System wspomagania decyzji wyboru jednostki nieratowniczej do

Transkrypt

System wspomagania decyzji wyboru jednostki nieratowniczej do
Andrzej Starosta
Akademia Morska w Gdyni
SYSTEM WSPOMAGANIA DECYZJI WYBORU
JEDNOSTKI NIERATOWNICZEJ DO AKCJI SAR
Z WYKORZYSTANIEM SIECI BAYESOWSKIEJ
Dzięki nowoczesnym systemom komunikacji informacja o statku w niebezpieczeństwie dociera
niezawodnie do wielu statków, które mogą pomóc. Nie wszystkie będą potrzebne, dlatego kapitan
statku w niebezpieczeństwie lub koordynator akcji SAR ma prawo wybrać najbardziej odpowiednie
jednostki do przeprowadzenia akcji ratunkowej. System wspomagania decyzji pozwoli to wykonać
bardzo szybko i obiektywnie. W artykule zaproponowano wykorzystanie sieci bayesowskiej do takiego
systemu i pokazano, jak istotne jest dokładne opracowanie wszystkich elementów sieci.
WPROWADZENIE
Zasada niesienia pomocy ludziom znajdującym się w niebezpieczeństwie na
morzu jest jedną z najstarszych morskich tradycji. Do czasu rozwinięcia się niezawodnych sposobów łączności jedynie statki znajdujące się blisko miejsca zdarzenia
mogły usłyszeć wołanie o pomoc i jej udzielić. Prawne zasady udzielania pomocy
ludziom na morzu zostały uregulowane już w konwencji brukselskiej z 1910 roku.
Międzynarodowa konwencja o bezpieczeństwie życia na morzu SOLAS’74 reguluje to zagadnienie w rozdziale V prawidło 33. Na ich podstawie zadanie kapitana
jednostki, która usłyszała wezwanie o pomoc jest proste: „podążać pełną prędkością na pomoc”.
Obecnie, kiedy system GMDSS zapewnia bardzo dobrą łączność, na wezwanie
o pomoc odpowiada wiele jednostek. Nie wszystkie jednak muszą być potrzebne.
Z tego powodu SOLAS określa: „2. Kapitan statku znajdującego się w niebezpieczeństwie lub zainteresowana służba poszukiwań i ratownictwa, po porozumieniu
się, jeżeli będzie to możliwe, z kapitanami statków, które odpowiedziały na wezwanie o pomoc, ma prawo zażądać pomocy jednego lub więcej takich statków,
jakie zostaną uznane za najbardziej przydatne do udzielenia pomocy, a kapitan lub
kapitanowie tych statków zobowiązanie są wykonać taki nakaz, podążając nadal
pełną prędkością na pomoc osobom znajdującym się w niebezpieczeństwie” [3].
106
ZESZYTY NAUKOWE AKADEMII MORSKIEJ W GDYNI, nr 69, czerwiec 2011
Dla kapitana statku w niebezpieczeństwie najodpowiedniejszy będzie statek,
który znajduje się najbliżej. Jednak koordynator akcji poszukiwania i ratowania
(SMC), który znajduje się w brzegowym centrum koordynacyjnym (RCC), dzięki
nowoczesnym systemom wymiany informacji ma pełniejszy obraz sytuacji w miejscu zdarzenia. Nie zawsze statek znajdujący się najbliżej jest najlepszy, a wybranie
jednostki, która zaraz sama może potrzebować pomocy, mogłoby bardzo skomplikować akcję SAR.
1. SIEĆ BAYESOWSKA DO OBLICZANIA PRZYDATNOŚCI STATKU
DO AKCJI SAR
Sieć bayesowska stanowi wygodne narzędzie, za pomocą którego w przejrzysty sposób można przedstawić rozwiązywany problem. Jest to metoda efektywna
przestrzennie, jak również obliczeniowo. Zapewnia naturalne modelowanie, gdyż
łatwiej oszacować prawdopodobieństwo warunkowe bezpośrednich zależności
niż koniunkcji wszystkich możliwych zdarzeń. Pozwala na dowolny kierunek
wnioskowania i czytelną prezentację wiedzy. Sieć można łatwo modyfikować
i dodawać nowe elementy.
Układając elementy sieci, wzięto pod uwagę:
• czy w określonych warunkach pogodowych statek będzie w stanie żeglować po
ustalonych kursach danego wzoru poszukiwań;
• czy statek będzie w stanie wykryć rozbitków, biorąc pod uwagę jego wymiary,
wyposażenie techniczne i liczbę obserwatorów;
• czy po znalezieniu rozbitków załoga będzie w stanie ich podjąć z wody na pokład jednostki;
• ile czasu zajmie jednostce dotarcie na miejsce akcji SAR;
• czy ewentualne uszkodzenie przewożonego ładunku może spowodować zagrożenie dla statku i środowiska morskiego.
