中国科技核心期刊      中国指挥与控制学会会刊     军事装备类重点期刊
Command Control and Simulation

Command Control and Simulation >

2023 , Vol. 45 >Issue 6: 153 - 160

DOI: https://doi.org/10.3969/j.issn.1673-3819.2023.06.023

Modeling & Simulation & Evaluation

Evaluation of equipment emergency repair unit location decision based on cloud model

  • ZENG Yonghua 1 ,
  • WANG Haiyan 2 ,
  • WU Tingting 2 ,
  • WANG Xiaolong 1 ,
  • JIANG Baicun 1 ,
  • LIANG Hengyuan 1
Expand
  • 1 College of Engineering, Army Engineering University of PLA, Nanjing 210007, China
  • 2 School of Science, Nanjing University of Posts and Telecommunications, Nanjing 210023, China

Received date: 2023-02-14

  Revised date: 2023-04-12

  Online published: 2023-12-07

Fold

Abstract

Battlefield rush repair is an important mean to effectively maintain and quickly restore the technical state of equipment to ensure combat effectiveness. In different combat stages, the specific deployment position of the emergency repair detachment will not only directly affect its own security, but also directly affect the completion of the time limit of the emergency repair task. By analyzing the factors influencing the location selection of equipment emergency repair unit, the evaluation index system of location selection decision was constructed. The combination weighting method of G1 method and CRITIC method (Criteria Importance Through Intercriteria Correlation) was used to determine index weights. Cloud model is used to determine the location decision level of each participant and analyze its advantages and disadvantages. This paper takes three groups of site selection schemes under the same simulation conditions as an example to evaluate the site selection decision-making ability of each participant scientifically. This method provides a new idea for the periodical capability evaluation of wartime equipment rush repair.

Key words： cloud model; G1 method; CRITIC method; decision assessment

Cite this article

ZENG Yonghua , WANG Haiyan , WU Tingting , WANG Xiaolong , JIANG Baicun , LIANG Hengyuan . Evaluation of equipment emergency repair unit location decision based on cloud model[J]. Command Control and Simulation, 2023 , 45(6) : 153 -160 . DOI: 10.3969/j.issn.1673-3819.2023.06.023

战场抢修是战时装备保障的主要内容之一,抢修分队是完成战时装备保障的主要力量。根据战时装备保障任务需求和战场综合态势,快速选择科学合理的位置部署抢修分队,是确保抢修分队自身安全以及后续高速响应抢修任务,快速完成抢修工作,提供持续保障的重要基础。因此装备维修力量靠前配置并持续保障是适应战争维修保障发展的需要[1]。
在装备抢修仿真训练中,抢修分队的选址方案评估,就是对抢修分队指挥员的选址决策能力进行评估。在不同的作战阶段,根据敌情、任务、地形和道路等情况选择合适的部署位置,是抢修分队指挥员的重要任务之一。位置的安全隐蔽性、交通便利性是进行位置选择的重要影响因素,同时也是仿真训练环境下对指挥员选址能力考核评估的首选因素。鉴于信息化战争的超快节奏,在确保位置科学合理的同时,需重点考虑位置选择决策的时效性,合理的选址方案将保证足够的覆盖率和快速反应时间[2]。
然而现阶段,对于抢修分队选址[3-4]的研究较少,大部分是对物流仓储系统[5⇓-7]、消防系统[8]、交通系统[9⇓⇓⇓-13]和其他一般设施选址[14,15]问题进行研究。文献[4]认为抢修分队临时基地类似于物流中心的选址,其主要的评估方法有TOPSIS法[16]、AHP法[17]和综合评价法[18]。随着技术水平的提升,由于装备抢修分队选址的影响因素间相互关联以及评估者的主观性影响,评估过程有较多的不确定性。本文充分考虑装备抢修分队临时点的影响因素,为构建科学、合理、全面的选址决策评估指标体系,采用主客观组合赋权法确定指标权重,利用云模型对各指挥员部署的装备抢修分队选址方案进行评估。组合赋权法在一定程度上减少了主观权重的模糊性和客观权重的绝对性,云模型充分考虑了评估过程中的随机性,对于评估结果的客观性和准确性具有重要意义。

