人工智能在路線線形設(shè)計中的應用探討

張 華，楊 芬

（湖北省城建設(shè)計院股份有限公司，湖北 武漢 430051）

0 引言

公路路線線形的設(shè)計需要權(quán)衡生態(tài)、經(jīng)濟和環(huán)境等各方面的得失，在選線的過程中，應以交通需求為基礎(chǔ)，綜合考慮地形、地質(zhì)、水文、土地使用而做出的選擇。因此，在這個過程中，受到多方技術(shù)規(guī)范的制約，需處理的資料較多，包括數(shù)據(jù)、圖片、影像等資料，還涉及到定性評價的指標，而這些因素受評價人的主觀性的影響，使得評價標準不一，難以建立準確的一致性的評價模型。另一方面，相關(guān)領(lǐng)域的專家未能整合，設(shè)計人員缺乏系統(tǒng)的支持，設(shè)計人員只能依據(jù)自己的經(jīng)驗完成設(shè)計，設(shè)計質(zhì)量取決于設(shè)計人員的綜合水平[1]。

目前，以交互技術(shù)為主要特征的計算機輔助設(shè)計方法在道路線形設(shè)計中被廣泛應用，已經(jīng)實現(xiàn)勘察設(shè)計一體化的基本目標，路線線形設(shè)計的質(zhì)量和速度也大幅提高[2]。然而，設(shè)計對比方案缺乏、設(shè)計周期較長、評價指標不完善、耗費人力多、無法做到系統(tǒng)的和科學的論證。而這些需要引入人工智能，將相關(guān)數(shù)據(jù)、專家知識整合匯總，構(gòu)建大數(shù)據(jù)知識庫，然后通過人工智能技術(shù)，實現(xiàn)對知識數(shù)據(jù)的挖掘，建立模型，實現(xiàn)多方案的自動生成，并提供科學評價，進而實現(xiàn)科學決策，真正意義上實現(xiàn)自動化，智能化[3]。

本文首先介紹了人工智能近些年的發(fā)展現(xiàn)狀，并對人工智能在路線設(shè)計中的具體應用加以解釋。

1 人工智能在路線線形設(shè)計中的應用現(xiàn)狀

1980年至今，人工智能得到普遍發(fā)展，并且掀起在交通領(lǐng)域應用的熱潮，著重體現(xiàn)在智慧交通。但是應用在道路線形上的不多，目前的應用主要體現(xiàn)在優(yōu)化設(shè)計方面，即利用智能算法對線形的平縱斷面進行優(yōu)化設(shè)計。

1.1 知識庫與知識工程研究現(xiàn)狀

1977年E.A.Feigenbaurn教授首次提出知識工程這一概念，具體包括知識系統(tǒng)理論、方法和技術(shù)，其核心是知識庫的建立。知識庫是數(shù)據(jù)庫的一種，是人工智能的基礎(chǔ)和平臺。國內(nèi)外對知識庫的構(gòu)建，均取得很大的進展[4]。以邏輯語言為基礎(chǔ)開發(fā)的IBROW系統(tǒng)（歐洲）和NU—Prolog系統(tǒng)（墨爾本大學）；在系統(tǒng)建模方面，主要有KADS及在此基礎(chǔ)上開發(fā)的 Common KADS、MIKE、PROTEGE、VITAL等，這之中Common KADS最具代表性。國內(nèi)，浙江大學研發(fā)了ZKBE知識庫系統(tǒng)，支持知識操作、查詢、管理、存儲、獲取等；長安大學研發(fā)出電噴發(fā)動機的診斷知識庫，幫助維修人員可以快速便捷地診斷故障并指導維修工作；華僑大學開發(fā)出施工方案的知識庫，以方便施工知識的表達[5]。

蘇格蘭的Miine P.H.是最早把知識工程應用到路線線形設(shè)計中的，并據(jù)此開發(fā)出RODEOS系統(tǒng)。這個系統(tǒng)可以根據(jù)現(xiàn)場土地和存在物體對線形的限制，并結(jié)合設(shè)計的具體要求，設(shè)計平面曲線和緩和曲線，可以很好地解決曲線重合的問題[6]。2004年，Lawrence Mandow聯(lián)合西班牙工程公司研發(fā)出Sindi系統(tǒng)，即輔助公路初步設(shè)計的智能系統(tǒng)，并在工程中得到應用，這一系統(tǒng)可以幫助設(shè)計人員快速給出方案并給出具體評價，可以做到快速決策，人機交互較好，而且可以自動生成評價并保存歷史記錄，但是其只是用小規(guī)模線路方案的選擇和評估，而且對設(shè)計人員的專業(yè)知識和經(jīng)驗要求較高。

