Содержание к диссертации
Введение
Глава 1. Современный морской порт, как объект системных исследований
1.1 Характеристика морского порта Морской порт - транспортный узел. Элементы порта 10
1.2 Особенности и устройства портов в различных условиях 14
1.3 Состав и структура портовых контейнерных систем 19
1.4 Модели функционирования логистических контейнерных систем 23
Глава 2. Математические методы оптимизации процессов развития морских портов
2.1 Методология адаптивного формирования вариантов управления процессами развития морских портов 34
2.2 Оптимизация дискретных параметров управления имитационными моделями морских портов 43
Глава 3 Методы идентификации неизвестных параметров и аппроксимация поведения статистических оценок в вычислительных схемах оптимизации портовых комплексов
3.1 Проблема исследования качества алгоритмов оценивания в сложных системах 65
3.2 Исследование эффективности идентификации параметров в марковских схемах 67
3.3 Численная процедура требуемых объемов при оценивания параметров 81
3.4 Анализ асимптотического поведения оценок максимального правдоподобия и обобщенных байесовских оценок параметров марковской цепи 83
Глава 4 Системные и математические вопросы многоцелевого синтеза и управления для портовых комплексов (ПК)
4.1 Постановка задачи управления на основе формирования компромиссных решений 96
4.2 Методы поддержки принятия компромиссных решений в задачах многокритериального выбора 102
4.3 Исходные данные и структура алгоритма многокритериальной оптимизации (оптимизации по Парето) 121
4.4 Оценка экстремальных значений критериев эффективности проектируемых систем морских портов 134
Глава 5 Концепции компоновки территории морских портов
5.1 Зонирование территории порта 148
5.2. Районирование и специализация грузовых причалов 150
5.3 Взаимное расположение районов (участков) различного технологического назначения 152
5.4 Выбор рациональной конфигурации причальной линии 154
5. 5 Компоновка районов перевалки генеральных грузов 156
5.6 Компоновка участков для перевалки крупнотоннажных контейнеров (контейнерных баз) 166
5.7 Компоновка участков (причалов) для перегрузки горизонтальным способом 169
5. 8 Компоновка акватории морских портов 171
Глава 6 Математическое моделирование и оптимизация размещения элементов морских портов
6.1 Проблемы размещения элементов морских портовых комплексов 182
6.2 Постановка и критерии задачи оптимизации размещения компонентов портовых комплексов 184
6.3 Постановка линейной задачи размещения компонентов портовых комплексов 188
6.4 Алгоритмы решения линейных задач размещения компонентов портовых комплексов 189
6.5 Задачи о покрытии множества при размещении компонентов портовых комплексов 197
6.6 Математические модели и алгоритмы геометрического проектирования пространственной схемы портовых комплексов 200
6.7 Общая схема процедуры оптимизации размещения компонентов портовых комплексов 217
Глава 7 Анализ распределенной информационной системы управления обслуживанием перевозки грузов морского порта
7.1 Особенности функционирования распределенной информационной системы ОПГМП 227
7.2 Описание моделей информационной системы 246
7.3 Создание и применение распределенной информационной сети управления в системе государственного управления морским сектором Вьетнама 266
Глава 8. Анализ и модели экологического мониторинга портовых комплексов
8.1 Основные источники загрязнения 279
8.2 Информация об источниках загрязнения окружающей среды 284
8.3 Организация экологического мониторинга на морском транспорте и в портах 312
Основные выводы по работе 348
Литература 353
Приложение 380
- Состав и структура портовых контейнерных систем
- Методы поддержки принятия компромиссных решений в задачах многокритериального выбора
- Общая схема процедуры оптимизации размещения компонентов портовых комплексов
- Организация экологического мониторинга на морском транспорте и в портах
Состав и структура портовых контейнерных систем
Современный этап развития морских перевозок и создания эффективных портовых комплексов характеризуется использованием контейнерного метода укрупнения и унификации грузовых мест. Любой груз, помещенный в стандартный контейнер, перевозится любым маршрутом и в любой комбинации водных и сухопутных видов транспорта. Контейнеризация перевозок привела к необходимости создания специализированной терминальной системы перевозок грузов в контейнерах, при котором сокращаются сроки продвижения грузов, интенсифицируются погрузочно-разгрузочные операции, осуществляется экономия рабочей силы и подвижного состава. Современный контейнерный терминал представляет собой два взаимодействующих персгрузочных комплекса, один из которых перемещает контейнеры, а другой - неконтейнеризованные грузы.
