التراكب الموزون متعدد المعايير لاختيار المواقع

يجيب تنبؤ هوف عن سؤال محدد يخص عنوانًا مرشحًا واحدًا. لكن قبل طرح هذا السؤال تحتاج إلى قائمة مختصرة. هذه القائمة يصنعها تحليل القرار متعدد المعايير (MCDA)، إذ يقيّم كل خلية سداسية في المدينة وفق العوامل المهمة لنوع متجرك، فتعرف أين تبحث قبل أن تعرف قيمة أي موقع.

يعتمد MapDove التراكب الخطي الموزون، وهو أكثر صور MCDA شفافية: كل درجة يمكن تتبعها إلى عدد قليل من المدخلات المُطبّعة والأوزان التي اخترتها. نشرح في هذا المقال آلية عمله وكيف تتجنب استنتاجات مضللة.

المعايير

لكل خلية (نحو 0.8 كم²) تسعة معايير:

• الكثافة السكانية: عدد المقيمين لكل كم².
• الدخل: الوسيط لدخل الأسرة.
• الكثافة النهارية: العاملون والزوار لكل كم².
• مؤشر الحركة: النشاط النسبي للمركبات والمشاة.
• النمو: معدل النمو السكاني المتوقع.
• المنافسة: متاجر الفئة نفسها، موزونة بنواة تضاؤل المسافة exp(−d / 1.5 km) لكل متجر ضمن 4 كم، ثم بمقياس لوغاريتمي. معكوس: الأقل أفضل.
• الأنشطة المكمّلة: الفئات القريبة التي ترسل إليك العملاء، مثل الأندية الرياضية ومتاجر الملابس بالنسبة للمقهى، أو الصيدليات ومحطات الوقود بالنسبة للبقالة. موزونة بـ exp(−d / 0.8 km) ضمن 2.5 كم، وبمقياس لوغاريتمي أيضًا.
• الإيجار: مؤشر الإيجار. معكوس.
• فجوة الطلب: الطلب غير المخدوم جيدًا اليوم (نعرّفها أدناه).

للنوى أهمية حقيقية. العدّ البسيط للمنافسين ضمن 4 كم يساوي بين المتجر المجاور ومتجر على حافة النطاق. أما مع تضاؤل قدره 1.5 كم، فالمنافس على بعد 500 م يُحسب بنحو 0.72، والمنافس على بعد 3 كم بنحو 0.14. وتستخدم الأنشطة المكمّلة نواة أضيق قدرها 0.8 كم، لأن التجاور بين المتاجر لا ينفع إلا إذا استطاع الناس المشي بينها أو التوقف سريعًا.

ويمنع التحويل اللوغاريتمي (ln(1 + x)) تجمّعًا كثيفًا واحدًا، مثل وسط المدينة، من تسطيح بقية الخريطة إلى الصفر.

التطبيع بين الحد الأدنى والأقصى، لكل مدينة

تأتي المعايير بوحدات مختلفة: دولارات، وأشخاص لكل كم²، ونقاط مؤشرات. لذلك يُعاد قياس كل معيار إلى المدى 0–1 عبر جميع خلايا المدينة المختارة:

x_norm = (x − min_city) / (max_city − min_city)

وفي معايير التكلفة (المنافسة والإيجار) يستخدم MapDove القيمة 1 − x_norm، بحيث تعني القيمة المُطبّعة المرتفعة دائمًا “أفضل للموقع”.

ولأن التطبيع يتم داخل كل مدينة، فالدرجات نسبية إلى السوق. الدرجة 0.9 في الدخل في فينيكس لا تساوي المبلغ نفسه بالدولار في ميامي، أو بالدرهم في دبي؛ فكلتاهما تعني “قرب القمة في هذه المدينة”. قارن الترتيب داخل المدينة الواحدة، ولا تقارن الدرجات المطلقة بين المدن.

معيار فجوة الطلب

تجمع فجوة الطلب بين الطلب ومستوى الوصول الحالي:

gap = demand_norm × (1 − access_norm)

الطلب هو السكان + 0.4 × السكان النهاريون. والوصول هو مجموع منافع المتاجر القائمة في الفئة على طريقة هوف، بمقياس لوغاريتمي ومُطبّع. الخلية التي فيها كثير من الناس وقليل من العرض القريب تحصل على درجة عالية، والخلية الكثيفة المشبعة أصلًا تحصل على درجة منخفضة. ومن بين كل المعايير، الفجوة هي الأقرب إلى ما سيكافئه نموذج هوف لاحقًا.

