بهینه سازی مکان ایستگاه های رادار VTS با در نظر گرفتن انسداد محیطی و تضعیف رادار

نظارت بر ترافیک آبراهی یک محتوای مهم در مدیریت ترافیک آبراه است. با در نظر گرفتن اینکه تعداد مناطق آبی نظارت شده در حال رشد است و توانایی های مدیریت ترافیک آبراه در وضعیت فعلی در چین ناکافی است، این مقاله بهینه سازی مکان ایستگاه رادار سرویس ترافیک کشتی (VTS) را بررسی می کند. در طول فرآیند تحقیق، تضعیف رادار و انسداد محیطی، و همچنین شعاع پوشش متغیر و پوشش چندگانه، همگی در نظر گرفته می‌شوند. از نظر پدیده تضعیف رادار در فرآیند انتشار و موانعی مانند کوه ها و جزایر در دنیای واقعی، روش های قضاوت و ارزیابی در یک فضای سه بعدی پیشنهاد شده است. علاوه بر این، یک مدل ریاضی دوهدفه سپس توسعه می‌یابد، و همچنین یک الگوریتم بهینه سازی ازدحام ذرات استراتژی تطبیقی اصلاح شده. در نهایت، یک مثال عددی و یک مورد برای بررسی اثربخشی روش‌ها، مدل و الگوریتم پیشنهادی ارائه می‌شود. نتایج نشان می‌دهد که روش‌ها، مدل و الگوریتم پیشنهادی در این مقاله می‌تواند مدل را به طور موثر حل کند و روشی برای بهینه‌سازی مکان ایستگاه رادار VTS در عمل ارائه دهد.

کلید واژه ها:

بهینه سازی مکان ؛ ایستگاه رادار VTS ; شعاع پوشش متغیر ; انسداد محیطی ; تضعیف رادار

۱٫ مقدمه

توسعه سریع حمل و نقل دریایی، تعداد شناورهای فعال در آبراه ها را افزایش داده است. تا سال ۲۰۲۰، چین در حال حاضر ۱۳۱۵۵۵ کشتی حمل و نقل غیرنظامی دارد که شامل ۱۲۱۴۴۰ کشتی موتوری و ۱۰۱۱۵ بارج است [ ۱ ، ۲ ]. در نتیجه، تعداد تصادفات مربوط به ترافیک آبراه نیز در حال افزایش است. به عنوان مثال، در سال ۲۰۱۹، ۱۳۷ حادثه رانندگی در آبراه در چین رخ داد که منجر به ۱۵۵ کشته یا ناپدید شدن و ۴۶ کشتی غرق شد، با زیان اقتصادی مستقیم ۱۷۹٫۸۷ میلیون یوان (حدود ۲۷٫۸۴ میلیون دلار آمریکا) [ ۲ ] . برای اطمینان از ایمنی کشتی های بادبانی، مقامات دریایی به طور فزاینده ای به خدمات ترافیک کشتی (VTS) برای تنظیم ترافیک دریایی اعتماد کرده اند [ ۳ ]]. سازمان بین‌المللی دریانوردی و انجمن بین‌المللی کمک‌های دریایی به مقامات ناوبری و فانوس دریایی، خدمات ترافیک شناورها را به عنوان تسهیلاتی مبتنی بر ساحل تعریف کرده‌اند که کشتی‌های دریانوردی را نظارت می‌کند و ایمنی دریایی را از طریق استفاده از امکانات ارتباطی مانند سیستم شناسایی خودکار، ایستگاه رادار، تضمین می‌کند. تلویزیون مدار بسته و فرکانس بسیار بالا. به طور معمول، یک سیستم VTS شامل یک مرکز کنترل VTS و چندین یا چند ایستگاه رادار VTS است. چین در حال حاضر تقریباً ۵۰ مرکز VTS و ۲۰۰ ایستگاه رادار VTS دارد [ ۲]. به طور کلی، در چین، دفاتر دریایی منطقه ای سیستم VTS را اداره و نگهداری می کنند. دفاتر دریایی منطقه‌ای می‌توانند از مرکز VTS برای انتشار مؤثر اطلاعات به ایستگاه‌های رادار استفاده کنند و از ایمنی ناوبری کشتی اطمینان حاصل کنند. بر اساس قانون ایمنی ترافیک دریایی جمهوری خلق چین، قانون حفاظت از محیط زیست دریایی جمهوری خلق چین و قوانین نظارت و مدیریت ایمنی برای سیستم VTS جمهوری خلق چین، هر دفاتر دریایی منطقه ای موارد مربوطه را پیشنهاد می کنند. قوانین نظارت و مدیریت ایمنی برای سیستم VTS، که رفتارهای کشتی را در زمینه های مختلف از جمله گزارش کشتی، مدیریت ترافیک کشتی و ایمنی کشتی تنظیم می کند. علاوه بر این، سیاست ها، دستورالعمل ها و اقدامات تنبیهی مربوطه صادر می شود. با این حال، با افزایش تعداد و اندازه کشتی‌های بادبانی مورد استفاده در حمل‌ونقل آبی، سیستم‌های VTS فعلی برای برآوردن نیازهای نظارت کافی نیستند و ساختن سیستم‌های VTS بیشتر برای رفع نیازهای به سرعت در حال توسعه بسیار مهم است. از آنجا که سیستم VTS عمدتاً به ایستگاه رادار برای ردیابی کشتی ها متکی است، مکان ایستگاه رادار تأثیر قابل توجهی بر کارایی و اثربخشی کلی سیستم دارد.۴ ]. در نتیجه، انجام تحقیقات در مورد بهینه‌سازی ایستگاه رادار VTS برای افزایش قابلیت سیستم برای اطمینان از ایمنی ناوبری کشتی حیاتی است.

با این حال، موانع موجود در محیط جغرافیایی دنیای واقعی، مانند جنگل‌ها، جزایر و کوه‌ها، مانع از انتقال امواج الکترومغناطیسی ساطع شده توسط رادار VTS می‌شوند که بر عملکرد نظارتی رادار تأثیر می‌گذارد. از این پدیده در این مطالعه انسداد محیطی یاد می شود. علاوه بر این، امواج الکترومغناطیسی هنگامی که از طریق موادی مانند آب و هوا منتشر می شوند ضعیف به نظر می رسند که بر عملکرد نظارت رادار VTS تأثیر می گذارد. این دو عامل در فرآیند بهینه‌سازی مکان در این تحقیق در نظر گرفته شده‌اند. در نتیجه در این مقاله به سه سوال زیر پرداخته خواهد شد:

چگونه می توان تضعیف امواج الکترومغناطیسی را اندازه گیری کرد و با تغییر فاصله بین آنها تمایل به میرایی چگونه است؟

چگونه می توانیم تشخیص دهیم که انسداد محیطی رخ می دهد یا خیر و چگونه می توانیم انسداد محیطی را ارزیابی کنیم؟

مکان ایستگاه رادار VTS چگونه باید بهینه شود؟

برای حل این سؤالات، این مقاله روش‌هایی را برای ارزیابی تضعیف و قضاوت انسداد محیطی پیشنهاد می‌کند. برای شروع، تابع تضعیف برای ارزیابی تأثیر پدیده تضعیف معرفی شده است. سپس روش قضاوت انسداد محیطی با هندسه فضایی در ریاضیات مورد بررسی قرار می گیرد که در یک سیستم هماهنگ سه بعدی به دست می آید. علاوه بر این، یک مدل ریاضی دوهدفه ساخته شده است و یک الگوریتم اصلاح شده استراتژی تطبیقی ازدحام ذرات (ASPSO)برای حل این مدل طراحی شده است. علاوه بر این، یک مثال عددی برای نشان دادن اثربخشی روش‌ها، مدل و الگوریتم پیشنهادی ارائه شده است. بخش های زیر به صورت زیر سازماندهی شده اند. بخش ۲ ادبیات مرتبط را مرور می کند. که دردر بخش ۳ ، مشکل و روش های پیشنهادی را بیان می کنیم. بخش ۴ شامل مقدمه ای بر الگوریتم است. بخش ۵ از یک مثال عددی برای آزمایش و تأیید استفاده می کند. در نهایت، بخش ۶ نتیجه گیری و جهت گیری تحقیقات بیشتر را خلاصه می کند.

۲٫ آثار مرتبط

طبق اطلاعات ما، مطالعات کمی در مورد مکان بهینه ایستگاه رادار VTS وجود دارد. با این وجود، تلاش‌های بیشتری بر روی سیستم‌های خدمات ترافیک کشتی از دیدگاه‌های مختلف ادامه دارد. علاوه بر این، در اصل، نتیجه بهینه‌سازی مکان ایستگاه راداری VTS، تصمیم‌گیری برای مکان‌یابی مجموعه‌ای از ایستگاه‌های رادار تحت برخی محدودیت‌ها و عملکردهای هدف است. در نتیجه، مشکل مورد مطالعه در این مقاله مشابه مشکل مکان یابی تسهیلات (FLP) است. علاوه بر این، مروری سریع بر آثار مرتبط از این دو منظر خواهیم داشت.

