CN111553509A - 针对地质环境风险的轨道交通选线评估及成本优化方法 - Google Patents

针对地质环境风险的轨道交通选线评估及成本优化方法 Download PDF

Info

Publication number
CN111553509A
CN111553509A CN202010250521.8A CN202010250521A CN111553509A CN 111553509 A CN111553509 A CN 111553509A CN 202010250521 A CN202010250521 A CN 202010250521A CN 111553509 A CN111553509 A CN 111553509A
Authority
CN
China
Prior art keywords
risk
value
line
evaluation
interval
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010250521.8A
Other languages
English (en)
Other versions
CN111553509B (zh
Inventor
高燕
武志毅
袁泉
李文龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Metro Design and Research Institute Co Ltd
National Sun Yat Sen University
Original Assignee
Guangzhou Metro Design and Research Institute Co Ltd
National Sun Yat Sen University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangzhou Metro Design and Research Institute Co Ltd, National Sun Yat Sen University filed Critical Guangzhou Metro Design and Research Institute Co Ltd
Priority to CN202010250521.8A priority Critical patent/CN111553509B/zh
Publication of CN111553509A publication Critical patent/CN111553509A/zh
Application granted granted Critical
Publication of CN111553509B publication Critical patent/CN111553509B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种针对地质环境风险的轨道交通选线评估及成本优化方法，具体包括以下步骤：步骤S1：获取地铁修建区域的基本数据，进行线路区间的选线区段划分和选线方案编号；步骤S2：对完成区段划分和方案编号的线路区间构建风险评价目标函数、风险处理成本目标函数和风险处理工期目标函数；步骤S3：通过动态可变模糊评价模型计算线路区间的地质风险等级；步骤S4：根据地质风险等级，通过启发式算法计算出线路区间的风险评价、成本、工期多目标最优的地铁线路方案。与现有技术相比，本发明具有提高轨道交通路线的安全性和稳定性、通过对轨道交通选线方案所涵盖地质风险的等级及处理风险成本、工期的评估，进而减少轨道交通施工成本等优点。

