Elektronik izleme sisteminin planlanmasında yeni bir hibrit tahmin modelinin geliştirilmesi ve uygulaması

Abstract

Şüpheli, sanık ve hükümlülerin elektronik haberleşme yöntemleri ile toplum içinde izlenmesini, gözetim ve denetim altında tutulmasını, mağdurun ve toplumun korunmasını destekleyen elektronik izleme sistemleri, gelişmiş ülkelerde ortaya konulan ve gittikçe yaygınlaşan cezaların infazlarında kullanılan bir teknolojidir. Elektronik izleme sistemleri ile hükümlülerin toplum içinde cezalarının infazı gerçekleştirilirken aynı zamanda denetimli serbestliğinde etkili şekilde uygulanmasına da katkıda bulunur. Günümüzde, gelişmiş ülkelerin yanında gelişmekte olan ülkelerde de suç oranları giderek artmakta olduğu gözlemlenmektedir. Elde edilen bulgular doğrultusunda, bazı ülkelerin bu sistemi cezanın daha etkin bir şekilde infaz edilmesi için kullanmakta olduğu, bazı ülkelerin ise ekonomik açıdan hapis cezasına alternatif bir sistem olarak kullanıldığı gözlemlenmiştir. Bu teknolojinin gelişmekte olan ülkeler arasında yer alan Türkiye'de de kullanımı ve önemi gün geçtikçe artış göstermektedir. Bu sistemler, cezaların infazı ve suçla mücadelede önemli bir rol oynamaktadır. Bu tez çalışması, güncel bir çalışma alanı olan elektronik izleme sistemlerinin planlaması ve sistem alt yapısının öngörüsü için hassas bir tahmin modelinin geçmiş yükümlü verisine göre analizini oluşturmaktır. Bu kapsamda Türkiye Cumhuriyeti Adalet Bakanlığı'na bağlı Ceza ve Tevkifevleri Genel Müdürlüğü bünyesinde yer alan Denetimli Serbestlik Daire Başkanlığı'na bağlı Elektronik İzleme Şube Müdürlüğü tarafından 2013-2021 yılları arasında izlenen 56.611 kişiden elde edilen veriler kullanılarak elektronik izleme sistemlerindeki aktif yükümlü sayısını kısa dönemli olarak tahmin için hibrit model oluşturulmuştur. Bu model sayesinde Türkiye'deki elektronik izleme sistemlerinin gelişimi gözlenerek ihtiyaç duyulacak ekipmanların planlanması ve optimal sistem yönetiminin sağlanabilmesi hedeflenmiştir. Tez çalışması kapsamında yenilikçi bir tahmin modeli olarak CEEMDAN-Kernel-Meta-ELM hibrit modeli önerilmiş ve elde edilen veriler bu model kullanılarak uygulanmıştır. Önerilen modelin performansı güncel derin öğrenme metotlarının yanı sıra geleneksel metotlar ve hibrit metot ile de karşılaştırılarak sunulmuştur. Gerçeklenen modellerin ilk aşamada öncelikle geçmiş verilerle olan ilişkisi ortaya konulmuştur. İkinci aşamada ise CEEMDAN ayrıştırma metodu ile alt bileşenlerine ayrılan veriler ile tahmin modeli performansı iyileştirilmiştir. Her bir alt bileşen Kernel tabanlı Meta-ELM tahmin modeline uygulanmıştır. Tüm modellerin performansı Matlab yazılım ortamında kodlanmış olup, hata performans metrikleri ve Taylor diyagramı ile istatistiksel olarak tablolar ve grafikler halinde sunulmuş ve karşılaştırmalı olarak tartışılmıştır.

The electronic monitoring systems that support the surveillance and supervision of suspects, defendants, and convicts through electronic communication methods, while ensuring the protection of victims and society, are a technology increasingly employed in the execution of sentences in advanced countries. Electronic monitoring systems contribute to the effective implementation of probation at the same time as the execution of convicts' sentences in the community. Nowadays, it is observed that crime rates are steadily increasing not only in advanced countries but also in developing nations. In line with the findings, it has been observed that some countries use this system for a more effective execution of the sentence, while some countries use it as an economic alternative to imprisonment. The use and importance of this technology is increasing day by day in Türkiye, which is among the developing countries. These systems play an important role in the execution of sentences and the fight against crime. This thesis study aims to develop a sensitive prediction model for the planning of electronic monitoring systems, an area of current focus. The model is designed to predict the infrastructure requirements of these systems based on historical data of individuals under electronic monitoring. In this context, a hybrid model was created to estimate the number of active offenders in electronic monitoring systems in the short term by using the data obtained from 56.611 people monitored between 2013-2021 by the Electronic Monitoring Branch under Directorate of the Probation Department of the Directorate General For Prisons and Detention Houses of the Ministry of Justice of the Republic of Türkiye. The primary objective of this model is to facilitate efficient planning of the necessary equipment and to ensure the optimal management of electronic monitoring systems in Turkey. Within the scope of the thesis study, the CEEMDAN-Kernel-Meta-ELM hybrid model was proposed as an innovative prediction model and the obtained data was applied using this model. In this thesis evaluate the performance of the proposed model by comparing it with contemporary deep learning methods, traditional methodologies, and other hybrid models. We follow a two-stage approach. In the first stage, we establish the relationships of the implemented models with historical data. In the second stage, we enhance the prediction model's performance by decomposing the data into subcomponents using the CEEMDAN decomposition method. Each subcomponent is subsequently incorporated into the Kernel-based Meta-ELM prediction model. All models are implemented by using the Matlab software environment and present their performance statistically in tables and graphs, using error performance metrics and a Taylor diagram. We engage in a comprehensive comparative discussion of the results to highlight the model's effectiveness and contributions to the field.