CC BY
55
ТЕОРЕТИЧЕСКОЕ ОБОСНОВАНИЕ МОДЕЛИ ИДЕНТИФИКАЦИИ ПОНЯТИЙ СУДОВОЖДЕНИЯ
Галак Г.И., аспирант, МГУ им. адм. Г. И. Невельского
В статье рассматриваются основные теоретические положения модели обучения, известной как «модель идентификации понятий», применительно к судовождению. Приводятся основные расчётные формулы и алгоритм обучения. Описание теоретической модели иллюстрируется практическим примером.
Ключевые слова: модель, обучение, судовождение, алгоритм, идентификация.
THEORETICAL SUBSTANTIATION OF THE MODEL IDENTIFICATION THE CONCEPTS OF NAVIGATION
Galak G., post-graduate student, the Admiral Nevelskoy Maritime State University
The article examines the key theoretical provisions of the learning model, known as the «model of identification of concepts», in relation to the navigation. Provides basic calculation formulae and the training algorithm. Description of the theoretical model is illustrated by a practical example.
Keywords: model, training, navigation, algorithm, identification.
Специфика работы судоводителя заключается в том, что ему постоянно приходится распознавать и классифицировать различные ситуации. Примером может служить распознавание ситуаций, возникающих при движении судна в плотном скоплении судов. В таких случаях, прежде чем осуществить маневр, направленный на безопасное расхождение, необходимо идентифицировать (распознать) ситуацию и отнести её к одному из правил МППСС.
После того как ситуация классифицирована и отнесена к одной из категорий «опасно» или «не опасно», судно либо продолжает движение заданным курсом и скоростью, либо предпринимает соответствующий маневр. Но при этом ни один судоводитель не сможет точно сказать, на каком визуальном расстоянии от пересекающего курс судна он повернет, например, вправо или сбавит ход, чтобы в соответствии с правилами МППСС сделать маневр «заблаговременно». Как правило, в момент маневра он руководствуется такими оценками как «далеко» - «близко», «рано» - «поздно». Ещё более сложная задача возникает, когда судоводителю приходится сближаться с подвижным объектом, используя методы наведения, такие как пропорциональная навигация [3].
Адаптация судоводителя к условиям работы на судне без специальной подготовки может длиться от 5 до 7 лет [2]. Но, как показывает опыт использования тренажёрной техники в учебном процессе, научить молодого специалиста оценке уровня риска в какой-то степени можно в период обучения в учебных заведениях с помощью тренажеров под руководством опытных судоводителей. При этом на тренажерных комплексах возможна проверка профессиональных качеств судоводителей, путём использования специальных тестов и заданий.
При подготовке морских специалистов закономерно возникает вопрос «Что следует считать результатом обучения: приобретение навыка как фиксирован-ной последовательности действий или образование в сознании судоводителя некоторой «познавательной структуры», т. е. некоторого отражения типичных ситуаций»? На наш взгляд результатом обучения, прежде всего, должно являться образование «познавательной структуры», формируемой на основе вероятностного подхода к обучению. Вероятностный подход заключается в получении вероятности правильного ответа как функции номера испытания. Т.е. вероятность ответа - основная зависимая переменная.
Таким образом, сделанное заключение в отношении зависимой переменной, позволяет в качестве модели обучения понятиям судовождения использовать основные положения модели идентификации понятий, описание которой приведено в [1].
Согласно этой модели испытуемый может находиться в одном из двух состояний: «решение найдено» (^ и «решение еще не найдено»
(^у). В состоянии ^ вероятность правильного ответа равна р (0 < р < 1). Если имеет место состояние , то вероятность ошибки распознавания q = 1 -р, а вероятность выбора вслед за ошибкой значимого признака равна относительному весу значимого признака с. Поэтому qc -это вероятность перехода из состояния ^ в состояние 5 (за одну пробу). Вероятность того, что при этом переход из ^ в £ не состоится, равна 1 - qc.
