Geri Dön

Raylı sistem kazalarının analizi için bayes ağı tabanlı bir yaklaşım

A bayesian network-based approach for analyzing railway accidents

PDF İndir

  1. Tez No: 953586
  2. Yazar: DERYA CEPHE
  3. Danışmanlar: DOÇ. DR. UMUT ASAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Mühendislik Bilimleri, Industrial and Industrial Engineering, Engineering Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Mühendislik Yönetimi Bilim Dalı
  13. Sayfa Sayısı: 105

Özet

Küresel ölçekte artan nüfus, kentleşme dinamikleri ve çevresel sürdürülebilirlik hedefleri, günümüzde ulaşım sistemlerine yönelik talepleri büyük ölçüde artırmakta; buna bağlı olarak emniyetli, verimli ve çevreye duyarlı ulaşım çözümleri geliştirilmesi kaçınılmaz hale gelmektedir. Bu bağlamda raylı sistemler, yüksek yolcu taşıma kapasiteleri, düşük karbon salımı, trafik sıkışıklığını azaltıcı etkisi ve zamanında hizmet sunabilmeleri nedeniyle birçok ülkenin stratejik ulaşım politikalarında öncelikli altyapı yatırımı olarak değerlendirilmektedir. Ancak, bu sistemlerin güvenilirliğinin sağlanması yalnızca teknolojik yatırımlarla sınırlı kalmayıp, aynı zamanda risk odaklı ve sistematik bir emniyet yönetimi yaklaşımıyla mümkün olabilmektedir. Raylı sistemlerde meydana gelen kazalar, yalnızca teknik ve ekonomik bir sorun değil, aynı zamanda doğrudan insan hayatını tehdit eden toplumsal ve etik bir meseledir. Bu kazalar; can kayıpları, yaralanmalar, kalıcı travmalar ve kamuoyunda güvensizlik gibi olumsuz sonuçlara yol açmaktadır. Her kaza, sadece doğrudan etkilenen bireyleri değil, dolaylı olarak tüm toplumun toplu taşımaya olan yaklaşımını da derinden etkileyebilmekte; bu da sürdürülebilir ulaşım hedeflerine ulaşılmasında ciddi bir tehdit oluşturmaktadır. Dolayısıyla, yalnızca kazaların sonuçları değil, bu sonuçlara neden olan faktörlerin çok boyutlu ve nedensel yapılar temelinde analiz edilmesi hayati öneme sahiptir. Bu tez çalışması, raylı sistemlerde meydana gelen kazaların ardında yatan çok boyutlu neden-sonuç ilişkilerini daha derinlemesine analiz edebilmek amacıyla, belirsizlik altında karar verme süreçlerinde güçlü bir araç olan Bayes Ağı (Bayesian Network) yaklaşımını temel alan özgün bir model geliştirilmiştir. Raylı sistem kazaları; insan hatası, teknik arızalar, çevresel koşullar ve sistem dışı etkiler gibi birçok faktörün karmaşık etkileşimi sonucunda ortaya çıkmakta ve bu faktörler çoğunlukla birbirinden bağımsız değil, karşılıklı nedensel bağlantılar içeren yapılar olarak şekillenmektedir. Bu durum, geleneksel analiz yöntemleriyle sınırlı kalınan doğrusal ilişki varsayımlarının ötesine geçilmesini, olasılık temelli, nedensel ve çok değişkenli modelleme tekniklerinin kullanılmasını zorunlu hale getirmektedir. Tezin temel amacı yalnızca geçmiş verilere dayalı olarak nicel analizler yürütmek değil; aynı zamanda bu verilerin ardındaki nedensel yapıları ortaya koymak, kazalara yol açan risk faktörlerini sistematik biçimde belirlemek ve bu bulgular doğrultusunda raylı sistem emniyetinin artırılmasına yönelik proaktif politika ve strateji önerileri geliştirmektir. Bu kapsamda çalışma, Bayes Ağı'nın koşullu olasılık yapısı sayesinde, hem doğrudan hem de dolaylı etkileri aynı anda değerlendirme imkânı sunarak sistem içerisindeki belirsizlikleri modelleyebilmekte ve farklı senaryolar altında risk seviyelerinin nasıl değiştiğine dair öngörüler üretebilmektedir. Çalışmada kullanılan yöntem, geçmiş kaza verilerinin detaylı bir şekilde