TUGAM (Trafik ve Ulaştırma Güvenliği Dergisi)
Transkript
TUGAM (Trafik ve Ulaştırma Güvenliği Dergisi)
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, ksonmez@hacettepe.edu.tr ** 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. Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Kameralı Kırmızı Işık Denetiminin Kavşaklarda Yapılan Kırmızı Işık ve Öteki Güvenlik Kurallari İhlalleri Üzerine Etkisi: Bursa Örneği 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 Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Güvenlik Kurallari İhlalleri Üzerine Etkisi: Bursa Örneği 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. Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Kameralı Kırmızı Işık Denetiminin Kavşaklarda Yapılan Kırmızı Işık ve Öteki Güvenlik Kurallari İhlalleri Üzerine Etkisi: Bursa Örneği 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: Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Kameralı Kırmızı Işık Denetiminin Kavşaklarda Yapılan Kırmızı Işık ve Öteki Güvenlik Kurallari İhlalleri Üzerine Etkisi: Bursa Örneği • 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 Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Kameralı Kırmızı Işık Denetiminin Kavşaklarda Yapılan Kırmızı Işık ve Öteki Güvenlik Kurallari İhlalleri Üzerine Etkisi: Bursa Örneği 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 Sistem sonrası-2011 Kavşak 1 Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Sistem sonrası-2011 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 Sistem sonrası-2011 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 Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Kameralı Kırmızı Işık Denetiminin Kavşaklarda Yapılan Kırmızı Işık ve Öteki Güvenlik Kurallari İhlalleri Üzerine Etkisi: Bursa Örneği 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 Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Kameralı Kırmızı Işık Denetiminin Kavşaklarda Yapılan Kırmızı Işık ve Öteki Güvenlik Kurallari İhlalleri Üzerine Etkisi: Bursa Örneği 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 Sistem sonrası-2011 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. Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Kameralı Kırmızı Işık Denetiminin Kavşaklarda Yapılan Kırmızı Işık ve Öteki Güvenlik Kurallari İhlalleri Üzerine Etkisi: Bursa Örneği 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 4. Diğer otobüsler 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 2. Servis araçları 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 4. Diğer otobüsler 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 2. Servis araçları 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 2. Servis araçları 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 4. Diğer otobüsler 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 Panel II: Hafta sonu 6. Taksi dolmuşlar 7. Minibüs dolmuşlar 8. Kamyon, kamyonet ve tırlar 11. Diğer motorlu araçlar Toplam 0,4 158,2 5,2 335,9 Uluslararası Trafik ve Ulaşım Güvenliği Dergisi 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 2. Servis araçları 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 4. Diğer otobüsler 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. 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 Tablo 9. Sistem hesaplanmıştı r. Sonrası Hafta İçi ve Hafta Sonlarında Araç Türleri İtibariyle Kavşaklarda Tespit Edilen Kural İhlal Oranları (binde olarak) 3- Kavşak 3’ten geçiş yapan araç sayıları dikkate alınarak hesaplanmıştır. 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 2. Servis araçları 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 Gün ve araç türü 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 Kameralı Kırmızı Işık Denetiminin Kavşaklarda Yapılan Kırmızı Işık ve Öteki Güvenlik Kurallari İhlalleri Üzerine Etkisi: Bursa Örneği 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 2. Servis araçları 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 2. Servis araçları 20,0 Gün ve araç türü 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 Panel II: Hafta sonu 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 Panel III: Genel Toplam 1. Binek araçlar 22,7 25,0 24,5 20,7 0,0 104,5 0,0 197,4 2. Servis araçları 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 Uluslararası Trafik ve Ulaşım Güvenliği Dergisi 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 Panel III: Genel Toplam 1. Binek araçlar 22,7 25,0 24,5 20,7 0,0 104,5 0,0 197,4 2. Servis araçları 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 1- Kavşak 1 ve Kavşak 2’den geçiş yapan araç sayıları dikkate alınarak hesaplanmıştır. 