Yol kesimlerinde kaza riskinin göstergesi olarak ani fren olayları

• Ani fren olayı (HBE) ile gerçek yol kesimlerinin kaza görülme oranı arasında istatistiksel olarak anlamlı pozitif bir korelasyon olduğu doğrulandı
• Mevcut polis raporlu kaza istatistikleri seyrek ve gecikmeli bir gösterge olsa da, HBE sürekli ve yüksek yoğunluklu veri sağlıyor
• Kaliforniya ve Virginia için 10 yıllık verilerin analizi, HBE gözlemlenen yol kesimi sayısının kaza bildirilen kesimlerden 18 kat fazla olduğunu gösterdi
• Regresyon analizi ile trafik hacmi, yol türü, eğim, şerit sayısı değişimi gibi değişkenler kontrol edildiğinde bile HBE sıklığı ile kaza oranı arasında tutarlı bir korelasyon kanıtlandı
• Araştırma Google Research'ün Mobility AI ekibi tarafından yürütüldü; HBE verileri Google Maps Platform'un Roads Management Insights ürününe entegre edilerek proaktif trafik güvenliği yönetiminde kullanılıyor

---

Mevcut trafik güvenliği değerlendirmesinin sınırları

• Trafik güvenliği değerlendirmesi geleneksel olarak polis raporlu kaza istatistiklerine dayanıyordu
  • Bu veriler ölüm, yaralanma ve maddi hasarla doğrudan bağlantılı olduğu için “altın standart” kabul ediliyor
• Ancak kaza verileri seyrek ve gecikmeli göstergeler olduğu için öngörücü modellemede sınırlamalar yaratıyor
  • Bölgelere göre raporlama ölçütleri farklılaşıyor ve bazı yollarda kazalar yalnızca birkaç yılda bir meydana geliyor
• Bu nedenle, kazalardan daha sık meydana gelen ama güvenlikle ilişkili bir “öncü göstergeye” ihtiyaç var

Ani fren olayının (HBE) tanımı ve kullanımı

• HBE, aracın ileri yönlü yavaşlamasının -3m/s² veya daha fazla olduğu bir kaçınma manevrası olarak tanımlanıyor
• HBE, bağlantılı araç verileri temelinde toplandığı için sabit sensör gerektiren yakınlık tabanlı göstergelere göre daha yüksek ölçeklenebilirlik sunuyor
• Araştırmacılar, Android Auto platformunda anonimleştirilmiş ve toplulaştırılmış HBE verilerini kullanarak bunu Virginia ve Kaliforniya'nın kamuya açık kaza verileriyle birleştirdi ve analiz etti
• Sonuç olarak, tüm kaza şiddeti seviyelerinde HBE sıklığı ile kaza oranı arasında anlamlı pozitif korelasyon doğrulandı

Veri yoğunluğu analizi

• 10 yıllık kamuya açık kaza verileri ile HBE verilerinin karşılaştırmalı analizi, HBE gözlemlenen yol kesimi sayısının kaza bildirilen kesimlerden 18 kat fazla olduğunu gösterdi
• Kaza verilerinde bazı bölgelerde tek bir olayın gözlenmesi yıllar alırken, HBE sürekli ve yüksek yoğunluklu bir veri akışı sağlıyor
• Bu sayede yol güvenliği haritalarındaki veri boşluklarını doldurma işlevi görüyor

İstatistiksel doğrulama

• Araştırmacılar, HBE sıklığı ile kaza oranı arasındaki ilişkiyi doğrulamak için Negative Binomial Regression modelini kullandı
  • Bu yöntem Highway Safety Manual(HSM) içinde standart yaklaşım olarak kullanılıyor
• Model; trafik hacmi, yol uzunluğu, yol türü, eğim, rampanın varlığı, şerit sayısı değişimi gibi karıştırıcı etkenleri kontrol ediyor
• Sonuç olarak, HBE sıklığı daha yüksek olan yol kesimlerinde kaza oranının da daha yüksek olduğu her iki eyalette de doğrulandı
• Özellikle rampalı kesimlerde her iki bölgede de kaza riskinin daha yüksek olduğu görüldü

