基于BIM+GA+SA的地铁智慧施工管理系统优化

摘要：为实现地铁TBM施工项目工期、成本、质量等多目标的优化管理，基于BIM Revit平台，将遗传算法（GA）和模拟退火算法（SA）引入到施工方案的模拟和寻优中，构建基于BIM+GA+SA的地铁智慧施工管理系统。结果表明，系统自带的遗传算法（GA）+模拟退火算法（SA）可以避免陷入局部最优解困局，具有较强的局部搜索能力、收敛性和稳定性；系统在广州地铁3号线某盾构区间段获得了较好的应用成果，从768种施工组织方案中优选了13种施工方案，系统对这13种施工方案进行了工期、成本和质量的对比，为项目部提供了最佳的施工方案，能够确保地铁TBM工程施工在工期-成本-质量方面达到综合效益最佳的效果。

关键词：TBM；BIM Revit；智慧施工管理系统；遗传算法；模拟退火算法

中图分类号：TP391.92；TB114.1文献标识码：A文章编号：1001-5922（2025）01-0169-04

Optimization of subway intelligent construction management system based on BIM+GA+SA

LI Wanbo1，SU Junwei2，ZHANG Lehua2，QU Weifeng2

（1.Foshan Metro Construction Co.，Ltd.，Foshan 528000，Guangdong China；

2.China Railway First Bureau Group Xinyun Engineering Co.，Ltd.，Foshan 528000，Guangdong China）

Abstract：In order to realize the optimal management of the construction period，cost，quality and other objectives of the subway TBM construction project，based on the BIM Revit platform，genetic algorithm（GA）and simulated annealing algorithm（SA）were introduced into the simulation and optimization of construction plans，and a subway intelligent construction management system based on BIM+GA+SA was constructed.The results showed that the system's built-in genetic algorithm（GA）+simulated annealing algorithm（SA）could avoid being trapped in local optimal solutions，and had strong local search ability，convergence，and stability.The system had achieved good ap⁃plication results in a shield tunneling section of Guangzhou Metro Line 3.Thirteen construction plans were selected from 768 construction organization plans，and the duration，cost，and quality of these 13 construction plans were compared by the system，providing the best construction plan for the project department to ensure that the construc⁃tion of the subway TBM project achieves the best comprehensive benefits in terms of duration，cost，and quality.

Key words：TBM；BIM Revit；smart construction management system；genetic algorithm；simulated annealing algo⁃rithm

地铁是缓解城市交通拥堵的主要设施，而盾构（TBM）是地铁隧道最常用的施工方式之一[1]。因而，有必要建立一种智慧施工管理系统来对地铁TBM施工进行科学管理。如分别提出利用RF-NSGA-Ⅱ算法、Pareto-NSGA-Ⅱ算法、GA-LSSVM-NSGA-Ⅱ算法对三大目标进行协调控制[2-4]。随着计算机和物联网技术的快速发展，建立了各式各样的智慧施工管理系统[5-6]，尤其是将BIM应用到智慧施工平台后，完全实现了对地铁TBM施工的三维可视化管理，提升了施工效率和质量。以北京地铁19号线为例，构建了BIM+智慧工地平台，实现了对施工进度的合理管理[7]。将物联网和灰色理论应用到BIM模型中，实现了对施工进度管理的动态风险把控[8]。基于BIM对进度、质量、成本等进行了辅助管理，提高了工程项目的管理能力和创新能力[9]。

研究基于BIM技术构建了地铁智慧施工管理系统，并在系统中植入改进的遗传算法对施工方案进行优选，从而实现工期、成本、质量多目标优化，在实现工程三维可视化管理基础上，实现施工的智能化管理。

1地铁智慧施工管理系统构建

系统基于BIM中Revit为基础平台，利用C#语言进行二次开发，数据库选用SQLServer，编程环境选用Microsoft Visual Studio2019，通过扩展Revit API功能模块，构建起包括多元信息自动化采集与时间序列预警模块、施工进度与安全管理模块以及施工动态反馈分析模块等3大模块的智慧化施工项目管理系统。

多元信息自动化采集与时间序列预警模块的主要功能是负责监测信息录入、监测数据导入、自动化监测断面查看以及监测信息管理等功能；施工进度与安全管理模块主要负责BIM施工进度管理、车站施工步序展示、施工信息管理、施工安全管理、人员与物料管理；施工动态反馈分析模块主要负责对地铁区间隧道围岩进行分类、地质参数反演分析以及锚固参数优化分析。系统植入了相关算法，通过输入围岩地质参数、支护参数、工期要求、成本要求、质量要求等相关信息，对施工方案进行模拟和优选，从而为项目决策者提供最佳的施工方案。

2改进遗传算法

2.1遗传算法

遗传算法（简称GA）最早诞生于21世纪60年代，主要借助于自然界中物种进化原理（选择、交叉和变异操作）来搜索最优解，能够对非线性和多目标优化问题起到较好的求解效果[10]。

传统遗传算法存在一个明显问题：每一次遗传之后均是保留最优秀的染色体，当出现局部最优解后，就难以逃出局部最优解范围，即遗传算法的局部搜索能力较差。

2.2模拟退火算法

模拟退火算法（简称SA）最早诞生于21世纪50年代，模拟自然界中金属材料的高温退火原理，随后逐渐将其应用到组合最优解的求解中，可以避免求解过程陷入局部最优解的不利情况[11-12]。模拟退火算法中初始温度、Metropolis准则（状态转移概率）和冷却进度表的设置对于求解结果有重要影响。

2.3融合模拟退火的改进遗传算法

为避免遗传算法陷入局部最优解困局，充分利用模拟退火算法强大的局部搜索能力，以传统遗传算法为主框架，将模拟退火算法融入到遗传算法中，2种算法融合后，不仅可以提高算法的收敛性和稳定性，而且能够较为精确的求解得到全局最优解[13-15]。改进遗传算法流程如图1所示。

（1）需要对算法的种群规模、最大迭代次数、交叉/变异概率、初始温度、退火系数等初始参数进行设置；（2）利用算法随机生成一个初始的种群；（3）利用适应度函数对种群中每一个个体的适应度值进行计算；（4）判断是否满足结束运算的条件；（5）如果不满足结束条件，则对种群实行选择、交叉和变异操作，通过操作产生新的种群；（6）将产生的新种群作为退火算法的初始种群进行计算；（7）通过Metropolis准则来判断是否接受新的个体；（8）再次对种群中的自适应度值进行计算，再次生成新的种群；（9）进行模拟退火操作，然后将种群转入第（4）步进行判断，如此循环往复，直到满足停止条件为止。

2.4地铁施工多目标优化模型及求解

地铁施工受水文地质、地形条件、周围建筑物、地下管线等多种因素的综合影响，在施工过程中存在很多未知因素，但总体的施工目标是要达到工期、成本和质量的合理控制，即地铁施工项目智慧控制的最终目的是要达到工期-成本-质量的综合最优化。研究采用多属性效用函数理论，对地铁施工多目标函数进行加权分解，从而将多目标函数问题转化为单个函数问题。多目标优化模型为：

式中：T表示工期；C表示成本：Q表示质量；n表示总的施工工序数；i表示施工工序；j表示施工祖师方式；t表示工序持续时间；x表示索引变量；Tmax表示最大工期；dc表示直接成本；ic表示间接成本；Cmax表示最高成本；ω表示权重系数；q表示质量得分；Qmin表示最低质量。

按照改进遗传算法，对式（1）中的多目标函数优化问题进行求解。

3工程应用

3.1工程概况

佛山地铁3号线某标段共承担2个车站和4个区间的施工任务，其中某区间右线总长度为1 108.686 m，区间最小曲率半径为360 m，埋深约为25～38 m，最大纵坡为170%，始发段和接收段采用矿山法施工，其余洞段采用TBM盾构施工，始发洞段存在F15断裂。隧道两侧地上分布有企业、商场、医院、酒店、中石油加油站等建筑，同时还会穿越一条人防干道。工程区由上至下为素填土、含有机质粉质黏土、粉质黏土、粗砂、微风化花岗岩，隧道主要穿越微风化花岗岩地层。

3.2施工工序及计划

工程采用双护盾TBM施工，按照施工流程可划分为：施工准备工作1、TBM配套建设施工2、内海区间TBM始发井3、右线TBM始发洞开挖及支护4、TBM主机及后配套设施进场5、右线TBM组装调试6、TBM始发及试掘进7、TBM掘进至a车站8、TBM空推过内a车站9、TBM掘进至b车站10、TBM到达前200m 11、TBM拆解吊出12、联络通道施工13等工序。采用专家评分法，对各工序的质量进行打分，得到1～13工序所占的质量权重值分别为5.3%、4.6%、8%、8.5%、5.4%、7.6%、9.7%、13.5%、9.6%、12.3%、4.2%、5.1%、6.2%，工序持续时间和成本以实际计算为准。部分工序可以采取2种或者以上的施工组织方式，通过不同工序的施工组织方式组合可以得到768组施工方案，限于篇幅不在文中做一一介绍。

本区间施工网络计划如图2所示。

由图2可知，工程共有2条施工线路，分别为L1：1→2→4→5→6→7→8→9→10→11→12→13；L2：1→3→4→5→6→7→8→9→10→11→12→13。

3.3模型参数设置

在系统中找到参数设置选项，将最大迭代次数设置为100，种群规模数量设置为50，交叉概率设置为0.8，变异概率设置为0.05，初始温度设置为100，终止温度设置为50，冷却系数设置为0.95。系统优化目标为：总质量不低于90分，工期不高于860 d，总成本不高于9 045万元。

3.4结果分析

将不同工序的施工组织方式输入系统，分别利用传统遗传算法和改进遗传算法对施工方案进行寻优，在运行至第20代时，基于改进遗传算法共寻到13种最佳方案，总用时为36.6 s，而基于传统遗传算法共寻到8种最佳方案，总用时为50.3 s，由此可见，采用改进遗传算法相比传统遗传算法，不仅能够减少工作量，提高寻优效率，而且还能为工程决策者提供更多的较佳施工方案。

对改进遗传算法寻优得到13种施工方案进行对比分析，结果见图3。

由图3可知，对于寻优得到的13种施工方案，方案9的工期最长，达到858 d，方案4的工期最短，工期仅为841 d，相比方案9缩短了17 d，除此之外，方案3和方案12的工期也比较短，分别为842、843 d；对于工程成本而言，方案3的成本最高，达到9 042.9万元；方案8的成本最低，仅为9 011.7万元，相比方案3，可节省31.2万元。除此之外，方案6和方案13的工程成本也比较低，分别为9 014.4万元和9 020万元。对于工程质量而言，方案4和方案13的得分最低，仅为90分；方案5和方案9的质量得分最高，均为90.8分，总体而言相差不大。工期紧张情况下，宜优先选择方案4进行施工，如果是追求工程成本相对较优的方案，则宜选择方案8。如果追求工期-成本-质量的综合效益，则可以选择方案12，在此方案下工期为843 d、成本为9 030.1万元、质量为90.3分。

4结语

（1）为避免传统遗传算法陷入局部最优解困局，引入融合模拟退火算法对传统遗传算法进行改良，改良之后的算法增强了局部搜索能力，在增加多样性的同时还提高了算法的计算速度；

（2）建立起工期、成本和质量目标函数，并基于多目标优化理论构建三者的综合优化模型，通过目标函数权重值求解目标函数，避免了人为主观分配权重的影响；

（3）将系统应用到佛山地铁3号线某TBM区间施工方案推荐，从768种施工组织方案中为决策者提供了13种较优方案，再通过对比13种较优方案，最终推荐采用方案12作为第一优选施工方案，在该方案下工期为843 d、成本为9 030.1万元、质量为90.3分；

（4）本系统实现了工期-成本-质量的多目标优化，可确保地铁TBM施工不顾此失彼，并获取最大的效益。

【参考文献】

[1]任道远，高新强，马泽骋，等.敞开式TBM穿越高地应力隧道支护优化研究[J].粘接，2023，50（6）：153-157.

[2]吴贤国，冯宗宝，刘俊，等.基于RF-NSGA-Ⅱ的盾构施工地表沉降安全控制多目标优化[J].中国安全科学学报，2022，32（8）：45-51.

[3]张雨果，王凯，吕山可，等.基于Pareto的地铁施工场地平面布置多目标优化[J].土木工程与管理学报，2020，37（5）：142-148.

[4]曾铁梅，王金峰，吴贤国，等.盾构下穿既有隧道位移控制施工参数多目标优化[J].铁道标准设计，2022，66（2）：98-104.

[5]沈卫平，张俊，袁标，等.基于智慧互联技术的成都地铁盾构施工安全风险管理信息系统研究[J].岩石力学与工程学报，2019，38（S2）：3822-3832.

[6]付筱萌，李芝宏，高靖岚.基于无线自组网技术的地铁“智慧工地”系统研究[J].电气化铁道，2023，34（1）：69-75.

[7]张志伟，曹伍富，苑露莎，等.基于BIM+智慧工地平台的桩基施工进度管理方式[J].城市轨道交通研究，2022，25（1）：180-185.

[8]朱艳峰，曾令权.基于物联网和灰色理论优化的BIM模型及其应用[J].微型电脑应用，2021，37（11）：53-56.

[9]张元春，赵富壮，提瑶，等.北京地铁7号线东延01标BIM技术综合应用[J].土木建筑工程信息技术，2018，10（5）：53-59.

[10]周加全.基于改进遗传算法路径规划问题的研究[J].微型电脑应用，2021，37（11）：1-3.

[11]董彦军，刘平，辛锐，等.基于退火算法优化的BP神经网络的电力通信网业务可靠性评价[J].微型电脑应用，2019，35（5）：114-116.

[12]余凯.建筑物基坑支护变形GA-BP神经网络预警检测研究[J].粘接，2023，50（8）：158-161.

[13]仉文岗，唐理斌，陈福勇，等.基于4种超参数优化算法及随机森林模型预测TBM掘进速度[J].应用基础与工程科学学报，2021，29（5）：1186-1200.

[14]孙丽娜，田军委，刘雪松，等.一种融合模拟退火的改进遗传算法多任务路径规划[J].西安工业大学学报，2021，41（2）：145-152.

[15]刘睿琼，张文丽，侯爱华.融合模拟退火的遗传算法在车辆调度中的应用[J].计算机与数字工程，2018，46（7）：1316-1319.

（责任编辑：平海，苏幔）