کاربرد یادگیری ماشین در تشخیص تخلفات ساختمانی و پیش بینی پرونده های کمیسیون ماده ۱۰۰

امروزه رشد شتابان شهرنشینی و افزایش ساخت وسازهای غیرمجاز، مدیریت شهری را با چالش های جدی روبه رو کرده است. تشخیص به موقع تخلفات ساختمانی و پیش بینی پرونده های کمیسیون ماده ۱۰۰، نقشی کلیدی در کاهش هزینه ها و افزایش کارایی نهادهای نظارتی دارد. یادگیری ماشین با بهره گیری از داده های تاریخی، نقشه های مکانی و مشخصات پرونده ها، امکان کشف الگوهای پنهان تخلف را فراهم می آورد. مدل های طبقه بندی و رگرسیونی می توانند نوع تخلف، منطقه پرخطر و حتی رای احتمالی کمیسیون را با دقت قابل قبولی پیش بینی کنند. این رویکرد هوشمند، ضمن کاهش مداخلات انسانی، سرعت رسیدگی را افزایش داده و از تشکیل پرونده های تکراری جلوگیری می نماید. پیاده سازی چنین سامانه ای نیازمند داده های غنی، ویژگی های مهندسی شده و ارزیابی مستمر عملکرد مدل هاست. در نهایت، استفاده از یادگیری ماشین می تواند به شفافیت بیشتر، عدالت در تصمیم گیری و بهبود چشمگیر فرایندهای نظارت ساختمانی منجر شود.

کلیدواژه ها:

یادگیری ماشین ، تخلفات ساختمانی ، کمیسیون ماده ۱۰۰ ، پیش بینی پرونده ، داده کاوی مکانی ، طبقه بندی تخلف ، سیستم هشداردهنده هوشمند