Samsun’da Kara Yolu Trafik Kazalarının CBS Tabanlı Zamansal ve Mekânsal Analizi

Yıl 2024, , 433 - 458, 29.10.2024

Muhammed Akif Özçelebi

https://doi.org/10.18795/gumusmaviatlas.1480455

Öz

Dünya genelinde kentlerdeki araç sayısının artışı, uluslar için önemli bir endişe kaynağı olmuştur. Bu durum, ekonomik kayıpların yanı sıra kara yolu trafik kazalarında (KTK) da yükselişe yol açmış ve trafik güvenliğini küresel düzeyde ciddi bir sorun haline getirmiştir. Bu çalışmada Samsun’da KTK’lerin zaman içerisinde neden ve nasıl gerçekleştiğinin tespit edilmesi, nispeten yüksek riskli konumların belirlenmesi ve yakın çevresindeki aktivite alanlarıyla ilişkilendirilmesi amaçlanmıştır. Bu doğrultuda Çekirdek yoğunluk, Ancelin Local Moran’ın I, benzerlik ve mekân-zaman küpü analizlerinden yararlanılmıştır. Buna göre 2018-2020 yılları arasında gerçekleşen 4.339 kara yolu trafik kazaları en az perşembe günü, kış mevsimi ve gece saatlerinde (00.00-06.00) meydana gelirken, en fazla kaza ise cumartesi günü, yaz ayları ve akşam vakitlerinde (16.00-21.00) gerçekleşmiştir. Çalışma kapsamında yapılan analizler Samsun’da KTK’lerin daha yüksek araba hızına ve hacmine sahip çok şeritli yollar üzerinde kümelendiğini ortaya çıkarmıştır. KTK’lar konut ve ticari arazi kullanım alanları ile kamu ve özel kurumların toplandığı şehir merkezleri ve yakın çevresindeki anayollar boyunca meydana gelmiştir. KTK’lerde sözü edilen şehir merkezlerinde ise Samsun’un en nüfuslu ilçesi olan İlkadım öne çıkmıştır. Samsun şehrinde mekân zaman küpü analizi neticesinde zaman içinde KTK’lerin kümelenme gösterdiği sıcak noktalar içerisinde en geniş alana yayılan model “azalan sıcak noktalar” olmuştur. Bu model İlkadım ilçesinin kentsel alanı ile Canik ilçesinin batısındaki İlkadım Bulvarı’nın çevresinde kümelenmiştir. Sonuç olarak tespit edilen bu sıcak noktalar güvenlik kurumlarının kaza sıklığını veya şiddetini azaltacak önlemler konusunda daha bilinçli kararlar almasına rehberlik edeceği düşünülmektedir.

Anahtar Kelimeler

Samsun, CBS, Ancelin Local Moran I, Mekân-zaman küpü, Kara yolu trafik kazaları.

GIS Based Temporal and Spatial Analysis of Road Traffic Accidents in Samsun

Öz

The increase in the number of vehicles in cities around the world has been a major concern. This has led to an increase in road traffic accidents (RTAs) as well as economic losses, making traffic safety a serious global issue. This study aims to determine how and why road traffic accidents have occurred over time, identify relatively high-risk locations and relate them to nearby activity areas. Kernel density, Ancelin Local Moran I, similarity and space-time cube analyses were utilized for this purpose. Accordingly, 4.339 RTA among 2018-2020 occurred least on Thursday, in the winter season and during the night hours (00:00-06:00), while the highest number of accidents occurred on Saturday, in the summer months and during the evening hours (16:00-21:00). The analyses conducted within the scope of the study revealed that RTAs in Samsun are clustered on multi-lane roads with higher car speeds and volumes. RTAs occurred along the main roads in and around the city centers where residential and commercial land use areas and public and private institutions are concentrated. Ilkadım, the most populated district of Samsun, stood out in the city centers mentioned in the RTAs. According to the spatial time cube analysis in Samsun city, "decreasing hotspots" was the most widespread pattern among the hotspots where the CTCs clustered over time. This pattern is clustered around the urban area of İlkadım district and İlkadım Boulevard in the west of Canik district. As a result, these identified hot spots will guide security institutions to make more informed decisions about measures to reduce the frequency or severity of accidents.