Рассмотрим некоторые вопросы создания контейнерных систем, которые были изложены в работах Горбатого М.М. и Романовского Ф.Д. [27].
На рис. 1.1 показана, принадлежащая Романовскому Ф.Д., обобщенная структурная схема контейнерного комплекса, который структурно подразделен на невзаимозаменяемые технологические объекты (грузовые фронты и склады), каждый из которых в свою очередь состоит из взаимозаменяемых технологических элементов, предназначенных для приема одного транспортного средства (судна, подачи вагонов, автомобиля) и контейнеров.
Современный контейнерный терминал портового комплекса включает следующие основные элементы:
- грузовой фронт с перегрузочным оборудованием и площадкой для выгрузки контейнеров из судов;
- сортировочную площадку для отправки контейнеров на ближайщем судне;
- складскую площадку;
- железнодорожный грузовой фронт с оперативной площадкой;
- автомобильный грузовой фронт с оперативной площадкой;
-склад комплектации для формирования и расформирования контейнеров;
- обменный парк контейнеров;
- диспетчерский пункт управления;
- службы ремонта контейнеров;
-контрольно-пропускной пункт, таможенный пункт, коммуникации и др
Основные функции, выполняемые контейнерными терминалами :
- контроль за поступлением контейнеров с выделением мест хранения;
- размещение на складах и контейнерных площадках контейнеров - вывоз, разгрузка и погрузка подъемно-транспортными средствами терминала контейнеров;
- обработка контейнеров местного назначения;
- внутрипортовые перевозки контейнеров, погрузка и разгрузка судов;
- ремонт неисправных контейнеров.
Романовский Ф.Д. разработал [27] единую технологию уплотненной (обеспечивающей максимальное использование площади грузового помещения) укладки пакетированных грузов в грузовых помещениях и на средствах транспорта, а также необходимую технологическую оснастку к универсальным погрузчикам и компьютерные программы для выбора схем размещения пакетов.
Уплотненная укладка основана на регулировании длины и щирины штабеля по размерам грузового помещения путем подбора числа пакетов в ряду и поворота их в плане относительно друг друга (см. рис. 1.2).
Размещение пакетов с уплотнением определяется по формулам: Вз-(Апь + Вшь) В-А;Ьз-(Апь + Вшь) В-А; Вз - [(min Anb = Вmb)Cb + min(Aib + Bjb)Kb] В - А;
L3 - [(min An, = Bm,)Q + min(Aii + Bji)KJ В - А; n=1,N; m=1,М;i=1,1; j = 1,J;m 0.
Здесь: А - длина, В - щирина пакета, Вз и L3 - размеры помещения по ширине и длине в прямоугольном плане, Пь, mb - число пакетов в ряду, расположенном по ширине помещения, уложенных короткой и длинной сторонами вдоль ряда, соответственно; Пь іщ - число пакетов в ряду, расположенном по длине помещения, уложенных короткой и длинной сторонами вдоль ряда, соответственно; Сь, Кь - число секций min Anb = Bmb и блоков min(Aib + Bjb) по ширине штабеля, соответственно; ib, jb - число пакетов в расположенном по ширине помещения ряду прямоугольного блока штабеля, уложенных короткой и длинной сторонами вдоль ряда, соответственно; Q, Ьч —число секций min Aщ = Bmi и блоков min(Aii + Bji) по длине штабеля, соответственно; ц, ji - число пакетов в расположенном по длине помещения ряду прямоугольного блока штабеля, уложенных короткой и длинной сторонами вдоль ряда, соответственно.
Автором совместно с исследовательским центром Главного технического морского Управления Вьетнама проведены исследования, связанные с моделированием процессов контейнирования грузов в морских портах Вьетнама [С2 4,24,25,30,]. В результате моделирования показано, что при применении уплотненной укладки пакетов вместимость контейнеров и автомобилей увеличивается на 4-9%, вагонов - на 12-22%, складов - на 11-17%. Реальные результаты применения алгоритмов оптимизации уплотнения контейнерных грузов показывают сходные результаты.
Анализ современного состояния и прогноз перспективного развития контейнерной перевозки СРВ приводятся автором в Приложении к диссертации.
