By Mersin TTO 
Üniversitemiz ve Adana Alparslan Türkeş Bilim ve Teknoloji Üniversitesi (ATÜ) ortaklığındaki “Hibrit Sınıflama – Regresyon Algoritmalarının Trafik Güvenliği Analizlerine Uygulanması” başlıklı proje ile özgün hibrit sınıflandırma-regresyon modelleri kullanılarak trafik kazalarındaki sürücü yararlanma şiddetinin önceden belirlenebilmesi için yeni bir algoritmik yaklaşım geliştirilecek. Proje ayrıca Mersin, Adana ve Antalya illerine ait 2018-2021 yıllarına dağılmış trafik kazaları veri kümesi üzerinde geniş bir analizin yapıldığı ilk çalışma olma özeliği taşıyacak.
Proje, TÜBİTAK 1001 Bilimsel ve Teknolojik Araştırma Projelerini Destekleme Programı Özel Çağrılar Programı altında “Deprem Bölgesi Üniversiteleri Özel Çağrısı-BİNBİRÇABA” kapsamında desteklenmeye uygun bulundu. Proje ekibinde Üniversitemiz Mühendislik Fakültesi İnşaat Mühendisliği Bölümü öğretim üyesi Doç. Dr. Murat Özen, Bilgisayar Mühendisliği Bölümü öğretim üyesi Doç. Dr. Çiğdem Acı araştırmacı olarak, MEÜ. Mühendislik Fakültesi Bilgisayar Mühendisliği Bölümü öğretim elemanı Arş. Gör. Gizen Mutlu Korucu bursiyer olarak yer alıyor. Projenin yürütücülüğünü ATÜ Bilgisayar ve Bilişim Fakültesi Bilgisayar Mühendisliği Bölümü öğretim üyesi Doç. Dr. Esra Saraç Eşsiz yürütürken, ATÜ Bilgisayar ve Bilişim Fakültesi Bilgisayar Mühendisliği Bölümü öğretim elemanı Arş. Gör. V. Nida Kılıç Uzel de diğer bursiyer olarak projede yer alıyor. Doç. Dr. Çiğdem Acı, Doç. Dr. Murat Özen ve Arş. Gör. Gizen Mutlu Korucu ile projeyi konuştuk.
- Proje hakkında bilgi alabilir miyiz?
Bu projede, Emniyet Genel Müdürlüğü’nden (EGM) yasal izin ile alınan Akdeniz Bölgesi’ndeki Mersin, Adana ve Antalya ait detaylı trafik kazası verileri ve proje kapsamında geliştirilecek algoritmalar kullanılarak trafik güvenliği analizleri yapılacaktır. Proje, 30 aylık sürede tamamlanması planlanan beş ana iş paketinden ve bu iş paketlerinin altında detaylıca ifade edilen alt görevlerden oluşmaktadır. Her bir iş paketinin başarı ölçütleri, ara çıktıları ve B planları detaylıca tanımlanmıştır.
- Projenizin amaçları hakkında bilgi alabilir miyiz?
Kullanılacak veri kümesini farklı istatistiksel, Makine Öğrenmesi (MÖ) ve Derin Öğrenme (DÖ) algoritmaları ile analiz edip sürücü yaralanma şiddetini literatürde sıklıkla kullanılan istatistik tabanlı, MÖ-tabanlı ve DÖ-tabanlı yöntemlere göre daha yüksek başarımlı tahmin ve sınıflandırma modelleri ile tahmin etmeyi amaçlıyoruz. Ayrıca sürücünün yaralanma şiddetine en çok etki eden özniteliği/öznitelikleri belirlemeyi ve yorumlamayı, sınıflandırma ve regresyon algoritmaları ile geliştirilen modellerde en iyi performans gösteren sınıflandırma ile en iyi regresyon algoritmasını (0,90 üzeri doğruluk değeri ile olabilecek en düşük MAPE değeri) hibritleyerek veri kümesindeki niteliklere göre sürücü yaralanma şiddeti ile birlikte kazadaki ölü/yaralı sayısını; Karayolları Genel Müdürlüğü (KGM) sorumluluğu altındaki karayolu kesimlerindeki kaza frekanslarını tahmin etmeyi amaçlıyoruz. Son olarak da geliştirilen modeller arasında performans metriklerine göre en iyi/iyilerin AutoML ve Vertex YZ alt yapısındaki otomasyonuna konteyner yapıları ile taşınarak Google Bulut Platformuna entegre edilmesi ile gerçek dünyadan gelecek yeni verilerin otomatik olarak işlenerek sonuç üretmesini amaçlıyoruz.
- Projenizin size göre özgün değeri nedir?
