TRAFİK KAZALARININ COĞRAFİ AĞIRLIKLI REGRESYON ANALİZİ İLE MODELLENMESİ Ahmet Atalay 1, Ahmet Tortum 2, Muhammed Yasin Çodur 3 1 Atatürk Üniversitesi, Narman Meslek Yüksekokulu, Narman 25530 Erzurum, ahatalay@atauni.edu.tr 2 Atatürk Üniversitesi, Mühendislik Fakültesi, İnşaat Müh. Bölümü, 25240, Erzurum, atortum@atauni.edu.tr 3 Erzurum Teknik Üniversitesi, Mühendislik ve Mimarlık Fakültesi, İnşaat Müh. Bölümü, 25240, Erzurum, mycodur@erzurum.edu.tr ÖZET Bu çalışmada coğrafi bilgi sistemlerinin (CBS) bünyesinde bulunan mekânsal analiz yöntemleri ile Türkiye de illerin sosyo ekonomik gelişmişlik sırası ile motorlu taşıt sayısının trafik kazalarına etkisini belirlenmesi amaçlanmıştır. Çalışmanın analizlerinde kullanılan veriler 2011 yılında meydana gelen trafik kaza değerleri ve motorlu taşıt toplam değerleri Türkiye İstatistik Kurumu (TUİK) den elde edilmiştir. Kalkınma Bakanlığı belirlemiş olduğu İllere ait sosyo ekonomik gelişmişlik sırası (SEGE) değerleri 2011 yılına ait değerler kullanılmıştır. Çalışma Kapsamında illerin sosyo ekonomik gelişmişlik sırasının ve ilde bulunan motorlu taşıt sayılarının trafik kazalarına olan etkilerinin belirlenmesi için Coğrafi Ağırlıklı Regresyon Analizi (CAR) (Geographically Weigheted Regression Analysis-GWR) yapılmıştır. CAR ile kurulan modelde R-kare değer 0,99 olarak belirlenmiştir. Ayrıca trafik kazaları ile SEGE ters orantılı olduğu ve motorlu taşıt sayısı ile doğru orantılı olduğu belirlenmiştir. Anahtar Sözcükler: Trafik Kazaları, Coğrafi Ağırlıklı Regresyon Analizi, Coğrafi Bilgi Sistemleri ABSTRACT MODELING OF TRAFFIC ACCIDENTS BY USING GEOGRAPHICAL WEIGHTED REGRESSION ANALYSIS In this study, geographic information systems (GIS) spatial analysis methods, on-site socio-economic development of the provinces in Turkey, the number of motor vehicles, respectively, to determine the impact of traffic accidents. The data used in the study analyzes the traffic accident that occurred in 2011, the total value of motor vehicle values and Turkey Statistical Institute (TSI) has been obtained. Socio-economic development of the province is determined by the order of Ministry of Development (SEGE), the values of the values used in the year 2011. Socio-economic development of provinces and cities under study in order to determine the effects of motor vehicle traffic accidents are the number of geographically weighted regression analysis (GWR) were conducted. The CAR model, the R-squared value of 0.99 was established by the determined. In addition, traffic accidents, and is inversely proportional to the SEGE determined to be directly proportional to the number of motor vehicles. Keywords: traffic Accidents, Geographical Weighted Regression Analysis, Geographical Information Systems 1. GİRİŞ Tüm gelişmekte olan ülkelerde olduğu gibi Türkiye de de trafik kazaları önde gelen ölüm nedenlerinden biridir. Çeşitli kanser türleri ve kalp hastalıklarından sonra en fazla ölümler trafik kazalarından kaynaklanmaktadır (Karagöz, 2008). Ülkemizde yılda 5000 üzerinde insan trafik kazalarından dolayı hayatını kaybetmektedir. Ayrıca ülkemizde trafik kazalarının meydana gelmesinden sonra kazazedeleri takip süresi olmadığından tutulan istatistikler sadece kaza yerinde meydana gelen ölüm ve yaralanmaları yansıtmaktadır. Trafik kaza istatistiklerine kazadan sonra meydana gelen ölümlerde eklenince yaklaşık olarak ülkemizde en az 10 000 kişi hayatını kaybetmektedir. Livneh ve Hakkert (1984) yaptıkları çalışmada gelişmekte olan ülkelerde, kazalara etki eden nedenleri İsrail örneğinde araştırmışlardır. Partyka (1984) yaptığı çalışmada iş ve nüfus verilerini kullanarak bir kaza tahmin modeli önermiştir. Modelinde çalışan kişi sayısı, çalışacak durumda olan fakat işsiz olan kişi sayısı ve çalışamayacak olan kişi sayılarını model parametreleri olarak kullanmıştır. Mohan ve Bawa (1985), ölümlü kazaları Hindistan ın Delhi kenti örneğinde incelemişlerdir. 