谷歌浏览器插件
订阅小程序
在清言上使用

Trafik Kazaları Analizi Için Bayes Ağları Modeli

Bilişim Teknolojileri Dergisi(2013)

引用 6|浏览7
暂无评分
摘要
The use of high ways as the major means of transportation in Turkey causes a rapid increase in traffic intensity. As a result of the fact that the current infrastructure is unable to respond this rapid increase of traffic intensity, in addition to the traffic infringements made both by drivers and pedestrians, each year a huge number of traffic accidents occur. To prevent the traffic accidents with tangible and intangible losses resulting from it, and to take the necessary precautions in that purpose, it is necessary to conduct a detailed analysis of traffic accidents and the factors influencing its happening. In this research, traffic accidents and the factors influencing traffic accident occurrences are analyzed via Bayesian networks. As a graphical model, Bayesian networks possess a special importance with its abilities such as showing the conditional dependencies between the variables, not being limited to only one output variable, the ability to update the network through evidence observation and the capability to transfer all these information through a graphical interface. In this research, using the official traffic accident reports obtained from Silivri Regional Branch Office and County Gendarmerie Traffic Command a data set is constructed and the corresponding Bayesian network is learned from this data set. Prediction capability of the network is verified through the test data set and the efficiency of the learned model is confirmed with the lift over marginal resulting as positive. Sensitivity analysis is performed for the variables in the network. The proposed model in this research is an exemplary model to analyze the dependency structure between the effects, causes and outcomes of traffic accidents. Keywords― Bayesian networks, analysis of traffic accidents, sensitivity analysis 42 BİLİŞİM TEKNOLOJİLERİ DERGİSİ, CİLT: 6, SAYI: 2, MAYIS 2013 1. GİRİŞ (INTRODUCTION) Son yıllarda dünya ekonomisinde, teknolojide ve toplumsal alanlarda pek çok değişim yaşanmış ve hızla yaşanmaya devam etmektedir. En hızlı değişim endüstri devrimi ve sonrası görülmüş; bu devrim ile toplumun yapısı, üretim biçimi değişmiştir. Konut talebi kentlerde artış göstermiş, kent nüfusu hızla artmıştır. Sanayinin gereklerinden olan işgücü, hammadde ve pazarlama için ulaşım talebinde de artış gözlenmiştir [1]. Böylece ulaşım, insanların gün içinde gerçekleştirdiği faaliyetler içerisinde en önemli ve öncelikli yere sahip olmuştur. İşyeri, fabrika, okul, vb. etkinlik merkezlerinin farklı yerlerde olması ve bu merkezleri birleştirmenin yanında bu merkezler arasında insan ve yük taşıma ihtiyacı, ulaşımın önemini daha da artırırken, toplumların gelişmişlik düzeylerine, teknolojilerine, siyasi durumlarına, eğitim ve kültür seviyelerine bağlı olarak değişiklik göstermektedir. Örneğin gelişmiş ülkelerde taşıma ihtiyacı ve taşıma çeşitliliği çok fazla iken, gelişmekte olan ya da gelişmemiş ülkelerde taşıma ihtiyacı fazla, ama taşıma çeşitliliği azdır [2]. Toplumlar için ulaştırmanın önemi gün geçtikçe artmakta ve bu artış pek çok ciddi problemi de beraberinde getirmektedir. Bu problemlerin en önemlileri trafik kazaları, kirlilik (hava, gürültü, çevre vb.), enerji gereksinimi, zaman kaybı, trafik tıkanıklığı olarak sıralanabilir. Bu problemler içerisinde trafik kazaları önemli