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 - 4. Diğer otobüsler -28,6 -100,0 -34,1 -41,1 -46,3 -85,8 2. Servis araçları -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 4. Diğer otobüsler 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 Panel II: Hafta sonu 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, Güvenlik Kurallari İhlalleri Üzerine Etkisi: Bursa Örneği 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 2. Servis araçları -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 Panel II: Hafta sonu 4. Diğer otobüsler 5. Taksiler 11. Diğer motorlu araçlar Toplam Panel III: Genel Toplam 1. Binek araçlar -29,8 -25,5 -44,9 -50,4 -84,5 -36,0 - -37,5 2. Servis araçları -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 4. Diğer otobüsler 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) Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 25 1- Kavşak 1 ve Kavşak 2’den geçiş yapan araç sayıları dikkate alınarak hesaplanmıştır. 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. 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 Kameralı Kırmızı Işık Denetiminin Kavşaklarda Yapılan Kırmızı Işık ve Öteki Güvenlik Kurallari İhlalleri Üzerine Etkisi: Bursa Örneği 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 4. Diğer otobüsler -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 Uluslararası Trafik ve Ulaşım Güvenliği Dergisi 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 2. Servis araçları 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 4. Diğer otobüsler 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 7. Minibüs dolmuşlar 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 2. Servis araçları 3. Belediye ve halk otobüsleri 4. Diğer otobüsler 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 7. Minibüs dolmuşlar 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 4. Diğer otobüsler 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 7. Minibüs dolmuşlar 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 2. Servis araçları 3. Belediye ve halk otobüsleri 4. Diğer otobüsler -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 7. Minibüs dolmuşlar 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 Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Kameralı Kırmızı Işık Denetiminin Kavşaklarda Yapılan Kırmızı Işık ve Öteki Güvenlik Kurallari İhlalleri Üzerine Etkisi: Bursa Örneği 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- Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Kameralı Kırmızı Işık Denetiminin Kavşaklarda Yapılan Kırmızı Işık ve Öteki Güvenlik Kurallari İhlalleri Üzerine Etkisi: Bursa Örneği 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. Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Kameralı Kırmızı Işık Denetiminin Kavşaklarda Yapılan Kırmızı Işık ve Öteki Güvenlik Kurallari İhlalleri Üzerine Etkisi: Bursa Örneği 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. Uluslararası Trafik ve Ulaşım Güvenliği Dergisi Cilt 1, Sayı 1, 2014 International Journal of Traffic and Transportation Safety 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, ahatalay@atauni.edu.tr 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. Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Onbinkişiye düşen hastane yatağı sayısı Hastane yatağı 2000 DPT S8 Küçük sanayi sitesi işyeri sayısı Adet 2000 DPT S9 İmalat sanayi işyeri sayısı S10 38 Faktör Analizi Kullanılarak Trafik 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 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 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 Onbin kişiye düşen özel otomobil sayısı Adet 2000 DPT U4 Ortalama motorlu kara taşıt sayısı Adet 1997-2006 EMG U5 Ortalama bölünmüş yol uzunluğu U6 Ortalama köy yolu uzunluğu U7 Ortalama devlet yolu-il yolu-otoyol uzunluğu 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 Ortalama taşınan ton-km değeri 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 Faktör Analizi Kullanılarak Trafik Kazalarının Modellenmesi 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 