FCPR – uproszczona metoda wyznaczania wspólnych wag istotności kryteriów w analizach wielokryterialnych wspierających podejmowanie decyzji

Joanna Jaroszewicz
Politechnika Warszawska

Streszczenie

Integracja systemów informacji geograficznej (GIS) i wielokryterialnej analizy decyzji (MCDA)
umożliwia przetwarzanie i analizowanie zarówno danych przestrzennych (geograficznych), jak i
danych o preferencjach uczestników (decydentów) w celu uzyskania informacji wspierających
planowanie przestrzenne i procesydecyzyjne. W MCDA preferencje decydenta wyrażone w
kategoriach wag kryteriów, które są ocenami względnego znaczenia kryteriów, odgrywają kluczową
rolę w wynikach analizy. Jest to subiektywny element MCDA, który wpływa na wyniki i dlatego jest
przedmiotem krytyki. Aby rozwiązać ten problem, można zastosować złożone systemy wspomagania
decyzji SDSS, które zawierają dodatkowe informacje do specyfikacji wag, umożliwiają wymianę
informacji i prowadzą do współpracy między decydentami. W badaniu przedstawiono alternatywne
podejście, które w jak największym stopniu upraszcza proces określania wag. Opracowano metodę
uproszczonego głosowania nad rankingiem kryteriów, w której respondenci wskazują jedynie
kolejność k pierwszych najważniejszych kryteriów, o nazwie FCPR (First Criteria Partial Ranking).
Metoda pozwala określić preferencje grupowe na podstawie częściowych informacji,jest to
"mądrość tłumów". Uzyskane wyniki potwierdziły skuteczność proponowanego podejścia
uproszczonego. Uzyskane w ten sposób wagi nie różnią się znacząco od tych określanych bardziej
skomplikowanymi metodami. Zastosowanie opracowanej metody może ułatwić masowy udział w
procesie podejmowania decyzji przestrzennych.

Słowa kluczowe:

analizy wielokryterialne, FCPR, wagi kryteriów, grupowe preferencje, decyzje przestrzenne, mądrość tłumu

Pełny tekst:

PDF

Bibliografia

Basak, I.; Saaty, T. (1993) Group Decision Making Using the Analytic Hierarchy Process.

Mathematical and Computer Modelling, 17, 101–109, doi:10.1016/0895-7177(93)90179-3.

Danielson, M.; Ekenberg, L. A (2017) Robustness Study of State-of-the-Art Surrogate Weights for

MCDM. Group Decis Negot, 26, 677–691, doi:10.1007/s10726-016-9494-6.

Jankowski, P.; Nyerges, T. (2001) GIS for Group Decision Making: Towards a Participatory

Geographical Information Science; London: Taylor and Francis.

Jaroszewicz, J., Majewska, A., (2021). Group Spatial Preferences of Residential Locations—

Simplified Method Based on Crowdsourced Spatial Data and MCDA. Sustainability 13, 4690.

https://doi.org/10.3390/su13094690

Jelokhani-Niaraki, M. (2018) Knowledge Sharing in Web-Based Collaborative Multicriteria Spatial

Decision Analysis: An Ontology-Based Multi-Agent Approach. Computers, Environment and

Urban Systems, 72, 104–123, doi:10.1016/j.compenvurbsys.2018.05.012

Kangas, A., Kangas, J., Kurttila, M. (Eds.), 2008. Group Decision Making and Participatory

Planning, in: Decision Support for Forest Management, Managing Forest Ecosystems. Springer

Netherlands, Dordrecht, pp. 145–172. https://doi.org/10.1007/978-1-4020-6787-7_7

Lee, M.D.; Steyvers, M.; Miller, B. A (2014) Cognitive Model for Aggregating People’s Rankings.

PLoS ONE, 9, e96431, doi:10.1371/journal.pone.0096431.

Mahmoody Vanolya, N.; Jelokhani-Niaraki, M. (2021) The Use of Subjective–Objective Weights

in GIS-Based Multi-Criteria Decision Analysis for Flood Hazard Assessment: A Case Study in

Mazandaran, Iran. GeoJournal, 86, 379–398, doi:10.1007/s10708-019-10075-5.

Malczewski, J.; Jankowski, P. (2020) Emerging Trends and Research Frontiers in Spatial

Multicriteria Analysis. Int J Geogr Inf Sci, 34, 1257–1282, doi:10.1080/13658816.2020.1712403

Malczewski, J.; Jaroszewicz, J. (2018) Podstawy Analiz Wielokryterialnych W Systemach Informacji

Geograficznej. Wydanie I. ed. Warszawa: Oficyna Wydawnicza Politechniki Warszawskiej.

Malczewski, J.; Rinner, C. Multicriteria Decision Analysis in Geographic Information Science;

Advances in Geographic Information Science; Springer Berlin Heidelberg: Berlin, Heidelberg,

; ISBN 978-3-540-74756-7.

Saari, D.G. (1985). The Optimal Ranking Method in the Borda Count. IIASA Collaborative Paper.

IISA 1985, Available online: http://pure.iiasa.ac.at/id/eprint/2744/ (accessed on 6 March 2021)

Surowiecki, J., 2004. The Wisdom of Crowds: Why the Many are Smarter Than the Few and how

Collective Wisdom Shapes Business, Economies, Societies, and Nations. Doubleday.