Makine öğrenme yöntemleri ile Kahramanmaraş ilindeki trafik kazası sonuçlarının analizi ve tahmin edilmesi
Analysis and estimation of traffic accident results in Kahramanmaraş with machine learning methods
- Tez No: 733517
- Danışmanlar: DOÇ. DR. MELİH YÜCESAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Munzur Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Mühendislik Yönetimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 92
Özet
Trafik kazaları insan yaralanmaları ve ölümlerinin en büyük nedenlerindendir. Dünya üzerinde 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 WEKA aracında makine öğrenme teknikleri ile analiz edildi. Trafik kazalarının analizinde sınıflandırma, kümeleme, birliktelik kuralı ve görsel karşılaştırma yöntemleri kullanılmaktadır. Sınıflandırma yönteminde Naive Bayes, Destek Vektör Makinesi, K En Yakın Komşu, PART, AdaboostM1, J48 ve Rastgele Orman algoritmaları kullanıldı. Kümeleme yönteminde SimpleKMeans ve EM kümeleme algoritmaları kullanıldı. Birliktelik yönteminde Apriori algoritmaları kullanıldı. Sonuç olarak trafik kazalarının tahmininde sınıflandırma algoritmaların performans ölçütlerine bakıldığında karar ağaçlarından J48 algoritması en başarılı sonuçları elde ederken, NB 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.
Özet (Çeviri)
Traffic accidents are one of the biggest causes of human injuries and deaths. Every year, more than 1 million deaths and 50 million injuries occur in traffic accidents around the world. While there is a traffic accident every 2 seconds in these accidents, it results in a fatal accident every 50 seconds. In this study, 7929 traffic accidents, consisting of 28 features, that took place in Kahramanmaraş city center and its districts between 2017 and 2020 were analyzed by machine learning techniques in the WEKA tool. Classification, clustering, association rule and visual comparison methods are used in the analysis of traffic accidents. Naive Bayes, Support Vector Machine, K Nearest Neighbor, PART, AdaboostM1, J48 and Random Forest algorithms were used in the classification method. SimpleKMeans and EM clustering algorithms were used in the clustering method. Apriori algorithms were used in the association method. As a result, when the performance criteria of the classification algorithms in the prediction of traffic accidents are examined, the J48 algorithm from the decision trees obtained the most successful results, while the success level of the NB algorithm was lower than the other algorithms, although it was not bad. The common result of all methods is that potential accidents with death and injury that may occur in the future are mostly between 04:00 and 08:00 in the morning and between 16:00 and 20:00 in the evening, in the settlement area of Kahramanmaraş city center and Onikisubat district, on slopes outside the settlement in Göksun district. It has been determined that the risk of living is high on winding and winding roads and on divided roads outside the settlement in Pazarcık district. In addition, it was determined that the drivers did not comply with the traffic and speed rules in the accidents that occurred, and the road, environment and safety equipment such as traffic lights, traffic signs, pedestrian ways, safety lanes and banquettes were insufficient.
Benzer Tezler
- Topluluk öğrenme yöntemleri ile renal hücreli karsinom'un tahmin edilmesi
Ensemble learning methods based prediction of renal cell carcinoma
ADEM DOĞANER
Doktora
Türkçe
2020
Biyoistatistikİnönü ÜniversitesiBiyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
PROF. DR. CEMİL ÇOLAK
- İstatistiksel doğal dil işlemede derin öğrenme yöntemleri kullanılarak çevrimiçi Türkçe akademik derlem çözümlenmesi
Analysing Turkish academical corpus using deep learning methods in statistical natural language
BARIŞ BABÜROĞLU
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKahramanmaraş Sütçü İmam ÜniversitesiEnformatik Ana Bilim Dalı
PROF. DR. MEHMET TEKEREK
- Derin öğrenme yöntemleri ve uydu görüntü verileri kullanılarak deprem sonrası ağır hasarlı alanların tespiti: Kahramanmaraş örneği
Using deep learning methods and satellite imagery identifying heavily damaged areas after an earthquake: The case of Kahramanmaraş
EMİNE SARIALİOĞLU
Yüksek Lisans
Türkçe
2024
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞİNASİ KAYA
- Derin öğrenme temelli karar destek sistemleriyle lomber spinal dar kanal analizi
Lumbar spinal stenosis analysis with deep learning based decision support systems
SİNAN ALTUN
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKahramanmaraş Sütçü İmam ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET ALKAN
- Uzun kısa süreli bellek (LSTM) kullanarak İstanbul ve civarı için deprem eğilimi tahmini
Earthquake trend prediction for İstanbul and surroundings using long short term memory (LSTM)
YASİN KARAKUŞ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. VOLKAN ALTUNTAŞ