Emre Tercan

APA TERCAN E, BEŞDOK E (). Trafik Kazalarına Etki Eden Faktörler Arasındaki İlişkilerin TBA Biplot Analiz Yöntemi İle Değerlendirilmesi. Iğdır Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 8(1), - Chicago TERCAN Emre,BEŞDOK Erkan Trafik Kazalarına Etki Eden Faktörler Arasındaki İlişkilerin TBA Biplot Analiz Yöntemi İle Değerlendirilmesi. Iğdır Üniversitesi Fen Bilimleri Enstitüsü Dergisi 8, no.1 (): - MLA TERCAN Emre,BEŞDOK Erkan Trafik Kazalarına Etki Eden Faktörler Arasındaki İlişkilerin TBA Biplot Analiz Yöntemi İle Değerlendirilmesi. Iğdır Üniversitesi Fen Bilimleri Enstitüsü Dergisi, vol.8, no.1, , ss - AMA TERCAN E,BEŞDOK E Trafik Kazalarına Etki Eden Faktörler Arasındaki İlişkilerin TBA Biplot Analiz Yöntemi İle Değerlendirilmesi. Iğdır Üniversitesi Fen Bilimleri Enstitüsü Dergisi. ; 8(1): - Vancouver TERCAN E,BEŞDOK E Trafik Kazalarına Etki Eden Faktörler Arasındaki İlişkilerin TBA Biplot Analiz Yöntemi İle Değerlendirilmesi. Iğdır Üniversitesi Fen Bilimleri Enstitüsü Dergisi. ; 8(1): - IEEE TERCAN E,BEŞDOK E "Trafik Kazalarına Etki Eden Faktörler Arasındaki İlişkilerin TBA Biplot Analiz Yöntemi İle Değerlendirilmesi." Iğdır Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 8, ss - , ISNAD TERCAN, Emre - BEŞDOK, Erkan. "Trafik Kazalarına Etki Eden Faktörler Arasındaki İlişkilerin TBA Biplot Analiz Yöntemi İle Değerlendirilmesi". Iğdır Üniversitesi Fen Bilimleri Enstitüsü Dergisi 8/1 (),

Tez NoİndirmeTez KünyeDurumu
Karayolu güvenliğinde esnek hesaplama tekniklerinin kullanılması / The use of soft computing methods in roadway safety
Yazar:EMRE TERCAN
Danışman: PROF. DR. ERKAN BEŞDOK
Yer Bilgisi: Erciyes Üniversitesi / Fen Bilimleri Enstitüsü / Harita Mühendisliği Ana Bilim Dalı
Konu:Jeodezi ve Fotogrametri = Geodesy and Photogrammetry
Dizin: Onaylandı
Doktora
Türkçe

