CN109359350A

CN109359350A - 一种优化精细施工成本的风电场道路智能设计方法

Info

Publication number: CN109359350A
Application number: CN201811130980.1A
Authority: CN
Inventors: 谢潇; 曾浩炜; 张叶廷; 李荣亚
Original assignee: Zhejiang Zhonghai Da Space Information Technology Co Ltd
Current assignee: Zhejiang Zhonghai Da Space Information Technology Co Ltd
Priority date: 2018-09-27
Filing date: 2018-09-27
Publication date: 2019-02-19
Anticipated expiration: 2038-09-27
Also published as: CN109359350B

Abstract

本发明涉及一种优化精细施工成本的风电场道路智能设计方法，包括以下步骤：S1，获取风电场遥感影像，根据遥感影像数据建立地形三维格网模型；S2，从地形三维格网模型中提取多维地形环境语义；S3，改进A*算法；S32，建立行驶安全设计的语义约束模型，约束A*算法的选线过程；S4，以改进的A*算法在风电场中进行运输道路自动选线；S5，考虑道路弯道的成本与安全因素，采用多元线性规划对S4选择的线路进行道路优化；S6，根据风机设备参数和运输设备参数计算规划线路的道路安全行驶宽度；S7，建立道路三维模型，无缝套合道路模型与地形格网模型。本发明能够提高风电场道路规划精度。

Description

一种优化精细施工成本的风电场道路智能设计方法

技术领域

本发明属于地理空间信息系统技术领域，特别是涉及一种优化精细施工成本的风电场道路智能设计方法。

背景技术

风机设备生产制造的社会集中性和风能优势资源的偏远分布特征(如草原、山脊、戈壁滩、海岛和海滩等)，使风电场道路设计成为风电项目建设中保障风电设备运输安全不可或缺的重要环节。传统风电运输道路设计主要通过物流方实地勘探并依托后台多视图的CAD辅助制图技术进行综合评估。多视图的 CAD勘测设计系统虽然能够在一定程度上实现运输道路设计的自动化，但由于视图拆分投影的抽象性和多维空间整体表达能力的欠缺，在遇到研究区域广阔，地形地质环境复杂等情况时，往往在勘察设计、方案比选时仍需要投入大量的人力物力和时间成本，才能获得最优方案。此外，风机设备体庞大、结构精密的特征与道路运输环境的空间有限性矛盾决定了其运输过程必须纳入高效量化规划与动态监控管理，传统作业量大且效率低下的人工实测方案难以应对大场景和远距离的运输线路设计需求；日趋多样化的线路环境及其附属设施进一步造成运输线路空间结构的复杂性，极大加剧了人工处理成本。加之风机设备超重、超长、超高等非常规特征，在涉及宏观复杂的远距离多尺度运输环境中，对道路横断面宽度、道路净空、沿途最小转弯半径等的多参数条件的专题性制约，使得风机设备运输涉及大量的道路改造或道路新建需求，其复杂性和特例性使现有的设计过程通长需要投入大量的建设成本，极大的延长了风电建设工程的实施周期。

因此，在越来越强调立体空间感知的今天，如何充分融合逐步成熟与广泛应用的科学技术优势，合理利用已有的风电场道路运输条件，同时顾及多维宏观运输道路环境和风机设备参数等专题结构特征，实现快速、高效、准确的运输道路设计，发展面向二维抽象到面向三维实景的风电场道路设计技术，满足风机运输道路的专题化和智能化需求是急需解决的关键问题。

三维地理信息系统作为融合三维仿真、计算机科学以及虚拟现实等多学科的智慧地球支撑技术，为多维空间信息的立体表达提供了更加丰富、逼真的平台，对多维信息的定性评估、定量评估及场景可视化提供了有力的支撑，将抽象难懂的信息进行系统有效的整合、交互直观的展示，有利于风电相关行业结合自身经验实现准确和快速的分析决策。相关文献：Nazli Yonca Aydin，Elcin Kentel，Sebnem Duzgun，GIS-based environmentalassessment of wind energy systems for spatial planning：A case study fromWestern Turkey. Renewable and Sustainable Energy Reviews 14(2010)364-373；Riccardo Mari，Lorenzo Bottai，Caterina Busillo，etal.A GIS-based interactiveweb decision support system for planning wind farms in Tuscany(ltaly).Renewable Energy，2011，36(2)：754-763。风电行业在三维地理信息方向已有风能风资源评估、风电场的微观选址、风能图谱制作等多样化应用，相关文献有：高阳华，王堰，邱新法，等.基于GIS的复杂地形风能资源模拟研究.太阳能学报，2008，29(2)：163-169；Shengpeng Sun，Fengliang Liu，Song Xue，et al.Review on wind power developmentin China：Current situation and improvement strategies to realize futuredevelopment. Renewable and Sustainable Energy Reviews，2015，(45)：598-599.而风电场道路设计与三维地理信息系统的融合却是一个新方向，对于风电场道路建设，无论是在前期道路设计阶段，还是在后期改造与管理维护阶段，三维地理信息系统都能发挥其独特的优势，因此，基于三维地理信息技术的风电场道路优化设计具有广阔的应用前景和实际意义，是未来“风电场数字道路”建设的新方向。相关文献：Nazli Yonca Aydin，ElcinKentel，Sebnem Duzgun，GIS-based environmental assessment of wind energysystems for spatial planning： A case study from Western Turkey.Renewable andSustainable Energy Reviews 14(2010)364-373；Riccardo Mari，Lorenzo Bottai，Caterina Busillo，et al.A GIS-based interactive web decision support systemfor planning wind farms in Tuscany(Italy).Renewable Energy，2011，36(2)：754-763；王菲.企业家论坛(一)：风电行业迎来数字化发展新时代.风能，2017，49-51。