Если состояние в п-й пробе (испытании) обозначить через ^ или 5*я, тогда матрица вероятностей перехода для этих состояний в двух соседних пробах п и п + 1 будет иметь следующий вид
■“*71+1 ^71 + 1
Для того чтобы найти вероятность некоторой последовательности состояний 5*4, £5, ..., необходимо перемножить соответ-
ствующие вероятности перехода:
Модель идентификации приводит к представлению о процессе распознавания как о цепи Маркова с двумя состояниями (одно из них - поглощающее).
При проведении испытаний по идентификации понятий получается последовательность ответов испытуемого, классифицирующего предъявляемые ему карточки, причем эти ответы кодируются нулями (правильные) и единицами (неправильные). Связь между ответами и состояниями носит вероятностный ха-рактер и определяется следующими аксиомами ответов:
а) Если при предъявлении карточки испытуемый находится в состоянии то его ответ будет правильным с вероятностью р и ошибочным с вероятностью q = 1 - р.
б) Если при предъявлении карточки испытуемый находится в состоянии S, то его ответ будет правильным с вероятностью 1.
С помощью этих аксиом можно из утверждений относительно последовательности состояний рассматриваемой цепи Маркова получить утверждения относительно наблюдаемых ответов ис-пытуемого.
Модель идентификации понятий основана на том, что ^ - последовательность - это последовательность Бернулли, в которой возможными исходами каждого испытания являются правильный или неправильный ответы. Это означает, что в ^ - последовательности а)
вероятность правильного ответа в любой пробе имеет одно и то же значение р и б) резуль-таты следующих друг за другом проб статистически незави-симы, т. е. вероятность правильного ответа не зависит от того, какие ответы давались в предшествующих пробах. Первое свойство называется стационарностью, а второе - независимостью.
Таким образом, в соответствии с моделью идентификации понятий последователь-ность ответов, даваемых испытуемым в состоянии
^ , есть ре-зультат последовательности независимых испытаний Бернулли, в каждом из которых вероятность правильного ответа равнар, а выражение для вероятности ошибки в п-й пробе:
Чп = qd ~qc)
и—1
(l)
График функции вероятности ошибки в п-й пробе изображён на рис. 1 и характеризует процесс обучения группы испытуемых. Следовательно, этот график является усреднённой кривой (теоретической кривой).
Рис.1. График функции вероятности ошибки в п-й пробе
Одной из статистик, характеризующих поведение испытуемого, является число ошибок, сделанных им до того, как он решит задачу. Имеется связь между этим числом и параметром обучения с. На этом основан способ оценки с по данным эксперимента.
Пусть Т - случайная величина, представляющая полное число ошибок, сделанных испытуемым. Так как вначале испытуемый находится в состоянии ^ и, прежде чем перейти в состояние 5, он должен сделать хотя бы одну ошибку, то оче-видно, что Тможет принимать все значения, т. е. 1, 2, 3, ... .
Для того чтобы найти распределение вероятностей Т, за основу в модели идентификации понятий принимаются следующие предположения:
1) обучаться можно только на ошибочных ответах;
2) вероятность того, что данная ошибка испытуемого окажется последней, равна постоянной величине с.
Тогда формула распределения вероятностей Т будет иметь следующий вид:
Р (Т = к) = с(1 - с)*-1,к > 1
Для математического ожидания числа ошибок Т используется формула
(2)
(З)
Таким образом, если вероятность обучиться после каждой ошибки равна с, то среднее число ошибок, имевших место в процессе обучения, равно 1/с.
Дисперсия рассчитывается по формуле
D(T) =
1-е
stZ '
(4)
Среднеквадратичное отклонение случайной величины определяется как квадратный корень из диспер-сии. Для рассматриваемой модели обучения имеем
Оценка параметров с и # выполняется методом максимального правдоподобия. Для этого вводятся следующие обозначения:
-1
1=1
где 2% - число правильных ответов, предшествующих последней ошибке; N - количество испытуемых; где Т. - суммарное число ошибок.