Anahtar Kelimeler

Samsun, GIS, Ancelin Local Moran, Space-time cube, Road traffic accidents

Kaynakça

• Abdel-Aty, M. A. & Radwan, A. E. (2000). Modeling traffic accident occurrence and involvement. Accident Analysis & Prevention, (32), 633–642. https://doi.org/10.1016/S0001-4575(99)00110-1
• Anderson, T. (2007). Comparison of spatial methods for measuring road accident ‘hotspots’: A case study of London. Journal of Maps, 3(1), 55-63. https://doi.org/10.1080/jom.2007.9710827
• Anselin, L. (1995). Local indicators of spatial association. Geographical Analysis, 27(2), 93-115. https://doi.org/10.1111/j.1538-4632.1995.tb00338.x
• Bailey, T. C. & Gatrell, A. C. (1995). Interactive spatial data analysis. Longman Scientific & Technical.
• Bakırcı, M. (2020). Ulaşım ve coğrafya: Türkiye’de ulaşım coğrafyası literatür analizi. Türkiye Araştırmaları Literatür Dergisi, 17(34), 381-420. https://dergipark.org.tr/tr/download/article-file/1112476
• Berhanu, G. (2004). Models relating traffic safety with road environment and traffic flows on arterial roads in Addis Ababa. Accident Analysis & Prevention, 36(5), 697-704. https://doi.org/10.1016/j.aap.2003.05.002
• Bone, C., Wulder, M. A., White, J. C., Robertson, C. & Nelson, T. A. (2013). A GIS-based risk rating of forest insect outbreaks using aerial overview surveys and the local Moran’s I statistic. Applied Geography, (40), 161–170. https://doi.org/10.1016/J.APGEOG.2013.02.011
• Dezman, Z., de Andrade, L., Vissoci, J. R., El-Gabri, D., Johnson, A., Hirshon, J. M. & Staton, C. A. (2016). Hotspots and causes of motor vehicle crashes in Baltimore, Maryland: A geospatial analysis of five years of police crash and census data. Injury, 47(11), 2450-2458. https://doi.org/10.1016/j.injury.2016.09.002
• Doğanay, H. & Deniz, M. (2015). Ulaşım sistemleri ve Uşak. Doğu Coğrafya Dergisi, 19(32), 1-26. https://dergipark.org.tr/tr/download/article-file/27065
• Doğru, E. & Aydın, F. (2018, 3-6 Ekim). Coğrafi bilgi sistemleri yardımıyla trafik kazalarının analizi: Karabük merkez ilçe örneği [Bildiri sunumu]. TÜCAUM 30. Yıl Uluslararası Coğrafya Sempozyumu, Ankara. http://tucaum.ankara.edu.tr/wp-content/uploads/sites/280/2018/ 12/30.Y%C4%B1l.TamMetin27Eseng%C3%BCl-Do%C4%9Fru-Fatih-Ayd%C4%B1n-T%C3%9CCAUM-2018_Bildiri.pdf
• Erdoğan, S. (2009). Explorative spatial analysis of traffic accident statistics and road mortality among the provinces of Turkey. Journal of Safety Research, 40(5), 341-351. https://doi.org/10.1016/j.jsr.2009.07.006
• Erdoğan, S., Yilmaz, I., Baybura, T. & Gullu, M. (2008). Geographical information systems aided traffic accident analysis system case study: city of Afyonkarahisar. Accident Analysis & Prevention, 40(1), 174-181. https://doi.org/10.1016/j.aap.2007.05.004
• Esri. (2024). Visualize the space-time cube. https://desktop.arcgis.com/en/arcmap/10.4/tools/space-time-pattern-mining-toolbox/emerginghotspots.htm
• Gatalsky, P., Andrienko, N., & Andrienko, G. (2004, 16-16 July). Interactive analysis of event data using space-time cube [Paper presentation]. Eighth International Conference on Information Visualisation, Proceedings, IEEE, London, UK. https://ieeexplore.ieee.org/abstract/document/1320137
• Gedamu, W. T., Plank-Wiedenbeck, U. & Wodajo, B. T. (2024). A spatial autocorrelation analysis of road traffic crash by severity using Moran’s I spatial statistics: A comparative study of Addis Ababa and Berlin cities. Accident Analysis & Prevention, (200), 107535. https://doi.org/10.1016/J.AAP.2024.107535