风电场道路线路选取是为了将已有进场道路、风机点位连接起来，以满足风电行业设备运输、工程施工及管理维护的需求，国内外学者对于风电场建设及道路线路选取也有相关研究，相关文献有：Leen Seok Kang，Hyoun Seok Moon，Nashwan Dawood，etal.Development of methodology and virtual system for optimised simulation ofroad design data.Automation in Construction，2010，19(8)：1000-1005；Pilar Chias，Tomás Abad.Wind farms：GIS-based visual impact assessment and visualizationtools.Cartography and Geographic Information Science，2013Vol.40，No.3，229-237。风电场道路分为设备运输起点到进场点的场外道路及进场点到风机点位的场内道路，场外道路大多是利用现有的高速公路、国道、省道、县道等，而场内道路则是待修建的运输道路，相关文献：程兴宏，朱蓉，何晓凤，等.基于GIS技术的陆上风能资源开发制约因素分析.资源科学，2010，32(7)：1272-1279。谢春生就风机设备的运输、建设工期与投资等影响因素提出了不同的风电场进场道路选取方案，以满足道路交通便捷、设备运输安全及工程量小的建设原则，同时提出了运输主干线及支路的协调的总体道路优化设计方法，为风电场进场道路设计提供了有益的思路，相关文献：谢春生.山区风电场道路设计的影响因素及关键问题.水电与新能源，2014(6)：70-72。

风电场大多建立在偏远的山区，山区的地形地质条件及风机点位的布设直接影响到了线路的选取，在对周围地形环境进行实地勘察的基础上，充分考虑气候气象条件、地形地貌因素、水文地质环境以及军事和自然保护区等影响因素，遵循由面及带，由带及线的风电场线路选取规则。依照在不增加施工量的前提下尽可能用较高的参数指标，以保证线路的平纵断面满足风机设备的运输要求；充分利用现有道路，在其基础之上沿老路布设，也是减少工程造价的关键，若原有道路线性较好且保证通过，则尽量完全利用，若道路过窄则需按设计要求按原线路加宽；同时线路选取应遵循保护生态环境和尊重当地风俗习惯为原则，尽量做到少占用林地、耕地、果园地及拆迁地，是保证道路顺利征地和道路修建进度的关键。刁树广以风电场道路建设应以保护环境、地质、文物为宗旨，对道路选线进行了可行性研究，提供了线路控制点的确定方法及路网串接的比选方案，通过对广西山区风电场道路设计实际案例分析经验总结，对后期山区风电场的建设开发及道路设计起到了抛砖引玉的作用，相关文献有：刁树广，林强光.广西山地风电场场内道路设计.红水河，2015，34(5)：6-10。

上述风电场道路设计方法大多是从传统的选线方法和原理上进行研究的，除此之外，我国交通运输和勘察设计等相关部门对道路勘测、设计等进行了大量的研究分析和具体试验，研发出了众多道路选线决策系统，例如中国交通第一勘察设计院的纬地CAD系统、中国交通第二勘察设计院的HEAD系统、中国交通规划设计院RICAD道路设计集成软件，交通部二院的RDS1系统、辽宁省勘察设计院的GLLXCADS 平台，以及国内高校研发的道路设计辅助平台，如同济大学和东南大学研发的ROAD1.0CAD交互式道路选线设计系统。上述国内现有的系统平台大多用于在人为选取线路后对方案进行评估，计算道路纵横断面、绘制和生成相关图表等等，在一定程度上可以节省计算时间，提高人工设计的效率，但是在如何评选线路方案、对道路设计参数进行分析利用以及对道路设计成果进行展示等方面都缺乏深入系统的研究，包括对道路勘测设计前期的可行性研究、道路规划以及后期的设计方案评选、分析决策等，国内现行系统都显得力不从心，急需发展和研究新一代道路选线决策系统。

