Badanie i zarządzanie ryzykiem w transporcie drogowym z zastosowaniem algorytmów sztucznej inteligencji pdf Mariusz Izdebski Strumień

Praca dotyczy tematyki zarządzania ryzykiem w transporcie drogowym z wykorzystaniem algorytmów sztucznej inteligencji w procesach przewozowych do minimalizacji zdarzeń niebezpiecznych. Wartością poznawczą przeprowadzonych badań jest opracowanie autorskich, oryginalnych modeli zarządzania ryzykiem w transporcie drogowym wraz z ich algorytmizacją narzędziami sztucznej inteligencji. Opracowane modele zarządzania ryzykiem mogą mieć zastosowanie w różnych obszarach, np. budownictwie. Wykorzystanie algorytmów sztucznej inteligencji w zarządzaniu ryzykiem w transporcie drogowym pozwoliło na opracowanie oryginalnych metod oceny i zarządzania ryzykiem w procesach przewozowych. Do badania redukcji poziomu ryzyka zastosowano dwa zaawansowane algorytmy sztucznej inteligencji - mrówkowy i genetyczny. Sposób ich działania jest różny, co pozwoliło na porównanie jakości generowanych rozwiązań, a tym samym wyznaczenie efektywności tych algorytmów w zarządzaniu ryzykiem w transporcie drogowym. Monografia składa się z dziewięciu rozdziałów, które podzielono na trzy obszary tematyczne. W pierwszym obszarze (rozdz. 1-3) zdefiniowano najnowsze badania z zakresu tematyki ryzyka w transporcie drogowym, scharakteryzowano kluczowe zagrożenia w procesach przewozowych i przedstawiono procedurę zarządzania ryzykiem w transporcie drogowym. Kluczowym elementem tej części monografii jest opis algorytmów sztucznej inteligencji stosowanych w zarządzaniu ryzykiem w transporcie drogowym, ze szczególnym podkreśleniem dużej roli, jaką odgrywają użyte algorytmy. W drugim obszarze (rozdz. 4 i 5) opisano modele zarządzania ryzykiem w transporcie drogowym i przedstawiono ich formalny zapis. W trzecim obszarze (rozdz. 6-8) opisano proces algorytmizacji opracowanych modeli zarządzania ryzykiem wraz ze sposobem szacowania ryzyka na odcinkach sieci transportowej i przedstawiono weryfikację algorytmów zastosowanych w aplikacji do przykładów. W podsumowaniu monografii przedłożono rekomendacje dla decydentów zarządzających ryzykiem w transporcie drogowym, a także podkreślono oryginalność przedstawionych badań i ich dalszy kierunek. Spis treści: Streszczenie 8 Wstęp 9 Spis oznaczeń 12 1. Ryzyko i jego znaczenie w identyfikacji zagrożeń realizacji procesów transportowych 17 1.1. Pojęcie ryzyka w literaturze 17 1.2. Zagrożenia w realizacji procesów transportowych 22 3. Rodzaje ryzyka 26 Zarządzanie ryzykiem w transporcie drogowym 29 2.1. Ogólna procedura zarządzania ryzykiem 29 2.2. Zarządzanie ryzykiem w realizacji procesów transportowych 31 2.2.1. Problematyka wyznaczania tras jazdy pojazdów 32 2.2.2. Problematyka przydziału pojazdów do zadań 33 3. Metody i narzędzia oceny i zarządzania ryzykiem w transporcie drogowym 35 3.1. Klasyfikacja metod oceny ryzyka 35 3.2. Charakterystyki wybranych metod oceny ryzyka 40 3.3. Algorytmy sztucznej inteligencji w ocenie i zarządzaniu ryzykiem w transporcie drogowym 44 3.4. Szacowanie ryzyka zdarzeń niebezpiecznych 48 4. Uogólnione modele zarządzania ryzykiem w transporcie drogowym 50 4.1. Budowa modelu zarządzania ryzykiem w przewozie ładunków 50 4.1.1. Założenia budowy modelu w przewozie ładunków 50 4.1.2. Identyfikacja elementów modelu zarządzania ryzykiem w przewozach ładunków 54 4.1.3. Struktura sieci transportowej w przewozach ładunków 55 4.1.4. Parametryzacja elementów sieci transportowej w przewozie ładunków 57 4.1.5. Zmienne decyzyjne modelu zarządzania