19205

۱۹۲۰۵

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

كارشناسي ارشد

مدلسازي سيستم هاي كلان

۹۴-۹۵

فروردين ۱۳۹۷

دكتر مهدي غضنفري

دكتر ميرسامان پيشوايي

صنايع

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.

1397/04/25

A Model for Implicit Knowledge Discovering for Predicting Urban Problems Trend: The Case Study of 137 System of Tehran Municipality

3/20/2019 12:00:00 AM

Todays, with the advancement of science and technology and the development of organizations, the volume of stored data is increasing dramatically, so searching for these data and getting important and practical results becomes more difficult and the need for scientific knowledge to extract applied knowledge of data is felt. . Data Mining is a science that by searching in big data sources, discovers patterns and rules that simple statistical analyses are unable to do. One of the areas that requires using this tool to analyze large data and predict models, rules and patterns is the urban service area. In the present study, for the data of years 1393 to 1395 (Iranian calendar) of the urban management system “137” using data mining knowledge, the information obtained from the request of citizens for addressing urban problems has been investigated. In this research, the clustering of 22 areas of Tehran's municipality based on three perspectives including (1) the average time interval between the occurrences of the issues, (2) the number of citizens' calls around the subject, and (3) citizens per call around the subject, is done. The optimal number of clusters are 2, 3 and 2, respectively. The survey of data of the city management system of Tehran municipality 137 based on the three perspectives is one of the contributions of this research. In the following, to predict the message status based on (1) region, (2) subject, (3) the implementation unit, and (4) the season, for each cluster obtained, the combined method derived from the Bayesian network methods, Neural network, logistic regression, as well as C5.0, C & R Tree and CHAID algorithms, decision tree with acceptable error of 25%. Determining the combination method for each cluster is another contribution of this research. Each of the outcomes of this study will help the managers and decision makers of Tehran municipality to predict the final status of registered messages in each of the 22 districts of the Tehran municipality based on the three perspectives.