Description

针对地质环境风险的轨道交通选线评估及成本优化方法
技术领域
本发明涉及轨道交通领域，尤其是涉及一种针对地质环境风险的轨道交通选线评估及成本优化方法。
背景技术
城市轨道交通已进入快速发展阶段，轨道交通的设计、施工和运维与所处的地质环境有密切的关系，但由于地下空间的复杂性、不可见性及不确定性，导致轨道交通施工过程中地质事故频发。轨道交通在选线过程中，缺少针对施工过程中地质风险、处理地质风险施工成本、处理地质风险施工工期进行多目标优化评估的准备工作，导致施工过程中费料费工，因此对轨道交通选线地质风险的评估及施工的成本优化分析十分必要迫切。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺少针对施工过程中地质风险、处理地质风险施工成本、处理地质风险施工工期进行多目标优化评估的准备工作的缺陷而提供一种针对地质环境风险的轨道交通选线评估及成本优化方法。
本发明的目的可以通过以下技术方案来实现：
一种针对地质环境风险的轨道交通选线评估及成本优化方法，具体包括以下步骤：
步骤S1：获取地铁修建区域的基本数据，根据所述地铁修建区域的基本数据进行线路区间的选线区段划分和选线方案编号；
步骤S2：对完成所述选线区段划分和选线方案编号的线路区间构建风险评价目标函数、风险处理成本目标函数和风险处理工期目标函数；
步骤S3：通过动态可变模糊评价模型计算所述线路区间的地质风险等级；
步骤S4：根据所述地质风险等级，通过启发式算法计算出所述线路区间的风险评价、成本、工期多目标最优的地铁线路方案。
所述风险评价目标函数具体为：
Figure BDA0002435318610000021
其中，fR(x)表示轨道交通n个区段的平均风险级别特征值，n为线路区间的区段数，Hj为第j段区间的风险级别特征值。
所述风险处理成本目标函数具体为：
Figure BDA0002435318610000022
其中，fT(x)表示轨道交通n个区段的平均风险级别特征值，tij表示执行第i种选线方案时处理第j段区间不良地质环境风险所花费的时间，j∈[1，n]，Lk×n表示从起点到终点的一条路径，xij表示第i种选线方案的第j段区间的不良地质环境风险，K表示路径的总数，在计算时，k＝1表示该路径正在进行计算，别的路径k＝0，不进行计算。
所述风险处理工期目标函数具体为：
Figure BDA0002435318610000023
其中，fC(x)表示处理n个区段所有地质风险所需的总费用，
Figure BDA0002435318610000024
表示执行第i种选线方案时处理第j段区间的不良地质环境风险所花费的直接费用，IC表示间接成本。
所述步骤S3具体分为以下步骤：
步骤S301：获取所述线路区间的时间因素集fo(t)＝(f1(t)f2(t)…fi(t))和待评价样本的特征值向量xo＝(x1 x2 … xi)，将所述时间因素集与待评价样本的特征值向量相结合，得到所述线路区间的样本特征值的函数向量xo(t)＝g(xo,fo(t))；
步骤S302：获取轨道交通不良地质风险因素集，根据轨道交通不良地质风险因素集确定所述线路区间的样本特征值函数向量的评判标准矩阵Iab，所述评判标准矩阵Iab具体表示为指标为i且级别为h的风险因素集评判标准区间[a,b]ih；
步骤S303：根据所述风险因素集评判标准区间对应的吸引域区间[a,b]，确定所述吸引域区间对应的范围值区间[c,d]，根据所述范围值区间构造i个指标h个级别的范围值矩阵Icd；
步骤S304：根据所述步骤S303中的指标，确定单位差异度位值，所述单位差异度位值的计算公式如下：
Figure BDA0002435318610000031
其中，M为单位差异度位值，所述单位差异度位值为吸引域区间[a,b]中相对差异度DA(u)＝1的位值，单位差异度位值M对应的隶属度μ A (u)＝1，h为风险等级，数值为1到n之间的常数，n为风险等级上限；
步骤S305：根据相对差异函数模型，由所述i个指标中确定的各指标的[a,b]、[c,d]及单位差异度位值，确定每一个所述样本指标特征值对风险等级1～n的相对隶属度，以此确定隶属度矩阵μ A (u)；
步骤S306：根据组合权重法确定所述隶属度矩阵的一级指标权向量ωa和二级指标的权向量ωbi；
步骤S307：根据所述模糊可变评价模型计算所述线路区间对各级别风险等级的综合相对隶属度向量，所述模糊可变评价模型具体为：
Figure BDA0002435318610000032
其中，α为模型优化准则参数，dg和db为中间变量，α＝1时为最小一乘方准则，α＝2时为最小二乘法准则，p为距离参数，p＝1时为海明距离，p＝2时为欧式距离；m为识别指标数，ωbi为二级指标的第i个指标权向量；当α＝1且p＝1时，对应模型为简单模糊评价模型；当α＝1且p＝2时，对应模型为理想点评价模型；当α＝2且p＝1时，对应模型为“S”型函数模型；当α＝2且p＝2时，对应模型为模糊优选模型；
分别计算上述4种模型对应的模糊可变评价函数V A (u)，根据计算结果求得4种模型的综合相对隶属度向量，具体公式为：
V A (u)h＝ωa· A (u)T
其中，V A (u)h为综合相对隶属度向量；
步骤S308：根据步骤S307中4种模型的综合相对隶属度向量，计算简单模糊评价模型、理想点评价模型、“S”型函数模型和模糊优选模型的级别特征值，具体计算公式如下：
Figure BDA0002435318610000041
