QGIS tabanlı demiryolu izinsiz giriş veritabanı, demiryolu sahasına yetkisiz girişleri yalnız kaza noktalarıyla değil; konum, demiryolu altyapısı, erişilebilirlik, çevresel koşullar, insan davranışı, geçmiş kazalar ve görsel-zamansal saha kayıtlarıyla birlikte yönetmek için geliştirilen bütünleşik bir coğrafi bilgi sistemi veri yapısıdır. Çalışma, Hırvatistan demiryolu ağına ait çeşitli ikincil veri kaynaklarını Zagreb'deki saha gözlemleriyle birleştirerek toplam 51 parametreyi yedi değişken kategorisinde toplamış, 252 izinsiz giriş noktasını haritalamış ve geliştirilen veritabanının mekânsal analiz kapasitesini Kernel Density Estimation (KDE) ile göstermiştir. En önemli yorum sınırı, çalışmanın henüz tamamlanmış bir risk tahmin modeli sunmaması ve KDE'nin bu aşamada nihai hotspot belirlemekten ziyade veritabanının mekânsal analiz uygulanabilirliğini göstermek için kullanılmasıdır.

İkincil veriler Hırvatistan demiryolu ağı düzeyinde; birincil saha verileri ise Zagreb kentinde, M102 Zagreb Ana Tren İstasyonu–Dugo Selo hattında toplanmıştır. Saha gözlemlerinde GPS koordinatları, izinsiz geçiş davranışları, geçiş patikaları, görüş koşulları, aydınlatma, bitki örtüsü, mevcut güvenlik önlemleri, yaya hareketliliği ve görsel kayıtlar gibi kaza veri tabanlarında çoğu zaman bulunmayan ayrıntılar eklenmiştir.

Çalışmada toplam 252 izinsiz giriş noktası haritalanmıştır. Bunlar tüm olası izinsiz giriş noktalarını temsil etmez: yalnız daha önce kaza kaydı bulunan yerler ile saha veri toplama sırasında belirlenen izinsiz giriş noktaları haritaya dahil edilmiştir. Haritalanan noktaların önemli bölümü yüksek nüfus yoğunluğu ve sık tren işletmeciliği bulunan kentsel alanlardadır.

Kaza kayıtları üzerinde yapılan KDE analizinde en yüksek yoğunluğun Zagreb'de olduğu; daha sonra Zabok, Karlovac–Duga Resa, Rijeka ve Split çevresinde yoğunlaşmalar bulunduğu raporlanmıştır. 1 km bant genişliği daha yumuşatılmış bir mekânsal yoğunluk yüzeyi üretirken, 500 m bant genişliği daha yerelleştirilmiş desenler oluşturmuştur. Bununla birlikte ana yüksek yoğunluk alanları değişmemiş ve 500 m duyarlılık analizi yeni bir yüksek yoğunluk bölgesi ortaya çıkarmamıştır.

Bu bulgular “bu şehirlerde kesin olarak daha yüksek gelecek kaza riski vardır” anlamına gelmez. Çalışmadaki KDE yalnız kayda geçmiş yaralanmalı ve ölümlü izinsiz giriş kazalarına dayanır; tüm kazasız izinsiz giriş noktaları bilinmemektedir. Ayrıca 2014–2024 kaza kayıtları ile nüfus yoğunluğu, arazi kullanımı ve ilgi noktaları gibi bazı değişkenler aynı tarihsel döneme ait değildir. Dolayısıyla yazarların önerdiği kapsamlı risk modeli gelecek araştırma aşamasıdır.

Detaylı Açıklama

Demiryolu Sahasına İzinsiz Giriş (Railway Trespassing) Nedir?

