Assessment of Road Traffic Risk Status of Provinces in Turkey with Integrated IDDWS-EDAS Approach

Öz

An analysis of traffic accident statistics over the past decade shows that, on average, 5,942 individuals lose their lives annually in traffic accidents in Turkey. A province-level examination reveals that the number of citizens lost in traffic accidents significantly varies between provinces. This study assesses the relative risk levels of 81 provinces in Turkey by using road traffic accident data. In the analysis, 10 variables were used: total traffic accidents, fatalities, and injuries in 2022; accidents, fatalities, and injuries per million population; fatalities and injuries per million vehicles; and fatalities and injuries per million private cars. To rank the provinces based on their risk levels, an integrated IDDWS-EDAS approach was employed. After calculating the weights of the variables using the IDDWS method, the provinces were ranked using the EDAS approach. Due to differences in variable measurements, three different analyses were conducted: the first using all variables, the second using only total variables, and the third excluding the total numbers of accidents, injuries, and fatalities, focusing on the remaining 7 variables. The findings show that Istanbul had the highest traffic safety in 2022, while Bingöl was found to have the highest traffic risk.

Anahtar Kelimeler

• traffic risk condition of provinces
• IDDWS
• EDAS
• Multiple Criteria Decision Making

Türkiye’deki İllerin Karayolları Trafik Risk Durumunun Entegre IDDWS-EDAS Yaklaşımıyla Değerlendirilmesi

Öz

Son 10 yıllık kaza istatistikleri incelendiğinde Türkiye’de 1 yılda ortalama 5942 kişi trafik kazalarında hayatını kaybetmektedir. Trafik kazalarında kaybettiğimiz vatandaşlarımızın sayısı iller düzeyinde incelendiğinde durumun ilden ile önemli bir seviyede farklılaştığı görülmektedir. Bu çalışma kapsamında Türkiye’nin 81 ilinin karayolu trafik kazası verileri kullanılarak illerin risk durumu açısından birbirlerine göre durumları değerlendirilmiştir. Çalışmada illerde 2022 yılında gerçekleşen toplam trafik kazası sayısı, can kaybı ve yaralı sayısı değişkenlerinin yanı sıra bir milyon nüfus başına kaza sayısı, can kaybı, yaralı sayısı; bir milyon araç başına can kaybı ve yaralı sayısı ve bir milyon özel otomobil başına düşen can kaybı ve yaralı sayısı değişkenleri olmak üzere 10 değişken kullanılmıştır. Çalışmada illerin bu değişkenler kullanılarak risk durumlarına göre sıralanması için entegre IDDWS-EDAS yaklaşımından faydalanılmıştır. Değişkenlerin ağırlıkları IDDWS yaklaşımıyla hesaplandıktan sonra elde edilen ağırlıklardan faydalanarak EDAS yaklaşımıyla iller sıralanmıştır. Değişkenlerin ölçümündeki farklılıklar sebebiyle tüm değişkenlerin kullanıldığı, sadece toplam olarak elde edilen değişkenlerin kullanıldığı ve toplam olarak elde edilen kaza, yaralı ve can kaybı sayılarının analiz dışında bırakılarak kalan 7 değişkenin kullanıldığı 3 farklı analiz gerçekleştirilmiştir ve bulgular raporlanmıştır. Çalışmanın sonucunda 2022 yılında İstanbul en yüksek trafik güvenliğine sahip il; Bingöl en riskli trafiğe sahip il olarak bulunmuştur.

Anahtar Kelimeler

• illerin trafik risk durumu
• IDDWS
• EDAS
• çok kriterli karar verme

Kaynakça

1. Akçakanat, Ö., Aksoy, E. ve Teker, T. (2018). CRITIC ve MDL Temelli EDAS yöntemi ile Tr-61 bölgesi bankalarının performans değerlendirmesi. Süleyman Demirel Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 1(32), 1-24.
2. Akman, G. ve Kokumer, Z. (2023). Endüstri 4.0 kapsamında beyaz eşya sektöründe dijital dönüşüm yetkinliğinin MACBETH ve EDAS yöntemleriyle değerlendirilmesi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 38(4), 2033-2054. https://doi.org/10.17341/gazimmfd.981824
3. Altıntaş, F. F. (2022). Karadeniz’e kıyısı olan ülkelerin deniz sağlığı performanslarının analizi: SD tabanlı EDAS yöntemi ile bir uygulama. Karadeniz Araştırmaları, (74), 347-362.
4. Apan, M. ve Öztel, A. (2020). Bütünleşik ENTROPİ-EDAS yöntemi ile nakit akım odaklı finansal performans analizi: BIST orman, kâğıt, basım endeksi’nde işlem gören firmaların 2011-2018 dönem verisinden kanıtlar. Bartın Orman Fakültesi Dergisi, 22(1), 170-184. https://doi.org/10.24011/barofd.694820
5. Apuhan, H. ve Özdemir, Y. (2020). Kent içi ulaşım sistemlerinde risk analizi. İstanbul Sabahattin Zaim Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 2(1), 20-26.
6. Arsu, T. ve Ayçin, E. (2020). BIST Lokanta ve oteller sektöründeki turizm işletmelerinin finansal performanslarının MACBETH ve EDAS yöntemleri ile incelenmesi. Ankara Hacı Bayram Veli Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 156-178.
7. Batır, T. E. (2023). Covid-19 pandemi sürecinde bankacilik sektörü performansinin çok kriterli karar verme yöntemleri ile karşilaştirmali analizi:“CRITIC-EDAS yaklaşimi kapsaminda bir inceleme”. Uluslararası Muhasebe ve Finans Araştırmaları Dergisi, 4(2), 186-203.
8. Bayram, E. (2021). Türkiye’deki katılım bankalarının CRITIC temelli EDAS yöntemiyle performans değerlendirmesi. Finansal Araştırmalar ve Çalışmalar Dergisi, 13(24), 55-72. https://doi.org/10.14784/marufacd.879171

