Raylı sistem kazalarının analizi için bayes ağı tabanlı bir yaklaşım

Abstract

Küresel ölçekte artan nüfus, kentleşme dinamikleri ve çevresel sürdürülebilirlik hedefleri, günümüzde ulaşım sistemlerine yönelik talepleri büyük ölçüde artırmakta; buna bağlı olarak emniyetli, verimli ve çevreye duyarlı ulaşım çözümleri geliştirilmesi kaçınılmaz hale gelmektedir. Bu bağlamda raylı sistemler, yüksek yolcu taşıma kapasiteleri, düşük karbon salımı, trafik sıkışıklığını azaltıcı etkisi ve zamanında hizmet sunabilmeleri nedeniyle birçok ülkenin stratejik ulaşım politikalarında öncelikli altyapı yatırımı olarak değerlendirilmektedir. Ancak, bu sistemlerin güvenilirliğinin sağlanması yalnızca teknolojik yatırımlarla sınırlı kalmayıp, aynı zamanda risk odaklı ve sistematik bir emniyet yönetimi yaklaşımıyla mümkün olabilmektedir. Raylı sistemlerde meydana gelen kazalar, yalnızca teknik ve ekonomik bir sorun değil, aynı zamanda doğrudan insan hayatını tehdit eden toplumsal ve etik bir meseledir. Bu kazalar; can kayıpları, yaralanmalar, kalıcı travmalar ve kamuoyunda güvensizlik gibi olumsuz sonuçlara yol açmaktadır. Her kaza, sadece doğrudan etkilenen bireyleri değil, dolaylı olarak tüm toplumun toplu taşımaya olan yaklaşımını da derinden etkileyebilmekte; bu da sürdürülebilir ulaşım hedeflerine ulaşılmasında ciddi bir tehdit oluşturmaktadır. Dolayısıyla, yalnızca kazaların sonuçları değil, bu sonuçlara neden olan faktörlerin çok boyutlu ve nedensel yapılar temelinde analiz edilmesi hayati öneme sahiptir. Bu tez çalışması, raylı sistemlerde meydana gelen kazaların ardında yatan çok boyutlu neden-sonuç ilişkilerini daha derinlemesine analiz edebilmek amacıyla, belirsizlik altında karar verme süreçlerinde güçlü bir araç olan Bayes Ağı (Bayesian Network) yaklaşımını temel alan özgün bir model geliştirilmiştir. Raylı sistem kazaları; insan hatası, teknik arızalar, çevresel koşullar ve sistem dışı etkiler gibi birçok faktörün karmaşık etkileşimi sonucunda ortaya çıkmakta ve bu faktörler çoğunlukla birbirinden bağımsız değil, karşılıklı nedensel bağlantılar içeren yapılar olarak şekillenmektedir. Bu durum, geleneksel analiz yöntemleriyle sınırlı kalınan doğrusal ilişki varsayımlarının ötesine geçilmesini, olasılık temelli, nedensel ve çok değişkenli modelleme tekniklerinin kullanılmasını zorunlu hale getirmektedir. Tezin temel amacı yalnızca geçmiş verilere dayalı olarak nicel analizler yürütmek değil; aynı zamanda bu verilerin ardındaki nedensel yapıları ortaya koymak, kazalara yol açan risk faktörlerini sistematik biçimde belirlemek ve bu bulgular doğrultusunda raylı sistem emniyetinin artırılmasına yönelik proaktif politika ve strateji önerileri geliştirmektir. Bu kapsamda çalışma, Bayes Ağı'nın koşullu olasılık yapısı sayesinde, hem doğrudan hem de dolaylı etkileri aynı anda değerlendirme imkânı sunarak sistem içerisindeki belirsizlikleri modelleyebilmekte ve farklı senaryolar altında risk seviyelerinin nasıl değiştiğine dair öngörüler üretebilmektedir. Çalışmada kullanılan yöntem, geçmiş kaza verilerinin detaylı bir şekilde sınıflandırılmasını, değişkenlerin kategorilere ayrılmasını ve değişkenler arasındaki ilişkilerin gerek istatistiksel analizler gerekse uzman görüşleriyle belirlenmesini kapsamaktadır. Bu bağlamda, geliştirilen Bayes Ağı modeli yalnızca açıklayıcı bir araç olmakla