Розробка моделі оцінки комфортності багатоквартирного будинку з використанням “методів штучного інтелекту”

Заголовок (англійською):

Development of a model for assessing the comfort of an apartment building using “artificial intelligence methods”

Автор(и):

Цюцюра С. В.

Цюцюра М. І.

Єрукаєв А. В.

Костишина Н. В.

Автор(и) (англ):

Tsiutsiura, Svitlana

Tsiutsiura, Mykola

Yerukaiev, Andrii

Kostyshynа, Nataliia

Ключові слова (укр):

нечітка мережа Петрі; генетичний алгоритм; комфортність проживання; нечітке логічне виведення

Ключові слова (англ):

fuzzy Petri net; genetic algorithm; comfort of living; fuzzy logical deduction

Анотація (укр):

Об’єктом дослідження є модель квартири в нових багатоповерхових будинках, що оцінюються клієнтами в процесі їх купівлі. Практично встановлено, що одним з найбільш проблемних місць є опрацювання результатів суб’єктивних оцінок клієнтів, які надають свої враження стосовно тієї чи іншої квартири та бажають визначити цим її попередню вартість. Для усунення цієї проблеми авторами запропоновано використати підхід з використанням мережі Петрі, що характеризується динамікою змін завдяки застосуванню генетичного алгоритму. Отриманий результат, що виражений як у якісному, так і у кількісному значенні, дає змогу мінімізувати використання фінансових та людських ресурсів у процесі укладання договору купівлі – продажу квартири. Це пов’язано з тим, що нечіткість під час опрацювання запропонованої авторами моделі усувається за допомогою методу нечіткого логічного виведення за алгоритмом Мамдані. Такий підхід має низку особливостей: можливість працювати із суб’єктивними даними, узагальнювати їх, не залучаючи складний математичний апарат. Завдяки цьому забезпечується підвищення фінансових можливостей будівельної компанії через збільшення прозорості формування ціни на квартиру в новобудові, зменшення зайвих витрат майже на 90%. Зі сторони клієнта відбувається зменшення витрат часу та коштів на залучення додаткових послуг спеціалістів більше ніж удвічі. Такий підхід допоможе клієнту самому провести аналіз чинників комфортності проживання у квартирі, яку він бажає купити. Розроблену модель пропонується застосовувати в галузях будівництва та рієлторських послуг. Це уможливить покращити умови купівлі – продажу квартири в новобудові. Умовою практичного використання отриманих результатів є здача будинку, в якому відбувається оцінка квартири, в експлуатацію. А також простий та дружній інтерфейс системи, в якому буде реалізована модель, що досліджується авторами.

Анотація (англ):

The object of the study is a model of an apartment in new multi-story buildings, which are evaluated by customers in the process of their purchase. It has been practically established that one of the most problematic areas is the processing of the results of subjective evaluations of customers who give their impressions of a particular apartment and wish to determine its preliminary value. To eliminate this problem, the authors proposed to use an approach using a Petri net, which is characterized by the dynamics of changes due to the application of a genetic algorithm. The obtained result, which is expressed both qualitatively and quantitatively, makes it possible to minimize the use of financial and human resources in the process of concluding a contract for the purchase and sale of an apartment. This is due to the fact that the ambiguity during processing of the model proposed by the authors is eliminated using the method of fuzzy logic derivation according to the Mamdani algorithm. This approach has a number of features: the ability to work with subjective data, to generalize them, without involving a complex mathematical apparatus. Thanks to this, an increase in the financial capabilities of the construction company is ensured due to an increase in the transparency of the formation of the price for an apartment in a new building, a reduction of unnecessary costs by almost 90%. On the part of the client, the cost of time and money to attract additional services of specialists is reduced by more than half. This approach will help the client to analyze the comfort factors of living in the apartment he wants to buy. The developed model is proposed to be used in the fields of construction and real estate services. This will make it possible to improve the conditions of buying and selling an apartment in a new building. The condition for the practical use of the obtained results is the commissioning of the building in which the apartment is evaluated. And also a simple and friendly system interface in which the model studied by the authors will be implemented.

Публікатор:

Київський національний університет будівництва і архітектури

Назва журналу, номер, рік випуску (укр):

Управління розвитком складних систем, номер 52, 2022

Назва журналу, номер, рік випуску (англ):

Management of Development of Complex Systems, number 52, 2022

Мова статті:

Українська

Формат документа:

application/pdf

Документ:

54-65.pdf

Дата публікації:

19 Апрель 2023

Номер збірника:

Розділ:

ІНФОРМАЦІЙНІ ТЕХНОЛОГІЇ ПРОЄКТУВАННЯ

Університет автора:

Київський національний університет будівництва і архітектури, Київ

Литература:

1. Tsiutsiura, Mykola; Kostyshynа, Nataliia; Yerukaiev, Andrii; Tyshchenko, Dmytro. (2022). Representation of comfort idicators by means of DFD-diagrams. Management of Development of Complex Systems, 49, 26–32.

