نوید اسفندیاری

مروزه، دستگاه های خودپرداز عملیات بانکی را متحول کرده اند. با وجود این دستگاه ها، دیگر لازم نیست کسی برای دریافت پول در صف های طولانی بانک معطل شود. نصب این دستگاه در یک مکان برای بانک ها می تواند ازنظر امنیتی خطرساز باشد. ازاین رو، مکان یابی صحیح امنیتی و مناسب خودپرداز در یک شهر می تواند باعث افزایش امنیت بانک و جلوگیری از سرقت شود. در این مقاله با استفاده از روش های مختلف داده کاوی مانند الگوریتم نزدیک ترین همسایه، رافست، الگوریتم درخت طبقه بندی، رگرسیون و شبکه عصبی به پیش بینی تعداد دستگاه های خودپرداز موردنیاز یک بانک و جانمایی صحیح آن می پردازیم. با توجه به نتایج به دست آمده از تحقیق، دریافتیم که استفاده از ابزارهای داده کاوی می تواند به مسئولین در پیش بینی و جانمایی تعداد خودپرداز موردنیاز در شهر همدان کمک کند و باعث جلوگیری از سرقت، افزایش ضریب امنیتی و بهبود فعالیت های امنیتی پلیس گردد. در این پژوهش، علاوه بر درنظرگرفتن سوددهی خودپردازها، ضریب امنیتی مکان یابی هر شعبه را نیز در الگوریتم های داده کاوی مدنظر قرار دادیم. نتایج نشان داد که توجه به شاخص های: مدت قرارداد، کل کارمزد، کل تراکنش ها و تعداد خودپردازها در هر منطقه، میزان سرقت در منطقه، مسافت نزدیک ترین کلانتری، تعداد دوربین های مداربسته منطقه، تراکم جمعیت و تعداد نگهبان ها، در تصمیم گیری، پیش بینی تعداد و جانمایی خودپرداز ها بسیار حائز اهمیت است. این شاخص ها مبنایی برای پیش بینی تعداد خودپرداز های سودده نیز خواهند بود. همچنین، الگوریتم ماشین بردار پشتیبان با جذر میانگین مربعات خطای 8 درصد، قابلیت برآورد بهتری را نسبت به سایر الگوریتم ها دارد.