نشریات در مورد سیستم های خدمات ترافیک کشتی را می توان به موارد مربوط به سیستم VTS و موارد مربوط به اپراتورهای VTS طبقه بندی کرد. VTS یک مرکز خدمات عمومی است که برای افزایش رفاه اجتماعی اختصاص یافته است. در ابتدا، بخش های متعددی از تحقیقات بر روی خواسته ها و نتایج توسعه VTS، و همچنین تجزیه و تحلیل سود-هزینه تمرکز داشتند [ ۵ ]. سپس برای تقویت قابلیت های نظارت VTS، مطالعات اضافی بر اضافه کردن سیستم ها یا تجهیزات به VTS یا طراحی سیستم های مبتنی بر VTS متمرکز است. کائو، لی، چانگ و کو [ ۶ ] و سو، چانگ، و چنگ [ ۷ ] با استفاده از سیستم هشدار برخورد VTS، یک رویکرد انتخاب اجتناب از برخورد کشتی جدید ارائه کردند. تسو. چنگ، ام [ ۸ ، ۹] از تکنیک‌های داده‌کاوی، تکنیک‌های انبار داده و فناوری‌های فرآیند تحلیلی آنلاین برای بهبود توانایی‌های تحلیل و تصمیم‌گیری VTS و همچنین ارائه منابع برنامه‌ریزی استراتژیک مفید به مدیران ترافیک دریایی استفاده کرد. با این حال، با افزایش تعداد کشتی‌ها و جریان ترافیک کشتی‌ها، سیستم‌های VTS که قبلاً ساخته شده‌اند ممکن است برای برآورده کردن معیارهای نظارتی ایمنی دریایی فعلی کافی نباشند، و تحقیقات بیشتری در مورد چگونگی هدایت توسعه VTS انجام می‌شود [ ۱۰ ]. کارهای مرتبط در مورد اپراتورهای VTS بر روی محتوای کاری و عملکرد اپراتور [ ۱۱ ، ۱۲ ، ۱۳ ، ۱۴ ] و همچنین وضعیت کاری اپراتور [ ۱۵ ] تمرکز دارد.]. حتی اگر اپراتورهای یک VTS منفرد عملکرد تحسین برانگیزی داشته باشند، یک سیستم VTS واحد برای ایجاد یک اثر نظارتی سطح بالا در کل منطقه دریا کافی نیست. در نتیجه، همکاری بین اپراتورها در VTS های مختلف یا بین اپراتورها و کاپیتان ها باید بررسی شود [ ۱۶ ، ۱۷ ]. علاوه بر این، با افزایش جریان ترافیک کشتی، اپراتورهای VTS ملزم به انجام عملیات پیچیده و مکرر برای اطمینان از ایمنی دریایی خواهند بود. بنابراین، مطالعات بیشتر بر خستگی اپراتور ناشی از کار طاقت فرسا [ ۱۸ ]، ارزیابی بار کاری شناختی اپراتور [ ۱۹ ]، و تغییر چرخشی تطبیقی برای اپراتورها [ ۲۰ ] تمرکز دارند.] برای کاهش محیط کاری پر استرس ناشی از افزایش جریان ترافیک کشتی. به طور کلی، رادار با انتشار امواج الکترومغناطیسی و شناسایی امواج منعکس شده توسط جسم تحت نظارت کار می کند. هنگامی که امواج الکترومغناطیسی در محیط های پیچیده حرکت می کنند، باعث فرآیندهای انتشار مانند بازتاب، شکست، دور زدن و پراکندگی می شوند [ ۲۱ ]. با توجه به ماهیت تصادفی مکانیسم انتشار امواج الکترومغناطیسی، محققان طیف وسیعی از مدل‌های انتشار را برای پیش‌بینی دقیق انتشار امواج رادیویی ایجاد کرده‌اند. مدل‌های انتشار امواج الکترومغناطیسی معمولاً به سه دسته تقسیم می‌شوند: مدل‌های کاملاً تجربی، مدل‌های نیمه تجربی و نیمه قطعی، و مدل‌های قطعی [ ۲۲ ].]. مدل های کاملا تجربی مدل هایی هستند که بر اساس داده های تجربی هستند. با توجه به تعداد محدودی از عوامل به کار گرفته شده، این مدل ها ساده هستند اما خیلی دقیق نیستند. علاوه بر این، معمولاً مدل‌های کاملاً تجربی در محیط کلان سلولی اعمال می‌شوند. اینها شامل مدل های هاتا و اوکومورا و همچنین مدل مد COST-231 Hata [ ۲۳ ، ۲۴ ، ۲۵ ، ۲۶ ] می شود. از سوی دیگر، مدل های قطعی بسیار دقیق هستند. Ray Tracing و مدل Ikegami دو نمونه هستند [ ۲۷ , ۲۸ , ۲۹ ]. مدل های نیمه تجربی و نیمه قطعی هم داده های تجربی و هم عناصر قطعی را در بر می گیرند. Cost-231 مدل Walfisch-Ikegami یک مدل نیمه تجربی است [ ۳۰]. همه این مدل ها میانگین تلفات مسیر را بر اساس پارامترهایی مانند ارتفاع آنتن فرستنده و گیرنده، فاصله بین آنها و غیره تخمین می زنند. این مدل ها به دقت در زمینه شبکه های تلفن همراه ارزیابی شده اند. اکثر این مدل‌ها از طریق ارزیابی روشی داده‌های اندازه‌گیری جمع‌آوری‌شده در منطقه خدمات ساخته می‌شوند.

مشکلات مکان یابی تسهیلات شامل انتخاب مکان ایده آل یا ترکیب مکان برای تسهیلات است [ ۳۱ ]. در مطالعه قبلی کاربردهای زیادی وجود داشت، از جمله انبارها، مراکز توزیع، و لوازم اضطراری [ ۳۲ ]. علاوه بر این، مقادیر زیادی از مدل های مکان پیشنهاد شده است. با توجه به اصل تکنیک مکان یابی، مشکلات موجود در این نشریات را می توان به مسائل p-medium، مسائل p-center و مسائل پوششی طبقه بندی کرد [ ۳۳ ] .]. با توجه به اینکه رادار در یک الگوی دایره ای کار می کند، به نظر می رسد معقول است که یک مدل مکان پوشش را در برنامه ریزی ایستگاه های رادار VTS بگنجانیم. علاوه بر این، دو نوع مشکل پوشش وجود دارد: مشکلات پوشش مجموعه و مشکلات پوشش حداکثر. در حالی که در شرایط تعداد نامحدود تسهیلات، اولی به دنبال پوشش کامل یا درصد معینی برای پوشش نقاط تقاضا است، در شرایط تعداد محدودی از تسهیلات، دومی به دنبال حداکثر پوشش برای پوشش نقاط تقاضا است [ ۳۴ ]. علاوه بر این، بسیاری از مسائل مکان یابی تسهیلات بر اساس مدل پوشش بررسی شده است. برای بهینه سازی مکان سه سطح زایشگاه های موجود در فرانسه، بارای و کلیکت [ ۳۵] یک مدل تخصیص مکان سلسله مراتبی ارائه می کند که یک مدل پوشش حداکثر و مدل های مرکز p را ترکیب می کند. بر اساس مدل پوشش ست، ویرا، فراری و ریبیرو و همکاران. [ ۳۶ ] تعداد و موقعیت مناسب ایستگاه های شمارش را برای پوشش یک شبکه جاده ای برای به دست آوردن جریان ترافیک تعیین کرد. انواع روش ها و الگوریتم های محاسبه برای حل مدل های ذکر شده در بالا توسعه داده شده است. الگوریتم های اکتشافی و تکنیک های دقیق دو نوع هستند [ ۳۷ ]. الگوریتم ژنتیک (GA) [ ۳۸ ]، بهینه سازی ازدحام ذرات (PSO) [ ۳۹] و الگوریتم بهینه سازی کلونی مورچه ها (ACO) نمونه هایی از الگوریتم های اکتشافی هستند. آرامش لاگرانژی، شاخه و کران، روش تجزیه بندر، و الگوریتم‌های حل دقیق‌تر در دسترس هستند [ ۴۰ ].

همانطور که مشاهده می شود، کمبود تحقیقات در مورد بهینه سازی مکان ایستگاه رادار VTS وجود دارد، اکثر مقالات مربوط به خدمات ترافیک کشتی به سیستم ها و اپراتورهای VTS اختصاص داده شده است. با توجه به اینکه مسئله بهینه‌سازی مکان ایستگاه رادار VTS نیز یک مسئله مکان‌یابی تسهیلات است، این مقاله مدل پوشش را برای مطالعه مسئله بهینه‌سازی مکان اتخاذ می‌کند. با این حال، اکثر مشکلات مکان یابی تسهیلات در فضای دو بعدی حل می شوند، بنابراین، کمک به ادبیات موجود از مناطق زیر انجام می شود.

