Erzincan İli İçin Farklı Yöntemlerle Trafik Kaza Tahmin Modellemesi

Erzincan ili nüfusu il merkezinde 94.000 olup trafiğe kayıtlı araç sayısı ise 30.000’dir. Bu rakamlar kişi başına yaklaşık 3 araç düştüğünü göstermektedir. İl merkezinin Kuzey Transit Karayolu üzerinde olması da Türkiye için stratejik bir öneme sahip olmasını sağlamıştır. Yıllık ortalama günlük trafik (YOGT) değeri D-100 (E-80) karayolunda 5125 araçtır. Bu konuma binaen Erzincan ilinde meydana gelen trafik kazaları ve bunların nüfus ve araç sayısı ile olan ilişkileri önemli olarak görülmüştür. Ülkemizde insan ölümleri nedenleri içinde trafik kazaları üçüncü sırayı almaktadır. 1. 200.000 araç bir yılda ölümlü, yaralanmalı ve maddi hasarlı trafik kazasına karışmaktadır. Bütün bu korkunç bilanço karşısında trafik kazalarına sebep veren değişkenleri incelemek, bunların farklı istatistik metotlarla analizini yapmak bu çalışmanın hedefleri arasındadır. William et al. (1973) yaptıkları bir çalışmada, tek başına kaza sayılarını alıp kaza analizinden ziyade Bayesci bir yaklaşım ile bir kesitteki kaza potansiyelinin analiz edilmesi gerektiğini önermişlerdir. İyinam vd (1998), tek değişkenli zaman serisi analizi ile aylık trafik kaza sayılarını modelleyip, kaza sayılarının 20 yıllık bir süreçte ne ölçüde arttığını gözlemlemişlerdir. Camkesen (1998), trafik kazalarının oluşumunda birden fazla faktörün rol aldığını ifade etmektedir. Bu faktörlerin tamamının birbirleri ile olan ilişkileri, yolların geometrik özellikleri, çevre koşulları ve sürücü karakteristikleri kazaların oluşumunda büyük rol oynamaktadırlar. Delen vd (2003), Yapay Sinir Ağları (YSA) yardımıyla sürücü karakteristiklerinin çevresel faktörlerin ve yol şartlarının kaza anındaki rolünü modellemeye çalışmıştır. Ozgan (2008) çalışmasında, karayolunda kullanılan araç tipleri ile kaza sonuçları arasındaki ilişkiyi lineer regresyon modeli ile ifade etmiştir. Türe (2008) çalışmasında, poisson ve negatif binomial (NB) regresyon yöntemlerinin kaza analizinde daha çok kullanıldığını belirtmiştir. Trabzon bölünmüş karayolunda yapmış olduğu çalışmada hız ve kavşak sayısının kaza sayısını azaltıcı bir rol oynadığını tespit etmiştir. Nakatsyii (1989) ve Altun vd (2005) yapay sinir ağları yardımıyla trafik akım kontrolü isimli bir çalışma yapmışlardır. Bu çalışmada sürücülerin karakteristik özellikleri (yaş, cinsiyet, alkol durumu, emniyet kemeri), araç tipi, hız, bölge özellikleri, aydınlık durumu gibi değişkenler girdi katmanında yer almıştır. Çıkış katmanında ise kazanın hasarsız, hafif hasarlı, orta şiddetli, ağır ve ölümcül olup olmadıkları yapay sinir ağları, fuzzy (bulanık mantık), probit model ile modellenmeye çalışılmış ve yöntemler kıyaslanmıştır. Aynı çalışmada trafik akımı ve hızı tahmin edilmeye çalışılmıştır. Yoğunluk, hava durumu, görüş, açıklık ve ağır taşıt yüzdesi değişkenleri alınmış, 360.000 trafik kaydının içinden 2688 âdeti seçilmiş, verilerin yarısı ağın eğitimi yarısı da ağın testi için kullanılmıştır. Bayata ve Hattatoğlu (2010) çalışmasında 1974–2007 yılları arasındaki ceza alan sürücü sayıları ile kaza sayıları dikkate alınarak, çok değişkenli istatistiksel analiz (ÇDR) ve yapay sinir ağları (YSA) yöntemleri ile modelleme yapılmıştır. Ceza alan sürücülerin sayısının artmasının, kaza sayılarında bir azalma göstermediği tespit edilmiştir. İstatistiksel değerlendirmelerinde, YSA’nın ÇDR’ye göre daha yüksek bir R2 değeri olduğu ve ortalama karesel hatasının da (OKH) minimum olduğu bulunmuştur. Sonuçta YSA yönteminin istatistiksel olarak daha başarılı bir yöntem olduğu ifade edilmiştir. Bu çalışmada iki farklı istatistik yöntem kullanılarak, sonuçlar itibariyle yöntemler birbirleri arasında karşılaştırılmıştır. Yapay sinir ağları (YSA) yöntemi çok değişkenli zaman serisi yöntemine göre istatistiksel olarak daha başarılı bulunmuştur. Kaza sayılarını etkileyen bağımsız değişkenlerden olan nüfus ve araç sayısındaki artışın, kaza sayılarında artışa sebep olduğu görülmüştür.
Bu çalışmada, Erzincan ilinde 1985-2010 yılları arasında meydana gelen yıllık trafik kaza sayıları kullanılarak farklı istatistiksel yöntemlerle modelleme yapılmıştır. Modellerde trafik kaza sayıları bağımlı değişken olarak kabul edilmiştir. Aynı yılları kapsayan nüfus, araç sayısı, ölü sayısı ve yaralı sayıları ise bağımsız değişken olarak kabul edilmiştir. Bu veriler yapay sinir ağları (YSA) ve çok değişkenli zaman serileri yöntemleri ile modellenmiştir. YSA yönteminde trafik kazaları değerleri [0, 1] arasında bir ölçeklemeye tabii tutulmuştur. Zaman serisi analizi ile seri durağan hale getirilmiştir. Etki tepki analizi ve varyans ayrıştırması yapılarak nüfus ve araç sayısındaki bir birimlik şokların kaza sayısı üzerindeki etkileri araştırılmıştır. Kaza sayılarını etkileyen değişkenler arasında, araç sayısı nüfusa göre istatistiksel olarak daha anlamlı çıkmıştır. Yöntemler kıyaslanırken ortalama karesel hata (OKH), belirlilik katsayısı (R2) ve Akaike bilgi kriterine (AIC) göre en iyi model belirlenmiştir. Yöntemler arasında YSA yönteminin R2 değeri diğer yönteme göre daha yüksek, ortalama karesel hatası (OKH) ise daha düşük çıkmıştır. Bu sonuçlara göre YSA yönteminin istatistiksel olarak daha başarılı olduğu görülmüştür. In this study, models were established with different statistical methods by using traffic accidents number occurred in Erzincan city between 1985-2010 years. In these models, traffic accidents number was taken as dependent variable. Populations, the number of vehicle, dead and injured were taken as independent variables. These data were modeled by Artificial Neural Networks and Multivariate time series analyses methods. Traffic accidents numbers values were scaled between [0,1]. Series were rearranged as stable by time series analyses. It was investigated that a unit shocks on population and vehicle numbers effected traffic accident numbers by impulse responses and variance decomposition Statistically, the number of vehicles was more significant than population. Mean squared error (MSE), Coefficient of Determination (R2) and Akaike Information Criteria (AIC) were used for comparing the methods. Since ANN method has higher R2 and lower MSE, it was seen that ANN method was more successfully than other.