Bulanık Mantık Yaklaşımı ile Trafik Kazası Riskinin Değerlendirilmesi

Öz

Trafik kazalarından kaynaklanan ölümler ve yaralanmalar tüm dünyada ciddi bir sorun olmaya devam etmektedir. Trafik kazalarına sebep olan faktörler oldukça çeşitlidir ve genellikle çoklu etkenlerin birleşimi sonucunda meydana gelirler. Sürücü davranışları, yol koşulları, araç durumu, iklim faktörleri, trafik kurallarının ihlali, yaya veya yolcuların hatalı davranışları ile eksik altyapı ve trafik düzenlemeleri gibi çeşitli faktörler kazaların oluşumunda etkilidir. Bu çalışmada, trafik kazalarını etkileyen dış etkenler ve sürücü etkeni dikkate alınarak bulanık mantık yaklaşımı ile trafik kazası olasılığı analiz edilmiştir. Bulanık mantık yaklaşımı ile model geliştirilmesinde önemli bir konu olan üyelik işlevlerinin belirlenmesinde 2022 yılına ait Karayolu Trafik Kaza İstatistikleri ve 2019 yılına ait Trafik Kaza ve Denetim İstatistikleri Raporları’ndan yararlanılarak yeni bir kaza tahmin modeli önerilmiştir. Önerilen modelde, faktörlerin bağımlı değişken üzerindeki etkilerini değerlendirmek amacıyla regresyon analizi uygulanmıştır. Analiz sonucunda yaş, alkol, saat, hız, hava durumu faktörlerinin kaza olasılığını anlamlı bir şekilde etkilediği tespit edilmiştir. Çalışma sonuçları, önerilen modelin, trafik kazalarının oluşumunu tahmin etmede sürücü etkeni ve dış faktörlerin karmaşıklığını dikkate alan etkili bir araç olduğunu göstermektedir.

Anahtar Kelimeler

• bulanık mantık
• trafik kazaları
• karayolu güvenliği
• trafik kaza değişkenleri
• regresyon analizi

Traffic Accident Risk Assessment with Fuzzy Logic Approach

Öz

Traffic accidents continue to be a major global concern due to the significant number of deaths and injuries they cause. The factors that cause traffic accidents are quite diverse and usually occur as a result of a combination of multiple factors. Various factors such as driver behavior, road conditions, vehicle characteristics, climate factors, non-compliance with traffic rules, pedestrian and passenger movements, infrastructure and traffic regulations are effective in the occurrence of accidents. In this study, the possibility of a traffic accident was analyzed with a fuzzy logic approach, taking into account the driver factors and external factors that affect traffic accidents. In determining the membership functions, which is an important issue in model development with the fuzzy logic approach, a new accident prediction model was proposed by using the Highway Traffic Accident Statistics for 2022 and the Traffic Accident Control Statistics Reports for 2019. In the proposed model, regression analysis was applied to evaluate the effects of the factors on the dependent variable. As a result of the analysis, it was determined that age, alcohol, time, speed and weather factors significantly affected the probability of an accident. The study results show that the proposed model is an effective tool that takes into account the complexity of driver factors and external factors in predicting the occurrence of traffic accidents.

Anahtar Kelimeler

• fuzzy logic
• traffic accidents
• road safety
• traffic accident variables
• regression analysis

Kaynakça

1. Adnan, M. R. H., Sarkheyli, A., Mohd Zain, A. ve Haron, H. (2015). Fuzzy logic for modeling machining process: A review. Artificial Intelligence Review, 43, 345-379.
2. Al-Omari, A., Shatnawi, N., Khedaywi, T. ve Miqdady, T. (2020). Prediction of traffic accidents hot spots using fuzzy logic and GIS. Applied Geomatics, 12, 149-161.
3. Ansari, A. Q. ve Islamia, J. M. (1998). The basics of fuzzy logic: A tutorial review. Computer Education-Stafford-Computer Education Group, 88, 5-8.
4. Atalay, A. (2010). Türkiye’deki trafik kazalarının mekansal ve zamansal analizi (Yayınlanmamış Doktora Tezi). Atatürk Üniversitesi, Erzurum.
5. Bolat, H. (2019). Kayseri il emniyet müdürlüğü trafik kaza verilerinin veri madenciliği yaklaşımları ile analizi (Yayınlanmamış Yüksek Lisans Tezi). Erciyes Üniversitesi, Kayseri.
6. Delice, M. (2015). Trafik kazalarına etki eden sürücüyle ilgili faktörlerin çoklu regresyon analiziyle incelenmesi. Uluslararası Hakemli Beşeri ve Akademik Bilimler Dergisi, 4(11),198-210.
7. Driss, M., Benabdeli, K., Saint-Gerand, T. ve Hamadouche, M. A. (2015). Traffic safety prediction model for identifying spatial degrees of exposure to the risk of road accidents based on fuzzy logic approach. Geocarto International, 30(3), 243-257.
8. Elmas, Ç. (2003). Bulanık mantık denetleyiciler. Ankara: Seçkin Yayıncılık.