sınıflandırılmasını, değişkenlerin kategorilere ayrılmasını ve değişkenler arasındaki ilişkilerin gerek istatistiksel analizler gerekse uzman görüşleriyle belirlenmesini kapsamaktadır. Bu bağlamda, geliştirilen Bayes Ağı modeli yalnızca açıklayıcı bir araç olmakla kalmayıp, aynı zamanda karar vericilere kazaların olası nedenlerini önceden tahmin etme ve müdahale önceliklerini belirleme noktasında rehberlik edecek bir karar destek mekanizması işlevi de görmektedir. Bu doğrultuda model, Almanya Federal Demiryolu Kazaları İnceleme Bürosu (Germany Federal Railway Accident Investigation Board, BEU) tarafından 2007–2023 yılları arasında yayımlanmış 300'ün üzerinde detaylı kaza raporu üzerinden elde edilen verilerle yapılandırılmıştır. Bu veri seti, kazaların tarihsel dağılımı, coğrafi konumları, nedenleri, sonuçları ve tren özellikleri gibi çok çeşitli parametreleri kapsamaktadır. BEU raporlarının detaylı içerikleri, modelin istatistiksel geçerliliği ve bağlama uygunluğu açısından değerli bir temel sağlamıştır. Bayes Ağı yöntemi, değişkenler arasındaki koşullu bağımlılıkları yönlendirilmiş döngüsüz çizgeler üzerinden modelleyebilen güçlü bir araçtır. Bu yöntem, yalnızca veriye dayalı değil, aynı zamanda uzman görüşüyle desteklenebilen yapılar oluşturulmasına da olanak tanımaktadır. Bu bağlamda çalışmada önerilen yaklaşım iki temel aşamada yürütülmüştür: (1) niteliksel modelleme süreci ve (2) niceliksel olasılık modellemesi süreci. Niteliksel modelleme sürecinde, BEU verileri analiz edilerek toplam 13 değişken tanımlanmıştır. Değişkenler arasındaki ilişkiler önce pivot tablolar üzerinden görselleştirilmiş; ardından Ki-kare bağımsızlık testi ile istatistiksel anlamlılık sınanmış; ilişki gücü ise Cramér's V katsayısı yardımıyla ölçülmüştür. Bu analizler sonucunda, modelde yer alacak güçlü bağlantılar belirlenmiş ve ağ yapısının iskeleti oluşturulmuştur. Yapının kurulmasının ardından, alanında uzman üç emniyet yöneticisinin görüşleri doğrultusunda değişkenler arasındaki nedensel yönler netleştirilmiş; literatür bilgisi ve alan deneyimiyle desteklenmiştir. Bu sayede yapı yalnızca istatistiksel olarak değil, sektörel bağlamda da anlamlı olacak şekilde tasarlanmıştır. Niceliksel modelleme sürecinde ise, niteliksel aşamada oluşturulan ağ yapısına bağlı olarak her bir değişken için koşullu olasılık tablosu (KOT) hazırlanmıştır. Bu tablolar, mevcut veri üzerinden hesaplanmış; eksik verilerin bulunduğu durumlarda uzman görüşlerinden faydalanılmıştır. Bu yaklaşımla hem veri temelli hem de bilgi temelli öğeler barındıran hibrit bir model ortaya çıkarılmıştır. Modelin yapılandırılmasının ardından, çeşitli senaryolar altında testler gerçekleştirilmiş ve farklı koşullar altında sistemin kaza üretme eğilimleri analiz edilmiştir. Model çıktıları, özellikle sistem içi insan hatalarının (İnsanSİ), düşük bakım uygulamalarının ve manuel kontrol sistemlerinin raylı sistem kazalarının temel nedenleri arasında yer aldığını açıkça ortaya koymaktadır. En dikkat çeken bulgulardan biri,“İnsanSİ – Kaza Tipi”ilişkisinin modelde en güçlü etkilerden birine sahip olmasıdır. Bu ilişki, doğrudan insan kaynaklı hataların belirli kaza türleriyle yüksek korelasyon taşıdığını göstermektedir. Eyalet düzeyinde yapılan analizlerde ise belirli coğrafi bölgelerde kaza sıklığının arttığı gözlemlenmiş; bu bulgunun, bölgesel altyapı yatırımları, bakım sıklığı, topografya ve çevresel faktörler gibi dışsal etmenlerle ilişkili olabileceği değerlendirilmiştir. Bu