TÜRKİYE’DEKİ TRAFİK KAZALARININ YUVARLANMA GM(1,1) MEKANİZMASI İLE TAHMİNİ

Yıl 2017, Sayı: 13, 59 - 71, 30.07.2017

Banu Güner Ekrem Taçyıldız

Öz

Karar alma süreçlerinde doğru ve güvenilir tahmin değerlerinin kullanımı çok önemlidir. Doğru ve güvenilir tahminde bulunmak için uygun tahmin metodu kullanımı kilit rol oynar. Bu çalışmada belirsizlik ortamında kullanılabilecek uygulaması kolay bir yöntem olan gri tahmin metodundan faydalanılmıştır. Çalışmada, Yuvarlanma (Rolling)-GM(1,1) modeli olarak bilinen gri tahmin yöntemi tanıtılmaktadır. Yöntemle, Türkiye’deki trafik kazası istatistikleri göz önünde bulundurularak geleceğe yönelik tahminler yapılmıştır. Gerçekleşen veriler için de tahmin çalışması yapılarak yöntemin hata tahmin yüzdeleri bulunmuş ve hareketli ortalama yöntemiyle karşılaştırmalı sonuçları sunulmuştur. Tüm kaza istatistikleri için yıllık elde edilen hata tahmin yüzdeleri hareketli ortalama yöntemine göre oldukça küçük elde edilmiştir. Bu da Yuvarlanma-GM(1,1) yöntemiyle elde ettiğimiz gelecek yıllara yönelik tahminlerin daha güvenilir olduğunu göstermektedir.

Anahtar Kelimeler

Tahmin, GM(1, 1) Modeli, Hareketli Ortalama Yöntemi, Trafik Kaza İstatistikleri

Kaynakça

• Akay D. ve Atak, M., (2007), Grey prediction with rolling mechanism for electricity demand forecasting of Turkey. Energy, 32 (2007) 1670–1675.
• Boran, F.E., (2015), Forecasting natural gas consumption in turkey using grey prediction. Energy Sources, Part B, 10: 208–213, 2015.
• Chiou, H.K. , Tzeeng, G.H. , Cheng, C.K. ve Liu, C.S. (2004). Grey prediction model for forecasting the planning material of equipment spare pahts in navy of Taiwan. Automation Congress, 17, 315-320.
• Hsu, L.C.(2011). Using improved grey forecasting models to forecast the output of opto-electronics industry. Expert Systems with Applications, 38 (11), 13879–13885.
• Hsu, L.C.(2003). Applying the Grey prediction model to the global integrated circuit industry. Technological Forecasting & Social Change, 70 (2003) 563–574.
• Hsu, C.I. ve Wen,Y.H. (1998). Improved grey prediction models for the trans‐pacific air passenger market. Transportation Planning and Technology, 22:2, 87-107.
• Kaya, K. and Taşçı, L.(2015). TUTGA ve C dereceli nokta koordinatlarının gri sistem ile tahmin edilmesi. TMMOB Harita ve Kadastro Mühendisleri Odası, 15. Türkiye Harita Bilimsel ve Teknik Kurultayı, 25-28 Mart: Ankara.
• Liu,S ve Lin, Y.(2006). Grey ınformation theory and practical applications. London: Springer.
• Liu,S ve Lin, Y.(2010). Grey Systems Theory and Applications. Almanya: Springer.
• Lu, I.J., Lewis, C., ve Lin, S.J. (2009). The forecast of motor vehicle, energy demand and CO2 emission from Taiwan’s road transportation sector. Energy Policy, 37(2009)2952–2961. Şengül, A.(2015). Trafik Kazalarında Gerçek Verilerin Oluşturulması Ve Trafik Kazalarının Önlenmesine Yönelik Etkin Eğitim Faaliyetlerinin İncelenmesi. YÜKSEK LİSANS TEZİ, İstanbul: Bahçeşehir Üniversitesi.
• Yılmaz, H. ve Yılmaz, M. ( 2013). Forecasting〖 CO〗_2 emissions for turkey by using the grey prediction method. Sigma 31, 141-148, 2013.
• Yin, M.S. ve Tang, H.V. , (2013). On the fit and forecasting performance of grey prediction models for China’s labor formation, Mathematical and Computer Modelling, (57) 3–4, 357–365.
• Zhao, H. ve Guo, S.(2016). An optimized grey model for annual power load forecasting. Energy, 107 (C), 272-286.
• Wang, C.H. ve Hsu, L.C. (2008). Using genetic algorithms grey theory to forecast high technology industrial output. Applied Mathematics and Computation,195 (2008) 256–263.
• http://www.tuik.gov.tr/PreTablo.do?alt_id=1051), Erişim tarihi: 16.07.2016