الدرجة

score = 100 × Σ (w_c · x_c) / Σ w_c          with w_c ∈ [0, 10]

الوزن 0 يستبعد المعيار. والقسمة على مجموع الأوزان تُبقي الدرجة بين 0 و100 مهما كان عدد المعايير المفعّلة. معنى ذلك أن المهم هو النسب بين الأوزان لا قيمها المطلقة: الأوزان 8/4 و4/2 تنتج الخريطة نفسها.

حساسية الأوزان: الجزء الذي يتجاهله الجميع

تبدو الأوزان كأنها إعلان عن الأولويات، لكن التأثير الفعلي لأي معيار يعتمد أيضًا على مدى تباينه داخل المدينة. إذا كانت قيم الحركة في معظم الخلايا بين 0.6 و0.7، فإن وزنًا قدره 10 للحركة لا يكاد يغير الترتيب. أما المعيار الذي تتوزع قيمه من 0 إلى 1 فيحسم الترتيب حتى بوزن متوسط.

وهناك فخّان آخران:

• المعايير المترابطة تُحسب مرتين. الكثافة السكانية والكثافة النهارية وفجوة الطلب كلها تعكس “كثرة الناس”. إذا أعطيت كلًا منها 8، فقد بنيت نموذجًا سكانيًا بخطوات زائدة.
• القيم الشاذة تضغط المقياس. خلية واحدة متطرفة، كملعب أو مطار، قد تدفع بقية الخلايا إلى نطاق ضيق. المقياس اللوغاريتمي في معايير النوى يخفف ذلك، لكنه لا يلغيه في المعايير الخطية كالدخل.

وهذه مقارنة توضيحية بين خليتين بمجموعتين من الأوزان:

الخلية	السكان	الدخل	المنافسة (معكوسة)	الإيجار (معكوس)	الفجوة	الدرجة A*	الدرجة B**
H1 – قلب المدينة	0.92	0.70	0.20	0.15	0.30	57	41
H2 – طرف نامٍ	0.45	0.65	0.85	0.70	0.75	64	70

*A: السكان 8، الدخل 4، المنافسة 4، الإيجار 2، الفجوة 4. **B: السكان 4، الدخل 4، المنافسة 6، الإيجار 4، الفجوة 8.

تفوز H2 في المجموعتين، لكن الفارق يتسع من 7 إلى 29 نقطة. هذه نتيجة متينة. أما حين يتغير المتصدر مع تعديلات طفيفة في الأوزان، فالقرار رهين الأوزان، وأنت بحاجة إلى نقاش جاد حول الأولويات.

روتين عملي: حرّك كل وزن رئيسي بمقدار ±2، وأعد التشغيل، وانظر أي المواقع تبقى ضمن العشرة الأوائل. تلك هي مرشحاتك الصامدة.

أفضل المواقع والحد الأدنى للتباعد

كثيرًا ما تكون الخلايا العشر الأعلى درجةً متجاورة عند التقاطع نفسه، وهذا لا يفيدك كثيرًا. لذلك يختار MapDove أفضل المواقع بطريقة جشعة: يأخذ أفضل خلية، ثم يستبعد كل ما يقع ضمن الحد الأدنى للتباعد (1.5 كم افتراضيًا)، ثم يأخذ أفضل خلية متبقية، وهكذا.

اضبط التباعد على مقياس المنطقة التجارية لنوع متجرك. من 1 إلى 1.5 كم يناسب المقاهي أو الوجبات السريعة في قلب مدينة كثيف، و4–6 كم أو أكثر يناسب البقالة أو مستلزمات تحسين المنزل. التباعد الضيق جدًا يهدر مقاعد القائمة على مواقع مكررة، والواسع جدًا يتجاوز مواقع ثانية جيدة في مناطق قوية.

خلاصة عملية

• ابدأ بخمسة معايير أو أقل تستطيع الدفاع عنها أمام لجنة عقارية، ولا تضف غيرها إلا إذا غيّرت النتيجة.
• تجنب تكديس المعايير المترابطة، وتذكّر أن النسب بين الأوزان هي وحدها ما يهم.
• أجرِ اختبار حساسية بمقدار ±2، واعتبر المواقع التي تبقى في القمة قائمتك المختصرة الحقيقية.
• سلّم القائمة المختصرة إلى نموذج هوف. الملاءمة تخبرك أين تبحث، أما تنبؤ هوف ومقارنة المواقع فيخبرانك بقيمة كل موقع.

راجع توثيق ملاءمة المواقع للمرجع الكامل للمعايير، أو جرّبه في اختيار المواقع.