Sürücü kaynaklı trafik kazalarının veri madenciliği yaklaşımı ile modellenmesi: Sakarya örneği

Ulaştırma; insanların, eşyaların ve hayvanların bir yerden başka bir yere güvenli taşınmasıdır. Nüfus artışına ve ekonomik gelişmeye bağlı olarak artan hareketlilik talepleri, karayollarındaki özel taşıt kullanımı ve yük taşıma artışını beraberinde getirmektedir. Buna bağlı olarak trafik güvenliğinin sağlanması daha karmaşık yaklaşımların, uygulamaların, analiz süreçlerinin geliştirilmesini zorunlu kılmaktadır. Dünyada ve Türkiye'de trafik kazaları insan hayatına doğrudan ve dolaylı olarak etki eden en büyük sorunlardan biridir. Bileşmiş Milletler'in hedefi, 2030 yılına kadar trafik kazası kaynaklı yaralanma ve ölümleri %50 oranında azaltmak, 2050 yılına kadar da mümkün ise sıfırlamaktır. Türkiye'de ulaştırmadan sorumlu kurumların (Üniversiteler, Karayolları Genel Müdürlüğü (KGM), Emniyet Genel Müdürlüğü (EGM), Jandarma Genel Komutanlığı, Yerel Belediyeler, Millî Eğitim Bakanlığı (MEB)) ulaşım planlaması, trafik yönetimi ve güvenliği ile ilgili çeşitli uygulamaları bulunmaktadır. Bununla beraber, "sıfır can kaybı vizyonu"na ulaşmak için yönetilmesi gereken sürecin, alınması gereken önlemlerin kapsamlı ve derinlikli bir yapıda olduğu, son yıllardaki kaza istatistiklerinden görülebilmektedir. Bir veya birden çok etkenin bir araya gelmesiyle oluşan trafik kazalarının meydana getirdiği olumsuzlukların etkilediği insan sayısı oldukça fazladır. 2022 verilerine göre trafik kazaları; ülkemizde her gün 14 kişinin hayatını kaybetmesi, 790 kişinin yaralanması, 2837 maddi hasarlı kaza yaşanması ile sonuçlanan, halk sağlığı sorunu olarak adlandırılan çok önemli bir konudur. Can kayıpları, kaza sonrası bedensel engelli hale gelen insanlar ve maddi kayıplar ülke ekonomisini önemli ölçüde etkilemektedir. Bunun yanında sosyal yaşantının da etkilenmesi yollarda güvenlik kaygılarının oluşumuna, kazayı yaşayan kişi ve yakınlarında psikolojik rahatsızlıklar görülmesine de neden olabilmektedir. Günümüzde "affeden yollar" terimi ile yol kullanıcı hatalarına hoşgörü gösterebilecek yollar tasarlama ve inşa etme konusunda adımlar atılmaya başlansa da hala yol güvenliği için iyileştirilmesi gereken birçok unsur olduğu yeterince düşüş olmayan kaza sayılarından anlaşılmaktadır. Trafik kazalarının meydana gelmesine neden olan hatalar; insan (sürücü, yaya, yolcu), taşıt ve yol olarak 3 gruba ayrılmaktadır. Bu hatalardan en önemlisinin, 2011-2022 yılları arasında %97-99 arasında değişen oranlarda insan etkeni, bu etkenlerin içinde ise %87- 90 arasında değişen oranlarda sürücü etkeni olduğu, KGM'nin 2022 yılında hazırladığı raporda belirtilmiştir. Bu çalışmada, Sakarya ilinde ölümlü ve yaralanmalı kazaların veri madenciliği yöntemleriyle incelenmesi amaçlanmıştır. Çalışmada iki farklı analiz yapılmış; birinci aşamada Birliktelik Kuralları yöntemi kullanılarak, trafikle ilgili risk etkenlerinin olası ilişkileri araştırılırken, ikinci aşamada Karar Ağaçları kullanılarak geliştirilen model ile yalnızca otomobillerin karıştığı kazalarda, kazaya karışan ve hatalı olan sürücünün kaza sonucundaki durumu (yaralı, ölü, sağlam) tahmin edilmeye çalışılmıştır. Bu çalışmada gerçekleştirilen Birliktelik Kuralları analizleri ile trafik kaza veri setinde yer alan hangi durumların birlikte en fazla oluştuğu, hangi ögelerin (öznitelikler içerisindeki sınıfların), bütün içerisinde daha yaygın olduğu belirlenmiştir. Karar Ağaçları ise, veri analizi süreçlerinde sınıflandırma yapılacak durumlarda en çok kullanılan yöntemlerden biridir. Karar Ağaçları, her düğümden ayrılan kolların o alandaki soruya yanıt verdikleri, her yaprağın da bir karar ve sonucu ifade ettiği algoritmalardır. Kök düğümün seçilmesi, ağacın dallanması ve budanması kararları ve sonucunda sınıflandırmanın