daha hızlı yaşayan, anlık kararların alınması gereken ve kısa ömürlü bir yapıya sahiptir. Buna karşın, hizmet sektörünün değerlendirilmesi için kullanılan yöntemler bu hızlı yapıya uymamaktadır. Bu çalışmada, lastik tekerlekli (otobüs) toplu taşıma hizmeti veren kurumların, verdikleri hizmetin değerlendirilmesinde akıllı kart verilerini kullanan bir yaklaşım ele alınmıştır. İzmir ilindeki bir otobüs hattı için yapılan pilot çalışma ve sonuçları tartışılmıştır. 2. Hizmetin Değerlendirilmesi Hizmet, tüketici ihtiyaçlarının tatmin edilmesi amacıyla meydana getirilen maddi niteliği olmayan bir üründür [17]. Hizmet kavramı, bir tarafın karşı tarafa sunduğu, temel olarak dokunulamayan ve herhangi bir şeyin sahipliği ile sonuçlanmayan bir faaliyet ya da fayda olarak da tanımlanabilir [16]. Hizmet kavramının soyut nitelikte olması, üretildiği yerde tüketilmesi, heterojen bir yapıya sahip olması gibi faktörler sebebiyle hizmetin tanımlanması ve ölçülmesi oldukça zordur [12]. Hizmetin değerlendirilmesinde Servqual, Servperf, Kritik Olay Yöntemi, Hizmet Barometresi, Toplam Kalite Endeksi gibi birçok yöntem kullanılsa da bu yöntemlerden Parasuraman, Zeithaml ve Berry [21] tarafından geliştirilen Servqual, hizmet kalitesinin ölçülmesi konusunda en fazla tercih edilen yöntemdir [10]. Servqual yaygın kullanımına rağmen hem kuramsal açıdan hem de yöntemin uygulama alanları bakımından birçok çalışmada eleştirilmiştir [6,9,18,22]. Ayrıca literatürde, beklentinin anket ile ölçülmesi durumunda, cevaplayıcıların kendilerince ideal olan durumu cevap olarak işaretledikleri, bunun da Servqual çalışmalarında beklenti puanlarının olduğundan daha yüksek çıkmasına sebep olduğuna dair çalışmalar bulunmaktadır [4]. Servqual yönteminde kullanılan ölçekler hakkında yapılan eleştirilerin birçoğunda verilen puanların müşterilerin duygularını yeterince temsil edemediği eleştirisi yer almaktadır [8]. Literatürde yer alan hizmetin değerlendirilmesine yönelik yöntemlerin tamamında, bir anket aracılığıyla müşteri görüşlerinin alınması bulunmaktadır. Anket ile yapılan çalışmaların doğası gereği zaman alıcı ve maliyetli olduğu, ayrıca tüm kitleye ulaşmanın mümkün olmadığı bilinmektedir. Bu nedenle anket yöntemi, sunulan hizmetin sürekli olarak ölçülmesi, takip edilmesi ve iyileştirilmesi gereken durumlara uygun değildir. Son yıllarda hizmet sektörünün hızlı gelişimi ve artan rekabet koşulları hizmet sektöründe kalitenin önemini arttırmıştır. Artan öneme bağlı olarak, hizmetin daha etkin bir şekilde ölçülmesi gerekliliği ortaya çıkmıştır. 3. Akıllı Kartlar ve Büyük Veri Kavramı Akıllı kartlar, içine yerleştirilmiş mikroçip sayesinde çeşitli bilgileri saklayıp işleyebilme yeteneğine sahip plastik kartlardır. En çok bilinen ve kullanılan akıllı kartlar, banka ve kredi kartları olup, günümüzde birçok farklı sektörde farklı amaçlar için bu kartların kullanımı gittikçe yaygınlaşmaktadır li yıllarda akıllı kartlar ile ilgili birçok çalışma olmasına rağmen, internet ve mobil iletişim teknolojisindeki hızlı büyümeye paralel olarak 1990 lı yıllarda akıllı kartların kullanımında ciddi bir artış yaşanmıştır [5]. Akıllı kartların veri saklamadaki başarısı, geleneksel yöntemlere göre bazı avantajlarını ortaya çıkarmıştır. Bagchi ve White, 2004 yılındaki çalışmalarında süreçlere ait veri toplamada anket yöntemlerinin akıllı kart kullanımları sonucu minimum düzeye indiğini belirtmişlerdir [2]. Günümüzde, akıllı kart, sensörler, GPS vb. teknolojik gelişmeler ile veri depolama ve donanım maliyetlerindeki azalma sayesinde birçok değişkene ait oldukça büyük