Методы поддержки принятия компромиссных решений в задачах многокритериального выбора
В современной науке о принятии рещений центральное место занимают многокритериальные задачи выбора. Считается, что учет многих критериев приближает постановку задачи к жизни. В данной работе исследуются вопросы того, как предпринимать многокритериальнй анализ (МКА) в принятии рещений и извлекать из него наибольщую пользу для оценки альтернатив стратегий и других рещений, включая имеющееся влияние окружающей среды, но не ограничиваясь им. МКА охватывает ряд техник, которые могут иметь практическое значение для лиц принимающих рещений (ЛПР), и которые все больше используется в ряде стран мира. МКА - это подход, и набор методов, которые направлены на решение нескольких классов задач принятия решений, а именно, упорядочение альтернатив, идентификация единственной наиболее предпочтительной альтернативы, создание набольшего списка ограниченного числа альтернатив для подробной последующей оценки, проведение различий между приемлемыми и неприемлемыми вариантами [1]. В рамках всех подходов МКА формируются альтернативы и учитывается вклад различных влияющих на них критериев, все техники предполагают осуществление экспертных суждений, но они отличаются способом объединения данных. Основная роль этих методов для ЛПР - оперирование большим количеством комплексной информации непротиворечивым способом. Считается, что некоторые разновидности МКА в настоящее время не представляют большой помощи для решения практических задач из-за недостаточно разработанной методологической базы, но некоторые могут заслуживать внимания. В работе описываются практические методики и указываются типы приложений, в которых они могут использоваться, а также выявляются их ограничения. 4.2.1. Технология процесса поиска решений
Вполне оправдано рассмотрение многокритериальных задач принятий решений в различных научных дисциплинах. Центральным для этих проблем является сам акт выбора человеком одного из вариантов решений. В отличие от других научных дисциплин, в науке о принятии решений основным предметом является исследование процесса выбора. Эта наука изучает, как человек принимает решения и как следует ему в этом помогать, создавая специальные методы и компьютерные системы [2].
Создание многокритериальных методов принятий решений требует рассмотрения математических психологических и компьютерных проблем [3,4]. В связи с этим в разработке этого научного направления принимают участие математики, психологи, политологи, специалисты по искусственному интеллекту, теории организаций, информатике, вычислительной технике.
Под принятием решений понимается процесс человеческой деятельности, направленный на выбор наилучшего варианта действий.
Общего единого на все случаи алгоритма выбора нет и не может быть. Эта операция всегда конкретна. В общем случае выбор может быть неоднозначным, что определяется следующими обстоятельствами: нечеткостью описания альтернатив; наличием множества критериев; нечеткостью описания результатов решения; неоднозначностью прогнозируемых результатов решения; трудностями согласования решения, преодоления противоречий; трудностями обеспечения решения.
Выбор может проводится в условиях:
- определенности - здесь возможны случаи поиска оптимального решения, упорядочения альтернатив, произвольного выбора;
- неопределенности - - здесь возможны различные информационные ситуации: стохастическая информация, расплывчатая информация, полная неопределенность [5,6].
В процессе принятия решения можно выделить 3 этапа: поиск информации, поиск и нахождение альтернатив и выбор лучшей альтернативы. На первом этапе собирается все доступная на момент принятия решения информация: фактические данные, мнение экспертов. Там, где возможно, строятся математические модели; проводятся социологические опросы;; определяются взгляды на проблему со стороны активных групп. Второй этап связан с определением того, что можно, а что нельзя делать в имеющейся ситуации, т.е. с определением вариантов решений (альтернатив). Третий этап включает в себя сравнение альтернатив и выбор наилучшего варианта, (или вариантов) решения.
Для обработки стратегии, программы или проекта можно использовать следующий процесс:
1. Определение целей. Цели должны быть чёткими, измеримыми, согласованными, реальными и без временной зависимости. Иногда удобно сначала классифицировать цели, выделяя стратегические (основные), промежуточные и тактические (ближайшие) цели. Стратегические цели обычно сформированы в понятиях переменных высшего уровня. Тактические цели - такие, которые могут иметь прямую связь с целями стратегии, программы или проекта. Анализ предложенных целей требует фокусировки на тех критериях, которые влияют на текущие, и, следовательно, на стратегические цели.
2. Идентификация альтернатив достижения целей. Как только онределены цели, на следующем шаге нужно идентифицировать альтернативы, которые могут сделать вклад в достижение целей. Потенциально подходящие альтернативы требуют подробной разработки. Это может быть планирование общей стратегии через детальное проектирование индивидуальных проектов.
