|
Abstract
|
In general, traffic accidents have not one reason, but they occur due to the interaction of many factors like driver, environment, car, etc.
Traffic accidents have grown rapidly throughout the world in recent years, causing great loss of life and property. Therefore, predicting traffic accidents is very important for improving transportation and public safety. Machine learning (ML) is a subfield of artificial intelligence that can extract information from dataset and use statistical approaches to predict values. In this study, three ML techniques were applied to predict the number of dead or injured in traffic accidents in Turkey until 2029: linear regression, decision trees, and random forest. These techniques were tested using a real dataset obtained from the TUIK website. In the results, it was seen that linear regression (LR) had the best performance. This result shows the superiority of the approach in predicting road accidents. Ultimately, this study will help road transport and insurance agencies develop road safety strategies.
===
Trafik kazaları son yıllarda dünya genelinde hızlı bir büyüme göstererek büyük can ve mal kayıplarına neden olmaktadır. Bu nedenle trafik kazalarının önceden tahmin edilmesi, ulaşımın ve kamu güvenliğinin iyileştirilmesi için çok önemlidir. Makine öğrenmesi, verilerden bilgi çıkarabilen ve değerleri tahmin etmek için istatistiksel yöntemler kullanabilen yapay zekanın bir dalıdır. Bu çalışmada, Türkiye'de 2029 yılına kadar trafik kazalarındaki ölü veya yaralı sayısını tahmin etmek için üç makine öğrenme tekniği uygulanmıştır:lineer regresyon (LR), karar ağaçları (DT) ve rastgele orman (RF). Bu teknikler TÜİK web adresinden elde edilen gerçek bir veri seti kullanılarak test edildi. Sonuçlarda lineer regresyon'un (LR) en iyi performansa sahip olduğu görülmüştür. Bu sonuç, yaklaşımın yol kazalarını tahmin etmedeki üstünlüğünü göstermektedir. Sonuç olarak bu çalışma, karayolu taşımacılığı ve sigorta acentelerinin karayolu güvenliği stratejileri geliştirmelerine yardımcı olacaktır.
Language: en |