其中，Hj为第j段区间的风险级别特征值。
所述步骤S305中相对差异函数模型具体为：
当xo(t)位于单位差异度位值的左侧时：
Figure BDA0002435318610000042
当xo(t)位于单位差异度位值的右侧时：
Figure BDA0002435318610000043
其中，xo(t)为样本特征值函数向量，β为非负实数，通常可取，相对差异函数模型为线性函数，D A (u)为相对差异函数，根据所述相对差异函数求取对应的相对隶属度，具体如下：
Figure BDA0002435318610000044
当所述吸引域区间、范围值区间为区间值指标，且
Figure BDA0002435318610000045
时，μ A (u)＝0，当所述吸引域区间、范围值区间为非区间值指标，且
Figure BDA0002435318610000046
时，单位差异度位值取非区间边界值，即μ A (μ)＝1，由此可得：
Figure BDA0002435318610000047
其中，(μ A (u)ih)为i个指标和h个级别的隶属度矩阵。
所述启发式算法包括蚂蚁算法和粒子群算法。
所述蚂蚁算法的具体步骤如下：
步骤S401：初始化。将所述线路区间内每条路径在初始时刻时信息素含量值初始化为τij(0)＝1，初始化风险评价目标种群、风险处理成本种群和风险处理工期种群以及各种群内蚂蚁在各路径上释放信息素的含量；
步骤S402：蚂蚁构造路径。根据每只蚂蚁的区段间转移概率，构造蚂蚁移动路径，所述区段间转移概率
Figure BDA0002435318610000051
具体如下：
Figure BDA0002435318610000052
其中，
Figure BDA0002435318610000053
表示蚂蚁k在t时刻从线路方案i中的一个区段到线路方案j中的一个区段的区段间转移概率，tabuk为蚂蚁k的禁忌表，表示蚂蚁k在路径中已经遍历过的节点，α为信息启发式因子，是蚂蚁在搜寻过程中信息的积累有助于蚂蚁进行下一步的搜寻，它的值越大，表明蚂蚁之间的合作性越强，β为期望启发因子，表示能见度的重要性，反映蚂蚁在路径选择过程中启发信息受重视的程度，τij(t)为启发函数，ηij(t)表示蚂蚁在t时刻从线路方案i中的一个区段到线路方案j一个区段的期望程度，具体为：
Figure BDA0002435318610000054
其中，dij为蚂蚁走过线路方案i中的一个区段到线路方案j一个区段的距离；
步骤S403：对信息素的调整。当所有蚂蚁都按照所述区段间转移概率进行移动，在完成一次循环之后，对各路径上的信息素含量进行更新调整，具体如下：
τij(t+1)＝(1-ρ)τij(t)+Δτij
其中，ρ为信息素挥发因子，1-ρ为信息素残留因子，Δτij为第k只蚂蚁经过一次循环后路径(i,j)对应的路径信息素增量的总和，具体为：
Figure BDA0002435318610000055
步骤S404：检查终止条件。在所述蚂蚁种群搜索完成后，将搜索得到的线路方案区段风险序列代入各自种群目标函数中，如果各自种群的所述种群目标函数计算的目标值均大于目标阈值，将对应的线路方案区段风险序列添加到非支配解集中；如果小于目标阈值则进行信息素更新然后继续搜索。
步骤S405：输出最优值。分别输出轨道交通选线地质风险评价、风险处理工期以及风险处理成本三个种群的最优目标。
所述粒子群算法的具体步骤如下：
步骤S406：根据所述风险评价目标种群、风险处理成本种群和风险处理工期种群分别生成对应的风险评价从粒子群、风险处理成本从粒子群和风险处理工期从粒子群，同时设置1个主粒子群并引入外部储备集；
步骤S407：根据所述线路方案区段风险序列初始化所述风险评价从粒子群、风险处理成本从粒子群和风险处理工期从粒子群，确定各粒子的初始速度和初始位置，根据所述非支配解集初始化所述主粒子群并存储到所述外部储备集；
步骤S408：所述风险评价从粒子群、风险处理成本从粒子群和风险处理工期从粒子群与所述主粒子群并行搜索，更新主粒子群的全局最优位置坐标，具体过程如下：
vij(t+1)＝ωvij(t)+r1C1(pij(t)-xij(t))+r2C2(gj(t)-xij(t))
xij(t+1)＝xij(t)+vij(t+1)
其中，vij(t+1)表示迭代t+1次从粒子群的更新速度，vij(t)表示迭代t次从粒子群的更新速度，ω为惯性因子，取值为非负数，可以通过对ω大小的调整来控制全局寻优性能和局部寻优性能，ω较大时，全局寻优能力强，局部寻优能力弱，C1和C2为加速常数，满足C1＝C2∈[0，4]，r1和r2表示区间[0，1]上的随机数，pij(t)表示第i个粒子在第j维的粒子个体最优位置坐标；gj(t)表示整个粒子群在第j维的全局最优位置坐标，xij(t+1)表示迭代t+1次从粒子群的更新位置；xij(t)表示迭代t次从粒子群的更新位置；
步骤S409：将所述粒子个体最优位置坐标和全局最优位置坐标取整，代入各自粒子群的目标函数中，根据粒子群的拥挤度更新粒子群对应的帕累托集，若所述帕累托集小于最优目标阈值，根据当前帕累托集对应的个体最优位置坐标和全局最优位置坐标获得风险评价、风险处理成本与风险处理工期的总体最优方案。
与现有技术相比，本发明运用动态可变模糊评价模型确定所选线路区间的地质风险等级，然后根据地质风险等级，通过蚂蚁算法求取所选线路区间的风险评价、成本、工期单目标的最优化选择，最后通过粒子群算法确定风险评价、成本、工期多目标最优的线路方案，综合考虑地质风险、施工成本、施工工期，使最终的线路方案更具有安全性和稳定性，同时减少了轨道交通的修建成本，为处理不良地质环境风险的成本问题提供参考。
