BAYRAMLARDA GERÇEKLEŞEN TRAFİK KAZALARININ BİRLİKTELİK KURALLARI İLE ANALİZ EDİLMESİ

Abstract

Önceden bilinmeyen, tahmin edilemeyen zaman aralığında meydana gelen insan trafiğine açık yol, cadde yada sokakta meydana gelmiş veya kaynaklanmış bir yada birden çok kişinin ölümü/yaralanması ile veyahut maddi hasarla sonuçlanan, hareket halinde en az bir aracın olduğu olaylar olarak tanımlanan trafik kazaları nüfus artışı ve ekonomik gelişmeler sonucunda araç sayısı ve trafik yoğunluğunun artması ile son yıllarda önem arz etmeye başlamıştır. Toplumsal yapıda da bozulmalara yol açan trafik kazaları dünyadaki ölüm oranları arasında üst sıralarda yer almaktadır. Gelişmekte olan ülkelerden biri olan Türkiye ise trafik kaza sayısı, kaza ölümleri ve yaralanmaları açısından dünyada yüksek orana sahip ülkeler arasında yer almaktadır. Bayram tatil dönemleri trafik kazaları yoğunluğunun yüksek düzeyde artış gösterdiği zamanlar olmaktadır. Bu nedenle önceki yıllarda bayram tatil dönemlerinde gerçekleşmiş olan kazaların ortak özelliklerinin, gerçekleştiği yer ve zamanların incelenmesi alınabilecek olan önlemler için belirleyici olmaktadır. Bu çalışmada 2009-2011 yılları aralığında Türkiye’de bayram dönemlerinde trafik polisinin sorumluluğu altındaki bölgelerde meydana gelen trafik kazaları veri madenciliği tekniklerinden olan birliktelik kuralları ile incelenerek bu kazaların ortak özelliklerini gösteren kurallar elde edilmiştir.

Keywords

• Trafik kazaları,Veri Madenciliği,Birliktelik Kuralları

ANALYZING TRAFFIC ACCIDENTS HAPPENED IN BAIRAM VIA ASSOCIATION RULES

Abstract

Traffic accidents defined as incidents , which were composed of at least one travelling vehicle, happened in roads, streets in unknown and unpredictable time period and result in injury, death or property damage started to have importance recently due to increased number of vehicles and traffic density as a result of population growth and economic developments. Traffic accidents that cause social deterioration rank as top places in death rates all around the world. Number of traffic accidents, deaths and injuries are in high level in Turkey, one of the developing countries. Traffic accidents’ intensity Show an increase especially in bairams. For this purpose it is important to reveal the common characteristics of accidents in terms of place and time period for making provisions. In this study traffic accidents happened in bairams in the time period of 2009-2011, are analyzed via association rules as one of the data mining techniques and obtained meaningful rules showing common specifications of accidents in Turkey.

Keywords

• Traffic Accidents,Data Mining,Association Rules

АНАЛИЗ ТРАНСПОРТНЫХ АВАРИЙ, СЛУЧАЙНЫХ В ПРАВИЛАХ БАЙРАМЫ В СВЯЗИ С АССОЦИАЦИЕЙ

Abstract

Дорожно-транспортные происшествия, которые определяются как события с хотя бы одним транспортным средством в движении, что приводит к смерти / травме одного или нескольких лиц на улице, улице или улице, которые произошли в неизвестном, непредсказуемом временном интервале или вызваны материальным ущербом. В результате экономического развития в последние годы увеличилось количество транспортных средств и плотность движения. Дорожно-транспортные происшествия, которые вызывают нарушение социальной структуры, являются одними из самых высоких в мире. Турция является одним из числа дорожно-транспортных происшествий в развивающихся странах, с точки зрения смертности несчастных случаев и травматизма среди стран с самыми высокими темпами в мире. Бывают случаи, когда интенсивность дорожно-транспортных происшествий увеличивается на высоких уровнях. По этой причине, определение общих характеристик несчастных случаев, которые произошли во время праздничных каникул в предыдущие годы, а также время и место их возникновения, являются определяющими для мер, которые могут быть приняты. Это исследование лет 2009-2011 интервал во время каникул интеллектуального анализа данных дорожной полиции произошли в дорожно-транспортных происшествий в районах, находящихся под ответственностью Турции рассматривается с правилами ассоциации, один из методов были получены правила, показывающие общие черты этих аварий.

Keywords

• Дорожные происшествия,интеллектуальный анализ данных,, совместность правила

References

1. Agrawal, R., Imielinski, T., & Swami, A. (1993). Mining Association Rules Between Sets of Items in Large Databases. Acm sigmod record, 22(2), 207-216.
2. Agrawal, R., & Srikant, R. (1994). Fast Algorithms for Mining Association Rules. Proceeding of the 20th International Conference on Very Large databases (VLDB), 1215, 487-499.
3. Akpınar, H. (2000). Veritabanlarında Bilgi Keşfi ve Veri Madenciliği. İstanbul Üniversitesi İşletme Fakültesi Dergisi, 29(1), 1-22.
4. Akpınar, H. (2014). DATA : Veri Madenciliği Veri Analizi. İstanbul: Papatya Yayıncılık.
5. Berson, A., Smith, S., & Thearling, K. (2000). Building Data Mining Applications for CRM. New York: McGraw Hill.
6. Chang, L.Y., & Chen, W.C. (2005). Data mining of tree-based models to analyze freeway accident frequency. Journal of Safety Research, 36(4), 365-375.
7. Derici, E. (2010). Şehiriçi Ulaşım Ağlarında Tehlike İndeksi ve Risk Analizi. Yayınlanmamış Yüksek Lisans Tezi. Denizli: Pamukkale Üniversitesi.
8. Fayyad, U.M. (1996). Data mining and knowledge discovery: Making sense out of data. IEEE Expert, 11(5), 20-25. Gürsoy, U.T.Ş. (2009). Veri Madenciliği ve Bilgi Keşfi. Ankara: Pegem YayıncılıkHan, J., & Kamber, M. (2006). Data mining: Concepts and techniques. London: Elsevier.Kantardzic, M. (2003). Data mining: Concepts, models, methods and algorithms. New Jersey:John Wiley & Sons. Kaygısız,Ö., Düzgün, Ş., & Semiz, E. (2012). Bayram Tatillerinin Trafik Kazalarına Etkileri. Karayolu Trafik Güvenliği Sempozyumu Kitabı, 384-397.

9. Korkmaz, Y. (2005). Türkiye Karayollarında Meydana Gelen Trafik Kazalarının ÇokluRegresyon Analizi İle Modellenmesi. Yayınlanmamış Yüksek Lisans Tezi. Kırıkkale: Kırıkkale Üniversitesi.Kuonen, D. (2004). Data Mining and Statistics: What is the Connection? The Data Administration Newsletter. 1-6.
10. Lee, J.Y., Chung, J.H., & Son, B. (2008). Analysis of traffic accident size for Korean highway using structural equation models. Accident Analysis & Prevention, 40(6), 1955-1963.
11. Li, Z., Liu, P., Wang, W., & Xu, C. (2012). Using support vector machine models for crashinjury severity analysis. Accident Analysis & Prevention, 45, 478-486.
12. Montella, A. (2011). Identifying crash contributory factors at urban roundabouts and usingassociation rules to explore their relationships to different crash types. Accident Analysis & Prevention, 43(4), 1451-1463.
13. Özkan, Y. (2008). Veri Madenciliği Yöntemleri. İstanbul: Papatya Yayıncılık.
14. Silahtaroğlu, G. (2008). Veri Madenciliği: Kavram ve Algoritmaları. İstanbul:PapatyaYayıncılık.
15. Sohn, S.Y., & Shin, H. (2001). Pattern recognition for road traffic accident severity in Korea.Ergonomics, 44(1), 107-117.
16. Solomon, S., Nguyen, H., Liebowitz, J., & Agresti, W. (2006). Using data mining to improve traffic safety programs. Industrial Management & Data Systems, 106(5), 621-643.
17. Tan, P.N., Steinbach, M., & Kumar, V. (2006). Introduction to Data Mining. Boston: Pearson/Addison Wesley
18. Tüzüntürk, S. (2010). Veri Madenciliği ve İstatistik. Uludağ Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 29(1), 65-90.
19. Witten, I.H., & Frank, E. (2005). Data mining: Practical Machine Learning Tools and Techniques. Amsterdam: Morgan Kaufman.