روشی برای قضاوت انسداد محیطی ناشی از موانع در فضای سه بعدی پیشنهاد شده است.
روشی برای ارزیابی تضعیف رادار در فضای سه بعدی پیشنهاد شده است.
با در نظر گرفتن این واقعیت که رادار به صورت دایره ای کار می کند، یک مدل بهینه سازی مکان ایستگاه راداری VTS بر اساس مدل پوشش ساخته شده است.

۳٫ شرح مشکل

در این بخش مشکل برنامه ریزی مکان ایستگاه رادار VTS مورد بحث قرار می گیرد. همانطور که قبلاً بحث شد، انسداد محیطی و تضعیف رادار تأثیر قابل توجهی بر تصمیم برنامه ریزی مکان دارد. از این رو، روش های ارزیابی انسداد محیطی و تضعیف رادار نیز در این بخش پیشنهاد شده است.

۳٫۱٫ شرح مشکل

رادار VTS با آزاد کردن موج الکترومغناطیسی و گرفتن موج منعکس شده توسط منطقه آبی نظارت شده مربوطه برای انجام عملکرد نظارت عمل می کند. با توجه به این واقعیت که ایستگاه‌های رادار VTS اغلب در فضای باز قرار دارند، این مقاله مدل انتشار Okumura-Hata را برای شبیه‌سازی فرآیند انتشار الکترومغناطیسی ایستگاه‌های رادار VTS معرفی می‌کند. در دنیای واقعی، ارتفاع مؤثر ایستگاه‌های رادار VTS و فاصله ارتباطی نیز با شرایط قابل اجرا مدل انتشار Okumura-Hata سازگارتر است. با این حال، به دلیل محدودیت طول موج امواج الکترومغناطیسی، هر نوع رادار VTS دارای حداقل شعاع نظارت r و حداکثر شعاع نظارت R خواهد بود.. هنگامی که فاصله بین ایستگاه رادار VTS و منطقه آبی تحت نظارت کمتر یا مساوی با حداقل شعاع یا بزرگتر یا مساوی با حداکثر شعاع باشد، رادار VTS قادر به نظارت موثر اجسام نیست. در همین حال، موانعی مانند کوه ها و جنگل ها توانایی نظارت ایستگاه رادار VTS را در دنیای واقعی مختل می کند. علاوه بر این، موج الکترومغناطیسی در هنگام انتشار در هوا، آب یا مواد دیگر ضعیف به نظر می رسد. علاوه بر این، در عمل مقامات دریایی الزامات نظارتی متفاوتی برای مناطق مختلف آبی دارند. به عنوان مثال، منطقه آبی خاص باید دو یا سه بار در طول فرآیند نظارت شود. از این رو، این مقاله به بررسی مسئله بهینه‌سازی مکان در حضور موانع محیطی و تضعیف رادار می‌پردازد.شکل ۱ روند خاص را نشان می دهد.

در شکل ۱ ، دایره های ۱ تا ۴ نقاط کاندید ایستگاه رادار VTS بالقوه را نشان می دهند و مثلث های A-H مناطق آبی را نشان می دهند که باید پوشش داده شوند. هر نقطه نامزد رادار VTS محدود شده است تا به عنوان یک نوع رادار پیکربندی شود. رادار پیکربندی شده را می توان از سه نوع در شکل ۱ انتخاب کرد که R1، R2 و R3 نشان دهنده شعاع نظارت بر هر نوع است. هدف این مقاله انتخاب مجموعه‌ای از نقاط از کل نقاط کاندید VTS و نوع رادار برای برآورده کردن الزامات نظارت در مورد منطقه آبی در حضور موانع محیطی و تضعیف رادار است.

۳٫۲٫ ارزیابی تضعیف رادار

همانطور که قبلاً گفته شد، امواج الکترومغناطیسی به دلیل ویژگی‌هایشان هنگام انتشار در هوا و آب ضعیف به نظر می‌رسند. علاوه بر این، با افزایش فاصله بین منطقه آب و ایستگاه رادار، شدت امواج الکترومغناطیسی کاهش می یابد. برای ارزیابی درجه تضعیف رادار، فرمول‌های تلفات مسیر Okumura-Hata برای اندازه‌گیری درجه تضعیف امواج الکترومغناطیسی معرفی شده‌اند. فرمول ها با توجه به محدوده جغرافیایی متفاوت است. معادلات (۱) – (۵) فرمول های خاص را نشان می دهد. در فرمول های ۱-۵، فرکانس حامل fمحدوده بین ۱۵۰ مگاهرتز تا ۱۵۰۰ مگاهرتز، فاصله d بین آنها از ۱ کیلومتر تا ۲۰ کیلومتر، ارتفاع آنتن ایستگاه پایه hb از ۳۰ متر تا ۲۰۰ متر، و ارتفاع آنتن موبایل hm از ۱ متر تا ۱۰ متغیر است. متر منحنی های تغییرات مربوطه از دست دادن مسیر با فاصله انتشار در شکل ۲ نشان داده شده است. مشاهده می شود که با افزایش فاصله انتشار، افت مسیر، یعنی تضعیف رادار، روند افزایشی محدب را نشان می دهد.

یکی از کارکردهای هدف این مقاله تعیین نرخ پوشش ایستگاه رادار VTS برای منطقه آبی است، یعنی محاسبه منطقه تحت پوشش ایستگاه رادار VTS برای کل منطقه آبی پایش به عنوان درصدی از کل مساحت. ما با فرض اینکه نرخ پوشش ایستگاه رادار برای منطقه آبی برابر با ۱ است، زمانی که منطقه آب در محدوده پوشش نظارتی رادار قرار دارد، شروع می کنیم. علاوه بر این، به دلیل تضعیف امواج الکترومغناطیسی، نرخ پوشش نهایی ایستگاه رادار برای هر منطقه آبی برابر با ۱ منهای نرخ تضعیف است. بنابراین، نرخ پوشش منطقه آب بین [۰، ۱] متغیر است. شایان ذکر است که شکل ۲نرخ تضعیف امواج الکترومغناطیسی را به عنوان یک تابع لگاریتمی با روند میرایی محدب نشان می دهد. برای تسهیل محاسبات، تابع تضعیف به کار رفته در این تحقیق یک تابع لگاریتمی برای تعیین نرخ تضعیف است، همانطور که در شکل ۳ نشان داده شده است.

از دست دادن مسیر برای به هم ریختگی شهری:

(۱)

(۲)

(۳)

از دست دادن مسیر برای به هم ریختگی حومه شهر:

(۴)

از دست دادن مسیر برای کشور باز است:

(۵)

۳٫۳٫ روش قضاوت و ارزیابی انسداد محیطی

هنگامی که موانعی مانند کوه ها و جنگل ها در پوشش نظارتی موثر رادار قرار دارند، این موانع ممکن است منجر به انسداد محیطی شود و اثر نظارت رادار را مختل کند. بنابراین این عامل باید در برنامه ریزی مکان یابی ایستگاه رادار VTS در نظر گرفته شود. این بخش روشی را برای قضاوت در مورد وجود یا عدم وجود انسداد شرح می دهد.

در شکل ۴ ، ایستگاه رادار A، مانع B و منطقه آبی C وجود دارد. ارتفاعات مربوطه عبارتند از ، ، و . ارتفاع هر ایستگاه رادار است . حداقل و حداکثر شعاع پوشش رادار در نظر گرفته شده است و . فاصله اقلیدسی در فضای دو بعدی بین A و C است . شکل ۴ a شرایطی را نشان می دهد که هیچ مانعی بین A و C وجود ندارد. منطقه آبی C قرار است تحت نظارت و تحت پوشش ایستگاه رادار A قرار گیرد. بین است و ، در غیر این صورت نیست. میزان پوشش ایستگاه رادار توسط تابع تضعیف رادار محاسبه می شود. شکل ۴ ب شرایطی را نشان می دهد که یک مانع B بین A و C وجود دارد. همچنان می توانیم قضاوت کنیم که آیا منطقه آبی C مانند قبل تحت نظارت و پوشش قرار دارد یا خیر، اما به دلیل وجود مانع B، اثر نظارت ایستگاه رادار تحت تأثیر قرار می گیرد. و می‌توانیم بدانیم که مانع B در عمل نمی‌تواند امواج الکترومغناطیسی را کاملاً مسدود کند، بنابراین این مقاله نرخ نفوذ متفاوتی را به موانع مختلف اختصاص می‌دهد. هنگامی که امواج الکترومغناطیسی از طریق موانع در فرآیند انتقال منتشر می شود، روش محاسبه نرخ پوشش ایستگاه رادار به صورت معادله (۶) توصیف می شود. نشان دهنده نرخ پوشش ایستگاه رادار A به منطقه آب C زمانی است که امواج الکترومغناطیسی از طریق مانع B منتشر نمی شوند، که توسط تابع تضعیف رادار محاسبه می شود. نرخ نفوذ مانع B است، نتیجه نهایی میزان پوشش ایستگاه رادار A به منطقه آبی C با توجه به مانع B است.

