面向物联网环境监控节点空间正则化选址的偏斜准则权重分布

《Symmetry》：Skewed Criterion-Weight Distributions for Spatially Regularized Selection of IoT-Enabled Environmental Monitoring Nodes

　　

该研究提出一种面向智慧照明基础设施中物联网（IoT）环境监控节点选址的空间正则化建模框架。研究未宣称在CRITIC、TOPSIS、混合整数规划或Voronoi剖分作为孤立方法上的新颖性，其贡献在于针对特定问题构建并验证节点选址工作流：将CRITIC导出的准则权重与TOPSIS适宜性评分作为二元选址模型中的适宜性系数，同时通过距离阈值惩罚控制空间冗余。候选数据集来自哥伦比亚北部三个受采矿影响城市（Albania 70个、Algarrobo 87个、La Jagua de Ibirico 76个候选点）。实现采用最小分离阈值d0=100 m（对应基于公共照明的监测站微观间距准则），并评估正则化参数λ的敏感性。相比纯top-k TOPSIS选址，空间正则化解在高正则化MILP运行中消除了100 m内近距离配对冲突，最小节点间距提升至Albania约101.2 m、Algarrobo约105.6 m、La Jagua de Ibirico约100.6 m；稀疏线性化MILP求解器在报告算例上达到零最优性间隙。Voronoi剖分仅作为解释性覆盖工具而非数学新颖性证据。因主准则组数量有限，准则权重分布分析仅作探索性与描述性呈现。

研究背景与问题提出

城市与工业区域的环境监测需将异构空间、环境与基础设施信息整合进结构化决策框架。地理信息系统（GIS）虽支持污染聚类识别与风险评价，但传统工作流偏描述性，缺乏在组合与基数约束下显式优化监测点选址的能力；随空间数据规模与异质性增长，实时处理与自适应决策计算负担加重。人工智能（AI）与机器学习（ML）增强了GIS模式识别，IoT传感网提供高频数据流，但既有研究多聚焦环境变量建模而非离散选址优化。常规均匀网格或启发式排序策略忽视空间交互效应，易产生聚集或冗余配置；多准则决策（MCDM）如CRITIC与TOPSIS可提供客观加权与理想解距离排序，但单纯排序无法保证固定节点数下的空间可行性与分散性。经典p-median、p-center、最大覆盖、分散与聚类模型优化目标各异，不直接表达"适宜性—正则化"权衡。因此，研究人员开展一项将CRITIC–TOPSIS适宜性系数嵌入带成对邻近惩罚的二元空间选址模型的研究，以量化环境适宜性与空间冗余的折衷。

主要技术方法

研究人员以哥伦比亚北部三处采矿影响市（Albania、Algarrobo、La Jagua de Ibirico）既有公共照明杆为候选集（各70、87、76点），每市固定选k=30节点。构建融合环境暴露、人群敏感受体、通信可达性与电力可靠性的归一化决策矩阵；用CRITIC法基于标准差与Pearson相关系数得客观权重，TOPSIS算各候选贴近度s_j作适宜性系数；将其代入二元整数模型，目标为max Σs_jx_j?λΣK_pqx_px_q，K_pq=max(0,1?d_pq/d₀)，d₀=100 m，λ∈{0,0.1,0.5,5}做敏感分析；二次项经辅助变量y_pq线性化为稀疏MILP，分支定界求解至10^?6间隙；最优集做Voronoi剖分作覆盖解释。准则权重分布补做Lorenz曲线、Gini系数、核密度与偏度描述。

研究结果

3 理论基石：数学建模与优化框架

定义候选集与归一化准则向量；CRITIC按离散度与准则间独立性赋权w_i=C_i/ΣC_i，C_i=σ_iΣ(1?r_ij)；TOPSIS算加权规范化矩阵、正/负理想解欧氏距D⁺_j、D^?_j及贴近度s_j=D^?_j/(D⁺_j+D^?_j)；二元模型以s_j为适宜项、K_pq为邻近惩罚项，λ调权宜—分散折衷，λ=0退化为pure top-k TOPSIS；引入y_pq≥x_p+x_q?1等约束线性化，Albania产107变量112约束、Algarrobo 132变量136约束、La Jagua 103变量82约束，NP难但中等规模零间隙可解；Voronoi单元V_j={x:‖x?c_j‖≤‖x?c_l‖}作后置解释。

