ارائه مدلي براي كشف دانش پنهان در داده‌هاي شهري به منظور پيش‌بيني روند مشكلات شهري (مطالعه موردي: سامانه 137 شهرداري تهران)

كارشناسي ارشد

امروزه با پيشرفت علم و تكنولوژي و توسعه يافتن سازمان‌ها، حجم داده‌هاي ذخيره‌شده به‌صورت چشم‌گيري در حال افزايش است، لذا جست‌وجو در اين داده‌ها و دريافت نتايج مهم و كاربردي دشوارتر شده و نياز به علمي جهت استخراج دانش كاربردي از داده‌ها احساس مي‌شود. داده‌كاوي علمي است كه با جست‌وجوي منابع داده‌اي بزرگ، الگوها و قواعدي را استخراج مي‌كند كه تحليل‌هاي ساده آماري، قادر به انجام آن نيستند. يكي از زمينه‌هايي كه نيازمند استفاده از اين ابزار جهت تحليل داده‌هاي وسيع و پيش‌بيني مدل‌ها، قواعد و الگوها است، حوزه خدمات شهري مي‌باشد. در پژوهش حاضر براي داده‌هاي سال‌هاي 1393 تا 1395 سامانه مديريت شهري 137 با استفاده از دانش داده‌كاوي، اطلاعات حاصل از درخواست شهروندان تهران براي رفع مشكلات شهري مورد بررسي قرار گرفته است. در اين پژوهش، خوشه‌بندي مناطق 22گانه شهرداري تهران مبتني بر سه منظر (1) ميانگين بازه زماني بين وقوع موضوعات، (2) تعداد تماس شهروندان حول موضوع و (3) سرانه تماس شهروندان حول موضوع، صورت پذيرفته است و تعداد خوشه‌ها به ترتيب 2، 3 و 2 به دست آمده است. لازم به ذكر است، بررسي داده‌هاي سامانه مديريت شهري 137 شهرداري تهران مبتني بر سه منظر ياد شده يكي از نوآوري‌هاي اين پژوهش مي‌باشد. در ادامه، براي پيش‌بيني وضعيت پيام مبتني بر ويژگي‌هاي (1) منطقه، (2) موضوع، (3) واحد اجرايي و (4) فصل سال، براي در هر يك از خوشه‌هاي به دست آمده، روش تركيبي حاصل از روش‌هاي شبكه بيزي، شبكه عصبي، رگرسيون لجستيك و نيز الگوريتم‌هاي C5.0، C&R Tree و CHAID درخت تصميم با خطاي قابل قبول 25 درصد مشخص گرديده است. شايان ذكر است، آخرين روش در تركيب‌هاي به دست آمده يكي از الگوريتم‌هاي درخت تصميم مي‌باشد. تعيين روش تركيبي به ازاي هر خوشه، از ديگر نوآوري‌هاي اين پژوهش است. هر يك از خروجي‌هاي اين پژوهش، به مديران و تصميم‌گيران شهرداري تهران براي پيش‌بيني وضعيت نهايي پيام‌هاي ثبت‌شده در هر يك از مناطق 22گانه شهرداري تهران مبتني بر سه منظر يادشده كمك بسياري خواهد كرد.

191575

دانشگاه علم و صنعت ايران

دكتر ميرسامان پيشوايي

مدلسازي سيستم هاي كلان

دكتر مهدي غضنفري