Analysis of Traffic Accidents with Business Intelligence Tool: Example of Sakarya Province

Öz

Road transportation plays a critical role not only in the daily mobility of individuals but also in ensuring the continuity of key sectors such as trade, healthcare, and education. However, the increase in the number of motor vehicles has intensified traffic congestion and the associated risk of accidents, making road safety a major global public health concern. This study analyzes fatal and injury traffic accidents that occurred in Sakarya province between 2013 and 2019 using the Microsoft Power BI business intelligence tool integrated with Geographic Information Systems (GIS) for multidimensional assessment. Data obtained from the General Directorate of Security—covering 18 variables such as accident date, location, time, weather and road conditions, vehicle type, and driver characteristics—were cleaned through ETL processes, loaded into a SQL Server data warehouse, and examined via OLAP cubes. Findings indicate that 84% of accidents occurred in residential areas, with automobiles (55%) and heavy vehicles (18%) being the most involved. Two-vehicle collisions, particularly side and rear-end crashes, were predominant. Spatial density maps revealed high-risk areas concentrated at intersections and main arterial roads in the city center. The results highlight the importance of policy measures such as urban speed management and automated enforcement systems, rerouting heavy vehicles to bypass roads, implementing roundabouts and intelligent signal control at intersections, deploying traffic calming measures, improving road lighting, and using surface warning devices. Future research is recommended to incorporate AI and machine learning-based predictive models, multi-source data integration, and mobile/IoT-based monitoring systems.

Anahtar Kelimeler

• Sakarya
• traffic accidents analysis
• business intelligence

Trafik Kazalarının İş Zekâsı Aracı ile Analizi: Sakarya İli Örneği

Öz

Karayolu ulaşımı, bireylerin günlük yaşamındaki hareketliliğin yanı sıra ticaret, sağlık ve eğitim gibi birçok temel sektörün sürekliliğinde kritik rol oynamaktadır. Ancak motorlu taşıt sayısındaki artış, trafik yoğunluğu ve buna bağlı kaza risklerini yükseltmekte, trafik güvenliğini küresel ölçekte önemli bir halk sağlığı sorunu haline getirmektedir. Bu çalışma, Sakarya ilinde 2013–2019 yılları arasında meydana gelen ölümlü ve yaralanmalı trafik kazalarını Microsoft Power BI iş zekâsı aracı ve Coğrafi Bilgi Sistemleri (CBS) entegrasyonu ile çok boyutlu olarak analiz etmektedir. Emniyet Genel Müdürlüğü’nden (EGM) temin edilen, kaza tarihi, yeri, saati, hava ve yol koşulları, araç ve sürücü özelliklerini içeren 18 değişken; Çekme-Dönüştürme-Yükleme (Extract-Transform-Load, ETL) süreciyle temizlenmiş, SQL Server veri ambarına aktarılmış ve çevrimiçi analiz işleme (Online Analytical Processing, OLAP) küpleriyle incelenmiştir. Bulgular, kazaların %84’ünün yerleşim yerlerinde, çoğunlukla otomobil (%55) ve ağır taşıtların (%18) karıştığı, iki araçlı ve yandan/arkadan çarpma türlerinin baskın olduğunu göstermektedir. Mekânsal yoğunluk haritaları, şehir merkezindeki kavşaklar ile ana arterlerde riskin yüksek olduğunu ortaya koymuştur. Sonuçlar, şehir içi hız yönetimi ve otomatik denetim sistemleri, ağır taşıtların çevre yollarına yönlendirilmesi, kavşaklarda dönel kavşak ve akıllı sinyalizasyon uygulamaları, yerleşim içi hız düşürücüler, yol aydınlatması ve yüzey uyarıcıları gibi politika önlemlerinin önemini vurgulamaktadır. Gelecek çalışmaların yapay zekâ (Artificial Intelligence, AI) ve makine öğrenmesi tabanlı tahmin modelleri, çok kaynaklı veri entegrasyonu ve mobil/nesnelerin interneti (Internet of Things, IoT) tabanlı izleme sistemlerini içermesi önerilmektedir.

Anahtar Kelimeler

• Sakarya
• trafik kazaları analizi
• iş zekâsı

Destekleyen Kurum

Bu çalışma, herhangi bir kurum, kuruluş veya fon sağlayıcı tarafından desteklenmemiştir.