5 结果

5.1 准则赋权结果：三市环境准则权重最高（Albania 33.8%、La Jagua 33.5%、Algarrobo 36.9%），电气基础设施最低（14.2%、11.4%、11.7%）；子准则中节点—网关比、用地类型、照明类型、暴露源强度局部突出。

5.2 优化结果与空间配置：pure top-k TOPSIS适宜性和最大但三市均存<100 m冲突对；100 m空间剪枝与高λ MILP消除冲突，最小间距升至101.2/105.6/100.6 m，适宜性和中度下降；λ增则邻近惩罚减、最小间距增；d₀增则MILP规模增、分散强。

5.3 与空间优化基准的列式比较：pure top-k TOPSIS聚簇；p-median降平均指派距、p-center降最差距、最大覆盖保半径内需覆盖、k-medoids几何代表，但适宜性低于正则化MILP；研究人员明确此为诊断性非普适优超。

6 准则权重的探索性偏斜与概率密度分析

6.1 Lorenz曲线偏离等边线，环境权重大、电气小，仅案例内描述不对称。

6.2 排序权重剖面呈下降阶序，前两位主准则占大部权重，存在层级不对称。

6.3 累积浓度曲线示前两准则占大部，集中式不对称。

6.4 主准则核密度估计样本偏度?0.506（均值25.00、中位25.70），轻左偏，正态/skew-normal仅作视觉引导。

6.5 子准则样本偏度+1.182（均值14.32、中位13.30）右偏，少数子准则（用地类、暴露强度、节点—网关比）权重突高。

6.6 Gini与偏度数值指标汇总，因n小仅作描述。

6.7 不对称意识：模型接受异质权重传入TOPSIS再入二元选址，非等权对称处理。

讨论部分总结

研究人员指出框架价值在显式建模结构而非单法新颖；CRITIC–TOPSIS提供数据驱动客观适宜系数，嵌入二元规划克服MCDM仅排序不保空间可行之限。权重不对称（主准则轻左偏因电气低、子准则右偏因少数突高）使纯排序易在高中暴露区聚簇，λ惩罚缓解之；Voronoi仅作后验覆盖解释。框架连起不对称多准则相关、离散空间优化与几何覆盖三维，适配采矿区异质环境。本研究为静态单期模型，未建AI预测、未模PM₁₀/PM_2.5季节漂移与网关时变拥塞。

结论部分翻译

本研究提出一种不对称感知的离散优化框架，用于智慧照明基础设施中IoT环境监控节点部署，整合CRITIC客观赋权、TOPSIS适宜性评分、二元整数规划、空间正则化与Voronoi覆盖解释于单一工作流，贡献在公式化与应用导向而非基础数学新颖性。基于哥伦比亚采矿影响市真实地理空间数据的结果表明，该模型能在保留多准则适宜信息的同时生成空间分散监测配置；因未附完整基准与求解日志，结果应作可行性证据与定性空间分析而非数值优超证明。将描述性分布不对称分析纳入MCDM过程为核心解释要素，CRITIC权重偏斜与核密度提示案例内准则相关非对称分布，仅作小样本图示。Voronoi分析进一步图示不对称适宜模式如何转为空间可释配置，但不可作统计或计算优超独立证据。整体框架为环境监测网设计提供结构化耦合不对称多准则相关、离散空间优化与几何覆盖解释之路；完整复现需公开坐标、决策矩阵、s_j、距离矩阵、λ与d₀、求解设参、目标值、间隙与运行日志。未来应扩至动态环境流、不确定性参估、多期部署及与p-median/p-center/最大覆盖/最大分散/聚类/元启发式之系统数值基准。

（该文发表于《Symmetry》）