附图说明
图1为本发明的流程示意图；
图2为本发明动态可变模糊评价模型的流程示意图；
图3为本发明启发式算法的流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
如图1所示，一种针对地质环境风险的轨道交通选线评估及成本优化方法，具体包括以下步骤：
步骤S1：获取地铁修建区域的基本数据，根据地铁修建区域的基本数据进行线路区间的选线区段划分和选线方案编号，编号为Aij，表示第i种选线方案的第j段区间；
步骤S2：对完成选线区段划分和选线方案编号的线路区间构建风险评价目标函数、风险处理成本目标函数和风险处理工期目标函数；
步骤S3：通过动态可变模糊评价模型计算线路区间的地质风险等级；
步骤S4：根据地质风险等级，通过启发式算法计算出线路区间的风险评价、成本、工期多目标最优的地铁线路方案。
风险评价目标函数具体为：
Figure BDA0002435318610000071
其中，fR(x)表示轨道交通n个区段的平均风险级别特征值，n为线路区间的区段数，Hj为第j段区间的风险级别特征值。
风险处理成本目标函数具体为：
Figure BDA0002435318610000072
其中，fT(x)表示轨道交通n个区段的平均风险级别特征值，tij表示执行第i种选线方案时处理第j段区间不良地质环境风险所花费的时间，j∈[1，n]，Lk×n表示从起点到终点的一条路径，xij表示第i种选线方案的第j段区间的不良地质环境风险，K表示路径的总数，在计算时，k＝1表示该路径正在进行计算，别的路径k＝0，不进行计算。
风险处理工期目标函数具体为：
Figure BDA0002435318610000081
其中，fC(x)表示处理n个区段所有地质风险所需的总费用，
Figure BDA0002435318610000082
表示执行第i种选线方案时处理第j段区间的不良地质环境风险所花费的直接费用，IC表示间接成本。
步骤S3具体分为以下步骤：
步骤S301：获取线路区间的时间因素集fo(t)＝(f1(t)f2(t)…fi(t))和待评价样本的特征值向量xo＝(x1 x2 … xi)，将时间因素集与待评价样本的特征值向量相结合，得到线路区间的样本特征值的函数向量xo(t)＝g(xo,fo(t))；
步骤S302：获取轨道交通不良地质风险因素集，根据轨道交通不良地质风险因素集确定线路区间的样本特征值函数向量的评判标准矩阵Iab，评判标准矩阵Iab具体表示为指标为i且级别为h的风险因素集评判标准区间[a,b]ih；
步骤S303：根据风险因素集评判标准区间对应的吸引域区间[a,b]，确定吸引域区间对应的范围值区间[c,d]，范围值区间[c,d]为吸引域区间[a,b]的扩展区间，根据范围值区间构造i个指标h个级别的范围值矩阵Icd；
步骤S304：根据步骤S303中的指标，确定单位差异度位值，单位差异度位值的计算公式如下：
Figure BDA0002435318610000083
其中，M为单位差异度位值，单位差异度位值为吸引域区间[a,b]中相对差异度DA(u)＝1的位值，单位差异度位值M对应的隶属度μ A (u)＝1，h为风险等级，数值为1到n之间的常数，n为风险等级上限；
步骤S305：根据相对差异函数模型，由i个指标中确定的各指标的[a,b]、[c,d]及单位差异度位值，确定每一个样本指标特征值对风险等级1～n的相对隶属度，以此确定隶属度矩阵μ A (u)；
步骤S306：根据组合权重法确定隶属度矩阵的一级指标权向量ωa和二级指标的权向量ωbi；
步骤S307：根据模糊可变评价模型计算线路区间对各级别风险等级的综合相对隶属度向量，模糊可变评价模型具体为：
Figure BDA0002435318610000091
其中，α为模型优化准则参数，dg和db为中间变量，α＝1时为最小一乘方准则，α＝2时为最小二乘法准则，p为距离参数，p＝1时为海明距离，p＝2时为欧式距离；m为识别指标数，ωbi为二级指标的第i个指标权向量；当α＝1且p＝1时，对应模型为简单模糊评价模型；当α＝1且p＝2时，对应模型为理想点评价模型；当α＝2且p＝1时，对应模型为“S”型函数模型；当α＝2且p＝2时，对应模型为模糊优选模型；
分别计算上述4种模型对应的模糊可变评价函数V A (u)，根据计算结果求得4种模型的综合相对隶属度向量，具体公式为：
V A (u)h＝ωa· A (u)T
其中，V A (u)h为综合相对隶属度向量；
步骤S308：根据步骤S307中4种模型的综合相对隶属度向量，计算简单模糊评价模型、理想点评价模型、“S”型函数模型和模糊优选模型的级别特征值，具体计算公式如下：
Figure BDA0002435318610000092
其中，Hj为第j段区间的风险级别特征值。
步骤S305中相对差异函数模型具体为：
当xo(t)位于单位差异度位值的左侧时：
Figure BDA0002435318610000093
当xo(t)位于单位差异度位值的右侧时：
Figure BDA0002435318610000101
其中，xo(t)为样本特征值函数向量，β为非负实数，通常可取，相对差异函数模型为线性函数，D A (u)为相对差异函数，根据相对差异函数求取对应的相对隶属度，具体如下：
