TÜRK SÜRÜCÜLERİN FACEBOOK SOSYAL PAYLAŞIM SİTESİNİ TRAFİK BİLGİLENDİRME AMACIYLA KULLANIMI ÜZERİNE BİR ARAŞTIRMA

Abstract

Teknolojik gelişmeler ve beraberinde getirdiği geniş iletişim olanakları, insanların çevrelerinde ortaya çıkan olayları algılama ve bu olaylar üzerine yorum yapabilme olanağını artırmaktadır. Bilgiler, sosyal medya platformları ile hızlı ve evrensel düzeyde yayılmakta; kısa süre içerisinde insanların bu içeriklere yorum yapıp kendi görüşlerini ifade edebilmelerine olanak sağlamaktadır. Sosyal medyanın bilgiyi kitlelere kolay ulaştırması ve grup kurma olanağı sunması; insanların belirli konularda bu tür mecralarda yaygın şekilde örgütlenmesini sağlamaktadır. Bu çalışma kapsamında, Ülkemizde ve Dünya’da yaygın olarak kullanılan sosyal medya platformlarından Facebook’un trafikle ilgili birçok konuda sürücüler tarafından kullanımı ve kentiçi ulaşımda etkileri incelenmeye çalışılmıştır. Bu amaçla ilk aşamada Türkiye’de 81 ilde kurulan ve hızla yayılan Facebook “Trafik” gruplarının üye sayısı üzerinde etkili parametreler araştırılmıştır. Gruplardaki güncel kullanıcı sayıları tespit edilmiş; üye sayıları, incelenen illerle ilgili parametrelerin etkisi, Adaptif Ağ Tabanlı Bulanık Çıkarım Sistemi (Adaptive Network Fuzzy Inference System, ANFIS) ile modellenip tahmin edilmiştir. İkinci aşama olarak, grup sayısında yaşanan artışın trafik kazaları ve cezaları üzerindeki etkisi korelasyon analizi ile incelenmiştir. Bağımlı (Facebook “Trafik” grup üye sayısı) ve bağımsız (eğitim düzeyi oranı, çalışan oranı, motorlu taşıt oranı ve ehliyetli sürücü oranı) değişkenler arasındaki ilişkiyi inceleyebilmek amacıyla korelasyon analizi yapılmış ve regresyonun açıklama gücü 0,77 olarak elde edilmiştir ANFIS analizinde 62 il için belirlilik katsayısı R²=0,90 olarak tahmin edilmiştir. İkinci aşamada, sosyal medya kullanımı ile trafik ceza sayılarında ve trafik kaza sayılarında bir değişim olup olmadığı araştırılmıştır; trafik ceza ve kaza sayıları üzerindeki etki için daha detaylı mekânsal verilere ihtiyaç duyulduğu,  gelecekte yapılacak çalışmalarda kaza olan kesimlerdeki sosyal paylaşım verilerinin toplanarak incelenmesi gerektiği görülmüştür.    

Keywords

• Sosyal Medya,Trafik Bilgilendirme,Regresyon,Korelasyon,ANFIS

A RESEARCH ON THE USE OF TURKISH DRIVERS' FACEBOOK SOCIAL SHARING SITE FOR TRAFFIC INFORMATION

Abstract

Technological developments and wide communication possibilities increase the possibility of people perceive and criticize the events that occur in their environment. Particularly, events are spreading rapidly and universally through social media platforms which allow people to comment on their content and express their opinions in a short period of time. Social media platforms widely used in Turkey and world and they allow people to create and organize social media groups in different subjects for easy communication and information. In this study,  social media platforms that are widely used in our country and in the world, Facebook's use of drivers in many aspects of traffic and their impact on urban transportation has been examined. For this purpose, effective parameters on “Traffic-Radar'' group member numbers in Facebook, that are established in 81 cities in Turkey, have been examined and the current number of users in the groups were determined. Then, the effective parameters on group member numbers related to the cities have been modeled by using Adaptive Network-Based Fuzzy Inference System (ANFIS). As a second step, the increase in the number of groups was investigated by the correlation analysis between traffic accidents and the effects on the punishments. With ANFIS analysis, the coefficient of determination for 62 cities were estimated as R² = 0.90. Correlation analysis is also performed in order to examine the relationship between dependent (number of members for "Traffic-Radar" Facebook group) and independent variables (Education level ratio, Employee ratio, Motor vehicle ratio and Licensed driver ratio) and coefficient of determination value for the regression analysis has been obtained as 0.80. According to the results of the analysis, motor vehicle ratio (number of vehicles per person) are found to be the most effective parameter on the number of members of Facebook "Traffic-Radar" group and it was determined that there is a positive and significant relation between them at a high level (r = 0.777). The use of social media has examined whether there has been a change in traffic fines and traffic accident numbers; it is necessary to carry out a more detailed study on the effects of traffic fines and accidents.    

