Regresyon analizi ve yapay zeka yaklaşımı ile Türkiye ve seçilen bazı büyük illeri için trafik kaza tahmin modelleri
Yükleniyor...
Dosyalar
Tarih
2007
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Kırıkkale Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Bu tez çalısmasında, Türkiye'de meydana gelen trafik kazaları ve bu kazalar sonucunda meydana gelen yaralı ve ölü sayılarını tahmin eden modeller gelistirilmistir. Modelleri gelistirmek için 1986?2000 yılları arasında kalan veriler, gelistirilen modelleri testi etmek için ise 2000?2005 yılları arasındaki veriler kullanılmıstır. Nüfus (P) ve motorlu araç sayıları (N) modellerde kullanılan bağımsız değiskenler olurken, bağımlı değiskenler olarak da sırası ile kaza (C), ölü (D) ve yaralı sayıları (I) alınmıstır. Modeller gelistirilirken üç ayrı teknik kullanılmıs olup, bunlar: I) Smeed ve Andreassen model formlarını gelistirmek için kullanılan Regresyon Analizi, II) Yapay Sinir Ağları, III) Genetik Algoritma Teknikleridir. Her üç teknik kullanılarak gelistirilen modeller 5 yıllık dönemde ortama karesel hatalar (OKH) yöntemi ile karsılastırılmıstır. Türkiye ve bazı seçilen büyük sehirleri için gelistirilen modeller karsılastırıldığında yapay zeka tekniği kullanılarak ortaya çıkan modellerin çok daha küçük hatalarla sonuca yaklastığı gözlenmistir. Ayrıca araç sayılarının değisimine bağlı ?ki senaryo dahilinde tahminler yapılmıstır. ?lk senaryoda eski araç sayıları verileri kullanılarak olusturulan eğriye uygun olarak araç sayısının arttığı düsünülmüstür. ?kinci senaryoda ise kisi basına düsen araç sayısının, 0.4 olacağı düsünülmüstür. Belirtilen iki senaryo dahilinde 2015 yılına kadar kaza (C), yaralı (I) ve ölü (D) sayılarının tahmini yapılmıstır Anahtar Kelimeler: Kaza Tahmin Modelleri, Smeed, Andreassen, Yapay Sinir Ağları, Genetik Algoritma, Türkiye
In this thesis, different accident prediction models were developed for estimating the number of traffic accidents, injuries and deaths in Turkey. The data between 1986 and 2000 were used to develop the accident prediction models, and data between 2001 and 2005 were utilized for testing the models. In all developed models, population (P) and number of motorized vehicles (N) are used as independent variables, while the number of accidents (C), deaths (D) and injuries (I) are selected as dependent variables. three different techniques were used employed in model development; 1) Regression Analysis for Smeed and Andreassen model forms, 2)Artificial Neural Network and 3) Genetic Algorithm Technique. The performance of the proposed models were evaluated with mean square error (MSE). It is shown that the model developed using artificial intelligence technique produced better results with relatively small errors. Additionally two scenarios were presented for Turkey with various vehicle numbers. In the first scenario; number of vehicle increase with the ratio computed from the current data, In the second scenario, number of vehicles per capita is assumed to reach 0.40. In both scenarios, number of accidents (C), Injuries (I) and deaths (D) were forecast until 2015. Key Words: Accident Prediction Models, Smeed, Andreassen, Artificial Neural Network, Genetic Algorithm, Turkey
In this thesis, different accident prediction models were developed for estimating the number of traffic accidents, injuries and deaths in Turkey. The data between 1986 and 2000 were used to develop the accident prediction models, and data between 2001 and 2005 were utilized for testing the models. In all developed models, population (P) and number of motorized vehicles (N) are used as independent variables, while the number of accidents (C), deaths (D) and injuries (I) are selected as dependent variables. three different techniques were used employed in model development; 1) Regression Analysis for Smeed and Andreassen model forms, 2)Artificial Neural Network and 3) Genetic Algorithm Technique. The performance of the proposed models were evaluated with mean square error (MSE). It is shown that the model developed using artificial intelligence technique produced better results with relatively small errors. Additionally two scenarios were presented for Turkey with various vehicle numbers. In the first scenario; number of vehicle increase with the ratio computed from the current data, In the second scenario, number of vehicles per capita is assumed to reach 0.40. In both scenarios, number of accidents (C), Injuries (I) and deaths (D) were forecast until 2015. Key Words: Accident Prediction Models, Smeed, Andreassen, Artificial Neural Network, Genetic Algorithm, Turkey
Açıklama
Anahtar Kelimeler
, , , , , , , , ,