Figure BDA0002435318610000102
当吸引域区间、范围值区间为区间值指标，且
Figure BDA0002435318610000103
时，μ A (u)＝0，当吸引域区间、范围值区间为非区间值指标，且
Figure BDA0002435318610000104
时，单位差异度位值取非区间边界值，即μ A (u)＝1，由此可得：
Figure BDA0002435318610000105
其中，(μ A (u)ih)为i个指标和h个级别的隶属度矩阵。
启发式算法包括蚂蚁算法和粒子群算法，通过蚂蚁算法分别计算轨道交通的风险评价、成本、工期单目标的最优化选择，然后通过粒子群算法计算风险评价目标种群、风险处理成本种群与风险处理工期种群的总体目标最优方案。
蚂蚁算法的具体步骤如下：
步骤S401：初始化。将线路区间内每条路径在初始时刻时信息素含量值初始化为τij(0)＝1，初始化风险评价目标种群、风险处理成本种群和风险处理工期种群以及各种群内蚂蚁在各路径上释放信息素的含量，；
步骤S402：蚂蚁构造路径。根据每只蚂蚁的区段间转移概率，构造蚂蚁移动路径，区段间转移概率
Figure BDA0002435318610000106
具体如下：
Figure BDA0002435318610000107
其中，
Figure BDA0002435318610000108
表示蚂蚁k在t时刻从线路方案i中的一个区段到线路方案j中的一个区段的区段间转移概率，tabuk为蚂蚁k的禁忌表，表示蚂蚁k在路径中遍历过的节点，每只蚂蚁的禁忌表初始化为该蚂蚁所在的节点，禁忌表的长度为l，遍历过的节点将直接从候选节点中删除，α为信息启发式因子，体现蚂蚁运动轨迹相对重要程度，是蚂蚁在搜寻过程中信息的积累，有助于蚂蚁进行下一步的搜寻，其值越大，表明蚂蚁之间的合作性越强，β为期望启发因子，表示能见度的重要性，反映蚂蚁在路径选择过程中启发信息受重视的程度，τij(t)为启发函数，ηij(t)表示蚂蚁在t时刻从线路方案i中的一个区段到线路方案j一个区段的期望程度，具体为：
Figure BDA0002435318610000111
其中，dij为蚂蚁走过线路方案i中的一个区段到线路方案j一个区段的距离；
步骤S403：当所有蚂蚁都按照区段间转移概率进行移动，在完成一次循环之后，对各路径上的信息素含量进行更新调整，具体如下：
τij(t+1)＝(1-ρ)τij(t)+Δτij
其中，ρ为信息素挥发因子，1-ρ为信息素残留因子，Δτij为第k只蚂蚁经过一次循环后路径(i,j)对应的路径信息素增量的总和，具体为：
Figure BDA0002435318610000112
步骤S404：检查终止条件。在蚂蚁种群搜索完成后，将搜索得到的线路方案区段风险序列代入各自种群目标函数中，如果各自种群的种群目标函数计算的目标值均大于目标阈值，将对应的线路方案区段风险序列添加到非支配解集中；如果小于目标阈值则进行信息素更新然后继续搜索。
步骤S405：输出最优值。分别输出轨道交通选线地质风险评价、风险处理工期以及风险处理成本三个种群的最优目标。
粒子群算法的具体步骤如下：
步骤S406：根据风险评价目标种群、风险处理成本种群和风险处理工期种群分别生成对应的风险评价从粒子群、风险处理成本从粒子群和风险处理工期从粒子群，同时设置1个主粒子群并引入外部储备集；
步骤S407：根据线路方案区段风险序列初始化风险评价从粒子群、风险处理成本从粒子群和风险处理工期从粒子群，确定各粒子的初始速度和初始位置，根据非支配解集初始化主粒子群并存储到外部储备集；
步骤S408：风险评价从粒子群、风险处理成本从粒子群和风险处理工期从粒子群与主粒子群并行搜索，更新主粒子群的全局最优位置坐标，具体过程如下：
vij(t+1)＝ωvij(t)+r1C1(pij(t)-xij(t))+r2C2(gj(t)-xij(t))
xij(t+1)＝xij(t)+vij(t+1)
其中，vij(t+1)表示迭代t+1次从粒子群的更新速度，vij(t)表示迭代t次从粒子群的更新速度，ω为惯性因子，取值为非负数，通过对ω大小的调整来控制全局寻优性能和局部寻优性能，ω较大时，全局寻优能力强，局部寻优能力弱，C1和C2为加速常数，满足1＝C2∈[0，4]，r1和r2表示区间[0，1]上的随机数，pij(t)表示第i个粒子在第j维的粒子个体最优位置坐标；gj(t)表示整个粒子群在第j维的全局最优位置坐标，xij(t+1)表示迭代t+1次从粒子群的更新位置；xij(t)表示迭代t次从粒子群的更新位置；
步骤S409：将粒子个体最优位置坐标和全局最优位置坐标取整，代入各自粒子群的目标函数中，根据粒子群的拥挤度更新粒子群对应的帕累托集，若帕累托集小于最优目标阈值，根据当前帕累托集对应的个体最优位置坐标和全局最优位置坐标获得风险评价、风险处理成本与风险处理工期的总体最优方案。
此外，需要说明的是，本说明书中所描述的具体实施例，所取名称可以不同，本说明书中所描述的以上内容仅仅是对本发明结构所做的举例说明。凡依据本发明构思的构造、特征及原理所做的等小变化或者简单变化，均包括于本发明的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实例做各种各样的修改或补充或采用类似的方法，只要不偏离本发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (9)