ryzykiem w przewozie ładunków 66 4.1.6. Ograniczenia modelu zarządzania ryzykiem w przewozie ładunków 68 4.1.7. Ocena ryzyka w przewozie ładunków 75 4.2. Budowa modelu zarządzania ryzykiem w przydziale pojazdów do zadań 77 4.2.1. Założenia budowy modelu zarządzania ryzykiem w przydziale pojazdów do zadań 77 4.2.2. Identyfikacja i parametryzacja elementów modelu zarządzania ryzykiem w przydziale pojazdów do zadań 80 4.2.3. Zmienne decyzyjne modelu zarządzania ryzykiem w przydziale pojazdów do zadań 85 4.2.4. Ograniczenia i funkcja kryterium modelu zarządzania ryzykiem w przydziale pojazdów do zadań 87 5. Wybrane modele zarządzania ryzykiem w transporcie drogowym 90 5.1. Założenia ogólne – rodzaje modeli 90 5.2. Model zarządzania ryzykiem w transporcie ładunków w systemie całopojazdowym i hierarchicznym 91 5.3. Model zarządzania ryzykiem w transporcie ładunków w systemie rozproszonym 101 5.4. Model zarządzania ryzykiem w przydziale pojazdów do zadań 107 6. Algorytmy optymalizacyjne zarządzania ryzykiem w przewozie ładunków 112 6.1. Metoda zarządzania ryzykiem w przewozie ładunków 112 6.2. Algorytm mrówkowy w zarządzaniu ryzykiem w przewozie ładunków 113 6.3. Algorytm genetyczny w zarządzaniu ryzykiem w przewozie ładunków 121 6.3.1. Postać ogólna algorytmu genetycznego w zarządzaniu ryzykiem w przewozie ładunków 121 6.3.2. Etapy budowy algorytmu genetycznego w modelu zarządzania ryzykiem w przewozie ładunków 124 7. Algorytmy optymalizacyjne zarządzania ryzykiem w przydziale pojazdów do zadań 129 7.1. Metoda zarządzania ryzykiem w przydziale pojazdów do zadań 129 7.2. Algorytm mrówkowy w zarządzaniu ryzykiem w przydziale pojazdów do zadań 131 7.3. Algorytm genetyczny w zarządzaniu ryzykiem w przydziale pojazdów do zadań 133 8. Kalibracja, weryfikacja i aplikacja algorytmów do zarządzania ryzykiem w transporcie drogowym 137 8.1. Założenia do procesu kalibracji i weryfikacji algorytmów 137 8.2. Przykład zastosowania algorytmu mrówkowego i genetycznego do zarządzania ryzykiem w transporcie ładunków niebezpiecznych 138 8.2.1. Dane wejściowe modelu zarządzania ryzykiem w transporcie ładunków niebezpiecznych 138 8.2.2. Wyznaczanie teoretycznych rozkładów prawdopodobieństwa wypadków i ich skutków w transporcie ładunków niebezpiecznych 140 8.2.3. Wyniki kalibracji i weryfikacji algorytmu mrówkowego w przewozach ładunków niebezpiecznych 144 8.2.4. Wyniki kalibracji i weryfikacji algorytmu genetycznego w przewozie ładunków niebezpiecznych 148 8.3. Przykład zastosowania algorytmu mrówkowego i genetycznego do zarządzania ryzykiem w przedsiębiorstwie komunalnym 150 8.3.1. Dane wejściowe modelu zarządzania ryzykiem w przedsiębiorstwie komunalnym 150 8.3.2. Wyznaczanie teoretycznych rozkładów prawdopodobieństwa wypadków i ich skutków w zbiórce odpadów komunalnych 151 8.3.3. Wyniki kalibracji i weryfikacji algorytmu mrówkowego w zbiórce odpadów komunalnych 155 8.3.4. Wyniki kalibracji i weryfikacji algorytmu genetycznego w zbiórce odpadów komunalnych 157 8.4. Przykład zastosowania algorytmu mrówkowego i genetycznego do zarządzania ryzykiem w przydziale pojazdów do zadań 160 8.4.1. Dane wejściowe modelu zarządzania ryzykiem w przydziale pojazdów do zadań 160 8.4.2. Wyznaczanie teoretycznych rozkładów prawdopodobieństwa wypadków i ich skutków w przydziale pojazdów do zadań 161 8.4.3. Wyniki kalibracji i weryfikacji algorytmu mrówkowego w przydziale pojazdów do zadań 164 8.4.4. Wyniki kalibracji i weryfikacji algorytmu genetycznego w przydziale pojazdów do zadań 166 Podsumowanie 170 Bibliografia 173