بخشی از مقاله
ﭼﮑﯿﺪه
در اﯾﻦ ﻣﻘﺎﻟﻪ ﺳﺎﻣﺎﻧﻪ ﻣﺪﯾﺮﯾﺖ ﺳﯿﺴﺘﻢ ﻫﻮﺷﻤﻨﺪ ﭘﺎرک ﺧﻮدرو ﺑﺎ ﺑﻪ_ﮐﺎرﮔﯿﺮی درﺧﺖ ﺗﺼﻤﯿﻢ ﻓﺎزی ﺟﻬﺖ اﻧﺘﺨﺎب ﻣﻨﺎﺳﺐ_ﺗﺮﯾﻦ ﻣﺤﻞ ﭘﺎرک ﺑﺎ در ﻧﻈﺮ ﮔﺮﻓﺘﻦ ﺷﺮاﯾﻂ ﺣﺎ ﮐﻢ در ﻣﻨﺎﻃﻖ ﭘﺮﺗﺮدد ﻫﻤﭽﻮن ﺑﯿﻤﺎرﺳﺘﺎن_ﻫﺎ و ﻣﺮا ﮐﺰ اورژاﻧﺲ اراﺋﻪ zﺷﺪه اﺳﺖ. در اﺑﺘﺪا ﺑﺎ در ﻧﻈﺮ ﮔﺮﻓﺘﻦ ﭼﻬﺎر ﭘﺎراﻣﺘﺮ ورودی ﺑﺎ اوﻟﻮﯾﺖ^ﻫﺎی ﻣﺘﻔﺎوت ﺣﺴﺎﺳﯿﺖ ﻣﺤﻞ درﺧﻮاﺳﺖ ﺷﺪه ﺑﺮای ﭘﺎرک، ﻣﺪت _زﻣﺎن ﺗﻮﻗﻒ، ﺷﺨﺺ درﺧﻮاﺳﺖ»ﮐﻨﻨﺪه و ﻫﺰﯾﻨﻪ ﺗﻮﻗﻒ - ﺑﻪ ازای زﻣﺎن ﭘﺎرک - در ﻧﻈﺮ ﮔﺮﻓﺘﻪ zﺷﺪه اﺳﺖ و ﭘﯿﺎده_ﺳﺎزی درﺧﺖ ﺗﺼﻤﯿﻢ ﻓﺎزی ﺳﻌﯽ در اﻧﺘﺨﺎب ﻗﻮاﻋﺪ ﻧﺮﻣﺎلzﺷﺪه ﻣﻨﺎﺳﺐ ﺑﺮای اﻧﺘﺨﺎب ﻣﻨﺎﺳﺐ_ﺗﺮﯾﻦ ﻣﺤﻞ ﭘﺎرک دارد. اﯾﻦ روﯾﮑﺮد ﺳﯿﺴﺘﻢ را در ﺳﻪ وﺿﻌﯿﺖ - ﺳﺎده-ﻋﺎدی-ﭘﯿﭽﯿﺪه - ﺑﺮرﺳﯽ ﮐﺮده و در ﻣﻘﺎﯾﺴﻪ ﺑﺎ ﺳﺎﯾﺮ روش^ﻫﺎی اراﺋﻪzﺷﺪه ﻣﻨﺠﺮ ﺑﻪ ﻧﺘﺎﯾﺞ ﻣﻄﻠﻮب_ﺗﺮ و ﮐﺎﻫﺶ ﻣﺮﺗﺒﻪ زﻣﺎﻧﯽ اﻟﮕﻮر ﯾﺘﻢ ﮔﺮدﯾﺪه اﺳﺖ.