1.一种针对地质环境风险的轨道交通选线评估及成本优化方法，其特征在于，具体包括以下步骤：
步骤S1：获取地铁修建区域的基本数据，根据所述地铁修建区域的基本数据进行线路区间的选线区段划分和选线方案编号；
步骤S2：对完成所述选线区段划分和选线方案编号的线路区间构建风险评价目标函数、风险处理成本目标函数和风险处理工期目标函数；
步骤S3：通过动态可变模糊评价模型计算所述线路区间的地质风险等级；
步骤S4：根据所述地质风险等级，通过启发式算法计算出所述线路区间的风险评价、成本、工期多目标最优的地铁线路方案。
2.根据权利要求1所述的一种针对地质环境风险的轨道交通选线评估及成本优化方法，其特征在于，所述风险评价目标函数具体为：
Figure FDA0002435318600000011
其中，fR(x)表示轨道交通n个区段的平均风险级别特征值，n为线路区间的区段数，Hj为第j段区间的风险级别特征值。
3.根据权利要求1所述的一种针对地质环境风险的轨道交通选线评估及成本优化方法，其特征在于，所述风险处理成本目标函数具体为：
Figure FDA0002435318600000012
其中，fT(x)表示处理n个区段所有地质风险所需的总工期，tij表示执行第i种选线方案时处理第j段区间不良地质环境风险所花费的时间，j∈[1，n]，Lk×n表示从起点到终点的一条路径，xij表示第i种选线方案的第j段区间的不良地质环境风险，K表示路径的总数。
4.根据权利要求3所述的一种针对地质环境风险的轨道交通选线评估及成本优化方法，其特征在于，所述风险处理工期目标函数具体为：
Figure FDA0002435318600000013
其中，fC(x)表示处理n个区段所有地质风险所需的总费用，
Figure FDA0002435318600000014
表示执行第i种选线方案时处理第j段区间的不良地质环境风险所花费的直接费用，IC表示间接成本。
5.根据权利要求1所述的一种针对地质环境风险的轨道交通选线评估及成本优化方法，其特征在于，所述步骤S3具体分为以下步骤：
步骤S301：获取所述线路区间的时间因素集fo(t)＝(f1(t) f2(t)…fi(t))和待评价样本的特征值向量xo＝(x1 x2…xi)，将所述时间因素集与待评价样本的特征值向量相结合，得到所述线路区间的样本特征值的函数向量xo(t)＝g(xo，fo(t))；
步骤S302：获取轨道交通不良地质风险因素集，根据轨道交通不良地质风险因素集确定所述线路区间的样本特征值函数向量的评判标准矩阵Iab，所述评判标准矩阵Iab具体表示为指标为i且级别为h的风险因素集评判标准区间[a，b]ih；
步骤S303：根据所述风险因素集评判标准区间对应的吸引域区间[a，b]，确定所述吸引域区间对应的范围值区间[c，d]，根据所述范围值区间构造i个指标h个级别的范围值矩阵Icd；
步骤S304：根据所述步骤S303中的指标，确定单位差异度位值，所述单位差异度位值的计算公式如下：
Figure FDA0002435318600000021
其中，M为单位差异度位值，所述单位差异度位值为吸引域区间[a，b]中相对差异度DA(u)＝1的位值，单位差异度位值M对应的隶属度μ A (u)＝1，h为风险等级，数值为1到n之间的常数，n为风险等级上限；
步骤S305：根据相对差异函数模型，由所述i个指标中确定的各指标的[a，b]、[c，d]及单位差异度位值，确定每一个所述样本指标特征值对风险等级1～n的相对隶属度，以此确定隶属度矩阵μ A (u)；
步骤S306：根据组合权重法确定所述隶属度矩阵的一级指标权向量ωa和二级指标的权向量ωbi；
步骤S307：根据所述模糊可变评价模型计算所述线路区间对各级别风险等级的综合相对隶属度向量，所述模糊可变评价模型具体为：
Figure FDA0002435318600000031
其中，α为模型优化准则参数，dg和db为中间变量，α＝1时为最小一乘方准则，α＝2时为最小二乘法准则，p为距离参数，p＝1时为海明距离，p＝2时为欧式距离；m为识别指标数，ωbi为二级指标的第i个指标权向量；当α＝1且p＝1时，对应模型为简单模糊评价模型；当α＝1且p＝2时，对应模型为理想点评价模型；当α＝2且p＝1时，对应模型为“S”型函数模型；当α＝2且p＝2时，对应模型为模糊优选模型；
分别计算上述4种模型对应的模糊可变评价函数V A (u)，根据计算结果求得4种模型的综合相对隶属度向量，具体公式为：
V A (u)h＝ωa·V A (u)T
其中，V A (u)h为综合相对隶属度向量；
步骤S308：根据步骤S307中4种模型的综合相对隶属度向量，计算简单模糊评价模型、理想点评价模型、“S”型函数模型和模糊优选模型的级别特征值，具体计算公式如下：
Figure FDA0002435318600000032
其中，Hj为第j段区间的风险级别特征值。
6.根据权利要求5所述的一种针对地质环境风险的轨道交通选线评估及成本优化方法，其特征在于，所述步骤S305中相对差异函数模型具体为：
当xo(t)位于单位差异度位值的左侧时：
Figure FDA0002435318600000033
当xo(t)位于单位差异度位值的右侧时：
Figure FDA0002435318600000041
其中，xo(t)为样本特征值函数向量，β为非负实数，D A (u)为相对差异函数，根据所述相对差异函数求取对应的相对隶属度，具体如下：