Bu çalışmada demiryolu sahasına izinsiz giriş, hemzemin geçit kullanıcısı dışında, bulunmasına izin verilmeyen demiryolu alanında bir kişinin bulunması anlamında kullanılmaktadır. Araştırmanın odağı yalnız meydana gelmiş kazalar değil, insanların neden belirli demiryolu kesimlerine izinsiz girdiğini açıklamaya yardımcı olabilecek altyapısal, mekânsal, çevresel ve davranışsal koşulları ortak bir veri yapısında toplamaktır.

Makalenin problem tanımı

Yazarların temel problemi, demiryolu sahasına izinsiz girişle ilgili verilerin tek bir kurumda ve tek bir standart veri tabanında bulunmamasıdır. Hırvatistan'daki bilgiler demiryolu ve karayolu altyapı yöneticileri, kamu kurumları, güvenlik raporları, demografik veri kaynakları ve farklı uluslararası veri tabanları arasında dağınık durumdadır.

Bir kaza veri tabanı, olayın nerede ve ne zaman gerçekleştiğini söyleyebilir; ancak tek başına insanların neden o noktadan geçtiğini açıklamakta yetersiz kalabilir. Örneğin yasal geçidin ne kadar uzakta olduğu, demiryolu üzerinde oluşmuş gayriresmî bir patikanın bulunup bulunmadığı, okul veya otobüs durağı gibi yaya hareketi oluşturan noktaların yakınlığı, görüş mesafesi, aydınlatma ve mevcut çitler gibi ayrıntılar standart kaza kayıtlarında bulunmayabilir.

Çalışma bu nedenle “kazalar nerede oldu?” sorusunu, “bu noktanın altyapısı, çevresi, erişilebilirliği ve gözlenen insan davranışı nasıldır?” sorusuyla birleştiren bir veri altyapısı geliştirmektedir.

Makalenin girişinde verilen güvenlik bağlamı

Kaynak çalışmanın girişinde, demiryolu izinsiz girişinin uluslararası ölçekte ciddi bir güvenlik problemi olduğunu göstermek için farklı kurumlardan yayımlanmış istatistikler aktarılmaktadır. Bunlar bu çalışmanın kendi yeni ölçümleri değildir; makalenin literatür ve problem bağlamını oluşturan dış kaynak verileridir.

Literatürdeki boşluk nedir?

Kaynağın literatür taramasına göre önceki GIS araştırmaları; hotspot belirleme, olayların uzamsal-zamansal dağılımı, yaralanma şiddeti, arazi kullanımı, gelir ve sosyodemografik özellikler, hemzemin geçit kazaları veya ağ kırılganlığı gibi farklı parçaları incelemiştir. Ancak çalışmaların çoğunda izinsiz giriş davranışını açıklayabilecek bütün değişkenler, birincil saha gözlemleri ve farklı ikincil kaynaklarla aynı bütünleşik veri yapısında bir araya getirilmemiştir.

Bu çalışmanın özgün katkısı, tek tek GIS araçlarının yeni olması değildir. Yazarlar da GIS tekniklerinin yerleşik olduğunu belirtmektedir. Katkı, farklı kaynaklardaki demiryolu izinsiz giriş parametrelerinin tutarlı bir QGIS veritabanı yapısında birleştirilmesidir.

Parametreler nasıl seçildi?

Yazarlar parametre seçimini üç aşamaya dayandırmıştır:

1. Mevcut ikincil veri kaynaklarında hangi parametrelerin bulunabildiğini belirlemek.
2. Önceki demiryolu izinsiz giriş araştırmalarını ve mevcut izinsiz giriş veritabanlarını inceleyerek eksik bilgileri belirlemek.
3. İkincil kaynaklarda veya önceki veritabanlarında bulunmayan fakat çalışma açısından önemli görülen ek parametreleri saha veri toplamasına dahil etmek.

Birincil ve ikincil veri arasındaki fark nedir?

