作者：朱颖,韩春华,许佑顶
出版社：中国铁道出版社有限公司
格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT
铁路智能选线理论与方法试读：
前言
铁路选线是铁路建设项目勘测设计的关键环节，是以经济、安全、舒适、快捷、环保为目标，确定铁路线路空间位置和布置形式的过程，其任务包括技术标准选择、空间位置规划和相关构造物协调布置三个层次。为提高选线工作的质量和效率，减轻设计人员的劳动强度，线路设计研究人员，相继把数值分析、优化方法、交互式图形、数据库相关技术、遥感及地理信息系统、虚拟现实等技术引入选线领域，使选线CAD技术经历了简单数值计算、纵断面优化、空间线形整体优化、交互式线路设计、勘测设计一体化的发展历程，直到现在的三维及虚拟环境中的线路设计。
选线设计CAD技术取得了非常骄人的成绩，实现了勘测设计一体化的目标。但是，选线设计作业过程还完全依赖于设计人员的个人经验与知识，即在计算机辅助设计或虚拟现实的人机交互环境，或是单纯的图纸环境中，人工解读出设计项目所处的地形、地质、社会经济等信息，结合项目的经济、技术及运输要求，人工比选确定线路技术标准和空间位置。选线工作劳动强度大、设计周期长、研究方案有限、评价指标单一、采用的设计方案缺乏有效论证等问题还没有得到彻底有效的解决。
为此，铁路或公路选线领域的研究者曾经并正在将目光投向智能选线，基于GIS、人工智能、遥感影像、数据库等技术研究铁路或公路智能选线方法。
铁路选线设计任务的重要性、复杂性、创造性也决定了，继续对设计方法进行深入研究是很有必要的，而常规软件方法未能有效解决问题，需要探索智能化方法。人工智能的知识工程与智能优化是解决此问题的两个重要途径。本书力求成体系介绍基于知识工程的铁路智能选线方法，提出基于三维GIS、协同人机智能、统一规划选线知识、联合数值处理与知识工程方法的铁路智能选线理论与方法。
主要内容包括：
1）铁路智能选线的本体建模方法及铁路选线设计领域本体
借鉴知识系统开发经验，根据铁路选线对知识模型的共享、交互以及互操作等要求，提出使用本体建立铁路选线知识模型，介绍了本体在基于GIS的铁路选线系统智能环境（GBRLIE）中的地位和作用；结合GBRLIE特点，提出使用改进迭代法、UML语言和微软的Visio构建本体；提出并详细描述了采用面向对象技术和UML轻量级扩展的领域本体形式化表示方式；构建了铁路选线设计的领域本体，包括线路本体、选线地理环境本体和线路评价本体。
2）铁路智能选线的人机协同知识表示、获取与利用技术（1）将选线系统知识分为面向领域人员和面向计算机知识，基于本体构建概念关系词典和面向计算机的知识模型，基于概念关系词典建立面向领域人员的知识模型，面向计算机和面向领域人员的知识通过概念关系词典映射。（2）面向领域人员的知识在概念上用语义网络表示，实现时采用面向对象和流文档技术表示为带元知识的知识森林。（3）用面向对象技术表示面向计算机知识：一般知识类表示事实知识，规则采用层次模型和双层形式化模型，把问题求解知识表示为推理机控制知识，实现推理机与控制策略的分离。（4）提出并实现了提案—目标验证通用嵌入式推理，即通过提出可能方案，经过一系列推理，然后再验证其是否满足目标条件的方式解决问题。（5）提出了GBRLIE中符号推理和数值计算的集成方法。通过采用统一的知识模型，利用面向对象技术表示知识对象，并把这些知识内部表示为可执行形式，实现符号推理时直接使用数值方法中的对象；推理机按组件形式开发，在常规软件系统中直接调用推理机。
3）铁路智能选线地理信息相关知识与信息的获取方法
首先介绍GBRLIE中地理信息获取与利用的任务层次。然后阐述基于本体以及遥感图像建立铁路选线地理信息数据库的方法。接着介绍GBRLIE中地形分析与可视化技术以及基于地理信息的线路评价知识获取方法。最后给出了基于知识与栅格路径分析的线路初始平面生成方法：通过采用16单元的骑士邻域单元模式，在费用模型上考虑桥梁、隧道、线路长度相关费用以及线路坡度、速度目标值，改进了Dijkstra算法，在多个控制点间生成栅格最优路径；利用平面设计相关知识和提案—目标验证推理机，实现自动曲线配置；最后通过二分渐进和自动曲线配置，依据最优路径生成线路初始平面。
4）基于智能环境的选线方法（1）采用方法本体表示与领域无关的问题求解方法，并用UML和面向对象技术描述方法本体；根据铁路选线设计任务需要，介绍了多目标决策问题求解的多目标决策方法本体，以及采用“生成—筛选—改进”方法解决的、追求在多个目标值上全局最优或最满意的创新性多目标（IMO）设计方法本体。（2）通过改造方法本体适应领域本体和应用的方法，把多目标决策和IMO设计方法本体用于解决新建单线铁路局部方案和局部方案纵断面的自动设计问题。（3）利用局部方案自动设计方法，借助GBRLIE的地形可视化技术和人机协同地理信息利用模型，基于IMO设计的“生成—筛选—改进”思想，提出了既能发挥传统技术标准选择和技术标准综合优化方法优点，避免各自缺点，又能实现技术标准多目标比选的人机协同技术标准比选方法。
5）铁路智能选线辅助设计系统
描述铁路智能选线辅助设计系统的体系结构、实现方法和主要功能，并利用实例演示系统的应用。
智能选线方法能通过快速的大量方案比选，提供满足设计规范的更为经济合理的设计方案，通过三维的交互设计环境，设计人员能更直观的研究线路方案、分析考察设计方案的合理性，更方便地实现人机协同设计。这种设计理念和方法将会进一步减轻设计人员的劳动强度，让设计人员把更多精力投入需要更高创造性的劳动中；通过生成、评价、筛选布满整个设计空间的设计方案，使最终采用的设计方案在指定的评价指标集上取得令人满意的结果，提高设计质量，并且能改善以往设计方法在采用的设计方案上缺乏有效说服力的情况；利用铁路智能选线方法可缩短设计项目的规划设计时间。因此研究成果具有推广应用前景。