١. ﭘﯿﺶhﮔﻔﺘﺎر
ﻣﺴﺌﻠﻪ ﭘﺎرک در ﺑﯿﻤﺎرﺳﺘﺎن_ﻫﺎ ﺑﺮای ﺗﺴﻬﯿﻞ و ﺑﻪ_ﻣﻮﻗﻊ رﺳﺎﻧﺪن ﺑﯿﻤﺎران ﺑﻪ ﻣﺤﻞ اورژاﻧﺲ ازﺟﻤﻠﻪ ﻣﺴﺎﺋﻠﯽ اﺳﺖ ﮐﻪ ﻫﻢ]ا ﮐﻨﻮن ﻣﺸﮑﻼت ﻋﺪﯾﺪی را ﺑﻪ وﺟﻮد آورده اﺳﺖ، ﺟﻠﻮﮔﯿﺮی از اﯾﻦ ﻣﺸﮑﻼت در ﺳﺎﻟﻬﺎی اﺧﯿﺮ ﻣﻮرد ﺗﻮﺟﻪ ﻣﺤﻘﻘﺎن ﺑﻮده اﺳﺖ. ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺣﺴﺎﺳﯿﺖ ﺗﺮدد و ﭘﺎرک ﺧﻮدرو در ﭼﻨﯿﻦ ﻣﻨﺎﻃﻘﯽ، ﻻزم اﺳﺖ ﺗﺎ ﯾﮏ ﻣﮑﺎﻧﯿﺴﻢ ﻫﻮﺷﻤﻨﺪاﻧﻪ ﺑﺮای ﻣﺪﯾﺮﯾﺖ ﭘﺎرک ﺻﺤﯿﺢ در ﻣﺤﻞ^ﻫﺎی ﻣﺸﺨﺺ ﭘﺎرک ﻣﻮرد اﺳﺘﻔﺎده ﻗﺮار ﮔﯿﺮد ﺗﺎ ﻣﺸﮑﻼت آﻣﺒﻮﻻﻧﺲ_ﻫﺎ و ﺧﻮدروﻫﺎﯾﯽ ﮐﻪ ﺑﺮای رﺳﺎﻧﺪن ﺑﯿﻤﺎران ﺑﻪ ﻣﺮا ﮐﺰ اورژاﻧﺲ ﻣﺮاﺟﻌﻪ ﻣﯽ»ﮐﻨﻨﺪ، ﻣﻮرد ﺗﻮﺟﻪ ﺧﺎص ﻗﺮار ﮔﯿﺮد. ﻣﻄﺎﺑﻖ ﺗﺤﻘﯿﻘﺎت و ﺑﺮرﺳﯽ_ﻫﺎ در ﭼﻨﺪﯾﻦ ﺑﯿﻤﺎرﺳﺘﺎن، ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﮐﻤﺒﻮد ﻓﻀﺎی ﭘﺎرک در ا ﮐﺜﺮ ﺑﯿﻤﺎرﺳﺘﺎن^ﻫﺎ، اﺳﺎﺳﯽ_ﺗﺮﯾﻦ ﻣﺸﮑﻼﺗﯽ ﮐﻪ در اﯾﻦ ﺧﺼﻮص وﺟﻮد داﺷﺖ ﺑﻪ اﯾﻦ _ﺻﻮرت ﻣﯽﺑﺎﺷﺪ:
•درﺻﻮرﺗﯽ_ﮐﻪ ﭘﺎرک در ﻧﻘﺎط ﺣﺴﺎس - ورودی ﺳﺎﺧﺘﻤﺎن^ﻫﺎی اورژاﻧﺲ، ﺑﺨﺶ_ﻫﺎ و... - ﺣﺘﯽ ﺑﺮای ﻣﺪت ﮐﻮﺗﺎه ﺻﻮرت ﮔﯿﺮد ﻣﻨﺠﺮ ﺑﻪ ﻣﺴﺪود ﺷﺪن ﻣﺴﯿﺮ و ﺑﻪ ﺗﺎﺧﯿﺮاﻓﺘﺎدن رﺳﺎﻧﺪن ﺑﯿﻤﺎران ﺑﻪ اﯾﻦ ﻗﺴﻤﺖ_ﻫﺎ ﻣﯽ_ﺷﻮد.
•ﮐﻤﺒﻮد ﻓﻀﺎی ﭘﺎرک ﺑﺮای ﺧﻮدروﻫﺎﯾﯽ ﮐﻪ ﺑﺮای رﺳﺎﻧﺪن ﺑﯿﻤﺎر ﺑﻪ ﻣﺤﯿﻂ ﺑﯿﻤﺎرﺳﺘﺎن واردﺷﺪهºاﻧﺪ ﺑﻪ وﺟﻮد ﻣﯽ_آﯾﺪ.
•ﺗﺮدد آﻣﺒﻮﻻﻧﺲ_ﻫﺎ و ﺧﻮدروﻫﺎی ﺣﺎﻣﻞ ﺑﯿﻤﺎران در داﺧﻞ ﻣﺤﻮﻃﻪ ﺑﺎ ﻣﺸﮑﻞ ﻣﻮاﺟﻪ ﻣﯽ_ﺷﻮد. ﺑﺮای ﺣﻞ ﻣﺸﮑﻼت ذﮐﺮﺷﺪه ﻓﻮق ﻣﺘﺪﻫﺎی ﻣﺨﺘﻠﻔﯽ ﺑﺮ اﺳﺎس دﯾﺪﮔﺎه_ﻫﺎ و اﻫﺪاف ﺑﻬﯿﻨﻪ_ﺳﺎزی ﻣﺨﺘﻠﻒ ازﺟﻤﻠﻪ: ﻣﺪﯾﺮﯾﺖ ﭘﺎرک ﺧﻮدرو ﺑﺎ اﺳﺘﻔﺎده از ﺳﯿﺴﺘﻢ^ﻫﺎی ﻓﺎزی]۵[، ﺳﯿﺴﺘﻢ ﺗﺮﮐﯿﺒﯽ ﺧﺒﺮه ﻓﺎزی و داده_ﮐﺎوی[اراﺋﻪ]٩ ﮔﺮدﯾﺪه اﺳﺖ. راﻫﮑﺎر اراﺋﻪ zﺷﺪه در اﯾﻦ ﻣﻘﺎﻟﻪ از ﺟﻬﺎت ﻣﺨﺘﻠﻒ ﮐﻪ ﺑﺮرﺳﯽ ﻣﯽ_ﮔﺮدد ﻧﺴﺒﺖ ﺑﻪ روش^ﻫﺎی ﻣﻮﺟﻮد ﺑﻬﯿﻨﻪ_ﺗﺮ ﻣﯽﺑﺎﺷﺪ.