1.2 智能計算方法的應用

智能計算方法是通過模擬生物特性，進行數(shù)據(jù)處理分析、計算模型構(gòu)建，并不需要建立精準的函數(shù)關(guān)系，利用啟發(fā)式信息來指導方向，它具有自我學習，自我適應的能力，還可以聯(lián)系群體與個體。這些方法主要包括：模擬大腦的模糊邏輯思維建立的模糊邏輯，模擬腦神經(jīng)建立的人工神經(jīng)網(wǎng)絡(luò)算法，模擬人類進化建立的遺傳算法，模擬免疫系統(tǒng)建立的免疫算法等；還有模擬社會性動物的自組織行為建立的群智能算法，比如蟻群算法，粒子群算法，魚群算法等[7]。

遺傳算法是進化計算的分支，在線形設(shè)計時使用較多。它可以模擬生物進化過程和機制，即從簡入繁，從低到高的過程，通過優(yōu)勝劣汰的方式來求解問題。遺傳算法包括編碼、設(shè)置適應度函數(shù)及遺傳操作三個階段，遺傳操作又分為選擇、交叉和變異三個過程。首次使用該方法對路線優(yōu)化設(shè)計的是Jyh-Cherng Jong博士，綜合考慮各種因素，并把GIS引入優(yōu)化系統(tǒng)，而公路路線設(shè)計是一個多目標多因素問題，葉麗亞等提出多目標遺傳算法的優(yōu)化設(shè)計，通過建立多目標模型和線形模型，反復迭代后給出最優(yōu)解。此外，蟻群算法、粒子群算法（PSO）也被應用到線形設(shè)計中。

2 人工智能在線形設(shè)計中的應用思路

2.1 充分利用大數(shù)據(jù)

傳統(tǒng)的資料多以紙質(zhì)檔案為主，部分檔案借助數(shù)據(jù)庫進行管理，缺點就是利用率低，不能充分挖掘，篩選困難。而現(xiàn)在是以云計算和大數(shù)據(jù)分析為基礎(chǔ)的信息化時代，如何實現(xiàn)對海量數(shù)據(jù)的搜索挖掘，如何集中有用數(shù)據(jù)做出分析，是未來設(shè)計的關(guān)鍵。

2.1.1 Hadoop MapReduce技術(shù)

HadoopMapReduce是當前主流的大數(shù)據(jù)并行計算技術(shù)，而MapReduce（分布式計算系統(tǒng)）是這一技術(shù)的核心，可以處理TB級別的超大型數(shù)據(jù)集并生成模型，Hadoop的組件結(jié)構(gòu)如圖1所示。

圖1 Hadoop組建結(jié)構(gòu)示意圖

2.1.2 GIS空間數(shù)據(jù)管理技術(shù)

路線設(shè)計需要考慮大量的因素，這涉及到大量的數(shù)據(jù)，不僅包括交通需求，地形地質(zhì)、政策等，同時還涉及到鐵路、水運等，此外線形設(shè)計時還需要考慮生態(tài)環(huán)境、社會、經(jīng)濟人文歷史等信息。而GIS系統(tǒng)具有強大的圖形圖像，以及屬性數(shù)據(jù)的處理能力，能夠?qū)ο嚓P(guān)信息進行采集處理并繪制成圖。另一方面，它為勘察設(shè)計信息管理提供技術(shù)支持和數(shù)據(jù)融合、智能化設(shè)計的平臺。將GIS應用到智能設(shè)計中，首先就要建立基于GIS的知識庫，具體包括：建立GIS屬性數(shù)據(jù)庫，采集挖掘信息，將信息匯總分類，并用計算機語言表示。

