关于公路路线智能优化方法研究

陈 姗

（广东省交通规划设计研究院股份有限公司， 广东 广州 510000）

公路路线的设计目标主要是由科学安全，经济效益突出、交通功能设施完善以及舒适度美观等因素构成的。然而这些目标之间也存在着矛盾性，矛盾性主要体现在对多因素控制中产生的决策上，设计人员要随时跟进并加以修正，在各因素之间做好协调以达到利益效果的最大化实现，而从利益方面考虑，要求设计人员更有效利用好现代计算机技术等手段，使计算机在辅助方面的水平也得到提升，使公路路线在设计和选择过程中更加的智能化。

1 公路路线的智能优化

1.1 智能优化的主要特点和系统上的设计

各目标之间存在的矛盾具有统一性与设计目标的模糊特性成为公路路线在设计上的两个特殊性，同时也是两个急需解决的两大难题。设计目标存在的模糊特性主要指的是在公路路线的设计规划中涉及到的与其相关的目标缺少相对一致的度量标准，对分型分类上很难做出比较。目标之间存在的矛盾统一性主要指的是假如对公路路线当中的某一个设定目标变量值增大，就会对另外一个目标产生影响，使其变好或者变坏，导致公路路线设计本身出现问题。

1.2 关于对公路路线设计知识上的模糊性

在之前公路选线整体设计当中，针对设计需要掌握的知识主要包括工程知识和时空环境知识。工程知识指的就是在工程实际施工中总结出的经验，这样的经验一般是在人的大脑中存储的，相关的设计人员提供的线路方案要及时的得到跟进和改正，对设计进行优化，以及最后对决策进行评价等与实践经验相关的知识和能力。时空环境知识就是指在选择公路优化路线的时候，对地形地貌、地质水文的条件和随时间变化形成的地质特征等的影响下产生的时空上的特征关联的规则和时空作用等。针对不同的公路路线特性对问题进行优化，有针对性的对确定公路路线当中的智能优化思想进行阐述。第一，试着寻找路线设计相关的变量和最后优化的结果在映射函数上的联系，以多目标遗传算法作为基础寻求此目标函数最优结果使公路路线的设计最初方案能够实现。第二，以GIS软件为分析平台对数据进行基础管理，全面使用软件对技术能力进行深入研究，达到对公路路线覆盖下的地区及周围的地貌和水文地质数据的提取和技术上的研究，使公路路线方案在最后选择时的择优性上能够依赖于时空环境知识。

1.3 以GIS为基础建造公路路线的模型

公路路线在选择上主要是受地形、水文、生态以及政治等因素的影响。所以在公路选线过程中，必须要全面仔细的分析其中的影响因素，对当中的每一个因素的重要性做出衡量，并且建造多因素综合线路的选择模型。本文中主要是使用层次分析法对每个因素进行权衡计算。与此同时，还要向有关专家进行咨询以确保权重的有效修正，然后把每个影响因素进行定量表示并与函数映射关系结合在一起。GIS在数据分析的功能和叠加分析的功能上相当的占优势，它能把所有的影响因素组合在一起形成专题地图并进行叠加权重的分析，此模型对公路路线在最佳选择上起着一定的决定性作用，在此过程中一定要注意对栅格数据的叠加分析方法的采用。在使用GIS的过程中，栅格数据的叠加分析方法在空间分析方法中是非常关键的，所以在公路选线的过程中，要以GIS里的格栅计算器为基础，对地形地貌，和水文地质等多种因素进行权威叠加的计算，使数据图层和影响因子得到有机的结合，形成在公路选线时用到的专用地图。

1.4 关于技术的流程

关于技术上的主要流程，先是利用Arc GIS的运作，建立起相关地形地貌以及地物等因素的信息数据库，再对项目区域内的信息进行实时的跟踪录入，对格栅做数据上的转换，以此使影响因素模型形成，然后就像上面提到的，针对各个图层的叠置做权重上的综合研究，以此使公路选线的专题模型能够顺利形成。为公路路线设计人员进行最佳路线的选择提供依据。

2 以智能优化算法为基础建立模型的相关探讨

2.1 目标函数上的选择

在这里我们将对交通安全目标、工程效益以及地灾风险目标的函数构造进行探讨解析。交通安全的目标函数用Y1表示。交通安全目标函数可以采用综合安全的评价函数，即：

式中t1、t2、t3、表示转换函数，可以作为指数或是线性函数，涉及到的参数是经过MCS试验而确定的，而对应的x1、x2、x3则代表较好、一般、较差的路段函数。

工程经济目标函数（y2）以费用高低为依据得出，在公路路线平面方案形成以后，再以GIS中的数据为依据拟定，纵断面方案，然后就可以计算出相关的费用数据了，例如土石费和防护占地费等等。

地灾风险的目标函数用y3来表示，在传统的优化模式中，该函数也是以地灾治理费的高低作为度量标准的，地灾治理费能够有效的反映出地灾发生的情况，由此对多个方案进行综合效益方面的比较。需注意的是，在采用多目标算法时，可以将地灾的风险值作为进行目标函数评价的标准。

2.2 算法设计和遗传算子设计

目前，多目标遗传算法被广泛的应用，尤其是其中的NSGA-Ⅱ。所以我们在这里就以多目标遗传算法中的NSGA-Ⅱ为基础来进行公路路线选择的探讨，同时对遗传算子在设计上存在的问题进行简单的阐述。在应用多目标遗传算法时，计算机将随机形成初始归类，然后再进行二次筛选，从而产生新的数据方案。将初始方案与新方案相结合在形成一个新的方案，在针对新方案进行筛选，之后再对其中的某个边界集的单个方案进行选择。从而建立起一个偏序集，再选取其中的一个个体方案与之前的方案进行组合。所以为使公路路线在选择时避开不好的地质地形和经济效益相对较低的地区，一定要合理选择公路路线。

3 结束语

在建立了路线智能优化系统的模型以后，在很大程度上改善了路线优化过程中存在的模糊性和不确定性的问题。提出的基于GIS的空间数据挖掘算法，也在一定程度上解决了路线智能优化中信息决策问题。而建立路线多目标优化模型，对克服单目标优化中存在的片面性和实用性上也起到很大的作用。所以对公路路线智能优化的方法进行深入研究是非常有必要的。