Amerika’da Meydana Gelen Trafik Kazalarının Yapay Sinir Ağları ve Çok Değişkenli Regresyon Yöntemleriyle Tahmini

Yıl 2021, Cilt: 4 Sayı: 3, 342 - 354, 15.12.2021

Ömer Faruk Cansız İbrahim Erginer Ebru Doğru

https://doi.org/10.47495/okufbed.844250

Cited By: 1

Öz

Dünya sağlık örgütü (WHO) dünyada 1,35 milyon kişinin trafik kazaları nedeniyle hayatını kaybettiğini açıklamaktadır. Amerika’da da dünyada olduğu gibi trafik kazası nedeniyle hayatını kaybeden kişi sayısı çok fazladır. Çok sayıda insanın hayatını kaybetmesine sebep olan trafik kazalarının birçok nedeni olabilir. Yapılan bu çalışmada trafik kazalarına sebep olan değişkenler incelenmektedir. Araç sayısı, sürücü sayısı, nüfus ve seyahat edilen araç mili değişkenleri kullanılarak bir veri seti oluşturulmaktadır. Veri seti oluşturulurken Amerika Birleşik Devletleri Ulaştırma Bakanlığı veri tabanından elde edilen veriler kullanılmaktadır. Veri seti 1994-2018 yılları arasındaki verileri kapsamaktadır. Oluşturulan veri seti kullanılarak istatistiksel yöntemlerden çok değişkenli regresyon (MR) ve yapay zeka tekniklerinden yapay sinir ağları (YSA) kullanılarak kaza sayısı tahmin modelleri geliştirilmektedir. Geliştirilen modeller birbiriyle kıyaslanmaktadır. Modeller kıyaslanırken hataların kareleri ortalaması (HKO), ortalama yüzde hata (OYH) ve korelasyon katsayısı (R) kriterleri kullanılmaktadır. Yapılan analizler sonucunda YSA kaza sayısı tahmin modelinin HKO, OYH ve R değerleri sırasıyla 265228,79-%0,829-0,988 olarak hesaplanmaktadır. Yapılan bu çalışmada YSA modelinin regresyon modellerine göre daha iyi sonuçlar verdiği gözlemlenmektedir. Buna benzer çalışmalarda yapay zeka metotlarından YSA’nın kullanılması önerilmektedir.

Anahtar Kelimeler

Kaza Sayısı, Yapay Sinir Ağları, Çok Değişkenli Regresyon

Kaynakça

• [1] Ataseven, B. (2013). Yapay sinir ağları ile öngörü modellemesi.
• [2] Ramli, M. Z. (2011). Development of accident prediction model by using artificial neural network (ANN) (Doctoral dissertation, Universiti Tun Hussein Onn Malaysia).
• [3] Cansiz, O. F., Calisici, M., & Miroglu, M. M. (2009, December). Use of artificial neural network to estimate number of persons fatally injured in motor vehicle accidents. In Proceedings of the 3rd International Conference on Applied Mathematics (pp. 136-142).
• [4] ERGİNER, M., CANSIZ, Ö. F., & ERGİNER, İ. Trafik Kaza Sayısının ve Yaralı Sayısının Yapay Sinir Ağları ile Tahmini. Osmaniye Korkut Ata Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 3(1), 29-35.
• [5] Cansız ÖF., Çalışıcı M., Ünsalan K. Türkiye karayollarında meydana gelen kazalarda oluşan yaralı sayısı için tahmin modellerinin oluşturulması, 2. Uluslararası Mühendislik ve Tasarım Kongresi, Mayıs 2017, Kocaeli.
• [6] Akguuml, A. P., & Doğan, E. (2009). An application of modified Smeed, adapted Andreassen and artificial neural network accident models to three metropolitan cities of Turkey. Scientific Research and Essays, 4(9), 906-913.
• [7] Aghayan, I. (2013). Improved Traffic Crash Modeling through Accuracy and Response Time Using Classification Algorithms: A Model Comparison Approach (Doctoral dissertation, Eastern Mediterranean University (EMU)).
• [8] Mussone, L., Ferrari, A., & Oneta, M. (1999). An analysis of urban collisions using an artificial intelligence model. Accident Analysis & Prevention, 31(6), 705-718.
• [9] Kibar, F. T. (2015). Türkiye'de kamyon kazaları ile trafik ve karayolu geometrik özellikleri arasındaki ilişkinin istatistiksel ve yapay sinir ağları yöntemleri ile modellenmesi (Doctoral dissertation, Karadeniz Teknik Üniversitesi/Fen Bilimleri Enstitüsü).
• [10] Altun, İ., Dündar, S., & Yöntem, K. (2005). Yapay Sinir Ağlari İle Trafik Akim Kontrolü. Deprem Sempozyumu, Kocaeli, 1335-1344.
• [11] Cansız, Ö. F. (2007). Enerji Politikalarının Ulaştırma Sistemlerinin Optimizasyonu İle Geliştirilmesi ve Uygulamadan Elde Edilen Getirilerin Ortaya Konması. Fen Bilimleri Enstitüsü, İnşaat Mühendisliği Anabilim Dalı, Doktora Tezi, 352s, Ankara.
• [12] ES, H. A., KALENDER, F. Y., & HAMZAÇEBİ, C. (2014). Yapay sinir ağlari ile Türkiye net enerji talep tahmini. Gazi Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi, 29(3).
• [13] Cansız,Ö.F.,Ünsalan,K.,Erginer,İ.(2020). Karayolları enerji tüketiminin yapay zeka ve regresyon yöntemleri ile modellenmesi. Uludağ Üniversitesi Mühendislik Fakültesi Dergisi, Cilt 25(3) 1297-1313.
• [14] MATLAB.MATLAB Product Family Updates 2020.