Opierając się na powyższych elementach, przygotowano model sieci bayesowskiej pozwalającej określić przydatność danego statku do akcji SAR. Propozycję przedstawiono na rysunku 1.
Analizując dane potrzebne do obliczenia prawdopodobieństw poszczególnych
elementów sieci, stwierdzono, że znaczną ich część można uzyskać z systemu AIS.
Przekazuje on dane pozwalające wstępnie określić bezpieczeństwo statku w czasie
poszukiwań, takie jak wymiary jednostki i aktualną prędkość, pozycję pozwalającą
obliczyć czas potrzeby na przybycie na miejsce akcji, a także liczbę załogi znajdującej się na pokładzie oraz rodzaj statku i fakt przewożenia ładunków niebezpiecznych.
A. Starosta, System wspomagania decyzji wyboru jednostki nieratowniczej do akcji SAR z wykorzystaniem...
Typ statku
Parametry statku
107
Warunki meteo
Parametry fali
Liczba załogi
Wyposażenie
techniczne
Zdolność
obserwatora
Żurawie
pokładowe
Łódź ratownicza
Wyposażenie
ratownicze
Bezpieczeństwo na
kursach wzoru
poszukiwań
Uszkodzenie
ładunku
Zdolność do podjęcia
rozbitków
Zagrożenie dla
środowiska
Zdolność wykrycia
rozbitków
Przydatność do akcji
SAR
Czas przybycia
na miejsce akcji
Rys. 1. Przykład sieci bayesowskiej pozwalającej określić przydatność statku do akcji SAR
2. SPOSÓB OKREŚLENIA ZAGROŻENIA W CIĘŻKICH
WARUNKACH POGODOWYCH
Centralnym punktem sieci jest określenie prawdopodobieństwa, że w czasie
trwania akcji SAR statek będzie w stanie bezpiecznie płynąć na ściśle określonych
kursach danego wzoru poszukiwań. Wypadki morskie bardzo często zdarzają się
w sztormowych warunkach, w których statki muszą odpowiednio dobierać kurs
i prędkość w celu bezpiecznej nawigacji. Koordynator akcji musi sobie postawić
pytanie, czy dany statek jest w stanie wykonać zadanie w panujących warunkach
atmosferycznych.
Do określenia, czy statek jest bezpieczny na danym kursie, wykorzystano poradnik dla kapitanów statków handlowych, dotyczący unikania niebezpiecznych
sytuacji w niekorzystnych warunkach sztormowych, wydany przez IMO [4].
Na jego podstawie przygotowano algorytm i program pozwalający określić prawdopodobieństwo wystąpienia zagrożenia na danym kursie w zależności od warunków falowania i dokładności sterowania (rys. 2).
W rzeczywistości to kapitan, opierając się na swoim wykształceniu, doświadczeniu i znajomości statku, decyduje, czy jest on bezpieczny na danym kursie.
W celu określenia, czy tak jest, wybrano – bez konsultowania się z kapitanem –
oficjalne zalecenia, które mają pomóc kapitanowi w podjęciu takiej decyzji. Poradnik wykorzystuje porównanie kołysań własnych statku z okresem spotkaniowym
fali. Na podstawie wzoru (1) można obliczyć okres kołysań własnych statku.
108
ZESZYTY NAUKOWE AKADEMII MORSKIEJ W GDYNI, nr 69, czerwiec 2011
TR = 2 Bc
GM
(1)
gdzie:
L
c = 0,373 + 0,023 Bd − 0,043 100
,
L
B
d
GM
(2)
– długość statku [m],
– szerokość statku [m],
– aktualne maksymalne zanurzenie [m],
– aktualna wysokość metacentyczna [m].
Większość tych danych jest również dostępna dzięki systemowi AIS. Jedynym
parametrem, którego nie zna koordynator, jest wysokość metacentryczna.