İkincil veriler, çalışma başlamadan önce kurumlar veya veri tabanları tarafından üretilmiş bilgilerdir. Bu araştırmada demiryolu ve karayolu altyapı yöneticileri, iş raporları, nüfus ve sosyoekonomik veri kaynakları, bakanlıklar ve Eurostat, ERA, Infrabel, Network Rail ve FRA gibi kaynaklardan yararlanılmıştır.

Birincil veriler ise araştırmacıların doğrudan izinsiz giriş noktalarında gerçekleştirdiği saha gözlemlerinden elde edilmiştir. GPS koordinatları, davranış gözlemleri, geçiş biçimleri, çevresel özellikler, fotoğraf ve video kayıtları bu gruba girer.

Çalışmanın yedi aşamalı iş akışı

Veri toplamak için hangi araçlar kullanıldı?

51 parametre hangi yedi kategoriye ayrıldı?

Kaynak-içi tutarlılık notu: Makalenin Tablo 1 öncesindeki metni kaza istatistikleri kategorisini “14 parametre” olarak tanımlamaktadır; ancak Tablo 1 aynı kategoride 13 parametre ve %25,5 pay vermektedir. Tablo satırlarının toplamı 51'dir. Verianla bu farkı sessizce düzeltmemekte ve yazarların hangi sayıyı nihai olarak tercih ettiğine dair kaynakta bulunmayan bir varsayım üretmemektedir.

Mekânsal ve idari değişkenler

Bu grupta konum adı, konum açıklaması, demiryolu hattının adı, demiryolu kilometre konumu, kentsel/kırsal sınıflandırma, en yakın yasal geçide uzaklık, yasal geçidin türü, en yakın izinsiz giriş kazası konumuna uzaklık ve kazasız en yakın izinsiz giriş noktasına uzaklık gibi bilgiler yer almaktadır.

Demiryolu altyapısı değişkenleri

Altyapı grubunda hat sayısı, demiryolu hattı kategorisi, elektrifikasyon durumu, tren hız sınırı, günlük tren sayısı ve tren sıklığı, hat geometrisinin düz veya kurplu olması, arazi eğimi, ray görüşü, görüş mesafesi, hat çevresindeki aydınlatma ve uyarı levhası/çit gibi mevcut güvenlik önlemleri bulunmaktadır.

Konum erişilebilirliği değişkenleri

Bu kategori izinsiz geçiş için oluşmuş kestirme yolun bulunup bulunmadığını, patikanın belirgin/ezilmiş toprak veya çim gibi özelliklerini ve okul, alışveriş merkezi, işyeri ve diğer ilgi noktalarıyla ilişkili bina uzaklıklarını kapsar.

Çevresel değişkenler

Çevresel kategori; 1 km yarıçap içindeki nüfus yoğunluğu, konut arazi kullanım oranı, endüstriyel arazi kullanım oranı, ticari arazi kullanım oranı, bitki örtüsü, kaza sırasındaki hava koşulları ve saha veri toplama sırasındaki hava koşulları gibi değişkenleri içerir.

İnsan faktörü değişkenleri

Kaynak; davranış örüntüleri, veri toplama zamanı, cinsiyet, izinsiz giriş yapan kişi sayısı, çocuk/yetişkin gibi kişi yapısı ve demiryolu yakınındaki yaya etkinliği gibi saha gözlemlerini bu gruba yerleştirmektedir.

Kaza istatistikleri

Kaza kaydı bulunan yerlerde tarih ve zaman bilgileri, kaza açıklaması, yaralanma veya ölüm kategorisi, kişinin davranış biçimi, cinsiyet, milliyet, alkol etkisi, kaza nedeni, kaza sayısı, maddi hasar ve raporlanmış önleme önerileri gibi bilgiler tutulmuştur. Bu alanlar yalnız geçmiş kaza bulunan konumlarda mevcuttur; her izinsiz giriş noktası geçmişte kazaya sahne olmak zorunda değildir.