٢. درﺧﺖ ﺗﺼﻤﯿﻢ_ﮔﯿﺮی ﻓﺎزی
ﺗﻮﺳﻌﻪ ﺗﻜﻨﻮﻟﻮژﯾﻬﺎی ﻛﺎﻣﭙﯿﻮﺗﺮی و ﺗﻜﻨﯿﻚ^ﻫﺎی ﯾﺎدﮔﯿﺮی اﺗﻮﻣﺎﺗﯿﻚ ﻣﯽ]ﺗﻮاﻧﺪ ﺗﺼﻤﯿﻢ_ﮔﯿﺮی را آﺳﺎن_ﺗﺮ و ﺑﺴﯿﺎر ﻛﺎراﺗﺮ ﺳﺎزد. در داﻣﻨﻪ ﯾﺎدﮔﯿﺮی ﻣﺎﺷﯿﻨﯽ ﺟﺎﯾﯽ ﻛﻪ ﻫﻤﯿﺸﻪ ﻛﺎﻣﭙﯿﻮﺗﺮﻫﺎ ﺗﺼﻤﯿﻢ ﻣﯽ~ﮔﯿﺮﻧﺪ و ﯾﺎ ﺑﺮای ﮔﺮﻓﺘﻦ ﺗﺼﻤﯿﻢ درﺳﺖ ﭘﯿﺸﻨﻬﺎدﻫﺎﯾﯽ را اراﺋﻪ ﻣﯽ»دﻫﻨﺪ، روﯾﻜﺮدﻫﺎی زﯾﺎدی از ﺗﻜﻨﯿﻚ^ﻫﺎی ﺗﺼﻤﯿﻢ_ﮔﯿﺮی وﺟﻮد دارﻧﺪ؛ از ﻗﺒﯿﻞ درﺧﺖ^ﻫﺎی ﺗﺼﻤﯿﻢ، ﺷﺒﻜﻪ^ ﻫﺎی ﻋﺼﺒﯽ ﻣﺼﻨﻮﻋﯽ و... . درﺧﺖ ﺗﺼﻤﯿﻢ ﺷﯿﻮه_ای ﺑﺮای اراﺋﻪ ﭘﺎﯾﮕﺎه ﻗﺎﻧﻮن و در واﻗﻊ ﯾﻚ روش ﺑﺎزﻧﻤﺎﯾﯽ داﻧﺶ ﻣﯽﺑﺎﺷﺪ]۶.[ درﺧﺖ ﺗﺼﻤﯿﻢ ﻓﺮا ﮔﯿﺮ ﯾﻜﯽ از روش^ﻫﺎی اﺳﺘﻨﺘﺎج اﺳﺘﻘﺮاﯾﯽ ﺑﺎ ﻛﺎر ﺑﺮد وﺳﯿﻊ و روﺷﯽ ﺑﺮای ﺗﺨﻤﯿﻦ ﺗﻮاﺑﻊ ﻫﺪف ﮔﺴﺴﺘﻪ اﺳﺖ ﻛﻪ ﺗﺎﺑﻊ ﻓﺮا ﮔﯿﺮ ﺑﺎ ﯾﻚ درﺧﺖ ﺗﺼﻤﯿﻢ ﻧﻤﺎﯾﺶ داده ﻣﯽ_ﺷﻮد]٢.[
روﯾﮑﺮد درﺧﺖ ﺗﺼﻤﯿﻢ در ﺑﺴﯿﺎری از زﻣﯿﻨﻪ_ﻫﺎ ﻛﺎر ﺑﺮد دارد ازﺟﻤﻠﻪ: ﺷﻨﺎﺳﺎﯾﯽ اﻟﮕﻮﻫﺎ، ﻃﺒﻘﻪ_ﺑﻨﺪی اﻟﮕﻮﻫﺎ، ﮐﻼﺳﻪzﺑﻨﺪی، ﺳﯿﺴﺘﻤﻬﺎی ﭘﺸﺘﯿﺒﺎن ﺗﺼﻤﯿﻢ~ﮔﯿﺮی، ﺳﯿﺴﺘﻤﻬﺎی ﺧﺒﺮه و ﻏﯿﺮه]٢.[ ﺑﻪÁﻋﻨﻮان اﻧﻮاع ﺧﺎﺻﯽ از اﻟﮕﻮر ﯾﺘﻢ^ﻫﺎی اﯾﺠﺎد درﺧﺖ ﺗﺼﻤﯿﻢ، ﻣﯽ]ﺗﻮاﻧﺪ ; CART۳ID را ﻧﺎم ﺑﺮد.