(۶)

علاوه بر این، روش قضاوت در مورد اینکه آیا انسداد محیطی رخ می دهد و روش محاسبه نرخ پوشش به شرح زیر توضیح داده می شود که فضای بهینه سازی مکان به یک فضای سه بعدی تبدیل شود. مانع T-RSQ، ایستگاه رادار VTS K ، منطقه آب ۸ و موج الکترومغناطیسی رادار MM در شکل ۵ نشان داده شده است.آ. T-RSQ شبیه سازی کوه ها در یک محیط واقعی است. ایستگاه رادار دارای ارتفاع و ارتفاع جغرافیایی و منطقه آبی ۸ نیز دارای ارتفاع است. هنگامی که موج الکترومغناطیسی MM از مانع T-RSQ عبور می کند، مانع T-RSQ برای ایجاد انسداد محیطی در زمانی که تقاطع خط مستقیم MM و مخروط T-RSQ وجود دارد در نظر گرفته می شود، بنابراین روش هایی برای تعیین اینکه آیا تقاطع MM و T-RSQ وجود دارد به شرح زیر است. اولین گام این است که تعیین کنیم آیا خط مستقیم MM با چهار صفحه نمایش داده شده توسط T-RSQ، TSQ، TRQ، TRS و RSQ موازی است یا خیر. پس از آن، نقاط تقاطع محاسبه شده و قضاوت محدوده انجام می شود. به عنوان مثال، در شکل ۵ a، زمانی که نقطه تقاطع Xوجود دارد و در محدوده TSQ، TRQ، TRS یا RSQ قرار می گیرد، انسداد محیطی رخ می دهد. با این حال، اگر تنها از این روش برای قضاوت در مورد انسداد محیطی استفاده شود، خطای نشان داده شده در شکل ۵ ب رخ خواهد داد. یک مانع P-MON، منطقه آبی ۸ و ایستگاه رادار VTS K در شکل ۵ ب وجود دارد. نقطه تقاطع Y در محدوده مانع P-MON است. با توجه به روش فوق الذکر، انسداد محیطی رخ می دهد. با این حال، بدیهی است که هیچ مانعی بین ایستگاه رادار K و منطقه آبی ۸ وجود ندارد. در نتیجه، این تحقیق از معیار محصول درونی برداری برای رد این مورد برای تصحیح روش قضاوت انسداد محیطی استفاده می‌کند. در این زمان نقطه تقاطع Yو منطقه آب ۸ و ایستگاه رادار K بردارها را تشکیل می دهند و به ترتیب زمانی که انسداد ایجاد نمی شود، در غیر این صورت ایجاد می شود. علاوه بر این، می‌توانیم از مثال شکل ۵ الف برای تأیید معیار تکمیلی استفاده کنیم. انسداد به دلیل ایجاد می شود .

برای محاسبه نرخ پوشش بر اساس مبانی فوق از شرایط زیر استفاده می شود. (الف) هنگامی که منطقه آب در شعاع پوشش رادار نباشد، میزان پوشش روی ۰ تنظیم می شود. تابع تضعیف ج) هنگامی که منطقه آب در شعاع پوشش قرار دارد و انسداد محیطی وجود دارد، و نرخ پوشش نهایی حاصل ضرب نرخ پوشش تابع تضعیف و ضریب نفوذ مانع است، با ضریب نفوذ کوه ها و جنگل ها اغلب در دنیای واقعی.

۳٫۴٫ مدل ریاضی

۳٫۴٫۱٫ فرض

(۱): محیط خارجی بدون تغییر باقی می ماند، به این معنی که تعداد و ارتفاع موانع، سطح آب و نقاط بالقوه ایستگاه رادار VTS بدون تغییر باقی می مانند.
(۲): تعداد، مساحت جغرافیایی و ارتفاع مناطق آبی سرپوشیده مشخص است.
(۳): تعداد کل و ارتفاع نقاط کاندید ایستگاه رادار VTS بالقوه مشخص است.
(۴): انواع و پارامترهای دقیق رادار و ارتفاع ایستگاه رادار مشخص است.
(۵): تعداد و میزان نفوذ موانع و همچنین فرمول تابع تضعیف از قبل مشخص شده است.

۳٫۴٫۲٫ فرمول مسأله

(۱): محاسبه نرخ پوشش

میزان پوشش رادار VTS به منطقه آب با در نظر گرفتن وجود موانع در منطقه اطراف با معادله (۷) محاسبه می شود. سپس ماتریس نرخ پوشش ایستگاه رادار به کل مناطق آبی را بر اساس فاصله اقلیدسی در فضای سه بعدی می توان به دست آورد.

(۷)

(۲): محاسبه نرخ پوشش منطقه

نرخ پوشش هر منطقه آبی با استفاده از یک رویکرد موازی برای به دست آوردن ماتریس نرخ پوشش، همانطور که در رابطه (۸) ارائه شده است، تعیین می شود.

(۸)

(۳): ساخت مدل

مدل بهینه‌سازی دو هدفه توسعه‌یافته برای مسئله مکان‌یابی VTS بر اساس حداکثر پوشش و ایده پوشش مجموعه ساخته شده و در ادامه ارائه شده است.

توابع هدف:

(۹)

(۱۰)

محدودیت ها:

(۱۱)

(۱۲)

(۱۳)

(۱۴)

(۱۵)

اهداف (۹) و (۱۰) مرحله ۱ به ترتیب به حداقل رساندن کل هزینه ساخت ایستگاه رادار VTS و به حداکثر رساندن پوشش منطقه تمام مناطق آبی است. کل هزینه ساخت شامل هزینه ساخت و ساز ثابت و هزینه پیکربندی رادار است. با توجه به معیارهای مقامات دریانوردی در مورد تعداد دفعات مساحت آبی تحت پوشش محدودیت (۱۱) تعیین شده است. رابطه مساحت تمام مناطق آبی با رابطه (۱۲) توضیح داده شده است. همانطور که در معادله (۱۳) نشان داده شده است، فقط یک نوع رادار را می توان برای هر نقطه نامزد پیکربندی کرد. محدودیت های (۱۴) و (۱۵) محدودیت های متغیر تصمیم گیری باینری هستند.

۴٫ شرح الگوریتم

الگوریتم های ابتکاری به طور گسترده در زمینه های تحقیقاتی مشابه استفاده می شود. اولین زیرمجموعه اکتشافی متشکل از الگوریتم‌هایی است که از مفاهیم تکاملی الهام گرفته شده‌اند که به آنها الگوریتم‌های تکاملی (EAs) [ ۴۱ ] گفته می‌شود، که شامل الگوریتم‌های ژنتیک (GA) [ ۴۲ ، ۴۳ ] و تکامل دیفرانسیل [ ۴۴ ، ۴۵ ] می‌شود. نوع دیگر الگوریتم‌ها الگوریتم‌های مبتنی بر ازدحام یا مبتنی بر جمعیت هستند که از رفتارهای حیوانات [ ۴۶ ]، بهینه‌سازی ازدحام ذرات (PSO) [ ۴۷ ، ۴۸ ]، بهینه‌سازی گرگ خاکستری (GWO) [ ۴۹ ، ۵۰ ] الهام گرفته شده‌اند. الگوریتم جستجوی فاخته [ ۵۱ ، ۵۲] تنها چند نمونه از الگوریتم های هوش ازدحام هستند. در مقایسه با الگوریتم‌های تکاملی، الگوریتم هوش ازدحام اطلاعات مربوط به فضای جستجو را در طول تکرارها حفظ می‌کند، در حالی که الگوریتم‌های تکاملی اطلاعات نسل‌های قبلی را کنار می‌گذارند و الگوریتم‌های هوش ازدحام پارامترهای کمی برای تنظیم دارند [ ۵۳ ]. بنابراین، الگوریتم‌های هوش ازدحام به طور منظم در چند سال اخیر مورد بررسی و توسعه قرار گرفته‌اند. در این میان، بهینه‌سازی ازدحام ذرات به دلیل قابلیت بهینه‌سازی برتر و سادگی در اجرا مورد توجه گسترده‌تری قرار گرفته است [ ۵۴ ].]. با این حال، با پیچیده‌تر شدن مسائل بهینه‌سازی چندوجهی و با ابعاد بالا، الگوریتم‌های موجود نمی‌توانند تنوع و کارایی زیاد راه‌حل‌ها را تضمین کنند.

برای غلبه بر محدودیت‌های فوق، این مقاله از بهینه‌سازی ازدحام ذرات استراتژی تطبیقی (ASPSO) استفاده می‌کند که دارای درجه بالایی از تنوع و کارایی برای حل مدل است [ ۵۵ ]. با این حال، از آنجایی که ASPSO پیشنهادی یک الگوریتم برای حل یک مدل تک هدفه است، این انتشار نشان نمی‌دهد که چگونه الگوریتم باید هنگام برخورد با مدل‌های چند هدفه تنظیم شود. همچنین مدل ریاضی ارائه شده در این تحقیق یک مدل ریاضی چندهدفه است. در نتیجه تجزیه و تحلیل ما از چهار معیار اصلی در انتشار، ما برخی از اصلاحات را در ASPSO پیشنهادی انجام می دهیم.

