Kaza analizlerinde regresyon yöntemleri ile yapay zekâ tekniklerinin karşılaştırılması

Abstract

Trafik kazalarının sayısının tahmin edilmesi ulaştırma politikalarının geliştirilmesine yön veren önemli çalışmalardandır. Makro düzeyde karayollarında meydana gelen kaza sayısı üzerinde etkili olan birçok değişken mevcuttur. Bu çalışmada, nüfus, taşıt sayısı, sürücü sayısı, taşıt-kilometre makro değişkenleri bağımsız değişken olarak düşünülmektedir. Bu makro değişkenler kullanılarak tahmin edilen yıllık kaza sayısı, ölüm sayısı ve yaralı sayısı bağımlı değişkendir. Bu çalışmada kullanılan veriler ABD eyaletlerine ait 1988-2016 yıllarına ait verilerdir. Bu çalışmada çok değişkenli regresyon yöntemleri ile oluşturulan tahmin modeli, logaritmik regresyon, yapay sinir ağları (YSA) ve Bulanık Mantık (BM) ile karşılaştırılmaktadır. Çok değişkenli lineer regresyon modelinin, lineer, interaction, quadratic ve purequadratic türleri uygulanmaktadır. Modeller arası karşılaştırmalar korelasyon katsayısı (R), yüzde hataların ortalaması (YHO) ve hataların karesinin ortalaması (HKO) ile yapılmaktadır. Kaza sayısı tahmini için yapılan analizler sonucunda çok değişkenli lineer regresyon yöntemlerinden, lineer regresyon modelinin R değeri 0,8577, YHO değeri %4,8027, HKO değeri 14501376454,2255 olarak hesaplanmaktadır. İnteraction regresyon modelinin R değeri 0,9692, YHO değeri %2,0864, HKO değeri 3326475148,8991 olarak hesaplanmaktadır. Purequadratic regresyon modelinin R değeri 0,9672, YHO değeri %2,1795, HKO değeri 3540099887,9246 olarak hesaplanmaktadır. Quadratic regresyon modelinin R değeri 0,9889, YHO değeri %1,4379, HKO değeri 1214042257,7187 olarak hesaplanmaktadır. Logaritmik regresyon modeli sonucu elde edilen R değeri 0,8502, YHO değeri %4,8007 ve HKO değeri 15243601485,0837 olarak hesaplanmaktadır. YSA analiz sonucu elde edilen R değeri 0,9816, YHO değeri %1,6463 ve HKO değeri ise 2152002423,0350 olarak hesaplanmaktadır. BM analiz sonucu elde edilen R değeri 0,8869, YHO değeri %5,7766 ve HKO değeri ise 16956785090,7348 olarak hesaplanmaktadır. Yaralı sayısı tahmini için yapılan analizler sonucunda, lineer regresyon modelinin R değeri 0,9390, YHO değeri %4,5540, HKO değeri 21634202561,6271 olarak hesaplanmaktadır. İnteraction regresyon modelinin R değeri 0,9934, YHO değeri %1,4955, HKO değeri 2420035918,9591 olarak hesaplanmaktadır. Purequadratic regresyon modelinin R değeri 0,9925, YHO değeri %1,6821, HKO değeri 5340363074,3138 olarak hesaplanmaktadır. Quadratic regresyon modelinin R değeri 0,9951, YHO değeri %0,6148, HKO değeri 600590065,7349 olarak hesaplanmaktadır. Logaritmik regresyon modeli sonucu elde edilen R değeri 0,9481, YHO değeri %4,1322 ve HKO değeri 18549631727,8743 olarak hesaplanmaktadır. YSA analiz sonucu elde edilen R değeri 0,9860, YHO değeri %2,4522 ve HKO değeri 6268315631,2724 olarak hesaplanmaktadır. BM analiz sonucu elde edilen R değeri 0,9518, YHO değeri %5,0739 ve HKO değeri 26260831083,4280 olarak hesaplanmaktadır. Ölüm sayısı tahmini için yapılan analizler sonucunda, lineer regresyon modelinin R değeri 0,9971, YHO değeri %0,6600, HKO değeri 99919,4830 olarak hesaplanmaktadır. İnteraction regresyon modelinin R değeri 0,9994, YHO değeri %0,2926, HKO değeri 19416,1569 olarak hesaplanmaktadır. Purequadratic regresyon modelinin R değeri 0,9993, YHO değeri %0,3437, HKO değeri 25040,2321 olarak hesaplanmaktadır. Quadratic regresyon modelinin R değeri 0,9996, YHO değeri %0,2071, HKO değeri 13087,7865 olarak hesaplanmaktadır. Logaritmik regresyon modeli sonucu elde edilen R değeri 0,9972, YHO değeri %0,6375 ve HKO değeri 96023,6160 olarak hesaplanmaktadır. YSA analiz sonucu elde edilen R değeri 0,9972, YHO değeri %0,3949 ve HKO değeri 98718,9991 olarak hesaplanmaktadır. BM analiz sonucu elde edilen R değeri 0,9437, YHO değeri %4,4421 ve HKO değeri 4737707,4473 olarak hesaplanmaktadır. Yapılan analizler sonucunda kaza, yaralı ve ölüm sayılarının tahmininde en iyi sonuçları veren model quadratic regresyon modeli olarak bulunmaktadır.

