این بار نیز سرانه ی تماس‌ها در اکثر مشکلات مذکور در خوشه دوم بیشتر از خوشه اول است.
شکل۴-۵ بررسی نه عامل دوم در خوشه بندی
در ادامه آخرین عوامل باقی مانده مورد بررسی قرار می‌گیرند. در شکل۴-۶ میزان اهمیت و تاثیر ۷ عامل انتهایی در بخش بندی مورد بررسی قرار گرفته است. همان‌طور که از شکل۴-۶ مشخص است ۶ عامل از این میان دارای اهمیت معنی‌دار (مقدار احتمال کمتر از ۰٫۰۵) می‌باشند. این شش عامل عبارتند از:
جمع آوری و نصب، حیوانات، درخت، زباله و ضایعات، ساخت و ساز، سد معبر
این بار نیز سرانه ی تماس‌ها در اکثر مشکلات مذکور در خوشه دوم بیشتر از خوشه اول است. در ادامه آخرین عوامل باقی مانده مورد بررسی قرار می گیرند.
در شکل فوق میزان اهمیت و تاثیر ۷ عامل انتهایی در بخش بندی مورد بررسی قرار گرفته است. همان‌طور که مشخص است ۶ عامل از این میان دارای اهمیت معنی‌دار (مقدار احتمال کمتر از ۰٫۰۵) می‌باشند این ۶ عامل عبارتند از:
.شکل ۴-۶ بررسی هفت عامل آخر در خوشه بندی
مرمت و ترمیم، مزاحمت، نصب علائم ایمنی، نظافت، پارک بان ها و پارکینگ، پارکها و فضای سبز، کارگران
همان‌طور که در شکل مشخص است سرانه تماس‌ها در اکثر عوامل این گروه نیز در خوشه دوم بیشتر از خوشه اول است.
در شکل زیر اعضای خوشه اول و اعضای خوشه دوم نشان داده شده است.
شکل ۴-۷ اعضای خوشه های اول و دوم
ارزیابی خوشه ها
با توجه به این که ترتیب قرار گرفتن رکوردها در فایل ورودی ممکن است بر روی خروجی الگوریتم دو مرحله ای در تعیین تعداد خوشه ها و اعضای هر خوشه، تاثیر گذار باشد؛ لذا با به هم ریختن ترتیب قرارگیری رکوردها از طریق ایجاد فیلد عددی ID بر روی داده های ورودی، حداقل ۵ مرتبه، مدل اجرا گردید. نتایج در هر ۵ مرتبه از نظر تعداد خوشه ها و اعضای آن یکسان بود و تنها تفاوت مشاهده شده در جابه جایی ترتیب اعضا میان دو خوشه بود.
پیش بینی وضعیت تماس های آب گرفتگی در هر یک از مناطق به ازای بارش هر میلیمتر باران
به رغم اقدامات ستادی مدیریت شهری در روزهای بارانی، اما هم چنان ایجاد گره های ترافیکی یکی از معضلات پایتخت نشینان در روزهای بارانی است. هر چند کارشناسان ترافیک، توسعه ی حمل و نقل عمومی و استفاده ی شهروندان از وسایل نقلیه عمومی را تنها راه حل ممکن برای کاهش بار ترافیکی روزهای بارانی تهران می دانند، اما می توان با بهره گرفتن از داده های ذخیره شده در بانک داده سامانه ۱۳۷ و تحلیل رکوردهای مربوط به آب گرفتگی و آب افتادگی در سطح شهر، به پیش بینی تعداد تماس ها در هر منطقه پرداخت و با تجهیز اکیپ خدمات شهری متناسب با نیاز هر منطقه تا حدودی از بروز ترافیک ناشی از آب افتادگی در سطح شهر جلوگیری نمود. هم چنین می توان با دانستن تعداد تماس های آب گرفتگی در هر منطقه، متناسب با نیاز همان منطقه ماشین آلات، تجهیزات و پرسنل آماده به خدمت، اختصاص داد و از این رو از اتلاف منابع پرهیز و به ارائه خدمات مطلوب اقدام نمود.

در این بخش از دو تکنیک: مدل‌های خطی تعمیم یافته^[۶۴] و شبکه‌های عصبی^[۶۵] برای پیش بینی تعداد تماس‌های مربوط به آب گرفتگی با بهره گرفتن از میزان بارندگی در هر منطقه استفاده شده است. در پایان نتایج به دست آمده با یکدیگر مقایسه شده اند.
مدل تعمیم یافته خطی
برای آماده سازی داده ها در این بخش، جدولی شامل ستون های، تاریخ روز های سال ۸۹، منطقه، متوسط بارش و تعداد تماس های آب گرفتگی تهیه شد. مدل های تعمیم یافته خطی انعطاف پذیری بسیاری زیادی دارند و از این رو حائز اهمیت می باشند. هم چنین داده های دارای مشخصه های کیفی را نیز به خوبی پشتیبانی می کند.
در این مرحله داده ها ابتدا به نسبت ۴۰ و ۶۰ به دو دسته آزمایشی^[۶۶] و آموزشی^[۶۷] تقسیم شدند. تعداد تماس‌های مربوط به آب گرفتگی متغیر پاسخ (هدف) و میزان بارش باران به میلیمتر و منطقه تماس متغیرهای پیشگو ( ورودی) می‌باشند.
در ارائه ی نتایج، ابتدا شاخص‌هاس نیکویی برازش مدل و آزمون درست نمایی مدل برازش شده آورده می‌شود و سپس ضرایب مدل مورد بررسی قرار می‌گیرد.
جدول۴-۸: شاخص‌های نیکویی برازش