3 miktarlarda veriye ulaşmak mümkün hale gelmiştir. Sadece diskte kapladığı yer bakımından değil, geleneksel yöntemler ile analizin yapılamaması sebebiyle de Büyük Veri olarak adlandırılan bu durum, hemen hemen tüm sektörleri etkilemekte olup, bu etkinin gittikçe artacağı öngörülmektedir. Büyük Veri, doğru analiz yöntemleri ile yorumlandığında, şirketlerin stratejik kararlarını doğru bir şekilde almalarına, risklerini daha iyi yönetmelerine ve inovasyon yapmalarına imkan sağlayabilir. Tüm sektörleri ve yöntemleri etkileyen veya yakın gelecekte etkileyecek olan Büyük Veri kavramı, kuşkusuz kalite kavramını da etkileyecektir. Deming in Tanrı ya inanıyoruz-onun dışındaki her şey veriyi gerektirir sözünde belirttiği gibi birçok kalite iyileştirme tekniğinde veri analizi oldukça önemli bir yere sahip olup, son zamanların en ileri kalite iyileştirme yöntemlerinden biri olan Altı Sigma da alınan tüm kararların veriye dayalı olarak alınması gerekmektedir. Günümüzde veriye ulaşmadaki zorlukların aşılması ve veri analizinde kullanılacak yeni yöntemlerin geliştirilmesi sayesinde hizmetin değerlendirilmesine yönelik çalışmalar hız kazanacaktır. 3.1 Toplu Taşımada Akıllı Kart Kullanımı Günümüzde akıllı kart teknolojisi, içerisinde fotoğraf, parmak izi, DNA sonuçları, çeşitli biyometrik veriler, tıbbi veri, bankacılık verileri gibi oldukça önemli olan bilgileri barındırabilmesinden dolayı hemen hemen tüm sektörlerde kendine yer bulmuştur. Diğer sektörlerdeki bu gelişime paralel olarak, toplu taşıma hizmeti veren kuruluşlar da, özellikle ücret toplama konusundaki güvenliği, modern görünüşü ve veri kalitesinin yüksekliği gibi avantajlarından dolayı geleneksel bilet yerine akıllı kart teknolojisinden yararlanmaya başlamışlardır [23]. Toplu ulaşım sektöründe akıllı kartlar, dünyanın birçok ülkesinde kullanılmakta ve yaygınlaşmaya devam etmektedir [20]. Toplu taşımada akıllı kartların kullanımın artmasına paralel olarak, elde edilen veriler yardımıyla özellikle ulaşım planlaması ağırlıklı olmak üzere çeşitli çalışmalar yapılmıştır. Bu çalışmalardan bazıları, yolcuların biniş zamanı, biniş durağı, yolculuk süresi gibi yolcu davranışlarını anlamaya yönelik çeşitli analizlerdir [25] yılında Bagchi ve White [3], yolcuların biniş ve iniş yerlerini analiz ederek başlangıçbitiş matrisini (origin-destination matrix) oluşturmuş, bu matris yardımıyla verilen hizmeti iyileştirmeyi amaçlamışlardır. Trepanier ve Vassivere [26] ise, yolcuların iniş noktalarını bulmak için çeşitli istatistiksel yöntemler kullanmışlardır. Lianfu, Shuzhi, Yonggang ve Ziyin [19] ise akıllı kartlardaki verilerin kent içi toplu taşıma planlamasında çok önemli rol oynadığını belirtmişler, akıllı kartlardaki veriyi analiz ederek karmaşık yolculuk anketlerinden elde edilen verilerin birçoğunun elde edilebileceğini göstermişlerdir. Literatürde