Zamansal ve görsel değişkenler

Son kategori, izinsiz giriş noktalarının farklı açılardan fotoğrafla belgelenmesi ile saha koşullarının video/kayıt olarak saklanmasını kapsamaktadır. Böylece veritabanı yalnız sayısal ve metinsel değil, görsel bilgi de içeren çok modlu bir yapı kazanmaktadır.

Kernel Density Estimation (KDE) Bu Çalışmada Neyi Gösteriyor?

Kernel Density Estimation (KDE), bu çalışmada kayda geçmiş yaralanmalı ve ölümlü demiryolu izinsiz giriş kazalarının mekânda hangi bölgelerde daha yoğun kümelendiğini sürekli bir yoğunluk yüzeyi biçiminde görselleştirmek için kullanılan GIS analizidir; yazarlar bu aşamadaki KDE'yi tamamlanmış bir risk veya nihai hotspot modeli olarak değil, geliştirilen QGIS veritabanının mekânsal analiz kapasitesini göstermek amacıyla kullanmaktadır.

KDE neden yalnız kaza kaydı bulunan noktalarla uygulandı?

Çalışmada kazasız izinsiz giriş noktalarının yalnız saha çalışması sırasında bulunabilen bir bölümü bilinmektedir. Tüm kazasız giriş noktalarının sistematik kaydı bulunmadığından, bu eksik kümenin KDE'ye eklenmesi gerçek dağılımı çarpıtabilir. Bu nedenle KDE aşamasında belgelenmiş yaralanmalı ve ölümlü kaza noktaları kullanılmıştır.

Bu karar, “kazasız noktalar önemsizdir” anlamına gelmez. Tam tersine yazarlar, gelecekte gerçek izinsiz giriş davranışını daha kapsamlı değerlendirmek için kazasız fakat sık kullanılan geçiş noktalarının da sistematik biçimde haritalanması gerektiğini belirtmektedir.

1 km bant genişliği ne yapıyor?

Kaynak temel KDE analizinde 1 km çekirdek yarıçapı ve 0,1 hücre boyutu kullandığını belirtmektedir. Bant genişliği, her kaza noktasının çevresindeki etkinin ne kadar geniş bir mekâna yayılacağını belirler. Daha geniş bant genişliği tek tek noktalar arasındaki küçük farklılıkları yumuşatarak daha geniş kümelenme bölgelerinin görülmesini kolaylaştırır.

Kaynakta KDE'nin matematiksel çekirdek fonksiyonu veya açık formülü verilmemektedir. Bu nedenle Verianla burada kaynak dışı bir KDE denklemi eklememekte; yalnız yazarların raporladığı bant genişliği ve hücre ayarlarının yöntemsel rolünü açıklamaktadır.

500 m duyarlılık kontrolü neden yapıldı?

Yazarlar bant genişliği seçiminin ortaya çıkan yoğunluk desenlerini değiştirip değiştirmediğini sınamak için 500 m bant genişliğinde ikinci analiz gerçekleştirmiştir. 500 m çözüm daha yerelleştirilmiş yoğunluk lekeleri, 1 km çözüm ise daha yumuşak ve geniş yoğunluk bölgeleri üretmiştir.

Önemli sonuç, görsel yumuşatma düzeyi değişmesine rağmen temel yüksek yoğunluk alanlarının değişmemesidir. 500 m bant genişliği yeni bir yaralanmalı/ölümlü izinsiz giriş yoğunluk alanı ortaya çıkarmamıştır. Bu karşılaştırma, çalışmadaki mekânsal desenlerin yalnız tek bir bant genişliği seçiminin ürünü olmadığını göstermeye yönelik bir duyarlılık kontrolüdür.

Çalışmanın Yöntemi ve Bulguları

Araştırma alanı

Araştırma Hırvatistan demiryolu ağı üzerinde yürütülmüş ve özellikle kentsel alanlara odaklanmıştır. İkincil veriler ulusal ağ düzeyinde toplanıp analiz edilirken, ayrıntılı birincil saha gözlemleri Zagreb kentinde gerçekleştirilmiştir.