基于国家自然科学基金“面向智能公路选线的三维空间语义信息建模及应用关键技术研究（51268023）”，中铁二院“铁路快速方案比选智能辅助设计方法研究”、“山区高等级公路通道方案三维快速智能辅助设计方法研究”等科研项目，中铁二院工程集团有限责任公司朱颖提出本书体系结构，并牵头组织撰写。全书由朱颖、昆明理工大学韩春华及中铁二院工程集团有限责任公司许佑顶共同创作完成，由西南交通大学易思蓉教授担任主审。其中第1章、第2章、第6章由朱颖完成，第3章、第4章、第5章、第7章由韩春华完成，第8章由许佑顶完成。本书的编写过程中得到了中铁二院工程集团有限责任公司胡新明、魏永幸、林世金、郑天池、王毅、谢毅、张可军、崔文勇、罗庆、王建、刘洋、杨健、胡光常、葛根荣、曾榜荣、周世林、何学刚、乐重、徐国华等，以及昆明理工大学许强强、卢玉韬、闫智、李懿等同志的大力支持，感谢他们为完成本书在素材提供、案例准备、代码编写等方面提供的帮助。
为加深对理论与方法体系的理解，促进智能选线技术的交流与发展，推进共享价值理念，同时也是招引同行的指导与批评，本书涉及的所有核心代码和大部分系统源代码，以可编译执行的Visual Stutio 2015解决方案形式共享。共享资料还包括大部分文本化和可执行形式的知识，地理信息数据库模式，以及一个完整的试验案例。若读者对共享资料感兴趣，可以致电028-86445224，或电邮hanunhua@kmust.edu.cn与作者取得联系。
本书在编写中，引用了相关的参考文献，在此向原作者单位和个人表示感谢。铁路选线技术在不断创新发展，限于著者水平，书中疏漏不妥之处在所难免，敬请读者批评指正。作者2018年6月1引言1.1铁路智能选线技术背景1.1.1 铁路选线设计的任务和性质
选线设计是根据设计项目的功能需求，结合所经地区社会环境、自然环境和生态环境，以经济、安全、舒适、快捷、环保为目标，从大面积着手，由面到带、由带到线，逐步细化、逐步逼近，确定线路技术标准和空间位置、协调布设各种建筑物的决策过程。其基本任务[1]包括 ：（1）根据国家政治、经济、国防的需要，结合线路所经地区的自然条件、资源分布、工农业发展等情况，规划线路的基本走向，选定主要技术标准。（2）根据沿线的地质、地形、水文等自然条件和村镇、交通、农田、水利设施等具体情况，设计线路的空间位置（平面、立面），在保证行车安全的前提下，力争提高线路质量、降低工程造价、节约运营支出。（3）与其他各专业共同研究，布置线路上各种建筑物，如车站、桥梁、隧道、涵洞、路基、挡墙等，并确定其类型或大小，使其总体上互相配合，全局上经济合理，为进一步单项设计提供依据。
选线设计过程就是从无数可能方案中，根据功能主体的主观需要，搜索出评价指标集上最优方案集的多层次多目标决策过程。评价指标集为方案的多目标评价指标体系，从经济合理性、技术合理性、交通安全性、社会效益、环境影响、与其他建设项目的配合程度等角度评价设计方案。该决策过程由于受包括地形、地质、水文、土地利用等在内客观因素，以及包括各种技术规范和需满足的运输要求等主观因素的约束，需处理各种数值的、字符的、图形的、图像的资料，要考虑各种定性、定量、确定性和不确定的因素，加之主观需要和评价指标具有不可公度性和不一致性，使得该决策过程异常复杂，难以建立涉及各种因素的统一决策模型。
对于单个设计方案来说，选线设计又是约束优化问题。线路设计方案首先得满足各种设计规范，能完成所需运输任务，适应线路所经地区的地理环境，同时要求工程造价低、线路质量好、对环境影响小等，即在满足主客观约束的前提下，追求最好的经济、社会、环境效益。1.1.2 当前铁路选线设计方法的不足
到目前为止，国内铁路选线的做法是根据不同的设计速度目标值、运输要求和包括起讫点在内主要控制点等因素，拟定很有限的几个主要技术标准方案，对每个主要技术标准方案做有限个可行线路方案，然后根据工程造价、运营特征以及财务评价等经济指标，人为确定一个与一定主要技术标准相对应的相对满意方案。这种方法在我国的铁路建设中发挥了极大作用，选评出了很多优秀的建设方案，但是也存在其本身固有的缺点：（1）方案有限性。这是该方法的主要缺陷，是计算机及相关技术没能在选线领域发挥重大作用，选线工作复杂性决定的必然结果，无论是对主要技术标准已确定情况下的方案研究，还是技术标准的选择，都没能研究足够方案以选择出全局最优或满意方案。（2）决策周期长。这是手工作业的必然结果。虽然现在各个设计院使用了各种CAD软件，大大缩短了预可行性研究和工程可行性研究的设计周期，但这一方面是在研究较少设计方案情况下的进程加快，另一方面随着社会进步和信息技术的深入发展，对铁路选线设计必然会提出更短的设计周期要求。（3）设计人员劳动强度大。设计人员需要根据纸质或电子的等高线地形图，结合地质、水文等纸质的或电子的文字、图纸资料，一条直线、一个弯道的设计出可行方案，这是一个不断反复、枯燥的劳动过程，每一个设计项目需要设计6～7倍于项目长度的线路方案。（4）评价指标的单一性。设计方案比选通常都是对满足客观约束和主观约束的可行方案，由投资额大小、满足能力的情况，辅以简单的定性说明，选择出最终采用的方案，而对环境影响、社会效益、技术合理性、与规划区内其他建设项目配合程度等，不能进行综合分析。（5）对采用方案的科学性缺乏有效论证。前面几点决定了最终采用的方案很难就是综合效益最好的方案，同时由于缺乏对研究项目所处的片区主观和客观因素深入、细致的分析，因此一方面难以保证方案是科学的，另一方面对采用方案的科学性的论证也就不会非常令人信服。1.1.3 聚焦智能选线
怎样加快线路设计的设计进程，减轻设计工作的劳动强度，提高设计决策方案的可行性、经济性和科学性，一直都是选线业界的研究中心。计算机技术的发展给线路设计带来了变革的契机，选线领域的研究者和工程师们一直都在利用计算机辅助设计技术变革线路设计方法。