kalmayıp, aynı zamanda karar vericilere kazaların olası nedenlerini önceden tahmin etme ve müdahale önceliklerini belirleme noktasında rehberlik edecek bir karar destek mekanizması işlevi de görmektedir. Bu doğrultuda model, Almanya Federal Demiryolu Kazaları İnceleme Bürosu (Germany Federal Railway Accident Investigation Board, BEU) tarafından 2007–2023 yılları arasında yayımlanmış 300'ün üzerinde detaylı kaza raporu üzerinden elde edilen verilerle yapılandırılmıştır. Bu veri seti, kazaların tarihsel dağılımı, coğrafi konumları, nedenleri, sonuçları ve tren özellikleri gibi çok çeşitli parametreleri kapsamaktadır. BEU raporlarının detaylı içerikleri, modelin istatistiksel geçerliliği ve bağlama uygunluğu açısından değerli bir temel sağlamıştır. Bayes Ağı yöntemi, değişkenler arasındaki koşullu bağımlılıkları yönlendirilmiş döngüsüz çizgeler üzerinden modelleyebilen güçlü bir araçtır. Bu yöntem, yalnızca veriye dayalı değil, aynı zamanda uzman görüşüyle desteklenebilen yapılar oluşturulmasına da olanak tanımaktadır. Bu bağlamda çalışmada önerilen yaklaşım iki temel aşamada yürütülmüştür: (1) niteliksel modelleme süreci ve (2) niceliksel olasılık modellemesi süreci. Niteliksel modelleme sürecinde, BEU verileri analiz edilerek toplam 13 değişken tanımlanmıştır. Değişkenler arasındaki ilişkiler önce pivot tablolar üzerinden görselleştirilmiş; ardından Ki-kare bağımsızlık testi ile istatistiksel anlamlılık sınanmış; ilişki gücü ise Cramér's V katsayısı yardımıyla ölçülmüştür. Bu analizler sonucunda, modelde yer alacak güçlü bağlantılar belirlenmiş ve ağ yapısının iskeleti oluşturulmuştur. Yapının kurulmasının ardından, alanında uzman üç emniyet yöneticisinin görüşleri doğrultusunda değişkenler arasındaki nedensel yönler netleştirilmiş; literatür bilgisi ve alan deneyimiyle desteklenmiştir. Bu sayede yapı yalnızca istatistiksel olarak değil, sektörel bağlamda da anlamlı olacak şekilde tasarlanmıştır. Niceliksel modelleme sürecinde ise, niteliksel aşamada oluşturulan ağ yapısına bağlı olarak her bir değişken için koşullu olasılık tablosu (KOT) hazırlanmıştır. Bu tablolar, mevcut veri üzerinden hesaplanmış; eksik verilerin bulunduğu durumlarda uzman görüşlerinden faydalanılmıştır. Bu yaklaşımla hem veri temelli hem de bilgi temelli öğeler barındıran hibrit bir model ortaya çıkarılmıştır. Modelin yapılandırılmasının ardından, çeşitli senaryolar altında testler gerçekleştirilmiş ve farklı koşullar altında sistemin kaza üretme eğilimleri analiz edilmiştir. Model çıktıları, özellikle sistem içi insan hatalarının (İnsanSİ), düşük bakım uygulamalarının ve manuel kontrol sistemlerinin raylı sistem kazalarının temel nedenleri arasında yer aldığını açıkça ortaya koymaktadır. En dikkat çeken bulgulardan biri, "İnsanSİ – Kaza Tipi" ilişkisinin modelde en güçlü etkilerden birine sahip olmasıdır. Bu ilişki, doğrudan insan kaynaklı hataların belirli kaza türleriyle yüksek korelasyon taşıdığını göstermektedir. Eyalet düzeyinde yapılan analizlerde ise belirli coğrafi bölgelerde kaza sıklığının arttığı gözlemlenmiş; bu bulgunun, bölgesel altyapı yatırımları, bakım sıklığı, topografya ve çevresel faktörler gibi dışsal etmenlerle ilişkili olabileceği değerlendirilmiştir. Bu değerlendirme, yerel düzeyde risk analizleri yapılması gerektiğini ve tek tip emniyet stratejilerinin her bölge için aynı derecede