Keywords

• Social Media,Traffic Information,Regression,Correlation,ANFIS

References

1. Adresgezgini, 2017.https://blog.adresgezgini.com/internet-ve-sosyal-medya-kullanim-oranlari-turkiye-rakamlari.
2. Baykal, N., Beyan, T., 2004. Bulanık Mantık İlke ve Temelleri. Bıçaklar Kitabevi, Ankara.
3. Brooks, G., Heffner, A., Henderson D., 2014. A Swot Analysis of Competitive Knowledge from Social Media for a Small Start-Up Business. Review of Business Information Systems, 8(1), 23-34.
4. Chatfield, A.T., Scholl H.J., Brajawidagda, U., 2014. Sandy Tweets: Citizens’ Co-Production of Time-Critical Information During an Unfolding Catastrophe. In Proceedings of the Annual Hawaii International Conference on System Sciences, 1947-1957. IEEE Computer Society. DOI:10.1109/HICSS.
5. Çatal, Y., Saplioglu, K., 2018. Comparison of Adaptive Neuro-Fuzzy Inference System, Artificial Neural Networks and Non-Linear Regression for Bark Volume Estimation in Brutian Pine. Applied Ecology and Environmental Research, 10,2015-2027. ISBN 1785 0037.
6. Doğan, O., 2016. Uyarlamalı Sinirsel Bulanık Çıkarım Sisteminin (ANFIS) Talep Tahmini İçin Kullanımı ve Bir Uygulama. Dokuz Eylül Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi.
7. Dokic, A., Jovic, S., 2017.Evaluation of Agriculture and Industry Effect on Economic Health by ANFIS Approach. Physica A.Fu, K., Nune R., Tao, J.X., 2015. Social Media Data Analysis for Traffic Incident Detection and Management. In: Transportation Research Board 94th Annual Meeting, Washington D.C., 14–4022.
8. Gal-Tzur, A., Grant-Muller, S.M., Kuflik, T., Minkov, E., Nocera, S., Shoor, I., 2014. The Potential of Social Media in Delivering Transport Policy Goals. Transport Policy, 115-123.

9. Jang, J.S.R., 1993. ANFIS—Adaptive‐Network‐Based Neuro‐Fuzzy Inference Systems. IEEE Transactions on Systems Man and Cybernetics, 20, 665–85.
10. Karar, 2017. http://www.karar.com/teknoloji-haberleri/internette-1-dakikada-neler-oluyor-2017-603652.
11. Mansfield, M., 2016. Social Media Statistics. Small Business Trends. Available at https://smallbiztrends.com/2016/11/social-media-statistics-2016.html.
12. Mert, M., 2016. Yatay Kesit Veri Analizi Bilgisayar Uygulamaları. Detay Yayıncılık, Ankara, Turkey.
13. Procopio, C.H., Procopio, S.T., 2007. Do You Know What it Means to Miss New Orleans? Internet Communication, Geographic Community, and Social Capital in Crisis. Journal of Applied Communication Research. 35 (1), 67-86.
14. Ragini, R.J., Anand. P.M.R., Bhaskar, V., 2018. Mining Crisis Information: A Strategic Approach for Detection of People at Risk Through Social Media Analysis. International Journal of Disaster Risk Reduction, 27, 556–566.
15. Sigala, M., Chalkiti, K., 2015. Knowledge Management Social Media and Employee Creativity. International Journal of Hospitality Management, 45, 44-58.
16. Smith, B.G., 2010. Socially Distributing Public Relations: Twitter, Haiti, and Interactivity in Social Media Public Relations Review, 36, 329-335.
17. Türkiye İstatistik Kurumu-TÜİK, 2017. İllerde Yaşam Endeksi İl Sıralamaları ve Endeks Değerleri, 2015, Ankara.
18. Unal, A., Aydin, M.M., Saplioglu, M., 2017. Sosyal Medya Kullanımının Sürücülerin Trafik Kurallarına Uyma Davranışları Üzerindeki Etkisinin İncelenmesi. Fen, Matematik, Mühendislik ve Doğa Araştırmaları 2017. II. Uluslararası Akademik Araştırmalar Kongresi, Nizamettin Çiftçi, Yakup Kara, İbrahim Yalçınkaya, Mehmet Şahin and Tevik Agaçayak , Eds., Çizgi Kitabevi, 98-106, Konya, TURKEY.
19. Zhang, Z., He, Q., Gao, J., Ni, M., 2018. A Deep Learning Approach for Detecting Traffic Accidents from Social Media Data. Transportation Research Part C: Emerging Technologies, 86, 580-596.