International Journal of Traffic and Transportation Safety 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. Faktör Analizi Kullanılarak Trafik Kazalarının Modellenmesi 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 Faktör Analizi Kullanılarak Trafik Kazalarının Modellenmesi 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 İmalat sanayi işyeri sayısı U4 Ortalama motorlu kara taşıt sayısı U8 Ortalama Taşınan yolcu-km değeri U9 Ortalama seyahat eden taşıt-km değeri U10 Ortalama taşınan ton-km değeri U1 Kırsalda asfalt yol oranı U2 TCK asfalt yol oranı S1 Sosyoekonomik gelişmişlik sırası S5 Okuryazar nüfus oranı S10 Fert başına gayri safi yurt içi hasıla U5 Ortalama bölünmüş yol uzunluğu U6 Ortalama köy yolu uzunluğu U7 Ortalama devlet yolu-il yolu-otoyol uzunluğu S8 Küçük sanayi sitesi işyeri sayısı S6 Onbin kişiye düşen hekim sayısı S7 Onbinkişiye düşen hastane yatağı sayısı U3 Onbin kişiye düşen özel otomobil sayısı 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). Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Faktör Analizi Kullanılarak Trafik Kazalarının Modellenmesi 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) Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Faktör Analizi Kullanılarak Trafik Kazalarının Modellenmesi 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). Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Faktör Analizi Kullanılarak Trafik Kazalarının Modellenmesi 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 Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Faktör Analizi Kullanılarak Trafik Kazalarının Modellenmesi 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 Eğitim Dairesi Başkanlığı. EGM (Emniyet Genel Müdürlüğü) (1999a).Trafik İstatistik Yıllığı, Ankara: EGM Eğitim Dairesi Başkanlığı. EGM (Emniyet Genel Müdürlüğü) (2000a). Trafik İstatistik Yıllığı, Ankara: EGM Eğitim Dairesi Başkanlığı. EGM (Emniyet Genel Müdürlüğü) (2001a). Trafik İstatistik Yıllığı, Ankara: EGM Eğitim Dairesi Başkanlığı. EGM (Emniyet Genel Müdürlüğü) (2002a). Trafik İstatistik Yıllığı, Ankara: EGM Eğitim Dairesi Başkanlığı. Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 (Türkiye İstatistik Kurumu) (1998). Motorlu Taşıt İstatistikleri, Ankara: TÜİK TÜİK (Türkiye İstatistik Kurumu) (1999). Motorlu Taşıt İstatistikleri, Ankara: TÜİK TÜİK (Türkiye İstatistik Kurumu) (2000). Motorlu Taşıt İstatistikleri, Ankara: TÜİK TÜİK (Türkiye İstatistik Kurumu) (2001). Motorlu Taşıt İstatistikleri, Ankara: TÜİK TÜİK (Türkiye İstatistik Kurumu) (2002). Motorlu Taşıt İstatistikleri, Ankara: 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 Faktör Analizi Kullanılarak Trafik Kazalarının Modellenmesi TÜİK (Türkiye İstatistik Kurumu) (2004b). Motorlu Taşıt İstatistikleri, Ankara: TÜİK TÜİK (Türkiye İstatistik Kurumu) (2005a). Trafik Kaza İstatistikleri. Ankara: TÜİK TÜİK (Türkiye İstatistik Kurumu) (2005b). Motorlu Taşıt İstatistikleri, Ankara: TÜİK TÜİK (Türkiye İstatistik Kurumu) (2006a). Trafik Kaza İstatistikleri, Ankara: TÜİK TÜİK (Türkiye İstatistik Kurumu) (2006b). Motorlu Taşıt İstatistikleri, Ankara: 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. Uluslararası Trafik ve Ulaşım Güvenliği Dergisi Cilt 1, Sayı 1, 2014 International Journal of Traffic and Transportation Safety 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. Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Gazi Meslek Yüksek Okulu Öğrencilerinde Trafikte Risk Algısı 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 Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Gazi Meslek Yüksek Okulu Öğrencilerinde Trafikte Risk Algısı • 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. Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Gazi Meslek Yüksek Okulu Öğrencilerinde Trafikte Risk Algısı • “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. Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Gazi Meslek Yüksek Okulu Öğrencilerinde Trafikte Risk Algısı 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- Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Gazi Meslek Yüksek Okulu Öğrencilerinde Trafikte Risk Algısı 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. Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Gazi Meslek Yüksek Okulu Öğrencilerinde Trafikte Risk Algısı 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 Uluslararası Trafik ve Ulaşım Güvenliği Dergisi Cilt 1, Sayı 1, 2014 International Journal of Traffic and Transportation Safety 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, coruhemine@gmail.com ** 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. Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Türkiye’de Trafik Kazalarının Count Data Modeli ile İncelenmesi 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 Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Türkiye’de Trafik Kazalarının Count Data Modeli ile İncelenmesi 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 Türkiye’de Trafik Kazalarının Count Data Modeli ile İncelenmesi 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. Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Türkiye’de Trafik Kazalarının Count Data Modeli ile İncelenmesi 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*** Ulaştırma Harcaması - - ,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 Kırmızı ışık ihlali Hız sınırını aşma (%10-%30) ,171D-06 ,38 ,000 -,22 -,507D-06 *** -1,01 -,987D-06*** -3,94 Net Göç Hızı ,001*** 3,22 ,001*** 5,97 Eğitimli Kişi Başına Sağlık Çalışanı Hız sınırını aşma (%30 fazlası) -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 Eğitimli Kişi Başına Sağlık Çalışanı -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*** International Journal of Traffic and Transportation Safety - - ,659* 1,66 İç Anadolu - - ,151 ,37 Karadeniz - - ,308 1,21 Doğu Anadolu - - -,062 -,21 ,296 4,16 Alpha Log-olabilirlik değeri -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 Ulaştırma Harcaması 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 Kırmızı ışık ihlali -,176D-05 -,38 -,858D-05* -1,83 Hız sınırını aşma (%10-%30) -,120D-05 -,67 ,446D-06 ,26 Hız sınırını aşma (%30 fazlası) ,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 Eğitimli Kişi Başına Sağlık Çalışanı Marmara Doğu Anadolu Log-olabilirlik değeri -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 Ulaştırma Harcaması - - 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 Kırmızı ışık ihlali -,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 Eğitimli Kişi Başına Sağlık Çalışanı -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 Kırmızı ışık ihlali 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 Log-olabilirlik değeri -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) Count Veri Modellerine Ait Marjinal Etkiler (Sabit-Rassal Etkili Modeller) Değişkenler İstihdam Oranı Sabit Etkili Katsayılar t-değeri 11,461*** 4,61 Rassal Etkili Katsayılar t-değeri 11,583*** 15,87 Ulaştırma Harcaması - - 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 Kırmızı ışık ihlali -,011*** -4,73 -,010*** -8,47 Hız sınırını aşma (%10-%30) ,000 ,38 -,000 -,22 Hız sınırını aşma (%30 fazlası) -,001 -1,01 -,001*** -3,94 Net Göç Hızı 1,774*** 2,70 1,605*** 5,97 Eğitimli Kişi Başına Sağlık Çalışanı 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 Ulaştırma Harcaması -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 Uluslararası Trafik ve Ulaşım Güvenliği Dergisi 81 International Journal of Traffic and Transportation Safety Tablo 5 . Panel Negatif Count Veri Modellerine Ait Marjinal Etkiler (Sabit-Rassal Etkili Modeller) 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 Ulaştırma Harcaması -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 Kırmızı ışık ihlali -,002 -,38 -,012 Hız sınırını aşma (%10-%30) -,002 -,67 ,001 ,26 Hız sınırını aşma (%30 fazlası) ,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 Eğitimli Kişi Başına Sağlık Çalışanı 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 Türkiye’de Trafik Kazalarının Count Data Modeli ile İncelenmesi 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). Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Türkiye’de Trafik Kazalarının Count Data Modeli ile İncelenmesi 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. Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Türkiye’de Trafik Kazalarının Count Data Modeli ile İncelenmesi 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. Uluslararası Trafik ve Ulaşım Güvenliği Dergisi Cilt 1, Sayı 1, 2014 International Journal of Traffic and Transportation Safety 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 Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Yeni Anadolu Otoyolu Ve Bolu Daği Ulaşım Sektöründe Trafik Güvenliği ve Bolu İli İçin Ekonomik Etkisinin İncelenmesi 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 Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Yeni Anadolu Otoyolu Ve Bolu Daği Ulaşım Sektöründe Trafik Güvenliği ve 3 İzmir 8 Bolu İli İçin Ekonomik Etkisinin İncelenmesi 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 Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Yeni Anadolu Otoyolu Ve Bolu Daği Ulaşım Sektöründe Trafik Güvenliği ve Bolu İli İçin Ekonomik Etkisinin İncelenmesi 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). Uluslararası Trafik ve Ulaşım Güvenliği Dergisi 95 International Journal of Traffic and Transportation Safety 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 Yeni Anadolu Otoyolu Ve Bolu Daği Ulaşım Sektöründe Trafik Güvenliği ve Bolu İli İçin Ekonomik Etkisinin İncelenmesi 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. Uluslararası Trafik ve Ulaşım Güvenliği Dergisi 97 International Journal of Traffic and Transportation Safety 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 Yeni Anadolu Otoyolu Ve Bolu Daği Ulaşım Sektöründe Trafik Güvenliği ve Bolu İli İçin Ekonomik Etkisinin İncelenmesi 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). Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Yeni Anadolu Otoyolu Ve Bolu Daği Ulaşım Sektöründe Trafik Güvenliği ve Bolu İli İçin Ekonomik Etkisinin İncelenmesi 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 Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Yeni Anadolu Otoyolu Ve Bolu Daği Ulaşım Sektöründe Trafik Güvenliği ve Bolu İli İçin Ekonomik Etkisinin İncelenmesi 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 Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Yeni Anadolu Otoyolu Ve Bolu Daği Ulaşım Sektöründe Trafik Güvenliği ve Bolu İli İçin Ekonomik Etkisinin İncelenmesi 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. Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Yeni Anadolu Otoyolu Ve Bolu Daği Ulaşım Sektöründe Trafik Güvenliği ve Bolu İli İçin Ekonomik Etkisinin İncelenmesi 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. Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Yeni Anadolu Otoyolu Ve Bolu Daği Ulaşım Sektöründe Trafik Güvenliği ve Bolu İli İçin Ekonomik Etkisinin İncelenmesi 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. Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety Cilt 1, Sayı 1, 2014 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, mkoc@sakarya.edu.tr ** 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). Uluslararası Trafik ve Ulaşım Güvenliği Dergisi 111 ŞEHİR İÇİ ULAŞIMDA GÖREV YAPAN SÜRÜCÜLERİN PSİKOLOJİK BELİRTİ PROFİLLERİ International Journal of Traffic and Transportation Safety 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 Şehir İçi Ulaşımda Görev Yapan Sürücülerin 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). Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Şehir İçi Ulaşımda Görev Yapan Sürücülerin Psikolojik Belirti Profilleri 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). Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Şehir İçi Ulaşımda Görev Yapan Sürücülerin Psikolojik Belirti Profilleri 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 Uluslararası Trafik ve Ulaşım Güvenliği Dergisi 117 International Journal of Traffic and Transportation Safety 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. Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Şehir İçi Ulaşımda Görev Yapan Sürücülerin Psikolojik Belirti Profilleri 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- Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Şehir İçi Ulaşımda Görev Yapan Sürücülerin Psikolojik Belirti Profilleri 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. Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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 Şehir İçi Ulaşımda Görev Yapan Sürücülerin Psikolojik Belirti Profilleri Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety Cilt 1, Sayı 1, 2014 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, yyuksel@tugam.net 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 Uluslararası Trafik ve Ulaşım Güvenliği Dergisi International Journal of Traffic and Transportation Safety 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