Vaka çalışması: yüksek riskli birleşme kesimi

• Kaliforniya'da Highway 101 ile 880'i bağlayan birleşme kesimi analiz edildi
  • Bu kesimdeki HBE oluşum oranı ortalama otoyola göre 70 kat daha yüksek ve yaklaşık her 6 haftada bir kaza meydana geliyor
• Bu kesim, HBE sıklığına göre ilk %1'lik dilimde yer alıyor ve 10 yıllık kaza kaydı olmadan da riskli kesim olarak tanımlanabiliyor
• Bu, HBE'nin uzun dönem kaza verisi olmadan da yüksek riskli kesimleri erken tespit edebilen güvenilir bir vekil gösterge olduğunu kanıtlıyor

Gerçek dünyada uygulama ve genişleme

• HBE'nin doğrulanmasıyla sensör verileri güvenilir bir trafik güvenliği aracına dönüşüyor
• Google Research'ün Mobility AI ekibi bu verileri Google Maps Platform'un Roads Management Insights ürününe entegre etti
  • Ulaşım kurumları, anonimleştirilmiş yüksek yoğunluklu veriler sayesinde daha hızlı ve daha geniş kapsamlı yol güvenliği değerlendirmesi yapabiliyor
• Bu yaklaşım, kaza kayıtlarına bağımlı kalmadan öncü göstergeler temelinde riskli kesimlerin belirlenmesini mümkün kılıyor

Gelecek araştırma yönü

• HBE'nin kaza riski için güçlü bir öncü gösterge olduğu doğrulanmış olsa da, veri seyrekliklerinin azaltılması ve mekânsal kümelenme yoluyla sinyalin daha da hassaslaştırılması planlanıyor
• Gelecekte hedef, sinyal zamanlaması ayarı, tabelaların iyileştirilmesi, birleşme şeridi tasarımının değiştirilmesi gibi somut altyapı müdahalelerine geçiş yapmak

Ortak araştırma ve teşekkür

• Bu araştırma, Google ile Virginia Tech araştırmacılarının ortak çalışması olarak yürütüldü
• Çalışmaya Shantanu Shahane, Shoshana Vasserman, Carolina Osorio, Yi-fan Chen, Ivan Kuznetsov, Kristin White, Justyna Swiatkowska ve Feng Guo katıldı
• Aurora Cheung, Andrew Stober, Reymund Dumlao, Nick Kan araştırmanın gerçek uygulama aşamasına katkı sundu

[GN⁺]

Hacker News görüşleri

• Sigorta şirketinin verdiği OBD2 portu için bir sürüş alışkanlığı takip dongle'ı kullandım
  Başta sık sık “ani fren” uyarısı çalıyordu ve nedenini anlamıyordum, ama sonunda o cihazın beni eğittiğini fark ettim
  Sorun hız değil, takip mesafesinin yetersizliğiymiş. Öndeki aracı fazla yakından takip ettiğim için sık sık ani fren yapıyormuşum
  Cihaz takılıyken doğal olarak mesafeyi koruma alışkanlığı edindim ve sürüş konforu da arttı. Sigorta primi aynı kaldı ama kaza olasılığım muhtemelen azaldı

  • Yoğun otoyollarda güvenli takip mesafesini korumak gerçekten çok zor
    Önümdeki araca biri girince hızını düşürüyorsun, o boşluğa da başka bir araç giriyor… bu durum işe gidiş geliş boyunca tekrar ediyor
    Şehir içi yollarda farklı ama sorun otoyol yoğunluğu
  • Ben de yeni araba aldıktan hemen sonra normalden daha geniş aralık bırakarak kullanıyordum, tam önümde 4 araçlı zincirleme kaza oldu
    Bu sayede yeterince yavaşlamak için zamanım vardı ve kazadan kaçınabildim
  • Bu sadece benim kaza olasılığımı azaltmıyor, arkadan gelen birçok aracın kaza ihtimalini de düşürüyor
    Bu diyagramı gördükten sonra mesafe korumaya bakışım tamamen değişti
  • Gençken benzer bir cihaz kullandım ama birkaç ani fren bile sigorta indirimini neredeyse yok etmişti
    Sonunda sürüş verilerimi paylaşmaktan pişman oldum
  • Böyle bir deneyimi açıkça paylaşman etkileyici. Bence öz farkındalık ve gelişim için güzel bir örnek

