考虑扩建的VTS雷达站多目标选址优化

doi:10.16381/j.cnki.issn1003-207x.2021.2306

摘要/Abstract

摘要：

考虑到已建船舶交通管理系统（vessel traffic service，VTS）监管能力不足的现状，以VTS雷达站扩建为研究内容，研究了VTS雷达站多目标选址问题。考虑实际建站过程中周围障碍物产生遮挡以及雷达无线电波在介质中传播存在衰减特征，提出了雷达衰减测算方法和障碍物遮挡判断方法；以建站总成本最小和水域总面积覆盖率最大为目标，构建了考虑扩建的VTS雷达站多目标两阶段选址模型，并设计自适应混沌粒子群算法求解。然后，以我国南方某省份VTS雷达站选址项目为算例进行模型验证、敏感性分析及算法有效性分析，并就方案选择展开讨论。研究结果表明，所建模型及算法能够有效得到近似最优解，为VTS雷达站扩建选址提供解决思路。

关键词: 船舶交通管理系统, 雷达站选址, 扩建, 障碍物遮挡, 雷达衰减

Abstract:

Considering the current situation of insufficient supervisory capacity of the established Vessel Traffic Service （VTS）， the expansion of VTS radar station location optimization is studied in this research.And a multi-objective locationoptimization problem of VTS radar station is investigated.While the attenuation of radar electromagnetic wave and obstacle occlusion are considered in the location optimization process. By expanding the number of the radar station to the built VTS system， safe navigations of voyaging vessels can be achieved and ensured.In the location optimization process， taking the obstacle occlusion and the attenuation of the radar electromagnetic wave into consideration， the radar attenuation measurement method and the obstacle occlusion judgment method are proposed in the three-dimensional space based on the spatial geometry method.Then， with the objectives of minimizing the total construction cost of VTS radar station and maximizing the coverage of the total water area， the maximum coverage model and the gradual coverage model are used to construct the mathematical model for the expansion of the radar station. And a VTS radar station project in a southern province of China is used as an example to verify the effectiveness of the proposed model and algorithm， and the results of the example are analyzed and sensitivity analysis is conducted.The results show that the proposed model and algorithm can effectively obtain the approximate optimal solution， which provides the solution program for location selection in the expansion process of VTS radar station. Meanwhile， it can provide references about method and model for the studies about radar station blind area， radar station location selection and facility location problems.

Key words: vessel traffic service, radar station location, expansion, obstaclesocclusion, radarattenuation

中图分类号:

U644

黄川,吕靖,孙立谦, 等. 考虑扩建的VTS雷达站多目标选址优化[J]. 中国管理科学, 2024, 32(9): 70-81.

Chuan Huang,Jing Lv,Liqian Sun, et al. Multi-Objective Location Optimization for the Expansion of VTS Radar Station[J]. Chinese Journal of Management Science, 2024, 32(9): 70-81.

