Gemi çarpışmalarının önlenmesi için melez algoritma tabanlı bir karar destek sisteminin oluşturulması

Yıl 2020, , 1213 - 1230, 07.04.2020

Timur İnan , Ahmet Fevzi Baba

https://doi.org/10.17341/gazimmfd.603464

Cited By: 2

Öz

Gemi
kazalarının çoğunluğunun insan hatalarından kaynaklanması, bu hataları en aza
indirgeyecek karar destek sistemleri ile alakalı çalışmaların artmasına neden
olmaktadır. Bu çalışmada, gemi çarpışmalarını önleyebilecek bir karar destek
sistemi ortaya konulmuştur. Sistem üç ana parçadan oluşmaktadır. Gemilerin
ileriki pozisyonlarını tahmin edebilen bir yapay sinir ağı sistemi, çevredeki
gemilerin hangisi ile çarpışma riskinin daha fazla olduğunu hesaplayan bir
bulanık mantık sistemi ve CSGA (Cuckoo Search-Genetic Algorithm) algoritması
kullanarak çarpışma önleme rotası hesaplayabilen sistem. Bu çalışmada, çarpışma
önleme sisteminin başarısının ölçülmesi amacıyla senaryolar oluşturulmuştur.
Çarpışma önleme rotalarının hesaplanması aşamasında kullanılan CSGA algoritması
ile literatürde daha önce kullanılmış olan KKA (Karınca Kolonisi Algoritması),
PSO (Parçacık Sürü Optimizasyonu), ve GA (Genetik Algoritma) algoritmaları,
elde edilen sonuçların verimliliği açısından karşılaştırılmıştır.
Algoritmaların verimliliği ölçülürken; hesaplama için harcadıkları zamanın az
olması ve önerdikleri çarpışma önleme rotalarının gemiyi rotasından en az sapma
ile tekrar rotasına döndürmesi kriterleri gözönüne alınmıştır. CSGA algoritması
ile çarpışma önleme sisteminde, hesaplama süreleri gözönüne alındığında,
ortalama olarak, KKA’ya nazaran 29,47 kat, PSO’ya nazaran 5,78 kat, GA’ya
nazaran 2,72 kat daha hızlı sonuç vermiştir. Algoritmaların hesapladığı
yolların uygunluğu gözönüne alındığında CSGA algoritması, yapılan hesaplamalarda,
ortalama olarak karınca KKA’ya nazaran %7,85, PSO’ya nazaran %2,62, GA’ya
nazaran %1,18 daha uygun sonuçlar bulabilmiştir. 

Anahtar Kelimeler

Guguk kuşu algoritması, çarpışma önleme, çarpışma riski belirleme, yapay sinir ağı, bulanık mantık

Kaynakça

• Referans1R. Apostol-Mates ve A. Barbu, Human Error- The Main Factor In Marine Accidents, “Mircea cel Batran” Naval Academy Scientific Bulletin, 2016.
• Referans2L. W. Naeem, E. Rajabally , G. Watson, T. Mills , Z. Bhuiyan ve I. Salter, COLREGs-Compliant Path Planning for Autonomous Surface Vehicles: A Multiobjective Optimization Approach, IFAC PapersOnLine, 2017.
• Referans3P. Chen, G. Shi, S. Liu ve Y. Zhang, Decision Support Based on Artificial Fish Swarm for Ship Collision Avoidance From Ais Data,International Conference on Machine Learning and Cybernetics, Chengdu, 2018.
• Referans4H. Shena, H. Hashimoto, A. Matsuda, Y. Taniguchi, D. Terada ve C. Guo, Automatic collision avoidance of multiple ships based on deep Q-learning, Applied Ocean Research, cilt 86, pp. 268-288, 2019.
• Referans5X. Geng , Y. Wang, P. Wang ve B. Zhang, Motion Plan of Maritime Autonomous Surface Ships by Dynamic Programming for Collision Avoidance and Speed Optimization, Sensors, cilt 19, 2019.
• Referans6T. Inan ve A. F. Baba, Particle swarm optimization-based collision avoidance, Turkish Journal of Electrical Engineering & Computer Sciences, cilt 27, pp. 2137-2155, 2019.
• Referans7T. Fossen ve T. Perez, Marine Control, 2004. www.marinecontrol.org. Erişim tarihi: 12 Ekim 2016.
• Referans8D. W. Marquardt, An algorithm for least-squares estimation of nonlinear parameters., Journal of the Society for Industrial and Applied Mathematics, p. 431–441, 1963.
• Referans9I. B. Tijani, . R. Akmeliawati, A. Legowo ve . A. Budiyono,Nonlinear identification of a small scale unmanned helicopter using optimized NARX network with multiobjective differential evolution, Engineering Applications of Artificial Intelligence, pp. 99-115, 2014.
• Referans10L. A. Zadeh., Fuzzy Sets, World Scientific, p. 394–432, 2011.
• Referans11«Convention on the International Regulations for Preventing Collisions at Sea,. http://www.imo.org/en /About/Conventions/ListOfConventions/Pages/COLREG.aspx, Erişim tarihi: 4 Nisan 2017
• Referans12X.-S. Yang ve S. Deb, Cuckoo Search via L´evy Flights, World Congress on Nature & Biologically Inspired Computing (NaBIC), Coimbatore, 2009.
• Referans13A. Lazarowska, Ant colony optimization based navigational decision support system., Knowledge-Based and Intelligent Information and Engineering Systems 18th Annual Conference, KES-2014 , Gdynia, Poland, 2014.
• Referans14M.-C. Tsou, S.-L. Kao ve C.-M. Su, Decision support from genetic algorithms for ship collision avoidance route planning and alerts., Journal of Navigation, pp. 167-182, 2010.
• Referans15L. Liu, D. He, Y. Ma, T. Li ve J. Li, Research on Ships Collision Avoidance Based on Chaotic Particle Swarm Optimization, International Conference on Smart Vehicular Technology, Transportation, Communication and Applications, Kaohsiung, 2018.
• Referans16M.-C. Tsou, S.-L. Kao ve C.-M. Su, Decision support from genetic algorithms for ship collision avoidance route planning and alerts., Journal of Navigation, pp. 167-182, 2010.