Etik Beyan

Bu çalışma, EGM tarafından kamuya açık şekilde sağlanan ikincil nitelikteki trafik kazası verilerine dayanmaktadır. Araştırmada herhangi bir kişisel veri, özel nitelikli bilgi veya bireysel katılımcıdan elde edilen birincil veri kullanılmamıştır. Çalışmada insan veya hayvan denekler üzerinde deneysel uygulama gerçekleştirilmediğinden dolayı etik kurul onayı gerekmemektedir. Tüm analizler anonimleştirilmiş ve istatistiksel olarak toplulaştırılmış veriler üzerinden yürütülmüştür.

Teşekkür

Bu çalışmada kullanılan trafik kazası verilerini kamuoyuyla paylaşarak araştırma süreçlerine katkı sağlayan EGM’ye teşekkür ederim.

Kaynakça

1. Akgül, E., Üstündağ, M. T., ve Tanrıverdi, M. (2018). Business intelligence application for campaign magagement in the retail sector. Artificial Intelligence Studies, 1(1), 8–25. https://doi.org/10.30855/AIS.2018.01.01.02
2. Ayçin, E., ve Aşan, H. (2021). İş zekâsı uygulamaları seçimindeki kriterlerin önem ağırlıklarının fucom yöntemi ile belirlenmesi. Afyon Kocatepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 23(2), 195–208. https://doi.org/10.33707/akuiibfd.903563
3. Ayvaz, E. (2017). Stratejik maliyet yönetimi ve iş zekâsı. AJIT-e: Academic Journal of Information Technology, 8(28), 7–20. https://doi.org/10.5824/1309-1581.2017.3.001.x
4. Awad, M., Redhaei, A. A. ve Fraihat, S. (2022, 22-23 Eylül). Using business intelligence to analyze road traffic accidents [Konferans sunumu]. Central and Eastern European eDem and eGov Days (CEEeGov ’22). Association for Computing Machinery, New York NY, United States. https://doi.org/10.1145/3551504.3551507
5. Chand, A., Jayesh, S. ve Bhasi, A. B. (2024). Contributing factors of road traffic accidents: Exploration through data visualization. Transactions of the Indian National Academy of Engineering, 9, 445-457. https://doi.org/10.1007/s41403-024-00470-x
6. Córdova, F., Montt, C. ve Lagos, N. (2025). Model for analysis and evaluation of road crashes resulting in fatalities using business intelligent systems approach. International Journal of Computers Communications & Control, 20(2). https://doi.org/10.15837/ijccc.2025.2.7017
7. Çelebi, H., ve Çakmak, A. F. (2019). Veri ambarı projelerinde etl performansını etkileyen faktörlerin belirlenmesi. Selçuk Üniversitesi Sosyal Bilimler Meslek Yüksekokulu Dergisi, 22(2), 965–990. https://doi.org/10.29249/selcuksbmyd.580424
8. Çetin, G., ve Tanrıöver, Ö. Ö. (2020). Personel iş zekâsı sistemi ve veri madenciliği ile personel memnuniyetinin ölçülmesi. Avrupa Bilim ve Teknoloji Dergisi, 323–334. https://doi.org/10.31590/ejosat.823340