değerlendirme, yerel düzeyde risk analizleri yapılması gerektiğini ve tek tip emniyet stratejilerinin her bölge için aynı derecede etkili olmayabileceğini göstermektedir. Modelin geçerliliği, hem yapısal hem de çıktı düzeyinde çok yönlü biçimde test edilmiştir. Yapısal geçerlilik kapsamında, modeldeki değişkenler ve bunlar arasındaki nedensel bağlantılar uzman mühendisler tarafından incelenmiş ve genel ağ yapısının sektörel gerçeklikle uyumlu olduğu teyit edilmiştir. Çıktı geçerliliği testinde ise, model sonuçları BEU verileriyle karşılaştırılmış ve ölüm oranları, kaza seviyeleri ve neden türleri bakımından yüksek benzerlik elde edilmiştir. Ayrıca farklı senaryolarla yapılan analizlerde modelin öngörü gücünün tatmin edici düzeyde olduğu görülmüştür. Bu çalışmanın literatüre katkısı, Bayes Ağı gibi esnek ve güncellenebilir bir modelleme yönteminin, raylı sistem kazalarının neden-sonuç yapısını anlamada etkili ve uygulanabilir bir yaklaşım sunduğunu göstermesidir. HFACS, STAMP, FRAM gibi geleneksel sistem temelli analiz yöntemlerinin sınırlı kaldığı durumlarda Bayes Ağı; belirsizlik altında çalışabilme, alternatif senaryolar geliştirme ve nedensel yapılar arasında olasılıksal çıkarım yapma özellikleriyle öne çıkmaktadır. Ayrıca çalışmada kullanılan hibrit yaklaşım, tarihsel veriler ile uzman bilgisini birleştirerek daha güvenilir ve bağlama duyarlı bir model ortaya koymaktadır. Sonuç olarak, bu tez çalışması yalnızca akademik bir öneri sunmanın ötesine geçerek, raylı sistem emniyetine yönelik karar alma süreçlerinde etkin, esnek ve sürdürülebilir bir karar destek mekanizması geliştirme amacını taşımaktadır. Belirsizlik altında işleyen ve çok değişkenli yapılar içeren raylı sistem kazalarının daha sağlıklı analiz edilebilmesi için önerilen Bayes Ağı tabanlı model, gerek mevcut durumu değerlendirme gerekse risk oluşturan unsurların daha net bir şekilde ortaya konması açısından önemli avantajlar sağlamaktadır. Bu yönüyle çalışma, yalnızca geçmiş kazaları sınıflamakla kalmayıp, neden-sonuç ilişkileri üzerinden sistematik analizler yapılmasına olanak tanıyan, müdahale önceliklerini belirlemeye yardımcı olan ve politika üretimine doğrudan katkı sağlayan bir yapıya sahiptir. Geliştirilen modelin ilerleyen çalışmalarda farklı ülkelerin kaza verileriyle test edilmesi ve bu sayede kültürel, teknik ve yönetsel farklılıkların emniyet performansı üzerindeki etkilerinin karşılaştırmalı olarak incelenmesi, literatürde önemli bir boşluğu doldurabilir. Ayrıca zaman serisi verileriyle entegrasyonu sağlanarak Bayes Ağı'nın dinamik versiyonlarının kullanılması, kazaların zaman içerisindeki değişimlerini ve yapısal dönüşümleri anlamak açısından büyük bir potansiyel sunmaktadır. Bu bağlamda, raylı sistemlerde emniyet performansını artırma hedefiyle çalışan politika yapıcılar, sistem mühendisleri, risk analistleri ve emniyet sorumluları için bu çalışma; hem analitik derinliği hem de uygulama potansiyeliyle dikkat çekici bir kaynak niteliği taşımaktadır. Modelin sunduğu ilişki temelli analizler sayesinde, karar vericilere yalnızca mevcut durumu değerlendirme değil, aynı zamanda emniyet açısından kritik olan etmenlerin daha iyi anlaşılmasını sağlayacak bilimsel bir temel sunulmaktadır. Bu yönüyle tez, teorik katkılarının yanı sıra sektörel uygulamalar için de somut ve işlevsel çıktılar üretme potansiyeline sahip olup, raylı sistem emniyetine bütüncül bir yaklaşım geliştirmek isteyen tüm paydaşlara kapsamlı bir katkı sağlamaktadır.