[]٣ﯾﻜﯽ از ﻣﺘﺪاول_ﺗﺮﯾﻦ روش^ ﻫﺎی ﯾﺎدﮔﯿﺮی ﻧﻤﺎدﯾﻦ، اﺳﺘﻘﺮای درﺧﺖ ﺗﺼﻤﯿﻢ ﻣﯽ_ﺑﺎﺷﺪ ﻛﻪ ﻧﺨﺴﺘﯿﻦ ﺑﺎر ﺑﻪNوﺳﯿﻠﻪ ﻛﻮﺋﯿﻨﻠﻦ ﺗﺤﺖ ﻧﺎم اﻟﮕﻮر ﯾﺘﻢ ۳IDﺗﻮﺳﻌﻪ داده ﺷﺪ. ﻛﻪ ﺑﺎ ﻋﻨﻮان ٣ ﻧﻮع ﺗﺸﺨﯿﺺ»دﻫﻨﺪه ﻣﺘﻌﺎﻣﻞ ﺷﻨﺎﺧﺘﻪ ﻣﯽ_ﺷﻮد]٢.[ اﻟﮕﻮر ﯾﺘﻢ ۳ID ﺑﺮای اﯾﺠﺎد درﺧﺖ ﺗﺼﻤﯿﻢ ﻓﺎزی، اﺛﺒﺎتzﺷﺪه اﺳﺖ ﺗﺎ ﯾﻚ اﻟﮕﻮر ﯾﺘﻢ ﻋﻤﻮﻣﯽ و ﻣﺆﺛﺮ، ﺑﺮای ﺳﺎﺧﺖ درﺧﺖ^ﻫﺎی ﺗﺼﻤﯿﻢ از ﻣﺠﻤﻮﻋﻪ داده^ﻫﺎی ﺑﺎ ﻣﻘﺎدﯾﺮ ﮔﺴﺴﺘﻪ ﺑﺎﺷﺪ.
; CART۳IDدو اﻟﮕﻮر ﯾﺘﻢ ﻣﻬﻢ ﻫﺴﺘﻨﺪ ﻛﻪ ﺑﺎ ﺗﻘﺴﯿﻤﺎت ﻣﻜﺮر ﻛﺎر ﻣﯽ»ﮐﻨﻨﺪ، اﯾﺪه اﺻﻠﯽ در ﺗﻘﺴﯿﻢ ﻛﺮدن ﻓﻀﺎی ﻧﻤﻮﻧﻪ ﻣﺎﻧﻨﺪ ﻫﻢ اﺳﺖ؛ وﯾﮋﮔﯽ ﻣﻬﻢ اﯾﻦ اﻟﮕﻮر ﯾﺘﻢ_ﻫﺎ آن اﺳﺖ ﻛﻪ ﺳﻌﯽ دارﻧﺪ ﻫﻤﺰﻣﺎن ﺑﺎ ﺑﻬﺒﻮد ﻛﯿﻔﯿﺖ ﺗﺼﻤﯿﻢ، اﻧﺪازه درﺧﺖ را ﺣﺪاﻗﻞ ﻛﻨﻨﺪ]۴.[ درﺧﺖ ﺗﺼﻤﯿﻢ ﺑﺎ اﻧﺘﺨﺎب ﺻﻔﺘﯽ ﻛﻪ ﻣﻘﺪار ﻣﺎ ﻛﺰﯾﻤﻢ اﻃﻼﻋﺎت دوﺟﺎﻧﺒﻪ را ﻛﺴﺐ ﻣﯽ_ﻧﻤﺎﯾﺪ، اﯾﺠﺎد ﻣﯽ_ﺷﻮد. ﺑﺮای ﺳﺎﺧﺖ درﺧﺖ ﺗﺼﻤﯿﻢ ۳ID ﺑﺎﯾﺪ از ﮔﺮه ر ﯾﺸﻪ ﺷﺮوع ﻛﺮد و ﺑﺮای اﯾﻦ ﻛﺎر از ﺑﯿﻦ ﺻﻔﺎت، ﺻﻔﺘﯽ را ﻛﻪ دارای ﻛﻤﺘﺮﯾﻦ ﻣﻘﺪار آﻧﺘﺮوﭘﯽ اﺳﺖ ﯾﺎ ﺑﯿﺸﺘﺮﯾﻦ اﻃﻼﻋﺎت از آن ﺑﻪ دﺳﺖ ﻣﯽ_آﯾﺪ، اﻧﺘﺨﺎب و در ﮔﺮه ر ﯾﺸﻪ ﻗﺮار ﻣﯽ»دﻫﻨﺪ]١.[
٢.١. ﻣﻨﻄﻖ ﻓﺎزی