2.2 充分利用智能算法

在公路路線設(shè)計優(yōu)化過程中，需要從數(shù)據(jù)庫中提出數(shù)據(jù)，并對其進行分析。數(shù)據(jù)挖掘方式又分為點、線、面三種挖掘方式，數(shù)據(jù)的挖掘是目標函數(shù)構(gòu)建的基礎(chǔ)。所謂點數(shù)據(jù)挖掘，就是挖掘一點的高程；線數(shù)據(jù)挖掘，是指通過GIS系統(tǒng)挖掘擬建公路與原有公路、鐵路及河流等線形工程的交叉信息，確定交叉類型；面數(shù)據(jù)挖掘是獲取公路所過之地的面域信息，比如拆遷面積與類型、地質(zhì)特征與相應的面積等。本文以地質(zhì)風險評價為例，展示面數(shù)據(jù)挖掘，如圖2所示。

另一方面，公路線形設(shè)計需要考慮多個目標，比如安全、經(jīng)濟、地災風險、舒適和環(huán)保，需要構(gòu)建多目標函數(shù)?？傮w的目標是：工程安全、經(jīng)濟可行、環(huán)境破壞少且可恢復、舒適美觀。這類問題，有兩大特征，一是相互間具有矛盾性，即過度考慮安全，就會增加成本、達不到經(jīng)濟最大化，考慮經(jīng)濟，就會對環(huán)境造成巨大的破壞；第二個是沒有統(tǒng)一標準，所考慮的目標并不能用同一個標準去衡量，有些可以定量而有些只能定性，所以解決的思路就是使總的目標函數(shù)f（x）取最優(yōu)解即可，如公式（1）所示，其中fi（x）為第i個目標函數(shù)。

如何利用挖掘的數(shù)據(jù)，構(gòu)建目標函數(shù)，如何求總目標函數(shù)的最優(yōu)解，這些則需要智能算法來實現(xiàn)。

而迭代計算的過程也是對路線進行優(yōu)化的過程，使各目標之間的矛盾不斷被協(xié)調(diào)，實現(xiàn)建設(shè)與環(huán)境相適應，短期需要與長遠目標相適應，造價與工程質(zhì)量相適應，新建工程與原有工程相適應。另一方面，利用智能算法求解的過程，也是智能決策的過程，每一次迭代，都會給出各目標的“度”，決策者可依據(jù)需求，選擇具體的方案。

所以，總的思路是利用GIS建立知識庫，并結(jié)合智能算法，將數(shù)據(jù)整合，多維挖掘處理數(shù)據(jù)，統(tǒng)籌選線知識、地理、地質(zhì)、水文，以及其他相關(guān)信息，構(gòu)建多目標函數(shù)，計算目標函數(shù)值，反復計算，求得最優(yōu)解。

圖2 地質(zhì)風險評估流程圖

3 人工智能的挑戰(zhàn)

人工智能設(shè)計，是建立在大數(shù)據(jù)基礎(chǔ)之上的，所以數(shù)據(jù)的管理清洗、處理、安全，以及接口的標準化，是目前的主要問題。

具體來說，要保證采集到的數(shù)據(jù)的真實性和科學性，去偽存真，同時還應多方位驗證數(shù)據(jù)的真實全面性，還要注重篩分，減少占用的存儲空間，實現(xiàn)低成本高可靠度的目標；對于數(shù)據(jù)的處理，要做到從異源、異構(gòu)、多方位的動態(tài)或者模糊的數(shù)據(jù)中，提取到可使用可度量的信息；數(shù)據(jù)的安全與隱私是各個行業(yè)所面臨的最大問題，而公路數(shù)據(jù)具有時空的動態(tài)性，加大了數(shù)據(jù)保護的難度，這需要從技術(shù)層面進行突破；現(xiàn)在勘察設(shè)計的方式較多，采用的儀器、處理軟件也較多，融合轉(zhuǎn)換難度較高，因此需要建立統(tǒng)一的標準，可以使數(shù)據(jù)被充分應用[8]。

4 結(jié)語

本文對國內(nèi)外知識庫與知識工程，智能算法等研究進行分析，從而發(fā)現(xiàn)：人工智能在路線設(shè)計中雖有一定的發(fā)展，但還有許多不足。大數(shù)據(jù)、云計算等技術(shù)的迅猛發(fā)展為公路工程設(shè)計提供了前所未有的機遇，但公路所面對的復雜環(huán)境，對人工智能的應用提出更高的要求，新時期，設(shè)計人員應利用人工智能技術(shù)，實現(xiàn)道路線形設(shè)計的自動化、智能化，妥善處理工程建設(shè)與自然環(huán)境、人文環(huán)境和經(jīng)濟的關(guān)系，確保線形設(shè)計的最優(yōu)化。