为了控制风电行业施工成本以及规范风机运输道路修建标准，国内外学者针对风电场道路设计参数和指标的研究较多，主要包括运输道路的平、纵、横断面及最大纵坡、最小平曲线半径等道路修建指标。由于风机设备组件重量大、叶片尺寸超长，因此对运输道路有着较高的要求，程鹏通过调查道路修建指标规范、运输车辆和风机相关参数，对常用的风电场运输车辆和运输设备进行分析，在保证车辆顺通行、在竖曲线上车辆缓和冲击、运输叶片不碰撞、半挂车升举角度等方面得到了凸、凹竖曲线的最小长度和半径计算模型和指标，给出不同行驶速度和坡度范围内的竖曲线的最小长度和半径推荐值，相关成果可为风电场道路修建标准制定提供参考，相关文献有：程鹏，张志强.风电场道路技术参数的研究.武汉大学学报， 2011(10)：20-22。杜建文根据国内风机厂商提供的风机参数、运输车辆参数等资料，并参照四级公路设计的技术指标，对风电场内大件运输的特殊要求和技术参数做出了总结，确定了风电场线路选取所涉及的最小路基路面宽度以及分析了道路转弯处是否需要设置加宽和超高等，对于降低道路修建成本和风机设备安全运输有着重要意义，相关文献：杜建文，祁建学.山区风电场道路设计.交通环保，2015，307-308。

国内外学者对于GIS寻径算法的研究已有显著的成果和成熟的应用，就目前对寻径算法研究的现状来说，主要可以分为四大类：基于图的搜索算法，人工智能搜索算法，动态规划搜索算法和人工势场搜索算法。相关文献有：Stratis Kanarachos，AndreasKanarachos.Intelligent road adaptive suspension system design using anexperts’based hybrid genetic algorithm.Expert Systems With Applications，2015，42(21)：1000- 1005。

基于图的搜索算法的理论基础是图论知识在计算机领域的广泛应用。基于图的搜索算法主要应用在二维平面环境的路径搜索过程中，并日渐成熟，由于基于图的搜索算法具有严格的数据理论支持，因此在导航寻径问题上有较大的优势。它主要包括弗洛伊德算法(Floyd)、Dijkstra迪杰斯特拉算法、A-Star(A*)算法、基于深度优先和广度优先的搜索算法等，这些算法都是依据图论的形式表达和组织的，实现方式直观，算法效率高，相关文献有：陈素琼，王惠来，向天雨.基于改进A＊算法的地图游戏寻径研究.重庆师范大学学报，2017，34(4)：75-78。弗洛伊德算法是一种在图论中路径搜寻算法，它允许图中包含非正值的边，但不允许包含非正值边组成的闭合回路，可搜寻图论中任意两节点之间的最短路径。迪杰斯特拉算法是解决有向图中最短路径问题的有效方法，它可以求得一个顶点到其余各顶点的最短路径，在地理信息领域是使用较为广泛的一种算法。A*算法是一种经典的启发式搜索算法，它结合了迪杰斯特拉算法和弗洛伊德算法的双重优点，而且在空间环境中可以有效的区分障碍物，因此广泛运用在导航路径的搜寻中。深度优先算法是通过对树结构的分支逐个搜索，当前分支搜索完毕后再搜索树的下一个分支。广度优先搜索算法是在二叉树结构的前提下，沿着树的层次结构进行逐层搜索，然后依次向下搜索。

经典的人工智能算法代表有模拟退火算法、神经网络算法、蚁群算法、遗传算法等。模拟退火算法是一种基于贪心策略路径搜索方法，但是它在搜索的过程中引入了随机因素，使所求解不局限于局部最优情况，而扩展到全局最优。神经网络算法是对人脑的组织结构和运行机制理解的基础上进行模拟的一种计算模式，神经网络算法可以适用于复杂的计算模型，而且具有自学习的能力，有助于推广和概括，但是在寻径导航领域它比较容易出现“锯齿状”现象。蚁群算法是模仿自然界中蚂蚁觅食的行为而演进过来的，一只蚂蚁找到了食物，会通过传播信息素的方式传播给其他蚂蚁，最后通知到整个蚁群。遗传算法的原理是根据达尔文进化论中遗传选择和自然淘汰的生物进化论演变而来，它主要使用规定的编码技术以及繁殖机制进行群体之间的搜索策略和信息交换，该算法具有较好的全局搜索性能，可以方便地将图中的寻径线路搜索出来。蚁群算法和遗传算法尽管在导航寻径领域表现优异，但这些算法也都有一些常见的缺点，如蚁群算法的路径搜寻结果很大程度上取决于原始参数的确定；而遗传算法存在过早容易收敛等缺陷，在路径后期搜寻和局部搜寻能力上效率低下。

动态规划搜索算法是一种实时动态条件下导航路径搜索最优化算法，相关文献有：赵卫锋，李清泉，李必军，空间认知导向下利用分层强化学习的最优路径规划，武汉大学学报信息科学版，2012，37(11)：1271-1275。该算法通过快速得到下一时刻可能到达的位置，并在新的起点上进行递归，得到一棵路径树，计算树中各节点的代价，并从叶节点开始搜索代价最低的节点，然后不断回溯上一级节点，从而得到最优导航路径。相关文献：Widodo Budiharto，Ari Santoso，Djoko Purwanto，et al.A Method for Path PlanningStrategy and Navigation of Service Robot.Journal of Behavioral Robotics，2011，100-108。该算法实现简单，并且不依赖于导航网格的连续性，容易得到全局最优解，适合微观尺度下小范围内的室内导航寻径，在室内路径规划中取得了良好的结果。由于动态规划自身状态空间的限制，在大范围三维复杂室内空间进行寻径搜索时，算法效率将大大较低。动态规划搜索算法另一个重要的应用环境是针对不断变化的建筑物室内空间环境，比如当火灾发生时，室内的可通行区域随着火势的蔓延是不断发生变化的，利用动态规划搜索算法可以有效的解决此类情况下的室内导航寻径问题。

