Please use this identifier to cite or link to this item:
http://hdl.handle.net/11513/2312
Title: | Trafik kazası oluşumu etkenlerinden yararlanarak makine öğrenme yöntemleri ile kaza şiddeti tahmini / Estimation of accidental violence by using machine learning methods using the traffic accident |
Authors: | ÇETİN, MEHMET AYHAN |
Keywords: | Elektrik ve Elektronik Mühendisliği = Electrical and Electronics Engineering |
Issue Date: | 2020 |
Abstract: | Trafik kazaları genellikle ulaşımın temel unsurları olan insan, taşıt, karayolu ve çevre koşulları sonucunda ortaya çıkan ve maddi hasar, yaralanma, ölüm gibi sonuçlara sebebiyet veren olayların bütünüdür. Trafik kazalarını etkileyen birçok faktör sayılsa da ülkemizde genelde ilk akla gelen etken sürücü hataları olarak göze çarpmaktadır. Bir trafik kazası oluştuğunda öncelikle raporlar tutulur ve sürücülere hatalar paylaştırılır. Çünkü kaza raporunu tutan görevlilerin yolun geometrisi vb. konularda bilgisi yoktur. Oysaki sürücü hatalarının yanında; hava koşulları, yolun geometrik özellikleri gibi birçok faktör trafik kazalarının oluşmasında önemli etkenlerdendir. Yapılan çalışmada Yeni Zelanda Ulaştırma Ajansından alınan; yolların eğimi, şerit sayısı, aydınlığı, kuru veya ıslaklığı, olabilecek hız sınırı, yollarda bulunan yaya, bisikletli ve ağaç gibi bilgilerin bulunduğu veri seti kullanılarak yollarda oluşan kazaların ciddi veya basit hasarlı oluşu tahmin edilmiştir. Tahminleme işlemi makine öğrenme algoritmalarından K en yakın komşu, Destek Vektör Makinaları ve Karar Ağaçları kullanılarak yapılmıştır. Elde edilen performans değerlerinin yüksek oluşu, bu tür yöntemlerin olası trafik kazalarının önlenmesi çalışmalarında yardımcı olabileceğini göstermiştir. |
URI: | http://hdl.handle.net/11513/2312 |
Appears in Collections: | Fen Bilimleri Enstitüsü |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
633163.pdf | 1.18 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.