s. Yol güzergâhlarının trafik kaza karakteristiklerini belirlemek, ilgili yol güzergâhlarında ölümlü ve yaralanmalı kazaları azaltmak amaçlı önleyici tedbirler geliştirmek için çok önemlidir. Sürücü davranışlarının aşırı kaotik yapısı, çok değişken yol ve kaza koşulları, sadece resmi trafik kaza raporlarından elde edilebilen sınırlı sayıdaki trafik-parametresine ait verilerin mekânsal-zamansal limitleri trafik kaza karakteristiklerini belirlemeyi zorlaştırmaktadır. Literatürde yol güzergâhlarının trafik kaza karakteristiklerini tanımlamak amacıyla geliştirilmiş robust analitik bir yöntem bulunmamaktadır. Trafik kaza verilerinin karmaşık ve lineer olmayan yapısı ve onların karakteristiklerini tanımlamak için analitik bir modelin olmayışı, ilgili karakteristikleri tanımlamak için farklı matematiksel modeller geliştirmeyi gerektirmektedir. Yapay sinir ağları, lineer olmayan doğaları nedeniyle analitik formlarla tanımlanması zor karmaşık problemleri modelleyebilme yetenekleri nedeniyle, yol güzergâhlarının trafik kaza karakteristiklerini tanımlamak için kullanılabilecek çok etkili araçlardır. Bu tez çalışmasında, yedi farklı test yol güzergâhı için trafik kaza karakteristikleri, evrimsel veri kümeleme ve yapay sinir ağları kullanılarak geliştirilen iki farklı yöntemle modellenmiştir. İlk yöntem, gözlem verilerinin evrimsel arama tabanlı bir kümeleme algoritması (DSA) kullanılarak kümelenmesi sonucunda elde edilen küme merkezlerine uzaklığa göre bir test verisinin olası bir ölümlü veya yaralanmalı kaza koşullarını taşıyıp taşımadığını belirlemeye dayanmaktadır. İlk yönteme uygun olarak gerçekleştirilen deneylerin simülasyon sonuçları gözleme dayalı test verisinin ölümlü veya yaralanmalı bir kaza oluşturmak için gerekli koşulları taşıyıp taşımadığının %95 başarıyla tahmin edilebileceğini göstermektedir. İkinci yöntem test yol güzergâhlarında trafik gözlem verilerine göre ölümlü mü yoksa yaralanmalı kaza mı olabileceğini yapay sinir ağları kullanarak tahmin edebilen bir regresyon yöntemidir. Elde edilen regresyon modelleri kullanılarak gerçekleştirilen simülasyonlar, test verisinin yaralanmalı bir kaza oluşturmak için gerekli koşulları taşıyıp taşımadığını % doğrulukla tahmin edilebileceğini göstermektedir. Ölümlü ve hem ölümlü hem de yaralanmalı kazalar için yapay sinir ağının öğreneceği yeterli sayıda trafik kaza verisi olmadığı için regresyon modelleri, rastlantısal bir gözlem verisinin ölümlü ve hem ölümlü hem de yaralanmalı bir kazanın oluşması için gerekli koşulları taşıyıp taşımadığını gösterememiştir. Ölümlü veya yaralanmalı kazalara neden olabilecek koşulların oluştuğunun belirlenmesi koruyucu, uyarıcı ve kaza önleyici trafik yönetim stratejilerinin geliştirilmesi ve uygulamaya konulması için çok önemlidir. Elde edilen sonuçlar, geliştirilen veri analiz yöntemlerinin yaralanmalı kazalara ve yeterli veri olmasına bağlı olarak ölümlü ve hem ölümlü hem de yaralanmalı kazalara neden olabilecek koşulların oluştuğunun belirlenmesinde oldukça etkili olduğunu göstermektedir. Determining Traffic Accident Characteristics of road segments is critical for the development of preventive measures to reduce accidents resulting in death or injury. Extreme chaotic structure of driver behaviors, highly varying road and accident conditions, spatio-temporal limits of traffic-parameter data that can only be obtained from formal traffic accident reports make it difficult to determine traffic accident characteristics. A robust analytic method developed to define traffic accident characteristics of road segments does not exist in the literature. Because of the complex and non-linear structure of traffic accident data and the absence of an analytic model to define their characteristics, different mathematical models are required to be developed to define relevant characteristics. Artificial neural networks are very effective tools for the definition of traffic accident characteristics of road segments because they can model complex problems, which are difficult to define with analytic forms due to their non-linear nature. In this thesis, traffic accident characteristics have been modeled for seven different road segments with two different methods: evolutionary data clustering based method and resilient neural networks based method. The first method depends on determining whether test data have the conditions of an accident resulting in death or injury according to the distance to cluster centers obtained by clustering observation data using an Evolutionary Search based clustering algorithm (DSA). Simulation results of the experiments performed on the basis of the first method demonstrate that it is 95% possible to predict whether observation based test data have the necessary conditions to cause an accident resulting in death or injury. The second method is a regression method that estimates that there may be fatal or injured accidents according to traffic observation data on the test road segments using artificial neural networks. The simulations using the obtained regression models show that the test data can be estimated with % accuracy whether it carries the necessary conditions to create an injured accident. Since there are not enough traffic accidents to be learned by the artificial neural network for "fatal" and "fatal and injured" accidents, regression models have failed to show whether a random observational data has the necessary conditions for a "fatal" and "fatal and injured" accident. Determination of the conditions that could result in a fatal or injured accident is crucial for developing and implementing protective, stimulant and accident prevention traffic management strategies. The results obtained show that the developed data analysis methods are highly effective in determining the conditions that can result in "injured accidents" and, depending on sufficient data, "fatal" and "fatal and injured" accidents.