Figure FDA0002435318600000042
当所述吸引域区间、范围值区间为区间值指标，且
Figure FDA0002435318600000047
时，μ A (u)＝0，当所述吸引域区间、范围值区间为非区间值指标，且
Figure FDA0002435318600000048
时，单位差异度位值取非区间边界值，即μ A (u)＝1，由此可得：
Figure FDA0002435318600000043
其中，(μ A (u)ih)为i个指标和h个级别的隶属度矩阵。
7.根据权利要求1所述的一种针对地质环境风险的轨道交通选线评估及成本优化方法，其特征在于，所述启发式算法包括蚂蚁算法和粒子群算法。
8.根据权利要求7所述的一种针对地质环境风险的轨道交通选线评估及成本优化方法，其特征在于，所述蚂蚁算法的具体步骤如下：
步骤S401：初始化。将所述线路区间内每条路径在初始时刻时信息素含量值初始化为τij(0)＝1，初始化风险评价目标种群、风险处理成本种群和风险处理工期种群以及各种群内蚂蚁在各路径上释放信息素的含量；
步骤S402：蚂蚁构造路径。根据每只蚂蚁的区段间转移概率，构造蚂蚁移动路径，所述区段间转移概率
Figure FDA0002435318600000044
具体如下：
Figure FDA0002435318600000045
其中，
Figure FDA0002435318600000046
表示蚂蚁k在t时刻从线路方案i中的一个区段到线路方案j中的一个区段的区段间转移概率，tabuk为蚂蚁k的禁忌表，表示蚂蚁k在路径中已经遍历过的节点，α为信息启发式因子，β为期望启发因子，τij(t)为启发函数，ηij(t)表示蚂蚁在t时刻从线路方案i中的一个区段到线路方案j一个区段的期望程度，具体为：
Figure FDA0002435318600000051
其中，dij为蚂蚁走过线路方案i中的一个区段到线路方案j一个区段的距离；
步骤S403：对信息素的调整。当所有蚂蚁都按照所述区段间转移概率进行移动，在完成一次循环之后，对各路径上的信息素含量进行更新调整，具体如下：
τij(t+1)＝(1-ρ)τij(t)+Δτij
其中，ρ为信息素挥发因子，1-ρ为信息素残留因子，Δτij为第k只蚂蚁经过一次循环后路径(i，j)对应的路径信息素增量的总和，具体为：
Figure FDA0002435318600000052
步骤S404：检查终止条件。在所述蚂蚁种群搜索完成后，将搜索得到的线路方案区段风险序列代入各自种群目标函数中，如果各自种群的所述种群目标函数计算的目标值均大于目标阈值，将对应的线路方案区段风险序列添加到非支配解集中；如果小于目标阈值则进行信息素更新然后继续搜索；
步骤S405：输出最优值。分别输出轨道交通选线地质风险评价、风险处理工期以及风险处理成本三个种群的最优目标。
9.根据权利要求8所述的一种针对地质环境风险的轨道交通选线评估及成本优化方法，其特征在于，所述粒子群算法的具体步骤如下：
步骤S406：根据所述风险评价目标种群、风险处理成本种群和风险处理工期种群分别生成对应的风险评价从粒子群、风险处理成本从粒子群和风险处理工期从粒子群，同时设置1个主粒子群并引入外部储备集；
步骤S407：根据所述线路方案区段风险序列初始化所述风险评价从粒子群、风险处理成本从粒子群和风险处理工期从粒子群，确定各粒子的初始速度和初始位置，根据所述非支配解集初始化所述主粒子群并存储到所述外部储备集；
步骤S408：所述风险评价从粒子群、风险处理成本从粒子群和风险处理工期从粒子群与所述主粒子群并行搜索，更新主粒子群的全局最优位置坐标，具体过程如下：
vij(t+1)＝ωvij(t)+r1C1(pij(t)-xij(t))+r2C2(gj(t)-xij(t))
xij(t+1)＝xij(t)+vij(t+1)
其中，vij(t+1)表示迭代t+1次从粒子群的更新速度，vij(t)表示迭代t次从粒子群的更新速度，ω为惯性因子，取值为非负数，C1和C2为加速常数，满足C1＝C2∈[0，4]，r1和r2表示区间[0，1]上的随机数，pij(t)表示第i个粒子在第j维的粒子个体最优位置坐标；gj(t)表示整个粒子群在第j维的全局最优位置坐标，xij(t+1)表示迭代t+1次从粒子群的更新位置；xij(t)表示迭代t次从粒子群的更新位置；
步骤S409：将所述粒子个体最优位置坐标和全局最优位置坐标取整，代入各自粒子群的目标函数中，根据粒子群的拥挤度更新粒子群对应的帕累托集，若所述帕累托集小于最优目标阈值，根据当前帕累托集对应的个体最优位置坐标和全局最优位置坐标获得风险评价、风险处理成本与风险处理工期的总体最优方案。
CN202010250521.8A 2020-04-01 2020-04-01 针对地质环境风险的轨道交通选线评估及成本优化方法 Active CN111553509B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010250521.8A CN111553509B (zh) 2020-04-01 2020-04-01 针对地质环境风险的轨道交通选线评估及成本优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010250521.8A CN111553509B (zh) 2020-04-01 2020-04-01 针对地质环境风险的轨道交通选线评估及成本优化方法

