Propozycja systemu auto-negocjacji manewrów statków korzystającego z metod optymalizacji wielokryterialnej oraz Matematycznej Teorii Ewidencji

Szłapczyńska, J.

Powiadomienia systemowe

Sesja wygasła!
Sesja wygasła!

Artykuł - szczegóły

Tytuł artykułu

Propozycja systemu auto-negocjacji manewrów statków korzystającego z metod optymalizacji wielokryterialnej oraz Matematycznej Teorii Ewidencji

Autorzy

Szłapczyńska J.

Identyfikatory

Warianty tytułu

Proposal of a maneuver auto-negotiation system utilising multi-objective optimisation methods and Mathematical Theory of Evidence

Języki publikacji

Abstrakty

W artykule przedstawiono ogólną propozycję systemu auto-negocjacji manewrów statków, tj. systemu, w którym statki negocjują działania niezbędne do zażegnania sytuacji kolizyjnej, bez udziału zewnętrznych elementów systemu np. stacji VTS. Proponowany system wykorzystuje ewolucyjną metodę poszukiwania zbiorów bezpiecznych trajektorii wyposażoną w wielokryterialną funkcję celu. Umożliwia to poszukiwanie trajektorii, które równocześnie optymalizują kilka kryteriów, np. minimalizują łączną stratę drogi i maksymalizują współczynnik bezpieczeństwa. Dodatkowo rozwiązanie korzysta z Matematycznej Teorii Ewidencji (MTE) w celu kwantyfikacji niepewności danych wejściowych. Opisywane rozwiązanie rozbito na elementy składowe (rejestracja, akwizycja danych, negocjacja, wyznaczanie trajektorii oraz dystrybucja wyników), przedstawiono kluczowe aspekty z nim związane oraz zarysowano problematykę docelowego wdrożenia. Opis systemu uzupełniony został przez szczegółowy przegląd literatury problemu.

The paper presents a general proposal of manoeuvre auto-negotiation system i.e. system in which ships set the actions required to avoid collision situation without impact of any external system elements, such e.g. as a VTS station. The proposed system utilizes a method of evolutionary safe trajectory sets equipped with a multiobjective goal function. It allows to perform a multi-goal search where a few goals can be achieved the same time e.g. minimised total way loss and maximised safety index. Furthermore, the system exploits the Mathematical Theory of Evidence to quantify uncertainty related to the input data. The solution being described was split into basic components (registration, data acquisition, negotiation, trajectory search and result distribution). Its key elements have been presented, together with future development issues. The description has been supplemented by a detailed review of problem’s literature.

Słowa kluczowe

matematyczna teoria ewidencji statek system auto-negocjacji

mathematical theory of evidence ship Auto-Negotiation System

Wydawca

Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny

Czasopismo

Logistyka

Rocznik

2014

Tom

nr 6

Strony

10375--10384

Opis fizyczny

Bibliogr. 25 poz., rys., pełny tekst na CD 3

Twórcy

autor

Szłapczyńska J.

asiasz@am.gdynia.pl

Akademia Morska w Gdyni, Wydział Nawigacyjny, ZD Podstaw Informatyki i Sieci Komputerowych

Bibliografia

1. Brcko T., Svetak J., Fuzzy Reasoning as a Base for Collision Avoidance Decision Support System. Promet – Traffic&Transportation, Vol. 25, No. 6, str. 555-564, 2013.
2. Cheng, X., Liu, Z., Trajectory Optimization for Ship Navigation Safety Using Genetic Annealing Algorithm. ICNC 2007. Third International Conference on NaturalComputation. vol. 4, str. 385 – 392, 2007
3. COLREGS, Convention on the International Regulations for Preventing Collisions at Sea. International Maritime Organization, 1972 [z poprawkami z grudnia 2009].
4. Filipowicz W., Fuzzy Evidence Reasoning and Navigational Position Fixing. Recent Advances in Knowledge-based Paradigms and Applications, Advances in Intelligent Systems and Computing Volume 234, str. 87-102, Springer 2014.
5. Hornauer S., Decentralised Collision Avoidance in a Semi-collaborative Multi-agent System. Multiagent System Technologies, Lecture Notes in Computer Science, Volume 8076, str. 412415, Springer, 2013.
6. Hornauer S., Hahn A., Towards Marine Collision Avoidance Based on Automatic Route Exchange. Control Applications in Marine Systems, Volume 9, Part 1, str. 103-107, 2013.
7. Hu Q., Yang C., Chen H., Xiao B., Planned Route Based Negotiation for Collision Avoidance Between Vessels. TransNav, the International Journal on Marine Navigation and Safety of Sea Transportation, Vol. 2, No. 4, str. 363-368, AkademiaMorska w Gdyni,2008.
8. Ito, M., Feifei Z., Yoshida, N., Collision avoidance control of ship with genetic algorithm. Proceedings of the 1999 IEEE International Conference on Control Applications, vol. 2, str. 1791 – 1796, 1999.
9. Kolendo P., Śmierzchalski R., Jaworski B., Experimental Research on Evolutionary Path Planning Algorithm with Fitness Function Scaling for Collision Scenarios. TransNav, the International Journal on Marine Navigation and Safety of Sea Transportation, Vol. 5, No. 4, str. 489-495, AkademiaMorska w Gdyni, 2011.
10. Lazarowska A., Decision support system for collision avoidance at sea. PolishMaritimeResearch. Volume 19, Issue Special, str. 19–24, De Gruyter, 2012.
11. Lenart A., Wybrane problemy analizy i syntezy okrętowych systemów antykolizyjnych. Zeszyty Naukowe Politechniki Gdańskiej, nr 403, Budownictwo Okrętowe 44, 1986.
12. Lisowski J., Okrętowe systemy antykolizyjne, Wydawnictwo Morskie Gdańsk, 1981.
13. Pietrzykowski, Z. Magaj, J. Chomski, J., A navigational decision support system for sea-going ships. Pomiary, Automatyka, Kontrola, R. 55, nr 10, str. 860-863, Wydawnictwo PAK, 2009.
14. Statheros T., Howells G., McDonald Maier K., Autonomous Ship Collision Avoidance Navigation Concepts, Technologies and Techniques. The Journal of Navigation, 61(01), str. 129-142, Cambridge University Press, 2008.
15. Smierzchalski, R., Evolutionary trajectory planning of ships in navigation traffic areas. Journal of Marine Science and Technology, vol. 4, Issue 1, str. 1–6, Springer, 1999.
16. Szłapczyńska J., Multiobjective Approach to Weather Routing. TransNav, the International Journal on Marine Navigation and Safety of Sea Transportation, Vol. 1, No. 3, str. 273-278, AkademiaMorska w Gdyni, 2007.
17. Szłapczyński R., Solving Multi-Ship Encounter Situations by Evolutionary Sets of Cooperating Trajectories. TransNav, the International Journal on Marine Navigation and Safety of Sea Transportation, Vol. 4, No. 2, str. 185-190, AkademiaMorska w Gdyni, 2010.
18. Szlapczynski R., Szlapczynska J., On Evolutionary Computing in Multi-Ship Trajectory Planning. Applied Intelligence, Volume 37, Issue 2, str. 155-174, Springer, 2012.
19. Tam, C., Bucknall, R., Path-planning algorithm for ships in close-range encounters. Journal of Marine Science and Technology, vol. 15, Issue 4, str.395-407, Springer, 2010.
20. Tsou, M. C., Hsueh, C. K. The study of ship collision avoidance route planning by ant colony algorithm. Journal of Marine Science and Technology, 18(5), 746–756, Springer, 2010.
21. Xu Q., Zhang C., Wang N., Multiobjective Optimization Based Vessel Collision Avoidance Strategy Optimization. Mathematical Problems in Engineering, vol. 2014, Article ID 914689, str. 1-9, Hindawi Publishing Corporation, 2014.
22. Zaidi K.S., Jeoti V.,Awang, A., Wireless backhaul for broadband communication over Sea. 2013 IEEE Malaysia International Conference onCommunications (MICC), str. 298 – 303, IEEE, 2013.
23. Zeng X., Evolution of the safe path for ship navigation. Applied Artificial Intelligence. 17, str. 87–104, Taylor & Francis, 2003.
24. Żak B., Wybrane problemy syntezy antykolizyjnego systemu sterowania ruchem okrętu. Zeszyty Naukowe Akademii Marynarki Wojennej, Gdynia, 2001.
25. https://www.winncom.com/images/solutions/Cambium_Networks_PTP-RDB_Federal_BR.pdf

Typ dokumentu

Bibliografia

Identyfikator YADDA

bwmeta1.element.baztech-4e776dd3-b4f1-4495-a93a-0e1a46c15fac