Saha örneği M102 Zagreb Ana Tren İstasyonu–Dugo Selo demiryolu hattıdır. Araştırmacılar özellikle Maksimir ile Trnava demiryolu durakları arasındaki kesimi ayrıntılı veritabanı örneği olarak kullanmıştır.

Demiryolu kilometre konumu GPS koordinatına nasıl dönüştürüldü?

Bazı eski kaza kayıtlarında coğrafi koordinat yerine yalnız demiryolu hattındaki kilometre konumu bulunmaktaydı. Araştırmacılar demiryolu altyapı verisini kullanarak bu kilometre konumlarını mekânsal koordinatlarla eşleştirmiş ve QGIS içinde haritalanabilir noktalara dönüştürmüştür.

Saha çalışmasından doğrudan GPS koordinatı bulunan noktalar ise bu koordinatlarla kaydedilmiştir. Böylece farklı biçimlerde saklanan tarihsel ve güncel mekânsal bilgiler ortak bir coğrafi referans sisteminde kullanılabilir hale getirilmiştir.

Kaç izinsiz giriş noktası haritalandı?

Toplam 252 demiryolu izinsiz giriş noktası haritalanmıştır. Bu sayı Hırvatistan'daki bütün gerçek izinsiz giriş noktalarının sayısı değildir. Harita yalnız geçmiş kaza kaydı bulunan noktaları ve saha veri toplama sürecinde belirlenmiş izinsiz giriş noktalarını içerir.

Kaynak, haritalanan noktaların ağırlıklı olarak yüksek nüfus yoğunluğu ve sık tren hizmeti bulunan kentsel alanlarda bulunduğunu belirtmektedir.

Kentsel dağılımda hangi şehirler öne çıktı?

Zagreb, haritalanan izinsiz giriş konumlarının en yüksek yoğunlaştığı kentsel alan olarak öne çıkmaktadır. Noktalar özellikle ana şehir içi demiryolu koridorları, istasyonlar, duraklar, hemzemin geçitler ve açık hat kesimleri boyunca dağılmıştır.

Zagreb dışında Rijeka, Karlovac, Duga Resa, Osijek, Vinkovci ve Split'te de belirgin izinsiz giriş konumları bulunmaktadır. Bu sonuç, sorunun yalnız ülkenin en büyük kentinde görülmediğini göstermektedir.

KDE yoğunluk analizinin ana bulguları

M102 Maksimir–Trnava örneğinde ne görüldü?

M102 hattının Maksimir–Trnava kesiminde 15 kayıtlı izinsiz giriş noktası bulunmuştur. Kaynak ayrıca bu kesimde iki kayıtlı izinsiz giriş olayı bulunduğunu belirtmektedir.

Yasal bir yaya alt geçidine olan uzaklık bazı noktalar için 300 metreye kadar çıkmasına rağmen insanların rayları izinsiz geçmeye devam ettiği gözlenmiştir. Çevrede okul, üniversite kampüsü, otobüs durağı ve işyeri gibi çok sayıda ilgi noktası bulunduğu da kaydedilmiştir. Yazarlar bu tür noktaların yaya hareketini ve dolayısıyla izinsiz giriş davranışını anlamada ileride daha ayrıntılı analiz edilmesi gerektiğini belirtmektedir.

QGIS veritabanında tek bir nokta nasıl temsil ediliyor?

Kaynak Şekil 7, Maksimir demiryolu durağına yaklaşık 200 metre uzaklıktaki bir izinsiz giriş noktasını örneklemektedir. Tek bir coğrafi nokta yalnız koordinata sahip değildir; yedi değişken kategorisinden gelen çok sayıda öznitelik aynı kayıtla ilişkilidir.