1 构建BMS选址评估指标体系

构建完善的评估指标体系是科学评估的先决条件。装备抢修分队在接收到上级指派的任务后,需要在尽可能短的时间内最大限度地完成抢修任务。装备抢修分队的选址是一个多因素相互影响、约束的过程,需要结合抢修任务、作业环境等因素进行合理部署。文献[19]根据抢修分队的选址原则和影响因素,建立了抢修分队选址决策的评估指标体系。本文构建的选址决策评估指标体系见表1。
表1 装备抢修分队选址决策评估指标体系

Tab.1 Decision evaluation indicator system for equipment repair team site selection

目标层 准则层 指标层
选址 隐蔽条件B1 周围地形C11
周围植被C12
与明显目标的距离C13
展开条件B2 展开地幅面积C21
施工难度C22
交通条件B3 与主干道路距离C31
进出道路通畅情况C32
工作条件B4 通信情况C41
与水源的距离C42
时间条件B5 与前线部队距离C51
选址时间C52
根据表1可见,二级指标中包含了5个定性指标和6个定量指标。其中,展开地幅面积为区间型指标,与明显目标的距离为效益型指标,其余四个定量指标为成本型指标。考虑定性指标的模糊性,本文采用G1法和CRITIC法确定其指标权重,减少专家评估数据的主观性和客观数据的绝对性的影响。

2 确定指标权重集

2.1 G1主观赋权法

G1法,又称序关系分析法,是在层次分析法的基础上进行优化的主观赋权法。其核心是邀请专家对各层指标的重要性进行比较[20],避免了层次分析法计算量大的缺点,且不需要进行一致性检验,具体步骤如下。
1) 建立序关系。假设准则层中A元素下有n个元素X1,X2,…,Xn。通过专家意见和相关文献调研,对n个元素的相对程度进行排序,得到最终各元素间的序关系如下。
X 1 *> X 2 *> X 3 *>…> X n *
2) 对相邻两指标间的重要性程度进行赋值,参照文献[21],赋值情况见表2,得到rk。
rk= X k - 1 * X k * ( k = 2,3 , … , n )
3) 计算权重值ωn。
ωn= 1 + ∑ m = 2 n ∏ k = m n r k - 1
表2 赋值参考

Tab.2 Assignment reference

rk 说明
1.0 指标Xk-1与指标Xk同样重要
1.2 指标Xk-1与指标Xk稍微重要
1.4 指标Xk-1与指标Xk明显重要
1.6 指标Xk-1与指标Xk强烈重要
1.8 指标Xk-1与指标Xk极端重要

2.2 CRITIC客观赋权法

CRITIC是一种基于指标相关性确定权重的客观赋权法。其原理是利用指标间的标准差和指标内的相关系数来计算指标间的差异程度,由此来计算客观权重[22],具体步骤如下。
1) 构建评价矩阵。
X= x 11 x 12 … x 1 m x 21 x 22 … x 2 m ︙ ︙ ⋱ ︙ x n 1 x n 2 … x n m
其中,评价矩阵X表示m个方案的n个指标的评价值的矩阵。
2) 评价矩阵归一化处理。
$p_{i j}=x_{i j} / \sum_{j=1}^m x_{i j}$
3) 计算各指标之间的标准差和相关系数。
s i = 1 m - 1 ∑ j = 1 m ( x i j - x - i ) 2 ρ i k = ∑ j = 1 m ( x i j - x - i ) ( x i k - x - k ) σ i σ k
其中,si和sk分别表示指标Ci和Ck的标准差; x - i和 x - k分别表示指标Ci和Ck的指标均值;ρik表示指标Ci和Ck的相关系数。
4) 计算指标信息承载量。指标信息量Yi的表达式如下:
Yi=si ∑ k = 1 n(1-ρik),i≠k
其中, ∑ k = 1 n(1-ρik)表示第i行指标与其他行指标的量化冲突性。
5) 计算各评价指标的客观权重。指标的信息承载量越多,说明其重要程度越高,因此其指标客观权重如下:
βi= Y i ∑ i = 1 n Y i