Тогда формула для общей функции правдоподобия будет иметь следующий вид Для оценки параметра с служит формула
N
с =
Выражение для дисперсии
П(с)
Т
с2(1-с)
N
(6)
(7)
Для того чтобы найти оценку параметра р (или 1 - д) вместо 2пТ берутся средние значения этих величин для одного испытуемо-го£ и Т Тогда, с учётом того что I = г + т.
V = L
(8)
УЧ .-Я Л
q=l-p=J-
(9)
Использование модели идентификации понятий применительно к понятиям судовождения рассмотрим на следующем примере.
Имеется набор стимулов (карточек), которые используются для подготовки штурманского состава расхождению в сложных стеснённых условиях плавания, например в узкости или в потоке движения судов. На рис. 2 в качестве примера приведены два стимула из этого набора а и Ь. Эти стимулы являются зеркальным отражением одной и той же ситуации, т.к. в соответствии с правилом 15 МППСС-72 в случае а судно 2 должно уступить дорогу судну 1, а в случае Ь - наоборот.
Рис. 2. Стимулы а и Ь для обучения судоводительского состава расхождению при плавании в потоке судов
и
1 - судно, на котором находится обучаемый; 2 - потенциально опасное судно; 3, 4, 5 - суда, которые не представляют опасности, но могут оказаться опасными при маневрировании судна обучаемого.
В данном примере предполагается, что релевантным (значимым) признаком, характеризующим ситуацию как «опасную» или «не опасную» является дистанция кратчайшего сближения Л^. Если обучаемый предполагает, что заданная обеспечивает безопасное расхождение судов 1 и 2, то в этом случае ситуация классифицируется как «не опасная» и судно 1 следует заданным курсом и скоростью. В противном случае ситуация классифицируется как «опасная» и судоводитель (обучаемый) предпринимает действие, направленное на безопасное расхождение с судном 2 и другими судами.
Безопасная дистанция расхождения определяется методом экспертных оценок или в результате проведения серии испытаний с группой обучаемых.
Правильный ответ заключается в том, что если является безопасной для расхождения, то обучаемый должен следовать заданным
курсом и скоростью. В противном случае, если меньше безопасной дистанции для расхождения, то обучаемый должен предпринять маневр для безопасного расхождения.
Обучение заключается в том, что испытуемому предлагается набор стимулов с разными D . После каждого ответа сообщается правильный ответ. После 10 правильных ответов обучение можно считать законченным. Данный тип обучения рекомендуется сочетать с проведением занятий на тренажёре управления судном.
Алгоритм обучения состоит из следующих шагов.
1. Обучаемому предъявляется стимул в виде бумажной карточки или в электронном виде. Ошибочный ответ испытуемого кодируется единицей, правильный - нулём. Обучение продолжается до тех пора ответы обучаемого не начнут удовлетворять заданному критерию успешности обучения. Например, в качестве такого критерия можно принять 10 правильных ответов подряд, т.е. 10 нулей. В результате для каждого испытуемого будет получен набор из последовательностей единиц и нулей.
2. По данным эксперимента оцениваются параметры с по формуле (6) и соответственно дисперсия по формуле (7) и q по формуле (9).
3. По формуле (1) рассчитывается вероятность ошибки в n-й пробе и по полученным данным строится график.
4. По формуле (2) рассчитывается вероятность числа ошибок, сделанных испытуемым до того как он решит задачу.
5. Рассчитывается математическое ожидание числа ошибок по формуле (3).
6. По формуле (4) рассчитывается дисперсия математического ожидания числа ошибок.
7. По формуле (5) рассчитывается среднеквадратичное отклонение случайной величины (числа ошибок).
Сравнение полученных статистик для одного обучаемого с групповыми статистиками или статистиками экспертной группы позволит сделать вывод о степени подготовленности обучаемого решать подобные задачи на практике. Если полученные статистики не соответствуют средним групповым в заданных пределах, то процесс обучения продолжается. Наиболее эффективным методом обучения при этом следует признать обучение на тренажёрах путём проигрывания ситуаций, подобных ситуациям, изображённым на стимулах а и b (см. рис.
