uusi menetelmä etuuksien perusteella tehtävän valintapäätöksen (CBA) soveltamiseksi useisiin suunnitteluvaihtoehtoihin
rakennetun ympäristömme rakennusten, siviili-infrastruktuurin ja muiden monimutkaisten järjestelmien suunnitteluun liittyy monien, usein ristiriitaisten, suunnitteluperusteiden huomioon ottaminen. Architecture, engineering and construction (AEC)-projektitiimit käyttävät usein moniperusteisia päätöksentekomenetelmiä (MCDM), joiden avulla he voivat löytää haluamansa suunnitteluratkaisun. Emergentti MCDM menetelmä käytännössä tänään on Choosing by Advantages (CBA), joka on onnistuneesti sovellettu monissa AEC hankkeita. Tällä menetelmällä on useita etuja perinteisiin MCDM-menetelmiin verrattuna (kuten painotettu summa): Kustannus-hyötyanalyysi ei mahdollista kätkeä rahan arvon kompensointia, kustannus-hyötyanalyysi auttaa erottamaan vaihtoehdot päätöksentekoyhteyden perusteella, kustannus-hyötyanalyysi vähentää aikaa konsensuksen saavuttamiseen ja se hallinnoi parempia subjektiivisia kompromisseja perustamalla päätökset sovittujen etujen tärkeyteen. CBA: ta käytetään yleensä kahdesta kymmeneen vaihtoehtoon, eikä sitä ole koskaan käytetty yli sataan vaihtoehtoon. Näin ollen tämä tutkimus lisää tietämystä kehittämällä ja testaamalla uutta menetelmää kustannus-hyötyanalyysin soveltamiseksi satoihin tai tuhansiin vaihtoehtoihin. Uudessa menetelmässä vaihtoehdot ryhmitellään muutamaksi edustavaksi suunnitteluvaihtoehdoksi ominaisuuksien samankaltaisuuden perusteella k-means-menetelmällä. Preferenssit näiden edustavien suunnitteluvaihtoehtojen välillä yleistetään lineaarisen regression avulla. Ylioppilaskokeella mitattiin, millä tarkkuudella preferenssejä voidaan yleistää ehdotetulla menetelmällä. Kokeilussa tarkasteltiin 1 000 erilaista rakennussuunnitteluvaihtoehtoa. Kustannus-hyötyanalyysia sovellettiin edustaviin vaihtoehtoihin käyttämällä kolmea, kuutta, kahdeksaa ja kymmentä klusteria. Tutkimuksessa mitattiin kunkin klusterikonfiguraation ennusteiden virheitä, korrelaatioita ja johdonmukaisuutta. Kun kahdeksaa klusteria käytettiin edustavien vaihtoehtojen luomiseen, päätökset olivat aina yhdenmukaisia satunnaisilla vaihtoehdoilla tehtyjen päätösten kanssa, ja korrelaatio ennustetun mieltymyksen kanssa oli suurempi ja virhetaso pienempi verrattuna muihin testattuihin klusterikonfiguraatioihin.