2.3 确定综合权重

基于主观权重ωn和客观权重ωj,采用乘法运算得到各指标的综合权重Wt。
Wt= ω j t × ω n t ∑ t = 1 n ω j t × ω n t
本文邀请对应领域的专家对各项评价指标进行评价判断。首先,G1法为主观赋权法,专家认为重要性程度依次为与前线部队距离>展开地幅面积>进出道路通畅情况>周围地形>施工难度>与主干道路距离>周围植被>与明显目标距离=通信程度=与水源距离>选址时间。其次,CRITIC法是依据选址方案的原始数据进行计算。其中,定量指标按照不同方案的原始数据进行正向化和标准化处理,定性数据根据专家打分等级进行量化。该方法认为周围地形的重要性程度最高,选址时间的权重值最小。
最后,通过乘法计算得到的综合权重见表3,将不同方法的权重可视化得到图1。结果表明,展开地幅面积对选址决策的影响程度最大,其次为与前线部队的距离和周围地形,选址时间对选址决策影响程度最小。对于一级指标,展开条件和隐蔽条件对装备抢修分队选址的影响程度均较大。
表3 指标权重表

Tab.3 Indicator weight table

评价指标 G1法 CRITIC法 综合权重
一级
指标		 隐蔽条件B1 0.224 3 0.279 1 0.300 5
展开条件B2 0.247 4 0.252 9 0.300 4
交通条件B3 0.206 1 0.144 7 0.143 2
工作条件B4 0.105 0 0.150 7 0.076 0
时间条件B5 0.217 2 0.172 6 0.180 0
周围地形C11 0.108 8 0.140 9 0.162 2
周围植被C12 0.06 3 0.057 9 0.038 6
与明显目标的距离C13 0.052 5 0.080 3 0.044 6
二级
指标		 展开地幅面积C21 0.156 7 0.124 7 0.206 7
施工难度C22 0.090 7 0.128 2 0.123 0
与主干道路距离C31 0.075 6 0.080 3 0.064 2
进出道路通畅情况C32 0.130 5 0.064 4 0.088 9
通信情况C41 0.052 5 0.081 8 0.045 4
与水源的距离C42 0.052 5 0.068 9 0.038 3
与前线部队距离C51 0.18 8 0.080 3 0.159 7
选址时间C52 0.029 2 0.092 3 0.028 5
图1 不同方法的指标权重值

Fig.1 Indicator weights of different methods

因此,在选址过程中,指挥员需要根据实际抢修任务,充分考虑周围地形并选择合适的展开地幅,在确保作业隐蔽安全的同时尽可能接近前线部队,提高抢修的效率。

3 基于云模型的选址决策评估模型

3.1 云模型理论

云模型概念于1995年由李德毅院士提出。假定存在一个论域U,是一个由精确数表示的范围,C是该范围内的定性概念。一个定量数值x∈U,x是C的一次随机实现,且x对于定性概念C的隶属度μC(x)∈[0,1]是具有稳定倾向的随机数,那么就把x在定量论域U上的分布称为云模型,云滴表示为(xi,μC(xi)),i=1,2,3,…,n。
云模型的数值特征有期望Ex、熵En、超熵He。Ex表示为定性概念C的中心值;熵表示定性概念C的不确定性度量;超熵是熵之熵,反映了En的不确定性度量,He越大,云滴隶属度的随机性越大,云层越厚。图2为(Ex,En,He)=(10,2,0.2)的云图。
图2 评价云模型示意图

