Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi Pamukkale University Journal of Engineering Sciences

Transkript

1 Pamukkale Unv Muh Blm Derg, 23(6), , 2017 Pamukkale Ünverstes Mühendslk Blmler Dergs Pamukkale Unversty Journal of Engneerng Scences Karayolu trafk kazalarına yen br yaklaşım: analz kesmler model A new approach for road traffc accdents: Crash analyss segments model Hakan GÜLER 1* 1İnşaat Mühendslğ Bölümü, Mühendslk Fakültes, Sakarya Ünverstes, Sakarya, Türkye. hguler@sakarya.edu.tr Gelş Tarh/Receved: , Kabul Tarh/Accepted: * Yazışılan yazar/correspondng author do: /pajes Araştırma Makales/Research Artcle Öz Bu çalışmada kaza analzler konusunda yapılan araştırmaların genş br lteratür taraması yapılarak kaza analz kesmler adında yen br yaklaşım model gelştrlmştr. Bu yaklaşımda, kaza analz yapılacak olan yolun geometrk ve trafk özellkler dkkate alınarak yol kesm homojen özellkte kaza analz kesmlerne bölünmüştür. Çalışma bölgesnde meydana gelen trafk kazalarına etk eden faktörler ve bu faktörlern sebep olduğu kaza şddetler belrlenmştr. Her br analz kesmne at geçmş trafk kazaları belrl br zaman peryodu çn ncelenmş, kaza şddetlerne ve kazaya etk eden faktörlere ağırlık değerler verlmştr. Gerçekleştrlen analzlerle her br kaza analz kesm, kaza açısından önem derecesne göre sıralanmıştır. Sonuç olarak, gelştrlen model verler teork olarak üretlen kuramsal br yol kesmnde test edlmş, dğer kaza analz modelleryle karşılaştırılmış ve güvenlr sonuçlar elde edlmştr. Anahtar kelmeler: analz kesmler, analz, Trafk kazaları Abstract In ths study a comprehensve lterature revew was done on road traffc accdent studes and a new approach named crash analyss segments was developed. In ths approach, the case area was dvded nto homogenous analyses segments by consderng geometrcal and traffc propertes of the road segment. The traffc accdents and the accdents factors wth ther crash severtes were defned. The weghted ratos were assgned to the crash factors and to the crash severtes after hstorcal traffc accdent records were gathered durng a defned perod for each analyss segments. Each crash analyses segments were ranked by consderng ther prortsaton after some analyses. Consequently, the developed model was tested for a hypothetcal road segment wth a data set generated theoretcally and compared wth the other crash analyss models and relable results were found. Keywords: Crash analyss segments, Crash analyss, Traffc accdents 1 Grş Karayolları üzernde araç ve yaya hareketler gerçekleşrken güvenlğ tehlkeye sokablecek trafk kazaları olablmektedr. Bu kazalar başta yol, nsan ve araç faktörler olmak üzere pek çok olumsuz faktörün br araya gelmesnden kaynaklanmaktadır. Meydana gelen kazalar, kazanın şddetne bağlı olarak madd hasarlı, yaralanmalı veya ölümlü olarak sonuçlanmaktadır. Yol güvenlğn artırmak amacıyla çeştl araştırmacılar tarafından trafk kazalarının sebeplernn ve kara nokta olarak smlendrlen krtk kesmlern bulunması konusunda çalışmalar yapılmaktadır. Karayolu trafk güvenlğ, yayaların ve sürücülern karayolu üzernde güvenl br şeklde hareketlern gerçekleştrmeler çn alınması gereken önlemler kapsamaktadır. ların önlenmes veya en aza ndrlmes çn; sürücülern ve yayaların blnçlendrlmes, yol geometrsnn mühendslk esaslarına uygun olarak yapılması, yollarda yeterl ve gerekl trafk kontrol sstemlernn olması ve motorlu araçların güvenlğ artıracak şeklde tasarlanmış olması gb pek çok parametrenn ele alınması gerekmektedr. Kamu sağlığı ve yaralanmalar konusunda karayolu trafk kazaları tüm dünyada en öneml problem olarak görülmektedr. Dünya Sağlık Örgütü nün (WHO) yapmış olduğu çalışmalarda her yıl yaklaşık 1.3 mlyondan fazla nsanın trafk kazalarında hayatını kaybettğ ve 20 la 50 mlyon arası nsanın yaralandığı görülmektedr. İstatstklere göre trafk kazalarında meydana gelen ölümlern yaklaşık %90 gb br oranının düşük ve orta gelrdek ülkelerde olduğu tespt edlmştr [1]. Al-Haj; araç sahplğ (kş başına araç), ölüm rsk (kş başına ölüm) ve trafk rsk (araç başına ölüm) üzerne uluslararası br araştırma yapmıştır. Araştırma sonuçlarına göre gelşmş ülkelerde araç sahplğ fazla, ölüm ve trafk rskler se daha azdır. Oysa gelşmekte olan ülkelerde tam ters br durum söz konusudur [2]. Bu çalışmada karayolu trafk güvenlğ üzerne genş br lteratür taraması yapılarak, trafk güvenlğ ve kaza analz çalışmaları ncelenmş ve Analz Kesmler (KAK) adında öncek çalışmaları da kapsayan yen br yaklaşım model gelştrlmştr. Gelştrlen bu modelde analz yapılacak olan yol kesm homojen özellkler taşıyan kaza analz kesmlerne bölünmüştür. analz kesmlernn oluşturulmasında; yol geometrk özellkler (şert sayısı, eğm, kurba durumu, dever durumu ve mktarı vb.) ve trafk verler (trafk hacmler, trafk yoğunluğu, hızlar vb.) dkkate alınmıştır. analz yapılacak olan yol kesmnde meydana gelen kazaların sayısı, trafk kazalarına etk eden faktörler (yol, araç ve nsan) ve bu faktörlern sebep olduğu kaza şddetler (ölümlü, yaralanmalı ve madd hasarlı) esasında her br kaza analz kesm çn ayrı ayrı belrlenmştr. Gelştrlen model, yol geometrk özellkler ve trafk verler kuramsal olarak belrlenen örnek br yol kesmnde test edlerek analzler gerçekleştrlmş ve güvenlr sonuçlar elde edlmştr. 2 Lteratür araştırması analzlernde lk çalışmalar Smeed RJ. tarafından yapılmıştır. Smeed RJ, 1949 yılında 20 farklı ülkeye at trafk verlern karşılaştırarak br regresyon model gelştrmştr. Bu modelde trafk rsk (araç başına ölüm) le araç sahplğ (kş başına araç sayısı) arasında ters br lşk olduğu bulunmuştur [3]-[4]. Gelştrlen model ve kullanılan değşkenler: 707