EGM’den alınan veri 63 bin 916 adet trafik kazasını ihtiva etmesi sebebiyle önem arz etmektedir. Bildiğimiz kadarıyla, bu kapsamdaki kaza verisi ile geliştirilmiş bir trafik kazası önleme sistemi daha önce önerilmemiştir. Önceki çalışmalarda tek boyutlu (kaza şiddeti, yaralanma şiddeti, ölü/yaralı sayısı vs.) ve istatistik tabanlı olarak incelenen kaza verileri çok boyutlu olarak incelenecek olup MÖ ve DÖ tabanlı metotların üstünlük ve zayıflıklarının aynı trafik veri kümesi üzerinde karşılaştırmalı analizi ise Türkiye’de henüz incelenmemiştir. Trafik kazalarına etki eden faktörler, sürücü yaralanma şiddeti ve kazadaki ölü/yaralı sayısı çıktılarının geliştirilecek hibrit algoritmalarla analiz edilmesi, uygulamadaki yeniliğin yanı sıra algoritmik katkıda da bulunacaktır. Projenin Vertex YZ platformuna taşınması ile yeni eklenecek çok daha büyük veri kümelerine hızlıca adapte olarak, birden fazla büyük veri kümesini depolamaya, kesin ve hızlı sonuçlar üretmeye yatkın hale gelecektir. Proje kapsamında geliştirilecek olan özgün hibrit sınıflandırma-regresyon modelleri ile hem trafik kazaları alanında yeni bir algoritmik yaklaşım geliştirilerek literatüre katkı sağlanacak hem de Mersin, Adana ve Antalya illerine ait 2018-2021 yıllarına dağılmış trafik kazaları veri kümesi üzerinde böyle geniş bir analizin yapıldığı ilk çalışma olacaktır.
- Projeyle trafik kazalarına ilişkin bir veri seti de oluşturulması planlanıyor. Bu projeyi ülke geneline uygulayabilir miyiz? Böyle bir hedefiniz var mı?
Mevcut projenin yürütülmesinde Emniyet Genel Müdürlüğü’nden temin edilen Akdeniz Bölgesindeki trafik kazaları verilerinden faydalanılmaktadır. YÖK ve TÜBİTAK’ın paydaş olduğu 2021-2030 Karayolu Trafik Güvenliği Stratejisi Belgesi (EGM, 2023A) ile Trafik güvenliği vizyonunu yansıtan, Karayolu Trafik Güvenliği Eylem Planı (2021-2023) (EGM, 2023B) kapsamında “Yerli teknolojilerin trafik güvenliğine adapte edilmesi” ibaresi projemiz ile doğrudan ilişkilidir. Bu çalışmanın başarı ile tamamlanması halinde, Türkiye’deki tüm trafik kazaları için tahmin modellerinin geliştirilmesi mümkün olacaktır.
- Projenin öngördüğünüz sonuçları hakkına bilgi alabilir miyiz?
Hesaplanan modellerin (Hibrit Sınıflandırma ve Regresyon, Zaman Serisi Analizleri) Google Bulut Sistemleri aracılığıyla geliştirilecek web uygulaması üzerinden gerçek dünyadan her yeni gelen veriyi, model otomatik olarak işleyerek manuel çalıştırılma bağımlılığı engellenmiş olacaktır. Bu katkı, geliştirilen modeli gerçek hayata uyarlanabilir kılacaktır. Geliştirilecek sistem, yeni eklenecek çok daha büyük veri kümelerine hızlıca adapte olarak, birden fazla büyük veri kümesini depolamaya, kesin ve hızlı sonuçlar üretmeye yatkın hale gelecektir. Bu proje aynı zamanda, trafik kazaları çalışan araştırmacılar için kendi veri kümelerini girip tahmin ve sınıflandırma çıktılarını alabilecekleri web uygulaması sayesinde veri üretme merkezi olarak da araştırmacıların çalışmalarına katkı sağlayacaktır. Akademik etki kapsamında 2 adet dergi makalesi (SCI-Exp. endeksinde) ve 3 adet uluslararası konferans bildirisi yayımlanması öngörülmüştür.
- Son olarak eklemek istediğiniz bir şey var mı?
Bu proje 11. Kalkınma Planı hedefleri ve politikaları çerçevesinde Sektörel Politikalar altında lojistik ve ulaştırmaya bağlı 614 maddesi ile doğrudan ilişkilidir. Bu proje ile üretilen sistem trafik güvenliğini yapay zeka teknolojileri ile arttırarak yeni projelerin ve ürünlerin ortaya çıkmasına katkı sağlayacaktır. Proje sonuçlarına bağlı olarak trafik güvenliği konusunda alınabilecek önlemler veya geliştirilecek politikalar dolaylı olarak trafik kazalarının maddi ve manevi kayıplarının azaltılmasına katkı sunabilecektir. Geliştirilecek olan web uygulaması, bir yazılım ürününe dönüştürülerek ilgili kurumların hizmetine sunulabilir.