图/表 22

图1

图2

图3

图4

表1

表2

图5

表3

图6

图7

图8

图9

图10

表4

图11

图12

图13

图14

图15

图16

图17

表5

参考文献 35

1	曹德胜，吕靖，艾云飞，等.基于集合覆盖的VTS雷达站选址优化模型［J］.北京理工大学学报，2014，34（7）：752-756.
	Cao D S， Lv J， Ai Y F， et al. Optimization location model of VTS radar stations based on set covering theory［J］. Transactions of Beijing Institute of Technology， 2014，34（7）：752-756.
2	曹德胜，吕靖，艾云飞，等.VTS雷达站选址问题优化模型［J］.北京航空航天大学学报，2014，40（6）：727-731.
	Cao D S， Lv J， Ai Y F， et al. Optimization model of VTS radar station location problem ［J］. Journal of Beijing University of Aeronautics and Astronautics， 2014，40（6）：727-731.
3	艾云飞，曹德胜，沈兵，等.VTS中心布局及雷达站选址-配置双层规划模型［J］.大连海事大学学报，2017，43（3）：107-111.
	Ai Y F， Cao D S， Shen B， et al. Bi-level optimization model of VTS center layout and radar station location -configuration ［J］. Journal of Dalian Maritime University， 2017，43（3）：107-111.
4	黄川，吕靖，艾云飞.基于水域精细划分的VTS雷达站选址配置优化［J］.交通运输工程学报，2020，20（3）：192-205.
	Huang C， Lv J， Ai Y F. Optimization of VTS radar station location and configuration based on fine division of water area［J］. Journal of Traffic and Transportation Engineering， 2020，20（3）：192-205.
5	黄川，吕靖.VTS雷达站选址优化研究［J］.运筹与管理，2021，30（5）：6-14.
	Huang C， Lv J. Model on location optimization of VTS radar station［J］. Operations Research and Management Science，2021，30（5）：6-14.
6	Lee G W， KimS Y， Lee M K. Economic evaluation of vessel traffic service （VTS）： A contingent valuation study［J］. Marine Policy， 2015， 61：149-154.
7	Praetorius G， Hollnagel E， Dahlman J. Modelling vessel traffic service to understand resilience in everyday operations［J］. Reliability Engineering & System Safety， 2015， 141：10-21.
8	Fowler M， Chen M， Johnson A， et al. Data compression using SVD and Fisher information for radar emitter location［J］. Signal Processing，2010，90（7）：2190-2202.
9	吴志林，王涛，张济众，等.基于航测数据的防空雷达部署研究［J］.雷达科学与技术，2018，16（1）：43-48.
	Wu Z L， Wang T， Zhang J Z， et al. Research on deployment of air defense radar based on aerial survey data［J］. Radar Science and Technology， 2018，16（1）：43-48.
10	Zhang S Y， Chen N， She N， et al. Location optimization of a competitive distribution center for urban cold chain logistics in terms of low-carbon emissions［J］. Computers & Industrial Engineering，2021，154： 107120.
11	Ko Y D， Song B D， Location Hwang H.， capacity and capability design of emergency medical centers with multiple emergency diseases［J］. Computers & Industrial Engineering，2016，101：10-20.
12	Nelas J， Dias J. Optimal emergency vehicles location： An approach considering the hierarchy and substitutability of resources［J］. European Journal of Operational Research，2020，287（2）：583-599.
13	吴江，王旻轲，谭涛，等.非平稳需求下考虑碳配额的供应链选址-库存模型与算法研究［J］.中国管理科学，2020，28（3）：162-173.
	Wu J， Wang M K， Tan T， et al. Modeling and solving the location-inventory problem with nonstationary demand considering carbon cap-and-trade［J］. Chinese Journal of Management Science， 2020，28（3）：162-173.
14	范厚明，张跃光，田攀俊，等.时变路网下异型车辆动态配置与路径优化［J］.系统工程理论与实践，2022，42（2）：455-470.
	Fan H M， Zhang Y G， Tian P J， et al. Dynamic vehicle routing problem of heterogeneous fleets with time-dependent networks［J］. Systems Engineering-Theory & Practice， 2022，42（2）：455-470.
15	Liu Z M， Wu Z， Ji Y， et al.Two-stage distributionally robust mixed-integer optimization model for three-level location-allocation problems under uncertain environment［J］. Physica A： Statistical Mechanics and its Applications，2021，572： 125872.
16	Lauren M， Peter T V， David P， et al. An application and framework for evaluating emergency department networks using location analysis and geographic information systems［J］. Computers & Industrial Engineering，2020，149：106766.
17	赵泉午，杨茜.考虑CO_2排放量的城市专业物流中心选址研究［J］.中国管理科学，2014，22（7）：124-130.
	Zhao Q W， Yang X. The location of city professional logistics centers on consideration of CO2 emissions［J］. Chinese Journal of Management Science， 2014，22（7）：124-130.
18	Sonal J， Dharavath R， Diptendu B. A multi-objective algorithm for crop pattern optimization in agriculture［J］. Applied Soft Computing，2021，112：107772.
19	Serhat D， Mustafa A， Hamdi T K. Development of the multi-objective adaptive guided differential evolution and optimization of the MO-ACOPF for wind/PV/tidal energy sources［J］. Applied Soft Computing，2021，112：107814.
20	Kim D G， KimY D. A branch and bound algorithm for determining locations of long-term care facilities［J］. European Journal of Operational Research，2010，206（1）：168-177.
21	Sedeh O M， Ostadi B， Zagia F. A novel hybrid GA-PSO optimization technique for multi-location facility maintenance scheduling problem［J］. Journal of Building Engineering，2021，40：102348.
22	DaiM， Yang F S， Zhang Z X， et al. Energetic， economic and environmental （3E） multi-objective optimization of the back-end separation of ethylene plant based on adaptive surrogate model［J］. Journal of Cleaner Production， 2021，310：127426.
23	朱尉强，黄清华.探地雷达衰减补偿逆时偏移成像方法［J］.地球物理学报，2016，59（10）：3909-3916.
	Zhu W Q， Huang Q H. Attenuation compensated reverse time migration method of ground penetrating radar signal［J］. Chinese Journal of Geophysics，2016，59（10）：3909-3916.
24	纪雷，王振会，黄兴友，等.机载W波段雷达衰减订正方法的不同云型模拟对比研究［J］.热带气象学报，2018，34（2）：260-267.
	Ji L， Wang Z H， Huang X Y. A study on attenuation correction to different cloud types at W band of airborne radar［J］. Journal of Tropical Meteorology， 2018，34（2）：260-267.
25	Zhu T K， Stephen D B， Avinash U. Two-stage robust facility location problem with drones［J］. Transportation Research Part C： Emerging Technologies， 2022， 137：103563.
26	Qiong J， Yoonho S. Solving resource-constrained project scheduling problems： Conceptual validation of FLP formulation and efficient permutation-based ABC computation［J］. Computers & Operations Research， 2013，40（8）： 2037-2050.
27	Liu J F， Liu S Y， Liu Z X， et al. Configuration space evolutionary algorithm for multi-objective unequal-area facility layout problems with flexible bays［J］. Applied Soft Computing，2020， 89： 106052.
28	Wu H， Grantham K H P， King L C， et al. Dynamic resource allocation for parking lot electric vehicle recharging using heuristic fuzzy particle swarm optimization algorithm［J］. Applied Soft Computing， 2018， 71：538-552.
29	Nikolaos K， Magdalene M， Nikolaos M， et al. Moving peak drone search problem： An online multi-swarm intelligence approach for UAV search operations［J］. Swarm and Evolutionary Computation，2021，66：100956.
30	刘海潮，王阳，范琼瑜.考虑人员培训的任务指派问题模型及算法［J］.运筹与管理，2022，31（5）：68-73.
	Liu H C， Wang Y， Fan Q Y. New mathematical model and algorithm for the task assignment problem considering the personnel training［J］. Operations Research and Management Science，2022，31（5）：68-73.
31	Liu J， Mei Y， Li X. An analysis of the inertia weight parameter for binary particle swarm optimization［J］. IEEE Transactions on Evolutionary Computation，2016，20（5）：666-681.
32	Wang R， Hao K R， Chen L， et al. A novel hybrid particle swarm optimization using adaptive strategy［J］. Information Sciences，2021，579：231-250.
33	Chen K， Zhou F Y， Yuan X F， et al. Hybrid particle swarm optimization with spiral-shaped mechanism for feature selection［J］. Expert Systems with Applications，2019， 128：140-156.
34	Yang L B， Nguyen H， Bui X N， et al. Prediction of gas yield generated by energy recovery from municipal solid waste using deep neural network and moth-flame optimization algorithm［J］. Journal of Cleaner Production， 2021，311，127672.
35	程焕，谢洪森，王涛，等.雨衰减对雷达探测性能影响的Matlab仿真分析［J］.计算机与现代化，2013（4）：228-231.
	Cheng H， Xie H S， Wang T， et al. Research on infection of rainfall attenuation to radar detection using Matlab［J］.Computer and Modern Style，2013（4）：228-231.

