路面管理動態(tài)優(yōu)化決策模型

路面管理的動態(tài)優(yōu)化決策方法交通運輸0801陸祝平U200815062摘要：本文正對我國公路路面管理的現(xiàn)狀，介紹了我國高速公路路面管理決策的過程特點，大致介紹了各種決策優(yōu)化的方法和模型特點。強調(diào)了路面使用性能評價對于路面養(yǎng)護管理決策的重要性以及各種決策優(yōu)化方法的特點和適用范圍。關(guān)鍵詞：路面管理，決策優(yōu)化，多目標，非確定性，數(shù)學規(guī)劃優(yōu)化，人工智能優(yōu)化對于目前的工程實踐來說，每個較大的具體的工程都可以算是一個涉及多方面，入資金、技術(shù)等問題的復雜系統(tǒng)。按照復雜系統(tǒng)理論，隨機性和模糊性是復雜系統(tǒng)不確定性的兩種主要表現(xiàn)形式，因而復雜系統(tǒng)的決策往往是一個多目標，多層次，多階段的系統(tǒng)優(yōu)化決策過程，所涉及到的決策目標，約束條件和對象屬性之間的聯(lián)系也十分復雜。在系統(tǒng)決策優(yōu)化的過程中，一般所遵循的基本原則主要有最優(yōu)化原則、信息準權(quán)原則、可行性原則和集團決策原則等，其中最優(yōu)化原則是決策的最主要原則。但在實際應(yīng)用中，很多問題難以達到最優(yōu)解，因此需要按照“滿意優(yōu)化”的基本的基本原則，找出滿意解、可行解。路面管理是達到最大利潤與路面壽命的方法論。路面管理養(yǎng)護決策的核心內(nèi)容是在指定的預算資金和其他資源的約束下，尋求最優(yōu)養(yǎng)護策略，使得效益目標最大化；或是在一定的路面使用性能要求和資源限制的約束下，尋求最優(yōu)養(yǎng)護策略，使得費用目標最小化。而隨著公路運輸?shù)目焖侔l(fā)展，路面養(yǎng)護管理決策的基礎(chǔ)數(shù)據(jù)采集和計算量越來越大，特別是針對整個路網(wǎng)的網(wǎng)級路面養(yǎng)護管理決策問題朱建達規(guī)?；?，導致進行整個路網(wǎng)多年的王權(quán)優(yōu)化決策問題十分困難，因此今年來多采用及私有化決策方法，并集中于集成(Aggregation)和啟發(fā)(Heuristic)兩個方向。及城市將一個較大的路網(wǎng)根據(jù)路面狀況、交通量、線路等級等特征，合并成較少的路段，并對合并后的項目進行優(yōu)化決策；啟發(fā)則是根據(jù)求解的優(yōu)化問題，按照一定的方法，逐步畢竟最優(yōu)解，最后獲得一個近似的最優(yōu)解。按照決策問題的分類標準，公路網(wǎng)及路面管理系統(tǒng)的決策優(yōu)化屬于多目標的非確定性的決策問題。多目標決策問題是根據(jù)多個不標準則來確定決策方案優(yōu)劣的過程，往往這些目標之間是不太協(xié)調(diào)甚至是矛盾的，如路面使用性能與路面養(yǎng)護資金投入的矛盾。處理方法主要有兩個：一類是將目標進行分解，依據(jù)各不表的重要程度排序，將最重要的目標作為主要目標，而將次要的目標作為其約束條件；另一類是對目標進行綜合，采用線性加權(quán)法、理想點發(fā)、平方和加權(quán)等方法，形成新的決策目標，轉(zhuǎn)化為單目標決策問題。對于不同的網(wǎng)級、項目及路面管理決策條件，可以將決策目標大致的歸納為：在保證路面使用性能達到一定要求條件下，路面養(yǎng)護費用最小，或在養(yǎng)護資金有限的條件下，是路面使用性能達到最優(yōu)。