nowa metoda stosowania decyzji o wyborze według zalet (CBA) multicriteria do dużej liczby alternatyw projektowych

projektowanie budynków, infrastruktury budowlanej i innych złożonych systemów w naszym środowisku budowlanym wymaga uwzględnienia wielu, często sprzecznych, kryteriów projektowych. Zespoły projektowe ds. architektury, inżynierii i budownictwa (AEC) często wykorzystują wielokryterialne metody podejmowania decyzji (MCDM), aby pomóc im w znalezieniu preferowanego rozwiązania projektowego. Emergent metoda MCDM w praktyce dziś jest wybór przez zalety (CBA), który został z powodzeniem stosowany w wielu projektach AEC. Metoda ta ma kilka zalet w stosunku do tradycyjnych metod MCDM (takich jak suma ważona): CBA nie pozwala ukryć rekompensaty pieniędzy za wartość, CBA pomaga odróżnić alternatywy w oparciu o kontekst decyzji, CBA skraca czas osiągnięcia konsensusu, a zarządza lepszymi subiektywnymi kompromisami, opierając decyzje na znaczeniu uzgodnionych korzyści. CBA jest zwykle stosowane od dwóch do dziesięciu alternatyw, i nigdy nie był używany do więcej niż sto alternatyw. W związku z tym badanie to przyczynia się do wiedzy poprzez opracowanie i przetestowanie nowej metody stosowania CBA do setek lub tysięcy alternatyw. Nowa metoda polega na klastrowaniu alternatyw w kilka reprezentatywnych alternatyw projektowych opartych na podobieństwie funkcji przy użyciu metody k-means. Preferencje między tymi reprezentatywnymi alternatywami projektowymi są następnie uogólniane za pomocą regresji liniowej. Przeprowadzono eksperyment z udziałem uczniów, aby zmierzyć poziom dokładności, w którym preferencje mogą być uogólnione za pomocą proponowanej metody. Eksperyment rozważał 1000 różnych rozwiązań konstrukcyjnych. CBA zastosowano na reprezentatywnych alternatywach z wykorzystaniem trzech, sześciu, ośmiu i dziesięciu klastrów. W badaniu zmierzono błędy, korelacje i spójność prognoz dla każdej konfiguracji klastra. Gdy do tworzenia reprezentatywnych alternatyw użyto ośmiu klastrów, decyzje były zawsze zgodne z decyzjami podejmowanymi przy użyciu losowych alternatyw, a korelacja z przewidywaną preferencją była wyższa z niższym błędem w porównaniu z innymi testowanymi konfiguracjami klastrów.