• Yol kazaları üzerine araştırmalar çok değerli ama nadir
  Genelde yol kazalarını bireysel hata olarak görüyoruz, ama havacılık kazalarında sistematik nedenleri arayan bir yaklaşım var
  Pilot hatasında bile bu hatanın neden ortaya çıktığı inceleniyor. Buna karşılık yollarda aynı kaza tekrar tekrar yaşansa da çevre aynı kalıyor

  • Havacılıkta sistematik analiz yapılabilmesinin nedeni, temel olarak yetersiz beceriye sahip ya da dikkatsiz kişilerin elenmesi
    Yol kazalarının çoğunda sebep, kuralları ihlal eden tek bir kişi oluyor
  • Bir de basitçe ölçek farkı var. Günde 100 bin uçuşa karşılık 1 milyar sürüş var; bu yüzden yol kazalarının çok daha fazla olması kaçınılmaz
    Yine de NTSB bazen otomobil kazalarını da sistem bakış açısıyla araştırıyor

• Her gün bir buçuk saat işe gidip gelirken fark ettiğim şey, yolu "laminer" gibi akıcı tutmanın önemli olduğu
  Ani fren, enerjiyi ısıya çevirip arkadaki araçlara da yayılan kaotik bir dalga yaratıyor
  Bu yüzden mümkün olduğunca hızımı yumuşak şekilde ayarlamaya çalışıyorum

  • Ama bazı sürücüler böyle bir “akıcı sürüşün” aslında trafik akışını yavaşlattığını düşünüyor
    Sadece yer kapladığını ve genel hızı düşürdüğünü savunuyorlar
  • Ben de aynı anlayışla kullanıyorum. Arabanın önümdeki araçla göreli hızı göstermesi çok daha faydalı olurdu
  • Bu video, insanların frene bastığında oluşan zincirleme tepkiyi iyi gösteriyor
    Gerçekte trafik sıkışıklığı küçük hataların birikmesiyle ortaya çıkıyor
  • Elbette ani fren dalga yaratır ama etkisinin abartıldığını düşünüyorum
    Yolun azami kapasitesi, araçlar arası mesafe (zaman) ile belirlenir. 2 saniyelik aralık saniyede 0,5 araç demektir; aralık büyüdükçe kapasite düşer
  • Uzağı görüp trafiğin sıkıştığını önceden fark ederek yavaş yavaş hız azaltmak, arkadaki araçlara da yardımcı olur

• Sigorta sektöründe ani frenin kaza riskinin güçlü bir göstergesi olduğu zaten biliniyor
  Cambridge Mobile Telematics, sürüş sırasında ani fren yapıldığında uyarı sesi veren bir uygulama geliştirdi. Sadece uyarı bile davranış değişikliği yaratıyor

  • Sigorta şirketlerinin ani freni sürücü risk sinyali, Google'ın ise yol tasarımı risk sinyali olarak görmesi ilginç
    Sebepler farklı olsa da ikisi de işe yarayabilir
  • Annem de sigorta indirimi için bir cihaz takmıştı ama ani frenlerin çoğu diğer araçların tehlikeli hareketlerinden kaynaklanıyordu
  • Sadece bir uyarının davranışı gerçekten değiştirip değiştirmediğini merak ediyorum. Asıl büyük etken maddi teşvik olabilir
  • Ani fren davranışını azaltmanın genel sürüş alışkanlıklarını da iyileştirip iyileştirmediğini merak ediyorum
    Sonuçta asıl mesele, genel olarak savunmacı sürüş alışkanlıkları kazanmak olabilir
  • Ama insan ani fren yaptığını anlamak için gerçekten bir cihaza ihtiyaç duyar mı emin değilim. Vücudun verdiği sinyal zaten çok daha açık

