Trafik Kazalarının İstatistiksel Sınıflandırma Yöntemleri Kullanılarak Değerlendirilmesi
Arzu Altın Yavuz
Doç. Dr., Eskişehir Osmangazi Üniversitesi, Eskişehir, Türkiye
Çağdaş Kara
Dr., Eskişehir Osmangazi Üniversitesi, Eskişehir, Türkiye
Türkiye’de meydana gelen trafik kazaları, sebep oldukları
maddi/manevi kayıplar sebebiyle gündemin ilk sırasında olma
durumunu korumaktadır. Trafik kazaları, birçok etkenin bir araya
gelmesi sonucu oluşmaktadır. Bunlar, insan, yol, araç, iklim, çevre
koşulları olarak sıralanabilmektedir. Trafik kazaları sonucu, telafi
edilebilen kazalar olabileceği gibi, telafisinin imkansız olduğu
kazalar da olabilmektedir. Trafik kazalarının sayısını ve etkilerini
en aza indirebilmek için ülkeler, bu konularda çeşitli stratejiler ve
uygulamalar geliştirmektedirler. Genel olarak trafik kazalarının
sayısını ve maddi/manevi kayıpları azaltabilmek için kazaya sebep
olan etkilerin tespit edilip ortadan kaldırılması gerekmektedir.
Trafik kazaları için literatür çalışmaları incelendiğinde, genel
olarak diskriminant analizi, lojistik regresyon analizi ve logaritmik
doğrusal modellerin kullanıldığı görülmektedir. Bu çalışmada,
son dönemde makine öğrenmesi algoritmaları olarak da
kullanılmaya başlanılan istatistiksel sınıflandırma ve karar
ağaçları teknikleri kullanılarak, trafik kazalarının analizleri
gerçekleştirilmiştir. 2012 ile 2016 yılları arasında Antalya ili ve
ilçelerinde ölümlü, yaralanmalı ve maddi hasarlı olmak üzere
toplam 30232 adet trafik kazası olmuştur. Meydana gelen trafik
kazaların sonucunda, ölümlü ve yaralamalı olarak gerçekleşen
3181 trafik kazası veri seti olarak kullanılmıştır. Kaza sonucu
üzerinde etkili olduğu düşünülerek; kaza yeri, yol tipi, yolun
kaplama cinsi, yolun sınıfı, hava durumu, yol yüzeyi, trafik
lambasının durumu, aydınlatma, trafik görevlisi durumu, emniyet
şeridi durumu ve kaza türü değişkenleri açıklayıcı değişken olarak
ele alınmıştır. Sınıflandırma problemi, istatistiksel bir karar verme
sürecidir. Bu düzeyde araştırmacı için iki tür karar verme süreci
vardır. Grubun ayırt edici özelliklerini inceleyerek ayrımcılığı
sağlayan değişkenleri belirlemek ve bu farklı işlevlerin yardımıyla
bireyleri doğru gruplara atamaktır. Sınıflandırma problemlerinde
varsayımların azlığı ve kullanım kolaylığı nedeniyle Lojistik regresyon yaygın olarak kullanılmaktadır. Lojistik regresyon
analizinin temel amacı, bağımsız değişkenlerle bağımlı değişken
arasındaki nedensellik ilişkisini, diğer regresyon yöntemlerinde
olduğu gibi en az değişken yardımıyla açıklamaya çalışmaktır. Bu
yüzden, trafik kazaları çalışmalarından sıklıkla kullanılmaktadır.
Son yıllarda, trafik kazalarının analizinde, karar ağaçları,
regresyon ağaçları gibi ağaçlandırma analizleri sıklıkla kullanılır
hale gelmiştir. Bu çalışmada, bu analizlerden j48, karar ağaçları
(decision tree), regresyon ağaçları ve sınıflandırma (simple cart),
rassal ağaçlar (random tree ve random forest) teknikleri
kullanılacaktır. j48 tekniği, uyarlanmış bir makine öğrenmesi
algoritmasıdır. Bu algoritmanın amacı, en yüksek bilgiyi sağlayan
ve en az sayıda dal ile bir karar ağacı oluşturmaktır. Karar ağaçları,
çok sayıda gözlem içeren veri setini bir dizi kural kullanarak daha
küçük kümelere ve dallara ayırır. Regresyon ağaçları ve
sınıflandırma, veri madenciliği ve tahmine dayalı, karmaşık veri
setlerinin analiz edilmesine olanak veren parametrik olmayan bir
tekniktir. Rassal ağaçlar, karar ağaçları tekniğini kullanarak, tüm
alt kümelerdeki dalları araması sebebi ile daha iyi modelleme
performansı sunabilmektedir. Tüm bu teknikler, büyük veri ve
makine öğrenmesi teknikleri olduğundan, az sayıda gözlem ve çok
sayıda bağımsız değişken durumunda bile etkin sonuçlar
vermektedir. Ayrıca bu durum lojistik regresyon ve diskriminant
analizi gibi gözlem sayısının değişken sayısından fazla olmasını
gerektiren klasik tekniklere bir üstünlük yaratmaktadır. Öne
sürülen tekniklerin karşılaştırılmasında; doğru sınıflandırma
oranı (DSO), ortalama mutlak hata (OMH) ve ortalama hata karesi
kökü (OHKK) kullanılmıştır. 2012 ile 2016 yılları arasında Antalya
ilinde gerçekleşen ölümlü ve yaralanmalı trafik kazalarının analizi
sonucunda, tüm karşılaştırma kriterleri göz önünde
bulundurulduğunda en iyi performansı veren tekniğin Random
Forest tekniği olduğu belirlenmiştir.
Anahtar Kelimeler: Kaza Analizi, Makine Öğrenme Yöntemleri, Lojistik Regresyon