国外计算机辅助技术在选线领域的应用可以追溯到1955～1960年，在此期间，麻省理工学院的米勒教授及其同事们开始使用数字地[2]形模型进行公路选线设计，并明确提出了数字地形模型的概念 。此后，计算机辅助线路设计技术经历了简单的数值计算、纵断面优化、线路空间线形优化、交互式线路设计、勘测设计一体化等发展阶段。相应的软件也从当初只有纵断面优化功能的软件，比如英国运输与道路研究所的纵断面选线最优化软件HOPS、法国SERT公路局的APPOLO纵断面优化等程序，发展到了使用数据库、网络、图形交互等技术，综合性的勘测设计一体化设计系统，这些系统有BENTLEY的OpenRoad、Powecivil、OpenTrack、InRail/InRoads系列产品，Autodesk公司的Civil 3D系列产品，德国IB&T公司的CARD/1，以及原来隶属于澳大利亚、后被美国麦格天宝收购的能利用遥感影像的三维优化规划系统——旷达（Quantm）等。随着BIM的提出，基于三维[3，4]环境的线路或路线设计方法与技术也不断出现与发展 。
我国铁路和公路线路计算机辅助设计研究起步于20世纪70年代末期。虽然起步较晚，但近四十多年的研究，也经历了与国外研究类似的历程，即从数字地面模型的利用、纵断面优化、平纵面联合优化、技术标准综合优化、交互式平纵面设计发展到勘测设计一体化阶段，[5-7]目前已进入了建立三维及虚拟环境选线系统的时代 。现在国内已涌现了一批利用数字高程模型、基于三维设计环境、适用于铁路公路[8，9]进行交互式线路设计的方法与软件 。总体说，选线设计CAD技术取得了非常骄人的成绩，已经完全实现了勘测设计一体化的目标。
但是，选线设计作业过程还完全依赖于设计人员的个人经验与知识，即在计算机辅助设计或虚拟现实的人机交互环境，或是单纯的图纸环境中，人工解读出设计项目所处的地形、地质、社会经济等信息，结合项目的运输和技术要求，人工比选确定线路技术标准和空间位置。选线工作劳动强度大、设计周期长、研究方案有限、评价指标单一、采用的设计方案缺乏有效论证等问题还没有得到彻底有效的解决。
因此，在人工智能技术不断得到发展与突破的今天，聚焦智能选线方法是必要的，也是有价值的。1.2智能选线现状分析1.2.1 人工智能发展概况
计算机的出现，导致了一门可以追溯到亚里士多德三段论的学科的萌芽与发展，那就是人工智能。人工智能这一学科诞生于1956年由麦卡锡（McCarthy）和明斯基（Minsky）等人发起的关于用机器模[10]拟智能的学术讨论会上 ，在这次会议上首次使用了“artificial [11]intelligence”这一术语。目前人工智能的主要学派有下列三家 ：（1）符号主义（Symbolicism），又称为逻辑主义（Logicism）、心理学派（Psychlogism）或计算机学派（Computerism），其原理主要为物理符号系统（即符号操作系统）假设和有限合理性原理。（2）连接主义（Connectionism），又称为仿生学派（Bionicsism）或生理学派（Physiologism），其原理主要为神经网络及神经网络间的连接机制与学习算法。（3）行为主义（Actionism），又称进化主义（Evolutionism）或控制论学派（Cyberneticsism），其原理为控制论及感知—动作型控制系统。
尽管人工智能发展初期并不是一帆风顺，但是20世纪60～70年[12]代知识工程所取得的成就使人工智能研究开始走向实用 。而20世纪80年代，连接主义也有了突破性的进展，特别是霍普菲尔德（Hopfield）提出的网络模型和鲁梅哈特（Rumelhart）等人提出的多[10]层网络学习算法，也把连接主义的研究推向新高潮 。在这一时期，符号主义的研究也取得了极大进展。而起源于1975年约翰·霍兰（John Holland）发表《Adaptation in Natural and Artificial Systems》的遗传算法（人工智能的行为主义学派）的研究，也在20世纪80年代末90年代初蓬勃发展，并且应用到了控制、规划、设计、图像处[13，14]理等领域 。[15]
近年来基于神经网络的深度学习 获得了长足发展，该技术的成功应用，使人机博弈、自然语言理解、图像视频识别等取得巨大成功，进而促进人工智能在生产自动化与生活便利化方面做出卓越贡献。但基于神经网络的铁路选线方法鲜有研究。
在选线领域有应用的人工智能方法包括知识工程和智能优化（以遗传算法为主）。二者中以智能优化为主，因此相关的资料较多。本书将聚焦知识工程，成体系的介绍相应的理论、方法与实现。1.2.2 知识工程概况
知识工程（Knowledge Engineering，简称KE）是人工智能的分支，指基于知识系统（Knowledge Based System）的构建、开发与[16]维护技术 。该概念是1977年由美国斯坦福大学计算机科学家费根[10]鲍姆（Feigenbaum）教授提出的，他认为 ：“知识工程是人工智能的一种技艺，它运用人工智能的原理和方法，对那些需要专家知识才能解决的应用难题提供求解的手段。恰当运用专家知识的获取、表达和推理过程的构成与解释，是设计基于知识的系统的重要技术问题。”知识工程这一概念的提出，标志着人工智能的研究进入实际应[17]用阶段。其研究内容主要包括 ：（1）知识表示，把专门领域内的事实、经验、知识形式化，以便计算机接受和操作，涉及知识库的设计和管理。（2）知识利用，利用形式化的知识解决问题，涉及推理机的设计问题。（3）知识获取，就是对于假设的对象问题领域，把事实知识和经验知识移植到知识库。它包括从专家获取知识和知识挖掘。（4）知识库系统。针对不同领域应用的知识库、知识管理和知识使用系统。
知识工程提出以后被广泛的应用于各行各业，而且随着计算机、数据库、网络和人工智能技术的发展，逐渐扩大其应用范围，而且理论与技术也日渐更新，使学科从知识工程向知识科学渐变。
