Abstract
Dünyada her yıl 1 milyonun üzerinde ölümlü, 50 milyona yakın yaralanmalı trafik kazası meydana gelmektedir. Bu kazalarda ortalama her 2 saniyede bir trafik kazası yaşanırken her 50 saniyede bir ölümcül kaza ile sonuçlanmaktadır. Bu çalışmada, 2017 ile 2020 yılları arasında Kahramanmaraş il merkezi ve ilçelerinde gerçekleşen 28 adet öznitelikten oluşan 7929 adet trafik kazası makine öğrenme teknikleri ile analiz edilmiştir. Trafik kazalarının analizinde sınıflandırma, birliktelik kuralı ve görsel karşılaştırma yöntemleri kullanılmıştır. Sınıflandırma için NB, SVM, kNN, PART, AdaboostM1, J48 ve RF algoritmaları kullanılmıştır. Trafik kazalarının sınıflandırılmasında J48 algoritması en başarılı sonuçları elde etmiştir. Naive Bayes algoritmasının başarı düzeyi kötü olmasa da diğer algoritmalara oranla daha düşük kalmıştır. Tüm yöntemlerin ortak sonucu gelecekte yaşanabilecek ölümle ve yaralanmalı potansiyel kazaların daha çok sabah saat 04:00 ile 08:00 ve akşam saat 16:00 ile 20:00 arasında, Kahramanmaraş il merkezi ve Onikişubat ilçesinde yerleşim yeri içerisinde, Göksun ilçesindeki yerleşim yeri dışındaki eğimli ve virajlı yollarda ve Pazarcık ilçesindeki yerleşim yeri dışındaki bölünmüş yollarda yaşanma riskinin yüksek olduğu belirlenmiştir. Ayrıca meydana gelen kazalarda sürücülerin trafik ve hız kurallarına uymadığı, trafik lambası, trafik levhası, yaya yolu, emniyet şeridi ve banket gibi yol, çevre ve güvenlik ekipmanlarının yetersiz kaldığı belirlenmiştir.
Publisher
International Journal of Pure and Applied Sciences
Subject
Industrial and Manufacturing Engineering
Reference57 articles.
1. Akomolafe, T.D. ve Olutayo, A. (2013). Using Data Mining Technique to Predict Cause of Accident and Accident Prone Locations on Highways. American Journal of Database Theory and Application, 1(3):26-38.
2. Aksu, M. ve Karaman, E. (2017). Karar Ağaçları ile Bir Web Sitesinde Link Analizi ve Tespiti. Acta Infologica, 1(2):84-91.
3. Alan, M.A. ve Yeşi̇lyurt, C. (2018). Farklı Veri Setleri Üzerinde SMO ve J48 Algoritmalarının Sınıflandırma Sonuçlarının Karşılaştırılması. İşletme Bilimi Dergisi, 6(3):199-213.
4. AlMamlook, R.E., Kwayu, K.M., Alkasisbeh, M.R. ve Frefer, A.A. (2019). Comparison of Machine Learning Algorithms for Predicting Traffic Accident Severity. In: 2019 IEEE Jordan International Joint Conference on Electrical Engineering and Information Technology, Amman, Jordan.
5. Atalay, A. ve Tortum, A. (2010). Türkiye’deki İllerin 1997-2006 Yılları Arası Trafik Kazalarına Göre Kümeleme Analizi. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 16(3).