2 Pamukkale Unv Muh Blm Derg, 23(6), , 2017 F V c (1) V P F : Ülkede karayolu kazalarında ölenlern sayısı, Vc : Ülkede araç sayısı, P : Nüfus, α = ve β = 2/3. Oppe, ölümlü kaza oranlarının, araç-klometre ve zamana bağlı olarak negatf br üstel fonksyon olarak tanımlanableceğn kabul etmştr. Gelştrlen bağıntı ve kullanılan parametreler aşağıda verlmştr [5]: F t t Vt Ft : Herhang br t yılında ülkede trafk kazalarında ölenlern sayısı, Vt : Herhang br t yılına at araç-klometre değer, t : Zaman, ve β katsayılar. Koornstra, motorlu araç sayısını zamana bağlı olarak dkkate almış ve ölümlü kazalarla nüfus arasındak lşknn zaman sürecne dahl edlmes gerektğn belrtmştr. Araştırmacı aşağıdak formülü gelştrmştr [6]: (2) y c x w V t z Vt V t t 1 (3) V t t F Ft : Herhang br t yılında ülkede trafk kazalarında ölenlern sayısı, Vt : Herhang br t yılında araç klometre değer, Vmax : Maksmum araç-klometre değer, t : Yıl olarak zaman farkı, x, w, z, y, ve c katsayılar. Navn ve dğ., Smeed n denklemn; trafk rsk, kş rsk ve motorlu araç parametrelern alarak üç boyutlu br denklem halne getrmştr. Navn ve dğ. tarafından gelştrlen bağıntı ve kullanılan parametreler [7]: T M T Mo f e M0 : Maksmum kşsel rsk durumunda motorlu araç sayısı, Tf, : Üstel eğrnn T-eksen le buluştuğu nokta, T : Araç başına ölümlü trafk rsk değer, M : Nüfus başına motorlu araç sayısı. yoğunluğunun fazla olduğu karayolu kesmlernn belrlenmesyle lgl olarak da çok sayıda farklı krter dkkate alan modeller gelştrlmştr. Genellkle yüksek kaza yoğunluğuna sahp yolların sıralanmasıyla lgl olarak üç öneml teknk kullanılmaktadır. Bunlar; (4) a) kesmlernn bast sıralama teknğ le sıralanması, b) Güvenlk aralığı esası, c) Amprk Bayesan yöntemlerdr [8]-[9]. Bast sıralama teknğnde yollarda meydana gelen kazalar kaza sıklığı, kaza oranı gb parametreler dkkate alınarak azalan şeklde sıralanır. Güvenlk aralığı yaklaşımı statstkte kullanılan güven aralıkları esasına dayanmaktadır. İncelenen kesmde gözlenen kaza sayısı, karşılaştırma yapılan bölgede (benzer ntelktek bölge) gözlenen ortalama kaza sayısını aşarsa bu bölge güvenl olmayan bölge olarak tanımlanır. Her k yöntemde; kaza sıklığı, yoğunluk, oran, şddet, kalte kontrol oranı, sıklık-oran ve şddet-oran gb kaza modellern çereblmektedr. Araştırmacılar uygulama şeklne göre lgl model terch etmektedrler. Bu teknklerle lgl açıklamalar aşağıda verlmştr. sıklık modelnde, yol kesmlerne at kaza sayıları azalan şeklde sıralanır ve güvenl olmayan kesmler mühendslk açısından değerlendrlmek üzere belrlenr [10]-[11]. Bu modelde benzer kesmler brbrleryle karşılaştırılır. Bu modelle lgl olarak lteratürde çeştl çalışmalar bulmak mümkündür. Genelde yolun belrl br noktasındak güvenlk analzlernde krtk kaza frekansı değer kullanılmaktadır. Krtk kaza frekansı aşağıdak bağıntı le hesaplanır: F CR Fav S F (5) F CR : Krtk kaza frekansı, F av : Aynı özellğe sahp tüm yol kesmlerne at ortalama kaza frekansı, S F : aynı özellğe sahp tüm yol kesmlerne at kaza frekanslarının standart sapması. yoğunluk modelnde de kaza sıklık modelne benzer br yaklaşım vardır. Bu modelde her br yol kesm çn klometre başına kaza sayısı belrlenmektedr [12]-[13]. Bölgeler kaza yoğunluk değerlerne göre azalan şeklde sıralanmakta ve önceden belrlenen br değern üzernde olan kesmler yüksek kazalı bölgeler olarak sınıflandırılmaktadır. Genelde yolun belrl br uzunluğunda güvenlk analz çalışmalarında krtk kaza yoğunluğu değer kullanılmaktadır. Krtk kaza yoğunluğu aşağıdak bağıntı le hesaplanır: D CR Dav S D (6) D CR : Krtk kaza yoğunluğu, D av : Aynı özellğe sahp tüm yol kesmlerne at ortalama kaza yoğunluğu, S D : Aynı özellğe sahp tüm yol kesmlerne at kaza yoğunluğu standart sapması. oranları model, kaza analzlernde en çok kullanılan ve en bast rsk analzlernden brsdr. oranı, araçklometre veya yola gren araç başına meydana gelen kazaların malyet veya kaza sayısıdır. oran modelnde, trafk hacm le kaza sıklığı değerler kullanılmaktadır [14]-[15]. Bu modelde, kaza sayısının fazla olduğu yol kesmlerne at kaza oranları azalan şeklde sıralanır ve değerlendrme yapılır. şddet modelnde kazaların şddet dkkate alınmaktadır. Bu modelde yolun belrl br kesmnde yaralanma, ölüm veya madd hasarla sonuçlanan kazalara br ağırlık değer verlmekte ve kazanın madd kayıpları da dkkate alınmaktadır 708

3 Pamukkale Unv Muh Blm Derg, 23(6), , 2017 [16]. Ölümlü ve cdd yaralanmalı kazalara, küçük yaralanmalı ve sadece madd hasar oluşan kazalara göre daha büyük br ağırlık değer verlmektedr. Bu modelde aşağıda belrtlen şddetn türüne bağlı olarak meydana gelen olaya br ağırlık değer verlr: Ölümlü: Br veya brden fazla ölümlü (Büyük br ağırlık değer atanır), A-düzey yaralanma: Normal çalışma hayatını etkleyecek şeklde yaralanma (felç, kırık vb.), B-düzey yaralanma: Normal çalışma hayatını etklemeyen ancak gözle görülür yaralanmalar (kırıklar, sıyrıklar, topallama, şşme, morarma vb.) C-düzey yaralanma: Olası ancak gözle görülmeyen yaralanma (örneğn boyun tutulması) Madd hasarlı kazaların toplam sayısı (PDO): Sadece madd hasar (ölümlü kaza şddetne göre daha az br ağırlık değer verlr). Oran kalte kontrol yöntem, trafk güvenlğ alanında çok yaygın olarak kullanılan br yöntemdr. Br karayolu kesmnde kaza sayılarının Posson dağılımına uyduğu kabul edlr. oranı, benzer br kesme at eşdeğer kaza oranı le karşılaştırılır. Bu