9. Chang, L. Y. ve Chien, J. T. (2013). Analysis of driver ınjury severity in truck-ınvolved accidents using a non-parametric classification tree model. Safety science, 51(1), 17-22. https://doi.org/10.1016/j.ssci.2012.06.017
10. Çakır, E. (2018). Bütünleşik SWARA ve EDAS yöntemi kullanarak fitness merkezlerinin değerlendirilmesi: Örnek bir uygulama. Hitit Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 11(3), 1907-1923.
11. Çınaroğlu, E. (2022). Entropi destekli EDAS ve CODAS yöntemleri ile bireysel emeklilik şirketlerinin performans değerlendirmesi. Anemon Muş Alparslan Üniversitesi Sosyal Bilimler Dergisi, 10(1), 325-345. https://doi.org/10.18506/anemon.961937
12. Dong, C., Richards, S. H., Huang, B. ve Jiang, X. (2015). Identifying the factors contributing to the severity of truck-ınvolved crashes. International Journal of Injury Control and Safety Promotion, 22(2), 116-126. https://doi.org/10.1080/17457300.2013.844713
13. 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.2009.07.00
14. Ersoy, N. (2022). Kriter ağırlıklandırma yöntemlerinin ÇKKV sonuçları üzerindeki etkisine yönelik gerçek bir hayat uygulaması. MANAS Sosyal Araştırmalar Dergisi, 11(4), 1449-1463. https://doi.org/10.33206/mjss.1026666
15. Ersoy, N. (2023a). Bütünleşik ÇKKV yaklaşımı ile AB ülkelerinin yaşam kalitesinin değerlendirilmesi. Karamanoğlu Mehmetbey Üniversitesi Sosyal ve Ekonomik Araştırmalar Dergisi, 25(44), 190-212.
16. Ersoy, N. (2023b). Applying an integrated data-driven weighting system–CoCoSo approach for financial performance evaluation of Fortune 500 companies. Ekonomie a Management, 26(3). https://doi.org/10.15240/tul/001/2023-3-006
17. Ertaş, M. ve Can, B. K. (2021). Motosiklet kullanımında risk alma davranışları ölçeği: türkçeye uyarlama çalışması. Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 23(3), 1311-1327. https://doi.org/10.16953/deusosbil.703241
18. Gök Kısa, A. C. ve Ayçin, E. (2019). OECD ülkelerinin lojistik performanslarının SWARA tabanlı EDAS yöntemi ile değerlendirilmesi. Çankırı Karatekin University Journal of The Faculty of Economics & Administrative Sciences, 9(1). https://doi.org/10.18074/ckuiibfd.500320
19. Görçün, Ö. F. ve Küçükönder, H. (2021). Şehirlerarası taşımacılıkta kullanılan otobüslere ilişkin seçimlerin AHP ve CRITIC tabanlı EDAS yöntemi ile değerlendirilmesi. Uluslararası Yönetim İktisat ve İşletme Dergisi, 17(4), 1280-1303. https://doi.org/10.17130/ijmeb.794181
20. Gray, R. C., Quddus, M. A. ve Evans, A. (2008). Injury severity analysis of accidents ınvolving young male drivers in great britain. Journal of Safety Research, 39(5), 483495. https://doi.org/10.1016/j.jsr.2008.07.003 Ilıcalı, M. (2022, 29-30 Nisan). Türkiye’de gerçekleşen ulaşım yatırımları ve 2053 vizyonu [Konferans sunumu]. 7th International Congress on Architecture and Design, İstanbul, Türkiye.
21. Karataş, C. (2021). Trafik ve kasko müşteri eğilimleri ve trafik kazasını etkileyen faktörlerin veri madenciliği ile risk analizi. [Yayımlanmamış dokora tezi]. Karabük Üniversitesi.
22. Keshavarz-Ghorabaee, M., Zavadskas, E. K., Olfat, L. ve Turskis, Z. (2015). Multi-criteria inventory classification using a new method of evaluation based on distance from average solution (EDAS). Informatica, 26(3), 435-451. https://doi.org/0.15388/Informatica.2015.57
23. Khattak, A. J., Schneider, R. J. ve Targa, F. (2003). Risk factors in large truck rollovers and injury severity: Analysis of single-vehicle collisions [Konferans sunumu]. Transportation Research Board 82nd Annual Conference, Washington, D.C. United States.
24. Khattak, A., Luo, Z. ve Gao, M. (2012). Investigation of factors associated with truck crash severity in Nebraska. University of Nebraska-Lincoln. https://digitalcommons.unl.edu/matcreports/20.