2. Dogan Ibrahim. (2016). An overview of soft computing. 12th International Conference on Application of Fuzzy Systems and Soft Computing, ICAFS 2016. Vienna, Austria. DOI: https://www.sciencedirect.com/science/article/pii/S1877050916325467.

3. Tsiutsiura, S.V., Kyivska, K.I., Tsiutsiura, M.I., Kryvoruchko, O.V., Dmytrychenko, A.M. (2019). Formation of a generalized information model of a construction object. International Journal of Mechanical Engineering and Technology, 10(2), 69–79.

4. Заяць В. С. (2019). Розвиток житлового будівництва як фактор формування житлових умов населення. Демографія та соціальна економіка, 2 (3), 137–151. DOI: https://dse.org.ua/arhcive/36/10.pdf.

5. Цифра Т. Ю. (2018). Класифікація житла за типами доступності методом дискримінантного аналізу. Ефективна економіка, 9. URL: http://www.economy.nayka.com.ua/pdf/9_2018/43.pdf.

6. Kyivska, K. I., Tsiutsiura, S. V., Tsiutsiura, M. I., Yerukaiev, A. V., Hots, V. V. (2019). A study of the concept of parametric modeling of construction objects International Journal of Advanced Research in Engineering and Technology, 10(2), 636–646.

7. Yi-Nan Lin, Tsang-Yen Hsieh, Cheng-Ying Yang, Victor R.L. Shen, Tony TongYing Juang & Ting-Jui Huang. (2020). Review on Petri net modeling and analysis of a smartphone manufacturing system. Cogent Engineering, 7:1, 1851630 Available at: https://www.tandfonline.com/doi/pdf/10.1080/23311916.2020.1851630?needAccess=true.

8. Pratibha Rani, Arunodaya Raj Mishra. (2022). Interval-valued fermatean fuzzy sets with multi-criteria weighted aggregated sum product assessment-based decision analysis framework. Neural Computing and Applications (2022) 34:8051–8067. Available at: https://link.springer.com/content/pdf/10.1007/s00521-021-06782-1.pdf.

9. Sourabh Katoch, Sumit Singh Chauhan, Vijay Kumar. (2021). A review on genetic algorithm: past, present, and future. Multimedia Tools and Applications, 80, 8091–8126. Available at: https://link.springer.com/content/pdf/10.1007/s11042-020-10139-6.pdf.

10. Paul C. Jennings, Steen Lysgaard, Jens Strabo Hummelshøj, Tejs Vegge, Thomas Bligaard. (2019). Genetic algorithms for computational materials discovery accelerated by machine learning. npj Computational Materials, 5(46). Available at: https://www.nature.com/articles/s41524-019-0181-4.pdf.

11. Mykola, T., Svitlana, T., Andrii, Y., Kateryna, K., Mykola, K. (2020). Protection of information in assessing the factors of influence ATIT 2020 – Proceedings: 2020 2nd IEEE International Conference on Advanced Trends in Information Theory,
285–289.

12. Tsiutsiura, Mykola, Kostyshynа, Nataliia, Yerukaiev, Andrii & Tyshchenko, Dmytro. (2022). Representation of comfort idicators by means of DFD–diagrams. Management of Development of Complex Systems, 49, 26–32, dx.doi.org\10.32347/2412–9933.2022.49.26–32.

13. Cengiz Kahraman, Başar Öztayşi, Sezi Çevik Onar. (2016). A Comprehensive literature review of 50 years of fuzzy set theory, International Journal of Computational Intelligence Systems, 9 (1). Available at: https://www.researchgate.net/publication/298208497_A_Comprehensive_Literature_Review_of_50_Years_of_Fuzzy_Set_Theory.

14. Su-Hyun Han, Ko Woon Kim, SangYun Kim, Young Chul Youn. (2018). Artificial neural network: understanding the basic concepts without mathematics. Dement Neurocogn Disord, 17(3), 83–89. Available at: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6428006/pdf/dnd-17-83.pdf.

15. Volodymyr Lytvynenko, Olena Kryvoruchko, Irina Lurie, Nataliia Savina, Oleksandr Naumov, Mariia Voronenko. (2020). Comparative studies of self-organizing algorithms for forecasting economic parameters. 12(6), 1–15.

