Türkiye’de Meydana Gelen Trafik Kazalarının Yıllara ve Kazaya Sebebiyet Veren Kusurlara Göre Analizi

Year 2023, , 898 - 907, 29.12.2023

Serpil Aktaş

https://doi.org/10.53433/yyufbed.1248794

Abstract

Trafik kazaları hem can hem de mal kaybına sebebiyet veren çok önemli bir felakettir. Trafik kazalarına neden olan unsurlar: sürücü kusuru, yolcu kusuru, yaya kusuru, yol kusuru ve araç kusuru olarak tanımlanmıştır. Bu çalışmada Türkiye genelinde 2008-2021 yılları arasında meydana gelen ölümlü ve yaralanmalı trafik kaza sayıları ve buna sebep olan kusurlar ele alınarak Genelleştirilmiş Doğrusal Modeller (GDM) yardımı ile analiz edilmiştir. GDM özellikle hatanın dağılımın Normal dağılıma uymadığı, sabit varyans olmadığı, yanıt değişkeninin kategorik ya da kesikli olduğu durumda doğrusal modeller yerine kullanılan ve daha esnek olan bir yöntemdir. Kaza sayısında yıllara göre değişim olup olmadığı ve en çok hangi kusur sebebiyle kazaların meydana geldiği araştırılmıştır. Kaza sayıları değişkeninde aşırıyayılım söz konusu olduğundan aşırıyayılım durumunu dikkate alan ve Poisson dağılımın kullanıldığı GDM ile çözümleme yapılmıştır. Çözümleme sonucunda hem yıl değişekenine ait hem de kusur değişkenine ait parametre tahminleri elde edilmiştir. Sonuçlara göre ölümlü ve yaralanmalı kazalara sebebiyet veren kusurlar içinde en yüksek oranı sürücü kusuru oluşturmaktadır. Yıllara göre ölümlü ve yaralanmalı kaza sayılarında anlamlı bir düşüş olmadığı gözlemlenmiştir.

Keywords

Genelleştirilmiş Doğrusal Modeller, Sürücü kusuru, Trafik kazaları

Supporting Institution

yok

Analysis of Traffic Accidents in Turkey by Years and Faults Causing the Accident

Abstract

Traffic accidents are a critical disaster that causes loss of life and property. Factors causing traffic accidents are defined as driver fault, passenger fault, pedestrian fault, road fault, and vehicle fault. In this study, we analyzed the number of fatal and injury traffic accidents occurred in Turkey between 2008-2021 and the resulting defects by the support of Generalized Linear Models (GDM). GDM is a more flexible method that is used instead of linear models, especially in cases where the error distribution does not fit the Normal distribution, there is no fixed variance, or the response variable is categorical or discrete. We investigate whether there is a change in the number of accidents according to the years and which faults occur the most. Since there is overdispersion in the accident number variable, we used the GDM for the analysis which considers the overdispersion and uses the Poisson distribution. As a result, we estimated the parameters for both variables, i.e., the year and defect. Driver fault has the highest rate among the faults causing fatal and injury accidents. We found that there was no significant decrease in the number of fatal and injury accidents over the years.

