Türkiye’de Trafik Kazalarında Meydana Gelen Ölü Sayısı Tahmin Modellerinin Geliştirilmesinde Logaritmik Regresyon ve Yapay Sinir Ağları Metotlarının Kullanılması
Künye
Cansız, Ö.F., (2018). Türkiye’de Trafik Kazalarında Meydana Gelen Ölü Sayısı Tahmin Modellerinin Geliştirilmesinde Logaritmik Regresyon ve Yapay Sinir Ağları Metotlarının Kullanılması. Karaelmas Fen ve Mühendislik Dergisi, 8(2), 446-453.Özet
Türkiye karayollarında meydana gelen kazalar sonucunda maddi ve manevi kayıplar meydana gelmektedir. Bu kayıpları en aza indirgemekamacıyla tahmin modelleri geliştirilmektedir. Bu çalışmada tahmin modelleri için 1970-2007 yılları arasındaki demografik ve trafikverilerinden yararlanılmaktadır. Bu verilerden nüfus (N), taşıt sayısı (TS), taşıt kilometre (TK), sürücü sayısı (SS) bağımsız değişken,ölü sayısı (ÖS) bağımlı değişken olarak alınmaktadır. Modeller geliştirilirken, Smeed tarafından kullanılan Logaritmik Regresyon(LR) ve Yapay Sinir Ağları (YSA) olmak üzere iki farklı teknik kullanılmaktadır. Logaritmik regresyon tekniğinde, gerçek değerlerinlogaritması alınarak ve çeşitli veri setlerinin kullanılması ile yapılan analizlerde en uygun model Nüfus, Taşıt Sayısı, Taşıt Kilometreve Sürücü Sayısından oluşan NTSTKSS modeli çıkmaktadır. YSA metodu ile tarihsel veri seti kullanılarak analizler yapılmaktadır.Yapılan YSA analizinde farklı girdi setleri kullanılarak en iyi performansı Taşıt Kilometre ve Sürücü Sayısı değişkenlerinden oluşanTKSS modeli göstermektedir. Sonuçlar incelendiğinde YSA ile geliştirilen TKSS modeli en düşük hata oranına sahip olması nedeniyleLR tekniği ile oluşturulan modellere kıyasla daha üstün performans göstermektedir. Traffic accidents occurred on highway in Turkey cause materially and morally damage. To decrease the damage, prediction modeldeveloped. In this study, demographic and traffic data which from 1970 to 2007 are used. These data are consist of dependent andindependent variables. Dependent variable is formed Number of Dead (ND). As for independent variables are comprised Population(P), Registered Number of Vehicle (VN), Vehicle-km (VK) and Number of Drivers (DN). Models are developed using ArtificialNeural Network (ANN) and Logarithmic Regression (LR) enhanced by Smeed. PVNVKDN model consisted Population, RegisteredNumber of Vehicle, Vehicle-km and Number of Drivers, developed taking real values logarithm and used a variety of input data is thebest performance of models in LR techniques. Vehicle-km, Number of Drivers (VKDN) model created by using historical data setsand used different input sets is the best model in ANN technique. When performances of best models are compared, VKDN is thebest model because of lowest value of mean square error.
Kaynak
Karaelmas Fen ve Mühendislik DergisiCilt
8Sayı
2Bağlantı
http://www.trdizin.gov.tr/publication/paper/detail/TXpJeE9UZ3hNUT09https://hdl.handle.net/20.500.12508/1029