TUGAM (Trafik ve Ulaştırma Güvenliği Dergisi)

Transkript

Uluslararası Trafik ve Ulaşım Güvenliği Dergisi
International Journal of Traffic and Transportation Safety
Cilt 1, Sayı 1, 2014
Vol. 1, No.1, 2014
KAMERALI KIRMIZI IŞIK DENETİMİNİN
KAVŞAKLARDA YAPILAN KIRMIZI IŞIK VE
ÖTEKİ GÜVENLİK KURALLARI İHLALLERİ
ÜZERİNE ETKİSİ: BURSA ÖRNEĞİ, TÜRKİYE
Effects of Red Light Camera Enforcement on Red Light and
Other Safety Rule Violations at Signalized Intersections:
The Case of Bursa, Turkey
Abdulkerim Sönmez *
Senem Çınarbaş Akın **
Fatih Vursavaş ***
ÖZ
Bu çalışmada, Bursa’da üç ışıklı kavşakta uygulanmaya başlanmış olan
kameralı kırmızı ışık denetiminin bu kavşaklarda yapılan kırmızı ışık
ihlalleri yanında diğer bazı trafik güvenliği ihlalleri üzerinde etkisi incelenmektedir. Bu inceleme sistemin uygulanmaya başlandığı 1 Ocak
2011 tarihinden 14 ay önce kaydedilmiş görüntü kayıtlarının çözümlemeleri ile sistemin uygulanmaya başlanmasından yaklaşık 10 ay sonra
kaydedilmiş görüntü kayıtlarının çözümlemelerinin karşılaştırılmasına
dayanmaktadır. Görüntü kayıtlarında sekiz farklı husus sayısallaştırılmıştır. Bunlar kırmızı ışık ihlali, dur çizgisi ihlali, hatalı şerit değiştirme,
U-dönüşü yasağı ihlali, tehlikeli davranış, kuvvetli kaza ihtimali oluşturan davranışlar, sürücüler arasında meydana gelen tartışma-kavgalar
ve motosiklet sürücülerinin kask giyip giymedikleridir. Bu sayısallaştırma işlemi on bir farklı araç kategorisi için hafta içi ve hafta sonu
ayrımı dikkate alınarak yapılmıştır. Değişim oranları, kodlaması yapılan
her bir konuda tespit edilen ihlal oranlarındaki oransal değişim olarak
hesaplanmıştır. Buna göre, kameralı kırmızı ışık denetimi uygulaması
öncesinde binde 34,7 olan genel kırmızı ışık ihlal oranı yüzde 33,1’lik
bir azalma göstererek binde 23,2’ye gerilemiş, diğer konularda ise
bundan daha büyük bir oransal azalma tespit edilmiştir. Bununla birlikte araç/sürücü kategorilerinin hafta içi ve hafta sonunda uygulamaya verdikleri tepkinin aynı doğrultuda ve hızda ilerlememekte olduğu,
aksine her bir ihlal konusuna bağlı olarak aralarında bariz farklılıklar
ve açılmalar olduğu tespit edilmiştir. Ancak, denetim noktalarında
gözlenen genel ihlal oranlarının önemli ölçüde azalmasına karşılık, il
genelinde yerleşim yeri içinde 2009-2012 döneminde meydana gelen
ölümlü ve yaralanmalı trafik kazalarının sayılarında gözlenen oransal
* Doç. Dr., Hacettepe Üniversitesi Sosyoloji Bölümü, [email protected]
** Emniyet Müdürü, Erzurum İl Emniyet Müdürlüğü, Trafik Tescil ve Denetleme Şube Müdür Yardımcısı
*** Emniyet Müdürü, Dr., EGM Trafik Araştırma Merkezi Müdür Yardımcısı,
2
Kameralı Kırmızı Işık Denetiminin Kavşaklarda Yapılan Kırmızı Işık ve Öteki
Güvenlik Kurallari İhlalleri Üzerine Etkisi: Bursa Örneği
artış aynı dönemde il trafiğine kayıtlı araç sayısının artış oranından çok
yüksektir. Bu durum sistemin etkinliği bağlamında tartışılması gereken
önemli bir husus oluşturmaktadır.
Anahtar Kelimeler: Kameralı denetim, kırmızı ışık ihlali, dur çizgisi ihlali, U-dönüşü yasağı ihlali, özel araçlar, ticari araçlar.
ABSTRACT
This study examines and assesses the effects of automatic red light
camera enforcement on red light and other safety rule violations in
three signalized intersections in the city centre of Bursa, which is a major industrial province in western Turkey. The data for the study were
collected 14 months before and 10 months after the ticketing began
on 1st of January, 2011, by means of videotaping the traffic. Camera
recordings were coded for 11 different types of vehicle, for each redto-red phase of the lights, for both week days and weekends. The types
of violations coded were: red light running, stop line running, violation
of U-turn restriction, lane changing in restricted zone, dangerous behaviour, high probability of crash and rows and fights among drivers as
well as motorcyclists not wearing helmets. The rates of violations were
computed per thousand vehicles, and changes in the rates were computed as percentages. The analysis of the data indicates that the rate
of red light violations decreased by 33.1 per cent from 34.7 to 23.2 per
thousand and there was an even greater decrease in the rates of violations of other safety rules. However, the pattern, degree and direction
of change show no uniformity across types of vehicle or rules violated,
and this is true for both week days and weekends. However, the statistical information for the period 2009 to 2012 indicates that the rates of
increase in fatal and injury crashes in residential areas in the province
are much greater than the rate of increase in the number of vehicles
registered in the city, and these figures when combined with the nonuniform nature of our data, pose a great challenge to the assessment
of the efficiency of the red light camera enforcement program.
Keywords: Automatic camera enforcement, red light running, stop line
running, U-turn violation, private cars, commercial vehicles.
3
Giriş
Tekil ya da kapsamlı trafik denetimi uygulamalarının etkinliğinin sistematik
olarak değerlendirilmesi karayolu trafik güvenliği politikalarının oluşturulması, mevcut politikaların gözden geçirilmesi ve hedef grupların belirlenmesinde
büyük önem taşımaktadır. Bu çalışmada, Bursa’da üç kavşakta 1 Ocak 2011’de
uygulanmaya başlanmış olan kameralı kırmızı ışık denetimi uygulaması ardından bu denetimin yapıldığı kavşaklarda bazı trafik güvenliği kurallarını ihlal
oranlarının ne ölçüde değiştiği incelenmektedir. Bu inceleme, sistemin uygulanmaya başlanmasından 14 ay önce kaydedilmiş görüntü kayıtlarının sayısallaştırılmış çözümlemeleri ile sistemin uygulanmaya başlanmasından yaklaşık
10 ay sonra kaydedilmiş görüntü kayıtlarının çözümlemelerinin karşılaştırılmasına dayanmaktadır1.
Kameralı kırmızı ışık denetimi tekil bir uygulamadır ve kendisinden beklenen asli yarar kırmızı ışık kuralına riayeti artırmak suretiyle aksi durumda
meydana gelebilecek trafik kazalarını önlemektir. Dolayısıyla uygulamanın
etkinliğinin ölçülebilmesi öncelikle onun mevcudiyetini gerektirmektedir.
Ancak, aşağıda değinileceği üzere, bu tür uygulamaların yapıldığı yerlerde sirayet veya sıçrama (spill over) etkisinin de sık sık ölçülüyor olması kurallara
riayetin toplumsal etki sınırlarının uygulamanın noktasal mevcudiyetinin ötesine taşınmasının beklendiğine işaret etmektedir. Burada sonuçları sunulacak
araştırma denetim noktasında kırmızı ışık kuralına riayete ek olarak bu uygulamanın diğer kavşaklardaki sirayet etkisini değil, tekil bir kurala riayetin
noktasal ve kesin olarak talep edildiği bir durumda hakkında böyle bir talebin
olmadığı diğer trafik güvenliği konularında sürücülerin davranışlarında ne tür
değişmeler meydana geldiğine odaklanmaktadır. Dolayısıyla tekil bir uygulamanın aynı uygulama noktasındaki çoğul etkisi ölçülmek suretiyle sıçrama
etkisi başka bir boyutta tartışmaya açılmaktadır. Ancak sirayet etkisi bütünüyle göz ardı edilmemektedir. Bu amaçla aynı araştırma sürecinde hem gözlemi
yapılan kavşaklardan geçiş yapan yayaların davranışları kaydedilmiş hem de
görüntü kayıtlarının alınmasına paralel olarak uygulama öncesinde 1.206, uygulama sonrasında ise 1.228 sürücü ile kent içi trafik ortamında trafik kurallarına uyum davranışlarını öğrenmek amacıyla mülakat yapılmıştır. Bu çalışmada yaya davranışlarının analizinden elde edilen sonuçlar hariç tutulmakla
birlikte sürücülerle yapılan mülakatlardan elde edilen sonuçların bir kısmına
verilerin analizi ve yorumlanmasında yer verilmektedir.
Trafikte kameralı otomatik denetim: (i) ihlalin tespiti, (ii) ihlali yapan
aracın tespiti ve (iii) kendisiyle ihlal yapılan aracın sahibinin tespiti ve irtibat
kurulabilmesi olmak üzere en az üç temel ilke üzerine kurulu olan (HeidsYazarlar, araştırma şirketi (Bursa) yetkilileri Melek ve Ömer Kınay ile diğer çalışanlarına itinalı ve özverili çalışmalarından
ötürü teşekkürlerini ifade etmek isterler. Yazarlar ayrıca bu metnin ilk halini inceleyen anonim hakemlere de görüş ve
önerileri için müteşekkirdirler. Bu çalışma ile ilgili bütün yazışmalar Abdulkerim Sönmez’e yönlendirilmelidir.
1
4
tra, Goldenbeld, Makinen, Nilsson & Sagberg, 2000) kesintisiz bir denetleme
sistemidir. Günümüzde giderek yaygınlaşan bir uygulama olarak bu sistem
sürücü davranışları üzerinde kalıcı etki doğurmadığı bilinen sabit veya seyyar
nokta polis denetimine (Elvik, 2001; Heidstra, Goldenbeld, Makinen, Nilsson
& Sagberg, 2001; Makinen & Oei’den aktaran Retting, Ferguson & Hakkert,
2003, s. 22) en iyi alternatif olarak düşünülmektedir. Kırmızı ışık ihlallerinde
zorunlu olarak sabit nokta denetimi şeklinde uygulanan sistem, hız ihlallerinde sabit noktadaki hız veya iki nokta arası ortalama hız tespiti ve denetimine dayalı olarak farklı şekillerde uygulanabilmektedir. Bursa’da uygulamaya
konulmuş olan sistemin hız denetimi ekseni 9 farklı mahalde sabit nokta hız
denetimi esasına göre tasarlanmıştır.
Kameralı kırmızı ışık denetiminin kırmızı ışık ihlalleri üzerindeki etkisi
hakkında daha önce Singapur (Chin, 1989), Birleşik Krallık (Thomson, Steel
& Gallear, 1989), Avustralya (Arup, 1992), Hollanda (Oei, Catshoek, Bos &
Varkevisser, 1997), Amerika Birleşik Devletleri (Retting, Williams, Farmer &
Feldman, 1999) ve Kanada’da (Chen, Wilson, Meckle & Casey, 2001) çalışmalar yapılmıştır. Bu çalışmalarda, denetleme yapılan ve denetleme yapıldığının
görsel olarak ilan edildiği noktalarda sürücülerin yaptıkları kırmızı ışık ihlallerinde yüzde 22 ile yüzde 78 arasında değişen oranlarda bir azalma meydana
geldiği tespit edilmiştir. Gerçekte kameralı denetleme yapılmadığı halde denetleme yapıldığı ilan edilen noktalarda ise yüzde 27 ile yüzde 69 arasında
değişen oranlarda azalma tespit edilmiştir. Ancak, İngiltere’de kameralı denetleme yapılan iki noktada toplam yüzde 13’lük bir artış, denetleme yapılmayan fakat araştırmacıların kontrol amaçlı gözlem yaptıkları noktalarda ise
yüzde 4’lük azalma ile yüzde 17’lik artış arasında değişen farklı sonuçlar elde
edilmiştir (Retting, Ferguson, Hakkert & Shalom, 2003, s. 18). McCartt ve Hu
tarafından ABD’nin Virginia eyaletinin Arlington kentinde yapılmış bir çalışma
ise, otomatik kırmızı ışık denetiminin kırmızı ışık ihlal oranları üzerindeki etkisi
kırmızı ışık fazına geçişin 0,5nc, 1nci ve 1,5nci sanayilerinde gözlemlenen ihlal
oranlarındaki değişmeleri ölçmeye odaklanmaktadır. Araştırma bulgularına
göre, bu ölçüm sırasına göre kırmızı ışık denetimi uygulamasından bir ay önce
on binde 11,7, 5,8 ve 3,0 (ve genel ortalaması on binde 21,12) olan kırmızı ışık
ihlal oranları, bir yıl sonra sırasıyla yüzde 24, 30 ve 50’lik bir azalma göstererek on binde 8,9, 4,1 ve 1,5’e gerilemiştir (genel ortalaması on binde 16,0).
Fakat aynı çalışmanın sonuçlarına göre, uygulamanın sirayet etkisini ölçmek
amacıyla belirlenmiş olan ve kırmızı ışık denetimi yapılmayan fakat yapılanlarla aynı güzergâhlar üzerinde yer alan gözlem kavşaklarında ortalama olarak sırasıyla yüzde 4’lik artış, yüzde 1’lik azalma ve yüzde 30’luk artış; başka
güzergâhlarda yer alan ve denetleme yapılmayan kavşaklardaki kırmızı ışık
Genel ortalama oranları ilgili makalenin 13. sayfasında yer alan Tablo 2’deki veriler dikkate alınarak tarafımızdan
hesaplanmıştır.
2
5
ihlal oranlarında ise sırasıyla yüzde 184, 688 ve yüzde 343’lük artışlar tespit
edilmiştir (McCartt & Hu, 2013, s. 15).
Denetim usulü her ne olursa olsun, trafikte denetimin nihai hedefi sürücülerin kasti veya ihmalkâr davranışları sonucu oluşan kazaları ve bunlara bağlı ölüm ve yaralanmaları azaltmaktır. Kameralı kırmızı ışık denetiminin
denetleme yapılan noktalarda sağdan çarpma, sağa dönüş esnasında çarpışma ve arkadan çarpma sayıları üzerinde doğurduğu etki ile ilgili olarak, yine
Avustralya ve ABD’de yapılmış olan araştırmalarda toplam çarpışma sayılarında çoğu istatistiksel olarak anlamlı olmayan (yüzde 7 civarında) fakat iki
vakada anlamlı (yüzde 7 ve yüzde 48’lik) azalma tespit edilmiştir. Bu çalışmaların ortaya koyduğu en önemli sonuç ise yaralanmalı toplam kaza saylarında
bazen anlamlı bazen anlamsız ama toplam kaza sayılarında gözlenenden daha
büyük bir azalma; arkadan çarpmalarda ise bir vakada yüzde 108’e ulaşan
ama sadece bazılarında anlamlı olan bir artışın meydana gelmiş olmasıdır (Office of Road Safety, 1991; Mann, Brown & Coxon, 1994; Queensland Transport, 1995; Andreasen, 1995; South, Harrison, Portans & King, 1988; Hillier,
Ronczka & Portas, 1993; Ng,Wong & Lum, 1997 ve Retting & Kyrychenko’den
aktaran Retting vd., 2003, s. 20). Amerika Birleşik Devletleri’nde nüfusu 200,000’den fazla olup kameralı kırmızı ışık denetimi yapılan 14 kent ile
böyle bir uygulamaya sahip olmayan 48 kentte meydana gelen ölümlü trafik
kazalarındaki değişme oranlarını karşılaştırmalı olarak inceleyen bir çalışmada, Hu, McCartt ve Teoh (2011, s. 279) kameralı kırmızı ışık denetiminin bu
tür kaza oranlarını azaltmadaki net etkisini yüzde 17 olarak hesaplamışlardır.
Bursa’da kameralı kırmızı ışık denetimi yapılan noktalarda uygulama
öncesi ve sonrasında meydana gelen trafik kazalarına dair resmi, yani EGM
kayıtlarına dayalı, veri temin edilememiştir. Buna karşılık Bursa ili genelinde
yerleşim yeri türü itibariyle meydana gelen ölümlü ve yaralanmalı kazalarla
ilgili olarak resmi veriler temin edilmiştir. Bu verilere göre, 2009 yılı temel
olarak alındığında, il düzeyinde yerleşim yeri içinde meydana gelen kazalarda
2010 yılında yüzde 6,2, 2011 yılında 10,9 ve 2012 yılında yüzde 32,6’lık bir
artış gerçekleşmiştir. Aynı yıllarda Bursa ili trafiğine kayıtlı araç sayılarındaki
artış ise sırasıyla yüzde 4,9, yüzde 12,0 ve yüzde 18,3 olmuştur (bkz. Tablo 1).
Buna göre, 2010 yılında il genelinde yerleşim yerleri içinde meydana
gelen yaralanmalı ve ölümlü trafik kazalarının artış oranı aynı yılda araç sayılarındaki artıştan yüzde 27 daha fazla, 2011 yılında yüzde 9 daha az ve 2012
yılında yüzde 78 daha fazla olmuştur. Kısa dönemli verilerden bir gelişme eğilimi çıkarmak hatalı olmakla birlikte, hız ve kırmızı ışık ihlallerinde sınırlı bir
otomatik denetim uygulamasına geçilmiş olan 2011 yılındaki azalma ve izleyen yıldaki büyük artış sistemin sürücü davranışları ve kaza oranları üzerindeki etkisi konusunda ihtiyatlı olmamız gerektiğine işaret etmektedir.
KAMERALI KIRMIZI IŞIK DENETİMİNİN KAVŞAKLARDA YAPILAN KIRMIZI IŞIK VE ÖTEKİ
Kameralı
Kırmızı
Işık Denetiminin
KavşaklardaÜZERİNE
Yapılan Kırmızı
Işık veBURSA
Öteki ÖRNEĞİ, TÜRKİYE
GÜVENLİK
KURALLARI
İHLALLERİ
ETKİSİ:
6
Tablo 1. 2009-2011 Yılları Arasında Bursa İli Genelinde Trafiğe Kayıtlı Motorlu Kara
Taşıtı
, Ölümlü
ve Yaralanmalı
Kaza
Sayıları
ve Bunlarda
Gelen
ş Oranı
Tablo
1. 2009-2011
Yılları Arasında
Bursa
İli Genelinde
Trafiğe Meydana
Kayıtlı Motorlu
KaraArtı
Taşıtı,
Ölümlü ve
(%
olarak) Kaza Sayıları ve Bunlarda Meydana Gelen Artış Oranı (% Olarak)
Yaralanmalı
İl trafiğine kayıtlı
Yıl
Araç
sayısı
Kazaların meydana geldikleri yerler ve sayıları
Yerleşim yeri içi
Artış
oranı
Sayı
Yerleşim yeri dışı
Toplam
Artış oranı
Sayı
Artış oranı
Kaza
sayısı
Artış
oranı
2009
513498
-
2896
-
534
-3,4
3430
-
2010
538598
4,9
3076
6,2
516
5,4
3592
4,72
2011
574926
12,0
3231
10,9
562
6,9
3793
10,11
2012
607585
18,3
3949
32,6
573
4522
28,79
Trafiğe kayıtlı araç sayısındaki artış oranına kıyasla kaza sayısındaki artış oranı (%)
2010
27,2
-169,0
-3,4
2011
-9,0
-54,6
-15,5
2012
77,9
-62,1
57,1
Kaynak: EGM Trafik Kazaları Veri Tabanı ve TÜİK veri tabanı
Yine, Bursa’da sistemin uygulamaya konulduğu 2011 yılının Ekim-Kasım
aylarında 1.228 sürücü ile yapılan mülakat verileri sürücülerin 2011 yılının
ilk 10 ayında Bursa Büyükşehir Belediyesi sınırları içinde dâhil oldukları kaza
Tablo 2. Kamera
Alındığı
Tarihler
ve Kayıt
Süreleri
sayısında
2010Kayıtlarının
yılına kıyasla
yüzde
55,9,
dâhil
oldukları toplam kaza sayısında
ise Sistem
yüzde
51’lik bir Görüntü
artış meydana
işaret
etmektedir.
Geçirilen
öncesi-2009
kaydı alınan geldiğine
tarihler
Saat aralığı
Günlük
kayıt süresibu
kazaların
sadece
4’ü
ağır
yaralanmalı
olup,
diğerleri
daha
hafi
f
atlatı
lmıştır.3
Kavşak 1
10, 11, 12 ve 13 Ekim, 2009
02:00-22:59
21 saat
Kavşak
2
02:00-23:59
22 saat
1. Araştı
rmanın
Yöntemi8 ve 9 Ekim, 2009
Bursa ili
kent
k 05:00-16:59
denetim sistemi genel
Kavşak
3 merkezinde
10, 11, 12trafi
ve 13kte
Ekim,otomati
2009
12 saat asayiş
amacıyla
kente kurulması planlanmış olan kameralı gözetleme sisteminin
Sistem sonrası-2011
ya da yaygın olarak bilinen ismiyle MOBESE sisteminin bir alt bileşenidir.
25 Ekim, 2011
05:00-14:59
10 saat
Bu alt Kavşak
sistem1 kent içinde dokuz farklı noktaya yerleştirilmiş sabit nokta hız
29 Ekim, 2011
Tam gün
denetim kameraları ile altı
farklı noktaya yerleşti
rilmiş kırmızı 24
ışıksaatdenetiKavşak
2
25,
29
Ekim,
2011
Tam
gün
24
mi kameralarından oluşmaktadır. Kent içi trafiğin durumu ve kazasaat
sıklıkları
3
25, 29 Ekim, 2011
Tam gün kırmızı ışık
24 saat
dikkateKavşak
alınarak
hangi noktalara
hız, hangi noktalara
denetimi
kameralarının yerleştirileceği Bursa Emniyet Müdürlüğü tarafından belirlenmiş olduğundan araştırma ekibinin gözlem için yer seçimi kendi ihtiyacına bağlı olarak gerçekleşmemiştir. Ayrıca, hız denetiminin etkinliği ile ilgili
karşılaştırmada referans noktası oluşturmak amacıyla sürücülerin dikkatini
çekmeyen bir kameralı gözetleme sistemini kurmak teknik ve mali olarak
mümkün görünmediğinden gözlemlerin kırmızı ışık denetiminin etkinliğinin
değerlendirilmesi ile sınırlamak gerekmiştir. Bu amaçla, sistemin kurulmasından sorumlu yetkililerin ve sistemi kuracak teknisyenlerin rehberliğinde otomatik kırmızı ışık denetimi için kamera yerleştirilmesi planlanmış olan kavşaklar araştırma ekibi tarafından tek tek ziyaret edilerek bunlardan hangisinde
gözlem yapılacağına karar verilmiştir.
3
Daha ayrıntılı bilgi için bkz. Sönmez, 2012: 187.
7
Kavşakların hangilerinde gözlem yapılacağına karar verilirken şu hususlar dikkate alınmıştır:
•
Kavşakların her birinin nasıl bir trafik düzeni ve akışına sahip oldukları,
•
Kavşakların, kentin toplumsal ve iktisadi hayatı ile ne tür ilişkilerinin
olduğu,
•
Kamera görüş açısının trafik ışıklarının değişimini, dur çizgisini, yaya
geçidini ve bunların gerisine doğru kavşağın yaklaşık 20-25 metrelik
bir kısmını görmeye ne ölçüde izin verdiği,
•
Kameralar için ihtiyaç duyulan enerji bağlantısının mevcut veya kolay
temin edilebilir olup olmadığı,
•
Kavşak bölgesinde sürücülerin ve kamunun dikkatini çekmeyecek şekilde kamera yerleştirmeye uygun bir bina veya yol üstü direk olup
olmadığı.
Araştırma projesinin başlangıç aşamasında kavşaklardan görüntü kayıtlarının alınmasında zaman aralığı uygulamaya geçilmesinden yaklaşık 2-3
ay önce ve 10-11 ay sonra olarak düşünülmüş olmakla birlikte, uygulamaya
geçişte yaşanan gecikmeden dolayı sistem öncesi durum tespitinde zaman
aralığı planlanandan daha fazla olmuştur.
Kapalı bir sistemde bir uygulamanın sonuç üzerindeki etkisi ölçülmek
istendiğinde temel varsayımlar olan sistemin içten ve dıştan kapalı oluşu şartları (bkz. Sayer, 1992, s. 121-125) bu çalışma için geçerli olmadığı gibi hiçbir
toplumsal sistem için de sağlanabilir şartlar değildir. Araştırma için ayrılan
kaynakların kısıtlı olmasından dolayı, açık toplumsal sistemlerde yapısal etkilerden arındırılmış bir net etki ölçümü için gerekli olan, uygulamanın içinde
gerçekleştiği alt toplumsal birime (bu çalışmada otomatik denetim sistemi
uygulamasına geçilmiş olan Bursa kent merkezine) benzer fakat uygulama yapılmayan bir başka birimden veri almak yoluna da başvurulamamıştır. Yani,
trafik güvenliği konusunda ülke düzeyinde meydana gelen değişme eğilimlerinin sürece yaptığı makro yapısal katkıdan bağımsız bir etki değerlendirmesi
için elzem olan verilere de bu çalışmada sahip olunamamıştır. Yine de görüntü
kayıtlarının alındığı kavşakların kısa bir tasviri verilerin yorumunda bize ışık
tutacaktır. Kendilerinde otomatik kırmızı ışık denetimi yapılan altı kavşak arasından seçilen üç kavşak şu özellikleri ile temayüz etmektedirler:4
Kavşak 1: Kentin batı tarafında, kent merkezini batı yönünde yeni
gelişmekte olan ve daha çok üst gelir gruplarının ikamet ettikleri bir konut
Kameralı kırmızı ışık denetiminin etkinliği hakkında gelecekte yapılabilecek tekrar ölçüm çalışmaları için alan kirlenmesini
önlemek amacıyla bu kavşakların kendi isimlerinin ve üzerinde yer aldıkları cadde/yol isimlerinin şimdilik saklı tutulmasının daha uygun olacağı düşünülmüş ve bu nedenle burada kendilerine anonim bir isimle atıfta bulunma yoluna gidilmiştir.
4
8
alanına bağlamak yanında Bursa’nın ilçelerinden birine de bağlayan ana bir
güzergâh üzerinde bulunan dönel bir kavşaktır. Kavşağın etrafında faal hırdavatçı dükkânları, yakınında bir petrol istasyonu ve sistem öncesi aşamada
inşası devam eden bir sağlık merkezi ve iş merkezi binaları bulunmaktadır.
Kavşak daha çok bireysel ulaşım araçları ile ağır vasıta araçların hareketliliğine sahne olmaktadır; toplu taşıma ve yaya hareketliliği düzeyi seçilmiş diğer
kavşaklardakine nazaran daha düşük düzeydedir. Kavşağın görüntüsü yakınında bulunan yüksek bir reklam panosuna yerleştirilmiş bir kamera vasıtasıyla
bölünmüş yolun kentten çıkış yönünde kaydedilmiştir.
Kavşak 2: Bu kavşak da yine kentin batı tarafında, kentin alışveriş ve
yönetim merkezini kentin tarihsel merkezine bağlayan ana güzergâhlardan
biri üzerinde bulunmaktadır. Kavşak, yakınında bulunan okullar, hastaneler
ve konut alanları nedeniyle yoğun bir bireysel, toplu ulaşım ve servis araçları
trafiğine; temel ve orta öğretim öğrencileri ile hastane ziyaretçisi yayaların
hareketliliğine sahne olmaktadır. Kavşağın etrafındaki konut alanlarında ikamet eden nüfus ise orta ve üstü sosyo-ekonomik düzeye sahip sakinlerden
oluşmaktadır. Bu kavşakta kamera, yakınında bulunan bir binanın balkonuna
yerleştirilmiş olup, bölünmüş yolun kent merkezine giden yönünde seyreden
araçlar ile yolu karşıya geçen yayaların davranışlarını kaydetmektedir.
Kavşak 3: Bu kavşak kentin kuzey tarafında yer alan ağır sanayi bölgesini batı istikametinde kent merkezine, doğu istikametinde İstanbul yoluna bağlayan ana güzergâh üzerinde bulunmaktadır. Kavşağın etrafında ve yakınında
çok sayıda sanayi kuruluşu, servis ve tamir dükkânları, hırdavatçı dükkânları
ve (sistem öncesi durum tespiti için gözlem yapıldığı dönemde) büyük bir
alışveriş merkezi bulunmaktadır. Yolun gidiş ve geliş yönleri biri kent merkezikent dışı istikametindeki ana trafik akımına, diğeri mıntıkadaki tali trafik akışı
için ayrılmış yollardan olmak üzere iki farklı trafik akışına hizmet etmekte
olup, bu çalışmada kent merkezine gidiş yönünde, ana bölümdeki araç trafiği
görüntüleri çözümlenmiştir. Kavşak bireysel ve toplu ulaşım yanında yoğun
bir ağır vasıta trafiğine, karmaşık ve düzensiz yapısı ile kural ihlalleri yanında
yine bu nedenle sürücü ve yaya kararsızlığına sahne olmaktadır. Kavşaktan
yararlanan yayaların önemli bir kısmını sanayi işçileri ve buradan hizmet temin
eden bireyler oluşturmaktadır. Görüntü kayıtları kavşağın yakınında bulunan
yüksek bir reklam panosu üzerine yerleştirilmiş kameralar vasıtasıyla elde
edilmiştir. Ancak, kameranın görüş açısı kavşaktaki araç trafiğini yönlendiren
trafik ışıklarının değişme durumunu takip için yetersiz kaldığından bu kavşakta
araçların kırmızı ışık ihlalleri çözümlenememiştir.
1.1.
1.1. Kodlaması Yapılan Davranışlar ve Bu Davranışların Tanımı
Kamera kayıtlarından hareketle gözlemi yapılıp, kodlanan sürücü-araç davranışları ve bunların tanımı şu şekildedir:
9
• Dur çizgisi ihlali: Aracın ön tekerleğinin yarısı veya daha fazlasının dur
çizgisinin başlangıç noktasını geçmesi durumu,
• Kırmızı ışık ihlali: Kendisine kırmızı ışık yanarken aracın önünün kırmızı ışık direğinin hizasını geçmesi hali,
• Hatalı şerit değiştirme: Hem dur çizgisinin gerisindeki yasak alanda
hem de ışık noktasını geçtikten sonraki kavşak alanında (adasında)
aracın bulunduğu şeritten diğerine geçmesi (yol üzerindeki şerit sayısı ve kavşağın durumuna göre hangi eylemlerin hatalı şerit değiştirme
olarak kodlanacağı ayrı ayrı tanımlanmıştır),
• U-dönüşü yasağı ihlali: Bu yasak bir levha ile ilan edilmiş şekilde sadece Kavşak 3’te bulunmaktadır. Kavşak 1’de ise, dönüş eylemi ortadaki dönel ada etrafından yapılması gerektiğinden U-dönüşü yasağı
bulunmamakla birlikte bazen araçların kendi gidiş yönlerini dikine kesen istikametten gelen araçların yoluna girerek dönüş yaptıkları tespit edilmiş ve bu kavşak için de bu tür vakalar U-dönüşü yasağı ihlali
olarak sayısallaştırılmışlardır.
• Trafiği tehlikeye düşürecek davranış-manevra: Gözlemi yapılan kavşak alanı içinde, izleyende “diğer sürücü veya yayalar dikkatsiz olsalardı bu eylem ya da durum kazaya yol açardı” dedirten türden her
türlü sürücü-araç eylemi ve davranışları olup şu somut durumlardan
oluşmaktadır:

Dur çizgisini geçtikten sonra, hatalı şerit değiştirme eyleminde bulunmak,

Karşıdan gelen trafiğin akış alanı içinde herhangi bir nedenle durmak; kısmen veya tamamen bu alanı işgal etmekten
dolayı karşı yönden araçların ani manevra (durma, şerit değiştirme vb.) yapmalarına sebebiyet vermek,

Kendi aracının önünü kendisiyle aynı istikamette seyreden
diğer araçların önüne kırmak,

Işığı geçtikten sonra kavşak içinde beklemek,

Yaya geçidinden sonraki kavşak alanı içinde yolcu indirmek,
bindirmek; yükleme veya boşaltma yapmak,

