基于代价图路径规划的铁路智能选线系统研发

研究目的:铁路选线区域广、影响因素多、多专业综合性强,智能选线研发难度大,应用的效率效果尚未达到广泛推广。研发铁路智能选线系统,找准重难点分步突破,对路径规划、局部优化、人机交互等提出新的视角,以期对现有理论方法进行补充和完善,提高选线设计效率和质量。研究结论:(1)按照通道搜索、方案优化、人机协同三个步骤开展系统研发,并将纵断面自动设计作为基础功能充分复用,可显著降低研发难度,提高研发效率;(2)提出大场景地形自动探查获取桥隧高代价面域、基于面域边界特征线的三角网代价图构建方法,可提高搜索适应性和精确性;(3)基于Dijkstra最短路径搜索算法开展路径自动规划,可极大提高搜索效率和效果;(4)平纵横自适应优化、平纵横实时联动、系统融合式GIS选线可灵活应对实际需求,增强系统适用性;(5)本研究成果可为铁路、公路的智能选线系统研发提供参考和借鉴。

道路智能选线技术与方法研究

传统的道路选线方法受到地形起伏、自然障碍等因素的影响面临诸多挑战,而先进的技术和方法的应用,使得道路选线逐渐趋于智能化。为了解道路智能选线的方法和技术,通过分析传统选线方法存在的局限性、智能选线技术的发展历程及智能选线的步骤和关键环节,探讨、比较几种典型的智能选线算法的优势和不足及适用场景,并对道路智能选线面临的挑战和发展趋势进行了分析。分析结果可以为相关领域提供理论指导和实践参考,从而推动道路智能选线技术的进步与应用。

基于GIS和遗传算法的公路智能选线

为了解决传统的交互式公路CAD系统不能完成公路选线决策等智能性任务的问题,将GIS(地理信息系统)的空间数据挖掘技术以及智能进化算法-遗传算法引入到公路选线过程中,通过对象组件技术进行空间数据挖掘,以获取选线环境知识,建立了基于GIS的空间环境知识模型;通过确立遗传进化策略、遗传算子,建立了基于遗传算法的路线平面优化模型,借助选线环境知识,对路线遗传种群进行评价和选择,以获得最优方案。结果表明:公路智能选线系统算法具有全局搜索、自适应性和快速收敛的特点;优选方案有效地兼顾了地形、地质、生态和安全等因素,可作为交互设计的初始方案。

基于分步编码改进遗传算法的铁路智能选线

为实现铁路三维空间线形的智能优化,建立了综合考虑建设和运营费用、环境影响代价及线路约束的线形优化模型;针对平面、纵面控制点分别给出了分布方法,并构建了由平面交点偏移距、平曲线半径、变坡点标高3个基因片段组成的基因序列.在此基础上,提出了平面-纵面-完整基因的分布编码方法,设计了相应的多种交叉、变异算子实现线路方案的进化.实例分析表明:本方法克服了现有遗传算法产生的线路方案平、竖曲线重叠的缺陷;可生成满足线路约束条件且综合费用较省的线路方案群,最优的智能选线方案比人工定线方案综合费用节省了6.5%.

基于动态规划的铁路三维空间智能选线方法

分析国内外线路平纵优化设计的理论与方法,总结目前国内外相关研究的优点和存在的问题。将线路设计的最优化问题视为三维空间中的路线最优决策问题,提出一种基于动态规划的三维空间智能选线方法。这种方法通过建立三维空间网格模型,利用动态规划法在静态已知的环境下搜索出满足约束条件的全局最优线路方案,利用双向动态规划策略,最终得到按代价函数由小到大排序的一组线路方案群。应用文中提出的理论和方法,开发了基于数字地球的三维空间智能选线系统。经实例试算,证明此方法具有很好的可行性和有效性。

