Türkiye’de Trafik Kazalarında Meydana Gelen Ölü Sayısı Tahmin Modellerinin Geliştirilmesinde Logaritmik Regresyon ve Yapay Sinir Ağları Metotlarının Kullanılması

Year 2018, Volume: 8 Issue: 2, 446 - 453, 01.06.2018

Ömer Faruk Cansız

Abstract

Türkiye karayollarında meydana gelen kazalar sonucunda maddi ve manevi kayıplar meydana gelmektedir. Bu kayıpları en aza indirgemek amacıyla tahmin modelleri geliştirilmektedir. Bu çalışmada tahmin modelleri için 1970-2007 yılları arasındaki demografik ve trafik verilerinden yararlanılmaktadır. Bu verilerden nüfus N , taşıt sayısı TS , taşıt kilometre TK , sürücü sayısı SS bağımsız değişken, ölü sayısı ÖS bağımlı değişken olarak alınmaktadır. Modeller geliştirilirken, Smeed tarafından kullanılan Logaritmik Regresyon LR ve Yapay Sinir Ağları YSA olmak üzere iki farklı teknik kullanılmaktadır. Logaritmik regresyon tekniğinde, gerçek değerlerin logaritması alınarak ve çeşitli veri setlerinin kullanılması ile yapılan analizlerde en uygun model Nüfus, Taşıt Sayısı, Taşıt Kilometre ve Sürücü Sayısından oluşan NTSTKSS modeli çıkmaktadır. YSA metodu ile tarihsel veri seti kullanılarak analizler yapılmaktadır. Yapılan YSA analizinde farklı girdi setleri kullanılarak en iyi performansı Taşıt Kilometre ve Sürücü Sayısı değişkenlerinden oluşan TKSS modeli göstermektedir. Sonuçlar incelendiğinde YSA ile geliştirilen TKSS modeli en düşük hata oranına sahip olması nedeniyle LR tekniği ile oluşturulan modellere kıyasla daha üstün performans göstermektedir

Keywords

Logaritmik regresyon, Trafik kazası, Yapay sinir ağları

By Using Logarithmic Regression and Artificial Neural Network to Improve Prediction Model of Dead Number Resulted from Road Traffic Accidents in Turkey

Abstract

Traffic accidents occurred on highway in Turkey cause materially and morally damage. To decrease the damage, prediction model developed. In this study, demographic and traffic data which from 1970 to 2007 are used. These data are consist of dependent and independent variables. Dependent variable is formed Number of Dead ND . As for independent variables are comprised Population P , Registered Number of Vehicle VN , Vehicle-km VK , Number of Drivers DN . Models are developed using Artificial Neural Network ANN and Logarithmic Regression LR enhanced by Smeed. PVNVKDN model developed taking real values logarithm is the best performance of models in LR technique. VKDN created by using historical data sets is the best model in ANN technique. As for models created by randomly selected data, the best model is VKDN. When performances of best models are compared, VKDN is the best model because of lowest error rate.

Keywords

Logarithmic Regression, Artificial Neural Network, Traffic Accident

References

• Abdelwahab, HT., Abdel-Aty. 2001. M.A., Development of ANN Models to Predict Driver Injury Severity in Traffic Accidents at Signalized Intersections. Transport. Res. Rec., 1746: 6-13.
• Adams, J. 1985. Smeed’s Law, Seat Belts, and The Emperor’s New Clothes. Human Behav. Traffic Saf., 193-257.
• Akgüngör, AP., Doğan, E., 2008. Smeed ve Andreassen Kaza Modellerinin Türkiye Uygulaması: Farklı Senaryo Analizleri. Gazi Üniv. Müh. Mim. Fak. Der., 23 (4): 821-827.
• Cybenko, G., 1989. Approximation by superpositions of sigmoidal function. Mathematics Control, Signals Syst., 2: 303-314.
• EGM, Emniyet Genel Müdürlüğü, 2009. www.egm.gov.tr.
• Fouracre, PR., Jacobs, GD., 1977. Further Research on Road Accident Rates in Developing Countries, TRRL Supplementary Report 270, Transport Research Laboratory, Crowthorne.
• KGM, 2009. Karayolları Genel Müdürlüğü Planlama Fen Heyeti.
• Korkmaz, Y. 2005. Türkiye Karayollarında Meydana Gelen Trafik Kazalarının Çoklu Regresyon Analizi ile Modellenmesi, Yüksek Lisans Tezi, Kırıkkale Üniversitesi, 76 s.
• Leeming, JJ. 1976. Comparing International Road Accident Deahts, AGARD Conference Proceedings, 41 (1761): 15-17.
• MATLAB, 2009. Neural Network Toolbox, The MathWorks Inc., Natick, MA.
• Özkan, M. 2006. Trafik Kazalarının Analizinde Çoklu Doğrusal Olay Analiz Metodunun Kullanımı, Yüksek Lisans Tezi, Gazi Üniversitesi, 80 s.
• Sebetçi, Ö. 2002. Araç Lastikleri ve Trafik Kazalarında Lastiğin Yeri ve Önemi, Yüksek Lisans Tezi, Gazi Üniversitesi, 86 s.
• Silvak, M. 1983. Society’s Aggression Level as a Predictor of Traffic Fatality Rate. J. Safety Res., 14: 93–99.
• Smeed, RJ. 1949. Some Statistical Aspects of Road Safety Research. J. Royal Statis. Soc. Series A (112): 1–34.
• TÜİK, 2008. Trafik Kaza İstatistikleri. http://www.tuik.gov.tr. Üneş, F. 2010. Dam reservoir level modelıng by neural network approach. A casestudy. NN W, 4(10): 461–474.
• Üneş, F. 2010. Prediction of Density Flow Plunging Depth in Dam Reservoirs: An Artificial Neural Network Approach. CLEAN - Soil, Air, Water, 38 (3): 296–308.
• Üneş, F., Yıldırım, S., Cigizoğlu, HK., Coşkun, H. 2013. Estimation of Dam Reservoir Volume Fluctuations Using Artificial Neural Network and Support Vector Regression. J. Enng. Res., 1 (3): 53-74.