Örneğin konumun kilometre bilgisi, yasal geçide uzaklığı, hat özellikleri, çevredeki arazi kullanımı, insan davranışı, geçmiş kaza kayıtları ve fotoğraf gibi veriler aynı QGIS nesnesine bağlanabilir. Böylece haritadaki tek bir nokta, farklı kurumsal ve saha veri kaynaklarını birleştiren çok katmanlı bir kayıt haline gelir.

Kaynak ayrıca shapefile biçiminin alan adı sınırlılıkları nedeniyle QGIS içerisinde parametrelerin daha kısa adlarla saklandığını belirtmektedir.

Bu Çalışma Bir Demiryolu İzinsiz Giriş Risk Modeli Geliştirdi mi?

Hayır. Çalışma, ileride demiryolu ağının izinsiz girişe duyarlılığını ve kazaya dönüşme riskini değerlendirebilecek bir model için gerekli çok kaynaklı QGIS veritabanı altyapısını oluşturmaktadır; yazarların önerdiği bütünleşik risk modeli henüz gelecekte geliştirilecek ve kaza kayıtları ile uzman değerlendirmesi kullanılarak doğrulanacak bir sonraki araştırma aşamasıdır.

Çalışmanın güçlü yönleri

• Kaza kayıtlarını tek başına kullanmak yerine altyapı, erişilebilirlik, çevre, insan davranışı ve görsel saha kayıtlarını birleştirmektedir.
• Ulusal ölçekli ikincil veriler ile doğrudan sahada toplanan birincil verileri aynı mekânsal veri yapısında toplamaktadır.
• Konumu yalnız GPS koordinatı olarak değil, çok sayıda nitelik taşıyan bir mekânsal nesne olarak ele almaktadır.
• Eksik ve dağınık kurumsal verilerin ortak QGIS yapısında nasıl standardize edilebileceğini göstermektedir.
• 1 km ve 500 m KDE bant genişliklerini karşılaştırarak mekânsal yoğunluk desenlerinin bant genişliği seçimine duyarlılığını kontrol etmektedir.

Çalışmanın desteklediği sonuçlar

• Demiryolu sahasına izinsiz giriş, yalnız geçmiş kaza kaydıyla açıklanamayacak çok boyutlu bir güvenlik problemidir.
• Çalışmanın belirlediği 51 parametre yedi değişken kategorisi altında ortak QGIS veritabanında birleştirilebilmiştir.
• Toplam 252 bilinen/kaydedilen izinsiz giriş noktası haritalanmıştır.
• Haritalanan noktaların önemli bölümü kentsel ve yoğun yaya hareketi bulunan demiryolu koridorlarıyla ilişkilidir.
• KDE analizinde en güçlü yoğunluk Zagreb'de, ardından kaynakta Zabok, Karlovac–Duga Resa, Rijeka ve Split gibi alanlarda görülmüştür.
• 500 m ve 1 km bant genişlikleri farklı yumuşatma seviyeleri üretse de ana yüksek yoğunluk bölgeleri korunmuştur.
• QGIS veritabanı farklı veri kaynaklarının aynı konum üzerinde ilişkilendirilmesine olanak vermektedir.

Çalışmanın desteklemediği sonuçlar

• Çalışma Hırvatistan'daki bütün gerçek izinsiz giriş noktalarını belirlediğini göstermemektedir.
• KDE sonuçları tamamlanmış veya doğrulanmış bir gelecek kaza risk haritası değildir.
• Yüksek KDE yoğunluğu tek başına belirli bir noktada gelecekte kesin kaza olacağı anlamına gelmez.
• Belirli bir değişkenin, örneğin nüfus yoğunluğunun veya yasal geçide uzaklığın, izinsiz girişin tek başına nedensel nedeni olduğu kanıtlanmamıştır.
• M102 saha örneğinin özellikleri bütün Hırvatistan demiryolu ağına doğrudan genellenemez.
• Çalışma önleme tedbirlerinin etkinliğini deneysel olarak karşılaştırmamaktadır.
• Henüz tamamlanmış ve dış doğrulamadan geçmiş birleşik bir risk puanı veya makine öğrenmesi modeli bulunmamaktadır.