Publications (2)

Publication Number Publication Date
CN111553509A true CN111553509A (zh) 2020-08-18
CN111553509B CN111553509B (zh) 2023-05-09

Family

ID=72002352

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010250521.8A Active CN111553509B (zh) 2020-04-01 2020-04-01 针对地质环境风险的轨道交通选线评估及成本优化方法

Country Status (1)

Country Link
CN (1) CN111553509B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112487695A (zh) * 2020-11-30 2021-03-12 中南大学 一种复杂环境铁路多目标智能综合选线方法
CN113888023A (zh) * 2021-10-25 2022-01-04 中铁二院工程集团有限责任公司 一种基于多源地质灾害危险性评价的铁路减灾选线方法
CN113919186A (zh) * 2021-12-14 2022-01-11 中国民航大学 基于事件树的原生超限事件综合后果严重性的计算方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106781446A (zh) * 2017-02-23 2017-05-31 吉林大学 一种施工环境下高速公路应急车辆资源配置方法
CN107370188A (zh) * 2017-09-11 2017-11-21 国网山东省电力公司莱芜供电公司 一种计及风电出力的电力系统多目标调度方法
CN108876184A (zh) * 2018-06-29 2018-11-23 中车建设工程有限公司 一种高速铁路隧道运营期的安全风险评价及预警方法
CN109377034A (zh) * 2018-10-11 2019-02-22 国网新疆电力有限公司信息通信公司 基于智能电网信息通信系统的风险态势评估方法
CN110400087A (zh) * 2019-07-31 2019-11-01 中国计量大学 基于改进权重和可变模糊集的电梯安全防护系统评价方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106781446A (zh) * 2017-02-23 2017-05-31 吉林大学 一种施工环境下高速公路应急车辆资源配置方法
CN107370188A (zh) * 2017-09-11 2017-11-21 国网山东省电力公司莱芜供电公司 一种计及风电出力的电力系统多目标调度方法
CN108876184A (zh) * 2018-06-29 2018-11-23 中车建设工程有限公司 一种高速铁路隧道运营期的安全风险评价及预警方法
CN109377034A (zh) * 2018-10-11 2019-02-22 国网新疆电力有限公司信息通信公司 基于智能电网信息通信系统的风险态势评估方法
CN110400087A (zh) * 2019-07-31 2019-11-01 中国计量大学 基于改进权重和可变模糊集的电梯安全防护系统评价方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112487695A (zh) * 2020-11-30 2021-03-12 中南大学 一种复杂环境铁路多目标智能综合选线方法
CN113888023A (zh) * 2021-10-25 2022-01-04 中铁二院工程集团有限责任公司 一种基于多源地质灾害危险性评价的铁路减灾选线方法
CN113919186A (zh) * 2021-12-14 2022-01-11 中国民航大学 基于事件树的原生超限事件综合后果严重性的计算方法

Also Published As

Publication number Publication date
CN111553509B (zh) 2023-05-09

Similar Documents

Publication Publication Date Title
CN111553509A (zh) 针对地质环境风险的轨道交通选线评估及成本优化方法
CN109839110B (zh) 一种基于快速随机搜索树的多目标点路径规划方法
Kim et al. Calibration of microsimulation models using nonparametric statistical techniques
JP2022500769A (ja) 電力システム熱負荷の予測方法及び予測装置
CN106600959B (zh) 一种交通拥堵指数的预测方法
CN111667050B (zh) 度量学习方法、装置、设备及存储介质
CN114815802A (zh) 一种基于改进蚁群算法的无人天车路径规划方法和系统
CN107220724A (zh) 客流量预测方法及装置
CN110889530A (zh) 基于递归神经网络的目的地预测方法及服务器
CN112883632B (zh) 一种基于改进蚁群算法的锂电池等效电路模型参数辨识方法
CN110428015A (zh) 一种模型的训练方法及相关设备
CN112884014A (zh) 一种基于路段拓扑结构分类的交通速度短时预测方法
CN110155073A (zh) 基于驾驶人偏好的驾驶行为模式识别方法与系统
CN111768622A (zh) 一种基于改进灰狼算法的短时交通量预测方法
CN113639757B (zh) 基于双向评分模型和回溯校正机制的地图匹配方法及系统
CN112098869B (zh) 一种基于大数据的自适应电动汽车soc估计方法
CN108052743B (zh) 一种阶梯接近中心度确定方法及系统
CN115691140B (zh) 一种汽车充电需求时空分布的分析与预测方法
CN115454070B (zh) 一种K-Means蚁群算法多机器人路径规划方法
CN112766548A (zh) 基于gasa-bp神经网络的订单完工时间预测方法
JP3548315B2 (ja) 認知地図を持つ装置
Lesch et al. Towards situation-aware meta-optimization of adaptation planning strategies
Zhou et al. Time related class association rule mining and its application to traffic prediction
CN115080388A (zh) 一种面向自动驾驶系统的仿真测试场景生成方法
CN114627980A (zh) 一种化学逆合成分析方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant