TÜRK SÜRÜCÜLERİN FACEBOOK SOSYAL PAYLAŞIM SİTESİNİ TRAFİK BİLGİLENDİRME AMACIYLA KULLANIMI ÜZERİNE BİR ARAŞTIRMA

Year 2018, Volume: 6 Issue: 2, 354 - 364, 23.06.2018

Ayse Ünal Metin Mutlu Aydın , Meltem Saplıoğlu

https://doi.org/10.21923/jesd.412215

Cited By: 2

Abstract

Teknolojik gelişmeler ve beraberinde getirdiği
geniş iletişim olanakları, insanların çevrelerinde ortaya çıkan olayları
algılama ve bu olaylar üzerine yorum yapabilme olanağını artırmaktadır. Bilgiler,
sosyal medya platformları ile hızlı ve evrensel düzeyde yayılmakta; kısa süre
içerisinde insanların bu içeriklere yorum yapıp kendi görüşlerini ifade
edebilmelerine olanak sağlamaktadır. Sosyal medyanın bilgiyi kitlelere kolay
ulaştırması ve grup kurma olanağı sunması; insanların belirli konularda bu tür
mecralarda yaygın şekilde örgütlenmesini sağlamaktadır. Bu çalışma kapsamında, Ülkemizde
ve Dünya’da yaygın olarak kullanılan sosyal medya platformlarından Facebook’un
trafikle ilgili birçok konuda sürücüler tarafından kullanımı ve kentiçi
ulaşımda etkileri incelenmeye çalışılmıştır. Bu amaçla ilk aşamada Türkiye’de
81 ilde kurulan ve hızla yayılan Facebook “Trafik” gruplarının üye sayısı
üzerinde etkili parametreler araştırılmıştır. Gruplardaki güncel kullanıcı
sayıları tespit edilmiş; üye sayıları, incelenen illerle ilgili parametrelerin
etkisi, Adaptif Ağ Tabanlı Bulanık Çıkarım Sistemi (Adaptive Network Fuzzy
Inference System, ANFIS) ile modellenip tahmin edilmiştir. İkinci aşama olarak,
grup sayısında yaşanan artışın trafik kazaları ve cezaları üzerindeki etkisi
korelasyon analizi ile incelenmiştir. Bağımlı (Facebook “Trafik” grup üye
sayısı) ve bağımsız (eğitim düzeyi oranı, çalışan oranı, motorlu taşıt oranı ve
ehliyetli sürücü oranı) değişkenler arasındaki ilişkiyi inceleyebilmek amacıyla
korelasyon analizi yapılmış ve regresyonun açıklama gücü 0,77 olarak elde
edilmiştir ANFIS analizinde 62 il için belirlilik katsayısı R²=0,90
olarak tahmin edilmiştir. İkinci aşamada, sosyal medya kullanımı ile trafik
ceza sayılarında ve trafik kaza sayılarında bir değişim olup olmadığı araştırılmıştır;
trafik ceza ve kaza sayıları üzerindeki etki için daha detaylı mekânsal
verilere ihtiyaç duyulduğu,  gelecekte
yapılacak çalışmalarda kaza olan kesimlerdeki sosyal paylaşım verilerinin
toplanarak incelenmesi gerektiği görülmüştür.    

Keywords

Sosyal Medya, Trafik Bilgilendirme, Regresyon, Korelasyon, ANFIS

A RESEARCH ON THE USE OF TURKISH DRIVERS' FACEBOOK SOCIAL SHARING SITE FOR TRAFFIC INFORMATION

Abstract

Technological developments
and wide communication possibilities increase the possibility of people
perceive and criticize the events that occur in their environment.
Particularly, events are spreading rapidly and universally through social media
platforms which allow people to comment on their content and express their
opinions in a short period of time. Social media platforms widely used in
Turkey and world and they allow people to create and organize social media
groups in different subjects for easy communication and information. In this
study,  social media platforms that are
widely used in our country and in the world, Facebook's use of drivers in many
aspects of traffic and their impact on urban transportation has been examined. For
this purpose, effective parameters on “Traffic-Radar'' group member numbers in
Facebook, that are established in 81 cities in Turkey, have been examined and
the current number of users in the groups were determined. Then, the effective
parameters on group member numbers related to the cities have been modeled by
using Adaptive Network-Based Fuzzy Inference System (ANFIS). As
a second step, the increase in the number of groups was investigated by the
correlation analysis between traffic accidents and the effects on the
punishments. With ANFIS analysis, the coefficient of determination for 62
cities were estimated as R² = 0.90. Correlation analysis is also
performed in order to examine the relationship between dependent (number of
members for "Traffic-Radar" Facebook group) and independent variables
(Education level ratio, Employee ratio, Motor vehicle ratio and Licensed driver
ratio) and coefficient of determination value for the regression analysis has
been obtained as 0.80. According to the results of the analysis, motor vehicle
ratio (number of vehicles per person) are found to be the most effective
parameter on the number of members of Facebook "Traffic-Radar" group
and it was determined that there is a positive and significant relation between
them at a high level (r = 0.777). The use of social media has examined whether
there has been a change in traffic fines and traffic accident numbers; it is
necessary to carry out a more detailed study on the effects of traffic fines
and accidents.    

