[发明专利]多年冻土地区公路三维导向线选定方法

权利要求书

1.多年冻土地区公路三维导向线选定方法，其特征在于：

由以下步骤实现：

步骤一：在GIS平台上筛选多年冻土地区地质灾害特征属性，建立冻土灾害分布的危险度模型，以3公里为单位长度，计算单元中的危险度；

步骤二：汇总整理步骤一中获取的地质灾害属性信息，通过ArcSDE连接Oracle数据库，建立地理信息数据库；

步骤三：建立公路路线平面模型，采用改进的遗传算法进行线位优化，以路线经过的多年冻土区域总危险度不大于4.00为约束条件，经过多次迭代优选，得到最终的多年冻土地区公路导向线设计方案；

步骤一包括以下子步骤：

第一步：筛选公路线位布设区域：

根据地理信息的数据精度，由低到高逐次筛选，确定公路导向线的布设区域：

首先，在1:5万多年冻土地形图中获取各个主要地质类型的分布范围，包括各类冻土的分布区域、山脉走势以及自然保护区范围，选择地质条件好、对环境影响较小的区域，作为下一精度的研究范围；

然后，在1:1万多年冻土地形图中，在上一精度所选区域的基础上，研究其地质灾害分布情况，重点关注厚层地下冰、热融滑塌、冻土沼泽灾害的分布情况，选择地质灾害分布较少、对公路工程影响较小的区域，作为下一精度的研究范围；

最后，在1:2000多年冻土地形图中，在上一精度所选区域的基础上，细化冻土区域的地质灾害分布，分析区域内已有工程的分布情况，包括铁路、公路、供电通信管线的排布，完成公路布线区域的选择；

第二步：建立冻土灾害分布的危险度模型：

对造成道路病害冻土区影响因子进行定量分析，主要包括厚层地下冰、热融滑塌、冻胀土、冻土沼泽的因素，采用考虑影响因子连续度和发育度的综合评判标准，建立公路路线危险度模型；以公路导向线为导向，以3公里为单位长度对整个走廊带进行分区，每个计算单元中的危险度的计算方法为：

I_i＝C_iγ_C+D_iγ_D

式中：

i为第i个计算单元；

I_i为第i个计算单元中影响因子危险度；

C_i为第i个计算单元中影响因子连续度；

D_i为第i个计算单元中影响因子发育度；

γ_C和γ_D分别为连续度、发育度权重；

由层次分析法得到多年冻土地区影响因子连续度、发育度权重系数分别为γ_C＝0.333，γ_D＝0.667。

2.根据权利要求1所述的多年冻土地区公路三维导向线选定方法，其特征在于：

步骤二包括以下子步骤：

第一步：汇总整理步骤一中获取的所选区域内地质属性信息：

获取到的地质属性信息主要分为现状地形数据、地质灾害分布数据、规划数据、正射影像数据，归类整理后为后续的数据入库做准备；

第二步：建立Geodatabase地理数据模型：

通过ArcSDE连接Oracle数据库，建立Geodatabase地理数据模型，将第一步中分类后的数据录入地理信息数据库，并结合空间数据建库的特点，在ArcCatalog中根据不同数据类型建立相应的数据集。

3.根据权利要求1所述的多年冻土地区公路三维导向线选定方法，其特征在于：

步骤三包括以下子步骤：

第一步：建立公路路线平面模型：

用n条垂切线等分路线起讫点连线SE，交于n个不同的点，将线段SE划分为n+1等分，则平面线形优化可看作是在对应区域内搜寻路线交点Pi点集的过程，点集的信息包括Pi位于哪一条垂切线上以及Pi与线段SE的垂直距离；

引入两个坐标系统：第一坐标系为大地坐标系，以X轴为正北方向，Y轴为正东方向；第二坐标系为一维坐标系，以各个垂切线与线段SE的交点O_i为坐标原点，垂切线左上方为正，右下方为负，并取交点Pi与路线连线的距离d_i作为临时决策变量；

记O_i为第i条垂切线的坐标零点，各个坐标系原点坐标为(X_Oi，Y_Oi)为：

XOiYOi=XSYS+in+1XE-XSYE-YS]]>

d_i范围表示为[X_min，X_max]、[Y_min，Y_max]；设垂切线与大地坐标系的正北向夹角为α，则α可表示为：

设d_il和d_iu分别为di的最小和最大值，则由α的4种值得到对应的d_il和d_iu为：

为获得统一的、在大地坐标系下的交点坐标集，记Pi的全局坐标为(X_pi，Y_pi)，则转换公式为：

XPiYPi=XOiYOi+dicos(θ)sin(θ)]]>

依次连接各条垂切线上的交点Pi，即得到路线方案的初步导线模型；

第二步：使用改进型遗传算法优化迭代：

ξ表示染色体，用σ_i(i＝1，2，…，n)表示基因，采用浮点编码方式，即

Ξ＝(α₁,α₂,...,α_n)＝(d₁,d₂,...,d_n)

式中：d_i为纵向切割线坐标；

假设在产生初始种群时，没有任何先验性的知识，初始种群交点的起始位置位于线段SE上，则初始时的染色体为

Ξ＝(α₁,α₂,...,α_n)＝(0,0,...,0)

为保证进化方向不会偏离问题研究的方向，引入自适应度的方法，通过定义用于调整进化倾向及迭代速度的收敛指标--代间差异度Θ_t和种群进化离散度Γ，控制进化方向，克服过早收敛；

其中，代间差异度：

式中为调和平均适应度；

种群进化离散度：

式中D_t为代间差异度Θ_t的方差，D_t，max为最大代间差异度Θ_t的方差；

为在局部优化中获得更优秀的线形，将粒子群算法与遗传算法融合，构造粒子群遗传算法，利用其极强的局部寻优和平衡的特点，优选子代；

每进行一次迭代，即计算子代的总危险度，当子代危险度稳定在4.00以下时，终止迭代。