yöntemde, kazaların en yüksek ve en büyük değerler tespt edlr. Şayet kaza oranı belrlenen değerden daha yüksekse bu yol kesm kara nokta olarak dkkate alınır. Bu yöntemde krtk kaza oranı, belrl br yol kesm çn araç trafğ dkkate alınarak ortalama kaza oranının br fonksyonu olarak hesaplanır. Krtk kaza oranı aşağıdak formül kullanılarak hesaplanır [17],[18]: R C 1 k (7) m 2m Rc, belrl br yol kesm çn krtk oran (mlyon araç başına kaza sayısı veya mlyon araç-klometre başına kazalar),, benzer yol karakterstklerne sahp tüm yol kesmlernde ortalama kaza sayısı (mlyon araç başına kaza sayısı veya mlyon araç-klometre başına kaza sayısı), m, analz süresnce belrl br yol kesmnden geçen araç sayısı (mlyon araç-klometre) veya belrl br kesme gren araç sayısı (mlyon araç), k, öngörülen RC çn statstk anlamlılık düzey le belrlenen olasılık faktörü. İstatstkte anlamlılık düzey le belrlenen olasılık faktörü k çn aşağıda çeştl değerler verlmştr: k = (% 99.9 güvenlrlk düzey), k = (% 99.5 güvenlrlk düzey), k = (% 95 güvenlrlk düzey), k = (% 90 güvenlrlk düzey). Sıklık oran modelnde, kazaların sıklıkla meydana geldğ bölgelern kaza sayıları belrlenr. Bu rakamlar kullanılarak kaza oranları belrlenr ve bu orana göre bölgeler sıralanır [19]. Sıklık oranı (FR) aşağıdak eştlkle hesaplanır: NA 6 FR x10 (8) V FR : Sıklık oranı, NA : Bölgede meydana gelen kaza sayısı, V : Trafk hacm. Şddet oran model, kaza şddetn ve kaza oran modellern çerr [19]. Bu modelde eşdeğer madd hasar (EPDO) rakamsal olarak hesaplanır (kaza etknlk modelnde olduğu gb). Daha sonra her br yol kesmndek şddet oranını elde etmek çn EPDO değer hacm değerne bölünür (mlyon olarak günlük araç sayısı veya mlyon olarak araç-klometre değer). Şddet oranı (EO) aşağıdak eştlkle hesaplanır: EPDO 6 EO x10 (9) V EO : Şddet oranı, EPDO : Eşdeğer madd hasar, V : Trafk hacm. Amprk Bayesan yöntem, bast sıralama ve güven aralığı yöntemlerne göre daha çok terch edlmş ve gelştrlerek çeştl uygulamalar yapılmıştır [19]. Bu yaklaşım yol güvenlğ analzlernde uzun zamandan ber kullanılmaktadır [20]-[21]. Benzer kesmlerde geçmş kaza statstkler ve beklenen kaza sayıları kullanılarak, Amprk Bayesan yöntemler le kaza rsk yüksek olan bölgelern belrlenmesnde öneml br başarı sağlanmıştır. Bu yaklaşımda, br bölgedek gerçek kaza oranı, rassal br değşken ve bölgey temsl eden br kaza değer olarak ele alınır ve bölgenn geçmş kaza verler bölgenn tehlke olasılığının tespt çn kullanılır [22]. Hauer bu yöntemle benzer kesmlere at kaza verlern kullanarak, bu kesmlerde olablecek kazaların sayısını tahmn etmştr [23]. Hgle ve Wtkowsk de kazaya meyll bölgelern belrlenmesnde Amprk Bayesan yöntemn kullanmıştır [24]. Özetle bu yöntem, çalışma bölgesndek kaza sayılarının tahmn edlmesnde ve tehlkel yol kesmlernn belrlenmesnde kullanılır. Amprk Bayesan yöntem k öneml kabule dayanır. Brnc kabulde, br bölgede meydana gelen kazaların Posson dağılımına uyduğu kabul edlr. Posson dağılımı aşağıdak eştlkle fade edlr [24]: P p p (10) e p P ( p, ) : olasılığı, p : Kayda geçen kaza sayısı, : beklenen kaza değer. İknc kabulde, λ nın olasılık dağılımının gama dağılımına uyduğu kabul edlr. g(λ), gama yoğunluk fonksyonu olarak fade edlr ve değşkenlern br fonksyonu olarak modellenr. Lteratürde çok boyutlu kaza analz değerlendrmesyle lgl çalışmalar da bulunmaktadır. Boroujerdan ve dğ. tarafından eşt uzunluktak yol kesmlerne uygulanan, kaza faktörler ve bu faktörlern şddet değerlern çeren çok boyutlu br değerlendrme model gelştrlmştr [9]. Murat ve Şekerler tarafından trafk kaza verler klask ve bulanık kümelenme yöntemleryle analz edlmş, elde edlen küme merkezlerne yakın bölgelerdek trafk kazalarının daha yoğun olduğu noktalar kara nokta olarak belrlenmştr. Belrlenen kara noktalar detaylı bçmde ele alınarak kazaya neden olan unsurlar ncelenmştr [25]. Karaşahn ve Terz, Isparta- Antalya karayolu üzernde yılları arasında meydana gelen trafk kazalarını Coğraf Blg Sstemler ortamında değerlendrerek kara nokta analz yapmışlardır 709

4 Pamukkale Unv Muh Blm Derg, 23(6), , 2017 [26]. Saplıoğlu ve Karaşahn, Isparta lndek trafk kazalarının yoğun olduğu bölgeler ve kara noktaları coğraf blg sstemler (CBS) kullanarak tespt etmşlerdr. Etkn br yöntem olarak söz edlen CBS le tablolar oluşturulmuş ve kazaların değerlendrlmes yapılmıştır [27]. Emnağa tarafından şehrç ana arterlerde hız le kaza oluşumu arasındak lşky araştırmak çn CBS tabanlı br kaza analz yöntem gelştrlmştr. Bu yöntemde, zamana bağlı ortalama kesm hızları le kesmn geçmş kaza oranları ve üç güvenlk ölçütü le hazırlanan tematk kaza hartaları kullanılmıştır [28]. Ünal, br grup kara noktadak yleştrme alternatfler arasında br optmzasyon çalışması yapmıştır. Bu çalışmada, kaza sayılarındak azalmayı maksmze edecek ve yapılacak yleştrmelern uygulanması çn gerekl olan projelern malyetler toplamının mevcut bütçey aşmaması koşulunu sağlayacak şeklde br blgsayar programı gelştrlmştr [29]. Ozan ve dğ. kaza rsk taşıyan lnklern belrlenmes amacıyla tehlke ndeks metodunu kullanmışlardır. Yapılan rsk analz ve derecelendrlmes sonucunda tehlke ndeks metodunun, trafk kaza rsk analzlernde kullanılableceğ ve bu sayede kaza sayılarının azaltılablmes yönünde yapılacak çalışmalara temel oluşturableceğ belrlenmştr [30]. Atalay ve dğ. Türkye de yılları arasında meydana gelen aylık trafk kaza verlern kullanarak zaman sers analz yöntem le modelleme yapmışlardır. Yapılan analzler sonucunda çalışma dönemnde kullanılan verlere göre en uygun modeln