• Google'ın bu araştırmasında ilginç olan, sürücü merkezli veriden altyapı merkezli veriye geçiş olması
  Ani frene kişisel risk göstergesi olarak değil, yol riskinin göstergesi olarak bakılması yenilikçi

  • Bir gün yeterince fazla otonom araç olduğunda, bu tür verilerle devletlerin yolları iyileştirmeye yönlendirilebileceğini düşünüyorum
  • Ama böyle verilerin haritada herkese açık bir katman olarak sunulması da güzel olurdu

• Google Maps'in hâlâ teknik açıdan en etkileyici büyük teknoloji ürünlerinden biri olduğunu düşünüyorum
  Kullanıcı verilerinden kalabalık yoğunluğu ya da yol riski gibi sezgisel olmayan içgörüler çıkarabiliyor

  • Ben bu tür veri kullanımında mahremiyetten çok kamusal faydayı önemsiyorum
    Google'ın veriyi sorumlu biçimde kullandığına dair iyi bir örnek olduğunu düşünüyorum
  • Bu veriler açık araştırmalarda kullanılsa toplumsal değeri çok büyük olurdu
    Google gibi şirketler zaten yeterince para kazandı; veriyi açıp topluma katkı sağlamalarını isterdim

• Bazıları bu araştırmanın aslında yeni bir içgörü sunmadığını düşünüyor
  Örneğin San Jose'deki 880/101 kavşağı zaten yerel halk tarafından en kötü kavşak olarak görülüyordu
  Sorun veri eksikliği değil, fiziksel kısıtlar ve idari sınırlar
  Google buna makine öğrenimi diyor ama bunun aslında reklama daha yakın olduğunu düşünenler var
  İlgili haber ve mevcut veri sağlayıcı bağlantıları: Mercury News, TomTom, Inrix, StreetLight

  • Ama habere göre önemli nokta, kaza yaşanmadan önce de riskli bölgelerin tespit edilebilmesi
    Ani fren verisi, kazaya göre çok daha bol ve anlık
  • Bu tür veriler otonom araçların risk algısında da kullanılabilir
    Örneğin sık sık kaza kalıntısı görülen bir kavşağı tanıyıp daha dikkatli davranmalarını sağlayabilir
  • Google ve Apple zaten ABD'deki neredeyse tüm araçlardan veri topluyor, bu yüzden mevcut şirketler tehdit altında olabilir
  • Caltrans sadece hız sınırını düşürüp trafik yatıştırma tasarımı uygulasa bile iyileştirme olabilir
  • Gerçekte bu, makine öğreniminden çok ani fren ile kaza oranı arasındaki korelasyonun analizi

• Virginia otoyol verilerinin neden diğer eyaletlerden farklı göründüğünü merak ediyorum
  Bunun sebebi kültürel farklar ya da politik etkenler olabilir; hatta verinin kendisi yanlış işaretlenmiş de olabilir

• Sürüş sırasında HUD üzerinde bir risk ısı haritası gösterilse güzel olurdu
  Normalde yeşil, riskli bölgelerde kırmızıya dönen bir sistem gibi

  • Eski Waze de arızalı araç, çukur gibi geçici tehlikeleri gösteriyordu; şimdi bunlar Google Maps'te de var
    Sabit tehlikeler için ise fiziksel tabelalar veya yol iyileştirmesi gerekiyor
  • Böyle bir özellik navigasyona entegre edilirse hız kamerası uyarılarından daha faydalı olabilir

• Eğer gerçekten böyle bir riskli bölge göstergesi haritası varsa, bilmediğim yerlerde araç kullanırken kesinlikle kullanmak isterim
  Sık geçtiğin yollarda tehlikeli noktaları bilirsin, ama ilk kez gidilen yollarda görsel ipuçları çok yardımcı olur