2).
Описанная методика обучения может использоваться при подготовке судоводительского состава морских судов по курсу Bridge Recourse Management и для оценки знаний при тестировании на компьютерных тренажёрах.
Литература:
1. Аткинсон Р., Бауэр Г., Кротерс Э. Введение в математическую теорию обучения. Пер. с англ. М., «Мир», 1969.
2. Сборник докладов научно-практической конференции Безопасность судоходства в Дальневосточном бассейне. 24-25 октября 2007 г. / Владивосток: Мор. гос. ун-т, 2007. - 316 с.
3. Фадюшин С.Г. Сближение судна с подвижным объектом методом пропорциональной навигации // Современные проблемы науки и образования. - 2012. - № 4;
АНАЛИЗ ПРОЦЕССОВ СЛИЯНИЯ И ПОГЛОЩЕНИЯ КОМПАНИЙ С УЧЕТОМ ОСОБЕННОСТЕЙ ТРАНСПОРТНОГО РЫНКА
Терёшина Н.П., д.э.н., профессор кафедры «Экономика и управление на транспорте», Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Московский государственный университет путей
сообщения» (МНИТ)
Пересветова Е.Б., аспирантка кафедры «Экономика и управление на транспорте», Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Московский государственный университет путей
сообщения» (МНИТ)
В статье представлены основные исторические вехи в российском опыте заключения сделок по слияниям и поглощениям, приведена статистика проведенных сделок в период 2001-2011 г.г., а также рассмотрены крупные сделки по слияниям в транспортной отрасли 2002-2011 гг.
Ключевые слова: слияние и поглощение, M&A, сравнительный анализ сделок M&A, рынок транспортный услуг, ОАО «РЖД», Западно-Сибирская железная дорога, ОАО «Трансконтейнер», ОАО «Аэрофлот».
THE ANALYSIS OF MERGERS AND ACQUISITIONS TAKING INTO ACCOUNT THE CHARACTERISTICS OF THE TRANSPORT MARKET
Tereshina N., Doctor of Economics, Professor of Economics and Management in Transport chair, Federal State Educational Institution of Higher Professional Education «Moscow State University of Railway Transport»
Peresvetova E., the post-graduate student, Economics and Management in Transport» chair, Federal State Educational Institution of Higher
Professional Education «Moscow State University of Railway Transport»
The article presents the major historical landmarks in the conclusion of the Russian experience in mergers and acquisitions, the statistics of these transactions in the period 2001-2011, and discusses major mergers in the transport sector 2002-2011.
Keywords: mergers and acquisitions, M & A, a comparative analysis of transactions M & A, the transport services market, JSC «Russian Railways», West-Siberian Railway, JSC «TransContainer», JSC «Aeroflot»
В современных условиях, когда на рынке транспортных услуг функционирует большое количество операторов, становится все сложнее качественно управлять подвижным составом. Большое количество участников транспортного рынка заставляет операторов осуществлять активную конкурентную тактику. Однако подавляющее большинство операторов - небольшие частные компании, не способные оказывать конкурентоспособные услуги по перевозке, ибо не обладают собственным подвижным составом и вынуждены арендовать его у более крупных компаний, таких как ОАО «Российские железные дороги» и других, что вызывает существенный рост издержек и, следовательно, себестоимости перевозки, а
это означает рост тарифной нагрузки, удорожание услуг, оказываемых пользователям.
Мировой финансовый кризис и его последствия в отраслях экономики России изменили мировосприятие потребителей. Теперь пользователь услуг требует индивидуализации удовлетворения запроса, а массовые, недифференцированные продукты подвержены уходу с рынка. Появление новых конкурентных отношений диктует полную конвергенцию рынков В2С и В2В. Активное развитие информационных систем и телекоммуникаций открывает новые возможности перед операторами.
Изменилась и мотивационная база грузовладельцев. Клиенто-