1984 yılında Delhi nin diğer sanayileşmiş kentlerden farklı olduğunu kazaların %80 nin yayaların, iki tekerlekli araçların ve otobüslerin neden olduğunu ve diğer motorlu taşıtların ölümlerde daha az bir etkiye sahip olduğunu belirtmiştir. Vali (2005), yaptığı çalışmada Hindistan ve metropol kentleri için Smeed ve Andreassen bağıntılarından faydalanarak kaza tahmin modelleri önermiştir ve bu modeller yardımıyla 2007 ve 2010 yılı için kaza, yaralı ve ölü sayılarını tahmin etmeye çalışmıştır. Zegeer (1987) yaptığı çalışmada trafik, yol geometrisi ve arazi yapısının kazaların meydana gelmesi üzerinde etkin parametreler olduğunu vurgulamış ve bu parametrelere ait verileri kullanarak bir kaza tahmin modeli geliştirmiştir. Akgüngör ve Yıldız (2007) ise kısmi faktöriyel metodunu kullanarak Zeeger in modelindeki parametrelerin duyarlılıklarını incelemişler ve yıllık ortalama günlük trafiğin modeldeki en etkin para metre olduğunu ortaya koymuşlardır.
Trafik kaza modellemeleri yol güvenliği çalışmalarında ve kaza analizlerinde önem taşımaktadır. Bu çalışmada 2011 yılında ülkemizde meydana gelen trafik kazaları, illerin sosyoekonomik gelişmişlik sıralamaları ve illerde kayıtlı taşıt sayıları verileri kullanılarak coğrafi ağırlıklı regresyon modeli ile modelleme yapılmıştır. Akgüngör ve Doğan (2008) yaptıkları çalışmada, 1986-2005 yılları arasındaki nüfus (P), araç (N), kaza (C), yaralı (I) ve ölü sayıları na (D) ait veriler kullanılarak Türkiye için trafik kaza modelleri geliştirilmiştir. Bu modeller geliştirilirken, yapısal form olarak Smeed ve Andreassen modellerinden yararlanılmakla birlikte Smeed modeli farklı bir bakış açısından ele alınarak geliştirilmiş ve bu modele Smeed Benzeşim Modeli adı verilmiştir. Avrupa Birliğine tam üye olma yolunda olan Türkiye nin 2010 yılına kadar olan süreçte kaza, yaralı ve ölü sayıları farklı üç senaryo ile tahmin edilmeye çalışılmıştır. Son yıllarda Coğrafi Bilgi Sistemleri (CBS) gelişmesi ile trafik kaza analizlerinde kullanılmaya başlamıştır. Erdoğan (2009) yaptığı çalışmada CAR modeli kullanmıştır. Çalışmada illerin yol uzunluğu, araç sayıları ve nüfus bağımsız değişken kaza sayısı ve ölü sayısı ise bağımlı değişken olarak modelleme yapmıştır. Bu çalışmada bağımlı değişken kaza sayısı ve bağımsız değişkenler ise SEGE değerleri ve taşıt sayıları kullanılmıştır. 1.1 Çalışma Alanı ve Veri Bu çalışmada iller bazında coğrafik zonlar oluşturulmuştur. Çalışma veri tabanı ise illere ait 2011 yılında meydana gelen trafik kaza sayısı, illerin SEGE değerleri ve illerdeki taşıt sayıları kullanılarak oluşturulmuştur. Trafik kaza sayısı ve taşıt sayıları Türkiye İstatistik Kurumu (TUİK) den elde edilmiştir. SEGE değerleri Kalkınma Bakanlığı ndan elde edilmiştir. 