Aracından diğer sürücülerin ve yayaların güvenliğini tehlikeye düşürecek bir şey atmak veya düşürmek.
• Kuvvetli kaza ihtimali: Kodlama yapmak amacıyla sınırları açıkça
belirtilmiş gözlem alanı içinde ilk beş madde de belirtilenlere ek
olarak başka herhangi bir sebebe bağlı olarak gelişen ve gözlemcide
“az kalsın kaza olacaktı” dedirten türden kuvvetli kaza ihtimali oluşturan davranış veya manevra,
10
• Sürücüler arasında her tür tartışma, kavga
• Motosiklet sürücüsünün kask giymemesi (motosiklette bulunan
yolcu(lar) sayılmamıştır).
1.2.
1.2. Araçların Gruplandırılması
Bu davranışların kodlanması için gözlem yapılan bütün kavşaklardan geçiş yapan araçlar dışarıdan bakan birinin düzenli ve istikrarlı olarak ayrıt edebileceği 11 alt kategoriye ayrılmış olup, bunlar şu şekilde tanımlanmıştır:
•
Binek araçlar (ticari amaçla yahut yük taşımak amacıyla kullanıldıklarını belirten belirgin bir işaret olmadıkça, yolcu taşınmasına
uygun kapalı kabine sahip bütün motorlu küçük araçlar ve minibüsler bu kategoride gözleme dâhil edilmiştir),
•
Servis taşımacılığı yapan minibüs ve otobüsler (bu araçların benzerlerinden ayırt edilmesinde gövdeleri üzerinde bulunan sarı şerit-kuşak ve okul taşıtı işaretlerinden yararlanılmıştır),
•
Belediye ve halk otobüsleri (bunlar renkleri ve üzerlerindeki yazılar vasıtasıyla diğerlerinden ayırt edilmişlerdir),
•
Diğer otobüsler,
•
Taksiler (renkleri ve üzerlerindeki taksi yazılı levha vasıtasıyla
ayırt edilmişlerdir),
•
Taksi dolmuşlar (üzerlerine yerleştirilmiş olan ve geceleri
aydınlatılan levhaları vasıtasıyla ayırt edilmişlerdir),
•
Minibüs dolmuşlar (renkleri ve üzerlerindeki ayırt edici işaretlerle diğerlerinden ayırt edilmişlerdir),
•
Bütün açık ve kapalı kasa kamyon ve kamyonetler ile çekiciler,
•
Motosikletler (sepetli olup olmadıkları ayrımına gidilmemiştir),
•
Bisikletler ve
•
Diğer motorlu araçlar (tekerlekli ve paletli iş makineleri, traktörler vb.).
1.3.
1.3. Kamera Kayıtlarının Çözümlenmesi ve Kodlanmasında İzlenen Usul
Kamera kayıtları aslen her birinin süresi yaklaşık 30 saniye süren, fakat istendiğinde kesintisiz akış sağlayan kayıt dosyalardan oluşmaktadır. Ancak, görüntülerin izlenip, kodlanmasında analiz süresi her bir kayıt dosyasının süresi olarak değil, bir kırmızı ışık fazından diğerine geçen süre olarak tayin edilmiştir.
Çözümlemeler ve kodlamalar yapılırken her bir araç türünün davranışı, geçiş
yapan araç sayısı da tespit edilmek suretiyle tek bir kodlayıcı tarafından kodlanmıştır. Bir kodlayıcı da araç türü ayrımı yapmaksızın geçiş yapan araçların
11
sadece sayımını yapmıştır. Bu işlemlerin yapılmasında, kodlamacıya görüntü
birimleri arasında kolay geçiş sağlayan ve istendiği anda görüntü akışını durdurup, tekrar başlatmaya imkân veren bir bilgisayar yazılımı kullanılmıştır.
Kodlama sonuçları bir görüntü biriminin günü, saati, dakikası ve saniye aralığı
belirtilerek elle kodlama cetveline işlenmiş ve bu cetvellerden elektronik ortama aktarılmıştır.
Kodlama işlemlerinin yapılmasında kodlayıcılar arasındaki yorum farklılıklarını gidermek amacıyla sistem öncesi kamera kayıtlarının çözümlemesinin
yapıldığı 2010 yılında, ilk olarak araştırma ekibinden beş üye ile çözümlemekodlama görevini üstlenen araştırma şirketi çalışanlarının birlikte katıldıkları
bir kılavuz kodlama çalışması yapılmıştır. Üç tam gün süren bu çalışma esnasında her bir kavşağın gece ve gündüz görüntülerinden seçilmiş örnek görüntüler üzerinde birlikte çalışılarak, kodlamanın nasıl yapılacağına dair ortak bir
yaklaşım ve yazılı bir kodlama kılavuzu geliştirilmiştir. Bu kodlama kılavuzuna
göre kodlama işlemlerine bir hafta devam edildikten sonra kılavuzun işlerliğini ve karşılaşılan sorunları yeniden değerlendirmek üzere, iki gün süren ikinci
bir ortak çalışma daha yapılmış ve bu suretle nihai bir kodlama kılavuzu ve
kodlama cetveli vücuda getirilmiştir. Bunlar sonucunda, eğer iki kılavuz arasındaki farktan kaynaklanan yorum farklılıkları söz konusu ise, ilk hafta boyunca kodlaması yapılmış olan kayıtların ilgili bölümleri tekrar izlenerek yeni
kılavuza göre kodlaması yapılmıştır. 2012 yılı sonunda yapılan sistem sonrası
görüntü kayıtlarının çözümlenmesi işleminde de yine aynı kılavuz kullanılmış
ve aynı birlikte çalışma usulü takip edilmiştir.
Bu suretle kodlanması kararlaştırılan davranış ve eylemlerin vasfı açık
bir şekilde tanımlanmış olmakla birlikte, kameraların görüş açısı, yol üzerindeki şerit ve işaretlerin silik olup olmaması, öngörülmemiş elektrik kesintilerinden dolayı trafik ışıklarının çalışmaması, kavşakların gece aydınlatma durumu, kamera tarafına yakın büyük ve/veya yüksek bir aracın uzak kenardaki
araçların tam olarak görünmesini engellemesi, kodlanacak davranış/eylemin
bir görüntü biriminde başlayıp, ikincisinde tamamlanması gibi etkenler mevcut oldukları hallerde kodlama işlemlerini nispeten zorlaştırmışlardır.
Ayrıca, beş ve altıncı maddelerde sıralanan trafiği tehlikeye düşürecek
davranış-manevra ile kuvvetli kaza ihtimali oluşturan davranış-manevranın
ne olduğu kodlamacının yorumuna bağlı olarak yine de değişebilmektedir.
Bu nedenlerle oluşabilecek yorum ve kodlama farklılıklarını asgariye indirebilmek ve böylelikle kodlamalarının güvenirlik ve geçerliliğini arttırmak için
ek önlemlere başvurulmuştur. Bu amaçla araştırma ekibinden üç üye her bir
kavşaktaki görüntü süresine orantılı (yüzde 2 oranında) olarak tesadüfen seçilmiş görüntü kayıt dosyalarının bağımsız bir çözümleme ve kodlamasını yapıp, sonuçların istatistiksel dökümünü hazırlamışlardır. Ardından, aynı görün-
12
tü kayıt dosyalarının şirket görevlilerince yapılan kodlamasından ortaya çıkan
KAMERALI araştı
KIRMIZI
IŞIK
DENETİMİNİN
YAPILANrması
KIRMIZI
IŞIK VEve
ÖTEKİ
sonuçların
rma
ekibinin
yaptığıKAVŞAKLARDA
kodlama ile karşılaştı
yapılmış
GÜVENLİK
KURALLARI
İHLALLERİ
ÜZERİNE
ETKİSİ:
BURSA
ÖRNEĞİ,
TÜRKİYE
sonuçlar arasında eğer bir farklılık var ise tek tek ilgili dosyalar birlikte incelenerek bunların nereden kaynaklandıkları tespit edilmiştir. Bunlar sonucunda
sistem öncesi kamera kayıtlarının kodlanıp sayısallaştırılmasında kodlama ekibinin yaptığı kodlamanın sonuçları ile denetleme ekibinin sonuçları arasında
toplam 12 davranışın, sistem sonrası görüntü kayıtları söz konusu olduğunda
Tablo 1. 2009-2011 Yılları Arasında Bursa İli Genelinde Trafiğe Kayıtlı Motorlu Kara Taşıtı, Ölümlü ve
ise toplam 8 davranışın yorumunda bir farklılık olduğu tespit edilmiştir. Bu
Yaralanmalı Kaza Sayıları ve Bunlarda Meydana Gelen Artış Oranı (% Olarak)
farklılıklar kodlamaların geçerlilik ve güvenirliği için iş sözleşmesinde kararİl trafiğine
kayıtlı olanKazaların
meydana
geldikleri
yerler ve sayıları
Toplam
laştırılmış
bir kıstas
her bir
davranış
konusunun
her bir araç
türü için
Yıl
kodlanmasında
iki
taraf
arasındaki
kodlama
farkının
aynı
kategoride
kodlanan
Yerleşim
yeri
içi
Yerleşim
yeri
dışı
Kaza
Artış
Araç
Artış
toplam sayısı
davranışın
yüzde Sayı
2’sinden,
kodlaması
yapılan
Artış
oranı
Sayı
Artışbütün
oranı davranışların
sayısı
oranıise
oranı
binde 5’inden daha az olması şartlarını yerine getirdiği tespit edilerek verile2009 513498
2896
534
-3,4
3430
rin çözümleme ve kodlanmasının güvenilir ve geçerli olduğu kabul edilmiştir.
2010
538598
4,9
3076
6,2
516
5,4
3592
4,72
1.4.
Alındıkları
Geçiş 10,11
Yapan
2011 Kamera
574926 Kayıtlarının
12,0
3231
10,9Tarihler
562ve Kavşaklardan
6,9
3793
Araç Sayıları
2012 607585
18,3
3949
32,6
573
4522
28,79
Uygulama kavşaklarına yerleştirilen kameralar bir hafta süre ile kayıt aldıktan
Trafiğe
sayısındaki artış
kıyasla kaza sayısındaki
oranı (%)düzeyinde incesonrakayıtlı
kayıtaraç
disklerinde
yeroranına
alan görüntüler
tek tekartış
dosyalar
lenmiş,
elektrik
kesinti
si,
aydınlatmanın
yetersizliği
veya
2010
27,2
-169,0 başka bir nedenle
-3,4
çözümlemeye uygun olmayan görüntüler elenmiş ve her bir aşamada bu iş2011
-9,0
-54,6
-15,5
lemlerin
yapılabilmesi yaklaşık iki aylık
bir çalışmayı gerekti
rmiştir. Bu işlemler
2012
-62,1
sonucunda
hafta içi ve hafta sonu77,9
karşılaştırması yapmaya
en uygun 57,1
ve en
uzun süreli verilerden seçilerek oluşturulan görüntü kayıtları araştırma için
ayrılan bütçe imkânları da dikkate alınarak çözümlenmiştir. Bu suretle tespit
edilmiş görüntü kayıtlarının alındıkları tarihler ve süreler Tablo 2’de; görüntü
kaydı alınan kavşaklardan geçiş yapan toplam araç sayıları da Tablo 3’te, kavşaklar itibariyle geçiş yapan araç sayıları ise Ek Tablo 1’de gösterilmiştir.
Tablo2.2.Kamera
Kamera
Kayıtlarının
Alındığı
Tarihler
veSüreleri
Kayıt Süreleri
Tablo
Kayıtlarının
Alındığı
Tarihler
ve Kayıt
Sistem öncesi-2009
Görüntü kaydı alınan tarihler
Saat aralığı
Günlük kayıt süresi
Kavşak 1
10, 11, 12 ve 13 Ekim, 2009
02:00-22:59
21 saat
Kavşak 2
8 ve 9 Ekim, 2009
02:00-23:59
22 saat
Kavşak 3
10, 11, 12 ve 13 Ekim, 2009
05:00-16:59
12 saat
25 Ekim, 2011
05:00-14:59
10 saat
29 Ekim, 2011
Tam gün
24 saat
Kavşak 2
25, 29 Ekim, 2011
Tam gün
24 saat
Kavşak 3
25, 29 Ekim, 2011
Tam gün
24 saat
Kavşak 1
13
Tablo 2’de görüldüğü üzere, özellikle sistem öncesi durumu tespit etmek amacıyla çözümlemesi yapılan görüntü kayıtları kavşaklardaki ihlal durumlarını verili bir günde 24 saat esasına göre tam olarak izlemeye imkân
vermemektedir. Ayrıca bazı günlerdeki görüntü kayıtları çok bozuk ya da kısa
olduğundan kayıtlarının alındığı günler bakımından da tam bir eşleştirmeye ulaşmak mümkün olmamıştır. Ancak, yine de, bu durum simetriye dayalı
orantısal değişme analizi yapmaya bir engel teşkil etmektedir.
Tablo 3. Sınıfları İtibariyle Gözlem Günlerinde Kavşaklardan Geçiş Yapan Araçların Sayısı ve3.Oranı
Tablo
Sınıfları İtibariyle Gözlem Günlerinde Kavşaklardan Geçiş Yapan Araçların Sayısı ve Oranı
Araç sınıfı
Sistem öncesi-2009
Toplam
Sayı
%
Sayı
%
Sayı
%
1. Binek araçlar
2. Servis araçları
3. Belediye ve halk otobüsleri
4. Diğer otobüsler
5. Taksiler
6. Taksi dolmuşlar
7. Minibüs dolmuşlar
8. Kamyon, kamyonet ve tırlar
9. Motosikletler
10. Bisikletler
11. Diğer motorlu araçlar
158521
4766
2696
765
3693
601
3264
16259
3041
427
91
81,7
2,5
1,4
0,4
1,9
0,3
1,7
8,4
1,6
0,2
0,0
100109
2086
1834
395
2241
1067
2163
9367
1511
235
33
82,7
1,7
1,5
0,3
1,9
0,9
1,8
7,7
1,2
0,2
0,0
258630
6852
4530
1160
5934
1668
5427
25626
4552
662
124
82,1
2,2
1,4
0,4
1,9
0,5
1,7
8,1
1,4
0,2
0,0
Toplam
194124
100,0
121041
100,0
315165
100,0
2. Bulgular
1.
Araştırmanın bulguları simetrik olarak en genel toplamlar düzeyindeki oranlar ile4. Gözlem
bu oranlardaki
değişme
şeklinde
sunulacağından,
öncelikli
Tablo
Yapılan Günlerde
Kırmızıoranları
Işık Denetimi
Yapılan Kavşaklardan
Geçen Araçların
olarak
bu
oranların
mutlak
değerler
olarak
neye
atı
ft
a
bulunduğu
hakkında
Yaptıkları Kural İhlallerinin Dağılımı
bir fikir vermekte yarar bulunmaktadır.
Sistem öncesiSistem
durum
tespiti yapılan
Sistem öncesi-2009
sonrası-2011
Kural
ihlalesnasında
türleri
günler
kavşaklardan geçiş yapan toplam 194.154 aracın bu çalışSayı
%
%
mada kodlanan davranışlar dâhilinde toplam
44.788
kuralSayıihlali ya da
trafik
1.
Kırmızı
ışık
ihlali
3887
8,68
1510
8,38
güvenliğini tehlikeye düşürücü davranış sergiledikleri tespit edilmiştir. Bunla2.
ihlali U-dönüşü yasağını ihlal7050
15,74gelmekte
3268ve bunu
18,14tehlikeli
rınDurençizgisi
başında
(yüzde 31)
davranış
21,3), hatalı şerit değişti
(yüzde 20,7),
3.
Hatalı şerit(yüzde
değiştirme
9270 rme 20,70
3247 dur çizgisi
18,02 ihlali
(yüzde
ve kırmızı ışık ihlali (yüzde9561
8,6) izlemektedir.
Kuvvetli
kaza
4.
Tehlikeli15,7)
davranış
21,35
3482
19,33ihtimali taşıyan davranışlar ile sürücüler arasından meydana gelen tartışma ve kavga
5. Kuvvetli kaza ihtimali taşıyan davranış
64
0,14
7
0,04
gibi olayların ise bunlara nispetle çok daha az bir orana (sırasıyla binde 1,4 ve
6. Tartışma, kavga
4
0,01
2
0,01
on binde 1) sahip oldukları görülmektedir.
7. U-dönüşü yasağı ihlali
13821
30,86
6084
33,77
Sistem sonrası aynı kavşaklardan alınan görüntü kayıtlarının çözümlen1131
2,53
416
2,31
mesinden elde edilen veriler kavşaklarda kural ihlallerinin mutlak değerlerinToplam
44788 etti
100,00
18016
100,00
den çıkan bu yapının ana hatları ile devam
ğini göstermektedir.
Şöyle ki,
kırmızı ışık ihlal vakalarının toplam kural ihlalleri içindeki oranı sabit kalırken
hatalı şerit değiştirme vakalarının oranı yaklaşık yüzde 3 düşmüş, U-dönüşü
8. Kasksız motosiklet sürücüsü
8. Kamyon, kamyonet ve tırlar
16259
8,4
9367
9. Motosikletler
3041
1,6
1511
10. Bisikletler
427
0,2
235
Kameralı
Kırmızı
Işık Denetiminin Kavşaklarda
Kırmızı Işık ve Öteki
11. Diğer
motorlu
araçlar
91 Yapılan0,0
33
14
Güvenlik
Kurallari
İhlalleri
Üzerine
Etkisi:
Bursa
Örneği
Toplam
194124
100,0
121041
7,7
1,2
0,2
0,0
25626
4552
662
124
8,1
1,4
0,2
0,0
100,0
315165
100,0
yasağı ihlali ve dur çizgisi ihlali vakalarının toplam ihlal vakaları arasındaki nispetinde ise yaklaşık yüzde 3’lük artışlar meydana gelmiştir (bkz. Tablo 4).
Tablo
KırmızıIşık
IşıkDenetimi
DenetimiYapılan
YapılanKavşaklardan
Kavşaklardan
Geçen
Tablo4.4.Gözlem
GözlemYapılan
Yapılan Günlerde
Günlerde Kırmızı
Geçen
Araçların
Araçların
Yaptı
kları
Kural
İhlallerinin
Dağılımı
Yaptıkları Kural İhlallerinin Dağılımı
Kural ihlal türleri
Sistem öncesi-2009
Sayı
%
Sayı
%
1. Kırmızı ışık ihlali
3887
8,68
1510
8,38
2. Dur çizgisi ihlali
7050
15,74
3268
18,14
3. Hatalı şerit değiştirme
9270
20,70
3247
18,02
4. Tehlikeli davranış
9561
21,35
3482
19,33
5. Kuvvetli kaza ihtimali taşıyan davranış
6. Tartışma, kavga
7. U-dönüşü yasağı ihlali
8. Kasksız motosiklet sürücüsü
Toplam
64
0,14
7
0,04
4
0,01
2
0,01
13821
30,86
6084
33,77
1131
2,53
416
2,31
44788
100,00
18016
100,00
Sürücüler arasında meydana geldiği tespit edilen tartışma ve kavgaların
mutlak değerlerinin çok düşük olması ve bu nedenle anlamlı bir oransal değişme hesaplamasına izin vermemelerinden ötürü analizlerden hariç tutmakta yarar bulunmaktadır. Benzer şekilde, U-dönüşü yasağı bulunmayan Kavşak
1’de tespit edilmiş U-dönüşü yasağı olarak kodlanmış olan ihlal davranışlarının (sistem öncesinde toplam 6, sistem sonrasında ise toplam 26 vaka) mutlak sayılarının oransal değişme hesaplaması yapmak için yetersiz olmasından
ötürü aşağıdaki analizlerde dikkate alınmayacaklardır. Diğer konulardaki ihlal
ve trafik güvenliğini tehlikeye düşürücü davranışların oranlarında meydana
gelen değişmeler ise sırasıyla bir günün 24 saatine, hafta içi ve hafta sonuna
ve araç türlerine göre olmak üzere üç eksende incelenecektir.
2.1. Kavşaklardaki Araç Yoğunluğu ve Kural İhlallerinin Yirmi Dört Saati
Sistem öncesi ve sonrası kural ihlallerinin yapısında yukarıda işaret edilen sürekliliğe karşılık olağan bir günün 24 saati süresince yapılan ihlallerin oranlarında ve oranlardaki değişme oranlarında kavşağa ve araç türüne bağlı olarak
bazı önemli değişmeler vardır. Tablo 5 ve 6’da sistem öncesi ve sonrasında
hafta içi ve hafta sonu ayrımına gitmeksizin sadece genel toplamlar düzeyinde tespit edilen ihlal oranlarına dair sonuçlar sunulmaktadır.
Hem sistem öncesinde hem de sistem sonrasında yapılan kayıtlarda
günün bazı saatlerine dair görüntüler mevcut olmadıklarından tablolarda yer
verilen araç sayıları ve yüzdeliklerine ilişkin rakamların trafik yoğunluğu hakkında yaklaşık bir fikir vermekten öteye bir işlevi yoktur. Bu hususu dikkate
alarak sonuçları kısaca tarif etmek gerekirse, gözlem yapılan kavşaklar 06:00
ile 18:00 saatleri arasında, özellikle de 11:00-15:00 saatleri arasında yoğun bir
15
araç trafiğine sahne olmaktadırlar. Günün saatine bağlı olarak kural ihlallerinde de konusuna göre önemli düzeyde fakat bir ihlal konusu ile diğeri arasında
simetrik olmayan bir dalgalanma söz konusudur.
Tablo
SistemÖncesi
Öncesi
Kavşaklardaki
Yoğunluğu
veİhlali
Kural
İhlali Oranlarının
(binTablo 5.
5. Sistem
Kavşaklardaki
AraçAraç
Yoğunluğu
ve Kural
Oranlarının
(binde) Yirmi
Dört
de)
Yirmi
Dört
Saati
-Genel
Toplam
Saati-Genel Toplam
Tehlikeli
davranış
oranı
Kuvvetli
kaza
ihtimali
oranı
Udönüşü
yasağı
ihlali
(1)
oranı
Kasksız
mot.
sürücüsü
(2)
oranı
Sayı
%
Kırmızı
ışık
ihlali
oranı
00:01-00:59
-
-
-
-
-
-
-
-
-
01:00-01:59
-
-
-
-
-
-
-
-
-
Geçen araç
Saat
Dur
çizgisi
ihlali
oranı
Hatalı
şerit
değ.
oranı
02-00-02-59
24
0,01
166,7
0,0
41,7
41,7
0,0
-
-
03:00-03:59
336
0,17
193,5
81,3
44,6
17,9
0,0
-
250,0
04:00-04:59
879
0,45
83,0
83,6
19,3
19,3
0,0
-
333,3
05:00-05:59
6376
3,28
35,1
36,8
31,1
30,6
0,0
110,7
340,0
06:00-06:59
11825
6,09
28,0
27,3
28,3
28,0
0,2
126,3
325,2
07:00-07:59
10238
5,27
25,3
34,1
31,5
34,9
0,3
145,1
315,3
08:00-08:59
10827
5,58
29,7
34,4
34,7
36,5
0,0
154,9
338,3
09:00-09:59
11850
6,10
30,3
38,5
45,8
48,4
0,2
176,0
333,3
10:00-10:59
13141
6,77
28,5
35,3
47,6
50,1
0,2
185,7
338,5
11:00-11:59
14256
7,34
32,3
40,4
51,2
55,7
0,2
175,6
393,8
12:00-12:59
15016
7,73
37,0
39,2
50,5
55,4
0,1
178,6
381,4
13:00-13:59
15493
7,98
28,7
38,7
57,4
61,1
0,1
174,8
398,6
14:00-14:59
16840
8,67
32,3
36,3
59,5
61,8
0,2
175,3
385,7
15:00-15:59
18506
9,53
34,0
42,0
56,3
59,0
0,0
179,9
329,9
16:00-16:59
19153
9,86
38,0
34,9
78,8
78,9
2,0
169,9
449,3
17:00-17:59
8471
4,36
39,5
22,8
39,2
41,6
0,4
-
419,1
18:00-18:59
6713
3,46
40,2
23,4
29,8
27,1
0,1
-
405,7
29:00-19:59
4586
2,36
31,6
29,9
26,6
22,0
0,4
-
280,0
20:00-20:59
4077
2,10
33,6
34,6
28,2
19,1
0,2
-
400,0
21:00-21:59
3266
1,68
42,3
38,1
30,3
20,8
0,0
-
394,7
22:00-22:59
1926
0,99
52,4
77,2
18,2
13,0
0,0
-
388,9
23:00-23:59
355
0,18
64,8
200,0
8,5
8,5
0,0
-
142,9
194154
100
34,7
36,5
47,7
49,2
0,3
167,9
371,9
Toplam
1- Sadece Kavşak 3’teki oranları göstermektedir.
2- Kavşaklardan geçiş yapan toplam motosiklet sayısını dikkate almaktadır.
Genel bir eğilim olarak, sistem öncesinde, araç yoğunluğunun arttığı
saatler kırmızı ışık ihlali ve dur çizgisi ihlali oranlarının nispeten gerilediği, araç
yoğunluğunun azaldığı saatler ise bu iki konudaki ihlal oranlarının arttığı saatlerdir. Bu iki ihlalin ancak araç sırasının en önünde yer alanlar tarafından
yapılabileceğini dikkate alınacak olursa, kavşaklardan belli bir zaman dilimin-
16
de geçiş yapan araç sayısının artışı zorunlu olarak bu iki konudaki kural ihlali
ile tam bir doğrusal ilişkiye girmemesini makul karşılamak gerekir. Yine de,
istatistiksel olarak, araç yoğunluğu ile kırmızı ışık ihlali oranları arasındaki ters
yönlü ilişki (p = -0,675) yüzde 1 hata düzeyinde anlamlıdır. Buna karşılık araç
yoğunluğu ile hatalı şerit değiştirme oranı (p = 0,787), tehlikeli davranış oranı
(p = 0,886), U-dönüşü yasağı ihlal oranı (p = 0,736) arasındaki müspet ilişki
yüzde 1 hata düzeyinde, araç yoğunluğu ile kuvvetli kaza ihtimali taşıyan davranış oranı arasındaki ilişki (p = 0,433) yüzde 5 hata düzeyinde istatistiksel
olarak anlamlıdır. Bu genel eğilimler içinde kural ihlalleri bakımından günün
en kötü saatinin 15:00-18:00 aralığı olduğunu belirtmemiz gerekir.
Tablo
Sonrası,Kavşaklardaki
Kavşaklardaki
Araç
Yoğunluğu
ve Kural
Oranlarının
Tablo6.6.Sistem
Sistem Sonrası,
Araç
Yoğunluğu
ve Kural
İhlali İhlali
Oranlarının
(binde)(binYirmi Dört
de)
Yirmi Dört
Saati-Genel Toplam
Saati-Genel
Toplam
Saat
Sayı
%
Kırmız
ı ışık
ihlali
oranı
00:01-00:59
557
0,46
0,0
Geçen araç
Dur
çizgisi
ihlali
oranı
Hatalı
şerit
değ.
oranı
28,7
14,4
Tehlikeli
davranış
oranı
Kuvvetli
kaza
ihtimali
oranı
Udönüşü
yasağı
ihlali
(1)
oranı
Kasksız
mot.
sürücüsü
(2)
oranı
19,7
0,0
108,1
800,0
01:00-01:59
383
0,32
0,0
26,1
23,5
36,6
0,0
129,2
-
02-00-02-59
423
0,35
0,0
37,9
40,2
37,8
0,0
101,6
333,3
03:00-03:59
647
0,53
7,7
26,6
7,7
10,8
0,0
105,1
333,3
04:00-04:59
2194
1,81
26,7
37,7
21,4
21,0
0,0
114,2
100,0
05:00-05:59
5646
4,66
22,8
21,6
19,7
21,1
0,0
77,6
186,4
06:00-06:59
6157
5,09
18,9
20,4
19,5
19,3
0,0
77,2
277,1
07:00-07:59
6275
5,18
18,1
28,8
21,4
22,6
0,0
104,1
220,0
08:00-08:59
6534
5,40
18,6
25,6
22,2
24,6
0,2
106,9
240,0
09:00-09:59
7410
6,12
19,2
27,2
26,7
32,4
0,1
112,2
274,3
10:00-10:59
7957
6,57
19,0
25,1
21,5
24,4
0,0
116,5
234,2
11:00-11:59
8265
6,83
19,4
23,1
24,3
28,8
0,0
109,6
301,0
12:00-12:59
8518
7,04
27,2
25,0
29,0
31,8
0,2
111,5
258,6
13:00-13:59
9129
7,54
24,3
24,9
31,0
34,6
0,0
114,5
234,4
14:00-14:59
9444
7,80
25,3
24,3
34,3
37,1
0,0
114,4
268,3
15:00-15:59
7773
6,42
29,5
24,3
38,9
38,5
0,0
115,1
247,5
16:00-16:59
7960
6,58
36,7
28,3
44,8
44,7
0,3
111,8
264,7
17:00-17:59
6451
5,33
27,3
31,1
30,8
33,0
0,0
115,0
372,3
18:00-18:59
5103
4,22
22,2
31,3
19,0
20,2
0,0
110,8
344,3
29:00-19:59
4664
3,85
21,9
30,6
21,4
21,2
0,0
112,1
369,6
20:00-20:59
4080
3,37
26,0
30,5
18,4
17,6
0,0
108,2
450,0
21:00-21:59
2984
2,47
28,4
41,1
18,4
17,8
0,0
88,7
300,0
22:00-22:59
1779
1,47
28,6
53,1
15,7
17,4
0,6
91,7
333,3
708
0,58
0,0
32,5
19,8
16,9
0,0
73,7
0,0
121041
100
23,2
27,1
26,8
28,8
0,1
108,1
275,3
23:00-23:59
Toplam
Tablo 7. Kameralı Kırmızı Işık Denetimi Uygulaması Yapılan Kavşaklarda Uygulama Öncesi ve Sonrası
17
Tablo 6. Sistem Sonrası, Kavşaklardaki Araç Yoğunluğu ve Kural İhlali Oranlarının (binde) Yirmi Dört
1-Sadece
KavşakToplam
3’teki oranları göstermektedir.
Saati-Genel
Udönüşü
Kırmız
Kasksız
Dur Hatalı
Kuvvetli
yasağı
ı ışıkk hacmi
mot.
çizgisi
şeritkural
Tehlikeli
kaza arasındaki
Sistem Geçen
sonrasında
trafi
ile
ihlal oranları
ilişki
araç
ihlali
ihlali
sürücüsü
ihlali
değ.
davranış
ihtimali
bakımından
en
dikkate
değer
gelişmenin
başında
araç
yoğunluğu
(1) ile kırmızı
(2)
Saat
Sayı
%
oranı
oranı
oranı
oranı
oranı
oranı
oranı
2- Kavşaklardan geçiş yapan toplam motosiklet sayısını dikkate almaktadır.
ışık ihlal oranı arasındaki ilişkinin istatistiksel olarak yüzde 5 hata düzeyinde
00:01-00:59
557
0,46
0,0
28,7
14,4
19,7
0,0
108,1
800,0
anlamlı ve müspet bir ilişkiye dönmüş olması (p = 0,500) gelmektedir. Buna
01:00-01:59
383
0,32
0,0
26,1
23,5
36,6
0,0
129,2
karşılık araç yoğunluğu ile dur çizgisi ihlal oranı arasındaki ters yönlü ilişkinin
02-00-02-59
423
0,35 anlamlı
0,0 olarak
37,9 bir
40,2
37,8
0,0
101,6 olması
333,3(p
yüzde
1 hata düzeyinde
miktar daha
kuvvetlenmiş
647şerit0,53
26,6olan 7,7
0,0 miktar
105,1 zayıfl333,3
=03:00-03:59
-0,563), hatalı
değişti7,7
rme ile
müspet 10,8
ilişkinin bir
amış
2194da yüzde
1,81
37,7
21,4 anlamlılığı
21,0
0,0
114,2
100,0
(p04:00-04:59
= 0,423) olsa
526,7
hata düzeyinde
sürdürmesidir.
Sistem
öncesinde
yoğunluğu
ile
oranı,
ta05:00-05:59 araç
5646
4,66
22,8tehlikeli
21,6 davranış
19,7
21,1 kuvvetli
0,0 kaza
77,6ihtimali
186,4
şıyan
davranış
oranı
ve
U-dönüşü
yasağı
ihlal
oranı
arasında
gözlenen
kuvvetli
06:00-06:59
6157
5,09
18,9
20,4
19,5
19,3
0,0
77,2
277,1
ve07:00-07:59
müspet ilişkiler
ise5,18
bütünüyle
zayıfl
amış
ve istati
stiksel0,0olarak
anlamsız
bir
6275
18,1
28,8
21,4
22,6
104,1
220,0
düzeye gerilemiştir.
08:00-08:59
6534
5,40
18,6
25,6
22,2
24,6
0,2
106,9
240,0
2.2.
Hafta İçi ve
Hafta6,12Sonu19,2
İtibariyle
Gözlenen
Değişmeler
09:00-09:59
7410
27,2 Kural
26,7 İhlallerinde
32,4
0,1
112,2
274,3
Kavşaklar
düzeyinde
haft
a
içi
ve
haft
a
sonu
tespit
edilen
kural
ihlali
oranları
ve
10:00-10:59
7957
6,57
19,0
25,1
21,5
24,4
0,0
116,5
234,2
bunlardaki
değişmeler
Tablo
7’de
sunulmuştur.
Tabloda
ilk
dikkat
çeken
hu11:00-11:59
8265
6,83
19,4
23,1
24,3
28,8
0,0
109,6
301,0
sus, genel bir eğilim olarak, kavşaklarda hafta içi günler için tespit edilen ku12:00-12:59
8518
7,04
27,2
25,0
29,0
31,8
0,2
111,5
258,6
ral ihlal oranlarının konusuna göre dalgalanmakta ve fakat kavşaklar arasında
13:00-13:59
7,54
24,3
24,9
31,0
34,6
0,0
114,5
234,4
nispeten
belli 9129
bir simetriye
göre değişmekte
oluşudur.
Örneğin,
sistem önce14:00-14:59
9444
7,80
25,3
24,3
34,3
37,1
0,0
114,4
268,3
sinde, Kavşak 1’de kırmızı ışık ihlal oranı ile tehlikeli davranış oranı hafta içi ve
15:00-15:59
29,5 dur24,3
38,5 ile hatalı
0,0 şerit
115,1değişti
247,5
haft
a sonunda7773
sabit 6,42
kalırken,
çizgisi38,9
ihlal oranı
rme
16:00-16:59hafta 7960
36,7
28,3
44,8daha yüksekti
44,7
111,8
oranları
içinde 6,58
hafta sonuna
kıyasla
r.0,3
Benzer
şekilde264,7
Kavşak
3’te de dur6451
çizgisi5,33
ihlal oranı,
hatalı
şerit
kuvvetli372,3
kaza
17:00-17:59
27,3
31,1
30,8 değişti
33,0rme oranı
0,0 ve115,0
ihti
mali
taşıyan
davranış
oranı
haft
a
içi
günlerde
haft
a
sonuna
kıyasla
daha
18:00-18:59
5103
4,22
22,2
31,3
19,0
20,2
0,0
110,8
344,3
yüksek
düzeyde
seyretmektedir.
Buna
karşılık
aynı
kavşakta
U-dönüşü
yasağı
29:00-19:59
4664
3,85
21,9
30,6
21,4
21,2
0,0
112,1
369,6
ihlal oranı hafta içinde hafta sonuna kıyasla daha düşüktür. Sistem sonrasında
20:00-20:59
4080
3,37
26,0
30,5
18,4
17,6
0,0
108,2
450,0
ise tek tek ihlal konularından ortaya çıkan bu genel görünümün Kavşak 1’de
21:00-21:59
2984
2,47
28,4
41,1
18,4
17,8
0,0
300,0
nispeten
tersine
döndüğü,
yani haft
a sonu
ihlal oranlarının
haft88,7
a içi oranlara
22:00-22:59
1779
1,47
28,6
53,1
15,7
17,4
0,6
91,7
333,3
kıyasla arttığı; Kavşak 2’de hafta içi ihlal oranlarının hafta sonuna kıyasla daha
23:00-23:59
0,58 3’te
0,0ise haft
32,5 a içi
19,8
16,9 oranlarının
0,0
73,7
0,0
yüksek
seyretti708
ği, Kavşak
kural ihlali
hafta sonuna
Toplam
121041
100
23,2
27,1
26,8
28,8
0,1
108,1
275,3
göre daha yüksek olma vasfını sürdürdüğü fakat U-dönüşü yasağında hafta içi
ile hafta sonu farkının daralma gösterdiği tespit edilmiştir.
Tablo 7. Kameralı Kırmızı Işık Denetimi Uygulaması Yapılan Kavşaklarda Uygulama
Öncesi ve Sonrası Kural İhlal Oranları (binde)ve Oranlarda Gözlenen Değişme Oranı
Tablo 7. Kameralı Kırmızı Işık Denetimi Uygulaması Yapılan Kavşaklarda Uygulama Öncesi ve Sonrası
(%Kural
olarak)
İhlal Oranları (binde)ve Oranlarda Gözlenen Değişme Oranı (yüzde olarak)
Kavşak 1
Kasksız
mot.,
sürücüsü
oranı(4)
28,2
24
0,1
-
386,5
9,1
21,2
23,9
0,1
-
463,1
10,7
24,6
24
0,1
-
425,1
64,1
30,8
29,7
0,2
-
266,0
-
-
-
-
-
-
Hatalı
şerit
değiştirme
oranı
Hafta içi
36,7
12,3
Hafta sonu
36,7
Toplam
36,7
Hafta içi
30,4
-
Toplam
30,4
64,1
30,8
29,7
0,2
-
266,0
Hafta içi
0
51
79,8
80,9
0,9
158,2
327,5
Kavşak ve gün
Kavşak 2
Udönüşü
yasağı
ihlali
oranı (3)
Dur
çizgisi
ihlali
oranı(2)
Sistem öncesi-2009
k3
Tehlikeli
davranış
oranı
Kuvvetli
kaza
ihtimali
oranı
Kırmızı
ışık
ihlali
oranı(1)
Hafta sonu
Kavşak
Kavşak22
18
Toplam
Toplam
36,7
36,7
10,7
10,7
24,6
24,6
24
24
0,1
0,1
--
425,1
425,1
Hafta içi
içi
Hafta
30,4
30,4
64,1
64,1
30,8
30,8
29,7
29,7
0,2
0,2
--
266,0
266,0
--
--
--
--
--
--
30,4
30,4
64,1
64,1
30,8
30,8
29,7
29,7
0,2
0,2
--
266,0
266,0
Hafta içi
içi
Hafta
0
0
51
51
79,8
79,8
80,9
80,9
0,9
0,9
158,2
158,2
327,5
327,5
Hafta sonu
sonu
Hafta
0
0
46,5
46,5
72,8
72,8
81,6
81,6
0,2
0,2
179,3
179,3
429,5
429,5
Toplam
Toplam
0
0
48,9
48,9
76,6
76,6
81,2
81,2
0,6
0,6
167,9
167,9
374,9
374,9
Hafta içi
içi
Hafta
33,7
33,7
42,5
42,5
48,6
48,6
47,3
47,3
0,4
0,4
158,2
158,2
325,2
325,2
Hafta sonu
sonu
Hafta
36,7
36,7
27,5
27,5
46,4
46,4
52,1
52,1
0,2
0,2
179,3
179,3
444,8
444,8
Toplam
Toplam
34,7
34,7
36,5
36,5
47,7
47,7
49,2
49,2
0,3
0,3
167,9
167,9
371,9
371,9
sonrası-2011
Sistem
Hafta
Hafta içi
içi
19,7
19,7
6,3
6,3
13,6
13,6
22,3
22,3
0
0
--
325,2
325,2
Kavşak
Kavşak22
Kavşak
Kavşak11
Toplam
Toplam
Kavşak
Kavşak33
--
Toplam
Toplam
Kavşak
Kavşak33
Hafta sonu
sonu
Hafta
Hafta sonu
sonu
Hafta
21,7
21,7
8,2
8,2
12,9
12,9
21,6
21,6
0,1
0,1
--
206,9
206,9
Toplam
Toplam
20,9
20,9
7,5
7,5
13,2
13,2
21,8
21,8
0,1
0,1
--
255,7
255,7
Hafta
Hafta içi
içi
26,0
26,0
40,7
40,7
31,9
31,9
23,2
23,2
0,1
0,1
--
320,2
320,2
Hafta sonu
sonu
Hafta
25,5
25,5
47,3
47,3
34,7
34,7
28,5
28,5
0
0
--
227,5
227,5
Toplam
Toplam
25,7
25,7
43,9
43,9
33,2
33,2
25,8
25,8
0,1
0,1
--
275,6
275,6
Hafta içi
içi
Hafta
0
0
31,6
31,6
34,5
34,5
36,8
36,8
0
0
107,5
107,5
343,8
343,8
0
0
27,5
27,5
28,5
28,5
32,5
32,5
0,1
0,1
108,6
108,6
225,6
225,6
0
0
29,5
29,5
31,5
31,5
34,6
34,6
0,1
0,1
108,1
108,1
286,6
286,6
Hafta içi
içi
Hafta
23,2
23,2
28,5
28,5
29,1
29,1
29,7
29,7
0,1
0,1
107,5
107,5
332,4
332,4
Hafta sonu
sonu
Hafta
23,3
23,3
25,9
25,9
24,9
24,9
28
28
0,1
0,1
108,6
108,6
220,5
220,5
Toplam
Toplam
23,2
23,2
27,1
27,1
26,8
26,8
28,8
28,8
0,1
0,1
108,1
108,1
275,3
275,3
Değişim oranı
oranı (%)
(%)
Değişim
Hafta
içi
Hafta içi
-46
-46
-49
-49
-52
-52
-7
-7
-100
-100
--
-15,9
-15,9
Hafta
Hafta sonu
sonu
-41
-41
-10
-10
-39
-39
-10
-10
-25
-25
--
-55,3
-55,3
Toplam
Toplam
Kavşak
Kavşak33
Kavşak
Kavşak22
Kavşak
Kavşak11
Toplam
Toplam
Hafta sonu
sonu
Hafta
Toplam
Toplam
Toplam
Toplam
-43
-43
-30
-30
-46
-46
-9
-9
-54
-54
--
-39,9
-39,9
Hafta
Hafta içi
içi
-15
-15
-37
-37
3
3
-22
-22
-46
-46
--
20,4
20,4
Hafta
Hafta sonu
sonu
--
--
--
--
--
--
--
Toplam
Toplam
-15
-15
-32
-32
8
8
-13
-13
-72
-72
--
3,6
3,6
Hafta içi
içi
Hafta
--
-38
-38
-57
-57
-54
-54
-96
-96
-32
-32
5,0
5,0
Hafta
Hafta sonu
sonu
--
-41
-41
-61
-61
-60
-60
-62
-62
-39
-39
-47,5
-47,5
Toplam
Toplam
--
-40
-40
-59
-59
-57
-57
-90
-90
-36
-36
-23,6
-23,6
Hafta içi
içi
Hafta
-31,1
-31,1
-33
-33
-40
-40
-37
-37
-88
-88
-32
-32
2,2
2,2
Hafta
Hafta sonu
sonu
-36,6
-36,6
-6
-6
-46
-46
-46
-46
-60
-60
-39
-39
-50,4
-50,4
Toplam
Toplam
-33,1
-33,1
-26
-26
-44
-44
-42
-42
-82
-82
-36
-36
-26,0
-26,0
1- Kavşak 3’ten alınan görüntü kayıtlarında kırmızı ışık ihlali çözümlemesi yapılamadığından kırmızı ışık
ihlal oranlarındaki değişim oranı Kavşak 1 ve Kavşak 2’den geçiş yapan araç sayıları dikkate alınarak hesaplanmıştır.
saplanmıştır.
19
2- Dur çizgisi ihlal oranları, görüntülerinin başka araçlar tarafından engellenmesi nedeniyle dur çizgisi ihlali
yapıp yapmadığı belirlenemeyen araç sayısı kavşaktan geçiş yapan toplam araç sayısından hariç tutularak
hesaplanmıştır.
3- Kavşak 3’ten geçiş yapan araç sayıları dikkate alınarak hesaplanmıştır.
4- Kavşaklardan geçiş yapan toplam motosiklet sayısı dikkate alınarak hesaplanmıştır.
İkinci olarak, bütün sürücü kategorileri için ortaklaşa geçerli münferit
ihlal konuları arasında en yüksek genel ihlal oranı hem sistem öncesinde
hem de sistem sonrasında U-dönüşü yasağında gözlenmektedir (sırasıyla
binde 167,9 ve 108,1). Bunu tehlikeli davranış (binde 49,2 ve 28,8), hatalı
şerit değiştirme (binde 47,7 ve 26,8), dur çizgisi ihlali (binde 36,5 ve 27,1) ve
kırmızı ışık ihlali (binde 34,7 ve 23,2) izlemektedir. Ancak, U-dönüşü yasağının
aslen Kavşak 3’te bulunduğunu hatırda tutmakta yarar bulunmaktadır
zira kavşaklara bağlı olarak gözlenen kural ihlali farklılıklarından ötürü tek
kavşakta tespit edilen oran yanıltıcı olabilir.
Kasım 2012’de yapılan alan ziyaretinde bu kavşaktaki U-dönüşü yasağı
levhasının altına yasağın sadece kamyonlar için geçerli olduğunu belirten bir
levha eklendiği tespit edilmiştir. Görüntü kayıtlarından hareketle bu levhanın
tam olarak ne zaman buraya yerleştirildiği tespit edilemediğinden bu kavşaktan sistem sonrası görüntü kayıtlarının alındığı dönemde de söz konusu düzenlemenin mevcut olup olmadığı bilinmemektedir. Fakat eğer görüntü kayıtlarının alındığı dönemde de bu yeni düzenleme mevcut ise o zaman U-dönüşü
yasağı ihlali oranlarında gözlenen değişme çok daha önemli hale gelmekte
fakat yorumu ise bir o kadar zorlaşmaktadır. Zira ihlal oranlarında gözlenen
değişmeyi sürücülerin bu ek levhadaki ibareyi dikkate almamalarına veya algılamamalarına mı yoksa algılamalarına rağmen buna itibar etmemelerine mi
atfetmek gerektiği hakkında kesin bir kanaat geliştirmek mümkün değildir.
2.3. Sürücü/Araç Kategorileri İtibariyle Kural İhlalleri
Burada sonuçları sunulan araştırma verilerinin en önemli yanlarından birisi
kural ihlal oranlarını araç türleri itibariyle hesaplamamıza ve buna bağlı olarak
hangi sürücü kategorilerinin sürece ne türden tepki verdiklerini tespit etmemize imkân tanımasıdır. Kavşaklar düzeyinde hafta içi ve sonu değişmeleri ayrı
ayrı dikkate alan bir analiz arzulanır olmakla birlikte metni kısa tutma zaruretinden ötürü burada sadece genel toplamlar düzeyinde hafta içi ve hafta
sonu düzleminde bir simetri takip edilerek sonuçlar sunulmaktadır. Sistem
öncesi durumu gösteren Tablo 8’de görüleceği üzere, münferit ihlal oranlarının toplamından çıkan genel bir sonuç olarak ifade edilecek olsaydı, kavşaklarda en fazla kural ihlali yapanların motosiklet sürücüleri olduklarını (binde
1263) söylememiz gerekirdi. Bunları bisiklet sürücüleri (binde 614) , kamyon
ve kamyonetler (binde 495,6), belediye ve halk otobüsleri (binde 369,1), taksi
dolmuşlar (binde 361,5), diğer motorlu araçlar (binde 338,7), binek araçlar
(binde 315,8) ve servis araçları (binde 299,7) takip etmekte ve minibüs dol-
20
muşlar (binde 191,7) en son sırada yer almaktadır. Motosiklet sürücülerinin
yüksek ihlal oranlarına kasksız araç sürmelerinin önemli bir katkısı olmakla
birlikte, diğer sürücülerle ortaklaşa sorumlu oldukları konulardaki ihlal oranlarının toplamından (binde 891) çıkan sonuç onların durumunda bir değişiklik
meydana getirmemektedir.
Sonuçlar münferit kural ihlalleri bakımından dikkate alındığında kavşaklarda otomatik denetimin konusunu oluşturan kırmızı ışık ihlali konusunda
bisiklet sürücülerinin aynı konudaki genel ortalamadan 6,3 kat, motosiklet
sürücülerinin ise 3,3 kat daha fazla kural ihlali yapmak suretiyle diğer araçsürücü kategorilerinden hayli farklı bir davranış sergiledikleri görülmektedir.
Aynı ihlal konusunda genel ortalamanın altında kalarak (binde 22,7) dikkat
çeken araç-sürücü kategorisi ise minibüs dolmuşlardır. Bu sonucu etkileyen
en önemli husus minibüs trafiğinin yüksek olduğu Kavşak 3’te onların çoğunlukla üzerindeki trafiğin incelenmediği tali yoldan geçiş yapmaları olmalıdır.
Tablo8.8.Sistem
Sistem
Öncesi
Haft
ve Haft
a Sonlarında
Araç İtibariyle
Türleri İtiKavşaklarda
bariyle KavşaklarTablo
Öncesi
Hafta
İçiaveİçiHafta
Sonlarında
Araç Türleri
Tespit Edilen
da Tespit
Edilen Kural
Oranları (binde olarak)
Kural
İhlal Oranları
(bindeİhlal
olarak)
Tehlikeli
davranış
Kuvvetli
kaza
ihtimali
Udönüşü
yasağı
ihlali(3)
Kasksız
motosiklet
sürücüsü(4)
Toplam
kural
ihlali
45,3
40,2
0,5
153,4
0,0
311,0
37,7
63,6
62,2
0,0
94,5
0,0
286,5
42,5
19,0
51,8
46,3
0,0
163,1
0,0
322,7
38,2
21,7
37,1
31,3
0,0
121,1
0,0
249,4
5. Taksiler
34,5
54,0
65,2
59,5
0,9
38,1
0,0
252,2
6. Taksi dolmuşlar
41,2
81,5
122,4
120,7
0,0
0,0
0,0
365,8
35,7
87,4
36,6
26,7
0,0
4,7
0,0
191,1
36,1
37,5
50,2
49,5
0,2
305,2
0,0
478,7
9. Motosikletler
126,8
157,0
148,3
335,5
2,2
68,7
325,2
1163,7
10. Bisikletler
158,3
39,8
44,8
263,7
0,0
0,0
0,0
506,6
0,0
46,5
0,0
0,0
0,0
153,8
0,0
200,3
33,7
42,5
48,6
47,3
0,4
158,2
5,2
335,9
1. Binek araçlar
34,2
23,8
43,2
44,0
0,1
174,7
0,0
320
32,4
29,1
71,5
77,2
0,0
121,6
0,0
331,8
3. Belediye ve
halk otobüsleri
40,2
12,5
55,5
51,0
1,1
261,7
0,0
422
16,7
0,0
10,9
0,0
0,0
199,1
0,0
226,7
Kırmızı
ışık
ihlali
Dur
çizgisi
ihlali
1. Binek araçlar
31,4
Hatalı
şerit
değ.
40,2
28,5
3. Belediye ve
halk otobüsleri
Gün ve araç türü
(1)
(2)
Panel I: Hafta içi
7. Minibüs
dolmuşlar
8. Kamyon,
kamyonet ve tırlar
11. Diğer motorlu
araçlar
Toplam
Panel II: Hafta sonu
Toplam
33,7
42,5
48,6
47,3
1. Binek araçlar
34,2
23,8
43,2 International
44,0 Journal0,1
of Traffic174,7
and Transportation0,0
Safety
32,4
29,1
71,5
77,2
0,0
121,6
0,0
331,8
3. Belediye ve
halk otobüsleri
40,2
12,5
55,5
51,0
1,1
261,7
0,0
422
16,7
0,0
10,9
0,0
0,0
199,1
0,0
226,7
5. Taksiler
51,9
33,9
49,1
40,5
0,0
76,1
0,0
251,5
0,0
142,9
71,4
35,7
0,0
0,0
0,0
250
0,0
85,0
55,7
35,0
0,0
8,5
0,0
184,2
36,9
32,3
49,8
56,0
0,0
345,7
0,0
520,7
9. Motosikletler
127,3
136,4
166,0
423,8
3,4
108,5
444,8
1410,2
10. Bisikletler
294,1
8,8
26,5
398,2
0,0
0,0
0,0
727,6
0,0
21,7
42,6
63,8
0,0
304,3
0,0
432,4
36,7
27,5
46,4
52,1
0,2
179,3
6,8
349
6. Taksi dolmuşlar
7. Minibüs
dolmuşlar
8. Kamyon,
kamyonet ve tırlar
11. Diğer motorlu
araçlar
Toplam
0,4
158,2
5,2
335,9
320
21
Panel III: Genel Toplam
1. Binek araçlar
32,4
33,5
44,5
41,7
0,3
163,4
0,0
315,8
29,3
35,4
65,7
66,1
0,0
103,2
0,0
299,7
3. Belediye ve
halk otobüsleri
42,0
16,8
53,0
47,8
0,4
209,1
0,0
369,1
32,3
5,1
24,1
0,0
0,0
150,6
0,0
212,1
5. Taksiler
40,2
46,4
59,0
52,3
0,5
57,1
0,0
255,5
6. Taksi dolmuşlar
40,3
84,3
120,1
116,8
0,0
0,0
0,0
361,5
22,7
86,3
45,6
30,6
0,0
6,5
0,0
191,7
36,4
35,5
50,1
52,0
0,1
321,5
0,0
495,6
9. Motosikletler
127,0
149,1
155,2
369,9
2,6
87,2
371,9
1262,9
10. Bisikletler
220,7
23,4
35,1
334,9
0,0
0,0
0,0
614,1
0,0
33,7
22,0
33,0
0,0
250,0
0,0
338,7
34,7
36,5
47,7
49,2
0,3
167,9
5,8
342,1
7. Minibüs
dolmuşlar
8. Kamyon,
kamyonet ve tırlar
11. Diğer motorlu
araçlar
Toplam
1- Kavşak 1 ve Kavşak 2’den geçiş yapan araç sayıları dikkate alınarak hesaplanmıştır.
Tablo
9. Sistem
hesaplanmıştı
r. Sonrası Hafta İçi ve Hafta Sonlarında Araç Türleri İtibariyle Kavşaklarda Tespit Edilen
Kural İhlal Oranları (binde olarak)
U4- Kavşaklardan geçiş Kırmızı
yapan toplam
motosiklet
sayısı dikkate alınarak
hesaplanmıştı
r.
Kuvvetli
Dur
Hatalı
dönüşü
ışık
ihlali(1)
çizgisi
ihlali(2)
şerit
değiştirme
Tehlikeli
davranış
kaza
ihtimali
yasağı
ihlali(3)
Kasksız
mot.
sürücüsü(4)
Toplam
kural
ihlali
1. Binek araçlar
22,4
26,5
26,7
21,6
0,1
101,3
0,0
198,6
20,0
21,0
36,3
30,7
0,0
49,9
0,0
157,9
24,6
25,1
21,9
18,7
0,0
179,7
0,0
270
Panel I: Hafta içi
3. Belediye ve
11. Diğer motorlu
araçlar
Toplam
22
0,0
33,7
22,0
33,0
0,0
250,0
0,0
338,7
34,7
36,5
47,7
49,2
0,3
167,9
5,8
342,1
Tablo9.9.Sistem
Sistem
Sonrası
a İçi
veSonlarında
Hafta Sonlarında
Araç
Türleri
İtibariyleTespit
KavşaklarTablo
Sonrası
HaftaHaft
İçi ve
Hafta
Araç Türleri
İtibariyle
Kavşaklarda
Edilen
da Tespit
Edilen (binde
Kural olarak)
İhlal Oranları (binde olarak)
Kural
İhlal Oranları
Tehlikeli
davranış
Kuvvetli
kaza
ihtimali
Udönüşü
yasağı
ihlali(3)
Kasksız
mot.
sürücüsü(4)
Toplam
kural
ihlali
26,7
21,6
0,1
101,3
0,0
198,6
21,0
36,3
30,7
0,0
49,9
0,0
157,9
24,6
25,1
21,9
18,7
0,0
179,7
0,0
270
0,0
15,7
10,5
10,5
0,0
87,2
0,0
123,9
18,2
26,4
46,1
36,7
0,0
34,5
0,0
161,9
19,2
26,8
34,3
36,2
0,0
37,3
0,0
153,8
0,0
71,2
55,9
37,9
0,0
3,6
0,0
168,6
17,2
26,4
24,9
23,4
0,0
233,2
0,0
325,1
117,6
132,5
128,4
418,9
0,0
54,4
332,4
1184,2
69,0
9,5
76,2
990,5
0,0
0,0
0,0
1145,2
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0
23,2
28,5
29,1
29,7
0,1
107,5
4,4
222,5
1. Binek araçlar
23,0
23,7
22,7
20,0
0,0
107,5
0,0
196,9
15,5
15,4
22,9
21,4
0,0
69,3
0,0
144,5
13,2
20,7
28,6
27,5
0,0
171,8
0,0
261,8
0,0
4,9
9,8
4,9
0,0
113,1
0,0
132,7
11,1
18,7
34,0
27,2
0,0
38,1
0,0
129,1
30,8
51,9
62,7
48,0
0,0
46,1
0,0
239,5
0,0
59,9
24,7
17,1
0,0
1,9
0,0
103,6
16,6
23,0
23,1
23,8
0,0
194,8
0,0
281,3
81,3
154,8
150,5
469,5
2,6
51,8
220,5
1131,0
200,0
76,9
38,5
1023,1
0,0
0,0
0,0
1338,5
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0
23,3
25,9
24,9
28,0
0,1
108,6
2,6
213,4
Kırmızı
ışık
ihlali(1)
Dur
çizgisi
ihlali(2)
Hatalı
şerit
değiştirme
1. Binek araçlar
22,4
26,5
20,0
Panel I: Hafta içi
3. Belediye ve
halk otobüsleri
4. Diğer
otobüsler
5. Taksiler
6. Taksi
dolmuşlar
7. Minibüs
dolmuşlar
8. Kamyon,
kamyonet ve
tırlar
9. Motosikletler
10. Bisikletler
11. Diğer
motorlu araçlar
Toplam
3. Belediye ve
halk otobüsleri
4. Diğer
otobüsler
5. Taksiler
6. Taksi
dolmuşlar
7. Minibüs
dolmuşlar
8. Kamyon,
kamyonet ve
tırlar
9. Motosikletler
10. Bisikletler
11. Diğer
motorlu araçlar
Toplam
1. Binek araçlar
22,7
25,0
24,5
20,7
0,0
104,5
0,0
197,4
18,5
19,3
32,1
27,8
0,0
55,7
0,0
153,4
9. Motosikletler
10. Bisikletler
11. Diğer
motorlu araçlar
Toplam
81,3
154,8
150,5
200,0
76,9
38,5
469,5
2,6
51,8
220,5
1131,0
1023,1
0,0
0,0
0,0
1338,5
0,0
0,0
0,0
0,0
0,0
0,0
International0,0Journal of Traffi
c and Transportation
Safety
0
23
23,3
25,9
24,9
28,0
0,1
108,6
2,6
213,4
1. Binek araçlar
22,7
25,0
24,5
20,7
0,0
104,5
0,0
197,4
18,5
19,3
32,1
27,8
0,0
55,7
0,0
153,4
19,1
23,0
25,1
22,9
0,0
176,0
0,0
266,1
0,0
10,2
10,1
7,6
0,0
100,9
0,0
128,8
14,4
22,4
39,7
31,7
0,0
36,4
0,0
144,6
25,2
39,5
48,7
42,2
0,0
41,5
0,0
197,1
0,0
65,7
40,7
27,7
0,0
2,8
0,0
136,9
16,9
24,7
24,0
23,6
0,0
215,9
0,0
305,1
98,3
143,8
139,6
444,7
1,3
53,2
275,3
1156,2
144,9
46,8
55,3
1008,5
0,0
0,0
0,0
1255,5
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0
23,2
27,1
26,8
28,8
0,1
108,1
3,4
217,5
3. Belediye ve
halk otobüsleri
4. Diğer
otobüsler
5. Taksiler
6. Taksi
dolmuşlar
7. Minibüs
dolmuşlar
8. Kamyon,
kamyonet ve
tırlar
9. Motosikletler
10. Bisikletler
11. Diğer
motorlu araçlar
Toplam
2-11.
Dur
çizgisi ihlal oranları, görüntülerinin başka araçlar tarafından engellenmesi nedeniyle dur çizgisi ihlali
Diğer
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0
motorlu
araçlar belirlenemeyen araç sayısı kavşaktan geçiş yapan toplam araç sayısından hariç tutularak
yapıp
yapmadığı
hesaplanmıştı
r.
Tablo
10. Hafta İçi ve 23,2
Hafta Sonlarında
Araç
Türleri İtibariyle
Kavşaklarda
Yapılan Kural
Toplam
27,1
26,8
28,8
0,1
108,1
3,4İhlal 217,5
3Kavşak 3’ten
