TRAFİK KAZALARININ MAKİNE ÖĞRENMESİYLE MEKÂNSAL ANALİZİ

Trabzon ilinde 2014–2023 yılları arasında meydana gelen trafik kazalarının mekânsal dağılımı ve kaza şiddeti, Coğrafi Bilgi Sistemleri (CBS) ve makine öğrenmesi yöntemleri kullanılarak analiz edilmiştir. Çalışmada veri seti eksik ve yinelenen kayıtlardan arındırılmış, kategorik değişkenler sayısallaştırılmış ve sınıf dengesizliği SMOTE yöntemi ile giderilmiştir. CBS analizleri kapsamında kaza verileri haritalandırılmış, noktasal dağılım ve Kernel Yoğunluk Tahmini (KDE) analizleri gerçekleştirilmiştir. Sonuçlar, trafik kazalarının özellikle şehir merkezi, ana ulaşım arterleri ve yoğun trafik bölgelerinde kümelendiğini göstermiştir. İlçe bazında yapılan değerlendirmelerde Ortahisar ve Maçka ilçelerinde belirgin yoğunlaşmalar tespit edilmiştir.Makine öğrenmesi aşamasında Lojistik Regresyon, Karar Ağacı, Rastgele Orman, AdaBoost, Gradient Boosting ve XGBoost algoritmaları uygulanmıştır. Modeller doğruluk, kesinlik, duyarlılık, F1 skoru ve Cohen’s Kappa katsayısı gibi performans ölçütleri kullanılarak değerlendirilmiştir. AdaBoost modeli en yüksek doğruluk oranına (%97,06) ulaşmasına rağmen düşük Recall ve F1 skorları nedeniyle ölümcül kazaların tahmininde sınırlı performans göstermiştir. Lojistik Regresyon modeli yüksek Recall değeri ile öne çıkarken, Karar Ağacı ve Rastgele Orman modellerinde aşırı öğrenme eğilimi gözlenmiştir. Tüm performans ölçütleri birlikte değerlendirildiğinde Gradient Boosting modeli %96,05 doğruluk, %21,43 F1 skoru, 0,1941 Cohen’s Kappa katsayısı ve en düşük aşırı öğrenme düzeyi ile en başarılı model olarak belirlenmiştir. Sonuçlar, CBS ve makine öğrenmesi yöntemlerinin birlikte kullanımının trafik kazalarının mekânsal örüntülerinin belirlenmesi ve kaza şiddetinin tahmin edilmesinde etkili bir yaklaşım sunduğunu göstermektedir.