非確定型決策問題是指決策所處理的未來事件的各種狀態(tài)的發(fā)生具有不確定性。由于影響路面使用性能的各種因素的不確定性和變異性，路面使用性能的變化速率是不確定的，常見的解決這種不確定性的預測模型和方法主要有：馬爾可夫預測模型，組合預測模型，神經(jīng)網(wǎng)絡(luò)預測模型等。而關(guān)于路面管理決策中的各種常用的優(yōu)化方法，主要有數(shù)學規(guī)劃優(yōu)化方法和人工智能優(yōu)化方法兩大類。目前在實際應(yīng)用中一數(shù)學規(guī)劃優(yōu)化方法為主。人工智能優(yōu)化方法的產(chǎn)生是由于數(shù)學規(guī)劃模型的界存在不穩(wěn)定性，同時對于大規(guī)模的規(guī)劃問題的求解速度非常緩慢，其主要適用于大規(guī)模路網(wǎng)的優(yōu)化決策問題。一、數(shù)學規(guī)劃優(yōu)化方法：?決策樹法：決策樹是數(shù)據(jù)挖掘(DM)技術(shù)中一項重要的研究方法，采用樹狀結(jié)構(gòu)表示決策方案、狀態(tài)、后果、效用、概率等因素。在我國開發(fā)的CPMS中，網(wǎng)級路面管理系統(tǒng)就采用了樹狀決策樹的決策方法。根據(jù)道路等級、路面類型、交通量、路面強度、路況指數(shù)等影響因素，對路網(wǎng)進行分枝、細化，綜合考慮各種組合一條件，確定項目可能出之對策。決策樹方法簡單直觀，可結(jié)合決策者的主觀經(jīng)驗，具有較強的靈活性和適應(yīng)性。?排序法：在路面養(yǎng)護管理實際工作中，往往受到資金條件的限制，不能滿足所有條件需求，這就需要決策者按照一定的標準對個項目的重要度進行排序，為養(yǎng)護決策的制定提供依據(jù)。排序法的關(guān)鍵在于排序指標和排序方法兩方面，一般所考慮的指標主要有路面使用性能指標、交通量、道路等級、路面使用壽命及相關(guān)經(jīng)濟因素和政策因素等，而不同地區(qū)和不同實際情況下排序方法的選擇和排序因素的權(quán)重也各不相同。?線性規(guī)劃法：線性規(guī)劃作為運籌學中最基本最經(jīng)典的問題，從純數(shù)學角度講，就是一個特殊值條件極值問題。實際在路面管理應(yīng)用中就是結(jié)合實際將路面使用狀況、交通量、養(yǎng)護資金等作為約束條件，列出掩護決策目標的目標方程式，通過線性規(guī)劃解法求的所建立的數(shù)學模型的最優(yōu)解，再轉(zhuǎn)化為實際的管理決策。而由于影響路面管理決策因素的獨立性，實際應(yīng)用中經(jīng)常要采用整數(shù)規(guī)劃方法。整數(shù)規(guī)劃作為線形規(guī)劃的特殊問題，其主要方法有割平面法和分支定界法；而對于其中特殊的一類0—1規(guī)劃問題，主要通過全枚舉法和隱枚舉法求解。?動態(tài)規(guī)劃法：動態(tài)規(guī)劃的基礎(chǔ)理論是Bellman最優(yōu)性原理(任何一個最優(yōu)策略只由有最優(yōu)的字策略組成)和Bellman遞推公式，式求解多階段決策問題的有效方法。對于線性規(guī)劃的求解算法，并不像線性規(guī)劃的單純形法那樣存在一種通用的算法，一般的求解思路主要有逆序揭發(fā)和順序解法兩類。具體的求解方法比較多，有常規(guī)算法，函數(shù)逼近法、狀態(tài)輪換迭代法、時段輪換迭代法，微分動態(tài)規(guī)劃法等。