Здесь же важной может быть обратная связь к проектной стадии от всех последующих этапов оценки/вычислений.
Существует несколько организационных форм генерирования альтернатив [7]:
а) Мозговый штурм. Формируется группа специалистов, члены которой высказывают различные альтернативы рещения проблемы, которые фиксируются, причем на этом этапе критика выдвигаемых альтернатив запрещена. Обращается внимание на взаимосвязь альтернатив, возникновение новых идей.
б) Синектика - генерирование идей путем ассоциативного мышления. Среди задач, решение которых известно, находятся аналоги исследуемой проблеме.
в) Разработка сценариев. Проводится описание будущего течения процесса при различных альтернативах, но при одинаковых начальных условиях.
г) Морфологический анализ. Определяются все возможные значения основных переменных и рассматриваются все возможные комбинации значений этих переменных. При рассмотрении комбинаций некоторые варианты могут быть отброшены, как не удовлетворяющие требованиям.
д) Деловые игры. Создаются имитационные человеко-машинные системы для анализа течения процессов при различных решениях участников игры лиц, которым надлежит принимать решения в реальной ситуации.
3. Определение критериев и подкритериев для сравнения альтернатив. Нужно решить, как сравнивать влияние различных критериев на соответствующие альтернативы. Это требует выбора таких характеристик, которые будут отражать эффективность достижения целей. Каждый критерий должен быть измеримым, в определенном степени поддающимся оценке (количественной или качественной), насколько отдельная альтернатива выполнима по данному критерию. При большом количестве критериев они обычно могут быть объединены в группы, имеющие конкретное смысловое значение и название.
Общая схема процедуры оптимизации размещения компонентов портовых комплексов
Перейдем к изложению методики моделирования и оптимизации параметров, определяющих состав, структуру и режимы функционирования ПК. Функции распределенного иерархического функционирования ПК формируются с помощью многоступенчатых процессов принятия рещения. Так как во многих практических задачах цели функционирования динамической системы такой, как портовый комплекс определены неоднозначно, то вариант размещения часто может быть выбран лишь с помощью векторного критерия на основе соответствующих принципов оптимизации. При этом решение принимается в условиях ограничений времени на вычисление требуемого варианта размещения компонентов комплекса. Таким образом, качество синтезированных вариантов размещения определяется возможностью достижения оптимума в данной конкретной итерации принятия решения.
Методика оптимизации имитационной модели состоит из двух основных компонентов:
- модели, прогнозирующей оценку эффективности размещения;
- процедуры оптимизации параметров и режимов функционирования.
Задачи оптимизации размещения компонентов ПК могут быть сведены к задачам целочисленного программирования, общая формулировка которых следующая.
Пусть Rm- m-мерное евклидово пространство, Z"- его целочисленная рещетка, т.е. набольшее подмножество R", состоящее из векторов у- все компоненты которых целочисленные. На 2 задан функционал F и некоторое подмножество D решетки Zm. Требуется найти такое у0,, чтобы
Здесь opt— операция определения оптимума, в нашем случае минимума функционала F. Множество D- множество допустимых значений аргумента, как правило, задается с помощью ограничений вида 0,..., 000,/ 0. (6.42)
Для решения задачи (6.41), (6.42) использовались два различных по своему характеру метода: метод статистической оценки экстремальных значений критериев эффективности и метод поиска приближенного решения, состоящего из процедуры поиска зон, содержащих локальные допустимые экстремумы, и процедуры локального улучшения решения путем формирования показателя роста функционала эффективности заданной окрестности - аналога дискретного псевдоградиента. С помощью первого метода формируется оценка minF(x), которая запоминается наряду с полученными в процессе работы процедуры предоптимальными значениями критерия F\...,F\ Полученная оценка minF(x)служит тестом на приемлемость решения приближенного поиска оптимальных аргументов. Если наилучшее к данному шагу решение достаточно близко к оптимальному ЛР(хя) = F(xH)-mmF(x) є (6.43) где є - заданное значение, то возможна остановка процедуры поиска. Если процедура поиска приближенного значения функционала критерия заканчивается по каким-либо другим причинам, то AF(xH), определяемое (6.43), позволяет оценить качество полученного решения хн, чтобы попытаться проанализировать возможность снижения точности решения є.