2. COĞRAFİ AĞIRLIKLI REGRESYON ANALİZİ Bilindiği üzere coğrafik birimler (ülkeler, bölgeler, iller, vs.) ekonomik, sosyal ve diğer faktörler açısından birbirlerinden farklıdırlar. Bu farklılık nedeniyle, ekonomik değişkenler arasındaki ilişki coğrafyadan coğrafyaya farklılık gösterir. CAR modelleri yardımıyla her bir coğrafik birime ait ilişki yani lokal ilişki tahmin edilir. Bölgesel çalışmalarda CAR modellerinin kullanımı son yıllarda artmıştır. Eckey et al. (2007) Almanya daki bölgesel yakınsamayı CAR modelleri yardımıyla tahmin etmişler ve böylece elde ettikleri tahminler aracılığı ile farklı bölgesel yakınsama hızları tespit etmişlerdir. Türkiye için Işık ve Pınarcıoğlu (2006), Öcal ve Yıldırım (2010) yaptıkları çalışmalarda bu modeli kullanarak local katsayı tahminleri elde etmişlerdir. Tüm birimler için yalnızca bir ilişki olduğunu varsayan global regresyon (klasik regresyon) modeli şöyledir: (1) Bu ifadedeki i=1,,n coğrafik birimi, β k, (k=1,2,,m) global parametreleri göstermektedir ve bu global parametreler tüm birimler için aynıdır. (1) ifadesi En Küçük Kareler Yöntemi (EKK) ile tahmin edilir. CAR Modellerinde ise global parametreler yerine lokal parametreler yer alır ve şöyle gösterilir: (2) Β ik, tüm i=1,2,,n için sabit ise (1) nolu ifade geçerlidir. i. birime ait lokal parametre vektörü ise şöyle tahmin edilir: (3) nolu ifadedeki W i, w ij (j=1,2,,n) lerden meydana gelen (nxn) boyutlu diagonal ağırlık matrisidir. CAR daki ağırlıklar i. Birimin konumuna göre değişmektedir ve ağırlık matrisi her bir i için hesaplanmaktadır (Fortheringham, Brunsdon ve Charlton, 2002). İ ve j konumları arasındaki d ij olsun. Bu ağırlıklar d ij nin azalan bir fonksiyonu olarak belirlenir. İki bölge arasındaki uzaklık azaldıkça, ağırlıkta artmaktadır. Yani, daha yakın konumlar daha fazla ağırlıklarla gösterilir. En yaygın kullanılan fonksiyon Gaussian veya yaklaşık-gaussian ağırlık fonksiyonudur ve bu fonksiyon şöyledir (Fortheringman, 2002): B, band genişliği olarak kabul edilir. İ ve j sınır komşusu ise bu noktadaki ağırlık 1 değerini alır ve diğer verilerin ağırlıkları, i ve j arasındaki uzaklık arttıkça Gaussian eğrisine göre azalır. (5) ifadesindeki veri bir d ij için, daha büyük b, j konumundaki gözlem için daha küçük elde edilir (Öcal, Yıldırım, 2010). Diğer bir deyişle veri bir b için i konumundan oldukça uzaktaki gözlemler 0 değerini almaktadır ve böylece i konumuna ait parametre tahmininde bu uzak konumlar dışlanmaktadır. Yani i konumundaki ekonomik ilişkiye, yakın konumların etkisi ölçülmektedir. (3) (4) (5)
Uygun band-genişliği seçimi önemlidir. Band genişliği şu kritere göre seçilir (Fortheringman et al., 2002): 1. Kernel yoğunluk tahmini veya lokal regresyon yaklaşımı olarak bilinen çapraz geçerlilik (CV) yöntemi, 2. Akaike Information Criterion (AIC) minimize edilmesi, böylece uyum iyiliği ve serbestlik derecesi arasındaki denge 3. Schwartz Information Criterion (SIC) (Zeren, Koç Yurtkur, 2012). 3. BULGULAR Çalışmada Türkiye de illerin 2011 yılına ait trafik kaza sayısı, SEGE değerleri ve kayıtlı motorlu taşıt sayıları kullanılarak trafik kaza modeli oluşturulmaya çalışılmıştır. Trafik kaza modeli oluşturulurken CAR modeli kullanılmıştır. Bu çalışmada oluşturulan modelin bilgileri aşağıdaki gibi belirlenmiştir (Tablo 1). Bağımlı Değişken Bağımsız değişken Kernel tipi Band genişliği Ağırlıklar Tablo 1: CAR modelin katsayıları Kaza SEGE_2011, Taşıt sayısı Adaptive AICc Kaza AICc 1840 R-kare 0,992 Düzeltilmiş R-kare 0,989 Modelin standart kalıntılarının tematik haritası hazırlanmıştır. Tematik harita standart hataların standart sapmalarına göre iller gruplandırılmıştır (Şekil 1). Şekil 1: CAR modelin kalıntılarına göre tematik harita CAR modelinin kalıntılarına göre iller çoğunlukla -0.5-0.5 standart sapma aralığında yığılmaktadır. Bu sonuç modelin doğru tahmin yaptığına işaret etmektedir. Modelin tahmin ettiği değerler ile gözlemlenen değerlerin grafik gösterimi Şekil 2 deki gibi elde edilmiştir.
Şekil 2: İllere göre CAR modelin tahmin ve gerçek kaza değerleri Bu çalışmada oluşturulan modelin tahmin değerlerinin gerçek değerlere çok yakın değerler olduğu Şekil 2 deki gibi belirlenmiştir. 4. SONUÇ Bu çalışmada Türkiye de iller bazında trafik kazaları illerin sınırlarına göre zonlar oluşturularak CBS teknolojileri kullanılarak trafik kaza modeli oluşturulmaya çalışılmıştır. Trafik kaza tahmin modeli kurmak için CAR modeli kurulmaya çalışılmıştır. 2011 yılında meydana gelen trafik kazaları, illerin SEGE_2011 değerleri ve illerdeki taşıt sayıları kullanılmıştır. CAR modeli oluşturulurken band genişiliği olarak AICc seçilmiştir. Modelin belirlilik katsayısı (R-kare) 0,99 ve düzeltilmiş belirlilik katsayısı (düzeltilmiş R-kare) 0,98 olarak belirlenmiştir. Modelin tahmin ettiği değerler ile gerçek trafik kaza değerleri karşılaştırılmıştır modelin gerçek değerlere çok yakın değerlerde tahmin yaptığı belirlenmiştir. Trafik kaza analizlerinde CAR yöntemi çok fazla kullanılmamıştır. CBS teknolojilerinin gelişmesi trafik kaza analizlerinin daha detaylı yapılmasına olanak sağlamaktadır. Bu çalışma ile daha sonra yapılacak çalışmalara farklı bir bakış açısı sağlayacağı umulmaktadır. KAYNAKLAR Akgüngör, A.P., Doğan, E., 2008. Smeed ve Andreassen kaza modellerinin Türkiye uygulaması: farklı senaryo analizleri, Gazi Üniv. Müh. Mim. Fak. Der. Cilt 23, No 4, 821-827. Akgüngör, A.P., Yıldız, O., 2007. Sensitivity Analysis of an Accident Prediction Model by the Fractional Factorial Method, Accident Analysis & Prevention, Cilt 39, No 1, 63-68. Dinesh M. and Bawa B.S., 1985. An Analysis of Road Traffic Fatalities in Delhi, India, Accident Analysis & Prevention, Cilt 17, No 1, 33-45. Eckey, H.F., Kosfeld R., and Türck, M., 2007. An Assesment of Telecominications Reform in Developing Countries, The World Bank Policy Research, Working Paper, 2990. Erdoğan, S., 2009. Explorative spatial analysis of traffic accident statistics and road mortality among the provinces of Turkey. Journal of Safety Research 40, 341 351. Fortherinham, A.S, Brunsdon, C., Charlton, M.E., 2002. Geographically Weighted Regression: The Analysis of Spatial Varying Relationships, Jon Wiley&Sons. Işık, O., and Pınarcıoğlu M., 2006. Geographies of a silent transition: a geographically weighted regression approach to regional fertility differences in Turkey, European Journal of Population/Revue europenne de Dmographie, 22(4), 399-421(23). Livneh, M. and Hakkert, A.S., 1984. Some Factors Effecting the Increase Road Accidents in Developing Countries, with particular reference to Israel, Accident Analysis & Prevention Cilt 16, No 3,211-222. Öcal, N., Yıldırım, J., 2010, Regional effects of terrorism on economic growth in Turkey: A geographically weighted regression, Journal of Peace Research, 47(4), 1-13.
Partyka., C., 1984. Simple Models of Fatality Trends Using Employment and Population Data, Accident Analysis & Prevention, Cilt 16, No 3, 211-222. Valli, P.P., 2005. Road Accident Models for Large Metropolitan Cities of India, IATSS Research, Cilt 29, No 1, 57-65. Zegeer C.V., Deacon, JA., 1987. State of the Art Report 6, Transportation Research Board. Zeren, F., Koç Yurtkur, A., 2012, Türkiye de telekominikasyon altyapısının ekonomik gelişmişliğe etkisi: Coğrafi Ağırlıklı Regresyon Yöntemi, Sosyoekonomi, 2012-1, 63-84.