但知识工程基本上是关于“知识”的“工程”，而不是侧重于关于“工程”的“知识”。为把知识工程用于解决实际工程问题，基于知识的工程（Knowledge-Base Engineering，简称KBE）应运而生。KBE是面向产品/工程全生命周期和设计过程的计算机集成处理技术，它以知识为内核，通过对全程知识的动态扩充、繁衍、继承、集[18]成、管理和应用来并行地解决工程实际问题 。简要的说，KBE就是把KE应用到工程领域，以实现工程问题的自动化、智能化。
KBE伴随计算机辅助技术（Computer Aided technologies，简称CAX）的发展于20世纪80年代产生，在20世纪90年代得到普遍关注 [19] ，现在是CAX的研究热点。KBE在机械、结构、材料工艺等领域的设计、集成制造方面有广泛应用研究，我们主要关注其在设计方面的应用。进入21世纪随着信息相关技术的发展和KBE研究的深入，网络化或分布式、创新设计、自适应设计、人机协同设计等概念被提出，并进行相关的研究。
最近知识工程研究关注知识自动化问题，知识工程离不开知识自动化。利用知识自动化的方法，对虚拟空间的大数据进行深度的开发[20]和智力挖掘，才有可能有效应对不确定性、多样性和复杂性问题 。自然语言是最佳的人机交互方式，自动问答领域就涉及知识的管理，[21]国内外在这方面的研究也有了较大的进展 。
KBE研究和应用的发展为铁路选线自动化或智能化设计的研究，提供了可供借鉴的参考模式。1.2.3 国外智能选线研究状况
人工智能的普遍发展，引发了其在铁路和公路领域的应用研究，尤其是在智能交通系统和运输管理方面。但是人工智能在选线方面的应用却不多，在铁路选线方面的应用就更少了，当然公路选线的应用也不普遍，就检索到的资料来看，近年来，其应用主要体现在把遗传算法引入平、纵断面及整体优化中，以增加优化方法的实用性、费用函数计算的准确性以及优化效率。下面就人工智能在选线方面的应用研究作简要介绍。
1.知识工程的应用
最早把知识工程引入选线的是苏格兰斯特拉思克莱德大学的米尔恩（Milne，P.H.），其1986年研究开发的曲线半径选择和设计集成系统RODEOS，根据输入的现场地物约束和设计要求，利用规则知识选择、设计平面曲线或缓和曲线，并能协调处理平、竖曲线的重合问[22]题 。随后两年，美国就利用专家系统对公路路网的危险地段和交叉口自动识别进行过研究，希望能节约调查分析时间和人力物力消[23，24]耗 。1988年哥伦比亚大不列颠大学的德·卡斯蒂略（de Castilho）、伯纳多（Bernardo）等发表了题为《公路选线产生式系统》的文章，对不确定信息处理、空间数据的结构描述和常规评价与[25]启发式原理的结合进行了探索 。由于知识工程方法的局限性和选线设计本身的复杂性，此后，知识工程在公路选线领域的应用就难得一见了。1994年，哥伦比亚大学的可汗（Khan）、萨罗斯（Sarosh I.）等人在《Journal of Transportation Engineering》介绍了他们开发的集成数据库管理的公路维修专家系统4RSCOPE，该系统根据室内或现[26]场数据来决定工程措施（重铺、保养、维修或重建等） 。
2004年，西班牙蒙窦·劳伦斯（Lawrence Mandow）等联合西班牙工程公司开发的用于辅助公路初步设计的智能系统Sindi，已经在西班牙工程公司安装，用于辅助设计人员快速产生方案和进行方案评价。该系统采用了多目标决策和启发式状态空间搜索技术，其提供四[27]个核心功能是 ：①允许设计者修改方案的人机界面，因而系统产生的方案可以是程序生成、设计人员手动生成或通过人机交互迭代生成；②自动对方案进行评价，并产生方案的描述信息；③能记录设计历史，把设计要求和相应的方案、评价和遇到的问题记录下来；④由设计者激发的启发式搜索方法。Sindi不是单独的设计系统，而是初步设计的智能助手，软件使用LISP语言实现，采用了数字地形模型和禁区约束，但生成的方案只能由曲线组成，方案是首尾相接的曲线链，适用于小规模线路方案选择和评价（比如3km的长度，原文认为是中等规模）。
由以上的介绍可知，虽然知识工程在线路领域应用的研究不多，但也取得了一定成就，从单独的曲线半径选择发展到了考虑多目标的初步设计智能助手。尽管Sindi取得了一定的实用性，但是一方面它基于大量的人机交互，另一方面不能自动产生符合规范的设计方案，只能处理简单设计情况，而且对设计人员的要求较高。
2.遗传算法的应用
优化算法在选线中的应用研究，国内外早期采用的都是以工程投资为目标的单目标优化，也有主要技术标准综合优化。由于传统优化对约束和目标函数要求高，且全局搜索能力不强，因此实用困难。因此，20世纪末起，智能优化开始用于线路优化，主要采用遗传算法。
第一个使用遗传算法进行公路路线优化的是美国马里兰大学的钟志诚（Jyh-Cherng Jong），1998年在其博士论文中，在分析了现有优[28]化方法的不足之处后，引入了遗传算法 。随后在美国、英国和新加坡都开始出现这方面的研究，研究范围从纵断面优化、平面优化到平纵断面的联合优化，其目标函数建立不仅考虑了土石方，而且把隧道、桥梁、交叉道口等因素考虑进去，同时为了目标函数的快速准确[29-31]建立，把GIS和计算机可视化技术也引入优化系统 。该方法的基本原理是：首先自动生成连接起、终点的大量方案组成方案集合，然后对各方案进行费用和约束满足情况评价，从方案集合中选出较优的方案进行选择、交叉、变异等操作，以产生下一代方案集合，如此反复计算，直到评价指标没有较大改进为止。
在这方面的研究中，美国摩根马州立大学的库马尔·马洛奇（Manoj Kumar Jha）和马里兰大学的保罗·舍恩菲尔德（Schonfeld Paul）等人的研究比较引人注目，他们2004年发表的《A highway alignment optimization model using geographic information systems》一文集中介绍了他们在基于遗传算法和GIS进行路线优化的成果，并[32]展示了四个演示实例 。在其开发的系统中用C语言实现了方案产生、费用计算和遗传优化等算法，其中费用计算是联合GIS和C语言实现的，可以实现平面、纵断面单独优化或三维空间曲线的联合优化，在展示的实例中考虑了土方、用地、路面、交通事故、时间消耗等费用，考虑了小范围选线时的应用情况（其最长的线路为1.7km），具有一定的适用性和借鉴价值。