ARIMA(4, 1, 4) olduğunu belrlenmşler. Bu model kullanılarak en fazla ve en az kazaların meydana geldğ dönemler belrleyeblmşlerdr [31]. Atalay ve dğ. trafk kazalarının oluşmasında etkl olableceğ düşünülen sosyo-ekonomk ve ulaşımla lgl 20 farklı değşken belrlemşlerdr. Türkye de 81 l çn bu değşkenlern statstk değerler elde edlmş ve çalışmanın ver tabanı oluşturulmuştur. Bu değşkenler bell gruplar altında toplamak amacıyla faktör analz yapılmış, faktör skorlarına göre llern tematk hartaları oluşturulmuş ve kazaların analzler yapılmıştır [32]. Çodur ve dğ. karayolu güvenlğnn sağlanmasında kazalara neden olan faktörlern nceleyerek genelleştrlmş lneer regresyon teknğ le kaza tahmn model gelştrmşlerdr [33]. Çodur, yapay snr ağları yöntemn kullanarak Erzurum l karayolu trafk kazalarının analzn yapmıştır. Yapay snr ağları le yapılan analzlerde karayolu trafk kazalarında en etkl parametrenn düşey kurblar olduğu tespt edlmştr [34]. Akgüngör ve Doğan; regresyon analz, yapay snr ağları ve genetk algortma yöntemlern kullanarak İzmr l çn trafk kaza tahmn modeller gelştrmşlerdr. Her üç yöntemle kaza modeller gelştrlrken değşken olarak nüfus, araç ve kaza sayıları kullanılmış ve bu yöntemlern karşılaştırması yapılmıştır [35]. Akgüngör ve Doğan; yılları arasındak nüfus, araç, kaza, yaralı ve ölü sayısı verlern kullanarak Türkye çn trafk kaza modeller gelştrmşlerdr. Bu çalışmada Smeed ve Andreassen modellernden yararlanılmıştır. Gelştrlen modele Smeed Benzeşm Model adı verlmştr [36]-[37]. Irgat ve dğ. tarafından se makroskobk ulaşım planlama teknkler kullanılarak Sakarya l çn br kaza analz çalışması yapılmıştır. Bu çalışmada br ulaşım planlama yazılımının (Vsum) modülü olan Vsum Safety programı kullanılmıştır [38]. 3 Türkye de kaza analzler Türkye de Karayolları Genel Müdürlüğü br karayolundak kara noktalarının ortadan kaldırılması veya yleştrlmes sürecyle lgl olarak aşağıda belrtlen faalyetler yapmaktadır [39]: Kara noktaların belrlenmes, karayolu ağında özellkle tehlkel olan noktaların ve kara noktaların belrlenmes sürecdr, Teşhs, belrlenmş olan kara noktaların her brne lşkn sorunların, kazaya yol açan faktörlern ve eksklklern neler olduğunun araştırılması sürecdr, Karşı önlemlern bulunması, gerçek sorunlar ve eksklklere dayalı olarak her kara noktaya uygun karşı önlemlern oluşturulmasına yönelk ssteml br analz anlamını taşımaktadır, Etklern tahmn edlmes, uygun karşı önlemlern güvenlk etklernn (ve gerektğ takdrde ötek etklernn) ve malyetlernn tahmn edlmes sürecdr, Öncelklendrme, bazı tanımlanmış krterlere, tahmn etklere, malyetlere ve bütçe kısıtlamalarına dayalı olarak en y eylem planının (veya yatırım programının) bulunması anlamını taşımaktadır, Uygulama, eylem planına (veya yatırım programına) dahl edlmş olan öncelklendrlmş önlemlern flen gerçekleştrlmes anlamını taşımaktadır. Türkye de Karayolları Genel Müdürlüğü tarafından kaza analzlernde oran kalte kontrol yöntem kullanılmaktadır. Bu yöntemle brlkte ) oranı, ) frekansı, ) Şddet ndeks de kullanılmaktadır. Hesaplamalar 1km uzunluğundak yol kesm çn yapılmaktadır. Hesaplanan bu üç değer şayet üst eşk değerlern aşarsa bu kesm kara nokta olarak dkkate alınmaktadır [39]. Şddet ndeks çn k farklı tanım kullanılmaktadır. İlk şddet ndeks tanımında (SIA); kazalar üçe ayrılmaktadır: Sadece madd hasarlı (PDO), yaralanmalı (I) ve ölümlü (F). nın şddet, meydana gelen toplam kazaların kategorsne bağlı olarak önceden tanımlanan katsayılar le çarpılması le hesaplanmaktadır. İknc şddet ndeks tanımında (SIB); önceden belrlenen katsayılar, kesmde meydana gelen yaralanmalı ve ölümlü kazaların tümüne doğrudan uygulanmaktadır [28],[39]. Karayolları Genel Müdürlüğü tarafında SIA hesaplamasında aşağıdak eştlk kullanılmaktadır [28],[39]: SI A PDO 3xI 9xF (11) SIA : lk şddet ndeks, PDO : sadece madd hasarlı kazaların toplam sayısı, I : yaralanmalı kazaların sayısı, F : ülkede (bölgede) karayolu trafk kazalarında ölen nsan sayısı. Şddet ndeksnn knc tanımında; kaza sayısı yerne ölümlü, yaralanmalı ve hasarlı araçlarının sayısı kullanılmaktadır. Bu ndeks aşağıdak eştlk kullanılarak hesaplanmaktadır [28], [39]: SI B PDV 3xI n 9xFa (12) 710

5 Pamukkale Unv Muh Blm Derg, 23(6), , 2017 SIA : İknc şddet ndeks, PDV : Hasarlı araç sayısı, In : larda yaralanan nsan sayısı, Fa : larda ölen nsan sayısı. 4 analz kesmler yaklaşım model Bu çalışmada KAK adında yen br yaklaşım model gelştrlmştr. Karayolu trafk kazalarının değerlendrlmesyle lgl önerlen bu modeln açıklaması aşağıda ayrıntılı olarak anlatılmıştır. 4.1 İncelenecek yol kesmyle lgl yol geometrk verlernn temn edlmes Bu aşamada yolun fzksel özellkleryle lgl blgler toplanır. Blndğ gb fzksel ve geometrk açıdan yetersz olan yollarda kazaların meydana gelmes kaçınılmazdır. Yolun bölünmüş ya da bölünmemş yol olması, şert sayısı, şert genşlğ, kurba durumu, geçş eğrs durumu, yolun boyuna eğm, kavşaklar, sanat yapıları (köprü, vyadük, tünel vb.), yol yüzey yapısı gb yolun mühendslk anlamında tüm farklı kesmler belrlenr. Homojen analz kesmlernn oluşturulablmes çn yolla lgl tüm farklılıkların dkkate alınması gerekmektedr. Bu çalışmada farklılıkları fade etmek çn yol geometrs ve trafk verler (değerler) başlıkları altında k öneml genel fade kullanılmıştır. Yol geometrs fadesnde yolun fzksel özellkleryle lgl tüm parametreler çerlmektedr. Trafk verler fadesnde se şletmeyle lgl tüm parametreler çerlmektedr. 