Makine öğrenmesi yöntemleri ile yaralanmalı trafik kazalarının analizi: Adana örneği

• Main Authors: Cevher ÖZDEN, Çiğdem ACI
• Format: Article
• Language: English
• Published: Pamukkale University 2018-04-01
• Series: Pamukkale University Journal of Engineering Sciences
• Subjects: traffic accident; prediction model; machine learning; trafik kazası; tahmin modeli; makine öğrenmesi
• Online Access: https://dergipark.org.tr/tr/pub/pajes/issue/36922/419712?publisher=pamukkale
• ISSN: 1300-7009; 2147-5881

Bu çalışmada, Adana ilinde 2005 ile 2014 yılları arasında meydana gelen yaralanmalı trafik kazalarına ait aylık bazdaki sayısal veriler ile aynı yıllara ait aylık bazdaki meteorolojik verilerden oluşturulan bir veri kümesi kullanılarak yaralanmalı kaza sayısı ve yaralı sayısı tahmini yapacak modeller geliştirilmiştir. Tahmin modellerinde, İleri Beslemeli Çok Katmanlı Yapay Sinir Ağı (İBÇK-YSA), Fonksiyon Uydurma Yapay Sinir Ağı (FU-YSA), Genelleştirilmiş Regresyon Yapay Sinir Ağı (GR-YSA), Regresyon Ağacı (RA), Destek Vektör Makinesi (DVM) ve Çoklu Doğrusal Regresyon (ÇDR) Analizi yöntemleri kullanılmıştır. Çalışma sonucunda, DVM yönteminin her iki tahmin senaryosunda da en başarılı sonuçları verdiği görülmüştür. Yaralanmalı Kaza Sayısı tahminlerinin RA yöntemi dışında Yaralı Sayısı tahminlerinden daha başarılı olduğu saptanmıştır. Ayrıca, önceki yıllarda gerçekleşen kazalara ait yol ve hava verilerini kullanarak gelecek yıllar için uygun önlemler almanın mümkün olduğu sonucuna varılmıştır.