Ewolucyjne planowanie bezpiecznych trajektorii statków oparte na zmodyfikowanym diagramie Cockcrofta

• Autorzy: Szłapczyński R.

Warianty tytułu

EN

Evolutionary planning of safe ship tracks based on a modified Course Alteration Diagram

• Języki publikacji: PL

Abstrakty

PL

Artykuł przedstawia kontynuację badań autora nad planowaniem bezpiecznych trajektorii statków za pomocą algorytmów ewolucyjnych. Prezentowana metoda poszukuje optymalnego zbioru bezpiecznych trajektorii wszystkich statków biorących udział w spotkaniu. Bieżąca wersja metody zakłada ograniczoną widoczność i obowiązywanie Prawidła 19 Międzynarodowych Przepisów o Zapobieganiu Zderzeniom na Morzu (MPZZM) zamiast Prawideł 11 – 18. Artykuł skupia się na zapewnieniu zgodności wyników z Prawidłem 19, oraz z jego interpretacją [2]. Zawiera on opis sposobów wykrywania i usuwania naruszeń Prawidła 19 oraz wyniki komputerowych symulacji przeprowadzonych dla wód otwartych oraz ograniczonych. Wyniki potwierdzają skuteczność metody i możliwość zastosowania jej w pokładowym systemie wspomagania decyzji nawigatora.

EN

The paper presents the continuation of the author’s research on ship track planning by means of Evolutionary Algorithms (EA). The method uses EA to search for an optimal set of safe tracks for all ships involved in an encounter. The current version of the method assumes restricted visibility, when Rule 19 of COLREGS [4] applies instead of Rules 11 to 18. Therefore this paper focuses on compliance with Rule 19 and its implications discussed in [2]. It includes descriptions of detecting and eliminating violations of Rule 19 as well as sample results of computer simulation tests carried out for ship encounters in restricted visibility on both open and restricted waters. They confirm the effectiveness of the chosen approach and suggest that the method could be applied in on-board decision support systems.

Słowa kluczowe

PL

ograniczona widoczność; algorytmy ewolucyjne; manewry antykolizyjne; diagram Cockcrofta

EN

restricted visibility; evolutionary algorithms; collision avoidance manoeuvres; course alteration diagram

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2014
• Tom: nr 4
• Opis fizyczny: Bibliogr. 17 poz., rys., pełen tekst na CD

Twórcy

autor

Szłapczyński R.

• Politechnika Gdańska, Wydział Oceanotechniki i Okrętownictwa, Katedra Mechatroniki Morskiej

Bibliografia

• [1] Cheng, X. and Liu, Z. (2007). Trajectory Optimization for Ship Navigation Safety Using Genetic Annealing Algorithm.. Proceedings of ICNC 2007 Third International Conference on Natural Computation, 4, 385 – 392.
• [2] Cockcroft, A.N. and Lameijer, J.N.F. (2011). A Guide to Collision Avoidance Rules. Butterworth-Heinemann.
• [3] Coldwell, T.G. (1983). Marine Traffic Behaviour in Restricted Waters. The Journal of Navigation. 36, 431-444.
• [4] COLREGS. (1972 [z poprawkami z 2009 r,]). Convention on the International Regulations for Preventing Collisions at Sea. International Maritime Organization, London.
• [5] Ito, M., Feifei Z., Yoshida, N. (1999). Collision avoidance control of ship with genetic algorithm. Proceedings of the 1999 IEEE International Conference on Control Applications, vol. 2, 1791 - 1796.
• [6] Lisowski, J. (2007). The Dynamic Game Models of Safe Navigation, International Journal on Marine Navigation and Safety of Sea Transportation, 1, no. 1.
• [7] Lisowski, J. (2012). The Sensitivity of Safe Ship Control in Restricted Visibility at Sea, International Journal on Marine Navigation and Safety of Sea Transportation, 6, no. 1.
• [8] Michalewicz, Z. and Fogel, D.B. (2004). How To Solve It: Modern Heuristics. Springer-Verlag.
• [9] Smierzchalski, R. and Michalewicz, Z. (2000). Modelling of a Ship Trajectory in Collision Situations at Sea by Evolutionary Algorithm, IEEE Transactions on Evolutionary Computation. No. 3 Vol. 4, 227-241.
• [10] Statheros, T., Howells, G. and McDonald-Maier, K. (2008). Autonomous Ship Collision Avoidance Navigation Concepts, Technologies and Techniques, The Journal of Navigation, 61, 129–142.
• [11] Szlapczynski R.(2006). A unified measure of collision risk derived from the concept of a ship domain, The Journal of Navigation., 59, 477-490.
• [12] Szlapczynski, R. (2012). Evolutionary Sets of Safe Ship Trajectories Within Traffic Separation Schemes. The Journal of Navigation. 66, 65-81.
• [13] Tam, C.K. and Bucknall, R. (2010). Path-Planning Algorithm for Ships in Close-Range Encounters. Journal of Marine Science Technology. 15, 395–407.
• [14] Tsou, M. C. and Hsueh, C. K. (2010). The Study of Ship Collision Avoidance Route Planning by Ant Colony Algorithm. Journal of Marine Science and Technology. 18(5), 746–756.
• [15] Tsou, M. C., Kao, S.-L. and Su, C.-M. (2010). Decision Support from Genetic Algorithms for Ship Collision Avoidance Route Planning and Alerts. The Journal of Navigation, 63, 167–182.
• [16] Yang L.L., Cao S.- H. and Li B.Z. (2006). A Summary of Studies on the Automation of Ship Collision Avoidance Intelligence. Journal of Jimei University (Natural Science), 2.
• [17] Zeng X. (2003). Evolution of the Safe Path for Ship Navigation. Applied Artificial Intelligence. 17, 87–104.