4.2 Çalışma bölgesne at trafk verlernn temn edlmes Bu aşamada çalışma bölgesne at trafk verler toplanır. Yolun yerleşm bölgesnde olup olmama durumu, zn verlen maksmum hız değerler, elektronk denetleme sstem durumu, Yıllık Ortalama Günlük Trafk (YOGT) değerler gb trafk blgler belrlenr. 4.3 analz kesmlernn oluşturulması Bu aşamada yol geometrk yapısı ve trafk verler dkkate alınarak analz bölges mümkün olduğunca homojen özellğe sahp kaza analz kesmlerne bölünür. analz kesmlernn oluşturulmasıyla lgl yöntem Şekl 1 de gösterlmştr. Bu homojen kesmlern elde edlmesndek en öneml amaç kaza sebeplern kolayca ortaya koymak ve analz kesmler arasında statstk çalışmalar yapablmektr. Şekl 1 de; şert sayısı, şert genşlğ ve hız gb parametreler dkkate alınarak kaza analz kesmler oluşturulmuştur. Gerek yol geometrs gerekse trafk değerler le lgl ayrıntılı verler olması durumunda çok daha homojen analz kesmlern oluşturmak mümkündür. 4.4 analz kesmlernde meydana gelen kaza statstk blglernn temn edlmes Bu aşamada, br öncek aşamada belrlenen kaza analz kesmlerne at geçmşte meydana gelen trafk kaza verlernn toplanması çalışması yapılır. Analzlern doğru sonuç vermes çn kaza statstklernde belrl br zaman peryodu dkkate alınmalıdır. Dkkate alınan zaman peryodu çnde çalışma bölgesndek yol geometrsnde herhang br değşm olmamalıdır. Mevsmsel ya da aylık olarak br analz yapılması stenmes durumda kaza verler lgl zaman dlm çn toplanablr ve analzler gerçekleştrleblr. Zaman dlm belrlemek, yol geometrsnde fzksel anlamda br değşklk olmadığı sürece çalışma yapan araştırmacılara bağlıdır. Şekl 1: analz kesmlernn oluşturulması. 4.5 statstk blglernn gruplandırılması Bu aşamada br öncek aşamada toplanan belrl br peryoddak kaza verler, kaza faktörler ve şddet durumuna göre gruplandırılır. Genelde yol kazalarına etk eden faktörler; yol, nsan ve araç olmak üzere üçe ayrılmaktadır. Meydana gelen kazaların şddet de; ölümlü, yaralanmalı ve madd hasarlı olmak üzere yne üçe ayrılmaktadır. Bu çalışmada da bahsedlen şeklde br gruplandırma yapılmıştır. analz kesmler aynı uzunlukta olmadığı durumlarda, kaza frekansları le brlkte kaza yoğunlukları da hesaplanır. Analz kesmlernde meydana gelen kazaların matematk bağıntıları aşağıda ayrıntılı olarak gösterlmştr. kesmlernde meydana gelen kazalar, kaza frekansı brmnde yan brm zamanda kaza sayıları türünden ( frekansı=/zaman) aşağıdak matrste gösterlmştr. Bu matrste ksn, n. kesmde meydana gelen toplam kaza sayısının kaza frekansı olarak karşılığını fade etmektedr. ks1 KS (13) ks n İncelenecek yol kesmnde meydana gelen toplam kaza sayısı (KS) se aşağıdak eştlk kullanılarak hesaplanır. KS ks n n (14) analz kesmlernn farklı uzunluklarda olmasından dolayı kaza yoğunluk değerler hesaplanarak şlemlere konmuştur. yoğunlukları kaza sayılarının analz kesm uzunluğuna bölünmes le tespt edlr. Aşağıdak denklemde kyn, n. kesmdek kaza yoğunluğunu, dn se n. analz kesm uzunluğunu göstermektedr. ks n ky n (15) d Her br kaza kesmnde kaza faktörlerne () ve kaza şddetne (j) bağlı kaza yoğunluğu matrs aşağıda gösterlmştr. ky 11 KY ky n1 n ky 1 j ky nj (16) Her br kaza kesmnde meydana gelen kazaların kaza faktörler () ve kaza şddetler (j) oranları mevcut kaza statstkler kullanılarak hesaplanablr ve kaza oranları 711

6 Pamukkale Unv Muh Blm Derg, 23(6), , 2017 matrs [KO ] aşağıdak gb oluşturulablr. ko nj; n. kesmde, kaza faktörlü ve j kaza şddetl kazanın yüzde cnsnden oranıdır. ko11 KO ko n1 ko 1 j ko nj (17) Her br kesm çn, kaza faktörler le lgl tüm kaza şddetler oranları toplamı bre (%100) eşttr. ko n j ko nj 1 (18) Her br kesmn kaza yoğunluğu (ky n) le kaza oranı (ko nj) çarpılırsa her br kaza türünün kaza yoğunluğu (kyo nj) hesaplanır. kyo nj ky nkonj (19) yoğunlukları matrs [KYO ] aşağıda gösterlmştr. ky 1 ko11 ko 1 j KYO (20) ky n ko n1 ko nj Sonuç olarak her br kaza türünün kaza yoğunluğu matrs [KYO ] aşağıdak gb yazılablr. kyo nj; n. kesmde, j kaza şddetl, kaza faktörlü kazanın kaza yoğunluğudur. kyo11 KYO kyo n1 kyo 1 j kyo nj (21) 4.6 Gruplandırılan kazalara ağırlık değerlernn verlmes Bu aşamada, gruplandırılan trafk kazalarına etk eden faktörlere (yol, nsan ve araç faktörler gb) ve meydana gelen kaza şddetne (ölümlü, yaralanmalı ve madd hasarlı) br ağırlık değer verlr. Bu ağırlık değerler; anketlerle, uzman görüşleryle ya da trafk kazası rapor sonuçlarından belrleneblr. Bu çalışmada, trafk kazalarına etk eden faktörlern ağırlık değerlernn belrlenmesnde mahkeme sonuç raporlarındak kusur dağılımı yüzdelernn kullanılması tavsye edlmektedr. şddet ağırlık değerlernn belrlenmesnde se mevcut çalışmalar kullanılablr (Denklem 11 veya 12). Aşağıdak eştlkte kazanın şddetnn ağırlık değerler verlmştr. sfj, j kaza şddetl kazanın ağırlık değerdr. sf 1 SF (22) sf j Aşağıdak eştlkte se kaza faktörlernn ağırlık değerler verlmştr. ffj, kaza faktörlü kazanın yüzde cnsnden ağırlık değerdr. Daha öncede belrtldğ gb bu değerler mahkeme sonuç raporlarından belrleneblr. ff1 FF (23) ff faktörü kaza kusur oranlarını belrledğnden ağırlık değerler % cnsnden olup toplamları 100 e eşttr. ff 100 (24) 4.7 Analz kesmler kaza şddet ve karar matrslernn oluşturulması Bu aşamada her br kaza faktörü çn ayrı ayrı kaza şddet matrsler hesaplanır. Bu matrsler daha sonra brleştrlerek analz kesmne at karar matrs elde edlr. şddet matrs, kaza yoğunlukları le kaza şddet ağırlık değerlernn çarpılması le elde edlr. Aşağıdak eştlkte kaza şddet matrs [SM ] hesaplanmıştır. Burada; sm n, n. kesmde, kaza faktörlü kazanın şddet değerdr. kyo11 SM kyo n1 kyo 1 j sf 1 sm1 kyo nj sf j sm n (25) Tüm kaza faktörlerne at karar matrs [KM] se aşağıdak matrste gösterldğ gb tüm faktörlere at şddet matrslernn br araya getrlmes le elde edlmştr. 