图像说明

可视化图像说明

本说明用于解读 outputs/visuals_problem1、outputs/visuals_problem2、outputs/visuals_problem3 三个目录下的核心图像，帮助快速理解图中现象、推断结论，并说明这些结果如何体现当前建模方案的优越性。

问题一：既定航路探测分析

1. problem1_topdown.png

   • 现象：给定航路（蓝色轨迹）与四部 A 型雷达位置在地形背景上标出，路径颜色按照瞬时探测概率渐变。
   • 结论：航路大量穿越红色高风险区域，接近多个雷达视域中心；配合 problem1_detection_timeseries.png 可看到峰值超过 0.9，说明既定航路难以穿透。
   • 模型优越性：地形阴影、雷达范围与概率直接融合，反映出多源信息整合的可视化效果，有助于决策者识别关键危险区段。

2. problem1_detection_timeseries.png 与 problem1_window_discovery.png

   • 现象：瞬时概率曲线与滑动窗口概率曲线均出现高峰；黑色虚线代表融合结果。
   • 结论：多雷达互补导致融合概率显著高于单雷达，最终 outputs/problem1_analysis.xlsx 中给出的 0.9063 最大发现概率与图像一致。
   • 模型优越性：动态曲线精确体现连续扫描窗口的积累效应，验证概率融合算法的准确性与稳定性。

3. problem1_scan_probabilities.png

   • 现象：按 10 秒扫描周期绘制的平均概率，凸显各雷达在不同时间段的贡献。
   • 结论：RA-1、RA-3 提供主要威胁，RA-2 几乎不起作用。
   • 模型优越性：自动拆分周期并对多雷达结果进行对比，帮助对雷达部署进行价值排序。

4. problem1_detection_heatmap.png

   • 现象：在指定高度截面的平面概率热力图，突出雷达聚集区。
   • 结论：高风险区域集中在航路右下角，印证俯视图的高概率片段。
   • 模型优越性：利用地形网格与探测模型计算整片区域的风险分布，可用于生成异地航路的初始判断。

问题二：优化航路与约束验证

1. problem2_route_topdown.png

   • 现象：优化后的航路避开雷达覆盖区，路径颜色整体偏冷色。
   • 结论：多段航路绕开了问题一区域的高风险点，实现全程风险可控。
   • 模型优越性：路线规划算法结合风险栅格与动态约束，自动找到低探测概率的可行路径。

2. problem2_detection_timeseries.png 与 problem2_detection_window_stats.png

   • 现象：瞬时概率与滑动窗口概率均保持在低水平；图线几乎贴近零。
   • 结论：规划后的航路在任何雷达的任何窗口内都未出现高风险时刻，证明模型成功降低暴露概率。
   • 模型优越性：提供直观的时间序列说明，验证算法输出与题目约束（低于 0.2）一致。

3. problem2_speed_altitude_constraints.png

   • 现象：对速度、爬升率、离地高度等约束进行多子图展示，绿区代表满足，红区代表超限。
   • 结论：所有指标处于允许范围内，印证 outputs/problem2_route.xlsx 的约束校验结果。
   • 模型优越性：可视化验证约束满足情况，避免仅凭数值表格难以检查的盲点。

4. problem2_local_window.png

   • 现象：对最小风险窗口展开局部放大，标出雷达视线和地形遮挡剖面。
   • 结论：航路通过低谷地形实现遮蔽，解释为何风险值接近零。
   • 模型优越性：结合地形剖面与探测模型，实现“因果分析”，帮助说明策略合理性。

问题三：雷达部署与最弱场景分析

1. problem3_deployment_summary.png

   • 现象：图表列出晋级的三套部署方案，包含平均峰值、最弱场景峰值、可行比例等指标。
   • 结论：最优方案 [ZRB-1, ZRB-4, ZRB-10, ZRB-18] 最弱场景探测峰值仍为 0.8723，而方案 2、3 在某些场景下峰值明显更低。
   • 模型优越性：部署优化可保留多方案供决策权衡，并给出量化的风险指标。

2. problem3_route_probability_violin.png 与 problem3_detection_box_violin.png

   • 现象：展示不同部署方案在 25 个场景中的概率分布（箱线/小提琴）。
   • 结论：方案 1 的分布集中在高风险区，方案 2、3 的分布较分散，说明模型能识别部署对风险分布的影响。
   • 模型优越性：可视化对比多方案，辅助判断稳健与冒险策略，体现模型在多场景评估上的深度。

3. problem3_worst_route_topdown.png 与 problem3_worst_route_surface.png

   • 现象：显示最弱场景下的航路与雷达位置，以及 3D 地形覆盖。
   • 结论：在最弱场景中，蓝方航路被多个雷达覆盖，说明当前部署仍可实现较高探测概率。
   • 模型优越性：模型能够锁定最薄弱的场景，并给出直观证据，便于进一步加强部署或调整策略。

4. problem3_kpi_spider.png

   • 现象：多指标雷达图对比方案之间的覆盖率、平均峰值、可行率等。
   • 结论：方案 1 在覆盖率上占优，但在最弱场景表现上不如方案 3；便于决策者平衡指标。
   • 模型优越性：统一图表整合多项指标，提升决策效率。

整体模型优越性总结

1. 多源融合：所有图像均体现了雷达探测模型、地形遮蔽和航路约束的融合，展示模型对复杂条件的全面刻画能力。
2. 动态可解释：时间序列、滑动窗口、场景分布等图形让结果可追溯、不黑箱，体现模型在可解释性上的优势。
3. 多场景决策辅助：通过部署方案对比、概率分布分析、最弱场景锁定等图表，模型输出直接服务于战术级决策需求。
4. 一致性验证：图像与 Excel 报告中的关键指标互相印证，说明模型计算结果稳定可靠。

建议结合本说明与对应目录下的 PNG 图像、Excel 文件一同查阅，以获得完整的分析结论。