yer alan akıllı kart ile ilgili toplu ulaşım sektöründeki çalışmalar genel olarak incelendiğinde, akıllı kartların ücret toplama dışında da sağladığı veriler sebebiyle araştırmacılar ve ulaşım planlamacılar açısından oldukça yararlı olduğu görülmektedir. Bununla birlikte, teknolojik gelişmelere ve büyük veri analizindeki yeniliklere bağlı olarak akıllı kartların çeşitli alanlarda kullanımının artacağı buna karşın akıllı kart verilerini kullanan yeni analiz yöntemlerinin geliştirilmesi gerektiği görülmektedir [23]. 4.Uygulama Kent içi toplu taşıma sistemlerinin geliştirilmesinde ve sunulan hizmetin iyileştirilmesine yönelik yapılacak çalışmalarda akıllı kart verilerinin doğru bir şekilde kullanılması avantajlar sağlayabilir. Akıllı kartlar sayesinde elde ettiği veri sahipliğine karşın kent içi toplu taşıma hizmeti veren firmalar, sundukları hizmetin kalitesini, üzerinde birçok açıdan tartışmalar bulunan Servqual yöntemi ile ölçmeye çalışmaktadırlar. Bu çalışmada kent içi toplu taşıma hizmetinin değerlendirilmesinde akıllı

4 kart verilerinden yararlanan bir yaklaşım ele alınmıştır. 4.1 Veri Kaynağı Yapılan pilot çalışmada kullanılan veriler, İzmir de kent içi lastik tekerlekli araçlar ile toplu taşıma hizmeti veren İzmir Büyükşehir Belediyesi ESHOT Genel Müdürlüğü ne aittir yılından beri akıllı kart sisteminin bulunduğu İzmir de belediyeye ait tüm toplu ulaşım araçlarında aynı kart entegre biçimde kullanılmaktadır. İzmir de akıllı kartlar ile günlük ortalama biniş yapılmakta olup bunların yaklaşık %65 i ( ) otobüslerde gerçekleşmektedir. Çalışma kapsamında sadece bir otobüs hattına ait bir haftalık veriler kullanılmıştır. 4.2 Yöntem Çalışmada, toplu taşıma hizmetinin değerlendirilmesi için, konfor, bilgilendirme, durakta bekleme süresi, araç içi yolcu yoğunluğu, gibi değişkenlerin ölçülmesinde akıllı kart verilerinden yararlanılmıştır. Bu değişkenlerin değerlendirilmesinde kullanılmak üzere (1:en düşük, 10: en yüksek) bir puanlama sistemi geliştirilmiştir. Daha sonra bu değişkenlerin ağırlıklı ortalaması olarak her biniş için bir skor değeri elde edilmiş ve çeşitli kriterlere göre bu değerlerin analizi gerçekleştirilmiştir. Kullanılan değişkenlerden bazılarının hesaplanmasındaki kullanılan kriterler aşağıda özetlenmiştir. Konfor: Akıllı kart sisteminde yolcunun biniş yaptığı otobüsün plakası yer almaktadır. Plaka bilgisinden, otobüsün yaşı, fiziksel kapasitesi, klimalı ve engelli binişine uygun olup olmadığı yönündeki verilere ulaşmak mümkündür. Bu bilgiler kullanılarak, her biniş için önceden belirlenen puanlama tablosuna göre konfor değişkeni için bir objektif bir değerlendirme yapmak mümkündür. Bu değerlendirme, yolcu tiplerine (tam, engelli, yaşlı vb.) ve mevsime göre değişkenlik gösterecektir. Bilgilendirme: Bilgilendirme, toplu ulaşım hizmeti veren kurumlar için oldukça önemli etkenlerden biridir. Kurumlar, son yıllarda akıllı duraklar, otobüs içi bilgilendirme ekranları, bilgilendirme panoları, web sayfaları ve mobil uygulamalar ile yolcularını seferler hakkında bilgilendirmeye çalışmaktadırlar. Akıllı kart sisteminde, yolcunun biniş yaptığı durak ve otobüs plaka verileri mevcuttur. Bu veriler ile durakların akıllı durak