Planar KDE'nin önemli sınırlılığı

Kullanılan standart KDE iki boyutlu düzlem üzerinde yoğunluğu her yönde yayar. Oysa demiryolu kazaları geometrik olarak demiryolu ağına bağlı olaylardır. Bir noktanın yoğunluk etkisinin ray hattının dışındaki alanlara aynı şekilde yayılması fiziksel ağ yapısını tam olarak yansıtmayabilir.

Yazarlar bu nedenle ağ ile kısıtlanmış KDE'nin daha gerçekçi bir yaklaşım sağlayabileceğini belirtmektedir. Kaynağa göre bu tür analiz için QGIS'in R veya GRASS gibi ek yazılımlarla ya da özel bir eklentiyle birlikte kullanılması gerekebilir.

Eksik izinsiz giriş noktaları

Çalışmanın başlıca sınırlılıklarından biri, kaza meydana gelmemiş bütün izinsiz giriş noktalarının sistematik biçimde kayıtlı olmamasıdır. Bu tür yerler genellikle ancak saha gözlemi sırasında fark edilmektedir. Dolayısıyla demiryolu ağında çalışma tarafından hiç kaydedilmemiş başka izinsiz giriş noktalarının bulunması mümkündür.

Zamansal eşleşme problemi

Kaza kayıtları 11 yıllık bir dönemi kapsarken nüfus yoğunluğu, arazi kullanımı ve ilgi noktaları gibi bazı açıklayıcı değişkenler mevcut en güncel veri setlerinden alınmıştır. Bu nedenle örneğin güncel bir arazi kullanım deseni, 2014 yılındaki bir kaza meydana geldiğinde aynı şekilde mevcut olmayabilir.

Bu durum geçmiş kazalar ile güncel çevresel özellikler arasındaki ilişki yorumlanırken dikkat gerektirir. Kaynak bu zamansal uyumsuzluğu kendi sınırlılıkları arasında açıkça belirtmektedir.

Gelecek araştırmalar

Yazarlar veritabanının daha fazla izinsiz giriş noktasıyla genişletilmesini, okul, işyeri, istasyon, otobüs durağı gibi ilgi noktalarının daha ayrıntılı analiz edilmesini ve yaya hareketliliği gibi bazı değişkenlerin ek veri toplama ile doğrulanmasını önermektedir.

Sonraki aşamada farklı izinsiz giriş yoğunluklarına sahip alanlardaki değişkenlerin karşılaştırılması ve tanımlanan parametrelerden yararlanan bütünleşik bir yüksek risk bölgesi modeli geliştirilmesi önerilmektedir. Böyle bir model, belirlediği risk alanlarının gerçek kaza konumlarıyla karşılaştırılması ve uzman değerlendirmesiyle doğrulanabilir. Bu öneri mevcut çalışmanın sonucu değil, gelecek araştırma yönüdür.

Kaynak ve Yöntem Notu

Özgün başlık: A QGIS-Based Framework for the Mapping of Railway Trespassing in Urban Areas

Yazarlar: Silvestar Grabušić, Danijela Barić, Komil Turaev.

Yazar sırası: Kaynaktaki sıra aynen korunmuştur.

Sorumlu yazar: Danijela Barić.

Kurum 1: Faculty of Transport and Traffic Sciences, University of Zagreb, Zagreb, Croatia.

Kurum 2: Faculty of Transport and Aviation Engineering, Silesian University of Technology, Katowice, Poland.

Eş katkı/eş birinci yazarlık: Kaynakta eş katkı veya eş birinci yazarlık işareti belirtilmemektedir.

Dergi: Urban Science.

Yayınevi: MDPI, Basel, Switzerland.

Cilt / sayı / makale numarası: 10(8), 482.