人工势场搜索算法是根据物理学中势场的相对变化对引力和斥力的相互影响演变而来。该算法将导航网格中的目标点和障碍物分别看作对智能体有引力和斥力的物体，智能体沿引力和斥力的合力来进行路径的计算，并最终达到终点。利用人工势场法进行导航寻径的主要优点是可以实时动态控制路径的计算状况，方便进行路径的引导，但是它的主要缺点是在特点状况下会出现引力和斥力相互平衡的状态，导致寻径计算的终止，从而到达不了最终的目的节点。解决引力和斥力平衡的条件是添加约束条件，即首先标记引力点和斥力点平衡的坐标位置，以便最后进行导航寻径计算时有章可循。

根据不同的应用类别以及自身对寻径算法的理解进行不同类型的划分，但是不论怎样进行划分，算法本身的性质是固定不变的。每种不同类型的导航寻径算法都有各自的优缺点和主要的应用领域，因此在选择相应的寻径算法之前需要先对数据的特点、数据量的大小、应用的场景、应用的模式、要素的优先级进行对比分析，以便运用最为合适的寻径算法，特殊情况下需要将两种或者两种以上的寻径算法进行综合应用，或者是对算法进行性能、效率或者适应的数据模型进行相应的改进，相关文献有：赵卫锋，李清泉，李必军，空间认知导向下利用分层强化学习的最优路径规划，武汉大学学报信息科学版，2012，37(11)：1271-1275。

发明内容

为了解决上述问题，本发明的目的在于提供一种优化精细施工成本的风电场道路智能设计方法。能够提高风电场道路规划精度，建立了一种描述风电场多维复杂地形环境的三维场景模型，在此基础之上实现风电场运输道路的自动规划。

为了实现上述的目的，本发明采用了以下的技术方案：

一种优化精细施工成本的风电场道路智能设计方法，包括以下步骤：

S1，获取风电场遥感影像，根据遥感影像数据建立地形三维格网模型；

S2，从地形三维格网模型中提取多维地形环境语义；

S3，改进A*算法，包括：

S31，建立多维地形环境语义成本函数模型，通过多维地形环境语义成本函数模型替换A*算法中的代价函数，以欧几里得距离替换A*算法中的估价函数；

S32，建立行驶安全设计的语义约束模型，约束A*算法的选线过程；

S4，以改进的A*算法在风电场中进行运输道路自动选线；

S5，考虑道路弯道的成本与安全因素，采用多元线性规划对S4选择的线路进行道路优化；

S6，根据风机设备参数和运输设备参数计算规划线路的道路安全行驶宽度；

S7，建立道路三维模型，无缝套合道路模型与地形格网模型。

作为优选，步骤S2包括：建立道路长度语义、道路坡度语义、土石填挖量语义和限制因素语义四类地形信息的语义约束模型。

作为优选，步骤S31中，计算不同地形环境因素下的成本函数，并对多维地形环境因素的重要程度进行权重分配，按不同地形环境因素下的成本函数和相应权重计算多维地形约束下的道路中心线规划函数。

作为优选，步骤S32中所述行驶安全设计的语义约束模型包括：

首先搜索选线结果中相邻三点，构成一个折角，判断是否能在该折角处构建最小转弯半径的弯道，排除不满足的备选点；

通过输入相邻的四个点构成两个折角，判断在两个折角处构建转弯半径最小的弯道时，其两弯道间直线距离是否满足道路线形设计规范。

作为优选，步骤S4包括：

S41，以风电场运输与进场点为起点，依次遍历各风机点，以改进的A*算法进行最佳寻径；

S42，保存最短的线路作为已选线路，并保存该线路连接的风机点，作为已选风机点；

S43，遍历剩余风机点，利用改进的A*算法计算它们到达已选线路的最佳线路；

S44，保存最短的线路作为已选线路，并保存该线路连接的风机点，作为已选风机点；

S45，重复执行S43和S44，直到剩余风机点个数为0，完成全场的风机设备运输道路最佳规划。

作为优选，步骤S5包括：

S51，在选线结果基础上通过线路设计规范条件，计算线路调节范围；

S52，在调节范围内，采用多元线性规划计算成本最优解。

作为优选，步骤S51包括：

在初始的选线结果的基础上，通过输入道路线形设计规范的限制参数进行多元线性规划模型的变量及变量范围计算，计算多元线性规划模型变量的最大值，通过在每个折点处构建道路线性设计规范要求的最小转弯半径的弯道，计算每个最小弯道对应的最短折线长，取相邻折点最短折线长的情况下该折点可取的最大折线长作为多元线性规划模型的变量的最大值；