geçiş yapan
araçDeğişmenin
sayıları dikkate
alınarak
hesaplanmıştı
Oranlarında
Meydana
Gelen
Oranı
(yüzde
olarak) r.
U- r.
4- Kavşaklardan geçiş yapan toplam motosiklet sayısı dikkate alınarak hesaplanmıştı
Kuvvetli dönüşü
Kırmızı
Dur
Hatalı
Kasksız
Toplam
kaza
ışık
çizgisi
şerit
Tehlikeli
mot.
kural
yasağı
(2)
(4)
Tablo
10. Haft
a İçi ve (1)Haftihlali
a Sonlarında
Araçdavranış
Türleri İtiihtimali
bariyle Kavşaklarda
Yapılan
değiştirme
sürücüsü
ihlali
ihlali (3) Kural
Gün ve
türü
Tablo
10.araç
Hafta
İçi veihlali
Hafta Sonlarında Araç
Türleri İtibariyle
Kavşaklarda Yapılan
İhlal
Kural
İhlal Meydana
Oranlarında
Değişmenin
Oranlarında
GelenMeydana
DeğişmeninGelen
Oranı (yüzde
olarak) Oranı (yüzde olarak)
Panel I: Hafta
içi
1. Binek araçlar
2. Servis
araçları
Gün
ve araç
türü
U-28,6 Dur
-34,1
-41,1
-46,3 Kuvvetli
-85,8 dönüşü
-34,0 Kasksız - Toplam
-36,1
Kırmızı
Hatalı
kaza
ışık
çizgisi
şerit
Tehlikeli
mot.
kural
yasağı
(1)
(2)
(3)
(4)
-29,8 ihlali
-44,2 değiştirme
-42,9 davranış
-50,6 ihtimali - ihlali-47,2 sürücüsü - ihlali-44,9
ihlali
Panel
I: Hafta
3. Belediye
veiçi
-42,1
halk otobüsleri
1. Binek araçlar
32,1
-57,9
-59,6
-
-28,6
-100,0
-34,1
-41,1
-46,3
-85,8
-29,8
-44,2
-42,9
-50,6
3. Belediye ve
halk otobüsleri
-42,1
32,1
-57,9
-100,0
-27,5
-71,8
5. Taksiler
-47,4
6. Taksi dolmuşlar
7. Minibüs
dolmuşlar
5.
Taksiler
8. Kamyon,
6.
Taksi dolmuşlar
kamyonet
ve
tırlar
7.
Minibüs
dolmuşlar
9. Motosikletler
8. Kamyon,
kamyonet
ve
10. Bisikletler
tırlar
-53,3
-100,0
Toplam
10.
Bisikletler
11. Diğer motorlu
araçlar
-51,1
-67,1
-18,5
-71,8
-29,3
-72,0
52,6
-
-47,2
-
-59,6
-
10,2
-
-66,5
-
-66,5
-38,4
-70,0
41,6
-
-100,0
-
-38,4
-53,3
-52,3
-67,1
-29,6
-72,0
-50,4
-70,0
-52,7
-18,5
52,6
41,6
24,9
-100,0
-52,3
-56,4
-29,6
-76,1
-50,4
70,2
-52,7
275,6
-7,2-
-100,0
-15,6
-13,4 -
-31,1
-56,4
-32,9
-76,1
-40,2
70,2
-
-100,0
-13,4
-
-28,0
-9,4
-
-28,0
-29,3
-15,6
-100,0
-
-51,1
-7,2
-
-47,4
-100,0
11. Diğer motorlu
9.
Motosikletler
araçlar
-27,5
10,2
-34,0
-
-
-35,8
-16,3
-58,0
-50,3
-
-11,8
-35,8
-58,0
-32,1
-23,5
-
-11,8
-100,0 -
-23,6 -
- -
-32,1
126,1
24,9 -
-100,0 -
-100,0
-20,8
2,2 -
-100,0
1,8
-37,4
275,6
-88,0
-
-32,0
-
-15,2
-
-33,8
126,1
-
-
-23,6
-
-50,3
-44,9
- -
-
-100,0
-23,5
-9,4
-
-16,3
-36,1
-20,8
-100,0
2,2
-
1,8
-100,0
5. Taksiler
-47,4
-51,1
-29,3
-38,4
-100,0
-9,4
-
-35,8
6. Taksi dolmuşlar
-53,3
-67,1
-72,0
-70,0
-
-
-
-58,0
-
-11,8
-
-32,1
7. Minibüs
-100,0
-18,5
52,6 Yapılan
41,6Kırmızı Işık- ve Öteki
-23,5
Kameralı Kırmızı
Işık Denetiminin
Kavşaklarda
dolmuşlar
24
8. Kamyon,
kamyonet ve
-52,3
-29,6
-50,4
-52,7
-100,0
-23,6
tırlar
9. Motosikletler
-7,2
-15,6
-13,4
24,9
-100,0
-20,8
2,2
1,8
-56,4
-76,1
70,2
275,6
-
-
-
126,1
-
-100,0
-
-
-
-100,0
-
-100,0
-31,1
-32,9
-40,2
-37,4
-88,0
-32,0
-15,2
-33,8
1. Binek araçlar
-32,8
-0,2
-47,5
-54,6
-66,5
-38,4
-
-38,5
-52,2
-46,9
-68,0
-72,3
-
-43,0
-
-56,4
3. Belediye ve
halk otobüsleri
-67,1
65,3
-48,4
-46,1
-100,0
-34,3
-
-38,0
-100,0
-
-9,8
-
-
-43,2
-
-41,5
-78,6
-44,7
-30,8
-32,9
-
-49,9
-
-48,7
6. Taksi dolmuşlar
-
-63,7
-12,2
34,3
-
-
-
-4,2
7. Minibüs
dolmuşlar
-
-29,5
-55,7
-51,2
-
-77,5
-
-43,8
8. Kamyon,
kamyonet ve
tırlar
-55,1
-28,7
-53,6
-57,5
-
-43,6
-
-46,0
9. Motosikletler
-36,2
13,5
-9,3
10,8
-23,0
-52,2
-50,4
-19,8
10. Bisikletler
-32,0
769,2
44,9
156,9
-
-
-
84,0
-
-100,0
-100,0
-100,0
-
-100,0
-
-100,0
-36,6
-6,0
-46,4
-46,3
-60,3
-39,4
-61,6
-38,9
10. Bisikletler
11. Diğer motorlu
araçlar
Toplam
5. Taksiler
11. Diğer motorlu
araçlar
Toplam
1. Binek araçlar
-29,8
-25,5
-44,9
-50,4
-84,5
-36,0
-
-37,5
-36,8
-45,6
-51,1
-57,9
-
-46,0
-
-48,8
3. Belediye ve
halk otobüsleri
-54,5
36,4
-52,7
-52,1
-100,0
-15,8
-
-27,9
-100,0
100,0
-58,0
-
-
-33,0
-
-39,3
5. Taksiler
-64,1
-51,8
-32,7
-39,4
-100,0
-36,3
-
-43,4
6. Taksi dolmuşlar
-37,4
-53,1
-59,4
-63,9
-
-
-
-45,5
-100,0
-23,8
-10,9
-9,5
-
-57,3
-
-28,6
-53,6
-30,4
-52,0
-54,6
-100,0
-32,8
-
-38,4
9. Motosikletler
-22,6
-3,5
-10,0
20,2
-49,7
-39,0
-26,0
-8,4
10. Bisikletler
-34,3
99,9
57,5
201,1
-
-
-
104,4
-
-100,0
-100,0
-100,0
-
-100,0
-
-100,0
-33,1
-25,8
-43,8
-41,6
-82,5
-35,6
-41,0
-36,4
7. Minibüs
dolmuşlar
8. Kamyon,
kamyonet ve
tırlar
11. Diğer motorlu
araçlar
Toplam
Tablo 11. Binek Araç Sürücülerinin Yaptıkları Kural İhlal Oranlarının Norm (BA=1) Olarak Alınması
Halinde Diğer Araç Kategorilerinin Onlara Kıyasla Kaç Kat Kural İhlali Yaptıkları ve Bu Oranda Meydana
Gelen Değişme Oranı (yüzde olarak)
25
hesaplanmıştır.
4- Kavşaklardan geçiş yapan toplam motosiklet sayısı dikkate alınarak hesaplanmıştır.
Binek araçların kavşaklardaki trafik hacmine katkısı yüzde 80 civarında
olduğundan aslında bu kategorideki araçların kavşaklarda ve trafiğin genelinde gözlemlenen oranlar açısından norm tayin edici vasıflarına da işaret etmek
gerekir. Bu anlamda binek araç sürücülerinin her bir konuda sergiledikleri
ihlal davranışı oranlarının diğer araç türlerininkine kıyasla birbirlerine daha
yakın durduğu gözlenmektedir. Benzer bir yapı kamyon, kamyonet ve tırların
davranışlarında da gözlenmektedir. Ancak, onların davranışlarında simetriyi bozan en önemli konu U-dönüşü yasağını ihlal oranıdır (sistem öncesi ve
sonrasında sırasıyla binde 321,5 ve 215,9) ve bunun çok da anlaşılır bir yanı
vardır. Zira bu yasağın söz konusu olduğu Kavşak 3, kentin sanayi bölgesine
mal giriş ve çıkışlarının yapıldığı ana bir kavşak olduğundan ve buradan dönüş
yapmadıkları takdirde sürücülerin en az 1 km daha ileriye gitmeleri gerektiğinden, yasak herkesten daha çok kamyon sürücülerini ilgilendiren bir yasağa
dönüşmektedir. Öyle anlaşılıyor ki, bir hususun yasaklanmış olması kurallara
uyum sağlamak için kendi başına yeterli bir uygulama değildir. Bu iki araç kategorisi dışındakilerin kavşaklarda yaptıkları kural ihlallerinin daha değişken
ve oranlar arası mesafenin daha bir açılmasıyla sonuçlanan bir davranış sergiledikleri gözlenmektedir. Bu bakımdan iki araç kategorisi için tespit edilmiş
olan ihlal oranlarına işaret etmek durumu resmetmek için yeterli olacaktır.
İlk olarak, kırmızı ışık ihlalinde genel ortalamadan çok da farklı bir
davranış sergilemeyen taksi dolmuşlar (binde 40,3), dur çizgisi ihlalinde bunun yaklaşık bir katı (binde 84,3), hatalı şerit değiştirme ve tehlikeli davranış
oranında ise yaklaşık iki kat (sırasıyla binde 120,1 ve 116,8) daha fazla kural
ihlali yapmaktadırlar. Buna karşılık, çoğu şehirlerarası yolcu taşımacılığı yapan
araçlardan oluşan diğer otobüsler kategorisindekiler genel ortalamanın biraz altında kırmızı ışık ihlali (binde 32,3) yapmalarına karşılık, dur çizgisi ihlali
(binde 5,1), hatalı şerit değiştirme (binde 24,1), tehlikeli davranış (binde 0,0)
ve kuvvetli kaza ihtimali taşıyan davranış (binde 0,0) oranı bakımından bütün sürücüler arasında en az kural ihlali yapan kategoriyi oluşturmaktadırlar.
Böylelikle denilebilir ki, kural ihlalleri bakımından olumlu kutup başını diğer
otobüs sürücüleri oluştururken olumsuz kutup başını ise motosiklet sürücüleri oluşturmaktadır. Bu iki uç arasında diğer araç-sürücü kategorilerinde yer
alanların ulaşım-taşımacılık faaliyetlerinin türüne ve bunun kendilerine belli
bir güzergâh takip etme mecburiyeti getirip getirmediğine bağlı olarak daha
heterojen ve dinamik bir tabiata sahip davranış sergilemekte oldukları söylenebilir.
26
Otomatik kırmızı ışık denetimi uygulaması sonrası durumun özetlendiği
Tablo 9’daki veriler hem bir konudan diğerine ihlal oranları hem de bir araç türünden diğerine ihlal oranları arasındaki mesafenin daralmış olduğuna işaret
etmektedir. Ancak bu genel eğilimin aksine gelişmeler de mevcuttur. Bunları
çok ana başlıkları ile ifade etmek gerekirse:
1. Minibüs dolmuşların hafta içi günlerde hatalı şerit değiştirme ve
tehlikeli davranış sergileme oranlarında sırasıyla yüzde 52,6 ve yüzde 41,6’lık bir artış meydana gelmiştir.
2. Tehlikeli davranış sergileme bakımından sistem öncesinde başı çeken motosiklet sürücülerinin bu tür davranışlar sergileme oranları
hafta içinde yüzde 24,9’luk bir artış göstermiştir.
3. Bisiklet sürücülerinin hatalı şerit değiştirme ve tehlikeli davranış
sergileme oranları hafta içi günlerde bunlardan çok daha fazla olarak sırasıyla yüzde 70,2 ve yüzde 275,6’lık bir artış göstermiştir,
4. Belediye ve halk otobüslerince yapılan dur çizgisi ihlallerinde ise
hafta içi günlerde yüzde 32,1 ve hafta sonu günlerde yüzde 65,3’lük
bir artış, U-dönüşü yasağı ihlallerinde ise hafta içi günler için yüzde
57,4’lük bir artış tespit edilmiştir.
5. Son olarak, taksilerin aynı yasağı ihlal oranlarında hafta içi günlerde
yüzde 10,4’lük bir artış tespit edilmiştir.
Aslî kaynağı ve münferit olarak beyan edilen veya öne sürülen gerekçeleri her ne olursa olsun, sürücülerin kendilerinden ziyade başka sürücüleri
ve kendi kategorilerinde yer alanlardan ziyade başka kategorilerde yer alan
sürücülerin daha kötü sürücü oldukları, trafiği tehlikeye düşürücü daha fazla
davranış sergilediklerine dair yaygın bir kanaatleri vardır. Nitekim Türkiye’de
Sönmez (1999: 65) tarafından ağır vasıta sürücüleri ile yapılan bir çalışmada, sürücülerin kendi kategorilerindeki sürücülere bir kere işaret ettikleri
bir durumda başka kategorilerdeki sürücülere bunun üçte biri ile altmış kat
fazlası arasında değişen oranlarda kusurluluk atfettikleri tespit edilmiştir.
Avustralya’da Lennon, Watson, Arlidge ve Fraine (2011, s. 2) tarafından
193 sürücü ile senaryo temelli durumlarda bir eylemi nasıl anlayacakları ve
yorumlayacaklarına dair yapılan bir çalışmada; saldırgan bir trafik eylemini
yaptığı varsayılan bireyler bunu kendilerinin dışındaki geçici etkenlere bağlı bir hata yapmak olarak değerlendirirken, bu davranışa muhatap kalacağı
varsayılan sürücülerin aynı saldırgan davranışı ilgili sürücünün sürücülük yeteneklerinin yetersizliğinden kaynaklanan bir husus olarak değerlendirmeye
daha meyilli oldukları tespit edilmiştir. Sistem sonrası Bursa’da 1228 sürücü
ile bu araştırma projesinin bir parçası olarak yapılan mülakatlarda da binek
araç sürücülerinin trafiği tehlikeye düşürücü davranış sergileme bakımından
halk otobüsleri
-100,0
100,0
-58,0
-
-
-33,0
-
-39,3
5. Taksiler
-64,1
-51,8
-32,7
-39,4
-100,0
-36,3
-
-43,4
6. Taksi dolmuşlar
-37,4
-53,1
International
Journal of Traffic- and Transportation
Safety -59,4
-63,9
-
27
-45,5
7. Minibüs
-100,0
-23,8
-10,9
-9,5
-57,3
-28,6
dolmuşlar
kendilerinden
daha
çok
ti
cari
araç
sürücülerine,
ti
cari
araç
sürücülerinin
han8. Kamyon,
ve
-30,4 bağlı olarak
-52,0
-54,6
-100,0
-32,8beraber ağırlıklı
-38,4
gikamyonet
kategoride
yer -53,6
aldıklarına
oranları
değişmekle
tırlar
olarak bireysel araç sürücülerine işaret ettiği tespit edilmiştir.
9. Motosikletler
-22,6
-3,5
-10,0
20,2
-49,7
-39,0
-26,0
-8,4
Sistem öncesi ve sonrası kırmızı ışık denetimi uygulaması yapılan kav10. Bisikletler
-34,3
99,9
57,5
104,4
şaklarda
araç-sürücü
kategorileri
iti
bariyle201,1
gözlemlenen
kural
ihlali oranları
11. Diğer motorlu
-100,0
-100,0 davranışlarını
-100,0
-100,0
- bir-100,0
sürücülerin
trafik ortamındaki
bütün
kapsamıyor
olmakla
araçlar
likte kısıtlı bir alanda kimin daha “kötü” sürücü olduğu ve kırmızı ışık deneToplam
-33,1
-25,8
-43,8
-41,6
-82,5
-35,6
-41,0
-36,4
timi yapılmasına bağlı olarak sürücü kategorileri arasındaki mesafenin nasıl
değiştiği hakkında sürücülerin algılarına ve yorumlarına dayalı olarak değil,
dışarıdan bakarak ve somut-nesnel bir sayıma dayalı bir cevap verme imkânı
sunmaktadır.
Tablo 11. Binek Araç Sürücülerinin Yaptıkları Kural İhlal Oranlarının Norm (BA=1) Ola-
Tablo
11. Binek
Araç Sürücülerinin
Yaptıkları Kural İhlal
Oranlarının
(BA=1)
Alınması
rak Alınması
Halinde
Diğer Araç Kategorilerinin
Onlara
Kıyasla Norm
Kaç Kat
KuralOlarak
İhlali YapHalinde Diğer Araç Kategorilerinin Onlara Kıyasla Kaç Kat Kural İhlali Yaptıkları ve Bu Oranda Meydana
tıkları ve Bu Oranda Meydana Gelen Değişme Oranı (yüzde olarak)
Gelen Değişme Oranı (yüzde olarak)
Araç türü
Kırmızı
ışık
ihlali
Dur
çizgisi
ihlali
Hatalı
şerit
değiştirme
Tehlikeli
davranış
Kuvvetli
kaza
ihtimali
Udönüşü
yasağı
ihlali
Toplam
kural ihlali
Panel I: Sistem öncesi-2009
1. Binek araçlar
1,0
1,0
1,0
1,0
1,0
1,0
1,0
3. Belediye ve halk
otobüsleri
0,9
1,1
1,5
1,6
0,0
0,6
1,0
1,3
0,5
1,2
1,1
1,3
1,3
1,2
1,0
0,2
0,5
0,0
0,0
0,9
0,7
5. Taksiler
1,2
1,4
1,3
1,3
1,7
0,3
0,8
6. Taksi dolmuşlar
1,2
2,5
2,7
2,8
0,0
0,0
1,2
8. Kamyon, kamyonet
ve tırlar
9. Motosikletler
0,7
2,6
1,0
0,7
0,0
0,0
0,6
1,1
1,1
1,1
1,2
0,3
2,0
1,6
3,9
4,5
3,5
8,9
8,7
0,5
4,1
10. Bisikletler
11. Diğer motorlu
araçlar
Toplam
6,8
0,7
0,8
8,0
0,0
0,0
2,0
0,0
1,0
0,5
0,8
0,0
1,5
1,1
1,1
1,1
1,1
1,2
1,0
1,0
1,1
Panel II: Sistem sonrası-2011
1. Binek araçlar
1,0
1,0
1,0
1,0
1,0
1,0
1,0
3. Belediye ve halk
otobüsleri
0,8
0,8
1,3
1,3
0,0
0,5
0,8
0,8
0,9
1,0
1,1
0,0
1,7
1,3
0,0
0,4
0,4
0,4
0,0
1,0
0,6
5. Taksiler
0,6
0,9
1,6
1,5
0,0
0,3
0,7
6. Taksi dolmuşlar
1,1
1,6
2,0
2,0
0,0
0,4
1,0
8. Kamyon, kamyonet
ve tırlar
9. Motosikletler
0,0
2,6
1,7
1,3
0,0
0,0
0,7
0,7
1,0
1,0
1,1
0,0
2,1
1,5
4,3
5,8
5,7
21,5
26,5
0,5
5,8
10. Bisikletler
11. Diğer motorlu
araçlar
6,4
1,9
2,3
48,7
0,0
0,0
6,3
0,0
0,0
0,0
0,0
0,0
0,0
0,0
3. Belediye ve halk
otobüsleri
0,8
0,9
1,0
1,1
0,0
0,0
0,4
0,4
0,4
0,0
1,0
0,6
Kameralı Kırmızı Işık Denetiminin
Kavşaklarda1,6
Yapılan Kırmızı
5. Taksiler
0,6
0,9
1,5 Işık ve Öteki
0,0
0,3
0,7
28
Örneği
6. Taksi Güvenlik
dolmuşlarKurallari İhlalleri
1,1 Üzerine
1,6Etkisi: Bursa2,0
1,7
1,3
2,0
0,0
0,4
1,0
8. Kamyon, kamyonet
ve tırlar
9. Motosikletler
0,0
2,6
1,7
1,3
0,0
0,0
0,7
0,7
1,0
1,0
1,1
0,0
2,1
1,5
4,3
5,8
5,7
21,5
26,5
0,5
5,8
10. Bisikletler
11. Diğer motorlu
araçlar
Toplam
6,4
1,9
2,3
48,7
0,0
0,0
6,3
0,0
0,0
0,0
0,0
0,0
0,0
0,0
1,0
1,1
1,1
1,4
1,2
1,0
1,1
0,0
0,0
0,0
0,0
0,0
0,0
-2,1
-10,1
-27,0
-11,2
-15,3
-
-26,9
-19,8
-35,2
83,4
-14,0
-3,5
-100,0
43,5
12,9
Panel III: Değişme oranı (%)
1. Binek araçlar
3. Belediye ve halk
otobüsleri
-100,0
168,1
-23,7
-
-
-6,7
-4,9
5. Taksiler
-48,9
-35,4
22,3
22,0
-100,0
-10,9
-11,4
6. Taksi dolmuşlar
-10,9
-37,2
-26,3
-27,3
-
-
-14,6
-100,0
2,1
62,1
82,6
-
-46,0
11,8
-33,9
-6,6
-12,9
-8,6
-100,0
-9,0
-3,6
8. Kamyon, kamyonet
ve tırlar
9. Motosikletler
10. Bisikletler
11. Diğer motorlu
araçlar
Toplam
10,3
29,3
63,5
142,1
205,8
-18,2
43,4
-6,5
168,2
100,0
-0,5
186,3
506,4
-
-
220,2
-100,0
-100,0
-
-100,0
-100,0
2,2
17,7
15,8
-1,8
-0,4
-4,6
Bu sorunun cevabını aramak üzere düzenlenmiş olan Tablo 11’deki
oranlar, sistem öncesinde sürücülerin ortaklaşa sorumlu oldukları kurallar
itibariyle, toplam kural ihlali bakımından (bkz. sistem öncesi paneli) binek
araçların 1 kural ihlali yaptıkları yerde motosikletlerin 4,1, bisikletlerin 2,0,
kamyon, kamyonet ve tırların 1,6 toplam kural ihlali yaptıkları görülmektedir. Aynı tablonun sistem sonrası durumu ve değişim oranlarını gösteren
panellerinden takip edilebileceği üzere, kırmızı ışık denetimi uygulamasına
başlanmasından sonra bisiklet ve motosiklet sürücülerinin toplam kural ihlal oranlarında büyük oranda artış (sırasıyla yüzde 220,2 ve 43,4) meydana
gelmiş olmanın dışında sistem öncesinde tespit edilen genel yapıda esaslı bir
dönüşüm gerçekleşmemiştir.
Tablo 11’in üçüncü panelinde verilmiş olan değişme yüzdeleri eksi işaretli olduklarında diğer araçların binek araçların davranış örüntülerine yaklaşma, artı olduklarında ise uzaklaşma derecesini ifade etmektedirler. Buna göre,
her bir kural ihlali konusunda binek araçlar norm olarak kabul edildiklerinde,
otomatik kırmızı ışık denetimine başlanmasının ardından geçen yaklaşık on
aylık süre sonunda kırmızı ışık ihlalinde motosikletler haricindeki araç sürücüleri onlara yaklaşma yönünde tepki vermiş oldukları görünmektedir. Dur çizgisi ihlalinde diğer otobüsler, belediye ve halk otobüsleri, motosiklet ve bisiklet sürücüleri norm alanından uzaklaşırken, diğerleri binek araçların davranış
29
örüntülerine yakınlaşma göstermişlerdir. Hatalı şerit değiştirme konusunda
taksiler, minibüs dolmuşlar, motosikletler ve bisikletler binek araçların davranış örüntülerinden uzaklaşırken, diğerleri yakınlaşma göstermişlerdir. Tehlikeli davranış sergileme konusunda taksiler, minibüs dolmuşlar, motosikletler
ve bisiklet sürücüleri uzaklaşma gösterirken, diğerleri binek araçlar arasında
gözlenen oranlara yaklaşma göstermişlerdir. Kuvvetli kaza ihtimali oluşturan
davranışlarda motosiklet sürücüleri, U-dönüşü yasağında ise belediye ve halk
otobüsleri binek araçların davranış normlarından uzaklaşırken, diğer araçlar
onların davranış normlarına yaklaşma yönünde bir davranış sergilemiş oldukları görülmektedir.
Tartışma ve Sonuç
Yukarıda yöntem bölümünde işaret edildiği üzere, kamera kayıtlarına dayalı
olarak otomatik kırmızı ışık denetimi uygulaması ardından bazı trafik kurallarını ihlal oranlarında gözlenen değişmeler yapısal etkilerden arındırılmış net
bir etkinin değil, gayri-safi bir etkinin nesnel olarak ve kısıtlı bir zaman-mekân
bağlamında gözleminin yapılmasına dayanmaktadır. Araştırma verilerinin bu
vasfını göz önünde bulundurarak burada özetlenen tespitlerin birkaç önemli
sonuca işaret ettiğini söylemek mümkün görünmektedir ve bunlar ana başlıklarıyla şöyle sıralanabilir:
İlk olarak, otomatik kırmızı ışık denetimi tekil bir uygulama olmasına ve
sistemin çalışma biçiminden dolayı kendisiyle en yakın bağlantıya kural dur
çizgisine riayet etmek olmasına rağmen, hatalı şerit değiştirme, tehlikeli davranış ve kuvvetli kaza ihtimali taşıyan davranış-manevra oranlarında kırmızı
ışık ihlal oranlarından daha büyük bir azalmanın meydana gelmesi uygulamanın sürücü davranışları üzerindeki etkisinin kendisi ile sınırlı olmadığına işaret
etmektedir.
İkinci olarak, bireylerin kendileri veya başkaları için bir mal veya hizmet
ürettikleri faaliyete iş yahut çalışma denir (Bilton, Bonnet, Jones, Lawson,
Skinner, Stanworth & Webster, 2002, s. 319). Bireylerin kendi ihtiyaçları için
veya ticari olarak başkaları için ulaşım-taşıma hizmeti ürettikleri bir toplumsal faaliyet ve eylem alanı olarak trafikte kurallara uyum ve sapma basitçe
bireysel psikolojinin ve kişiliğin bir işlevi değildir. Aksine, toplumun, ekonominin ve kültürün makro düzey etkileri ve yerel uygulamaları yanında, buradaki verilerin gösterdiği üzere, insan faaliyetlerinin kesiştiği bir mekân olarak
bir kavşağın kentin toplumsal, sınai-ticari hayatı ile nasıl bağlantılı olduğu, bu
mekânın kimler tarafından kullanıldığı gibi vasıflar da trafikte uyum ve sapma sorunun anlaşılabilmesi için dikkate alınması gereken hususlardır. Burada
incelenen farklı kavşaklardan geçen bireylerin-araçların aynı bireyler-araçlar
olduğunu varsayamayız. Fakat bir kavşaktan diğerine her bir trafik güvenliği
kuralını ihlal konusunda sürücü-araç davranışlarında gözlemlenen muazzam
oransal değişmelerin karşı karşıya bulunduğumuz sorunun basitçe bir alt yapı
30
sorunu olmadığına ve tekil bir denetim uygulaması marifetiyle ancak belli bir
oranda giderilebildiğine işaret etmektedir.
Üçüncü olarak, münferiden kavşakların her birinde tespit edilmiş olan
kırmızı ışık ihlal oranlarındaki değişme oranı çalışmanın giriş bölümünde atıfta
bulunulan başka ülke örneklerinin adeta bir ortalaması gibi durmaktadır.
Ancak, ihlal oranlarındaki değişme oranlarının benzerliği yahut yakınlığı bizi
yanıltmamalıdır. Zira yukarıda atıfta bulunulduğu üzere, Hu ve McCartt’ın
(2013) ölçüm çalışmasında kameralı kırmızı ışık denetimi uygulamasına
başlanmadan önce, bu denetimin yapılacağı kavşaklarda tespit ettikleri kırmızı ışık ihlali oranı ortalaması on binde 21,1 iken bu çalışmada tespit edilen
oran on binde 347 (binde 34,7)’dir. Dolayısıyla, Bursa’da tespit edilen sistem
öncesi kırmızı ışık ihlal oranı Arlington’da tespit edilenden 16,5 kat daha fazladır ve iki kentte sıfır ihlal noktasına olan uzaklık birbirinden çok farklıdır.
Değişmenin ölçülmesi kadar açıklanması da önemlidir. Hu ve McCartt kendi
çalışmalarında uygulama kavşakları arasında gözlenen farklılıkları açıklama
yoluna gitmemekle birlikte başka bir kentte (Fairfax) yer alan kontrol kavşaklarındaki artışın ekonominin iyileşmesi ile bağlantılı olabileceğini (s. 9-10)
ifade etmektedirler. Bu araştırma kapsamında otomatik kırmızı ışık denetimi
uygulamasına başlanmasından önce ve sonra Bursa’da sürücülerle yapılan
mülakatlar, sürücülerin kendilerinin trafik kurallarına niçin uyduklarına dair
beyan ettikleri sebepler/gerekçeler arasında “genel bir trafik güvenliği için
kurallara uyarım” türü beyanlarında sistem öncesine kıyasla 15 katlık bir artış
olduğunu göstermektedir (bireysel düzeyde bir güvenlik kaygısı ile hareket
etmek kurallara uymada en önemli gerekçe olma vasfını koruyor olsa bile).
Fakat aynı mülakatlar sürücülerin bir kısmının, otomatik hız veya kırmızı ışık
denetim noktası aşıldıktan sonra kaybedilen zamanı telafi etmek için aşırı hız
başta olmak üzere güvenlik normlarından sapmanın oranlarının da artırdığına
da işaret etmektedir. Bu konudaki sürücü tepkileri ve beyanları daha önce
Sönmez (2012) tarafından sunulmuştur.
Son olarak, araştırma sonuçlarının neye işaret ettiği hakkında sorulması gereken en temel soru sistemin etkinliği lehine veya aleyhine hükmedebilmek için hem denetleme yapılan noktalarda hem de bir bütün olarak
kentsel trafiğin toplumsal sınırları içinde kural ihlallerinde ve kazalarda ne
kadarlık bir azalmanın olması gerektiğidir. Denetleme yapılan noktalarda trafiğin durumunda görülen düzelmenin hiç de küçümsenecek düzeyde olmadığı
aşikârdır. Buna karşılık ilin bütününde meydana gelmiş olan yaralanmalı ve
ölümlü kaza sayılarındaki oransal değişmenin beklentilerin aksine seyretmesi
mevcut hali ile sistemin yerleşim yerlerinde beklenen sonucu üretmek için
yeterli mi olmadığı yoksa beklenenin aksine bir sonuç mu ürettiğine hükmetmemize yetmemektedir. Bursa 2.400.000 toplam nüfusa sahip ve bu nüfusun
yüzde 82,5’inin (toplam 1.983.880) büyükşehir belediyesi sınırları içinde ya-
31
şadığı (Türkiye İstatistik Kurumu [TÜİK], 2012 ADNKS verileri) büyük bir sanayi
kentidir. Bu kentteki devasa yol ağının 15 noktasına yerleştirilmiş bir otomatik
denetim sisteminin kentin genelindeki trafiği normalleştirmesi ve bu suretle her türden ihlale bağlı kazaları azaltmasını beklemek gerçekçi bir yaklaşım olamaz. Dahası, yaralanmalı ve ölümlü kazalardaki oransal artışın araç
sayısındaki oransal artıştan çok yüksek olması peşinen bu sonucun otomatik
denetim sistemine geçilmiş olmasından kaynaklandığına hükmetmemizi de
gerektirmemektedir. Zira sistem mevcut olmamış olsaydı sonucun ne olacağını da bilmiyoruz. Ayrıca, bu tür sistemlerin etkinliği artırmak için gerekli olan
yerel medya vasıtasıyla sistemin kamuoyuna iyi duyurulmuş olması (ki, sürücü mülakatlarının sonuçları da bunu teyit etmektedir) ve denetim noktaları
öncesinde uyarı levhalarının konulmuş olması gibi tedbirler de alınmıştır. Bununla birlikte, bir bütün olarak sistemin nasıl işletildiği, başka denetleme işlemleri ile nasıl eklemleştirildiği gibi sistemin etkinliğini artırma veya azaltma
kabiliyetinde olan diğer hususların da araştırılması ve sonuçların yorumunda
dikkate alınmasında yarar bulunmaktadır.
Fakat etkinlik sorununu başka türlü anlamak ve kavramsallaştırmak
ta mümkündür. Nihai amacın can ve mal emniyetinin sağlanmasının olduğu
bir durumda elektronik veya başka türden denetleme usulleri marifetiyle bir
canın bile emniyete kavuşturulabilmiş olması bir değerler sorunu etrafında
etik olarak savunulabilir. Trafik ortamında güvenlik kurallarına uyumun can
ve mal emniyetini sağlamanın yanında toplumsal ilişkilerin daha barışçıl bir
şekilde yürütülmesine, toplumsal adalet duygusunun gelişmesine ve korunmasına da önemli bir destek verme kabiliyetinde olduğu dikkate alınacak
olursa, böyle bir yararın da bir değer olarak arzulanması, etik olarak savunulması gerekir. Denetlemenin yapıldığı noktalarda tespit edilen etkinlik düzeyi
kazalar sonucunda canımızı ve malımızı onarabilmek için bireysel ve kamusal
olarak yüklenmemiz gereken maddi ve manevi külfetin çok azını bunlar gerçekleşmeden önce yüklenmek suretiyle daha güvenli ve barışçıl bir ortamda
yaşamaya imkân sunuyor görünmektedir. Dolayısıyla, sadece uygun, etkin ve
yoğun denetleme yoluyla değil, hem ülke düzeyinde hem de kent düzeyinde
bireylerin kendileri veya başkaları için taşıma hizmeti üretmelerinin yapısal
şartlarını da düzelterek, denetlemenin olmadığı yerlerde de yol kullanıcıları
güvenli davranmaya sevk eden bir anlayış ve tutumun toplum içinde daha
da gelişmesine destek vererek herkesin hayatını korumanın ve toplum içinde
olumlu ve uyumlu insan ilişkilerini geliştirmenin uygun yol ve araçlarını da
harekete geçirmek gerekmektedir.
32
Kaynakça
Andreasen, D. (1995). A Long Term Study of Red Light Camera and Accidents.
ARRB Report ARR 261, Victoria, Australia: Australian Research Board.
Arup. (1992). Red Light Camera Evaluation Study-Implementation in Brisbane. Report No. 6221, Melbourne, Australia: Arup Transportation
Planning for Queensland Transport.
Bilton, T., Bonnett, K., Jones, P., Lawson, T., Skinner, D., Stanworth, M. ve
Webster, A. (2002). Introductory Sociology (4th ed.), New York: Palgrave-MacMillan.
Chen, G., Wilson, J., Meckle, W. ve Casey, R. (2001). General deterrence effects of red light camera and warning signs in traffic signal compliance in British Colombia. Journal of TrafficMed., 29, 46-53.
Chin, H. C. (1989). Effect of automatic red-light cameras on red-running. Traffic Engineering and Control, 30, 175-179.
Elvik, R. (2001). Area-wide urban traffic calming schemes. A meta-analysis of
safety effects. Accident Analysis and Prevention, 33, 327-336.
Heidstra, J., Goldenbeld, C., Makinen, T., Nilsson, G. ve Sagberg, F. (2000).
New Concepts in Automatic Enforcement, Recommended Applications in a European Enforcement Project. The “ESCAPE” Project, Deliverable 6, Espoo, Finland: Technical Research Centre of Finland.
Heidstra, J., Goldenbeld, C., Nilsson, G., Makinen, T. ve Sagberg, F. (2001),
New Concepts in Automatic Enforcement. EU Project ESCAPE, Deliverable 6, Espoo, Finland: Technical Research Centre of Finland.
Hillier, W., Ronczka, J. ve Portas, D. (1993). An Evaluation of Red Light Cameras in Sydney. Research Note RN 1/93, New South Wales, Australia:
Road Safety Bureau, Roadsand Traffic Authority.
Hu, W.,McCartt, A. T. ve Teoh, E. R. (2011). Effects of red light camera enforcement on fatal crashes in large US cities. Journal of Safety Research,
42(4), 277-282.
Lennon, A.J., Watson, B. C., Arlidge, C. ve Fraine, G. (2011). ‘You’re a bad
driver but I just made a mistake. Attribution differences between the
‘victims’ and ‘perpetrators’ of scenario-based aggressive driving accidents. Transportation Research Part F: Traffic Psychology and Behaviour, 14(3), 209-221.
Makinen, T. ve Oei, H. L. (1992). Automatic Enforcement of Speed and Red
Light Violations. Research Report, Leidschendam, The Netherlands:
Institute for Road Safety Research.
33
Mann, T., Brown, S. ve Coxon, C. (1994). Evaluation of the Effects of Installing
Red Light Cameras at Selected Adelaide Intersections, Report Series
7/94, Walkerville, South Australia: Office of Road Safety, South Australian Department of Transport.
McCartt, A. T. ve Hu. W. (2013). Effects of Red Light Camera Enforcement on
Red Light Violations in Arlington County, Virginia. Arlington, Virginia:
Insurance Institute for Highway Safety, http://www.iihs.org/lifesavers/pdfs/r1185.pdf (erişim tarihi: 30 Mayıs 2013)..
Ng, C. H., Wong, Y. D. ve Lum, K. M. (1997). The impact of red-light surveillance cameras on road safety in Singapore. Journal of Road Transport
Research, 6(2), 72-81.
Oei, H. L., Catshoek, J. W. D., Bos, J. M. J. ve Varkevisser, G. A. (1997). Project
Red-Light and Speed (PROROS), SWOW Report R-97-35, Leidschendam, The Netherlands: Institute for Road Safety Research.
Office of Road Safety. (1991). Report on Red Light Camera Program: Operation from July 1988 to December 1989, Adelaide, Australia: Office of
Road Safety, Department of Road Transport.
Queensland Transport. (1995). Queensland’s Road Toll-Queensland Transport
Submission to the Parliamentary Travel safe Committee, Queensland,
Australia: Queensland Transport.
Retting, R. A. ve Kyrychenko, S. Y. (2002). Crash reductions associated with
red light camera enforcement in Oxnard, California. American Journal
of Public Health, 92, 1822-1825.
Retting, R. A., Ferguson, S., Hakkert ve Shalom, A. (2003). Effects of red light
cameras on violations and crashes: A review of the international literature. Traffic Injury Prevention, 4, 17-23.
Retting, R. A., Williams, A. F., Farmer, C. M. ve Feldman, A. F. (1999), “Evaluation of red light camera enforcement in Oxnard, California”, Accident
Analysis and Prevention, 31, 169-174.
Sayer, A. (1992). Method in Social Science. A Realist Approach. London & New
York: Routledge.
South, D., Harrison, W., Portans, I. ve King, M. (1988). Evaluation of the Red
Light Camera Program and the Owner Onus Legislation, Report
SR/88/1, Victoria, Australia: Road Traffic Authority.
Sönmez, A. (1999). Ağır Vasıta Sürücülerinin Çalışma Koşulları ve Trafik Kazaları. Uzun Mesafe Yük ve Yolcu Taşımacılığı Yapan Sürücüler Üzerine
Bir Çalışma. Ankara: T.C. EGM Trafik Araştırma Merkezi Müdürlüğü.
34
Sönmez, A. (2012). Trafikte kameralı otomatik denetime sürücü tepkileri:
Bursa örneği. E. Semiz ve F. Vursavaş (Ed..), Karayolu Trafik Güvenliği
2012 Karayolu Trafik Güvenliği Sempozyumu Seçilmiş Bildiriler (Cilt 2,
s. 174-189), Ankara: EGM Trafik Hizmetleri Başkanlığı.
Thomson, S. J., Steel, J. D. ve Gallear, D., (1989). Putting red-light violations in
the picture. Traffic Engineering and Control, 30,122-125.
Vol. 1, No.1, 2014
FAKTÖR ANALİZİ KULLANILARAK TRAFİK
KAZALARININ MODELLENMESİ
Modeling of Traffic Accidents by Using
Factor Analysis
Ahmet Atalay
Ahmet Tortum
Yasin M. Çodur
*
**
***
ÖZ
Bu çalışmada, trafik kazalarının oluşmasında etkili olabileceğini düşündüğümüz sosyoekonomik ve ulaşımla ilgili 20 farklı değişken belirlenmiştir. Türkiye’de 81 il için bu değişkenlerin istatistik değerleri elde
edilmiş ve çalışmanın veri tabanı oluşturulmuştur. Bu değişkenleri belli gruplar altında toplamak amacıyla faktör analizi yapılmıştır. Faktör
analizi sonucunda değişkenler dört faktör (nüfus-ulaşım, gelişmişlik,
yol, sağlık) altında toplanmıştır. Faktör skorları kullanılarak her il için
genel faktör skoru oluşturulmuştur. Genel faktör skoruna göre illerin
tematik haritaları oluşturulmuştur. En önemli faktör değişkenleri olarak; nüfus, şehirleşme oranı, nüfus yoğunluğu, imalat ve sanayi işyeri
sayısı, ortalama motorlu kara taşıt sayısı, ortalama taşınan yolcu-km
değeri, ortalama seyahat eden taşıt-km değeri ve ortalama taşınan
ton-km değeri belirlenmiştir. Trafik kaza sayısı bağımlı değişken ve
elde edilen faktörler bağımsız değişken olmak üzere çoklu doğrusal
regresyon analizi yapılmıştır. Regresyon analizi sonuçlarına göre, bu
faktörler trafik kazalarını %91 oranında açıklamaktadır. Bu faktörlerin
etkisi bölge ve illere göre değişmektedir. Birinci faktördeki değerlerin
azaltılması, diğerlerin ise artırılması şehir dışı trafik kazalarının azaltılmasında önemli rol oynamaktadır.
Anahtar Kelimeler: Trafik kazaları, faktör analizi, regresyon analizi
ABSTRACT
In this study, 20 different variables that are likely to be related with
traffic accidents were identified. Statistical values of these variables
were obtained for 81 provinces of Turkey which created the database. Factor analysis was conducted in order to collect these variables
in certain groups. As a result of the factor analysis, the variables are
grouped under the four factors (population-transportation, development, roads and health). According to the general factor score of
Yrd. Doç. Dr., Atatürk Üniversitesi, Narman Meslek Yüksekokulu, Erzurum, [email protected]
Doç. Dr., Atatürk Üniversitesi, Mühendislik Fakültesi, İnşaat Mühendisliği, Erzurum
***
Yrd. Doç. Dr., Erzurum Teknik Üniversitesi, Mühendislik ve Mimarlık Fakültesi, İnşaat Mühendisliği, Erzurum
*
**
36
Faktör Analizi Kullanılarak Trafik
Kazalarının Modellenmesi
thematic maps of the provinces, the most important factor variables
are population, urbanization rate, population density, the number of
manufacturing establishments, the average number of motor vehicles, and the average value of the passenger-km. All these factors was
used as independent variables. Number of road traffic accidents was
used as dependent variable. The results of multiple linear regression
analysis by using these variables show that these 4 factors explain 91
percent of traffic accidents. The effects of these factors depend on the
city and region in Turkey. The decrease of values in factor 1and increase of values in other 3 factors lead to decrease of traffic accidents in
urban areas.
Keywords: Traffic accidents, factor analysis, regression analysis
Giriş
Trafik kazalarının analizlerinde genel olarak trafik kazalarının yoğunlaştığı kesimler incelenmektedir. Bu analizlerin yanında ülkemizde trafik kazalarının
hangi faktörlerden meydana geldiği türündeki araştırmalar az sayıda yapılmıştır. Van Beeck vd.(1991) yaptıkları çalışmada, 1980–1984 yılları arasında
Hollanda’da meydana gelen trafik kazalarının coğrafik analizini yapmışlardır.
Çalışmada kurulan modelde; trafik kaza ölümlülüğünü, trafik hareketliliğini,
ölümlü yaralanma oranını, yaralanma oranını ve kazazedenin ölümlülük
oranını belirlemişlerdir. Belirlenen ölüm oranlarına göre büyük şehirlerin
coğrafik sınırlarına göre bölgesel trafik zonları oluşturarak Hollanda’nın trafik
kazalarından dolayı ölüm oranlarını gösteren haritasını oluşturmuşlardır.
Çalışmada iki aşamada çoklu regresyon analizi yapılmıştır. Birinci olarak sosyodemografik faktörlerin etkisi incelenmiştir. Sosyo-demografik faktörleri; mili
gelir, kentleşme seviyesi, işsizlik oranı ve nüfustaki Katolik oranı olarak dört
tane değişken belirlemişlerdir. Bu değişkenler bağımsız değişken olarak alınıp,
ölümlülük oranı, trafik hareketliliği ve ölümlü yaralanma oranı değişkenleri
de bağımlı değişken olarak alınıp ayrı ayrı çoklu lineer regresyon analizi
yapılmıştır.
Levine vd. (1995) yaptıkları çalışmada; seyahat üreten aktiviteler ile
motorlu taşıt çarpışmaları arasındaki ilişkileri belirlemeye çalışmışlardır. Seyahat üreten aktivitelerini; nüfus sayısı, işyeri sayısı ve yol karakteristikleri olarak
belirlemişlerdir. Erdoğan, (2009) yaptığı çalışmada; Türkiye’de iller bazında,
2001–2006 yılları arasında meydana gelen trafik kazalarının mekânsal analizini yapmıştır. Çalışmada kaza sayısı ve ölü sayısı bağımlı değişken, karayolu
uzunluğu, il yolu uzunluğu, otomobil, otobüs, minibüs, kamyon, kamyonet ve
motor bisiklet sayıları da bağımsız değişken olarak regresyon model kurulmuş
bağımsız değişkenlerin etkileri incelenmiştir.
37
Manga ve Murat (2009) yaptıkları çalışmada Denizli kentindeki kara
noktalarda (belirli kavşaklarda) 2004–2005–2006 yıllarında meydana gelen
trafik kazaları faktör analizi yöntemiyle incelenmişlerdir. Darçın (2006) yaptığı
çalışmada illere ait ulaşım göstergelerinin karşılaştırılmasında faktör analizi
kullanarak incelemiştir. Trafik kaza analizlerinde faktör analizi son zamanlarda
kullanılmaya başlanmıştır. Bu çalışmada, trafik kazalarının meydana gelmesinde katkısı olabilecek 20 değişken belirlenmiştir. Bu değişkenler bağımsız
değişken ve trafik kaza sayısı bağımlı değişken olmak üzere çoklu regresyon
analizi yapılmıştır, fakat bağımsız değişkenler arasında ilişki olduğundan dolayı çoklu doğrusal bağıntı problemi ortaya çıkmıştır. Çoklu doğrusal bağıntı
problemini ortadan kaldırmak için bağımsız değişkenlere faktör analizi uygulanmıştır.
Çalışmanın değişken veri setini 10 adet ulaşım değişkeni ve 10 adet
sosyoekonomik değişken olarak ayrılmıştır (Tablo 1 ve Tablo 2). Çalışma
dönemi 1997–2006 yıllarını kapsamakta olup bu dönemde meydana gelen
şehir dışı trafik kazaları istatistikleri her il için istatistik değerleri toplanmıştır.
Ayrıca çalışmada sosyoekonomik değişkenler ve ulaştırma değişkenleri
değerleri Türkiye İstatistik Kurumu (TÜİK), Devlet Planlama Teşkilatı (DPT) ve
Karayolları
Genel Müdürlüğü
(KGM) veTRAFİK
2002 yılından
önceki trafi
k kaza istatisFAKTÖR ANALİZİ
KULLANILARAK
KAZALARININ
MODELLENMESİ
tik değerleri Emniyet Genel Müdürlüğü (EGM)’nden elde edilmiştir.
Tablo
Sosyoekonomik
Göstergeler
Tablo
1. 1.
Sosyoekonomik
Göstergeler
Sembol
Değişken
Birimi
Yıl
Kaynak
S1
Sosyoekonomik gelişmişlik sırası
Sayı
2003
DPT
S2
Nüfus
Kişi
2000
DPT
S3
Şehirleşme oranı
Yüzde
2000
DPT
S4
Nüfus yoğunluğu
Kişi/km
2000
DPT
S5
Okuryazar nüfus oranı
Yüzde
2000
DPT
S6
Onbin kişiye düşen hekim sayısı
Kişi
2000
DPT
S7
Onbinkişiye düşen hastane yatağı sayısı
Hastane yatağı
2000
DPT
S8
Küçük sanayi sitesi işyeri sayısı
Adet
2000
DPT
S9
İmalat sanayi işyeri sayısı
Adet
2000
DPT
S10
Fert başına gayri safi yurt içi hasıla
TL
2000
DPT
2
Tablo 2. Ulaştırma Göstergeleri
Sembol
Değişken
Birimi
Yıl
Kaynak
U1
Kırsalda asfalt yol oranı
Yüzde
2000
DPT
U2
TCK asfalt yol oranı
Yüzde
2000
DPT
U3
Onbin kişiye düşen özel otomobil sayısı
Adet
2000
DPT
U4
Ortalama motorlu kara taşıt sayısı
Adet
1997-2006
EMG
U5
Ortalama bölünmüş yol uzunluğu
Km
1997-2006
KGM
U6
Ortalama köy yolu uzunluğu
Km
1998-2006
KGM
S7
Hastane yatağı
2000
DPT
S8
Adet
2000
DPT
S9
S10
38
Fert başına
gayri safi yurt içi hasıla
Kazalarının
Modellenmesi
Adet
2000
DPT
TL
2000
DPT
Tablo
Ulaştırma
Göstergeleri
Tablo
2. 2.
Ulaştırma
Göstergeleri
Sembol
Değişken
Birimi
Yıl
Kaynak
U1
Yüzde
2000
DPT
U2
Yüzde
2000
DPT
U3
Adet
2000
DPT
U4
Adet
1997-2006
EMG
U5
Km
1997-2006
KGM
U6
Km
1998-2006
KGM
U7
Ortalama devlet yolu-il yolu-otoyol uzunluğu
Km
1997-2006
KGM
U8
Ortalama Taşınan yolcu-km değeri
Yolcu-km
1997-2006
KGM
U9
Ortalama seyahat eden taşıt-km değeri
Taşıt-km
1997-2006
KGM
U10
Ortalama taşınan ton-km değeri
Ton-km
1997-2006
KGM
Bu çalışmada kullanılan değişkenleri (Tablo1 ve Tablo 2) gruplar altında toplamak veya değişken sayısını azaltmak için faktör analizi kullanılmıştır.
KMO Değeri
Yorum trafik kaza sayıları
Faktör analizi
sonucu elde edilen faktör skorları kullanılarak
(Kaiser-Meyer-Olkin)
ile faktörler arasında
regresyon analizi yapılarak kaza
tahmin modeli oluştu0,90
Mükemmel
rulmuştur.
Tablo 3. Herhangi Bir Veri Setinin Faktör Analizi İçin Uygunluğu
1.Yöntem
0,80
Çok iyi
0,70
İyi
0,60
Orta
1.1. Faktör Analizi
Faktör analizi, aynı
0,50 yapıyı ölçen çok sayıda değişkenden,
Zayıfaz sayıda ve tanımlanabilir nitelikte
anlamlı
değişkenler
elde
etmeye
yönelik
çok değişkenli bir
0,50 nin altı
Kabul edilmez
istatistiktir (Büyüköztürk, 2002).
Çizelge 1. Faktör Analizi
UYGUN FAKTÖR SAYISININ
BELİRLENMESİ
DEĞİŞKENLER
d1
FAKTÖRLER
F1
Kaiser Kriteri
d3
FAKTÖR
ANALİZİ
VE / VEYA
d2
F2
F3
Yamaç Eğim Testi
dn
F4
U3
Adet
2000
DPT
U4
Adet
1997-2006
EMG
U5
U6
U7
Km
1997-2006
Uluslararası Trafi
k ve Ulaşım Güvenliği
Dergisi
International Journal of
Traffic and Transportation
Safety
Km
1998-2006
Km
1997-2006
KGM
KGM
39
KGM
Ortalama
Taşınan
yolcu-kmbelirlenmesi
değeri
Uygun
faktör
sayısının
faktörYolcu-km
analizinin1997-2006
başarısı içinKGM
en
U9
Ortalama seyahat
eden taşıt-km
Taşıt-kmiçin çeşitli
1997-2006
önemli
hususlardan
birisidir.
Faktördeğeri
sayısını belirlemek
kriterlerKGM
gelişti
rilmiş
olup,
bunlardan
en
çok
kullanılanları
Kaiser
Kriteri
ve
yamaç
eğim
U10
Ton-km
1997-2006
KGM
testidir (Darçın, 2006).
U8
Tablo
3.3.Herhangi
SetininFaktör
FaktörAnalizi
Analizi
Uygunluğu
Tablo
Herhangi Bir
Bir Veri
Veri Setinin
İçinİçin
Uygunluğu
KMO Değeri
(Kaiser-Meyer-Olkin)
Yorum
0,90
Mükemmel
0,80
Çok iyi
0,70
İyi
0,60
Orta
0,50
Zayıf
0,50 nin altı
Kabul edilmez
Yamaç eğim testi: Faktör sayısı ve öz değerlerin xy koordinat sisteminde çizgi eğim grafiğinin çizilmesi esasına dayanır. Bileşen sayısı arttıkça öz değerin azalışını gösteren yamaç eğim grafiğinde, eğimin kaybolmaya başladığı
noktadaki bileşen sayısı faktör sayısı olarak belirlenir (Darçın, 2006).
Çoklu doğrusal regresyon analizi: Basit doğrusal regresyon modeli birçok durum için elverişli olabilir ancak gerçek hayatta birçok modelin
açıklanması için iki veya daha fazla açıklayıcı değişkene gerek duyulmaktadır.
Birden çok açıklayıcı değişkenli modeller çoklu regresyon modeli olarak
adlandırılmaktadır. Çoklu regresyon modelde tek bir bağımlı değişken
ile iki veya daha çok sayıda bağımsız(açıklayıcı) değişken arasındaki ilişki