Предположим, что в результате имитационного эксперимента получена некоторая скалярная функция f(x), зависящая от т -мерного параметра х, принадлежащего некоторому дискретному множеству xeRm. Так как отдельные реализации эксперимента строятся с привлечением методов моделирования стохастических процессов, то зависимость функционала / от данного значения параметра х имеет неоднозначный, вероятностный характер. Все это приводит к необходимости постановки задачи оптимизации имитационной модели в рамках теории стохастического программирования. В качестве критерия обычно выбирается функция математического ожидания F{x) = Mf{x). На основании наблюдения отдельных реализаций Дх) требуется найти экстремальные точки функционала (х).
Пусть множество оптимизируемых параметров дискретно и конечно. Без ограничения общности можно считать, что х имеет вид декартова произведения где и,,Л 0- целочисленные верхняя и нижняя границы изменения г-го параметра (г = 1,..ЛІ); т - число оптимизируемых параметров. Считаем заданными на X некоторый детерминированный функционал качества (критерий ) и некоторое множество D(D є X). Критерий F вычисляется, а принадлежность множеству идентифицируется в ходе имитационного эксперимента. Множество допустимых значений аргумента D задается, как правило, с помощью совокупности ограничений вида (6.42).
С практической точки зрения необходимо получить устойчивые результаты оптимизации в широком классе решаемых задач. Решить общую задачу позволяет алгоритм оптимизации дискретных имитационных моделей (АОДИМ), апробированный при решении ряда практических оптимизационных задач. Здесь рассмотрим общую схему АОДИМ, более подробно алгоритм рассматривается в Главе 2. Введем соответствующую метрике Н окрестность точки радиуса М:
Ограничения (6.44) учитываются введением в (6.105) вместо каждого слагаемого, соответствующего недопустимому значению х, функции недопустимости данного х, учитывающей информацию о функционале F на множестве X, например, вида уеХ для последующего поиска выбирается октант с номером Nn е (l,...,2m).
Центральным в алгоритме является поиск той части окрестности UH(x,r), в которой достигается минимум среднего значения обобщенного градиента функционала F. Это позволяет прогнозировать тенденции изменения функционала F и обеспечивает продвижение в направлении уменьщения F с помощью процедуры линейного поиска.
При рещении практических задач поиска наиболее целесообразно применение АОДИМ в сочетании с процедурами случайного поиска, предназначенными для отделения локальных экстремумов.
Организация экологического мониторинга на морском транспорте и в портах
Обеспечение в рамках портовой транспортной системы требуемого объема перевозок и экологической защищенности окружающей среды требует организации регулярного контроля за ее состоянием.
Загрязняющее воздействие портового комплекса и связанной с ним транспортной системы на окружающую среду проявляется в различных формах (в виде выбросов в атмосферу, загрязнений почвы, воздействий на водную среду и т.д.), каждая из которых характеризуется качественными и количественными показателями. Показатели меняются в зависимости от вида перевозок (грузовой, пассажирский, грузо-пассажирский, технический), дальности перевозок (магистральный, местный), совмещения с морского и речного транспорта с другими транспортными коммуникациями (автомобильный, железнодорожный и т.д.) и других многочисленных факторов.
Это приводит к тому, что контроль за каждым загрязняющим веществом не возможен, он организуется за интегральным воздействием хозяйственной деятельности на окружающую среду в виде системы наблюдения и оценки состояния окружающей среды под влиянием воздействия. В связи с этим возникает задача организации экологического мониторинга на транспорте, выполняющего управление состоянием окружающей среды и процессами загрязнения.
Для анализа вопросов управления состоянием окружающей среды используем понятие геоэкологической системы [95, 119], в которой геофизическая среда - совокупность неживых объектов и протекающих в них процессов будет являться объектом управления. Как и любая система, геоэкологическая система включает, наряду с объектом управления, также и управляющую систему. В геоэкологической системе управляющая система достаточно сложна. В связи с этим целесообразно ограничить предмет исследования рамками непосредственных воздействий достаточно крупного масштаба, осуществляемых большими социальными группами или оказывающих существенное влияние на значения параметров среды, которые существенны для больших социальных групп. Тогда управляющей системой можно считать общество в целом, и включающее человека, а также хозяйственную, транспортную, социально-культурную и управленческую сферы его деятельности (рис. 8.1).