然后计算多元线性规划模型变量的最小值，其中将每个折点处构建符合道路线形设计最小转弯半径时对应的折线长作为多元线性规划模型变量的最小值。

作为优选，步骤S6包括：

S61，计算道路外边界；

S62，以道路外边界为界，镂空地形格网模型；

S63，将道路模型套入镂空后的地形模型。

作为优选，步骤S7中，采用基于边界特征线重构和道路覆盖区地形镂空的异构几何模型套合方案实现道路横断面与地形模型的一致无缝建模。

本发明的实施例还提供一种终端，包括一个或多个处理器，以及与所述处理器通信连接的存储装置，其中，所述存储装置存储有能被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如上所述的一种优化精细施工成本的风电场道路智能设计方法。

本发明通过建立多维地形环境语义约束模型，在精细的道路规划网格模型的基础之上，采用A*寻径算法，实现自动化的综合成本最优的风电场运输道路中心线规划，并且用户可根据实际需求，将多维地形因素的重要程度进行权重分配，交互式的设置权重，改变选线特点；考虑道路弯道成本，与道路行驶安全设计，利用多元线性规划进行最优求解，使施工成本估算更为精确；考虑风机参数对道路横断面宽度占用的影响并顾及不同情况进行分析计算，在保证风机设备安全运输的前提下得到最小的道路横断面占用宽度；最后采用基于边界特征线重构和道路覆盖区地形镂空的异构几何模型套合方案实现道路横断面与地形模型的一致无缝建模，从而综合实现风电场道路优化设计。该设计方法同时顾及多维地形环境和风机参数约束，充分发挥了三维6IS的空间分析优势，实现了智能化、合理化和能效最大化的风电场道路优化设计，为风电场道路精细化设计提供了传统二维设计难以提供的解决方法，使得选线设计更为合理可靠，提高了风电场道路建设的工作效率。且成本函数模型在面对不同地形环境的风电场时具有一定的普适性，使得风电场道路选线过程更为灵活可靠，使自动选线结果更精确。

附图说明

图1本发明方法的示意图；

图2典型A*选线算法的流程图；

图3改进典型A*选线算法的流程图；

图4本发明风机叶片升举装载示意图；

图5为本发明叶片降为水平装载示意图；

图6为本发明风叶叶片升举并旋转一定角度示意图；

图7本发明多分辨率格网与精细TIN的混合图；

图8本发明模型覆盖区地形镂空分块图；

图9为本发明的原理图。

具体实施方式

下面结合附图对本专利的优选实施方案作进一步详细的说明。

如图1所示，本发明公开了一种优化精细施工成本的风电场道路智能设计方法，该方法包括以下步骤：

S2，从地形三维格网模型中提取多维地形环境语义；

S3，改进A*算法，包括：

S4，以改进的A*算法在风电场中进行运输道路自动选线；

本发明实施例的实现过程采用计算机实现自动化处理，其中S1中，直接导入风电场遥感数据到计算机中，在内存中建立相应的地形格网数据结构。

风机设备运输道路的多维地形信息语义十分丰富，其运输道路中心线的选取直接影响着道路施工成本，因此在满足设计规范和减少施工成本的前提下，将影响运输道路中心线规划的多维地形信息主要划分为：距离(或长度)、坡度(横坡、纵坡)、填挖方量、限制因素四类。步骤S2即建立这四类多维地形信息语义约束模型，具体构建方法如下所述：

(1)中心线长度

风电场道路每公里造价数十万元，其路面建设费用、道路运营费用等随着道路中心线长度的增加而费用增多。因此从起点到风机点位的中心线长度是影响风电场道路修建成本的重要指标。

语义具体描述为：road_distance＝{distance_line，distance_area}

其中，distance_line为中心线长度，distance_area为选线对应的范围。

(2)坡度(横坡、纵坡)

地形的起伏程度不仅影响到运输的安全性，也直接影响到道路修建的土石方工程量[5]。将地形坡度划分为横坡和纵坡，用纵坡控制道路中心线起伏度，横坡控制道路横断面起伏度。

语义具体描述为：road_slope＝{slope_l，slope_c，slope_area}

其中，slope_l为纵坡，slope_c为横坡，slope_area为坡度变化的范围。

(3)填挖方量

土石填挖方量是影响道路施工成本最直接的因素。用设计中心线和地形剖面线之间的土石填挖量来控制工程纵向土石填挖方量。

语义具体描述为：road_earthwork＝{earthwork_fill，earthwork_cut，earthwork_area}

其中，earthwork_fill为填方量，earthwork_cut为挖方量，earthwork_area为填挖方对应的范围。

(4)限制因素

是指因限制因素导致多维地形约束下的风电场道路中心线规划无效的特殊情况。本方法考虑到的限制条件分为两大类：

语义具体描述为：road_restriction＝{obstacle，paramete}

其中，obstacle表示障碍区域，用obstacle＝{geography_obstacle，humanity_obstacle}来描述， geography_obstacle表示跟地理环境要素相关的障碍区域；风电场道路中心线规划时要避开地质断裂带、盐渍土、岩溶、滑坡等不良地质构造带[6]以保证设计道路路基的稳定性和安全性。humanity_obstacle表示跟人文环境要素相关的障碍区域；道路中心线规划要避开珍稀植被、果园、拆迁地等给自然资源带来较大损害或赔偿费用过高的障碍区域。若通过上述障碍区域，则道路中心线规划无效，需避开此区域重新规划。

paramete表示中心线设计参数指标限制。风电场道路中心线在实际设计中既要符合行业现行规程规范，又要满足施工及重大件运输的要求，因此需加以风电场道路建设规范作为顾及多维地形条件下的中心线设计的限制条件。若超过限制，则道路中心线规划无效，需重新规划。

