A Study on Traffic Crash Severity Prediction Using Machine Learning Algorithms
Year: 2023
Type: article
Abstract: Trafik kazalarının şiddeti insan hayatını etkilemesi açısından büyük önem arz etmektedir. Trafik kazası şiddetinin tahmin edilmesi, trafik kazalarının önlenmesi ve güvenli bir sürüş sağlanması için önemlidir. Tahmin yöntemlerinin başarısı sayesinde ilgili risk faktörleri çıkarılmakta ve karşı önlemler alınabilmektedir. Trafik kazalarının sebepleri çok fazla değişkene bağlı olabilmektedir. Özellikle görünür sebepler olarak yol bozuklukları, hava şartları, araç hızı gibi faktörler trafik kazalarına neden olmaktadır. Oluşan bir kazada kazanın anlık durumunun ne olduğu bilgisini almak oldukça güçtür. Ancak sebeplerden kaynaklanan bir olası kazanın şiddeti hesaplanarak gelecek zamanda oluşacak kazaların önüne geçilmesi mümkündür. Bu çalışmada kaza şiddeti tahmini için ABD eyaletlerinde 2016-2023 yılları arasında toplanan trafik kaza veri seti üzerinde makine öğrenmesi algoritmaları test edilerek kaza şiddeti tahminleri yapılmıştır. Kazaya sebep olan etkenleri belirlemek için makine öğrenme tekniklerinden Decision Tree, Random Forest (RF), Logistic Regression (LR), Support Vector Machine (SVM), K-Nearest Neighbours (KNN) ve Navie Bayes (NB) algoritmaları kullanılarak karşılaştırmalı bir başarı analizi yapılmıştır. Sonuçlar Precision, Recall and F1-Score ölçütlerine göre değerlendirilmiştir. Decision Tree algoritmasının kaza ciddiyetini sınıflandırma accuracy değeri %99.6 doğrulukla diğerleri arasında en iyi performans sağladığı belirlenmiştir.
Authors: Türker, Gül Fatma, Gündüz, Fatih Kürşad
Institution: Süleyman Demirel Üniversitesi
Language: Turkish
Topic: Traffic and Road Safety
Subfield: Safety, Risk, Reliability and Quality
Field: Engineering
Domain: Physical Sciences
Open Access status: bronze
OpenAlex ID: W4390322707