25. Khorashadi, A., Niemeier, D., Shankar, V. ve Mannering, F. (2005). Differences in Rural and Urban Driver-Injury Severities in Accidents Involving Large-Trucks: An Exploratory Analysis. Accident Analysis & Prevention, 37(5), 910-921. https://doi.org/10.1016/j.aap.2005.04.009
26. Kiracı, K. ve Bakır, M. (2018). CRITIC temelli EDAS yöntemi ile havayolu işletmelerinde performans ölçümü uygulaması. Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, (35), 157-174. https://doi.org/10.30794/pausbed.421992
27. Kockelman, K. M. ve Kweon, Y. J. (2002). Driver ınjury severity: An application of ordered probit models. Accident Analysis & Prevention, 34(3), 313-321. https://doi.org/10.1016/S0001-4575(01)00028-
28. Koşaroğlu, Ş. M. (2020). BİST’te işlem gören bankaların performanslarının SD ve EDAS yöntemleriyle değerlendirilmesi. Finans Ekonomi ve Sosyal Araştırmalar Dergisi, 5(3), 406-417. https://doi.org/10.29106/fesa.758281
29. Orhan, M. (2019). Türkiye ile Avrupa Birliği ülkelerinin lojistik performanslarının Entropi ağırlıklı EDAS yöntemiyle karşılaştırılması. Avrupa Bilim ve Teknoloji Dergisi, (17), 1222-1238. https://doi.org/10.31590/ejosat.657693
30. Özaydın, G. ve Karakul, A. K. (2021). ENTROPİ tabanlı MAUT, SAW VE EDAS yöntemleri ile finansal performans değerlendirmesi. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 26(1), 13-29.
31. Özen, M. ve Zorlu, F. (2018). Türkiye’de devlet karayollarında kaza oranlarının ve kaza örüntüsünün analizi. Teknik Dergi, 29(5), 8589-8604. https://doi.org/10.18400/tekderg.308318
32. Öztürk, E. A. (2016). Türkiye’deki illerin trafik risk endeksi. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 22(6), 405-412.
33. Savolainen, P. ve Mannering, F. (2007). Probabilistic models of motorcyclists’ ınjury severities in single-and multi-vehicle crashes. Accident Analysis & Prevention, 39(5), 955963. https://doi.org/10.1016/j.aap.2006.12.016
34. Torkayesh, A. E., Ecer, F., Pamucar, D. ve Karamaşa, Ç. (2021). Comparative assessment of social sustainability performance: Integrated Data-Driven Weighting System and Cocoso model. Sustainable Cities and Society, 71, 102975. https://doi.org/10.1016/j.scs.2021.102975
35. Türkiye İstatistik Kurumu. (2024). Ulaştırma ve Haberleşme İstatistikleri. https://data.tuik.gov.tr/Kategori/GetKategori?p=Ulastirma-ve-Haberlesme-112
36. Ulu, M., Türkan, Y. S. ve Mengüç, K. (2022). Trafik kazalarını etkileyen faktörlerin ağırlıklarının BWM ve SWARA yöntemleri ile belirlenmesi. Akıllı Ulaşım Sistemleri ve Uygulamaları Dergisi, 5(2), 227-238. https://doi.org/10.51513/jitsa.1084833
37. Ünal, E. A. (2019). Bütünleşik Entropi ve Edas yöntemleri kullanılarak BİST sigorta şirketlerinin performansının ölçülmesi. Finans Ekonomi ve Sosyal Araştırmalar Dergisi, 4(4), 555-566. https://doi.org/10.29106/fesa.649946
38. Ünlü, H., Biçer, B. K. ve Özcebe, H. (2017). Türkiye’de 2005-2014 yılları arasındaki ölüm/yaralanma ile sonuçlanan trafik kaza verilerinin değerlendirilmesi. Turkish Journal of Public Health, 15(2), 123-135. https://doi.org/10.20518/tjph.341165
39. Wang, Y. M. ve Luo, Y. (2010). Integration of correlations with standard deviations for determining attribute weights in multiple attribute decision making. Mathematical and Computer Modelling, 51(1–2). https://doi.org/10.1016/j.mcm.2009.07.016
40. Yılmaz, N. (2022). Türk kamu mevduat bankalarının finansal performanslarının IDOCRIW temelli EDAS yöntemiyle karşılaştırmalı analizi. Döngüsel Ekonomi: Teori ve Pratik, 153.
41. Zhang, H., Gu, C. L., Gu, L. W. ve Zhang, Y. (2011). The evaluation of tourism destination competitiveness by TOPSIS & information entropy–A case in the Yangtze River Delta of China. Tourism Management, 32(2), 443-451. https://doi.org/10.1016/j.tourman.2010.02.007