(الف) روش تجدید روش به روز رسانی بهترین ذره جهانی gbest به شرح زیر است: ذرات غیر غالب در اولین تکرار در آرشیو خارجی ذخیره می شوند و سپس مقایسه غالب بین ذرات غیر غالب در هر تکرار و آرشیو خارجی در هر تکرار انجام می شود. کمیت و فرکانس وقوع ذرات غیر غالب در آرشیو خارجی محاسبه می شود و سپس بهترین ذره جهانی gbest محاسبه می شود.از میان این ذرات غیر غالب با استفاده از چرخ رولت بر اساس فراوانی وقوع آنها انتخاب شده است. (ب) در عین حال، از آنجا که دو هدف مدل پیشنهادی در جهت مخالف بهینه می‌شوند و باعث ایجاد ناراحتی در طول فرآیند تصمیم‌گیری سلطه می‌شوند، ما تابع تناسب را به شکل f = [f1,10-f2] مدیریت می‌کنیم. علاوه بر این، اهداف در جهت حداقل بهینه‌سازی می‌شوند، سپس زمانی که ذرات محدودیت‌های مدل را برآورده نمی‌کنند، مکانیسم جریمه را برای آن ذرات اعمال می‌کنیم، با اهداف مرتبط با دریافت یک ارزش فوق‌العاده بزرگ اضافی برای کاهش حجم کاری محاسبه. (ج) علاوه بر این، فرآیند تکرار از مکانیسم جهش بهره می برد. در پایان هر تکرار، هر ذره غالب احتمال به دست آوردن جهش را خواهد داشت. سایر اقدامات بهبود به همان روش ASPSO انجام می شود. نمودار جریان اصلی ASPSO اصلاح شده در این مقاله در فهرست شده استشکل ۶ .

۵٫ نتایج تجربی

۵٫۱٫ تحلیل عددی

یک مثال عددی تعریف شده است که از پروژه بهینه‌سازی مکان ایستگاه رادار VTS در دنیای واقعی مشتق شده است. طرحی از محیط ایستگاه رادار VTS در شکل ۷ نشان داده شده است . پارامترهای مربوطه به صورت زیر تنظیم می شوند.

کل محیط. برد فضایی محیط ایستگاه رادار در سه بعدی از ۰ تا ۲۰ متغیر است. سه مانع در محیط به ترتیب T-RSQ، D-ABC و IJKL-EFGH وجود دارد، دو مانع اول تقلید از کوه های دنیای واقعی، مانع سوم تقلیدی از جنگل دنیای واقعی است. مختصات، ارتفاع و نرخ نفوذ در جدول ۱ نشان داده شده است. در اطراف، رودخانه ای به صورت خط قرمز در محوطه اطراف به تصویر کشیده شده است.

منطقه آب. با توجه به داده های مربوط به این رودخانه که توسط مقامات محلی دریایی ارائه شده است، ما رودخانه را در شکل ۸ به هشت قسمت تقسیم کردیم که در شکل ۸ با برچسب یک تا هشت مشخص شده است. مختصات خاص و مساحت منطقه آب در جدول ۲ نشان داده شده است.

نقاط نامزد بالقوه ایستگاه رادار VTS. تمام نقاط اعداد صحیح در فضای سه بعدی نشان داده شده در شکل ۷ ، نقاط نامزد احتمالی ایستگاه رادار VTS هستند، فضا با این واقعیت ایجاد می شود که X، Y و Z همه در بازه [۰، ۲۰] قرار می گیرند. تمام نقاط کاندید دارای ارتفاعات مربوط به خود هستند. برای تسهیل محاسبه، ارتفاع نقاط کاندید همانطور که در شکل ۹ نشان داده شده است در نظر گرفته شده است . در ضمن ارتفاع ایستگاه راداری که قرار است ساخته شود ۱ است.

ضرایب رادار سه نوع رادار برای پیکربندی در ایستگاه رادار موجود است. ضرایب خاص برای هر نوع رادار در جدول ۳ آمده است. ذکر شده است که حداکثر شعاع پوشش و هزینه پیکربندی آنها هر دو متفاوت است. همانطور که در بخش ۳٫۲ توضیح داده شد ، تابع تضعیف لگاریتمی اتخاذ شده در این مقاله در معادله (۱۶) نشان داده شده است.

از پارامترهای زیر در الگوریتم ها استفاده می شود: تکرار = ۱۰۰، popsize = 100، طول = ۲۱ × ۲۱ = ۴۴۱، حد بالایی ذرات غیر غالب در آرشیو خارجی ۵۰، wmax = 0.9، wmin = 0.4، مقدار اضافی مقدار بسیار بزرگ p = ۱۰ ^{۶ است}، و نرخ جهش μ برابر با ۰٫۴ است. با توجه به اینکه ساخت مدل بر اساس حداکثر پوشش و پوشش مجموعه است، تعیین تعداد اولیه ایستگاه های رادار VTS برای ساخت بسیار مهم است. پس از تلاش های متعدد در اجرای الگوریتم، تنها زمانی که عدد اولیه بزرگتر یا مساوی ۴ باشد، می توان محدودیت های مدل را برآورده کرد، علاوه بر این، عدد اولیه باید کمتر از ۸ باشد که تعداد مناطق آبی است، در غیر این صورت، ادامه این بهینه سازی بی معنی است. بنابراین، فرض می کنیم که تعداد ایستگاه های رادار VTS ساخته شده در بازه زمانی [۴، ۷] باشد و برنامه مکان یابی نهایی را با توجه به بهینه نهایی از آرشیو خارجی بدست آوریم.

(۱۶)

برای افزایش عقلانیت و دقت الگوریتم، پنج بار بر اساس پارامترهای ارائه دهنده اجرا شد. همانطور که در شکل ۱۰ نشان داده شده است، پس از تعیین رابطه تسلط بین این ذرات غیر غالب، یک جبهه پارتو و چندین راه حل غیر غالب تشکیل شد .. با این حال، هنوز نمی توان راه حل بهینه نهایی را به دست آورد. در نتیجه، رویکرد زیر برای تعیین راه حل بهینه نهایی از جبهه پارتو به صورت زیر تنظیم شده است. هنگامی که الگوریتم در فرآیند تکرار می شود، فرکانس وقوع هر ذره غیر غالب در بایگانی خارجی شمارش می شود و سپس انتخاب چرخ رولت بین ذرات غیر غالب در جبهه پارتو نهایی بر اساس فرکانس وقوع استفاده می شود. و می توانیم راه حل بهینه را بدست آوریم. پس از فرآیند انتخاب چرخ رولت، ذره با مربع در شکل ۱۰ مشخص شده استبهترین پاسخ در این مقاله است. با توجه به راه حل بهینه، هنگام برآورده شدن محدودیت ها در مورد پوشش چندگانه، ۷ نقطه کاندید برای ساخت ایستگاه رادار VTS انتخاب می شود. کل هزینه ساخت ۵۵۰۰ و ضریب پوشش کل منطقه آبی ۷۶٫۲۶ درصد بوده است. علاوه بر این، مختصات مربوطه و نوع رادار پیکربندی شده در شکل ۱۱ نشان داده شده است. برای نمایش خوب نتیجه، شکل ۱۱ در فضای دو بعدی نشان داده شده است. علاوه بر این، مشاهده شد که راه حل نهایی می تواند تمام مناطق آبی را در زمان های مورد نیاز پوشش دهد و رادار نوع ۱ ترجیح داده شد با نقاط کاندید برای افزایش ساخت پیکربندی شود.

۵٫۲٫ مطالعه موردی

رودخانه غربی در ژائوکینگ، چین، بین شهرستان‌های Fengkai و Yunan برای نشان دادن اثربخشی مدل پیشنهادی در این تحقیق استفاده می‌شود. شکل ۱۲ a تصویر مدل رقومی ارتفاعی محیطی این منطقه آبی را نشان می دهد. همانطور که نشان داده شده است، این منطقه آبی پیچ در پیچ است و دارای ارتفاعات نسبتا کم است. برای به دست آوردن مختصات نامزدهای منطقه آب و ایستگاه رادار، از تابع شبکه ماهیگیری در نرم افزار ArcGIS استفاده شد و تصویر به ترتیب به ۲۰ و ۱۰ بخش مساوی در امتداد محورهای افقی و عمودی تقسیم شد که در شکل ۱۲ ب نشان داده شده است. بر اساس نتیجه تقسیم، یک سیستم مختصات تشکیل شد و منطقه آب به ۱۲ قسمت تقسیم شد، همانطور که توسط دایره قرمز مرتب شده در شکل ۱۲ ب نشان داده شده است. که درشکل ۱۲ ب، ضلع بالایی و سمت چپ تصویر به عنوان محورهای y و x سیستم مختصات در نظر گرفته شد و بنابراین فواصل تغییرات مقدار محور x و y [0، ۲۰] و [۰، ۱۰] بود. در شکل ۱۲ ب، نواحی قرمز و سفید نشان دهنده موانع محیطی هستند. در نتیجه، محیط آب را می توان به نقشه محیطی سه بعدی که در شکل ۱۳ نشان داده شده است، ساده کرد . مختصات موانع و مختصات ناحیه آب در جدول ۴ و جدول ۵ نمایش داده شده است. نقاط کاندید ایستگاه رادار هر مختصات عدد صحیح در شکل ۱۳ است، تابع تضعیف در معادله (۱۶) نشان داده شده است، تعداد ایستگاه های رادار VTS ساخته شده در بازه زمانی [۴، ۱۱] است و پارامترهای باقی مانده ثابت نگه داشته می شوند، پس از محاسبه جبهه پارتو نهایی در شکل ۱۴ نشان داده شده است . پس از فرآیند انتخاب چرخ رولت، ذره ای که در شکل ۱۴ با مربع مشخص شده است، بهترین پاسخ در این مقاله است. با توجه به راه حل بهینه، هنگام برآورده شدن محدودیت ها در مورد پوشش چندگانه، ۷ نقطه کاندید برای ساخت ایستگاه رادار VTS انتخاب می شود. کل هزینه ساخت ۵۹۰۰ و ضریب پوشش کل آب ۸۵ درصد است. علاوه بر این، مختصات مربوطه و نوع رادار پیکربندی شده در شکل ۱۵ نشان داده شده است.