9. Eşidir, K. A. ve Çubuk, M. (2023). Çoklu doğrusal regresyon analizi ile bölgesel kaynakların ihracat fiyatlarının incelenmesi: Yüksek karbonlu ferrokrom örneği. Bölgesel Kalkınma Dergisi, 1(1), 104-116.
10. Falamarzi, A., Borhan, M. N., Rahmat, R. A. O., Cheraghi, S. ve Javadi, H. H. S. (2016). Development of a fuzzy expert system to prioritize traffic calming projects. Jurnal Teknologi, 78(2), 43-53.
11. Gaber, M., Mohamed Wahaballa, A., Mahmoud Othman, A. ve Diab, A. (2017). Traffic accidents prediction model using fuzzy logic: Aswan desert road case study. JES. Journal of Engineering Sciences, 45(1), 28-44.
12. Gajendran, C., Serin, V. K., Seenu, S. G. ve Swati, P. (2015). Different methods of accident forecast based on real data. Journal of Civil & Environmental Engineering, 5(4), 180-184.
13. Kar, İ. (2017). Bulanık çıkarsama sistemleri ile veri madenciliği yöntemlerinin sınıflama performansının benzetim çalışması ile karşılaştırılması ve sağlık alanında uygulanması (Yayınlanmamış Yüksek Lisans Tezi). Ankara Üniversitesi, Ankara.
14. Karayolu Trafik Kaza İstatistikleri 2022 (Mayıs 2023). Türkiye İstatistik Kurumu. https://data.tuik.gov.tr/Bulten/Index?p=Karayolu-Trafik-Kaza-Istatistikleri-2022-49513.
15. Karimi, A., Eslamizad, S., Mostafaee, M., Haghshenas, M. ve Malakoutikhah, M. (2016). Road accident modeling by fuzzy logic based on physical and mental health of drivers. International Journal of Occupational Hygiene, 8(4), 208-216.
16. Katsoukis, A., Konguetsof, A., Iliadis, L. ve Papadopoulos, B. (2018). Classification of Road Accidents Using Fuzzy Techniques. Ieee.
17. Kurt, G. ve Küçüköner, N. (2019). Trafik Kaza ve Denetim İstatistikleri Raporu. Polis Akademisi Yayınları: 75, Rapor No: 27.
18. Murat, Y. S. ve Cakici, Z. (2017). An Integration of Different Computing Approaches in Traffic Safety Analysis. Transportation Research Procedia, 22, 265-274.
19. Nikolaev, A. B., Sapego, Y. S., Jakubovich, A. N., Berner, L. I. ve Stroganov, V. Y. (2016). Fuzzy Algorithm for the Detection of Incidents in the Transport System. International Journal of Environmental and Science Education, 11(16), 9039-9059.
20. Öncü, A. E. ve Önder, M. (2023). Jandarma bölgesinde gerçekleşen trafik kazalarının veri madenciliği yöntemiyle analizi. Trafik ve Ulaşım Araştırmaları Dergisi, 6(2), 143-158.
21. Özgan, E. (2003). Sivas ili çevre devlet karayollarında meydana gelen trafik kazalarının çok yönlü klinik araştırması ve kritiği (Yayınlanmamış Doktora Tezi). Gazi Üniversitesi, Ankara.
22. Pal, J. ve Bhattacherjee, V. (2015). Prediction of fine in accidents using fuzzy rule based model. International Journal of Scientific Engineering and Applied Science, 1(9),109-114.
23. Siyavuş, A. E. (2022). Üsküdar’da meydana gelen trafik kazalarının coğrafi bilgi sistemleri yardımıyla analizi. Trafik ve Ulaşım Araştırmaları Dergisi, 5(1), 65-82.
24. Upadhya, M. ve Vinothina, V. (2019). Fuzzy Logic Based Approach for Possibility of Road Accidents. Third National Conference on Computational Intelligence. 1427(012011), 1-10.
25. Uyurca, Ö. ve Atılgan, İ. (2018). Ankara ilinde meydana gelen trafik kazalarının incelenmesi. Kent Akademisi, 11(4), 618-626.
26. Wahaballa, A., Diab, A., Gaber, M. ve Othman, A. (2017). Sensitivity of Traffic Accidents Mitigation Policies Based on Fuzzy Modeling: A Case Study. 2017 IEEE 20th International Conference on Intelligent Transportation Systems (ITSC), Yokohama, Japan.
27. Wang, H., Zheng, L. ve Meng, X. (2011). Traffic Accidents Prediction Model Based on Fuzzy Logic. Advances in Information Technology and Education. Communications in Computer and Information Science. Springer, Berlin, Heidelberg.
28. Yaprak, Ş. ve Akbulut, A. M. (2019). Trafik Kaza ve Denetim İstatistikleri. Polis Akademisi Yayınları. Zadeh, L. (1965). Fuzzy sets. Information and Control, 8(3), 338-353.