1 sm1 KM 1 sm n sm 1 sm n 4.8 olasılık matrsnn oluşturulması (26) ların olasılığı, her br kesmde kaza yoğunluğunun trafk hacmne bölünmesyle bulunablr. olasılık matrsnn oluşturulmasıyla lgl bağıntılar aşağıda gösterlmştr. Her br kesmde lgl kaza faktörünün (o n) meydana gelme olasılığı aşağıdak eştlk kullanılarak hesaplanablr. smn t on 1 tr nt t (27) Yukarıdak eştlkte trnt, n. kesmde t zaman aralığında geçen araç sayısını fade etmektedr. t zaman aralığı br yıl olarak alınırsa, yukarıdak denklemn bölüm kısmı YOGT olarak dkkate alınablr. Sonuç olarak, kaza faktörünün meydana gelme olasılığı YOGT değerler kullanılarak aşağıdak eştlkle hesaplanablr. smn on (28) YOGTn 712

7 Pamukkale Unv Muh Blm Derg, 23(6), , 2017 Herhang br kesmde herhang br faktöre bağlı kaza olma eğlm (ken ) se aşağıdak eştlklerle hesaplanablr: ke ke n on smn (29) 2 smn n (30) YOGTn Her br kaza faktörü çn kaza eğlm matrs [KE] se aşağıdak gb gösterlr; ke 1 KE (31) ke n Tüm faktörler çn kaza eğlm matrs [KE] se aşağıdak gb yazılablr. 1 ke1 KE 1 ke n ke 1 ke n (32) 4.9 analz kesmler önem matrsnn oluşturulması Önem matrsler, kaza analz matrsler le 6. adımda belrlenen trafk kazalarına etk eden faktörlern ağırlık değerler le çarpılması le bulunur. Aşağıdak eştlklerde önem matrsnn [OM] hesaplanması gösterlmştr. omn, n. kesmn kaza önem değern göstermektedr. 1 ke1 OM 1 ke n OM KE FF (33) 1 ke 1 ff om1 ke n ff om n 4.10 analz kesmlernn sıralanması (34) Br öncek adımda bulunan analz kesmler önem matrs değerler küçükten büyüğe ya da büyükten küçüğe sıralanarak, kaza eğlm düşük ya da yüksek olan bölgeler bulunablr Krtk kaza oran değerlernn belrlenmes Önerlen modeln en öneml avantajlarından brs krtk kaza oranları değerlernn belrlenmesnde dğer modellere göre çok daha hassas sonuçlar vermesdr. Çalışma bölges homojen özellkte analz kesmlerne bölündüğü çn benzer özellkte analz kesmler le karşılaştırmak daha sağlıklı sonuçlar verecektr. Krtk kaza oranlarının belrlenmesnde Denklem 7 kullanılablr. 5 Modeln test edlmes Önerlen modeln test edlmesyle lgl olarak aşağıda kuramsal olarak gelştrlen örnek br kesm üzernde analzler gerçekleştrlmştr. KAK uzunluklarının Bölüm 4 de anlatıldığı gb yol geometrs ve trafk blgler dkkate alınarak belrlendğ kabul edlmştr. yoğunlukları klometre başına kaza sayısı olarak hesaplanmıştır. Örnek kesm özellkler Tablo 1 de verlmştr. İncelenen yol kesmnn uzunluğunun 23 km, toplam kaza sayısının (KS) se 439 kaza/gün olduğu kabul edlmştr (Adım 1, 2 ve 3). Bu çalışmada, sağlıklı br karşılaştırmanın yapılablmes çn kaza verlernn kaza analz kesmler esasında toplandığı kabul edlmştr. Örnek kesmde meydana gelen trafk kazaları, geçmş kaza statstkler dkkate alınarak önce kaza faktörlerne (yol, araç ve nsan) göre gruplandırılmıştır. Tablo 2 de kaza faktörler ve bu çalışma çn kabul edlen kusur dağılımları % cnsnden verlmştr. Daha sonra her br faktöre bağlı kaza şddetlerne (ölümlü, yaralanmalı ve madd hasarlı) göre br alt gruplandırma yapılmış ve kabul edlen kaza oranları % cnsnden Tablo 3, 4 ve 5 te gösterlmştr. Her br kaza kesmnde gerçekleştğ kabul edlen kazaların kaza faktörler () ve kaza şddetler (j) oranları (ko nj) Tablo 3, 4 ve 5 te gösterlmştr (Denklem 17). Kesmle r Tablo 1: Test kesmne at özellkler. KAK Uzunluğ u (km) Frekansı (/gün ) Yoğunluğu (/gün.km ) YOGT (Araç/gün) K K K K K K K K K K Kesmler Tablo 2: faktörler ve kusur yüzdeler. Yol Faktörü Araç Faktörü İnsan Faktörü Toplam K K K K K K K K K K Tablo 3: Yol faktörüne at kaza şddetler ve kusur yüzdeler. Yol faktörü Ölümlü Yaralanmalı Madd Hasarlı Kesmler K K K K K K K K K K

8 Pamukkale Unv Muh Blm Derg, 23(6), , 2017 Tablo 4: Araç faktörüne at kaza şddetler ve kusur yüzdeler. Araç faktörü Kesmler Ölümlü Yaralanmalı Madd Hasarlı K K K K K K K K K K Tablo 5: İnsan faktörüne at kaza şddetler ve kusur yüzdeler. İnsan faktörü Kesmler Ölümlü Yaralanmalı Madd Hasarlı K K K K K K K K K K yoğunluğu (kyo nj) (kaza/km) değerler Denklem 21 kullanılarak hesaplanmış ve Tablo 6, 7 ve 8 de gösterlmştr. Tablo 6: Yol faktörü kaza yoğunluk değerler. Yol Faktörü Ölümlü Yaralanmalı Madd Hasarlı Kesmler K K K K K K K K K K Tablo 7. Araç faktörü kaza yoğunluk değerler. Araç Faktörü Ölümlü Yaralanmalı Madd Hasarlı Kesmler K K K K K K K K K K Tablo 8: İnsan faktörü kaza yoğunluk değerler. İnsan Faktörü Ölümlü Yaralanmalı Madd Hasarlı Kesmler K K K K K K K K K K Tablo 1, 2, 3, 4 ve 5 te gösterlen ve bu çalışma çn kabul edlen kaza verler kullanılarak her br analz kesm çn kaza yoğunluğu (kyo nj) (kaza/km) değerler Denklem 21 kullanılarak hesaplanmıştır. Hesaplanan değerler Tablo 6, 7 ve 8 de gösterlmştr. Şddet ndeks hesaplamalarında Denklem 12 dkkate alınmıştır. Bu çalışmada kaza ağırlık değerler her br faktör çn eşt kabul edlmştr (%33.33). Daha öncede belrtldğ gb ncelenen yol kesmyle lgl elde ayrıntılı verlern olması durumunda gerçek durumu yansıtan ağırlık değerlern kullanmak mümkündür. Kullanılan ağırlık değerler matrsler Denklem 22 ve 23 te belrtldğ gb aşağıda verlmştr. 9 SF 3 (35) FF (36) Tablo 6, 7 ve 8 verler kullanılarak, Bölüm 4.7 de anlatıldığı gb analz kesmlernn kaza şddet matrsler oluşturulmuştur. Bu matrsler daha sonra brleştrlerek analz kesmlerne at karar matrs elde edlmştr. Çalışma bölgesne at karar matrs denklem aşağıda verlmştr (Denklem 37) KM (37) Karar matrs değerler ve her br kaza analz kesmne at YOGT değerler kullanılarak Denklem 30 yardımıyla kaza eğlm matrs hesaplanmıştır (Denklem 38). 714