۶٫ نتیجه گیری

این مقاله به بررسی مشکل بهینه‌سازی مکان ایستگاه‌های رادار VTS در حضور موانع محیطی و تضعیف رادار می‌پردازد. در حال حاضر، اکثر تحقیقات مربوط به سیستم‌های VTS بر روی سیستم‌های VTS و اپراتورهای VTS متمرکز است و کمبود مطالعات در مورد بهینه‌سازی مکان ایستگاه رادار VTS وجود دارد. با توجه به اینکه مسئله بهینه‌سازی مکان ایستگاه رادار VTS یک مشکل مکان‌یابی تاسیسات است و محیط واقعی که ایستگاه‌های رادار VTS برای ساخت انتخاب می‌شوند، فضایی سه‌بعدی است، این مقاله روش‌های قضاوت و ارزیابی نوآورانه‌ای را در مورد تضعیف رادار و انسداد محیطی پیشنهاد می‌کند و یک دو را ایجاد می‌کند. – مدل ریاضی عینی بر اساس مدل پوشش. از نظر تضعیف امواج الکترومغناطیسی، تابع میرایی بر اساس تابع از دست دادن مسیر در مدل انتشار Okumura-Hata برای ارزیابی اثر میرایی معرفی شده است. علاوه بر این، موانعی مانند کوه‌ها و جنگل‌ها باعث ایجاد انسداد در طول فرآیند پایش رادار VTS می‌شوند تا قضاوت کنند که آیا انسداد ایجاد می‌کند یا نه، روشی در مورد قضاوت انسداد محیطی پیشنهاد شده است. پس از آن، یک الگوریتم بهینه سازی ازدحام ذرات استراتژی تطبیقی اصلاح شده برای حل آن طراحی شده است. در نهایت، یک مثال عددی برای تایید اثربخشی مدل پیشنهادی استفاده می‌شود. موانعی مانند کوه‌ها و جنگل‌ها باعث ایجاد انسداد در طول فرآیند پایش رادار VTS می‌شوند تا قضاوت کنند که آیا انسداد ایجاد می‌کند یا نه، روشی در مورد قضاوت انسداد محیطی پیشنهاد شده است. پس از آن، یک الگوریتم بهینه سازی ازدحام ذرات استراتژی تطبیقی اصلاح شده برای حل آن طراحی شده است. در نهایت، یک مثال عددی برای تایید اثربخشی مدل پیشنهادی استفاده می‌شود. موانعی مانند کوه‌ها و جنگل‌ها باعث ایجاد انسداد در طول فرآیند پایش رادار VTS می‌شوند تا قضاوت کنند که آیا انسداد ایجاد می‌کند یا نه، روشی در مورد قضاوت انسداد محیطی پیشنهاد شده است. پس از آن، یک الگوریتم بهینه سازی ازدحام ذرات استراتژی تطبیقی اصلاح شده برای حل آن طراحی شده است. در نهایت، یک مثال عددی برای تایید اثربخشی مدل پیشنهادی استفاده می‌شود.

در مقایسه با مسئله مکان یابی تسهیلات سنتی در فضای دو بعدی، مسئله مکان یابی در فضای سه بعدی در این مقاله بسیار شبیه به مشکلات موجود در دنیای واقعی است. در نتیجه نتایج بهینه در فضای سه بعدی دقیق تر و علمی تر خواهد بود. در همین حال، ضمن در نظر گرفتن موانع محیطی و تضعیف رادار، روش‌ها و مدل‌ها می‌توانند در هنگام تصمیم‌گیری مقامات دریایی در مورد مکان ایستگاه‌های رادار VTS برای بهبود اقتصاد و اثربخشی کل سیستم، مرجعی ارائه دهند.

در تحقیقات آتی، می‌توان از نظر الگوریتم‌ها و عوامل مرتبط در فرآیند ساخت و مقایسه راه‌حل‌های دقیق و راه‌حل‌های اکتشافی، پیشرفت‌های بیشتری انجام داد.

نمادها

مجموعه و ماتریس
	مجموعه ای از منطقه آب
	مجموعه ای از نقاط کاندید ایستگاه رادار VTS
	مجموعه ای از نوع رادار VTS
	مجموعه ای از موانع
	ماتریس فاصله اقلیدسی بین مناطق آب و نقاط نامزد در فضای سه بعدی
	ماتریس نرخ پوشش بین مناطق آبی و نقاط کاندید
مولفه های
	تعداد دفعات مساحت آب تحت پوشش قرار گیرد
	آستانه تعداد دفعات مساحت آب
	نرخ پوشش مساحت منطقه آبی
	منطقه جغرافیایی ناحیه آبی
	کل مساحت جغرافیایی منطقه آبی
	هزینه ساخت ثابت نامزد ایستگاه رادار
	هزینه پیکربندی نوع رادار
	احتمال پایش نامزد ایستگاه راداری زمانی که نوع رادار پیکربندی شده است
	حداقل شعاع موثر رادار
	حداکثر شعاع موثر رادار
	تابع تضعیف
	فاصله اقلیدسی بین ناحیه آبی و امتیاز نامزد
	نرخ پوشش بین منطقه آبی و امتیاز نامزد
	میزان نفوذ مانع
متغیرهای تصمیم گیری
	اگر یک ایستگاه راداری در یک نقطه کاندیدای ایستگاه رادار انتخاب شده ساخته شود، متغیر باینری، برابر با ۱ است و در غیر این صورت برابر ۰ است.
	اگر یک ایستگاه راداری در یک نقطه کاندیدای ایستگاه رادار انتخاب شده ساخته شود، متغیر باینری، برابر با ۱ است و نوع رادار انتخاب شده است تا در همین حین پیکربندی شود و در غیر این صورت برابر با ۰ است.