etkili olmayabileceğini göstermektedir. Modelin geçerliliği, hem yapısal hem de çıktı düzeyinde çok yönlü biçimde test edilmiştir. Yapısal geçerlilik kapsamında, modeldeki değişkenler ve bunlar arasındaki nedensel bağlantılar uzman mühendisler tarafından incelenmiş ve genel ağ yapısının sektörel gerçeklikle uyumlu olduğu teyit edilmiştir. Çıktı geçerliliği testinde ise, model sonuçları BEU verileriyle karşılaştırılmış ve ölüm oranları, kaza seviyeleri ve neden türleri bakımından yüksek benzerlik elde edilmiştir. Ayrıca farklı senaryolarla yapılan analizlerde modelin öngörü gücünün tatmin edici düzeyde olduğu görülmüştür. Bu çalışmanın literatüre katkısı, Bayes Ağı gibi esnek ve güncellenebilir bir modelleme yönteminin, raylı sistem kazalarının neden-sonuç yapısını anlamada etkili ve uygulanabilir bir yaklaşım sunduğunu göstermesidir. HFACS, STAMP, FRAM gibi geleneksel sistem temelli analiz yöntemlerinin sınırlı kaldığı durumlarda Bayes Ağı; belirsizlik altında çalışabilme, alternatif senaryolar geliştirme ve nedensel yapılar arasında olasılıksal çıkarım yapma özellikleriyle öne çıkmaktadır. Ayrıca çalışmada kullanılan hibrit yaklaşım, tarihsel veriler ile uzman bilgisini birleştirerek daha güvenilir ve bağlama duyarlı bir model ortaya koymaktadır. Sonuç olarak, bu tez çalışması yalnızca akademik bir öneri sunmanın ötesine geçerek, raylı sistem emniyetine yönelik karar alma süreçlerinde etkin, esnek ve sürdürülebilir bir karar destek mekanizması geliştirme amacını taşımaktadır. Belirsizlik altında işleyen ve çok değişkenli yapılar içeren raylı sistem kazalarının daha sağlıklı analiz edilebilmesi için önerilen Bayes Ağı tabanlı model, gerek mevcut durumu değerlendirme gerekse risk oluşturan unsurların daha net bir şekilde ortaya konması açısından önemli avantajlar sağlamaktadır. Bu yönüyle çalışma, yalnızca geçmiş kazaları sınıflamakla kalmayıp, neden-sonuç ilişkileri üzerinden sistematik analizler yapılmasına olanak tanıyan, müdahale önceliklerini belirlemeye yardımcı olan ve politika üretimine doğrudan katkı sağlayan bir yapıya sahiptir. Geliştirilen modelin ilerleyen çalışmalarda farklı ülkelerin kaza verileriyle test edilmesi ve bu sayede kültürel, teknik ve yönetsel farklılıkların emniyet performansı üzerindeki etkilerinin karşılaştırmalı olarak incelenmesi, literatürde önemli bir boşluğu doldurabilir. Ayrıca zaman serisi verileriyle entegrasyonu sağlanarak Bayes Ağı'nın dinamik versiyonlarının kullanılması, kazaların zaman içerisindeki değişimlerini ve yapısal dönüşümleri anlamak açısından büyük bir potansiyel sunmaktadır. Bu bağlamda, raylı sistemlerde emniyet performansını artırma hedefiyle çalışan politika yapıcılar, sistem mühendisleri, risk analistleri ve emniyet sorumluları için bu çalışma; hem analitik derinliği hem de uygulama potansiyeliyle dikkat çekici bir kaynak niteliği taşımaktadır. Modelin sunduğu ilişki temelli analizler sayesinde, karar vericilere yalnızca mevcut durumu değerlendirme değil, aynı zamanda emniyet açısından kritik olan etmenlerin daha iyi anlaşılmasını sağlayacak bilimsel bir temel sunulmaktadır. Bu yönüyle tez, teorik katkılarının yanı sıra sektörel uygulamalar için de somut ve işlevsel çıktılar üretme potansiyeline sahip olup, raylı sistem emniyetine bütüncül bir yaklaşım geliştirmek isteyen tüm paydaşlara kapsamlı bir katkı sağlamaktadır.