araştırılmaktadır.
Çoklu doğrusal regresyon modelin denklemi aşağıdaki gibidir;
y = β 0 + β1 x1 + β 2 x 2 + ... + β n x n + ε
Y: Bağımlı değişken
Xi: Bağımsız değişken
βi: Tahmin edilecek parametreler
e: Hata terimi
e modelin stokastik olduğunu ifade eder ve modele dahil edilmeyen değişkenleri içerir. Ayrıca model spesifikasyonunda yapılan hataların etkisi de hata terimine
yansır.
40
Çoklu doğrusal regresyon modelinin varsayımları aşağıdaki gibidir;
1. Normal dağılım
2. Doğrusallık
3. Hata terimlerinin ortalaması sıfırdır
4. Sabit varyans
5. Otokorelasyon olmaması
6. Bağımsız değişkenler arasında çoklu bağlantı olmaması
Çoklu doğrusal regresyon analizinde hipotez testleri: Çoklu doğrusal
regresyon modelinde H0 hipotezi tüm regresyon katsayılarının sıfıra eşit olduğu şeklinde kurulurken, Ha hipotezi en az bir βi’nin sıfırdan farklı olduğu
şeklinde kurulur. Parametrelerin tek tek istatistiksel olarak anlamlılığı için t
testi ve modelin bir bütün olarak anlamlı olup olmadığını test etmek için ise
F testine bakılır.
Belirlilik katsayısı: Belirlilik katsayısı (R2) bağımlı değişkenin yüzde kaçının modele dahil edilen bağımsız değişkenler tarafından açıklandığını gösterir. Yalnız çoklu regresyon modelinde dikkat edilmesi gereken nokta; belirlilik
katsayısı modele dâhil edilen değişken sayısı arttıkça artar. Böyle durumlarda,
düzeltilmiş belirlilik katsayısına (Adjusted R2) bakılmalıdır.
2. Bulgular
Bu çalışmada trafik kazalarının oluşmasında etkili olabileceğini düşündüğümüz
toplam 20 farklı değişken belirlenmiştir. Bu 20 değişkeni belli gruplar altında
toplamak amacıyla faktör analizi yapılmıştır. Bu çalışmada faktör analizi için
SPSS 13.0 paket programı kullanılmıştır. Öncelikli olarak veri setimizin faktör
analizi için uygun olup olmadığını belirlememiz gerekmektedir. Herhangi bir
veri setine faktör analizi uygulamak için öncelikle KMO değerinin 0,50 den
büyük olması gerekir. Çalışmamızdaki veri setinin KMO değeri 0,841 olduğu
için veri setimiz faktör analizi için Tablo 4’e göre çok iyi olduğu belirlenmiştir.
Ayrıca Bartlett ’in küresellik testine göre de veri setimiz faktör analizi için uygun olduğu yine Tablo 4’de belirtilmiştir.
Tablo
4.Veri
VeriSetinin
SetininUygunluk
Uygunluk
Çizelgesi
(Atalay,
2010)
Tablo 4.
Çizelgesi
(Atalay,
2010)
KMO Örneklem Uygunluğu Ölçütü
Yaklaşık Ki-Kare
Bartlett’in Küresellik Testi
,841
2434,609
df
190
Önem
,000
Tablo 4. Veri Setinin Uygunluk Çizelgesi (Atalay, 2010)
Uluslararası Trafi
k ve Ulaşım Güvenliği,841
Dergisi
KMO Örneklem Uygunluğu
Ölçütü
Yaklaşık Ki-Kare
2434,609
41
2.1. Faktör
Sayısının
Belirlenmesi
190
Bartlett’in
Küresellik
Testi
df
Çalışmada özdeğer istatistiği( Eigenvalue) 1’den büyük olan faktörleri anlamlı
Önem
,000
olarak belirledik. Aşağıdaki Tablo 5’de özdeğer istati
stiği 1 den büyük
olan 4
faktör söz konusudur. Birinci faktör toplam varyansın %31,256’sını açıklamaktadır. Birinci ve ikinci faktörler birlikte toplam varyansın %50,525’ini açıklamaktadır, dört faktör ise toplam varyansın %82,075’ini açıklamaktadır.
Tablo
5.Açıklanan
AçıklananToplam
Toplam
Varyans
Çizelgesi
(Atalay,
Tablo 5.
Varyans
Çizelgesi
(Atalay,
2010:2010,
119) s. 119)
Faktörler
Başlangıç Özdeğerleri (Eigenvalue)
Faktörleştirme Sonrası Değerler
Toplam
% Varyans
Kümülatif %
Toplam
% Varyans
Kümülatif %
1
10,225
51,127
51,127
6,251
31,256
31,256
2
2,776
13,879
65,006
3,854
19,269
50,525
3
2,281
11,405
76,411
3,472
17,360
67,885
4
1,133
5,664
82,075
2,838
14,190
82,075
5
,789
3,943
86,018
6
,698
3,488
89,505
7
,433
2,164
91,670
8
,380
1,902
93,571
9
,307
1,535
95,106
10
,231
1,156
96,262
11
,210
1,049
97,311
12
,166
,828
98,139
13
,135
,677
98,817
14
,105
,527
99,344
15
,051
,255
99,599
16
,029
,143
99,742
17
,025
,126
99,868
18
,016
,081
99,949
19
,008
,039
99,988
20
,002
,012
100,000
Rotasyona tabi olacak faktör sayısını belirlerken özdeğer istatistiğinden
başka kullanabileceğimiz yöntemlerde vardır. Örneğin aşağıdaki Çizelge 2’de
faktör analizi çizgi grafiğinde eğimin kaybolmaya başladığı noktanın işaret ettiği sayıda faktör belirlenir. Buna göre grafikte dördüncü faktörden itibaren
çizgi grafiği eğimini önemli ölçüde kaybetmeye başlamaktadır. Bu nedenle
faktör sayısını 4 veya 5 faktör ile sınırlayabiliriz.
42
Çizelge 2. Faktör Analizi Çizgi Grafiği (Atalay, 2010)
Çizgi grafiği
12
Özdeğer(Eigenvalue)
10
8
6
4
2
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
faktör sayısı
2.2. Değişkenlerin Ortak Varyansı
Ortak varyans (communality) bir değişkenin analizde yer alan diğer değişkenlerle paylaştığı varyans miktarıdır. Faktör analizinde düşük ortak varyansa sahip olan değişkenler (örneğin 0,50’ nin altında) analizden çıkarılarak faktör
analizi yeniden yapılabilir. Bu durumda hem KMO hem de açıklanan varyans
değeri istatistiği daha yüksek bir değere ulaşacaktır. Eğer ortak varyansın değeri 1’in üstünde çıkarsa bu durumda ya veri seti çok küçüktür ya da araştırmada çok sayıda yada az sayıda faktör belirlenmiştir. Aşağıdaki Tablo 6’da en
yüksek ortak varyansa S9 ve S2 değişkenleri sahip oldukları belirlenmiştir. Çalışmada ortak varyansı 0,50’nin altında S3 değişkeninin ortak varyansı 0,425
bu değer de 0,50 ye yakın olduğu için analizden çıkarılmamıştır. S3 ün haricinde diğer değişkenlerin ortak varyansları 0,50’nin çok üstündedir.
Tablo6.6.Ortak
OrtakVaryanslar
Varyanslar
(Atalay,
2010)
Tablo
(Atalay,
2010)
Değişken
Başlangıç
Çıkarım
Değişken
Başlangıç
Çıkarım
S1
1,000
,897
U1
1,000
,845
S2
1,000
,957
U2
1,000
,588
S3
1,000
,425
U3
1,000
,839
S4
1,000
,920
U4
1,000
,944
S5
1,000
,758
U5
1,000
,809
S6
1,000
,817
U6
1,000
,805
S7
1,000
,799
U7
1,000
,859
S8
1,000
,751
U8
1,000
,936
S9
1,000
,958
U9
1,000
,945
S10
1,000
,710
U10
1,000
,852
Tablo 7. Döndürülmüş Faktör Matrisi (Atalay, 2010)
Faktör
Değişken
Başlangıç
Çıkarım
Değişken
Başlangıç
Çıkarım
S1
1,000
,897
U1
1,000
,845
S2
1,000
S3
1,000
ve Ulaşım Güvenliği
Dergisi
,957 Uluslararası TrafikU2
1,000
International
Journal
of
Traffi
c
and
Transportation
,425
U3
1,000Safety
S4
1,000
,920
U4
1,000
,588
43
,839
,944
faktör
matrisi (Rotated
S5Aşağıda döndürülmüş
1,000
,758
U5 Component
1,000Matrix) gö,809
rülmektedir
(Tablo 7).
Bu matris faktör
analizinin U6
nihai sonucudur.
Matriste
S6
1,000
,817
1,000
,805
orijinal değişken ve onun faktörü arasındaki korelasyonlar görülmektedir. Bir
S7
1,000
,799
U7
1,000
,859
değişkenin hangi faktör altında mutlak değer olarak büyük ağırlığa sahipse
S8
1,000
,751
U8
1,000
,936
o değişken o faktör ile yakın ilişki içindedir demektir. 350 ve üzerindeki
S9 sayısı için faktör
1,000 ağırlığının
,9580,30 ve üzerinde
U9 olması gerekir.
1,000 0,50 ve
,945
(gözlem)
S10
,710
1,000
,852
üzerindeki
ağırlıklar 1,000
ise oldukça iyi
olarak kabulU10
edilir. Çalışmamızda
Tablo
7’de, dört faktör (sütunlar) ve her bir değişkenin faktörler altındaki ağırlıkları
(Factor loadings- değişkenler ve faktörler arasındaki korelasyon katsayısı) verilmiştir.
Tablo7.7.Döndürülmüş
Döndürülmüş
Faktör
Matrisi
(Atalay,
2010)
Tablo
Faktör
Matrisi
(Atalay,
2010)
Değişken
1
Faktör
2
3
4
S9
,960
,122
,008
,145
S4
,941
,055
-,159
,076
S2
,940
,075
,237
,114
U4
,914
,139
,221
,203
U9
,800
,300
,434
,161
U8
,770
,313
,453
,197
U10
,655
,355
,531
,122
S3
,549
,172
,216
,219
U1
,235
,889
-,008
,023
U2
,055
,748
,095
,132
S1
-,271
-,700
-,180
-,548
S5
,084
,669
,031
,550
S10
,281
,592
,027
,529
U7
,147
,002
,909
,105
U6
-,076
-,447
,750
,193
U5
,313
,304
,750
,240
S8
,385
,363
,684
,055
S7
,100
,057
,163
,871
S6
,417
,302
,230
,706
U3
,294
,557
,280
,603
Tablo 7’de değişkenler bulundukları satırda en büyük ağırlığı hangi faktör altında almışsa o faktör altında toplanmaktadırlar. Örneğin S9 değişkeni
bulunduğu satırda en büyük ağırlığı 1. faktör altında almıştır. Benzer şekilde
U1 değişkeni yine bulunduğu satırda en büyük ağırlığı 2. faktörde almıştır.
Buna göre faktörlerdeki değişkenler; 1. Faktör: S9, S4, S2, U4, U9, U8, U10 ve
S3 2. Faktör: U1, U2, S1, S5 ve S10 3. Faktör: U7, U6, U5 ve S8 4. Faktör: S7, S6
44
ve U3 olarak belirlenmiştir. Faktörlerin adlandırılması faktörlerin bünyesinde
toplanan değişkenlere göre yapılmıştır (Tablo 8).
Tablo8.8.Faktör
Faktörİsimleri
İsimleri
(Atalay,
2010)
Tablo
(Atalay,
2010)
S2
Nüfus
S3
Şehirleşme oranı
S4
Nüfus yoğunluğu
S9
U4
U8
Ortalama Taşınan yolcu-km değeri
U9
Ortalama seyahat eden taşıt-km değeri
U10
U1
U2
S1
Sosyoekonomik gelişmişlik sırası
S5
Okuryazar nüfus oranı
S10
Fert başına gayri safi yurt içi hasıla
U5
U6
U7
S8
S6
Onbin kişiye düşen hekim sayısı
S7
U3
1. FAKTÖR
NÜFUS -ULAŞIM
2. FAKTÖR
GELİŞMİŞLİK
3. FAKTÖR
YOL
4. FAKTÖR
SAĞLIK
2.3. Faktör Skorları
Faktör analizinin temel amacı veri setinin daha az sayıda ve anlamlı faktörlere indirgenmesiydi. Faktör analizine başlamadan önce 20 değişkenimiz
vardı, faktör analizi sonrasında 20 değişken 4 faktöre indirgenmiş oldu. Aynı
zamanda faktör sayısı kadar da faktör skoru elde ettik. Başka bir ifadeyle her
bir değişken için bir faktör skoru sütunu elde edilmiş oldu. Elde edilen faktör
skorlarının özelliği normal dağılım şartını sağlıyor olmaları ve çoklu bağıntı
problemi taşımıyor olmamalarıdır. Elde edilen faktör skorları birer değişken
olarak başka analizlerde kullanılabilmektedir.
Faktör analizi sonucu elde edilen dört faktör skorunu tekbir faktör
skoru ile açıklamak için genel faktör skoru belirlenmiştir. Genel faktör skoru
faktörlerin varyans açıklama yüzdeleri kullanılarak hesaplanmıştır. Çalışmada,
tüm faktörlerin toplam varyans açıklama yüzdeleri kullanılarak oluşturulan,
ağırlıklandırılmış genel faktöre göre iller sırlanmıştır (Tablo 9).
45
Tablo9.9.Genel
GenelFaktör
Faktör
Skoruna
Göre
İllerin
Sıralaması
(Atalay,
2010, s.125)
Tablo
Skoruna
Göre
İllerin
Sıralaması
(Atalay,
2010:125)
Sıra
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
İller
İstanbul
Ankara
İzmir
Bursa
Konya
Kocaeli
Antalya
Adana
İçel
Manisa
Gaziantep
Eskişehir
Balıkesir
Kayseri
Bolu
Sakarya
Aydın
Tekirdağ
Denizli
Afyon
Muğla
Isparta
Edirne
Hatay
Kırklareli
Burdur
Çanakkale
Sivas
Zonguldak
Yalova
Elazığ
Bilecik
Corum
Nevşehir
Kütahya
Kırıkkale
Siirt
Erzurum
Malatya
Kırşehir
Trabzon
Genel
2.625962
1.760475
1.449401
0.921225
0.833529
0.770922
0.66661
0.513264
0.49612
0.46343
0.436586
0.423795
0.355291
0.32084
0.272266
0.257166
0.229629
0.220442
0.219362
0.219098
0.208515
0.102686
0.093525
0.089288
0.064918
0.022869
0.019059
0.011775
-0.00614
-0.00681
-0.00842
-0.01115
-0.04019
-0.04607
-0.05257
-0.0574
-0.0609
-0.06691
-0.07939
-0.09015
-0.09444
Sıra
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
İller
K.Maraş
Amasya
Kastamonu
Aksaray
Karaman
Niğde
Şanlıurfa
Uşak
Osmaniye
Yozgat
Diyarbakır
Tokat
Düzce
Samsun
Karabük
Giresun
Ordu
Rize
Çankırı
Kilis
Erzincan
Van
Artvin
Sinop
Adıyaman
Mardin
Bartın
Kars
Batman
Bitlis
Bayburt
Iğdır
Tunceli
Gümüşhane
Ağrı
Bingöl
Şırnak
Ardahan
Hakkari
Muş
Genel
-0.09481
-0.11832
-0.12909
-0.13876
-0.14135
-0.14172
-0.15242
-0.15701
-0.19267
-0.21046
-0.21708
-0.21715
-0.21853
-0.22071
-0.22893
-0.25491
-0.27527
-0.27582
-0.27936
-0.30959
-0.31517
-0.34739
-0.35887
-0.3607
-0.36478
-0.37516
-0.43872
-0.44923
-0.46622
-0.48826
-0.49496
-0.49555
-0.50611
-0.51809
-0.523
-0.56033
-0.56117
-0.58307
-0.62099
-0.64576
46
Genel faktör skoruna göre İstanbul, Ankara, İzmir ve Bursa illeri ilk sırada yer almaktadırlar. En son sırada ise Ardahan, Hakkâri ve Muş illeri yer
almaktadır. Genel faktör skorunda en yüksek sırada yer alan iller trafik kazalarında da ilk sırada yer almaktadırlar.
Çalışmada elde edilen faktör skorlarına göre illerin tematik haritaları
Coğrafi Bilgi Sistemleri (CBS) yazılımı olan ArcInfo programı ile yapılmıştır.
Tematik haritalar yardımı ile faktör skorlarının görselleştirilmesi ve daha
kolay anlaşılması amaçlanmıştır. Kazaların azaltılabilmesi için özellikle birinci
faktör değişkenlerinin değerlerinin azaltılması gerekmektedir (Harita 1).
Harita 1. Birinci Faktör Skoruna Göre İllerin Dağılımı (Atalay, 2010)
İkinci faktör skorunun iller bazında dağılım haritasından Türkiye’nin doğu
ve güneydoğu bölgelerindeki illerin düşük değerlere sahip oldukları batıdaki
illerin ise daha yüksek değerlere sahip oldukları belirlenmiştir (Harita 2).
Harita 2. İkinci Faktör Skoruna Göre İllerin Dağılımı (Atalay, 2010)
47
Üçüncü faktör skorlarının dağılım haritasında Ankara, Konya, Antalya,
İzmir ve Sivas illeri en yüksek değerlere sahip olmasına karşın İstanbul düşük
değere sahiptir. Bunun şehirleşme çok yüksek olduğundan köy yolu, bölünmüş
yol gibi yollar şehir içi yol durumuna geçtiğinden dolayı bu faktörün skoru
İstanbul için düşük çıkmıştır (Harita 3).
Harita 3. Üçüncü Faktör Skoruna Göre İllerin Dağılımı (Atalay, 2010)
Dördüncü faktör sağlıkla ilgi değişkenlerden oluşmaktadır. Türkiye’nin
güneydoğusunda bulunan illerin düşük değerlere sahip oldukları belirlenmiştir (Harita 4). Buda trafik kazası anında ilk yardım acil müdahale ihtiyacının
karşılanamaması sonucu ölümlerin meydana gelmesine neden olmaktadır.
Harita 4. Dördüncü Faktör Skoruna Göre İllerin Dağılımı (Atalay, 2010)
48
Genel faktör skorunun en yüksek olduğu bölgeler Türkiye’nin batı bölümü, en düşük olduğu bölüm ise doğu bölümüdür. Nüfusun, gelişmişliğin
yüksek olduğu bölgelerde genel faktör skoru yüksek olmasına karşın nüfus ve
gelişmişliğin düşük olduğu bölgelerde genel faktör skoru düşük olduğu gözlenmiştir (Harita 5).
Harita 5. Genel faktör skoruna göre illerin dağılımı (Atalay, 2010
2. 4. Çoklu Regresyon Analizi
Çoklu regresyon analizi, 1997–2006 yıllarında meydana gelen toplam şehir
dışı kaza sayısı bağımlı değişken ve faktör analizi sonucu elde edilen 4
faktöre ait faktör skorları bağımsız değişken olarak belirlenip, SPSS programı
kullanılarak yapılmıştır.
Regresyon analizinin sonucu Tablo 10’da gösterilmiştir. R 2 bize bağımlı
değişkenin yüzde kaçlık kısmının bağımsız değişkenler tarafından açıklandığını göstermektedir. Çalışmada bağımlı değişkendeki değişimin %91,9’unun
modele dâhil ettiğimiz faktörler tarafından açıklanmaktadır. Geriye kalan
%8,1’lik kısım ise hata terimi vasıtasıyla modele dâhil etmediğimiz değişkenler tarafından açıklanır. Modeldeki bağımsız değişken sayısını artırdığımızda
(eklenen değişken ister ilgili ister ilgisiz olsun) R2 artar. Buna karşılık Düzeltilmiş R2 ye bakmak gerekir. Düzeltilmiş R2 yalnızca eklenen değişken modelle ilişkili ise artar. Yine Tablo 10’da önemli bir test de Durbin-Watson (DW)
testidir. Modelimizde otokorelasyon olup olmadığını gösterir. Genellikle 1,52,5 civarında bir DW testi değeri otokorelasyon olmadığını gösterir. Tabloda
Durbin-Watson (DW) istatistiği modelimizde otokorelasyon olup olmadığını
gösterir (DW=1,914).
49
Tablo10.
10.
Çoklu
Regresyon
Modelinin
Özet İstati(Atalay,
stikleri2010)
(Atalay, 2010)
Tablo
Çoklu
Regresyon
Modelinin
Özet İstatistikleri
Değişim İstatistikleri
Model
R
R2
Düzeltilmiş
R2
1
,959
,919
,915
Tahminin
Std. Hatası
R2
F
df1
df2
Sig.
F
DurbinWatson
2456,155
,919
215,447
4
76
,000
1,914
Tablo 10’dan trafik kaza sayıları ve faktör skorları arasındaki doğrusal
ilişkinin derecesi (çoklu korelasyon katsayısı) %95,9’dur. Modelin belirlilik
katsayısı (R2) %91,9’dur. Belirlilik katsayısı bağımlı değişkene ilişkin toplam
varyansın (bilginin) %91,9’unun bağımsız değişkenler tarafından açıklandığını
Tablo 10. Çoklu Regresyon Modelinin Özet İstatistikleri (Atalay, 2010)
göstermektedir. Bu katsayı modelin serbestlik derecesine göre düzeltildiğinde
Tablo 11. Tek Yönlü Varyans Analizi (ANOVA) çizelgesi (Atalay,
2010) İstatistikleri
Değişim
açıklanan
oranın %91,5’e
düştüğü
anlaşılmaktadır.
Model
Kareler Toplamı
Ortalama Kare
F-değer
Anl.
DurbinSig.
Düzeltilmiş
Tahminin df
Model
R
R2
R2
R2
Std. Hatası
F
df1
df2
F
Watson
Regresyon
5E+009
4
1299728655
215,447
,000(a)
% 91,9
değeri ANOVA
çizelgesindeki
(Tablo
11) regresyon
modelinin
11
,959 ,919
,915
2456,155
,919
215,447
4
76
,000
1,914
Kalıntı
5E+008
76
6032696,405
açıkladığı bilginin
(modelin
kareler toplamının)
toplam açıklanması gereken
6E+009
80
bilgiye(toplamToplam
kareler toplamı)
oranlanarak
(5E+009/6E+009= %91,9) hesaplanmaktadır. ANOVA Çizelgesi modelimizin bir bütün olarak anlamlı olup olmadığını test etmemize yarar. Tablo 11’deki 215,447 F değeri, modelimizin bir
bütün olarak her düzeyde anlamlı olduğunu gösterir (Anl.=,000).
Tablo11.
11.
Tek
Yönlü
Varyans
Analizi
(ANOVA)
Çizelgesi
(Atalay, 2010)
Tablo
Tek
Yönlü
Varyans
Analizi
(ANOVA)
çizelgesi
(Atalay, 2010)
Model
Kareler Toplamı
df
5E+009
Tablo 12. ModelRegresyon
İçin Regresyon Katsayıları
(Atalay, 42010)
Ortalama Kare
F-değer
Anl.
1299728655
215,447
,000(a)
Kalıntı
5E+008
76Standart 6032696,405
Standartlaştırılmamış Katsayılar
Toplam
6E+009
80Katsayılar
t-değer
Anl.
Faktörler
B
Std. Error
Beta
(Sabit)
4948,813
272,906
18,134
,000
Tek yönlü varyans analizi ANOVA (veya F testi) genel olarak modelin anF1
7647,211
274,607
,909
27,848
,000
lamlılığını
test eder.
Modele ilişkin
F değeri 215,447
(1299728655/6032696,405)
F2
1537,469
274,606
,183
5,599
,000
F3
1170,929
274,606
,139 0,000 olarak
4,264 elde edilmişti
,000 r. Bu
ve F değerinin
anlamlılığını
gösteren
p-değeri
F4
1664,844
274,606
,198
6,063
,000
1
sonuçlar modelin oldukça anlamlı olduğunu göstermiştir. Diğer bir anlatımla
trafik kaza sayısı değerleri faktör skorları ile anlamlı bir şekilde açıklanabileceğini göstermektedir. Her bir açıklayıcı faktörün anlamlılığını(önemini) değerTablo
12. Model
İçinregresyon
Regresyon Katsayıları
(Atalay,
2010)
lendirmek
için
katsayıları
çizelgesinin
incelenmesi gerekmektedir
Standart
(Tablo 12). BuStandartlaştırılmamış
çizelgedeki faktörlere
ilişkin
t
değerleri
veya bu değerlere ilişKatsayılar
Katsayılar
kinFaktörler
p-değerleri incelendiğinde
F4 faktörlerin
%1 anlamlılık
t-değer
Anl. düzeB
Std.F1,
ErrorF2, F3 veBeta
(Sabit)
4948,813
272,906
18,134 anlaşılmaktadır.
,000
yinde
kaza sayılarını
açıklamada
önemli değişkenler oldukları
F1
7647,211
,909
27,848
,000
Çünkü,
bu faktörlere
ilişkin p274,607
değerleri %1’den
küçüktür.
Regresyon katsayılaF2
1537,469
274,606
,183
5,599
,000
rının F3
işareti ilgili1170,929
faktörle kaza274,606
sayısı arasındaki
büyüklüğü
ise
,139 ilişkinin yönünü,
4,264
,000
F4 (bağımsız
1664,844
274,606
,198rılmış değişkenler
6,063
,000
önemini
değişkenler
standartlaştı
olduğundan)
göstermektedir. Yani bağımsız değişkenlerin önemlilik sıralaması hem kısmi
regresyon hem de beta (kısmı korelasyon) katsayılarına göre yapılabilmektedir. Beta, kısmi korelasyon katsayıları olup diğer bağımsız değişkenler sabit
Toplam
50
6E+009
80
tutulduğunda bağımlı değişken ile bağımsız değişken arasındaki ilişkinin bir
ölçütüdür.
Tablo12.
12.
Model
Regresyon
Katsayıları
Tablo
Model
İçinİçin
Regresyon
Katsayıları
(Atalay,(Atalay,
2010) 2010)
Standartlaştırılmamış Katsayılar
Faktörler
(Sabit)
F1
F2
F3
F4
B
4948,813
7647,211
1537,469
1170,929
1664,844
Std. Error
272,906
274,607
274,606
274,606
274,606
Standart
Katsayılar
Beta
,909
,183
,139
,198
t-değer
18,134
27,848
5,599
4,264
6,063
Anl.
,000
,000
,000
,000
,000
Sonuç ve Öneriler
Bu çalışmada iller bazında 1997–2006 yıllarında meydana gelen şehir dışı
trafik kazaları ve bu kazaları etkileyebilecek 20 farklı değişken incelenmiştir.
Değişkenlerin etkisini belirlemeden önce değişkenleri belli gruplar altında
toplamak için faktör analizi uygulanmıştır. Faktör analizi sonucu dört farklı
faktör elde edilmiştir. Faktör analizi sonucu her bir faktör için faktör skorları
elde edilmiştir. Ayrıca faktör skorları kullanılarak ve faktörün açıkladığı
varyans oranına göre her il için genel faktör skoru elde edilmiştir. Elde edilen
faktör skorlarına göre illerin tematik haritaları elde edilmiştir. Faktör analizi
sonucu en önemli faktör 1. Faktör olduğu belirlenmiştir.
Birinci faktörün (nüfus-ulaşım) İstanbul, Ankara, İzmir, Bursa, Yalova ve
Kocaeli illerinde en yüksek değerlere sahip olduğu belirlenmiştir. Ayrıca Güneydoğu Anadolu bölgesi ve Akdeniz bölgesinde birinci yüksek faktör olduğu
belirlenmiştir. Bunun sebebi bazı illerde nüfus, bazı illerde trafik hareketliliği
ve bazı illerde imalat sanayi işyeri sayılarının yüksek olmasından kaynaklanmaktadır. Yang vd. (1997) yaptıkları çalışmada, kentsel alanlarda hem erkek
hem de bayanlar için düşük ölüm oranları gözlemlemiştir. Aksine kırsal alanlarda daha yüksek ölüm oranları gözlenmiştir. Kırsal alanlarda bakımsız yollar,
eski taşıtlar, aşırı hız, alkol kullanımı ve ilk yardım müdahalesinin yetersizliğinin yüksek ölüm oranlarına neden olduğunu belirtmişlerdir. Lassare and Thomas (2005) yaptıkları çalışmada, düşük nüfus yoğunluğu ve küçük ekonomik
aktiviteye sahip büyük alanlarda az trafik olması düşük ölüm oranlarını meydana getirdiğini belirtilmiştir.
İkinci faktör (gelişmişlik) kırsalda asfalt yol oranı, gelişmişlik sırası,
okuryazar nüfus oranı ve fert başına gayri safi yurt içi hâsıla, değişkenlerinden oluşmaktadır. İkinci faktör skorunun en yüksek olduğu bölgeler Akdeniz,
Ege, Marmara ve İç Anadolu bölgeleridir. Doğu, Güneydoğu Anadolu ve Doğu
Karadeniz bölgelerinde en düşük seviyededir. Regresyon analizi sonucuna
göre ikinci faktör ile kaza sayısı arasında pozitif ilişki olduğu görülmektedir
(0,183). Bu çalışmada bulunan pozitif ilişki derecesi küçük olduğundan dolayı
51
ikinci faktör değişkenlerinin değerlerinin artması trafik kaza sayısını büyük bir
oranda artırmayacaktır. Asioğulları (1994) yaptığı çalışmada, trafik kazalarını
yapanların öğretim seviyelerine göre sıralandığında en fazla ilkokul, orta, lise
ve üniversite mezunlarının kaza yaptıkları belirtmiştir. Ayrıca eğitim seviyesi
yüksek toplumlarda kaza sayısı az iken tersi toplumlarda kaza sayısı her geçen gün artış gösterdiğini belirtmiştir. Jones vd. (2008) yaptıkları çalışmada
milli gelir başına ortalama otomobil sayısı ile ölü sayısı arasında pozitif ilişki
olduğu belirlenmiştir. Bu sonuçlar, ağır ve hafif yaralı sayıları içinde benzerdir.
Sonuç olarak kent içi alanlarda, nüfusun fazla olduğu alanlarda, ekonominin
geliştiği yerlerde trafik kaza riski daha fazla kırsal alanlarda daha az olduğu
belirlenmiştir.
Üçüncü faktör yol uzunlukları (bölünmüş, devlet ve il yolu, otoyol,
köy yolu) değişkenlerinden oluşmaktadır. Üçüncü faktör skoru en yüksek
değerleri Ankara, Konya ve Antalya illerinde belirlenmiştir. İstanbul, Kırklareli,
Zonguldak, Bayburt Karabük, Kırıkkale, Bilecik ve Bartın illerinde en düşük
seviyededir. Yol uzunluklarının yüksek değerlerde olması trafik tıkanıklığının
azaltılması özellikle bölünmüş yol uzunluklarının artması trafik kazalarının
azalmasında önemli rol oynayacaktır. Jegede (1988) yapmış olduğu çalışmasında, trafik kazalarına en yüksek katkıyı endüstri kuruluşlarının sayısının
neden olduğunu belirtmiştir. İkinci en yüksek değişken olarak da nüfus büyüklüğü olduğu belirtilmiştir. Üçüncü en yüksek katkıyı sağlayan değişken olarak
da yerel yönetim yollarının uzunluğu olduğu ve diğer değişkenlerin trafik kazalarına katkısının bu üç değişkene göre daha az olduğu belirlenmiştir.
Dördüncü faktör (sağlık) hekim sayısı, hastane yatağı sayısı ve özel otomobil sayısı değişkenlerinden oluşmaktadır. Bu faktör skoruna göre Güneydoğu Anadolu bölgesi en düşük seviyededir. Ayrıca Konya, Yozgat ve Samsun illeri en düşük seviyededir. Isparta, Bolu, Eskişehir, Kastamonu, Elazığ, Trabzon
ve Artvin illeri en yüksek seviyededir. Trafik kazaları sonucu meydana gelen
yaralanmalara ilk müdahale büyük önem taşımaktadır. Dördüncü faktör değişken değerlerinin artması trafik kazalarında ilk yardım müdahalesinin daha
kısa sürede yapılmasını sağlayacaktır.
Genel faktör skoruna göre illerin dağılım haritasından Ankara, İstanbul ve İzmir’in en yüksek faktör skoruna sahip olduğu belirlenmiştir. Ayrıca
Türkiye’nin Doğu, Güneydoğu ve Doğu Karadeniz bölgelerinde genel faktör
skorunun en düşük seviyede olduğu belirlenmiştir. Faktörlerdeki değişkenlere
göre sonuç olarak birinci faktör değişkenlerinin azaltılması diğer faktör değişken değerlerinin artırılması şehir dışı trafik kazalarının azaltılmasında önemli
ölçüde rol oynayacaktır.
52
Çalışmada elde edilen faktör skorları bağımsız değişken ve trafik kaza
sayıları bağımlı değişken olmak üzere çoklu regresyon analizi yapılmıştır. Regresyon analizi sonucu en önemli faktörün 1. Faktör olduğu belirlenmiştir. Birinci faktör değişkenleri de; nüfus, şehirleşme oranı, nüfus yoğunluğu, imalat
sanayi işyeri sayısı, ortalama motorlu kara taşıt sayısı, ortalama taşınan yolcukm değeri, ortalama seyahat eden taşıt-km değeri, ortalama taşınan ton-km
değeridir. Bunun sonucu olarak nüfus ve trafik hareketliliğinin şehir dışı trafik
kazalarında önemli rol oynadığı bir kez daha bu çalışma ile belirlenmiştir.
Kaynakça
Asioğulları, E. (1994). “Trafik kazalarının etmenleri ve Ankara örneği”. Yüksek
L
Lisans Tezi”, Gazi Üniversitesi Fen Bilimleri Enstitüsü, Ankara.
Atalay, A. (2010). “Türkiye’deki trafik kazalarının mekânsal ve zamansal analizi”, Doktora Tezi, Fen Bilimleri Enstitüsü, Atatürk Üniversitesi, Erzurum.
Büyüköztürk, Ş. (2002). Faktör Analizi: Temel kavramlar ve ölçek geliştirmede
kullanımı. Kuram ve Uygulamada Eğitim Yönetimi. 32, 470-483.
Darçın, M. (2006). “Türkiye’de ulaşım göstergelerinin iller bazında çok değişkenli analiz teknikleri yardımı ile karşılaştırılması”, Doktora Tezi, Fen
Bilimleri Enstitüsü, Gazi Üniversitesi, Ankara.
DPT (2003). İllerin Sosyoekonomik Gelişmişlik Göstergeleri, Ankara: Devlet
Planlama Teşkilatı.
EGM (Emniyet Genel Müdürlüğü) (1997a). Trafik İstatistik Yıllığı, Ankara: EGM
Eğitim Dairesi Başkanlığı.
EGM (Emniyet Genel Müdürlüğü) (1998a).Trafik İstatistik Yıllığı, Ankara: EGM
EGM (Emniyet Genel Müdürlüğü) (1999a).Trafik İstatistik Yıllığı, Ankara: EGM
53
Erdoğan, S. (2009). Explorative spatial analysis of traffic accident statistics
and road mortality among the provinces of Turkey. Journal of Safety
Research, 40, 341–351.
Jegede, F.J. (1988). Spatio-temporal analysis of road traffic accidents in Oyo
State, Nigerya. Accident Analysis & Prevention 20, 227-243.
Jones.,A.P., Haynes, R., Kennedy, V., Harvey, I.M., Jewell, T., ve Lea, D. (2008).
Geographical variations in mortality and morbidity from road traffic
accidents in England and Wales. Healt &Place, 14, 519-535.
Lassare, S., ve Thomas, I. (2005). Exploring road mortality ratios in Europe:
National versus regional realites. J.R. Statist. Soc. 168 (1),127-144.
Levine, N., Kim, K.E. ve Nitz, L.H. (1995). Spatial analysis of Honolulu motor
vehicle crashes: II. zonal generators. Accid. Anal. and Prev., 27 (5),
675-685.
Manga, A.O., ve Murat, Y.S. (2009). Trafik kazalarının faktör analizi yöntemiyle
incelenmesi, İzmir Ulaşım Sempozyumu Bildiri Kitabı (ss. 532-540),
TMMOB İnşaat Müh. Odası İzmir Şubesi.
TÜİK (Türkiye İstatistik Kurumu) (1997). Motorlu Taşıt İstatistikleri, Ankara:
TÜİK
TÜİK
TÜİK
TÜİK
TÜİK
TÜİK
TÜİK (Türkiye İstatistik Kurumu) (2003a).Trafik Kaza İstatistikleri, Ankara: TÜİK
TÜİK (Türkiye İstatistik Kurumu) (2003b). Motorlu Taşıt İstatistikleri, Ankara:
TÜİK
TÜİK (Türkiye İstatistik Kurumu) (2004a). Trafik Kaza İstatistikleri, Ankara:
TÜİK
54
TÜİK
TÜİK (Türkiye İstatistik Kurumu) (2005a). Trafik Kaza İstatistikleri. Ankara:
TÜİK
TÜİK
TÜİK (Türkiye İstatistik Kurumu) (2006a). Trafik Kaza İstatistikleri, Ankara:
TÜİK
TÜİK
Van Beeck E.F., Mackenbach J. P., Looman C.W.N. ve Kunst A.E. (1991). Determinants of traffic accidents mortality in the Netherlands: A geographical analysis. International Journal of Epidemiology, 20(3), 698-706.
Yang, C-Y., Chiu, J-F., Lin, M-C., and Cheng, M-F. (1997). Geographic variations in mortality from motor vehicle crashes in Taiwan. The Journal of
Trauma: Injury, Infection and Critical Care, 43(1),74-77.
Vol. 1, No.1, 2014
GAZİ MESLEK YÜKSEK OKULU ÖĞRENCİLERİNDE
TRAFİKTE RİSK ALGISI
The Traffic Risk Perception of Students in Gazi
Vocational College
Ebru Arıkan Öztürk *
Seda Hatipoğlu **
Aydan Özsoy ***
ÖZ
Türkiye’de trafik kaza istatistikleri incelendiğinde, meydana gelen kazalarda sürücü kusurlarının %90, yaya kusurlarının %9 paya sahip olduğu görülmektedir. Dünyada her yıl meydana gelen, trafik kazalarına
bağlı ölümlerin %48’inden sorumlu olan 10 ülke içerisinde, ne yazık
ki Türkiye’de bulunmaktadır ve kaza kurbanlarının önemli bir oranını
çocuklar ve gençler oluşturmaktadır. Bu olumsuz tablonun düzeltilmesi
ve gelecekte güvenli bir trafik ortamının sağlanabilmesi için, özellikle
genç yol kullanıcılarla (sürücü-yaya-yolcu) ilgili önlemlerin bugünden
alınması gereklidir. Bu çalışmada, Gazi Üniversitesi Gazi Meslek Yüksek Okulu (GMYO) öğrencilerinin yol ve trafik güvenliğe kavramına bakışlarını ortaya koymak ve trafikteki riskli durumlara yönelik algılarını
tespit etmek amaçlanmıştır. Bu amaçla; 17–20 yaş grubundaki toplam
401 öğrenciye, 30 sorudan oluşan bir anket uygulanmış, 6 öğrenci ile
Odak Grup Görüşmesi yapılmıştır. Çalışmada öğrencilerin, özellikle hız
ve emniyet kemerine yönelik mevcut risk algılarının belirlenmesine çalışılmıştır.
Anahtar Kelimeler: Trafik güvenliği, risk algısı, gençler.
ABSTRACT
When the traffic statistics are analyzed in Turkey, it is seen that 90%
of the accidents result from faults of drivers and 9% from pedestrians fault. Turkey is unfortunately among the 10 countries which are
responsible for the 48% of the deaths resulting from traffic accidents
around the world each year, and children and young people constitute
a significant proportion of the accident victims. Respective measures
should be taken as of today especially in respect with the young road
users (drivers-pedestrians-passengers) in order to change this negative
* Yrd. Doç. Dr., Gazi Üniversitesi, Trafik Planlaması ve Uygulaması Anabilim Dalı, GMYO
**Yrd. Doç. Dr., Gazi Üniversitesi, Trafik Planlaması ve Uygulaması Anabilim Dalı, GMYO
**Yrd. Doç. Dr., Gazi Üniversitesi, GMYO
56
Gazi Meslek Yüksek Okulu Öğrencilerinde
Trafikte Risk Algısı
situation and to ensure a safe traffic environment in the future. The
study aims to present viewpoints of Gazi Vocational Colleges’ (GMYO)
students on road and traffic safety concept and to detect their perceptions of risky situations in the traffic. A questionnaire comprising
30 questions was conducted on totally 401 students, and focus group
discussions were performed by 6 students representing sample. With
this study, tried to determine students’ perceptions of the risk of speed
and safety belt and changes.
Keywords: Traffic safety, risk perception, youth.
Giriş
Dünya Sağlık Örgütü (DSÖ) (WHO, 2013), her yıl dünyada meydana gelen trafik kazası kaynaklı 50 milyondan fazla yaralanmayı ve 1 milyon 300 bini aşkın
ölümü, önlenebilir bir halk sağlığı sorunu olarak kabul etmektedir. DSÖ verilerine göre trafik kazası kaynaklı ölümler, meydana gelen tüm ölüm nedenleri
arasında 9. sırada yer almaktadır ve gerekli müdahalelerde bulunulmaması
durumunda, 2030 yılında bu ölümlerin 5. sıraya yükseleceği tahmin edilmektedir. Türkiye’de ise, her yıl on bini aşkın kişi, trafik kazalarında ölmekte ve iki
yüz bini aşkın kişi de yaralanmaktadır. Yani, Türkiye’deki yollarda her gün 27
kişi ölmekte, yaklaşık 550 kişi de yaralanmaktadır ve yaralananlardan bazıları
ömürleri boyunca sakat kalmaktadır.
Dünya Sağlık Örgütü verilerine göre; 14–19 yaş arasındaki gençlerin
ölüm nedenleri arasında trafik kazaları birinci sıradadır. Türkiye’de trafik kazaları çocuklar ve gençler için önde gelen ölüm nedenleri arasındadır (Youth
and Road Safety, 2013). Sağlık Bakanlığı tarafından 2003 yılında yapılan ulusal
hastalık yükü çalışmasına göre trafik kazaları, ölüme neden olan ilk 10 hastalık
arasında 9. sırada yer almaktadır. 0–14 yaş grubunda, ölüme neden olan ilk
yirmi hastalık içerisinde ise, trafik kazaları erkeklerde 6. sırada, kadınlarda 7.
sıradadır. 15–24 yaş grubunda ise seçilmiş 150 ölüm nedeni arasında trafik
kazaları, erkeklerde 3. sırada, kadınlarda 7. sırada yer alır.
2007 yılında, yol güvenliği savunucusu 400 gencin katılımı ile oluşturulan Dünya Gençlik Meclisi’nde küresel bir gençlik ağı kurulması istenmiştir.
Bu isteği takiben “Youth For Road Traffic Safety YOURS” projesi hayata geçirilmiş ve bir web sitesi oluşturulmuştur. YOURS organizasyonunun amacı,
dünya üzerinde yaşayan hiçbir gencin, trafik kazası nedeniyle ölmemesi ya
da yaralanmamasını sağlamaktır. Trafik kazalarının önlenebilir olduğunu ve
şimdiden harekete geçilmesi gerektiğini savunan organizasyon; farkındalık
yaratmayı, dünya üzerindeki gençleri yol güvenliği konusunda ortak bir
paydada birleştirmeyi ve kapasite geliştirmeyi hedeflemektedir.
57
Avrupa Komisyonu (European Commission, Transport/Road Safety Projects) tarafından finanse edilen “Yol Kullanıcıların Güvenliği için Kültürlerarası
Yaklaşımlar (Inter-Cultural Approaches for Road Users Safety, ICARUS)” projesi (ICARUS, 2013); 14 Avrupa ülkesinin içinde bulunduğu, Nisan 2009 da başlayan ve 30 ay süren bir projedir. Projede; yol güvenliğini tehlikeye sokan genç
sürücülerin davranışlarını etkileyen faktörleri tespit etmek, bu davranışları
önlemek üzere özel eğitim programları oluşturmak, konu ile ilgili araştırmacılar, eğitimciler ve denetleme personeli arasında bir ağ kurmak hedeflenmiştir.
2011 yılında dördüncüsü gerçekleştirilen Yol Güvenliği Avrupa Gençlik
Forumu’nda (The European Youth Forum for Road Safety), önümüzdeki 10 yılı
kapsayan “Gençlik Odaklı, Sürdürülebilir Yol Güvenliği Eylem Planı”nın gerekliliğinden bahsedilmiştir. Yine bu forumda gençlerin trafik güvenliğini sağlamak üzere pek çok çalışma gerçekleştirilmektedir.
Yine Avrupa Komisyonu tarafından finanse edilen “Avrupa’daki Gençlerin Yol Güvenliği (Road Safety for Young People in Europe, ROSYPE)” projesi
ile, 6-25 yaş aralığında bulunan ve Avrupa bölgesinde yaşayan gençlerin ve
çocukların yol güvenliğine yönelik farkındalıklarını arttırmak amaçlanmaktadır (ROSYPE, 2013). 2009 yılında başlayan projenin 2012 Haziran ayında bitirilmesi planlanmıştır. Projede, yeni öğretim yaklaşımları ve yeni teknolojilerin
kullanılması ile bir kampanya hazırlanmıştır.
Türkiye’de yürütülmüş ve halen yürütülmekte olan “Yol ve Trafik Güvenliği” ni arttırmaya yönelik projelerde, genç sürücülere yönelik çalışmalar
mevcut olmakla birlikte, özellikle üniversite gençliğine odaklanan ve yine
özellikle bu grubun trafikteki risk algılarını yükseltmeyi, güvenli ve doğru
tutum ve davranışları benimsemelerini amaçlayan bir çalışma yapılmamıştır.
Türkiye’de trafik güvenliğine yönelik yapılmış çalışmalardan bazıları şunlardır:
Trafikte Sorumluluk Hareketi (TSH 2013): Türkiye’de can ve mal
kayıplarına yol açan en ciddi sorunlardan birisi olan trafik konusunda
koruyucu önlemler alınması ve sorumluluk bilincinin geliştirilmesi amacıyla
ve toplumda farkındalık yaratmak için, Ulaştırma, Denizcilik ve Haberleşme
Bakanlığı’nın koordinasyonunda, 2010 yılında hayata geçirilen Trafikte
Sorumluluk Hareketi, trafik güvenliğine yönelik sürdürülebilir, ölçülebilir
çözümler ve sonuçlar elde etmeyi planlamaktadır. Proje, hedef gruplara özgü
Güvenli Taşıt Hareketi, Can Dostları Hareketi ve Sorumlu Vatandaş Hareketi
olmak üzere üç alt projeyle devam etmektedir. Ayrıca kamuoyunda trafikte
sorumluluk konusunda farkındalık yaratmak amacıyla hedef gruplara özgü
eğitim modülleri geliştirilmiş, ulusal ve yerel medyada yayınlanmak üzere
tanıtım filmleri çekilmiştir. Projenin Sorumlu Vatandaş Hareketi bölümünde;
58
trafikte can güvenliği konusunda farkındalığı arttırmak ve trafikte sorumluluk
bilincinin gelişmesini sağlamak üzere, Halk Eğitim Merkezleri ve Üniversitelerde seminerler düzenlenmektedir.
Yol Güvenliği 10 Projesi: Dünya Sağlık Örgütü ile 5 konsorsiyum ortağı
tarafından, Türkiye’nin de içinde bulunduğu 10 ülkede yürütülmekte olan “Yol
Güvenliği 10 Projesi (Road Safety 10 RS10 Project)”, 2010 yılı Ocak ayında başlatılmıştır. Proje ile iki pilot ilde (Ankara ve Afyonkarahisar), iki risk faktörüne
(hız ve emniyet kemeri kullanımı) yönelik müdahale tedbirlerinin oluşturulması yoluyla, trafik kazaları sonucu meydana gelen ölüm ve yaralanmaların
azaltılması, ulusal düzeyde trafik güvenliğine yönelik bilinç ve farkındalığın
artırılması hedeflenmektedir. 5 yıl devam edecek olan projenin çalışmaları
devam etmektedir.
Ayrıca; Türkiye’de güvenli bir trafik ortamının oluşturulabilmesi için,
özel sektörün ve sivil toplum kuruluşlarının katkılarıyla bazı sosyal sorumluluk
projeleri de gerçekleştirilmiştir. Bu projeler; “Trafikte Dikkat 10000 Hayat”,
Bridgestone “Farım da Açık Yolum da”, Doğuş Otomotiv “Trafik Hayattır!”,
Renault “Sokakta İlk Adımlar, Temsa “Emniyeti Belden Bırakmayın”, Toyotasa
“İnsana Saygı, Trafikte Saygı”, Volvo Car Türkiye “Güvenli Sürüş Alkolsüz Sürücüdür.
Çalışmanın yazarları tarafından 2012–2013 yılları arasında, “Gazi Meslek Yüksek Okulu Öğrencilerinin Trafik Güvenliği Risk Algılarının Tespiti ve
Güvenli Trafik Bilincinin Arttırılması” başlıklı bir proje yürütülmüştür (Güvenli
Trafik, 2013). Söz konusu proje, Gazi Üniversitesi Bilimsel Araştırma Projeleri
Birimi tarafından desteklenmiştir. Proje ile Gazi Meslek Yüksek Okulu (GMYO)
öğrencilerinde “Trafik Güvenliği Bilinci”ni oluşturmak/arttırmak, konu ile ilgili
farkındalık yaratmak ve dikkat çekmek, trafik kuralları konusunda duyarlılık
geliştirmek ve duyarlı bireylerin sayısını artırmak, özellikle sürücü belgesine
sahip öğrencilerin, trafikteki tehlikeli durumlara yönelik risk algılarını tespit
etmek ve bu algılarını yükselterek trafik ortamında kalıcı ve doğru tutumdavranış geliştirmelerini sağlamak amaçlanmıştır. Projede öncelikle, hedef
kitledeki öğrencilerin trafik güvenliğe kavramına bakışlarını ve risk algılarını
belirlemek üzere bir anket uygulanmış, ayrıca anket sonuçlarını desteklemek
ve mevcut durumu tespit etmek üzere, belirli bir örneklem ile odak grup görüşmeleri yapılmıştır. Anket sonuçları ve odak grup görüşmeleri doğrultusunda bir eğitim semineri düzenlenmiştir. Eğitim semineri ve proje sürecindeki
bilgilendirmeler ile öğrencilerin risk algıları ve farkındalıkları artırılmaya çalışılmıştır. Semineri takiben; GMYO öğrencilerine tekrar anket uygulanmış, yine
belirli bir örneklem ile odak grup görüşmeleri yapılmıştır. Elde edilen sonuçlar
59
değerlendirilerek projenin etkisi ve başarısı ölçülmeye çalışılmıştır.
“Gazi Meslek Yüksek Okulu Öğrencilerinde Trafikte Risk Algısı” başlıklı
bu çalışma ise yürütülen bu projenin ilk bölümünü kapsamakta olup, çalışma
ile hedef kitledeki öğrencilerin, trafik güvenliği kavramına bakışları ve risk algıları ortaya konulmaya çalışılmıştır.
1.
1. GMYO Öğrencilerinin Trafik Güvenliğine Bakışı
Çalışmada gözlem, görüşme ve doküman analizi gibi nitel veri toplama
yöntemlerinin kullanıldığı nitel araştırma yöntemi kullanılmış, GMYO
öğrencilerinin trafik güvenliğine yönelik risk algılarının ortaya konulmasına
yönelik nitel bir süreç izlenmiştir. Proje ile öğrencilerin;
.
.
.
.
•
Yüksek hızın yaratacağı tehlikeleri öğrenmeleri/farkına varmaları,
•
Sürücü ve tüm yolcuların emniyet kemeri kullanmaları,
•
Araç kullanırken cep telefonu kullanmamaları,
•
Trafikte tehlike yaratmamaları ve tehlikeden kaçınmalarını sağlamak amaçlanmıştır.
Çalışmada, 401 kişiden oluşan bir örneklem grubuna, yüz yüze görüşme
tekniği kullanılarak Ek1-deki anket uygulanmış, belirli bir örneklem ile de
odak grup görüşmeleri yapılmıştır. Çalışmadan elde edilen bulgular aşağıda
özetlenmiştir.
1.1.Bulgular
1.1.1. Anket Bulguları
Anket sonuçlarından elde edilen temel bulgular şunlardır:
• Ankete katılan öğrencilerin %42 si kadın, %58 i erkektir.
•
Ankete katılanların %47 si 18, %38 i 19 ve %12 si ise 20 yaşındadır.
•
Ankete katılan öğrencilerin %34 ünde (kendisi ve ailesi) özel araç
(otomobil) bulunmakta, %66 sında ise özel araç bulunmamaktadır.
•
Ankete katılan öğrencilerin %38 i B sınıfı sürücü belgesine sahipken %61 nin ise sürücü belgesi yoktur. Ankete katılanlardan 1
kişinin ağır vasıta, 1 kişinin motosiklet, 1 kişinin de hem otomobil
hem de motosiklet sınıfı sürücü belgesi bulunmaktadır.
•
Ankete katılanların %60,8 ’i sürücü belgesine sahip olmadığı için
herhangi trafik cezası almamış, %32,4 ’ü ise sürücü belgesine
sahip olmakla birlikte yine hiç trafik cezası almamıştır. Ankete
katılanlardan sürücü belgesine sahip %1,7 oranındaki öğrenciler
hız, %0,2 oranında emniyet kemeri, %0,5 oranında alkol, %1
oranında park cezası almışlardır.
60
•
Ankete katılan öğrencilerin %66,6’sı bir trafik kazası geçirmemiştir.
