Σύστημα λήψης αποφάσεων στη διοίκηση δημοσίων και δικαστικών υπηρεσιών με χρήση τεχνητής νοημοσύνης, GIS και τηλεπισκόπησης

Abstract

This Ph.D. thesis investigates the development of a methodology for the application of artificial intelligence and the information and communication technology in combination with the use of geographic information systems and remote sensing in decision-making in public management and judicial management services such as the Police Authorities, the Prosecutor's Office, Courts, Spatial Planning and Socio-Economic organizations, Educational Units, Municipal Authorities, environmental and water management organizations and other public services. The development of the methodology is based on the application of artificial intelligence methods, such as Artificial Neural Networks, Support Vector Machines, Random Forests of Decision Trees and Particle Swarm Intelligence in order to predict factors important in public management such as crime, environmental pollution factors such as ozone, socio-economic factors such as unemployment. In the present thesis, a new methodology is proposed, referred to as Predictive Management based on Artificial Intelligence. A new methodology has also been developed for the spatial prediction of decision factors such as crime, based on artificial intelligence techniques and geographic information systems. In addition, two new hybrid methods for classification of satellite images in public management were developed, based on a new proposed hybrid Support Vector Machine kernel and a new hybrid model of Artificial Neural Networks and Random Forest Decision Trees. The artificial Intelligence models were optimized by using Automated Machine Learning algorithms, such as Particle Swarm Optimization and Bayesian Optimization. The main objective of the proposed methodology in this thesis is the application of appropriate artificial intelligence methods to better address the decision-making issues of the public services involved. The implementation of the proposed system in decision-making in the public management through the prediction of various factors of major importance, such as crime, environmental and socio-economic factors, helps to optimize decision-making in various areas, such as crime prevention, environmental pollution, transportation safety and economic and spatial planning.

Η παρούσα διδακτορική διατριβή ερευνά την ανάπτυξη μεθοδολογίας για την εφαρμογή της τεχνητής νοημοσύνης και της πληροφορικής, σε συνδυασμό με την χρήση των γεωγραφικών συστημάτων πληροφοριών και της τηλεπισκόπησης, στη λήψη αποφάσεων στην διοίκηση δικαστικών και δημοσίων υπηρεσιών, όπως οι Αστυνομικές Αρχές, Εισαγγελία, Δικαστήρια, Εκπαιδευτικές Μονάδες, Δημοτικές Αρχές, Χωροταξικές και Κοινωνικο-οικονομικές υπηρεσίες, οργανισμοί περιβαλλοντικοί και διαχείρισης υδάτων και άλλες δημόσιες υπηρεσίες. H ανάπτυξη της μεθοδολογίας βασίζεται στην εφαρμογή και σύγκριση μεθόδων τεχνητής νοημοσύνης, όπως: Τεχνητών Νευρωνικών Δικτύων, Μηχανών Διανυσμάτων Υποστήριξης, Τυχαίων Δασών Δέντρων Απόφασης, Νοημοσύνης Σμήνους Σωματιδίων για την πρόβλεψη παραγόντων σημαντικών στη διοίκηση των ανωτέρω υπηρεσιών, όπως της εγκληματικότητας, περιβαλλοντικών παραγόντων, όπως το όζον, κοινωνικο-οικονομικών παραγόντων όπως η ανεργία, αλλά και για την ταξινόμηση δορυφορικών εικόνων. Στην παρούσα διατριβή, προτείνεται μία νέα μεθοδολογία επονομαζόμενη ως προβλεπτική διοίκηση, βασισμένη στην Τεχνητή Νοημοσύνη. Επίσης, αναπτύχθηκε μία νέα μεθοδολογία για την χωρική πρόβλεψη παραγόντων όπως η εγκληματικότητα, βασισμένη σε τεχνικές τεχνητής νοημοσύνης και στα γεωγραφικά συστήματα πληροφοριών. Επιπλέον, αναπτύχθηκαν δύο νέες υβριδικές μέθοδοι ταξινόμησης δορυφορικών εικόνων στη δημόσια διοίκηση, βασισμένες σε έναν νέο προτεινόμενο υβριδικό πυρήνα Μηχανών Διανυσμάτων Υποστήριξης και σε ένα νέο υβριδικό μοντέλο Τεχνητών Νευρωνικών Δικτύων και Τυχαίων Δασών Δέντρων Απόφασης. Τα μοντέλα Τεχνητής Νοημοσύνης βελτιστοποιήθηκαν με αλγόριθμους αυτοματοποιημένης μηχανικής μάθησης AutoML (Automated Machine Learning), όπως η Βελτιστοποίηση Σμήνους Σωματιδίων και η βελτιστοποίηση Bayes. Ως βασικός στόχος της προτεινόμενης μεθοδολογίας στην παρούσα διατριβή, είναι η εφαρμογή κατάλληλων μεθόδων τεχνητής νοημοσύνης για την αποτελεσματικότερη αντιμετώπιση θεμάτων λήψης αποφάσεων των εμπλεκόμενων υπηρεσιών. Η εφαρμογή του προτεινόμενου συστήματος για την λήψη αποφάσεων στην δημόσια διοίκηση μέσω της πρόβλεψης διαφόρων παραγόντων υψηλής σημασίας, όπως της εγκληματικότητας, περιβαλλοντικών και κοινωνικοοικονομικών παραγόντων, βοηθάει στην βέλτιστη λήψη αποφάσεων σε διάφορους τομείς, όπως στην πρόληψη και αντιμετώπιση της εγκληματικότητας, στην ρύπανση του περιβάλλοντος, στην ασφάλεια των συγκοινωνιών και στον οικονομικό και χωρικό σχεδιασμό.