用paramete＝{radius_h，radius_l，slope_l}描述中心线参数指标。radius_h表示道路平曲线半径； radius_l表示道路竖曲线半径；slope_l表示纵坡坡度。

在S31中进行多维地形信息的成本函数计算和对于节点间线路的长度计算。本申请中使用欧几里得距离来计算三维空间中i(x_i，y_i，z_i)，j(x_j，y_j，z_j)两节点的距离。

用成本函数就可以把多维地形语义对线路规划的影响程度进行量化，从而寻求一条综合成本最小的道路中心线。本申请用f_{slope_l}(dis)表示纵坡的成本函数；f_{slope_c}(dis)表示横坡的成本函数；f_earthwork(dis)表示土石填挖方的成本函数，f_restriction(dis)表示限制因素的成本函数。

在风电场道路修建最大坡度限制范围内，本申请用纵坡来控制道路中心线起伏度，以保证整体坡度的一致性，满足实际运输的安全性，因此设定各个节点间的坡度越接近于起始点到风机点位的坡度越好。令起始点到风机点位的坡度为α，节点间的坡度为βn，其中n∈V，则纵坡的成本函数：

风机设备运输属于超件运输，横坡过大会导致车辆侧翻，实际运输中需对道路进行平整。用横坡来控制横断面起伏度，横坡越大土石填挖方量越大，会增加道路修建成本，因此，在运输道路中心线设计中要充分考虑横断面坡度的影响，设横坡为γ，则成本函数为：

道路修建的所引起的土石填挖方直接影响着施工成本，因此在每次中心线搜索时需衡土石填挖方量。假设连接节点i，j之间的直线为Lij，令每次搜索线所在的地形剖面线为Dij，其高于Lij的为挖方量(记为Δ挖)，低于Lij的部分为填方量(记为Δ填)，用节点i，j连接所得的直线剖面线构成的三角形SLij 来衡量多余的工程量，即土石填挖方的成本函数|Δ挖-Δ填|越小则土石填挖方量越小，若|Δ挖-Δ填|＝0，则达到了填挖平衡的理想状态，极大的减少了施工成本。

然后将多维地形因素的重要程度进行权重分配，则纵坡、横坡、土石填挖方量、限制因素分别所占权重为：∑ω_i＝1，ω_i∈(0，1)，i＝(1，2，3，4)。

用户可根据不同实际需求来调整权重，交互式输入权重，选择距离最优、坡度最缓或填挖方最小的方案。限制因素的权重受具体情况的影响，当道路中心线规划遇到地理环境和人文环境限制或设计指标超限的情况下，则经过该区域的规划无效，另其权重ω₄＝∞。

则多维地形约束下的道路中心线规划成本函数为：

G＝ω₁*f_{slope_l}(dis)+ω₂*f_{slope_c}(dis)+ω₃*f_earthwork(dis)+ω₄*f_restriction(dis)

将该成本函数G替换A*算法中的代价函数G(n)，估价函数H(n)则用欧几里得距离，算法流程如图2 所示。

由于本方法的选线结果为折线，需进一步考虑弯道影响的施工成本和道路安全行驶问题。因此设计步骤S32在搜索三角形备选节点的步骤中增加道路线形设计规范的限制条件进行备选点选择。所述道路线形设计规范的限制条件为：首先搜索相邻三点，构成一个折角，判断是否能在该折角处构建最小转弯半径的弯道，排除不满足的的备选点。通过输入相邻的四个点构成两个折角，判断在两个折角处构建转弯半径最小的弯道时，其两弯道间直线距离是否满足道路线形设计规范。经过增加线形设计规范限制条件进行选线方案的初选。

经过上述步骤S31与S32的改进和约束，可得到综合成本最优的风电场运输道路中心线规划算法。

S4包括：

S41，建立待选点集合A、已选点集合B、已选线路集合C。所有风机点与进场点都存入集合A中。首先以进场点为起点，遍历所有剩余点作为终点，利用改进的A*算法计算各线路的成本代价，完成后从集合A中删除进场点。

S42，保存成本代价最小的线路到集合C中，保留该线路对应终点到集合B中，同时删除集合A中的该点。并以此终点为起点，遍历目前集合A中的剩余点作为终点，同样以改进的A*算法计算各线路的成本代价，完成后从集合A中删除进场点。

S43，循环步骤S42，直到集合A中点个数为0，退出循环。集合C中即为风电场全场道路初始选线结果。

S5包括：

S51，在选线结果基础上通过线路设计规范条件，计算线路调节范围；在初始的选线结果的基础上，通过输入道路线形设计规范的限制参数进行多元线性规划模型的变量及变量范围计算，计算多元线性规划模型变量的最大值，通过在每个折点处构建道路线性设计规范要求的最小转弯半径的弯道，计算每个最小弯道对应的最短折线长，取相邻折点最短折线长的情况下该折点可取的最大折线长作为多元线性规划模型的变量的最大值。然后计算多元线性规划模型变量的最小值，其中将每个折点处构建符合道路线形设计最小转弯半径时对应的折线长作为多元线性规划模型变量的最小值。