由于遗传算法算子通常不受约束条件限制，因此路线优化时会生成很多不可行方案，对这些方案进行评价会浪费计算时间，文献[33]因此提出了采用修正和预先去除不可行方案的方法，以提高遗传算法的效率。为使优化结果更符合实际，有研究者开始用遗传算法进行路[34]线的多目标优化 。
遗传算法在轨道交通线路设计方面也有少量研究。在2001年IEEE智能交通会议上，波兰格但斯克理工大学的科茨·瓦迪斯瓦夫（Wladyslaw Koc）提出了一种平面线形计算的新方法，他研究了用遗传算法计算考虑地形障碍时，铁路反向曲线间非标准连接曲线的计算方法，这样设计出的线形不仅能合理处理地形障碍，而且有更好的[35]动力特性 ，但距现场实用还有很长的距离。美国摩根马州立大学的库马尔·马洛奇和马里兰大学的保罗·舍恩菲尔德把基于遗传算法和GIS的线路优化方法推广到了城市轨道交通领域，在研究模型中考虑了包括线路建设费、车站建设费、用地费、运营费在内的操作费用和包括使用费、驾驶时间费用和等候时间费用等在内的用户费用，并把模型应用于马里兰州Anne Arundel郡内连接Glen Burnie和巴尔的摩华盛顿国际机场的既有轻轨铁路中，对两个车站间长5.1km路线进行了[36]优化，展示了该模型应用于城市轨道线路优化的潜力 。在2004年5月第九届国际铁路计算机应用大会上，库马尔·马洛奇又展示了利用遗传算法和GIS技术进行已知线路位置的城市轨道交通车站定位问题[37]研究的情况 。1.2.4 国内智能选线研究状况
人工智能在公路选线中应用始于1987年国家自然科学基金重大项目“工程建设中智能辅助决策系统”应用研究中的“公路路线设计方案生成专家系统”子课题。该系统属工程设计型专家系统，系统针对公路选线设计的特点，将整个设计过程分成若干阶段，采用循环反复的控制流程，知识表示以框架和产生式规则为主，在约束控制下利用深度优先搜索策略生成路线路径，然后利用评价模块对方案进行评价，在生成与判断之间合理地分配知识并对知识进行分块和分类处[38-40]理 。该课题在公路线形的模糊综合评判、用隶属函数进行知识整理与形式化、用条件过程网络表示知识等方面，进行了若干有益探索。人工智能在公路路线中的又一个研究是：基于BP神经网络的立交匝道布线方法，就BP神经网络对给定线形的设计知识表达、联想记忆和网络结构进行了研究，提出了立交匝道布线的BP神经网络方[41]法 。
国内人工智能在铁路选线领域中的研究始于20世纪80年代：1988年由北方交通大学主持的“单线铁路技术改造方案决策专家系统”，该研究属于国家自然科学基金重大项目“工程建设中智能辅助决策系统”中的一个三级子课题，该系统由“方案拟定子系统”、“方案评价子系统”和“方案经济评价子系统”组成，用于模拟专家的思维过程进行单线铁路技术改造方案拟定，并对各可行方案进行综[42-44]合评估、工程数量和造价计算 。随后国内在铁路选线领域内就人工智能的应用做过以下探索性研究：1992年的铁路平面选线专家[45]系统 ；1993～1996年，采用黑板结构和产生式规则知识表示方法，用扩充与或图的深度优先搜索算法和不精确推理，用Turbo Prolog语[46，47]言实现的铁路中间站选址智能辅助决策系统 ；1994年，用Turbo Prolog和Turbo C语言实现，具有数据处理与分析、判别与评价、[48]对策建议与决策支持的黄土地区铁路工程地质评价系统 ；基于专[49]家系统的铁路工程造价估测系统 ；1994年，用Turbo Prolog语言编制、在COMPAQ386微机及兼容机上实现、采用谓词逻辑和产生式[50]规则表示知识的铁路工程地质选线咨询系统 ；1998年，采用面向对象知识表示方法，运用包括模糊规则推理、约束满足推理、数据库查询与数值计算等推理方法的国防交通铁路工程保障指挥决策专家系[51]统 。由于铁路选线本身的复杂性，以上的研究都尚未达到实用。
为给铁路选线提供新的解决方案，西南交通大学以易思蓉教授为首的研究者，通过铁道部“九五”铁路科技发展重大项目“勘测设计一体化、智能化技术研究”的“铁路新线智能CAD系统研究”子项目，以及国家自然科学基金项目“基于GIS的虚拟环境选线系统智能环境建模方法及应用”的开展，借助知识工程、工程数据库、计算机图形、优化算法、地理信息系统及遥感等技术，以实现在室内模拟的室外环境中进行交互及自动线路方案设计和方案综合评价为目标，进行了积[52]极有效的探索，在虚拟环境铁路选线的三维地理建模 、知识建模[53，54][55][56]表示及利用 、初始平面生成 、纵断面满意优化 、虚拟[57][58]环境下的线路设计技术 、线路方案综合评价 等方面取得了丰硕成果，对引领选线设计方法变革具有重要意义。
针对传统优化方法难以得到全局最优解和要求目标函数连续、可导、单峰的缺陷，21世纪初国内开始出现了把遗传算法引入公路、[59，60]铁路选线的研究。遗传算法首先在公路纵断面优化中得到应用 ，[61][62][63]然后在平面 ，整体优化 和最优路径 也出现研究；在铁路选[64，65]线的纵断面上的也有应用 。对以上研究文献的分析发现，遗传算法在公路选线中的应用比铁路选线成熟，但都还不具备投入现场应用的条件。