References:

1. Tsiutsiura, Mykola; Kostyshynа, Nataliia; Yerukaiev, Andrii; Tyshchenko, Dmytro. (2022). Representation of comfort idicators by means of DFD-diagrams. Management of Development of Complex Systems, 49, 26–32.

2. Dogan, Ibrahim. (2016). An overview of soft computing. 12th International Conference on Application of Fuzzy Systems and Soft Computing, ICAFS 2016. Vienna, Austria. Available at: https://www.sciencedirect.com/science/article/pii/S1877050916325467.

3. Tsiutsiura, S. V., Kyivska, K. I., Tsiutsiura, M. I., Kryvoruchko, O. V., Dmytrychenko, A. M. (2019). Formation of a generalized information model of a construction object. International Journal of Mechanical Engineering and Technology, 10(2), 69–79.

4. Zaiats, V. S. (2019). The development of residential construction as a factor in the formation of living conditions of the population. Demography and Social Economy, 2 (3), 137–151. Available at: https://dse.org.ua/arhcive/36/10.pdf.

5. Tsyfra, T. Yu. (2018). Classification of housing according to types of availability by the method of discriminant analysis. Effective economy, 9. Available at: http://www.economy.nayka.com.ua/pdf/9_2018/43.pdf.

6. Kyivska, K. I., Tsiutsiura, S. V., Tsiutsiura, M. I., Yerukaiev, A. V., Hots, V. V. (2019). A study of the concept of parametric modeling of construction objects. International Journal of Advanced Research in Engineering and Technology, 10(2), 636–646.

7. Yi-Nan, Lin, Tsang-Yen, Hsieh, Cheng-Ying, Yang, Shen, Victor R.L. Tony, TongYing Juang & Ting-Jui, Huang. (2020). Review on Petri net modeling and analysis of a smartphone manufacturing system. Cogent Engineering, 7, 1, 1851630. Available at: https://www.tandfonline.com/doi/pdf/10.1080/23311916.2020.1851630?needAccess=true.

8. Pratibha, Rani, Arunodaya, Raj Mishra. (2022). Interval-valued fermatian fuzzy sets with multi-criteria weighted aggregated sum product assessment-based decision analysis framework. Neural Computing and Applications, 34, 8051–8067. Available at: https://link.springer.com/content/pdf/10.1007/s00521-021-06782-1.pdf.

9. Sourabh, Katoch, Sumit, Singh Chauhan, Vijay, Kumar. (2021). A review on genetic algorithms: past, present, and future. Multimedia Tools and Applications, 80, 8091–8126. Available at: https://link.springer.com/content/pdf/10.1007/s11042-020-10139-6.pdf.

10. Jennings, Paul C., Lysgaard, Steen, Hummelshøj, Jens Strabo, Vegge, Tejs, Bligaard, Thomas. (2019). Genetic algorithms for computational materials discovery accelerated by machine learning. Computational Materials, 5(46). Available at: https://www.nature.com/articles/s41524-019-0181-4.pdf.

11. Mykola, T., Svitlana, T., Andrii, Y., Kateryna, K., Mykola, K. (2020). Protection of information in assessing the
factors of influence ATIT 2020 – Proceedings: 2020 2nd IEEE International Conference on Advanced Trends in Information Theory, 285–289.

12. Tsiutsiura, Mykola, Kostyshyna, Nataliia, Yerukaiev, Andrii & Tyshchenko, Dmytro. (2022). Representation of comfort indicators by means of DFD-diagrams. Management of Development of Complex Systems, 49, 26–32, dx.doi.org\10.32347/2412–9933.2022.49.26–32.

13. Cengiz, Kahraman, Başar, Öztayşi, Sezi, Çevik Onar. (2016). A Comprehensive literature review of 50 years of fuzzy set theory. International Journal of Computational Intelligence Systems, 9 (1). Available at: https://www.researchgate.net/publication/298208497_A_Comprehensive_Literature_Review_of_50_Years_of_Fuzzy_Set_Theory.

14. Su-Hyun, Han, Ko Woon, Kim, SangYun, Kim, Young, Chul Youn. (2018). Artificial neural network: understanding the basic concepts without mathematics. Dement Neurocognitive Disord, 17(3), 83–89. Available at: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6428006/pdf/dnd-17-83.pdf.

15. Lytvynenko, Volodymyr, Kryvoruchko, Olena, Lurie, Irina, Savina, Nataliia, Naumov, Oleksandr, Voronenko, Mariia. (2020). Comparative studies of self-organizing algorithms for forecasting economic parameters, 12 (6), 1–15.