منابع

اداره ملی آمار جمهوری خلق چین. چین. ۲۰۲۰٫ در دسترس آنلاین: http://www.stats.gov.cn/ (در ۳ مارس ۲۰۲۲ قابل دسترسی است).
وزارت حمل و نقل جمهوری خلق چین. چین. ۲۰۲۰٫ در دسترس آنلاین: http://www.mot.gov.cn (در ۳ مارس ۲۰۲۲ قابل دسترسی است).
رودان، آی. فرانسیک، وی. والچیچ، ام. سامنر، ام. تشخیص زودهنگام موقعیت های برخورد کشتی در منطقه خدمات ترافیکی کشتی. حمل و نقل ۲۰۲۰ ، ۳۵ ، ۱۲۱-۱۳۲٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
گان، LX; یو، FF; ژنگ، YZ; ژو، سی.-اچ. گائو، جی.-جی. چنگ، X.-D. تحقیق در مورد مدل سازی و شبیه سازی در تحت الشعاع تاثیر ساختمان ساحلی بر رادار خدمات ترافیک شناور Adv. مکانیک. مهندس ۲۰۱۸ , ۱۰ . [ Google Scholar ] [ CrossRef ]
لی، جی. کیم، سی. لی، MK ارزیابی اقتصادی خدمات ترافیک کشتی (VTS): یک مطالعه ارزیابی احتمالی. مارس سیاست ۲۰۱۵ ، ۶۱ ، ۱۴۹-۱۵۴٫ [ Google Scholar ] [ CrossRef ]
کائو، اس. تره فرنگی.؛ چانگ، ک. کو، ام.-د. یک روش منطق فازی برای جلوگیری از برخورد در سرویس ترافیک کشتی. جی. ناویگ. ۲۰۰۷ ، ۶۰ ، ۱۷-۳۱٫ [ Google Scholar ] [ CrossRef ]
سو، سی ام؛ چانگ، کی. Cheng، CY تصمیم فازی در مورد اقدامات جلوگیری از برخورد بهینه برای کشتی‌ها در سرویس ترافیک کشتی. J. Mar. Sci. تکنولوژی ۲۰۱۲ ، ۲۰ ، ۳۸-۴۸٫ [ Google Scholar ] [ CrossRef ]
Tsou، MC کشف دانش از پایگاه داده AIS برای کاربرد در VTS. جی. ناویگ. ۲۰۱۰ ، ۶۳ ، ۴۴۹-۴۶۹٫ [ Google Scholar ] [ CrossRef ]
فرآیند تحلیل آنلاین Tsou، MC در انبار داده سیستم شناسایی خودکار برای کاربرد در خدمات ترافیک کشتی. Proc. Inst. مکانیک. مهندس بخش M J. Eng. ماریت. محیط زیست ۲۰۱۶ ، ۲۳۰ ، ۱۹۹-۲۱۵٫ [ Google Scholar ] [ CrossRef ]
رلینگ، تی. لوئتزوفت، ام. هیلدر، اچ پی؛ Ostnes, R. چگونه اپراتورهای خدمات ترافیک کشتی با پیچیدگی کنار می آیند – فقط عملکرد انسانی عملکرد انسان را جذب می کند. نظریه. مسائل ارگون. علمی ۲۰۲۰ ، ۲۱ ، ۴۱۸-۴۴۱٫ [ Google Scholar ] [ CrossRef ]
چن، HC; لو، HA; لی، HH ارزیابی عملکرد شغلی عملیات خدمات ترافیک کشتی با استفاده از یک فرآیند سلسله مراتبی تحلیلی و یک اندازه‌گیری فاصله خاکستری. J. Mar. Sci. تکنولوژی ۲۰۱۳ ، ۲۱ ، ۵۲۲-۵۳۱٫ [ Google Scholar ]
پراتوریوس، جی. هالنگل، ای. Dahlman, J. Modeling Vessel Traffic Service برای درک انعطاف پذیری در عملیات روزمره. مسئولیت مجدد. مهندس سیستم Saf. ۲۰۱۵ ، ۱۴۱ ، ۱۰-۲۱٫ [ Google Scholar ] [ CrossRef ]
جیا، اس. وو، ال ایکس؛ منگ، کیو. برنامه ریزی مشترک ترافیک کشتی و خلبانان در آبهای بندرگاه. ترانسپ علمی ۲۰۲۰ ، ۵۴ ، ۱۴۹۵-۱۵۱۵٫ [ Google Scholar ] [ CrossRef ]
رلینگ، تی. Lutzhoft، ML; اوستنس، آر. Hildre, HP سهم خدمات ترافیک کشتی در همزیستی ایمن بین کشتی های خودکار و معمولی. ماریت. مدیر سیاست ۲۰۲۱; دسترسی سریع. [ Google Scholar ]
Brodje، A. لوند، م. جنوالد، جی. Dahlman, J. بررسی اشتباهات غیر فنی در عملیات خدمات ترافیک کشتی. شناخت. تکنولوژی کار ۲۰۱۳ ، ۱۵ ، ۳۴۷-۳۵۷٫ [ Google Scholar ] [ CrossRef ]
منسون، جی. لوتژافت، م. Brooks, B. Joint Activity in the Maritime Traffic System: Perceptions of Ship Masters, Maritime Pilots, Tug Masters, and Vessel Traffic Service Operators. جی. ناویگ. ۲۰۱۷ ، ۷۰ ، ۵۴۷-۵۶۰٫ [ Google Scholar ] [ CrossRef ]
کاستا، NA; MacKinnon، SN عوامل ارتباطی غیر فنی در خدمات ترافیک کشتی. شناخت. تکنولوژی کار ۲۰۱۸ ، ۲۰ ، ۶۳-۷۲٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
لی، اف. چن، سی. خو، جی. چانگ، دی. خو، LP عوامل علت و نشانه های خستگی انسانی مرتبط با کار در سرویس ترافیک کشتی: رویکرد وظیفه محور. جی. ناویگ. ۲۰۲۰ ، ۷۳ ، ۱۳۴۰-۱۳۵۷٫ [ Google Scholar ] [ CrossRef ]
مالاگولی، ا. کورادینی، م. کورادینی، پ. شوت، تی. فوندا، اس. به سوی روشی برای ارزیابی عینی حجم کار شناختی: یک مطالعه آزمایشی در خدمات ترافیک کشتی (VTS) حوزه دریایی. در مجموعه مقالات سومین مجمع بین المللی IEEE در سال ۲۰۱۷ در زمینه تحقیقات و فناوری برای جامعه و صنعت (RTSI)، مودنا، ایتالیا، ۱۱ تا ۱۳ سپتامبر ۲۰۱۷؛ صص ۱-۶٫ [ Google Scholar ]
Xu، GY; چن، CH; لی، اف. Qiu، X. تجزیه و تحلیل داده های AIS برای تغییر چرخشی تطبیقی در خدمات ترافیک کشتی. Ind. Manag. سیستم داده ۲۰۲۰ ، ۱۲۰ ، ۷۴۹-۷۶۷٫ [ Google Scholar ] [ CrossRef ]
لی، ز. تائو، ام. کان، اچ. Wei, Q. در کنترل کامل امواج الکترومغناطیسی با متا سطوح پیشرفت می کند. Adv. انتخاب کنید Mate-Rials ۲۰۱۶ , ۴ , ۸۱۸–۸۳۳٫ [ Google Scholar ]
Singh, Y. مقایسه مدل‌های Okumura، Hata و COST-231 بر اساس از دست دادن مسیر و قدرت سیگنال. بین المللی جی. کامپیوتر. Appl. ۲۰۱۲ ، ۵۹ ، ۳۷-۴۵٫ [ Google Scholar ] [ CrossRef ]
محمد، ف. عمرو، EK; احمد، اس. تصحیح تجربی مدل اوکومورا-هاتا برای باند ۹۰۰ مگاهرتز در مصر. در مجموعه مقالات سومین کنفرانس بین المللی ارتباطات و فناوری اطلاعات IEEE 2013، بیروت، لبنان، ۱۹ تا ۲۱ ژوئن ۲۰۱۳٫ صص ۳۸۶-۳۹۵٫ [ Google Scholar ]
تسمیح، ع. فریحا، ج. Mannan, P. بازرسی عملکرد Picocell با استفاده از مدل های مختلف در مناطق مختلف. در مجموعه مقالات پنجمین کنفرانس بین المللی IEEE 2020 در مورد کامپیوتر و سیستم های ارتباطی، شانگهای، چین، ۲۲ تا ۲۴ فوریه ۲۰۲۰٫ [ Google Scholar ]
محمود، ع. ضیاء، ن. حسن، ع. کاربرد مدل Okumura-Hata برای سیستم های ارتباطی بی سیم در عمان. در مجموعه مقالات کنفرانس بین المللی IEEE IOT، الکترونیک و مکاترونیک، ونکوور، BC، کانادا، ۹ تا ۱۲ سپتامبر ۲۰۲۰٫ [ Google Scholar ]
ورا، دی. Ruslan، A. حداقل مربعات معمولی در COST 231 هاتا پارامترهای کلیدی بهینه سازی بر اساس داده های تجربی. در مجموعه مقالات کنفرانس بین المللی چندگانه IEEE 2017 در زمینه مهندسی، کامپیوتر و علوم اطلاعات، هنگ کنگ، ۱۵ تا ۱۷ مارس ۲۰۱۷٫ [ Google Scholar ]
کیون، ی. برنده، جی. هو، ک. ردیابی پرتوی هوشمند برای پیش‌بینی انتشار. در مجموعه مقالات سمپوزیوم بین المللی انجمن آنتن ها و انتشارات IEEE 2012، شیکاگو، IL، ایالات متحده آمریکا، ۸ تا ۱۴ ژوئیه ۲۰۱۲٫ [ Google Scholar ]
