Amerika’da Meydana Gelen Trafik Kazalarının Yapay Sinir Ağları ve Çok Değişkenli Regresyon Yöntemleriyle Tahmini
Dünya sağlık örgütü (WHO) dünyada 1,35 milyon kişinin trafik kazaları nedeniyle hayatını kaybettiğini açıklamaktadır. Amerika’da da dünyada olduğu gibi trafik kazası nedeniyle hayatını kaybeden kişi sayısı çok fazladır. Çok sayıda insanın hayatını kaybetmesine sebep olan trafik kazalarının birçok nedeni olabilir. Yapılan bu çalışmada trafik kazalarına sebep olan değişkenler incelenmektedir. Araç sayısı, sürücü sayısı, nüfus ve seyahat edilen araç mili değişkenleri kullanılarak bir veri seti oluşturulmaktadır. Veri seti oluşturulurken Amerika Birleşik Devletleri Ulaştırma Bakanlığı veri tabanından elde edilen veriler kullanılmaktadır. Veri seti 1994-2018 yılları arasındaki verileri kapsamaktadır. Oluşturulan veri seti kullanılarak istatistiksel yöntemlerden çok değişkenli regresyon (MR) ve yapay zeka tekniklerinden yapay sinir ağları (YSA) kullanılarak kaza sayısı tahmin modelleri geliştirilmektedir. Geliştirilen modeller birbiriyle kıyaslanmaktadır. Modeller kıyaslanırken hataların kareleri ortalaması (HKO), ortalama yüzde hata (OYH) ve korelasyon katsayısı (R) kriterleri kullanılmaktadır. Yapılan analizler sonucunda YSA kaza sayısı tahmin modelinin HKO, OYH ve R değerleri sırasıyla 265228,79-%0,829-0,988 olarak hesaplanmaktadır. Yapılan bu çalışmada YSA modelinin regresyon modellerine göre daha iyi sonuçlar verdiği gözlemlenmektedir. Buna benzer çalışmalarda yapay zeka metotlarından YSA’nın kullanılması önerilmektedir.
Prediction of Traffic Accidents in The America by Using Artificial Neural Networks and Multivariate Regression Methods
World Health Organization (WHO) announced that 1.35 million people die worldwide due to traffic accidents. In America, the number of people who lost their lives due to traffic accidents is very high, as in the world. There may be many reasons for the occurrence of traffic accidents. In this study, the variables that cause traffic accidents are examined. A data set is created using the variables of number of vehicles, the number of drivers, population, the number of vehicles traveled and the number of vehicle miles traveled. Data obtained from the database of the United States Department of Transportation are used while creating the data set. The data set includes data between the years 1994-2018. Accident number prediction models are developed by using multivariate regression (MR) from statistical methods and artificial neural networks (ANN) from artificial intelligence techniques by using the data set. The models developed are compared with each other. While comparing the models, the criteria such as mean squares of errors (MSE), mean of percentage errors (MPE) and correlation coefficient (R) are used. As a result of the analyzes made, the MSE, MPE and R values of the ANN accident number prediction model were calculated as 265228.79-% 0.829-0.988, respectively. In this study, it is observed that ANN model gives better results than regression models. It is recommended to use ANN, one of the artificial intelligence methods, in similar studies.
___
- Aghayan I. Improved traffic crash modeling through accuracy and response time using classification algorithms: A model comparison approach, Eastern Mediterranean University (EMU), Doctoral dissertation 2013.
- Akguuml AP., Doğan E. An application of modified Smeed, adapted Andreassen and artificial neural network accident models to three metropolitan cities of Turkey. Scientific Research and Essays 2009; 4(9): 906-913.
- Altun İ., Dündar S., Yöntem K. Yapay sinir ağları ile trafik akım kontrolü. Deprem Sempozyumu, Kocaeli 2005; 1335-1344.
- Ataseven B. Yapay sinir ağları ile öngörü modellemesi 2013.
- Cansız ÖF., Çalışıcı M., Ünsalan K. Türkiye karayollarında meydana gelen kazalarda oluşan yaralı sayısı için tahmin modellerinin oluşturulması. 2. Uluslararası Mühendislik ve Tasarım Kongresi, Kocaeli 2017.
- Cansız ÖF. Enerji politikalarının ulaştırma sistemlerinin optimizasyonu ile geliştirilmesi ve uygulamadan elde edilen getirilerin ortaya konması. Fen Bilimleri Enstitüsü, İnşaat Mühendisliği Anabilim Dalı, Doktora Tezi 2007; 352s.
- Cansız ÖF., Ünsalan K., Erginer İ. Karayolları enerji tüketiminin yapay zeka ve regresyon yöntemleri ile modellenmesi. Uludağ Üniversitesi 2020.
- Cansız ÖF., Çalışıcı M., Miroglu MM. Use of artificial neural network to estimate number of persons fatally injured in motor vehicle accidents. In Proceedings of the 3rd International Conference on Applied Mathematics 2009; 136-142.
- Çelik Ş. Zaman serileri analizi ve trafik kazası verilerine uygulanması. Iğdır Üniversitesi Fen Bilimleri Enstitüsü Dergisi 2013; 3(4): 43-51.
- Erginer M., Cansız ÖF., & Erginer İ. Trafik kaza sayısının ve yaralı sayısının yapay sinir ağları ile tahmini. Osmaniye Korkut Ata Üniversitesi Fen Bilimleri Enstitüsü Dergisi 2020; 3(1): 29-35.
- Es HA., Kalender FY., Hamzaçebi C. Yapay sinir ağları ile Türkiye net enerji talep tahmini. Gazi Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi 2014; 29(3): 495-504.
- Kibar FT. Türkiye'de kamyon kazaları ile trafik ve karayolu geometrik özellikleri arasındaki ilişkinin istatistiksel ve yapay sinir ağları yöntemleri ile modellenmesi. Doktora tezi, Karadeniz Teknik Üniversitesi/Fen Bilimleri Enstitüsü 2015.
- Mussone L., Ferrari A., Oneta M. An analysis of urban collisions using an artificial intelligence model. Accident Analysis & Prevention 1999; 31(6): 705-718.
- Ramli MZ. Development of accident prediction model by using artificial neural network (ANN). Doctoral dissertation, Universiti Tun Hussein Onn Malaysia 2011.