Özet (Çeviri)

The growing global population, dynamics of urbanization, and environmental sustainability goals have significantly increased the demand for transportation systems. Consequently, the development of safe, efficient, and environmentally friendly transportation solutions has become inevitable. In this context, railway systems are considered a priority infrastructure investment in the strategic transportation policies of many countries due to their high passenger capacity, low carbon emissions, ability to reduce traffic congestion, and provision of timely services. However, ensuring the reliability of these systems is not limited to technological investments alone; it also requires a risk-oriented and systematic safety management approach. Accidents occurring in railway systems are not only technical and economic issues but also social and ethical matters that directly threaten human life. These accidents lead to negative consequences such as loss of life, injuries, long-term trauma, and public distrust. Each accident can profoundly affect not only the individuals directly involved but also society's overall perception of public transportation, posing a serious threat to the achievement of sustainable transportation goals. Therefore, it is of vital importance to analyze not only the outcomes of accidents but also the multifaceted and causal structures of the underlying factors. This thesis develops an original model based on the Bayesian Network approach, a powerful tool for decision-making under uncertainty, to conduct a deeper analysis of the multidimensional cause-effect relationships underlying railway system accidents. Railway accidents result from the complex interaction of various factors such as human error, technical failures, environmental conditions, and external influences. These factors are often not independent of each other but are interconnected through causal structures. This complexity necessitates moving beyond the linear relationship assumptions of traditional analysis methods and requires the use of probabilistic, causal, and multivariate modeling techniques. The main objective of the thesis is not only to perform quantitative analyses based on historical data but also to reveal the underlying causal structures, systematically identify the risk factors leading to accidents, and develop proactive policy and strategy recommendations to enhance railway safety. In this context, the study utilizes the conditional probability structure of Bayesian Networks to model uncertainties within the system, enabling the simultaneous evaluation of both direct and indirect effects, and providing insights into how risk levels may change under different scenarios. The methodology employed in this study involves the detailed classification of past accident data, the categorization of variables, and the identification of relationships between these variables through both statistical analyses and expert opinions. In this context, the developed Bayesian Network model functions not only as a descriptive tool but also as a decision support mechanism that guides decision-makers in anticipating the potential causes of accidents and prioritizing interventions accordingly. Accordingly, the model was constructed using data extracted from over 300 detailed accident reports published between 2007 and 2023 by the Federal Railway Accident Investigation Board of Germany (BEU). This dataset includes a wide range of parameters such as the historical distribution of accidents, geographic locations, causes, consequences, and characteristics of the trains and railway lines involved. The detailed content of BEU reports has provided a valuable foundation for ensuring the statistical validity and contextual relevance of the model. The Bayesian Network method is a powerful tool capable of modeling conditional dependencies among variables through directed acyclic graphs. This method allows for the construction of models supported not only by data but also by expert input. In this study, the proposed approach was implemented in two main stages: (1) the qualitative modeling phase and (2) the quantitative probability modeling phase. In the qualitative modeling phase, an analysis of the BEU data led to the identification of 13 variables. The relationships among these variables were first visualized through pivot tables; then, the statistical significance of their associations was tested using the Chi-square independence test, and the strength of these relationships was measured with the Cramér's V coefficient. Based on these analyses, strong connections to be included in the model were identified, forming the structural backbone of the network. Following the establishment of the structure, the causal directions between variables were clarified through the insights of three domain experts-safety managers and engineers—and supported by literature and field experience. As a result, the structure was designed to be meaningful not only statistically but also within the sectoral context. In the quantitative modeling phase, conditional probability tables were constructed for each variable based on the network structure developed in the qualitative phase. These tables were calculated using available data, and expert opinions were incorporated where data was incomplete. Through this approach, a hybrid model combining both data-driven and knowledge-based components was developed. After the model was structured, it was tested under various scenarios, and the system's tendencies to generate accidents under different conditions were analyzed. The model outputs clearly reveal that internal human errors (HumanSI), inadequate maintenance practices, and manual control systems are among the primary causes of railway accidents. One of the most striking findings is the strong influence of the“HumanSI – Accident Type”relationship, indicating a high correlation between human-induced errors and specific types of accidents. At the state level, the analysis revealed that accident frequency increases in certain geographic regions; this finding is considered to be potentially related to external factors such as regional infrastructure investments, maintenance frequency, topography, and environmental conditions. This evaluation highlights the need for localized risk assessments and indicates that uniform safety strategies may not be equally effective in every region. The validity of the model was tested in a multifaceted manner, both structurally and in terms of outputs. For structural validity, the variables within the model and their causal relationships were reviewed by expert engineers, who confirmed that the overall network structure aligned with sectoral realities. For output validity, the model results were compared with BEU data, showing a high degree of similarity in terms of fatality rates, accident severity levels, and cause types. Additionally, analyses conducted under different scenarios demonstrated that the model has a satisfactory level of predictive capability. This study contributes to the literature by demonstrating that Bayesian Networks, as a flexible and updatable modeling approach, offer an effective and applicable framework for understanding the cause-effect structure of railway accidents. In situations where traditional system-based analysis methods such as HFACS, STAMP, and FRAM fall short, Bayesian Networks stand out with their ability to operate under uncertainty, generate alternative scenarios, and perform probabilistic reasoning among causal structures. Furthermore, the hybrid approach employed in this study-combining historical data with expert knowledge-has resulted in a more reliable and context-sensitive model. In conclusion, this thesis goes beyond presenting a purely academic proposition by aiming to develop a comprehensive, effective, flexible, and sustainable decision support mechanism tailored to the safety-related decision-making processes within railway systems. By addressing the inherent uncertainty and complexity of railway accidents, the proposed Bayesian Network-based model serves as a robust analytical tool that facilitates a more accurate assessment of current safety conditions and enables the identification of risk-inducing factors with greater clarity. Through its probabilistic and multivariate structure, the model supports a deeper understanding of the underlying causal mechanisms of accidents, offering an advanced methodological alternative to traditional linear and deterministic approaches. In this regard, the study contributes not only to the classification and retrospective analysis of past accidents but also introduces a systematic framework for conducting proactive, forward-looking evaluations. It enables the prioritization of safety interventions based on data-driven and contextually informed insights, thereby offering substantial value to safety-critical decision-making and policy formulation processes. The model's hybrid nature-combining empirical data with expert judgment—enhances its applicability across different operational contexts and strengthens its practical relevance in the field. Future research can build on the foundations established in this study by applying the model to datasets from other countries and regions, thereby enabling cross-national comparisons and a deeper understanding of how differences in cultural, technical, regulatory, and organizational contexts affect railway safety performance. Such comparative analyses can significantly enrich the literature and support the development of region-specific safety strategies. Furthermore, integrating the model with temporal datasets and advancing toward dynamic Bayesian Networks presents an important avenue for capturing the temporal evolution of accident risks and modeling long-term structural changes in safety patterns. Within this framework, the study emerges as a valuable reference for a wide range of stakeholders, including policymakers, system engineers, risk and safety analysts, and academic researchers dedicated to improving railway system safety. By facilitating causal, evidence-based reasoning, the model offers not only a snapshot of the current safety landscape but also a rigorous scientific basis for understanding and addressing the most critical factors that influence accident occurrence. Consequently, this thesis provides meaningful contributions at both theoretical and practical levels, establishing itself as a resource capable of supporting holistic safety improvement initiatives across the railway industry. Its findings and methodological approach hold potential for adaptation and refinement in future studies, further enhancing the resilience, efficiency, and safety of modern railway transportation systems.