ژنگ، ی. Magdy، I. Ray Tracing برای مدل‌سازی انتشار رادیویی: اصول و کاربردها. دسترسی IEEE ۲۰۱۵ ، ۳ ، ۱۰۸۹-۱۱۰۰٫ [ Google Scholar ]
واندرلی، پی اچ. Terada، MA ارزیابی کاربرد مدل انتشار Ikegami در سناریوهای ارتباطات بی سیم مدرن. J. الکترومگن. Waves Appl. ۲۰۱۲ ، ۲۶ ، ۱۴۸۳-۱۴۹۱٫ [ Google Scholar ] [ CrossRef ]
سخت.؛ واتسون، AM; Chadney، AG نظر در مورد افت پراش سقف به خیابان در مدل COST 231-Walfisch-Ikegami. IEEE Trans. وه تکنولوژی ۱۹۹۹ ، ۴۸ ، ۱۴۵۱-۱۴۵۸٫ [ Google Scholar ] [ CrossRef ]
Karatas, M. یک مشکل مکان یابی تسهیلات چند هدفه در حضور متغیر عملکرد پوشش تدریجی و پوشش تعاونی. یورو جی. اوپر. Res. ۲۰۱۷ ، ۲۶۲ ، ۱۰۴۰-۱۰۵۱٫ [ Google Scholar ] [ CrossRef ]
وانگ، BC; کیان، QY; گائو، جی جی. قهوهای مایل به زرد، ZY; ژو، ی. بهینه سازی مکان انبار و توزیع منابع برای نجات اضطراری در شرایط عدم قطعیت. Adv. مهندس به اطلاع رساندن. ۲۰۲۱ ، ۴۸ ، ۱۰۱۲۷۸٫ [ Google Scholar ] [ CrossRef ]
دو، بی. ژو، اچ. Leus, R. یک مدل قوی دو مرحله ای برای یک مشکل مکان تاسیسات مرکز p قابل اعتماد. Appl. ریاضی. مدل. ۲۰۱۰ ، ۷۷ ، ۹۹-۱۱۴٫ [ Google Scholar ] [ CrossRef ]
تدسکی، دی. آندرتا، ام. الگوریتم‌های دقیق جدید برای مکان پوشش حداکثر مسطح توسط مسائل بیضی. یورو جی. اوپر. Res. ۲۰۲۱ ، ۲۹۱ ، ۱۱۴-۱۲۷٫ [ Google Scholar ] [ CrossRef ]
بارای، جی. Cliquet، G. بهینه سازی مکان ها از طریق مدل سلسله مراتبی پوشش حداکثر/p-میانگین: بیمارستان های زایمان در فرانسه. اتوبوس جی. Res. ۲۰۱۳ ، ۶۶ ، ۱۲۷-۱۳۲٫ [ Google Scholar ] [ CrossRef ]
ویرا، BS; فراری، تی. ریبیرو، جنرال موتورز; باهینسه، ال. فیلهو، RDO؛ آبرامیدز، کالیفرنیا؛ Júnior، NFRC یک الگوریتم مبتنی بر پوشش مجموعه ترکیبی مترقی برای مشکل مکان شمارش ترافیک. سیستم خبره Appl. ۲۰۲۰ , ۱۶۰ , ۱۱۳۶۴۱٫ [ Google Scholar ] [ CrossRef ]
Sinnl، M. الگوریتم‌های دقیق و اکتشافی برای مسئله پوشش زیرماتریس حداکثر وزنی. یورو جی. اوپر. Res. ۲۰۲۱; دسترسی سریع. [ Google Scholar ]
لی، جی ال. لیو، ZB; تعیین مکان ایستگاه شارژ عمومی Wang، XF برای وسایل نقلیه الکتریکی سواری بر اساس یک الگوریتم ژنتیک بهبودیافته. حفظ کنید. جامعه شهرها ۲۰۲۱ ، ۷۴ ، ۱۰۳۱۸۱٫ [ Google Scholar ] [ CrossRef ]
ماریناکیس، ی. الگوریتم بهینه‌سازی ازدحام ذرات بهبودیافته برای مسئله مسیریابی موقعیت مکانی ظرفیت‌دار و مسئله مسیریابی مکان با تقاضاهای تصادفی. Appl. محاسبات نرم. ۲۰۱۵ ، ۳۷ ، ۶۸۰-۷۰۱٫ [ Google Scholar ] [ CrossRef ]
روحانی نژاد، م. صحرائیان، ر. توکلی مقدم، ر. الگوریتم تجزیه Benders تسریع شده برای مشکلات مکان یابی تاسیسات قابل اعتماد در شبکه های چند لایه. محاسبه کنید. مهندسی صنعتی ۲۰۱۸ ، ۱۲۴ ، ۵۲۳-۵۳۴٫ [ Google Scholar ] [ CrossRef ]
وظیفه، ر. دشموک، ن. کومار، آر. Saxena، A. توسعه و کاربرد بهینه سازی ازدحام ذرات الهام گرفته از درهم تنیدگی کوانتومی. سیستم مبتنی بر دانش ۲۰۲۱ ، ۲۱۹ ، ۱۰۶۸۵۹٫ [ Google Scholar ] [ CrossRef ]
اسکوایرز، ام. تائو، ایکس. الانگوان، س. گوراجان، ر. Saxena، A. یک سیستم مبتنی بر الگوریتم ژنتیک جدید برای زمان‌بندی درمان‌های پزشکی. سیستم خبره Appl. ۲۰۲۲ ، ۱۹۵ ، ۱۱۶۴۶۴٫ [ Google Scholar ] [ CrossRef ]
خان، س. گردنیفسکی، پ. محمد، ی. Sobey, A. مزایای الگوریتم‌های ژنتیکی تکاملی در بهینه‌سازی سفر. اقیانوس. مهندس ۲۰۲۲ ، ۲۴۵ ، ۱۱۰۲۶۱٫ [ Google Scholar ] [ CrossRef ]
زنگ، ز. ژانگ، ام. هنگ، ز. ژانگ، اچ. Zhu، H. افزایش تکامل دیفرانسیل با استراتژی جایگزینی بردار هدف. محاسبه کنید. ایستادن. رابط‌ها ۲۰۲۲ ، ۸۲ ، ۱۰۳۶۳۱٫ [ Google Scholar ] [ CrossRef ]
مورایس، م. ریبیرو، ام. سیلوا، آر. ماریانى، وی. کوئلیو، L. فراابتکاری تکامل دیفرانسیل گسسته برای مشکلات زمانبندی جریان جایگشت. محاسبه کنید. مهندسی صنعتی ۲۰۲۲ ، ۱۶۶ ، ۱۰۷۹۵۶٫ [ Google Scholar ] [ CrossRef ]
جعفری، ع. پناهی، م. غلامی، د. رحمتی، ا. شهابی، ح. شیرزادی، ع. لی، اس. Bui، DT; پرادهان، ب. بهینه‌سازی هوش گروهی روش گروهی مدیریت داده‌ها با استفاده از الگوریتم‌های جستجوی فاخته و بهینه‌سازی نهنگ برای مدل‌سازی و پیش‌بینی زمین لغزش‌ها. Appl. محاسبات نرم. ۲۰۲۲ ، ۱۱۶ ، ۱۰۸۲۵۴٫ [ Google Scholar ] [ CrossRef ]
پنگ، جی. لی، ی. کانگ، اچ. شن، ی. سان، ایکس. چن، Q. تاثیر توپولوژی جمعیت بر بهینه سازی ازدحام ذرات و انواع آن: دیدگاه انتشار اطلاعات. Swarm Evol. محاسبه کنید. ۲۰۲۲ ، ۶۹ ، ۱۰۰۹۹۰٫ [ Google Scholar ] [ CrossRef ]
کوی، ی. منگ، ایکس. Qiao, J. الگوریتم بهینه‌سازی ازدحام ذرات چند هدفه بر اساس مکانیزم دو آرشیو. Appl. محاسبات نرم. ۲۰۲۲ , ۱۱۹ , ۱۰۸۵۳۲٫ [ Google Scholar ] [ CrossRef ]
سینگ، اس. Bansal، J. بهینه ساز گرگ خاکستری مبتنی بر جهش با مکانیسم جستجوی اصلاح شده. سیستم خبره Appl. ۲۰۲۲ ، ۱۹۴ ، ۱۱۶۴۵۰٫ [ Google Scholar ] [ CrossRef ]
آدیکاری، ج. Acharyaya، S. بهینه ساز متوازن گرگ خاکستری تصادفی (RBGWO) برای حل مسائل بهینه سازی زندگی واقعی. Appl. محاسبات نرم. ۲۰۲۲ , ۱۱۷ , ۱۰۸۴۲۹٫ [ Google Scholar ] [ CrossRef ]
بومدین، ن. Borobi, S. تاشو پروتئین در مدل HP شبکه سه بعدی با استفاده از ترکیب جستجوی فاخته با الگوریتم های Hill-Climbing. Appl. محاسبات نرم. ۲۰۲۲ ، ۱۱۹ ، ۱۰۸۵۶۴٫ [ Google Scholar ] [ CrossRef ]
باجاج، AO Sangwan الگوریتم های جستجوی فاخته گسسته برای اولویت بندی مورد آزمایشی. Appl. محاسبات نرم. ۲۰۲۱ ، ۱۱۰ ، ۱۰۷۵۸۴٫ [ Google Scholar ] [ CrossRef ]
کیریاکاکیس، ن. مارینکی، م. ماتساتسینیس، ن. ماریناکیس، ی. مشکل جستجوی پهپاد پیک متحرک: یک رویکرد هوشمند چند دسته آنلاین برای عملیات جستجوی پهپاد. Swarm Evol. محاسبه کنید. ۲۰۲۱ ، ۶۶ ، ۱۰۰۹۵۶٫ [ Google Scholar ] [ CrossRef ]
Engelbrecht، AP Computational Intelligence: An Introduction ; جان وایلی و پسران: هوبوکن، نیوجرسی، ایالات متحده آمریکا، ۲۰۰۷٫ [ Google Scholar ]
وانگ، آر. هائو، KR؛ چن، ال. وانگ، تی. جیانگ، سی. یک بهینه‌سازی جدید ازدحام ذرات ترکیبی با استفاده از استراتژی تطبیقی. Inf. علمی ۲۰۲۱ ، ۵۷۹ ، ۲۳۱-۲۵۰٫ [ Google Scholar ] [ CrossRef ]