9 Pamukkale Unv Muh Blm Derg, 23(6), , 2017 Denklem 33 ve 34 te belrtldğ gb önem matrs, kaza eğlm matrs le trafk kazalarına etk eden faktörlern ağırlık değerlernn çarpılması le hesaplanmıştır (Denklem 39). Analz kesmler önem matrs değerler büyükten küçüğe sıralanarak, kaza eğlm yüksek olan bölgeler bulunmuştur (K1>K10>K5>K6>K4>K2>K9>K7>K3>K8). Görüldüğü gb en yüksek kaza eğlm olan bölge K1 bölges, en düşük kaza eğlm olan bölge K8 bölges olarak bulunmuştur. Gelştrlen KAK model dğer kaza analz modelleryle karşılaştırılması çn kaza analz kesmlerne at verler kullanılarak, her br kesme at kaza frekansı, kaza yoğunluğu, sıklık oran ve kaza şddet değerler hesaplanmıştır. Daha önce de değnldğ gb, sağlıklı br karşılaştırmanın yapılablmes çn kaza verlernn tüm kaza analz modeller çn kaza analz kesmler esasında toplandığı kabul edlmştr. Normal olarak dğer modellerde analz kesm uzunluğu dkkate alınarak tüm kesm fade eden ortalama değerler hesaplanmaktadır. Hesap değerler Tablo 9 da gösterlmştr KE OM Kesm Tablo 9: analz modellernn karşılaştırılması. Frekansı Model Yoğunluğu Model Sıklık Oran Model Şddet Model (38) (39) KAK Model K K K K K K K K K K Tablo 9 da hesaplanan her model değer büyükten küçüğe doğru sıralanarak, her br model çn kaza kesmler kaza önem değerler belrlenmştr. Sonuçlar Tablo 10 da gösterlmştr. Önem dereces Tablo 10: modeller sonuçları. Frekansı Model Yoğunluğu Model Sıklık Oran Model Şddet Model KAK Model 1 K1 K1 K1 K10 K1 2 K5 K10 K5 K1 K10 3 K10 K6 K10 K6 K5 4 K7 K5 K7 K5 K6 5 K2 K9 K2 K9 K4 6 K9 K4 K9 K4 K2 7 K3 K2 K3 K2 K9 8 K4 K7 K4 K8 K7 9 K6 K8 K6 K7 K3 10 K8 K3 K8 K3 K8 frekans modelnde lk üç sırada: K1, K5 ve K10, kaza yoğunluk modelnde lk üç sırada: K1, K10 ve K6, kaza sıklık modelnde lk üç sırada: K1, K5 ve K10, kaza şddet modelnde lk üç sırada: K10, K1 ve K6, KAK modelnde lk üç sırada: K1, K10 ve K6 bulunmaktadır. Bu bölgelern kaza grafkler aşağıda verlmştr. Şekl 2 de görüldüğü gb K1 ve K10 bölgeler dğer bölgelere göre daha yüksek önem derecesne sahptrler. şddet değerler ve YOGT değerler dkkate alındığında K1 bölges dğer bölgelere göre daha yüksek br öneme sahptr. Benzer şeklde, son üç sırada kaza frekans modelnde: K4, K6 ve K8, kaza yoğunluk modelnde: K7, K8 ve K3, kaza sıklık modelnde: K4, K6 ve K8, kaza şddet modelnde: K8, K7 ve K3, KAK modelnde se: K7, K3 ve K8 bulunmaktadır. Şekl 3 te görüldüğü gb K3, K7 ve K8 bölgeler dğer bölgelere göre daha az önem derecesne sahptrler. En az önem derecesne sahp bölgenn se K3 bölges olduğu görülmektedr. Oysa KAK modelnde K8 bölges en az önem derecesne sahptr. K3 ve K8 bölgelernn YOGT değerler ncelendğnde sırasıyla 5000 ve 9000 araç/gün olduğu görülmektedr. şddet değerler le brlkte YOGT değerler dkkate alındığında K8 bölges dğer bölgelere göre daha az br öneme sahptr. KAK modelnde çoklu br değerlendrme şlem yapıldığı çn ortaya çıkan sonuçların daha doğru br sıralama olduğu söyleneblr. Şekl 2: önem derecesnde lk sırada bulunan bölgeler. 715

10 Pamukkale Unv Muh Blm Derg, 23(6), , 2017 Şekl 3: önem derecesnde son sırada bulunan bölgeler. 6 Sonuçlar Gelştrlen KAK modelnn dğer kaza analz modellerne göre daha sağlıklı sonuçlar verdğ düşünülmektedr. Dğer modellerde sadece tek boyutlu br değerlendrme yapılırken KAK modelnde çok boyutlu br değerlendrme söz konusudur. frekansı modelnde kaza sayıları, kaza yoğunluğu modelnde kaza sayıları ve uzunluk değerler, sıklık oran modelnde se kaza sayıları ve trafk hacm değerler ağırlıklı olarak dkkate alınmaktadır. şddet modelnde se sadece kazanın şddetne bağlı olarak br sonuç çıkarılmaktadır. Gelştrlen KAK modelnde dğer modellern değerlendrme krterler yanında, kaza kesmlernde kazaya etk eden faktörler ve bu faktörlern şddet değerler de analze dâhl edlmştr. analzlernden beklenen en öneml fayda kazaya sebep olan faktörü belrlemek ve sonuç olarak can ve mal kayıplarını en aza ndrmektr. KAK modelnn en öneml avantajlardan brs de homojen analz kesmlernn oluşturulması ve bu kesmler arasında yapılacak statstk çalışmalarla her br parametrenn kazaya olan etksnn belrleneblmesdr. Gelştrlen bu model hem şehr ç hem de şehrlerarası yollara uygulamak mümkündür. Yapılacak korelasyon, regresyon gb statstk analz ve testlerle kazaya etkl parametreler belrleneblr ve gerekl müdahaleler yapılablr. Bu çalışmada ağırlık faktörler tüm bleşenler (nsan, yol ve araç) çn %33.33 yan eşt alınmıştır. Gerek uzman görüşler gerekse mahkeme sonuç raporları dkkate alınarak nsan, yol ve araç çn mevcut durumu yansıtan farklı ağırlık değerler alarak analzler gerçekleştrmek mümkündür. Gelştrlen KAK model verler teork olarak üretlen kuramsal br yol kesmnde test edlmştr. KAK model üzerne daha ler düzeyde br çalışma yapılarak gelştrleblr. Verler tam olarak sağlanan br çalışma bölgesnde uygulama yapılarak kazaya etkl parametrelern kaza üzerne etk dereceler belrleneblr. Ayrıca gelştrlen kaza analz model aylık ya da mevsmsel peryotlarda kullanılarak meydana gelen kazalarda zamanın etks de belrleneblr. 