Journals / Erzincan Üniversitesi Fen Bilimleri Enstitüsü Dergisi / 2010 / Cilt: 3 Sayı: 2

YAPAY SİNİR AĞLARI VE ÇOK DEĞİŞKENLİ İSTATİSTİK YÖNTEMLERLE TRAFİK KAZA MODELLEMESİ

Pages
207–219
Publication Date
2014-03-11
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Bu sonuçlara göre YSA yöntemi istatistiksel olarak daha başarılı bir yöntem olarak kabul edilmiştir.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Türkiye’de trafiğe kayıtlı araç sayısı 15 milyon ve sürücü sayısı ise 18 milyonun üzerindedir.
📊
Key Findings & Data:Türkiye’de 1.2 Milyonun üzerinde ölümlü,yaralanmalı ve maddi hasarlı trafik kazası meydana gelmektedir.
💡
Conclusion & Impact:Bu sonuçlara göre YSA yöntemi istatistiksel olarak daha başarılı bir yöntem olarak kabul edilmiştir.
🔬Design:Modeling & Simulation
📍Scope:2007 Verileri
⚙️Variables:Yapay Sinir Ağları · Trafik Kazası Analizi · Çok

Özet

Türkiye’de trafiğe kayıtlı araç sayısı 15 milyon ve sürücü sayısı ise 18 milyonun üzerindedir. Türkiye’de 1.2 Milyonun üzerinde ölümlü,yaralanmalı ve maddi hasarlı trafik kazası meydana gelmektedir. Bu çalışmada, 1974–2007 yılları arasındaki ceza alan sürücü sayıları ile kaza sayıları dikkate alınarak, çok değişkenli istatistiksel analiz (ÇDR) ve yapay sinir ağları (YSA) yöntemleri ile modelleme yapılmıştır. Ceza alan sürücülerin sayısının artması, kaza sayılarında bir azalma östermemiş aksine artış olabileceği tespit edilmiştir. statistiksel değerlendirmelerde, YSA’nın ÇDR’ye göre daha yüksek bir R2 değeri olduğu ve ortalama karesel hatasının da (OKH) minimum olduğu bulunmuştur. Bu sonuçlara göre YSA yöntemi istatistiksel olarak daha başarılı bir yöntem olarak kabul edilmiştir.

🔖

Cite This Article

Bayata, H., Hattatoğlu, F. (2014). YAPAY SİNİR AĞLARI VE ÇOK DEĞİŞKENLİ İSTATİSTİK YÖNTEMLERLE TRAFİK KAZA MODELLEMESİ. Erzincan Üniversitesi Fen Bilimleri Enstitüsü Dergisi, Cilt: 3 Sayı: 2, 207–219. https://ajindex.com/articles/1246614

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (12)

  1. Akgüngör A. P., Doğan, E., (2010). Farklı Yöntemler Kullanılarak Geliştirilen Trafik Kaza Tahmin Modelleri ve Analizi, Int. J. Eng. Research & Development, Vol. 2, No.1, January 2010
  2. Alpar, R., (2003). Uygulamalı Çok Değişkenli İstatisksel Yöntemlere Giriş-1, Nobel Yayınları, Ankara.
  3. Altun İ., Dündar, S., (2005). Yapay Sinir Ağları ile trafik Akım Kontrolü, Deprem Sempozyumu, 23-25 Mart 2005, Kocaeli,
  4. Bayazıt, M., (2006). Çok Değişkenli İstatistik Analiz ve Hidrolojide Uygulamaları,Su Vakfı Yayınları, İstanbul.
  5. Bayata, H.F., Hınıslıoğlu, S., (2009). Türkiye’deki Yıllık Trafik Kaza Sayılarının Box-Jenkins Metodu İle Modellenmesi, 10. Ekonomi ve İstatistik Sempozyumu, Erzurum
  6. Delen, D., Sharda, R. and Bessonov, M. (2005). Identifying significant predictors of injury severty in traffic accidents using a series of artifical neural ntworks, Accident Analysis&Prevention, 38, 434-444
  7. Ozgan E., (2008). Karayolu araç Tipi ve Kaza Şekli İle Kaza Sonuçları Arasındaki İlişkilerin Analizi, Gazi Ünv., Müh. Mim. Fak. Dergisi, Cilt 23, No:3, 97-104
  8. Öztemel, E. (2006). Yapay Sinir Ağları, Papatya Yayınları, İstanbul
  9. Sağıroğlu, Ş., Beşdok, E., Erler, M., (2003). Mühendislikte Yapay Zeka Uygulamaları-I Yapay Sinir Ağları, Ufuk Kitap Kırtasiye Yayıncılık Tic. Ltd. Şti., Kayseri
  10. www.tuik.gov.tr 2008-2009
  11. Ulaştırma İstatistikleri Özeti, (2007), Türkiye İstatistik Kurumu, Ankara
  12. Ulaştırma İstatistikleri Özeti, (2008), Türkiye İstatistik Kurumu, Ankara ****