基于GIS和遗传-粒子群的公路智能选线方法

为克服现有路线优化方法难以用于生产实践的缺点,提出了一种基于GIS(地理信息系统)和遗传-粒子群混合算法的方法,以辅助路线平面方案的选择。该方法以AutoCAD Map为平台,直接支持DWG格式地形图,实时获取路线所经区域的空间信息,为方案决策提供依据;优化算法采用一种遗传-粒子群优化算法,该算法在基本粒子群算法中加入遗传算法的交叉、变异算子,综合了遗传算法和粒子群优化算法的优点。数字试验的结果表明:该算法能很快收敛到最优解,达到最优解迭代次数为35次左右;该方法具备较好的寻优性能,适用于公路智能选线的实践。

铁路智能选线系统开发与应用

目前铁路选线设计基本依赖于设计工程师的知识与经验,结合地形、地质等因素决策出最终线路空间位置,存在设计强度大,比选方案有限,决策周期长等缺陷。随着我国高速铁路的快速发展及铁路建设由东部平原向西部复杂山区的转变,高度复杂的环境使空间线位设计变得异常困难,选线周期大大增长,亟需一种高效的选线方法解决上述难题。文章介绍了一个结合人工智能、地理信息等技术开发的铁路三维空间智能选线系统及其在铁路线网规划中的实际运用,实践表明该智能选线系统能够在给定选线参数、约束条件的基础上,在选线区域内快速优选多个走廊带,并给出合理的推荐方案,可有效提高选线工作的效率与质量,节约工程投资。

铁路三维空间智能选线研究及开发

文章提出了一种基于遗传算法的铁路三维空间智能选线方法。建立铁路三维空间信息模型,为指定区域内铁路空间线位的智能搜索提供了基础信息条件;以铁路空间线位几何参数作为设计变量,充分考虑线路几何约束与环境影响约束作用,建立以最小综合代价为目标函数的多目标数学优化模型;应用基因浮点编码方式,提出以交点偏移距、链式变坡点标高作为基因的三维空间编码方法,设计了适应于铁路三维空间线形整体优化的遗传算子,对三维空间线路进行全局搜索与多目标寻优,合理控制线路方案的取舍,保持线路方案群的多样性。基于本研究所提出的理论和方法,开发了铁路三维空间智能选线系统,测试结果表明,搜索出的线路方案经济合理,验证了铁路三维空间智能优化算法的合理性与实用性。

基于知识工程的铁路智能选线设计理论、方法及应用

铁路选线设计是一件关系铁路建设全局的总体性工作,也是一项集知识、经验为一体的工作。如何科学利用现代计算机技术,充分挖掘专家的经验知识,提高选线设计工作质量和效率,是现代铁路勘察设计不断追求的目标,也是建设一条高质量铁路的重要支撑。课题组依托渝利、渝万、贵广、中老等铁路项目,针对“选线设计本体、选线设计知识表达、地理信息智能获取与利用、智能选线设计方法”等关键技术问题,开展了多年“产−学−研−用”协作攻关和工程实践,提出基于知识工程的铁路智能选线理论和方法,研发了铁路智能选线辅助设计系统。研究成果突破了铁路智能选线设计的关键技术瓶颈,支撑了中铁二院工程集团有限责任公司设计的多条铁路的勘察设计工作,取得了良好的经济和社会效益。

基于改进型D3QN深度强化学习的铁路智能选线方法

传统的人工选线方法劳动强度大,设计效率低,随着我国铁路建设重心向西部复杂艰险山区转移,人工选线面临的困难日趋凸显。为缩减铁路选线的人力物力成本,提高设计效率,亟需发展结合了人工智能和信息技术的现代选线技术。为此,提出一种基于深度强化学习理论的铁路智能选线方法。以带有空间属性信息的数字高程模型为选线环境,以相邻空间点间的建造费用为即时奖励,以工程建造费用最小为优化目标,设置离散化的备选动作,考虑多种约束条件,构建面向铁路选线的深度强化学习模型。结合深度学习的感知能力和强化学习的决策能力,利用双竞争深度Q学习网络(Dueling-Double-Deep Q Network,D3QN)对模型进行训练,既克服强化学习问题对复杂状态和动作空间难以收敛的缺点,同时解决了传统DQN算法易于出现过估计、训练不稳定的问题,实现自动对选线环境进行感知、搜索、判断、决策,最终寻得目标函数最优的线路方案。以某山区铁路对本方法进行验证,实验结果表明:该方法能搜索到多样化的线路备选方案,可以为设计人员提供新的设计思路;有效降低了铁路建设的经济费用,较人工选线方案节约最多达17.5%。智能选线方法可以帮助节省选线工作成本,不遗漏有价值的方案,提高工作效率。