Fig.2 Illustration of evaluation cloud model

云发生器有正向云发生器(Forward Cloud Generator, FCG)和逆向云发生器(Backward Cloud Generator, BCG),如图3所示。正向云发生器是根据已知的数值特征,生成相应的云滴。逆向云发生器是通过云滴的分布确定隶属云的数值特征。
图3 正、逆向云发生器

Fig.3 Forward cloud generator and reverse cloud generator

3.2 构建因素集和评语集

因素集就是各指标的集合,表1中各二级指标构成了本文待评估的因素集。本文将评语等级划分为优秀、良好、中等、较差和差五个等级,满分为10分。即[0,10]为论域,其中优秀区间为(9,10],良好区间为(7,9],中等区间为(5,7],较差区间为(3,5],差区间为[0,3]。对定性指标的评估按照已划分的评语等级进行评价。
对于定量指标,我们根据实际抢修任务制定其评分标准,见表4。上述评分标准的背景是防御战斗情况下的分队级战场抢修仿真行动,对前线战损装备进行修理后送抢修作业。
表4 定量指标评分标准

Tab.4 Quantitative indicator scoring criteria

指标层 优秀 良好 中等 较差 差
与明显目标的距离/m [2 000,+∞) [1 500,2 000) [1 250,1 500) [1 000,1 250) [0,1000)
展开地幅面积/m2 [1 100,1 300] [1 000,1 100)
(1 300,1 400]		 [950,1 000)
(1 400,1 450]		 [900,950)
(1 450,1 500]		 (-∞,900)
(1 500,+∞)
与主干道路距离/m (-∞,500] (500,750] (750,1 000] (1 000,2 000] (2 000,+∞)
与水源的距离/m (-∞,500] (500,750] (750,1 000] (1 000,2 000] (2 000,+∞)
与前线部队距离/m (-∞,500] (500,750] (750,1 000] (1 000,2 000] (2 000,+∞)
选址时间/s (-∞,30] (30,40] (40,50] (50,60] (60,+∞)

3.3 标准云模型

根据上述的评语集,每个评语均有双边约束关系[Vmin,Vmax],可以得出对应的标准云模型的数值特征:
E x = ( V m a x + V m i n ) 2 E n = ( V m a x - V m i n ) 6 H e = λ
其中λ表示评语的模糊程度,设λ=0.1。根据式(10)计算出各标准云的云模型数值特征,见表5。说明在此论域中,优秀这一定性概念的随机分布以10为期望,也表示为这一模糊概念的中心值,熵为0.166 7,也就是优秀这一定义概念的不确定性程度。同样说明良好的信息中心值为8,中等的信息中心值为6,较差的信息中心值为4,差的中心值为0。根据表格信息可以看出,优秀这一模糊概念的不确定性最小,概念差的不确定程度最大。主要由于差的区间范围较大,因此存在更强的随机性和模糊性。
表5 标准云模型数值特征

Tab.5 Numerical characteristics of standard cloud models

等级 区间 特征值(Ex,En,He)
优秀 (9,10] (10,0.166 7,0.1)
良好 (7,9] (8,0.333 3,0.1)
中等 (5,7] (6,0.333 3,0.1)
较差 (3,5] (4,0.333 3,0.1)
差 [0,3] (0,0.5,0.1)
根据标准云模型的数值特征,通过正向云发生器生成云图,见图4。通过云图可以直观看出每个标准云的随机性程度。差这一模糊概念的云滴分散程度最大,优秀这一模糊概念的云滴分散程度最小,良好、中等和较差的云滴分散程度相同,与数值结果一致。
图4 标准云模型生成云图

Fig.4 Generation of cloud map for standard cloud models

3.4 评价云模型

专家或仿真系统所获得的评价数据,包括定性数据和定量数据。定性数据根据其等级获得对应的隶属云数值特征。对于定量数据,首先需要进行标准化处理,消除量纲对评估结果的影响,然后根据式(11)得到各项指标的隶属云数值特征。
E x = ∑ i = 1 n x i n = x - E n = π 2 × 1 n ∑ i = 1 n | x i - x - H e = | S 2 - E n 2 | = 1 n - 1 ∑ i = 1 n ( x i - x - ) 2 - E n 2  
根据式(12),将二级指标层的评价云数值特征和对应的权重计算得到准则层的综合云。
E x = ∑ j = 1 n E x j ω j / ∑ j = 1 n ω j E n = ∑ j = 1 n E n j ω j 2 / ∑ j = 1 n ω j 2 H e = ∑ j = 1 n H e j ω j 2 / ∑ j = 1 n ω j 2
其中,Exj、Enj、Hej、ωj表示各项指标的期望、熵、超熵和权重。通过正向云发生器,将上述数值特征以云滴形式展示,对标准云进行对比,获取其评级。

4 实例分析

在仿真条件下,基于相同的战况和军事背景,由参训人员根据敌我情况和抢修任务提出合理的装备抢修分队选址方案。为提高战时指挥员的选址决策的可靠性,选择科学合理的抢修展开地域,通常采用战场抢修仿真系统展开一系列的训练和评估。本文邀请了8位相关领域的专家对参训人员的选址决策进行评估。从装备抢修仿真训练系统中,随机选取了三位参训人员的选址方案进行评估。
表6展示了三个选址方案中定量指标的数值。定性指标的评级是根据专家主观意见给出对应的得分。接下来,对定性指标和定量指标的数据进行计算处理,得到各指标评价隶属云的数值特征值,将二级指标根据各准则层指标进行集结,通过计算得到各准则层的评价云。各指标层评价云和准则层评价云的数值结果见表7。
表6 各方案定量指标数值结果

Tab.6 Numerical results of quantitative indexes of each scheme

定量指标 方案A 方案B 方案C
与明显目标的距离/m 2 000 2 500 1 700
展开地幅面积/m2 1 200 900 1 050
与主干道路距离/m 300 500 800
与水源的距离/m 500 600 600
与前线部队距离/m 450 500 700
选址时间/s 40 30 55
表7 各方案评价云的数值特征

Tab.7 Numerical characteristics of evaluation clouds for each solution

指标 方案A 方案B 方案C
二级指标
评价云		 周围地形C11 (8.937 5,0.881 2,0.417) (6.75,1.175,0.556) (8.562 5,0.881 2,0.417)
周围植被C12 (8.375,0.705,0.1219) (5.75,1.097,0.663 5) (5.25,1.175,0.556)
与明显目标的距离C13 (10,0.166 7,0.1) (10,0.166 7,0.1) (8,0.333 3,0.1)
展开地幅的面积C21 (10,0.166 7,0.1) (4,0.333,0.1) (8,0.333 3,0.1)
施工难度C22 (9.125,0.705,0.121 9) (8.375,0.705,0.121 9) (8.937 5,0.881 2,0.417)
与主干道路距离C31 (10,0.166 7,0.1) (10,0.166 7,0.1) (6,0.333 3,0.1)
进出道路通畅情况C32 (8.75,0.94,0.490 6) (8.562 5,0.881 2,0.417) (7.687 5,1.057 5,0.484 2)
通信情况C41 (9.125,0.705,0.121 9) (9.312 5,0.411 2,0.334 9) (6,1.253 3,0.845 5)
与水源的距离C42 (10,0.166 7,0.1) (8,0.333 3,0.1) (8,0.333 3,0.1)
与前线部队距离C51 (10,0.166 7,0.1) (10,0.166 7,0.1) (8,0.333 3,0.1)
选址时间C52 (8,0.333 3,0.1) (10,0.166 7,0.1) (4,0.333,0.1)
准则层
评价云		 隐蔽条件B1 (9.042 2,0.824 7,0.381 1) (7.183 5,1.103 7,0.530 9) (7.939 3,0.859 3,0.402 8)
展开条件B2 (9.673 6,0.307 5,0.105 7) (5.632 2,0.430 5,0.105 7) (8.349 7,0.476 6,0.182 9)
交通条件B3 (9.274 2,0.674 9,0.356 7) (9.165 4,0.636 2,0.308 3) (6.979 8,0.809 2,0.352 5)
工作条件B4 (9.525 0,0.481 6,0.112 8) (8.712 4,0.378 8,0.237 4) (6.914 4,0.871 5,0.536 1)
时间条件B5 (9.697 0,0.171 8,0.1) (10,0.166 7,0.1) (7.394 1,0.333 3,0.1)
通过正向云发生器将方案A各准则层的评价云进行可视化,见图5。通过方案A准则层的云模型数值特征和云图,可以看出其隐蔽条件、展开条件、工作条件、交通条件和时间条件均为优秀,该参训人员的选址统筹能力较强,对装备抢修分队的选址科学合理。云图可以展示该评价云分布的随机性,隐蔽条件和交通条件的云滴分散程度较强,由于周围地形和进出道路通畅情况这两项子指标为定性指标,受到专家主观影响,存在一定的随机性。
图5 方案A各准则层评价云(蓝色云滴表示为各准则层隶属云)