bir yere sahiptir. Trafik kazalarının meydana getirdiği maddi ve manevi kayıplar önemli boyutlardadır. Bu kayıplar kişi için olduğu kadar toplum ve ülke ekonomisi için de çok önemli bir sorun teşkil etmekte ve beraberinde ağır maddi sorumluluk getirmektedir [3]. Türkiye’de trafik kazalarının her geçen gün artmasının nedenlerinin başında sorunun çözümü için yapılan araştırmalarda hem disiplinler arası yaklaşımlarla hem de kurumlar arası yaklaşımlarla saptanması gereken strateji ve hedeflerin tam olarak belirlenememesi, problemin çözümünde bilimsel çalışmalar yapılması gerekliliğinin kavranamamış olmasıdır [2]. Trafik kazalarının gerçekleşmesinde bir ya da birden fazla faktör, tek başına ya da bunların kombinasyonları şeklinde etken olmaktadır. Trafik kazalarını oluşturan etkenler insan (sürücü, yolcu ve yaya davranışları), taşıt (araç tipi, yaşı, yapısı, vb.), yol ve çevre faktörü olarak sıralanabilir. Bu etkenler trafik kazalarının meydana gelme olasılıklarında ve kazaların şiddetlerinde rol oynayan temel faktörlerdir [3]. Trafik kazalarının sonucunda, ölüm, çok ağır yaralanma, hafif yaralanma ve maddi hasar neticelerinden biri veya birkaçı ile karşılaşılması söz konusudur. Kazalara neden olan faktörlerin kaza riski ve kazanın doğuracağı sonuçlar üzerindeki etkileri ve bunlar arasındaki olasılıksal ilişkiler merak edilen bir konudur ve bu konu üzerinde birçok çalışma yapılmıştır. Bu makalenin amacı, kazalara neden olan faktörlerin kaza riski ve kazanın doğuracağı sonuçlar üzerindeki etkilerinin ve bunlar arasındaki olasılıksal ilişkilerin incelenmesi ve ayrıca Türkiye’de trafik kazalarına neden olan faktörlerin trafik kazasının oluşması ve kazanın sonuçları üzerindeki etkisinin araştırılmasıdır. Daha önce bahsedildiği üzere yol trafiği sistemi insan, araç, yol ve çevre koşullarından oluşan karmaşık dinamik yapıda bir sistemdir. Bu koşullardan herhangi biri ya da birkaçındaki bozukluklar trafik kazalarına sebebiyet vermekte ve bu nedenle de sistem yapısı rastgelelik ve belirsizlik özelliklerini göstermektedir [4]. Bayes Ağları’nın tek bir çıktıya dayanmayan ve sistemde yer alan tüm değişkenlerin birbirleriyle olan olasılıksal bağımlılık ilişkilerini içeren yapısı özellikle belirsizlik içeren karmaşık sistemlerin analizinde büyük bir avantaj sağlamaktadır. Bu sebeple bu çalışmada trafik kazalarının oluşumuna neden olan faktör ve koşullar, bu koşulların birbirleriyle olan ilişkileri ve bu ilişkiler sonucunda oluşan trafik kazalarının tür ve sonuçları üzerindeki etkileri Bayes Ağları yardımıyla incelenecektir. Olasılıksal bir model olan Bayes Ağları sistemde yer alan tüm değişkenlerin ve bu değişkenler arasındaki bağımlılık ilişkilerinin görsel olarak ifade edilmesi, ağın yapısı oluşturulduktan sonra yapılan gözlemlerin çıkarım sürecine dahil edilebilmesi ve bu doğrultuda çıkarımların (hesaplanan sonsal olasılıkların) güncellenebilmesi gibi özellikleriyle diğer alternatif modellere göre önemli avantajlar taşımaktadır. Türkiye’deki ulaşımda karayolunun kullanım oranının gelişmiş ülkelere göre yüksek olduğu görülmektedir. 