近年來很多學者又提出了了動態(tài)規(guī)劃的改進算法，并行算法、分層解法等新方法。動態(tài)規(guī)劃在路面養(yǎng)護決策優(yōu)化問題中得到了廣泛應(yīng)用，路面養(yǎng)護資金分配的優(yōu)化問題就屬于離散時間動態(tài)規(guī)劃問題。?馬爾科夫決策規(guī)劃(MDP)：馬爾科夫決策規(guī)劃是研究狀態(tài)轉(zhuǎn)移具有馬爾科夫特性的動態(tài)隨機系統(tǒng)的最優(yōu)許觀決策問題，與動態(tài)規(guī)劃一樣，強調(diào)系統(tǒng)狀態(tài)轉(zhuǎn)移規(guī)律的無后效性，其核心內(nèi)容是系統(tǒng)狀態(tài)轉(zhuǎn)移概率的確定。該方法發(fā)展至今產(chǎn)生了包括有限階段模型、折扣模型、連續(xù)時間模型、半馬爾科夫模型、無界報酬模型、非時齊與報酬模型等多種模型，在諸多領(lǐng)域得到了廣泛應(yīng)用。美國亞利桑那州和芬蘭的路面管理系統(tǒng)在實際應(yīng)用中均采用了馬爾科夫決策方法，用于多年的路面管理養(yǎng)護維修資金預算的優(yōu)化。二、人工智能優(yōu)化方法：?遺傳算法：是1965年由美國密歇根大學Holland教授提出的一種智能搜索算法，是利用自然選擇和生物進化的思想在高維空間中尋優(yōu)的啟發(fā)式算法，多年以來在工程優(yōu)化、信號處理、模式識別、管理決策、智能系統(tǒng)設(shè)計和人工生命等領(lǐng)域得到了廣泛應(yīng)用，成功解決了運輸問題、TSP難題、作業(yè)分配問題、0—1規(guī)劃問題、連續(xù)區(qū)域函數(shù)優(yōu)化、多峰函數(shù)優(yōu)化等問題。遺傳算法具有收斂速度快，計算時間短等優(yōu)點，其關(guān)鍵在于系統(tǒng)的初始化與編碼方案、遺傳算子的確定，交叉率和變化率的選擇、迭代中止條件等。但同時也存在難以求得最優(yōu)解、連續(xù)空間離散化、采用隨機優(yōu)化技術(shù)所用時間長，局部搜索能力弱等缺點，因此在路面養(yǎng)護管理決策中應(yīng)用還較少。人工神經(jīng)網(wǎng)絡(luò)(ANN):人工神經(jīng)網(wǎng)絡(luò)是由大量被稱為額節(jié)點所構(gòu)成的系統(tǒng)，模擬人腦的得思維判斷過程而形成的一種思維計算模型。ANN的特色在于信息的分布式儲存和并行協(xié)同處理，具有集體運算能力、自適應(yīng)學習能力和較強的容錯性。目前常采用的神經(jīng)網(wǎng)絡(luò)模型是誤差逆轉(zhuǎn)傳播網(wǎng)絡(luò)，即BP網(wǎng)絡(luò)。許多學者將人工神經(jīng)網(wǎng)絡(luò)方法勇于路面使用性能評價和預測方面的研究。但由于算法學習速度慢，存在局部最小、網(wǎng)絡(luò)可能癱瘓等原因，在路面養(yǎng)護決策實際工作中應(yīng)用較少。-模糊集理論：模糊集理論是20世紀70年代美國Zadeh教授通過提出“不相容原理”創(chuàng)立的，并產(chǎn)生了一個新的數(shù)學分支一一模糊數(shù)學。模糊數(shù)學的產(chǎn)生將數(shù)學的應(yīng)用范圍從精確擴展到了模糊現(xiàn)象領(lǐng)域。模糊集理論在交通運輸系統(tǒng)中決策優(yōu)化問題中的應(yīng)用實踐實例較多。另外，目前在我國對于高速公路使用性能評價問題上，也多次采用了基于屬性評價和客觀全中計算