9. Çetinyokuş, T., ve Özdil, L. (2015). İş zekâsı yazılımı alternatiflerinin çok kriterli karar verme yöntemi ile değerlendirilmesi. Yönetim Bilişim Sistemleri Dergisi, 1(2), 48-61.
10. Council, F. M., Persaud, B., Eccles, K., Lyon, C., ve Griffith, M. S. (2005a). Safety evaluation of red-light cameras (Report No. FHWA-HRT-05-048). Federal Highway Administration. https://www.fhwa.dot.gov/publications/research/safety/05048/05048.pdf
11. Council, F. M., Persaud, B., Eccles, K., Lyon, C., ve Griffith, M. S. (2005b). Safety evaluation of permanent raised pavement markers (Report No. FHWA-HRT-05-049). Federal Highway Administration. https://www.fhwa.dot.gov/publications/research/safety/05049/05049.pdf
12. Damar, M. (2024). Sağlık sektöründe karar destek araçları: İş zekâsı, makine öğrenmesi, derin öğrenme ve yapay zekâ uygulamaları. İzmir Sosyal Bilimler Dergisi, 6(2), 90–115. https://doi.org/10.47899/ijss.1591168
13. Damar, M., ve Karaman, D. (2021). Açık veri ve iş zekâsı teknolojisi: İstanbul Büyükşehir Belediyesi dava verileri üzerine bir değerlendirme. Mehmet Akif Ersoy Üniversitesi Uygulamalı Bilimler Dergisi, 5(2), 206–228. https://doi.org/10.31200/makuubd.899741
14. Dünya Sağlık Örgütü (DSÖ), (2021). Global status report on road safety - time for action. https://www.afro.who.int/publications/global-status-report-road-safety-time-action
15. European Commission, (2023). Road safety thematic report: Professional drivers – trucks and buses. (Version 1.1). European Road Safety Observatory. Publications Office of the European Union. https://road-safety.transport.ec.europa.eu/document/download/e19cf119-eed4-4cb3-b1fd-1fd0b4554992_en
16. Eren, A. ve Kaya, M. D. (2019). İş zekâsı sistemlerinde karar verme başarısının incelenmesi. Business & Management Studies: An International Journal, (2019), 7(5), 2148-2176. http://dx.doi.org/10.15295/bmij.v7i5.1257
17. Eren, A., ve Kaya, M. D. (2021). İş zekâsı ile performans ve değer elde etme. Turkish Studies-Economics, Finance, Politics, 16(1). http://dx.doi.org/10.47644/TurkishStudies.48030
18. Federal Highway Administration. (2021). Roundabouts (FHWA-SA-21-042). U.S. Department of Transportation. https://highways.dot.gov/safety/proven-safety-countermeasures/roundabouts
19. Geçer, H. S. (2021). Trafik kaza analizinde iş zekâsı tabanlı bir model önerisi [Yayımlanmamış doktora tezi]. Sakarya Üniversitesi İşletme Enstitüsü.
20. Hu, W. (2025, 13 Ağustos). Roundabouts. Insurance Institute for Highway Safety (IIHS) https://www.iihs.org/topics/roundabouts
21. Inmon, W. H. (2005). Building the data warehouse. John Wiley & Sons.
22. Kimball, R., ve Ross, M. (2013). The data warehouse toolkit: The definitive guide to dimensional modeling (3. baskı). Wiley.
23. Liu, Q., ve Garber, N. J. (2007). Identifying the impact of truck-lane restriction strategies on traffic flow and safety using simulation (Final Report). U.S. Department of Transportation, Research and Innovative Technology Administration; Virginia Department of Transportation. University of Virginia, Center for Transportation Studies.
24. Madnira, S., Sandez, C. ve Abby, A. (2023). Business intelligence (BI) approach for traffic accidents analysis. International Journal of Information Technology and Computer Science Applications (IJITCSA), 1(2), 86-95. https://doi.org/10.58776/ijitcsa.v1i2.32
25. Mudongo, M., Thuma, E., Motlogelwa, N. P., Leburu-Dingalo, T. ve Majoo, P. (2021). Business intelligence and data warehouse technologies for traffic accident data analysis in Botswana. Computer Science & Information Technology (CS & IT), 11, 231–247. https://doi.org/10.5121/csit.2021.111720
26. Nusa, F. N. M., Ishak, S. Z., Rusli, R., Isa, C. M. M., Manan, M. M. A. ve Sulistyono, S. (2023). Road crash data visualisation and analytics using tableau for mountainous roadway areas in Cameron Highlands, Malaysia. Planning Malaysia, 21(28). https://doi.org/10.21837/pm.v21i28.1314
27. Özen, M. (2018). Türkiye’deki̇ karayolu trafi̇k kazalarındaki eği̇li̇mler, 1980-2016. Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi, 7(2), 732–740. https://doi.org/10.28948/ngumuh.444765
28. 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
29. Özen, O. (2020). Kamu hastanelerinde tanı ve tedavi süreçlerinde bekleme sürelerinin analizi [Yayımlanmamış doktora tezi]. İstanbul Medipol Üniversitesi Sağlık Bilimleri Enstitüsü.
30. Pazarçeviren, S. Y., Zor, Ü., ve Gürbüz, F. (2015). İş zekâsı: Kavramsal çerçeve, bileşenler ve işleyiş. Siyaset, Ekonomi ve Yönetim Araştırmaları Dergisi, 3(1), 75–91.
31. Rababah, M., Maydanchi, M., Pouya, S., Basiri, M., Azad, A. N., Haji, F. ve Aminjarahi, M. (2022). Data visualization of traffic violations in Maryland, U.S. arXiv preprint arXiv:2208.10543. Erken çevrimiçi yayın. https://doi.org/10.48550/arXiv.2208.10543
32. Rabbani, M. B. A., Musarat, M. A., Alaloul, W. S., Maqsoom, A., Bukhari, H. ve Rafiq, W. (2021). Road traffic accident data analysis and its visualization. Civil Engineering and Architecture, 9(5), 1603-1614. https://doi.org/10.13189/cea.2021.090530
33. Rothman, L., Macpherson, A., Buliung, R., Macarthur, C., To, T., Larsen, K., ve Howard, A. (2015). Installation of speed humps and pedestrian-motor vehicle collisions in Toronto, Canada: a quasi-experimental study. BMC public health, 15(1), 774. https://doi.org/10.1186/s12889-015-2116-4
34. Sakib, A., Ismail, S. A., Sarkan, H., Azmi, A. ve Mohd Yusop, O. (2018, 9 Eylül). Analyzing traffic accident and casualty trend using data visualization [Konferans sunumu]. Recent Trends in Data Science and Soft Computing: Proceedings of the 3rd International Conference of Reliable Information and Communication Technology (IRICT 2018). https://doi.org/10.1007/978-3-319-99007-1_9
35. Shelton, J., Morgan, C., Warner, J., Valdez, G., Sharma, S., Pesti, G., Le, M., ve Balke, K. (2020, 1 Ekim). Strategies for managing freight traffic through urban areas: Technical report (Report No. FHWA/TX-18/0-6851-R1). Texas A&M Transportation Institute; Texas Department of Transportation; Federal Highway Administration. https://tti.tamu.edu/documents/0-6851-R1.pdf
36. Sunkpho, J. ve Wipulanusat, W. (2020). The role of data visualization and analytics of highway accidents. Walailak Journal of Science and Technology (WJST), 17(12), 1379-1389. https://doi.org/10.48048/wjst.2020.10739
37. Tester, J. M., Rutherford, G. W., Wald, Z., ve Rutherford, M. W. (2004). A matched case–control study evaluating the effectiveness of speed humps in reducing child pedestrian injuries. American Journal of Public Health, 94(4), 646–650. https://doi.org/10.2105/AJPH.94.4.646
38. Türkiye İstatistik Kurumu (TÜİK), (2021). Karayolu trafik kaza istatistikleri, 2020 (Yayın No: 37436). Türkiye İstatistik Kurumu. https://data.tuik.gov.tr/bulten/index?p=karayolu-trafik-kaza-istatistikleri-2020-37436
39. Ülker, G. ve Coşkun, E. (2015, 26-29 Mayıs). The analysis of traffic accidents with a business intelligence approach: An application in Turkey [Konferans sunumu]. International Interdisciplinary Business-Economics Advancement Conference. https://doi.org/10.5038/2372-5885-v4
40. Ülker, G. (2020). Üniversite analitiği (Üniversite yönetiminde iş zekâsı ve iş analitiği uygulamaları) [Yayımlanmamış doktora tezi]. Sakarya Üniversitesi İşletme Enstitüsü.
41. Wilson, C., Willis, C., Hendrikz, J. K., Le Brocque, R., ve Bellamy, N. (2010). Speed cameras for the prevention of road traffic injuries and deaths. Cochrane Database of Systematic Rreviews, (10). https://doi.org/10.1002/14651858.CD004607.pub3
42. Zhu, Y., Demiroluk, S., Ozbay, K., Xie, K., Yang, H. ve Sha, D. (2021). SAVE‐T: Safety analysis visualization and evaluation tool. Journal of Advanced Transportation, 2021(1), 5545117. https://doi.org/10.1155/2021/5545117