水域序号	水域坐标（三维）	水域面积
1	（16.5，1.5，1）	10
2	（13.5，1.5，2）	8
3	（9.5，1.5，2）	9
4	（6.5，2.5，1.5）	6
5	（4.5，3.5，1.5）	4
6	（6.5，6.5，1.5）	9
7	（11.5，9.5，1.5）	6
8	（13.5，12.5，3）	6
9	（16.5，15.5，3）	8
10	（19.5，15.5，4）	7
11	（7.5，12.5，2）	9
12	（8.5，15.5，3）	10
13	（7.5，18.5，2）	9

障碍物序号	障碍物端点	坐标	障碍物穿透率
1	E	（4，13，0）	0.8
	F	（4，14，0）
	G	（2，15，0）
	H	（2，14，0）
	I	（4，13，3）
	J	（4，14，3）
	K	（2，15，3）
	L	（2，14，3）
2	M	（10，8，0）	0.4
	N	（10，14，0）
	O	（8，10，0）
	P	（9，10，2）
3	Q	（15，13，0）	0.3
	R	（15，6，0）
	S	（13，8，0）
	T	（15，6，4）

非支配解序号	本文算法				NSGA-II
	一阶段		二阶段		一阶段		二阶段
	第一目标	第二目标	第一目标	第二目标	第一目标	第二目标	第一目标	第二目标
1	4000	9.2649	5000	9.0966	4000	9.2712	5000	9.1038
2	4100	9.2368	5100	9.0793	4100	9.2288	5100	9.0898
3	4200	9.1766			4200	9.1843
4	4300	9.1425			4400	9.1244
5	4400	9.1238			4500	9.1003
6	4500	9.0979
均值	4250	9.1737	5050	9.0880	4240	9.1818	5050	9.0968
标准差	187.0829	0.0656	70.7107	0.0122	207.3644	0.0710	70.7107	0.0099

方案	目标函数1	目标函数2（%）
扩建1个雷达站	5000	90.34
扩建2个雷达站	5900	93.31