START
Parametry statku:
L – długość między pionami
B – szerokość statku
d – aktualne zanurzenie
GM – aktualna wysokość
metacentrycza
V – aktualna prędkość
Obliczenie
okresu kołysań
własnych statku
TR
1
Parametry
falownia:
135° < α < 225°
Lw – długość fali
lub
Tw – okres fali
Hw – wysokość fali
V >
Kurs
względem
fali
T
T
SURF RIDING
N
0,6L < LW < 2,3L
T
Krytyczne
POGORSZENIE
STATECZNOŚCI
N
LW > 0,8L
and
Hw > 0,04L
N
TE ~
~ TR
T
N
Kołysanie
PARAMETRYCZNE
1, 8 L
cos(180 − α )
α
TE
T
KURS BEZPIECZNY
T
Obliczenie okresu
spotkaniowego
Kołysanie
SYNCHRONICZNE
N
TE ~
~ 0,5 TR
KURS BEZPIECZNY
N
1,8Tw < TE < 3,0Tw
T
FALE GRUPOWE
1
Rys. 2. Algorytm określania zagrożenia na danym kursie względem fali
3. PRZYKŁAD WYKORZYSTANIA UPROSZCZONEJ SIECI
Do obliczeń przyjęto dane statków znajdujących się na Morzu Bałtyckim, które miały być wykorzystane w hipotetycznej akcji ratunkowej. Stosując uproszczoną
sieć bayesowską, określono przydatność jednostek do akcji SAR [6]. Rozmieszczenie jednostek i ich ocenę przedstawiono na rysunku 3.
109
A. Starosta, System wspomagania decyzji wyboru jednostki nieratowniczej do akcji SAR z wykorzystaniem...
Rys. 3. Statki na Morzu Bałtyckim [9] i ocena ich przydatności do akcji SAR
W przedstawionym przypadku przy określaniu przydatności statków brano
pod uwagę jedynie zdolność do wykonania poszukiwań wzorem powiększającego
się kwadratu. Nie uwzględniono odległości statku od miejsca zdarzenia ani innych
elementów sieci.
Do dalszej analizy wybrano trzy jednostki:
• „Krasnodar” – tankowiec z najwyższą oceną, ale znajdujący się w odległości
6 godzin żeglugi od miejsca zdarzenia;
• „Aleksand Sibirakov” – statek handlowy inny niż tankowiec, z bardzo dobrą
oceną, znajdujący się w odległości 3,5 godziny żeglugi od miejsca zdarzenia;
• „Granit” – statek typu AHTS – znajdujący się w odległości 1,5 godziny żeglugi
od miejsca zdarzenia, ale – zgodnie z wcześniejszymi obliczeniami – o niewielkiej przydatności.
Dane jednostek uzyskane z systemu AIS oraz założoną wysokość metacentryczną przedstawiono w tabeli 1.
Tabela 1
Dane statków uwzględnionych w obliczeniach
Nazwa
Typ statku
L
B
d
SOG
GM
[m]
[m]
[m]
[kn]
[m]
„Krasnodar”
Tanker
249
44
11,8
14,4
1,5
„Aleksand Sibirakov”
Cargo
132
19
6,1
12,5
0,5
„Granit”
AHTS
64
14
5,5
9,1
1,5
110
ZESZYTY NAUKOWE AKADEMII MORSKIEJ W GDYNI, nr 69, czerwiec 2011
Do obliczeń wykorzystano również uproszczoną sieć bayesowską, w której na
nowo określono bezpieczeństwo jednostek, stosując różne wzory poszukiwań [2]:
• SS – metoda powiększającego się kwadratu – cztery kursy, na których statek
przebywa taką samą ilość czasu;
• PS – poszukiwanie trasami równoległymi – trzy kursy: dwa kontrkursy, na których statek przebywa dłuższy okres, i kurs łączący oba odcinki, na którym statek przebywa krótko;
• VS – poszukiwanie sektorowe – trzy kursy, na których statek przebywa taką
samą ilość czasu.
W obliczeniach uwzględniono błąd sterowania w zakresie od 0° do 3°. Założono prawdopodobieństwo wystąpienia fal o danym okresie w czasie trwania akcji
takie samo dla wszystkich jednostek. Obliczenia wykonano za pomocą programu
GeNIe [1]. Wykorzystaną sieć przedstawiono na rysunku 4.
Rys. 4. Sieć wykorzystana do obliczeń – program GeNIe [1]
Przeprowadzając na nowo obliczenia i uwzględniając jedynie bezpieczeństwo
jednostki na danym wzorze poszukiwań, uzyskano wyniki pokrywające się z wcześniejszą oceną. Wyniki wyliczeń przedstawiono w tabeli 2.
