از پیش بینی تا اعتماد: طراحی سیستم های آسانسور هوشمند قابل تفسیر برای ساختمان های ایمنی بحرانی

با گسترش استفاده از سیستم های هوشمند در زیرساخت های شهری، آسانسورها به عنوان یکی از اجزای حیاتی ساختمان های ایمنی بحرانی، بیش از پیش به الگوریتم های پیش بینی محور متکی شده اند. با این حال، چالش اصلی در این حوزه صرفا افزایش دقت پیش بینی نیست، بلکه ایجاد اعتماد عملیاتی از طریق قابل تفسیر بودن تصمیمات سیستم است. هدف این تحقیق، طراحی و ارزیابی یک چارچوب برای سیستم های آسانسور هوشمند است که ضمن حفظ کارایی، امکان تفسیر و درک تصمیمات را برای اپراتورها و مدیران ایمنی فراهم کند. در این پژوهش، ابتدا داده های عملکردی و ترافیکی آسانسور در ساختمان های پرتردد جمع آوری و پیش پردازش شد. سپس با استفاده از مدل های یادگیری ماشین قابل تفسیر، از جمله درخت تصمیم و مدل های مبتنی بر قوانین، رفتار سیستم در سناریوهای عادی و بحرانی تحلیل گردید. برای مقایسه، عملکرد این مدل ها با مدل های جعبه سیاه از نظر دقت پیش بینی و شفافیت تصمیم گیری بررسی شد. نتایج نشان می دهد که اگرچه برخی مدل های غیرقابل تفسیر در شرایط خاص دقت بالاتری دارند، اما مدل های قابل تفسیر با افت ناچیز در دقت، سطح بالاتری از اعتماد، قابلیت پایش و واکنش انسانی را فراهم می کنند. این یافته ها تاکید می کند که در ساختمان های ایمنی بحرانی، قابل تفسیر بودن سیستم هوشمند می تواند به اندازه دقت پیش بینی، و حتی بیش از آن، اهمیت داشته باشد.

Keywords:

هوش مصنوعی , اعتماد , ایمنی , بحران , آسانسور