S52，在调节范围内，采用多元线性规划计算成本最优解。其具体方法为：通过构建多元线性规划模型，在S51的调整范围中，求解多元线性规划模型，获得初始的选线结果下的最优道路转弯半径。将折点处的折线长度作为多元线性规划模型的变量，目标函数为其中x为变量折点处折线长度，L为曲线道路长度。在顾及全局道路线路总长z最短的情况下，计算获取每个折点处最优的折线长度，在通过折线长度计算每个折点处构建弯道的转弯半径，流程图如图3所示。

步骤S6包括：

S61，计算道路外边界；

S62，以道路外边界为界，镂空地形格网模型；

S63，将道路模型套入镂空后的地形模型。

其中，S61中，需要计算影响运输道路横断面占用宽度的风机设备组件。风机设备主要由塔筒、叶片、机舱、轮毂等组成，其运输车装系统主要由牵引车、半挂车以及叶片升举和旋转装置构成。由于风机设备体量庞大，构件复杂，若按传统的运输方式难以保证运输的可行性和安全性，现有的新型运输装置，在运输时对设备进行分解或升举旋转操作，从而有效避让障碍物，减小对道路横断面宽度的需求。本申请将影响运输道路横断面占用宽度的风机组件分为以下两大类：

(1)风机塔筒

风机塔筒一般由三到四节子塔筒拼接而成，其中第一节塔筒是风机设备中最宽的组件，可作为道路横断面最小占用宽度的控制性指标。

将风机塔筒的语义具体描述为：fan_tower＝{tower_type，tower_width}

其中，参数tower_type表示不同风机型号塔筒的类型，参数tower_width表示对应风机型号第一节塔筒的宽度。

(2)风机叶片

风机叶片是风机设备中最长的组件，它可作为道路横断面占用加宽的控制性指标。本申请对新型叶片运输装置运输时叶片的姿态变化进行分析研究，根据运输装置的操作将叶片姿态分为：叶片水平装载、叶片升举、叶片旋转三种情况。

将叶片姿态的语义信息描述为：fan_vane＝{vane_horizontal，vane_lift，vane_rotate}；shape_horizontal 表示叶片水平装载；shape_lift表示叶片运输时升举一定角度；shape_rotate表示叶片运输时旋转一定角度。

影响风电场道路施工建设成本除了道路中心线设计外，还有道路横断面占用宽度计算。结合运输车辆和上述风机运输设备参数信息，通过对风机运输车辆空载时、风机运输车辆水平放置叶片时、风机运输车辆升举并旋转叶片时三种情况进行具体分析计算，得到三种情况下的道路横断面最小占用宽度，在保证通过性的前提下选取最小的道路横断面宽度，尽可能的减少土石填挖方量，继而在综合成本最优的道路中心线设计基础之上实现风电场道路优化设计。

如图4-6，图中风机运输牵引车辆右侧顶点为A，前轴中点为B，后轴中点为D，牵引车和半挂车的连接点位C，车辆转动中心为P，牵引车长L1，半挂车长L2，半挂车宽为W，牵引车前轮转向角为α，半挂车轴距和牵引车轴距夹角为β，r为前外轮最小转弯半径，过P点做半挂车的垂足E，交中轴线为点F。则运输车辆对叶片进行升举或旋转时与道路横断面最小占用宽度存在以下数学关系：

α＝αsin(L1/r)

PI＝[PF+S*sinγ]²+[CF-(1-S*cosγ)]²

当运输车辆对风机叶片进行升举旋转时，若一个合适的叶片旋转中点O使得PI和PM的数值同时较小，则在叶片升举和旋转时即可达到对路面占用最小的理想状态。

X1＝PF-sinγ*(L-S)

X2＝L2-CF+L3-L*(1-cosδ)-(L-S)*(1-cosγ)

O＝|PI-PM|

结合实际运输车辆参数，通过对风机运输车辆空载时、风机运输车辆水平放置叶片时、风机运输车辆升举并旋转叶片时三种情况，代入上述公式进行具体分析计算，得到三种情况下的最小道路横断面占用宽度S，以尽可能的减少土石填挖方量，在保证通过性的前提下选取最小宽度，实现道路横断面的优化设计，继而实现运输道路横断面的自动建模。

其中S62的实现方式是，将风电场地形网格和模型约束边界进行求交运算，采用风电场地形网格与有向线段增量的约束边界与求交方法，以此来获取约束边界和网格的交点集，构成比原始约束多边形更为密集详尽的约束多边形集合即模型边界盒，再将当前地形子块中此约束多边形内的地形模型点删除并将交点导入到当前地形子块模型数据集中，然后进行构网。在进行重构三角网时采用了逐点插入算法，构建的网络结构的约束边内部包含的三角形都由边界点集构成，此时只需记录边界点集，在绘制时删除三角形三个顶点都在记录点集中的重复三角形即可完成地形模型的镂空，而在模型覆盖区外的风电场地形子块仍然采用规则四边形格网表达，由此也就建立了多分辨率网格与精细网格的混合数据结构表示，如图7所示。