Keywords

Driver fault, Generalized Linear Models, Traffic accidents

References

• Akgüngör, A. P., & Doğan, E. (2010). Farklı yöntemler kullanılarak geliştirilen trafik kaza tahmin modelleri ve analizi. International Journal of Engineering Research and Development, 2(1), 16-22.
• Aktaş Altunay, S., Yılmaz, A. E., Bahcecitapar, M., & Bakacak Karabenli, L. (2021). SPSS ve R Uygulamalı Kategorik Veri Çözümlemesi. Ankara: Seçkin Yayıncılık.
• Bayata, H., & Hattatoğlu, F. (2010). Yapay sinir ağlari ve çok değişkenli istatistik yöntemlerle trafik kaza modellemesi. Erzincan University Journal of Science and Technology, 3(2), 207-219.
• Black, W. R. (1991). Highway accidents: A spatial and temporal analysis. Transportation Research Record, 1318, 75-82.
• Cameron, A. C., & Trivedi, P. K. (1998). Regression Analysis of Count Data. New York, USA: Cambridge University Press.
• Chang, L. Y., & Wang, H. W. (2006), Analysis of traffic injury severity: An application of non-parametric classification tree techniques. Accident Analysis and Prevention, 38(5), 1019-1027. doi:10.1016/j.aap.2006.04.009
• Çinicioğlu, E. N., Atalay, M., & Yorulmaz, H. (2013). Trafik kazaları analizi için bayes ağları modeli. Bilişim Teknolojileri Dergisi, 6(2), 41-52.
• Delice, M. (2012). Hız, alkol ve genel trafik denetimlerinin trafik kazaları üzerindeki etkilerinin incelenmesi. Atatürk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 16(2), 27-44.
• EGM Trafik İstatistik Bülteni (2023). EGM Trafik İstatistik Bülteni, 2023. EGM Trafik Başkanlığı. https://www.trafik.gov.tr/kurumlar/trafik.gov.tr/04-Istatistik/Aylik/202305/Mayis2023.pdf Erişim tarihi: 03.12.2023.
• Gallucci, M. (2019). GAMLj: General analyses for linear models. [jamovi module]. Retrieved from https://gamlj.github.io/.
• IBM SPSS. (2021) IBM Corp. Released 2021. IBM SPSS Statistics for Windows, Version 28.0. Armonk, NY: IBM Corp.
• Jamovi (2021). jamovi. (Version 1.8) [Computer Software]. Retrieved from https://www.jamovi.org.
• Kockelman, K. M., & Kweon, Y. J. (2002). Driver injury severity: an application of ordered probit models. Accident Analysis and Prevention, 34(3), 313-321. doi:10.1016/S0001-4575(01)00028-8
• Madsen, H., & Thyregod, P. (2011). Introduction to General and Generalized Linear Models. Chapman & Hall.
• McCullagh, P., & Nelder, J. (1989). Generalized Linear Models (2nd ed.). Boca Raton, FL: Chapman and Hall/CRC.
• Milton, J. C., Shankar, V.N. & Mannering F.L. (2008). Highway accident severities and the mixed logit model: An exploratory empirical analysis. Accident Analysis and Prevention, 40(1), 260-266. doi:10.1016/j.aap.2007.06.006
• Myers, R.H., Montgomery, D.C., Vining,G.G., & Robinson, T.J. (2010). Generalized Linear Models with Applications in Engineering and the Sciences, John Wiley & Sons.
• Özlü, T., Haybat, H., & Zerenoğlu, H. (2021). Trafik kazalarının zamansal ve mekânsal incelenmesi: Eskişehir şehir örneği. International Journal of Geography and Geography Education, 43, 136-158. doi:10.32003/igge.746447
• R Core Team (2021). R: A Language and environment for statistical computing. (Version 4.0) [Computer software]. Retrieved from https://cran.r-project.org.
• Singh, S. K. (2017). Road traffic accidents in India: issues and challenges. Transportation Research Procedia, 25, 4708-4719. doi:10.1016/j.trpro.2017.05.484
• Siyavuş, A. E. (2022). Üsküdar’da meydana gelen trafik kazalarının coğrafi bilgi sistemleri yardımıyla analizi. Trafik ve Ulaşım Araştırmaları Dergisi, 5(1), 65–82. doi:10.38002/tuad.1097692
• Söylemez, İ., Doğan, A., & Özcan, U. (2016). Trafik kazalarında birliktelik kuralı analizi: Ankara ili örneği. Ege Academic Review, 16, 11-20.
• Sungur, İ., Akdur, R., & Piyal, B. (2014). Türkiye'deki trafik kazalarının analizi. Ankara Medical Journal, 14(3),114-124.
• Temel, F., & Özcebe, H. (2006), Türkiye'de karayollarında trafik kazaları. Sürekli Tıp Eğitimi Dergisi, 15(11), 192-198.
• Ünlü, H., & Aktaş, S. (2015, Kasım), Çok terimli dağilim varsayimi altinda trafik kazalarinin aylara ve günlere göre dağilimi. 6. Karayolu Trafik Güvenliği Sempozyumu, Ankara.
• Yamamoto, T., & Shankar, V. N. (2004). Bivariate ordered-response probit model of driver's and passenger's injury severities in collisions with fixed objects. Accident Analysis and Prevention, 36(5), 869-876. doi:10.1016/j.aap.2003.09.002
• Yılmaz, İ., Erdoğan, S., Baybura, T., Güllü, M., & Uysal, M. (2009). Coğrafi Bilgi Sistemi yardımıyla trafik kazalarının analizi. Afyon Kocatepe Üniversitesi Fen ve Mühendislik Bilimleri Dergisi, 7(2), 135-150.