进入21世纪第二个十年，优化算法继续得到发展，并逐步实用化。中南大学在这方面的研究比较有起色，比如：2012年蒲浩教授提出的基于动态规划的三维空间智能选线方法，采用更符合线路实际的“直线—曲线—直线”线形，在三维空间中搜索满足平纵约束的[66]全局最优和较优方案 ；缪鹃把蚁群优化及粒子群优化方法用于三[67]维连续空间中三维线形的平纵面同时优化 ；李伟等在染色体生成过程中提出了分步编码思路，并把分步编码改进遗传算法用于铁路智[68]能选线 。此外，刘威、胡光常等依托中铁二院工程集团有限责任公司课题“铁路三维空间智能选线技术研究及系统开发”，结合铁路[69]线路规划特点，开发了铁路三维空间智能选线系统 。1.2.5 研究现状分析
人工智能的三个主要分支，在选线领域得到应用的主要是知识工程和遗传算法。优化方法在铁路、公路选线中的应用研究推进了空间线形设计速度和质量的提高，但主要适用于局部方案，且单纯依靠优化也不能解决铁路、公路选线问题，原因是：选线设计是一项综合性很强的决策工作，需要处理多种类型信息，决策涉及大量难以量化的定性信息，整个设计工作的完成需要设计人员丰富的从业经验及知识，不能完全通过数学模型解决。
目前为止，国内外在智能选线技术运用上较为成熟的有澳大利亚[3]的旷达系统 ，它是基于优化方法建立的路线规划优化辅助决策系统，实现了大面积高效率选线，多方案比选，快速工程数量计算和投资估算等功能。在美国加利福尼亚州高速铁路项目、昆士兰州东南山区公路项目、中国浙江150km黄衢南高速公路项目有成功应用。但一方面由于商业机密和知识产权保护等缘故，在国际学术期刊和交通工程出版物中见不到旷达系统算法和数学模型的相关科研成果，其方法难以借鉴；另一方面该系统给出的只是空间路径，并不是满足设计规范的平纵面。要实现智能选线，还需要进一步探索。
知识工程在选线领域内的应用研究已有近三十多年历史，国内外都做了一定的理论研究和方法探索，但在开发实用性系统方面遇到一些困难。其主要原因有：（1）没能有效识别和利用地理信息。以往研究没能识别和处理选线工程师能处理的地形、地貌、水文、地质等自然信息和各种社会经济信息，而过分依赖于人为的信息输入，系统除了能做一些简单的运算和推理以外，不能给人以“智能”感觉，相反是在人的“服务”下进行推理和计算，而不能为工程师提供“智能服务”。（2）方法研究没能把握选线设计的知识利用特点，统一规划铁路选线设计知识。选线设计是总体性、综合性很强的创造性工作，知识面广、经验性强，涉及经济、运量、运输等问题，以及各种站前、站后专业，还需分析各种包括地质、水文、地形在内的地理信息，处理各种数值的、字符的、图形的、图像的资料。因此要统一规划选线设计涉及的知识，只有从整体上综合考虑铁路选线设计，有机组合、管理各种知识，使之形成一个整体，才符合选线设计的知识特性，才有可能真正实现智能选线。（3）方法的研究过分依赖于机器的自动实现。这样导致两种极端，即：要么依靠计算机自动给出问题的解，要么由设计人员手工完成或通过交互方式一步一步完成任务。事实上可以通过人与计算机的协同，发挥各自优势，共同完成设计任务。在选线设计时，把重复性大、知识含量低的任务交由计算机自动完成，领域人员则从事创造性大、知识含量高的任务。为实现人机协同作业，计算机设计系统应为用户提供便于地理信息、经济技术资料和运输要求捕获与理解的可视化环境，应提供便于二者交互的交互环境，建立内部知识表达模式与领域人员知识模式之间的映射关系。（4）既有研究没能集成数值与符号方法。选线设计是设计和评价并行、定性分析和定量计算相结合的异构信息分析、处理、决策过程，数值分析和符号推理在选线设计任务中具有同等重要的地位。应该通过软件工程方法与知识工程方法集成的策略处理线路设计问题，实现符号推理时直接使用数值方法中的对象，在常规软件系统中直接调用推理机，把符号推理与数值分析计算集成为一体。
当然，在此之前的研究，由于计算机软件工程技术、数据库技术和空间信息技术的局限性，要在选线设计领域内构建“智能”的软件也缺乏相应的技术条件。本书理论与方法之所以能得以实现，离不开不断进步的信息技术的支持。1.3智能选线方法
通过以上分析，构建实用的智能铁路选线方法，在充分利用智能优化已有研究成果的基础上，应注重知识工程在选线领域的应用方法研究，构建虚拟地理环境下的集成性知识工程选线方法，即智能选线[70]方法需要 ：
1.构建人机协同的设计环境
设计人员和计算机都是智能铁路选线的主体，铁路智能选线任务应由人机协同方法实现，把重复性大、知识含量低的任务交由计算机自动完成，领域人员则从事创造性大、知识含量高的任务。这就需要构建便于人机协同的设计环境，构建便于设计人员以及审查人员以直观视觉感受体验的三维虚拟地理环境，直接在该环境中以三维交互的方式进行方案设计、浏览以及对计算机智能设计行为进行协调、控制。
2.有效识别和利用地理信息
基于知识工程的选线方法没有走向实用的一个重要原因就是相关方法没能识别和利用选线工程师能处理的地形、地貌、水文、地质等信息。要实现智能选线必须深入研究地理信息的有效识别和深层应用问题。近期国内外发表的与选线相关的文章，无论是方案评价、线形设计、最优路径分析、智能优化，还是绿色选线、构建虚拟选线环境，都没有离开对GIS技术的应用。而且有很多文献，为更好的在选线领域利用空间信息技术，对带状数字地形模型的建模及快速、逼真显示，空间数据模型等问题进行过专门研究。
基于GIS选线的方法研究取得了长足进步。但是，这些研究除了最优路径分析可以为平面设计提供可参考的路径外，其他方法，包括智能优化在内，基本属于线路方案信息提取类的被动型应用，即在地理空间中存在一个线路方案后，从地理信息中提取出与方案相关的高程、坡度、用地面积、各种费用、噪声影响程度等信息。
要提高智能选线的智能程度，充分利用空间数据，需要研究类似人工选线的主动型空间数据应用方法，即通过地理信息的分析、挖掘，自动提取线路方案的技术标准、控制信息，并能自动生成、设计线路初始方案。这样才能使铁路智能选线技术向前跨越。
3.联合知识工程与数值及优化方法
选线设计是设计和评价并行、定性分析和定量计算相结合的异构信息分析、处理、决策过程，数值分析和符号推理在选线设计任务中具有同等重要的地位。应通过软件工程方法与知识工程方法集成的策略处理线路设计问题，实现符号推理时直接调用数值方法中的对象，在常规软件系统中直接调用推理机，把符号推理与数值分析计算集成为一体。