اﯾﻦ ﻧﻈﺮﯾﻪ ﺗﻌﻤﯿﻤﯽ از ﻧﻈﺮﯾﻪ ﻛﻼﺳﯿﻚ ﻣﺠﻤﻮﻋﻪ_ﻫﺎ در ﻋﻠﻢ ر ﯾﺎﺿﯿﺎت اﺳﺖ. در ﺗﺌﻮری ﻛﻼﺳﯿﻚ ﻣﺠﻤﻮﻋﻪ^ﻫﺎ، ﯾﻚ ﻋﻨﺼﺮ، ﯾﺎ ﻋﻀﻮ ﻣﺠﻤﻮﻋﻪ اﺳﺖ ﯾﺎ ﻧﯿﺴﺖ. در ﺣﻘﯿﻘﺖ ﻋﻀﻮﯾﺖ ﻋﻨﺎﺻﺮ از ﯾﻚ اﻟﮕﻮی ﺻﻔﺮ و ﯾﻚ و ﺑﺎﯾﻨﺮی ﺗﺒﻌﯿﺖ ﻣﯽ_ﻛﻨﺪ؛ اﻣﺎ ﺗﺌﻮری ﻣﺠﻤﻮﻋﻪ^ﻫﺎی ﻓﺎزی اﯾﻦ ﻣﻔﻬﻮم را ﺑﺴﻂ ﻣﯽ¾دﻫﺪ و ﻋﻀﻮﯾﺖ درﺟﻪ_ﺑﻨﺪیzﺷﺪه را ﻣﻄﺮح ﻣﯽ_ﻛﻨﺪ. ﺑﻪgاﯾﻦgﺗﺮﺗﯿﺐ ﻛﻪ ﯾﻚ ﻋﻨﺼﺮ ﻣﯽ]ﺗﻮاﻧﺪ ﺗﺎ درﺟﺎﺗﯽ - و ﻧﻪ ﻛﺎﻣﻼ- ﻋﻀﻮ ﯾﻚ ﻣﺠﻤﻮﻋﻪ ﺑﺎﺷﺪ.
٢.٢. ﺳﯿﺴﺘﻢ ﻣﻮرد ﻣﻄﺎﻟﻌﻪ
اﻣﺮوزه ﺑﺎ ﺗﻮﺳﻌﻪ ﺳﺮﯾﻊ ﺗﮑﻨﻮﻟﻮژی و ﺳﯿﺴﺘﻢ^ﻫﺎی ارﺗﺒﺎﻃﯽ و ﺣﻤﻞ_وﻧﻘﻞ ﻫﻤﭽﻨﯿﻦ اﻓﺰاﯾﺶ وﺳﺎﯾﻞ ﻧﻘﻠﯿﻪ ﺑﻪ_ﺻﻮرت ﺷﺨﺼﯽ، ﻣﺤﻘﻘﺎن را ﺑﺮ آن داﺷﺘﻪ ﺗﺎ ﺑﺮای ﻣﺪﯾﺮﯾﺖ و اﺳﺘﻔﺎده درﺳﺖ از ﻓﻀﺎ^ﻫﺎی ﭘﺎرک و ﺟﻠﻮﮔﯿﺮی از ﺗﺪاﺧﻞ_ﻫﺎ در ﻣﮑﺎن^ﻫﺎی ﺣﺴﺎس ﻣﺎﻧﻨﺪ ﺑﯿﻤﺎرﺳﺘﺎن^ﻫﺎ، داﻧﺸﮕﺎه_ﻫﺎ و ﻣﮑﺎن^ﻫﺎی ﭘﺮ رﻓﺖ Àو آﻣﺪ در ﺷﻬﺮ^ﻫﺎی ﺑﺰرگ ]راه ﺣﻞ^ﻫﺎی ﮐﺎرآﻣﺪی را اراﺋﻪ ﻧﻤﺎﯾﻨﺪ. در اﯾﻦ ﻣﻘﺎﻟﻪ ﺳﯿﺴﺘﻢ ﭘﺎرک ﻫﻮﺷﻤﻨﺪ ﺑﺮای ﺣﻞ ﻣﺴﺌﻠﻪ ﭘﺎرک ﺧﻮدرو اراﺋﻪ ﮔﺮدﯾﺪه اﺳﺖ. ﺳﯿﺴﺘﻢ ﻣﺪﯾﺮﯾﺖ ﻫﻮﺷﻤﻨﺪ ﺑﺮای ﮐﻨﺘﺮل و اﺧﺘﺼﺎص ﻣﺤﻞ ﻣﻨﺎﺳﺐ ﭘﺎرک، ﺑﺎ در ﻧﻈﺮ ﮔﺮﻓﺘﻦ ﺷﺮاﯾﻂ ﻣﻮﺟﻮد در ﺑﯿﻤﺎرﺳﺘﺎن_ﻫﺎ و ﻣﺮاﮐﺰ اورژاﻧﺲ ﻃﺮاﺣﯽzﺷﺪه اﺳﺖ. درواﻗﻊ ﺑﺎ اوﻟﻮﯾﺖ_ﺑﻨﺪی ﻣﺤﻞ_ﻫﺎ ﺑﺮای ﭘﺎرک و ﺗﺄﺛﯿﺮ ﭘﺎراﻣﺘﺮﻫﺎی دﯾﮕﺮ، ﺳﯿﺴﺘﻢ ﻣﺎﻧﻊ از ﭘﺎرک ﻧﺎﻣﻨﺎﺳﺐ و ﺑﻪ وﺟﻮد آﻣﺪن ﻣﺸﮑﻼت ﻧﺎﺷﯽ از آن ﻣﯽ_ﺷﻮد.
