This paper presents a novel geohash-based approach for predicting traffic incident locations using machine learning algorithms. The study utilized a three-stage model for predicting the locations of traffic incidents, which encompassed accidents, breakdowns, and other incidents. In the model, firstly, ArcGIS was used to convert the coordinates of traffic incidents into geohash areas, leading to the definition of incident locations. Secondly, variables affecting traffic incidents were extracted, and a dataset was created by utilizing the values of these variables in geohash fields. Finally, machine learning algorithms such as decision tree (DT), k-nearest neighbor (k-NN), random forest (RF), and support vector machine (SVM) algorithms were used to predict the geohash region of traffic incidents. After conducting hyperparameter optimization, we evaluated the efficacy of various machine learning algorithms in predicting the location of traffic incidents using different evaluation metrics. Our findings indicate that the RF, SVM, and DT models performed the best, with accuracy percentages of 91%, 88%, and 87%, respectively. The findings of the research revealed that traffic incident locations can be successfully predicted with the geohash-based forecasting model. The results offer traffic managers and emergency responders new perspectives on how to manage traffic incidents more effectively and improve drivers’ safety.

Tüketicilerin sosyal ve çevresel bilinç düzeylerinin artması ve Paris İklim Anlaşması başta olmak üzere uluslar üstü düzenlemelerin yürürlüğe girmesi gibi zorlayıcı sebepler, işletmelerin yönetsel ve operasyonel süreçlerde sürdürülebilirlik ilkesini benimsemesini teşvik etmektedir. İşletmelerin sürdürülebilir lojistik operasyonları kapsamında benimsediği uygulamalar ise yeşil lojistik, yalın lojistik ve tersine lojistiktir. Bu çalışmada temel amaç, DergiPark veri tabanında taranan hakemli dergilerde yayımlanmış araştırma makalelerinin bibliyografik haritasını çıkarmaktır. Bu doğrultuda, 2016 Ocak ayından 2022 yılının Ekim ayına kadar DergiPark’ta yayımlanmış 41 araştırma makalesi derlenmiş ve yayın yılları, başlıkları, anahtar kelimeleri ve özetlerine göre kümelenmiştir. Analizler sonucunda, tersine lojistik konusunda en çok makalenin yayımlandığı derginin Alphanumeric Journal olduğu, tersine lojistik ile birlikte en sık yer verilen anahtar sözcüklerin ise “geri dönüşüm” ve “diğer yöntemler” olduğu ve 35 çalışmada nicel araştırma yöntemleri kullanıldığı bulunmuştur. Araştırma sonucunda ayrıca, üzerine en çok araştırma yapılan sektörün üç araştırma ile sağlık sektörü olduğu ve sağlık sektörünü ise ikişer araştırmayla kamusal alanlar, tekstil sektörü ve imalat sanayiinin takip ettiği sonucuna ulaşılmıştır.