4.统一规划铁路选线知识
选线设计是总体性、综合性很强的创造性工作，知识面广、经验性强，涉及经济、运量、运输等问题，以及各种站前、站后专业，还需分析各种包括地质、水文、地形在内的地理信息，处理各种数值的、字符的、图形的、图像的资料。只有统一规划选线设计涉及的知识，从整体上综合考虑，有机组合、管理，才符合选线设计的知识特性，实现智能选线。1.4本书的构架与组织
本书总共分8章，其构架见图1-1。图1-1 本书结构
各章的主要内容为：
第1章 引言
在分析既有铁路选线设计方法和计算机辅助选线设计不足，以及国内外人工智能在选线设计中应用情况的基础上，提出基于GIS研究智能化铁路选线设计方法。
第2章 认知铁路智能选线
在从状态空间搜索角度，在重新认识铁路选线设计的含义、知识特征、设计流程、特点的基础上，介绍基于GIS的铁路选线系统智能环境（GBRLIE）及其领域特色，阐述建立GBRLIE的关键问题，然后借用CommonKADS方法论描述铁路选线设计的任务与组织模型，最后给出了GBRLIE的体系结构。
第3章 铁路智能选线知识建模
研究GBRLIE的知识建模方法及领域知识建模。根据知识系统开发特点，借鉴既有经验，提出采用建模方法表示知识。从分析铁路选线对知识模型的共享、交互以及互操作等要求开始，结合本体论特点，提出使用本体建立铁路选线知识模型的研究思路。描述了智能环境中各类本体之间的关系。给出了基于迭代法建立本体的方法论，使用UML语言和微软的Visio表示领域本体，并提出基于面向对象技术和UML轻量级扩展表示形式化领域本体的方法。最后采用提出的方法描述了铁路选线设计领域本体，包括选线地理环境本体、线路本体和线路评价本体。
第4章 铁路智能选线知识表达
研究智能环境中人机协同的知识表示、获取与利用技术。基于本体建立面向领域人员与面向计算机的知识。利用面向对象技术表示面向计算机的各类知识，规则采用层次模型和双重形式化模型表示，把问题求解策略用控制知识表示，使之独立于推理机。面向领域人员知识，在概念模型上采用语义网络表示，逻辑模型上把这些知识表示为知识森林，用扩展应用程序标记语言包表示知识主题内容，再采用面向对象数据库技术存储。提出了能在选线设计领域内重用的提案——目标验证嵌入式通用推理机，以及相应事实知识约束检查与修改推理机。
第5章 智能选线的地理信息利用
研究GBRLIE的地理信息获取与利用技术。首先讨论GBRLIE中地理信息获取与利用的任务层次。然后阐述基于本体建立铁路智能选线地理信息数据库的方法。再分析GBRLIE中地形分析与可视化方法；接着介绍基于地理信息的线路评价知识获取；最后给出了基于知识与栅格路径分析的线路初始平面生成方法。
第6章 智能选线的线路设计方法
研究GBRLIE的铁路选线设计方法，问题求解方法建模及其在线路设计局部方案中的应用，提出主要技术标准的人机协同比选方法。问题求解方法（方法本体）同领域本体一样也是知识密集型系统的可重用部分，采用UML语言描述多目标决策以及创新性多目标设计方法本体，然后通过改造方法本体以适应领域本体和应用的方法，将其用于新建单线铁路的局部方案设计。再利用局部方案自动设计方法，结合GBRLIE的可视化界面和人机协同地理信息利用方式，基于“生成—筛选—改进”思想，提出主要技术标准的人机协同综合比选方法。
第7章 目标验证通用推理机的实现
基于前面章节的理论与方法，利用微软.NETFramework的反射、泛型、动态编译与正则表达式等技术，实现了智能选线的核心部分——“提案—目标验证”式通用推理机。首先给出了支持层次模型和双重形式化模型的面向计算机的知识表达方法，接着介绍了对符号层形式化知识实施可执行化解析的方式，最后给出通用推理机的实现方式。
第8章 方法的实现与验证
给出了基于ArcGlobe的铁路智能选线辅助设计系统的组成、实现技术，并以案例的形式展示了其使用方法。2认知铁路智能选线
铁路选线设计是在铁路空间位置规划时，在主客观约束下从设计空间无数可能方案中搜索出在评价指标集上最优或最满意方案集的多目标多层次决策过程。该过程具有数据源广泛、整体性强、知识面广、度与量统一、方案特征与实践性强等特点。要实现铁路智能选线，需要构建基于GIS的铁路选线系统智能环境，亦即基于人工智能及GIS技术以解决铁路选线设计领域专业问题，使之具备专家级问题求解能力，构建集辅助性、创造性、教育性于一体，具有沉浸感的人机协同铁路选线设计智能解决方案。
本章从总体上、宏观角度阐述铁路选线设计和基于GIS的铁路选线系统智能环境（GBRLIE），以形成总体概念。在从状态空间搜索角度重新认识铁路选线设计的含义、知识特征、设计流程的基础上，介绍基于GIS的铁路选线系统智能环境及其领域特色，阐述建立的技术条件和关键问题，然后借用CommonKADS方法论描述铁路选线设计的任务与组织模型，最后给出了铁路选线系统智能环境的体系结构。2.1铁路选线设计的状态空间搜索2.1.1 选线设计的状态空间搜索定义
选线设计涉及铁路、公路、管道等多种线状人工构筑物的通道规划，对建设项目的经济合理性、技术合理性、自然与社会环境等具有重大影响，是决定该类建筑物经济、安全、合理的首要因素，因此从宏观上把握选线设计意义重大。虽然选线设计技术得到广泛关注与研究，并在国家经济建设的实际应用中发挥了巨大作用，但至今未见独立于具体建设领域的选线设计技术研究，也未见对选线设计的科学定义。研究铁路智能选线，首先需对选线设计进行定义，以使智能选线设计的理论体系更加完整、规范。
1.选线设计的广义定义
美国卡耐基梅隆大学赫伯特·亚历山大·西蒙（Simon Herbert A.）[71]教授曾说，设计中设计人员的目的就是 ：找出使现状往更好的方向转变的行动路线。即：设计的目的是改变目前状况，使之更符合人们的需要。这里用“更”而没有用“最”是因为人的需求是不断变化的，而且设计通常是满意或半优化问题。仿照西蒙对设计的诠释，下面给出选线设计的广义定义。