• Harirforoush, H. & Bellalite, L. (2019). A new integrated GIS-based analysis to detect hotspots: a case study of the city of Sherbrooke. Accident Analysis & Prevention, (130), 62-74. https://doi.org/10.1016/j.aap.2016.08.015
• Harris, N. L., Goldman, E., Gabris, C., Nordling, J., Minnemeyer, S., Ansari, S., ... & Potapov, P. (2017). Using spatial statistics to identify emerging hot spots of forest loss. Environmental Research Letters, 12(2), 024012. https://doi.org/10.1088/1748-9326/aa5a2f
• Haybat, H., & Karakaş, E. (2018). An analysis of traffic accidents with spatial statistical methods in Izmir Province. SSD Journal, 3(13), 599-617. https://doi.org/10.31567/ssd.126
• Ivan, J. N., Wang, C. & Bernardo, N. R. (2000). Explaining two-lane highway crash rates using land use and hourly exposure. Accident Analysis & Prevention, 32(6), 787-795. https://doi.org/10.1016/j.aap.2006.12.016
• Kazmi, S. S. A., Ahmed, M., Mumtaz, R. & Anwar, Z. (2022). Spatiotemporal clustering and analysis of road accident hotspots by exploiting GIS technology and kernel density estimation. The Computer Journal, 65(2), 155-176. https://doi.org/10.1093/comjnl/bxz158
• Karayolları Genel Müdürlüğü. (2022). Yıllık ortalama günlük trafik değerleri. https://www.kgm.gov.tr/SiteCollectionDocuments/KGMdocuments/Istatistikler/TrafikveUlasimBilgileri/22TrafikUlasimBilgileri.pdf
• Karayolları Genel Müdürlüğü. (2023). Satıh cinslerine göre yol ağı. https://www.kgm.gov.tr/Sayfalar/KGM/SiteTr/Bolgeler/7Bolge/Iller/IlSamsun.aspx
• Levine, N., Kim, K. E. & Nitz, L. H. (1995). Spatial analysis of Honolulu motor vehicle crashes: I spatial patterns. Accident Analysis & Prevention, 27(5), 663-674. https://doi.org/10.1016/0001-4575(95)00017-T
• Ma, Q., Huang, G. & Tang, X. (2021). GIS-based analysis of spatial–temporal correlations of urban traffic accidents. European Transport Research Review, 13(1), 1–11. https://doi.org/10.1186/s12544-021-00509-y
• Mohammed, S., Alkhereibi, A. H., Abulibdeh, A., Jawarneh, R. N. & Balakrishnan, P. (2023). GIS-based spatiotemporal analysis for road traffic crashes; in support of sustainable transportation Planning. Transportation Research Interdisciplinary Perspectives, (20), 100836. https://doi.org/10.1016/J.TRIP.2023.100836
• Osman, A., Owusu, A. B., Adu-Boahen, K. & Atamey, E. (2023). Space-time cube approach in analysing conflicts in Africa. Social Sciences & Humanities Open, 8(1), 100557. https://doi.org/10.1016/J.SSAHO.2023.100557
• O'sullivan, D. & Unwin, D. (2003). Geographic information analysis. John Wiley & Sons. Plug, C., Xia, J. C. & Caulfield, C. (2011). Spatial and temporal visualisation techniques for crash analysis. Accident Analysis & Prevention, 43(6), 1937-1946. https://doi.org/10.1016/j.aap.2011.05.007
• Özçelebi, M. A. & Yılmaz, C. (2020). Samsun’da çeltik üretimi ve pirinç imalat sanayi, Kesit Akademi Dergisi, 6(24), 324-349. http://dx.doi.org/10.29228/kesit.45864
• Purwanto, P., Utaya, S., Handoyo, B., Bachri, S., Astuti, I. S., Sastro, K., Utomo, B. & Aldianto, Y. E. (2021). Spatiotemporal Analysis of COVID-19 Spread with emerging hotspot analysis and Space–time cube models in East Java, Indonesia. ISPRS International Journal of Geo-Information 2021, 10(3), 133. https://doi.org/10.3390/IJGI10030133