Benzer Tezler

  1. Tez No

    659023

    Tramvay kazalarının nedenleri ile sonuçları arasındaki ilişkilerin çok ölçütlü karar verme teknikleri ile belirlenmesi: Bir büyükşehir belediyesi uygulaması

    Determining the relationship between the causes and the results of tramway accidents with multi criteria decision making techniques: A metropolitan municipality application

    ŞERİFE SÜLÜŞOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    KazalarEskişehir Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ZEHRA KAMIŞLI ÖZTÜRK

  2. Tez No

    478417

    Metro tüneli-zemin-temel etkileşiminde öğe rijitliklerinin rolü

    The role of items metro tunnel-soil-foundation interaction

    NEŞE KOCA

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    İnşaat Mühendisliğiİstanbul Kültür Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ERSİN AREL

  3. Tez No

    845694

    Yapım işlerinde ergonomik risk faktörlerinin reba yöntemi ile incelenmesi

    Investigation of ergonomic risk factors in construction works using the reba method

    CANAN AYDOĞDU

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Halk Sağlığıİstanbul Aydın Üniversitesi

    İş Sağlığı ve Güvenliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÜLİZAR HOŞTEN

  4. Tez No

    678141

    Kamu ulaşım projelerinin gayrimenkul değeri ve kullanımına etkileri: Ankara ili metro projesi örneği

    Assesment of the impact of public transportation projects on value and usage of real estates: the case of underground project in Ankara

    ALİ ONURALP ÜNAL

    Doktora

    Türkçe

    Türkçe

    2021

    UlaşımAnkara Üniversitesi

    Gayrimenkul Geliştirme ve Yönetimi Ana Bilim Dalı

    PROF. DR. HARUN TANRIVERMİŞ

  5. Tez No

    166889

    Conceptual cost estimating of urban railway system projects

    Kentsel raylı sistem projelerinin detaylı mühendislik öncesi maliyetlerinin tahmin edilmesi

    MEHMET BAHADIR ÖNTEPELİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2005

    İnşaat MühendisliğiOrta Doğu Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. RİFAT SÖNMEZ

Geri Dön