人工智能在公路选线中的应用思路分析

张申

（河南省新开元路桥工程咨询有限公司，河南 郑州 450016）

1 人工智能基本原理

人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

2 人工智能在公路选线中的应用思路

2.1 信息处理知识库

智能化选线，是在一定的计算机环境中实现的，在该环境中实现智能的程序，就如正在进行选线的工程师那样，需要根据所处的不同环境自主获取信息，自动做出与所处环境相适应的决策。目前,全球传统的选线方法都是设计者利用先进的计算机辅助设计软件(CAD),结合地理信息资料以及各种约束条件和控制因素,根据道路工程设计规范要求,凭其经验和直觉进行路线的平纵面设计,选择其认为最优化的路线方案，虽然道路设计和施工技术都已经取得了长足的进步,但在道路选线技术上,大多数的国家仍然没有将其与计算机高性能运算技术良好的结合，传统选线方法的缺点就是设计者很难通过人脑将上述基础数据和复杂的工程、环境、经济、社会等因素综合同步处理，随着社会的发展和人类文明进步,地理信息技术、卫星图像技术、航测技术和计算机优化技术的快速发展,人们越来越关注道路等大型基础设施建设对社会和自然环境的重大影响.如何协调社会、自然环境与道路建设的关系成为当今设计者的一大难题。

将具30多年研究历史并在很多工程中获得实际应用的CIS技术引入选线进行智能化研究，也就成为必然，它为空间信息的处理分析和利用提供了现成工具。基于GIS平台开发的公路自动化选线的应用系统，开发过程具有高度的系统性、集成性、目标性。利用GIS建立知识库，处理大量信息。

知识库(Knowledge Base)是知识工程中结构化，易操作，易利用，全面有组织的知识集群，是针对某一(或某些)领域问题求解的需要，采用某种(或若干)知识表示方式在计算机存储器中存储、组织、管理和使用的互相联系的知识片集合。这些知识片包括与领域相关的理论知识、事实数据，由专家经验得到的启发式知识，如某领域内有关的定义、定理和运算法则以及常识性知识等。基于GIS的知识库建立步骤如下：

第一步，建立GIS属性数据库，存储知识推理所需的基础数据；

第二步，采集专家知识、空间数据挖掘、提炼可信度较高的信息；

第三步，将收集的专家知识分类，建立系统可识别的计算机语言的知识库。

传统的知识表示方法并不适合于公路选线知识的表达。这是因为在公路选线设计中，一个问题的决定不只是靠单纯的逻辑推理来判断，还需要有机地结合数值运算、图形交互设计，并对各种可能结果进行分析、评价、对比和决策，以产生各种可供选择的可行方案。同时，一个实际领域的问题求解不仅会涉及到取值为真假的逻辑断言，也会涉及到其值域为一个离散集合的离散型变量或一个实数区间的数值型变量的定值。这些定值过程可能还需要大量或复杂的数值计算。那些经典的单一知识表示方法对表达复杂计算显得束手无策。

2.2 路线优化

公路选线路线优化中要注意到各种复杂因素的干扰，在优化设计过程中，可不断发挥人机交互作用，以获得切合实际的最优方案。

公路优化的目的就是为了提供行车效率高，适应相交的高速公路设计交通量和设计速度，满足车辆转弯需要并与环境相协调，所以在优化时应遵循以下原则：

公路形式与公路等级应与道路的性质、任务和交通量相适应；公路优化应与公路所处的自然条件和环境条件相适应；公路优化应与公路设计、施工的技术水平和技术条件相适应。在从实际出发的前提下，尽量采用新技术、新工艺、新结构，以提高质量，缩短工期，降低成本；公路优化应将优化与定位相结合，不同位置地形、地物及环境条件所适应修建的公路形式也不同，一般情况下是先定位后优化，优化与定位相结合；公路优化应做到近期需求和远期规划相结合，既要考虑近期交通需求，减少投资费用，又要考虑远期交通发展改建提高的可能，以充分利用前期工程；公路优化要与经济效益相结合，由于互通式公路工程量集中，投资大，其形式的选择对公路的投资及效益都有较大的影响，因此，在进行形式选取时要进行充分的调查与论证，进行多种形式的投资效益分析，选出优良方案，使之发挥最大的经济效益；交通美学的要求也要适当的考虑，"建造一座公路、创造一处景观"已经成为人们的共识，一座造型美观的公路，通常会成为当地的一个标志性建筑，因此，一座公路的优化应考虑与环境是否协调、匹配。

2.3 多目标智能决策

公路选（定）线，就是在地形图上或地面上选定路线的方向并确定路线的空间位置。它在整个公路设计工作中占有非常重要的地位。通过公路定线所确定的路线方案，不仅在很大程度上决定着新建公路的工程费用和运营费用，而且与交通安全具有很大的联系，因此所采用的路线方案，应当保证工程量，路线工程费用、营运费用以及安全费用间具有最优关系。

在实际操作过程中，由于在公路选线中路线位置、主要指标的选择等方面缺乏可操作的程序与方法，在处理这些目标之间的关系时，往往.由于过分注重一个目标，而忽视其对其它目标的影响。如20世纪80年代以前，受国民经济发展条件的限制，公路建设过分强调经济性，即将经济目标最大化，而忽视其功能性和对环境的影响，公路建设给环境带来的巨大的破坏。20世纪90年代，强调线形的舒适和美观，即将美学目标最大化，而忽视其经济性和对环境的影响，同样带来了诸如造价高、对环境破坏严重的诸多问题。

多目标决策问题的两个明显特点：目标间的不可公度性（即各目标没有统一的衡量标准或计量单位，因而难以进行比较）和目标间的矛盾性。结合目前公路设计研究的理念以及公路选线的原则，公路选线中主要实现"安全、经济、环保、舒适、美观"五个目标。研究适合选线约束条件下的一组目标函数，在不同的选线目标下产生一组适应给定目标的线路方案，给出最优方案。基本思想是对目标函数。

f(x)=(fl(X),f2(x).f(x),f4(x),f5(x)

在协调各个目标函数的基础上，实现总目标函数的最优，选择最满意方案作为决策结果。

3 结语

人工智能在公路选线领域的应用，为实现智能选线自动化提供了可能。空间数据挖掘、信息的处理、知识库的建立，为选线中全面系统的考虑各方面因素提供了基础。

遗传算法应用于公路路线优化中，实现人机交互对话，并能体现设计人员设计的个体主观性和个人经验。

但是由于道路选线是一个非常复杂的综合性问题，考虑的因素众多，需要进一步研究建立统一的数学模型和求解。路线方案的多目标智能决策需要选择合适的评价模型，保证路线方案多目标的协调统一。

[1]冉戎.基于GIS的道路自动化选线方法研究[D].重庆大学;2006年

[2]孟存喜.交互式铁路线路方案比选决策支持系统技术的研究[D].西南交通大学;2003年