7 Kaynaklar [1] World Health Organzaton. Global Plan for the Decade of Acton for Road Safety Geneva, Swtzerland, [2] Al-Haj G. Traffc Safety n Developng Countres- New Approaches n Technology Transfer by Usng Dstance Educaton Technque, MSc Thess, Lnköpng Unversty, Lnköpng, Sweden, [3] Smeed RJ. Some statstcs aspects of road safety research. Journal of the Royal Statstcal Socety, Seres A, (General), 112(1), 1-34, [4] Adams J. Smeed s Law: Some further thoughts. Journal of Traffc Engneerng and Control, 10(7), 70-73, [5] Oppe S. Macroscopc models for traffc and traffc safety. Accdent Analyss and Preventon, 21(3), , [6] Koornstra MJ. The evoluton of road safety and moblty. IATSS (Internatonal Assocaton of Traffc and Safety Scences) Research, 16(2), , [7] Navn F, Bergan A, Q JA. Fundamental Relatonshp for Roadway Safety: A Model for Global Comparsons. Transportaton Research Board, Transportaton Research Record, Washngton DC, USA, 1441, [8] Cheng W, Washngton SP. Expermental evaluaton of hotspot dentfcaton methods. Accdent Analyss and Preventon, 37(5), , [9] Boroujerdan M, Saffarzadeh M, Abolhasannejad V. Developng a model for prortsng hgh crash road segments. Proceedngs of the Insttuton of Cvl Engneers-Transport, 163(1), 19-28, [10] Carey J. Arzona Local Government Safety Project Analyss Model (Fnal Report 504). Phoenx, Arzona, USA, [11] Qn X, Ivan JN, Ravshanker N. Selectng Exposure Measures n Crash Rate Predcton for Two-Lane Hghway Segments. Accdent Analyss and Preventaton, 36(2), , [12] Pulugurtha SS, Krshnakumar VK, Nambsan SS. New Methods to Identfy and Rank Hgh Pedestran Crash Zones: Anllustraton. Accdent Analyss and Preventon, 39(4), , [13] Hallmark SL, Basavaraju R, Pawlovch M. Evaluaton of the IOWA DOT s Safety Improvement Canddate Lst Process. Iowa State Unversty, Department of Transportaton, Ames IA, USA, [14] McGugan DRD. Non-Juncton accdent rates and ther use n black-spot dentfcaton. Traffc Engneerng Control, 23(2), 60-65, [15] Unted States Federal Hghway Admnstraton. Hghway Safety Improvement Program (HSIP) Manual. US. Department of Transportaton. Washngton DC, USA, [16] Ma J, Kockelman K. Crash frequency and severty modelng usng clustered data from washngton state. Proceedngs of the IEEE ITSC, IEEE Intellgent Transportaton Systems Conference, Toronto, Canada, September [17] Monsere CM, Bosa PG, Bertn RL. Combnng clmate, crash, and hghway data for mproved rankng of speed and wnter-weather related crash locatons n oregon. Journal of Transportaton Engneerng, 134(7), , [18] Stokes RW, Mutabaz MI. Rate-Qualty control method of dentfyng hazardous road locatons. Transportaton Research Record, 1542, 44-48, [19] Sayed TAA. Hghway Safety Expert System: A New Approach to Safety Programs. PhD Thess, Unversty of Brtsh Columba, Vancouver, Canada, [20] Elvk R. The predctve valdty of emprcal bayes estmates of road safety. Accdent Analyss and Preventon, 40(6), ,

11 Pamukkale Unv Muh Blm Derg, 23(6), , 2017 [21] Hauer E. On the estmaton of the expected number of accdents. Accdent Analyss and Preventon, 18(1), 1-12, [22] Bureau of Transport Economcs. Evaluaton of the Black Spot. Australan Government Publshng Servce, Canberra, Australa, [23] Hauer E, Harwood DW, Councl FM, Grffth MS. Estmatng safety by the emprcal Bayes method: A tutoral. Transportaton Research Record, Transportaton Research Board, Natonal Research Councl, Washngton, DC, USA, 1784, [24] Hlge JL, Wtkowsk JM. Bayesan dentfcaton of hazardous locatons. Transportaton Research Record, Transporaton Research Board, Natonal Research Councl, Washngton, DC, USA, 1185, [25] Murat YŞ, Şekerler A. Trafk kaza verlernn kümelenme analz yöntem le modellenmes. İMO Teknk Derg, 20(3), , [26] Karaşahn M, Terz S. Coğraf blg sstemler le Isparta- Antalya-Burdur karayolunun kara nokta analz. Pamukkale Ünverstes Mühendslk Blmler Dergs, 9(3), , [27] Saplıoğlu M, Karaşahn M. Coğraf blg sstem yardm le sparta l kentç trafk kaza analz. Pamukkale Ünverstes Mühendslk Blmler Dergs, 12(3), , [28] Emnağa ZA. An Approach to Investgate Relatonshp Between Speed and Safety on Urban Arterals. MSc Thess, Mdle East Techncal Unversty, Ankara, Turkey, [29] Ünal SZ. An Optmzng Approach for Hghway Safety Improvement Programs. MSc Thess, Mddle East Techncal Unversty, Ankara, Turkey, [30] Ozan C, Başkan Ö, Haldenblen S, Derc E. Trafk kazalarnn tehlke ndeks metodu le analz: denzl örneğ. Pamukkale Ünverstes Mühendslk Blmler Dergs, 16(3), , [31] Atalay A, Tortum A, Gökdağ M. Türkye de yılları arasında meydana gelen aylık trafk kazalarının zamansal analz. Pamukkale Ünverstes Mühendslk Blmler Dergs, 18(3), , [32] Atalay A, Tortum A, Çodur YM. Faktör analz kullanlarak trafk kazalarnn modellenmes. Uluslararası Trafk ve Ulaşım Güvenlğ Dergs, 1(1), 35-54, [33] Çodur MY, Tortum A, Çodur M. Genelleştrlmş lneer regresyon le erzurum kuzey çevre yolu kaza tahmn model. Iğdır Ünverstes Fen Blmler Ensttüsü Dergs, 3(1), 79-84, [34] Çodur MY, Tortum A. An artfcal neural network model for hghway accdent predcton: A case study of Erzurum. Turkey Promet-Traffc & Transportaton, 27(3), , [35] Akgüngör AP, Doğan E. Farklı yöntemler kullanılarak gelştrlen trafk kaza tahmn modeller ve analz. Internatonal Journal Engneerng Research & Development, 2(1), 16-21, [36] Akgüngör AP, Doğan E. Smeed ve andreassen kaza modellernn türkye uygulaması: Farklı senaryo analzler. Gaz Ünverstes Mühendslk-Mmarlık Fakültes Dergs, 23(4), , [37] Andreassen DC. Lnkng deaths wth vehcles and populaton. Traffc Engneerng & Control, 26(11), , [38] Irgat O, Guler H, Aslan A. "Traffc safety analyss usng macroscopc modelng technques a case study for Sakarya regon". Internatonal Scence and Technology Conference, Rome, Italy, June [39] Sjolnder K. Kara Nokta El Ktabı. Karayolları Genel Müdürlüğü, Ankara, Türkye,