• Reddy, C.S., Bird, N.G., Sreelakshmi, S. et al. (2019). Identification and characterization of spatio-temporal hotspots of forest fires in South Asia. Environmental Monitoring and Assessment, 191(3), 791. https://doi.org/10.1007/s10661-019-7695-6
• Sabel, C. E., Kingham, S., Nicholson, A. & Bartie, P. (2005, 24-25 November). Road traffic accident simulation modelling-a kernel estimation approach [Paper presentation]. In the 17th annual colloquium of the spatial information research Centre University of Otago, Dunedin, New Zealand. ISBN 1-877139-90-4. http://www.business.otago.ac.nz/SIRC05/conferences/2005 /03_hales.pdf
• Savolainen, P. & Mannering, F. (2007). Probabilistic models of motorcyclists’ injury severities in single-and multi-vehicle crashes. Accident Analysis & Prevention, 39(5), 955-963. https://doi.org/10.1016/j.aap.2006.12.016
• Shafabakhsh, G. A., Famili, A. & Bahadori, M. S. (2017). GIS-based spatial analysis of urban traffic accidents: Case study in Masyyad, Iran. Journal of Traffic and Transportation Engineering (English Edition), 4(3), 290-299. https://doi.org/10.1016/j.jtte.2017.05.005
• Silverman, BW (2018). İstatistik ve veri analizi için yoğunluk tahmini. Routledge.
• Siyavuş, A. E. (2022). Üsküdar’da meydana gelen trafik kazalarının coğrafi bilgi sistemleri yardımıyla analizi. Trafik ve Ulaşım Araştırmaları Dergisi, 5(1), 65-82.
• Sultani, A. & Askari, S. (2017). Exploring spatial autocorrelation of traffic crashes based on severity. Injury, 48(3), 637-647. https://doi.org/10.1016/j.injury.2017.01.032
• Steenberghen, T., Aerts, K. & Thomas, I. (2010). Spatial clustering of events on a network. Journal of Transport Geography, 18(3), 411-418. https://doi.org/10.1016/j.jtrangeo.2009.08.005
• Şirin, M. & Ocak, F. (2020). Gümüşhane şehrinde afet ve acil durum toplanma alanlarının coğrafi bilgi sistemleri ortamında değerlendirilmesi. Doğu Coğrafya Dergisi, 25(44), 85-106. https://doi.org/10.17295/ataunidcd.790893
• Tümertekin, E. & Özgüç, N. (2007). Ekonomik coğrafya. Çantay Kitabevi, İstanbul.
• Türkiye İstatistik Kurumu. (2023). Kara yolu trafik kaza istatistikleri. https://data.tuik.gov.tr/Bulten/Index?p=Kara yolu-Trafik-Kaza-Istatistikleri-2022-49513
• Türkiye İstatistik Kurumu. (2023). Motorlu kara taşıtları istatistikleri https://biruni.tuik.gov.tr/medas/ ?kn=89&locale=tr
• Türkiye İstatistik Kurumu. (2024) Adrese dayalı nüfus kayıt sistemi. https://biruni.tuik.gov.tr/medas/?kn=95&locale=tr
• Vural, E. (2019). Viranşehir (Şanlıurfa) Şehir merkezi’ndeki trafik kazalarının coğrafi analizi (2013-2017). Kent Akademisi, 12(2), 340-363. https://dergipark.org.tr/tr/download/article-file/784318
• World Health Organization. (2018) Global status report on road safety 2018 (ISBN: 9789241565684). Social Determinants of Health (SDH). https://www.who.int/publica tions /i/item/9789241565684
• Yılmaz, C. (2011, 13-16 Ekim). Samsun şehri; kuruluş yeri, nüfus ve kentsel gelişim özellikleri. [Bildiri sunumu]. Samsun Sempozyumu, Samsun. https://www.cevdetyilmaz.com.tr/wp-content/uploads/2011-SAMSUN-SEHRI-KURULUS-YERI-VE-KENTSEL-GELISIM-OZELLIKLERI.pdf
• Yılmaz, C. & Zeybek H. İ. (2016) Samsun coğrafyası. Canik Belediyesi Kültür Yayınları. ISBN: 978-605-65683-4-3.
• Xie, Z. & Yan, J. (2008). Kernel density estimation of traffic accidents in a network space. Computers, Environment and Urban Systems, 32(5), 396-406. https://doi.org/10.1016/j.compenvurbsys.2008.05.001