olup olmadığı ve yolcunun biniş yaptığı otobüste bilgilendirme ekranı (lcd ekran vb.) olup olmadığı bilgisine ulaşmak mümkündür. Durakta bekleme süresi: Akıllı kart sisteminde, her yolcunun otobüse biniş yaptığı zaman yer almaktadır. Buna karşın, yolcunun durağa geliş zamanına dair herhangi bir bilgi yer almamaktadır. Buna karşın, tüm otobüslerin hangi duraktan hangi saatte geçiş yaptığı bilgisi akıllı kart sisteminde mevcuttur. Bu sebeple, çeşitli istatistiksel yöntemler sonucu her yolcunun durakta maksimum/ortalama bekleme süresini hesaplamak mümkündür. Otobüs içi yolcu yoğunluğu: Akıllı kart verilerinde, yolcuların binişlerine dair veri bulunmasına karşın, yolcularının inişine dair herhangi bir veri yer almamaktadır. Buna karşın, bazı varsayımlara dayanarak yolcuların iniş yaptıkları durak tahmin edilebilmektedir Bu tahminler sonucu, duraklarda biniş ve iniş yapan yolcu sayıları kullanılarak, ardışık duraklar arasında otobüs içindeki yolcu sayısını belirlemek mümkün olmaktadır. Yolcu sayısının tahmininden sonra otobüsün tipine (solo, körüklü veya midibüs) bağlı olarak otobüs içi yolcu yoğunluğu tahmini yapılmaktadır. Otobüs içi yolcu yoğunluğu, biniş yapan her yolcu için sefer boyunca yolcu yoğunluğu ve yolcunun biniş yaptığı duraktaki yolcu yoğunluğu olmak üzere iki farklı değişken olarak değerlendirilmiştir. Her biniş için yukarıda özetlenen hizmet boyutlarında önceden belirlenen puanlama

5 tablolarına göre değerlendirme yapılmıştır. Böylece her biniş için hizmet boyutları ağırlıklandırılarak bir hizmet skoru değeri elde edilmiştir. Elde edilen skorlar, örnek bir hat için gün, saat aralığı, yön, yolcu tipi, hizmet boyutu açısından incelenmiştir. 4.3 Analiz Sonuçları Örnek olarak incelenen hatta bir haftalık süre içerisinde toplam biniş yapılmıştır. Günlere göre biniş sayılarının dağılımı Tablo 1 de verilmiştir. Çalışmada hizmet boyutlarının ağırlıklandırılmasında uzman değerlendirmelerinden yararlanılmıştır. Burada yer verilen örnekte, konfor %15, bilgilendirme %10, sefer boyunca otobüs içi yolcu yoğunluğu %30, yolcunun biniş yaptığı duraktaki yolcu yoğunluğu %15 ve durakta bekleme süresi %30 olarak alınmıştır. Analiz sonucu hizmet boyutlarına göre elde edilen skor değerleri Tablo 2 de özetlenmiştir. Tablo 1. Günlere göre biniş sayıları Günler Toplam Biniş Sayısı Pazartesi Salı Çarşamba Perşembe Cuma Cumartesi Pazar Tablo 2. Hizmet boyutları ve skorları Hizmet boyutları Skor Konfor 8,24 Bilgilendirme 5,65 Sefer süresince yolcu yoğunluğu 5,77 Durağa ilk geliş yolcu yoğunluğu 8,02 Durakta bekleme süresi 7,66 Hizmet skoru 7,03 Analiz sonucu elde edilen skor değerlerinin istenilen kriterlere göre analiz edilebilmesi, bu çalışmanın anket yöntemlerine göre en büyük avantajını oluşturmaktadır. Örneğin, analizi yapılan dönemde günlere (Tablo 3) veya hafta içi (dönüş yönünde) saat aralıklarına göre verilen hizmetin değerlerlendirilmesine ait sonuçlara (Tablo 4) geleneksel yöntemler ile ulaşmak oldukça zordur. Tablo 3. Günlere göre hizmet skoru değerleri Günler Skor Pazartesi 6,68 Salı 7,03 Çarşamba 7,16 Perşembe 7,05 Cuma 6,86 Cumartesi 7,30 Pazar 7,39 Tablo 4. İncelenen hattın hafta içi günleri dönüş yönünde ortalama hizmet skorları Saat aralığı Skor , , , , , , , , , , , , , , , , , , ,04 Benzer şekilde, yolcu tipi (tam, öğrenci, yaşlı, engelli) bazında da istenilen kriterlere göre hizmet boyutlarının ve genel hizmet skorunun elde edilmesi mümkündür. Bir haftalık