Katılımcıların %7,2’si sürücü olarak, %6,2’si yaya olarak ve % 17,5’i
de yolcu olarak bir trafik kazası geçirmiştir.
•
Ankete katılan öğrencilerin %21’i, ailesi/yakın çevresinden birini
trafik kazasında kaybetmiştir.
•
“Sürücü-yaya-yolcu olarak trafikte riskli davranışları biliyor musunuz?” sorusuna, öğrencilerin %89’u evet, %11’i ise hayır cevabını
vermiştir.
1.1.2. Risk Algısı Bulguları
GMYO öğrencilerine uygulanan anket ile özelikle hız ve emniyet kemeri konularında öğrencilerin risk algıları belirlenmeye çalışılmıştır. Bununla birlikte
öğrencilerin; araç sürerken cep telefonu kullanımı, alkollü araç kullanımı, yaya
olarak karşıya geçişler, trafik canavarı kavramı ve trafikte kadercilik anlayışına
bakışlarını ortaya koymak üzere bir grup soru daha sorulmuştur. Elde edilen
sonuçlar aşağıda özetlenmektedir.
•
Öğrencilerin %93’ünün yüksek hızı bir trafik kazası olarak görmeleri
yüksek hızı tehlikeli/riskli bir durum olarak değerlendirdiklerini
göstermektedir.
•
Denetleme olmadığı zaman yasal hız limitinin aşılabileceğini düşünen öğrencilerin oranının %25 olması Türkiye gerçeğini yansıtan bir
orandır ve denetlemenin önemini ortaya koymaktadır.
•
“Sürücü tecrübeli ise yüksek hız tehlike oluşturmaz” sorusuna verilen katılmıyorum cevabının oranı, öğrencilerin büyük bir bölümün,
sürücü tecrübeli de olsa yüksek hızın tehlikeli yaratacağına inandıklarını göstermektedir.
•
“Hız arttıkça aracın kontrolü güçleşir” sorusuna verilen katılıyorum
cevabının oranı da, öğrencilerin büyük bir bölümünün, hız artışının
araç kontrolünü azaltacağını bildiklerini göstermektedir.
•
“Hız arttıkça kazanın ölümle sonuçlanma olasılığı çok yükselir” sorusuna verilen cevaplar da, öğrencilerin %95’inin, hız arttıkça kazanın ölümle sonuçlanma olasılığının çok yükseldiğini bildiklerini
ortaya koymaktadır.
•
“Yüksek hızda araç kullanmak bir beceri işidir” sorusuna verilen
%46 oranındaki katılıyorum cevabı düşündürücüdür. Yüksek hızda
araç kullanmayı bir beceri olarak kabul eden öğrenciler için bu durum (sürüş yeteneği yüksekse), yüksek hızı kabul edilebilir kılmaktadır.
•
Öğrencilerin %77’si, hız artışı ile birlikte görüş netliğinin azaldığını
bilmektedir.
61
•
Öğrencilerin %57’sinin “yüksek teknolojili araçlar çok daha kısa
mesafede dururlar” sorusuna katılıyorum cevabını vermiş olmaları, Türkiye’deki yol kullanıcıların sahip olduğu genel bir kanıya
paralel olmakla birlikte doğru bir bilgiye sahip olmadıklarını göstermektedir.
•
“Yasal hız limitlerinde araç sürmek tehlikeli durumlarda sürücüye
zaman tanır” sorusuna verilen %75 katılıyorum cevabı, öğrencilerin önemli bir bölümünün, yasal hız limitlerinde araç sürmenin gerekliliklerinden birini bildiklerini göstermektedir.
•
Öğrencilerin %45’inin hızlı gitmenin zamandan büyük oranda tasarruf sağladığına inanmaları yine bu öğrenciler için hızlı gitmeyi
kabul edilebilir kılmaktadır. Ancak bu soruya verilen %52 oranındaki katılmıyorum cevabı, öğrencilerin yarısının, hızlı gitmenin zamandan büyük oranda tasarruf sağlamayacağına inandıklarını göstermektedir.
•
“Arka koltukta emniyet kemeri takmaya gerek yoktur” sorusuna
verilen %83 oranındaki katılmıyorum cevabı, öğrencilerin büyük
oranda, yasal olarak da bir zorunluluk olan arka koltukta emniyet
kemeri takılmasının, gerekli olduğunu bildiklerini göstermektedir.
•
“Doğru takılmış emniyet kemeri ağır yaralanma riskini azaltır” sorusuna öğrencilerin tamamına yakınının katılıyorum cevabı vermesi
sevindiricidir ve öğrencilerin emniyet kemeri kullanım amacını
bildiklerini göstermektedir.
•
Yine Türkiye’deki yol kullanıcıların sahip olduğu genel bir kanı olan,
kısa yolculuklarda emniyet kemeri takmaya gerek yoktur düşüncesine sahip öğrencilerin oranı %18 ’dir. Ancak öğrencilerin %79 ’u bu
gerekliliği bilmektedir.
•
“Araçta hava yastığı var ise emniyet kemeri takmaya gerek yoktur”
sorusuna verilen cevaplar ile öğrencilerin yaklaşık tamamının, bu
bilginin doğru olmadığını bildikleri anlaşılmaktadır.
•
“Emniyet kemeri kaza anında araçtan çıkmaya engel olur” sorusuna %65 oranında verilen katılıyorum cevabı, öğrencilerin önemli
bir bölümünün, emniyet kemeri ile ilgili bu yanlış bilgiye sahip olduklarını göstermektedir.
•
Hızlı ve yoğun akan bir trafikte karşıya geçmenin bir beceri olduğunu düşünen öğrencilerin oranı %27 ’dir. Yayalar için böylesine riskli
bir durumu, öğrencilerin %27 oranında kabul edilebilir bulması düşündürücüdür.
62
•
“Yasal alkol limitlerinde bile olsa alkollü iken araç kullanılmamalıdır” sorusuna verilen cevaplar ile öğrencilerin büyük bir bölümünün, alkollü araç kullanmanın yaratacağı riskleri bildikleri anlaşılmaktadır.
•
“Araç sürerken kulaklıkla bile olsa cep telefonu ile konuşmak tehlikelidir” sorusuna öğrencilerin %24 ’ü katılmıyorum cevabını vermiştir.
•
“Trafik kazaları genellikle trafik canavarları nedeniyle meydana gelir” sorusuna verilen cevaplar, kural ihlallerini ve hataları ötekileştirerek başkalarına yükleyen “Trafik Canavarı” kavramının GMYO
öğrencilerinin ¾ tarafından da kabul gördüğünü göstermektedir.
•
Bir trafik kazasında kadercilik anlayışına bakışlarını sorgulayan
“Eğer bir trafik kazası olacaksa ben ne yaparsam yapayım olacaktır” sorusuna, öğrencilerin %60 ’ı katılmıyorum cevabını vermiştir.
1.1.3. Odak Grup Görüşmesi Sonuçları
Proje kapsamında altı öğrenci ile odak grup görüşmesi gerçekleştirilmiştir.
Görüşmelerde katılımcılara trafik güvenliği konusundaki risk algılarını ölçmek
için toplam on iki soru yöneltilmiştir. Sorular yarı yapılandırılmış açık uçlu
sorulardır. Sorular katılımcıların sürücü, yaya ve yolcu oldukları düşünülerek,
farklı kimliklerini içeren yapıda hazırlanmıştır. Görüşmeden önce katılımcıların
demografik özelliklerini ortaya koymak amacıyla altı soruluk bilgilendirme
formu dağıtılmıştır. Formlar toplandıktan sonra görüşme gerçekleştirilmiştir.
Katılımcılara trafik deyince ne anladıkları, trafiği hayatlarında nasıl bir
yere koydukları sorulduğunda yer yer farklılaşan yer yer de kesişen cevaplar
verilmiştir. Katılımcıların çoğu trafik denilince kazalar ve kuralları düşündüklerini ifade etmişlerdir. Erkek katılımcıların trafikte sürücü kimlikleri öne çıkarken, bayan katılımcıların daha çok yaya ve yolcu kimlikleri ile trafiği anlamlandırdıkları görülmektedir. Tüm katılımcılar için trafik hayatlarında önemli bir
yere sahiptir ve zamanlarının önemli bir kısmını kaplamaktadır.
Katılımcılara araç kullanırken hız hakkındaki düşünceleri sorulduğunda, genelinin hız yapmaktan hoşlandığı, bayan katılımcıların hız konusunda
erkeklere göre daha temkinli yaklaştığı söylenebilir. Erkek katılımcılar, gelişen
araba teknolojilerinin ve yolların onları hız yapmaya ittiğini de ifade etmektedir. Katılımcıların çoğunun yasal hız limitleri hakkında doğru bilgiye sahip
olduğu görülmektedir.
Katılımcılara araç içinde emniyet kemeri kullanımı hakkındaki düşünceleri sorulduğunda, hepsi emniyet kemerinin gerekli olduğunu düşünmektedir.
Ama uygulamada, erkek öğrencilerin bir kısmı zaman zaman takmadıklarını
ifade etmişlerdir. Bunun nedeni olarak mesafenin kısalığı, kemerlerin rahatsız
edici olması gerekçe olarak gösterilmektedir.
63
Katılımcıların çoğu araç içinde cep telefonu kullanımını yanlış bulmaktadır. Ama hepsi, mecbur kaldıkları için çoğu zaman istemeseler de araç içinde ya da yolculuk esnasında cep telefonu kullandıklarını ve mesaj atıp, okuduklarını ifade etmektedirler.
Katılımcıların çoğu alkollü araç kullanımı hakkında ortak görüşe sahiptir. Alkollü araç kullanmanın yanlış olduğunu düşünmektedirler. Çoğu alkol almadıklarını, alkollü araç kullanmadıklarını ifade etmişlerdir. İki katılımcı alkol
almaktadır ama alkollü araç kullanmadıklarını söylemişlerdir.
Katılımcıların çoğu trafikte karşılaştıkları en önemli tehlikenin hız olduğunu düşünmektedir. Ardından trafikte insanların birbirini anlamadığını
ve sinirlerine hakim olamayarak hata yaptıklarını ifade etmişlerdir. Özellikle
bayan katılımcılar, erkeklerin kendilerine küçümseyerek bakmalarının ve aşırı
özgüvenlerinin de bir tehlike olduğuna işaret etmişlerdir. Katılımcıların çoğu
trafikte uygulanan cezaların gerekli olduğuna inanmaktadır. Fakat cezaların
uygulayanlar tarafından kötü niyetli kullanılmaması gerektiğini düşünmektedirler. Cezaların da gelişen dünya ve teknolojiye uygun hale getirilmesi gerektiğini ifade etmişlerdir.
Katılımcılardan görüşme sonunda trafik güvenliği ile ilgili bir slogan
üretmeleri istenmiştir. İki katılımcı slogan üretebilmiştir. Bir katılımcı, “Güvenli birey, güvenli trafik” sloganını, bir diğeri ise “Trafikte hız öldürür, dikkat güldürür” sloganını oluşturmuştur.
Sonuç ve Öneriler
Ankete katılan öğrencilerin %66,6 ’sı bir trafik kazası geçirmemiştir. Katılımcıların %7,2 ’si sürücü olarak, % 6,2 ’si yaya olarak ve % 17,5 ’i de yolcu olarak bir trafik kazası geçirmiştir. Sürücü-Yaya-yolcu olarak trafik kazası geçiren
öğrencilerin toplam oranı %30,9’dur. Bu oran oldukça yüksek bir oran olup,
GMYO öğrencilerinin trafik güvenliği konusunda farkındalıklarının arttırılması
ve risk algılarının yükseltilmesi gerekliliğini ortaya koymaktadır. Ankete katılan
öğrencilerin %21’i, ailesi/yakın çevresinden birini trafik kazasında kaybetmiştir. Bu oranın oldukça yüksek bir oran olduğu düşünülmekte olup, Türkiye’de
trafik kazalarında meydana gelen ölümlerin etkilediği sosyal çevre oranının da
oldukça yüksek olduğunu gösterdiği düşünülmektedir.
Öğrencilerin %93’ünün yüksek hızı bir trafik kazası nedeni olarak görmeleri, %82’sinin sürücü tecrübeli bile olsa yüksek hızın tehlike oluşturabileceğini düşünmeleri, %89’unun hız arttıkça aracın kontrol edilmesinin güçleşeceğini bilmeleri, %95’inin de hız arttıkça kazanın ölümle sonuçlanma
olasılığının çok yükseleceğini düşünmeleri, öğrencilerin hız limitleri üzerinde
araç kullanmayı tehlikeli bir durum olarak gördüklerini göstermektedir. Söz
konusu yaş grubu için, hız konusundaki bu farkındalık sevindirici bir sonuç
olarak değerlendirilmektedir. Ancak “Yüksek hızda araç kullanmak bir bece-
64
ri işidir” sorusuna verilen %46 oranındaki katılıyorum cevabı ile öğrencilerin
%45’inin hızlı gitmenin zamandan büyük oranda tasarruf sağladığına inanmaları düşündürücüdür. Zira, yüksek hızda araç kullanmayı bir beceri olarak
kabul eden öğrenciler için bu durum, yüksek hızı bazı koşullarda kabul edilebilir kılmaktadır.
Öğrencilerin %57 ’sinin, yüksek teknolojili araçlar ile çok kısa mesafe
durabileceklerini düşünmeleri, toplumdaki diğer yol kullanıcılarda da kabul
gören bu yanlış bilginin düzeltilmesinin gerekliliğine işaret etmektedir. Yanlış
yerleşmiş bu bilginin düzeltilmesinde sürücü kursları, yazılı görsel ve sosyal
medya ile trafik güvenliği kampanyalarından faydalanılabileceği düşünülmektedir.
Her ne kadar “Doğru takılmış bir emniyet kemeri, ağır yaralanma riskini büyük oranda azaltır” sorusuna öğrencilerin tamamına yakınının (%96)
katılıyorum cevabı vermesi sevindirici olmakla birlikte, “Otomobillerin arka
koltuklarında emniyet kemeri takmaya gerek yoktur” sorusuna verilen %83
oranındaki katılmıyorum cevabı, öğrencilerin büyük oranda, yasal olarak da
bir zorunluluk olan arka koltukta emniyet kemeri takılmamasının yaratacağı
risklerin farkında olmadıklarını göstermektedir.
“Emniyet kemeri bir kaza anında araçtan çıkmaya engel olur” sorusuna
%65 oranında verilen katılıyorum cevabı, öğrencilerin önemli bir bölümünün
emniyet kemeri ile ilgili bu yanlış bilgiye sahip olduklarını göstermektedir.
Yine bu bilginin de; sürücü kursları, yazılı görsel ve sosyal medya ile trafik
güvenliği kampanyaları aracılığı ile düzletilmesi gerekmektedir.
“Araç sürerken kulaklık kullanarak bile olsa cep telefonu ile konuşmak
tehlikelidir” sorusuna verilen %24 oranındaki katılmıyorum cevabı, üzerinde
durulması gereken bir orandır. Zira bu oran, öğrencilerin ¼ ünün araç sürerken cep telefonu ile konuşulabileceğine inandıklarını, bu konudaki riskleri bilmediklerini ya da farkında olmadıklarını göstermektedir.
“Trafik kazaları çoğunlukla trafik canavarı olarak ifade edilen sürücüler nedeniyle meydana gelir” sorusuna verilen cevaplar, kural ihlallerini ve
hataları ötekileştirerek başkalarına yükleyen “Trafik Canavarı” kavramının
GMYO öğrencilerinin ¾ tarafından da kabul gördüğünü göstermektedir. Özellikle kural ihlali yapan ve trafik içerisinde tehlikeli davranışlarda bulunan yol
kullanıcıların, kendi yaptıkları hataları görmeyip bu tutumlarını, kural ihlali yapan diğer yol kullanıcılar nedeniyle yaptıklarını düşünmeleri, mutlak surette
düzeltilmesi gereken bir konudur. Bu konuda da ivedilikle çözüm arayışlarına
gidilmesinin gerekli olduğu düşünülmektedir.
Bir trafik kazasında kadercilik anlayışına bakışlarını sorgulayan “Eğer bir
trafik kazası olacaksa ben ne yaparsam yapayım olacaktır” sorusuna, öğrencilerin %60 oranında katılmıyorum cevabı vermeleri sevindiricidir. Zira öğrenci-
65
lerin %60’ı, bir trafik kazası olmaması için kendilerinin yapılabilecekleri şeyler
olduğuna inandıkları anlaşılmaktadır.
Kaynakça
Güvenli Trafik (2013). “Güvenli Trafik Projesi”, (http://www.guvenlitra
fik.org/safe_traffic_project/, (erişim tarihi: 25.08.2013).
ICARUS (2013). “Inter-Cultural Approaches for Road Users Safety, ICARUS”,
European Commision Road Safety Projects, 2009-2011,(http://
www.webicarus.eu, (erişim tarihi: 25.08.2013).
Transport Scotland National Transport Agency, (2011). National Debate on Young Drivers’ Safety: Final Report”, (http://www.transportscotland.
gov.uk/strategy-and-research/publications-and-consultations/
j13564-00.htm, 2013).
Rose25 (2013). Inventory And Compiling of a European Good Practice Guide on Road Safety Education Targeted at Young People, ROSE25,
Final Report, European Commision Road Safety Projects, http://
ec.europa.eu/transport/rose25/index_en.htm, (erişim tarihi:
25.08. 2013).
ROSYPE (2013). “Road Safety For Young People in Europe, ROSYPE”, European Commision Road Safety Projects, http://ec.europa.eu/transport/road_safety/specialist/projects/index_en.htm, (erişim tarihi:
25.08.2013).
TSH (2013). “Trafikte Sorumluluk Hareketi”, http://www.trafikhareketi.org/
(erişim tarihi: 25.08.2013) 2013).
WHO (Dünya Sağlık Örgütü) (2013). http://www.who.int/en/, (erişim tarihi:
25.08.2013).
Youth and Road Safety (2013). “Youth and Road Safety in Europe: Policy
Briefing”, World Health Organization Regional Office for Europe,
2007. www.euro.who.int/document/e90142.pdf (erişim tarihi:
25.08.2013).
66
EK 1. Uygulanan Anket Formu
Proje: Gazi Meslek Yüksek Okulu Öğrencilerinin Trafik Güvenliği Risk Algılarının
GAZİ MESLEK YÜKSEK OKULU ÖĞRENCİLERİNDE
Tespiti ve Güvenli TrafikTRAFİKTE
Bilincinin
Arttı
rılması (Gazi Üniversitesi BilimRİSK
ALGISI
sel Araştırma Projesi)
EK 1. Uygulanan Anket Formu
Aşağıda sürücü, yaya, yolcu olarak bir trafik ortamında karşılaşabileceğiniz riskGazi Meslek Yüksek Okulu Öğrencilerinin Trafik Güvenliği Risk Algılarının Tespiti ve Güvenli Trafik
liProje:
durumlarla
ilgili algılarınızı tespit etmek üzere çeşitli sorular sorulmaktadır.
Bilincinin Arttırılması (Gazi Üniversitesi Bilimsel Araştırma Projesi)
Lütfen soruları okuyarak sizin için uygun olan kutuyu işaretleyiniz. Risk Algısı
Aşağıda sürücü, yaya, yolcu olarak bir trafik ortamında karşılaşabileceğiniz riskli durumlarla ilgili algılarınızı
Ölçeğinden
elde
edilen
35/2012-01
kodlu
G.Ü. sizin
Bilimsel
Araştı
tespit etmek üzere
çeşitli
sorularbilgiler
sorulmaktadır.
Lütfen soruları
okuyarak
için uygun
olanrma
kutuyu
işaretleyiniz. Risk
Algısı Ölçeğinden
elde edilen
bilgiler
35/2012-01
kodlu G.Ü.
Araştırma
Projesinde
Projesinde
kullanılacak
olup,
bunun
dışında
herhangi
birBilimsel
kişi veya
kuruma
kullanılacak olup, bunun dışında herhangi bir kişi veya kuruma verilmeyecek, cevaplar saklı tutulacaktır.
verilmeyecek,
cevaplar saklı tutulacaktır. Katkılarınız için teşekkür ederiz.
Katkılarınız için teşekkür ederiz.
Yrd.Doç.Dr. Aydan ÖZSOY Yrd.Doç.Dr. Seda HATİPOĞLU Yrd.Doç.Dr. Ebru ARIKAN ÖZTÜRK
Araştırmacı
Araştırmacı
Yaşınız
Cinsiyetiniz
Okuduğunuz Bölüm
Bayan
Proje Yürütücüsü
Bay
Evet
Sürücü belgeniz var mı?
Hayır
Otomobil
Ağır vasıta
Motorsiklet
Sürücü belgeniz var ise hiç trafik cezası aldınız mı?
Ceza aldıysanız hangi ihlale yönelik ceza idi?
Bir trafik kazası geçirdiniz mi?
Hız
Emniyet kemeri
Cep telefonu
Alkol
Park
Diğer
Sürücü olarak
Yaya olarak
Yolcu olarak
Bir trafik kazasında, ailenizden ve/veya yakın
çevrenizden birini kaybettiniz mi?
Sizin ya da ailenizin özel aracı var mı?
Sürücü, yaya, yolcu olarak trafikte riskli davranışları
bildiğinizi düşünüyor musunuz?
NOT: Tabloyu takip eden 20 soruluk anket gönderdiğiniz PDF dosyadaki gibi olacak, değişmeyecek.
1.
67
Yüksek hız bir trafik kazası nedenidir.
Katılıyorum
Katılmıyorum
Fikrim Yok
Hıza yönelik denetleme yok ise yasal hız limiti aşılabilir.
Katılıyorum
Katılmıyorum
Fikrim Yok
Sürücü tecrübeli ise yüksek hız bir tehlike oluşturmaz.
Katılıyorum
Katılmıyorum
Fikrim Yok
Hız arttıkça aracın kontrol edilmesi güçleşir.
Katılıyorum
Katılmıyorum
Fikrim Yok
Hız arttıkça bir kazanın ölümle sonuçlanma olasılığı çok yükselir.
Katılıyorum
Katılmıyorum
Fikrim Yok
Yüksek teknolojili araçlar çok daha kısa mesafede dururlar.
Katılıyorum
Katılmıyorum
Fikrim Yok
Hız arttıkça sürücü etrafını net göremez.
Katılıyorum
Katılmıyorum
Fikrim Yok
8.
Yüksek hızda araç kullanmak bir beceri işidir.
Katılıyorum
Katılmıyorum
Fikrim Yok
9.
Yasal hız limitlerinde araç sürmek, tehlikeli bir durumu fark etmek için gerekli zamanı tanır.
Katılıyorum
Katılmıyorum
Fikrim Yok
2.
3.
4.
5.
6.
7.
10. Hızlı gitmek zamandan büyük oranda tasarruf sağlar.
Katılıyorum
Katılmıyorum
Fikrim Yok
11. Otomobillerin arka koltuklarında emniyet kemeri takmaya gerek yoktur.
Katılıyorum
Katılmıyorum
Fikrim Yok
12. Doğru takılmış bir emniyet kemeri, ağır yaralanma riskini büyük oranda azaltır.
Katılıyorum
Katılmıyorum
Fikrim Yok
13. Kısa yolculuklarda ve düşük hızlarda emniyet kemeri takmaya gerek yoktur.
Katılıyorum
Katılmıyorum
Fikrim Yok
14. Araçta hava yastığı var ise emniyet kemeri takmaya gerek yoktur.
Katılıyorum
Katılmıyorum
Fikrim Yok
15. Emniyet kemeri bir kaza anında araçtan çıkmaya engel olur.
Katılıyorum
Katılmıyorum
Fikrim Yok
16. Hızlı ve yoğun akan trafikte karşıya geçmek bir beceridir.
Katılıyorum
Katılmıyorum
Fikrim Yok
17. Yasal alkol limitlerinde bile olsa alkollü iken araç kullanılmamalıdır.
Katılıyorum
Katılmıyorum
Fikrim Yok
18. Araç sürerken kulaklık kullanarak bile olsa cep telefonu ile konuşmak tehlikelidir.
Katılıyorum
Katılmıyorum
Fikrim Yok
68
19. Trafik kazaları çoğunlukla trafik canavarı olarak ifade edilen sürücüler nedeniyle meydana
gelir.
Katılıyorum
Katılmıyorum
Fikrim Yok
20. Eğer bir trafik kazası olacaksa ben ne yaparsam yapayım olacaktır.
Katılıyorum
Katılmıyorum
Fikrim Yok
Vol. 1, No.1, 2014
TÜRKİYE’DE TRAFİK KAZALARININ COUNT DATA
MODELİ İLE İNCELENMESİ
Examining the Traffic Accidents in Turkey By
Count Data Model
Emine Çoruh *
Abdulbaki Bilgiç **
Ahmet Tortum ***
ÖZ
Trafik kazaları, ülkemizde sebep olduğu maddi ve manevi kayıpların
büyüklüğü ile sürekli olarak büyüyen ve acil eylem gerektiren önemli
sağlık ve sosyal sorunlardan birisi olarak karşımıza çıkmaktadır. Karayolu kaza problemi; toplum sağlığı problemi, ekonomik problem, sosyal
problem ve trafik problemi gibi tüm gerçek boyutlarıyla algılandığı zaman ancak başarı sağlanabilecektir. Bu çok boyutlu karayolu güvenliği
problemi konusunda özellikle son yıllarda çözüm odaklı önemli istatistiki çalışmalar yapılmaktadır. Bu çalışma ile 81 il ve 2008, 2009 ve 2010
yılları (hem yatay kesit hem de zaman serisi) için trafik kaza sayısına etki
eden faktörler ‘Panel Count Data’ modelleri kullanılarak incelenmiştir.
Aynı zamanda da trafik kaza sayısına etki eden bu faktörlerin birimsel
etkileri gösterilmiştir. Kaza sayılarındaki değişkenliğin illerin bulunduğu
yedi coğrafi bölge arasında farklılığa neden olduğu bulunmuştur.
Anahtar Kelimeler: Trafik kazaları, panel count data modeli, ekonomik
ve demografik göstergeler.
ABSTRACT
Constantly growing intangible and material losses by traffic accident
are unfortunately identified as one of the major emerging health and
social problems in Turkey. Imperative actions are needed that account
for both public health and economic problems along with social strains
simultaneously to reduce the number of traffic accidents. Solution
oriented major statistical approaches have now emerged to account
for multi-dimensional problems of road safety in worldwide in recent
years. In this study, factors affecting the number of traffic accidents in
* Arş. Görevlisi, Atatürk Üniversitesi, Mühendislik Fakültesi, Sivil Mühendislik Bölümü, [email protected]
** Doç. Dr., Atatürk Üniversitesi, Ziraat Fakültesi, Tarım Ekonomisi Bölümü
***Doç. Dr. Atatürk Üniversitesi, Mühendislik Fakültesi, Sivil Mühendislik Bölümü
70
Türkiye’de Trafik Kazalarının Count Data
Modeli ile İncelenmesi
81 cities in subsequent 2008-2010 years were examined using various
panel count data models. Meanwhile, marginal effects of factors on
the number of traffic accident were derived along with their standard
errors. Results indicate that the number of traffic accidents varies significantly across seven geographic regions of the country.
Keywords: Traffic accidents, panel count data model, economic and
demographic indicators
Giriş
Dünya çapında trafik kazalarında her yıl yaklaşık 1,2 milyon insanın ölmekte
ve 50 milyon insanın da yaralandığı tahmin edilmektedir. Dünya Bankası verilerine göre, karayolu trafik kazalarında uğranılan maddi kayıplar, ülkelerin
her yıl gayri safi milli gelirlerinin %1–3 arasındadır (World Bank, 2003). Dolaylı
zararlar (fiziksel ve psikolojik maliyetlerden dolayı oluşan maliyetler) ise bunun üç ve dört katı olup toplam zarar ülkeler açısından küçümsenemeyecek
kadar fazladır. Gelişmiş ülkeler de bu rakam, %1’ den daha az olmakla birlikte,
bu sözü edilen meblağ çok büyük rakamlardır. Her ülkenin böyle bir kaynağı
kullanacağı ve kaybolmasına tahammül edemeyeceği açıktır (Al Haji, 2005, s.
7). Kayıpların yüksek rakamları ve maliyetlerinin yanında, birde çekilen acılar
eklendiğinde ülkelerin, yol güvenliğini artırma konusunda ihtiyaç duyulan
tedbirlerin alınmasına ne kadar acil ihtiyaç duyduğu görülmektedir (Hermans
vd., 2010, s.48).
Ülkemizde ise her yıl üç binden fazla kişi, trafik kazalarında ölmekte ve
iki yüz bin kişi de yaralanmaktadır. Diğer bir ifade ile her gün yollarda yaklaşık
10 kişi ölmekte ve 500’den fazla kişi de yaralanmaktadır. Toplam kaza sayısı
2007 yılında 800 bin civarında iken, 2012 yılında bu rakam 500 bin artarak
bir milyon üç yüz bin dolayında olmuştur. Fakat bu artışa karşın, ölü sayısı bu
beş yıllık dönemde 5 binden 3,750’ye düşmüş olmakla beraber yaralı sayısı
150 binden 268 bin dolayına yükselmiştir. Bu sonuçlar, ülkemizde kişi başına
artan gelirle birlikte artan araç sayısına karşın (araç firmalarının inanılmaz
cazip fiyat teklifleri vb. nedenler), beş yıllık dönemde (2007–2012) kazalara
anında acil yardım ile ilk müdahale, bölünmüş yol kilometresindeki artış, artan yol denetimi ve alternatif toplu taşımanın (hızlı tren) devreye girmesi ile
ölüm vakalarının düşüş eğilimine geçmiş olmasına sebep olarak gösterilebilir. Diğer taraftan kaza sayıları, kişi başına düşen milli gelirdeki artış, hızlı
kentleşme ve taşıt sahipliğindeki artış eğilimi ile birlikte artmakta ve bu olgu
gelişmekte olan ülkelerle yakın benzerlik göstermektedir (kgm.gov.tr, 2013).
Trafik kazaları neden oldukları sosyal, psikolojik acı ve sıkıntıların yanında, ülkemiz için büyük ekonomik kayıpları da beraberinde getirmektedir.
71
Karayolu taşımacılığı topluma büyük faydalar sağlamakla birlikte, bir
çok sosyal ve ekonomik maliyeti de bulunmaktadır. Örneğin, kazanın kendisine ait oluşturduğu maliyet, polis ve acil servis gibi idari masraflar, araç
hasarı, donanım, personel ve yol altyapısı gibi maliyetler, hastane, rehabilitasyon, protez gibi tıbbi harcamalar ve trafik sıkışıklığı sonucunda meydana gelen kayıplar, ekonomik yaşamda meydana gelen kayıplar, doğrudan ve dolaylı
maliyetleri de beraberinde getirmektedir. Sonuç olarak, her kaza ister istemez
tıbbi yardım, ekonomide potansiyel kayıp, ağrı-acı çekme, maddi hasar, hukuki ve polis maliyeti gibi sosyo-ekonomik maliyetleri doğurur (Brijs vd., 2003;
Quddus 2008; Lyubenow vd., 2010).
Bütün bu olumsuzluklara karşın ülkemizde, karayolu trafik güvenliği
konusunda son yıllarda önemli adımlar atılmış bulunmaktadır. Yapılan düzenlemelerin ortaya koyduğu olumlu yöndeki en önemli gelişmelerden biri Karayolu Taşıma Kanunu ile Yönetmeliği çıkarılmış olup, Avrupa Birliği’ne (AB)
uyumlu hale getirecek hükümler Trafik Kanunu’na eklenmiştir. Ayrıca ülkemizde şehirlerarası bölünmüş yol yapım çalışmaları son yıllarda büyük ivme
kazanmıştır. Karayolları Genel Müdürlüğü’nün (KGM, 2012, s. 205) verilerine
göre, Türkiye’de karayolu ağının toplam uzunluğu, 2,119 km otoyol, 32,525
km devlet yolu ve 30,405 km il yolu olmak üzere toplam 65,049 km’dir. Bu
yolların toplam % 22,25’i bölünmüş yol olarak karayolu ağına katılmış, toplamda karayollarının %3,25’ini otoyollar, %50’sini devlet yolları ve %46,75’ini
il yolları oluşturmaktadır. Karayolu ağımızın, otoyollar dâhil %35’i çok şeritli
yoldur.
Türkiye son on yıl içinde istikrarlı bir politika ile kişi başına gayri safi milli hâsılada önemli bir artış eğilimini yakalamıştır. Ülkemiz, Arjantin ve Çin’den
sonra % 5–6 oranında yıllık ekonomik büyümeyi son yıllarda düzenli bir şekilde
gerçekleştirmiştir. Ekonomideki bu istikrarlı büyüme, alt ve üstyapı sektörüne
büyük ölçüde yansımıştır. Bu bağlamda, trafik kazalarının ve sonucunda da
can kaybının azaltılmasına yönelik olarak ülkemizde, karayolları altyapısının
iyileştirilmesi için 15,000 km yeni “bölünmüş yol” yapım çalışmalarına, 3 Ocak
2003 tarihinde kamuoyuna duyurulan Acil Eylem Planı (AEP) kapsamında
başlanmıştır. 2003’te yaklaşık 6 bin km olan bölünmüş yollarımız 2012
yılında 16152 km’ye ulaşmıştır. Bu eylem planında amacın, yolların kapasitesini artırmak ve kaza sayısını olabildiğince azaltmak olduğu bildirilmiştir.
Kuramsal olarak “bölünmüş yol” yapımının, kazaları yaklaşık %35 azaltacağı
vurgulanmıştır.
Diğer taraftan, ekonomideki olumlu hava ülkelerin kalkınma sürecinde
hiçbir ülke coğrafyasında dengeli, homojen ve eşit biçimde başlamamış olup,
72
ekonomik faaliyetler coğrafi olarak hep bazı belirli bölgelerde yoğunlaşmıştır.
Dünya coğrafyasında ki bu eşitsiz görünüm özellikle son yıllarda giderek
artmıştır. Üretimin büyük kent merkezlerinde yoğunlaşması, bazı kentlerin
öne çıkması, ülkelerin/bölgelerin/illerin refah ve zenginlik seviyeleri arasında
ki farklılıklar doğrudan/dolaylı olarak her alanda olduğu gibi trafik alanında da
bölgeler arası farklılıkları oluşturmaktadır. Son yıllarda bu farklılıklar üzerine
oldukça ilgi çekici araştırmalar yapılmaya başlanmıştır (Köse vd., 2012, s. 78).
Ülkemizde bölgeler ve iller arasında tarihi, demografik, kültürel
faktörler, coğrafi etkenler ve doğal kaynaklar gibi birçok etken hemen hemen
her alanda farklılık gösterdiği gibi, trafik konusunda da farklılıkların oluşmasına
neden olmaktadır. Ülke düzeyinde illerin ve bölgelerin ölçülebilir, birbirleri ile
kıyaslanabilir ulaşım durumlarının ortaya konması gelecekte alınacak önlemler
ve ulaşım planlaması için büyük önem arz etmektedir (Gaygısız, 2010, s. 1894).
Aynı zamanda da ortaya konulan sonuçlar ile mevcut durumun yeterliliği ve
eksik yönleri ortaya çıkacak, böylelikle güncel ve gerçekçi değerlendirmelere
olanak verecektir. Dünyada karayolu karakteristiği ile kaza sıklıkları arasındaki
ilişkiyi incelemekte sıfır dahil pozitif tam sayı modellerinden (count data models1) Poisson (PO), Negatif Binominal (NB) ve bunların genelleştirilmiş yapıları
gibi birçok istatistiki yaklaşım kullanılmaktadır. Bu bağlamda, trafik kazalarının
nedenlerini anlama, insan, araç, sosyo-ekonomi, yol altyapısı, arazi kullanımı
ve çevre ile ilgili önemli faktörleri ve kaza sayılarındaki değişkenliği kontrol
etmede son yıllarda bu tür modeller çok sık kullanılmaktadır (Beenstock vd.,
2001; Washington vd., 2003; Kumara ve Chin, 2004; Quddus, 2008; Malyshkina ve Mannering, 2010; Son vd., 2010; Yaacob vd., 201; Rosenbloom ve
Eldror, 2013). Örneğin, Karlaftis ve Tarko (1998) Hindistan’da, Beenstock
vd., (2001) İsrail’de, Chin ve Quddus (2003) Singapur’da, Yaacob vd., (2011)
Malezya’da Rosenbloom ve Eldror (2013) İsrail’de Poisson ve Negatif Binominal modeller yardımı ile kaza sayılarında meydana gelen değişkenliği kontrol etmede sosyo-demografik, ekonomik ve diğer faktörler kullanılmıştır.
Trafik kazalarındaki değişkenliği kontrol etmede kullanılan sosyo-demografik ve ekonomik faktörlerle ilgili yukarıda değinildiği gibi uluslararası
çalışmalara çok sıkça rastlanmasına karşın, ülkemizde bu tür çalışmalara
maalesef pek rastlanmamıştır. Bu çalışma ile hem il (yatay kesit) hem de
zaman serisi (2008-2010) bağlamında trafik kaza sayısına etki eden faktörler ‘panel count data’ modelleri kullanılarak analiz edilecektir. Bilgilerimize
göre bu çalışma ülkemizde kendi sahasında ilkini oluşturmaktadır. Aynı zamanda modelde kullanılan değişkenlerde meydana gelen birim artışların kaza
Uluslararası literatürde Türkçe karşılığı sıfır dahil tam pozitif sayılara eş değer tanım genellikle ‘count data model’ olarak
bilinmekte olup bizde bundan sonraki açıklamalarımızda bu terimi kullanmayı tercih edeceğiz.
1
73
sayısında meydana getireceği birim etkilerinin (marjinal etkiler) boyutu ortaya konulacaktır. Bu çalışma, kaza sayısında etkin olan faktörleri ortaya koyacak; yerel ve ulusal politikacılara kaza sayısının en aza indirgenmesinde daha
etkin, sürdürülebilir politika ve altyapı projelerinin geliştirilmesinde öncülük
edecektir. Ayrıca bu çalışma, bölgeler arasındaki kaza sayıları farklılığını da
ortaya çıkaracaktır2.
Çalışmada veri ve modellerle ilgili detaylı bilgiler materyal ve yöntem
bölümünde sunulacaktır. Parametre katsayıları ve marjinal etkiler bulgular ve
tartışma bölümünde tartışıldıktan sonra, politika yapıcılarına, yerel ve genel
idari yöneticilerine ilişkin öneriler, sonuç ve öneriler bölümünde yer alacaktır.
1. Materyal ve Yöntem
1.1. Materyal ve Değişkenlerin Seçimi
Bu çalışmada, 2008, 2009 ve 2010 yıllarına ait 81 il için kullanılan; istihdam
oranı (%), tüketim harcamaları içerisinde ulaştırma (%), tüketim harcamaları
içerisinde alkol (%), illerin şehirleşme oranı, karayolu ağı yüzdesi (il ve devlet
yolu, otoyol), net göç hızı (%) ve eğitim düzeylerine göre nüfus ile sağlık çalışanı (uzman hekim, hekim, diş hekimi sayısı, hastane yatağı sayısı vb) verileri
Türkiye İstatistik Kurumundan elde edilmiştir. Yine çalışmada 81 il için 2008,
2009 ve 2010 yıllarına ait kaza sayısı, kırmızı ışık ihlali, hız sınırını %10’dan
%30’a kadar aşmak (512A), hız sınırını %30’dan fazla aşmak (512B) verileri
Emniyet Genel Müdürlüğünden (EGM) alınmıştır.
Hızlı ve sürekli olarak devam eden ekonomik gelişme, nüfus artışı,
şehirleşme ve motorlu araç sayısında artış ile birlikte, kentsel alanlara ağır
yüklenmeye ve dolayısı ile bu alanlarda büyük ölçeklerde ulaşım problemlerine
neden olmaktadır (Darçın, 2006, s. 18). Karayolu kaza sayısı ve büyüklüğü ile
gelir arasında negatif bir ilişki vardır. Gelirdeki artış daha güvenilir araçlar ve
daha gelişmiş altyapı olanakları ile zengin/gelişmiş/kalkınmış bölgelerde daha
az kayıp ve kazanın meydana gelmesinde rol oynar. Ancak gelirdeki gelişme
ile paralel olarak yapılacak seyahat uzunluğu (yüksek derecede kazaya maruz
kalma riski) ve tüketilecek alkol miktarı artar ve dolayısı ile Gayrı Safi Yurt İçi
Hasıla (GSYİH) ile kazalar arasında ters yönlü bir ilişki meydana gelir (Hakim
vd., 1991, s.380). Türkiye’de 2000 yılında meydana gelen ekonomik krizden
sonra, üç yıllık bir süreçte kazalarda azalma görülmesi bu savı destekleyici
bir örnek olarak verilebilir (Söylemezoğlu, 2006, s. 8). 2001’de OECD ülkelerinde yapılan bir çalışmada yüksek istihdam rakamlarının (1980-1994) ölüm
2
Bu makale 4. Karayolu Trafik Güvenliği Sempozyumu ve Sergisi’nde sunulan metne dayalı olarak geliştirilmiş ve
güncellenmiştir. Çalışma Atatürk Üniversitesi Bilimsel Araştırma Projesi tarafından desteklenmiştir. Proje No:2012/92 bu
kısmı başka bir yere almak gerekebilir.
74
cül kaza sayısında artış gösterdiği açıklanmış, sosyo-ekonomik ve kültürel
durumun yüksek seviyede olması ile insanın daha hareketli olmaya başladığı
belirtilmiştir. Bu sosyo-ekonomik seviyenin yükselmesi ile paralel olarak mobilitenin arttığı gözlemlenmiştir. Mobilete artışları bir araya geldiğinde ulaşım
talebinin ve dolayısı ile kaza sayısının arttığı belirtilmiştir (Karacasu, 1996, s.
6). Dünya Sağlık Örgütü (DSÖ), birçok çalışmada düzenli gelirle birlikte araç
başına ölüm oranının azaldığını, bunun temelinde GSYİH’nın artması ile
birlikte yüksek riskli araçlardan (yaya, bisiklet vb.) daha korunaklı araçlara
geçişin sağlanması veya ülkelerin güvenlik konusunda daha fazla fon ayırmaya
teşebbüs etmesinin olduğunu vurgulamıştır (Al Haji, 2005, s. 23).
Daha çok haberlerden takip edildiği üzere trafik kazalarının ardında
yatan önemli sebeplerden biri de alkol tüketimidir. Uzun yıllara ait veriler
dikkate alındığında Türkiye’de alkol tüketimi ve buna bağlı olarak trafik kaza
sayılarındaki artışı gözlemlemek mümkündür. Bu konuda yapılan çalışmalarda
alkol tüketimi ile kaza sayısı arasında pozitif yönlü anlamlı ilişki bulunmuştur
(Karagöz, 2004, s. 225). Diğer taraftan, polis gözetiminin sürücü hız ayarlaması
üzerinde etkisi olduğuna dair genel bir görüş vardır. Hız yapan sürücüler
incelendiğinde bir polis ekibinin yanından geçerken sürücülerin hızlarını
düşürdükleri gözlemlenmiştir. Dolayısı ile hız limitlerine uymayan sürücülerin
radar veya trafik polisi etkisi sonucu hız limitlerine uyan daha dikkatli sürüşler
gerçekleştirdikleri belirlenmiştir. Emniyet kemeri, kask kullanımı, alkollü araç
kullanımı, hızlı sürüş başta olmak üzere yapılan çalışmalarda,trafik kural ve
düzenlemeleri sürücü davranışında güvenli sürüşü artırıcı yönde etkili olduğu
belirlenmiştir (Aberg, 1998, s. 204-208). Bu bağlamda, Türkiye’de, Karayolları
Genel Müdürlüğü tarafından 1996 ve 2002 yılları arasında yürütülen
araştırmalarda, güvenli bir karayolu ulaşımı sağlanabilmesi için denetimlerin etkisinin %12 olduğu rapor edilmiştir (Kılıç, 2004, s. 4). Ayrıca, literatürde
daha önceki çalışmalarda hem alkol denetimlerinin hem de hız denetimlerinin
trafik kazalarını azaltmakta etkili olduğu ifade edilmiştir (Delice, 2012, s.3233). Çalışmada kullanılan değişkenlerle ilgili betimleyici istatistikler Tablo 1’de
sunulmuştur.
Uluslararası Trafik COUNT
ve Ulaşım Güvenliği
TÜRKİYE’DE TRAFİK KAZALARININ
DATA Dergisi
Journal of Traffic and Transportation Safety
MODELİInternational
İLE İNCELENMESİ
75
Tablo 1. Değişkenlere İlişkin Betimleyici İstatistikler
Tablo 1.Değişkenlere İlişkin Betimleyici İstatistikler
Değişkenler
Birim Tanım
Ortalama
Std. Sapma
VIF
Sayı
1366.819
1896.047
Bağımsız Değişkenler
Sürekli Değişkenler
İstihdam Oranı
Yüzde (%)
43,30535
8,179763
2,37640
Ulaştırma Harcaması
Yüzde (%)
14,05185
2,306447
1,93522
Alkol Harcaması
Yüzde (%)
4,408642
,643698
,971307
Şehirleşme Oranı
Yüzde (%)
62,97737
13,92749
2,05843
İl ve devlet yolu
Km
769,4691
444,1137
1,87255
Otoyol
Km
24,84774
51,17186
2,25808
Kırmızı ışık ihlali
Sayı
2040,300
3643,279
6,40308
Hız sınırını aşma (%10-%30)
Sayı
9760,432
12333,24
5,74529
Bağımlı Değişken
Kaza Sayısı
Hız sınırını aşma (%30 fazlası)
Net Göç Hızı
Eğitimli Kişi Başına Sağlık Çalışanı
Sayı
7008,745
8765,277
3,50651
Yüzde (%)
-3,986872
11,41612
1,52024
Sayı
,004186
,001479
1,46254
Kukla Değişkenler (0/1)
Marmara Bölgesi
1
,135802
-
3,05495
Ege Bölgesi
1
,098765
-
2,82739
Akdeniz Bölgesi
1
,098765
-
2,99590
İç Anadolu Bölgesi
1
,160494
-
3,37500
Karadeniz Bölgesi
1
,222222
-
5,50456
Doğu Anadolu Bölgesi
1
,172840
-
3,42211
1.2. Yöntem
Trafik kazaları; sıfır dâhil pozitif tam sayılardan oluşup, nadiren ve rassal olarak
meydana gelme özelliğine sahiptirler. Dolayısı ile kaza sayımlarında kısa bir
süre içerisinde önemli dalgalanmalar beklenilmekte ve bu özelliğinden dolayı
sayımlar negatif olmayan ayrık bir yapıya sahip olmaktadırlar. Genellikle de
kazaların bu özelliklerine rağmen kaza verilerini modellemek için yapısına uygun olmayan normal dağılımlı geleneksel lineer regresyon bir öngörü olarak
uygulanmaktadır (Hadayeghi vd., 2003, s. 4). Son yıllarda ise kaza parametrelerinin tutarsız, yanlı ve etkin olmayan sonuçlarından dolayı, kazaların
modellenmesinde sıkça kullanılan sürekli dağılım yerine kesikli dağılım olan
‘Count Data Modeli’ kullanılmaktadır. Count data öncelikle kesit, zaman serisi
ve panel olarak sınıflandırabilir (Quddus, 2008, s. 1735). Son yıllarda, Poisson ve Negatif Binom modelleri kesitsel ve zaman serilerine uygulanılmaya
başlanılmış ve analizlerde sabit ve rassal etkili yöntemler olarak kullanılmaya
devam etmiştir. Count data modelleri içerisinde de Poisson dağılımı daha
76
çok tercih edilmektedir. Poisson modeli genelde homojen şartlar (eşit varyans özelliğinden dolayı) altında iyi hizmet sunarken, Negatif Binominal modeli heterojen şartlar altında değişkenliği açıklamada kullanılmaktadır (Lord,
vd. 2004). Dolayısıyla, count data model genellikle iki nedenle yaygın olarak
kullanılmakta, ilki; kaza sayısının negatif olmayan tam sayı olması ve kaza verilerinin dağılımının tipik sağa çarpık olması, ikincisi ise kaza verilerinin tahmincilerle ilişkisinde varyansın artış göstermesinden kaynaklanmaktadır. Bu
özelliğe sahip verilere klasik lineer regresyon uygulanırsa sonuçlar, etkinsiz
ve sapmalı parametrelere neden olmaktadır. Yukarıdaki modellerle birlikte karayolu kaza sayıları için panel count data model analizleri, Hausman
tarafından 1984’de panel count data modelini geliştirmesi ile başlamıştır.
Karayolu güvenliğinde panel modeller özellikle son birkaç yılda popüler
çalışmalar arasına girmiştir. Hausman vd., (1984, s. 909), tarafından önerilen
hem sabit hemde rassal (rastgele) etkili panel count data modelleri karayolu
kazalarındaki değişkenliği açıklamak için uygulanmıştır. Yol kaza sayımlarının
negatif olmayan doğası ve ayrık yapısından dolayı sıradan en küçük kareler
yönteminin bu tip verileri modellemek için uygun olmadığı, sabit ve rassal etkili panel count data modellerinin daha avantajlı olduğu açıklanmıştır (Yaacob
vd., 2011, s. 1190).
Panel verilerinin önemli bir özelliği,sabit değişkenleri bir regresyon
denklemine dâhil etmeden onları kontrol etme yeteneğine sahip oluşudur.
Bu da genel olarak, bireysel değişkenliği kullanarak tahmincilere ulaşmak
ve bireyler üzerinden ortalama tahmincilere ulaşmakla mümkündür. Panel veriler için sabit etkiler Poisson regresyon modeli Cameron ve Trivedi
(2012) tarafından detaylı bir şekilde tarif edilmiştir. Bağımlı değişken, yit bireyler (i=1,...,n) ve zamana (t=1,...,Ti) bağlı olarak değişmektedir. Bu bağımlı
değişken, parametresi μit olan Poisson dağılımlı, bir veya birden fazla bağımsız
değişken xit setine bağlı ve aşağıdaki log-doğrusal fonksiyona sahiptir:
ln µit =
δ i + β x it , burada; µit =
eδ i + β xit =
α i λit , α i =
eδ i ve λit =
e β xit
Denklem 1.1.
Denklem 1.1’deki δi ‘sabit etki’dir ve baz alınacak olan il’e karşı yaklaşık her bir
80 ilin sabit etkisini ifade edecektir. Burada, panel sabit etki Poisson modeli
iki farklı şekilde modellenebilmektedir: İlki En Yüksek Olabilirlik Fonksiyonu
(Maximum Likelihood Function, MLE) yardımıyla Geleneksel Poisson Regresyon modeli ile her bir birey (il gözlemleri) için kukla değişkeni (80 adet kukla
değişkeni) kullanmak şartı ile sabit etki modelinde tahminciler elde edilebilir.
Burada, sabit etkiler, Poisson Regresyon modeli ile bireyler arasında sınırsız
heterojen sağlamasına karşın; modelin ortalama değeri varyansına eşit sayılmaktadır (denklem 1.2):
E(yit) = var(yit) = μit
Denklem 1.2.
77
Panel veri sabit etkili poisson yoğunluk ve olabilirlik fonksiyonları,sırasıyla:
( yit
| λit ) =
=
l (β )
∑{ y
f
n
e − λit λityit
yit !
ln λ − λ − ln=
y !}
n
∑ { y (δ
it
it
it
it
i 1=
i 1
it
i
}
+ β x it ) − e δ i + β xit − ln yit !
Denklem 1.3.
şeklindedir. İkinci yöntem ise, şartlıTolabilirlik fonksiyonu yardımı ile her bir
ilin üç yıl boyunca toplam kazaları ∑ yit ‘ye bağlı olarak aşağıdaki denklem
i =1
1.4 ile ifade edilir.
 β xit
e
f ( yit | λit ) = ∏∏ 
β xis
i
t  ∑e
 s