yapılmasına bağlı olarak Karar Ağacı kurulurken kullanılan algoritmaya bağlıdır. Bu çalışmada, kullanılan trafik kaza veri seti incelendiğinde, kaza şiddetinin sınıflandırılmasına karar verilmiştir. Veri setinde, kaza sonucu ile ilgili 4 farklı öznitelik bulunmaktadır. Bunlardan biri kazanın sonucu özniteliği olup içinde ölümlü ve yaralanmalı olmak üzere 2 sınıf yer almaktadır. Kazalardan %0,9'u ölümlü geri kalanı yaralanmalı olduğu için sınıflandırma tahmini yapmak çok zordur. Kaza sonucu ile ilgili diğer öznitelikler (ayrı birer öznitelik olmak üzere) sürücü, yolcu ve yayanın kazaya bağlı olarak karşılaştıkları sonuçlardır. Her kazada yolcu ve yaya olmadığından, trafik kazalarında en çok etkilenen ve istatistiklere göre kazanın olmasına en fazla neden olan kişiler sürücüler olduğundan bu çalışmada sürücü kaza sonucu, sınıflandırma yöntemlerinden biri olan Karar Ağaçları ile tahmin edilmiştir. Veri kümesinde bulunan bağımlı ve bağımsız öznitelikler kategorik (nominal) içerikte olduklarından ve tezde anlatılan diğer nedenlerden dolayı Ki-kare otomatik etkileşim algılama (CHAID) algoritması kullanılmıştır. Bu tez çalışmasındaki ikinci analizin amacı kazaya karışan, kazada kusuru olan sürücülere ait özellikleri ve kaza ile ilgili diğer durumlara bağlı olarak sürücünün kaza sonucu durumunu sınıflandırmak olduğundan, literatürdeki çalışmaların da bulgusu olarak bilinen, sürücünün kaza sonucuna (yaralanma şiddetine) etkisi en büyük özniteliğin taşıt türü olması nedeniyle bu özniteliğin etkisi çalışma dışında bırakılmıştır. Bu yaklaşım doğrultusunda, taşıt türleri içerisinde veri setinde sahip olduğu %55 oran ile en yüksek değere sahip olan otomobil kazalarındaki sürücü kaza sonuçları, sürücü öz niteliklerine bağlı olarak analiz edilmiştir. Bu anlamda literatürde bulunan çalışmalar, tez içeriğinin ilgili bölümlerinde detaylı bir şekilde tartışılmıştır. Sürücü kaza şiddeti sınıflandırması ve tahmin modeli geliştirmek için kullanılan CHAID Karar Ağacı oluşturma sürecinde, ilk önce tüm özniteliklerin olduğu veri seti ile Ki-kare değerleri hesaplanmış, sonrasında bazı özniteliklerin baskın etkilerinin sürücü ile ilgili durumları gizlemesine bağlı olarak bu baskın olan öznitelikler veri setinden çıkarılmıştır. Kalan öznitelikler ile çıktı özniteliği (bağımlı değişken) olan sürücü kaza sonucu durumu (sağlam-yaralı-ölü) arasındaki Ki-kare değerleri hesaplanarak ağacın kök düğümünde yer alan yani bağımlı öznitelikle arasındaki ilişkisi en büyük olan öznitelik sürücü kusuru olarak belirlenmiştir. Sürücü kusuru özniteliğini, bağımlı öznitelikle aralarındaki ilişki büyüklüğüne göre; sürücü alkol sonucu, yol bölümü, saat dilimi, sürücü yaşı, sürücü belgesi varlığı, otomobil yaşı, sürücü eğitim durumu ve gün ışığı öznitelikleri takip etmiştir. Oluşturulan Karar Ağacına göre; alkollü taşıt kullanan sürücülerin tamamının yaralandığı, öndeki taşıtı yakın takip eden sürücülerin kaza sonucunun sürücü yaş grubuna bağlı olarak sınıflara ayrıldığı, dönüş kurallarına uymayan sürücülerin kaza sonucunun cinsiyetlerine göre değişim gösterdiği, taşıtın hızını yol ve hava koşullarına uydurmayan sürücülerin kaza sonucunun ilk olarak yol bölümüne göre değiştiği, sonraki aşamada 3 ve 4 kollu kavşaklarda cinsiyete, erkek olanların içinde de yaş grubuna göre değiştiği, dönel kavşaklarda saat dilimine göre sürücü kaza sonucunun değiştiği, kavşak ve geçitlerde xxv yol verme kuralına uymayan sürücülerin kaza sonucunun ilk olarak sürücü eğitim durumuna, lise mezunu olan sürücüler içerisinde ise kullandıkları taşıtın yaşına göre değiştiği, sürücü kusurunun hatalı şerit değiştirme olduğu kazalarda sürücü kaza sonucunun öğrenim durumuna, ilkokul mezunu olan sürücülerde gün ışığı durumuna ve gündüz ise kullandıkları taşıtın yaşına göre değiştiği görülmektedir.