6 süreçte incelenen hat için yolcu tipi bazında elde edilen skor değerleri Tablo 5 de verilmiştir. Tablo 5. Yolcu tiplerine göre hizmet skoru değerleri Yolcu tipleri Skor Tam 7,06 Öğrenci 7,00 Engelli 7,08 Yaşlı 7,14 Öğretmen 6,92 Ayrıca sonucu etkileyen değişkenlerde yapılan iyileştirmelerin etkisi ölçülebilir olacaktır. Hizmet veren tüm hatlar için benzer sonuçlara ulaşmak geleneksel yöntemler ile oldukça zor ve maliyetlidir. Tüm il için yapılacak analizlerdeki zorluklardan biri de bir yıl için elde edilen yaklaşık 620 milyon biniş verisinin analiz edilmesi olacaktır. Çalışmada ele alınan yöntem, sadece kent içi lastik tekerlekli toplu taşıma hizmeti veren kurumlar için düşünülmüş olup, sonraki çalışmalarda diğer toplu taşıma araçları içinde kullanılması planlanmaktadır. 5. Sonuç ve Öneriler Toplu taşıma sektöründe akıllı kartların kullanımı tüm dünyada yaygınlaşmakta olup, ilk başlarda sadece ücret toplama amacıyla kullanılan akıllı kartlar, objektif ve güvenilir veri kaynağı olmaları sebebiyle, zaman içinde toplu taşıma hizmeti veren kurumlar için oldukça önemli hale gelmiştir. Toplu taşıma hizmeti veren kurumlar, çeşitli konulardaki çalışmalarında akıllı kart verilerden yararlanmış olup, literatürde bu konu ile ilgili çalışmaların sayısı son yıllarda artış göstermiştir. Herhangi bir hizmet sektöründe olduğu gibi, sunulan hizmetin değerlendirilmesi toplu ulaşım hizmeti veren kurumlar içinde oldukça büyük öneme sahiptir. Ancak hizmetin değerlendirilmesi için literatürde yer alan yöntemler; maliyetli olmaları, anlık değerlendirme imkanı sağlamamaları, tüm kitleye ulaşılamaması, detaylar bazında sonuç verememeleri, sübjektif olmaları gibi sebeplerden dolayı yetersiz kalmaktadırlar. Bu çalışmada, kent içi toplu taşımada verilen hizmeti değerlendirmek için akıllı kart verilerini kullanan bir yaklaşım önerilmiştir. Yapılan pilot çalışma ile İzmir de hizmet veren bir hattın bir hafta boyunca verdiği hizmet değerlendirilmiştir. Yukarıda verilen sonuçların tüm hatlar için elde edilmesi ile gerek hat gerek ise hizmet verilen bölge (mahalle, semt, ilçe vb.) bazında günlere göre karşılaştırma yapılması da mümkündür. 6. Teşekkür Bu çalışma için gerekli veri kaynaklarını sağlayan ve sonuçların yorumlanması sırasında destek veren İzmir Büyükşehir Belediyesi ESHOT Genel Müdürlüğü ne teşekkür ederiz. 7. Kaynaklar [1] Awasthi, A, Chauhan, S.S, Omrani, H., ve Panahi, A. A hybrid approach based on SERVQUAL and fuzzy TOPSIS for evaluating transportation service quality, Computers & Industrial Engineering, 61, (2011). [2] Bagchi, M. ve White, P.R. What role for smart-card data from bus system?, Municipal Engineer,157, 39 46, (2004). [3] Bagchi, M. ve White, P.R., The potential of public transport smart card data Transport Policy, 12, , (2005). [4] Bardakçı, A. ve Haşıloğlu, S.B. Servqual Ölçeğinde Olmalı ve Olacak İfadelerinin Cevapların Dağılımı Üzerindeki Etkileri, Tüketici ve Tüketim Araştırmaları Dergisi, 5(1), 1-14, (2013).