Tabela 2
Przydatność jednostek do akcji SAR z uwzględnieniem jedynie bezpieczeństwa
podczas poszukiwań
Metoda SS [%]
Metoda PS [%]
Metoda VS [%]
„Krasnodar”
Nazwa statku
87
76
84
„Aleksand Sibirakov”
62
41
61
„Granit”
47
41
50
A. Starosta, System wspomagania decyzji wyboru jednostki nieratowniczej do akcji SAR z wykorzystaniem...
111
Po uwzględnieniu pozycji jednostki w momencie odpowiedzi na usłyszane
wołanie o pomoc i czasu potrzebnego do dotarcia na miejsce zdarzenia wyniki
znacznie się zmieniły. Przedstawiono je w tabeli 3. Przy takich wyliczeniach najlepszy byłby statek handlowy „Aleksand Sibirakov”. Należy zauważyć, że bardzo
poprawiła się ocena statku „Granit”, choć nadal miał on najniższe notowania. Gdyby rozwinięto sieć o kolejny ważny element, jakim jest możliwość podjęcia rozbitków z wody, jednostka AHTS jeszcze bardziej zyskałaby w końcowej ocenie.
Tabela 3
Przydatność jednostek do akcji SAR z uwzględnieniem czasu dojścia na miejsce akcji
Metoda SS [%]
Metoda PS [%]
Metoda VS [%]
„Krasnodar”
Nazwa statku
82
74
80
„Aleksand Sibirakov”
95
95
95
„Granit”
68
65
70
PODSUMOWANIE
W artykule przedstawiono metodę oceny przydatności jednostki handlowej do
akcji poszukiwania i ratowania SAR z użyciem sieci bayesowskiej. Do określenia
prawdopodobieństwa zagrożenia jednostki podczas wykonywania danego wzoru
poszukiwań wykorzystano poradnik dla kapitanów, zatwierdzony przez IMO.
Przedstawiono model rozbudowanej sieci bayesowskiej, która uwzględniałaby
wiele aspektów oceny danego statku.
W przykładowych obliczeniach zastosowano jedynie uproszczoną wersję sieci, aby wskazać, jak istotne jest wykorzystanie większej liczby jej elementów.
Uwzględnienie tylko aspektu czasu potrzebnego do przybycia na miejsce akcji
w znaczący sposób wpłynęło na ocenę poszczególnych jednostek.
Potrzebna jest dalsza praca nad określeniem wszystkich elementów sieci i ich
zależności. Automatyzując obliczenia, można uzyskać narzędzie doradcze, które
wykorzystując dane z systemu AIS, pozwoli w jasny sposób wykazać przydatność
poszczególnych jednostek do akcji SAR. Narzędzie to może wspomagać nie tylko
koordynatora akcji, ale również kapitanów jednostek udających się z pomocą oraz
kapitana statku znajdującego się w niebezpieczeństwie.
112
ZESZYTY NAUKOWE AKADEMII MORSKIEJ W GDYNI, nr 69, czerwiec 2011
LITERATURA
1. GeNIe 2.0, http://genie.sis.pitt.edu.
2. International Aeronautical and Maritime Search and Rescue Manual, IMO/ICAO, London/
/Montreal 1999.
3. Międzynarodowa konwencja o bezpieczeństwie życia na morzu, 1974 – SOLAS ’74, tekst jednolity, 2006, PRS 2006.
4. MSC.1/Circ. 1228 Revised guidance to the master for avoiding dangerous situations in adverse
weather and sea conditions.
5. Starosta A., Application of Bayesian network to estimate merchant ship usability for SAR action,
Journal of KONES, vol. 13, no. 3.
6. Starosta A., Estimation merchant ship usability for SAR action based on information from AIS
system, Scientific Journals Maritime University of Szczecin 2010, 20(92).
7. Starosta A., Usage of AIS information to estimate merchant ship usability for SAR action,
Proceedings of XIII International Scientific and Technical Conference on Marine Traffic
Engineering, Malmo (Sweden) 2009.
8. Starosta A., Zakłócenia transportu morskiego – ciężkie warunki pogodowe – sposób oceny,
Logistyka, 2009, nr 4.
9. www.marinetraffic.com
DECISION SUPPORT SYSTEM WITH BAYESIAN NETWORK APPLICATION
FOR SELECTION MERCHANT SHIP FOR SAR ACTION
Summary
Thanks to modern communication devices a lot of ships are informed about distress situation in
the area. Not all of them will be necessary for rescue action and the master of ship in distress or the
SAR mission coordinator (SMC) has the right to requisition one or more of those ships as the master
of the ship in distress or SMC considers best able to render assistance. Decision Support System
allows to make this selection on the basis of objective criteria and very fast. The paper presents
proposition of usage Bayesian network for the DSS and shows how important is the study of all nodes
of the network.

Podobne dokumenty