یادگیری ماشین نظارت شده

میزان ترجیحات نماهای شهری برای کاربران، یکی از موضوعات مهم در حیطه نما و سیمای شهری است. پاسخ به این موضوع در قالب روش های متعدد عینی و ذهنی توسط پژوهشگران مورد توجه بوده است. این پژوهش بر آن است تا از روش های یادگیری ماشین بهره گیرد. هدف پژوهش، طراحی مدلی پیش بینی کننده است که خروجی آن میزان ترجیحات کاربران از نماهای مسکونی شهر تهران خواهد بود. تصاویر نمای مسکونی استفاده شده، مربوط به تصاویر ارائه شده به کمیسیون نما و سیمای شهر تهران در سال های 1395 تا 1398 است که از میان 800 تصویر اولیه، در فرایند انتخاب داده 278 تصویر انتخاب شده اند. ویژگی های مورد توجه، با استفاده از رویکرد ترجیحات بصری و پردازش تصویر به دست آمده است. میزان ترجیحات از طریق پرسشنامه آنلاین توسط کاربران (218نفر) در چهار دسته ترجیحات کم (0-25٪)، متوسط (26-50٪)، خوب (51-75٪) و خیلی خوب (76-100٪) به دست آمده و به عنوان برچسب به مدل ارائه شده است. براساس نتایج، سه الگوریتم ماشین بردار پشتیبان، درخت تصمیم گیری و جنگل تصادفی با دقت صددرصد و روش ایکس جی بوست با دقت نود و هفت درصد بهترین عملکرد را داشته اند. همچنین اهمیت تأثیر عناصر در انتخاب آن ها توسط کاربران به ترتیب شامل: حداقل فاصله بین پنجره ها، نسبت سطح شفاف به کدر در نما، وجود گلشن/باغچه در بالکن، تنوع مصالح، حداکثر فاصله بین پنجره ها، تعداد بازشوها، طول و تعداد بالکن ها، تعداد طبقات، تنوع رنگ، تزئینات در رخ بام، نوع خطوط بام، تعداد ورودی و نسبت ارتفاع به طول بنا بوده است.