7 [5] Blythe, P. Improving Public Transport Ticketing Through Smart Cards, Proceedings of the Institute of Civil Engineers, Municipal Engineer, 157, 47-54, (2004). [6] Carman, J.M. Consumer perceptions of service quality: an assessment of the SERVQUAL dimensions, Journal of Retailing, 66 (1), 33-5, (1990). [7] Celik, E., Bilisik, O. N., Erdogan, M., Gumus, A. T., ve Baracli, H. An integrated novel interval type-2 fuzzy MCDM method to improve customer satisfaction in public transportation for Istanbul, Transportation Research Part E-Logistics and Transportation Review, 58, (2013). [8] Chou, C.C, Liu, L.J., Huang, S. H., Yih, J.M. ve Han, T.C. "An Evaluation of airline service quality using the fuzzy weighted Servqual method" Applied Soft Computing, 11, , (2011). [9] Cuthbert, P.F. Managing service quality in HE: Is SERVQUAL the answer?, Part 2, Managing Service Quality, 6 (3), 31-35, (1996). [10] Eleren, A, Bektaş, Ç. ve Görmüş. A.Ş. Hizmet Sektöründe Hizmet Kalitesinin Servqual Yöntemi ile Ölçülmesi ve Hazır Yemek İşletmesinde Bir Uygulama, Finans Politik & Ekonomik Yorumlar, 44(514), 75-88, (2007). [11] European Committee For Standardization, EN Transportation - Logistics and Services - Public Passenger Transport - Service Quality Definition, Targeting and Measurement, Brussels, Aralık (2001). [12] Harvey, J. Service Quality: a Tutorial, Journal Of Operations Management, 16 (5), , (1998). [13] Hemedoğlu, E. Metro Hizmetlerinde Hizmet Kalitesini Ölçme: Algılanan Hizmet Kalitesi ve Beklenen Hizmet Kalitesi Üzerine Bir Araştırma, İşletme İktisadı Enstitüsü Yönetim Dergisi, 72, (2012). [14] Ilhaamie, A.G.A, Service Quality in Malaysian Public Service: Some Findings, International Journal of Trade, Economics and Finance, 1 (1), 40-45, (2010). [15] Islam, R., Chowdhury, M.S, Sarker, M.S. ve Ahmed, S. Measuring Customer s Satisfaction on Bus Transportation American Journal of Economics and Business Administration 6(1), (2014). [16] Kotler, P. Marketing Management: Analysis, Planning, Implementation and Control, Prentice Hall International Inc., New Jersey (1997) [17] Kuriloff, A., Hemhill J.M., Cloud D. Starting and Managing the Small Business, McGraw-Hill Edition, Singapore, (1993). [18] Lee H, Lee Y, ve Yoo D. The determinants of perceived service quality and its relations with satisfaction, Journal of services marketing, 14 (3), , (2000). [19] Lıanfu, Z., Shuzhı, Z., Yonggang, Z., ve Zıyın, Z. Study on the Method of Constructing Bus Stops OD Matrix Based on IC Card Data, Wireless Communications, Networking and Mobile Computing (WICOM), , (2007). [20] Munizaga, M., Palma, C., ve Mora, P., Public transport OD matrix estimation from smart card payment system data, 12th World Conference on Transport Research, Lisbon, Paper No. 2988, (2010).

8 [21] Parasuraman, A., Zeithaml, V.A., ve Berry L.L. "A Conceptual Model of Service Quality and its implications for Future Research" Journal of Marketing, 49, 41-50, (1985). [22] Paylan, M.A., Algılanan Hizmet Kalitesi, Müşteri Değeri ve Müşteri Değerinin Davranışsal Niyetler Üzerine Etkisi, Yüksek Lisans Tezi, Osmangazi Üniversitesi, Eskişehir. (2007). [23] Pelletier, M.P., Trépanier, M., ve Morency, C. Smart card data use in public transit: A literature review, Transportation Research Part C: Emerging Technologies, 19 (4), , (2011). [24] Randheer, K., Motawa, A.L., Vijay, P. Measuring Commuter s Perception on Service Quality Using Servqual in Public Transportation International Journal of Marketing Studies, 3 (1), (2011). [25] Trépanier, M., Chapleau, R. Destination Estimation From Public Transport Smartcard Data, 12th IFAC Symposium on Information Control Problems in Manufacturing (INCOM), Saint-Étienne, France, (2006). [26] Trepanier, M. ve Vassiviere, F. Democratized Smart Card Data for Transit Operators, 15th World Congress on Intelligent Transport Systems, Washington D.C., (2008).