yit
Denklem 1.4.
Denklem 1.4.’e dikkat edilecek olursa şartlı olabilirlik fonksiyonu δi ortadan
kaldırmıştır. Fakat birçok veri setinde, model tarafından kestirilemeyen ekstra
hetorojenlik söz konusu olabilir. Bu heterojenliği gidermede ekstra bir parametre ile negatif binom modeli önerilmektedir. Böylece varyans genelde ortalama değerden fazla olmaktadır. Negatif binom yoğunluk ve olabilirlik fonksiyonları sırası ile denklem 1.5’de ki gibidir.
f
( yit
l (β
=
)
=
| λit , θ i ) =
n


i =1


n


i =1


Γ ( λit + yit )
 θi 


Γ ( λit ) Γ ( yit + 1)  1 + θ i 
∑  ln ( Γ ( λ
it
∑  ln ( Γ ( β x
yit
 1 


 1 + θi 
λit

 θi 
 1 
+ yit ) ) − ln ( Γ ( λit ) ) − ln ( Γ ( yit + 1) ) + yit ln 
 + λit 

 1 + θi 
 1 + θi 

it
 θi 
 1
+ yit ) ) − ln ( Γ ( β x it ) ) − ln ( Γ ( yit + 1) ) + yit ln 
 + β x it 
 1 + θi 
 1 + θi





Denklem 1.5
Burada, Γ sembolü gamma fonksiyonunu göstermektedir, θi parametresi her bir birey için zamana göre sabit ve λit aşağıdaki fonksiyonla bağımsız
değişkenlere bağlı olmaktadır:
E ( yit ) = θ i λit
var ( yit =
)
Denklem 1.6
( 1 + θ i ) θ i λit
Modele ait ortalama ve varyans aşağıdaki gibidir:
ln λit = β x it
Denklem 1.7
Denklem 1.7’de ortalamanın varyansa oranı (1+θi)’dır. Bu oran bireye karşı değişken, zamana karşı ise sabittir. Aynı şekilde, negatif binom modelinin şartlı
olasılık yoğunluk fonksiyonu denklem 1.8’de ki gibidir:
78

 

Γ  ∑ yit  Γ  ∑ λit 
Γ ( λit + yit )
t
  t

f ( yit | λit ,θ i ) = 
∏
Γ ( λit ) Γ ( yit + 1)


Γ  ∑ yit + ∑ λit  t
t
 t

Denklem 1.8
Bu denklemde θi parametresi yok olmaktadır. Benzere şekilde Poisson ve Negatif Binom modellerinde, rassal değişkenlerin elde edilişi ise her bir birey
α + ε i şeklinde yazmakla gerçekleşmektedir. Buyani il’e ait sabit etkiyi α =
i
rada, bütün bireylerin (bütün illerin) ortak sabit etkisi α ve gözlenemeyen
faktörlerin etkisi ε i diye iki kısımdan oluşmaktadır.
2. Bulgular ve Tartışma
Panel Poisson ve Negatif Binom Count veri analiz sonuçları Tablo 2 ve 3’de
verilmiştir. Sabit ve rassal etkili model sonuçlarına bakıldığında, Poisson ve
Negatif binom modellerinde istihdam oranı, şehirleşme oranı, il ve devlet
yolundaki artış, otoyol ve net göç hızı, kaza sayılarındaki değişkenliği pozitif yönde etkilerken, kırmızı ışık ihlali, alkol harcaması ve hız sınırını %30’dan
fazla aşma ihlali ceza sayılarındaki artışın kazalar üzerinde literatürdeki çok az
çalışmada da belirtildiği üzere negatif bir etkiye sahip olduğu görülmektedir.
Diğer taraftan rassal etki modellerinde, Güneydoğu Anadolu bölgesine göre
Marmara, Ege ve Akdeniz bölgelerimiz kaza sayılarındaki değişkenliği pozitif
yönde belirlemektedir.
Tablo
PanelPoisson
Poisson
Count
Veri Analizleri
(Sabit-Rassal
Etkili Modeller)
Tablo 2.
2. Panel
Count
Veri Analizleri
(Sabit-Rassal
Etkili Modeller)
Değişkenler
Sabit
İstihdam Oranı
Sabit Etkili
Katsayılar
t-değeri
Rassal Etkili
Katsayılar
t-değeri
-
-
3,128***
3,08
15,87
,008***
7,83
,009***
-
-
,022
,42
Alkol Harcaması
-
-
-,040
-,25
Şehirleşme Oranı
,045***
15,77
,041***
37,79
İl ve devlet yolu
,469D-04
,48
,000***
4,37
Otoyol
,003***
4,79
,003***
16,65
-,765D-05***
-5,52
-,730D-05***
-8,47
,171D-06
,38
,000
-,22
-,507D-06 ***
-1,01
-,987D-06***
-3,94
Net Göç Hızı
,001***
3,22
,001***
5,97
-12,783*
1,81
12,053***
5,26
Marmara
-
-
,435
1,45
Ege
-
-
1,130***
3,37
Akdeniz
-
-
,659*
1,66
İç Anadolu
-
-
,151
,37
Karadeniz
-
-
,308
1,21
Doğu Anadolu
-
-
-,062
-,21
,296
4,16
Alpha
Log-olabilirlik değeri
-1463,063
-1777,808
Net Göç Hızı
,001***
3,22
,001***
5,97
-12,783*
1,81
12,053***
5,26
Marmara
-
-
,435
1,45
Ege
-
Akdeniz
Uluslararası Trafi
Güvenliği Dergisi 3,37
- k ve Ulaşım
1,130***
-
-
,659*
1,66
İç Anadolu
-
-
,151
,37
Karadeniz
-
-
,308
1,21
Doğu Anadolu
-
-
-,062
-,21
,296
4,16
Alpha
-1463,063
79
-1777,808
Not: *p<0,5/**p<0,05/***p<0,001
Tablo
PanelNegatif
Negati
f Count
Analizleri
(Sabit-Rassal
Etkili Modeller)
Tablo 3.3.Panel
Count
VeriVeri
Analizleri
(Sabit-Rassal
Etkili Modeller)
Değişkenler
Sabit Etkili
Katsayılar
t-değeri
Rassal Etkili
Katsayılar
t-değeri
Sabit
5,637**
2,20
2,057***
2,80
İstihdam Oranı
,006**
2,57
,009***
2,99
-,167
-1,45
-,023
-,78
Alkol Harcaması
-,601
-1,36
-,023
-,21
Şehirleşme Oranı
,041***
11,20
,032***
7,51
İl ve devlet yolu
-,000
-,42
,001***
7,27
,004***
3,67
,004***
4,74
-,176D-05
-,38
-,858D-05*
-1,83
-,120D-05
-,67
,446D-06
,26
,843D-06
,68
,000
-,04
-,001
-,49
,001
,63
-17,181*
-1,73
-12,393
-1,28
5,471
1,01
,640***
2,68
Ege
4,124***
3,67
1,213***
4,73
Akdeniz
2,117***
2,67
,859***
2,84
İç Anadolu
1,939**
2,30
,467*
1,72
Karadeniz
2,276***
3,32
,462**
2,25
,700
1,11
-,090
-,40
A
-
-
5,757
3,78
B
-
-
25,133
3,49
Otoyol
Net Göç Hızı
Marmara
Doğu Anadolu
-852,706
-1555,478
Not: *p<0,5/**p<0,05/***p<0,001
Poisson ve negatif binom modellerinde bağımsız değişkenin beklenilen
değeri doğrusal olmadığından bağımsız değişkenlerin birimsel etkileri farklı
Tablo
4. Panel
Negatif
Count Veri Modellerine Ait Marjinal Etkiler (Sabit-Rassal Etkili Modeller)
bir
şekilde
elde
edilmektedir:
Değişkenler
İstihdam Oranı
Sabit Etkili
Katsayılar
t-değeri
11,461***
4,61
Rassal Etkili
Katsayılar
t-değeri
11,583***
15,87
-
-
30,355
,42
Alkol Harcaması
-
-
-54,583
-,25
Şehirleşme Oranı
61,266***
4,36
55,842***
37,79
İl ve devlet yolu
,064
0,47
,414***
4,37
Otoyol
3,374***
3,70
3,636***
16,65
-,011***
-4,73
-,010***
-8,47
Otoyol
,004***
3,67
,004***
4,74
-,176D-05
-,38
-,858D-05*
-1,83
Count-,120D-05
Data
-,67
,446D-06
,26
,843D-06
,68
,000
-,04
-,001
-,49
,001
,63
-17,181*
-1,73
-12,393
-1,28
5,471
1,01
,640***
Ege
4,124***
3,67
1,213***
2,117***
2,67
,859***
1,939**
2,30
,467*
,700
1,11
-,090
Hız sınırını
aşma
(%10-%30)
Türkiye’
de Trafik
Kazalarının
aşma
(%30 fazlası)
80Hız sınırını
Modeli
ile İncelenmesi
Net Göç Hızı
∂λit
mkMarmara
=
= β k e β xit
∂β k
 ∂m
Akdeniz
=
Var
( mk )  m
İç Anadolu  ∂β k
  ∂mm
Σ
  ∂β k
′