Приведенная структура носит схематический характер. Общество воздействует на геофизическую среду не как целое, а через посредство лишь одной или нескольких входящих в него подструктур, в том числе, транспортную. По этой причине в конкретных задачах управления в качестве управляющей системы будут использоваться административные и технические службы различного уровня, которые созданы внутри общества для выполнения соответствующих функций. Наряду с этим существуют задачи управления геоэкологической средой, где нельзя не рассматривать влияние общества в целом на соответствующую службу, т.е. в которых управляющее воздействие исходит от общества в целом, а специализированная служба играет роль посредника между обществом и геоэкологической средой.
Управление состоянием геоэкологической природной среды представляет собой сложную задачу вследствие специфических особенностей этого объекта. Применение разработанных в других областях кибернетических методов и подходов наталкивается на ряд трудностей, обусловленных следующими факторами:
1. Геоэкологические процессы недостаточно исследованы (идентифицированы) как объекты управления. Отсутствуют адекватные реальным процессам математические модели многих геоэкологических объектов, особенно в транспортной среде. Некоторые модели или являются чрезвычайно упрощенными, или носят характер научных гипотез. Это относится к сейсмическим процессам, природе земных токов, крупномасщтабным атмосферным процессам, транспортной сети страны и т.д.
2. Математические модели геоэкологических процессов весьма сложны.
Практически все они многомерны и описывается уравнениями в частных производных. Анализ и синтез систем управления такими системами требует развития теории управления, разработанной, в основном, для систем с сосредоточенными параметрами, которые не всегда пригодны к транспортным системам.
Рассмотрим задачу управления в системе экологического мониторинга на транспорте. В наиболее общей форме задача управления состоянием окружающей среды на транспорте можно представить как совокупность управляющих воздействий и, обеспечивающих экстремум (максимум или минимум) некоторого функционала, обычно называемого целевым функционалом или функционалом цели G[Fs(r,t\Fe(Ye,tFFg(YAt\ e (8.1) где Fs(У,1) - функция распределения вероятностей значений контролируемых переменных состояния окружающей Среды У в зависимости от времени t, Fe(Ye,1) - функция распределения неконтролируемых воздействий на окружающую среду Ye, Fg(Y,t) - желаемое распределение переменных состояние окружающей среды на транспорте, т.е. то, которое предполагается сформировать в результате управляющих воздействий. При этом полагается, что между входящими в выражение (8.1) функциями распределения существует взаимозависимость вида A[Fs(Y,t,,FЛ(Ye,t,t/] = 0, (8.2) где А - некий функционал, называемый математической моделью объекта управления, в данном случае моделью эволюции окружающей среды, и что существуют ограничения на возможные значения управляющих воздействий UeQU9 (8.3) где Qu - область допустимых значений управляющих воздействий.
Использование вероятностной формулировки задачи определяется свойствами объекта управления - окружающей среды на транспорте. Первая особенность - это его континуальное распределение по пространству, и точное определение его состояния (задание значений характеризующих его параметров во всех точках пространства, количество которых бесконечно). В отличие от рассматриваемых в теории управления систем с сосредоточенными параметрами состояние транспортного объекта здесь описывается бесконечномерным вектором состояния Y. Математические модели объектов типа (8.2) представляют из себя системы интегро-дифференциальных уравнений с соответствующим набором начальных условий для вектора Y, где последние задаются на основе натурных измерений значении его компонентов. Для окружающей транспортной среды это означает, что для решения конкретной задачи управления предварительно необходимо мгновенно выполнить измерения значений переменных среды во всех точках пространства, что не возможно. Дистанционные методы позволяют быстро определить состояние распределенного транспортного объекта, но достигаемая при этом точность измерений низка. Статистический подход в этом случае становится необходимым по другой причине, а именно значительной неопределенности значений переменных, характеризующих исходное состояние. При этом эволюция объекта может быть описана только в вероятностном смысле.
Целевой функционал (8.1) в управлении состоянием окружающей среды также имеет ряд особенностей. На практике не требуется достижение в результате управляющих воздействий строго определенного конечного состояния транспортного объекта. Это связано с тем, что адаптационные механизмы позволяют существовать с достаточным комфортом в широком диапазоне значений геоэкологических параметров, и необходимость управления последними связана с возможностью их выхода из этого диапазона. Отсюда следует формулировка цели управления - минимизация вероятности неблагоприятных природных условий