通过步骤S63处理后得到如图8所示的效果图，图中部分为最精细层级的分块边界，黑色镂空区域道路模型覆盖区，因此要分别在其中进行地形镂空。

综上所述，本发明的原理如图9所示，从地形格网模型M₀中提取多维地形环境语义信息I₀，根据语义建立各种语义信息的成本函数H₀，再根据实际风电场地形环境，分别用不同的权重加权，得到加权后的成本代价函数H₁；用H₁替换A*算法A₀中的代价函数，得到改进后的算法A₁；以综合成本最优为约束条件，进行全场的道路规划，得到道路规划结果；根据风机设备参数，运输车辆参数，计算弯道道路安全路宽，以线路中心线和路宽进行道路建模，得到道路模型M₁；最后以道路模型M₁的外边界对地形格网进行镂空，并将M₁嵌入镂空后的地形中，得到模拟的道路规划结果三维场景M₂，完成风电场道路自动规划。

本发明通过建立多维地形环境语义约束模型，在精细的道路规划网格模型的基础之上，采用A*寻径算法，实现自动化的综合成本最优的风电场运输道路中心线规划，并且用户可根据实际需求，将多维地形因素的重要程度进行权重分配，交互式的设置权重，改变选线特点；考虑道路弯道成本，与道路行驶安全设计，利用多元线性规划进行最优求解，使施工成本估算更为精确；考虑风机参数对道路横断面宽度占用的影响并顾及不同情况进行分析计算，在保证风机设备安全运输的前提下得到最小的道路横断面占用宽度；最后采用基于边界特征线重构和道路覆盖区地形镂空的异构几何模型套合方案实现道路横断面与地形模型的一致无缝建模，从而综合实现风电场道路优化设计。该设计方法同时顾及多维地形环境和风机参数约束，充分发挥了三维GIS的空间分析优势，实现了智能化、合理化和能效最大化的风电场道路优化设计，为风电场道路精细化设计提供了传统二维设计难以提供的解决方法，使得选线设计更为合理可靠，提高了风电场道路建设的工作效率。且成本函数模型在面对不同地形环境的风电场时具有一定的普适性，使得风电场道路选线过程更为灵活可靠，使自动选线结果更精确。

本发明的实施例还提供一种终端，包括一个或多个处理器，以及与所述处理器通信连接的存储装置，其中，所述存储装置存储有能被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行上述实施例提供的优化精细施工成本的风电场道路智能设计方法。

本领域普通技术人员可以理解：实现上述方法的实施例全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于以计算机可读存储介质中，该程序执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或光盘等各种可以存储程序代码的介质。

Claims

1.一种优化精细施工成本的风电场道路智能设计方法，其特征在于，包括以下步骤：

S2，从地形三维格网模型中提取多维地形环境语义；

S3，改进A*算法，包括：

S4，以改进的A*算法在风电场中进行运输道路自动选线；

2.根据权利要求1所述的一种优化精细施工成本的风电场道路智能设计方法，其特征在于，步骤S2包括：建立道路长度语义、道路坡度语义、土石填挖量语义和限制因素语义四类地形信息的语义约束模型。

3.根据权利要求1所述的一种优化精细施工成本的风电场道路智能设计方法，其特征在于，步骤S31中，计算不同地形环境因素下的成本函数，并对多维地形环境因素的重要程度进行权重分配，按不同地形环境因素下的成本函数和相应权重计算多维地形约束下的道路中心线规划函数。

4.根据权利要求1所述的一种优化精细施工成本的风电场道路智能设计方法，其特征在于，步骤S32中所述行驶安全设计的语义约束模型包括：

5.根据权利要求1所述的一种优化精细施工成本的风电场道路智能设计方法，其特征在于，步骤S4包括：

6.根据权利要求1所述的一种优化精细施工成本的风电场道路智能设计方法，其特征在于，步骤S5包括：

S52，在调节范围内，采用多元线性规划计算成本最优解。

7.根据权利要求6所述的一种优化精细施工成本的风电场道路智能设计方法，其特征在于，步骤S51包括：

8.根据权利要求1所述的一种优化精细施工成本的风电场道路智能设计方法，其特征在于，步骤S6包括：

S61，计算道路外边界；

S62，以道路外边界为界，镂空地形格网模型；

S63，将道路模型套入镂空后的地形模型。

9.根据权利要求1所述的一种优化精细施工成本的风电场道路智能设计方法，其特征在于，步骤S7中，采用基于边界特征线重构和道路覆盖区地形镂空的异构几何模型套合方案实现道路横断面与地形模型的一致无缝建模。

10.一种终端，包括一个或多个处理器，以及与所述处理器通信连接的存储装置，其中，所述存储装置存储有能被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1-9中任一项所述的一种优化精细施工成本的风电场道路智能设计方法。