Burada
m bağımsız değişkenin2,276***
marjinal etkisini
göstermekte
ve
Karadeniz k
3,32
,462**
Doğu Anadolu
2,68
Denklem
2.1
4,73
2,84
∂1,72
mm
ilgili
2,25
∂β k
-,40
marjinal
etkinin parametreye göre- skor değerini
ve Σ 5,757
modelden elde
A
3,78 edilen
parametrelere
ait
varyans-ortakvaryans
matrisini
vermektedir.
Yukarıdaki
B
25,133
3,49
denklem
2.1’e
göre
değişkenlerin
kaza
sayıları
üzerindeki
marjinal
etkileri ve
-852,706
-1555,478
onların t-değerleri, Poisson ve Negatif Binom modelleri için sırasıyla Tablo
4 - 5’de verilmiştir.
Tablo 4. Panel Poisson Count Veri Modellerine Ait Marjinal Etkiler
(Sabit
Rassal
Tablo 4.
Panel Etkili
NegatifModeller)
Değişkenler
İstihdam Oranı
Sabit Etkili
Katsayılar
t-değeri
11,461***
4,61
Rassal Etkili
Katsayılar
t-değeri
11,583***
15,87
-
-
30,355
,42
Alkol Harcaması
-
-
-54,583
-,25
Şehirleşme Oranı
61,266***
4,36
55,842***
37,79
İl ve devlet yolu
,064
0,47
,414***
4,37
Otoyol
3,374***
3,70
3,636***
16,65
-,011***
-4,73
-,010***
-8,47
,000
,38
-,000
-,22
-,001
-1,01
-,001***
-3,94
Net Göç Hızı
1,774***
2,70
1,605***
5,97
17471,8*
1,81
16474,3***
5,26
-
-
594,395
1,45
Marmara
Ege
-
-
1543,86***
3,37
Akdeniz
-
-
901,219*
1,66
İç Anadolu
-
-
206,946
,37
Karadeniz
-
-
420,321
1,21
Doğu Anadolu
-
-
-84,766
-,21
Not: *p<0,5/**p<0,05/***p<0,001
Tablo 5. Panel Negatif Count Veri Modellerine Ait Marjinal Etkiler (Sabit-Rassal Etkili Modeller)
Değişkenler
Sabit
Sabit Etkili
Katsayılar
t-değeri
Rassal Etkili
Katsayılar
t-değeri
-
-
-
-
İstihdam Oranı
8,592**
2,57
12,681***
2,99
-,78
-227,759
-1,45
-31,366
Alkol Harcaması
-820,790
-1,36
-31,325***
-,21
Şehirleşme Oranı
56,175***
11,20
43,085***
7,51
Karadeniz
-
-
420,321
1,21
Doğu Anadolu
-
-
-84,766
-,21
81
Tablo 5 . Panel Negatif Count Veri Modellerine Ait Marjinal Etkiler
(Sabit-Rassal
Etkili Modeller)
Tablo 5. Panel Negatif
Değişkenler
Sabit
Sabit Etkili
Katsayılar
t-değeri
Rassal Etkili
Katsayılar
t-değeri
-
-
-
-
İstihdam Oranı
8,592**
2,57
12,681***
2,99
-227,759
-1,45
-31,366
-,78
Alkol Harcaması
-820,790
-1,36
-31,325***
-,21
Şehirleşme Oranı
56,175***
11,20
43,085***
7,51
İl ve devlet yolu
-,185
-,42
1,135***
7,27
5,709***
3,67
5,688*
4,74
-1,83
Otoyol
-,002
-,38
-,012
-,002
-,67
,001
,26
,001
,68
-,888D-04
-,04
Net Göç Hızı
-,709
-,49
1,016
,63
-23483,3*
-1,73
-16939,0
-1,28
7477,72
1,01
874,346***
2,68
Ege
5637,17***
3,67
1658,36***
4,73
Akdeniz
2893,95***
2,67
1174,100***
2,84
İç Anadolu
2650,61**
2,30
638,088*
1,72
Karadeniz
3110,53***
3,32
632,035**
2,25
956,776
1,11
-123,311
-,40
Marmara
Doğu Anadolu
*p<0,5/**p<0,05/***p<0,001
Tablo 4 - 5’e göre istihdam oranında %1’lik bir artış, sırasıyla sabit ve
rassal Poisson modelindeki ortalama kaza sayısını 11,46 ve 11,53 sayı kadar
artıracaktır. Buna karşın negatif binom modellerinde ise bu değerler 8,59 ve
12,68’dir. Dikkat edilecek olursa rassal etkili modeldeki etki, sabit etkili modelin etkisinden daha fazla olmaktadır. Ülkemizdeki istihdam oranındaki artış
ve dolayısıyla aile fertlerinin istihdama katılması ile birlikte aile gelirinde artış
meydana gelecektir. Aile gelirindeki artış araba sayısına etki edecek, dolayısı
ile fazla araba sayısı diğer bütün faktörler sabit kalmak şartı ile kaza sayılarını
etkileyecektir. Ulaştırma harcaması oranındaki artış beklenildiği gibi kaza
sayılarını düşürmesine karşın, bu etki istatistikî açıdan önemli bulunmamıştır.
Beklenilen olgunun tersine alkol harcaması oranındaki artış kaza sayılarını
düşürdüğü görülmekle birlikte, maalesef verilerimizde alkol harcama oranları
yıllar itibari ile sabit tutulmuştur. Dolayısıyla, zamana karşı alkol harcama
oranları değişmemekte ve yalnızca iller bazında değişkenlik göstermektedir.
Şehirleşme oranı artıkça kaza sayılarındaki değişkenlik pozitif olarak artmış
ve bu değerler istatistikî açıdan önemli bulunmuştur. Kentleşme oranındaki
%1’lik bir değişme Panel Poisson modelinde sabit ve rassal etkiler için
sırasıyla kaza sayılarında 61,27 ve 55,84 artışa sebep olurken, bu değerler
82
Negatif Binom modellerinde sırasıyla, 56,175 ve 43,09 olmuştur. Şehirleşme
ile birlikte artan mahalle arası yol (ara arter) ve trafik düzenlemesindeki gecikmeler kaza sayılarının artmasını da beraberinde getirmektedir. İyi bir ulaşım
planlaması ve çevre düzenlemesi ile birlikte düzenli yol yapımının kısa vadede
trafikte sıkıntılara sebep olması beklenirken, uzun vadede kaza sayılarını
önemli derecede düşürebileceği söylenebilir.
Benzer şekilde il ve devlet yol sayılarındaki artışlar genel eğilime paralel olarak kaza sayılarını etkilemektedir. Örneğin otoyollarda 1 km’lik artışla,
sabit ve rassal etkili Poisson modelinde kaza sayılarında 3,37 ve 3,36 artış
görünmesine karşın, Negatif Binom modellerinde bu değerler sırasıyla 5,71
ve 5,68’dir. Literatürde çok zayıf olarak değinilen kırmızı ışık ihlali, ceza
sayısındaki artış kaza sayılarının düşmesine neden olmuştur. Diğer taraftan
net göç hızındaki artış beklenildiği gibi kaza sayılarındaki değişkenliğe pozitif yönde etkili ve istatistikî açıdan son derece önemli bulunmuştur. Net göç
hızının artış oranındaki yüzde birlik bir değişme kaza sayılarında sırasıyla
Poisson modellerinde 1,77 ve 1,61; rassal Negatif Binom modelinde ise
1,02’lik değişime neden olmuştur. Net göç hız oranı, şehirlerarası yoğun
trafik akışı ve şehirlerde daha fazla hareketlilik demektir. Yoğun trafik akışı
ve hareketlilik kuşkusuz beraberinde kazaları da kaçınılmaz kılmaktadır. Diğer
taraftan eğitimli kişi başına sağlık çalışanındaki artış Poisson modelinde pozitif bir artışa sebep olurken, negatif binom modelinde ise tam aksine negatif
bir etkiye sahip olmuştur. Kaza sayılarındaki değişkenlik, illerin bulunduğu
yedi coğrafi bölge arasında farklılığa neden olmaktadır. Güneydoğu Anadolu
bölgesi temel alındığında Marmara, Akdeniz ve Ege bölgelerimizde yoğun
kaza sayıları belirlenmiş ve bu kaza sayılarının istatistikî açıdan son derece
önemli olduğu görülmüştür. Özellikle Ege bölgesi Güneydoğu Anadolu bölgesi
ile karşılaştırıldığında trafik kaza sayılarında açık bir fark görülmektedir. Bu
fark, nüfus yoğunluğundan kaynaklı olabilir.
Ayrıca Poisson modelindeki kaza sayılarının tahmini değerleri, kaza
sayılarının varyansa eşit olduğu varsayımını yansıtmaktadır. Hâlbuki gerçek
dünyada varyans genelde ortalama değerden daha büyük olmaktadır. Bu
heterojenliğe imkân tanımada negatif binom modeli ön plana çıkmaktadır.
Rassal etkili panel negatif binom modelindeki iki parametrenin (a ve b) istatistiki açıdan önemli olduğu görülmüştür. Dolayısıyla ortalama değeri varyansa
eşit kılan Poisson modelinin verilere uyumu söz konusu olmamaktadır. Diğer
taraftan sabit etkili negatif binom modelinin rassal etkili negatif binom modelinden daha tutarlı olduğunu ileri süren sıfır ön savı, Hausman spesifikasyon
testi yardımı ile yapılmıştır. Bu m testi ki-kare k (modeldeki parametre sayıları)
serbestlik derecesi ile dağılmaktadır. Test, sonuçta rassal etkili panel negatif
binom modelin daha tutarlı olduğunu göstermiştir (χ2 = 25,66 ve 18 serbestlik
derecesi).
83
Sonuç ve Öneriler
Türkiye’de 81 ile ve üç yıla (2008–2010) ait kaza sayılarına etki eden faktörler panel, sabit ve rassal Poisson ve sabit ve rassal Negatif Binom modeller
kullanılarak analiz edilmiştir. Analiz sonuçlarına göre birçok değişken beklenilen öncül işaretle örtüşmektedir. Örneğin, artan istihdam miktarı, şehirleşme
oranı, il-devlet yolu ve otoyol kilometresi ve net göç hızı değişkenleri kaza
sayılarını pozitif yönde tetiklemesine karşın; eğitimli kişi başına sağlık çalışanı
hem negatif yönde hem de pozitif yönde kaza sayılarındaki değişkenlikte rol
oynamaktadır. Yapılan trafik denetimlerinin artırıldığı ve bunun sonucu olarak
ülke genelinde kaza sayılarının azaldığının belirlenmesi çalışmanın önemli
bulgularındandır.
Ülkemizde son 10 yılda gerçekleşen ekonomik büyümeye paralel
olarak artan bölünmüş yol kilometresi ve buna bağlı olarak trafik kural ve
işaretlerinde yapılacak uluslararası standartlara uyumlu iyileştirmeler kaza
sayılarını azaltacaktır. Artan ekonomik refah altyapıya yansımıştır. Fakat
bu altyapı iyileştirmelerinin kısa vadeli çözümler yerine günümüz insan
psikolojisi, araç ve teknoloji şartlarına uygun olması ve ulaşımda kolaylığı
sağlayacak uzun vadeli yol ağlarının ülkenin geneline yayılması şeklinde
uygulanması halinde başarının yakalanacağı düşünülmektedir. Uluslararası
gelişmiş toplumlara benzer trafik kural ve işaretlerinde yeniden iyileştirmelere
ve uyumlara gidilmesi faydalı olabilir. Yazılı ve görsel medyada kazaların ürpertici boyutu sürekli gündemde tutularak, özellikle çocuklu ailelerde ebeveynleri trafik kurallarını ihlal ve aşırı hızlardan vazgeçirmede çocukların,
farkındalığı artırması için aktif rol üstlenmeleri sağlanabilir. Ayrıca bölgeler
arası otoyol sayılarındaki artış ve taşımada demiryolunun hızlı bir şekilde
devreye sokulması ile trafik kazalarının minimuma indirilmesinde büyük
başarılar sağlanması kaçınılmazdır. Ayrıca ülkedeki eğitimli birey sayısındaki
artışın kaza sayılarını nispeten azaltacağı beklenmektedir.
Çalışma yapılırken trafik güvenliği açısından dünya literatüründe sıkça
rastlanan emniyet kemeri/kask kullanma oranı, rastgele yapılan kandaki
alkol içeriği testi gibi veriler maalesef ülkemizde il bazında bulunamamış bu
verilerin ancak özel bir çaba ile belirli bir zaman diliminde belirli bir yol kesimi
için yapıldığı bilgisine ulaşılmıştır. Ayrıca kazaların nerde nasıl meydana
geldiği bilgisi için daha sağlıklı sonuçlar vereceği düşünülen yol kilometresişerit sayısı verisi de maalesef mevcut değildir. Bu vb. verilerin her il için elde
edilememesi çalışmanın karşılaşılan zorluklarındandır. İlerde benzer alanlarda
yapılacak çalışmalar için özellikle iller bazında karşılaştırma sağlayacak yüksek
korelâsyonlu değişkenlerin eklenmesi ile çalışmanın genişletilerek illerin ve
bölgelerin karşılaştırılmasının daha da olanaklı hale getirileceği önerilmektedir.
84
Kaynakça
Al Haji, G. (2005). Towards a Road Safety Development Index (RSDI), MS., De
partment of Science and Technology Campus Norrköping, Linköping
University.
Aberg, L., (1998). Traffic rules and traffic safety. Safety Science, 29, 205-215.
Beenstock, M., Gafni, D., ve Goldin, E. (2001). The effect of traffic policing
on road safety in Israel. Accident Analysis and Prevention, 33, 73–80.
Brijs, T., Van Den Bossche, F., Wets, G., & Karlıs, D. (2004). A Bayesian model
for ranking hazardous sites.
Cameron, A. C., ve Trivedi, P. (2012). Regression Analysis of Count Data. New
York: Cambridge University Press.
Chin, H. C., ve Quddus, M. A. (2003). Applying the random effect negative
binomial model to examine traffic accident occurrence at signalized
intersections. Accident Analysis and Prevention, 35, 253–259.
Darçın, M. (2006). “Türkiye’de Ulaşım Göstergelerinin İller Bazında Çok
Değişkenli Analiz Teknikleri Yardımı İle Karşılaştırılması”, Doktora Tezi,
Gazi Üniversitesi, Ankara.
Delice, M. (2012). Hız, alkol ve genel trafik denetimlerinin trafik kazaları
üzerindeki etkilerinin incelenmesi. Atatürk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 16(2), 27-44.
Gaygısız, E. (2010). Cultural values and governance quality as correlates of
road traffic fatalities: A nation level analysis. Accident Analysis and
Prevention, 42, 1894–1901.
Hadayeghi, A., Shalaby, A. S., ve Persaud, B. N. (2003). Macro-Level accident
prediction models for evaluating the safety of urban transportatıon
systems. Transportation Research Record: Journal of the Transportation Research Board, 1840(1), 87-95.
Hakim, S., Shefer, D., Hakkert, A.S., ve Hocherman, I. (1991). A critical review
of macro models for road accidents. Accident Analysis & Prevention,
23(5), 379-400.
Hausman, J., Hall, B. H., ve Griliches, Z. (1984). Econometric models for count
data with application to the patents- r and d relationship. Econometrica, 52, 909-938.
Hermans, Elke., Ruan, Da., Brijs, Tom., Wets, Geert., ve Vanhoof, Koen,.
(2010). Road safety risk evaluation by means of ordered weighted
averaging operators and expert knowledge,. Knowledge-Based Systems, 23,48-52.
85
Karacasu, Mustafa,. (1996). “Eskişehir Kent İçi Ulaşımında Trafik Türlerine
Göre Dağılımın Belirlenmesi”, Y. Lisans Tezi, Osmangazi Üniversitesi,
Eskişehir.
Karagöz, Murat. (2004). Trafik kazaları ile alkol tüketimi ilişkisi: Bir transfer
fonksiyonu analizi,. İstanbul Üniversitesi İktisat Fakültesi Mecmuası,
Vol. 54, (1),209-226.
Karlaftis, Matthew. G., ve Tarko, A. P. (1998). Heterogeneity considerations in
accident modeling,. Accident Analysis and Prevention, 30 (4):, 425433.
KGM (2012). 2011 Trafik Ve Ulaşım Bilgileri. Ankara: KGM
KGM(2013). “Kaza Sayıları”, http://www.kgm.gov.tr,(erişim tarihi: 15.03.2013).
Kılıç, Ö. (2004). Trafik Yönetimi ve Denetiminde Eğitimin Rolü ve Önemi,
www.devletarsivleri.gov.tr/Handlers/hhFile.ashx?Id=2897ff22-e34043be-9b9ed7b86409ca5f (erişim Tarihi: 10.07.2013).
Köse, Seyit., Eser, Uğur., ve Konur, Fatih,. (2012). Türkiye’de bölgesel gelişmişlik
farkları: Bir veri zarflama analizi (düzey-2 bölgeleri). CBÜ Sosyal Bilimler Dergisi, 77-97.
Kumara, S. S. P., ve Chin, E. C. (2004). Study of fatal traffic accidents in Asia Pacific Countries. Transportation Research Record: Journal of the Transportation Research Board, 1897, 43–47.
Lord, D., Washington, S. P., ve Ivan, J. N. (2004). Poisson, poisson-gamma and
zero-inflated regression models of motor vehicle crashes: Balancing
statistical fit and theory. Accident Analysis & Prevention, 37(1), 35-46.
Lyubenov, D. A., Marinov, M. M., Kostadinov, S. A., ve Gelkov, Z. R. (2013).
“Road Safety Estimation in Bulgaria from 1990 to 2010”, http://
dspace.snu.edu.ua:8080/jspui/bitstream/123456789/454/19/Lybenoj.pdf (erişim tarihi 20.08.2013)
Malyshkina, N. V., ve Mannering, F. L. (2012). Empirical assessment of the
impact of highway design exceptions on the frequency and severity
of vehicle accidents. Accident Analysis and Prevention, 42, 131–139.
Quddus, M. A. (2008). Time series count data models: An empirical application to traffic accidents. Accident Analysis and Prevention, 40, 1732–
1741.
Rosenbloom, T., ve Eldror, E. (2013). Vehicle impoundment regulations as a
means for reducing traffic-violations and road accidents in Israel. Accident Analysis and Prevention, 50, 423– 429.
86
Son, D. H., Kweon, Y. J., ve Park, B. B. (2010). Development of crash prediction
models with individual vehicular data. Transportation Research, 19,
1353–1363.
Söylemezoğlu, T. (2006). “Coğrafi Bilgi Sistemleri ile Trafik Kazalarının Analizi:
Ankara Örneği”, Yüksek Lisans Tezi, Gazi Ünviversitesi, Ankara.
Washington, S. P., Karlaftis, M. G., ve Mannering, F. L. (2003). Statistical and
Econometric Methods For Transportation Data Analysis, Boca Raton,
FL: CRC Press LLC.
World Bank (2003). Traffic Fatalities and Economic Growth. Policy Research
Working Paper Series, 3035.
Yaacob, W. F. W., Lazim, M. A., ve Wah, Y. B. (2011). Applying fixed effects
panel count model to examine road accident occurrence. Journal of
Applied Sciences 11(7), 1185-1191.
Vol. 1, No.1, 2014
YENİ ANADOLU OTOYOLU VE BOLU DAĞI ULAŞIM
SEKTÖRÜNDE TRAFİK GÜVENLİĞİ VE BOLU İLİ İÇİN
EKONOMİK ETKİSİNİN İNCELENMESİ
The Effects of New Anatolian Highway and Bolu
Mountain Transportation Sector on Road Safety and
Economy of Bolu City
İbrahim Atılgan *
Ö. Faruk Tomurcuk **
ÖZ
Bolu Dağı Tüneli 1977 yılında planlanıp, 1993 yılında temeli atılan ve
2007 yılında tamamlanan Türkiye’nin yapımı en uzun süren tünelidir.
Bu bölge Anadolu Otoyolu üzerinde hem coğrafi yapının olumsuz etkisi ile hem de batı ile doğu arasındaki ilk önemli geçiş noktası olması
nedeni ile en yoğun trafik akışının yaşandığı kesimdir. Bu trafik akışının meydana getirdiği, ulaşım sektörü ve yarattığı ekonomik katma
değerin Bolu İli’ne olan etkilerinin neler olabileceği incelenmiş, bu tür
yatırımların diğer coğrafyaların özelinden ayrı olarak genel uygulama
esaslarına göre bir model oluşturulmuştur. Bu modeli oluşturacak ana
unsurlar belirlenerek bizlere sağladığı trafik akış güvenliği ve ekonomik
faydalar tespit edilmiştir. Yukarıdaki tespitlerin belirlenebilmesi dahilinde aşağıdaki hususlar açıklanmıştır.
Daha önce hizmette olan ve ihtiyacı karşılamaya çalışan D-100
Karayolu’nun ve Bolu Dağı geçidinin araç yük ve yolcu geçiş bilgileri,
bu geçişin hizmetinde olan araç ve insan ihtiyaçlarını karşılamaya yönelik kamu ve özel sektör yatırımlarının yapısı, istihdamı ve ekonomik
büyüklüğü, trafik kazalarıyla bağlantılı can ve mal kaybına etkisi, Bolu
ili özelinde yatırımlara ve sektörel yapıya olan etkilerinin birebir araştırılarak karşılaştırılmasında ilgili tespit ve mülakatlar, bu coğrafyada
bulunan işletmelerin iktisadi yapılarında yaşanan değişimin tanığı olan
işletmecilerin görüş ve değerlendirmeleri, projenin tamamlanmasından itibaren hizmete giren işletmelerin beklentileri ve geleceğe dönük
yatırımlarının irdelenmesi gibi hususlar ortaya konulmuştur.
Anahtar Kelimeler: Otoyol projesi, Bolu dağı tüneli, ekonomik etki
* Yrd. Doç. Dr., Gazi Üniversitesi, Mühendislik Fakültesi, Makine Mühendisliği Bölümü, Ankara
** Garanti Bankası, Bolu Şube, Bolu.
88
Yeni Anadolu Otoyolu Ve Bolu Daği Ulaşım Sektöründe Trafik Güvenliği ve
Bolu İli İçin Ekonomik Etkisinin İncelenmesi
ABSTRACT
Bolu Mountain Tunnel is a tunnel planned in 1977 and its foundation
was laid in 1993 and completed in 2007, the construction duration of
which lasted most in Turkey’s history. This area is a region where traffic is the heaviest because it is not only the first important transition
between east and west but also a motorway whose topographical effect is quite negative on Anatolian Motorway. After analyzing what sort
of effects that the traffic flow caused, transportation sector and the
economic added - value it has created for Bolu could be, a model has
been created in accordance with general implementation fundamentals rather than the specific ones of other geographies for these kinds
of investments. Determining the essential aspects that would constitute this model, the economic benefits and the security of traffic flow
it provided to us have been established. By determining the findings
above, the considerations below have been explained.
The considerations such as the information about the pay- load and
passenger of Bolu Mountain pass and D-100 main road which is trying
to meet the need and was in service before, form of the public and private sector investments to meet the human and vehicle needs on this
pass, its usuance and economic size, loss of life and property related
to traffic accidents, the interviews and findings from the comparison
made by researching its effects on the sector and the investments in
Bolu specifically, the opinions and evaluation of the managers witnessing the change in the economic structure of the managements in this
geography, the expectations of the managements run since the completion of the project and examining the investments in future have all
been presented.
Keywords: Motorway Project, Bolu mountain tunnel, economic impact
Giriş
Ulaşım erişilebilirliğin göstergesidir. Bölgesel ulaşım küresel rekabette daha
iyi yaşamanın ortak çabasında üretilen malın ve insanın minimum sürede ve
maliyette hedef noktaya varmasında tartışmasız bir üstünlük sağlar. Lojistik ve ulaşım sektöründe yenilenen teknolojik alt yapının yanında yol (karademir-deniz-hava) teknolojisinin ve alt yapısının da gelişmesi büyük önem
taşımaktadır.
Modern toplumlarda gelişmişliğin göstergelerinden biri de, erişilebilirlik
olarak kabul edilmektedir. Günümüzde erişilebilirlik kavramı içinde yer alan
birçok konu, coğrafyanın ilgi alanı içindedir. Ulaşım, “erişilebilirlik” kavramının
önemli bir bileşeni olarak karşımıza çıkmaktadır. Ulaşım faaliyeti çeşitli yerler, bölgeler arasında ilişkinin kurulabilmesi, bu ilişkinin ölçülebilmesinde ve
coğrafî görünümün şekillenmesinde önemli rol oynamaktadır. Ulaşımın görülebilen etkisi, en belirgin olarak kara ulaşımında ortaya çıkmaktadır. Hava ve
89
denizyollarında ise bu etki, kalkış ve varış yerleri açısından belirirken, tüm
ulaşım sistemleri mekânsal farklılaşma ve arazi kullanımında değişime yol
açar (Tümertekin, 1987, s. 1-2).
Osmanlı İmparatorluğu son döneminde ulaşım üzerine ağırlıklı politika
demiryolları üzerine kurulmuş olup, Cumhuriyet döneminde demiryollarına
kısmen orantılı kara yolu ağları kurulmaya başlanmış ve 1950 yılından sonra
ağırlıklı olarak karayolu taşımacılığına önem verilerek bu hususta yatırımlar
yoğunlaştırılmıştır.
1950 yılında köy yolları dâhil 47.080 km olan karayolu ağı, 2003 yılında
1881 kilometresi otoyol, 31.358 kilometresi devlet yolu ve 30.133 kilometresi
il yolu olmak üzere toplam 63.372 kilometreye çıkmıştır. Bu rakamın içine
385.171 kilometre olan köy yolları dâhil edildiğinde, karayolunun toplam
uzunluğu 430 bin kilometreye yaklaşmaktadır (DİE, 2005, s. 237). 1960’lı
yıllarda karayolu taşımacılığının payı %50, demiryolu taşımacılığının payı ise
%30 düzeyindeydi. Buna karşılık 1990 yılında %75 dolayında olan karayolu
taşımacılığının payı 2000’de % 90’a, 2005’te de % 94’e ulaşmıştır.
Bu yapılanma sürecinde Ankara ve İstanbul metropolleri arasında yer
alan Bolu’nun önemli karayolu ağı bağlantısı bulunmaktadır. Doğudan batıya
geçişi sağlayan Anadolu Otoyolu ve eski adıyla E-5 yeni adıyla D-100 Karayolu,
Bolu il merkezinden geçmektedir. Bolu Dağı üst kesiminden sağlanan ulaşım
2006 yılının sonuna kadar İstanbul-Ankara istikametinde, 2007 yılında da
Ankara-İstanbul istikametinde Bolu dağı tüneline taşınarak ağırlıklı ulaşım,
Anadolu Otoyolu’na kaydırılarak Bolu il merkezinin dışına yani kuzey yönüne
taşınmıştır. Neticede Bolu il merkezinden uzaklaşmıştır. Bolu’da demiryolu ve hava ulaşımı (kamuya kapalı küçük askeri amaçlı kullanılan hariç)
bulunmamaktadır.
Yapılan bu çalışmada; Bolu ili ve çevresi de dikkate alınarak söz konusu
ilin sosyal-ekonomik yapısı değerlendirilerek, öne çıkan hususlar ve eksiklikler
incelenmiştir. Ayrıca Bolu ilini de kapsayan otoyolların ve D-100 Karayolu’nun
yıllık ortalama günlük trafik değerleri ile karayolu kaza bilgileri incelenerek,
alınan önlemler ve durum değerlendirmeleri yapılmıştır. Bolu Dağı Geçidi ve
Bolu Dağı Tüneli açılışının ardından, Bolu ili ve çevresinde ekonomik yapının
değişiminin ne şekilde olumlu veya olumsuz tarzda etkilendiği araştırılarak
değerlendirmelerle açıklanmıştır.
Yine bu çalışma neticesinde, otoyol projesi ile Bolu’nun bir turizm ve üniversite kenti olmasının yanında bir lojistik üs haline gelmesi ve
Türkiye’nin iki büyük kentinin birleşmesinde bu avantajı lehte kullanması yönünde, yeni proje geliştirilmesi ihtiyacının varlığı ve gerekli hususları açıklığa
kavuşturulmuştur.
90
1. Bolu İlinin Sosyal ve Ekonomik Yapısının Değerlendirilmesi
Bolu, Ankara ve İstanbul gibi iki metropolün ortasında ve Kocaeli, Sakarya
gibi illerimizin en önemli sanayi yatırım bölgesi yanında yer almaktadır.
Batı Karadeniz Bölgesi içinde, Ankara ve İstanbul karayolu ağı üzerinde ve
sanayileşme yönünde önemli yatırımları barındıran illere yakın konumda,
doğa harikası bir il olarak konumlanmıştır.
5084 sayılı yatırımların ve istihdamın teşviki ile bazı Kanunlarda
Değişiklik Yapılması Hakkında Kanun kapsamına girmemesi, ancak çevre
illerden bazılarının kanun kapsamında bulunması ildeki yatırım ortamını
olumsuz etkilemiştir. Buna karşın Bolu’nun iki metropol arasında olması,
Bolu Dağı Tüneli’nin açılmasıyla ulaşım olanaklarının artması, zengin turizm
potansiyelini değerlendirmeye yönelik çalışmalar, su kaynaklarının yeterli, toprak verimliliğinin yüksek olması, ülkenin önemli kanatlı hayvancılık
merkezlerinden biri olması, bu ilde bir üniversitenin bulunması, eğitim
ve sağlık alt yapısının büyük ölçüde tamamlanmış olması gibi avantajlar, bu olumsuz etkiyi azaltıcı faktörler olmuştur (Aydın ve Erel, 2010, s. 6).
Bolu küçük ve orta ölçekli sanayi tesislerine sahip olmakla birlikte tarım
ve hizmet sektörü ağırlıklı bir ekonomik yapı göstermektedir. Genel olarak KÖY
statüsü, özel koşullar dışında DPT’nin sosyo-ekonomik gelişmişlik endeksine
bağlı olarak belirlenmektedir. Bolu 1996 yılı DPT sosyo-ekonomik gelişmişlik
sıralamasında 28. sırada yer almış, 2003 yılında ise 14. sıraya çıkmıştır. 2010
yılında yapılan bir akademik çalışmada Bolu 9. sırada yer almıştır. Kalkınma
YENİ ANADOLU
VE BOLU konusunda
DAĞI ULAŞIM
SEKTÖRÜNDE
Bakanlığı’nın
illerinOTOYOLU
gelişmişlik sıralaması
yayınladığı
verilerdeTRAFİK
ise,
GÜVENLİĞİ
VE
BOLU
İLİ
İÇİN
EKONOMİK
ETKİSİNİN
İNCELENMESİ
2011 yılında Bolu 11. sırada bulunmaktadır (Tablo 1 ve Tablo 2) (DİE, 2005, s.
237).
Tablo
İllerin
Sosyo-Ekonomik
Gelişmişlik
SıralamasıSıralaması
2010 Yılı
Tablo1.1.
İllerin
Sosyo-Ekonomik
Gelişmişlik
2010 Yılı
Sıra
İl
Sıra
İl
1
2
İstanbul
6
Eskişehir
Ankara
7
Antalya
3
İzmir
8
Muğla
4
Kocaeli
9
Bolu
5
Bursa
Tablo 2. İllerin Sosyo-Ekonomik Gelişmişlik Sıralaması 2011 Yılı
Sıra
İl
Sıra
İl
1
İstanbul
7
Eskişehir
2
Ankara
8
Muğla
3
İzmir
9
Tekirdağ
4
Kocaeli
10
Denizli
4
Kocaeli
5
Bursa
9
Bolu
91
Tablo2.2.
İllerin
Sosyo-Ekonomik
Gelişmişlik
2011 Yılı
Tablo
İllerin
Sosyo-Ekonomik
Gelişmişlik
SıralamasıSıralaması
2011 Yılı
Sıra
İl
Sıra
İl
1
2
İstanbul
7
Eskişehir
Ankara
8
Muğla
3
İzmir
9
Tekirdağ
4
Kocaeli
10
Denizli
5
Antalya
11
Bolu
6
Bursa
Bu sıralamada gözden kaçırılmaması gereken nokta ise, DPT’nin
yaptığı değerlendirmede kullanılan göstergeler ile 2010 yılına ait çalışmanın
veri setinin
ve Gayrisafi
değerlendirme
kriterlerinin
farklı oluşudur.
Ancak
farklılıklara
Tablo
3. Bölgesel
Katma Değerin
İktisadi Faaliyet
Kollarına Göre
Dağılımı
(Doğu Marmara
Kalkınma
2010: 20).
rağmen,Ajansı,
yapılan
tüm değerlendirmeler Bolu’nun sıralamadaki yerinin
yukarı doğru olduğunu göstermektedir. Bu sıralamada farklı verilerin
farklı
Gayrisafi Katma
Tarım
Hizmetler rağmen,
Değer
değerlendirme yöntemleri
mevcuttSanayi
ur. Ancak farklılıklara
yapılan
%
%
%
diğer değerlendirmeler göz önüne
alındığında
Bolu’nun sıralamadaki
yerinin%
Pay
Pay
Pay
Pay
TL
TL
TL
TL
pozitif yönlü olduğu görülmektedir.
2004
52.997.645
10,7 138.411.772 28,0 303.474.641 61,3 494.884.058
100
Bolu’nun
iktisadi durumunu
ve 28,0
konumunu
2005 60.713.747
10,6 160.331.023
350.669.700belirleyebilmek
61,3 571.714.470 için
100
Türkiye
başlangıç
noktası
olarak
2000
yılını
almak
daha
doğru
bir
yöntem
olmaktadır.
2006 62.662.754
9,4 188.646.805 28,2 417.108.706 62,4 668.418.265 100
Çünkü 17 Ağustos
ve
12
Kasım
1999 tarihlerinde yaşanan iki deprem Bolu’nun
2008 72.274.585
8,5 232.475.082 27,2 549.835.548 64,3 854.585.214 100
tüm verilerini analiz dışına itmiştir. Deprem sonrasında, 1999 Aralık ayında
TR42,
2004
2.365.149
8,2 12.021.659 41,5 14.561.576 50,3 28.948.384
100
bir
yasal düzenlemeyle Bolu’nun idari yapısı değişmiştir. Bu nedenle Bolu’nun
Kocaeli,
2005
2.718.672
8,0 13.524.813 39,9 17.637.365 52,1 33.880.850
100
Sakarya,
ikti
sadi gelişimini
değerlendirmek
için yıllar itibarıyla verilerini analiz etmek
Düzce,
2006
2.937.668
7,2 16.185.419 39,6 21.705.728 53,2 40.828.815
100
oldukça
Bolu, sıkıntılıdır. 9 Aralık 1999 tarihinde yürürlüğe giren Kanun Hükmünde
2008
3.201.951
6,1 Düzce
20.132.181
29.242.185
55,6 52.576.318
100
Yalova
Kararname
ile Bolu
iline bağlı
ilçesi38,3
il olmuş
ve Bolu’ya
bağlı ilçe, bucak, kasaba ve köy statüsündeki bazı yerleşim yerleri Düzce’ye bağlanmıştır.
Bu düzenleme Bolu’nun, tüm nüfus ve sosyo-ekonomik yapısında önemli bir
değişime neden olmuştur. Karşılaştırmalı analiz yapılabilmesi için 2000 yılı
sonrası verileri anlam taşımaktadır. Bu analizler için ise, kullanılabilir veriler
TÜİK tarafından sağlanmaktadır. Ancak, iktisadi gelişimin ve değişimin belirleyicisi olarak kullanılabilecek il bazında GSYİH’nın, iktisadi faaliyet kollarına
göre dağılımına ilişkin en son veri seti 2001 yılına ilişkindir. 2001 yılından sonraki veriler İstatiksel Bölge Sınıflaması çerçevesinde değerlendirilmektedir.
Bolu’nun iktisadi ve demografik karşılaştırmalı analizi iki boyutta
yapılmıştır. İlki Düzce’nin il olarak ayrılması öncesi ve sonrasına ilişkindir.
İkincisi, bölgesel veriler içinde Bolu’nun ulaşılabilir verisi bulunan sektörlerin oranlanması ile uygulanmıştır. Düzce öncesi ve sonrası için 1990 ve 2001
verileri karşılaştırıldığında sektörel dağılımın, Düzce’nin ayrılması ile değiştiği
92
1
İstanbul
6
Eskişehir
2
Ankara
7
Antalya
3
İzmir
8
4
Kocaeli
5
Bursa
Sıra
İl
Muğla
9
Bolu
ortaya çıkmaktadır. 2001 yılında GSYİH’nın dağılımı, Düzce’nin ayrılmasından
sonra özellikle tarımın payında ciddi bir artış olduğunu (%29’dan %37,7’ye)
göstermektedir. Yine aynı veriler tarımın payındaki bu nispi artışın kaynağının
Bolu’da çiftçilik ve hayvancılık olduğunu göstermektedir. Burada tarımın
Tablo 2. İllerin Sosyo-Ekonomik Gelişmişlik Sıralaması 2011 Yılı
payındaki bu artış Bolu’da kanatlı hayvancılık sektörünün gelişimi ile ilgilidir.
Sıra
İl
Avrupa Birliği’nin bölgesel düzeyde uyguladığı müktesebata uyum
1
İstanbul
7
Eskişehir
çerçevesinde; İstatiksel Bölge Birimleri Sınıflandırması Bakanlar Kurulu’nun
2
Ankara
8
Muğla
2002/4720 sayılı kararı ile yapılmış ve 22 Eylül 2002 tarihli Resmi Gazete de
3
İzmir
9
Tekirdağ
yayınlanmıştır. Bolu bu sınıflandırmada, Düzey 1 için TR4 Doğu Marmara,
4
Kocaeli
10
Denizli
Düzey 2 için TR42 ile Kocaeli, Sakarya, Düzce, Bolu, Yalova illerinin bulunduğu
5
Antalya
11
Bolu
Kocaeli alt
bölgesinde TR424
kodu ile tanımlanmaktadır.
Bu sınıflandırma
çer6
Bursa
çevesinde Düzey 3 için il bazlı veriler Bolu için mevcut değildir. Bolu’nun analizi için kullanılabilecek veri seti Düzey 2 için olup, bu değerler içinde Bolu’nun
durumunu belirlemek gerekmektedir (Tablo 3).
Tablo3.3.
Bölgesel
Gayrisafi
Katma İktisadi
Değerin
İktisadi
Faaliyet
Kollarına
Göre
Tablo
Bölgesel
Gayrisafi
Katma Değerin
Faaliyet
Kollarına
Göre Dağılımı
(Doğu
Marmara
DağılımıAjansı,
(Doğu
Marmara
Kalkınma Ajansı, 2010, s. 20).
Kalkınma
2010:
20).
Tarım
TL
Türkiye
TR42,
Kocaeli,
Sakarya,
Düzce,
Bolu,
Yalova
Sanayi
%
Pay
TL
Hizmetler
%
Pay
TL
%
Pay
Gayrisafi Katma
Değer
%
Pay
TL
2004
52.997.645
10,7 138.411.772 28,0 303.474.641 61,3 494.884.058
100
2005
60.713.747
10,6 160.331.023 28,0 350.669.700 61,3 571.714.470
100
2006
62.662.754
9,4 188.646.805 28,2 417.108.706 62,4 668.418.265
100
2008
72.274.585
8,5 232.475.082 27,2 549.835.548 64,3 854.585.214
100
2004
2.365.149
8,2
12.021.659
41,5 14.561.576
50,3 28.948.384
100
2005
2.718.672
8,0
13.524.813
39,9 17.637.365
52,1 33.880.850
100
2006
2.937.668
7,2
16.185.419
39,6 21.705.728
53,2 40.828.815
100
2008
3.201.951
6,1
20.132.181
38,3 29.242.185
55,6 52.576.318
100
Kocaeli, Sakarya, Düzce, Bolu, Yalova illerinden oluşan TR42 Düzey 2
Bölgesi, Bölgelerin Sosyal-Ekonomik Gelişmişlik sıralamasında 5. sırada yer
almaktadır. Bölge, 9.622 dolar “Kişi Başı Gayri Safi Katma Değer” verisi ile
10.352 dolar İstanbul’un hemen arkasında 2. sırada yer almaktadır. Bölgenin
İstanbul’un 2006 yılındaki ekonomik gelişmişlik düzeyini geçebilmesi için, Kişi
Başı Gayri Safi Katma Değer’de %7,59’luk bir artış gerçekleştirmesi gerekmektedir (Doğu Marmara Kalkınma Ajansı, 2010, s. 20).
Türkiye ortalamasının üzerinde olan bölge, ortaöğretim toplam
okullaşma oranının bölge içindeki genel ve mesleki ayrımında ise, mesleki
93
ortaöğretim okullaşma oranının daha yüksek olduğu görülmektedir. Bu durum
bölge için sanayileşme ve gelişme yolunda belirgin bir üstünlük sağlamaktadır.
Türkiye ortalaması %29 olan mesleki ortaöğretim net okullaşma oranı; Bolu’da
%57, Sakarya’da %43, Düzce’de %43, Kocaeli’de %40 ve Yalova’da %39’dur.
Bu veriler, Bolu’nun içinde bulunduğu bölgede nitelikli ara eleman yetiştirme
potansiyelinin en yüksek il olduğunu göstermekle birlikte, bu noktada hali
hazırda ara ve yetişmiş eleman istihdamında ciddi açık olduğu da su götürmez
bir gerçektir. Bu nedenle Bolu organize sanayi bölgesinde istihdam edecek
vasıfsız ve vasıflı işçi bulunamaması nedeniyle, kapasitesinin altında çalışan
veya yatırımını planladığının altında bir noktada bırakan işletmeler mevcuttur.
DPT Müsteşarlığı tarafından 2003 senesinde yapılan “İmalat Sektörü
Gelişmişlik Sıralaması” çalışmasında, Kocaeli 3., Yalova 10., Bolu 23., Sakarya
22. ve Düzce 35. sırada yer almaktadır. Bölgede sanayi sektöründe,TÜİK 2006
yılı verilerine göre 11.892 işletme faaliyet göstermekte ve sanayi sektöründe
toplam 187.306 istihdam sağlanmaktadır. Bölge ihracatın %93’ü sanayi sektörlerinden gerçekleşmektedir. TR42 değerlendirildiğinde, Kocaeli ili öne
çıkmaktadır. Bölgede yer alan sanayi işletmelerinin %57’si Kocaeli ilinde,
%22’si Sakarya ilinde, %9’u Düzce ilinde, %7’si Bolu ilinde ve 5’i Yalova ilinde
yer alırken; bölge sanayi sektörlerinde üretilen bilançonun %70’i Kocaeli ilinde, %22’si Sakarya ilinde, %4’ü Bolu ilinde, %3’ü Düzce ilinde ve %1’i Yalova
ilinde üretilmektedir. Bölge sanayi sektörlerindeki istihdamın %64’ü Kocaeli
ilinde, %17’si Sakarya ilinde, %11’i Düzce ilinde, %4’er payları da Bolu ve Yalova illerinde sağlanmaktadır (Aydın ve Erel 2010, s. 14).
Türkiye genel verileri dikkate alındığında TR42 ağırlıklı olarak sanayi
bölgesi niteliğinde görünmektedir. Bolu’nun içinde olduğu bu bölge için verilen gayrisafi katma değerin sektörel dağılımı, Bolu’nun sektörel dağılımından
oldukça farklı bir yapı göstermektedir. Bolu’nun il bazlı 2001 yılı verileri, tarım
payının yaklaşık %38 düzeyinde olduğunu göstermektedir. Ağırlıklı olarak
hizmetler ve tarıma dayalı üretim yapısı ile içinde bulunduğu bölgeyle farklı
karakterde bir il konumundadır.
Bolu ilinin rekabet ve gelişim yapısı incelendiğinde, bu ilin dünyadaki pazar payının değişimi üç bileşenle açıklanabilir. Bu bileşenlerden rekabet gücü etkisi, ilin mevcut ihracat pazarındaki payını artırıp artırmadığının
göstergesidir. Adaptasyon etkisi, ilin dünyadaki talep değişimlerine ne derecede uyum sağladığının göstergesidir. Yapısal etki ise, ilin mevcut pazarlarının
büyümesinden veya küçülmesinden kaynaklanan ihracat değişimini ortaya
koymaktadır. Bu bileşenler aşağıda belirtilmiştir (T.C. Başbakanlık Dış Tic.
Müş. 2011, s. 120-121).
94
İlin Pazar Payı Değişimin Unsurları (Yüz Binde) :
Rekabet Gücü
Adaptasyon Etkisi
Yapısal Etki
2003-2009
-0,01
-0,01
0,02
2000-2005
0,02
0,01
0,01
2005-2009
0,0
-0,07
0,17
İlin Pazar Payı Değişimin Unsurları (Ülke İçindeki Sırası) :
Rekabet Gücü
Adaptasyon Etkisi
Yapısal Etki
2000-2009
65
50
34
2000-2005
42
30
27
2005-2009
55
67
23
Yukarıdaki verilerden anlaşılacağı üzere ilin dünya ticaret rekabetindeki yeri, geçen yıllara rağmen yapısallık dışında çok belirgin bir gelişme
göstermemiştir.
Rekabet de üstünlük karlılığı artırmaktan geçmektedir. Günümüzde
karlılığı artırmak, lojistik yakınlıktan öte, teknolojik özellik gerektiren işlenmiş
mamulleri üretmekten geçmektedir (Kıvanç, 2011, s. 355).
Bolu’da ulaşım sektörüne de kısaca değinilirse; ulaşım sektöründe faaliyet gösteren firma sayısı 2010 yılı itibariyle 296 adettir. Bunlardan 35 tanesi
uluslararası taşımacılık yapmaktadır. Uluslararası taşımacılıkta iş potansiyeli,
kullanılan TIR karne sayısı ile ölçülmektedir. Buna göre 2008 de 19.359 adet
TIR karnesi kullanılmış, 2009 da bu rakam 17.241 âdete düşmüş, yaşanan
küresel krizin etkilerinin azalmasıyla da 2010 yılında 19.078’ e yükselmiştir.
Bolu’da ulaşım sektöründe, Merkez ve Yeniçağa ilçeleri ağırlıklı olarak
rol oynamaktadırlar. 2010 yılı verilerine göre, Türkiye’de kayıtlı toplam
15.095.603 adet motorlu taşıt bulunmakta iken, bu araçların binde 5,06’ sı
yani 76.355’ i Bolu’ya kayıtlı görülmektedir. Bolu’ya kayıtlı bu araçların içinde
ticari amaçlı 5.231 kamyon, 923 otobüs, 1.415 minibüs ve 10.184 kamyonet
bulunmaktadır. Bu rakamlar nüfus yoğunluğu ile karşılaştırıldığında, olumlu
bir görüntü ortaya çıkmış olsa bile araç sayılarının yapısından anlaşılacağı
üzere, Bolu bu transit geçiş güzergâhı ve konumunu sayısal olarak üstünlüğe
çevirememiştir.
Bolu, genel anlamda net göç veren il konumundadır. Net göç hızı
2000’den sonra önemli ölçüde düşmüş ve istisnai yıllarda net göç almışsa da,
bu genel görünüm değişmemiştir. 1999 yılında yaşanan deprem nedeniyle
2000 yılında ve izleyen yıllarda net göç hızının yüksekliği dikkat çekmektedir
(Tablo 4).
95
Tablo
4.Bolu
BoluNet
Net
Göç
(Aydın
ve2010:
Erel, 6).
2010: 6).
Tablo 4.
Göç
HızıHızı
(Aydın
ve Erel,
Gösterge / Yıllar
2000
2002
2008
2010
Net Göç Hızı (Binde)
-40,76
-3,65
9,93
-0,19
İstihdam oranında da 2000 yılında Türkiye ortalamasının oldukça
altında olan Bolu, 2010 yılında Türkiye ortalamasının üzerindedir. İşsizlik oranı
ise dünya ekonomisinde yaşanan krizin yansıması çerçevesinde yükselmiş,
ancak etkilenme oranı Türkiye geneline göre düşük düzeyde olmuştur. Krizin
Tablo
5. Bolu
İlinde
Yıllara
Göre Meydana
Gelen
Trafikoranı
Kazaları
(Boluçıkarken,
İli EmniyetBolu’da
Müdürlüğü, 2013)
en
etkili
olduğu
2009
yılında
Türkiye’de
işsizlik
%14’e
% 11,5 düzeyindedir. Krizin
etkisinin
zayıfladığı 2010 yılındaMaddi
ise, işsizlik
oranı
Toplam
Ölümlü
Ölü Yaralanmalı Yaralı
Hasarlı Kaza
düşüş göstermiş, Türkiye
altına
inmiştir.
Kaza Sayısı
Kaza ortalamasının
Sayısı Sayısı Kaza
Sayısı
Sayısı
Devlet Karayolu
13
19
119
268
Sayısı
216
348
2.2002
Bolu İli Dahilinde Otoyolların ve D-100 Karayolu’nun Yıllık Ortalama
18
27
82
287
340
440
Otoyol
Günlük Devlet
TrafikKarayolu
Değerleri İle
Karayolu
Kaza115
Bilgileri 280
16
35
245
376
2003
11 Trafik13Değerleri
99
Otoyol Günlük
2.1. Yıllık Ortalama
Devlet Karayolu
16
31
133
248
287
397
378
354
503
2005–2008
ve 2011 yılında Bolu ili dahilinde oluşan trafiğin günlük ortalama
2004
Otoyol
11
15
103
406
trafik değerlerini
ayrıştırarak,
tünelin
açılması
ile 304
birlikte oluşan
trafik520
akışı
Devlet Karayolu
10
16
149
403
354
513
yoğunluğunu
görme imkanı bulunabilir. Bu değerler trafik güvenliği ve eko2005
14
20
137
438
535
686
Otoyol
nomik gelişimde, ulaşımın değerlerinin ölçülmesinde yardımcı olmaktadır.
Devlet Karayolu
20
28
179
517
448
647
2006 Karayolu’nda 2005 yılında Düzce-Kaynaşlı aksında 19.677, Abant-BoD-100
Otoyol
18
23
146
449
535
699
lu Batı aksında 12.054, Bolu Batı - Bolu Doğu aksında 13.343 günlük ortaDevlet Karayolu
15
27
140
384
337
492
2007 araç geçişi sağlanmıştır. Bu geçiş sayısının ağır vasıta olarak ayrımında
lama
16
18
213
584
707
936
Otoyol
Düzce - Devlet
Kaynaşlı
aksında
8.501,
Abant
Bolu
Doğu
tarafı
nda
ise
4.455
olarak
Karayolu
14
30
133
389
214
361
2008
gerçekleşmişti
r.Otoyol
Tünelin açılmasının
Düzce - 667
Kaynaşlı aksında
17
23 ertesi
178yılında 497
862
19.564 Devlet
adet Karayolu
geçişle bir değişim
yaşanmamışken,
Kaynaşlı
Abant
aksında
13
20
162
482
168
343
2009
18.105
adet, Abant
adet
Batı - Bolu
10
185ve Bolu564
574 Doğu aksında
767
Otoyol- Bolu8 Batı 19.026
ise, 18.005
günlük17ortalama
değeri saptanmıştı
r. 2008 yılında
Devletadet
Karayolu
22 trafik 226
517
264
507
2010
ağır taşıt geçişini
ayrıştırdığımızda
- Kaynaşlı603
aksında 500
8.530 adetle
15
22Düzce 207
722 bir
Otoyol
değişimDevlet
yaşanmazken
- Abant
aksında
7.464
- Bolu
Batı
Karayolu Kaynaşlı
11
16
205
440 adet, Abant
262
478
2011
10 Doğu 177
608
Otoyol Bolu10
aksında 8.002 adet,
Batı -Bolu
arasında536
ise 7339 421
günlük ortalama
Devlet Karayolu
7 geçiş10artışı yaşanmıştı
155
375
154
geçişle neredeyse
2 katı bir
r. 2011 yılında
yıllık316
orta2012
9
18
152
632
Otoyol
lama günlük trafi
k değerleri
alındığında,
Düzce - 471Kaynaşlı471
aksında 21.818
adet geçiş, Kaynaşlı Abant arasında 20.677 adet geçiş, Abant - Bolu Batı
arasında 20.867 adet geçiş, Bolu Batı - Bolu Doğu arasında ise 20.084 günlük
ortalama trafik değeri tespit edilmiştir. Bu yılda ağır vasıta geçişi ayrıntısında
Düzce - Kaynaşlı arasında 9.672, Kaynaşlı – Abant arasında 8.615, Abant Bolu Batı arasında 8.807, Bolu Batı - Bolu Doğu arasında ise 8.461 adet geçiş
değeri görülmüştür. 2008 yılında tünelin açılmasının nispi araç sayısı artışı ele
alındığında, Düzce - Kaynaşlı aksında negatif yönde bir gelişim gösterdiği, Bolu
96
Dağı mevkii ve Bolu aksında ise yaklaşık olarak %40’lık artış yönünde gelişim
gösterdiği görülmektedir. Tünelden geçişlerde yanıcı ve parlayıcı kimyasal
taşıyan araçlara geçiş izni verilmemesi, bu noktada diğer Bolu Dağı geçişini
ağır taşıtlar yönünde önemli kılmaktadır.
2.2. Bolu İli Karayolu Ulaşım Kaza Bilgileri
Türkiye’de 2002 yılında 61.368 km il ve devlet yolu 1.775 km de otoyol bulunmakta idi. 2009 yılına gelindiğinde 62.219 km il ve devlet yolu, 2.036 km
otoyol uzunluğuna ulaşılmıştır (KGM, 2013b). Bolu’ da ise 2002 yılında 614
km il ve devlet yolu, 103 km de otoyol, 2009 yılında ise 620 km il ve devlet yolu, 114 km de otoyol uzunluğuna ulaşılmıştır (KGM, 2013c). Karayolları
Genel Müdürlüğü’nün açıklamalarına göre 2012 yılı sonu itibariyle tüm
Türkiye’de hizmet veren otoyol uzunluğu 2127 km, devlet karayolu ise 63.255
km’ ye ulaşmıştır. Bolu özelinde 2012 yılsonu itibariyle 632 km devlet yolu
uzunluğuna ulaşılmış, otoyol uzunluğunda ise bir değişiklik olmamıştır (T.C.
Bolu Valiliği İstatistiklerle Bolu, 2011, s. 114).
Yıllar içinde Bolu ili içinde bulunan yolların ulaşım kalitesinin artırılması
konusunda çalışmalar yapılmış, bunlar göreceli olarak kazaların istenilen
düzeyde azaltılmasında çokta etkili olmamıştır. Nitekim aşağıda belirtilen
veriler hem nüfus popülasyonu, hem de km olarak değerlendirildiğinde Avrupa standartlarının çok altında bir istatistik veri içermektedir. Bolu’da olumsuz
iklim koşullarının da kazaların oluşumuna zemin hazırladığı bilinmektedir.
2002-2012 yılları arasında Bolu ili trafik kazası istatistikleri
incelendiğinde; 2002 ile 2006 yılları arasında Bolu il sınırları içinde kalan otoyol
uzunluğu, 103 km’den 114 km’ye ulaşarak 11 km artış göstermiş, kaza sayısı
ise 440’dan 647’ye yükselmiştir. Tünelin açıldığı yıl olan 2007’de en yüksek
değeri alarak 936 olmuş ve alınan önlemlerle ertesi yıl 862 adet kaza ile azalmaya geçmiştir. 2012 yılında ise bu rakam 632’ye düşmüştür. Otoyola kıyasla,
Bolu il sınırları içindeki devlet yollarında ise 2002 yılında 348, 2007 yılında 492,
2012 yılında ise 316 adet kaza meydana gelmiştir. Tünelin açılmasıyla devlet
kara yolundaki kazalarda azalma yaşanmış fakat otoyoldaki kazalarda ciddi
bir artış yaşanmıştır (Şekil 1, Tablo 5). Bu artışın temelinde tünele yaklaşımda
bulunan viyadüklerin olumsuz hava koşullarından en çok etkilenen ve kazaya
yol açan bir yapıda olması ve tünelin her iki yönünde giriş ve çıkış kısımlarında
oluşan olumsuz yol koşulları olduğu görülmüştür. Beklentilerin aksine gelişen
bu kaza artışı yetkilileri önlemler almaya yöneltmiş bunun sonucunda ileride
bahsedeceğimiz olumsuz yol koşulları ile mücadele içeren kazaları önleyici
tedbirler alınmıştır.
97
Şekil 1. Bolu İline Ait 2002–2012 Arası Oluşan Trafik Kazaları Grafiği (Bolu
Emniyet Müdürlüğü, 2013)
Tablo 4. Bolu Net Göç Hızı (Aydın ve Erel, 2010: 6).
Gösterge / Yıllar
2000
2002
2008
2010
Net Göç Hızı (Binde)
-40,76
-3,65
9,93
-0,19
Tablo 5. Bolu İlinde Yıllara Göre Meydana Gelen Trafik Kazaları (Bolu İli
Emniyet
Müdürlüğü,
2013)
Tablo 5. Bolu
İlinde Yıllara
Göre Meydana Gelen Trafik Kazaları (Bolu İli Emniyet Müdürlüğü, 2013)
Ölümlü
Ölü Yaralanmalı Yaralı
Kaza Sayısı Sayısı Kaza Sayısı Sayısı
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
Devlet Karayolu
13
19
119
268
Maddi
Hasarlı Kaza
Sayısı
216
Toplam
Kaza Sayısı
348
Otoyol
18
27
82
287
340
440
Devlet Karayolu
16
35
115
280
245
376
Otoyol
11
13
99
248
287
397
Devlet Karayolu
16
31
133
378
354
503
Otoyol
11
15
103
304
406
520
Devlet Karayolu
10
16
149
403
354
513
Otoyol
14
20
137
438
535
686
Devlet Karayolu
20
28
179
517
448
647
Otoyol
18
23
146
449
535
699
Devlet Karayolu
15
27
140
384
337
492
Otoyol
16
18
213
584
707
936
Devlet Karayolu
14
30
133
389
214
361
862
Otoyol
17
23
178
497
667
Devlet Karayolu
13
20
162
482
168
343
Otoyol
8
10
185
564
574
767
Devlet Karayolu
17
22
226
517
264
507
Otoyol
15
22
207
603
500
722
Devlet Karayolu
11
16
205
440
262
478
Otoyol
10
10
177
536
421
608
Devlet Karayolu
7
10
155
375
154
316
Otoyol
9
18
152
471
471
632
98
3. Bolu Dağı Geçidi ve Bolu Dağı Tünel Teknik Bilgileri
D-100 Karayolu’nun 28 km’lik kısmı Bolu Dağı geçişinde bulunmaktadır.
Kaynaşlı Abant kavşağı arasındaki bu dağlık yol eşsiz doğal güzelliği, damaklarda kalan farklı lezzetleri, sisle kaplı yolu, trafik kazaları ve bir o kadar da kış
aylarındaki zorlu kış koşullarıyla efsaneleşmiştir.
Gümüşova - Gerede Otoyolu projesinin bir bölümü olan Bolu Dağı
Geçişi; 25,5 km otoyol, 1,6 km bağlantı yolu olmak üzere toplam 27,1
km uzunluktadır. Otoyol 2x3 şeritli, bağlantı yolu da 2x2 şeritli olarak
projelendirilmiş olup toprak tesviye, sanat yapıları, tünel ve üst yapı işlerini
kapsamaktadır. Proje’nin Abant Kavşağı - Yumrukaya arasındaki 3 km’lik 2x3
otoyol bölümü ile, Abant Kavşağı’nı D-100 Devlet Yolu’na bağlayan 1,6 km’lik
bağlantı yolu, 1985 m uzunluktaki kavşak kolları ile birlikte 17.08.1996’da
trafiğe açılmış bulunmaktadır.
Bolu Dağı Tüneli, İstanbul - Ankara istikametinde 3014 metre, Ankara - İstanbul istikametinde ise, 3125 metre olarak hizmet vermektedir.
Bolu Dağı Geçişi’nin güney yolu 23.01.2007, kuzey yolu ise 08.05.2007 tarihinde ulaşıma açılmıştır. Bu yolun bünyesinde; 4 adet 4644 m uzunluğunda
viyadük, 9 adet 1296 m uzunluğunda köprü, 1 adet 229 m uzunluğunda
köprülü kavşak, 1 adet 76 m uzunluğunda üst geçit köprüsü, 23 tane çeşitli
kesitlerde kutu menfez, 2 adet 725 m uzunluğunda kemer menfez ve 13 adet
977 m uzunluğunda boru menfez bulunmaktadır. Bolu Dağı geçişinin Bolu
Dağı Tüneli’nin açılmasıyla, araç geçişi açısından karşılaştırılması yapmak için
istatistikleri gözden geçirildiğinde, tünelin ağır taşıtlar yönünde bir avantajla
kullanıldığı söylenebilir. Tünel geçişine müsaade edilmeyen yanıcı ve parlayıcı
madde taşıyan araçların yanı sıra, tünel geçişine uygun olmayan araçlar da
Bolu Dağ geçiş yolunu zorunlu olarak kullanmaktadırlar. 2001 yılında 1 şerit
eklenerek genişletilen ve kısmen kazıklarla genişletilen yol, 2007 de Bolu Dağı
Tüneli’nin açılışı ile eski öneminden çok uzaklaşmıştır.
4. Bolu Dağı Tüneli, Anadolu Otoyolu, Bolu Dağı Geçidi, D-100 Karayolu
Trafik Güvenliği
4.1. Bolu Dağı Tüneli ve Anadolu Otoyolu’nun Trafik Güvenliği Önlemleri
Bolu Dağı Tüneli ve viyadüklerinin yapılış aşamasında 2 kez sele ve 2 kez de
depreme maruz kalmıştır. Tünel yapım aşamasında yön ve yer değiştirerek
bu günkü halini almıştır. Kuzey Anadolu fay hattında bulunan tünel potansiyel tehlike altında olması sebebiyle, Bolu Dağı geçişi stratejik önemini halen
korumaktadır. Tarafımızdan çekilen resimler aşağıda verilmiştir (Resim 1).
99
Resim 1. Bolu Dağı Tüneli ve Viyadükleri
Yukarıda Tablo 5’de verilen kaza kayıtları incelediğinde, otoyolda
2007 yılında tünelin açılmasının ardından oluşan kazalarda bir artış olduğu
görülmüştür. Bu artışın nedenlerinin en başında hız ve iklim koşullarının
bu bölgede çok sert olması gelmektedir. Yani bu artışın temelinde, tünele
yaklaşılırken bu kısımda yer alan viyadüklerin olumsuz hava koşullarından en
çok etkilenen ve kazaya yol açan bir yapıda olması ve tünelin her iki yönünde
giriş ve çıkış kısımlarında oluşan olumsuz yol koşullarına bağlı olduğu görüşü
ağırlık kazanmıştır. Çünkü girişte ve özelikle de İstanbul yolu çıkışında yol
güzergâhında buzlanma sebebiyle birçok kaza oluşumuna neden olmuştur.
Neticede tünele yaklaşılırken, girişte, çıkışta ve tünel içerisinde hız sınırı getirilerek, tüm araçlar için bu değer 70 km/saat olarak uygulanmıştır.
Tünelin, bağlantı viyadüklerinin ve yolların olumsuz koşullardan
arındırılarak, kazaların en aza indirilmesi için aşağıda belirtilen sistemler ile
önlemler alınmıştır (KGM, 2013a).
•
Telekontrol Sistemi,
•
Havalandırma Sistemi ve Yangın Senaryosu,
•
Tünel Aydınlatma Sistemi,
•
Kapalı Devre Televizyon Sistemi,
•
Müsaade edilen hız: 70 km/saat
•
Yol Kaplaması: Asfalt,
•
Duvar Kaplaması: Beton,
•
Kaçış Yönü İşareti: Yangın esnasında kazazedelerin en yakın istikametten diğer tüpe geçebilecekleri araç geçiş / yaya geçiş yön ve
mesafesini ışıklı levhalarla gösterilmektedir.
•
Plaka Okuma Sistemi: Tünelde 10 adet plaka ve hız okuma
kameraları bulunmaktadır. Tünel içerisinde bulunan 66 adet ka-
100
mera ile olay algılama (olağan dışı bir durumun otomatik tespiti, duran araç, yaya, ters giden araç vb.) yapılarak, görüntüleri
kontrol merkezinde bulunan 50» ekranlardan birinde izlenebilmektedir. Ayrıca sesli olarak operatör uyarılmaktadır. Tüm kamera görüntüleri 7 gün 24 saat kayıt edilmektedir.
•
Hız İhlali Takibi: Araçların hızını ölçerek kaydedebilmektedir.
•
Şüpheli Araç Takibi: Belli zaman dilimlerinde bir aracın
belirtilenden fazla sefer görüntülenmesi durumlarını takip
edebilmektedir.
•
Acil Haberleşme Sistemi,
•
Yangın Algılama, İhbar ve Söndürme Sistemleri,
•
Trafik Kontrol Sistemi,
•
Sis uyarı sistemi,
•
Buzlanma Algılama ve Önleme Sistemi,
•
Tünel Radyo Sistemi,
•
Kamu Anons Sistemi: Tünel içerisinde herhangi bir sebeple kalan
sürücü ve yolculara gerekli uyarıda bulunmak üzere Kamu Anons
Sistemi tesis edilmiştir. Sırt sırta ikişer adet yüksek güçlü hoparlörden oluşan sistemde her iki tüpte toplam 62 hoparlör mevcut
olup, operatör tarafından tek tek veya grup halinde ya da tünelin tümüne anons yapmak mümkündür. Özellikle kaza, yangın
vb. olağan üstü durumlarda operatör tarafından yapılacak uyarı
ve yönlendirilmelerin sağlanması açısından yolcu ve sürücülerin
önemle dikkate alması gereken bir anons sistemidir.
•
Otoyolda Aydınlatma ve Sis Uyarı Sistemi,
4.2. Bolu Dağı Geçidi ve D–100 Karayolu Trafik Güvenliği Önlemleri
D-100 Karayolu bağlantısı ve Bolu Dağı geçişinde ise, bu önlemlerin
çoğundan bahsetmek pek mümkün değildir. 2001 yılında biten çalışmalarla
birinci derece deprem bölgesi içinde bulunan ve Otoyol Abant Kavşağı ile
Kaynaşlı Otoyol Kavşağı arasındaki 18,2 km’lik mevcut yola, bir şerit ilave
edilerek 2x2 şeritli bölünmüş yol haline getirilmiş ve bitümlü sıcak karışımla
kaplanmıştır. Proje kapsamında, heyelan önlenmesi amacıyla 100-120-165200 cm çapında ve toplam 15.858 m uzunluğunda ankrajlı fore kazıklar ve
toplam 4.827 m uzunluğunda ankrajlı mini kazıklar inşa edilmiş ve toplam
101
8.500 m² lik kaya yüzeyi, kaya çivileri ve hasır çelik takviyeli püskürtme beton
ile desteklenmiştir.
2001 yılında hizmete açılan proje kapsamında; 1.555.000 m³ kazı,
95.000 m³ beton, 374.000 ton temel ve alt temel, 349.000 ton bitümlü sıcak
karışım işleri yapılmıştır. Bolu Dağı Geçişi Projesi kapsamında “Yol ve Trafik
Bilgilendirme Sistemi” kurulmuş olup, bu sistem içinde araç ve yol yüzey durumu algılayıcı sistemi, kablosuz görüntü aktarımını sağlayan kamera sistemi,
ledboardlar ve sis lambaları yer almaktadır (kolin.com.tr, 2012)
Tarafımızdan yapılan tespitlerde ise, bazı yerlerde yol çizgilerinin
bulunmadığı veya silindiği, bazı bölgelerde de bariyerlerin yetersiz olduğu, sis
uyarı lambalarının bazılarının yanmadığı, ışıklandırmanın yetersiz ve olmaması
nedeniyle de güvenli trafik geçişinin tehlikeye girdiği görülmektedir.
D-100 karayolunun Bolu kent merkezi içinden geçen kesiminde, ışıklı
kavşakların yerine köprülü kavşak sisteminin yapılandırılması, kazalarda azalmaya neden olacaktır. Bu noktada Karaçayır mevkiinden geçecek yeni çevre
yolu projesi başlamış olup, trafik akışı çevre yoluna taşınması planlanmaktadır.
5. Bolu Dağı Geçidi ve Bolu Dağı Tüneli Açılışının Ardından Ekonomik Yapının
Değişimi
1987 TEM Anadolu Otoyolu inşaatının yapımına başlanmasından 2007 yılında
tünelin her iki gidiş geliş yönünde açılmasına kadar olan zaman diliminde,
Bolu Dağı geçişi bu yolun her açıdan en stratejik noktası olmuştur. Daha
önceki konu başlıklarında Bolu’nun ekonomik yapısının değerlendirilmesi
yapılmıştı. Konu çerçevesinde ise bu otoyol ve tünelin Bolu ekonomisini ne
şekilde etkilediğinin bizzat yaşayanlardan öğrenilmesinin tespitleri aşağıda
belirtilmiştir.
Bunun için 2005 yılına geri dönüldüğünde; o yıllarda Bolu Dağı’nın genel görüntüsü nasıldı? 2005 yılında bölge esnafı neler düşünüyordu? Şimdi ne
oldu? Bu soruların yanıtları aşağıdaki tarzda açıklanmıştır.
2005’te 70 dinlenme tesisinde 2.600 kişi çalışıyor, günlük ortalama 680.000 TL ciro gerçekleştiriliyordu. Günlük et tüketimi yaklaşık
5.600 kg ile dağ etrafındaki 7 köy sadece buralardan aldığı gelirle geçimini
sürdürmekteydi. Dağ yolundan bir günde 20–25 bin araç, 600 civarında otobüs, 4 bin kamyon ve kamyonet geçişi oluyordu. Bolu Dağı’nın marka olmuş
yatırımcılarının 2005 yılına kıyasla, aşağıda belirtilen beyanatları dahilinde
Bolu Dağı Tüneli’nin açılmasıyla, nasıl bir ekonomik etki içine gireceğini
önceden tahmin ederek, yatırımlarını ya otoyol üzerine kaydırdıklarını ya da
başka sektörlere yöneldikleri görülmektedir (Hürriyet, 2013) .
102
Uçar’ın Yeri’nin İşletme Müdürü Ahmet Yiğit 14 yaşından beri Bolu
Dağı’nda çalışmaktadır. Şirketin sahibi Recep Uçar ile aynı köydendir. Çeşitli
zamanlarda Varan, Ulusoy, Koru Oteli gibi tesislerde görev alan Yiğit, o dönem
tünelin yapımını üstlenen İtalyan Astaldi Firması’nın kendisine garsonluk teklif ettiğini ancak gitmediğini söylüyor. Bolu Dağı üzerindeki tesislerin civarda
Bakacak Köyü’de dahil yedi köyü beslediğini anlatan Yiğit şöyle anlatıyor:
Buradaki çalışanların ne olacağı önemli, köylerde göç başladı, sadece bu
tesiste 60 kişi çalışıyor. Buraya gelenlerle bir anket yaptım. Sadece yüzde 10’u
yaz aylarında buraya gelirim diyor. Kış aylarında hiç kimse gelmeyeceğini
söylüyor. Burada önceleri gurbet olayı yoktu şimdi başlayacak gibi görünüyor.
1999’da dört arkadaş tarafından kurulan Berceste’nin ortaklarından
Yusuf Akdoğan, tünelle birlikte dağdaki tesislerin müşteri bulmakta
zorlanacağını söylüyor. İki Berceste tesisinde 180 kişiyi istihdam ettiklerini
kaydeden Akdoğan, aynı zamanda yöresel ürünler de sattıklarını belirtiyor.
Akdoğan, “Tünelin devreye girmesiyle birlikte tüm yöre çalışanları da olumsuz etkilenecek” diyor. Tünelle birlikte müşteri sayısının yüzde 75 azalacağını
düşündüklerini kaydeden Akdoğan, “Büyük işletmeler kapanmak zorunda
kalacak. İlk birkaç ay ne olup bittiğine bakmak istiyoruz. İş hacmimiz yüzde
50’ye düşerse hemen kapatacağız. İhaleye çıkılırsa biz büyük firmalarla rekabet edemeyiz. Ama kiracı firmalardan taşeronluk da alabiliriz” diye belirtiyor.
Sabahattin’in Yeri 1999 yılında işletmeye açılmış. Sahibi Sabahattin
Aydın, günde ortalama 1.500 kişi ağırladıklarını söylüyor. 50 işçinin çalıştığı bu
işletmenin diğerlerinden farkı ise Akçaabat Köftesi ile ünlü olması. Kendisi de
Akçaabatlı olan Sabahattin Aydın, isimlerini kısa bir süre önce tescil ettirdiklerini, markalaşma ve kalite konusunda ciddi adımlar attıklarını belirtiyor. Aydın,
“Örneğin bundan bir süre önce müşterilerimize iyi bir hizmet sunabilmek için
70 milyara tuvalet yaptırdık. Şimdi herkes bizi tebrik ediyor” diye konuşuyor.
Sabahattin’in yerinin bir başka özelliği de yöresel ürünlerin satıldığı büyük bir
markete sahip olması. Bolu tünelin açılmasıyla birlikte dağ esnafının sıkıntıya
gireceğini söyleyen Aydın, aynı kaliteli hizmeti yeni yol güzergâhı üzerinde de
vermek istediklerini bu nedenle ihaleye gireceklerini belirtiyor.
Karanlıkdere Soğukpınar Et Lokantası’nın sahipleri Mustafa ve Murat
Kabadayı. Lokantanın işletme müdürü de aynı zamanda Bakacak Köyü’nün
Muhtarı Ali Şengül. Şengül tünel ile birlikte köyün göç vereceğini söylüyor.
Cevat Küçük ise, yıllardır bu lokantanın yanında ahşap hediyelik satıyor. Rengarenk standlarda Bolu Dağı’nın simgesi haline gelen ahşap beşikler, kaşıklar,
yer sofraları, daha pek çok şey var. Karayollarının bu stantları kaldırmak
istediğini söyleyerek, “20 milyarlık malım var, bunları ne yapacağım” diyor.
Bolu Dağı esnafıyla yapılan sohbetlerde hep aynı kişinin adı geçti, Mahzar
Murtazaoğlu. Murtazaoğlu, Bolu Dağı’ndaki ilk tesisin işletmecisi. Buradaki
103
restoran çalışanlarını çoğu onun yanında yetişmiş. Şimdi 80 yaşlarında olan
Murtazaoğlu aslında orman mühendisi. 1959 yılında Bolu Dağı yolunun
yapımını üstlenen amcaoğlu, onu bu güzergâhta bir tesis kurması için çağırmış.
O da işini gücünü bırakarak, Varan Tesisleri’nin (günümüzde kapalı konumda)
bulunduğu yere bir tesis inşa etmiş. Murtazaoğlu o dönemde günde 4 - 5
aracın geçtiğini söylüyor. Bir süre sonra tesisi Varan’a devreden Murtazaoğlu,
aynı güzergâhtaki Koru Oteli’ni kurmuş. Bu süre zarfında o zaman Doruk
bugün Ulusoy olan tesisi de yapan Murtazaoğlu, 1972’de Koru Oteli’ni Turing’e
satmış. Bugün Kartalkaya’daki kayak otelinin sahibi olan Murtazaoğlu, “Bolu
Dağı’ndaki pek çok kişi benim yanımda yetişti. 6-7 yaşlarındayken yanıma
geldiler. Şimdi tesis sahibi oldular” diyor. Bolu Dağı’ndaki mola geleneğini
başlatan Murtazaoğlu, tünelle birlikte buradaki esnafın da yeni güzergâhta
yerini alması gerektiğine inanıyor.
Yeni güzergâhta toplam 520 dönümlük yer bulunduğunu söyleyen
Düzce Ticaret ve Sanayi Odası Başkanı Metin Büyük şu açıklamalarda bulunuyor (Aktif haber, 2013).
Bolu Dağı esnafı tünelle birlikte iş hacimlerinin yüzde 80 – 95 oranında
düşeceğini, bu da tesislerin kapanmasına ve binlerce insanın işsiz kalmasına