定义：选线设计是指线状人工构筑物（铁路、公路、管道、输电线等）的空间位置规划时，从设计空间无数可能方案中，在主客观因素的约束下，搜索出评价指标集上最优方案集的多目标多层次集成化工程复杂决策过程。
设计空间的方案集（U）可以从不同层次表示，从宏观的通道规划方案到某坡段不同的坡长、坡度方案，中间有接轨点方案、技术标准方案、走向方案、局部方案、车站分布方案、平纵断面方案等，因此可以说“只要进入选线设计环境就等于进入了一个决策世界”。O
客观约束（C ）即设计项目所处的地理环境，包括人文环境和自然环境，比如地形、水文、地质、各种人工构造物、生态保护区、人文景观等，它是选线设计中与建设项目密切相关的客观物质世界，具有设计时不随设计者主观意愿而改变或消亡的特点。S
主观约束（C ）包括技术要求和运输任务所确定的要求，技术要求会随着这种相关技术的进步而改变，而运输任务根据国家政治经济发展或国防建设的需要确定，因此主观约束属于设计中的意识范畴。
评价指标集（V）即方案的多目标评价指标，这些指标从方案的环境影响、社会效益、技术合理性、经济合理性、满足能力程度和与其他建设项目的配合程度对方案进行比选，针对不同层次的决策采用不同层次的评价指标。
因此从数学上定义，选线设计问题可表示为一个五元组：Q={U，OSOOC ，C ，V，U }。其中U为初始方案集，C 为客观条件约束集，SOC 为主观条件约束集，V为评价指标集，U 为目标方案集（由在评价指标集上最优或最满意方案组成）。[2]
虚拟环境铁路选线设计系统 正是基于广义的选线设计定义构O建的智能CAD系统，在该系统中，自然环境建模反映了客观条件C OS和目标方案U ，智能环境建模考虑了主观约束C 、评价指标V以及二者与客观条件的关系。智能选线系统的设计就是为了求解选线设计的五元组。
2.选线设计的状态空间定义
状态（status）是为了描述某类不同事物间的差别而引入的一组01n0最少变量q ，q ，…，q 有序集合，其矢量形式如下：Q=[q ，q 1ni ，…，q ]，其中每个元素q （i=0，1，…，n）是集合的分量，称为状态变量。给定每个分量的一组值就得到一个具体的状态，如：Q k0k1knkk =[q ，q ，…，q ]，Q 是所有可能状态的罗列，描述了状态之间的可能变化。使问题从一种状态变化为另一种状态的手段称为操作符或算子，操作符可能是走步、过程、规则、数学算子、运算符号或逻辑运算等。状态空间（status space）是一个表示该问题全部可能状态及其关系的集合，它包含三种类型的集合，即所有可能问题初始状态集合S，操作符集合F，以及目标状态集合G，状态空间就用三元组（S，F，G），其中S⊂Q，G⊂Q。状态空间求解的基本思想是：将问题中的已知条件看成状态空间的初始状态，将问题中要求的目标看成状态中的目标状态，将问题中其他可能情况看成状态空间的任意状态；设法在状态空间中寻找一条路径，由初始状态出发，能够沿着[72]这条路径达到目标状态 。
选线设计各层次方案决策也可以从问题的状态空间搜索角度定义。根据状态空间搜索问题的求解机制，选线设计的定义从两个角度出发，即选线设计的各决策层次上的狭义定义和由各决策层次嵌套构成的广义定义。
选线设计中技术标准选择的状态空间定义：已知各种可能的技术TTT标准方案集S ；F 包括一系列的计算、搜索、评价等操作O ，比如选择走向方案、局部方案等，这些操作是在地理环境即客观条件C OS 和技术条件及运输要求即主观条件C 约束下，依据标准选择评价TTOSTT指标集V 进行的，因此F 用四元组（C ，C ，V ，O ）表示，OSTTTTOTO即FT=（C ，C ，V ，O ）；而目标G =U ，其中U 为在评价指标集上最优和最满意方案集。因此选线设计中主要技术标准方TTT案可定义为状态空间（S ，F ，G ）的求解过程。由定义可知解决技术标准比选问题关键点和难点就是如何构造解决问题的操作算子。
依此类推可以给出选线设计其他决策层次的状态空间定义。
广义选线设计可以由这些定义层层嵌套构成，即：通道规划的状态空间包含了技术标准选择状态空间，而技术标准选择方案的状态空间又包含了局部走向方案选择状态空间，依此类推。比如，局部走向DDDDDD方案决策的状态空间为（S ，F ，G ），其中S ⊂U ，F 为DOSDDDDO相应的操作符，F =（C ，C ，V ，O ），G =U ，那么TTOSTT技术标准选择的嵌套定义为（S ，F =（C ，C ，V ，O DDDT=（S ，F ，G ）），G ），即对于每一个技术标准方案首先得找出对应的最佳走向方案，然后再在这些技术方案中搜索出最佳技术方案。这样层层嵌套，就构成了选线设计的广义定义，嵌套层次越高，需要考虑的因素越多，不确定性越大，但对项目的决定作用也越大，在选线设计中越重要。
西班牙蒙窦·劳伦斯等开发的用于辅助公路初步设计的智能系统[27]Sindi ，佩雷斯·德拉克鲁兹（J.L.Perez de la Cruz）提出的基于约[73]束的公路设计方法 ，还有国内周宁、阚叔愚、何越磊等提出智能[40，45，74]或自动化选线设计方法 ，都体现了状态空间搜索技术的具体应用。2.1.2 选线设计的总体流程及知识特性
根据选线设计的状态空间定义，选路设计是层层嵌套的状态空间搜索。为了对这种嵌套关系有更清楚的认识，分析一下通道规划的设计流程。铁路通道规划选线设计嵌套关系见表2-1，该表表示了通道规划问题求解选线设计的嵌套方式。中间站方案比选，也不是线路方案比选的最低层，局部地段的不良地质、平面障碍或高程障碍的绕避，平纵断面局部改善或小桥涵的选择等也属于线路方案比选的范畴，只是越是下层的方案比选对全局的影响越小，那么铁路设计的前期研究也就考虑得越少，因此为了简化该流程没有对方案比选的层次进一步展开。
试读结束[说明：试读内容隐藏了图片]