view in publisher's site

Empirical Inference System for Highway Project Delivery Selection Using Fuzzy Pattern Recognition

Selection of a project delivery method in highway construction is a challenging task because of the many decision criteria involved. In addition to quantitative project attributes, the project delivery decision-making process also typically relies on qualitative measures such as subjective judgments and experts’ opinions based on their experience with similar completed projects. Although current probabilistic methods provide a robust means to analyze quantitative data, they are not ideally suited for treating uncertainties encountered in qualitative data. To overcome the identified gap, this study investigated fuzzy pattern recognition, a mathematical technique based on fuzzy sets and fuzzy logic, to model a combination of quantitative and qualitative variables in highway project delivery selection. A fuzzy rule-based inference system was developed, trained, and tested using 254 empirical highway projects with particular project attributes including project type, project complexity, delivery risk, and cost performance. The proposed system was verified by performing a case project with the result of accurately recognizing the true project delivery method used and associated cost growth performance expectations. The flexibility of fuzzy membership functions in the proposed system helps leverage the evaluation of a combination of quantitative and qualitative variables in project delivery method selection in complex highway construction projects. In addition, this data-driven fuzzy inference system also allows for multiple decision scenarios based on the decision maker’s judgments of delivery risks and project complexity. This study contributes to the body of knowledge by developing an empirical inference system to recognize possible patterns of delivery methods associated with cost growths for new highway projects. This study may assist highway agencies in making project delivery decisions based on project attributes, historical data, and their relevant experience.

سیستم تجربی استنباط برای انتخاب تحویل پروژه بزرگراه با استفاده از شناسایی الگوی فازی

انتخاب روش تحویل پروژه در ساخت بزرگراه به دلیل بسیاری از معیارهای تصمیم‌گیری، یک کار چالش برانگیز است. علاوه بر مشخصه‌های کمی پروژه، فرآیند تصمیم‌گیری تحویل پروژه نیز به طور معمول متکی بر معیارهای کیفی مانند قضاوت ذهنی و نظرات متخصصان براساس تجربه آن‌ها با پروژه‌های مشابه تکمیل‌شده می‌باشد. اگرچه روش‌های احتمالی فعلی ابزار قدرتمندی را برای تحلیل داده‌های کمی فراهم می‌کنند، اما به طور ایده‌آل برای درمان عدم قطعیت‌های موجود در داده‌های کیفی مناسب نیستند. برای غلبه بر شکاف شناسایی‌شده، این مطالعه شناسایی الگوی فازی، یک تکنیک ریاضی مبتنی بر مجموعه‌های فازی و منطق فازی را مورد بررسی قرار داد تا ترکیبی از متغیرهای کمی و کیفی در انتخاب تحویل پروژه بزرگراه را مدل کند. یک سیستم استنتاج مبتنی بر قانون فازی با استفاده از ۲۵۴ پروژه بزرگراه تجربی با ویژگی‌های خاص پروژه شامل نوع پروژه، پیچیدگی پروژه، ریسک تحویل، و عملکرد هزینه توسعه، آموزش و آزمایش شد. سیستم پیشنهادی با اجرای یک پروژه موردی با نتیجه شناخت دقیق روش تحویل پروژه مورد استفاده و انتظارات عملکرد رشد هزینه مربوطه تایید شد. انعطاف‌پذیری توابع عضویت فازی در سیستم پیشنهادی به نفوذ در ارزیابی ترکیبی از متغیرهای کمی و کیفی در انتخاب روش تحویل پروژه در پروژه‌های ساخت بزرگراه پیچیده کمک می‌کند. علاوه بر این، این سیستم استنتاج فازی برگرفته از داده همچنین به سناریوهای تصمیم‌گیری چند گانه براساس قضاوت تصمیم‌گیرنده در مورد ریسک‌های تحویل و پیچیدگی پروژه اجازه می‌دهد. این مطالعه با توسعه یک سیستم استنتاج تجربی برای شناسایی الگوهای ممکن روش‌های تحویل مرتبط با رشد هزینه برای پروژه‌های بزرگراه جدید به بدنه دانش کمک می‌کند. این مطالعه می‌تواند به آژانس‌های بزرگراه در تصمیم‌گیری تحویل پروژه براساس ویژگی‌های پروژه، داده‌های تاریخی، و تجربه مربوطه آن‌ها کمک کند.
ترجمه شده با

Download PDF سفارش ترجمه این مقاله این مقاله را خودتان با کمک ترجمه کنید
سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.