Fig.5 Evaluation clouds for criteria layer in solution A (blue droplets represent membership clouds for each criterion layer)

最后,根据准则层指标权重计算得到方案A的装备抢修分队选址决策综合云模型的数值特征为(9.419 6,0.520 1,0.230 6),综合评级为优秀;方案B综合云的数值特征为(7.624 3,0.665 4,0.286 0),评级为中等;方案C综合云的数值特征为(7.749 2,0.639 7,0.277 7),评级为中等。将三个选址方案的综合评价云与标准云进行对比,可视化结果见图6。
图6 三个方案综合云对比(蓝色云滴表示为各综合评价云)

Fig.6 Comprehensive cloud comparison of solutions (blue droplets represent membership clouds for comprehensive evaluation)

结合表7中三个选址决策评价云的数值特征,对三个方案进行对比分析。可以看到,方案B的展开地幅面积这一指标的得分最低,同时周边地形和植被也较不合理,因此未能给装备抢修分队提供合适的作业场地,加大了抢修的作业难度。同时其进出道路通畅情况也比方案A差,这对战损装备的前运后送不利,进而导致装备抢修的效率大大降低。方案C的展开面积较合理,但其周围植被较少,不隐蔽。与主干道路距离较远,通信情况不佳,且选址时间较长,各项指标得分均较低,需要加强指挥员的选址决策能力。
方案A参训人员的选址时间得分较低,但其选择的抢修位置相对合理科学。通过装备抢修仿真行动系统的长时期训练,指挥员可以更好地了解掌握选址的影响因素,在战时进行高效决策。抢修分队指挥员在进行选址决策时,需要把握好抢修位置的展开面积,既要保证展开地幅能够支持抢修作业开展,也要确保抢修位置足够隐蔽和安全,不会因为抢修范围过大而受到敌方干扰袭击。因此,对于各项指标的均衡考虑和统筹安排是抢修分队指挥员需要不断训练提升的能力。

5 结束语

装备抢修分队是装备保障的基础力量,对仿真条件下抢修分队指挥员的选址能力进行评估,旨在提高战时装备抢修决策的高效性和可靠性。结合G1法和CRITIC法组合赋权以减少评估的主观影响,构建云模型对其综合能力进行评估,选择最优方案。所构建的评估模型,在一定程度上减少了模糊性和随机性对评估结果的影响。实例验证,本文提出的方法可以对多种方案进行评估并选择最可靠的方案。
在装备抢修行动仿真系统的学习训练过程中,运用基于云模型的评估方法,并结合相应的评估系统,对参训人员的选址决策方案进行科学客观的复盘评估,对于提高训练的针对性,提升训练效益,进一步增强相应人员的实际选址能力,具有重要的现实意义。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
徐绪森. 装备维修工程研究[M]. 北京: 解放军出版社, 2007:546-549.