Keywords

Social Media, Traffic Information, Regression, Correlation, ANFIS

References

• Adresgezgini, 2017.https://blog.adresgezgini.com/internet-ve-sosyal-medya-kullanim-oranlari-turkiye-rakamlari.
• Baykal, N., Beyan, T., 2004. Bulanık Mantık İlke ve Temelleri. Bıçaklar Kitabevi, Ankara.
• Brooks, G., Heffner, A., Henderson D., 2014. A Swot Analysis of Competitive Knowledge from Social Media for a Small Start-Up Business. Review of Business Information Systems, 8(1), 23-34.
• Chatfield, A.T., Scholl H.J., Brajawidagda, U., 2014. Sandy Tweets: Citizens’ Co-Production of Time-Critical Information During an Unfolding Catastrophe. In Proceedings of the Annual Hawaii International Conference on System Sciences, 1947-1957. IEEE Computer Society. DOI:10.1109/HICSS.
• Çatal, Y., Saplioglu, K., 2018. Comparison of Adaptive Neuro-Fuzzy Inference System, Artificial Neural Networks and Non-Linear Regression for Bark Volume Estimation in Brutian Pine. Applied Ecology and Environmental Research, 10,2015-2027. ISBN 1785 0037.
• Doğan, O., 2016. Uyarlamalı Sinirsel Bulanık Çıkarım Sisteminin (ANFIS) Talep Tahmini İçin Kullanımı ve Bir Uygulama. Dokuz Eylül Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi.
• Dokic, A., Jovic, S., 2017.Evaluation of Agriculture and Industry Effect on Economic Health by ANFIS Approach. Physica A.Fu, K., Nune R., Tao, J.X., 2015. Social Media Data Analysis for Traffic Incident Detection and Management. In: Transportation Research Board 94th Annual Meeting, Washington D.C., 14–4022.
• Gal-Tzur, A., Grant-Muller, S.M., Kuflik, T., Minkov, E., Nocera, S., Shoor, I., 2014. The Potential of Social Media in Delivering Transport Policy Goals. Transport Policy, 115-123.
• Jang, J.S.R., 1993. ANFIS—Adaptive‐Network‐Based Neuro‐Fuzzy Inference Systems. IEEE Transactions on Systems Man and Cybernetics, 20, 665–85.
• Karar, 2017. http://www.karar.com/teknoloji-haberleri/internette-1-dakikada-neler-oluyor-2017-603652.
• Mansfield, M., 2016. Social Media Statistics. Small Business Trends. Available at https://smallbiztrends.com/2016/11/social-media-statistics-2016.html.
• Mert, M., 2016. Yatay Kesit Veri Analizi Bilgisayar Uygulamaları. Detay Yayıncılık, Ankara, Turkey.
• Procopio, C.H., Procopio, S.T., 2007. Do You Know What it Means to Miss New Orleans? Internet Communication, Geographic Community, and Social Capital in Crisis. Journal of Applied Communication Research. 35 (1), 67-86.
• Ragini, R.J., Anand. P.M.R., Bhaskar, V., 2018. Mining Crisis Information: A Strategic Approach for Detection of People at Risk Through Social Media Analysis. International Journal of Disaster Risk Reduction, 27, 556–566.
• Sigala, M., Chalkiti, K., 2015. Knowledge Management Social Media and Employee Creativity. International Journal of Hospitality Management, 45, 44-58.
• Smith, B.G., 2010. Socially Distributing Public Relations: Twitter, Haiti, and Interactivity in Social Media Public Relations Review, 36, 329-335.
• Türkiye İstatistik Kurumu-TÜİK, 2017. İllerde Yaşam Endeksi İl Sıralamaları ve Endeks Değerleri, 2015, Ankara.
• Unal, A., Aydin, M.M., Saplioglu, M., 2017. Sosyal Medya Kullanımının Sürücülerin Trafik Kurallarına Uyma Davranışları Üzerindeki Etkisinin İncelenmesi. Fen, Matematik, Mühendislik ve Doğa Araştırmaları 2017. II. Uluslararası Akademik Araştırmalar Kongresi, Nizamettin Çiftçi, Yakup Kara, İbrahim Yalçınkaya, Mehmet Şahin and Tevik Agaçayak , Eds., Çizgi Kitabevi, 98-106, Konya, TURKEY.
• Zhang, Z., He, Q., Gao, J., Ni, M., 2018. A Deep Learning Approach for Detecting Traffic Accidents from Social Media Data. Transportation Research Part C: Emerging Technologies, 86, 580-596.