neden olacak. Bolu Sanayi Odası ve Düzce Ticaret ve Sanayi Odası olarak
birlikte bir çalışmamız var. İzmir’de Mersin’de nasıl güç birliği yapıldıysa biz
de güç birliği yaparak yeni yoldaki bu yere talip olacağız. Belediyeleri de işin
içine sokarak bu bölgenin insanlarını bu alana yerleştirmek istiyoruz, bu herkesi rahatlatır.
Bolu Dağı Geçidi ve Bolu Dağı Tüneli açılışının ardından eski güzergâhta yer alan birçok dinlenme tesisleri ve akaryakıt istasyonları kapanmıştır.
Tarafımızdan çekilen resimler aşağıda verilmiştir (Resim 2).
Resim 2. Bolu Dağında Kapatılmış Bir Akaryakıt ve Dinlenme Tesisi
104
2013 yılına gelindiğinde neredeyiz? Şu an Bolu Dağı A.Ş. nin yönetim
kurulu başkanı olan Adnan Daylan’a sorulduğunda; Anadolu Otoyolu ve Bolu
Dağı Tüneli Bolu ekonomisini nasıl etkilemiştir? Alınan cevap ise şu olmuştur:
2003 yılında Bolu Sanayici ve İş Adamları Derneği (BOSİAD) başkanlığı
yaparken bir televizyon kanalından Bolu hakkında ekonomik içerikli bir program için davet aldım. Bu davet üzerinde kapsamlı bir çalışma yaptık. Bu
çalışmaya Valilik, Ticaret Odası, Belediye ve Sivil toplum kuruluşları destek
verdi. Bu çalışma sonucunda elde ettiğimiz verilerde Bolu için SWOT analizi
çıkardık. Bu analizde karşılaştığımız tehditlerin baş etkenlerinden biri Otoyol
ve Bolu Dağı Tüneli olduğu ortaya çıktı. Bolu Dağı Tüneli’nin açılışının yılan
hikâyesine dönmesinin ardından Kaynaşlı, Abant Kavşağı arasında zorunlu
olarak trafiğin Bolu Dağı Geçidine yönlenmesi, burada ciddi bir ekonomik
canlanma yaratmış yatırımlar birbirini izlemiş ve bu kısacık alana toplam
163 adet işletme açıldığı görüldü. Bu işletmelerde 3600 adet sigortalı işçi
çalıştığını tespit ettik. Bu işletmelerin açılmadan önce bu bölgede ciddi bir adli
suç vakalarının bulunduğu, orman kaçakçılığının yapıldığını ve işletmelerin
açılmasının ardından ciddi bir istihdam sağlamasıyla bu sayının yok denecek
boyutlarda küçüldüğü görüldü. Yapılan analizde bir gün mutlaka bu tünelin
açılacağı, bu açılışın ardından azalan araç trafiği nedeniyle bu işletmelerin
kapanma tehlikesine karşı bir önlem alma ihtiyacını hissettik ve bu noktada
girişimcilerle toplantılar yaparak bu konuyu masaya yatırdık. Yapılan
irili ufaklı yüzlerce toplantının ardından Bolu Dağı alış - veriş merkezi,
konaklama ve yaşam alanı doğdu. Burası Bolu, Düzce ve Ankara İstanbul
yolu yolcularının yanında Tüm Batı Karadeniz bölgesine de hitap etmektedir.
Ayrıca bu açıklamalarının sonunda; bu kuruluşun sosyal etkilerinin de
olduğunun göz ardı edilmemesi gerektiği ve bu hususta çalışmalar yaptıklarını,
çevre köy ve yerleşkelerde bulunan üreticilerin üretimlerinin de bu tesiste
satışının yapılarak bölgeye katkı sağlamaya çalıştıklarını belirtmiştir.
Bu konuyla ilgili görüşülen Gökdemir Şirketler Gurubu’nun yönetim
kurulu başkanlığını yapan Emin Gökdemir’e benzer soru (Bolu Dağı Geçidi
ve Bolu Dağı Tüneli açılışının ardından ekonomik yapının değişimini nasıl
görüyorsunuz?) yöneltilmiştir. Emin Gökdemir’in vermiş olduğu yanıtlara
göre; Anadolu Otoyolu ve Bolu Dağı Tünelinin açılışı, Bolu Dağı geçidinde
faaliyet gösteren işletmeleri çok olumsuz etkilediği ve ardı arkasına bu
işletmelerin birer birer kapandığı, bu işletmelerin hem istihdam ve ekonomik
gelişimini sekteye uğrattığı, yapılan yatırımların atıl kaldığı belirtilmiştir.
Ayrıca Gökdemir, bu durumun etkisinin azaltılması için Bolu Dağı geçişinin
alternatif özelliği korunmak suretiyle, bir çekim alanı yaratılması gerektiğini
belirterek, bu geçişin yol kalitesinin artırılmasını, ışıklandırılmasını, kış
koşullarında geçişin daha sağlıklı olarak sağlanabilmesi için, güvenlik önlemlerinin artırılmasının olumlu etki göstereceğini açıklamıştır. Geçen yıllar içinde
atıl kalan bu işletmelerin kârlı bir işletme olarak tekrar hayata geçirilmesi için,
yatırımcılara cazip teşvikler verilerek bunun gerçekleşebileceğini belirtmiştir.
105
Açılan tünelin ardından kapanan bu işletmelerinin yerine Bolu Dağı’nın
Abant Kavşağı tarafına Yumrukaya mevkiine yapılan Highway Outlet alışveriş
dinlenme ve konaklama tesisi, ülkemizin ve Avrupa’nın en büyük otoyol üzeri
alışveriş, eğlence ve dinlenme tesisidir. Bu alışveriş merkezi aşağıda belirtilen
hususlara sahiptir.
•
630.000 m² lik tesiste 1.000.000 m3 toprak dolgusu yapılmıştır. Bu
toprak dolgu ortalama bir ada büyüklüğündedir.
•
Binanın cephesi 520 m’ dir.
•
Binanın çatı alanı 6 futbol sahası büyüklüğündedir.
•
Merkez, 37.500 m² kiralanabilir alan, 25.000 m² ortak kullanım
alanı ve 20.000 m2 benzin istasyonları, konaklama alanları ve binek
oto restoranları ile çok katlı alışveriş merkezlerine göre çok daha
rahat ve konforlu alan imkânları sunmaktadır.
• 1750 m² Balo&Kongre salonu ile bölgenin kültürel, geleneksel ve
sanatsal etkinliklerine hizmet ederek, bölgenin kültür ve etkinlik
merkezi olmayı amaçlamaktadır.
•
3750 araçlık otopark kapasitesi bulunmaktadır.
2010 yılı üçüncü çeyreğinde faaliyete geçen işletme, 75.000.000 USD
yatırım değeri ile Türkiye ve Avrupa’nın en büyük Otoyol yatırımı özelliğini
korumaktadır. Burada günlük olarak 75.000 kişi, 15.000 binek araç, 1500 Otobüs, 2000 Kamyon-TIR hizmet alabilecek kapasitesi mevcuttur. Bu işletmede
1500’ e yakın kişinin istihdam edildiği belirtilmektedir.
Sonuç
Yukarıda detaylarıyla belirtildiği gibi Bolu ili; Bolu Dağı Geçidi ve Bolu Dağı
Tüneli’nin yakının da bulunmasına, Türkiye’nin 2 önemli metropolünün
arasında çok stratejik konumda olmasına rağmen, gerek sanayileşme gerek
tarım, gerekse turizm alanında kararsız bir yapı içinde kalmış, belli başlı birkaç
sektörün üretim ve ticareti kıskacından çıkamamıştır. Birçok noktada konumundan kaynaklı olarak avantajları kullanamayıp sosyal ve yapısal güçlüklerin
katkısıyla gelişime engel olan bir yapı içermektedir.
Yakın zamanda yaşanan Deprem ve bölgenin Kuzey Anadolu Fay
Hattı’nda bulunması dışında, coğrafi durumu dışında bir engel bulunmayan
ilin coğrafi avantajları daha üst noktadadır.
İlin uzun süreli, kalıcı ve istikrarlı büyümesinin ve saklı kalmış turizm
potansiyelinin destekleyici politikaların gerçekleştirilmesi kaçınılmaz
106
görünmekle beraber, Bolu’nun bu noktada kararlılığını göstererek tarım mı,
sanayi mi, turizm mi vb. kendisine özgü hangi türlerde kapsamlı politikalar
geliştireceğine karar vermesi gerekmektedir.
İlin ülkemiz içinde öne çıktığı kanatlı hayvan yetiştiriciliği ve
işlenmesindeki entegre yapısı yanında, birkaç beyaz eşya üretim tesisi
dışında organize sanayi bölgesi bile doluluk sorunu yaşamaktadır. Belki de
oluşturulacak planlama ile Bolu ili, yukarıda belirtilen bu sektörlerin hepsinde
bir rol edinmeyi hedefleyebilir. Burada da nüfus ve yetişmiş insan gücü problemi kendini göstermektedir.
İlin karayolu dışında ne demiryolu ne de denizyolu bağı mevcuttur.
Küresel rekabetin artık bölgesel rekabetin üzerine çıktığı düşünüldüğünde,
artık Otoyol ve Bolu Dağı Projesi nedeniyle bir transit geçiş güzergâhı
noktasına gelmiştir. Bu oluşum yukarıda da belirtildiği gibi kısa vadede
olumsuz etkiler yaratmış olsa da, bu erişilebilir olma avantajını Bolu en iyi
şekilde değerlendirmesi gerekir.
Bolu yerel girişimciliğin ve ortak girişim yapısının zayıf olarak öne çıktığı
bölgelerden birisidir. Ortaklık kültürünün geliştirilerek yeni yapısal girişimlerin
yapılması, kaçınılmaz olarak görülmektedir. Bolu D-100 Kara Yolu’na sırtını
dönmemeli ve bizzat bu durumu avantaja çevirmenin yollarını aramalıdır.
Metropollere yakın olmak demek, buralara daha ucuz maliyetle mal satmak
demektir.
2005–2008 ve 2011 yılında Bolu ili dahilinde oluşan trafiğin günlük ortalama trafik değerleri ayrıştırılmış, tünelin açılması ile birlikte oluşan trafik
akışı yoğunluğunu görme imkanı bulunmuştur. Bu değerler trafik güvenliği ve
ekonomik gelişimde, ulaşımın değerlerinin ölçülmesinde yardımcı olmuştur.
2002–2012 yılları arasında Bolu ili trafik kazası istatistikleri incelendiğinde;
tünelin açıldığı yıl olan 2007’de en yüksek değeri alarak 936 kaza olayı
olmuş ve alınan önlemlerle ertesi yıl 862 adet kaza ile azalmaya geçmiştir.
2012 yılında ise bu rakam 632’ye düşmüştür. Otoyola kıyasla, Bolu il sınırları
içindeki devlet yollarında ise 2002 yılında 348, 2007 yılında 492, 2012 yılında
ise 316 adet toplam kaza meydana gelmiştir. Tünelin açılmasıyla devlet kara
yolundaki kazalarda azalma yaşanmış fakat otoyoldaki kazalarda ise ciddi bir
artış görülmüştür.
Bolu kendi içinden çıkardığı değerlerle, üniversite kenti hedefini
henüz tamamlayamadığı görülmektedir. Üniversitenin ilde ekonomiye katkısı
yadsınamayacak derecede yüksektir. Bolu’da inşaat sektörünün yapısal
tercihlerini bile üniversite potansiyeli belirlemektedir.
107
Bolu yapılan ölçümlemelerde refah seviyesi yüksek illerden biri
çıkması nedeniyle, maalesef kamu desteklerinden nispeten mahrum olarak
yoluna devam ederek ilerlemeye çalışmaktadır. Nitekim ilde kamu yatırım
harcamalarından, reel sektöre yapılan harcamalar binde 1 bile değildir. Zengin
turizm potansiyeli olmasına rağmen, turizmde yatırım teşviki bulunmayan ilin
turizm kamu harcaması büyüklüğü 2010 yılında Türkiye toplamının sadece
binde 0,11’ i olmuştur.
Bolu’nun yabancı yatırımcılar açısından cazibe merkezi olması için,
teşvik sistemlerine ihtiyacı bulunmaktadır. Bölgesel olarak çevre illerinin
bu imkânı, Bolu’nun bu noktada geride kalmasına sebebiyet vermektedir.
Bolu devam eden hızlı tren yol çalışmaları ve gelişen hava yolu taşımacılığı
nedeniyle, transit yolcu taşımacılığında kavşak nokta olma özelliğinin gittikçe
zayıflaması tehlikesiyle de karşı karşıyadır.
Yapılan bu çalışmada, elde edilen tespitler ve kullanılan yöntemler
dikkate alınarak, gerçekleştirilen araştırmalar sonucunda ortaya çıkan hususların; Bolu iline özel olarak ciddi bir büyümenin yaşanmasında etken rol
oynamadığı, yapılan yatırımların istihdam ve yatırımcılar tarafından yeni gelişmeler getirmediği, kalkınma veya büyümede bir model oluşturmadan çok
uzak olduğu, trafik yoğunluğundan kaynaklanan trafik kazalarındaki can ve
mal güvenliği açısından beklenen pozitif gelişmelerin istenilen düzeyden
daha aşağıda kaldığı, Bolu’nun özelinden çok, fayda maliyet dengesinde ulusal yapıya daha faydalı olduğu, ulaşımın kısalması ve erişilebilirliğin kolaylaşması avantajlarının, Bolu iline has avantaj olarak yeterince kullanılmadığı ve
konuyla ilgili verimli projelerin yapılamadığı, projelerden yoksun kalındığı,
sektörel gelişmelerin yetersiz ve zayıf kaldığı, Bolu’nun zenginliklerinin sanayileşmedeki kararsızlığının ve yetersiz istihdam kalitesinin yanında yetersiz
nüfus yapısının da etkenlerden biri olarak öne çıktığı görülmüştür.
Bu saydığımız nedenlerle Bolu genç dinamik nüfus yapısını, biriken sermayesini, doğal kaynaklarını, cennet doğasını kullanarak bu günden lojistik üs
olma yolunda bu avantajlarını değerlendirmeli, insan kaynaklarını ve potansiyelini zorlamalıdır. Çünkü küresel rekabet kapının önüne gelmiş dayanmıştır.
Kaynakça
Aktifhaber (2013). “Bolu Dağı Tüneli Esnafı Vuracak”, http://www.aktifhaber.com/bolu-dagi-tuneli-esnafi-vuracak-46383h.htm (erişim tarihi:
13.04.2013)
108
Aydın, B. ve Erel, D. (2010). Bolu İli 2010 İktisadi Raporu, Bolu: Kemal
Matbaacılık.
Bolu İli Emniyet Müdürlüğü (2013). 473888285.10237.62186,616.(13)13.1399
sayılı belge, Bolu.
DİE (Devlet İstatistik Enstitüsü) (2005). Türkiye İstatistik Yıllığı, Ankara.
Doğu Marmara Kalkınma Ajansı (2010). TR42 Doğu Marmara Bölge Planı,
2010-2013, Kocaeli.
Hurriyet (2013). “Anadolu Otoyolu Viyadükleri Riskli”, http://arama.hurriyet.
com.tr/arsivnews.aspx?id=53725 (erişim tarihi: 13.04.2013)
KGM (2013a). “Bolu Dağı Tüneli Elektromekanik Sistemleri”, http://www.
kgm.gov.tr/SiteCollectionDocuments/KGMdocuments/Otoyollar/BoluTuneli/bolutuneli2.pdf , (erişim tarihi: 12.03.2013)
KGM (2013b). Devlet ve İl Yolları Envanteri”, http://www.kgm.gov.tr/Sayfalar/
KGM/SiteTr/Istatistikler/DevletveIlYolEnvanteri.aspx (erişim tarihi:
31.03.2013)
KGM (2013c). “Otoyol Envanter Bilgisi”, http://www.kgm.gov.tr/Sayfalar/
KGM/SiteTr/Istatistikler/OtoyolEnvanterBilgisi.aspx (erişim tarihi:
31.03.2013)
Kolin.com.tr (2012). “Ankara-İstanbul Yol İnşaatı”, http://www.kolin.com.
tr/projeler/biten-projeler/ulastirma-ve-altyapi/ankara-istanbul-devlet-yolu-bolu-dagi-gecisi-bolunmus-yol-insaati.htm , (erişim tarihi:
13.04.2013)
T.C. Başbakanlık Dış Ticaret Müsteşarlığı (2011). İl İl Dış Ticaret Potansiyeli,
Ankara.
T.C. Bolu Valiliği (2011).
Müdürlüğü.
İstatistikliklerle Bolu, 2011, Bolu: Karayolları
Tanrıyar, K. (2011). Rekabet Üzerine, İstanbul: Tor Ofset San. Tic. Ltd. Şti.
Tümertekin, E. (1987), Ulaşım Coğrafyası, İstanbul: İstanbul Üniversitesi
Matbaası.
Vol. 1, No.1, 2014
ŞEHİR İÇİ ULAŞIMDA GÖREV YAPAN SÜRÜCÜLERİN
PSİKOLOJİK BELİRTİ PROFİLLERİ
Psychological Symptom Profiles of Drivers Who
Work for Local Transportation
Mustafa Koç
Mustafa Aktaş
Mustafa Ayancı
T. Seda Çolak
Betül Düşünceli
ÖZ
Bu çalışmada temel amaç, şehir içi ulaşımda görev yapan sürücülerin
psikolojik belirti profillerinin belirlenmesidir. Araştırmanın diğer bir
amacı da bu konu hakkında ilgili kişi, kurum ve kuruluşların farkındalığını
artırmaktır. Araştırma ilişkisel tarama yöntemi ile gerçekleştirilmiştir.
Araştırmanın amacı şehir içi trafikte görev yapan bireylerin hangi
psikolojik belirtilere sahip olduğunu belirlemek olduğundan bu yöntem kullanılmıştır. Araştırma şehir içi trafikte görev yapan 392 kişi ile
gerçekleştirilmiştir. Şehir içi trafikte görev yapan ve araştırmaya katılan
bireylerin; yaş değişkenine, şehir içi trafikte çalışma sürelerine, kaza
yapıp yapmama durumlarına ve kaza yapma sayısına göre psikolojik
belirti düzeyleri belirlenmiştir. Araştırmada veriler Psikolojik Belirtiler
Tarama Envanteri (SCL90-R) Kısa Formu (53 madde) ile elde edilmiştir.
Veriler 2012 Kasım-Aralık ayları ile 2013 Ocak- Şubat ayları arasında
Sakarya İl Emniyet Müdürlüğü Şehir İçi Trafik Şube Müdürlüğünce elde
edilmiştir. Veriler betimsel istatistiklerden frekans ve yüzdelikler ile
ortalamaların karşılaştırılmasına dayalı parametrik tekniklerle analiz
edilmiştir. Yapılan analizler sonucunda; a- şehir içi ulaşımda görev yapan bireylerin ağırlıklı olarak sırasıyla, depresyon, kişiler arası duyarlık,
öfke ve düşmanlık ve paranoid düşüncelere ilişkin belirtilere sahip
oldukları bulunmuştur; b- yaş ve çalışma süresi ilerledikçe öfke ve
düşmanlık ile paranoid düşüncelere ilişkin belirtilerde de artış olduğu
bulunmuştur; c- hiç kaza yapmadığını belirten bireyler kaza yaptığını
belirten bireylerden daha fazla anksiyete belirtilerine sahiptir d-kaza
sayısı artıkça anksiyete ve Fobik anksiyete belirtilerinde de artma
olduğu bulunmuştur.
Anahtar Kelimeler: Psikolojik belirti, şehir içi ulaşım, sürücü, sürücü
davranışları
*
Doç. Dr. Sakarya Üniversitesi Eğitim Fakültesi Eğitim Bilimleri Bölümü, [email protected]
**
1. Sınıf Emniyet Müdürü. Sakarya İl Emniyet Müdürü
*** 3. Sınıf Emniyet Müdürü. Sakarya İl Emniyet Müdürlüğü Şehir İçi Trafik Denetim Şube Müdürü
**** Arş. Gör. Sakarya Üniversitesi Eğitim Fakültesi Eğitim Bilimleri Bölümü
*****Arş. Gör. Sakarya Üniversitesi Eğitim Fakültesi Eğitim Bilimleri Bölümü
*
**
***
****
*****
110
Şehir İçi Ulaşımda Görev Yapan Sürücülerin
Psikolojik Belirti Profilleri
ABSTRACT
The main purpose of this study is to determine psychological symptom profiles of drivers who work for local transportation. Another aim
of the research is to raise awareness of people, institutions and organizations that are related on this topic. Research is carried out with
relational screening model. This method is used because the aim of
the study is to determine the psychological symptoms of drivers who
work for local transportation. The research is carried out with 392
people who work for local transportation. The psychological symptoms of drivers who work for local transportation and participated
into investigation were determined to the age, hours of work at local
transportation, making accident or not and number of accident. The
data is carried out with Brief Symptom Inventory (53-item). Sakarya
Directorate of Province Security, Traffic Control Branch Directorate of
Local Transportation collect data between the months of January to
February 2012 with November to December 2013. Data is analyzed
with frequencies and percentages from descriptive statistics and parametric techniques based on comparison of averages. As a result of the
analyzes it is found that; a- individuals who work for local transportation mainly have symptoms of depression, interpersonal sensitivity,
hostility and anger, and paranoid thoughts; b- there is an increase on
symptoms of anger and paranoid thoughts while the age and working time progresses; c- individuals who specify that they did not make
accidents have more anxiety symptoms than individuals who specify
that they make accidents; d- there is an increase in anxiety and phobic
anxiety symptoms while the number of accidents increases.
Keywords: Psychological symptoms, local transportation, drivers,
driver behaviors
Giriş
Türkiye’de geçmişten bugüne uygulanan bazı politikalar sonucu taşıma sistemi kara yolu taşımacılığına bağımlı bir hale gelmiştir. Bu bağımlılığın faturası
ağır biçimde ödenmektedir. Her yıl ortalama 5.000 kişi trafik kazalarında
yaşamını yitirmekte, binlerce kişi yaralanıp sakat kalmaktadır. Ayrıca çok yüksek değerlere ulaşan maddi hasarlar ülke kaynaklarının heba olmasına sebep
olmaktadır (Çelik, 2007, s. 104).
Son on yılda Türkiye’de Emniyet Genel Müdürlüğü ve Jandarma Genel
Komutanlığı sorumluluk bölgesinde meydana gelen trafik kaza bilgilerinin genel istatistikleri Tablo 1’de verilmiştir (Trafik.gov.tr, 2013).
111
ŞEHİR İÇİ ULAŞIMDA GÖREV YAPAN SÜRÜCÜLERİN PSİKOLOJİK BELİRTİ PROFİLLERİ
Tablo 1. Türkiye’de Emniyet Genel Müdürlüğü ve Jandarma Genel
KomutanlığıEmniyet
Sorumluluk
Bölgesinde
Meydana
Gelen Trafik
BilgilerininSorumluluk
Tablo 1. Türkiye’de
Genel
Müdürlüğü
ve Jandarma
GenelKaza
Komutanlığı
Genel İstatistikleri
Bölgesinde Meydana
Gelen Trafik Kaza Bilgilerinin Genel İstatistikleri
Yıl
Kaza sayısı
Ölü sayısı
Yaralı sayısı
2003
455.637
3.959
117.551
2004
537.352
4.427
136.437
2005
620.789
4.505
154.086
2006
728.755
4.633
169.080
2007
825.561
5.007
189.057
2008
950.120
4.236
184.468
2009
1.053.346
4.324
201.380
2010
1.104.388
4.045
211.496
2011
1.228.928
3.835
238.074
2012
1.296.636
3.750
268.102
Tablo 1’de kaza sayısı yıllara göre artış göstermektedir. Kaza sayısı artış
Tablo 2. Trafik
Kazasına Neden
Olanölü
Sürücü,
Yolcu, Yaya,
Yol Ve
Kusur Oranı azalma
göstermesine
rağmen
sayılarında
azalma
ve Taşıtın
yaralı sayılarında
Yılgözlenmektedir.
Sürücü (%)
Yolcu (%)
Yaya (%)
Yol (%)
Taşıt (%)
2002
0,23 tarzı olarak
2,39
0,25 davranışları
0,31
Tercih96,82
edilen araç kullanma
tanımlanan sürücü
kazalardaki
insan
faktörünün
belirleyici
unsurlarıdır.
Trafi
k
psikoloji
2003
97,03
0,16
2,32
0,22
0,27
kapsamında
yapılan
çalışmalar
ihlal
ve
hatalarının
en
temel
olumsuz
sürücü
2004
97,30
0,11
2,18
0,19
0,22
davranışları
olduklarını
ve
özellikle
ihlallerin
tutarlı
olarak
kaza
yapma
sıklığını
2005
97,39
0,11
2,04
0,22
0,25
kestirdiğini göstermiştir (Sümer vd., 2002). Lewin (1982), çalışmasında kazaya
2006
98,07
0,09
1,62
0,13
0,10
yol açan temel etmenlerin %85- 90 oranında sürücülerin dikkatlerinin sürek2007
98,03 olmalarıyla
0,09engellenebileceğini
1,64
0,11 r. TÜİK’nun
0,14
li açık ve becerikli
ifade etmişti
2008
90,53 olduğu bir0,43
8,37k kazasına neden
0,42 olan sürücü,
0,26
(2011, s. 6) yapmış
çalışmada da trafi
2009
89,60
0,41oranı Tablo 2’de
9,09 belirtilmişti0,61
0,29
yolcu, yaya, yol
ve taşıtın kusur
r.
2010
89,72
0,36
8,97
0,63
0,33
2011
90,20
0,39
8,51
0,60
0,30
Tablo 3. Şehir İçi Ulaşımda Görev Yapan Sürücülerin Yaş Değişkenine Göre Psikolojik Belirti Puan
Ortalamaları ve F Değerleri
Tablo 4. Şehir İçi Ulaşımda Görev Yapan Sürücülerin Çalışma Süresi Değişkenine Göre Psikolojik Belirti
Puan Ortalamaları ve F Değerleri
Tablo 5. Şehir İçi Ulaşımda Görev Yapan Sürücülerin Kaza Yapıp Yapmama Durumuna Göre Psikolojik
Belirti Puan Ortalamaları ve t Değerleri
Tablo 6. Şehir İçi Ulaşımda Görev Yapan Sürücülerin Kaza Yapma Sayısına Göre Psikolojik Belirti Puan
112
2008
950.120
4.236
184.468
2009
1.053.346
4.324
201.380
2010
1.104.388
4.045
211.496
3.835
238.074
3.750
268.102
Psikolojik2011
Belirti Profilleri 1.228.928
2012
1.296.636
Tablo 2. Trafik Kazasına Neden Olan Sürücü, Yolcu, Yaya, Yol Ve Taşıtın Kusur
Tablo
2. Trafik Kazasına Neden Olan Sürücü, Yolcu, Yaya, Yol Ve Taşıtın Kusur Oranı
Oranı
Yıl
Sürücü (%)
Yolcu (%)
Yaya (%)
Yol (%)
Taşıt (%)
2002
96,82
0,23
2,39
0,25
0,31
2003
97,03
0,16
2,32
0,22
0,27
2004
97,30
0,11
2,18
0,19
0,22
2005
97,39
0,11
2,04
0,22
0,25
2006
98,07
0,09
1,62
0,13
0,10
2007
98,03
0,09
1,64
0,11
0,14
2008
90,53
0,43
8,37
0,42
0,26
2009
89,60
0,41
9,09
0,61
0,29
2010
89,72
0,36
8,97
0,63
0,33
2011
90,20
0,39
8,51
0,60
0,30
Trafik; insan, araç, yol ve çevresinden oluşan üç ana unsurun etkileşimini
Tablo 3. Şehir İçi Ulaşımda Görev Yapan Sürücülerin Yaş Değişkenine Göre Psikolojik Belirti Puan
kapsar. Trafik kazaları bahsedilen bu üç unsurdan birinde veya tamamında orOrtalamaları ve F Değerleri
taya çıkan sorunlardan kaynaklanır. İnsan unsuru trafik kazalarında ilk sırada
olup,
diğer
kaza unsurlarının
oluşmasında
da etkisi
söz
konusuTablo
4. Şehir
İçi Ulaşımda
Görev Yapan kusurlarının
Sürücülerin Çalışma
Süresi Değişkenine
Göre
Psikolojik
Belirti
dur.
Tehlikelive
araç
kullanmak, alkollü araç kullanmak, yol ortasından yürümek,
Puan
Ortalamaları
F Değerleri
hareket halindeki araçtan atlamak gibi kusurlar trafik kazalarının oluşmasına
Tablo 5. Şehir İçi Ulaşımda Görev Yapan Sürücülerin Kaza Yapıp Yapmama Durumuna Göre Psikolojik
sebep olan insan kusurlarına örnek olarak verilebilir. Araç kusurlarına ise; lasBelirti Puan Ortalamaları ve t Değerleri
tik patlaması, kabloların alev alması, jant çıkması, rot kırılması gibi kusurlar
örnek
gösterilebilir.
Yolun
bir Sürücülerin
bölümünün
yol viraj
eğimininBelirti
doğru
Tablo
6. Şehir
İçi Ulaşımda Görev
Yapan
Kazaçökmesi,
Yapma Sayısına
Göre Psikolojik
Puan
Ortalamaları
ve t Değerleri.
olmaması,
yol çizgilerinin bulunmaması, yol çevresinin görüş mesafesini
şekilde
doldurulması
da yol
ve çevre
kusurlarına
Not:engelleyecek
Yukarıda başlıkları
verilentesislerle
tablolar, resim
formatında olduğu
için üzerinde
düzeltmeler
yapılamıyor.
nedenle
burayasağlanması
alınmadı. Gönderdiğiniz
dosyadaki
haliyle kullanabilirsiniz.
örnektir.BuKaza
sonrası
gereken PDF
arama,
kurtarma
ve ilk yardım
faaliyetlerinin yetersizliği de can kayıplarını arttıran en önemli kusurlardandır
(Çelik, 2007, s.122).
Sürücü Davranışları, becerileri, bazı kişilik özellikleri ve psikolojik belirtilerin trafik kazalarındaki rolünün incelendiği bir çalışmaya Ankara’da
çalışan 41’i amatör 280’i profesyonel olmak üzere toplam 321 erkek sürücü
katılmıştır. Kaza sayısı temelinde yapılan analizlerde iki ve daha fazla kaza yapan sürücülerin hiç kaza yapmayanlardan daha fazla trafik ihlal ve hataları
yaptıkları, güvenli sürücülük becerilerinin düşük düzeyde olduğu ve görece yüksek düzeylerde heyecan arama eğilimi, psikolojik semptomlar ve
saldırganlık gösterdikleri bulunmuştur. Trafik ihlallerinin yordandığı iki
aşamalı regresyon sonuçları demografik değişkenler, kişilik özellikleri ve
psikolojik semptomların ihlallerdeki toplam değişimin % 41’ini açıklayabildiği,
aynı zamanda ihlalleri en güçlü düzeyde psikolojik semptomların yordadığı
görülmüştür (Sümer ve Özkan, 2002).
113
Ulaştırma hizmetlerinde görev yapan şoförler stres açısından en riskli
gruplardan birisini oluşturmaktadır. Zaman baskısı, kötü organizasyonlar, işe
karışmalar, işi zamanında yetiştirme telaşı ve monoton bir çalışma şekli gibi
faktörler sürücüleri için önemli stres kaynaklarını oluşturmaktadır (Greiner,
1998). Ulaşım hizmetinde görevli sürücülerin stresle baş etme becerilerinin
incelendiği bir çalışmanın katılımcılarını Sakarya Büyük Şehir Belediyesi
Ulaştırma Hizmetlerinde çalışan toplam 266 şoför oluşturmaktadır. Araştırma
sonucunda şoförlerin genel olarak stresle başa çıkmada; Dine Sığınma, Aktif Planlama ve Bilişsel Yapılandırma yöntemlerini kullandıkları, yaş, çalışma
süresi, eğitim durumları ve işe karşı tutum değişkenlerine göre stresle baş
etme becerilerinin istatistiksel olarak anlamlı farklılıklar gösterdiği, kaza
yapan şoförlerin, Dış Yardım Arama ve Kaçma Biyo-Kimyasal boyutlarını
kullandıkları, kaza yapmayan şoförlerin ise, Aktif Planlama, Bilişsel Yeniden
Yapılandırma ve Dine Sığınma boyutlarını daha fazla kullandıkları sonucuna
varılmıştır (Şar ve Işıklar, 2011).
Türkiye’nin farklı illerinden 546 sürücü ile yapılan bir diğer çalışmada
da, kazaları yordamada ihlallerin ve dalgınlıkların manidar olduğunu, ancak alınan cezalar ve sollama eğilimi gibi diğer olumsuz davranışları kestirmede sadece ihlaller faktörünün anlamlı katkıda bulunduğunu göstermiştir.
Sürücü davranışları, araç kullanma ve güvenli sürücülük becerileri ile birlikte
ele alındığında ise, araç kullanma becerilerine aşırı güvenen, ancak güvenli
sürücülük anlayışından yoksun olan sürücülerin daha fazla kaza ve sollama
yaptıkları ve daha çok trafik cezası aldıkları bulunmuştur (Sümer vd., 2002).
Örgüt iklimi ve sürücü davranışları arasındaki ilişkinin incelendiği 230 profesyonel sürücü ile yürütülen bir başka çalışmada ise iş motivasyonu düşük
sürücülerin hata ve ihlal puanlarının anlamlı derecede iş motivasyonu yüksek
sürücülerden yüksek olduğu belirlenmiştir (Öz vd.,2010).
Tüm süreçlerde olduğu gibi trafik sürecinde de en önemli unsur
insandır. İster araçtan isterse de yoldan kaynaklansın bir kazanın yaşanması
ya da yaşanmamasında en temel faktör sürücülerdir. Araçtan ya da yoldan
kaynaklanabilecek bir hatanın kaza ile sonuçlanması sürücülerin duyarlı,
dengeli ve tutarlı davranışları ile en aza indirilebilir. Bu bağlamda önemli olan
sürücülerden kaynaklanan kazaları en aza indirmek olmalıdır. Çünkü araç
ve yol şartları uygun olsa bile trafik sürecinde olan kişinin ruh sağlığı riskli
sürücü davranışlarına neden olabilmektedir. Bunun yanında şehir içi trafiğin
kalabalık olması, trafiğin bazen yavaş, bazen de durması, insanların tutum ve
davranışları, sürücünün aynı anca birçok unsuru göz önünde bulundurmak
zorunda kalması gibi faktörler sürücü davranışlarını daha riskli hale getire-
114
bilmektedir. Şehir içi trafikte görev yapan sürücülerin bütün bu faktörlerin
oluşturduğu psikolojik baskıyı tolere edebilecek kişisel yeterliliklere sahip
olması beklenir. Bu yeterliğe sahip olmayan sürücüler hem kendi hem de
başkalarının hayatları için risk oluşturabilecek davranışları şehir içi trafikte
sergileyebilmektedirler. İş, sosyal ve aile ortamlarında yaşanan çatışmaların
oluşturduğu psikolojik baskının bir dışa vurumu olarak trafik bu tür
davranışlarda bulunan bir sürücüden duyarlı ve dengeli sürücü davranışları
beklenememektedir. Bu bağlamda şehir içi ulaşımda görev yapan bireylerin
çeşitli değişkenlere göre psikolojik belirti profilini belirlemeyi amaçlayan bu
çalışmada aşağıdaki sorulara cevap aranmıştır.
Şehir içi ulaşımda görev yapan bireylerin psikolojik belirtilere sahip
olma düzeyi;
a) Yaş değişkenine,
b) Şehir içi trafikte çalışma süresine,
c) Kaza yapıp yapmam durumuna ve
d) Kaza yapma sayısına göre farklılaşmakta mıdır?
1. Yöntem
1.1. Örneklem
Araştırma Sakarya ili şehir içi ulaşımda görev yapan 392 minibüs şoförü ile
gerçekleştirilmiştir. Katılımcıların % 6,4 ‘ü 18-24, % 15,8’i 25-30, %13’ü 3135, %26,5 36–40, ve %38,3’ü ise 41 ve üzeri yaş aralığındadır. Katılımcıların
% 27,8’i 1-yıl, %16,3’ü 6–10 yıl, %36,7’si 11–15 yıl, %8,4’ü 16-20 yıl ve %10,7’si
21 ve üzeri süredir şehir içi trafikte görev yapmaktadır. Katılımcılardan
%61,7’si kaza yapmamış ve % 38,3’ü kaza yapmıştır. %24,2’si 1–2 kez kaza
yaptığını, %11,5’i 3 ve daha fazla kaza yaptığını belirtmiştir.
1.2. Veri Toplama Araçları
1.2.1. Kısa Semptom Envanteri (KSE)
Araştırmada veriler Kısa Semptom Envanteri (KSE) ile elde edilmiştir. Özgün
adıyla “Brief Symptom Inventory” olan ve 1994 yılında Nesrin Hisli Şahin ve
Ayşegül Durak tarafından Türkçe’ye uyarlanan KSE, SCL-90-R’nin kısa formudur. SCL-90-R’nin 9 faktöre dağılmış olan 90 madde arasından, her faktörde
en yüksek yükü almış 53 madde seçilmiş ve 5-10 dakikada uygulanabilen benzer yapıda kısa bir ölçek elde edilmiştir. Envanter 9 alt ölçek, ek maddeler ve
3 global indeksten oluşmaktadır (Savaşır ve Şahin, 1997).
115
1.2.2. Kişisel Bilgi Formu (KBF)
Şehir içi ulaşımda görev yapan ve psikolojik belirtilerle ilişkilendirilebilecek
demografik bilgilere ulaşmak için hazırlanan Kişisel Bilgi Formunda,
katılımcıların yaşı, bu işi yapma süreleri, kaza yapıp yapmadıkları ve kaza
sayıları belirlenmeye çalışılmıştır.
1.3. Verilerin Analizi
Araştırma ilişkisel tarama yöntemi ile gerçekleştirilmiştir. Araştırmada psikolojik belirtililer bağımlı değişken olarak ele alınmıştır. Katılımcıların yaşı, bu işi
yapma süreleri, kaza yapıp yapmadıkları ve kaza sayıları bağımsız değişkenler
olarak ele alınmıştır Araştırmada veriler SPSS istatistik paket programı ile
analiz edilmiştir. Frekans, yüzdelikler, ilişkisiz iki ortalama arasındaki farkın
karşılaştırılması için t-testi ve ikiden fazla ilişkisiz ortalamaların karşılaştırılması
için de varyans analizi istatistik teknikleri kullanılmıştır.
2. Bulgular
Bulgular
2.1. Şehir2.İçi
Ulaşımda Görev Yapan Sürücülerin Psikolojik Belirti Düzeylerine
İlişkin Bulgular
2.1. Şehir İçi Ulaşımda Görev Yapan Sürücülerin Psikolojik Belirti Düzeylerine
İlişkin Bulgular
Şekil
Şekil 1.
1. Şehir
Şehirİçi
İçi Ulaşımda
UlaşımdaGörev
GörevYapan
YapanSürücülerin
SürücülerinPsikolojik
PsikolojikBelirti
BelirtiDüzeyleri
Düzeyleri
3
2,5
2
1,5
1
0,5
0
Ortalama
Somat.
okb
kad
Depr.
Anks.
Öfk- Fob.An
Düş.
k.
Par.
Psktzm
Düş
1,82
0,92
2,27
2,61
1,57
2,04
1,94
0,12
1,01
Şehir içi ulaşımda görev yapan sürücülerin psikolojik belirti düzeyleri
Şehir içi Şekil
ulaşımda
görev yapanYapılan
sürücülerin
psikolojik
belirti
düzeyleri
şekil 1’de
1’de incelenmiştir.
incelemede
1,5 ve üzeri
puan
almış olanlar
psikopatolojik
sahip1,5
olarak
sürücülerin
incelenmiştir.
Yapılan belirtilere
incelemede
ve kabul
üzeriedildiğinde,
puan almış
olanlar çoğunun
psikopatolojik
psikopatolojik
belirtilere
sahip olduğu
bulunmuştur.
Şehirpsikopatolojik
içi ulaşımda görev
belirtilere sahip
olarak kabul
edildiğinde,
sürücülerin
çoğunun
belirtilere
yapan
sürücülerin Şehir
9 alt boyut
içinde yalnızca
ve obsesif
kom- içinde
sahip olduğu
bulunmuştur.
içi ulaşımda
görev fobik
yapananksiyete
sürücülerin
9 alt boyut
pulsifanksiyete
belirtilerde
altında
ortalamaya
sahip oldukları
görülmektedir.
yalnızca fobik
ve 1’in
obsesif
kompulsif
belirtilerde
1’in altında
ortalamaya sahip
Psikopatolojik
belirti
lerin
alt
boyutları
incelendiğinde;
somati
zasyon
boyuoldukları görülmektedir. Psikopatolojik belirtilerin alt boyutları alt
incelendiğinde;
tun ortalaması
(X=1,82),
obsesif kompulsif
alt boyutunun
ortalaması (X=0,92),
somatizasyon
alt boyutun
ortalaması
(X=1,82),
obsesif kompulsif
alt boyutunun
kişiler
arası
duyarlılık
alt
boyutunun
ortalaması
(X=2,27),
depresyon
alt boyuortalaması (X=0,92), kişiler arası duyarlılık alt boyutunun
ortalaması
(X=2,27),
depresyon alt boyutunun ortalaması (X=2,61), anksiyete alt boyutunun ortalaması
(X=1,57), öfke ve düşmanlık alt boyutunun ortalaması (X=2,04), fobik anksiyete alt
boyutunun ortalaması (X=0,12), paranoid düşünce alt boyutunun ortalaması (X=1,94),
psikotizm alt boyutunun ortalaması (X=1,01) bulunmuştur.
116
tunun ortalaması (X=2,61), anksiyete alt boyutunun ortalaması (X=1,57), öfke
ve düşmanlık alt boyutunun ortalaması (X=2,04), fobik anksiyete alt boyutunun ortalaması (X=0,12), paranoid düşünce alt boyutunun ortalaması (X=1,94),
psikotizm alt boyutunun ortalaması (X=1,01) bulunmuştur.
2.2. Şehir İçi Ulaşımda Görev Yapan Sürücülerin Yaş Değişkenine Göre
Psikolojik Belirti Düzeylerine İlişkin Bulgular
Tablo 3. Şehir İçi Ulaşımda Görev Yapan Sürücülerin Yaş Değişkenine Göre Psikolojik
Belirti Puan Ortalamaları ve F Değerleri.
Kare. Top / Kare. Ort.
Somatizasyon
ObsesifKomp.
Kisiler Arasi
Duyar.
Depresyon
Ank
Öfke ve Düs.
N
Ortalama
Std. Sapma
1. 18-24 yas
25
1,87
,67
2. 25-30 yas
62
1,68
,38
G.I= 4
3. 31-35 yas
51
1,67
,29
G.A= 387
4. 36-40 yas
104
1,79
,43
Top= 391
94,46
5. 41+
Paranoid Düs.
Psikotizm
KT
KO
F
5,51
1,378
5> 2, 3
88,95
,230
150
1,96
,56
1. 18-24 yas
25
,86
,26
2. 25-30 yas
62
,87
,24
G.I= 4
1,22
,306
3. 31-35 yas
51
,84
,24
G.A= 387
49,60
,128
4. 36-40 yas
104
,92
,31
Top= 391
50,83
5. 41+
150
,99
,46
1. 18-24 yas
25
2,36
,97
2. 25-30 yas
62
2,15
,76
G.I= 4
3,74
,934
3. 31-35 yas
51
2,11
,68
G.A= 387
242,10
,626
4. 36-40 yas
104
2,27
,80
Top= 391
245,84
5. 41+
150
2,36
,80
1. 18-24 yas
25
2,51
1,27
2. 25-30 yas
62
2,75
1,29
G.I= 4
3,78
,944
3. 31-35 yas
51
2,75
1,31
G.A= 387
596,77
1,542
4. 36-40 yas
104
2,65
1,25
Top= 391
600,55
5. 41+
150
2,52
1,19
1. 18-24 yas
25
1,67
,54
2. 25-30 yas
62
1,57
,34
G.I= 4
,51
,127
3. 31-35 yas
51
1,52
,22
G.A= 387
66,40
,172
4. 36-40 yas
104
1,55
,49
Top= 391
66,91
5. 41+
P
6,00
,000
2,39
,051
1,49
,203
,61
,654
,738
,566
150
1,59
,41
1. 18-24 yas
25
1,74
1,11
2. 25-30 yas
62
1,75
1,26
G.I= 4
36,17
9,043
5> 2, 4
3. 31-35 yas
51
2,15
1,42
G.A= 387
528,27
1,365
6,62
,000
4. 36-40 yas
104
1,75
1,19
Top= 391
564,44
,007
150
2,40
1,02
392
2,05
1,20
1. 18-24 yas
25
,00
,00
2. 25-30 yas
62
,02
,07
G.I= 4
3,43
,858
3. 31-35 yas
51
,08
,35
G.A= 387
93,05
,240
3,57
4. 36-40 yas
104
,09
,37
Top= 391
96,48
5. 41+
5. 41+
Fobik Ank.
SD
150
,24
,70
1. 18-24 yas
25
1,81
,33
2. 25-30 yas
62
1,86
,33
G.I= 4
1,94
,484
5> 2, 3
3. 31-35 yas
51
1,87
,38
G.A= 387
50,95
,132
3,68
,006
4. 36-40 yas
104
1,95
,37
Top= 391
52,89
5. 41+
1,14
,336
150
2,02
,37
1. 18-24 yas
25
,98
,29
2. 25-30 yas
62
,96
,30
G.I= 4
,64
,159
3. 31-35 yas
51
,97
,30
G.A= 387
53,93
,139
4. 36-40 yas
104
,97
,35
Top= 391
54,57
5. 41+
150
1,05
,44
117
Şehir içi ulaşımda görev yapan sürücülerin yaş değişkenine göre
psikolojik belirtiler arasındaki fark tablo 3’te incelenmiştir. Şehir içi ulaşımda
görev yapan sürücülerin yaş değişkenine göre psikolojik belirtiler puan
ortalamaları arasında fark olup olmadığını belirlemek için tek yönlü ANOVA
testi yapılmıştır. Somatizasyon [F(4-387)= 6,00, p < 0,001] ve Paranoid düşünce
alt boyutlarında [F(4-387)= 3,68, p < 0,01] anlamlı bir fark olduğu bulunmuştur.
41 ve üzeri yaşlardaki sürücülerin, 25-30 yaş ve 31-35 yaş aralığındaki sürücülere oranla daha yüksek somatizasyon ve paranoid düşünce belirtilerine sahip
oldukları görülmüştür. Öfke ve düşmanlık alt boyutunda anlamlı bir fark [F(4= 6,62, p < 0,001] olduğu bulunmuştur. 41 ve üzeri yaşlardaki sürücülerin,
387)
25-30 yaş ve 36-40 yaş aralığındaki sürücülere oranla daha yüksek öfke ve
düşmanlık belirtilerine sahip oldukları görülmüştür. Fobik anksiyete alt boyutunda anlamlı bir fark [F(4-387)= 3,57, p < 0,01] olduğu bulunmuştur. Bu alt
boyutta fark 41 ve üzeri yaşlardaki sürücülerden kaynaklanmaktadır. Bir başka
deyişle, 41 ve üzeri yaşta olan sürücüler diğer yaş grubundaki bireylerden
daha fazla psikolojik belirtilere sahiptir.
2.3. Şehir İçi Ulaşımda Görev Yapan Sürücülerin Çalışma Süresi Değişkenine
Göre Psikolojik Belirti Düzeylerine İlişkin Bulgular
Tablo 4. Şehir İçi Ulaşımda Görev Yapan Sürücülerin Çalışma Süresi Değişkenine
Göre Psikolojik Belirti Puan Ortalamaları ve F Değerleri
Ortalama
108
1,77
,50
2. 6-10 YIL
64
1,83
,41
G.I= 4
3. 11-15 YIL
144
1,82
,51
G.A= 386
92,91
,380
4. 16-20 YIL
33
2,01
,58
Top= 390
94,43
,241
N
Somatizasyon
1. 1-5 YIL
5. 21+
Obsesif-Komp.
,43
,89
,39
2. 6-10 YIL
64
,97
,35
G.I= 4
3. 11-15 YIL
144
,90
,30
G.A= 386
50,17
,159
4. 16-20 YIL
33
,96
,39
Top= 390
50,81
,130
42
1,00
,44
108
2,13
,68
2. 6-10 YIL
64
2,32
,88
G.I= 4
3. 11-15 YIL
144
2,28
,80
G.A= 386
240,70
1,267
4. 16-20 YIL
33
2,56
,82
Top= 390
245,77
,624
42
2,33
,84
2,71
1,29
2. 6-10 YIL
64
2,66
1,26
G.I= 4
3. 11-15 YIL
144
2,64
1,24
G.A= 386
592,27
1,541
4. 16-20 YIL
33
2,62
1,16
Top= 390
598,44
1,534
,179
1,23
,299
2,03
,089
1,00
,405
,725
,576
6,17
42
2,27
1,12
1. 1-5 YIL
108
1,54
,39
2. 6-10 YIL
64
1,58
,38
G.I= 4
3. 11-15 YIL
144
1,56
,46
G.A= 386
66,40
,125
4. 16-20 YIL
33
1,68
,41
Top= 390
66,90
,172
33,34
,50
42
1,57
,38
108
1,92
1,24
64
1,69
1,02
G.I= 4
3. 11-15 YIL
144
2,03
1,21
G.A= 386
530,00
8,335
4. 16-20 YIL
33
2,62
1,20
Top= 390
563,34
1,373
5. 21+
42
2,59
1,04
2. 6-10 YIL
1,58
5,07
108
1. 1-5 YIL
P
,64
1. 1-5 YIL
1. 1-5 YIL
F
1,52
1,86
5. 21+
Öfke ve Düs.
KO
42
5. 21+
Ank
KT
108
5. 21+
Depresyon
SD
1. 1-5 YIL
5. 21+
Kisiler Arasi
Duyar.
Kare. Top / Kare.
Ort.
Std.
Sapma
5> 1
ve 2
6,07
,000
3. 11-15 YIL
144
2,64
1,24
G.A= 386
592,27
1,541
4. 16-20 YIL
33
2,62
1,16
Top= 390
598,44
1,534
42
2,27
1,12
108
1,54
,39
5. 21+
Ank
118
1. 1-5 YIL
Şehir İçi 2.Ulaşımda
Görev Yapan
Sürücülerin
6-10 YIL
64
1,58
Psikolojik3.Belirti
Profilleri 144
11-15 YIL
1,56
4. 16-20 YIL
5. 21+
Öfke ve Düs.
66,40
,125
,41
Top= 390
66,90
,172
33,34
,38
1,92
1,24
64
1,69
1,02
G.I= 4
3. 11-15 YIL
144
2,03
1,21
G.A= 386
530,00
8,335
4. 16-20 YIL
33
2,62
1,20
Top= 390
563,34
1,373
,725
,576
5> 1
ve 2
42
2,59
1,04
1. 1-5 YIL
108
,09
,40
2. 6-10 YIL
64
,10
,44
G.I= 4
3. 11-15 YIL
144
,13
,49
G.A= 386
95,65
,204
4. 16-20 YIL
33
,24
,69
Top= 390
96,47
,248
6,07
,000
,822
,512
,81
42
,20
,65
1. 1-5 YIL
108
1,92
,37
2. 6-10 YIL
64
1,86
,30
G.I= 4
3. 11-15 YIL
144
1,92
,34
G.A= 386
50,64
,562
4. 16-20 YIL
33
2,12
,52
Top= 390
52,89
,131
5. 21+
,405
,50
1,57
5. 21+
Psikotizm
G.A= 386
42
5. 21+
Paranoid Düs.
1,68
G.I= 4
,46
108
1. 1-5 YIL
2. 6-10 YIL
Fobik Ank.
33
,38
1,00
2,25
4> 2
42
2,07
,36
1. 1-5 YIL
108
,98
,35
2. 6-10 YIL
64
1,02
,37
G.I= 4
3. 11-15 YIL
144
,98
,33
G.A= 386
54,09
,110
4. 16-20 YIL
33
1,07
,49
Top= 390
54,53
,140
5. 21+
42
1,05
,48
4,28
,002
,782
,537
,44
Şehir içi ulaşımda görev yapan sürücülerin çalışma süresi değişkenine
göre psikolojik belirtiler arasındaki fark tablo 4’te incelenmiştir. Şehir içi
ulaşımda görev yapan sürücülerin çalışma süresi değişkenine göre psikolojik
belirtiler puan ortalamaları arasında fark olup olmadığını belirlemek için
tek yönlü ANOVA testi yapılmıştır. Öfke ve düşmanlık alt boyutunda anlamlı
bir fark [F(4-386)= 6,07, p < 0,001] olduğu bulunmuştur. 21 yıl ve üzeri çalışma
yılına sahip sürücülerin, 1-5 yıl arası ve 6-10 yıl arası çalışma sürelerine sahip
sürücülere oranla daha yüksek öfke ve düşmanlık belirtilerine sahip oldukları
görülmüştür. Paranoid düşünce alt boyutunda anlamlı bir fark [F(4-386)= 4,28,
p < 0,01] olduğu bulunmuştur. 16-20 yıl arası çalışma süresine sahip sürücülerin, 6-10 yıl arası çalışma süresine sahip sürücülere oranla daha yüksek paranoid düşünce belirtilerine sahip oldukları görülmüştür.
119
2.4. Şehir İçi Ulaşımda Görev Yapan Sürücülerin Kaza Yapıp Yapmama Durumuna Göre Psikolojik Belirti Düzeylerine İlişkin Bulgular
Tablo 5. Şehir İçi Ulaşımda Görev Yapan Sürücülerin Kaza Yapıp Yapma Durumuna
Göre Psikolojik Belirti Puan Ortalamaları ve t Değerleri.
Kaza Yapma Durumu
Somatizasyon
EVET
HAYIR
Obsesif-Komp.
EVET
HAYIR
Kisiler Arasi Duyar.
EVET
HAYIR
Depresyon
EVET
HAYIR
Ank
EVET
HAYIR
Öfke ve Düs.
EVET
HAYIR
Fobik Ank.
EVET
HAYIR
Paranoid Düs.
EVET
HAYIR
Psikotizm
EVET
HAYIR
N
Ortalama
Std. Sapma
242
1,83
,51
t= 0,26
t-Degerleri
150
1,82
,45
sd=390
p= 0,74 > 0,05
242
,92
,38
t= 0,01
150
,92
,32
sd=390
p=0,98>0,05
242
2,23
,75
t=- 1,22
150
2,33
,85
sd=390
p=0,22> 0,05
242
2,63
1,24
t=0,26
150
2,60
1,24
sd=390
p=0,79>0,05
242
1,54
,39
t=- 2,21
150
1,63
,44
sd=390
p=0,02<0,05
242
1,98
1,16
t= - 1,38
150
2,16
1,26
sd=390
p=0,16> 0,05
242
,11
,45
t=- 1,22
150
,17
,57
sd=390
p=0,22>0,05
242
1,95
,34
t=0,20
150
1,94
,40
sd=390
p=0,83>0,05
242
1,00
,37
t=0,09
150
1,00
,38
sd=390
p=0,92>0,05
Şehir içi ulaşımda görev yapan sürücülerin kaza yapıp yapmama
durumuna göre psikolojik belirti puan ortalamaları arasındaki fark tablo 5’de
incelenmiştir. Bu puan ortalamaları arasında fark olup olmadığını belirlemek
için yapılan ortalamaların eşitliği için t testi sonucunda anksiyete alt boyutunda
farkın [t(390)= -2,21, p < 0,05] düzeyinde anlamlı olduğu bulunmuştur. Hiç
kaza yapmamış sürücülerin daha yüksek anksiyete belirtisine sahip oldukları
görülmüştür. Diğer alt boyutlarda anlamlı bir fark bulunmamıştır.
120
2.5. Şehir İçi Ulaşımda Görev Yapan Sürücülerin Kaza Yapma Sayısına Göre
Psikolojik Belirti Düzeylerine İlişkin Bulgular
Tablo 6. Şehir İçi Ulaşımda Görev Yapan Sürücülerin Kaza Yapma Sayısına Göre
Psikolojik Belirti Puan Ortalamaları ve t Değerleri.
Somatizasyon
ObsesifKomp.
Kisiler Arasi
Duyar.
Ortalama
Std.
Sapma
1. hiç
252
1,80
,45
G.I= 2
2. 1-2 kez
95
1,87
,53
3. 3+
45
1,92
,59
1. hiç
252
,91
,37
G.I= 2
,09
,05
2. 1-2 kez
95
,92
,34
G.A= 389
50,74
,13
3. 3+
45
,96
,36
Top= 391
50,83
1. hiç
252
2,26
,78
G.I= 2
,93
,46
2. 1-2 kez
95
2,24
,75
G.A= 389
244,91
,63
45
2,40
,94
Top= 391
245,84
1. hiç
252
2,62
1,23
G.I= 2
1,08
,54
2. 1-2 kez
95
2,67
1,28
G.A= 389
599,47
1,54
3. 3+
45
2,48
1,20
Top= 391
600,55
1. hiç
252
1,55
,40
G.I= 2
1,64
,82
2. 1-2 kez
95
1,56
,42
G.A= 389
65,27
,17
3. 3+
45
1,75
,46
Top= 391
66,91
3. 3+
Depresyon
Ank
Öfke ve Düs.
Fobik Ank.
Paranoid Düs.
Psikotizm
Kare. Top / Kare. Ort.
N
SD
KT
KO
F
,78
,39
G.A= 389
93,67
,24
Top= 391
94,46
1. hiç
252
2,05
1,21
G.I= 2
,14
,07
2. 1-2 kez
95
2,02
1,24
G.A= 389
564,30
1,45
3. 3+
45
2,09
1,06
Top= 391
564,44
1. hiç
252
,09
,40
G.I= 2
1,83
,92
2. 1-2 kez
95
,16
,54
G.A= 389
94,65
,24
3. 3+
45
,30
,78
Top= 391
96,48
1. hiç
252
1,95
,35
G.I= 2
,37
,18
2. 1-2 kez
95
1,90
,38
G.A= 389
52,52
,14
3. 3+
45
2,00
,43
Top= 391
52,89
1. hiç
252
,97
,35
G.I= 2
1,40
,70
2. 1-2 kez
95
1,00
,33
G.A= 389
53,17
,14
3. 3+
45
1,16
,54
Top= 391
54,57
P
1,63
,20
,35
,70
,74
,48
,35
,70
3 > 1 ve 2
4,88
,01
,05
,95
3> 1
3,77
,02
1,36
,26
3> 1
5,11
,01
Şehir içi ulaşımda görev yapan sürücülerin kaza yapma sayısına göre
psikolojik belirtiler arasındaki fark tablo 6’de incelenmiştir. Şehir içi ulaşımda
görev yapan sürücülerin kaza yapma sayılarına göre psikolojik belirtilere
sahip olma puan ortalamaları arasında fark olup olmadığını belirlemek için
tek yönlü ANOVA testi yapılmıştır. Anksiyete alt boyutunda anlamlı bir fark
[F(2-389)= 4,88, p < 0,05] olduğu bulunmuştur. 3 ve daha çok kez kaza yapmış
sürücülerin, 1-2 kez ya da hiç kaza yapmamış sürücülere oranla daha yüksek
anksiyete belirtilerine sahip oldukları görülmüştür. Fobik anksiyete alt boyu-
121
tunda [F(2-389)= 3,77, p < 0,05] ve psikotizm alt boyutunda [F(2-389)= 5,11, p
< 0,05] anlamlı bir fark olduğu bulunmuştur. 3 ve daha çok kez kaza yapmış
sürücülerin, hiç kaza yapmamış sürücülere oranla daha yüksek fobik anksiyete ve psikotizm belirtilerine sahip oldukları bulunmuştur. Diğer alt boyutlarda anlamlı bir fark bulunmamıştır.
Sonuç ve Tartışma
Şehir içi ulaşımda görev yapan bireylerin ağırlıklı olarak sırasıyla, depresyon,
kişiler arası duyarlık, öfke ve düşmanlık ve paranoid düşüncelere ilişkin
belirtilere sahip oldukları bulunmuştur. Her işin kendine özgü avantaj
ve dezavantajları vardır. Her işin doğasında olan dezavantajları avantaja
dönüştürebilecek dinamiklere sahip olmak önemlidir. Yapılan işin ilgi, yetenek,
kişilik ve sosyo-kültürel değerlere uygun olması işin dezavantajlarını avantaja
dönüştürebilir ki böylece mesleki kimlik oluşur. Şehir içi ulaşımda görev yapan bireyler birçok faktörü dikkate alarak işlerini yapmak durumundadırlar.
Müşteri memnuniyeti, trafik kuralları, iş akışı için belirlenen kurallar, şehrin
gürültüsü ve bütün bu süreçte dikkatli olma gibi psikolojik bir baskı altında
kalmak. Araştırma sonucunda elde edilen psikolojik belirtiler ile bu faktörler ilişkilendirildiğinde ortaya çıkan tablonun şaşırtıcı olmadığı söylenebilir.
Çünkü bu kadar uyarıcının aynı anda aktif olduğu bir iş yaşamında kalmak
hemen hemen herkes için benzer sonuçlar ortaya çıkarabilir. İş yaşamındaki
belirsizlikler, ihtiyaçları karşılamadaki yetersizlikler, özlük haklarında
eksiklikler ve kişilerarası ilişkilerdeki yıkıcı iletişim tarzları da bu sürece
eklendiğinde şehir içi ulaşımda görev yapan bireylerin ruh sağlığının alarm
verdiğini söylemek çok güç olmamaktadır.
Yaş ve çalışma süresi ilerledikçe öfke ve düşmanlık ile paranoid
düşüncelere ilişkin belirtilerde de artış olduğu bulunmuştur. İnsan egosunun
anksiyete karşısında kullandığı ilk mekanizma bastırmadır. Bu mekanizma
bireyin çevreye uyumunu ya da çevre tarafından uyumlu bir birey olarak
algılanmasını sağlayan işlevsel bir mekanizmadır fakat bedeli ağırdır. Bedeli
bireyi nerdeyse devre dışı bırakmaktır denilebilir. Şehir içi ulaşımda görev yapan bireyler iş ve iş yaşamı ile ilgili olumsuzluklarla başa edebilmek için yıllar
boyunca kullandıkları bastırma mekanizması sonucunda her yaşantı ile ilgili
duyguyu (çok güçlü duygular, öfke, düşmanlık, nefret, korku) iç dünyasında
yaşamaktadır. Çükü bu süreçte kalabilmenin bilinen tek yolu budur ve başka
bir yol bilinmemektedir. Yaş ve çalışma süresi artıkça bu güçlü duygulara
ilişkin belirtilerde kendisini hissettirmektedir. Bu durum şehir içi ulaşımda
görev yapan bireylerde fiziksel nedene bağlı olmayan somatik şikâyetlere de
dönüşebilmektedir.
122
Hiç kaza yapmadığını belirten bireyler kaza yaptığını belirten bireylerden daha fazla anksiyete belirtilerine sahiptir. Kaza istenen bir durum
değildir. İnsan, doğası gereği olumsuz durumlarda kaçma ve kaçınma davranışı
gösterir. İstenmeyen bir durumun her an olabilecekmiş gibi algılanması acil
durum reaksiyonuna neden olur. İş yaşamını tehdit edici bir yer olarak gören
kişiler acil durum reaksiyonları yaşayabilirler. Hiç kaza yapmayan bireylerin
her an kaza yapma ihtimali ve bunu destekleyen faktörlerin olması, kaza
yapıp bunu deneyimlemiş kişilerden daha fazla anksiyete duymalarına neden
olmaktadır. Kaza yapanlar korku hissederken, kaza yapmayanlar ise anksiyete duygusunu yaşamaktadır. Anksiyete ve korkuya verilen duygusal tepkiler
birbirine benzediğinden, her iki durumda olan (kaza yapma ve kaza yapmama) bireylerde anksiyete belirtileri yüksek bulunmuştur.
Kaza sayısı artıkça anksiyete ve fobik anksiyete belirtilerinde de artma olduğu bulunmuştur. Kaza yapmayan bireylerin kaza yapan bireylere
oranla daha fazla anksiyete yaşamasının nedeni olarak bu bireylerin böyle
bir yaşantıya sahip olmamaları yanında bunun olmaması için özellikle çaba
sarf etmeleri gösterilebilir. Fakat kaza sayısı artıkça hissedilen anksiyetenin
de artması ilginç bir bulgudur. Bunun nedeni kaza yapma sayısı artıkça kişinin
bu süreci artık kontrol edemediğini bir başka deyişle kontrolü kaybettiğini
düşünmesinin bir sonucudur denilebilir.
Araştırma sonuçlarına dayalı olarak; a-şehir içi ulaşımda çalışan bireylerin ruh sağlığını önleyici, iyileştirici ve zenginleştirici psikolojik danışma
hizmetlerinin başlatılması, b-Psikolojik danışma hizmetlerinin yaş, çalışma
süreleri ve yaşanılan psikolojik belirtiler dikkate alınarak süreç dâhilinde
sürdürülmesi, c-Bu çalışma diğer illerde şehir içi ulaşımda görev yapan bireyle gerçekleştirilmesi ve d-psikolojik belirtileri yordayacak diğer değişkenlerle
ilişkilendirilerek araştırılması önerilebilir.
Kaynakça
Çelik, C. (2007). “AB ulaştırma politikasına uyum sürecinde Türkiye’de kara
ulaşımı trafik güvenliği”., Yüksek Lisans Tezi, Bahçeşehir Üniversitesi,
İstanbulSosyal Bilimler Enstitüsü, Avrupa Birliği Yüksek Lisans Programı.
Greiner, B. A., Krause, N., Ragland, D. R. ve Fisher, J. M. (1998). Objective
stress factors, accidents, and absenteeism in transit operators: A theoretical framework and empirical evidence. Journal of Occupational
Health Psychology, 3 (2), 130-146.
123
Lewin, I. (1982). Driver training: A perceptual-motor skill approach. Ergonomics, 25 (10), 917-924.
Öz, B., Özkan, T., ve Lajunen, T. (2010). An investigation of the relationship
between organisational climate and professional drivers’ driver behaviours. Safety Science, 48, 1484-1489.
Savaşır, I., ve Şahin, N. H. (Ed.). (1997). Kısa Semptom Envanteri, BilişselDavranışçı Terapilerde Değerlendirme: Sık Kullanılan Ölçekler. Ankara:
Özyurt Matbaacılık.
Sümer, N. ve Ö.,Türker, Ö. (2002). Sürücü davranışları, becerileri, bazı kişilik
özellikleri ve psikolojik belirtilerin trafik kazalarındaki rolleri. Türk
Psikoloji Dergisi, 17 (50), 1 - 22.
Sümer, N., Lajunen, T., ve Özkan, T. (2002). Sürücü davranışlarının kaza riskindeki rolleri: İhlaller ve hatalar, Uluslararası Trafik ve Yol Güvenliği
Kongresi ve Fuarı. 8-12 Mayıs, Gazi Üniversitesi, Ankara.
Şar, A. H., ve Işıklar, A. (2011). Ulaşım hizmetinde görevli sürücülerin stresle
başetme becerileri: Bir alan uygulaması. Akademik Bakış Dergisi, 27,
1-17.
Trafik.gov.tr. (2013). Genel Kaza İstatistikleri, http://www.trafik.gov.tr/istatistikler/10_yil_istatistik.aspx, (erişim tarihi: 03.04.2013).
TÜİK (Türkiye İstatistik Kurumu) (2011). Trafik Kaza İstatistikleri (Karayolu),
TÜİK: Ankara.
124
Vol. 1, No.1, 2014
KİTAP İNCELEMESİ: DANGER, DUTY, AND DISILLUSION:
THE WORLDVIEW OF LOS ANGELES POLICE OFFICERS
Tehlike, Görev ve Hayal Kırıklığı:
Los Angeles Polis Memurlarının Dünya Görüşü
Barker, Joan (1999). Danger, Duty, and Disillusion. Illinois:
Waveland Press.
Yusuf YÜKSEL *
Bu kitap polislerin kendi mesleğini nasıl gördüklerini, değerlerini, dünya görüşlerini
ve meslek içinde yaşadıkları dönüşümü okuyucusuyla paylaşmaktadır. Yazar,
yönetici veya idari birimlerde çalışan polislerden ziyade ‘sokak polisleri’ üzerinde
durmaktadır. Yazar, sokak polislerinin bakış açısını sunmak adına toplamda 21 yıl
alan çalışması yapmıştır. Bu yönü itibariyle istisnai bir kitap olduğu açıktır. Yazarın
bu süreçte gerçekleştirdiği çok sayıda resmi ve gayrı resmi mülakatlar ve yaşadığı
tecrübeler kitabın bilgi havuzunu oluşturmaktadır. Yazar tarafından kitapta uzun
alıntılara yer verilmiş ve ortaya koyduğu fikirlerin polislerin gerçek görüşleri
olduğu algısı okuyucuya aktarılmak istenmiştir.
Yazar 21 yıllık alan çalışması sürecinde yaşadığı sorunları (bayan bir
araştırmacı olmak, polisin güvenini kazanmak, yaşadığı tehlikeli anlar, etnik konular) açık ve ikna edici bir üslupla paylaşarak hem veri toplama sürecinin daha iyi
anlaşılmasını sağlamış hem de verilen bilgilerin inandırıcılığını artırmıştır. Sonuç
olarak, kitabın yöntem kısmı çok detaylı, ikna edici bir dil ve üslupla yazılmış, 21 yıl
süren alan çalışmasının farklı aşamaları, yaşadığı sorunlar ve detaylı özeleştiriler
kitabın güvenilirliğini ve kalitesini artırmıştır.
Yazar çalışmaya başlarken sokak polisinin dünyasını ve bu dünyada mesleki
bağlılık ve dayanışmanın rolünü anlamayı amaçlamış, ancak polisin kariyer sürecinde duyguları, algısı ve davranışlarında değişikliği gözlemledikten sonra bu
konuya yoğunlaşmaya karar vermiştir. Bu çalışma sonucunda, sokak polislerinin
kariyerlerini 5 aşamaya ayırmış ve her bir aşamanın ayırt edici özelliklerini okuyucusuyla paylaşmıştır.
* Dr., Trafik ve Ulaşım Güvenliği Araştırma Merkezi, [email protected]
126
Kitap İncelemesi: Danger, Duty, And Disillusion:
The Worldview Of Los Angeles Police Officer
Kitabın ilk bölümünde, Los Angeles Polis Departmanı’nın (LAPD) tarihi, kurumsal yapısı, içinde bulunduğu siyasi ve sosyal ortam anlatılmaktadır.
Kitapta polisler geleneksel (1979 öncesi işe başlayan ve polisin önemli ölçüde
beyaz ve erkek olduğu dönem) ve yeni (1979 sonrası işe başlayan, poliste
daha fazla azınlıklar ve kadınların bulunduğu dönem) nesil polisler olarak ikiye
ayrılmaktadır.Her iki grup tarafından paylaşılan görüşler ‘polisin görüşü’ olarak
kabul edilmekte,arada farklar bulunması durumunda ise bu farklılıkta ortaya
konulmaktadır. Kitabın genelinde geleneksel görüşün baskın olduğu gözükse de,
kitap boyunca bu iki farklı nesil üzerinden yapılan analizlere ve karşılaştırmalara
rastlanmaktadır.
Kitabın asıl önemli katkısı devam eden beş bölümde görülmektedir. Yazar polisin sosyalleşme sürecini 5 bölüme ayırmakta (sokaklara çıkma, kıvama
gelme, duvara çarpma, yeniden bir grup olma ve emeklilik) ve her birinde polisin
değişen duygularını, algılarını ve davranışlarını başarılı bir şekilde okuyucusuna
aktarmaktadır.
Sokaklara çıkma (hitting the streets) aşaması polislerin bir polis gibi
düşünmeyi ve görmeyi öğrendiği aşamadır. Polis akademisinde aldıkları eğitim1,
mentorluk eğitimi, ‘polis kardeşliği’ kavramıyla şekillenen sosyal ilişkiler ve
mesleğin doğası (tehlike algısı, üniforma) sosyalleşme sürecinin parçasıdır. Bu ilk
süreçte, genç polisler kendilerini işlerinde tam yetkin hissetmemektedirler. Bu ilk
aşama 2-3 yılı kapsamaktadır.
İkinci aşamada (hitting their stride) polisler kendilerinden ne beklendiğini
çok iyi bilmekte ve bunları karşılayabileceklerini düşünmektedirler. Polis
meslektaşlarının desteğini hissetmektedirler. Aynı zamanda polis ve adalet
sisteminin eksikliklerinin daha fazla farkına vardıkları bir sürecide yaşamaktadırlar.
Üçüncü aşama olan duvara vurma (hitting the wall) aşamasında ise
sistemde, çalıştıkları birimde gördükleri aksaklıklar yaşadıkları düş kırıklığını
artırmaktadır. Kitap ikinci aşamadan üçüncü aşamaya geçiş sürecini polislerin
mesleki kariyerinde kırılma noktası olarak görmekte ve bu iki aşama arasında
sokak polislerinin duyguları, değerleri ve davranışlarında yaşanan farklılıkları
yansıtmaktadır. Aynı memurun 5 yıl arayla söylediği ifadeler buna iyi bir örnektir.
Sokaklara çıkma aşamasında iken bu memur, “İnsanların birlikte güzel şeyler
yaptıkları ve yapmaya çalıştıkları tek meslek bu. Mesleğimi geçekten seviyorum. Hayatıma anlam katıyor” demektedir. Aynı memur 5 sene sonra ise,
“Hedeflerim vardı. Hedeflerime ulaştım. Şimdi dönüp baktığımda, bunlar artık
anlamlı gelmiyor. Ben böyle olacağını düşünmemiştim. Şimdi, hızlıca işe gidiyor ve geliyorum. Burnumu pisliğe sokmadan, mümkün olduğu kadar az şey
yaparak mesainin sonunu bekliyorum. Emekli olmak istiyorum” demektedir.
ABD Polis sisteminde polis amiri ve memuru yetiştiren farklı eğitim kurumları bulunmamakta,tüm öğrenciler polis
akademisinden polis memuru olarak mezun olup,meslek içi sınavlarla bir üst rütbeye atanmaktadırlar.
1
127
Son iki aşamada ise, bazı memurlar mümkün olduğunca az şey yaparak
göreve devam etmeyi bir strateji olarak belirlemektedir. Bazı memurlar ise sokak polisliğinden idari görevlere geçme veya rütbe almaya yönelik çalışmayı
bu durumla baş etmek için alternatif bir strateji olarak görmektedirler. Bunu
yapamayanlar ise düşük yoğunlukta çalışarak emekliliğini beklemektedir.
Kitabın son bölümünde ise, ‘farklılık yaratmak’ başlığı altında, kitabın
temel argümanı sunulmaktadır. Yazar, polislik mesleğinin polislerin yaşamı
üzerinde şekillendirici ve üst düzeyde etkisi olduğuna inanmaktadır. Özellikle,
diğer insanlardan soyutlanma, tehlike, mesleki dayanışma ve güven gibi faktörlerin polislik mesleğinin şekillenmesi ve polislerin algılarında etkisi üzerinde durulmaktadır. Farklılık yaratmak düşüncesiyle bu işe başlayan memurlar
geçen yıllar içinde bu duygu ve idealden uzaklaşmakta olduğu açık bir şekilde
ortaya konmaktadır.
Kitabın polislik alanına en önemli katkısı, kullandığı veri toplama yönteminin (21 yıllık alan çalışması) doğal sonucu olarak, konu anlatımında
polisin mesleki yaşamına ait detaylı, doyurucu bilgi ve yaşanmış örnekler
sunması ve bu derin bilgi üzerinden oluşturduğu polisin sosyalleşme sürecine
ilişkin model olarak gözükmektedir. Yazar bu modeli tüm polis birimleri ve
rütbelerine genellemekten kaçınmaktadır. Yazarın kitaptaki üslubu ve sunumu alan çalışmasıyla elde edilen verinin gücü ve potansiyelini göstermektedir. Kısaca, bu kitap polisin günlük yaşantısı, değerleri, duyguları, mesleğin
zorluklarıyla nasıl başa çıktıkları, meslek içinde yaşadıkları değişim konusunda
derinlemesine, birinci elden bilgi sağlamaktadır. İyi araştırılmış, iyi organize
edilmiş, açık ve anlaşılır bir dil kullanılmıştır.
Bu sosyalleşme modelinin sokak polisleri dışında çalışan polisler,
özellikle, farklı rütbe ve görev yeri olan polisleri dikkate alarak yeniden
değerlendirilmesi gelecekte üzerinde çalışılabilecek bir konu olarak
düşünülebilir. Ayrıca, polislerin ikinci aşamadan üçüncü aşamaya geçişini
önlemek adına neler yapılabileceği, hangi politik ve kurumsal tedbirler
alınabileceği konusu da bu kitapta üzerinde durulmayan, ancak üzerinde
düşünülmesi gereken önemli çalışma konuları olarak görülmektedir.
128
Kitap İncelemesi: Danger, Duty, And Disillusion:
The Worldview Of Los Angeles Police Officer

TUGAM (Trafik ve Ulaştırma Güvenliği Dergisi)

Transkript

Benzer belgeler

"Kazaya Yatkınlık" Tanımı Yapılabilir mi, "Riskli Sürücü"ler Kimlerdir?

BOLU ATÖLYE - Bilişim Teknolojileri Eğitimcileri Derneği

Mesleki Risklerin Yönetimi

PTV VISUM Safety Broşür

teminat ve teminat tutarı değişiklik formu

koruyucu meleğim sigortası

atatürk barajı ve hidroelektrik santralinin

Bildirinin Tamamı - page screenshot of trafik.gov.tr

bu tutanak, yalnız maddi hasarla sonuçlanan kazalardan sonra

İndirmek için tıklayınız - Robat Kontrol Otomasyon