XU X S. Research on Equipment Maintenance Engineering[M]. Beijing: PLA Press, 2007: 546-549.

[2]
叶庆, 宋建社, 陈春霞. 基于边需求的抢修分队选址问题[J]. 西南交通大学学报, 2012, 47(3):495-501.

YE Q, SONG J S, CHEN C X. Site selection for emergency repair teams based on edge requirements[J]. Journal of Southwest Jiaotong University, 2012, 47(3): 495-501.

[3]
周勇. 两步选址法在战时雷达抢修分队选址中的应用研究[D]. 大连: 大连理工大学, 2017.

ZHOU Y. Research on the application of two-step site selection method in the site selection of radar repair teams in wartime[D]. Dalian: Dalian University of Technology, 2017.

[4]
王保峰, 张衡, 王中杰. 基于需求势能理论的装备抢修分队选址问题研究[J]. 装备指挥技术学院学报, 2008(2):14-17.

WANG B F, ZHANG H, WANG Z J. Research on site selection of equipment emergency repair team based on demand potential energy theory[J]. Journal of Equipment Command Technology College, 2008(2):14-17.

[5]
夏阳阳, 纪寿文, 孙可朝, 等. 中欧陆海快线的两级物流中心选址研究[J]. 综合运输, 2022, 44(6):117-122,160.

XIA Y Y, JI S W, SUN K C, et al. Study on location selection of two-level logistics center for China-Europe land-sea express line[J]. Comprehensive Transportation, 2022, 44(6):117-122,160.

[6]
唐亚利. 长沙宇鑫物流门店选址影响因素分析[J]. 中国储运, 2022(6):150-151.

TANG Y L. Analysis of factors influencing Changsha Yuxin logistics store location[J]. China Storage and Transportation, 2022(6):150-151.

[7]
李宁. 辽宁省农产品物流园区选址研究[J]. 河北北方学院学报(自然科学版), 2022, 38(1):53-59.

LI N. Research on location selection of agricultural product logistics park in Liaoning Province[J]. Journal of Hebei North University (Natural Science Edition), 2022, 38(1):53-59.

[8]
王京鲁, 高仲亮, 魏建珩, 等. 名山景区微型消防站配备与选址研究综述[J]. 林业机械与木工设备, 2022, 50(3):37-40.

WANG J L, GAO Z L, WEI J H, et al. A review on the equipment and site selection of micro-fire stations in Mingshan Scenic Area[J]. Forestry Machinery and Woodworking Equipment, 2022, 50(3):37-40.

[9]
陈存浩. 基于复合决策方法的跑道型通用机场选址评价研究[D]. 广汉: 中国民用航空飞行学院, 2022.

CHEN C H. Research on location evaluation of runway-type general airport based on compound decision method[D]. Guanghan: Civil Aviation Flight Institute of China, 2022.

[10]
廖勇, 刘雷. 基于组合权重的模糊物元模型在机场选址中的应用[J]. 科技和产业, 2022, 22(3):221-228.

LIAO Y, LIU L. Application of fuzzy matter-element model based on combination weight in airport location selection[J]. Science and Technology and Industry, 2022, 22(3): 221-228.

[11]
何尧, 舒富民, 郑皓文. 基于GIS多因素加权叠加的机场选址方法[J]. 中国民航大学学报, 2021, 39(4):42-47.

HE Y, SHU F M, ZHENG H W. Airport location method based on GIS multi-factor weighted superposition[J]. Journal of Civil Aviation University of China, 2021, 39(4): 42-47.

[12]
姜晓文. 地铁车辆基地选址研究——以深圳地铁6号线停车场选址为例[J]. 智能城市, 2021, 7(22):149-150.

JIANG X W. Research on the location of subway vehicle bases——Taking the parking lot location of Shenzhen Metro Line 6 as an example[J]. Smart City, 2021, 7(22):149-150.