2008 yılı itibarıyla AB sınırları içerisinde yapılan yolcu taşımacılığının %83,2’si, yük taşımacılığının ise %45,9’u karayolu ile yapılmaktadır. Ülkemizde ise yükte %88,3 ve yolcuda %91,8 taşıma payı ile karayolu, neredeyse tek başına, ulaştırma hizmetlerini karşılama durumuna gelmiştir. [5], [6]. Son yıllarda demiryolu ve hava ulaşımında ilerlemeler kaydedilmesine rağmen yük taşımacılığının %80,63’ü, yolcu taşımacılığının 89,59’u halen karayolları ile yapılmaktadır [7]. Bunun yanı sıra trafik kazaları sayı ve ölüm oranına göre 100.000 araca düşen ölü sayısı Türkiye’de 24, AB’ye üye 13 ülkede 1 11, Japonya’da 7’dir. Diğer taraftan 1000 kişiye düşen araç sayısı Türkiye’de 215, AB’ye üye 13 ülkede 596, Japonya’da ise 616’dır [5]. Tüm bu veriler, trafik kazalarının Türkiye’nin önemli bir problemi olduğunu göstermekte ve trafik kazaları ve trafik kazalarının yaşanmasına neden olan koşulların araştırılması için bilimsel çalışmaların yapılmasının gerekliliğini ortaya koymaktadır. Bu amaçla bu çalışmada Silivri Bölge Trafik Şube Müdürlüğü ve İlçe Jandarma Trafik Tim Komutanlığı’ndan elde edilen tutanaklar kullanılarak bir veri seti oluşturulmuş, bu veri setinden yararlanılarak trafik kazaları ve trafik kazalarının oluşumunu etkileyen faktörlerin araştırılması için ilgili Bayes Ağı kurulmuş ve bu ağ aracılığıyla analizler yapılmıştır. Silivri ilçesi, ülkemizin trafik sorunları en çok yaşanan ili olan İstanbul’a yakınlığı, civarında TEM Otoyolu, D100 (E5) Karayolu gibi yoğun trafik hatları olması ve etrafındaki yerleşim alanlarına bağlayan pekçok yolun bulunması sebebiyle bu çalışmada tercih edilmiştir. 1 Almanya, Avusturya, Fransa, Polonya, Çek Cumhuriyeti, Finlandiya, Hollanda, İspanya, İsveç, Portekiz, Norveç, İngiltere, Slovenya BİLİŞİM TEKNOLOJİLERİ DERGİSİ, CİLT: 6, SAYI: 2, MAYIS 2013 43 Makalenin akışı şu şekildedir: İkinci bölümde trafik kazaları, trafik kazalarının neden ve sonuçlarının tespiti konusunda daha önce yapılmış çalışmaları ve bu alanda Bayes Ağları’nın kullanımını örneklendiren kapsamlı bir literatür taraması yapılmaktadır. Üçüncü bölümde Bayes Ağları tanıtılmakta, yöntemin diğer yöntemlerden farklılıkları anlatılmakta, yöntemin sağladığı avantajlar ve kullanım alanları tartışılmaktadır. Dördüncü bölümde çalışmada kullanılan data ve veri setinin oluşturulması anlatılmaktır. Beşinci bölüm, kullanılan yöntem, bulgular, durum analizleri ve duyarlılık analizlerini içermektedir. Altıncı bölümde ise yapılan çalışma sonucu ulaşılan sonuç ve öneriler tartışılmaktadır. 2. TRAFİK KAZALARI ANALİZİ İÇİN LİTERATÜR TARAMASI (LITERATURE REVIEW FOR TRAFFIC ACCIDENT ANALYSIS) Trafik kazaları analizi konusunda geçmişte yapılmış olan birçok araştırmada regresyon analizi, lojistik ve sıralı probit modelleri gibi teknikler kullanılmıştır. [8][13]. Ancak bu modeller çeşitli varsayımları içermekte ve bu varsayımların ihlal edilmesi durumunda kullanılan modelin tahmin kapasitesi düşmektedir [14]. Bayes Ağları’nın bir modelde yer alan değişkenler arası bağımlılık ilişkilerini tek bir çıktı değişkenine ve herhangi bir varsayıma bağlı kalmadan, sayısal veriler olarak ortaya koyması, Bayes Ağları’nın literatürde kaza ve risk analizleri içeren modellerde kullanımını giderek artan bir sıklıkta ve yaygınlaşan bir kapsamda ortaya çıkarmaktadır. Bu kapsamda, Zhu ve arkadaşları [15] Bayes Ağları’nı kullanarak kavşak güvenliğini değerlendiren bir model ortaya koymuşlardır. Gregoriades ve Mouskos [16] benzetim aracılığıyla zenginleştirilmiş trafik datasından öğrenilen bir Bayes Ağı aracılığıyla kaza risk analizi ve akabinde kaza kara noktalarının tespiti için bir model oluşturm
更多
查看译文
关键词
Crash Prediction Models,Traffic Accidents,Simulation Models,Spatial Analysis,Driver Behavior
AI 理解论文
溯源树
样例
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要