Estimating the number of traffic accidents is one of the important studies that guide the development of transportation policies. At the macro level, there are many variables that affect the number of road accidents. In this study, population, number of vehicles, number of drivers, vehicle-kilometers which are the macro variables, are considered as independent variables. The number of accidents, the number of deaths, and the number of injureds, which are dependent variable,s are estimated by using these macro variables. The data used in this study are from the years 1988-2016 of the US states. In the study, the prediction model generated by multivariate regression methods is compared with logarithmic regression, artificial neural networks (ANN) and Fuzzy Logic (FL). Linear, interaction, quadratic and purequadratic types of multivariate linear regression model are applied. Comparisons between the models are made with the correlation coefficient (R), the mean of the percentage errors (MPE) and the mean square of the errors (MSE). As a result of the analyzes conducted for the estimation of the number of accidents, the R value of the linear regression model is 0.8577, the MPE value is 4.8027% and the MSE value is 14501376454,2255. Interaction regression model R value is 0.9692, MPE value is 2.0864%, MSE value is calculated as 3326475148,8991. Purequadratic regression model R value is 0.9672, MPE value is 2.1795%, MSE value is calculated as 3540099887,9246. The R value of the quadratic regression model is 0.9889, the MPE value is 1.4379% and the MSE value is 1214042257,7187. R value obtained as a result of logarithmic regression model is calculated as 0.8502, MPE value is 4,8007% and MSE value is calculated as 15243601485,0837. R value obtained from ANN analysis is calculated as 0.9816, MPE value is calculated as 1.6463% and MSE value is calculated as 2152002423,0350. The R value obtained by the FL analysis is 0.8869, the MPE value is 5.7766% and the MSE value is calculated as 16956785090.7348. As a result of the analyzes conducted for estimating the number of injured, R value of linear regression model is calculated as 0.9390, MPE value is 4.5540% and MSE value is calculated as 21634202561,6271. The R value of the interaction regression model is 0.9934, the MPE value is 1.4955%, the MSE value is calculated as 2420035918,9591. Purequadratic regression model R value is 0.9925, MPE value is 1.6821%, MSE value is calculated as 5340363074,3138. The R value of the Quadratic regression model is calculated as 0.9951, the MPE value is 0.6148% and the MSE value is 600590065,7349. R value obtained as a result of logarithmic regression model is calculated as 0.9481, MPE value is calculated as 4,1322% and MSE value is calculated as 18549631727,8743. The R value obtained from ANN analysis is calculated as 0.9860, MPE value is calculated as 2.4522% and MSE value is calculated as 6268315631,2724. The R value obtained by FL analysis is calculated as 0.9518, MPE value is 5.0739% and MSE value is calculated as 26260831083,4280. As a result of the analyzes made for the estimation of the number of deaths, the R value of the linear regression model was calculated as 0.9971, the MPE value was 0.66600% and the MSE value was calculated as 99919.4830. Interaction regression model R value is 0.9994, MPE value is 0.2926%, MSE value is calculated as 19416,1569. Purequadratic regression model R value is 0.9993, MPE value is 0.3437%, MSE value is calculated as 25040,2321. The R value of the quadratic regression model is 0.9996, the MPE value is 0.2071%, and the MSE value is 13087.7865. R value obtained as a result of logarithmic regression model is calculated as 0.9972, MPE value is 0.6375% and MSE value is calculated as 96023,6160. R value obtained from ANN analysis is calculated as 0.9972, MPE value is calculated as 0.3949% and MSE value is calculated as 98718,9991. The R value obtained by the FL analysis is 0.9437, the MPE value is 4.4421% and the MSE value is 4737707,4473. As a result of the analyzes, the model which gives the best results in the estimation of accident, injured and death numbers was found as quadratic regression model.