摘要：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。

摘要：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。

摘要：为应对采用机器学习技术开展公路智能选线研究中对高质量案例数据的需求,研究了公路典型选线案例库构建方法。首先,采用文献调研、专家访谈的方法进行了选线案例数据整理和分析,明确了公路选线案例库构建面临的数据源分散、人工数据采集分析困难、算法模型接口需求多样及涉密数据安全性高等4个方面技术难点。提出了“以既有勘察设计及咨询项目成果数据为源头,案例数据预处理、标准化、后处理流程为核心,研发系列软件实现案例内容生成自动化”的选线案例库构建思路及实施技术路线;其次,通过梳理各项目管理系统中工程数据库、设计技术资源库等企业项目数据资源,甄选出了40个包括高速公路和其余各等级公路的选线设计代表性案例项目,并按制定的数据标准进行分类、数字化存储,制作了一套可供机器学习的案例库;最后,探讨了在实际公路选线设计工作中动态持续更新案例库的方法和实现路径,对构建更大规模高质量选线案例库和智能选线算法研究具有示范和参考价值。

摘要：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%.

摘要：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。

摘要：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。

摘要：【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。

摘要：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。

摘要：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。

摘要：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。