DOI: 10.3390/urbansci10080482

Gönderim tarihi: 23 Haziran 2026.

Revizyon tarihi: 1 Ağustos 2026.

Kabul tarihi: 4 Ağustos 2026.

Yayın tarihi: 20 Ağustos 2026.

Kaynak türü: Hakemli araştırma makalesi.

Anahtar kelimeler: trespassing; QGIS; safety; urban areas; spatial analysis; Croatia.

Lisans: Creative Commons Attribution (CC BY).

Çalışma türü: GIS tabanlı veritabanı geliştirme, saha gözlemi, veri entegrasyonu, haritalama ve mekânsal yoğunluk analizi.

Temel coğrafi kapsam: Hırvatistan demiryolu ağı; birincil saha örneği Zagreb'deki M102 Zagreb Ana Tren İstasyonu–Dugo Selo hattı ve özellikle Maksimir–Trnava kesimi.

Temel veri yapısı: Birincil saha verileri ile kurumsal ve açık ikincil kaynakların aynı QGIS veritabanında birleştirilmesi; toplam 51 parametre ve yedi kategori.

Kullanılan temel yazılımlar ve araçlar: Epicollect, GoPro Hero 13, CountCam2, Samsung Galaxy A50, Samsung Gear 360 Camera, Microsoft Excel 2508 ve QGIS 4.0.3.

KDE koşulları: Ana analizde kaynak 1 km bant genişliği ve 0,1 hücre boyutu raporlamaktadır. Duyarlılık kontrolünde 500 m bant genişliği kullanılmıştır. Ana yüksek yoğunluk alanları iki analizde de korunmuştur.

Finansman: Araştırma European Union–NextGenerationEU tarafından 210317 numaralı hibe kapsamında finanse edilmiştir. Çalışma, University of Zagreb Faculty of Transport and Traffic Sciences bünyesindeki “Development of Human-Centred Design Solutions to Prevent Risks of Traffic Incidents and Accidents at Level Crossings (PRISK)” kurumsal araştırma projesinin parçasıdır.

Veri erişilebilirliği: Kaynakta, çalışmada sunulan verilerin sorumlu yazardan talep üzerine edinilebileceği belirtilmektedir.

Çıkar çatışması: Yazarlar çıkar çatışması olmadığını beyan etmektedir.

Yazar katkıları: Kavramsallaştırma: S.G. ve D.B.; yöntem: S.G. ve D.B.; yazılım: S.G.; doğrulama: D.B.; biçimsel analiz: S.G. ve K.T.; araştırma: S.G.; kaynaklar: D.B. ve S.G.; veri kürasyonu: D.B.; özgün taslak: S.G. ve K.T.; gözden geçirme ve düzenleme: D.B.; görselleştirme: S.G.; danışmanlık/gözetim: D.B.; proje yönetimi: D.B.; finansman edinimi: D.B.

Teşekkür: Yazarlar iç veri setinin sağlanmasındaki destekleri için HŽ Infrastructure ve HŽ Putnički prijevoz kuruluşlarına ve çalışmaya katkıda bulunan diğer paydaşlara teşekkür etmektedir.

Kaynak-içi sayı tutarsızlığı: Metin kaza istatistikleri değişkeninin 14 parametre içerdiğini belirtirken Tablo 1 aynı kategori için 13 parametre ve %25,5 pay vermektedir. Tablo 1'in yedi kategori toplamı 51'dir. Bu fark Verianla tarafından sessizce düzeltilmemiştir.

Temel yorum sınırı: Çalışma geliştirilmiş ve doğrulanmış nihai bir risk tahmin aracı değildir. Mevcut araştırma, böyle bir araç için veri ve mekânsal analiz altyapısının ilk aşamasıdır. KDE yalnız belgelenmiş kaza noktalarıyla gerçekleştirilmiş ve planar KDE demiryolu ağının doğrusal geometrisini tam olarak temsil etmemektedir.