[13]
娄洋, 刘岩. 基于可达性的城市客运交通枢纽的选址研究[J]. 黑龙江交通科技, 2021, 44(10):152-154,157.

LOU Y, LIU Y. Research on the location selection of urban passenger transportation hubs based on accessibility[J]. Heilongjiang Transportation Science and Technology, 2021, 44(10): 152-154,157.

[14]
王芳芳. 人防工程选址的分析与研究[J]. 房地产世界, 2021(19):72-74.

WANG F F. Analysis and research on the location selection of civil air defense projects[J]. Real Estate World, 2021(19):72-74.

[15]
陈梅香. 线性工程规划选址要点分析——以《温州市瓯江引水工程规划选址论证报告》为例[C]// .面向高质量发展的空间治理——2020中国城市规划年会论文集(03城市工程规划), 2021:199-204.

CHEN M X. Analysis of the key points of linear engineering planning and site selection—taking the "Wenzhou Oujiang Water Diversion Project Planning Site Selection Demonstration Report" as an example[C]// . Spatial governance for high-quality development—2020 China’s urban planning Proceedings of the Annual Conference (03 Urban Engineering Planning), 2021:199-204.

[16]
孙培英, 黄鑫. 基于区间直觉模糊集-TOPSIS的物流配送中心选址研究[J]. 九江学院学报(自然科学版), 2021, 36(3):51-54.

SUN P Y, HUANG X. Research on location selection of logistics distribution center based on interval intuitive fuzzy set-TOPSIS[J]. Journal of Jiujiang University (Natural Science Edition), 2021, 36(3):51-54.

[17]
赵国富, 刘俊华, 崔莹, 等. 基于AHP城市群无人货车物流配送中心选址评估——以内蒙古地区呼包鄂城市群为例[J]. 物流工程与管理, 2021, 43(9):97-100.

ZHAO G F, LIU J H, CUI Y, et al. Site selection evaluation of unmanned truck logistics distribution center based on AHP urban agglomeration-an example of Hubao-E urban agglomeration in Inner Mongolia[J]. Logistics Engineering and Management, 2021, 43(9):97-100.

[18]
罗东. 基于IBA-BP神经网络的物流中心选址研究[J]. 河南科学, 2021, 39(9):1396-1404.

LUO D. Research on location selection of logistics center based on IBA-BP neural network[J]. Henan Science, 2021, 39(9):1396-1404.

[19]
王保峰, 叶利民, 王晗中. 一种新的装备抢修分队选址方法[J]. 军械工程学院学报, 2009, 21(6): 19-22.

WANG B F, YE L M, WANG H Z. A new method for site selection of equipment emergency repair teams[J]. Journal of Ordnance Engineering College, 2009, 21(6): 19-22.

[20]
翟再兴, 李海华, 周智威, 等. 运用G1法进行部队铁路运输投送装载能力评估[J]. 国防交通工程与技术, 2022, 20(4):6-8.

ZHAI Z X, LI H H, ZHOU Z W, et al. Using the G 1 method to evaluate the loading capacity of military railway transportation and delivery[J]. National Defense Transportation Engineering and Technology, 2022, 20(4): 6-8.

[21]
李志强, 李琳, 张素风, 等. 基于CRITIC-G1法赋权的包装方案综合评价[J]. 包装工程, 2021, 42(13):180-185.

LI Z Q, LI L, ZHANG S F, et al. Comprehensive evaluation of packaging scheme empowered by CRITIC_G1 method[J]. Packaging Engineering, 2021, 42(13): 180-185.

[22]
李敬强, 樊天辰, 周妍汝, 等. 基于云模型的民航监察员队伍能力综合评价[J/OL]. 北京航空航天大学学报:1-13[2022-08-20].

LI J Q, FAN T C, ZHOU Y R, et al. Comprehensive evaluation of the capability of civil aviation inspectors based on cloud model[J/OL]. Journal of Beijing University of Aeronautics and Astronautics: 1-13[2022-08-20].

Options
Outlines

/

〈 〉