٢.٣. راه ﺣﻞ اراﺋﻪzﺷﺪه ﺑﺮای ﺳﯿﺴﺘﻢ ﻣﺪﯾﺮﯾﺖ ﭘﺎرک ﺧﻮدرو
ﺑﺮای ﮐﺴﺐ ﻧﺘﺎﯾﺞ ﺑﻬﺘﺮ، ﯾﮏ ﻣﺮﺣﻠﻪ ﭘﯿﺶ_ﭘﺮدازش داده ﺑﺮای آﻣﺎده_ﺳﺎزی داده_ﻫﺎ اﻧﺠﺎم¦ﮔﺮﻓﺘﻪ اﺳﺖ ﮐﻪ در آن اﺻﻼح داده_ﻫﺎ و ﻧﺮﻣﺎل_ﺳﺎزی آن_ﻫﺎ در رﻧﺞ^ﻫﺎی اﺳﺘﺎﻧﺪارد و ﺗﻮﺻﯿﻒ ﻣﻔﺎﻫﯿﻢ ﻣﺴﺌﻠﻪ ﺗﻮﺳﻂ ﻣﺠﻤﻮﻋﻪ^ﻫﺎی ﻓﺎزی، ﺑﺮای ﭘﺮدازش ﻧﻬﺎﯾﯽ اﻧﺠﺎمzﺷﺪه اﺳﺖ. ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ وﺟﻮد ﭼﻬﺎر ﺻﻔﺖ ورودی و ﺑﺎوﺟﻮد ۶۵٢ ﻗﺎﻧﻮن اوﻟﯿﻪ، ﺑﻪ ﮐﻤﮏ درﺧﺖ ﺗﺼﻤﯿﻢ_ﮔﯿﺮی ۳ID ﺑﻪ ﺗﻌﺪاد ٣٨ ﻗﺎﻧﻮن اﺳﺘﺎﻧﺪارد ﭘﺎﯾﮕﺎه ﻗﻮاﻧﯿﻦ اﯾﺠﺎد ﺷﺪه اﺳﺖ و ﺑﺎ ﻓﺎزی_ﺳﺎزی ﺻﻔﺎت و ﮐﻼﺳﻬﺎ و ﺗﻌﺮﯾﻒ ﻗﻮاﻧﯿﻦ اﻧﺘﺨﺎبzﺷﺪه ﻣﻮﺗﻮر اﺳﺘﻨﺘﺎج ﻓﺎزی ﻧﺘﺎﯾﺞ ﻓﺎزی ﺷﺪه از ﺳﯿﺴﺘﻢ را ﺗﻮﻟﯿﺪ ﮐﺮده اﺳﺖ. ﮔﺎﻣﻬﺎی اﺳﺎﺳﯽ در اراﺋﻪ روﯾﮑﺮد ﭘﯿﺸﻨﻬﺎدی در دﯾﺎﮔﺮام ١ ﻧﺸﺎن داده ﺷﺪه اﺳﺖ.
٢.۴. ﻧﺘﺎﯾﺞ ﺷﺒﯿﻪ_ﺳﺎزی و ﺗﺤﻠﯿﻞ ﻧﻤﻮدارﻫﺎ در ﻣﻘﺎﯾﺴﻪ ﺑﺎ اﻟﮕﻮرﯾﺘﻢ^ﻫﺎی اراﺋﻪzﺷﺪه ﻗﺒﻠﯽ
ﺑﺮای اﻧﺠﺎم آزﻣﺎﯾﺶ_ﻫﺎ و ﺑﺮای ﺑﻪ دﺳﺖ آوردن ﻧﺘﯿﺠﻪ ﻣﻄﻠﻮب_ﺗﺮ ﺳﯿﺴﺘﻢ را در ﺷﺮاﯾﻂ ﻣﺨﺘﻠﻒ، ﻣﺜﻼ زﻣﺎﻧﯽ ﮐﻪ ﺳﯿﺴﺘﻢ ﺳﺎده ﯾﺎ آرام اﺳﺖ - آﺧﺮ ﺷﺐ ﺗﺎ اواﯾﻞ ﺻﺒﺢ - ، زﻣﺎﻧﯽ ﮐﻪ ﺳﯿﺴﺘﻢ ﭘﯿﭽﯿﺪه ﯾﺎ ﺷﻠﻮغ اﺳﺖ - ﺳﺎﻋﺎت ﻣﻼﻗﺎت و ﺗﺎ اول ﺷﺐ - و زﻣﺎﻧﯽ ﮐﻪ ﺳﯿﺴﺘﻢ در ﺣﺎﻟﺖ ﻋﺎدی ﻗﺮار دارد - ﺳﺎﻋﺎت اوﯾﻞ ﺻﺒﺢ ﺗﺎ ﻇﻬﺮ - آزﻣﺎﯾﺶ ﮐﺮدﯾﻢ و ﻧﺘﺎﯾﺞ را ﺑﺎ ﺳﯿﺴﺘﻢ اﻧﺴﺎﻧﯽ و ﺳﯿﺴﺘﻢ ﺧﺒﺮه ﻓﺎزی ﺑﺎ ﺗﺮﮐﯿﺐ داده_ﮐﺎوی ﮐﻪ ﻗﺒﻼ اراﺋﻪzﺷﺪه ﺑﻮد ]٩[، ﻣﻘﺎﯾﺴﻪ ﮐﺮدﯾﻢ ﮐﻪ ﻧﺘﯿﺠﻪ ﻣﻘﺎﯾﺴﻪ ﺑﻪ ﺗﺮﺗﯿﺐ در ﺟﺪول ١ - ﺣﺎﻟﺖ ﺳﺎده - ، ﺟﺪول ٢ - ﺣﺎﻟﺖ ﻋﺎدی - و ﺟﺪول ٣ - ﺣﺎﻟﺖ ﭘﯿﭽﯿﺪه - و ﻧﻤﻮدار ﻣﻘﺎﯾﺴﻪ ﺣﺎﻟﺖ^ﻫﺎی در ﻧﻈﺮ ﮔﺮﻓﺘﻪ zﺷﺪه ﺑﻪ ﺗﺮﺗﯿﺐ در ﻧﻤﻮدارﻫﺎی ٢ و ٣ و ۴ اراﺋﻪ ﮔﺮدﯾﺪه اﺳﺖ.
ﺟﺪول ١ و ﻧﻤﻮدار ٢ ﻧﺸﺎن»دﻫﻨﺪه وﺿﻌﯿﺖ ﺳﺎده ﺳﯿﺴﺘﻢ ﻣﯽ_ﺑﺎﺷﻨﺪ. از ﻃﺮﯾﻖ ﻣﺸﺎﻫﺪه و ﭘﺮس و ﺟﻮ از اﻓﺮاد ﺧﺒﺮه ﺑﺎ ﺑﺮرﺳﯽ ٠۴ ورودی ﺑﻪ ﺳﯿﺴﺘﻢ و ﺑﺎ در ﻧﻈﺮ ﮔﺮﻓﺘﻦ ﺣﺪاﮐﺜﺮ ۵١ ﻓﻀﺎی ﭘﺎرک ﺣﺴﺎس و ﺣﺪاﮐﺜﺮ ٣٠ ﻓﻀﺎی ﭘﺎرک در ﻣﺤﻞ ﻧﺰدﯾﮏ و ۵۵ ﻓﻀﺎ در ﻣﺤﻞ^ﻫﺎی دور و ﺣﺪاﮐﺜﺮ ٢٠ ﻓﻀﺎی ﭘﺎرک در ﺧﯿﺎﺑﺎن، ﻣﺸﺎﻫﺪه ﻣﯽ_ﮔﺮدد ﮐﻪ ﺳﯿﺴﺘﻢ ﭘﯿﺸﻨﻬﺎدی ﺑﻪ ﺷﮑﻞ ﻣﻨﺎﺳﺐ ﺑﻪ درﺧﻮاﺳﺖ^ﻫﺎی ورودی ﭘﺎﺳﺦ داده اﺳﺖ و ﺑﺮﺧﻼف روش ﺗﺮﮐﯿﺒﯽ ﮐﻪ ﺣﺘﯽ در ﺷﺮاﯾﻂ ﺳﺎده ﺳﯿﺴﺘﻢ ﺑﻪ ﺷﮑﻞ ﮐﺎﻣﻼ ﺳﺨﺖ_ﮔﯿﺮاﻧﻪ ﻋﻤﻞ ﻧﻤﻮده اﺳﺖ و ﺑﺎ وﺟﻮد ﻓﻀﺎ در ﻣﺤﻞ^ﻫﺎی ﻧﺰدﯾﮏ، ﺳﻌﯽ در اﺧﺘﺼﺎص ﻓﻀﺎ در ﻧﻮاﺣﯽ دور ﻧﻤﻮده اﺳﺖ و ﻫﻤﺎن_ﮔﻮﻧﻪ ﮐﻪ ﻗﺎﺑﻞ _ﻣﺸﺎﻫﺪه اﺳﺖ ﺳﯿﺴﺘﻢ اﻧﺴﺎﻧﯽ ﺗﻨﻬﺎ ﻣﻨﻔﻌﺖ ﺧﻮد را در ﻧﻈﺮ ﮔﺮﻓﺘﻪ و ﻧﺰدﯾﮏ_ﺗﺮﯾﻦ ﻣﺤﻞ_ﻫﺎ ﺑﺮای ﭘﺎرک را اﻧﺘﺨﺎب ﻧﻤﻮده اﺳﺖ. ﺟﺪول ٢و ﻧﻤﻮدار ٣ ﻧﺸﺎن»دﻫﻨﺪه وﺿﻌﯿﺖ ﻋﺎدی ﺳﯿﺴﺘﻢ ﻣﯽ_ﺑﺎﺷﻨﺪ.
ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺗﻌﺪاد ﻣﺮاﺟﻌﯿﻦ در ﺣﺎﻟﺖ ﻋﺎدی ﺳﯿﺴﺘﻢ، اﻧﺘﻈﺎر ﻣﯽÀرود در اﯾﻦ ﺷﺮاﯾﻂ ﺳﯿﺴﺘﻢ ﺑﺎ دﻗﺖ ﺑﯿﺸﺘﺮ ﻧﺴﺒﺖ ﺑﻪ اﺧﺘﺼﺎص ﻣﺤﻞ ﭘﺎرک اﻗﺪام ﻧﻤﺎﯾﺪ، ﺑﺎ ﻣﻘﺎﯾﺴﻪ ﻧﺘﺎﯾﺞ ﺣﺎﺻﻞ از اﻋﻤﺎل ٩٧ ورودی ﺑﻪ ﺳﻪ ﺳﯿﺴﺘﻢ اﺷﺎره_ﺷﺪه، ﻣﺸﺎﻫﺪه ﻣﯽ_ﮔﺮدد ﮐﻪ ﻧﺘﺎﯾﺞ ﺳﯿﺴﺘﻢ اﻧﺴﺎﻧﯽ و ﺳﯿﺴﺘﻢ ﺗﺮﮐﯿﺒﯽ اراﺋﻪzﺷﺪه در ﺳﺎل^ﻫﺎی ﭘﯿﺶ در ﻣﻨﺎﻃﻖ ﺣﺴﺎس و ﻧﺰدﯾﮏ ﺑﺴﯿﺎر ﻣﺸﺎﺑﻪ ﻫﻢ ﻣﯽﺑﺎﺷﻨﺪ و ﺳﯿﺴﺘﻢ ﺗﺮﮐﯿﺒﯽ ﺗﻨﻬﺎ در ﺧﺼﻮص اﺧﺘﺼﺎص ﻣﺤﻞ ﭘﺎرک در ﻣﻨﺎﻃﻖ دور ﺑﺎ ﺳﯿﺴﺘﻢ اﻧﺴﺎﻧﯽ ﻧﺘﺎﯾﺞ ﻣﺘﻔﺎوﺗﯽ ﺑﻪ دﺳﺖ آورده اﺳﺖ، درﺣﺎﻟﯽ_ﮐﻪ ﺳﯿﺴﺘﻢ ﺗﺼﻤﯿﻢ_ﮔﯿﺮی ﺑﺎ درﺧﺖ ﻓﺎزی ﺑﺎ اﻧﺘﺨﺎب ﻗﻮاﻋﺪ ﻣﻄﻠﻮب~ﺗﺮ، ﻧﺴﺒﺖ ﺑﻪ ﭘﺎراﻣﺘﺮﻫﺎی ورودی در ﺷﺮاﯾﻂ ﻋﺎدی ﺑﯿﺸﺘﺮ ﺣﺴﺎس ﺑﻮده و از ﺑﯿﻦ ٩٧ درﺧﻮاﺳﺖ ورودی ﺑﺮای ﭘﺎرک ﺗﻨﻬﺎ ﺷﺮاﯾﻂ ٣١ ورودی را ﺑﺮای اﺧﺘﺼﺎص ﻣﺤﻞ ﭘﺎرک ﻣﻨﺎﺳﺐ در ﻧﻈﺮ ﮔﺮﻓﺘﻪ اﺳﺖ و ﺣﺘﯽ ﻧﺴﺒﺖ ﺑﻪ ﭘﺎرک در ﻣﺤﻞ^ﻫﺎی ﻧﺰدﯾﮏ و دور ﺑﺎ ﺣﺴﺎﺳﯿﺖ ﻣﻨﺎﺳﺐ ﺗﺼﻤﯿﻢ_ﮔﯿﺮی ﮐﺮده اﺳﺖ. ﺑﺎ ﺑﺮرﺳﯽ ﭘﺎراﻣﺘﺮﻫﺎی ورودی ﮐﻪ ﺳﯿﺴﺘﻢ اراﺋﻪzﺷﺪه ﺑﺮای آن_ﻫﺎ ﻣﺤﻞ ﭘﺎرک اراﺋﻪ ﻧﻤﻮد¼ه اﺳﺖ، ﻣﺸﺨﺺ ﮔﺮدﯾﺪ ﺳﯿﺴﺘﻢ ﻫﻮﺷﻤﻨﺪ ﭘﯿﺎده_ﺳﺎزی ﺷﺪه ﻣﻌﻘﻮل_ﺗﺮﯾﻦ و ﻣﻨﺎﺳﺐ_ﺗﺮﯾﻦ ﭘﺎﺳﺦ را ﻧﺴﺒﺖ ﺑﻪ ﺳﯿﺴﺘﻢ ﻣﻮرد ﻣﻘﺎﯾﺴﻪ در اﯾﻦ ﻣﻘﺎﻟﻪ اراﺋﻪ داده اﺳﺖ.