基于GIS的三维空间公路智能选线动态规划方法设计

以往的优化公路线非常复杂,而且资料的准确性也有待考量。本文通过基于GIS的三维空间公路智能选线动态规划方法设计研究,明确公路智能选线的优势,通过科学的数据处理方案,以及场景动态的三维立体化展现,将复杂的公路选线工作,变得不再复杂化。本文通过研究基于GIS建立的三维网格,以此来了解公路所需,以需求性为本文的开展方案,再建立线性的计算,最终通过自动数据计算的自动搜索,将资料自动比选,形成基于GIS的三维空间公路智能选线动态规划的最优设计方法。为了获得一组场景,我们建议动态双向搜索策略编程。最终结果表明,具有良好多样性的全局最优选线方案,从基于GIS的三维空间公路智能选线动态规划设计方法中获得。

基于双向动态规划的输电线路智能选线方法

为解决传统的电力线路自动选线方法存在的规划效果差、花费成本高等问题,首先基于地理信息系统(GIS)建立了路径多目标优化数学函数,然后提出了一种多阶段决策的改进双向动态规划算法,进行多目标函数的最优问题求解,实现了自动智能选线。并且,提出的改进动态规划算法在全局单向动态规划算法中加入双向策略,采用顺序法和逆序法减少了路径规划搜寻的空间状态总数,比传统的动态规划加快了算法的收敛速度。最后,进行输变电线路多目标动态方法仿真研究,结果表明了所提算法的有效性。

中心城区绿道智能选线规划研究——以宿迁为例

【目的】当前在绿道系统规划分析中较少应用自下而上的人本分析视角和时空间行为分析方法,缺乏对居民在绿道中行为方式的研究,在方法上对于机器学习的应用仍然处于探索阶段。【方法】以经典设计理论作为支撑,选取宿迁市中心城区作为案例地,整合手机信令数据、居民活动数据、街景数据等多源数据,借助人工智能、LSTM神经网络、时空行为分析等量化分析方法,分析居民真实出行的时空特征,提出绿道智能选线分析框架。【结果】结合LSTM神经网络、类A*算法等构建的轨迹模拟模型可有效开展绿道选线评估,模拟居民真实出行行为,提取潜在绿道网络。【结论】构建了中心城区绿道智能选线方法,将居民真实活动轨迹融入空间要素分析中,融合居民出行行为特征与街道环境要素,通过量化评估方法为绿道选线规划和建设提供指导。

三维实景平台输电线路智能选线研究

结合我国当前的电力工程发展情况来讲,为了进一步满足不同区域人们的生产生活需求,在输电线路规划的过程中,信息技术的参与能够进一步提升规划有效性,因此本文便是以三维实景平台作为核心技术,结合输电线路智能选线展开分析,阐述了三维实景平台应用的具体背景和功能,分析了输电线路选线的具体方案和细节。意在通过文章论述,能够为当前的电力工程发展奠定稳定的基础。

基于GIS的公路智能选线探讨

本文探讨了利用GIS将直接因素转化为格栅数据,把公路智能化选线归结为基于此栅格数据的最短路径的确定。

青藏高原多年冻土区公路智能选线方法

为解决传统公路选线方法难以完全考虑青藏高原多年冻土区复杂地理环境的问题,将地理信息系统(GIS)的空间数据分析技术与智能进化算法引入到多年冻土区的公路选线过程中。利用GIS进行青藏高原多年冻土区的空间数据挖掘,从冻土病害影响因子的连续度和发育度方面考虑多年冻土区微地貌对公路选线的影响,建立了冻土病害危险度计算模型。利用面向对象技术开发组件式GIS,应用于青藏高原多年冻土区,完成了对多年冻土区复杂地理信息的分析和提取。构建了线位优化遗传算法,确立了自适应的迭代策略,借助粒子群算法,建立了基于遗传算法的路线优化模型。以青藏高原西大滩至昆仑山口路线走廊带某路段为例,进行了公路智能选线研究,经算法多次迭代后,得到了最优的线位方案。研究结果表明:在实际环境数据试验中,遗传算法在迭代至第60代左右时得到危险度最低的优选方案,其综合危险度稳定在3.75左右。可见,青藏高原多年冻土区公路智能选线方法能够结合各类冻土病害的危险程度,为公路线位布局指明冻土病害影响较小的区域,有效兼顾了"主动保护多年冻土,确保路基稳定,生态环境友好,布局经济合理"等要求,可作为多年冻土区公路路线设计的参考方法。

小电流接地故障智能综合选线装置的研究

提出了一种小电流接地故障智能选线方案。该智能选线方案根据系统运行不同的工况选择各自最为适用的选线方法(包括零序电流比幅比相法、应用小波检测故障突变特性方法、基于小波包分析的瞬时极性比较方法),扬长避短,从而达到最佳的选线目的。该方案不受运行方式等各种因素的影响,对干扰的容忍能力也很强。硬件装置采用APC I5467数据采集板,RTDS试验对该装置以及算法进行的验证表明,智能选线方案的选线准确率高,同时硬件也相当可靠。

GIS技术支持下的电力智能选线

针对高压架空输电线路的智能优选,研究了选线的多种影响因素及其量化方法,设计了一种变分辨率网格数据模型,并结合GIS的地形分析和空间分析,提出了顾及诸多因素的最短路径选线算法,在此基础上,构建了智能选线系统。实验分析表明,智能选线系统选出的线路符合要求,而且其速度明显优于人工选线,为送电线路选线提供了科学依据。

关于配电网智能复合型接地选线方式的研究

针对智能复合型接地选线的原理、特点进行了研究,分析了配电网在接地选线上的要求及特点,解决了经自动跟踪补偿消弧线圈补偿后配电网在单相接地选线中出现的一些新矛盾.

陆路交通基础设施勘察设计智能化路径探讨

研究目的:陆路交通基础设施勘察设计全流程智能化是提高勘察设计效率、质量,引领行业变革的必经之路。为加快推进勘察设计智能化的进程和一体化需要,本文从勘察设计业务流程出发,覆盖铁路、公路两大行业共性技术领域,包括测绘、勘察、选线、路基、桥梁、隧道六大专业,从技术研究、标准建设、平台研发三个方面,对陆路交通基础设施勘察设计智能化路径进行探讨。研究结论:(1)陆路交通基础设施勘察设计智能化可采用以流程为主线、以数据为核心、以智能技术为驱动、以软件平台为载体的总体技术架构,重点攻克“智能测绘、智能勘察、智能选线、智能设计”4套智能关键技术,建立数字化、智能化标准,研发智能勘察设计平台与交付平台,形成陆路交通基础设施智能勘察设计技术体系;(2)4套智能关键技术可实现从基于北斗地基/星基增强服务的基础设施空间地理与地质信息快速获取、多源数据融合及三维数字化表达、多目标智能优化选线、关键构造物设计方案智能决策、数字化建模与集成设计等方面突破;(3)数字化、智能化标准体系构建是从勘察设计数据体系结构、数据存储、数据传递、智能设计要求与算法、成果交付等维度开展标准化研究;(4)智能勘察设计平台与交付平台研发是基于统一的数据与平台架构,采用自主图形引擎,可实现陆路交通智能勘察设计和成果交付,支撑陆路交通基础设施勘察设计领域高质量发展。